Kompresi Audio Secara Terdistribusi Pada Microphone Array
|
|
- Hengki Budi Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Kompresi Audio Secara Terdistribusi Pada Microphone Array Retnawati, Wirawan, Endang Widjiati Jurusan Teknik Elektro FTI Institut Teknologi Sepuluh November Abstrak Kompresi suara telah banyak dipakai untuk mengefisiensikan penyimpanan dan pengiriman suara pada media digital. Pada Tugas Akhir ini dilakukan sebuah penelitian untuk mengkompresi sinyal suara yang lebih dari satu sumber. Biasanya kompresi ini disebut dengan pengkodean sumber terdistribusi (Distributed Source Coding/ DSC). DSC ini diterapkan pada microphone array yang memakai mikropon lebih dari satu. Konfigurasi yang digunakan pada tugas akhir ini adalah konfigurasi huygen s dengan teknik pengkodean multiterminal. Dimana masing-masing sinyal dikodekan pada enkoder yang berbeda dan kemudian didekodekan dengan dekoder yang sama. Kompresi audio secara terdistribusi ini menggunakan transformasi Discrete Wavelet Transform (DWT) yang digabungkan dengan Huffman Coding serta pengkuantisasian yang optimal. Sehingga diharapkan rasio kompresi serta kualitas sinyal suara meningkat. Penilaian yang dilakukan meliputi 2 hal yaitu penilaian secara obyektif dan subyektif. Penilaian obyektif diperoleh dengan mengukur Mean Square Error (MSE) antara sinyal asli dengan sinyal rekonstruksi, sehingga dapat ditentukan Signal to Noise Ratio (SNR) dan besarya rasio kompresi masing-masing sinyal. Sedangkan penilaian subyektif berdasarkan pada penilaian pendengaran manusia dengan menggunakan Mean Opinion Score (MOS). Kata Kunci microphone array, distributed source coding, Discrete Wavelet Transform (DWT), Huffman coding P I. INTRODUCTION ADA aplikasi-aplikasi jaringan seperti sensor nirkabel dan kamera jaringan, banyak sumber informasi yang dilibatkan dan sering dipisahkan dalam jarak yang jauh tidak memungkinkan untuk mentransmisikan semua data ke base station dalam jumlah besar, sehingga perlu dikompresi. Untuk melakukan kompresi pada pengkodean sumber konvensional, sebuah enkoder tunggal memanfaatkan redundancy pada sumber untuk melakukan kompresi. Masalah pengkodean sumber tersebut disebut Distributed Source Coding (DSC) [1]. DSC merupakan kompresi dari beberapa sumber informasi yang dikorelasikan dan tidak berkomunikasi dengan yang lainnya serta memodelkan korelasi tersebut dengan perkalian sumber pada sisi dekoder secara bersama dengan kode kanal. Pada Tugas Akhir ini permasalahan yang dibahas adalah kompresi dan rekonstruksi sinyal audio secara terdistribusi, dimana mikropon memiliki data yang berbeda bergantung dari konfigurasi sensor dan hasil rekaman. Tujuan dari kompresi audio secara terdistribusi ini adalah menghasillkan sinyal rekonstruksi yang mirip dengan sinyal aslinya. Kompresi dan rekonstruksi yang dilakukan menggunakan transformasi DWT yang mendekomposisi sinyal secara diskrit dan pengkodean Huffman dengan memakai prinsip pengkodean sumber terdistribusi pada kanal. II. TEORI PENUNJANG A. Microphone Array Microphone array merupakan proses penyaluran suara dengan menggunakan banyak mikropon yang penempatan letaknya berbeda-beda. Keuntungan dari penggunaan microphone array adalah memungkinkan pengguna untuk terbebas dari penggunaan mikropon yang harus dibawa kemana-mana (hands-free), Menghasilkan suara yang bersih yang terbebas dari gangguan dan juga menghasilkan suara yang nyaring. Terdapat banyak aplikasi pada microphone array, diantaranya : - Sistem untuk pengolahan suara dari ambient noise (telephones, speech recognition systems, hearing aids) - Surround sound dan related technologies - Penentuan lokasi objek dengan suara : acoustic source localization, biasanya digunakan oleh militer untuk menentukan lokasi sumber dari pasukan meriam, tracking lokasi pesawat induk. - Untuk tracking objek pada robot. Gambar 1 adalah salah satu aplikasi microphone array sebagai penentu lokasi sumber suara pada industri pesawat udara. Dimana pengukuran digunakan untuk menyediakan informasi mengenai sumber kebisingan suara mesin dan badan pesawat. Gambar 1. Contoh aplikasi microphone array [2] B. Distributed Source Coding (DSC) Salah satu penerapan dari DSC adalah kompresi audio secara terdistribusi pada microphone array. DSC mengkompresi sumber data yang banyak dengan adanya hubungan korelasi antara sumber-sumber ini, meskipun tanpa akses pada realisasi masing-masing sumber, melalui penggunaan dekoder gabungan, seperti yang terlihat pada 1
