Kompresi Gait Data Menggunakan Pemodelan Linear Prediction dan Dekomposisi Data Berbasis Discrete Wavelet Transform

Nahdliyah, Khoirun (2020) Kompresi Gait Data Menggunakan Pemodelan Linear Prediction dan Dekomposisi Data Berbasis Discrete Wavelet Transform. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07311640000039-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Gaya berjalan atau pola gerak kaki manusia merupakan salah satu aspek kesehatan yang penting pada tubuh manusia. Gaya berjalan pada manusia dapat diukur dan dinyatakan dalam suatu sinyal biomedis yang dapat disimpan dalam rekam medis pasien. Sebuah rekam medis membutuhkan database yang mampu menjadi tempat penyimpanan segala bentuk data terkait pasien khususnya hasil pemeriksaan pasien. Sinyal yang diperoleh dari analisa pola berjalan yang dimiliki pasien memiliki karkateristik berupa sinyal time-series, yang nilainya bergantung pada perubahan waktu yang membutuhkan kapasitas yang cukup besar dalam proses penyimpanannnya. Dalam penelitian ini, digunakan sebuah metode optimasi database berbasis reduksi data yang ditunjang dengan penggunaan pemodelan linear prediction dan dekomposisi sinyal berbasis discrete wavelet transform (DWT). Sinyal gait yang diolah dimodelkan dengan orde pemodelan yang telah ditetapkan untuk mendapatkan sinyal estimasi yang merepresentasikan sinyal asli. Sinyal estimasi dilanjutkan pada tahap dekomposisi untuk menjaga keaslian informasi pada sinyal gait. Pemodelan sinyal dilakukan dengan menggunakan orde pemodelan mulai dari 8 sampai dengan 11 dengan nilai kesalahan (error) yang dihasilkan mencapai 1,67 x 〖10〗^(-5). Hasil pengolahan kemudian diimplementasikan pada sebuah database berbasis web. Perbandingan ukuran data keluaran sistem yang dirancang dengan data mentah dinyatakan dalam sebuah level kompresi. Level kompresi yang dihasilkan selama pengujian mencapai 14.3890% s.d. 25.5259%. Penelitian yang dilakukan menunjukkan hasil kompresi dan dekomposisi sinyal mampu menghasilkan sebuah sinyal baru dengan lebar data dan kebutuhan akan kapasitas penyimpanan yang lebih sederhana dengan tetap menjaga aspek keamanan data asli dari subjek pengukuran atau pasien. ====================================================================================================== Gait is an important aspect of health in the human body. Gait in humans can be measured and expressed in a biomedical signal that can be stored in the patient's medical record. A medical record requires a database that can store all forms of data related to patients, especially the results of patient examinations. Gait signal is a time-series signal, which consists of values that depend on time changes and require a large enough capacity in the storage. In this study, an advanced optimization method based on data reduction used to compress gait data using linear prediction modeling. The research use modeling orde from 8 up to 11. The signal modeling has MSE value up to 1,67 x 〖10〗^(-5). The estimation signal from the method then reduced using a decomposition method based on a discrete wavelet transform (DWT). The estimation signal used to maintain the authenticity of the information in the gait signal. The compressed signal showed that the used method produces new data with 14.3890%-25.5259% raw data size. The processing results then implemented in a web-based database. The results of the research show that the compressed signal has a simpler data length and data size while maintaining the security aspects of the original data from the measurement subject or patient.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: gait data, pemodelan linear prediction, discrete wavelet transform, reduksi data, database, gait data, linear prediction, discrete-wavelet transform, data reduction, database
Subjects: Q Science > QA Mathematics > QA76.9.D33 Data compression (Computer science)
T Technology > T Technology (General) > T58.6 Management information systems
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing.
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User: Khoirun Nahdliyah
Date Deposited: 25 Aug 2020 04:53
Last Modified: 18 Jan 2021 21:41
URI: https://repository.its.ac.id/id/eprint/80568

Actions (login required)

View Item View Item