1

Bab - II

Sistem Komunikasi Digital

Berikut ini digambarkan salah satu blok diagram sistem komunikasi sederhana.
Sumber Informasi
Koder Sumber
Koder Kanal
Modulator Gelombang
Kanal Gelombang
Demodulator Gelombang
Dekoder Kanal
Dekoder Sumber
Pengguna Informasi













Gbr. 1 : Salah satu model sistem komunikasi

Fungsi sistem komunikasi adalah memancarkan informasi secara andal dari
sumber informasi ke pengguna informasi
Dari blok diagram diatas dapat dilihat bahwa :
keluaran dari sumber informasi adalah sudah berbentuk signal-
signal digital , yaitu berupa urutan simbol-simbol dari berbagai
abjad yang sudah menjadi signal-signal diskrit
Simbol-simbol ini diproses oleh koder sumber menjadi simbol-simbol
bentuk lain (atau disebut kelompok simbol) agar supaya :
dapat dibuat menjadi simbol-simbol yang pada saat dipancarkan ke
pengguna informasi , banyaknya simbol tersebut adalah menjadi
seminimal mungkin
Keluaran dari koder sumber menjadi masukan bagi koder kanal = koder
saluran dimana :
koder saluran tersebut berfungsi untuk memperbesar
efisiensi komunikasi , yaitu dengan jalan :
mengubah urutan bit keluaran koder sumber menjadi
urutan bit simbol yang berbeda dari abjad yang dikirim
dari sumber informasi
Keluaran koder saluran masuk ke modulator , kemudian dipancarkan lewat
Kanal Diskrit Tanpa Memori = DMC (Discrete Memoryless Channel) menuju ke
demodulator yang menjadi bagian sistem penerima, terus masuk ke
dekoder kanal sistem penerima
2

Manfaat DMC ini mencakup :
melakukan pengurangan terhadap pengaruh distorsi sig-
nal sewaktu melewati kanal komunikasi gelombang
detektor kanal yang mendapat masukan dari demodulator , akan
berupaya untuk :
merekonstruksi urutan keluaran yang berasal dari koder
sumber , menjadi urutan bit yang seasli mungkin dengan
yang dikirim dari sumber informasi
Dengan menggunakan disain enkoder-dekoder yang tepat, maka akan dapat :
mengoreksi beberapa kesalahan transmisi yang terjadi
di Kanal Diskrit Tak Bermemori (DMC) tadi, sehingga dapat
memperbaiki keandalan komunikasi
Dengan memakai keluaran dekoder kanal, maka dekoder sumber akan
dapat membuat perkiraan urutan bit informasi yang
dipancarkan

Kode Kelompok
(Block Code)


Kode kelompok adalah suatu kode yang dapat mengoreksi kesalahan bit secara
mandiri (self error correction) , dimana :
bentuk kode terdiri atas :
kode yang menggambarkan suatu kharakter , jumlahnya seba-
nyak k buah bit
kode yang digunakan sebagai uji paritas (kode yang berfungsi
untuk dapat mengoreksi kesalahan ) , jumlahnya sebanyak q buah bit
dapat mudah untuk diketahui bahwa :
kemungkinan kharakter yang terjadi = m = 2
k
buah
pada jenis kode kelompok banyaknya bit menjadi = k + q = n bit
Jika salah satu kharakter tersebut adalah :

, maka :
dengan memakai enkoder (alat untuk membuat kode), maka :
kode kharakter untuk data yang terdiri atas k bits tersebut diubah
menjadi kode kharakter baru yang terdiri atas n bits
tambahan bit sebanyak bits, merupakan bit uji paritas
Kata kodenya ditulis dengan kode (n , k)
Tujuan penambahan q bits paritas tersebut adalah :
untuk membuat kode yang terdiri atas n bits tadi menjadi kode yang
dapat mendeteksi dan mengoreksi kesalahan bit
secara mandiri (self detection and correcting code)
Kesalahan bit tersebut dapat terjadi karena :
3

signal-signal biner tersebut melalui media transmisi
dalam perjalanannya dari sumber signal ke tujuan
Data yang keluar dari encoder tersebut , yang disebut dengan :
kata kode (code word), dinyatakan sebagai berikut :

Untuk kode sistematis (mengikuti aturan sistem tertentu),
maka diberlakukan keadaan sebagai berikut :



dimana :
banyaknya bit uji paritas = q buah


Bit-bit uji paritas untuk kode sistimatis tersebut dibuat memenuhi
hubungan yang sesuai dengan persamaan berikut ini :









Contoh :

Suatu kode (15,11), mempunyai salah satu kode data adalah :
, dengan n = 15 ; q=4 dan k = 11
Misalkan kode uji paritas dinyatakan dengan persamaan matrix sebagai berikut :


