Disusun Oleh:
Qory Cipta Scientika 02311640000091
Dibawah Bimbingan :
Dr. Dhany Arifianto, S.T., M.Eng.
Elok Anggrayni, S.T
Puji syukur tidak bosan-bosan selalu dipanjatkan kehadirat Allah SWT, karena
setiap rahmat serta anugerah-Nya, sehingga penulis mampu merampungkan laporan
final project dengan judul De-noising Sinyal Phonocardiogram (PCG) atau
Sinyal Suara Jantung dengan Menggunakan Discrete Wavelet Transform
(DWT)
Penulis menghaturkan terima kasih yang sebanyak-banyaknya untuk setiap
pihak yang sudah mendukung, baik berupa bantuan ataupun doa dalam menyus un
laporan ini. Terkhusus lagi kami sampaikan terimakasih kepada :
1. Kedua orang tua yang takhenti-hentinya mendukung
2. Bapak Dhany Arifianto selaku dosen pengampu matakuliah sinyal dan sistem
3. Ibu Elok Anggrayni selaku asisten dosen pengampu matakuliah sinyal dan sistem
4. serta seluruh teman-teman Teknik Fisika 2016
Yang secara langsung maupun tidak langsung membantu penulis dalam
menyelesaikan laporan ini.
Perlu diketahui bahwa dengan segenap kelemahan, laporan ini tetap jauh dari
sempurna, oleh karena itu masukkan dan kritikan yang konstruktif amat penulis
nantikan demi kesempurnaan laporan ini. Semoga laporan ini dapat bermanfaat bagi
setiap pihak terutama mereka para pembaca.
Penulis
BAB 1
PENDAHULUAN
1.3 Tujuan
Adapun tujuan dari penelitian ini yaitu untuk mengetahui proses penguranga n
derau (denoising) dengan metode wavelet.
2.1 Noise
Noise atau yang dalam Bahasa Indonesia disebut dengan derau adalah sinyal-
sinyal yang tidak di inginkan dalam suatu sistem komunikasi atau informas i.
Sinyal-sinyal noise ini dapat mengganggu kualitas penerimaan sinyal dan
reproduksi sinyal yang akan di pancarkan (Kho, 2015). Salah satu jenis derau yang
telah diidentifikasi adalah Derau Gaussian. Gaussian Noise merupakan derau yang
secara statistik memiliki fungsi kepadatan probabilitas yang setara dengan
distribusi normal, yakni merata dan independen di seluruh bidang acuan, namun
distribusi amplitudonya normal.
2.2 Matlab
MATLAB (MATRIX LABORATORY) adalah sebuah bahasa dengan (high-
performance) kinerja tinggi untuk komputasi masalah teknik. Matlab
mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model
yang sangat mudah untuk digunakan dimana masalah-masalah dan penyelesaia nnya
diekspresikan dalam notasi matematika yang familiar. Penggunaan MATLAB
meliputi bidang–bidang:
Secara default, MATLAB terdiri dari : Command window yang merupakan tempat
di mana kita menuliskan fungsi yang kita inginkan. Command history untuk meliha t
dan menggunakan kembali fungsi–fungsi sebelumnya. Workspace yang berisi
variabel yang kita gunakan dan untuk membuat variabel baru dalam MATLAB.
Current directory menunjukkan folder- folder yang berisi file MATLAB yang
sedang berjalan.
2.3 SNR
Signal-to-Noise Ratio didefinisikan sebagai rasio antara kekuatan sinyal
(signal power) dengan kekuatan derau (noise power) dan diberikan dalam satuan
desibel (dB) (Atmaja, 2011).
𝑃
𝑆𝑁𝑅 = 𝑠𝑖𝑔𝑛𝑎𝑙
𝑃𝑛𝑜𝑖𝑠𝑒
Sehingga semakin besar nilai SNR maka kualitas medium koneksi semakin baik
dan sebaliknya. SNR dapat juga dituliskan dalam satuan desibel (dB) sebagai :
𝑃𝑠𝑖𝑔𝑛𝑎𝑙
𝑆𝑁𝑅𝑑𝐵 = 10𝑙𝑜𝑔10 ( )
𝑃𝑛𝑜𝑖𝑠𝑒
dengan a adalah scalling dan b adalah time (atau ada juga yang menyebut translasi). 𝑋(𝑎,𝑏)
adalah fungsi sinyal setelah transformasi, dengan variabel a dan b sebagai dimensi baru.
1 𝑡−𝑏
Sedangkan Ψ( ) merupakan fungsi dasar wavelet. Variabel time atau translasi adalah
√𝑎 𝑎
lokasi jendela modulasi saat digeser sepanjang sinyal, sehingga berhubungan dengan
informasi waktu. Variabel skala berhubungan dengan frekuensi, skala tinggi (frekuensi
rendah) berhubungan dengan informasi global dari sebuah sinyal, sedangkan skala rendah
(frekuensi tinggi) berhubungan dengan informasi detail.
BAB 3
METODOLOGI PENELITIAN
Hasil dari sinyal input diatas merupakan sinyal asli (clear signal) tanpa
adanya noise.
Dari kode tersebut akan diperoleh suara hasil noise pada suara original.
