Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknologi speech coding untuk kompresi sinyal speech dilakukan untuk menghemat konsumsi bandwidth. Salah satu metode analisis speech coding adalah Linier Predictive Coding (LPC). LPC adalah suatu metode yang memprediksi sampel ke-n dari suatu sinyal, s(n), dengan membentuk kombinasi linier dari p sampel sebelumnya. Algoritma Mixed Excited Linier Prediction (MELP) merupakan algoritma kompresi suara yang dikembangkan berdasarkan algoritma LPC. Pada coder MELP dilakukan pencampuran sinyal eksitasi pulsa dan noise untuk menghilangkan dengung yang dihasilkan LPC biasa. Pemilihan nilai koefisien linear prediction (LP) yang memiliki nilai Mean Square Error (MSE) terkecil terhadap sinyal asli dilakukan. Koefisien LP yang memiliki nilai MSE terkecil inilah yang akan dikirimkan sebagai model untuk membangkitkan sinyal suara kembali pada penerima. Dari hasil simulasi diperoleh bahwa model yang memiliki nilai MSE terkecil terhadap sinyal asli adalah yang memiliki jumlah koefisien LP sebanyak 10,15 dan 17 buah bergantung darijenis input suara."

"Kompresi suara atau yang biasa disebut dengan pengkodean suara (speech coding) merupakan metode untuk mengurangi jumlah informasi yang dibutuhkan untuk mewakilkan sinyal suara. Teknologi speech coding untuk kompresi sinyal speech dilakukan untuk memperbaiki (menghemat) kinerja bandwidth yang terbatas dan untuk mendukung privasi komunikasi (enkripsi data/pesan). Code Excited Linear Prediction (CELP) yang merupakan pengembangan dari Linear Predictive Coding (LPC) menggunakan metode linear prediction dalam pengkompresan sinyal speech.Linear prediction adalah suatu metode yang memprediksi sampel ke-n dari suatu sinyal, s(n), dengan membentuk kombinasi linear dari p sampel s(n) sebelumnya. Kombinasi linier umumnya dioptimalkan dengan meminimalkan kuadrat dari prediction error (Mean Square Error, MSE). Suatu encoder CELP (Code Excited Linear Prediction) mempunyai model vocal tract yang sama dengan encoder LPC. Sebagai tambahannya, pada CELP menghitung error yang terjadi antara input data speech dengan model yang dibangkitkan dan mentransmisikan parameter-parameter dari model tersebut dan representasi error-nya.Dari hasil simulasi yang dilakukan diperoleh bahwa model yang memiliki nilai MSE terkecil terhadap sinyal asli adalah yang memiliki jumlah koefisien linear prediction sebanyak 15 buah. Dengan demikian, model yang akan dikirimkan adalah yang memiliki koefisien linear prdiction sebanyak 15 buah."

"Hambatan komunikasi verbal merupakan salah satu masalah kesehatan yang dialami lanjut usia (lansia). Hambatan komunikasi verbal yang terjadi pada lansia berhubungan dengan penyakit cerebrovaskular. Karya ilmiah akhir ners ini bertujuan menganalisis asuhan keperawatan kesehatan masyarakat perkotaan pada Ibu SM (89 tahun) dengan masalah hambatan komunikasi verbal di Wisma Cempaka Sasana Tresna Werdha Karya Bhakti Cibubur. Intervensi dalam asuhan keperawatan ini terdiri dari mendengar aktif, penurunan ansietas, peningkatan komunikasi, yaitu melalui terapi wicara. Hasil evaluasi dari 23 implementasi menunjukkan peningkatan kemampuan mengucapkan kata, kalimat sederhana, dan kalimat kompleks. Mrs. SM juga terlihat percaya diri menyanyi di hadapan orang lain. Kesimpulannya adalah terapi wicara merupakan cara meningkatkan komunikasi pada lansia dengan hambatan komunikasi verbal.

---

Impaired verbal communication is one of health problems experienced by elderly. Impaired verbal communication that occurs on elderly is associated with cerebrovascular disease. The aim of this study is to analyze urban community nursing care on Mrs. SM (89 years) with impaired verbal communication at Wisma Cempaka Sasana Tresna Werdha Karya Bhakti Cibubur. Nursing Intervention includes active listening, decreased anxiety, improved communication through speech therapy.

The results from 23 implementations showed an increament in the ability to say words, simple sentences, and complex sentences. Mrs. SM also looked confident while singing in front of others. The conclusion is speech therapy is a way to improve communication on the elderly with impaired verbal communication."