Untuk salah satu dari kode kode yang mungkin terjadi , yaitu :
, maka :
Maka kata-kode sistimatis lengkap yang dikirimkan adalah :


Jika m adalah salah satu kode kharakter / simbol / data dari 2
k
buah
kode data yang mungkin terjadi, maka salah satu kode data adalah
Dengan kata lain salah satu kode data tesebut adalah :

Jika kode tersebut diberi bit uji paritas ( parity checking bit ) yang banyaknya
q buah bit , maka :
keseluruhan bit keluaran dari enkoder yang menggambarkan
suatu kharakter, akan menjadi terdiri atas n buah bit, sehingga
susunannya menjadi :

Jika digambarkan secara blok diagram :

Enkoder

4



Operasi enkoder yang dikerjakan dalam suatu enkoder blok biner linier
dapat digambarkan sebagai himpunan n buah persamaan dalam
bentuk matrix sebagai berikut :

dengan

Contoh :

Kode ( 7,4 ) ; maka
Data yang mungkin terjadi jika setiap data terdiri atas 4 bit adalah sebagi
terlihat pada susunan bit disamping kanan :



Seperti sudah dibahas sebelumnya, kata kode dinyatakan dengan :

Kode data dinyatakan dengan
dimana :
m
j
adalah salah satu dari 2
k
buah jenis kata kode yang mungkin terjadi
Selanjutnya untuk penanalisaan yang lebih cepat , dapat ditulis sebagai
berikut :

dimana :
G = matrix generator code dan merupakan matrix k x n
Matrix generator G dinyatakan dengan persamaan matrix :

dengan
dan


Contoh :

Suatu kode (7,4) dengan generator matrix :
Disini n = 7 ; k = 4 ; q = 3 ; Dimisalkan :







Dari contoh ini, karena :
banyaknya bit untuk setiap kode adalah k = 4
banyak bit untuk paritas adalah q = 3 , maka :
dapat digambarkan kemungkinan seluruh kata kode blok yang
mungkin terjadi adalah :




5








Jika rumus-rumus yang ada diuraikan lebih lanjut :




Maka :



Jadi urutan bit uji paritas adalah
Jika urutan bit yang diterima adalah kata kode yang tepat , maka :



Jika urutan bit yang diterima tepat , maka rumus diatas dapat ditulis dalam
persamaan matrix sebagai berikut :

hal ini karena

Jika tak terjadi kesalahan bit , maka :

Syarat urutan bit yang diterima dekoder tidak terjadi
kesalahan bit :

Didalam hal ini , sesuai dengan perhitungan diatas , yang dimaksudkan dengan
adalah :

Dalam persamaan matrix


Contoh :
Kode ( 7, 3 ) dengan matrix uji paritas :

Kata kode :
Bila tanpa kesalahan bit maka :

Bila terjadi kesalahan bit yang diterima di dekoder , maka :
vektor kode yang diterima adalah :

Dimana :

Jika terjadi kesalahan bit , maka :

Jika tidak terjadi kesalahan bit , maka :

6

Syndrome =s

Syndrome =
Jika tanpa kesalahan bit , maka :
Jika ada kesalahan bit , maka :

Anggaplah bahwa terjadi kesalahan pada bit ke-i





Persyaratan suatu kode dapat dikoreksi bilamana terjadi hanya 1
kesalahan bit saja , adalah :
Semua kolom matrix H sudah ditentukan nilainya dengan pasti
Semua isi kolom ke-1 s.d. ke-k sudah tertentu nilainya dengan pasti
q kolom berikutnya merupakan matrix identitas I
k

Agar matrix identitas I
k
dapat membuat syndrome yang dapat
ditentukan nilainya, maka harus dipenuhi persamaan sebagai berikut :

Misalkan
Jadi kode blok (7, 4) , yang berarti bahwa :
hubungan sehingga kode (7,4) dapat mengoreksi jika
hanya terjadi 1 kesalahan
Ketidak samaan (inequity) yang harus dipenuhi bagi :
kode berkesalahan tunggal , yang mana adalah :
hal yang khusus daripada ketidak samaan Ham-
ming berikut :

Ketidak samaan Hamming :
yang dapat digunakan secara umum untuk pengorek-
sian kode yang mengalami kesalahan t buah bit ,
dapat diterangkan dengan contoh berikut ini :
Kode blok ( 7, 3 ) berarti n = 7 ; k = 3 ; q = 4 .
Penerapan ketidak samaan untuk yang hanydi satu buah kesalahan
saja :

