Majalah Ilmiah UNIKOM
Vol.11 No. 1
136
H a l a m a n
kecerdasan buatan terdistribusi ini pada
kasus
Adaptive
Noise
Cancellation
Karaboga [2] mengimplementasikan BCO
pada
ANC,
Renaldi
[3]
mengimplementasikan GA pada ANC dan
Ben Arfia [4] mengimplementasikan PSO
pada Filter adaptif. Tetapi sepanjang yang
penulis ketahui, belum ada penelitian yang
membandingkan beberapa algoritma PSO
untuk diimplementasikan pada kasus ANC
ini.
Pada penelitian ini akan diuji penerapan
beberapa
algoritma
Particle
Swarm
Optimization
adaptif.
Algoritma
PSO
yang
akan
dibandingkan adalah Original PSO, Local
PSO, Canonical PSO, Decreasing Inertia
Weight PSO, Increasing Inertia Weight PSO,
Stochastic Inertia Weight PSO, Fully
Informed PSO, Self-Organizing Hierarchical
PSO
with
Time-Varying
Acceleration
Coefficients, Hierarchical PSO, Adaptive
Hierarchical PSO dan Estimation of
Distribution PSO. Sebagai ukuran kinerja,
mean square error
Susunan makalah ini yaitu pada bagian 2,
dijelaskan mengenai teori Adaptive Noise
Cancellation (ANC). Pada bagian 3, dibahas
Particle Swarm Optimi-
zation
kan hasil implementasi dan pengujian data,
dan bagian 5 adalah kesimpulan.
TEORI DASAR
Adaptive Noise Cancellation (ANC)
ANC pertama kali diperkenalkan oleh
Bernard Widrow [5] pada tahun 1975.
Aplikasi dari ANC ditunjukkan pada blok
diagram seperti Gambar 1 berikut. Tujuan
dari ANC adalah membuang noise m(n) dari
sinyal primer d(n) sehingga akan diperoleh
kembali rekonstruksi dari sinyal informasi b
(n).
ANC memerlukan dua input, yaitu :
1. Input primer, d(n) adalah sinyal
pembawa informasi b(n) yang terdistorsi
dengan sinyal noise m(n). Sinyal b(n) dan
m(n) tidak berkorelasi antara satu
dengan lainnya
2. Input referensi adalah sebuah sinyal
noise u(n) yang berkorelasi dengan m(n)
tetapi tidak berkorelasi dengan b(n).
Perlu ditekankan bahwa jika u(n) tidak
berkorelasi dengan m(n) maka tidak
mungkin mengoptimasi b(n)
Sinyal referensi u(n) diolah oleh filter
adaptif melalui persamaan
Dimana w
k
(n) adalah koefisien filter yang
dapat diatur. Sinyal primer d(n) akan
dikurangkan dengan keluaran filter y(n)
Tri Rahajoeningroem & Muhammad Aria
Gambar 1. Diagram blok ANC
(1)