Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSistem pencitraan menggunakan gelombang mikro sudah banyak diteliti dan dikembangkan karena sifatnya yang non-invasive. Gelombang mikro yang digunakan yaitu yang memiliki frekuensi kerja ultrawideband dikarenakan mampu memberikan perbedaan yang kontras pada suatu jaringan yang normal atau yang ada tumornya. Algoritma proyeksi balik digunakan untuk merekonstruksi citra dari hasil pemindaian yang dilakukan antena ultrawideband dikarenakan mudah perancangannya.Antena ultrawideband dirancang dan diujikan dengan tiga jenis konstruksi phantom untuk kemudian dilihat parameter |S21| (magnitudo atenuasi ternormalisasi) nya. Pengujian sistem ini dilakukan pada beberapa titik frekuensi, yaitu 3,1 GHz, 4,5 GHz, 5,8 GHz, dan 6 GHz. Nilai parameter |S21| (magnitudo atenuasi ternormalisasi) antena terhadap phantom ini yang kemudian akan direkonstruksi menjadi citra menggunakan algoritma proyeksi balik dan dianalisa pengaruhnya terhadap frekuensi.Pada skripsi ini, hasil rekonstruksi citra dengan gelombang mikro diinvestigasi dan dianalisis perbandingan hasilnya pada frekuensi kerja 3,1 GHz, 4,5 GHz, 5,8 GHz, dan 6 GHz. Hasil rekonstruksi citra dianalisis menggunakan histogram dan pengaruh panjang gelombang terhadap karakteristik dielektrik phantom. Secara umum, citra yang dihasilkan memiliki perbedaan karakteristik pada keempat frekuensi tersebut. Berdasarkan analisis histogram, karakteristik citra pada frekuensi 3,1 GHz memiliki parameter kontras yang lebih baik jika dibandingkan dengan hasil rekonstruksi di frekuensi yang lebih tinggi.

---

ABSTRAK

Microwave imaging has been widely studied in medical applications, such as for breast cancer detection and brain tumors because it is able to non-invasively detect a suspicious object inside the body. The Ultra Wide Band microwave is chosen in this research because UWB signal provides good penetration and resolution characteristics. Back projection algorithm is used for image reconstruction due to its simplicity in implementation.

The ultra wide band antenna is designed and used as a transmit and receive antenna for evaluating three kinds of phantoms and biological tissues of animal to observe the |S21| parameter (magnitude of normalized attenuation) at selected frequencies i.e. 3.1 GHz, 4.5 GHz, 5.8 GHz, and 6 GHz. In this bachelor thesis, the |S21| parameter (magnitude of normalized attenuation) will be processed to reconstruct an image by using back projection algorithm and then the reconstructed image is analyzed for each different aforementioned frequencies.

The reconstructed images of phantoms are investigated at the selected UWB frequencies i.e. 3.1 GHz, 4.5 GHz, 5.8 GHz, and 6 GHz. The reconstructed images are analyzed on each histogram according to its wavelength. The reconstructed images at each frequency can be clearly distinguished by each histogram characteristics. Based on histogram characteristics, the image that is reconstructed at 3.1 GHz shows the best contrast parameter compared with the other higher frequencies."

"Pada mode infrastruktur, ketika setiap kali node wired dan node wireless hendak mengirimkan paket data ke node wireless lainnya, data harus dulu dikirimkan ke access point (AP). Kemudian access point (AP) akan memforward paket data ke node coresponden. Oleh karena itu AP adalah tempat yang bagus untuk menambahkan mekanisme FEC untuk improve delivery video yang berkualitas. Jumlah redundant data yang ada pada mekanisme FEC statis adalah tetap. Dalam Mekanisme EAFEC redundant data ditentukan oleh access point (AP) berdasarkan beban traffic jaringan dan wireless channel state. Algoritma EAFEC menentukan berapa jumlah paket redundant yang harus di-generate berdasarkan panjang antrian yang mengindikasikan beban traffic jaringan dan times retransmisi paket yang mengindikasikan wireless channel state. Layanan video streaming tidak pernah lepas dari throughput, delay, jitter dan packet loss. Pada penelitian ini penulis membangun simulasi optimalisasi streaming video pada jaringan wireless. Penulis juga melakukan studi literatur dalam merancang simulasi ini. Dalam membangun simulasi penulis menggunakan aplikasi NS2 (network simulator) versi 2.28 yang berjalan diatas sistem operasi Microsoft Windows Xp Sp2 dengan aplikasi Cygwin. Hasil output akhir pada NS-2 divisualisasikan berupa grafik dan tabel yang kemudian dianalisa lebih lanjut yaitu berupa pengukuran throughput, delay, jitter, packet error dan dengan menggunakan script AWK beserta beberapa tambahan modifikasinya. Dari thesis ini diperoleh performance dari penggunaan mekanisme EAFEC dapat mengurangi kemacetan pada jaringan (congestion) sehingga berdampak pula berkurangnya jumlah packet loss.

