ANALISIS PENGGUNAAN PENGKODEAN REED SOLOMON
TERHADAP KUALITAS TRANSMISI CITRA
Oleh :
Baharuddin 1), Rahmat 2)
1) Staf Pengajar Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas Padang
2) Staf Pengajar jurusan Teknik Elektro Politeknik Negeri Padang
ABSTRACT
The Research proposes is developing the System to Improve the Quality of Image Transmission by Using Error Correction Code Reed Solomon. This research presents an image transmission method for fading communication channels that is able to provide an image of good perceptual quality at the receiver in spite of the channel impairments present. Error protection on image patterns used channel coding Reed Solomon code (31,15). Simulation results demonstrate that the quality of the received image can be significantly improved.
Keywords: Wavelet, Rayleigh Fading, AWGN, Reed Solomon Code.
I. PENDAHULUAN A. Latarbelakang
Dalam sistem komunikasi, informasi berupa data, suara, citra dan video dari pemancar dikirim menuju penerima melalui medium komunikasi yang lazim disebut dengan kanal komunikasi. Selama transmisi informasi
melalui kanal wireless, akan banyak mengalami
penurunan kualitas informasi selama di kanal. Penurunan kualitas informasi ini disebabkan
oleh adanya multipath Fading, Intersymbol
Interference (ISI), serta Noise pada kanal, sehingga dengan demikian unjuk kerja sistem akan menurun di penerima, yang akhirnya menyebabkan terjadinya kesalahan penerimaan data yang dipancarkan. Untuk mengatasi permasalahan di dalam transmisi
informasi melalui kanal wireless ini, maka
berbagai teknik yang dapat dikembangkan untuk memperbaiki kualitas sistem, seperti
teknik pemilihan sistem modulasi, power
control, metode akses, penggunaan Error Correction, penggunaan Decision Feedback Equalization (DFE) serta penggunaan teknik
diversity.
Saat ini penggunaan informasi citra digital digunakan secara luas dalam berbagai macam aplikasi, seperti pada jaringan Internet,
sistem konferensi video (Videoconferencing
systems), citra medis, dan kamera keamanan jarak jauh, serta beragam aplikasi lainnya. Banyaknya aplikasi yang menggunakan data citra, sangat membutuhkan lebar pita (bandwidth) kanal pentransmisian yang lebar dan juga media penyimpanan yang cukup besar. Sedangkan jumlah data yang melewati media transmisi sangat terbatas. Agar didapatkan data citra yang efisien dan berkualitas, maka diperlukan suatu sistem yang dapat mereduksi jumlah data citra dengan perbandingan yang tinggi, namun diusahakan agar tidak terlalu banyak kehilangan data yang penting, dan juga sesuai dengan karakteristik visual manusia.
Selama berpuluh-puluh tahun, analisa
fourier telah menjadi metode analisis sinyal yang paling terkenal. Pada analisa fourier, suatu sinyal yang dianalisis dipecah menjadi kumpulan dari fungsi sinusoida dengan frekuensi yang berbeda-beda. Cara pandang
menganggap analisa fourier sebagai suatu teknis matematis untuk mentransformasikan suatu sinyal dari basis waktu ke basis frekuensi. Dengan menggunakan Transformasi
fourier, banyak keuntungan yang diperoleh, karena banyak informasi dari sinyal yang tersimpan di dalam domain frekuensi.
Analisis wavelet merepresentasikan sinyal ke
daerah waktu-skala (time-scale region) yang
tentunya berbeda dengan analisis fourier yang
bekerja pada daerah frekuensi, ataupun Shannon yang bekerja pada daerah waktu. Perbedaan ini dapat dilihat pada gambar 1.
Am
plitud
o
Time
Time Domain (Shannon)
F
rekuen
si
Amplitudo
Frekuensi Domain (Fourier)
F rekuens i Time STFT (Gabor) Ska la Time Wavelet Analisis
Gambar 1. Perbandingan beberapa metode analisa sinyal [7]
Sebuah wavelet adalah bentuk
gelombang dengan durasi terbatas yang mempunyai nilai rata-rata nol. Berbeda dengan
analisis fourier. Wavelet sangat berbeda
dengan gelombang sinusoidal, yang
merupakan basis dari analisis fourier, yang
memiliki durasi tak terhingga.