2 Gambar 2. Tujuan dari kompresi audio secara terdistribusi ini adalah mengurangi kompleksitas perhitungan, menghemat bandwidth dan mengurangi kosumsi daya. Proses rekonstruki dapat dilihat pada Gambar 4. Gambar 4. Proses rekonstruksi DWT (IDWT) Gambar 2. Pengkodean sumber terdistribusi [3] Kompresi audio secara terdistribusi ini mempergunakan transformasi wavelet diskrit (DWT) yang digabungkan dengan Entropy Huffman Coding serta pengkuantisasian yang optimal. 1. Discrete Wavelet Transform (DWT) Prinsip dasar dari DWT adalah bagaimana cara mendapatkan representasi waktu dan skala dari sebuah sinyal menggunakan teknik pemfilteran digital dan operasi subsampling [4]. Sinyal pertama-tama dilewatkan pada rangkain filter high-pass dan low-pass, kemudian setengah dari masingmasing keluaran diambil sebagai sample melalui operasi subsampling. Proses ini disebut sebagai proses dekomposisi satu tingkat. Dekomposisi satu tingkat ditulis secara matematis pada persamaan (1) dan (2). Y tinggi [k] = (1) Y rendah [k] = (2) Dimana: Y tinggi = hasil dari high-pass filter Y rendah = hasil dari low- pass filter x[n] = merupakan sinyal asal h[n] = highpass filter g[n] = lowpass filter Proses dekomposisi dapat dilihat pada Gambar 3. Gambar 3. Proses Dekomposisi sinyal Setelah melalui tahapan dekomposisi maka koefisienkoefisien wavelet tersebut akan dibentuk kembali melalui proses rekonstruksi. Proses ini disebut inverse discrete wavelet transform (IDWT) [5]. Sehingga persamaan dapat ditulis sebagai berikut: 2. Proses Kuantisasi Kuantisasi merupakan konversi dari sinyal yang bernilai kontiniu waktu-diskrit menjadi sinyal bernilai diskrit dengan waktu diskrit. Nilai setiap cuplikan sinyal direppresentasikan dengan nilai terpilih dari himpunan nilai-nilai yang mungkin. Gambar 5 merupakan proses kuantisasi empat level. Stelah proses kuantisasi dilakukan, selanjutnya akan dilakukan proses pengkodean. Gambar 5. Proses Kuantisasi 3. Pengkodean Huffman Pada pengkodean Huffman, sinyal informasi yang frekuensi munculnya banyak dikodekan dengan jumlah bit terkecil dan sebaliknya untuk informasi yang frekuensi munculnya sedikit dikodekan dengan jumlah bit terbesar. Dikarenakan pembentukan kode dari suatu karakter berdasarkan nilai peluangnya, maka proses pembentukan Huffman tree apabila ada 4 simbol yaitu simbol 00, 01, 10 dan 11 dengan nilai peluang masing-masing simbol 0,125; 0,125; 0,125 dan 0,5 adalah sebagai berikut: Proses diawali dengan menggabungkan dua karakter terakhir (simbol 00 dan 01 yang memiliki nilai peluang 0,125) untuk membentuk output gabungan yang baru dimana nilainya adalah jumlah peluang dari kedua karakter tersebut (0,25). Proses selanjutnya adalah menggabungkan nilai peluang dari proses awal dengan nilai karakter selanjutnya (simbol 10 dengan nilai peluang 0,25), sehingga didapat nilai peluang dari penggabungan tersebut adalah 0,25. Proses selanjutnya adalah menggabungkan nilai peluang dari proses penggabungan tersebut dengan nilai karakter selanjutnya (simbol 11 dengan nilai 0,5), sehingga didapat nilai peluang dari penggabungan tersebut adalah 1. Dari Gambar 5 dan tabel 1 dapat dilihat bahwa kode dari karakter dengan peluang terkecil yaitu 0,125 memiliki panjang bit sebesar 3 dan kode dari peluang terbesar memiliki panjang bit sebesar 1. (3) 2
3 Gambar 6. Huffman tree [6] Tabel 1. Nilai peluang dan kode Huffman Simbol Nilai Peluang Kode Huffman 00 0, , , ,500 0 Penilaian Kinerja Kompresi 1. Penilaian secara obyektif Mean Square Error (MSE) MSE = Dimana e(n) = S(N) - (N), dengan N adalah jumlah sampel, e(n) merupakan selisih sinyal, S(N) menyatakan daya sinyal asli dan (N) menyatakan daya sinyal rekonstruksi. Signal to Noise Ratio (SNR) Rasio Kompresi (4) SNR (db)= 10 log (5) Rasio Kompresi = 100% - 100% Dimana x' adalah ukuran audio hasil kompresi dan x adalah ukuran audio asli (sebelum kompresi) 2. Penilaian secara subyektif Penilaian secara subyektif didasarkan pada persepsi pendengaran manusia yang dihitung dengan Mean Opinion Score (MOS). Penggunaan MOS melibatkan beberapa orang responden untuk memberikan penilaian terhadap sinyal yang didengarkan. Penggunaan MOS untuk ujicoba terhadap kualitas suara diatur dalam standar ITU-T P.800. III. PERENCANAAN DAN IMPLEMENTASI Pada tugas akhir ini, sebelum proses kompresi dan rekonstruksi, dilakukan proses perekaman suara. Pada proses perekaman digunakan beberapa hardware yang harus dikonfigurasikan satu sama lainnya. Hardware yang digunakan antara lain: - dua buah mikropon SM57 - sebuah soundcard ESU1808 (6) - dua buah laptop/ PC - sebuah speaker - kabel audio sepanjang 5m. Desain sistem untuk perekaman ini dapat dilihat pada Gambar 7. Suara yang dibangkitkan oleh speaker ditangkap oleh dua buah mikropon yang tehubung ke soundcard. Soundacard tersebut juga telah terhubung dengan sebuah laptop yang sudah terinstal software nuendo didalamnya. Software ini bisa merekam sinyal suara secara langsung dan bersamaan yang kemudian disimpan kedalam file berbentuk wav. Gambar 7. Desain sistem perekaman suara Proses perekaman dilakukan dengan sumber suara (speaker) sejajar dengan mikropon 1. Jarak antara kedua mikropon adalah 50 cm, sedangkan jarak antara speaker dan mikropon adalah 50 cm. Dimana sumber suara yang digunakan adalah sinyal sinus dan sinyal wicara dengan ucapan TA 304. A. Pengukuran Kalibrasi Mikropon Pengukuran kalibrasi ini dapat dilakukan dengan konfigurasi mikropon dan speaker berada pada posisi saling berhadapan, kemudian jarak antar keduanya diubah-ubah dan dapat diamati dari level sinyal suara yang diterima masingmasing mikropon pada masing-masing jarak. B. Pengukuran Pola Radiasi Mikropon Pada pengukuran pola radiasi mikropon, mikropon ditempatkan di tengah, yaitu pada koordinat (0,0) dengan jarak 30 cm dari speaker. Kemudian speaker diputar searah jarum jam dengan posisi sudut pada interval 30. C. Pengukuran Pola Radiasi Speaker Tidak berbeda dengan pengukuran pola radiasi mikropon, pengukuran pola radiasi speaker juga dillakukan dengan menempatkan speaker pada koordinat (0,0) dan jarak 30 cm dari mikropon. Sudut posisi mikropon diubah-ubah terhadap speaker pada interval 30. D. Proses Kompresi dan Rekonstruksi Proses kompresi dan rekonstruksi dijelaskan pada Gambar 9. Dari Gambar 9 dapat dijelaskan proses kompresi dan rekonstruksi sebagai berikut: 1. Masing-masing dan 2 di transformasi DWT, dimana kedua sinyal tersebut di dekomposisi dengan wavelet diskrit. Masing-masing sinyal dilewatkan pada filter tinggi dan filter rendah, kemudian didownsample sehingga menghasilkan dua buah koefisien, yaitu koefisien aproksimasi dan koefisien detail. 2. Koefisien aproksimasi pada dan 2 dikuantisasi pada beberapa level kuantisasi, yaitu 4, 8, 16, 32, 64, 128 dan 256 level. 3
4 3. Sinyal hasil kuantisasi dari masing-masing sinyal selanjutnya di kodekan dengan pengkodean Huffman yang mengkodekan sinyal berdasarkan frekuensinya. Hasil dari pengkodean huffman menghasilkan suatu sinyal terkompres. A. Pengukuran Kalibrasi Mikropon Kalibrasi mikropon ini bertujuan untuk mengetahui sampai pada jarak berapa mikropon mampu menangkap sinyal suara yang direkam. Pengukuran ini dilakukan dengan menempatkan microphone pada jarak 5 cm sampai 100 cm dari sumber suara. Pada pengujian ini dihasilkan level penerimaan sinyal dari dua buah mikropon terhadap jarak yang diubah-ubah sebesar 5 cm dengan pengaturan volume maksimum. Gambar 10 adalah hasil pengukuran respon jarak, dimana semakin jauh jarak antara mikropon dan speaker, Level penerimaan suara pada mikropon 1 dan 2 semakin menurun hingga -20,8248 db untuk mikropon 1 dan -19,3796 db untuk mikropon 2. Level ini menandakan sinyal yang diterima mikropon semakin lemah Mikropon 1 Mikropon 2-10 Level (db) Gambar 9. Konfigurasi perangkat saat perekaman suara 4. Sinyal 1 dan 2 yang terkompresi didekodekan dengan Huffman dekoder dan pada kedua sinyal tersebut dilakukan joint decoding sehingga menghasilkan satu sinyal output. 5. Sinyal hasil Huffman dekoder direkonstruksi dengan invers DWT, dimana sinyal hasil Huffman dekoder dan sinyal koefisien detail masing-masing dilewatkan pada filter tinggi dan rendah kembali, kemudian di upsample sehingga menghasilkan sinyal hasil rekonstruksi seperti sinyal asli kembali. 6. Sinyal hasil rekonstruksi selanjutnya dibandingkan dengan sumber suara asli, kemudian menghitung nilai SNR dan MSE Jarak (cm) Gambar 10.Respon jarak mikropon 1 dan 2 B. Pengukuran Pola Radiasi Mikropon Pengukuran pola radiasi mikropon bertujuan untuk mengetahui pola sebaran suara yang mampu ditangkap mikropon. Dari hasil pengukuran yang dilakukan, dapat ditampilkan grafik pada gambar 5. Pada Gambar 11 telihat bahwa pada sudut 0º microphone mempunyai intensitas level yang tinggi,yaitu sebesar -15 db dan terjadi perubahan intensitas level disetiap perubahan sudut. Perubahan yang drastis terjadi pada saat sudut 180º. C. Pengukuran Pola Radiasi Speaker Sama dengan pengukuran pola radiasi mikropon, pengukuran pola radiasi speaker juga bertujuan untuk mengetahui pola sebaran suara yang dihasilkan oleh speaker sebagai sumber suara. Hasil pengukuran pola radiasi speaker ini dapat dilihat pada Gambar 12. Dari gambar dapat dianalisa bahwa posisi terbaik adalah speaker dengan posisi sudut mendekati 0º terhadap mikropon. Pada posisi itulah hasil yang didapat merupakan hasil yang terbaik dengan besar level yang diterima adalah sebesar -5,8299 db. IV. HASIL PENGUKURAN DAN ANALISA Data suara yang digunakan pada pengukuran pada beberapa hardware yang digunakan pada proses perekaman adalah berupa sinyal sinus yang dibangkitkan dengan frekuensi sampel 4000 Hz dan level maksimum daya sebesar 0 db. 4
