Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"ABSTRACTSalah satu penyebab gangguan atau potensi terjadinya kegagalan isolasi yang cukup kritis S pada instalasi sistem DC khususnya sistem PLTS adalah gangguan arcing yang berpotensi terjadi secara seri pada sistem wiring PLTS tersebut. Selama ini sistem proteksi eksisting yang terpasang pada PLTS seperti over current relay dan sistem proteksi lainnya tidak mampu mendeteksi gangguan keberadaan gangguan arcing karena besar arus gangguan arcing ini, besar arusnya sangat rendah jauh di bawah setting relay serta time interval yang sangat singkat dari time setting pick up relay eksisting tersebut. Sehubungan dengan keterbatasan pada kemampuan relay eksisting yang terpasang sebagai sistem proteksi pada PLTS, maka perlu dibutuhkan alternatif sistem deteksi terhadap gangguan arcing yang mampu mencegah potensi terj adinya arcing pada sistem wiring PLTS. Pemodelan deteksi gangguan arcing pada sistem DC, dengan memanfaatkan metode transformasi wavelet (wavelet transform) adalah salah satu solusi untuk memproteksi instalasi PLTS dari gangguan arcing. Berdasarkan hasil simulasi pemodelan sistem deteksi gangguan arcing dengan menggunakan sofware SIMULINK/MATLABTM menunjukkan bahwa pemodelan deteksi arcing dengan memanfaatkan transformasi wavelet tidak hanya mendeteksi gangguan arcing, tapi juga sistem deteksi ini bisa memberikan sinyal trip untuk membuka status CB ketika gangguan arcing terjadi di sistem DC tersebut sehingga potensi ganguan arcing yang bisa menyebabkan kegagalan isolasi pada PLTS bisa diminimalisir dan dicegah sedini mungkin. "

"Spekel adalah suatu kesalahan granular yang selalu ada pada semua jenis sistem pencitraan yang koheren. Keberadaan spsekel dalam citra mengurangi resolusi, klasifikasi dan susah diinterpretasi. Banyak teknik mereduksi spekel yang telah digunakan untuk menghilangkan efek dari fenomena itu. Dalam penelitian ini dicoba sebuah algoritma pengurangan spekel yang efektif, menggunakan transformasi wavelet.Menurut Kun Abyoto d.k.k. (1998) algoritma ini lebih baik dibandingkan dengan algoritma-algoritma yang telah ada dalam mengurangi spekel citra radar SAR. Tolok ukur kualitas reduksi dinyatakan dengan angka perbandingan deviasi standar dan rata-rata citra (DPR). DPR citra menggunakan transformasi wavelet lebih rendah dibandingkan dengan metoda reduksi spekel lama (filter Median dan Lee) yang ditunjukkan dengan penurunan DPR citra tanpa mengurangi detail secara berarti. Hasil yang diperoleh pada citra SAR JERS-1 dan citra SAR ERS-1 berbeda. Grafik antara DPR versus level multiresolusi yang diperoleh dari citra SAR JERS-1 turun kemudian naik lagi setelah j=2, sedangkan grafik yang soma dari citra ERS-1 turun sampai j=G sedikit di atas j=5 dan kemudian turun lagi, Kesimpulan dari penelitian ini adalah bahwa semakin tinggi tingkat multiresolusinya semakin kecil spekel yang ada. Disamping itu diperkirakan citra asli SAR JERS-1 mempunyai spekel lebih sedikit dari pada ERS-1.

---

Speckle is a granular error that always available in every coherent imaging system. The existence of speckles can reduce the image resolution, difficult for doing correct classification and interpretation. There are many ways in the reducing speckles that have been used for eliminating the speckle effects. In this research I would like to try a speckle reducing algorithm, by using wavelet transformation.According to Kun Abyoto et. al. (1998) the algorithm is better then the existing algorithm in reducing SAR image speckles, that can be seen by the standard deviation relative (DPR) and the average are lower then the conventional one (Median and Lee filters). For the ERS-1 and JERS-l SAR images are quit different. The graph between DPR versus multi resolution from MRS-1 decreases but after j=2, the curve increases. The graph of ERS-1 DPR versus multi resolution go down except j=d. The conclusion of the experiment is that the more multi resolution level the smaller speckle found, and the JERS-l has a smaller amount of speckle then ERS-1."

