LAMPIRAN A TABEL DATA PENGAMATAN

dokumen-dokumen yang mirip
KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET

ANALISIS MULTI WAVELET PADA KOMPRESI SUARA. Disusun Oleh: Immanuel Silalahi. Nrp :

DAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...

Analisa Multiwavelet untuk Kompresi Suara

LAMPIRAN A LISTING PROGRAM

Kata Kunci: wavelet packet; citra medis; kompresi; threshold; codec haar; codec biorthogonal; codec daubechies; MOS.

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

PRESENTASI TUGAS AKHIR KI091391

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising

BAB 2 TINJAUAN PUSTAKA

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau

KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat

ANALISIS DWT SEBAGAI TRANSFORMASI SPARSITY UNTUK PENCUPLIKAN KOMPRESIF PADA AUDIO ANALYSIS OF DWT AS SPARSITY TRANSFORM FOR AUDIO COMPRESSIVE SAMPLING

1. Pendahuluan. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

error(['list Sinyal Suara Tidak Ditemukan "' file_list, '"']);

SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT

BAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment

Bab I Pendahuluan 1 BAB I PENDAHULUAN

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian

BAB III PROSEDUR PENENTUAN LOKASI GANGGUAN DENGAN TRANSFORMASI WAVELET

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. terbesar (39%), diikuti kanker (27%), sedangkan penyakit pernafasan kronis,

BAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function

Kompresi Citra Berwarna Menggunakan Transformasi Wavelet

Aplikasi Transformasi Wavelet Pada Prapengolahan Sinyal Suara

BAB 2 TINJAUAN PUSTAKA

PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA

BAB I PENDAHULUAN SIMULASI DAN ANALISIS PEMANTAUAN KAMAR PASIEN RAWAT INAP DENGAN DETEKSI DAN KLASIFIKASI SINYAL AUDIO 1

ABSTRAK. Universitas Kristen Maranatha

APLIKASI KOMPRESI TEKS SMS PADA MOBILE DEVICE BERBASIS ANDROID DENGAN MENGGUNAKAN ALGORITMA HUFFMAN KANONIK

BAB 1 PENDAHULUAN. kemampuan hardware untuk pengambilan / pencuplikan citra serta

BAB IV SIMULASI DAN ANALISA DATA

ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET

PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)

BAB 2 LANDASAN TEORI

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB 2 LANDASAN TEORI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

Penggunaan Pohon Huffman Sebagai Sarana Kompresi Lossless Data

BAB II KOMPRESI DATA PENGINDERAAN JAUH

BAB I PENDAHULUAN. Dalam dunia modern sekarang ini kebanyakan aktivitas manusia selalu

BAB 2 TINJAUAN PUSTAKA

IMPLEMENTASI SELF ORGANIZING MAP DALAM KOMPRESI CITRA DIGITAL

BAB 3 ANALISIS DAN PERANCANGAN

BAB 2 TINJAUAN PUSTAKA

BAB IV HASIL DAN PEMBAHASAN

Gambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama

MATEMATIKA DI BALIK CITRA DIGITAL

LAMPIRAN A TABEL KONSTANTA UNTUK MOMEN DISTRIBUSI

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 PERANCANGAN PROGRAM

Kompresi Audio Secara Terdistribusi Pada Microphone Array

BAB III PENGOLAHAN DATA

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

DAFTAR ISI. i ABSTRACT. ii KATA PENGANTAR. viii DAFTAR GAMBAR

BAB 3 METODOLOGI PENELITIAN. kepustakaan dan studi laboratorium, di mana penulis mempelajari teori-teori teknik

BAB 2 LANDASAN TEORI

Kompresi Citra dan Video. Muhtadin, ST. MT.

BAB I PENDAHULUAN. 1.1 Latar Belakang

Analisis Perbandingan Kompresi Haar Wavelet Transform dengan Embedded Zerotree Wavelet pada Citra

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. suara dari sumber audio dengan menambahkan saluran audio. Teknologi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KOMPRESI CITRA BERWARNA MENGGUNAKAN METODE POHON BINER HUFFMAN. Sarifuddin Madenda, Hayet L. dan I. Bayu *

Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE)

FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA LAB SHEET KOMUNIKASI DATA