Berarti bahwa kode (7,3) dapat mengoreksi kesalahan tunggal secara
mandiri
Contoh kode blok yang tak dapat mengoreksi meskipun kesalahannya
tunggal adalah :
kode blok ( 6, 4) , yang berati q =2 ; dengan memasukkan ke
ketidak samaan , dimana
Kode dengan kesalahan yang lebih besar dari 1 , misalnya
terjadi kesalahan t bit , salah satu penyelesaiannya :
7

dapat diselesaikan dengan Hamming bound , dimana salah satunya
adalah :
yang khusus adalah menggunakan rumus ketidak samaan
Hamming bound ini menentukan , bahwa :
Banyaknya pattern (corak) bit uji paritas yang mungkin terjadi harus :
setidak-tidaknya sama dengan banyaknya cara , dimana :
kesalahan dapat terjadi sampai dengan t buah kesalahan
bit
Untuk kode ( n, k ) berlaku hubungan :

Ini berati bahwa :

Untuk kode (7, 4) dan banyaknya kesalahan bit adalah t = 3 , maka :

Dimana :

=

Penyelesaian persamaan diatas dapat digunakan untuk membuat tabel berikut ini :

Tugas :
SElesaikan sampai tuntas persoalan yang terjadi pada kode
(7,4) diatas !



Tabel kode-kode yang dapat mengoreksi kesalahan


























8




Jarak Hamming (Hamming Range) adalah :
perbedaan banyaknya posisi diantara 2 kata kode apa saja
Jarak Hamming ini memegang peranan kunci didalam penaksiran kapasitas
atau kemampuan kode-kode mengoreksi kesalahan
Jarak Hamming

dimana :

Kode-kode yang dapat mengoreksi kesalahan tunggal :

Jarak hamming dan bobot hamming
(Hamming Distance and Hamming weight)

Sebagai contoh adalah kode blok ( 7, 4) ; Efisiensi kode =
Dari tabel tersebut dapat dilihat bahwa setip kata kode (setelah dibalik cara
penulisannya ) berbeda satu-sama lain , dengan perbedaan paling tidak 3
posisi , yang dapat dilihat pada tabel dibawah ini :
Tabel kode blok khusus



























Jadi jika terjadi kesalahan bit sampai dengan 2 buah , maka :
kesalahan tersebut tidak akan menyebabkan kodenya menjadi kode
yang sama dengan setiap kode lainnya , apapun juga kode lain itu
Berita dan kata kode (serta berita dan kata kode yang dibalik cara
penulisannya) yang mungkin terjadi adalah sebagai tabel berikut ini :

9














Didalam hal ini penulisan kata kode yang telah dibalik susunannya akan
mampu memberi tahu pengguna bahwa kesalahan transmisi telah terjadi ,
meskipun tidak dapat mengoreksi kesalahan-kesalahan tersebut








Suatu kode khusus ditampilkan pada tabel berikut ini :




Contoh :
Kode blok(7, 4) ; kode datanya terdiri atas k bit atau 4 bit ; kode paritasnya terdiri
atas q bit atau 3 bit
Jenis kode data yang terdiri atas 4 bit adalah 2
k
= 2
4
= 16 buah .
Semua jenis kode data yang masing-masing terdiri atas 4 bit dapat digambarkan
sebagai berikut :

Misalkan matrik uji paritas adalah :

Bit uji paritasnya adalah :

Jika
Rumus untuk kata kode adalah
c = Seluruh kata kode yang mungkin terjadi













10








non-zero weight = pembobot bukan nol = banyaknya bit bukan nol dalam 1 kata
kode
;
Untuk kode blok (n, k) ; berarti q= n - k
Misalkan n = 7 ; k = 4 , berarti q = m = 3; khusus kode ini memenuhi
hubungan :
Tidak semua jenis kode blok memenuhi hubungan itu ; misalnya kode
blok (7, 3) ; jika diterapkan rumus diatas , maka
Efisiensi kode = code rate =
Untuk kode blok khusus sebagaimana contoh diatas :
Untuk efisiensi kode
Untuk kode blok khusus Berarti
Kata kode yang ke-i adalah x
i
yang terdiri atas :
m
i
buah bit berita , dimana i = 1, 2, 3 k
c
i - k
buah bit koreksi, dimana i = k+1, k+2, n.
Sebagai contoh adalah sebuah kata kode ( 7,4 )
ini berarti n = 7 dan k = 4 q = banyak-nya bit uji paritas = 3
Dengan 7 bit per kata kode berarti banyaknya kode yang bisa terjadi
adalah = 2
7
= 128 jenis kata kode yang berbeda satu sama lain
Namun karena kode untuk data hanya terdiri atas 4 bit saja, maka
hanya terdapat 2
4
= 16 jenis kata kode saja yang digunakan, dari 128
buah jenis kata kode yang mungkin terjadi
Bentuk kata kode tersebut adalah :


