Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKLossles data compression erat kaitannya engan masalah pengkodean. Bahkan inti dari kompresi data itu sendiri adalah pengkodean. Berbagai manipulasi data telah ditemukan oleh para ilmuwan di bidang lossless data compression. Salah satunya dan yang paling menarik adalah Burrows- Wheeler Transform (BWT) yang diambil dari nama dua penemuanya yaitu Michael Burrows dan David Wheeler. Hasil dari transformasi ini sangat bagus untuk proses pengkodean pada kompresi data.Skripsi ini mencoba merancang suatu kompresi data yang berbasis BWT dengan mempergunakan pengkodean konvensional Run Length Encoding, Move to Front Transform, dan Arithmetic Coding, kemudian coba diuji dan dianalisa performanya dibandingkan dengan standar program kompresi Linux gzip 1.3.3 agar dapat melihat kegunaan BWT tersebut."

"Kebutuhan layanan multimedia berkembang dengan pesat melalui kanal radio (wireless channels) mendorong terbentuknya sistem transmisi citra nirkabel (wireless image transmission systems) baik pada kanal AWGN maupun kanal fading. Aplikasi dari transmisi citra melalui kanal nirkabel sangat menarik untuk diamati karena hal ini memerlukan desain yang seperti dari penggunaan pengkodean (coding) untuk kompresi dari citra dikarenakan keterbatasan sumber daya seperti bandwidth dan daya energi untuk transmisi. Untuk mengurangi ukuran data yang ditransmisikan digunakan teknik kompresi citra, salah satunya yaitu Run Length Encoding (RLE). Saat ini, pentingnya identifikasi biometric mengalami peningkatan seiring dengan adanya perdagangan elektronik (electronic commerce). Identifikasi tanda tangan dikembangkan secara luas sebagai salah satu metoda identifikasi biometric. Salah satu metoda identifikasi untuk tanda tangan digunakan Hidden Markov Model (HMM).Dalam tesis ini dilakukan pengenalan citra tanda tangan yang telah ditransmisikan pada kanal fading Rayleigh dengan menggunakan metode Hidden Markov Model (HMM). Sebelum ditransmisikan, citra tanda tangan dikompresi terlebih dahulu dengan menggunakan RLE. Citra tanda tangan ditransmisikan beberapa kali untuk disimpan pada basis data sedangkan pada proses pengenalan citra tanda tangan hanya ditransmisikan sekali saja untuk dijadikan sebagai citra uji. Pada tahap pembentukkan basis data, citra tanda tangan diubah menjadi vektor sebagai titik sample dan titik-titik yang terdekat akan dikuantisasi menjadi centroid atau codeword.Kumpulan codeword akan disimpan sebagai codebook di dalam basis data. Pengenalan dilakukan dengan membandingkan besaran log of probability HMM yang dihitung berdasarkan urutan observasi atau codeword dari setiap sample citra tanda tangan. Dengan menggunakan codebook berukuran 32, 64 dan 128 bit dengan jumlah training 10 dan 20 kali, diperoleh tingkat akurasi pengenalan citra tanda tangan pada kanal fading Rayleigh dengan tidak menggunakan kompresi RLE yaitu antara 0 sampai 36 % sedangkan yang menggunakan kompresi RLE akurasinya sebesar 60 % sampai 76 %. Rasio kompresi citra tanda tangan didapatkan antara 97,78% sampai 98,42 %. Probabilitas kesalahan simbol citra tanda tangan yang tidak menggunakan RLE yaitu 0,9749 sampai dengan 0,9762 sedangkan yang menggunakan kompresi RLE sebesar 0,6785 sampai 0,9691.

