Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Metode Median Filter adalah salah satu metode perbaikan kualitas citra pada domain spatial. Domain spatial memiliki kelebihan pada hasil perbaikan karena perbaikan citra dilakukan per-pixel. Karena perbaikan citra dilakukan terhadap pixel, metode Median Filter memiliki komputasi yang tinggi dan waktu eksekusi yang lama. Dengan melakukan penyeleksian terhadap pixel yang perlu diperbaiki dapat mengurangi waktu proses perbaikan dan meningkatkan kualitas citra karena pixel yang sudah benar, tidak perlu diperbaiki. Pengukuran kualitas citra dilakukan menggunakan Peak Signal to Noise Ratio (PSNR) dengan membandingkan nilai citra asli dengan citra hasil perbaikan. Perbaikan citra menggunakan median filter pada semua pixel memiliki nilai PSNR 28.5 dB sedangkan dengan penyeleksian nilai pixel memiliki nilai PSNR 30.1 dB atau meningkat 5.61%. Untuk waktu perbaikan citra pada semua pixel membutuhkan 2.12 detik sedangkan dengan penyeleksian nilai pixel membutuhkan 1.94 detik atau turun 8.5%. Kualitas hasil perbaikan citra dengan menyeleksi nilai pixel dianggap layak untuk proses berikutnya karena sudah di atas 30 dB.

Abstrak :

Informasi mengenai penggunaan energi listrik merupakan salah satu elemen penting dalam hal pengaturan distribusi jaringan listrik pada jaringan pintar skala kecil (smart micro grid). Selain itu informasi pemakaian energi listrik dapat membantu konsumen melakukan proses evaluasi pemakaian energi listrik untuk menekan biaya tagihan pembayaran listrik yang secara tidak langsung berpengaruh pada efisensi energi keseluruhan. Salah satu metode dalam proses pemantauan pemakaian energi listrik adalah Non-Intrusive Load Monitoring (NILM). Permasalahan utama dalam NILM adalah mengetahui peralatan-peralatan elektronik yang ada dan mengetahui konsumsi energi listrik masing-masing peralatan dengan hanya melakukan proses pengambilan data hanya dari satu titik yang terhubung dengan semua peralatan elektronik pada jaringan listrik. Berdasarkan hasil pengujian menggunakan dataset AMPds dan REDD, nilai akurasi terendah yang didapatkan adalah sebesar 96,69% pada semua pengujian yang dilakukan.

 

---

Information on electricity consumption is one of the essential elements in terms of regulating the distribution of electricity in smart micro grid. Besides, information on electricity consumption can help consumers carry out an evaluation process to reduce electricity bill costs, which indirectly affect overall energy efficiency. One method in the process of monitoring electricity consumption is Non-Intrusive Load Monitoring (NILM). The main problem in NILM is electronic disaggregation equipment that exists and determines the electrical energy consumption of each appliance by merely performing the retrieval of data from only one point connected with all the electronic devices on the electrical grid. Based on the results of tests conducted using the REDD and AMPds dataset, the lowest accuracy was 96.69% for all tests performed.

 

Abstrak :
Tesis ini membahas mengenai perbaikan data stack seismik yang jelek. Permasalahan utama mengapa data seismik bisa menjadi jelek adalah disebabkan karena noise - noise yang masih terekam didalam data seismik. Noise - noise ini sangat mengganggu karena menyebabkan data seismik sangat susah untuk diinterpretasi. Struktur seismik, reflektor lapisan, dan fault menjadi kabur karena noise yang masih terkandung didalam data seismik. Tesis ini bertujuan untuk menghilangkan noise yang mengganggu data seismik dengan menggunakan 1D time-varying median filter (TVMF), sehingga reflektor, fault, dan struktur dari seismik bisa menjadi lebih jelas untuk diinterpretasi. Penelitian dilakukan dengan menggunakan software komputasi MATLAB untuk menganalisa sinyal seismik dan membuat program filtering 1D TVMF. Hasil yang diharapkan dari tesis ini adalah hilangnya noise - noise yang mengganggu data seismik, sehingga data seismik bisa diinterpretasi. Kesimpulan akhir adalah bahwa filter 1D time-varying median filter sangat efektif untuk menghilangkan noise - noise yang terkandung didalam data seismik, serta menguatkan gambaran struktur geologinya. ......The thesis study about enhancement of bad stack seismic data. The reason for seismic data being bad is because of noises that still remain in the seismic data. These noises causing the seismic data become very difficult to interpret. Events such as structure, bed, and fault become blurred because of noises that remain in the seismic data. The objective of this thesis is to repair seismic data by reducing the noise using 1D time-varying median filter (TVMF), so that interpreter could see more clearly of the reflector, fault, and structure. The research is done by using MATLAB as its main tools to analyze seismic signal and to make the 1D TVMF filtering programme. The expected result of this thesis is that the noise of seismic data is completely removed. We can conclude then, the 1D TVMF is very efective to remove noises in seismic data and strengthen the sturcture geology.

