@thesis{thesis,
		author={Saputra  Yunus Agus},
		title ={Kompresi Citra Menggunakan Metode Compressive Sensing},
		year={2021},
		url={http://elibrary.unikom.ac.id/id/eprint/4672/},
		abstract={Compressive Sensing atau penginderaan kompresif adalah salah satu teknik yang dapat digunakan pada proses kompresi citra. Proses kompresi citra menggunakan metode pencuplikan konvensional yaitu teorema Shannon-Nyquist. Metode Shannon-Nyquist menyatakan bahwa suatu sinyal yang akan disampling dapat direkonstruksi menjadi sinyal semula jika tingkat sampling minimal 2 kali frekuensi terbesar dari spektrum sinyal tersebut. Namun pada penginderaan kompresif hanya membutuhkan sedikit sampel dari jumlah keseluruhan sampel pada sinyal. Pada penelitian ini kompresi citra dilakukan dengan menjalankan program penginderaan kompresif atau compressive sensing menggunakan perangkat Raspberry Pi. Program menggunakan metode Discrete Cosine Transform untuk mendapatkan sampel sinyal sparse pada citra. Kemudian citra direkonstruksi kembali menggunakan Inverse Discrete Cosine Transform dengan nilai optimum dari matriks sparse, dimana nilai optimal dari matrix sensing dapat diperoleh dengan menerapkan algoritma optimasi â„“1 norm. Citra dari proses penginderaan kompresif kemudian dibandingkan tingkat kemiripannya menggunakan perhitungan Peak Signal-to-Noise Rasio. Program menggunakan modul perhitungan waktu proses dijalankan untuk menguji keandalan Raspberry Pi sebagai perangkat alternatif untuk menjalankan program penginderaan kompresif. Nilai MSE, RMSE, PSNR dan waktu proses dari hasil proses penginderaan kompresif kemudian dicantumkan ke dalam tabel untuk dibandingkan tingkat kemiripan dan waktu prosesnya. Semakin besar ukuran citra semakin lama waktu yang dibutuhkan untuk melakukan kompresi. Pada mini PC memakan waktu bisa sekitar 20 kali lebih lambat dibandingkan dengan  menggunakan PC.}
		}