Analisis fourier memecah sebuah sinyal
menjadi gelombang-gelombang sinusoidal dengan berbagai frekuensi. Sedangkan analisis
wavelet memecah sebuah sinyal menjadi berbagai versi tertranslasi dan terskala dari
wavelet (mother wavelet). [7].
Terdapat banyak keluarga dari basic Wavelet. Diantaranya adalah Haar, Daubechies, Biorthogonal, coiflets, symlets, Morlet, Mexican Hat dan Meyer. Transformasi wavelet adalah metode pendekatan fungsi dengan lokalisasi ruang frekuensi. transformasi
wavelet dapat menganalisa sinyal menurut ruang dengan menggunakan fungsi-fungsi
dasar, yaitu fungsi induk wavelet. Fungsi-fungsi
dasar tersebut diperlukan sebagai suatu jendela pendekatan (aproksimasi yang terlokalisir pada interval ruang tertentu. [7]
Penggunaan sistem komunikasi digital dalam bidang komunikasi radio bergerak semakin meningkat, sehingga diperlukan suatu sistem komunikasi yang handal guna menjamin sampainya pesan atau data yang benar pada penerima. Pada kanal komunikasi, adanya fading akan mengganggu maupun menurunkan kinerja sistem komunikasi digital. Hal ini menyebabkan terjadinya kesalahan pendeteksian sinyal sehingga terjadi perubahan bit atau simbol pada sisi penerima. Akibat dari adanya fading tersebut, maka kinerja sistem akan menurun. Untuk itu dibutuhkan suatu sistem yang dapat memperbaiki unjuk kerja sistem pada penerima. Untuk mengatasi hal tersebut pada sisi penerima ditambahkan salah satu teknik diversity yaitu teknik diversity equal gain combining. [6]
Pada sistem ini digambarkan suatu simulasi yang menerapkan teknik diversity
equal gain combining pada penerima, dengan
penggunaan teknik ini, kinerja sistem komunikasi digital dapat ditingkatkan. Sistem ini
memakai teknik modulasi Binary Phase Shift
Keying (BPSK) dan jumlah kanal yang dipakai adalah dua, serta setiap kanal dipengaruhi oleh
noise (Additife White Gaussian Noise) AWGN
Kanal yang disimulasikan dalam sistem ini,
diasumsikan memiliki Noise yang berdistribusi
Gaussian serta dipengaruhi oleh Fading yang
berdistribusi Rayleigh. Noise dan Fading akan
mengganggu sinyal yang dikirim sehingga ada kesalahan pada bit yang terdeteksi pada penerima.
B. TINJAUAN PUSTAKA
Model kanal yang digunakan adalah
Noise AWGN (Additive White Gaussian Noise).
Noise ini berdistribusi normal dengan nilai
rata-rata (mean) nol. Noise ini bernilai acak dan
bersifat menambahkan sinyal aslinya. Bentuk
persamaan pdf dari distribusi Gaussian adalah:
[6] 2 2/2 ) (
2
1
)
(
σσ
π
x m xe
x
p
=
− − (1) dimana : mx= meanσ2 = varians dari variable random
Pada kanal wireless, distribusi Rayleigh
secara umum dipakai untuk menggambarkan
statistik perbedaan waktu dari envelope yang
diterima untuk sebuah sinyal flat Fading. Fading
cepat merupakan Rayleigh Fading karena
Fading ini terdistribusi mengikuti distribusi
Rayleigh, yang mempunyai fungsi kepadatan probabilitas seperti yang ditunjukkan persamaan (2).[6]
( )
⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ < ∞ ≤ ≤ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − = ) 0 ( ) 0 ( 0 2 exp 2 2 2 a a a a a r r r r r p σ σ (2) dimana :σ = tegangan rata -rata
σ2 = daya rata-rata
Fungsi distribusi kumulatif menyatakan
presentasi lebih kecil dari nilai Ra tertentu, yang
diperoleh dengan melakukan integral terhadap fungsi rapat peluang p(ra).