Abstrak :
Menurunnya kualitas citra radiografi neutron disebabkan oleh partikel gamma dan netron terhambur sekunder yang menumbuk CCD kamera serta kemampuan sensor skrin scintillator dalam mengkonversi berkas neutron menjadi cahaya tampak yang meninggalkan jejak berupa white spot noise (WSN) pada citra. Dalam penelitian ini dikembangkan suatu teknik baru untuk menghapus WSN pada citra radigrafi dengan tanpa merusak detail citra. Teknik ini merupakan kombinasi antara Global Threshold dengan algoritma Adaptive Switching Alternative Median (ASAM) filter. Proses menghapus WSN menggunakan teknik ini terdiri dari tiga tahap yaitu tahap deteksi intensitas, tahap deteksi posisi dan tahap denoising. Mengingat WSN pada citra radiografi memiliki intensitas yang random maka pada tahap deteksi intensitas diperlukan global threshold. Tahap deteksi posisi noise diperlukan agar proses denoising hanya dikenakan pada piksel yang terkontaminasi noise, sedangkan piksel yang tidak terkontaminasi noise tetap dipertahankan. Pada tahap denoising digunakan algoritma ASAM yang terdiri dari dua blok filtering yaitu blok filter utama dan blok filter sekunder atau blok filter alternatif. Blok filter utama digunakan pada saat kerapatan noise rendah sedangkan blok filter sekunder digunakan pada saat kerapatan noise tinggi. Pada kedua blok filter digunakan sliding window yang dapat berubah ukurannya sesuai dengan kerapatan noise. Blok filter sekunder merupakan algoritma baru dalam hal menghapus noise impulse kerapatan tinggi dan merupakan kontribusi utama dalam penelitian ini. Algoritma ASAM merupakan algoritma switching yang handal dan dapat menghapus noise impulse kerapatan tinggi pada citra, baik itu fix value impulse noise maupun random value impulse noise. Pengujian algoritma ASAM dilakukan dengan menggunakan beberapa citra standar yang diberi fix value impulse noise berupa Salt and Pepper (SNP) noise dan WSN secara simulasi. WSN dibentuk dari noise SNP dengan mengubah noise pepper menjadi noise salt. Selanjutnya pengujian dilakukan secara real pada citra radiografi neutron menggunakan kombinasi global threshold dengan algoritma ASAM. Dari hasil percobaan untuk pengujian dengan algoritma ASAM secara simulasi menggunakan citra Lena pada kerapatan noise SNP 98% diperoleh Peak Signal To Noise Ratio (PSNR) adalah 21,16 dB, Mean Square Error (MSE) adalah 459,55, Structural Similarity Index (SSIM) adalah 0,61 dan waktu eksekusi 8,9 detik. Sedangkan dengan menggunakan algoritma Switching Median Filter (SMF), Progressive Switching Median Filter (PSMF), Decisions Based Analysis (DBA), Noise Adaptive Fuzzy Switching Median Filter (NAFSM) dan Switching Non Local Mean (SNLM) diperoleh PSNR berturut-turut adalah 10,93 dB, 14,26 dB, 14,21 dB, 10,90 dB dan 11,38 dB, dan untuk pengukuran MSE, SSIM dan waktu eksekusi berturut-turut adalah 4843,54, 0,12 dan 4,8 detik untuk SMF, 2249,89, 0,40 dan 15,1 detik untuk PSMF, 2275,81, 0,36 dan 6,4 detik untuk DBA, viii Universitas Indonesia 4883,03, 0,11 dan 5,3 detik untuk NAFSM dan 4371,33, 0,19 dan 39,0 detik untuk SNLM. Pada percobaan pengujian kedua menggunakan simulasi WSN pada citra Lena dengan kerapatan WSN 98% menggunakan algoritma ASAM diperoleh PSNR adalah 21,30 dB, MSE adalah 445,44, SSIM adalah 0,62 dan waktu adalah 8,9 detik. Sedangkan dengan menggunakan algoritma pembanding lainnya seperti SMF, PSMF, DBA, NAFSM dan SNLM diperoleh PSNR berturut-turut adalah 9,10 dB, 4,99 dB, 10,63 dB, 5,69 dB dan 9,55 dB, dan untuk pengukuran MSE, SSIM dan waktu eksekusi berturut-turut adalah 7377,13, 0,12 dan 5,1 detik untuk SMF, 19046,07, 0,24 dan 0,1 detik untuk PSMF, 5186,02, 0,11 dan 6,9 detik untuk DBA, 16207,00, 0,12 dan 5,3 detik untuk NAFSM dan 6650,19, 0,19 dan 41,2 detik untuk SNLM. Dibandingkan dengan algoritma SMF, PSMF, DBA, NAFSM, SNLM , dari kedua percobaan ini menunjukkan bahwa nilai PSNR, MSE, SSIM algoritma ASAM jauh lebih baik, kecuali waktu yang lebih lama sedikit, namun hasil pengukuran kualitatif dan pengukuran parameter lainnya memperlihatkan hasil yang sangat baik. Pengujian juga dilakukan secara aplikasi real pada beberapa citra radiografi neutron menggunakan kombinasi antara global threshold dan ASAM. Dari hasil percobaan real pada citra radiografi objek valve air pada nilai threshold optimal T0=30 diperoleh jumlah noise terdeteksi 19,72% dan signal to noise ratio (SNR) adalah 33,17 dB, atau naik sebesar 36,0% dari SNR awal.