"ABSTRAKMetode Golomb-Rice Coding (GRC) sudah diciptakan sejak lama, tetapi sampai sekarang sangat jarang pemakaiannya untuk kompresi citra. Metode tersebut mempunyai kompleksitas yang rendah. Beberapa sistem kompresi citra yang telah distandardisasi saat ini serta lazim digunakan adalah Huffman encoding, LZW encoding dan Run-length encoding (RLE).Pada skripsi ini akan dibuat suatu sistem kompresi citra yang bersifat losssless. Sistem ini menggunakan Lossless Predictive Coding dimana pada bagian encodernya menggunakan metode GRC. Penggunaan GRC dipilih karena memiliki kompleksitas rendah sehingga mudah untuk diaplikasikan. Lossless Predictive Coding kemudian digabungkan dengan suatu prosedur penentuan konteks dan suatu prosedur encoding sederhana (diberi nama ?mode run?). Penambahan mode run ini bertujuan untuk mengoptimalkan rasio kompresi yang akan dihasilkan nantinya.Sistem ini lalu disimulasikan dengan MATLAB 5.31, kemudian hasil simulasi ini dibandingkan dengan sitem kompresi citra lossless yang lain, yakni RLE dan LZW.

---

"

"Kemajuan yang pesat di bidang telekomunikasi dewasa ini menyebabkan timbulnya berbagai jenis teknik kompresi yang dimanfaatkan dalam berbagai aplikasi. Teknik kompresi yang sangat dikenal saat ini adalah teknik kompresi DCT (discrete cosine transform) dengan metode scanning zig-zagnya.Teknik kompresi yang sedang dikembangkan saat ini adalah teknik kompresi dengan menggunakan transformasi wavelet. Dari perhitungan lama proses, nilai PSNR dan SNR, ternyata teknik kompresi transformasi wavelet memberikan hasil yang lebih bagus dibanding teknik kompresi dengan menggunakan DCT.Sampai saat ini belum ada pembakuan metode scanning yang cocok untuk diterapkan pada transformasi wavelet. Tesis ini membahas simufasi penerapan metode scanning vertikal, horisontal, zig-zag, dan diagonal pada kompresi gambar diam dengan menggunakan transformasi wavelet.Dengan membandingkan kinerja rasing-masing metode scanning, dalam hal ini parameter yang diperbandingkan adalah lama proses, jumlah koefisien yang di-scan, perhitungan RMSE temyata diperoleh bahwa metode scanning yang cocok untuk transformasi Wavelet adalah metode scanning zig-zag.

---

Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance. ;Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance."

"ABSTRAKUntuk mengkompresi data menggunakan teknik kuantisasi vektor, dibutuhkan sebuah codebook yang dibentuk dari vektor-vektor yang dihasilkan dari data asal. Banyak metode-metode untuk membentuk codebook ini, yang bersifat deterministik maupun yang bersifat non-deterministik. Salah satu metode deterministik yang paling sering digunakan adalah Algoritma Lloyd. Sayang sekali Algoritma Lloyd ini memiliki kompleksitas n2 sehingga tidak cocok digunakan pada data yang menghasilkan jumlah vektor yang sangat besar. Pendekatan non-deterministik pun (neural network, aproksimasi) bukan merupakan pilihan yang baik untuk jumlah vektor yang besar, karena sifat non-deterministik tersebut menyebabkan waktu eksekusinya tidak dapat diperkirakan dan memiliki rentang yang besar pula seiring dengan membesarnya jumlah vektor. Metode Fair-Share Amount ini dibuat khusus untuk men-generate codebook dari jumlah vektor yang besar. Dengan waktu eksekusi yang relatif singkat dan hasil yang cukup baik (error yang cukup kecil) metode ini cocok dipergunakan untuk jumlah vektor data yang besar karena kompleksitasnya hanyalah n 2log n. Tetapi metode ini bukannya tanpa kelemahan, karena metode ini sangat tidak cocok untuk diterapkan pada jumlah data yang kecil. Pada jumlah data yang kecil error yang dihasilkan relatif lebih besar dibanding dengan metode-metode lain yang ada pada saat ini."