BAB IV. ANALISIS DAN PERANCANGAN PERANGKAT LUNAK

LAMPIRAN A DATA LENGKAP HASIL PERCOBAAN 1 DAN 2

CARA MERUBAH FORMAT VIDEO MELALUI FORMAT FACTORY

SISTEM PENGOLAHAN ISYARAT

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Implementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra

MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA

BAB II. Tinjauan Pustaka dan Dasar Teori. studi komparasi ini diantaranya penelitian yang dilakukan oleh Verdi Yasin, Dian

REPRESENTASI DATA AUDIO dan VIDEO

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

PENDAHULUAN. Latar Belakang

SISTEM PENGOLAHAN ISYARAT

BAB III ANALISIS DAN PERANCANGAN SISTEM

MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA

Kompresi Citra Irawan Afrianto Sistem Multimedia 2007/2008

BAB 2 TINJAUAN PUSTAKA

OPTIMASI AUDIO WATERMARKING BERBASIS DISCRETE COSINE TRANSFORM DENGAN TEKNIK SINGULAR VALUE DECOMPOSITON MENGGUNAKAN ALGORITMA GENETIKA

KOMPRESI CITRA. lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat,

KOMPRESI JPEG 2000 PADA CITRA DIGITAL DENGAN TRANSFORMASI WAVELET DISKRIT

Kompresi Video Menggunakan Discrete Cosine Transform

BAB IV ANALISA HASIL SIMULASI

BAB IV ANALISIS. Tabel IV-1 Perbandingan Nilai Korelasi Antar Induk Wavelet pada Daerah Homogen. Wavelet

AUDIO WATERMARKING DENGAN DISCRETE WAVELET TRANSFORM DAN HISTOGRAM MENGGUNAKAN OPTIMASI ALGORITMA GENETIKA

Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf

BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi:

LAMPIRAN A TABEL DATA PENGAMATAN

LAMPIRAN B LIST PROGRAM

Main Program Untuk Mendapatkan Hasil Pada Tabel IV.1 IV.3 %Program Kompresi Suara 1D untuk 1 sinyal suara %Memasukkan nilai - nilai parameter yang akan digunakan in=input('nama file = '); %Memasukan file yang akan dikompres wavelet=input('jenis mother wavelet yang digunakan = '); %Memasukan Jenis mother wavelet yang digunakan N=input('N ='); %Memasukan nilai level %Analisa sinyal 1D %mengecek frekuensi sampling dan jumlah bit [x fs nbit] = wavread(in); %Sinyal dibagi-bagi menjadi 8 frame %Analisa frame pertama disp(['analisa frame pertama']); p=x(1:(0.125*length(x))); %Mengompresi frame pertama dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame pertama SNR=SNR1(p,fr1); disp(['snr (db) = ' num2str(snr)]); load data; fr1=fr1.'; %Analisa frame ke-2 disp(['analisa frame ke-2']); p=x((1+(0.125*length(x))):(0.25*length(x))); fr2=sas1(p,n,wavelet); %Mengompresi frame ke-2 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-2 SNR=SNR1(p,fr2); disp(['snr (db) = ' num2str(snr)]); load data; fr2=fr2.'; %Analisa frame ke-3 disp(['analisa frame ke-3']); p=x((1+(0.25*length(x))):(0.375*length(x))); fr3=sas1(p,n,wavelet); %Mengompresi frame ke-3 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-3 SNR=SNR1(p,fr3); disp(['snr (db) = ' num2str(snr)]);

load data; fr3=fr3.'; %Analisa frame ke-4 disp(['analisa frame ke-4']); p=x((1+(0.375*length(x))):(0.5*length(x))); fr4=sas1(p,n,wavelet); %Mengompresi frame ke-4 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-4 SNR=SNR1(p,fr4); disp(['snr (db) = ' num2str(snr)]); load data; fr4=fr4.'; %Analisa frame ke-5 disp(['analisa frame ke-5']); p=x((1+(0.5*length(x))):(0.625*length(x))); fr5=sas1(p,n,wavelet); %Mengompresi frame ke-5 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-5 SNR=SNR1(p,fr5); disp(['snr (db) = ' num2str(snr)]); load data; fr5=fr5.'; %Analisa frame ke-6 disp(['analisa frame ke-6']); p=x((1+(0.625*length(x))):(0.75*length(x))); fr6=sas1(p,n,wavelet); %Mengompresi frame ke-6 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-6 SNR=SNR1(p,fr6); disp(['snr (db) = ' num2str(snr)]); load data; fr6=fr6.'; %Analisa frame ke-7 disp(['analisa frame ke-7']); p=x((1+(0.75*length(x))):(0.875*length(x))); fr7=sas1(p,n,wavelet); %Mengompresi frame ke-7 dengan induk wavelet yang memiliki nilai SNR