---

The need of multimedia services growth increasingly over wireless channels that encourage wireless image transmission systems both through AWGN or fading channel. Application from image transmission over wireless channels are very interesting to be observation because its need the good design from compression coding because the limited resource such as bandwidth and energy resource for transmission. To reduce transmission data size, image compression technique is used, such as Run Length Encoding (RLE). Recently application of biometric identification increases because of electronic commerce. Signature identification was extended as once method of biometric identification. Once of signature identification method is Hidden Markov Model (HMM).In this research recognition of transmitted signature on Rayleigh fading channels used HMM. Before transmission, signature image compressed with RLE. Signature image transmitted more once times then it?s saved at data base but at the recognition process signature image only transmitted once time as tested image. In the process of making data base, signature image changed to be vector as sample point and the nearest points will be quantized as centroid or codeword. The collection of codeword will be stored as codebook in data base. Recognition is performed by comparing the value log of probability HMM which computed base on sequences of observation or codeword each sample from signature image.Base on using codebook 32, 64 and 128 bit with 10 and 20 training, can reach performance of signature image recognition at Rayleigh fading channel if not using RLE compression is 0 % ? 36 % and if using RLE compression is 60 % - 76 % . Compression rate of signature image is 97,78% - 98,42%. Probability of symbol error of signature image which not using RLE compression is 0,9749 ? 0,9762 but if using compression RLE is 0,6785 ? 0,9691."

"Kebutuhan layanan multimedia berkembang dengan pesat melalui kanal radio (wireless channels) mendorong terbentuknya sistem transmisi citra nirkabel (wireless image transmission systems) baik pada kanal AWGN maupun kanal fading. Aplikasi dari transmisi citra melalui kanal nirkabel sangat menarik untuk diamati karena hal ini memerlukan desain yang seperti dari penggunaan pengkodean (coding) untuk kompresi dari citra dikarenakan keterbatasan sumber daya seperti bandwidth dan daya energi untuk transmisi. Untuk mengurangi ukuran data yang ditransmisikan digunakan teknik kompresi citra, salah satunya yaitu Run Length Encoding (RLE). Saat ini, pentingnya identifikasi biometric mengalami peningkatan seiring dengan adanya perdagangan elektronik (electronic commerce). Identifikasi tanda tangan dikembangkan secara luas sebagai salah satu metoda identifikasi biometric. Salah satu metoda identifikasi untuk tanda tangan digunakan Hidden Markov Model (HMM). Dalam tesis ini dilakukan pengenalan citra tanda tangan yang telah ditransmisikan pada kanal fading Rayleigh dengan menggunakan metode Hidden Markov Model (HMM). Sebelum ditransmisikan, citra tanda tangan dikompresi terlebih dahulu dengan menggunakan RLE. Citra tanda tangan ditransmisikan beberapa kali untuk disimpan pada basis data sedangkan pada proses pengenalan citra tanda tangan hanya ditransmisikan sekali saja untuk dijadikan sebagai citra uji. Pada tahap pembentukkan basis data, citra tanda tangan diubah menjadi vektor sebagai titik sample dan titik-titik yang terdekat akan dikuantisasi menjadi centroid atau codeword. Kumpulan codeword akan disimpan sebagai codebook di dalam basis data. Pengenalan dilakukan dengan membandingkan besaran log of probability HMM yang dihitung berdasarkan urutan observasi atau codeword dari setiap sample citra tanda tangan. Dengan menggunakan codebook berukuran 32, 64 dan 128 bit dengan jumlah training 10 dan 20 kali, diperoleh tingkat akurasi pengenalan citra tanda tangan pada kanal fading Rayleigh dengan tidak menggunakan kompresi RLE yaitu antara 0 sampai 36 % sedangkan yang menggunakan kompresi RLE akurasinya sebesar 60 % sampai 76 %. Rasio kompresi citra tanda tangan didapatkan antara 97,78% sampai 98,42 %. Probabilitas kesalahan simbol citra tanda tangan yang tidak menggunakan RLE yaitu 0,9749 sampai dengan 0,9762 sedangkan yang menggunakan kompresi RLE sebesar 0,6785 sampai 0,9691.