"Kompresi citra menjadi salah satu pokok bahasan dalam pengolahan citra karena menjadi penting saat ukuran citra yang besar diperkecil untuk menghemat media penyimpanan dan mempercepat transmisi citra itu sendiri. Menggunakan citra hasil kompresi dengan nilai informasi yang terkandung didalamnya tidak banyak berubah atau hilang dari informasi citra sebelum dikompresi menjadi target yang akan dicapai dengan metode kompresi JPEG dan Wavelet. Kompresi teknik JPEG dengan variasi variabel faktor kualitas citra dan kompresi citra dengan metode Wavelet dengan variasi variable jenis Wavelet yang digunakan. Dengan variasi nilai varaibel tersebut akan menemukan nilai yang optimum dari masing teknik kompresi. Nilai optimum akan ditinjau dari hasil keluaran seperti rasio kompresi, PSNR dan waktu komputasi dari masing-masing teknik kompresi JPEG dan Wavelet. Hasil simulasi menunjukkan tingkat kompresi pada Wavelet lebih baik dari JPEG, yakni berkisar 65-70 kali pemampatan sementara pada JPEG hanya 20-25 untuk nilai PSNR yang sama yaitu berkisar 35-45 db.

---

Image compression becomes one subject in image processing because it important when a large image size reduced to save on storage media and transmission speed up the image itself. Using image compression results with the value of the information contained therein is not much change or disappear from the image information before it is compressed into a target to be achieved by the method of JPEG and Wavelet compression. Using JPEG compression techniques with variable variation image quality and image compression with Wavelet method with a variation of the variable type of Wavelet used. By variation of the value varaibel will find the optimum value of each compression technique. The optimum value of the output will be reviewed such as compression ratio, PSNR and computation time of each JPEG and Wavelet compression techniques. The simulation results show the level of Wavelet compression is better than JPEG, which ranges from 65-70 times, the JPEG compression while only 20-25 for the same PSNR value which ranges from 35-45 db."

"Permasalahan utama dalam kompresi gambar adalah bagaimana mendapatkan PSNR (Peak Signal to Noise Ratio) dan Rasio Kompresi (RK) yang baik (tinggi) secara bersamaan serta gambar hasil kompresi yang masih dikenali oleh manusia serta waktu pemrosesan yang relatif cepat. Rasio kompresi yang tinggi menunjukkan penurunan nilai derajat keabuan (grayscale) dalam bit per piksel dan PSNR yang tinggi berhubungan dengan kwalitas gambar rekonstruksi yang diperoleh pada penerima. Proses kompresi dilakukan dengan mengkuantisasi koefisien-koefisien wavelet yang sangat beragam menjadi nilai dan tingkat tertentu. Nilai ini ditentukan oleh proses iterasi untuk mendapatkan distorsi minimal. Pemrosesan dengan ukuran sel yang sering digunakan yaitu 4x4 walaupun mempunyai PSNR yang tinggi namun mempunyai kelemahan rasio kompresi yang rendah serta waktu pengalahan yang relatif lama. Untuk itu digunakn ukuran sel (N) lain yaitu 8x8, 16x16 dan 32x32 kemudian dilakukan proses iterasi (k) untuk mencari distorsi minimum dan penambahan jumlah tingkat kwantisasi (M). Kedua hal terakhir ini adalah untuk menaikkan PSNR, sehingga walaupun ukuran sel diperbesar namun PSNRnya masih dapat dipertahankan. Dari nilai PSNR dan rasio kompresi yang diperoleh serta karakteristiknya diperoleh titik optimal yaitu pada ukuran sel ditambah proses iterasi don jumlah tingkat kwantisasi. Hasilnya adalah sel ukuran 32x32 dapat digunakan untuk mendapatkan rasio kompresi tertinggi dengan M=4, k=0 atau M=2, k=0 atau sel ukuran 16x16 untuk mendapatkan PSNR yang baik.

---

The main problem on image compression is how to achieve value both Compression Ratio (CR) and Peak Signal to Noise Ratio (PSNR) simultaneously high, a recognized reconstructed image and relatively small time processing. Compression ratio deals with decreasing grayscale value of an original image and PSNR deals with the quality of an image. In short word, the compression process is conducted by quantizing the various values to certain values and levels of wavelet coefficients. These values are determined by adding on iteration process to get minimum distortion in a cell. The cell size used is usually 4x4 that has the high PSNR, low compression ratio and high time processing. To dissolve such things, 8x8, 16x16 and 32x32 (N) of cell sizes are in use, iterate (k) and add of quantization level (M). The last two things are to enhance PSNR but to decrease compression ratio in contrast as well. From value of PSNR and CR as well as the characteristic, the optimum point is then to find out. The result is that 32x32 cell size is suitable to achieve the highest compression ratio with combining M=4 with k=O or M=2, k=O or 16x16 cell size to achieve good PSNR."