---

In the infrastructure mode, when a wired and wireless node wants to send data packets to other wireless nodes, data must first be sent to the Access Point (AP). The AP then forwards packets to the corresponding node. Therefore, AP is a good place for adding the FEC mechanism for improving video delivery quality. The number of redundant FEC data in a fixed number.

EAFEC redundant data is determined by AP which is based on both network traffic load and wireless channel state. EAFEC Algorithm determines number FEC redundant generated based on queue length indicating network traffic load and packet retransmisi times indicating wireless channel state. Streaming video services are usually related to throughput, delay, jitter and packet loss.

In this thesis, the author develops a simulation study of streaming video service on wireless network. The research method is performed studying and developing simulation using Network simulator (NS-2) application version 2.28. The application running at Microsoft Windows Xp SP2 operating sistem, with CYGWIN aplication.

The result of simulation are graphics and measurement such us throughput, delay, jitter and packet error. The measurements are conducted using AWK script with some modifications. From this thesis obtained performance usage of mechanism EAFEC can lessen traffic jam on network ( congestion ) also causing affects the lessen amounts of packet loss."

"Convolutional coding is used widely today, especially in wireless communication. In trnasmitter, the convolutional encoder generates code from input data....."

"ABSTRAKSupercomputer, yang pada dekade delapan puluhan merupakan sarana komputasi berkinerja tinggi saat ini semakin kurang diminati oleh kalangan akademisi di universitas karena perbandingan biaya dan kinerjanya yang semakin menurun. Pilihan lain yang tersedia adalah jaringan komputer, terutama setelah berkembangnya programming tools yang mendukung implementasi algoritma komputasi paralel pada sarana tersebut. Kecenderungan pemanfaatan jaringan komputer sebagai sarana komputasi berkinerja tinggi sejalan dengan perkembangan jaringan komputer itu sendiri, yang pada masa kini ditandai dengan : meningkatnya kinerja prosesor disertai dengan penurunan harga yang tajam, meningkatnya kapasitas transfer jalur komunikasi antar prosesor secara drastis dan tersedianya sarana bantu pemrograman yang semakin mendukung. Akibatnya, jaringan komputer yang banyak terdapat di lembaga pendidikan tinggi, dapat dimanfaatkan sesuai dengan kemampuannya sebagai sarana komputasi berkinerja tinggi. Penelitian ini I bertujuan untuk mengkaji kemampuan jaringan komputer dalam mendukung komputasi paralel.Metode pengujian yang dilakukan adalah metode pengujian empiris. Dilakukan serangkaian ujicoba dengan program penguji yang dirancang khusus, atau benchmark programs, baik dalam bentuk synthetic benchmark maupun application benchmark. Program-program uji tersebut dirancang untuk menggali potensi kemampuan jaringan komputer, ditinjau dari : kinerja prosesornya, efektifitasnya dalam mendukung berbagai jenis penjadwalan beban kerja, kemampuan sarana pertukaran pesan antar prosesnya dan kemungkinan penerapan mekanisme untuk menghindari kegagalan proses komputasi (fault tolerant computing). Juga dilakukan penelitian terhadap faktor-faktor lain yang berpengaruh terhadap kinerja algoritma komputasi paralel, seperti : pemanfaatan prosesor heterogen dan pemanfaatan prosesor · dengan berbagai ukuran memori. Pengujian dilakukan secara berulang, untuk setiap jenis program penguji; agar didapatkan data statistik yang relatif konvergen.Sebagai sarana uji coba, digunakan dua jenis computing platforms, yaitu Jaringan komputer homogen berbasis stasiun kerja SUN dan jaringan komputer heterogen berbasis komputer pribadi jenis terakhir.Dari hasil uji coba dan analisa data yang telah dilakukan, dapat ditarik kesimpulan bahwa jaringan komputer memiliki potensi yang besar untuk dapat dimanfaatkan sebagai sarana penerapan algoritma komputasi paralel. Semakin banyak prosesor yang digunakan, semakin cepat proses dapat diselesaikan. Walaupun demikian, pengguna sarana jenis ini harus memperhatikan keterbatasan yang ditemukan pada penelitian : pertukaran pesan antar proses harus dilakukan dengan perhitungan cermat, karena relatif rendahnya kemampuan transfer data dari saluran komunikasi dan kurang efisien-nya protokol pendukung. Kinerja jaringan akan optimal bila algoritma paralel dapat dijadwalkan dengan membagi beban secara seimbang keseluruh prosesor yang berpartisipasi dan membatasi pertukaran pesan seminimal mungkin. Semakin tinggi kompleksitas beban kerja prosesor, semakin baik kinerja jaringan yang diperoleh, ditinjau dari perolehan percepatan proses (speed-up). Pada jaringan ho111ogen, penyei1nbangan be ban kerja paralel relatif mudah untuk dilakukan, karena kemampuan olah prosesor yang setara. Pada jaringan heterogen, penyeirnbangan beban lebih sulit untuk dilakukan, karena kemampuan prosesor yang berbeda. Pendekatan yang dilakukan pada jaringan jenis ini adalah, menjadwalkan beban dengan mengusahakan agar kompleksitas beban kerja setara dengan kemampuan olah prosesor yang dituju (heuristic). Ukuran memory, berpengaruh terhadap kinerja program. Program dengan ukuran relatif besar, yang melebihi kapasitas memory yang ada, menimbulkan terjadinya proses paging antara memori utama dan memori maya, yang memperlambat waktu olah program secara keseluruhan. "