Jika H = matrix uji paritas, maka H adalah matrix persegi q x n yang
bentuknya sebagai berikut :









dimana bagian kanan dari matrix tersebut adalah matrix satuan (unit
matrix) q x q
Dengan pemilihan matrix uji paritas tersebut maka harus dipenuhi :
H x = 0 ( dimana x = kode tertentu )





Dengan demikian :

11



Maka : ;
Misalkan sebuah kata kode x dipancarkan mengalami beberapa kesalahan bit-nya
sewaktu diteri-ma di tujuan. Jika kata kode yang diterima adalah y , dimana pola
kesalahannya (error-pattern) adalah e.
Maka y = xe.
Ini berarti setiap kata kode yang diterima adalah dengan .
Jika
Kesalahan terjadi pada digit ke-3 dan ke-5
Contoh :

Jika di penerima kesalahan e dapat ditentukan , maka semua kesalahan yang terjadi
dapat diko-reksi. Untuk dapat menentukan kesalahan e dari kata kode yang
diterima y , maka kata kode yang dipancarkan x harus diketahui.
Untuk itu harus dihitung sebuah q-digit syndrome.
Yang dimaksudkan dengan q-digit syndrome adalah :

Lebih lanjut s dapat diuraikan menjadi :
Karena , maka :

Jadi dapat dilihat bahwa jika tanpa kesalahan atau maka .
Jika berita yang diterima hanya salah 1 digit saja, misalkan yang mengalami
kesalahan digit ke-j, maka dapat dibuktikan bahwa :

dimana


Contoh :
Kode ( 7,4 ) berarti k = 4 ; n = 7 ; q =3

Kode paritas untuk setiap berita adalah :




Hc = 0 ( dimana c = kode tertentu yang dikirim)



]Dengan demikian :



: ;

Matrix Uji Paritas adalah :



Nilai syndrome atau s ini sama dengan isi kolom ke-j dari kolom matrix uji
paritas H
12

Karena itu syndrome memberikan informasi seolah-olah tidak ada kesalahan
yang terjadi (no error) , atau posisi sebuah kesalahan asalkan semua kolom
matrix uji paritas H adalah berbeda dan bukan nol
Dengan demikian didapatkan kode pengoreksi kesalahan tunggal (jika
kesalahan yang terjadi hanya 1, maka langsung dikoreksi)
Jika digunakan dengan model ini, maka suatu kode (n,k) akan mempunyai
Probabilitas Kesalahan :


Namun kesalahan-kesalahan yang terjadi berulang-ulang (multiple errors)
akan menyebabkan keruwetan atau komplikasi
karena meskipun kesalahan-kesalahan yang sebenarnya itu bisa
dihilangkan, tapi akibatnya akan salah didalam membetulkan digit
berita lainnya
yang mana beritanya akan menjadi lebih jelek
Akibatnya dikehendaki kode yang lebih kuat
kecuali jika c sebegitu kecil sehingga kesalahan-kesalahan yang
berulang akan amat jarang terjadi.
Sayangnya dengan melengkapi suatu syndrome dan matrix uji paritas yang
tepat untuk mengoreksi kesalahan yang berulang-ulang adalah :
suatu kerja yang jauh lebih ruwet
Oleh karena itu kode pengoreksi dua kesalahan yang pertama kali
dibuat orang :
lebih didasarkan pada coba-coba (trial-and-error) daripada
dirancang berdasarkan metode tertentu.
Akhirnya Slepian pada tahun 1956 mengambil teori koding yang berdasarkan
sepenuhnya pada matematika, pada saat dia :
berhasil menemukan relasi konsep koding dengan aljabar modern.
Segera setelah itu , dengan memakai teori medan Galois, para ahli yang
bernama :
Bose, Chaudhuri dan Hocquenghem mengembangkan ke-lompok kode
yang dapat mengoreksi kesalahan yang berulang-ulang (sekarang
disebut dengan kode BCH (singkatan dari Bose-Chaudhuri-
Hocquenghem) yang :
efisien dan mempunyai hubungan relative sederha-na dengan
persyaratan perangkat keras bagi coding dan dekoding.

