Compressed sensing (CS) (juga dikenal sebagai compressive sensing, compressive
sampling, atau sparse sampling) adalah teknik pemrosesan sinyal dengan sampel
yang jauh lebih sedikit daripada yang disyaratkan oleh teorema pengambilan
sampel Nyquist dan merekonstruksi sinyal hasil sample tersebut secara efisien.
Salah satu metode CS adalah sparsity averaging reweighted analysis (SARA) yang
diusulkan untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN).
Pada penelitian sebelumnya SARA diusulkan untuk data citra radio-intrferometric
dan citra natural. Analisis terperinci tentang SARA dalam gambar medis tidak ada
dalam literatur. Untuk mengisi celah ini, berbagai jenis data medis digunakan untuk
menyelidiki kinerja SARA.
Tugas Akhir ini mengusukan analisis SARA pada data citra colonoscopy.
SARA terdiri dari 2 tahap, yaitu tahap awal untuk penentuan sparsity basis dengan
mengusulkan basis baru dari hasil rata-rata dari beberapa basis dan proses
reweighted dari metode rekonstruksi BPDN.
Hasil dari Tugas Akhir ini menunjukkan bahwa SARA mengungguli metode
BPSA pada parameter terbaik dengan nilai SNR sebesar 37,85 dB dibanding 35,61
dB dan nilai SSIM sebesar 0,89 dibanding 0,72. Waktu komputasi yang didapat
linier terhadap jumlah basis q dan level dekomposisi L, dimana waktu komputasi
semakin lama untuk nilai q dan L yang semakin besar. Hasil waktu komputasi
SARA lebih tinggi jika dibandingkan BPSA karena adanya reweighted pada saat
rekonstruksi citra.