---

The quality of neutron radiographic images degraded due to random error in the neutron radiographic facility. The random error was caused by gamma particles and secondary neutron scattering that hit the CCD camera sensors, and the ability of the scintillator screen sensor in a conversion neutron beam into visible light which creates of White Spot Noise (WSN) in the image. In this study, we developed a new technique to remove WSN and preserved image details . The techique is a combination between Global Threshold and Adaptive Switching Alternative Median Filter (ASAM). The technique has three stages that are separating noise from the image, noise position detection, marking noisy and noise-free pixels, and removing the noise using the ASAM algorithm. The global threshold is needed at the detection stage because that WSN has a random intensity on radiographyc image. Noise position detection stage is needed so that the denoising process only applied to noise-contaminated pixels, while pixels that are not contaminated with noise are maintained. In the stage of denoising used the ASAM filter that consists of two blocks filtering, namely main and secondary block filtering, respectively. The main filter block is used when low noise density while the secondary filter block is used when high noise density. The two filtering blocks use a sliding window whose size can be adjusted automatically according to the noise density. Secondary block filtering is a novel algorithm in the high-density impulse noise removal and the main contribution in our research. The ASAM algorithm is a reliable switching algorithm and able to remove high-density impulse noise in the image both of fix value impulse noise or random value impulse noise. To test the ASAM, we applied the algorithm to standard images that are given simulated fix value impulse noise that Salt and Pepper Noise (SNP) and WSN. The WSN formed from the SNP noise by changing pepper noise into salt noise. Furthermore, we applied it to real neutron radiographic images using combination between global threshold and ASAM algorithm. The experiment results showed the simulation test using SNP noise on Lena image at the highest noise level of 98% obtained the Peak Signal to Noise Ratio (PSNR) of 21,16 dB, Mean Square Error (MSE) of 459,55, Structural Similarity Index (SSIM) of 0,61 and processing time of 8,9 s. Whereas by using other comparison algorithm such as Median Filter Switching (SMF), Progressive Switching Median Filter (PSMF), Decisions Based Analysis (DBA), Adaptive Fuzzy Switching Median Filter (NAFSM) and Switching Non Local Mean (SNLM) obtained PSNR of 10.93 dB, 14.26 dB, 14.21 dB, 10.90 dB and 11.38 dB respectively. For the measurement of MSE, SSIM and execution times obtained of 4843.54, 0.12 and 4.8 seconds for SMF, 2249.89, 0.40 and 15.1 seconds for PSMF, 2275.81, 0.36 and 6.4 seconds for DBA, 4883.03, 0.11 and 5.3 seconds x Universitas Indonesia for NAFSM and 4371.33 , 0.19 and 39.0 seconds for SNLM respectively. From the experiment results of simulation test using WSN on Lena image, at the highest noise level of 98%, we obtained the PSNR of 21,30 dB, MSE of 445,44, SSIM of 0,62 and processing time of 8,9 s. Whereas by using other comparison algorithms such as SMF, PSMF, DBA, NAFSM and SNLM obtained PSNR of 9.10 dB, 4.99 dB, 10.63 dB, 5.69 dB and 9.55 dB respectively. For measurements of MSE, SSIM and execution times are 7377.13, 0.12 and 5.1 seconds for SMF, 19046.07, 0.24 and 0.1 seconds for PSMF, 5186.02, 0.11 and 6,9 seconds for DBA, 16207.00, 0.12 and 5.3 seconds for NAFSM and 6650.19, 0.19 and 41.2 seconds for SNLM. Compared with the SMF, PSMF, DBA, NAFSM, SNLM algorithms, from these two experiments, the PSNR, MSE and SSIM of ASAM algorithm are much better, except for a slightly longer time, but the results of qualitative measurements and other parameter measurements show very well. The tests also conducted in real applications on several neutron radiographic images using a combination of global threshold and ASAM.From the results of the real experiment on the radiographic image of the water valve object at the optimal threshold value T0 = 30, the amount of noise detected of 19.72% and the Signal to Noise Ratio (SNR) of 33.17 dB, or an increase of 35% from the initial SNR.