2017 : Penghapusan Noise menggunakan Pelebaran Window dari Data Non Sampel

R. Mohamad Atok S.Si, M.Si, Ph.D
Dedy Dwi Prastyo S.Si., M.Si.
Imam Safawi Ahmad, S.Si., M.Si.

External link

Type

RESEARCH

Keywords

-


Abstract

Gambar, suara, hentakan/benturan antar benda atau data yang ditangkap dan ditransformasi dalam bentuk signal akan disajikan kedalam bentuk suara, gambar, frekuensi atau besarnya energi. Hasil penyajian tergantung dari kualitas signal yang ada. Kualitas signal dipengaruhi oleh obyek dan besarnya gangguan pada saat transformasi. Disisi lain gangguan saat menangkap signal bercampur dengan signal lain atau noise. Karena itu proses pembersihan signal agar gambar/suara/besarnya energi yang akan disajikan sama dengan signal saat ditangkap oleh alat penangkap signal atau bahkan lebih baik. Karena itu proses pembersihan signal dari gangguan menjadi sangat penting.\nProses pembersihan signal dari gangguan secara umum dilakukan saat data dalam bentuk signal dalam domain waktu maupun frekuensi. Pemurnian yang dilakukan saat signal pada mode waktu sering disebut sebagai deteksi outlier, termasuk didalamnya deteksi perubahan data. Analisis ini biasanya diikuti dengan pembersihan data dari unsur noise. Sedangkan pemurnian saat di domain frekuensi sering menggunakan Deret Fourier dan Wavelet. \n Data (signal) biasanya diterima dalam jumlah besar. Salah satu kelemahan dari deteksi outlier klasik adalah berkurangnya akurasi deteksi outlier (noise) ketika jumlah data sangat besar. Hal itu sudah bisa diatasi dengan data partisi (Atok, 2016) yang lebih lanjut digunakan metode pelebaran Window secara gradual (Atok dkk, 2016). Masalah yang dihadapi adalah, meskipun pengaruh Outlier (noise) diminimisasi dengan partisi dan pelebaran window, namun masih ada. Salah satu alternatif yang diusulkan untuk diteliti adalah pelebaran window dengan data yang mengandung outlier dipandang sebagai data non sampel atau data ramalan.