---

The need of multimedia services growth increasingly over wireless channels that encourage wireless image transmission systems both through AWGN or fading channel. Application from image transmission over wireless channels are very interesting to be observation because its need the good design from compression coding because the limited resource such as bandwidth and energy resource for transmission. To reduce transmission data size, image compression technique is used, such as Run Length Encoding (RLE).

Recently application of biometric identification increases because of electronic commerce. Signature identification was extended as once method of biometric identification. Once of signature identification method is Hidden Markov Model (HMM).

In this research recognition of transmitted signature on Rayleigh fading channels used HMM. Before transmission, signature image compressed with RLE. Signature image transmitted more once times then it?s saved at data base but at the recognition process signature image only transmitted once time as tested image.

In the process of making data base, signature image changed to be vector as sample point and the nearest points will be quantized as centroid or codeword. The collection of codeword will be stored as codebook in data base. Recognition is performed by comparing the value log of probability HMM which computed base on sequences of observation or codeword each sample from signature image.

Base on using codebook 32, 64 and 128 bit with 10 and 20 training, can reach performance of signature image recognition at Rayleigh fading channel if not using RLE compression is 0 % ? 36 % and if using RLE compression is 60 % - 76 % . Compression rate of signature image is 97,78% - 98,42%. Probability of symbol error of signature image which not using RLE compression is 0,9749 ? 0,9762 but if using compression RLE is 0,6785 ? 0,9691."

"Pada pengembangan sistem, dibutuhkan sebuah mekanisme untuk menjamin bahwa sistem tersebut berjalan dengan benar tanpa error atau rsquo;bug rsquo;. Sejauh ini, hal yang biasa dilakukan adalah dengan testing, tetapi hal ini sulit dilakukan untuk mencakup semua kemungkinan. Untuk sistem yang membutuhkan tingkat correctness yang tinggi, seperti misalnya pada hardware , perlu mekanisme yang dapat menjamin kebenaran program untuk semua kemungkinan input. Ada solusi lain yang dapat menjamin kebenaran program untuk semua kemungkinan input, yaitu dengan verifikasi formal. Verifikasi formal dilakukan dengan pemodelan matematika. Salah satu sistem yang membutuhkan tingkat correctness yang tinggi adalah sistem bilangan floating-point. Hal ini terkait dengan pengalaman yang dialami Intel pada tahun 1994. Salah satu bahasa standar dalam membangun sebuah sistem digital atau hardware adalah VHDL. Ada beberapa tools yang bisa dilakukan untuk verifikasi formal, salah satunya adalah HOL theorem prover. Penelitian ini melakukan formalisasi operasi aritmatika VHDL dan konstruksi terkait yang dilakukan dengan menggunakan HOL Theorem Prover. Hasilnya adalah sebuah framework yang berisi formalisasi beberapa algoritma aritmatika dasar VHDL dan konstruksi terkaitnya. Framework ini kemudian dapat digunakan untuk memverifikasi modul VHDL yang memanfaatkan aritmatika VHDL dan konstruksi terkaitnya.

---

In system development, a mechanism is needed to ensure that the system runs correctly without error or rsquo bug rsquo . So far, testing is a common solution, but it rsquo s hard to cover all error possibilities. For systems that require a high level of correctness, such as hardware systems, there is a need for a mechanism that can ensure the correctness of the program for all possible inputs. There is another solution to do the task, i.e. by formal verification. Formal verification is done by mathematical modeling. One system that requires a high level of correctness is the floating point number system. This is related to the experience of Intel in 1994.

One of the standard languages in developing a digital system or a hardware is VHDL. There are several tools that can be used for formal verification, one of which is HOL Theorem Prover. This research conducts a formalization of VHDL arithmetic operation and the related constructions done by using HOL Theorem Prover. The result is a framework which contains the formalization of some basic VHDL arithmetic algorithms and the related constructions. This framework can then be used to verify VHDL modules that utilize the VHDL arithmetic and the related constructs."

