ABSTRAKSI: Dewasa ini, seiring perkembangan zaman, kebutuhan akan data video digital semakin meningkat, baik itu dalam lingkungan perusahaan, industri hiburan, layanan telekomunikasi maupun di rumah – rumah. Hal ini menjadikan teknologi video digital menjadi suatu kebutuhan yang harus dipenuhi. Permasalahan terbesar yang dihadapi adalah besarnya ukuran file video ini. Teorema pencuplikan Shannon Nyquist menyatakan jika kita mencuplik sinyal cukup rapat (pada laju Nyquist), maka kita dapat merekonstruksi data analog secara sempurna. Pada penginderaan dengan sampling paradigma yang berkembang untuk akuisisi data digital adalah pencuplikan data secara merata pada laju Nyquist (2 kali lebar bandwidth fourier) dan kemudian dilakukan kompresi data. Dalam banyak aplikasi termasuk image digital dan video camera, Nyquist rate bisa sangat tinggi karena terlalu banyak mengambil sample dan harus dikompres lagi untuk keperluan pengiriman atau disimpan.
Kompresi dilakukan pada data digital yang saat pengumpulannya (dipotret atau direkam) menghasilkan sejumlah besar data untuk kemudian dibuang pada saat kompresi. Untuk menghindari ketidakefisienan ini digunakan teknik terbaru yang disebut penginderaan kompresif (Compressive Sensing).
Dalam tugas akhir ini digunakan inverse discrete cosine transform (IDCT) sebagai transformasi penjarang (sparsity), dimana citra/video akan mengalami pengukuran. Pengukuran tersebut dilakukan menggunakan transformasi proyeksi berdasarkan distribusi Gaussian, Kemudian citra/video tersebut direkonstruksi menggunakan basis pursuit.
Dari hasil penelitian dapat diketahui bahwa IDCT dapat digunakan sebagai transformasi sparsity untuk membuat citra/video bersifat sparse. Selain itu, dari pengujian sistem didapatkan nilai MSE, PSNR, MOS, dan waktu komputasi untuk setiap video input grayscale sebagai parameter pengukur performansi dari penelitian ini.Kata Kunci : Compressive Sensing, inverse discrete cosine transform (IDCT),sparsity, basis pursuit.ABSTRACT: Today, over the development period, the need for digital video data is increasing, both in the corporate environment, the entertainment industry, telecommunications and home services. It makes digital video technology becomes a necessity that must be met. The biggest problems faced is the large size of this video file. Shannon Nyquist sampling theorem tells that if we sample the signal densely (on Nyquist rate), we can reconstruct analog data completely. In sensing with sampling, the presented opinion to obtain digital data is to sample data fairly on Nyquist rate (2 times wider than fourier bandwidth) and then do the data compression. In many application including digital image and video camera, Nyquist rate can be very high in collect sample and it has to be compressed again due to transmit need or storing.
Compression is done to digital data which when the collecting time (captured or recorded) resulting an amount of data to then will be wasted in compression process. To avoid this unefficient thing, it is used the newest technique called compressive sensing.
In this final project, it is used inverse discrete cosine transform (IDCT) as a sparsity transform, where the image/video will be measured. The measurement is done using projection transform based on Gaussian distribution. Then, the image/video will be reconstructed using basis pursuit.From the research result, it is known that IDCT can be used as sparsity transform to make the imag2/video sparse. In addition, the test system obtained MSE, PSNR, MOST, and computation time for each video input grayscale as a parameter measuring the performance.Keyword: Compressive Sensing, inverse discrete cosine transform (IDCT),sparsity, basis pursuit.