Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPengembangan teknologi telckomunikasi yang mendukung multimedia perlu menekankan pada pengolahan data-data multimedia. Salah satunya adalah pengolahan data multimedia berupa gambar yang memerlukan teknik kompresi agar dalam pcnyimpanannya tidak memerlukan ruang yang besar dan waktu pentransmisian menjadi lebih singkat, namun tanpa penurunan kualitas gambar yang berarti.Salah satu metode kompresi gambar adalah menggunakan transformasi wavelet dan kuantisasi vektor. Transformasi wavelet mampu memadatkan energi dari gambar ke dalam bentuk koefisien-koelisien yang berada dalam spektrum frekuensi-waktu terlokalisir. Koefisien-koelisien hasil pengolahan data berada pada subband-subband transfonnasi berdasarkan skala atau resolusi yang berbeda. Untuk meningkatkan rasio kompresi digunakan kuantisasi vektor.Kuantisasi vektor adalah suatu metode kuantisasi yang mengeksploitasi ketergantungan antar piksel-koefisien dengan mengkuantisasi kombinasi dari piksel-koefisien transformasi secara bersama-sama. Koefisien transformasi diubah menjadi vektor dengan ukuran dimensi tertentu kemudian dikuantisasi dengan kuantisasi vektor algoritma Binary split dan menghasilkan indeks pemetaan dan codebook yang berukuran lebih kecil dari vektor data sehingga menghasilkan kompresi yang besar.Hasil simulasi menunjukkan bahwa peningkaran ukuran dimensi vektor data memberikan kontribusi terhadap peningkatan rasio kompresi tapi menurunkan PSNR, pada jumlah codebook tetap. Peningkatan jumlah codebook memberikan kontribusi terhadap penurunan rasio kompresi dn peninglcatan PSNR, pada ukuran dimensi yang sama. Variasi kuantisasi yang menghasilkan rasio kompresi terbesar namun PSNR > 30 dB untuk gambar Lenna adalah dimensi 16 danjumlah codebook 64; gambar Clara adalah dimensi 16 dan jumlah codebook 16; gambar Rektorat adalah dimensi I6 dan jumlah codebook 128

---

"

"Sejak dari awal kehidupan, manusia telah mengguznakan suara yang mereka. Suara manusia adalah unik, karena tidak ada manusia di dunia ini yang memiliki suara yang sama. Hal inilah yang kemudian dijadikan bahan oleh para llmuwan untuk mengembangkan teknologi yang memanfaatkan suara manusia. Speaker recognition merupakan bentuk penerapan dari pemallfaatan suara manusia. Text-independent speaker recognition merupakan salah satu pengembangan aplikasi dari speaker recognition.Telah banyak metode yang dikembangkan untuk peningkatan kinerja text-independent speaker recognition, salah satu diantaranya adalah dengan menggunakan metode kuantisasi vektor-algoritma LBG. Metode ini akan melalui dua fasa, yaitu training phase dan testing phase. Pada fasa pertama (training phase), akan direkarn suara speaker ke dalam database speaker. Pada fasa kedua (testing phase), akan dibandingkan suara speaker tes dengan database speaker, apakah sistem mampu untuk mengenali identitas speaker tes tersebut.Hasil pengujian simulasi text-independent speaker recognition secara keseluruhan menunjukkan bahwa text-independent speaker recognition telah mampu mengenali identitas speaker dengan baik, mamma masih banyak terdapat kekurangan. Pengujian text-independent speaker recognition menggunakan 2 jenis database speaker. Database peliama adalah database yang berisi rekaman satu kata dan satu kalimat yang berbeda-beda untuk setiap speakemya. Database kedua berisi rekaman satu kata dan satu kalimat yang sama bagi semua speakernya. Dari kedua database ini kemudian akan dibandingkan kinerjanya terhadap simulasi. Hasil simulasi membuktikan bahwa text-independent speaker recognition terhadap database pertama mampu bekerja lebih baik dengan tingkat keakurasian sebesar 85 %, dibandingkan database kedua."