"Skripsi ini membahas kemampuan mahasiswa Fakultas Teknik UI angkatan 2005 dalam membuat suatu program kalkulator digital dengan menggunakan VHDL. Percobaan ini adalah percobaan kualitatif dengan desain rekayasa pemrograman. Hasil percobaan menunjukan bahwa program kalkulator dapat terselesaikan dengan mengacu kepada prinsip-prinsip digital dan pemrograman assembly. Terdapat setidaknya empat keuntungan dalam pemrograman menggunakan VHDL : spesifikasi exekusi, ketidakbergantungan pada teknologi dan peralatan, data desain yang dapat dibawa-bawa, dan mensimulasikan secara awal dan cepat.

---

The focus of this study is the freshmen student of Department of Electrical Engineering at University of Indonesia experience of making a digital calculator program by using VHDL. The result of this project shows that calculator program can be made based on digital principals and assembly programming. There are at least four benefits by programming using VHDL : executable specification, technology and tool independence, portable design data , and simulate early and fast."

"Algoritma kompresi lossless untuk digital audio secara umum terbagi dua. Algoritma pertama menggunakan metode prediktif untuk menghilangkan redundansi pada data audio tersebut. Sementara algoritma kedua menggunakan metode lossy coding.Algoritma Shorten adalah contoh algoritma yang menggunakan metode prediktif. Sedangkan A!goritma LTAC adalah contoh algoritma yang menggunakan metode lossy coding. Hasil rasio kompresi yang diperoleh dari kedua algoritma tersebut tidak berbeda jauh. Namun untuk kecepatan proses, algoritma dengan metode prediktif memiliki waktu proses yang lebih cepat."

"ABSTRAK Sistem evaluasi pembelajaran berbasis soal esai mempunyai kelemahan misalnyamembutuhkan waktu yang lama bagi pengajar untuk membaca serta menilaisemua jawaban. Solusi dari kendala tersebut adalah suatu sistem penilai jawabanesai otomatis. Metode yang menganalisis makna semantik seperti Latent SemanticAnalysis (LSA) telah digunakan sebagai metode dalam sistem penilai esaiotomatis. Metode lain yang menganalisis makna semantik seperti BEAGLE(Bound Encoding of the Aggregate Language Environment) mencakup informasiurutan kata sebagai tambahan dari informasi konteks. Pembelajaran padaBEAGLE terdiri dari pembelajaran berbasis konteks, pembelajaran berbasisurutan kata, maupun campurannya (berbasis konteks dan urutan kata). Penelitianini membandingkan efektifitas tiga macam pembelajaran pada BEAGLE untukmenilai jawaban esai serta membandingkan efektifitas BEAGLE dan LSA untukmenilai jawaban dalam bentuk esai. Uji coba dilakukan dengan 14 soal esaidengan sifat soal subjektif maupun objektif. Berdasarkan penelitian ini, rata-ratakorelasi nilai BEAGLE-manusia (0,36) lebih tinggi dari LSA-manusia (0,22).

---

ABSTRACT Learning evaluation system based on essay has disadvantages such as it takes along time for teachers to read and score all the student’s answers. The solution ofthis problem is an automatic essay scoring. Method like Latent Semantic Analysis(LSA) which analyze the semantic meaning, is often used as a method ofautomatic essay scoring. Another method which analyze the semantic meaning,BEAGLE (Bound Encoding of the Aggregate Language Environment) includesorder information as additional information of context information. Learningprocess on BEAGLE consist of context-based learning, order-based learning, orcomposite learning (context-based and order-based). This study compare theeffectiveness of this learning methods on BEAGLE to score student’s essay andcompared the effectiveness between BEAGLE and LSA to score student’s essay.There are 14 essays with subjective and objective questions tested on this study.Based on this study, the average correlation value of BEAGLE-human (0.36) ishigher than LSA-human (0.22)."