Pendeteksian Kesalahan Dengan Kode Siklis

Meskipun sebagian besar upaya didalam penkodean (coding) yang telah
dipelajari adalah yang berkaitan dengan kode-kode FEC = Forward Error
Correction , namun pendeteksian kesalahan juga dipakai secara luas dilam
komunikasi data modern
Pendeteksian kesalahan tersebut biasanya memerlukan lintasan catubalik dari
penerima informasi ke pemancar , yang memberi tahu bahwa telah terjadi
kesalahan bit yang diterima , yaitu urutan bit informasi tidak cocok dengan
urutan bit paritasnya
Selanjutnya pemancar akan mengirim ulang urutan bit katakode yang benar
13

Beberapa versi implementasi FEC adalah dengan cara :
Pengenalan negatip (NAKs = Negative Acknowledments) berarti lintasan
catubalik hanya diterapkan terhadap signal yang diterima salah saja ,
dimana pemancar akan mengirim ulang signal informasi jika signal NAK
diterima
Pengenalan positip (ACKs) berati bahwa lintasan catubalik hanya
diterapkan terhadap signal yang diterima dengan benar saja , dimana
akan secara otomatis dikirim ulang signal informasi dari pemancar jika
tidak diterima signal ACK , selama interval waktu tertentu
Kombinasi ACK dan NAK
Cara seperti yang disebutkan diatas disebut ARQ = Automatic Repeat reQuest
, atau pengenalan dengan cara teknik pengiriman kembali (retransmission)
Semua jaringan switching data-paket dan jaringan komputer melakukan
pendeteksian kesalahan dengan pengiriman kembali bilamana kesalahan
terdeteksi
Contoh jaringan-jaringan tersebut adalah :
Jaringan-jaringan dengan pembagian waktu (time-shared networks)
Jaringan-jaringan data untuk masyarakat (public-data networks)
Jaringan-jaringan perusahaan swasta (private corporate networks) ,
misalnya perbankan , pemesanan tiket pesawat udara , penjualan
produk manufacture secara eceran , dan sebagainya) dan jaringan-
jaringan yang terus berkembang , yang menggunakan banyak komputer
untuk komunikasi data secara bersama
Jaringan-jaringan ini terdiri atas banyak saluran komunikasi (jalur = link) yang
dihubungkan dengan berbagai topologi jaringan , dengan pendeteksian
kesalalahan dilakukan secara umum terhadap jalur-lalur tersebut
Kode siklis digunakan paling sering digunakan didalam melakukan fungsi
pendetek-sian kesalahan
Blok-blok data yang dikirimkan didalam jaringan-jaringan ini sering kali disebut
dengan paket
Paket-paket tersebut dapat berentang dari 500 sampai dengan 1000 bit
panjangnya , bahkan lebih
Jadi pengkoreksian kesalahan untuk kata-kode kode sepanjang itu bukanlah
pekerjaan yang mudah
Pendeteksian kesalahan terhadap kata-kata kode yang bit uji paritasnya tetap
dapat mudah dilakukan
Adanya q buah bit uji paritas memungkinkan setiap kesalahan lonjakan (burst
error) sepanjang q buah bit (ataupun kurang) tersebut untuk dideteksi
kesalahannya (jika terjadi)
Pendeteksian tersebut tidak tergantung pada panjang paket data
Karena pada umumnya dirancang agar (agar efisiensi pengkodean tinggi) ,
maka deret generator , atau enkoder siklis jenis-sisa (remaider-type cyclic
enco-der) pada umumnya digunakan didalam aplikasi pendeteksian kesalahan
tersebut
Misalkan kode siklis (n, k) , pada pendeteksian ini , dimana
Pada pendeteksian ini , k buah bit data tersebut dikelompokkan menjadi
14

Perlu untuk dicatat bahwa hanya terdapat 1 bit saja didalam setiap lonjakan b
buah bit (ataupun kurang) yang akan mempengaruhi setiap bit uji paritas ,
dan selanjutnya dapat yang dideksi
Hal ini adalah benar , apakah lonjakan-lonjakan tersebut terjadi dalam salah
satu dari segmen-segmen b buah bit , dimana urutan data telah
dikelompokkan , ataupun bertumpang tindih sampai meluberi 2 buah segmen
seperti itu
Sebagai tambahan terhadap pendeteksian sebuah lonjakan didalam b buah bit
(ataupun kurang) suatu kode linier dengan bit uji paritas sebanyak q =
b buah bit akan mendeteksi lonjakan-lonjakan yang lebih panjang
dengan prosentasi yang tinggi
Jika sebagian daripada lonjakan b buah bit tersebut menyebabkan :
b > q , maka yang tetap tak terdeteksi pada kode siklis (n, k)
adalah , jika b > q + 1
Jika b = q + 1 maka yang tetap tak terdeteksi pada kode siklis
(n, k) adalah
Teorema
Jika banyaknya kode paritas cukup banyak , maka hampir
semua kesalah-an dapat terdeteksi
Sebagai misal jika , maka semua lonjakan kesalahan sebanyak 16 buah
ataupun kurang akan dapat dideteksi
Jika bagian lonjakan kesalahan yang terjadi menyebabkan , maka yang
tetap tak dapat dideteksi adalah (suatu jumlah yang betul-betul kecil)
Untuk membuktikan teorema tersebut , misalkan suatu lonjakan
kesalahan terjadi di pengelompokan b buah bits , mulai dari bit yang
ke-i dan berakhir dengan bit yang ke-
Dalam bentuk deret lonjakan kesalahan (burst polynomial :
deret berpangkat tertinggi
Jika diperlihatkan dengan gambar , dimana adanya kesalahan
ditunjukkan dengan bit 1 , yang terjadi pada bit i dan bit diakhir
lonjakan , yaitu bit sebagai berikut ini :

