Analisis Perbandingan Efektivitas Transformasi Wavelet dan Filter Wiener dalam Mereduksi Gaussian White Noise pada Sinyal Audio

Stefano Aldo Budi Satria, Dr. Danang Lelono, S.Si., M.T.

2026 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Kualitas sinyal audio sering terdegradasi oleh Gaussian White Noise yang menurunkan kejernihan suara. Transformasi Wavelet dan Filter Wiener merupakan dua teknik denoising domain frekuensi yang telah digunakan secara individual, namun belum ada penelitian yang membandingkan efektivitas keduanya secara spesifik. Penelitian ini bertujuan mengidentifikasi metode paling efektif berdasarkan kondisi noise dan karakteristik sinyal melalui analisis komparatif menyeluruh.

Penelitian menggunakan dua jenis file audio (voice over dan vokal bernyanyi) dengan tiga level noise (rendah, sedang, tinggi). Transformasi Wavelet menerapkan Daubechies 20 dengan level dekomposisi 8 dan hard thresholding, sedangkan Filter Wiener menggunakan parameter known_noise_segment dengan alpha 1,6 dan beta 0,025. Evaluasi kualitas menggunakan Signal-to-Noise Ratio (SNR) dan Mean Squared Error (MSE).

Tujuan penelitian tercapai dengan temuan: Filter Wiener terbukti superior pada noise rendah-sedang (SNR awal ? 3 dB), dibuktikan dengan peningkatan SNR hingga 10,27 dB (105,11%) dan penurunan MSE hingga 90,11%. Namun efektivitasnya menurun drastis pada noise tinggi (peningkatan SNR hanya 2,60-3,54 dB). Sebaliknya, Transformasi Wavelet menunjukkan superioritas pada noise tinggi (SNR awal < 0>Filter Wiener secara signifikan. Konsistensi performa Transformasi Wavelet (peningkatan SNR 5,6-8,34 dB) mengonfirmasi robustness superior dibanding degradasi non-linear Filter Wiener. File bernyanyi memberikan hasil superior pada kedua metode, memvalidasi hipotesis bahwa sparsity spektral memfasilitasi separasi sinyal-noise lebih efektif.

Penelitian berhasil menjawab rumusan masalah: tidak ada metode universal optimal; pemilihan bergantung kondisi aplikasi. Filter Wiener optimal untuk lingkungan noise terkontrol dengan SNR tinggi, Transformasi Wavelet untuk kondisi ekstrem dengan SNR rendah. Kedua metode mencapai target penurunan MSE minimal 50% (rentang 45,06-90,11%), membuktikan efektivitas mereduksi Gaussian White Noise.

Audio signal quality degradation by Gaussian White Noise reduces clarity and disrupts listening experience. Wavelet Transform and Wiener Filter are frequency domain denoising techniques widely used individually, yet no research specifically compares their effectiveness. This study aims to identify the most effective method based on noise conditions and signal characteristics through comprehensive comparative analysis.

The study employed two audio file types (voiceover and singing vocals) with three noise levels (low, medium, high). Wavelet Transform used Daubechies 20 with decomposition level 8 and hard thresholding, while Wiener Filter used known_noise_segment parameters with alpha 1.6 and beta 0.025. Quality evaluation utilized Signal-to-Noise Ratio (SNR) and Mean Squared Error (MSE).

Research objectives were achieved with findings: Wiener Filter proved superior at low-to-medium noise (initial SNR ? 3 dB), evidenced by SNR improvement up to 10.27 dB (105.11%) and MSE reduction to 90.11%. However, effectiveness decreased drastically at high noise (SNR improvement only 2.60-3.54 dB). Conversely, Wavelet Transform demonstrated superiority at high noise (initial SNR < 0>

The study successfully addressed the research problem: no universally optimal method exists; selection depends on application conditions. Wiener Filter is optimal for controlled noise environments with high SNR, Wavelet Transform for extreme conditions with low SNR. Both methods achieved the minimum 50% MSE reduction target (range 45.06-90.11%), proving effectiveness in reducing Gaussian White Noise.

Kata Kunci : Denoising, Transformasi Wavelet, Filter Wiener, Gaussian White Noise, Sinyal Audio, Analisis Komparatif