Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas Akhir ini membahas mengenai Link Budget Base Station Telkom Flexi Cianjur dan sekitarnya menggunakan model propagasi Okumura-Rata. Model Okumura Hata ini digunakan untuk menghitung jarak jangkauan maksimum dari base station. Da/am Tugas Akhir ini juga dibahas mengenai sistem komunikasi CDMA yang digunakan oleh Base Station Telkom Flexi Cianjur dan sekitarnya, permasalahannya serta beberapa model propagasi untuk menghitung rugi propagasi. Perencanaan link budget dilakukan untuk forward link dan reverse link dan diperoleh rugi propagasi maksimum yang diperbolehkan dari link budget tersebut. Jarak maksimum jangkauan base station dan mobile station dihilung dari rugi propagasi maksimum yang diperbolehkan. Hasil perhitungan jarak maksimum dengan mengunakan model propagasi Okumura-Hata dibandingkan dengan jarak maksimum yang diperoleh dari data drive test P7. Telkom Indonesia. Perbedaan jarak jangkauannya antara basil perhitungan dengan basil drive test untuk base station Cianjur dan sekitarnya berbeda 0,77% sampai 34,64%, dengan rata-rata 11,7%. Selisih penerimaan kuat sinyal mobile station di Cianjur dan sekilarnya menggunakan model propagasi Okumura-Hata berkisar 5,91 dBm sampai 10,09 dBm dun standar deviasinya antara 3,87 dBm sampai 5,89 dBm dengan data dari drive test PT. Telkom Indonesia."

"Proses perambatan sinyal oleh BTS ke receiver, akan semakin baik apabila dekat dengan BTS dan tidak ada penghalang. Akan tetapi kondisi di lapangan menunjukan banyaknya penghalang baik bangunan maupun vegetasi yang membuat sinyal mengalami penurunan nilai sinyal. Penelitian ini bertujuan untuk mengetahui hubungan kualitas sinyal dengan jarak dari BTS, Kepadatan bangunan dan penggunaan tanah. Kualitas sinyal yang diteliti adalah kualitas sinyal Telkomflexi berbasis CDMA yang berada diluar ruangan (outdorr) dengan melihat Rx, Tx dan Ec/Io.Berdasarkan analisa spasial dan statistik, menunjukkan bahwa pengaruh jarak dari BTS terhadap kualitas sinyal terjadi di BTS Komplek Timah, Kampus UI, Juanda Depok, Depok sto dan Curug Agung, sedangkan pada BTS Beji Timur tidak terdapat hubungan antara kualitas sinyal dengan jarak dari BTS. Adapun hubungan kualitas sinyal dengan kepadatan bangunan terjadi pada semua BTS. Untuk hubungan kualitas sinyal dengan penggunaan tanah hanya terjadi di empat BTS yaitu BTS Komplek Timah, Kampus UI, Juanda Depok dan Curug Agung sedangkanpada BTS Depok sto dan Beji Timur tidak terdapat hubungan antara kualitas sinyal dengan penggunaan tanah.

---

Process of propagation signal from BTS to receiver, will be better if receiver near with BTS and there are no obstacle. Othrewise real condition showing that many obstacle or tree which make decrease of value signal. This research goal to know correlation signal quality with distance from BTS, building density, and land use. Signal quality which researched is Telkomflexi?s signal quality based CDMA at indorr with see Rx, Tx, and Ec/Io.Base on spatial and statistical analysis, show that influence of distance from BTS with signal quality in BTS Komplek Timah, Kampus UI, Juanda Depok, Depok sto, Curug Agung meanwhile in BTS Beji Timur there is no correlation between signal quality with distance from BTS. Correlation wih building density happen on all BTS. Correlation signal quality with land use happen on four BTS which is Komplek Timah, Kampus UI, Juanda Depok and Curug Agung, meanwhile in BTS Depok sto and Beji Timur there is no correlation between signal quality with land use."

"Pattern recognition adalah merupakan salah satu pendekatan yang dipakai dalam speech recognition. Salah satu metode pattern recognition yang mudah implementasinya adalah metode Dynamic Time Warping. Metode ini cocok diterapkan untnk sinyal yang memiliki speech rate yang kecil. Pada metode Dynamic Time Warping diterapkan pengenalan terhadap pola atau karakteristik dari sinyal referensi (template) sebagai pola acuan. Kemudian dilakukan pengujian terhadap sinyal uji coba (fest signal) yang akan dibandingkan dengan pola dari sinyal referensi. Perbandingan antara kedua sinyal tersebut akan direpresentasikan secara matematis dalam besaran jarak (distance) yang diperoleh dengan menormalisasi nilai vektor kedua sinyal. Pada skripsi ini, metode Dynamic Time Warping digunakan pada proses speech recognition dan cough detection. Dua buah algoritma yang diusulkan oleh Itakura dan Sakoe-Chiba dibandingkan masing-masing untuk kerjanya. Dari simulasi diperoleh hasil bahwa penggunaan focal consiraini Sakoe-Chiba memberikan prosentase keberhasilan yang lebih baik dibandingkan dengan untuk local constraint Itakura. Secara keseluruhan prosentase keduanya mencapai angka diatas 90 % untuk kondisi speaker dependent dan independent."