Lonjakan kesalahan sepanjang b buah bit mempunyai kemungkinan
sebanyak buah simbol (1 atau 0) diantara permulaan dan akhir , yang
bedasarkan difinisi , masing-masing dikendalai dengan bit 1 (untuk
menyatakan bahwa pada urutan bit tersebut terjadi kesalahan)
Hal ini sesuai dengan kemungkinan pattern lonjakan kesalahan
disepan-jang b buah bit tadi , atau kemungkinan terjadinya buah
bentuk daripada deret
Oleh karena perhitungan bit uji paritas di penerima dilakukan dengan
jalan pembagian oleh deret generator yang mempunyai pangkat
tertinggi , satu kesalahan tetap tak terdeteksi , jika dan hanya
jika dapat dibagi oleh
Dari sini persyaratan bagi suatu pattern kesalahan lonjakan untuk tetap
tak ter-deteksi adalah bahwa mempunyai
Karena adalah deret dengan pangkat tertinggi dan adalah deret dengan
pangkat tertinggi , maka adalah deret dengan pangkat tertinggi
15

Kemungkinan yang bisa terjadi adalah :
Yang pertama adalah : lonjakan kesalahan sepanjang , sehingga
pangkat tertinggi daripada , sehi-ngga ; dengan demikian hanya
terdapat 1 pattern lonjakan yang tak dapat terdeteksi
Bagian lonjakan yang tak terdeteksi secara
sederhana dirumuskan sebagai
Bagian dari lonjakan kesalahan yang tak terdetekasi =
= dimana
Yang kedua adalah jika ; oleh karena pangkat tertinggi deret ,
dan harus berakhir dengan 1 , maka suku dari-pada deret
adalah sebanyak , yang masing-masing dengan koefisien 1 atau
0
Bagian dari lecutan kesalahan bit yang tak terdetekasi =
Dua kemungkinan hasil yang diperoleh diatas membuktikan
bahwa kode yang dapat mendeteksi kesalahan dengan bit uji
paritas moderat atau cukup , akan mendeteksi kejadian pada
sebagian besar pattern lonjakan kesalahan
Karena semua jaringan data maupun komputer yang modern menggunakan
beberapa bentuk deteksi kesalahan dengan teknik ARQ bila menerima paket
data yang salah , maka :
Pemakaian teknik pendeteksi kesalahan akan dapat mengurangi
probabilitas terjadinya kesalahan suatu paket data , sehingga menjadi
Prosedur deteksi kesalahan yang khusus , mempunyai bit uji paritas
dengan rentang antara 8 s.d. 32 buah bit
Standard internasional untuk pengontrolan jalur data (link data control)
, adalah menggunakan protokol HDLC (High-Level Data Link Control) ,
dima-na pada pengontrolan jalur ini menggunakan :
bit uji paritas sebanyak 16 bit dan deret generator

Perhitungan sebenarnya daripada probabilitas kesalahan suatu
paket atau blok data yang dilindungi oleh suatu bit uji paritas
siklis ada-lah :
sulit dilakukan karena masih kurangnya pengetahuan tentang
mekanis-me yang menghasilkan ledakan-ledakan kesalahan
khusus
Jika mekanisme yang dimaksudkan adalah :
noise suhu yng terus-menerus terjadi dan
pengaruh-penga-ruhnya diberi model sebagai
AWGN = Additive White Gaussian Noise , maka :
kesalahan-kesalahan bit yang berturut-turut
didalam suatu burst (lecutanan bit) akan
bebas satu sama lain
Probabilitas bahwa suatu paket atau blok sepanjang n bit akan diterima
salah adalah :

Namun pada kanal telepon band terbatas , yang paling
sering dipakai sebagai tulang punggung jalur komunikasi untuk
jaringan-jaringan data , noisenya tidak dimodelkan sebagai
kanal AWGN
16

