PENGINDERAAN KOMPRESIF BERBASIS SPARSITY AVERAGING 
REWEIGHTED ANALYSIS UNTUK KOMPRESI SINYAL AUDIO DAN 
SPEECH

RAHMAWAN ILHAM AL FATH

Informasi Umum

Kode

21.04.1614

Klasifikasi

621.38 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing Algortithms

Dilihat

173 kali

Informasi Lainnya

Abstraksi

Data audio di era digital ini sangat umum digunakan baik untuk kebutuhan personal maupun industri. Namun, ukuran data dalam proses transmisi dan penyimpanan adalah bagian yang penting karena masalah ukuran datanya yang sering kali memiliki ukuran yang besar. Kompresi data audio yang efisien menyelesaikan masalah ukuran data untuk kebutuhan penyimpanan dan transmisi ini. Compressed sensing (CS) memperkenalkan teknik akuisisi sinyal yang melampaui efisiensi teori Nyquist pada umumnya dalam pengambilan sampel. Salah satu metode CS adalah sparsity averaging reweighted analysis (SARA) yang diusulkan untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN). Kemudian, terdapat metode source separation via reweighted analysis (SSRA) diusulkan untuk data sinyal satu dimensi. Metode SSRA tidak melakukan rata-rata basis sparsity seperti yang dilakukan pada metode SARA, sehingga Tugas Akhir ini melakukan analisis untuk kinerja SARA yang dimodifikasi mengikuti prinsip SSRA pada sinyal satu dimensi. Tugas Akhir ini menganalisis kinerja SARA pada data sinyal senandung suara dan sinyal musik hasil segmentasi yang terdiri dari reff/chorus dan verse dari musik bergenre jazz dan reggae dengan jenis file wav. Dimana nantinya akan dilakukan pengujian terhadap 4 file audi yaitu jazz.wav dan reggae.wav yang mewakili data music, kemudian ep2.wav dan ep3.wav untuk jenis file senandung suara. SARA terdiri dari 2 tahap, yaitu tahap awal untuk penentuan basis sparsity dengan mengusulkan basis baru dari hasil rata-rata dari beberapa basis dan proses reweighted dari metode rekonstruksi BPDN. Hasil data audio yang paling bagus diperoleh file audio Jazz dengan nilai Signal to Noise Ratio (SNR) sebesar 56.75 dB, nilai Object Different Grade ODG yang dihasilkan sebesar -1.643 dan nilai Structural Similary Index Measure (SSIM) sebesar 0.9997. Sedangkan, performansi data speech terbaik diperoleh file Ep2 dengan nilai SNR sebesar 45.10 dB, nilai ODG sebesar -3.948 dan SSIM sebesar 0.9981