Jendela Gaussian dengan panjang N titik, dirumuskan secara matematis sebagai berikut [8]
:
[ + 1] =
2.1 Dengan :
0 ≤ ≤ ≥ 2
Dengan σ adalah deviasi standar . Gambar 2.8 memperlihatkan contoh penerapan
windowing.
Gambar 2.8. Contoh Penerapan Windowing.
2.7. Normalisasi
Normalisasi adalah pengesetan nilai maksimum pada deretan sinyal supaya bernilai satu. Normalisasi ini bertujuan untuk menghilangkan nilai maksimum pada sejumlah deretan
data hasil perekaman [7].
normalisasi = 2.2
Dimana : x0 = data masukan.
2.8. Zerro Padding
Zerro padding adalah penambahan nilai nol sebanyak panjang data atau berfungsi untuk memanjangkan sinyal sampai ukuran tertentu dengan rumus 2
n
. Dimana DCT pada matlab dihitung menggunakan FFT radix 2 sehingga akan efisien penghitungannya jika
menggunakan 2
n
. Gambar 2.9 berikut adalah contoh dari penggunaan zerro padding.
Gambar 2.9. Contoh Penggunaan Zerro Padding.
2.9. Discrete Cosine Transform DCT
DCT merupakan suatu jenis transformasi yang banyak digunakan untuk pemampatan sinyal. DCT dari suatu runtun un dengan panjang N titik, dirumuskan secara matematis
sebagai berikut [9]:
= ∑ ,
= 1, … , 2.3
=
√
, = 1 , ≠ 1
2.4
Dengan 2 ≤ k ≤ N Terlihat DCT sinyal hasil windowing terlihat lebih bersih, karena sinyal-sinyal
frekuensi tinggi tidak tampak seperti gambar 2.10 berikut [7] :
Gambar 2.10. Contoh DCT Dari Sinyal Dengan Menggunakan DCT 256 Titik [7].
2.10. Template Matching
Pendekatan pengenalan pola adalah salah satu yang paling sederhana dan paling awal dengan didasarkan pada template matching. Matching adalah operasi generik dalam
pengenalan pola yang digunakan untuk menetukan kesamaan antara dua entitas dari jenis yang sama. Dalam template matching, contoh atau bentuk asli dari pola yang menjadi
pengenalan sudah tersedia. Pola yang menjadi pengenalan dicocokkan terhadap tempalte yang telah tersimpan. Kesamaan ukuran dapat dioptimalkan berdasarkan template yang
tersedia [10].
2.11. Segment averaging
Segment averaging merupakan sebuah teknik untuk mngurangi koefisien dari suatu elemen kedalam beberapa segment dimana tiap segment dicari nilai rata-ratanya yang mana
masih mempertahankan bentuk dasar pola dari sinyal yang akan diproses[11]. Dalam contoh gambar 2.11. ukuran data sinyal adalah 2048 2
11
. Selanjutnya data sinyal tersebut dapat disegmentasi menggunakan lebar segment dengan kelipatan 2
n
dengan 1 ≤n ≤ 11
. Keluaran dari proses segment averaging adalah rata-rata dari setiap segment.
Gambar 2.11. Penerapan segment averaging untuk data
2.12. Korelasi
Korelasi digunakan untuk menghitung besarnya perubahan antara dua variabel. Korelasi ini membagi dua variabel yang satu dengan yang lainnya yang saling berhubungan.
Korelasi dirumuskan sebagai berikut [12] :
=
∑ ∑ ∑
{ ∑ ∑ }.{ ∑
∑ }
2.5
Dengan
x dan y adalah kedua variabel.
2.13. Matlab
MATLAB Matrix Laboratory adalah sebuah program untuk analisis dan komputasi numerik dan merupakan suatu bahasa pemrograman matematika lanjutan yang di bentuk
dengan dasar pemikiran menggunakan sifat dan bentuk matriks. Pada awalnya, program ini merupakan interface untuk koleksi rutin-rutin numerik dari proyek LINPACK dan EISPACK,
dan dikembangkan menggunakan bahasa FORTRAN namun sekarang merupakan produk komersial dari perusahaan Mathworks.Inc yang dalam perkembangan selanjutnya
dikembangkan menggunakan bahasa C++ dan assembler utamanya untuk fungsi-fungsi dasar MATLAB. MATLAB telah berkembang menjadi sebuah environtment pemrrograman
yang canggih yang berisi fungsi-fungsi built-in untuk melakukan tugas pengolahan sinyal, aljabar linier, dan kalkulasi matematis lainnya. MATLAB juga berisi toolbox yang berisi
fungsi-fungsi tambahan untuk aplikasi khusus. MATLAB bersifat extensible, dalam arti bahwa seorang pengguna dapat menulis fungsi baru untuk ditambahkan pada library ketika