5 3.5 x MSE Gambar 11. Pola Radiasi Mikropon 0 Gambar 13. Grafik perbandingan nilai MSE, dan sinyal joint decoding pada sinyal sinus SNR (db) Gambar 12. Pola Radiasi Speaker D. Pengujian Kompresi dan Rekonstruksi Pada pengujian kompresi dan rekonstruksi digunakan dua buah sampel suara (sinyal sinus dan sinyal wicara) yang masing-masingnya dilakukan tiga pengujian. Pengujian untuk, dan sinyal hasil joint decoding yang diberi nama. Penilaian Obyektif Pengukuran MSE dan SNR Kompresi dilakukan dengan mengubah-ubah nilai dari level kuantisasinya, yaitu dari level 4 sampai level 256. Berdasarkan nilai kuantisasi ini dihitung nilai MSE dan SNR. Yaitu dengan membandingkan antara sinyal rekonstruksi dengan sinyal asli hasil rekaman. 1. Sinyal Sinus Rekonstruksi dengan menggunakan transformasi DWT dan pengkodean Huffman, mampu merekonstruksi sinyal sinus dengan baik. Pada, hasil rekonstruksi terbaik berada pada level kuantisasi 256 dengan nilai MSE (0,3183 x 10-5 ) dan nilai SNR 49,3824 db. Pada, nilai MSE yang dihasilkan sebesar x 10-6 dengan SNR sebesar 49,3821 db untuk level kuantisasi 256. Sedangkanpada sinyal joint decoding, hasil rekonstruksi sinyal terbaik juga pada level kuantisasi 256 dengan nilai MSE (0,3125 x 10-6 ) dan SNR (63,1890 db). Gambar 13 dan 14 menampilkan perbandingan hasil rekonstruksi antara ketiga sinyal tesebut. Dapat dilihat bahwa memiliki nilai MSE terbesar dan SNR terkecil. Sedangkan menghasilkan nilai MSE dan SNR terbaik. Hal ini berarti sinyal yang dikompresi secara terdistribusi dengan melakukan penggabungan sinyal pada dekoding (joint decoding) menghasilkan sinyal rekonstruksi terbaik yang sama dengan sinyal aslinya. 48 Gambar 14. Grafik perbandingan nilai SNR, dan sinyal joint decoding pada sinyal sinus 2. Sinyal Wicara Bila dibandingkan dengan sinyal sinus, sinyal wicara lebih rumit, karena memiliki level yang berbeda-beda tiap sampelnya. Gambar 15 dan 16 menunjukkan perbandingan nilai MSE dan SNR dari, dan sinyal joint decoding. Hasil rekonstruksi terbaik untuk ketiga sinyal tersebut yaitu pada level kuantisasi 256. Pada dihasilkan MSE sebesar 0,8392x 10-7 dan SNR sebesar 52,5459 db, menghasilkan nilai MSE (0,8208 x 10-7 ) dan SNR (52,5808 db), sedangkan pada nilai MSE dan SNR yang dihasilkan sebesar ( x 10-7 ) dan 55,1898 db. Bila dibandingkan, pengkompresian sinyal secara terdistribusi menghasilkan nilai MSE dan SNR yang lebih baik daripada pengkompresian sinyal secara tersendiri. Dimana sinyal hasil rekonstruksinya pun lebih baik dibandingkan yang lainnya. Dapat dianalisa bahwa kompresi audio secara terdistribusi telah berhasil melakukan rekonstruksi dengan baik. Dimana jumlah level kuantisasi berperngaruh terhadap kualitas sinyal hasil rekonstruksi. Berdasarkan gambar 15 dan 16 terlihat nilai MSE dan SNR yang dihasilkan semakin bagus. 5
6 MSE 11 x Gambar 15. Grafik perbandingan nilai MSE, dan sinyal joint decoding sinyal wicara Rasio Kompresi Perhitungan rasio kompresi dilakukan untuk mengetahui berapa persen besarnya pemampatan dari sinyal hasil kompresi. Rasio kompresi dihitung dengan membandingkan sinyal asli dengan sinyal hasil kompresi. Gambar merupakan rasio kompresi untuk masing-masing sinyal pada sinyal wicara dan sinyal sinus. Berdasarkan grafik pada gambar-gambar tersebut dapat dilihat bahwa terjadinya penurunan rasio kompresi pada setiap kenaikan jumlah bit kuantisasi. Hal ini terjadi karena semakin banyak jumlah level kantisasi, jumlah bit kuantisasi semakin besar dan rasio kompresi juga akan semakin besar, sehingga jika jumlah bit kuantisasi bertambah besar maka rasio sinyal asli dengan sinyal hasil kompresi akan semakin kecil. SNR (db) Gambar 16. Grafik perbandingan nilai SNR, dan sinyal joint decoding pada sinyal wicara Persentase pemampatan Gambar 17. Persentase pemampatan pada sinyal wicara Persentase pemampatan Gambar 18. Persentase pemampatan pada sinyal sinus Penilaian Subyektif Pada pengujian ini ada sepuluh orang