Lecutan-lecutan kesalahan pada kanal ini berpengaruh
terhadap :
memory
menimbulkan kesalahan yang tergantung pada :
bit-bit yang berturut didalam suatu aliran data
(data stream)
Hal ini membuat perhitungan probabilitas-probabilitas kesalahan sangat
sulit
Namun demikian , pengujian-pengujian telah menunjukkan bahwa :
pengaruh kesalahan terhadap blok-blok data :
membuat suatu kesalahan blok bergerak sebanding
sewaktu panjang blok bertambah
hal ini adalah model yang tepat untuk :
probabilitas kesalahan blok yang
mempu-nyai hubungan yang sebanding
dengan panjang blok
Dengan demikian dapat dirumuskan :

dimana
Jadi semakin panjang blok , maka semakin besar kesalahan yang terjadi
Jika dilakukan pengujian siklis , hasil yang sederhana adalah kejadian
kesalahan tak dapat dideteksi (hal ini dilakukan dengan menganggap panjang
lonjakan b > q , atau q >> 1
Probabilitas kesalahan blok keseluruhan dapat didekati dengan :

Contoh :
1.

2.


Rangkuman

Tekanan pembahasan sistem komunikasi digital ini adalah mengenai
pengoptimalan rancangan sistem dengan memaximalkan kecepatan transmisi
informasi , yang menghadapi kendala-kendala berupa daya signal terbatas ,
noise dan lebar pita
Beberapa aspek optimisasi dibahas dari berbagai sudut pandang
Dalam pembahasan tentang komunikasi biner , diutarakan tentang pengaturan
ambang pengambilan keputusan , apakah suatu signal diputuskan bernilai 0
atau 1
Konsep matched filter dibahas untuk pemaximalan SNR pada transmisi biner
Ketidak samaan Schwarz digunakan didalam membicarakan jaringan emphasis
(preamphasis dan deemphasis) yang optimal untuk transmisi analog FM dan
AM
Pembahasan tentang SNR , perubahan lebarpita pada sistem PCM
Teori Shanon tentang sistem transmisi digital optimum
17

Pembahasan transmisi optimum dengan cara yang lebih statistik didalam
sistem komu-nikasi digital
Prosedur optimisasi pada sistem komunikasi digital berdasarkan minimisasi
proba-bilitas terjadinya kesalahan bit , dalam keadaan adanya AWGN
Prosedur ini akan menjawab pertanyaan apakah ada gelombang-gelombang
biner yang optimum dan mekanisme penerima yang optimum untuk
meminimalkan probabilitas terjadinya kesalahan
Pembahasan dimulai dari sample-sample signal tunggal yang diterima dan
selanjutnya melakukan generalisasi terhadap sample-sample yang berulang
(multiple) secara bebas
Dari probabilitas distribusi yang diketahui dapat diperoleh prosedur
pemrosesan opti-mum , yang terdiri atas peningkatan pengaturan
perbandingan kemungkinam (like-lihood ratio) dan menentukan apakah
perbandingan tersebut lebih besar atau lebih kecil dibandingkan dengan suatu
konstanta yang diketahui
Sebagai alternatip , prosedur optimum terdiri atas sample-sample signal terima
ruang berdimensi-m , yang dapat dibagi menjadi 2 daerah untuk pengambilan
keputusan yang tidak tumpang tindih (disjoint decision regions)
Dengan melakukan pensignalan multidimensi yang menggunakan signal-signal
ortho-gonal M-susun , maka :
dapat diperoleh penurunan probabilitas kesalahan , namun :
memerlukan lebarpita yang lebih lebar
rangkaian memjadi bertambah komplex
Cara diatas adalah hal yang khusus daripada teorema kapasitas kanal
Shanon , dimana :
secara teoritis dapat dibuat sistem komunikasi dengan probabilitas
kesalahan rendah , meskipun terdapat adanya noise AWGN , sehingga :
dapat dilakukan operasi pengkodean dan pendekodean seca-
ra memuaskan
Hal diatas dimungkinkan asalkan :
kecepatan transmisi bit = R bps tidak melebihi kapasitas kanal ,
yang mana :
kapasitas kanal tersebut ditentukan oleh :
lebarpita kanal transmisi , daya signal rata-rata dan
kerapatan spektral
Penggunaan metode-metode untuk mendeteksi dan mengoreksi
kesalahan bit adalah :
sebagai suatu cara untuk memperbaiki kinerja sistem komunikasi
digital
Cara yang umum dilakukan untuk mendeteksi dan mengoreksi kesalahan bit
adalah :
dengan jalan menyisipkan bit-bit uji paritas dalam aliran biner (binary
stream) , sehingga dimungkinkan untuk :
mendeteksi dan mengoreksi kesalahan dalam jumlah tertentu
Langkah yang diambil dalam hal ini adalah :
memilih kode yang mendekati kinerja kesalahan yang diramalkan oleh
Shanon
18


