Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas akhir ini membahas tentang analisis penentuan jenis mother wavelet orthogonal dan biorthogonal untuk diterapkan pada pengkodean suara. Adapun tujuan dilakukannya analisis tersebut yaitu untuk menentukan jenis mother wavelet yang paling balk dan sesuai.Analisis yang dilakukan mencakup distribusi koefisien dan perhitungan energi yang dilakukan pada transformasi wavelet maju yang diterapkan pada berbagai sinyal suara. Selain itu dilakukan pula perhitungan waktu proses, entropi dan tes subjektif dengan sinyal suara "Carusso" sebagai pertimbangan lain.Dari hasil simulasi diperoleh mother wavelet Coiflet (orthogonal) dan Villasenor (biorthogonal) adalah yang paling baik ditinjau dari analisis distribusi koefisien dan energi. Analisis waktu proses memperlihatkan mother wavelet Symmlet 6 (orthogonal) dan Spline (biorthogonal) mempunyai waktu proses yang lebih singkat dibanding mother wavelet lain. Sedangkan apabila ditinjau dari nilai entropi, mother wavelet Symmlet 6 (orthogonal) dan Spline (biorthogonal) mempunyai kinerja yang paling balk. Untuk kualitas sinyal rekonstruksi dengan tes subjektif menunjukkan bahwa semua mother wavelet mempunyai kinerja yang sama baiknya untuk diterapkan pada pengkodean suara.Simulasi dari analisis ini dilakukan dengan bantuan model simulasi yang dibuat dalam lingkungan pemrograman Matlab 4.0."

"Suatu graf dikatakan suatu graf jumlah jika terdapat suatu pemetaan satu-satu yang disebut pelabelan jumlah, dari ke himpunan bilangan bulat positif sedemikian sehingga untuk jika dan hanya jika , dimana . Untuk selanjutnya disebut simpul bekerja. Graf terhubung akan membutuhkan beberapa tambahan simpul terisolasi agar memenuhi aturan pelabelan jumlah. Graf jumlah dikatakan graf jumlah eksklusif jika tidak ada simpul bekerja pada graf . Banyak simpul terisolasi minimal sehingga pelabelan jumlah memenuhi pelabelan jumlah eksklusif disebut bilangan jumlah eksklusif, dinotasikan dengan . Suatu pelabelan jumlah eksklusif pada disebut optimal jika . Pada skripsi ini akan ditunjukkan bilangan jumlah eksklusif yang optimal dari graf matahari dengan . Graf korona dengan . Graf hairycycle dengan untuk genap dan dan , dimana menyatakan banyaknya simpul daun yang terhubung pada simpul ke- pada lingkaran.

---

A Graph is called a sum graph if there exist an injective labeling called sum labeling, from to a set of positive integers such that if and only if where . A vertex is called a working vertex. Any connected graph will require some additional isolated vertices in order to be sum labeled. Sum graph is said to be exclusive sum graph if contain no working vertex. The smallest number of isolated vertices such that sum labeling is an exclusive sum labeling called exclusive sum number, denoted by In this skripsi, it will be showed optimum exclusive sum number of sun graphs which is corona graphs which is , hairycycle graphs which is for even , , and , where is a number of leaves attached to the -th cycle?s vertex."

"Tekstur menyimpan atau menyediakan karakteristik-karakteristik yang penting untuk usaha pengidentifikasian permukaan dan objek pads berbagai macam citra. Untuk mempelajari tekstur tersebut, dimana sebagian besar tekstur alami mempunyai frekuensi dominan yang terletak pada saluran frekuensi menengah, diperlukan metode multisaluran frekuensi atau analisa multiresolusi, untuk mencapai frekuensi tertentu. Wavelet adalah sebuah fungsi matematika yang memotong-motong data ke dalam frekuensi-frekuensi yang berbeda, sehingga data tersebut dapat dipelajari dengan resolusi yang berbeda-beds. Sebuah metode transformasi wavelet yang disebut Transformasi Wavelet Berstruktur Pohon (Tree Structured Wavelet Transform) memungkinkan untuk memilih daerah frekuensi yang akan dipelajari. Skripsi ini bertujuan untuk membuat perangkat iunak yang dapat mengenali tekstur pads suatu citra secara tepat dengan menggunakan Transformasi Wavelet Berstruktur Pohon. Hasil uji cobs menunjukkan bahwa citra teskstur berukuran 128 x 128 piksel yang dicoba untuk diketahui teksturnya, dapat dikenali dengan balk oleh program."