responden. Masingmasing responden diminta menilai kualitas audio hasil kompresi yang dihasilkan berdasarkan score yang telah ditentukan. Berdasarkan penilaian para responden, sinyal yang dikompresi dengan level kuantisasi 256 bernilai 5 (sangat baik) sedangkan level kuantisasi 4 bernilai 2 (jelek). Hal ini menandakan sinyal rekonstruksi yang dihasilkan adalah bagus, sesuai dengan sinyal aslinya. V. KESIMPULAN Dari hasil pengambilan data dan analisa yang dilakukan selama pengerjaan Tugas Akhir ini, dapat ditarik beberapa kesimpulan sebagai berikut : 1. Pengukuran respon jarak kedua mikropon harus dilakukan pada penguatan yang sesuai sehingga keduanya dapat menangkap sinyal dengan level suara yang sama. 2. Semakin jauh jarak sumber dari mikropon, maka level penerimaan suara makin kecil yaitu sebesar -20,8248 db pada mikropon 1 dan -19,3796 db pada mikropon 2 dan begitu juga sebaliknya. 3. Polaradiasi mikropon dan speaker menghasilkan level terbaik pada posisi (0,0), yaitu mikropon dan speaker berhadapan satu sama lainnya pada posisi 0⁰. 4. Level Kuantisasi berpengaruh pada kualitas sinyal hasil rekonstruksi. 5. Pada level kuantisasi yang semakin besar (256 level) nilai MSE makin kecil dan nilai SNR semakin besar. Dimana menandakan hasil rekonstruksi sinyal semakin baik. 6. Rasio kompresi semakin kecil dengan bertambahnya level kuantisasi, yaitu menjadi 60 % pada level kuantisasi 256. Dimana sebelumnya mencapai nilai 90 % pada level kuantisasi 4, hal ini dikarenakan jumlah bit yang dihasilkan semakin banyak. 7. Kompresi audio secara terdistribusi menghasilkan kualitas sinyal rekonstruksi yang lebih baik daripada pengkompresian sinyal secara tersendiri dimana nilai SNR yang dihasilkan lebih besar, yaitu mencapai 55,1898 db untuk sinyal wicara dan 63,5465 db untuk sinyal sinus. DAFTAR PUSTAKA 6
7 [1] Dragoti Pier Luigi, Gatstpor Michael, Distributed Source Coding- Introduction, Elsevier, [2] M.G.Smith, K.B.Kim and D.J.Thompson. Noise Source Identification Using Microphone Array. Reprinted from Proceedings of the Institute of Acoustics Vol. 29. Pt [3] Venkataraman, Jagadish, Analysis of Slepian Wolf Coding, University of Notredame,2003 [4] Polikar R, The Wavelet Tutorial, Part IV, Rowan University, Glassboro, NJ [5] Nainggolan, Jannus M, Discrete Wavelet Transform: Teori dan Penerapan pada Sistem Daya, Teknik Elektro Universitas Gadjah Mada, Yogyakarta, 2003 [6] Cover, Thomas M And Thomas, Joy A, Elements of Information Theory, John Willey and Son s, Inc. Publication, RIWAYAT PENULIS Retnawati, putri sulung dari pasangan Junahar dan Zulhamni, lahir di Bukittinggi, 8 Maret Menempuh pendidikan di SDN 09 Sitapung, kemudian SLTPN 1 IV Angkat Candung dan SMUN 1 IV Angkat Candung. Lulus SMU tahun 2005 dan melanjutkan pendidikan D3 di Politeknik Negeri Padang jurusan Elektro dan lulus dengan gelar Amd pada tahun Penulis melanjutkan studi tingkat Sarjana di jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaya pada Februari 2009 melalui program Lintas Jalur dengan mengambil bidang studi Telekomunikasi Multimedia 7
BAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring berjalannya waktu dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan dari media digital (seperti citra digital, video digital,
Lebih terperinciKOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET
KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET Allen Dick Scott / 0222033 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl.Prof.Drg.Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang Masalah
1. Pendahuluan 1.1 Latar Belakang Masalah Jumlah pengguna komputer semakin meningkat. Peningkatan jumlah pengguna komputer mengakibatkan penggunaan data digital juga semakin meningkat. Salah satu media
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
Lebih terperinciAnalisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)
Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT) Putri Madona Jurusan Teknik Elektro Program Studi Teknik Elektronika Politeknik Caltex Riau Pekanbaru,
Lebih terperinciAnalisa Multiwavelet untuk Kompresi Suara
1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro
Lebih terperinciKOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4
KOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4 Disusun Oleh : Nama : Michael Darmawan Nrp : 0322130 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri,
Lebih terperinciPROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciBAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda.