"ABSTRAKPengelolaan sumber daya perikanan memeriukan survei dan akuisisi data yang akurat sehingga pengelolaannya lebih efisien dan efektif_ Penerapan teknologi akustik dalam pendugaan kelimpahan ikan merupakan cara yang efektif yang membutuhkan biaya yang murah, waktu yang cepat, dan jangkauan wilayah yang luas. Tetapi hasil akuisisi dibatasi oleh kenyataan bahwa berbagai macam gema (echo) seperti plankton, ubur-ubur dan berbagai macam hamburan (scatters) lainnya, yakni berbagai macam gema yang tidak diinginkan, terdeteksi pada ekogram. Untuk memisahkan ikan dari hamburan lainnya, temyata sinyal gema dapat diidentifikasi dan diklasifkasi oleh operator yang berpengalaman, dengan menerjemahkan hasil pembacaan integrator gema atas bentuk (shape) dan intensitas dari displai ekogram. Namun pemrosesan dan analisa tersebut memeriukan waktu yang lama.Beberapa software telah dikembangkan untuk mempercepat pemrosesan dan analisa ekogram seperti Simrad EP 500. Software ini diintegrasikan dengan Simrad EK 500 echosounder jenis split beam untuk melakukan pemrosesan dan analisa pendugaan kelimpahan ikan dan juga arah pergerakan ikan_Skripsi ini mencoba menggunakan dekomposisi transformasi wavelet untuk mendeteksi ikan pada ekogram echosounder dan memisahkan target ikan dari target lain. Parameter yang digunakan untuk membedakan ikan dengan target lain adalah perbedaaan niiai target strength-nya. Referensi yang digunakan adalah hasil pemrosesan dan analisa ekogram dengan menggunakan software Simrad EP 500.Hasil simulasi menunjukkan bahwa metode transformasi wavelet dapat digunakan untuk mendeteksi ikan pada ekogram echosounder dengan keefektifan mencapai 80%.

---

"

"ABSTRAKAplikasi-aplikasi transformasi wavelet telah banyak digunakan, terutamaaplikasi yang berhubungan dengan sinyal gambar, suara, video, dan sinyal elektriklainnya. Pada skripsi ini dibahas aplikasi transformasi wavelet untuk memprediksifluktuasi trafik internasional. Besarnya trafik internasional sangat dipengaruhi olehfaktor teknologi, ekonomi, hubungan bilateral negara satu dengan yang lain dankerjasama antar operator internasional.Fluktuasi trafik internasional berupa sinyal satu dimensi. Sinyal ini akandidekomposisi dari level I sampai dengan level 3 dengan menggunakan metodeDiscrete Wavelet Transform (DWT) untuk fungsi dasar Daubechies 18, Daubechies12, Daubechies 8 dan Haar . Hasil dekomposisi ini akan berupa sinyal aproksimasi darifilter lowpass dan sinyal detail dari filter highpass. Sinyal aproksimasi inimenggambarkan gambaran umum dari keseluruhan sinyal asli. sedangkan sinyal detailakan menentukan seberapajauh tingkat naik dan turunnya fluktuasi sinyal asli. Sinyalaproksimasi ini nantinya akan menjadi model sinyal pendekatan yang akandiprediksikan pada masa ke depan dengan asumsi kondisi keadaan yang hampir sama.Bentuk sinyal demi pada masa depan akan ditentukan oieh sinyal-siyal detail padamasa sebelumnya demikian pula dengan sinyal aproksimasinya yang dalam hal inidiprediksikan secara polinomial. Metode yang digunakan adalah Regresi PolinomialSelanjutnya proses prediksi fluktuasi sinyal merupakan proses rekonstruksi dari sinyalaproksimasi dan detail hasil prediksi. Untuk mendapatkan fluktuasi yang lebih smoothditambahkan proses denoising dengan menggunakan metode soft thresholding modelDonoho yang telah dimodifikasi dengan menggunakan harga rata-rata dan standartdeviasi pada koefisien sinyal detailnya.Dari hasil simulasi dapat diketahui bahwa dengan penerapan dekomposisi levelI untuk fungsi dasar Daubechies 18 dengan kombinasi denoising metode softthresholding model Donoho modifikasi dengan menggunakan nilai standart deviasiakan didapatkan nilai error prediksi yang terkecil.

---

"