"Salah satu aspek penting dalam inveri seismik adalah estimasi wavelet yang bisa mewakili data seismik secara komprehensif. Dalam tesis ini akan dijabarkan konsep dan implementasi algoritma Kolmogoroff dalam estimasi wavelet. Secara prinsip, dalam metoda Komogoroff, spektrum fasa minimum ditentukan atas spektrum amplitudo yang diberikan. Jika diberikan spektrum amplitudo dengan panjang wavelet n+1 maka terdapat 2n wavelet dengan spektrum fasa yang berbeda, namun hanya satu dari 2n wavelet yang mmiliki spektrum fasa minimum. Pendekatan yang unik ini diharapkan bisa memberikan estimasi wavelet yang representative. Dalam proses ini, kondisi data seismik diasumsikan terdiri dari deret reflektivitas yang acak dan merupakan hasil konvolusi dari wavelet berfasa minimum. Keabsahan dari asumsi tersebut telah diuji dengan deret reflektivitas dari suatu data sumuran dan trace seismik sintetik. Untuk verifikasi dari unjuk kerja algoritma Kolmogoroff, terlebih dahulu diaplikasikan ke data sintetik. Lebih lanjut aplikasi dengan data real dilakukan untuk menentukan distribusi impedansi akustik melalui inversi seismik. Sebagai acuan dalam mengevaluasi hasil inversi seismik dilakukan komparasi terhadap teknik Band Limited inversion yang dihasilkan dari software komersiil. Hasil koparasi menunjukkan korelasi yang optimum."

"Data seismik refleksi yang direkam pada survey seismik darat sering terkontaminasi oleh noise koheren groundroll yang merupakan gelombang dispersif yang merambat di permukaan. Sinyal gelombang groundroll ini memiliki ciri amplitude yang besar dan frekuensi yang relative rendah dan berubah di sepanjang perambatannya (non-stasioner). Beberapa teknik pemfilteran yang selama ini digunakan adalah berdasarkan pada pendekatan dengan transformasi Fourier, dimana transformasi Fourier ini mengasumsikan wavelet bersifat statis sepanjang perambatannya. Teknikteknik pemfilteran tersebut diantaranya adalah pemfilteran frekuensi (frequency filtering), dan f-k filtering. Suatu alternative baru dari transformasi Fourier yang dapat digunakan saat ini adalah transformasi wavelet, dimana transformasi ini mengurai/mendekomposisi sebuah fungsi menggunakan fungsi basis (dasar) yang memiliki durasi terbatas baik dalam domain fekuensi maupun domain waktu. Hal ini berbeda dengan transformasi Fourier, dimana transformasi Fourier mendekomposisi suatu fungsi menggunakan fungsi basis sinusoidal yang memiliki durasi tak terbatas pada domain waktu dan frekuensi. Dengan menggunakan transformasi wavelet, pemfilteran gelombang groundroll dapat dilakukan dengan baik dan memiliki kelebihan dibandingkan dengan pemfilteran dengan transformasi yang berbasis transformasi Fourier, diantaranya adalah kualitas sinyal reflektor yang tetap terjaga.

---

Low-frequency, high-amplitude ground roll is an old problem in land-based seismic field records. Current processing techniques aimed at ground-roll suppression, such as frequency filtering, f -k filtering, and f -k filtering with time-offset windowing, use the Fourier transform, a technique that assumes that the basic seismic signal is stationary.

A new alternative to the Fourier transform is the wavelet transform, which decomposes a function using basis functions that, unlike the Fourier transform, have finite extent in both frequency and time. Application of a filter based on the wavelet transform to land seismic shot records suppresses ground roll in a time-frequency sense; unlike the Fourier filter, this filter does not assume that the signal is stationary.

The wavelet transform technique also allows more effective time-frequency analysis and filtering than current processing techniques and can be implemented using an algorithm as computationally efficient as the fast Fourier transform. This new filtering technique leads to the improvement of shot records and considerably improves he final stack quality."