ANALISA KINERJA TRANSMISI CITRA MENGGUNAKAN TRANSFORMASI WAVELET MELALUI KANAL MULTIPATH

ANALISA KINERJA TRANSMISI CITRA MENGGUNAKAN TRANSFORMASI WAVELET MELALUI KANAL MULTIPATH Nabila Azzahra Syahbani, Muhammad Agus Zainuddin , Tri Budi Santoso Laboratorium Sinyal – Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya e-mail : [email protected]

Abstrak –Citra digital sudah sangat umum untuk berbagai keperluan di kalangan masyarakat. Hal tersebut diiringi dengan kemajuan teknologi yang sangat cepat dan menuntut proses pengiriman gambar dengan kecepatan dan akurasi yang baik. Pada proyek akhir ini dilakukan simulasi pengiriman citra melalui kanal mutipath menggunakan transformasi wavelet diskrit sebagai pentransformasi nilai matriks citra dari domain spasial ke domain frekuensi. Pengiriman citra dilakukan melalui kanal multipath. Data citra diterima di sisi penerima untuk dikembalikan ke bentuk citra. Kualitas citra dipresentasikan oleh nilai PSNR. Dengan faktor kuantisasi 15 dengan path kanal [0.2 0.9 0.3] didapatkan PSNR sebesar 8.6307, faktor kuantisasi 10 didapatkan PSNR sebesar 26.235 dan factor kuantisasi 15 sebesar 14.952. Nilai PSNR menunjukkan karakter yang sama saat pengujian dengan perubahan parameter lain. Kata Kunci : Transmisi Citra, Discrete Wavelet Transform, kanal Multipath

subband. Sifat dari DWT ini sangat penting untuk menerima penskalaan. Ukuran yang besar dari data digital modern sangat dibutuhkan karena decoder dapat me-recovery sinyal dengan decoding sebuah aliran data. Penskalaan sangat penting saat berhadapan dengan sinyal besar (contohnya citra dengan kualitas tinggi) karena seluruh sinyal harus ter-recovery pada level kualitas yang dibutuhkan atau bit-rate tertentu. DWT hampir sama dengan DCT dikarenakan DWT juga mentransformasikan citra ke sebuah citra tertransformasi yang mengandung koefisien frekuensi rendah dan frekuensi tinggi. Wavelet lebih efektif pada bit rate rendah disebabkan penskalaannya. DWT mentransformasikan citra menjadi subband seperti yang koefisien wavelet pada level subband yang lebih rendah yang mengandung energi yang lebih besar dari pada subband dengan level yang lebih tinggi [2]. DWT mengijinkan penguraian/dekomposisi kedalam jumlah elemen aproksimasi (skala-tinggi, komponen frekuensi rendah) dan elemen detail (skalarendah, komponen frekuensi tinggi). Dengan kata lain, elemen aproksimasi dan elemen detail masing-masing berhubungan dengan filter-filter low-pass dan highpass. Invers DWT kemudian digunakan untuk membangun kembali sinyal ke sinyal asli dengan tidak kehilangan informasi (lihat gambar 2). Pada gambar ini, panah-panah menunjukkan up-sampling (samplingke atas) Dalam proyek akhir ini digunakan transformasi Wavelet Diskrit dengan tipe Symlet 10. Karekter umum wavelet Symlet secara lengkap didukung oleh wavelet melalui asimetri terkecil dan angka lenyap tertinggi pada saat width ditentukan. Wavelet Symlet

1. PENDAHULUAN Penelitian ini dilakukan mengingat telah umumnya penggunaan komunikasi data digital. Data bukan hanya berupa teks, namun juga gambar, audio, maupun video. Citra digital sudah sangat umum untuk berbagai keperluan di kalangan masyarakat. Hal tersebut diiringi dengan kemajuan teknologi yang sangat cepat dan menuntut proses pengiriman gambar dengan kecepatan dan akurasi yang baik. Bukan hanya itu, teknologi multimedia yang merupakan penggabungan gambar dan video sangat membutuhkan kualitas transmisi citra yang memadai. Ditambah kecenderungan manusia yang bersifat mobile, yang ingin dapat mengakses data gambar dimanapun dan kapanpun. Hung-Quoc Lai, Steven Tjoa menggunakan transformasi wavelet untuk mengkompresi citra digital yang berperan sebagai embedded coding, entropy coding, and subband decomposition [2]. Makalah ini disusun sebagai berikut: bab 2 menyajikan teori penunjang, bab 3 menyajikan pembuatan sistem, bab 4 menyajikan hasil simulasi dan kesimpulan pada bab 5. 2. TEORI PENUNJANG Dalam proyek akhir ini, dasar teori yang digunakan untuk mendukung perencanaan sistem yaitu, materi tentang transformasi Wavelet Diskrit, Kanal Multipath serta Equalizer. DISCRETE WAVELET TRANSFORM (DWT) DWT menyediakan sebuah ekspresi multiresolusi dari sebuah citra melalui dekomposisi

1

dikenal dengan singkatan sym. Pada penulisan symN, N adalah order , contohnya sym2, sym8, sym10.