BAB II DASAR TEORI. Umum Pada kebanyakan sistem, baik itu elektronik, finansial, maupun sosial sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda. Karena sebagian besar sinyal
Lebih terperinciImplementasi dan Evaluasi Kinerja Kode Konvolusi pada Modulasi Quadrature Phase Shift Keying (QPSK) Menggunakan WARP
JURNAL TEKNIK ITS Vol., No. 1, (215) ISSN: 2337539 (231-9271 Print) A Implementasi dan Evaluasi Kinerja Kode Konvolusi pada Modulasi Quadrature Phase Shift Keying (QPSK) Menggunakan WARP Desrina Elvia,
Lebih terperinciBab I Pendahuluan 1 BAB I PENDAHULUAN
Bab I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pesatnya perkembangan teknologi multimedia, jaringan komputer, jaringan Internet menimbulkan peningkatan kemudahan pengiriman informasi yang berupa
Lebih terperinciPengukuran Sinyal Akustik untuk Mendeteksi Sumber Noise Menggunakan Metode Beamforming
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Pengukuran Sinyal Akustik untuk Mendeteksi Sumber Noise Menggunakan Metode Beamforming Myta Pristanty, Wirawan, Endang Widjiati Bidang Studi Telekomunikasi
Lebih terperinciSIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT
SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kompresi File Pada dasarnya semua data itu merupakan rangkaian bit 0 dan 1. Yang membedakan antara suatu data tertentu dengan data yang lain adalah ukuran dari rangkaian bit dan
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Dengan perkembangan teknologi komunikasi terutama dalam bidang internet, penyebaran informasi pada media melalui internet sangat mudah didapat. Akses informasi melalui
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciBAB II PENCUPLIKAN DAN KUANTISASI
BAB II PENCUPLIKAN DAN KUANTISASI Sebagian besar sinyal-sinyal di alam adalah sinyal analog. Untuk memproses sinyal analog dengan sistem digital, perlu dilakukan proses pengubahan sinyal analog menjadi
Lebih terperinciDAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...
ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini membahas landasan teori yang bersifat ilmiah untuk mendukung penulisan penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, jenis-jenis citra digital, metode
Lebih terperinciN, 1 q N-1. A mn cos 2M , 2N. cos. 0 p M-1, 0 q N-1 Dengan: 1 M, p=0 2 M, 1 p M-1. 1 N, q=0 2. α p =
tulisan. Secara umum, steganografi dapat diartikan sebagai salah satu cara menyembunyikan suatu pesan rahasia (message hiding) dalam data atau pesan lain yang tampak tidak mengandung apa-apa sehingga keberadaan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciANALISIS KINERJA BASIC RATE ACCESS (BRA) DAN PRIMARY RATE ACCESS (PRA) PADA JARINGAN ISDN
Widya Teknika Vol.18 No.1; Maret 2010 ISSN 1411 0660 : 1-5 ANALISIS KINERJA BASIC RATE ACCESS (BRA) DAN PRIMARY RATE ACCESS (PRA) PADA JARINGAN ISDN Anis Qustoniah 1), Dewi Mashitah 2) Abstrak ISDN (Integrated
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciDAFTAR ISI. ABSTRACT ii KATA PENGANTAR iii DAFTAR ISI...iv DAFTAR GAMBAR.vii DAFTAR TABEL...ix DAFTAR SINGKATAN...x
ABSTRACT Speech coding can be defined as a method to reduce some information which is needed to represent speech signal for transmission or storage application. The main reason of speech coding is how
Lebih terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciDESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT
DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT Mayo Ama Kella Loing, Koredianto Usman, Rita Magdalena Institut Teknologi
Lebih terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciAdaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks
Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks Redi Kuncoro Katri 1,*, Gelar Budiman 1, Ledya Novamizanti 1 1 Universitas Telkom, Fakultas Teknik Elektro
Lebih terperinciBAB I PENDAHULUAN. MMS (Multimedia Messaging Service) adalah puncak dari evolusi SMS
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah MMS (Multimedia Messaging Service) adalah puncak dari evolusi SMS (Short Messaging Service) yang berupa pesan teks pendek, dan EMS (Enhanced Messaging Service)
Lebih terperinciPENENTUAN LOKASI SUMBER
PENENTUAN LOKASI SUMBER DENGAN MENGGUNAKAN HYDROPHONE TUNGGAL Annisa Firasanti 2207100159 Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc LATAR BELAKANG Potensi perairan Indonesia
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak ditemukannya alat untuk menangkap suatu gambar pada bidang dua dimensi (citra) berupa kamera, dengan semakin berkembangnya teknologi pada saat ini sehingga
Lebih terperinciBAB 3 PERANCANGAN SISTEM PENGENAL SUARA
BAB 3 PERANCANGAN SISTEM PENGENAL SUARA 3.1 Perangkat Keras yang Digunakan Untuk menunjang perancangan sistem pengenalan suara, maka digunakan perangkat keras ( Hardware ) dengan spesifikasi sebagai berikut
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION
ADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION Disusun oleh : Nama : Dian Eriani Surbakti Nrp : 0822104 Jurusan Teknik
Lebih terperinciCompressed Sensing untuk Sinyal Audio dengan Sensor Jamak
Compressed Sensing untuk Sinyal Audio dengan Sensor Jamak Muhammad Ibnu Bahrurrahim : 2207100562 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus
Lebih terperinciApa Compressed Sensing?