"Sinyal dalam konteks telekomunikasi membawa informasi dengan variasi terhadap waktu, termasuk sinyal suara yang bersifat non-stasioner. Kehadiran noise dalam sinyal suara dapat mengurangi kualitas informasi yang ditransmisikan. Penggunaan transformasi wavelet telah menjadi pendekatan yang efektif dalam denoising sinyal suara, namun untuk hasil optimal, diperlukan pemilihan model threshold dan wavelet families yang tepat. Penelitian ini mengeksplorasi kinerja berbagai model threshold dalam denoising sinyal suara. Hasil penelitian menunjukkan bahwa waktu komputasi untuk denoising meningkat seiring dengan peningkatan level dekomposisi, dengan threshold Donoho memiliki waktu komputasi tercepat, diikuti oleh modifikasi, dan acuan Gang Yang [9] paling lambat. Penggunaan wavelet families juga memengaruhi nilai Mean Squared Error (MSE) dan waktu komputasi. Model threshold acuan Gang Yang [9] memberikan MSE terbaik dengan waktu komputasi 119,252 detik pada level dekomposisi 4, sedangkan threshold modifikasi menawarkan waktu komputasi lebih cepat yaitu 87,965 detik dengan MSE hampir setara pada level dekomposisi 2. Peningkatan panjang filter wavelet meningkatkan kompleksitas program dan waktu komputasi, namun efeknya bervariasi pada tiap model threshold. Selain itu, dilakukan denoising pada noise teras rumah (SPL 83,445 dB) dan noise mesin konstruksi (SPL 87,439 dB). Pada noise teras rumah, level dekomposisi 1 dengan Biorthogonal 3.3 (bior33) paling efektif, mengurangi SPL menjadi 40,216 dB. Pada noise mesin konstruksi, level dekomposisi 1 dengan Reverse Biorthogonal 3.3 (rbio33) paling efektif, menurunkan SPL menjadi 69,569 dB. Berdasarkan hal tersebut, dalam memilih model threshold yang optimal, perlu dipertimbangkan nilai MSE dan efisiensi komputasi. Penelitian ini memberikan wawasan penting dalam memilih metode denoising yang efektif untuk meningkatkan kualitas sinyal suara.

---

In telecommunications, signals carry information with variations over time, including non-stationary audio signals. Noise in audio signals can degrade the quality of transmitted information. Wavelet transform is an effective approach for denoising audio signals, but optimal results require appropriate threshold models and wavelet families. This study explores the performance of various threshold models in denoising speech signals. Results indicate that computation time for denoising increases with decomposition levels; the Donoho threshold is the fastest, followed by the modified model, with Gang Yang [9]'s reference model being the slowest. Wavelet family choice significantly impacts Mean Squared Error (MSE) and computation time. The Gang Yang [9] reference model offers the best MSE at SNR 20-27 with a slight computation time increase (119.252 seconds at level 4), while the modified model achieves faster computation (87.965 seconds at level 2) with nearly equivalent MSE. Longer wavelet filters increase program complexity and computation time, varying by threshold model. Additionally, denoising was performed on residential porch noise (SPL 83.445 dB) and construction machinery noise (SPL 87.439 dB). For residential porch noise, decomposition level 1 with Biorthogonal 3.3 (bior33) was most effective, reducing the SPL to 40.216 dB. For construction machinery noise, decomposition level 1 with Reverse Biorthogonal 3.3 (rbio33) was most effective, lowering the SPL to 69.569 dB. Thus, selecting an optimal threshold model involves considering both MSE and computational efficiency. This study provides key insights for effective denoising methods to enhance speech signal quality."

"Dalam teknologi telekomunikasi, pemrosesan sinyal menyandang peran vital. Penerapan teknik tersebut telah merambah ke berbagai bidang seperti halnya bidang pengolahan suara dan ucapan, bidang pengolahan citra, kompresi data, dan estimasi spektral waktu frekuensi.Radar (Radio Detection and Ranging) adalah suatu metode penggunaan gelombang radio untuk mendeteksi kehadiran objek sasaran dan menentukan posisinya (lokasi/jaraknya) serta kecepatannya. Secara umum sinyal echo radar terdiri dari clutter c(t) yang merupakan hamburan dari benda-benda lain, noise n(t) atau derau yang lebih didominasi oleh penerima sendiri (kecuali pada frekuensi rendah), dan sinyal yang mungkin jika ada sasaran.Melalui bentuk pemodelan pembangkitan sinyal echo radar dengan bantuan program berbasiskan Matlab Simulink dan Matlab versi 4.2, maka dapat dianalisa sejauh mana penerapan dari untuk kerja transformasi Wavelet dan membandingkannya dengan transformasi Fourier dalam mengidentifikasi sinyal echo radar . Pemrosesan sinyal ditujukan untuk mengetahui kandungan frekuensi Doppler, dengan kata lain untuk tujuan mengetahui besar kecepatan radial benda terhadap radar. Dalam setiap deteksi diasumsikan selalu ada sasaran yang sudah berhasil dideteksi, sehingga yang harus dilaksanakan adalah mengetahui besar kecepatan radialnya.