( ) ( ) ∫ ( ) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − = = ≤ = a a R a a a a a r a R dr r p R r P R P 0 2 2 2 exp 1 σ (3) mean a
r distribusi Rayleigh adalah :
[ ]
( )
σ π 1,2533σ 2 0 = = = = a ∞∫ a a a a Er r pr dr rmean (4) 2 a rσ merupakan varians dari distribusi Rayleigh
yang mewakili daya ac pada selubung sinyal.
[ ]
[ ]
( )
2 2 0 2 2 2 2 σ σra =Era −E ra =∞∫ra p ra dra− 2 2 4292 , 0 2 2 π σ σ ⎟= ⎠ ⎞ ⎜ ⎝ ⎛ − = (5)Untuk menghitung nilai tengah untuk ra, dapat
digunakan persamaan (3). σ 177 , 1 ) ( 2 1 0 = ⇒ = ∫ median median a a r a a dr r r p (6) 0 1 Level relative to mean level Probability Density
Gambar 2. Grafik Pdf Distribusi Rayleigh[6]
Jadi terdapat perbedaan nilai rata–rata dan nilai tengah sebesar 0,55 dB dalam
distribusi Rayleigh. Sebagai catatan bahwa nilai
tengah pada prakteknya sering digunakan,
karena data Fading biasanya diukur dilapangan
dan kenyataannya distribusinya tidak dapat diasumsikan. Dengan penggunaan nilai tengah sebagai pengganti nilai rata–rata maka mudah
kita membandingkan distribusi Fading yang
bermacam-macam. Envelope sinyal Fading
yang dibangkitkan merupakan proses kompleks
gaussian yang mempunyai bagian real yang
independen dengan bagian imajinernya. Pada
gambar 2 ditunjukkan grafik Pdf (Probability
Density Function) dari sebuah distribusi
Rayleigh.
Enkoder Reed-Solomon
Bentuk umum dari kode RS dapat
dituliskan dengan (n,k)=(2m-1, 2m-1-2t), di mana
n-k=2t adalah banyaknya simbol parity dan t
merupakan kemampuan untuk mengoreksi
simbol error. Sedangkan bentuk generator
polinomial dari kode RS dapat dituliskan sebagai berikut:[6] t t t x x g x g x g g x g 2 1 2 1 2 2 2 1 0 ... ) ( = + + + + − − + (7)
Derajat dari generator polinomial sama dengan
banyaknya simbol parity yang ditambahkan
yaitu 2t. Sehingga akar dari generator
polinomial, yang dilambangkan dengan α,
mempunyai derajat yang sama. Akar-akar dari g(x) dapat dituliskan sebagai α, α2, α3, …, α2t.
Sebagai contoh kode RS (7,3), dengan n=7 dan
k=3,mempunyai kemampuan untuk mengoreksi
error simbol 2t=n-k=4, maka kode tersebut memunyai 4 akar.
Berdasarkan derajat polinomialnya dari rendah ke tinggi dan dalam field biner +1= -1, maka
generator g(x) dapat dituliskan dengan:
( )
3 1 0 2 3 3 4 x x x x x g =α
+α
+α
+α
+ (8)Untuk pembentukan polinomial codewordnya
dilakukan dengan persamaan:
) ( ) ( ) (x p x x m x U = + n−k (9) di mana :
U(x) = codeword yang dibentuk
m(x) = simbol nformasi yang akan dikodekan
p(x) = simbol parity yang didapatkan dari sisa pembagian antara perkalian simbol informasi yang akan dikodekan dan
polinomial xn-k dengan generator
polinomial g(x) yang secara matematis
p(x) dapat dituliskan dengan . ) ( mod ) ( ) (x x m x g x p = n−k Dekoder Reed-Solomon
Pada RS dekoder, codeword yang
diterima mempunyai persamaan:
) ( ) ( ) (x U x e x r = + (10) di mana :
r(x) = codeword yang diterima
U(x) = codeword yang dikirimkan
e(x) = error
r(x) akan bernilai sama dengan U(x) pada saat
codeword yang diterima tidak mengalami error
(e(x)=0).