"Tugas akhir ini membahas 2 algoritma untuk menentukan himpunan bebas maksimum pada graph busur sirkular. Algoritma tersebut adalab algoritma dari LEUNG dan algoritma dari MASUDA NAKAJIMA. Kemudian dilakukan perbandingan pada kedua algonitma tersebut untuk menentukan algoritma yang terbaik ditinjau dari sudut kompleksitas waktu."

"Dibahas pembentukan algoritma paralel perhitungan perkalian matriks pada komputer SIMD dengan model jaringan keterhubungan elemen prosesor berbentuk pohon, mesh dimensi 2 dan hiperkubus. Masing-masing model tersebut terdiri dari O(n), O(n2) dan O(n3) elemen prosesor. Kompleksitas waktu dari algoritma paralel perhitungan perkalian matriks adalah O(n2 + log2n) pada model keterhubungan pohon, O(n) pada model keterhubungan mesh dimensi 2 dan O(log2n) pada model keterhubungan hiperkubus."

"ABSTRAK Dibahas pembentukan algoritma paralel perhitungan perkalian matriks padakomputer SIMD dengan model jaringan keterhubungan elemen prosesor berbentuk pohon,mesh dimensi 2 dan hiperkubus. Masing-maaing model tersebut terdiri dan 0(n), O(n-)dan 0(!p) elemen prosesor. Kompleksitas waktu dan algoritma paraiel perhitunganperkalian matriks adalah 0(n- + log2n) pada model keterhubungan pohon, 0(n) padamodel keterhubungan mesh dimensi 2 dan Oilog^n) pada model keterhubunganhiperkubus."

"Penggabungan dua hispunan terurut {merging) merupakan salah satu bahan pembahasan dalam bidang ilmu komputer, khususnya berkenaan dengan analisa dan konpleksitas algoritma serta kecepatan komputasi. Salah satu usaha untuk meningkatkan kecepatan komputasi masalah penggabungan ialah dengan menggunakan proses paralel. Oleh karena itu penulis meinbahas algoritma paralel penggabungan dari dua buah hispunan terurut pada model komputasi paralel SM CREW {SMred-Memory Concurrent Read, Exclusive Write) dari kelas koaputer SIMD ( Single Instruction Stream, Multiple Data Stream) dan SM EREW (Shared-Memory Exlusive Read, Exclusive Write) dari kelas komputer SIMD (Shared-Memory Single Instruction Stream, Multiple Data Stream), serta analisa algorima - algoritma tersebut. Untuk implementasinya dipakai metcda simulasi dengan bahasa pemrograman ADA, karena bahasa pemrograman ini mendukung dalam simulasi pemrosesan secara paralel. Dengan membuat simulasi ini dapat diperoleh hasil yang bisa dipakai untuk memperkirakan kemungkinan jika diimplementasikan pada kondisi yang sesungguhnya."