---

Signal processing plays an important role in communication technology. Application of the technique has broadly expanded to various fields such as sound and utterance processing, image processing, data compression and frequency time spectral estimation.Radar (Radio Detection and Ranging) is one method of using radio wave to detect the targeted objects, their positions (in terms of location and distance) and speeds. Signally radar echo signal consists of clutter c(t), scattering from other objects, noise n(t) or roaring sound, dominantly controlled by the internal receiver (except for low frequency), and possible signal, when the target exist.In form of radar echo signal erection modeling supported with the program-based Matlab Simulink and Matlab Version 4.2, we may analyze application of Wavelet transforms displays as far as possible and compare to the Fourier transforms to identify radar echo signal. Signal processing is aimed at knowing the Doppler frequency ingredients. In other words, it is purposed to see the objects radial speed against the radar. It is assumed that there are always targeted objects already successfully detected. In this care, it is our task to determine the radial speed."

"Pada satu generator yang terhubung paralel dengan sistem. perubahan pada sistem tersebut akan ikut mempengaruhi generator. Generator harus dapat mengatasi kondisi tersebut dan kembali ke keadaan stabil. Bila generator lidak dapat kembali stabil maka generator dapat mengalami lepas sinkron dengan sistem. Kondisi tersehuf harus dihindari karena dapat mengganggu suplai daya ke beban. Salah satu cara untuk membantu generator kembali stabil adalah dengan menggunakan Pengatur Tegangan Otomatis (AVR). Dengan menggunakan AVR maka pengaturan tegangan eksitasi akan dilakukan secara otomatis untuk menjaga tegangan terminal generator besarnya tetap."

"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.

---

"

"Pada penelitian ini telah dibangun, sistem deteksi dan identifikasi untuk pengenalan dan klasifikasi komponen-komponen sinyal EEG, terhadap sinyal EEG asimetri yang diperoleh dari perekaman pada kanal simetri. Sinyal EEG diperoleh dari 7 nara coba pada dua kondisi pikiran, yaitu rileks dan berpikir (non-rileks). Terhadap koefisien wavelet dari sinyal asimetri yang diperoleh selanjutnya dilakukan analisis Power Spectral Density (PSD). Sistem Klasifikasi dibangun berdasarkan spektrum daya pada daerah gehmbang dan dengan uji hipotesis serta pengetahuan apriori tentang karakteristik energi komponen gehmbang EEG.Penggunaan transformasi wavelet dapat mengatasi sifat non-stasioner, dan modifikasi sistem klasifikasi dengan uji hipotesis, meningkatkan keberhasilan klasifikasi, sehingga pada kondisi rileks memberikan hasil 85% dan kondisi non-rileks sebesar 64%.Dibandingkan metoda yang lain, transformasi wavelet juga dapat mereduksi data tanpa kehilangan informasi yang berarti, Hal ini ditunjukkan oleh penyimpangan rekonstruksi koefisien wavelet terhadap sinyal asliyang kecil.Sementara pengaruh posisi elektroda terhadap keberhasilan pengamatan, diketahui bahwa posisi sentral memberikan keberhasilan terbaik sedangkan kanal occipital terburuk. Kondisi rileks ditunjukkan, hasil spektrum daya rata-rata seimbang untuk kanal yang simetrik dibanding kondisi non-rileks, Kurangnya keberhasilan yang diperoleh pada kondisi berpikir disebabkan kitrangnya konsistensi pada kondisi tersebut, disamping kondisi rileks belum sepenuhnya hilang.

---

In this research a detection and identification system for pattern recognition and classification of wave components of an asymmetric of two symmetrical EEG signal were developed. The EEG signal was obtained from 7 subjects with two conditions, relax and non-relax. The detection and identification was based on the non-symmetry signal recorded on a symmetric channel test of hypothesis and priori learning of energy characteristic of component of the EEG signal.

In the proposed method, the wavelet approximated coefficient of the non-symmetry EEG signal was analyzed using power spectral density (PSD) method. The wavelet transformation is suitable for non-stationary signal, the results were better for non-relax, that was 64%. Alternatively, in the relax condition, the result was 85%.

The advantage of the wavelet transformation with respect to the other methods is that of can reduce the number of data without loss of information. It was shown by small deflection between reconstruction of wavelet and original signal.

In term of the channel position, occipital channel gives best result for relax condition, while central channel for non-relax. The less success of non-relax conditions because of lack of consistency of the condition, where some of alpha waves were remain."