3.5 Thresholding
Thresholding dianggap sebagai teknik nonlinear sederhana, beroperasi pada
satu koefisien wavelet pada suatu waktu. Pada tahap ini terdapat 4 aturan
thresholding yang dapat digunakan, yaitu rigrsure thresholding, heursure
thresholding, sqtwolog thresholding, atau minimaxi thresholding.
fprintf('\n Input the number of threshold selection rule :');
%(1) heuraure, (2) rigraure, (3) minimaxi or (4) sqtwolog
tr = input('\n threshold selection rule = ');
if tr == 1
tsr = 'heursure';
elseif tr == 2
tsr = 'rigrsure';
elseif tr == 3
tsr = 'minimaxi';
elseif tr == 4
tsr = 'sqtwolog';
end
thr_D1 = thselect(D1,tsr);
thr_D2 = thselect(D2,tsr);
thr_D3 = thselect(D3,tsr);
Terdapat dua metode pada thresholding yaitu soft threshoding dan hard
thresholding.
fprintf('\n Input the number of threshold type: ');
%(1) soft or (2) hard
sh = input('\nthreshold = ');
if sh == 1
SORH = 's';
elseif sh == 2
SORH = 'h';
end
%koef threshold detail
tD1 = wthresh(D1,SORH,thr_D1);
tD2 = wthresh(D2,SORH,thr_D2);
tD3 = wthresh(D3,SORH,thr_D3);
Gambar 4.2 Hasil de-noise dengan menggunakan heursure thresholding tipe soft
Gambar 4.3 Hasil de-noise dengan menggunakan heursure thresholding tipe
hard
Gambar 4.4 Hasil de-noise dengan menggunakan rigrsure thresholding tipe soft
Gambar 4.5 Hasil de-noise dengan menggunakan rigrsure thresholding tipe hard
Gambar 4.6 Hasil de-noise dengan menggunakan minimaxi thresholding tipe soft
Gambar 4.7 Hasil de-noise dengan menggunakan minimaxi thresholding tipe
hard
4.2 Pembahasan
Pada percobaan ini dilakukan dengan beberapa langkah yang telah disebutkan
dalam BAB 3. Dimana langkah pertama yaitu memasukkan inputan sinyal dalam
bentuk wav dengan menggunakan oerintah ‘wavread’, keluaran dari pembacaan ini
masih berupa sinyal bersih yang masih belum diberi masukan noise. Agar,
percobaan dapat dilakukan maka dimasukkan derau ke dalam sinyal suara yang
masih bersih dengan menggunakan gaussian white noise. Setelah diberi noise
sinyal akan berubah seperti pada lampiran suara ‘296_1311682952647_A2noise’.
Setelah suara menjadi lebih noise, langkah selanjutnya adalah melakuka n
dekomposisi pada sinyal dengan menggunakan Transformasi Wavelet Diskrit yang
berbeda-beda. Dalam proses dekomposis ini terlebih dahulu dipilih mother wavelet
yang akan digunakan dan akan menghasilkan nilai aproksimasi, detail, dan
koefisien wavelet, sesuai dnegan gambar 4.1, 4.8, 4.15, dan 4.22. Koefisien ini
merupakan suatu parameter untuk menentukan derai (noise) yang akan digunakan.
Dengan memilih mother vawelet ini kemudian akan ditentukan tipe-tipe dalam
melakukan thresholding baik dalam soft filter maupun high filter.
Dari data-data yang diperoleh, dapat kita lihat bahwa tidak banyak perbedaan
pada sinyal hasil dekomposisi dengan penggunaan mother wavelet yang berbeda-
beda. Namun apabila kita melihat plot grafik perbandingan antara ketiga sinya l,
memang tidak dapat dipungkiri bahwa sinyal hasil proses denoising tidak bisa sama
persis dengan sinyal asli (clear signal) sebelum diberi noise. Sehingga perlu di
ketahui bahwa tidak hanya tipe dari mother wavelet saja yang mempengaruhi hasil
pemprosan sinyal. Namun, tingkat level dekomposisi, metode thresholding dan tipe
filter juga dapat mempengahruhi hasil pemprosesan sinyal.
Berdasarkan percobaan yang telah dilakukan menunjukkan bahwa setiap
penggunaan tipe wavelet yang berbeda-beda akan mengakibatkan perbedaan pada
setiap hasil pemprosesan sinyal.
BAB 5
PENUTUP
5.1 Kesimpulan
Telah dilakukan simulasi resuksi derau (denoising) sinyal PCG dengan
menggunakan Transformasi wavelet diskri pada software MATLAB. Dalam
percobaan mengenai denoising terdadap sinyal PCG, ini dilakukan beberapa variasi
parameter dari algoritma denoising, termasuk aturan thresholding dan jenis wavelet,
dan membandingkan hasil denoising yang diperoleh. Disajikan pula penerapan
metode transformasi wavelet untuk analisis sinyal PCG. Penggunaan keluarga
wavelet yang berbeda–beda akan mempengaruhi perbedaan resolusi di antara
mereka.
5.2 Saran
Adapun saran yang dapat diberikan oleh penulis untuk penelitian ini antara
lain:
a. Memperbanyak referensi khususnya mengenai Descrete Wavelet Transform
untuk menunjang percobaan.
b. Dalam melakukan penelitian, diharapkan untuk mempelajari dasar-dasar teori
dengan baik terlebih dahulu untuk efisiensi kegiatan penelitian.
DAFTAR PUSATAKA