SISTEM IDENTIFIKASI POLA GELOMBANG SEISMIK UNTUK MENGETAHUI AKTIFITAS GUNUNG MERAPI

Evrita Lusiana Utari

Abstract


Data seismogram dalam suatu pemonitoran adalah data mentah yang didalamnya mengandung berbagai informasi tentang keadaan yang diamati. Alihragam gelombang-singkat merupakan metode yang dapat digunakan untuk menyajikan data dan fungsi operator ke dalam komponenkomponen frekuensi yang berlainan. Proses identifikasi pola sinyal seismik yang menggunakan metode alihragam gelombang-singkat memiliki peluang keberhasilan yang lebih tinggi. Dengan metode alihragam gelombang-singkat ini dimungkinkan pelokasian frekuensi-waktu. Pada metode Thresholding , bertujuan untuk membatasi dan menghilangkan bagian-bagian pada sinyal yang dianggap tidak banyak mengandung informasi penting. Dengan cara menentukan nilai parameter data, maka bagian-bagian yang dibatasi tersebut dapat dianggap sebagai derau yang tercampur.Sehingga informasi yang ada dapat teridentifikasi.

Kata kunci : Seismik, Alihragam Gelombang Singkat, Identifikasi Pola


Seismogram data from the monitoring representative the raw file in contain various each information about circumstance perceived. The wavelet transform is methode can by us for indicating data and operator function in the diferent frequency element. Paterrn of identification process seismic signal using wavelet transform have the higher level efficacy opportunity. By the wavelet enable time-frequency location. Thresholding method to limit and eliminate some part on the signal which are not important. By determining value of data parameter, the parts of limited the can be considered by a mixed noise. So that information can be identified

Keywords : Seismic, Wavelet Transform, Pattern of Identification



Full Text:

PDF

References


Charles K. Chui, Wavelets: A Mathematical Tool for Signal Processing, Texas A&M University College Station, Texas.

Daubechies, S, 1992, Ten Lectures on Wavelet, Society for Industrial and Applied Mathematics, Pennsylvania.

David, L.Dohono,April 1993, Density estimation by wavelet thresholding, Stanford University, Stanford CA, USA.

Misiti, M., Misiti, Y, Oppenheim, G., Poggi, Jean-M.,1998, Wavelet Toolbox User’s Guide, The MathWorks, Inc., Natick, MA.

Rao, R. M., Bopardikar,A.S., 1998, Wavelet Transform: Introduction to Theory and Application, Addision-Wesley, Massachusetts.

S. Grace Chang, September 2003, Adaptive Wavelet Thresholding for Image Denoising and Compression, Student Member, IEEE, University of California.

Sofia C. OLHEDE and Andrew T. WALDEN November 2003, ‘Analytic’ Wavelet Thresholding, Department of Mathematics, Imperial College London, SW7 2AZ, London.

T.J. Brown, Combined Evidence Thresholding : A new wavelet regression technique for detail preserving image de-noising, The Queen’s University of Belfas


Abstract View: 437, PDF Download: 417

Refbacks

  • There are currently no refbacks.




Prosiding Seminar Nasional

Universitas Respati Yogyakarta

Alamat : JL. Laksda Adisucipto KM 6,3 Depok Sleman Yogyakarta - Indonesia
Tel : 0274-488781
Fax : 0274-489780
Email : wahyurm@respati.ac.id


 
View My Stats
Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.