1 COMPRESSED SENSING UNTUK APLIKASI PENGOLAHAN CITRA OMRIN TAMPUBOLON 2207100531 DOSEN PEMBIMBING Dr. Ir. Wirawan, DEA Jurusan Teknik Elektro Bidang Studi Telekomunikasi Multimedia Institut Teknologi Sepuluh
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB III METODE KOMPRESI HUFFMAN DAN DYNAMIC MARKOV COMPRESSION. Kompresi ialah proses pengubahan sekumpulan data menjadi suatu bentuk kode
BAB III METODE KOMPRESI HUFFMAN DAN DYNAMIC MARKOV COMPRESSION 3.1 Kompresi Data Definisi 3.1 Kompresi ialah proses pengubahan sekumpulan data menjadi suatu bentuk kode untuk menghemat kebutuhan tempat
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan
Lebih terperinciBAB 4 HASIL UJI COBA DAN ANALISIS
38 BAB 4 HASIL UJI COBA DAN ANALISIS Uji coba dilakukan terhadap 5 buah citra tanda tangan. Dari tiap citra kemudian diujicobakan dengan ditransmisikan sebanyak 1 kali yang akan menghasilkan 1 variasi
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Media informasi, seperti sistem komunikasi dan media penyimpanan untuk data, tidak sepenuhnya reliabel. Hal ini dikarenakan bahwa pada praktiknya ada (noise) atau inferensi
Lebih terperinciTeknik Sistem Komunikasi 1 BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Model Sistem Komunikasi Sinyal listrik digunakan dalam sistem komunikasi karena relatif gampang dikontrol. Sistem komunikasi listrik ini mempekerjakan sinyal listrik untuk membawa
Lebih terperinciBAB 1 PENDAHULUAN. Bab 1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi terutama pada dunia digital pada saat ini memungkinkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa batas ruang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciTeknologi Multimedia. Suara dan Audio
Teknologi Multimedia Suara dan Audio SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu
Lebih terperinciTTG3B3 - Sistem Komunikasi 2 Teori Informasi
TTG3B3 - Sistem Komunikasi 2 Teori Informasi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Oleh: Linda Meylani Agus D. Prasetyo Tujuan Pembelajaran Memahami besaran-besaran informasi
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: D-33
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 23019271 D33 Penentuan Posisi Sumber Bising Pada Area Turbine Geared Compressor Set Di PT. Gresik Power Indonesia (The Linde Group) Dengan Beamforming Hade
Lebih terperinciABSTRACT. Nowadays, speech coding technology that encode speech with a minimum
ABSTRACT Nowadays, speech coding technology that encode speech with a minimum number of bits while maintaining its quality is very required. This final project uses Multi Band Excitation (MBE) to encode
Lebih terperinci1. PENDAHULUAN 1.1. Latar Belakang Masalah
1. PENDAHULUAN 1.1. Latar Belakang Masalah Kompresi data merupakan suatu proses pengubahan ukuran suatu file atau dokumen menjadi lebih kecil secara ukuran. Berkembangnya teknologi hardware dan software
Lebih terperinciCEG4B3. Randy E. Saputra, ST. MT.
CEG4B3 Randy E. Saputra, ST. MT. Video Conference Video Conference adalah teknologi perangkat jaringan yang dapat menghubungkan secara langsung antara 2 user atau lebih yang terpisah, dengan menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciKomunikasi Data POLITEKNIK NEGERI SRIWIJAYA. Lecturer: Sesi 5 Data dan Sinyal. Jurusan Teknik Komputer Program Studi D3 Teknik Komputer
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Komunikasi Data Sesi 5 Data dan Sinyal 2015 Komunikasi Data 1 Data & Sinyal
Lebih terperinciAplikasi Teknik Speech Recognition pada Voice Dial Telephone
Aplikasi Teknik Speech Recognition pada Voice Dial Telephone Oleh: Ahmad Irfan Abdul Rahman Tri Budi Santoso Titon Dutono Laboratorium Sinyal, Politeknik Elektronika Negeri Surabaya (PENS) Institut Teknologi
Lebih terperinciBAB III PENGEMBANGAN TEKNIK KOMPRESI EXISTING DAN SIMULASI
26 BAB III PENGEMBANGAN TEKNIK KOMPRESI EXISTING DAN SIMULASI Berdasarkan tujuan dan batasan penelitian yang telah dijelaskan pada Bab Pendahuluan, penelitian yang akan dilaksanakan adalah menganalisis
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciBAB II DIGITISASI DAN TRANSMISI SUARA. 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan
BAB II DIGITISASI DAN TRANSMISI SUARA 2.1 Umum Telinga manusia memiliki kemampuan menerima frekwensi dalam kisaran 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan frekwensi yang sempit
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciABSTRAK. Kata kunci : Watermarking, SVD, DCT, LPSNR. Universitas Kristen Maranatha
Penerapan Watermarking pada Citra Menggunakan Teknik Singular Value Decomposition Discrete Cosine Transform Berdasarkan Local Peak Signal to Noise Ratio Frederick Michael ( 0522072 ) Jurusan Teknik Elektro,
Lebih terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciTUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT )
TUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT ) Diajukan untuk Melengkapi Tugas Akhir dan Memenuhi Syarat-syarat untuk Mencapai Gelar Sarjana Teknik Fakultas Teknik
Lebih terperinciANALISIS KINERJA TEKNIK DIFFERENTIAL SPACE-TIME BLOCK CODED PADA SISTEM KOMUNIKASI KOOPERATIF
1/6 ANALISIS KINERJA TEKNIK DIFFERENTIAL SPACE-TIME BLOCK CODED PADA SISTEM KOMUNIKASI KOOPERATIF I Gusti Putu Raka Sucahya - 2206100124 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciBAB I PENDAHULUAN. menggunakan digital watermarking. Watermarking bekerja dengan menyisipkan
BAB I PENDAHULUAN 1. Latar Belakang Perkembangan teknologi digital serta internet yang cukup pesat telah memberi kemudahan dalam mengakses dan mendistribusikan berbagai informasi dalam format digital,
Lebih terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pembahasan pada bab ini berisi penjelasan cara pengujian beserta hasil pengujian untuk melihat apakah hasil perancangan sistem penyama beserta analisisnya memenuhi sasaran
Lebih terperinciAPLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET
APLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET Anny Yuniarti 1), Nadya Anisa Syafa 2), Handayani Tjandrasa 3) 1,2,3) Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember (ITS) Surabaya Surabaya
Lebih terperinciBAB II TINJAUAN PUSTAKA
DAFTAR ISI HALAMAN PENGESAHAN... PERNYATAAN... PRAKATA... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN... DAFTAR SINGKATAN... INTISARI... ABSTRACT... BAB I PENDAHULUAN 1.1 Latar Belakang...