%yang maksimal untuk frame ke-7 SNR=SNR1(p,fr7); disp(['snr (db) = ' num2str(snr)]); load data; fr7=fr7.'; %Analisa frame ke-8 disp(['analisa frame ke-8']); p=x((1+(0.875*length(x))):length(x)); fr8=sas1(p,n,wavelet); %Mengompresi frame ke-8 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-8 SNR=SNR1(p,fr8); disp(['snr (db) = ' num2str(snr)]); load data; fr8=fr8.'; %Penggabungan tiap frame menjadi sinyal yang telah di uncompress tfr=[fr1;fr2;fr3;fr4;fr5;fr6;fr7;fr8]; %Memperdengarkan suara asli sebelum dikompres wavplay(x,8000) pause(3) %Memperdengarkan suara setelah dikompres wavplay(tfr,8000) Main Program Untuk Mencari Induk Wavelet Yang Terbaik Untuk Satu Sinyal %Program Kompresi Suara 1D untuk 1 sinyal suara %Memasukkan nilai - nilai parameter yang akan digunakan in=input('nama file = '); %Masukkan file yang akan dikompres N=input('N =');%nilai level %Analisa sinyal 1D %mengecek frekuensi sampling dan bit [x fs nbit] = wavread(in); pjg=length(x); p=x; %Proses awal untuk memulai kompresi fr1=go(p,n); %Memperdengarkan suara asli sebelum dikompres wavplay(p,8000) pause(3) %Memperdengarkan suara setelah dikompres wavplay(fr1,8000) Main Program Untuk Mencari Induk Wavelet Yang Terbaik Untuk Tiap Frame close all;

clear; close all; clc; %Program Kompresi Suara 1D untuk 1 sinyal suara %Memasukkan nilai - nilai parameter yang akan digunakan in=input('nama file = '); %Memasukan file yang akan dikompres N=input('N ='); %Memasukan nilai level %Analisa sinyal 1D %mengecek frekuensi sampling dan jumlah bit [x fs nbit] = wavread(in); %Sinyal dibagi-bagi menjadi 8 frame %Analisa frame pertama disp(['analisa frame pertama']); p=x(1:(0.125*length(x))); fr1=go(p,n); %Mengompresi frame pertama dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame pertama fr1=fr1.'; %Analisa frame ke-2 disp(['analisa frame ke-2']); p=x((1+(0.125*length(x))):(0.25*length(x))); fr2=go(p,n); %Mengompresi frame ke-2 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-2 fr2=fr2.'; %Analisa frame ke-3 disp(['analisa frame ke-3']); p=x((1+(0.25*length(x))):(0.375*length(x))); fr3=go(p,n); %Mengompresi frame ke-3 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-3 fr3=fr3.'; %Analisa frame ke-4 disp(['analisa frame ke-4']); p=x((1+(0.375*length(x))):(0.5*length(x))); fr4=go(p,n); %Mengompresi frame ke-4 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-4 fr4=fr4.'; %Analisa frame ke-5 disp(['analisa frame ke-5']); p=x((1+(0.5*length(x))):(0.625*length(x)));

fr5=go(p,n); %Mengompresi frame ke-5 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-5 fr5=fr5.'; %Analisa frame ke-6 disp(['analisa frame ke-6']); p=x((1+(0.625*length(x))):(0.75*length(x))); fr6=go(p,n); %Mengompresi frame ke-6 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-6 fr6=fr6.'; %Analisa frame ke-7 disp(['analisa frame ke-7']); p=x((1+(0.75*length(x))):(0.875*length(x))); fr7=go(p,n); %Mengompresi frame ke-7 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-7 fr7=fr7.'; %Analisa frame ke-8 disp(['analisa frame ke-8']); p=x((1+(0.875*length(x))):length(x)); fr8=go(p,n); %Mengompresi frame ke-8 dengan induk wavelet yang memiliki nilai SNR %yang maksimal untuk frame ke-8 fr8=fr8.'; %Penggabungan tiap frame menjadi sinyal yang telah di uncompress tfr=[fr1;fr2;fr3;fr4;fr5;fr6;fr7;fr8]; %Memperdengarkan suara asli sebelum dikompres wavplay(x,8000) pause(1) %Memperdengarkan suara setelah dikompres wavplay(tfr,8000) Function Go(p,N) function fr1=go(p,n) wavelet = 'db1'; %jenis mother wavelet Daubechies / Haar S1=SNR1(p,fr1); wavelet = 'db2'; %jenis mother wavelet Daubechies / Haar S2=SNR1(p,fr1); wavelet = 'db3'; %jenis mother wavelet Daubechies / Haar S3=SNR1(p,fr1); wavelet = 'db4'; %jenis mother wavelet Daubechies / Haar