Dimana S1 adalah sinyal baseband, fc adalah frekuensi carier sedangkan t adalah waktu.

KANAL MULTIPATH Propagasi sinyal dari pengirim menuju ke penerima dalam lingkungan wireless, akan mengalami berbagai gangguan seperti: pantulan, redaman, difraksi, hamburan, dll. Sehingga penerima akan menerima sinyal hasil penjumlahan dari berbagai lintasan akibat mengalami kondisi diatas. Sinyal tersebut akan mengalami variasi amplitudo dan fasa yang acak sepanjang periode waktu yang cukup singkat. Sinyal yang diterima penerima adalah sinyal yang telah mengalami distorsi akibat efek kanal atau biasa disebut small scale fading. Pengaruh penting akibat adanya small scale fading adalah perubahan level daya terima yang cepat sepanjang interval waktu yang cukup singkat. Small-scale fading atau biasa disebut dengan fading disebabkan oleh interferensi antara dua atau lebih sinyal terkirim yang sampai di Rx pada selisih waktu yang tidak begitu jauh yang disebut dengan gelombang multipath, bergabung di antenna Rx sehingga menghasilkan sinyal resultan dimana amplitudo dan fasanya berubah-ubah. Sinyal yang diterima oleh penerima merupakan jumlah superposisi dari keseluruhan sinyal yang dipantulkan akibat banyak lintasan (multipath). Hal ini menyebabkan kuat sinyal yang diterima oleh penerima akan bervariasi dengan cepat, dan terjadi fenomena sinyal fading cepat (short term fading). Karena rendahnya antena MS dan adanya struktur bangunan yang mengelilingi MS, menyebabkan fluktuasi yang cepat pada penjumlahan sinyal-sinyal multipath menurut distribusi statistik yang disebutdistribusi Rayleigh yang dikenal dengan Rayleigh Fading. Fading yang terjadi secara lambat akibat pengaruh efek bayangan dari berbagai halangan disebut fading lambat (shadowing). Fading ini mengakibatkan fluktuasi level daya yang diterima selama MS bergerak. Karakteristik pertama dari mediummultipath adalah penyebaran waktu atas sinyal yang ditransmisikan melalui kanal. Karakterisrik kedua adalah akibat variasi waktu dalam struktur medium.Sebagai hasil dari variasi waktu ini, sifat multipath berubah terhadap waktu, sebab jika sinyal pulsa ditransmisikan lagi ,maka terjadi perubahan padarentetan sinyal terima. Variasi waktu muncul tidak dapat diprediksi terhadap pengguna kanal ,sehingga kanal multipath berubah terhadap waktu. Misalkan, suatu sinyal transmisi yang ditunjukkan pada umumnya dengan persamaan berikut:

Faktor-faktor yang mempengaruhi small-scale fading adalah: • Multipath propagation Adanya objek-objek pemantul pada kanal mengakibatkan disipasi energi sinyal. Disipasi energi sinyal itu dapat berupa disipasi amplitudo, fasa, dan waktu. Hal ini mengakibatkan sinyal yang diterima di penerima menjadi dua jenis, yaitu langsung (direct) dan tunda (delay), dengan variasi amplitudo dan fasa yang acak pada tiap komponen multipath. Hal ini akan mengakibatkan intersymbol interference (ISI). • Kecepatan penerima (mobile) Pergerakan relatif antara pemancar dan penerima menghasilkan efek doppler shift, yaitu pergeseran frekuensi modulasi yang acak pada tiap komponen multipath. Hal ini mengakibatkan pelebaran spektral sinyal. • Kecepatan objek-objek lingkungan kanal Jika objek-objek pada kanal dalam keadaan bergerak, maka akan mengakibatkan time varying doppler shift. Bandwidth transmisi sinyal Jika bandwidth sinyal yang dikirimkan lebih besar dari bandwidth kanal, maka sinyal yang diterima akan mengalami distorsi. Hal ini berhubungan dengan bandwidth koheren dari kanal. Persamaan untuk kanal multipath adalah: (2) Dimana N adalah jumlah lintasan, i adalah delay dan α adalah atenuasi.

