Hasil Pencarian  ::  Simpan CSV :: Kembali

"Algoritma pencarian string telah menjadi topik yang ramai dibicarakan di dunia komputer sejak berpuluh-puluh tahun yang lalu. Banyak para ahli yang mencoba menemukan algoritma pencarian string yang dapat memberikan hasil yang tepat dalam waktu singkat. Algoritma-algoritma baru bermunculan untuk memperbaiki kinerja algoritma pencarian string yang telah ada sebelumnya. Pentingnya sebuah algoritma pencarian string yang mampu memberikan hasil yang tepat dalam waktu yang relatif cepat memang sangat beralasan. Mengingat manipulasi string sangat diperlukan dalam dunia komputer. Banyak hal yang dapat dilakukan dengan adanya algoritma pencarian string yang handal. Permasalahan yang sering berkaitan dengan pengolahan string adalah mengenai ukuran data yang sangat besar dan juga pola atau karakteristik string yang berbedabeda. Ukuran data yang sangat besar jelas memberikan pengaruh yang besar terhadap waktu serta space yang dibutuhkan untuk melakukan pencarian. Sedangkan karakteristik dari string yang akan diproses berpengaruh terhadapkematangan sebuah algoritma pencarian string. Algoritma yang dapat bekerja dengan baik pada string umum (string yang terdiri dari banyak jenis karakter serta tidak memiliki pola tertentu) belum tentu dapat memberikan hasil yang sama apabila diterapkan pada string yang khusus. String khusus yang dimaksudkan di sini adalah string yang hanya terdiri dari karakter-karakter tertentu saja ataupun string yang memiliki pola tertentu. Salah satu string khusus yang berbeda dari string yang akrab dengan kehidupan manusiasehari-hari adalah string yang berisi informasi DNA mahluk hidup. Jenis string ini hanya terdiri dari empat karakter inti, yaitu A, C, G, dan T. Hanya dari empat karakter tersebut, dapat tersusun milyaran informasi DNA yang berbeda-beda. Pencarian string pada data DNA (data genomic), merupakan suatu permasalahan yang patut diberikan perhatian khusus. Karena penelitian mengenai DNA mahluk hidup merupakan suatu penelitian yang mendatangkan banyak sekali manfaat bagi seluruh mahluk hidup. Manfaat dari proses pencarian atau pencocokan string pada data genomic antara lain adalah untuk mengetahui kemiripan suatu mahluk hidup dengan mahluk hidup lain ataupun juga mengetahui manfaat dari suatu protein SK-661-Pencarian string dgn...DesianaNurulM.;FASILKOM;2007 iv tertentu dengan melakukan perbandingan dengan protein-protein yang terdapat di bank data protein. Oleh karena itu, sangat beralasan jika algoritma pencarian string untuk data genomic yang dapat memberi kan hasil yang tepat dalam waktu yang singkat sangat diperlukan."

"ABSTRAKPemampatan gambar bergerak merupakan proses mereduksi jumlah bit dengan menghilangkan redundansi spasial dan redundansi temporal yang terdapat pada gambar bergerak. Dengan menghilangkan redundansi ini diperoleh rasio pemampatan yang sangat berarti tanpa mengurangi kualitas gambar rekonstruksi.Salah satu metode untuk menghilangkan redundansi spasial adalah menggunakan Wavelet Transform sedangkan untuk menghilangkan redundansi temporal digunakan Block Matching Algorithm Motion Compensation (BMA-MC). Pada Tesis ini dilakukan simulasi dan analisa unjuk kerja sistem pemampatan gambar bergerak menggunakan metode kuantisasi vektor dan yang dipadukan dengan WT BMA-MC.Penerapan metode kuantisasi vektor pada WT BMA dapat meningkatkan unjuk kerja sistem pemampatan gambar bergerak untuk gambar dengan aktivitas pergerakan rendah sedangkan untuk gambar dengan aktivitas pergerakan cukup tinggi tidak memberikan perbedaan yang berarti dari metode kuantisasi skalar.

---

ABSTRACT

Video signals compression is a process to reduce bit information by eliminating spatial redundancies and temporal redundancies. One of the methods to eliminate spatial redundancies is Wavelet Transform, while Block Matching Algorithm Motion Compensation (BMA-MC) can eliminate temporal redundancies. Removing both redundancies could reach compression ratio significantly without decreasing quality of reconstructed image.

The simulation results showed that the proposed system by using wavelet transform and BMA-MC with vector quantization performance was better than by using Wavelet transform and BMA-MC with scalar quantization for image with low moving activity but image with high moving activity gave insignificant different result."