S4=SNR1(p,fr1); wavelet = 'db5'; %jenis mother wavelet Daubechies / Haar S5=SNR1(p,fr1); wavelet = 'db6'; %jenis mother wavelet Daubechies / Haar S6=SNR1(p,fr1); wavelet = 'coif1'; %jenis mother wavelet Daubechies / Haar S7=SNR1(p,fr1); wavelet = 'coif2'; %jenis mother wavelet Daubechies / Haar S8=SNR1(p,fr1); wavelet = 'coif3'; %jenis mother wavelet Daubechies / Haar S9=SNR1(p,fr1); wavelet = 'coif4'; %jenis mother wavelet Daubechies / Haar S10=SNR1(p,fr1); wavelet = 'coif5'; %jenis mother wavelet Daubechies / Haar S11=SNR1(p,fr1); Maks=max([S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11]); if S1==Maks wavelet='db1'; if S2==Maks wavelet='db2'; if S3==Maks wavelet='db3'; if S4==Maks wavelet='db4'; if S5==Maks wavelet='db5'; if S6==Maks wavelet='db6';

if S7==Maks wavelet='coif1'; if S8==Maks wavelet='coif2'; if S9==Maks wavelet='coif3'; if S10==Maks wavelet='coif4'; if S11==Maks wavelet='coif5'; disp(['jenis wavelet yang digunakan agar SNR maksimum = ' num2str(wavelet)]); SNR=SNR1(p,fr1); disp(['nilai SNR maksimumnya yaitu (db) = ' num2str(snr)]); load data; ratio=100/(100-perf0); Function sas1 function k=waverec(p,n,wavelet); %Proses awal untuk memulai kompresi ALPHA = 1.5; %nilai ALPHA SORH = 'h'; %jenis threshold %menghitung DWT untuk level N [C,L]=wavedec(p,N,wavelet); %menghitung level thresholding [THR,NKEEP]=wdcbm(C,L,ALPHA); %kompresi menggunakan hard thresholding [XC,CXC,LXC,PERF0,PERFL2] =wdencmp('lvd',c,l,wavelet,n,thr,sorh); %koefisien encoding CC=Encode1(CXC); %koefisien yang ditransmisikan tc=cc; %panjang vektor yang ditransmisikan tl=l; %persentase zeros PZEROS=PERF0;

%compression score in percentage PNORMEN=PERFL2; %Proses dekompresi %masukan : koefisien wavelet yang diencoding %keluaran : sinyal rekonstruksi %koefisien yang didekoding tc=decode1(tc); %Menyimpan data save hasil tc tl wavelet save data PERFL2 %menghitung IDWT k=waverec(tc,tl,wavelet); function cc=encode1(c) %Encode : fungsi yang meng-enkodingkan nilai koefisien yang nol secara berurutan %cc = Encode(C); %---------------------- %variable tambahan zeroseq = 'flse'; zerocount = 0; j = 1; compc=[]; for m = 1:length(C) if(c(m)==0)&(zeroseq=='flse') compc=[compc C(m)]; j=j+1; zeroseq ='true'; zerocount=1; if m==length (C) compc=[compc zerocount]; end elseif(c(m)==0)&(zeroseq=='true') zerocount=zerocount+1; if m==length(c) compc=[compc zerocount]; end elseif(c(m) ~= 0)&(zeroseq=='true') compc=[compc zerocount C(m)]; j=j+2; zeroseq='flse'; zerosount=0; else compc=[compc C(m)]; j=j+1; end end cc=compc;

function SNR=SNR1(p,fr1) %Menghitung SNR %Sinyal asli berupa p %Sinyal keluaran berupa k selisih=p-fr1.'; SNR=10*log10((sum(p.^2))/(sum(selisih.^2)));