Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kompresi suara atau yang biasa disebut dengan pengkodean suara (speech coding) merupakan metode untuk mengurangi jumlah informasi yang dibutuhkan untuk mewakilkan sinyal suara. Teknologi speech coding untuk kompresi sinyal speech dilakukan untuk memperbaiki (menghemat) kinerja bandwidth yang terbatas dan untuk mendukung privasi komunikasi (enkripsi data/pesan). Code Excited Linear Prediction (CELP) yang merupakan pengembangan dari Linear Predictive Coding (LPC) menggunakan metode linear prediction dalam pengkompresan sinyal speech.Linear prediction adalah suatu metode yang memprediksi sampel ke-n dari suatu sinyal, s(n), dengan membentuk kombinasi linear dari p sampel s(n) sebelumnya. Kombinasi linier umumnya dioptimalkan dengan meminimalkan kuadrat dari prediction error (Mean Square Error, MSE). Suatu encoder CELP (Code Excited Linear Prediction) mempunyai model vocal tract yang sama dengan encoder LPC. Sebagai tambahannya, pada CELP menghitung error yang terjadi antara input data speech dengan model yang dibangkitkan dan mentransmisikan parameter-parameter dari model tersebut dan representasi error-nya.Dari hasil simulasi yang dilakukan diperoleh bahwa model yang memiliki nilai MSE terkecil terhadap sinyal asli adalah yang memiliki jumlah koefisien linear prediction sebanyak 15 buah. Dengan demikian, model yang akan dikirimkan adalah yang memiliki koefisien linear prdiction sebanyak 15 buah."

"Teknologi speech coding untuk kompresi sinyal speech dilakukan untuk menghemat konsumsi bandwidth. Salah satu metode analisis speech coding adalah Linier Predictive Coding (LPC). LPC adalah suatu metode yang memprediksi sampel ke-n dari suatu sinyal, s(n), dengan membentuk kombinasi linier dari p sampel sebelumnya. Algoritma Mixed Excited Linier Prediction (MELP) merupakan algoritma kompresi suara yang dikembangkan berdasarkan algoritma LPC. Pada coder MELP dilakukan pencampuran sinyal eksitasi pulsa dan noise untuk menghilangkan dengung yang dihasilkan LPC biasa. Pemilihan nilai koefisien linear prediction (LP) yang memiliki nilai Mean Square Error (MSE) terkecil terhadap sinyal asli dilakukan. Koefisien LP yang memiliki nilai MSE terkecil inilah yang akan dikirimkan sebagai model untuk membangkitkan sinyal suara kembali pada penerima. Dari hasil simulasi diperoleh bahwa model yang memiliki nilai MSE terkecil terhadap sinyal asli adalah yang memiliki jumlah koefisien LP sebanyak 10,15 dan 17 buah bergantung darijenis input suara."

"Dalam perkembangan teknologi komunikasi yang semakin cepat, pengiriman pesan dapat dilakukan melalui media apapun. Namun, pesan yang dikirimkan tidak selalu terjamin keamanannya. Di dalam proses pengiriman pesan, dapat terjadi pencurian dan penyalahgunaan pesan. Untuk itu diperlukan teknik pengamanan, salah satunya adalah teknik steganografi. Pada skripsi ini dilakukan implementasi steganografi data citra digital dengan menggunakan Least Significant Bit (LSB) dan Huffman coding. Huffman coding digunakan untuk mengkompresi pesan rahasia. Metode LSB dilakukan untuk menyisipkan pesan rahasia dengan mensubstitusi satu bit terakhir masing-masing pixel pada cover image. Hasil uji coba dari implementasinya dianalisis berdasarkan rata-rata waktu proses embedding dan extracting. Nilai PSNR yang diperoleh relatif tinggi untuk semua data uji, yaitu dari 52,48 dB sampai 67,73 dB, hal tersebut menunjukkkan bahwa pesan rahasia yang disembunyikan sulit untuk dideteksi dan diketahui oleh pihak ketiga.

---

In rapidly communication technology development, sending message can be done through any media. But, the security of the message is not always guaranteed. In the message sending process, may occur theft and abusing message. Hence, it is necessary for security techniques, that is steganography.

In this undergraduate thesis, digital image steganography will be implemented using Least Significant Bit (LSB) and Huffman coding. Huffman coding is used to compress secret message. LSB method is used to embed secret message by substituting one last bit of each pixel of cover image.

The result of implementation is analyzed based on average time of embedding and extracting process for each of experiment data. PSNR value obtained are relatively high, that is from 52,48 dB to 67,73 dB, indicating that secret message hidden in the cover image is difficult to detected and known by third parties."