"Penyelidikan karakteristik reservoir memiliki peranan penting dalam bidang eksplorasi minyak dan gas bumi (Hydrocarbon). Penyelidikan ini bisa cukup sulit dilakukan dikarenakan oleh beberapa hal, salah satunya adalah memetakan reservoir lapisan tipis yang disebabkan oleh keterbatasan resolusi seismik. Ada banyak metode yang telah diterapkan terhadap data seismik dalam karakteristik reservoir. Dekomposisi spektral telah diaplikasikan untuk interpretasi data seismik 3D.Metode yang digunakan adalah metode Continuous Wavelet Transform (CWT), metode ini diaplikasikan pada data sintetik dan data seismik riil lapangan Bonsville. Aplikasi dari metode CWT pada data sintetik bertujuan untuk mendapatkan frequency slicing dan mengetahui frekuensi tertentu dari masing-masing frekuensi yang digunakan untuk analisa dekomposisi spectral, selanjutnya diaplikasikan pada data riil lapangan Boonsville bertujuan untuk mendapatkan horizon slice.Hasil analisis pada data riil seismik lapangan Boonsville yang didapatkan dari proses dekomposisi spektral menunjukan adanya distribusi channel pada formasi caddo.

---

Reservoir characteristic investigation has an important role in hydrocarbon exploration. The investigation cannot be done easily because of several problems, on of them is for mapping the thin beds reservoir which is caused by the limitation of the seismic resolution. Many methods have been applied to seismic data in the reservoir characterization. Spectral decomposition has been applied to 3D seismic data interpretation, such as by using Continuoaus Wavelet Transform (CWT) method.These method are applied to, first synthetic data set and second, real seismic data set collected along Boonsville field. The application of method to the synthetic data set is used to get the best frequency slicing and to know a certain frequency from each frequencies such as by using analysis spectral dekomposition, hereinafter, method are applied to the real data of the boonsville field is get the best horizon slice.The result of analysis on real seismic data set collected along Boonsville Field with spectral decomposition process can show distribusri channel in Caddo Formation."

"Kemajuan yang pesat di bidang telekomunikasi dewasa ini menyebabkan timbulnya berbagai jenis teknik kompresi yang dimanfaatkan dalam berbagai aplikasi. Teknik kompresi yang sangat dikenal saat ini adalah teknik kompresi DCT (discrete cosine transform) dengan metode scanning zig-zagnya.Teknik kompresi yang sedang dikembangkan saat ini adalah teknik kompresi dengan menggunakan transformasi wavelet. Dari perhitungan lama proses, nilai PSNR dan SNR, ternyata teknik kompresi transformasi wavelet memberikan hasil yang lebih bagus dibanding teknik kompresi dengan menggunakan DCT.Sampai saat ini belum ada pembakuan metode scanning yang cocok untuk diterapkan pada transformasi wavelet. Tesis ini membahas simufasi penerapan metode scanning vertikal, horisontal, zig-zag, dan diagonal pada kompresi gambar diam dengan menggunakan transformasi wavelet.Dengan membandingkan kinerja rasing-masing metode scanning, dalam hal ini parameter yang diperbandingkan adalah lama proses, jumlah koefisien yang di-scan, perhitungan RMSE temyata diperoleh bahwa metode scanning yang cocok untuk transformasi Wavelet adalah metode scanning zig-zag.

---

Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance. ;Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance."

"Noise linier adalah energi seismik yang menjalar di sepanjang permukaan (gelombang permukaan). Karakteristik noise linier adalah frekuensi rendah, kecepatan rendah, dan amplitudo tinggi. Noise linier masih menjadi permasalahan dalam data seismik, sebab mampu menyamarkan sinyal refleksi. Teknik pengolahan yang saat ini digunakan adalah filter F-K, berpotensi untuk mereduksi sinyal refleksi yang berada pada rentang slope noise. Metode dekomposisi spektral berbasis transformasi wavelet merupakan metode filtering alternatif, mampu mendekomposisikan data seismik menjadi beberapa subband melalui filter low-pass dan filter high-pass. Setiap filtering mendekomposisikan data seismik ke dalam domain frekuensi (f) dan bilangan gelombang (k). Metode ini diujikan pada data real seismik darat 2-D yang memiliki rentang velocity 20 m/ms hingga 100 m/ms. Terdapat 2 metode filtering, yaitu membuang subband yang mengandung noise dan menggunakan filter F-K pada subband yang mengandung noise. Metode filtering 2 lebih efektif mereduksi noise linier pada data penelitian dibandingkan metode filtering 1. Hal ini dibuktikan pada hasil penelitian yang menunjukkan peningkatan kualitas tampilan shot point gather dan stacking.

---

Linear noise is seismic energy that propagates along the surface (surface waves). Characteristic of linear noise is low-frequency, low-velocity, and high amplitude. Linear noise is such a problem in land seismic data, because able to disguise signal reflection. Current processing techniques aimed at linear noise suppression, such as f-k filtering has potentially to reduce signal reflection which range in noise slope. A new alternative to f-k filtering is spectral decomposition based on wavelet transform, which decomposes seismic data into different sub bands by applying low-pass and high-pass filters. Each filtering decomposes the seismic data into frequency and wavenumber domain. This method is applied in real 2-D land seismic data to reduce linear noise with velocity range 20 m/ms to 100 m/ms. There are two methods of filtering, killing sub bands which contained noise and using f-k filter on sub band which contained noise. Second method is more effective to reduce linear noise than first method. This technique leads to the improvement of shot records and final stack quality."