Melola Discovery

← Melola Discovery

Jurnal SINTA 2

PERBESARAN CITRA MENGGUNAKAN METODE WAVELET

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 2 No. 2 (2003) · pp. 112–117

DOI
10.12962/j24068535.v2i2.a294
ISSN
2406-8535, 1412-6389
Published
2003-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Perbesaran citra merupakan salah satu cabang dalam pengolahan citra digital, yang sering dibutuhkan dalam berbagai aplikasi seperti dalam bidang kedokteran, multimedia, dan dalam citra satelit. Seiring makin berkembangnya teknologi, makin banyak pula metode yang digunakan untuk perbesaran citra. Pada penelitian ini, proses perbesaran citra dilakukan menggunakan metode wavelet. Jenis filter induk wavelet yang digunakan, yaitu haar, daubechies 4, daubechies 6, daubechies 8, dan coiflet 1. Langkah-langkah proses perbesaran citra adalah sebagai berikut: transformasi wavelet diskrit, yaitu mendekomposisi citra inputan dengan menggunakan algoritma pyramida. Kemudian hasil dekomposisi (koefisien wavelet) dikalikan dengan dua dan diletakkan dalam matrik yang berukuran dua kali citra inputan pada sisi pojok kiri atas, sedangkan elemen matrik yang lain diisi nol. Setelah dilakukan proses transformasi wavelet invers (proses rekonstruksi) terhadap matrik tersebut, dihasilkan nilai untuk citra output (hasil perbesaran). Proses di atas memanfaatkan dua buah fungsi filter, yaitu low-pass filter (scaling function) dan high-pass filter (wavelet function). Dari uji coba yang dilakukan pada perangkat lunak ini terhadap lima filter induk wavelet yang digunakan, filter haar mempunyai nilai MSE (Mean Square Error) terkecil. Uji coba juga menunjukkan bahwa karakteristik citra asli, seperti standard deviasi juga mempengaruhi besarnya nilai MSE. Kata Kunci: Transformasi Wavelet, Algoritma Pyramida, MSE.

Collaboration network of the authors

40 authors · 65 co-authorship links · 6 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • University of Brawijaya
  • King Abdulaziz University
  • Islamic University of Indonesia
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Chastine FatichahInstitut Teknologi Sepuluh Nopember9
Yuna SugianelaInstitut Teknologi Sepuluh Nopember2
Anny YuniartiInstitut Teknologi Sepuluh Nopember2
Imam KuswardayanInstitut Teknologi Sepuluh Nopember2
Handayani TjandrasaInstitut Teknologi Sepuluh Nopember2
Isye ArieshantiInstitut Teknologi Sepuluh Nopember2
Syavira Tiara ZulkarnainInstitut Teknologi Sepuluh Nopember2
Diana PurwitasariInstitut Teknologi Sepuluh Nopember2
Ahmad SaikhuInstitut Teknologi Sepuluh Nopember2
Jayanti Yusmah SariInstitut Teknologi Sepuluh Nopember1
Mutmainnah MuchtarInstitut Teknologi Sepuluh Nopember1
Nanang Yudi SetiawanUniversity of Brawijaya1
Aulia BaharAffiliation unknown1
Bernardinus ArisandiAffiliation unknown1
Arya Yudhi WijayaInstitut Teknologi Sepuluh Nopember1
Ahmad Hoirul BasoriKing Abdulaziz University1
Wahyu Budi SurastyoAffiliation unknown1
Nur LailaAffiliation unknown1
Lim Yohanes StefanusAffiliation unknown1
Faida RoyaniAffiliation unknown1
Tri Anggraeny FettyAffiliation unknown1
Lalu Muhammad DzakiAffiliation unknown1
Dewi RosidaAffiliation unknown1
Rosdiana RahmawatiAffiliation unknown1
Rizky Yuniar HakkunAffiliation unknown1
Darlis Heru MurtiInstitut Teknologi Sepuluh Nopember1
Daru Jani NanjayaAffiliation unknown1
Dody Rachmat WicaksonoAffiliation unknown1
Nunut Priyo JatmikoAffiliation unknown1
Kavin AndiAffiliation unknown1
Rully SoelaimanInstitut Teknologi Sepuluh Nopember1
Esther HanajaInstitut Teknologi Sepuluh Nopember1
Ricky Eka PutraAffiliation unknown1
Arrie KurniawardhaniIslamic University of Indonesia1
Fitri BimantoroAffiliation unknown1
Mirza Galih KurniawanInstitut Teknologi Sepuluh Nopember1
Nurul Fajrin AriyaniInstitut Teknologi Sepuluh Nopember1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">PERBESARAN CITRA MENGGUNAKAN METODE WAVELET</dc:title>
	<dc:creator xml:lang="en">Sarwosri, Sarwosri</dc:creator>
	<dc:creator xml:lang="en">Suciati, Nanik</dc:creator>
	<dc:creator xml:lang="en">Ariani, Myke Noor</dc:creator>
	<dc:description xml:lang="en">  Perbesaran citra merupakan salah satu cabang dalam pengolahan citra digital, yang sering dibutuhkan dalam berbagai aplikasi seperti dalam bidang kedokteran, multimedia, dan dalam citra satelit. Seiring makin berkembangnya teknologi, makin banyak pula metode yang digunakan untuk perbesaran citra. Pada penelitian ini, proses perbesaran citra dilakukan menggunakan metode wavelet. Jenis filter induk wavelet yang digunakan, yaitu haar, daubechies 4, daubechies 6, daubechies 8, dan coiflet 1. Langkah-langkah proses perbesaran citra adalah sebagai berikut: transformasi wavelet diskrit, yaitu mendekomposisi citra inputan dengan menggunakan algoritma pyramida. Kemudian hasil dekomposisi (koefisien wavelet) dikalikan dengan dua dan diletakkan dalam matrik yang berukuran dua kali citra inputan pada sisi pojok kiri atas, sedangkan elemen matrik yang lain diisi nol. Setelah dilakukan proses transformasi wavelet invers (proses rekonstruksi) terhadap matrik tersebut, dihasilkan nilai untuk citra output (hasil perbesaran). Proses di atas memanfaatkan dua buah fungsi filter, yaitu low-pass filter (scaling function) dan high-pass filter (wavelet function). Dari uji coba yang dilakukan pada perangkat lunak ini terhadap lima filter induk wavelet yang digunakan, filter haar mempunyai nilai MSE (Mean Square Error) terkecil. Uji coba juga menunjukkan bahwa karakteristik citra asli, seperti standard deviasi juga mempengaruhi besarnya nilai MSE.   Kata Kunci : Transformasi Wavelet, Algoritma Pyramida, MSE.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2003-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/294</dc:identifier>
	<dc:identifier>10.12962/j24068535.v2i2.a294</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 2, No 2 Juli 2003; 112-117</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v2i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/294/243</dc:relation>
</oai_dc:dc>