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama.
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Experimen Pada dasarnya tahapan yang dilakukan pada proses pengambilan sampel dari database dan database query, secara keseluruhan menggunakan cara yang sama. Berdasarkan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Kompresi Data Kompresi adalah mengecilkan/ memampatkan ukuran. Kompresi Data adalah teknik untuk mengecilkan data sehingga dapat diperoleh file dengan ukuran yang lebih kecil
Lebih terperinciBAB I PENDAHULUAN. penting di abad ini. Seiring dengan perkembangan aktifitas manusia yang semakin
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Telekomunikasi merupakan salah satu bidang yang memegang peranan penting di abad ini. Seiring dengan perkembangan aktifitas manusia yang semakin mobile dan kemajuan
Lebih terperinciPenerapan Pohon Biner Huffman Pada Kompresi Citra
Penerapan Pohon Biner Huffman Pada Kompresi Citra Alvin Andhika Zulen (3507037) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha No 0 Bandung,
Lebih terperinciSatuan Acara Perkuliahan Arjuni Budi P.
: Overview Sistem Komunikasi Digital Tujuan pembelajaran umum : Para mahasiswa mengetahui ruang lingkup Sistem Komunikasi Digital Jumlah pertemuan : 1(satu) kali 1 menyebutkan elemen-elemen dari Sistem
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini memuat latar belakang perlunya penyisipan watermark di dalam citra digital, perumusan masalah secara sistematis, serta metodologi yang digunakan untuk memecahkan masalah yang
Lebih terperinciCEG4B3. Randy E. Saputra, ST. MT.
CEG4B3 Randy E. Saputra, ST. MT. Suara Bentuk gelombang yang berulang secara teratur = gelombang periodik Bentuk gelombang yang tidak menunjukkan keteraturan = kebisingan (noise) Bentuk gelombang yang
Lebih terperinciKOMUNIKASI DATA PROGRAM STUDI TEKNIK KOMPUTER DOSEN : SUSMINI I. LESTARININGATI, M.T
KOMUNIKASI DATA PROGRAM STUDI TEKNIK KOMPUTER 3 GANJIL 2017/2018 DOSEN : SUSMINI I. LESTARININGATI, M.T Sinyal Digital Selain diwakili oleh sinyal analog, informasi juga dapat diwakili oleh sinyal digital.
Lebih terperinciBABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa.
BAB I PENDAHULUAN BABI PENDAHULUAN 1.1. LATAR BELAKANG Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa. Salah satunya adalah alat untuk mengukur intensitas bunyi dan gain dari sinyal
Lebih terperinciABSTRAK. Teknologi pengkode sinyal suara mengalami kemajuan yang cukup. pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari
ABSTRAK Teknologi pengkode sinyal suara mengalami kemajuan yang cukup pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari pengkode sinyal suara yaitu output sinyal suara yang mempunyai
Lebih terperinciJURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: ( Print) A-192
JURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: 2337-3539 (2301-9271 Print) A-192 Implementasi Dan Evaluasi Kinerja Encoder-Decoder Reed Solomon Pada M-Ary Quadrature Amplitude Modulation (M-Qam) Mengunakan
Lebih terperinciOPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG
1/6 OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG Bayu Sampurna 2206 100 180 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciPERBANDINGAN KUALITAS WATERMARKING DALAM CHANNEL GREEN DENGAN CHANNEL BLUE UNTUK CITRA RGB PADA DOMAIN FREKUENSI ABSTRAK
PERBANDINGAN KUALITAS WATERMARKING DALAM CHANNEL GREEN DENGAN CHANNEL BLUE UNTUK CITRA RGB PADA DOMAIN FREKUENSI Lucky David Tando ( 0522025 ) Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof. Drg. Suria
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau benda, misal: foto seseorang mewakili entitas dirinya sendiri di depan kamera. Sedangkan
Lebih terperinciBAB I PENDAHULUAN 1.2 Rumusan Masalah 1.3 Batasan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan data elektronik dalam area Public Health telah menyebabkan organisasi pemrosesan menjadi lebih efisien. Transfer medical data pada jaringan data online atau
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Pengenalan Citra
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra merupakan representasi (gambaran) dari sebuah objek nyata yang dihasilkan oleh alat digital. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS. Muhammad Rizki Anggia
PERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS Muhammad Rizki Anggia Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
Lebih terperinciBAB IV SIMULASI DAN ANALISA DATA
BAB IV SIMULASI DAN ANALISA DATA IV.1 Karakteristik Sinyal Input Sinyal suara yang akan disimulasikan dengan menggunakan 3 buah sampel suara yang diucapkan oleh satu orang wanita dan 2 orang laki-laki
Lebih terperinciPEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL
PEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL Taufani Rizal Nofriansyah NRP. 2207 100 004 Dosen Pembimbing : Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc Latar Belakang Kondisi perairan
Lebih terperinciKompresi Citra Berwarna Menggunakan Transformasi Wavelet
Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 1, April 2014, hal 55-62 Kompresi Citra Berwarna Menggunakan Transformasi Wavelet Suma inna, Dipo Alam Program Studi Matematika Fakultas Sains dan
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinci