Indonesia Dekomposisi Transformasi Wavelet Kontinu dengan Filter Wavelet Morlet

Haabi Luckmanoor Adzakie, Dewi Retno Sari Saputro, Sutanto Sutanto, Purnami Widyaningsih, Nurul KhomariahNon-Scopus8 Mei 2025Afiliasi: ID

Abstrak

Analisis terhadap data berdimensi tinggi sering kali menghadapi tantangan tersendiri, sehingga diperlukan metode reduksi dimensi, salah satunya dengan pendekatan wavelet. Wavelet berfungsi sebagai transformasi yang secara otomatis memisahkan data menjadi beberapa komponen, lalu menganalisis masing-masing komponen berdasarkan resolusi yang sesuai dengan skala waktunya. Transformasi Wavelet Kontinu (TWK) merupakan salah satu teknik reduksi dimensi yang mengandalkan dekomposisi multiresolusi, untuk menyelesaikan permasalahan pemodelan dengan menghasilkan representasi sinyal secara lokal di domain waktu dan frekuensi (skala) secara kontinu. Melalui dekomposisi multiresolusi, tren dalam data deret waktu dapat dipisahkan. Transformasi ini memungkinkan pengalihan data dari domain asli ke dalam domain wavelet untuk dianalisis lebih lanjut, serta memfasilitasi pemisahan sinyal baik pada frekuensi rendah maupun tinggi secara lebih akurat. Penelitian ini mengkaji kembali penggunaan TWK, yang membagi data ke dalam berbagai skala atau komponen frekuensi, dan menganalisis masing-masing bagian dengan resolusi yang sesuai. Dalam konteks ini, filter wavelet Morlet digunakan. Hasil penelitian menunjukkan bahwa Morlet wavelet dalam CWT memiliki keunggulan dalam mendeteksi komponen frekuensi transien dan fenomena osilasi lokal, sehingga sangat efektif dalam menganalisis sinyal yang kompleks.

Identifier

Scroll to Top