Kompresi Citra Menggunakan Metode Compressive Sensing

Saputra, Yunus Agus (2021) Kompresi Citra Menggunakan Metode Compressive Sensing. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_Yunus Agus Saputra_Cover.pdf - Published Version Download (31kB) | Preview
Preview	Text UNIKOM_YunusAgusSaputra_Lembar Pengesahan.pdf - Published Version Download (52kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_Lembar Publikasi.pdf - Published Version Download (127kB) | Preview
Preview	Text UNIKOM_YunusAgusSaputra_Lembar Pernyataan.pdf - Published Version Download (44kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_Kata Pengantar.pdf - Published Version Download (11kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_Daftar Isi.pdf - Published Version Download (91kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_BAB I.pdf - Published Version Download (68kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_BAB II.pdf - Published Version Download (308kB) | Preview
	Text UNIKOM_Yunus Agus Saputra_BAB III.pdf - Published Version Restricted to Repository staff only Download (138kB) | Request a copy
	Text UNIKOM_Yunus Agus Saputra_BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text UNIKOM_Yunus Agus Saputra_BAB V.pdf - Published Version Download (14kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_Daftar Pustaka.pdf - Published Version Download (72kB) | Preview
Preview	Text UNIKOM_Yunus Agus Saputra_Kontak Penulis dan Kontributor.pdf - Published Version Download (94kB) | Preview

Abstract

Compressive Sensing atau penginderaan kompresif adalah salah satu teknik yang dapat digunakan pada proses kompresi citra. Proses kompresi citra menggunakan metode pencuplikan konvensional yaitu teorema Shannon-Nyquist. Metode Shannon-Nyquist menyatakan bahwa suatu sinyal yang akan disampling dapat direkonstruksi menjadi sinyal semula jika tingkat sampling minimal 2 kali frekuensi terbesar dari spektrum sinyal tersebut. Namun pada penginderaan kompresif hanya membutuhkan sedikit sampel dari jumlah keseluruhan sampel pada sinyal. Pada penelitian ini kompresi citra dilakukan dengan menjalankan program penginderaan kompresif atau compressive sensing menggunakan perangkat Raspberry Pi. Program menggunakan metode Discrete Cosine Transform untuk mendapatkan sampel sinyal sparse pada citra. Kemudian citra direkonstruksi kembali menggunakan Inverse Discrete Cosine Transform dengan nilai optimum dari matriks sparse, dimana nilai optimal dari matrix sensing dapat diperoleh dengan menerapkan algoritma optimasi ℓ1 norm. Citra dari proses penginderaan kompresif kemudian dibandingkan tingkat kemiripannya menggunakan perhitungan Peak Signal-to-Noise Rasio. Program menggunakan modul perhitungan waktu proses dijalankan untuk menguji keandalan Raspberry Pi sebagai perangkat alternatif untuk menjalankan program penginderaan kompresif. Nilai MSE, RMSE, PSNR dan waktu proses dari hasil proses penginderaan kompresif kemudian dicantumkan ke dalam tabel untuk dibandingkan tingkat kemiripan dan waktu prosesnya. Semakin besar ukuran citra semakin lama waktu yang dibutuhkan untuk melakukan kompresi. Pada mini PC memakan waktu bisa sekitar 20 kali lebih lambat dibandingkan dengan menggunakan PC.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penginderaan Kompresif, Raspberry Pi, Discrete Cosine Transform, Inverse Discrete Cosine Transform, PSNR
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Sistem Komputer (02)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	23 Dec 2021 06:28
Last Modified:	23 Dec 2021 06:28
URI:	http://elibrary.unikom.ac.id/id/eprint/4672

Actions (login required)

View Item