Gambar 1 presentasi kanal multipath EQUALIZER - MMSE Salah satu efek dari fenomena multipath adalah gangguan yang disebut dengan Inter Symbol Interference (ISI). ISI dapat menyebabkan kesalahan penerjemahan bit dari informasi yang diterima. Hal ini terjadi karena adanya penerimaan sinyal informasi yang berulang dengan waktu berbeda (delay), sehingga

(1)

2

memungkinkan sebuah sinyal bertumpuk dengan sinyal berikutnya. Untuk menghilangkan ISI dapat dilakukan dengan memberikan filter equalizer di sisi penerima. Selain gangguan yang berupa ISI, gangguan lain yang biasanya terjadi adalah noise. Oleh karena itu, untuk mengurangi ISI dan noise, maka pada proyek akhir ini dibuat sebuah simulasi software equalizer MMSE (Minimum Mean Square Error) dengan harapan untuk mendapatkan hasil akhir berupa sinyal yang mendekati sinyal aslinya. Equalizer merupakan alat yang digunakan untuk memperbaiki data yang rusak akibat distorsi kanal. Equalizer merupakan filter digital yang dipasang pada sisi penerima yang bertujuan agar sinyal yang masuk pada sisi penerima tidak lagi berupa sinyal yang mengalami interferensi. Untuk kanal komunikasi yang karakteristiknya tidak diketahui, filter di penerima tidak dapat di desain secara langsung. Proses equalisasi dapat mengurangi efek ISI dan noise untuk demodulasi yang lebih baik. Ada beberapa jenis equalizer diantaranya adalah : 1. Maximum Likelihood (ML) Sequence Detection, optimal namun tidak ada dalam praktek. 2. Linear equalization, tidak begitu optimal namun sederhana. 3. Non-Linear equalization, digunakan untuk beberapa jenis ISI.

Gambar 2 Blok Diagram Sistem Awal mula pengerjaan dilakukan pengambilan data citra dengan memanggil dan melakukan proses pembacaan pada citra JPEG. Masukan berupa file gambar JPEG digunakan sebagai data masukan. File gambar dibaca dan diubah dari format RGB menjadi grayscale sehingga didapatkan hasil berupa data matriks citra dalam domain spasial. Ukuran matriks akan sesuai dengan besar ukuran citra yang digunakan. Masing-masing data matriks menunjukkan intensitas warna dari masingmasing pixel gambar. Setelah itu, untuk mengubah data matriks citra ke dalam domain frekuensi, dilakukan proses transformasi wavelet diskrit, dimana dalam hal ini dilaksanakan dengan proses dwt bertingkat yang bertujuan mengambil 1/8 bagian dari sebuah gambar utuh yang bertujuan untuk proses pengkodean. Bagian terkecil dari gambar inilah yang akan digunakan sebagai masukan dari proses-proses berikutnya. Hasil dari proses transformasi yang merupakan nilai gambar dalam bentuk matriks domain frekuensi dilakukan proses kuantisasi yang bertujuan mendekatkan nilai yang didapat dengan angka nol, dengan melihat nilai terbesar dari matriks tersebut dan membaginya sehingga didapat hasil berupa nilai matriks yang desimal. Dari hasil tersebut, dilakukan proses pembulatan ke nilai integer terdekat agar nilai semakin mendekati nol. Proses selanjutnya dilakukan proses perubahan dari desimal menjadi biner yang berguna untuk proses transmisi data gambar. Setelah itu dilakukan proses pengkodean pada data citra dengan hamming. Hasil data yang didapatkan diproses selanjutnya dengan modulasi yang bertujuan membedakan fase dari data biner, sehingga didapat hasil berupa +1 atau -1. Data kemudian dikirimkan melalui kanal multipath dengan ditambahkan noise Gaussian serta dilakukan proses ekualisasi yang bertujuan mengurangi dampak dari ISI(Inter Symbol Interference) pada kanal multipath. Data yang telah dikirim akhirnya ditangkap oleh penerima (receiver) dan dilakukan proses demodulasi pada data untuk mengubah data menjadi ke bentuk biner, dilakukan pembulatan ke nilai integer terdekat. Hasil dari proses tersebut didekodekan, dikembalikan ke bentuk desimal dan didekuantiasasi dengan kembali mengalikan dengan nilai pembagi kuantisasi di sisi pengirim. Hasil matriks desimal dilanjutkan dengan proses detransformasi yang bertujuan mengembalikan data ke domain spasial. Dari hasil tersebut, data recovery citra sudah bisa didapatkan dan ditampilkan kembali dalam bentuk grayscale.

Pada proyek akhir ini digunakan linear equalization karena mudah diimplementasikan dan efektif untuk kanal yang tidak mengandung ISI (seperti kanal wireline) maupun kanal yang mengandung ISI (seperti kanal wireless). Filter equalizer akan membentuk jajaran yang disebut dengan tap. Equalizer MMSE merupakan perkembangan dari equalizer Zero Forcing. Equalizer MMSE dapat mengurangi efek ISI sekaligus mengatasi gangguan pada kanal sehingga error pada penerima akan relatif kecil. Pada dasarnya bentuk dari MMSE equalizer sama dengan Zero Forcing equalizer ,jumah tapnya yaitu 2M + 1. Equalizer MMSE dianggap cocok sebagai filter pada komunikasi wireless, yakni dapat mengatasi ISI sekaligus noise pada kanal komunikasi. 3. PERANCANGAN SIMULASI TRANSMISI CITRA DENGAN TRANSFORMASI WAVELET MELALUI KANAL MULTIPATH

4 HASIL DAN ANALISA

3

sebesar 8.6307. Nilai PSNR dari citra output sangat dipengaruhi oleh nilai matriks citra awal dan bagaimana sistem bekerja dan parameter apa saja yang digunakan dalam sistem. Sedangkan pada gambar grafik perbandingan kualitas kanal, terlihat kualitas terbaik ditunjukkan oleh Simulasi Rayleigh dengan equalizer MMSE sebesar 5 tap dengan nilai BER yang lebih kecil dengan nilai SNR yang semakin besar.

Proses pemanggilan dan pembacaan data citra dilakukan dengan mengakses GUI tombol browse

4. PENUTUP 4.1 KESIMPULAN Berdasarkan pada hasil pengujian sistem dan analisa hasil, didapatkan kesimpulan , yaitu: Gambar 3 Tampilan hasil proses citra Lena

1.

Pengujian pada citra input Lena sebesar 200x200 didapatkan hasil nilai PSNR sebesar 31,7409 dengan faktor kuantisasi sebesar 5, sedangkan saat citra dengan faktor kuantisasi sebesar 10, didapatkan faktor kuantisasi sebesar 26.2352, sedangkan faktor kuantisasi 15, PSNR sebesar 14.9525 yang menunjukkan kualitas citra terbaik pada PSNR terbesar yaitu dengan kuantisasi 10.

2.

Sedangkan saat faktor kuantisasi 15 dengan path kanal [0.1 0.4 0.3] didapatkan PSNR sebesar 14.5362, faktor kuantisasi 5 didapatkan PSNR sebesar 8.5640, faktor kuantisasi 10 didapatkan PSNR sebesar 20.3047. Nilai PSNR menunjukkan karakter yang sama saat pengujian dengan factor kuantisasi.

3.6.2 PEMROSESAN CITRA Setelah menetapkan citra dengan parameter yang diinginkan, proses dilanjutkan dengan menjalankan program untuk mendapatkan keluaran hasil dari recovery citra yang telah ditransmisikan

Gambar 4 Tampilan citra input dan output 5. REFERENSI [1]Catleman, Kenneth, “Digital Image Processing”, Prentice Hall, 1996 [2] Hung-Quoc Lai, Steven Tjoa, “ENEE631 Digital Image Processing:Wavelet- Based Image Compression”, Dept. of Electrical and Computer Engineering, University of Maryland, April 2004 [3] Sylvain Fischer, Gabriel Crist´obal, “Minimum Entropy Transform Using Gabor Wavelets For Image Compression”, Instituto de Optica(CSIC), Imaging and Vision Department, Serrano 121. 28006 Madrid Spain, 2001 [4] A.Ahmadian, A.Mostafa, “An Efficient Texture Classification Algorithm using Gabor Wavelet”, Department of Biomedical Systems& Medical Physics, Tehran University of Medical Science, Tehran, Iran,2003 [5] Li, Drew, “Image Compression Standart”, Fundamental of Multimedia, Chapter 9, Prentice Hall, 2003

BER untuk modulasi BPSK pada kanal Rayleigh Teori AWGN Teori Rayleigh Simulasi Rayleigh-5tap-MMSE -1

Bit Error Rate

10

-2

10

-3

10

0

5

10 Eb/No, dB

15

20

25

Gambar 5 Tampilan Perbandingan Kualitas Kanal Pengujian di atas menggunakan parameter antara lain kuantisasi sebesar 5, menggunakan 3 path pada kanal [0.2 0.9 0.3] serta 5 tap equalizer. Dari hasil pengujian terlihat bahwa kualitas citra output dengan PSNR

4

Systems& Medical Physics, Tehran University of Medical Science, Tehran, Iran,2003 [5] Li, Drew, “Image Compression Standart”, Fundamental of Multimedia, Chapter 9, Prentice Hall, 2003

[5]

Li, Drew, ”Image Compression Standart”, Fundamental of Multimedia, Chapter 9, Prentice Hall, 2003

5