Langkah pertama yang dilakukan dekoder RS untuk mendekodekan data yang diterima, yaitu
menghitung sindrom (S). Sindrom didapatkan
dengan cara memasukkan akar-akar generator
polinomialnya ke dalam codeword yang
diterima. Penghitungan sindrom dapat
dituliskan seperti pada persamaan (11).[6]
( )
( )
ii r x r
S = =
α
(11)di mana i = 1, 2, ..., n-k
Jika sindrom yang dihasilkan sama dengan nol
maka codeword yang diterima tidak mengalami
error, sedangkan apabila tidak sama dengan
nol, maka dapat diartikan bahwa codeword
yang diterima mengalami error, sehingga akan
dilakukan langkah berikutnya, yaitu:
1. Mencari lokasi error
Lokasi error yang dilambangkan dengan
σ(x) mempunyai persamaan polinomial
error locator sebagai berikut;[5]
( )
v vx x x xσ
σ
σ
σ
=1+ 1 + 2 2 +...+di mana v menunjukkan error yang terjadi
sampai pada lokasi ke xv
Nilai-nilai dari σ1, σ2, …, σv dapat dicari
pada persamaan (12), di mana sindrom
pertama dilakukan untuk memprediksi
sindrom berikutnya. ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − − − − = ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − + + − − − + + − − + − + − t t t t t t t t t t t t t t t t t t t t S S S S S S S S S S S S S S S S S S S S S S S S 2 1 2 2 1 1 2 1 1 2 2 2 2 1 2 2 3 2 1 1 1 4 3 2 1 3 2 1 . . . . ... ... . . ... ... σ σ σ σ (12)
Setelah nilai-nilai σ pada persamaan (11)
sudah dapat ditentukan maka terbentuklah
persamaan untuk σ(x). Lokasi error dapat
diketahui dengan cara mensubstitusikan akar-akar generator polinomial ke dalam
variabel x. Lokasi error(β) terjadi pada saat
σ(x)=0.
2. Nilai error
Setelah lokasi error diketahui, maka nilai
error dapat ditentukan dengan
menggunakan persamaan (13)[6]
( )
∑
= = = t a a a i i e e S 1β
β
(13) di mana i = 1, 2, ...,(n-k)/2 = 1, 2, ..., t C. TujuanTujuan dari penelitian ini, adalah mendapatkan peningkatan unjuk kerja sistem transmisi citra di penerima dengan menggunakan pengkodean Reed Solomon, akibat adanya fading dan Noise.
D. Kontribusi Penelitian
Hasil dari penelitian ini dapat memberikan kontribusi pada pengembangan sistem telekomunikasi khususnya yang memiliki tingkat kompresi yang tinggi.[1].
II. METODE PENELITIAN
Untuk menyelesaikan penelitian ini, maka dilakukan langkah-langkah yang meliputi: pemodelan sistem, menyusun algoritma simulasi, membuat program simulasi,
melakukan analisa dan memberi kesimpulan. Rincian tahapan yang akan ditempuh adalah sebagai berikut:
Pekerjaan ini akan dimulai dari model simulasi, hasilnya berupa grafik, serta citra rekonstruksi dan selanjutnya dianalisa melalui
perhitungan BER yang ditunjukkan dalam
bentuk tabel dan grafik. Model simulasi untuk sistem yang akan disimulasikan adalah seperti pada gambar 2. : Source Image Received Image Wavelet Reconstruction Wavelet Decomposition Reed Solomon Coder Model of Fading Channel Reed Solomon DeCoder BER Meter PSNR Meter BER PSNR
Gambar 2. Rancagan Sistem dalam simulasi
Pada sistem ini diterapkan pada pola transmisi citra tanpa kompresi. Pada pola transmisi citra tanpa kompresi, digunakan
Discrete Wavelet Transform (DWT) 2 dimensi, kuantisasi skalar, pengkodean kanal RS(31,15), serta model kanal AWGN dan Fading terdistribusi Rayleigh. Rancangan sistem ini dapat dilihat pada gambar 2.
Citra sumber ditransformasikan pada perhitungan dekomposisi wavelet 2 Dimensi. dari citra sumber, dan kuantisasi skalar hasil
koefisien wavelet. Koefisien wavelet kemudian
dilakukan penambahan bit redundansi pada
bagian error correction type Reed Solomon
Code. Pada bagian ini bit citra informasi mendapatkan tambahan bit dengan tujuan, agar bit informasi citra dapat tahanan terhadap gangguan dikanal berupa noise dan fading. Kemudian bit dipancarkan sebagai bit stream
pada sistem komunikasi wireless, untuk
Pada penerima, koefisien wavelet dari citra dekomposisi, di terima kemudian di evaluasi bit-bit yang mengalami kesalahan, kemudian bit-bit-bit-bit tersebut ditemukan lokasi kesalahannya, dan sekaligus mengoreksi bit-bit yang salah tersebut.. Kemudian citra yang diterima diakhir, direkonstruksi dari transformasi wavelet 2
dimensi
..
Kode blok merupakan kode yang mampu mendeteksi dan mengoreksi error dalam jumlah terbatas. Kode blok dapat digunakan untuk meningkatkan performansi sistem komunikasi ketika peralatan yang lain tidak mungkin untuk diterapkan, seperti menambah daya pemancar atau penggunaan demodulator yang komplek.
Kode Reed-Solomon (RS) adalah subclas dari
Bose-Chadhuri-Hocquenghem (BCH) nonbiner.
Pada kode RS setiap blok dipandang sebagai k
simbol yang setiap simbolnya mempunyai m bit.
Kode RS ditulis dengan RS(n,k)=RS(2m-1,2m
-1-2t), yang berarti bahwa untuk k simbol, di mana
dalam 1 simbol terdapat m bit data biner, akan
dikodekan menjadi n simbol, dan kemampuan
koreksinya (t) = (n-k)/2.[4-6]
Pengujian dan pengambilan data, dilakukan dengan mensimulasikan dua pola sistem yaitu pengujian dengan sistem tanpa dan dengan pengkodean Reed Solomon. Kemudian data yang didapatkan dari kedua pengujian tersebut di analisa dan dibandingkan.
III. HASIL DAN PEMBAHASAN
Simulasi unjuk kerja sistem transmisi
Citra dengan penggunaan error correction type
Reed Solomon Code pada kanal Wireless
dilakukan sesuai dengan blok diagram pada Gambar 2. pada citra gray scale. Dari hasil simulasi yang didapatkan, kemudian dianalisa unjuk kerja sistem dengan mengguanakan BER dan PSNR.
Table 1 dan gambar 3 merepresentasikan
perbandingan unjuk kerja sistem Menggunakan
Code RS dengan tanpa code RS, pada
transmisi citra untuk kanal Fading dan Noise.
Pada SNR 10 dB didapatkan nilai BER 0.0253
dengan nilai PSNR Penggunaan Code Reed
Solomon sebesar 25.2631 dB sedangkan nilai
PSNR tanpa Penggunaan Code Reed Solomon
sebesar 17.0276 dB. Peningkatan unjuk kerja sistem sebesar 8.2355 dB. Peningkatan terus berlanjut sampai SNR 20 dB dengan nilai BER 0,008. Pada SNR 20 dB ini, peningkatan sebesar 7.4788 dB. Hasil PSNR yang diperoleh menunjukkan adanya peningkatan mutu citra dengan menggunakan Pengkodean kanal Reed Solomon code dibandingkan dengan system yang menggunakan tanpa pengkodean kanal Reed Solomon code.
Tabel 1. Transmisi Citra Pada Kanal Fading +
Noise SNR (dB) BER PSNR dengan RS (dB) PSNR Tanpa RS (dB) 10 0.0253 25.2631 17.0276 12 0.0230 29.7511 19.2321 14 0.0200 31.5931 22.4771 16 0.0195 34.0373 25.5891 18 0.0185 36.2681 28.5154 20 0.0176 38.7091 31.2303
Gambar 3. Grafik Perbandingan Unjuk Kerja Sistem Reed Solomon Code dengan
Tanpa Reed Solomon Code Pada Transmisi
Citra Untuk Kanal Fading dan Noise
15 20 25 30 35 40 0.017 0.018 0.019 0.02 0.021 0.022 0.023 0.024 0.025 0.026
Grafik Transmisi Citra
PSNR (dB)
B E R
Dengan Reed Solomon Code Reed Solomon Code
Hasil Rekonstruksi Citra dari Keluaran Sistem dengan dan tanpa Pengkodean Reed Solomon
SNR = 10 dB [dengan Reed Solomon] SNR = 10 dB [Tanpa Reed Solomon]
SNR = 12 dB [dengan Reed Solomon] SNR = 12 dB [Tanpa Reed Solomon]
Gambar 4a. Hasil Dengan Reed Solomon Gambar 4b. Hasil Tanpa Reed Solomon
Lanjutan gambar 4a. Lanjutan Gambar 4b.
SNR = 16 dB [dengan Reed Solomon] SNR = 16 dB [Tanpa Reed Solomon]
SNR = 18 dB [dengan Reed Solomon] SNR = 18 dB [Tanpa Reed Solomon]
Gambar 4a. Hasil Dengan Reed Solomon Gambar 4b. Hasil Tanpa Reed Solomon
IV. KESIMPULAN DAN SARAN 4.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan dapat diambil kesimpulan sebagai berikut :
Penggunaan Code Reed Solomon pada sistem transmisi citra, memiliki unjuk kerja sistem yang sangat signifikan dibandingkan dengan tanpa
Penggunaan Code Reed Solomon.
Kemampuan koreksi Pengkodean RS(31,15)
yang digunakan dapat melakukan koreksi error
simbol sebesar 8 bit per simbol. Ini didapat dari
2t=n-k dimana n = 16 bit per simbol panjang code word sedangkan informasi dengan panjang k = 8 bit per simbol.
4.2 Saran
Berdasarkan penelitian yang telah dilakukan, maka penulis memberi saran sebagai berikut :
Pada penelitian ini, pengkodean kanal yang
digunakan adalah Equal Error Protection (EEP)
dengan RS(31,15). Sehingga saran untuk penelitian berikutnya perlu dicoba dengan
menggunakan Unequal Error Protection (UEP)
pada pengkodean kanal untuk mengetahui
kemampuan mengatasi masalah error pada
kanal.
DAFTAR PUSTAKA
[1]. Baharuddin, “Transmisi Citra dengan
Menggunakan Teknik Diversity Pada Kanal Wireless”, Tesis S2 ITS Surabaya, Januari 2005
[2]. Liane C. Ramac and Pramod K. Varshney, “A Wavelet Domain Diversity Method for Transmission of Images over Wireless Channels” IEEE Journal On Selected Areas In Communications, Vol. 18 , No. 6, June 2000
[3]. Maher A. Sid-Ahmed, “Image Processing :
Theory, Algorithms, and Architectures”, Mc Graw Hill, 1995.
[4]. Shu Lin, Daniel J. Costello,Jr, ’Error Control
Coding’ Fundamental and Applications,
Prentice-Hall,Inc,Englewood,1983
[5]. James S. Plank and Ying Ding,” Correction
to the 1997 Tutorial on Reed-Solomon Coding”, University of Tennessee, April 24, 2003.
[6]. Sklar B., “Digital Communications
Fundamentals And Application”, Printice-Hall International, second edition, 2001. [7]. Floyd M Gardner, John D Baker,
“Simulation Techniques Models of Communication Signals dan Processes”, John Wiley & Sons, 1997