Analisis Multiresolusi dengan Dekomposisi Transformasi Wavelet Diskrit Berfilter Wavelet Haar

Abstract

Analisis data dengan dimensi tinggi tidak mudah dilakukan bahkan dengan sistem komputer modern sekalipun. Salah satu pendekatan yang digunakan dengan melakukan reduksi dimensi salah satunya dengan wavelet. Wavelet merupakan fungsi transformasi yang secara otomatis memotong data ke dalam komponen berbeda dan memelajari masing-masing komponen dengan resolusi yang sesuai dengan skalanya. Transformasi wavelet diskret (TWD) merupakan salah satu teknik reduksi dimensi dengan teknik dekomposisi multiresolusi untuk mengatasi masalah pemodelan yang menghasilkan sinyal representasi lokal pada domain waktu dan domain frekuensi. Dekomposisi multiresolusi memisahkan tren dari time series. Transformasi ini dapat mengubah data asli ke domain wavelet untuk dianalisis dan dapat mengurai sinyal-sinyal baik pada frekuensi rendah maupun frekuensi tinggi dengan lebih tepat. Pada penelitian ini, dilakukan kajian ulang TWD. Tiga hal penting dalam melakukan transformasi wavelet diskrit terdiri atas menentukan jumlah level multireoslusi, menentukan wavelet apa yang akan digunakan, dan menentukan aturan batasan. Transformasi wavelet diskret menggunakan filter wavelet untuk membagi data ke frekuensi yang berbeda atau komponen skala, dan selanjutnya menganalisis masing-masing komponen dengan suatu resolusi yang sesuai dengan skalanya. Dalam hal ini digunakan wavelet Haar. Hasil dari penelitian ini adalah TWD dengan komponen skala.