"Pada dasarnya, tujuan kompresi gambar adalah bagaimana mendapatkan nilai rasio kompresi rasio yang tinggi, tepat dan gambar rekonstruksi masih dapat dikenali oleh visual manusia. Penentuan rasio kompresi secara tepat adalah hal yang penting dilakukan karena nilai rasio kompresi berhubungan dengan media penyimpanan serta waktu pengiriman gambar. Dengan menggunakan metoda klasifikasi kuantisasi vektor, nilai rasio kompresi yang diinginkan mempunyai range (sebaran) yang besar dan dapat diperkirakan sehingga dijadikan masukan simulasi.Metoda klasifikasi kuantisasi vektor adalah metoda kuantisasi vektor dengan membagi data kedalam blok-blok (sel) ukuran tertentu dan menghasilkan kode yang mewakili blok-blok tersebut dengan cara mengambil data dengan jarak atau distorsi terkecil menurut klasifikasi orientasi subband horizontal, vertikal dan diagonal. Kode itu disebut dengan codebook.Dengan menggunakan metoda klasifikasi kuantisasi vektor, sebagai masukan simulasi adalah nilai variabel rasio kompresi 4,8,16,32 dan 64 maka diperoleh hasilnya adalah gambar rekonstruksi masih dapat dikenali dengan baik pada nilai rasio kompresi 4, 8, 16 dan 32 dimana nilai PSNR masih > 30 dB. Sedangkan nilai rasio kompresi 64, gambar rekonstruksi sudah tidak dapat dikenali lagi karena nilai PSNR sudah < 30 dB sehingga gambar rekonstruksinya mengalami penurunan kontras yang menyebabkan kabur dan bertambahnya efek blocking.

---

Basically, the image compression is to achieve high compression ratio, accurate and recognized image reconstruction. Achieving compression ratio accurately is somewhat important to accomplish. Normally, compression ratio is defined by determining PSNR. By using classification of quantization vector method, getting the compression ratio is likely to do. The unique of this method is that this method can be arranged from 4 up to 64 of compression ratio.The classification of quantization vector method is one of vector quantization methods that classify image data to specified block and process the blocks to produce the representative block by taking minimum distance or distortion according to horizontal, vertical and diagonal energy. Those codes are codebooks.By using the classification of quantization vector method combining with the compression ratio value as an input variable of 4,8,16,32 and 64, the outcome is that reconstructed images of the compression ratio ranged 4, 8,16 and 32 is good with PSNR > 30 dB whereas the compression ratio of 64 is not recommended (PSNR value < 30 dB) for any images particularly for textures images."

"Kebutuhan transmisi data telemedicine seperti citra dan video medis secara nirkabel mengharuskan data dikompresi terlebih dahulu agar dapat dikirimkan secara efisien. Yu, et.al, membuktikan bahwa standar kompresi H.264 dapat diterapkan pada kompresi video medis, sementara menurut Xiong, et.al transformasi wavelet diskrit mengungguli DCT pada kompresi citra dan video.Skripsi ini bertujuan untuk mensimulasikan algoritma H.264 dengan transformasi 2D berupa transformasi wavelet diskrit serta menganalisis hasil simulasinya dengan parameter kualitas objektif yaitu PSNR dan rasio kompresi. Simulasi kompresi video medis berdasarkan algoritma H.264 dengan DCT maupun DWT dilakukan pada parameter kompresi yang sama untuk dibandingkan hasilnya.Hasil simulasi menunjukkan bahwa DWT dapat diterapkan pada kompresi video medis berdasarkan algoritma H.264 dengan gain hingga 1,06 dB mengungguli DCT. Namun demikia, rasio kompresi yang didapat tidak terlalu berbeda secara signifikan akibat adanya padding pada hasil dekomposisi DWT.

---

The need of telemedicine data transmission, such as image and video, using wireless network requires data to be compressed efficiently. Yu, et.al, proved that H.264 standard of video coding is applicable in medical video compression, while according to Xiong et.al, discrete wavelet transform outperforms discrete cosine transform in image and video compression.This thesis aims to simulate medical video compression based-on H.264 algorithm using discrete wavelet transform and analyze the simulation results showed by objective quality parameter, namely PSNR and compression ratio. The simulation using DCT and DWT performed on the same compression parameters to compare the results.The simulation result show that DWT is applicable in medical video compression based-on H.264 algorithm with 1,06 dB outperformed DCT. However, the compression ratio obtained doesn‟t differ significantly because of the pixel padding on the DWT decomposition matrices."