PEMBUATAN KODE SIKLIS

Deret generator langsung dapat digunakan untuk pembuatan kode siklis
Pembuatan kode secara serial dapat dilakukan dengan mengimplementasikan
register geser
Dasar pemikirannya sebagai berikut :
Berdasarkan rumus untuk deret katakode = , dimana :
deret urutan data : ; derajat (pangkat tertinggi) deret ini adalah
namum derajat deret urutan data bisa menjadi kurang dari jika
hal ini tergantung pada nilai-nilai bit data
operasi akan menghasilkan deret berderajat , atau lebih kecil bila
koefisien dari suku deret yang berpangkat adalah 0

Derajat deret adalah :

Deret kata kode =

Contoh :
Buktikan bahwa kode jika kode datanya = , maka kata kodenya adalah :
Bukti :








Jadi



Arithmatika polynomial

Sebelum menentukan deret generator , akan dibahas lebih dahulu tentang
arithmatika (perhitungan aljabar) perkalian dan pembagian polynomial sebagai
berikut :
Misalkan adalah deret ukur , dimana nilai setiap
Jika semua nilai
Jika
Jika untuk tidak semua bernilai 1 , misalnya :
, maka :

Polynomial tersebut memberi gambaran yang sesuai dengan vektor informasi
k bit :
Perhatikanlah beberapa polynomial berikut :

Penjumlahan modulo-2 daripada 2 buah polynomial , misalnya :


19

Jadi :

Secara umum :
Perkalian daripada 2 polynomial , misalnya :

Dapat ditulis :

Kata kode keluaran adalah :

dimana perhitungan dan rangkaian berikut ini secara konsep dapat digunakan
untuk me-nggambarkan perkalian







Untuk menghitung persamaan diatas dapat dilakukan dengan menggunakan
rangkaian logika berikut :







X
X
X
X
X
3
n-k
2
1
Keluaran












Cara kerjanya :

Koefisien-koefisien adalah masukan pertama pada saat awal dengan
Keluaran pertama adalah
20

Register geser (shift-register) selanjutnya dikunci sekali sehingga disimpan di
register 1
Keluaran
Register geser totak dikunci sebanyak kali , untuk menghasilkan semua
koefisien daripada
Setelah koefisien masukan yang ke-k , maka bit-bit 0 adalah masukan ke
register ge-ser ; cara ini akan sangat menyederhanakan pengenkodea kode-
kode siklis
Selanjutnya perhatikan hasil-bagi daripada
Sebagai misal , maka :










Perlu untuk diperhatikan bahwa hampir dalam semua kasus , hasil bagi
polynomial menghasilkan sisa
Sisa hasil bagi ini ditulis dengan :

Sifat-sifat kode siklis

Untuk setiap kode siklis , semua vektor kode ( deret ukur kode = code-
polynomial ) dapat dinyatakan sebagai :
Hasil kali dari suatu deret generator , yang mempunyai derajat
dengan deret berita yang mempunyai derajat
Hasilkali mempunyai derajat
Karena setiap berita terdiri atas k buah bit , maka akan terdapat buah
kemungkinan berita , sehingga akan terjadi buah deret ukur yang
berbeda , sesuai dengan semua bilangan biner yang mungkin terjadi
untuk mengisi nilai koefisien
Terdapat buah katakode yang munkin terjadi




X
X
X
X
X
3
n-k
2
1
Keluaran
21

Kata kode untuk suatu kode siklis biner dapat mudah dihasilkan dengan
menggunakan rangkaian sebagai berikut :












Beberapa sifat penting daripada deret generator adalah sebagai berikut :
Deret generator untuk setiap kode siklis adalah suatu faktor daripada
Karena itu akan tidak terdapat sisa jika dilakukan proses pembagian
yang panjang daripada oleh
Setiap deret berderajat , yang mana adalah sebuah faktor daripada ,
adalah generator polynomial untuk suatu kode siklis
Derajat dari deret generator selalu
Pergeseran siklis ke-q daripada suatu katakode , adalah sisa daripada
hasilbagi oleh
Deret generator untuk kode siklis , adalah matrix generator sebagai berikut :

Matrix uji paritas untuk kode siklis adalah :

Dimana , adalah hasil pembagian daripada oleh
tidak terdapat sisa jika dilakukan proses pembagian yang panjang
daripada oleh (sesuai dengan sifat 2 )

























22




Kode-Kode Hamming
Kode-kode Hamming adalah sekelompok kode yang ditemukan oleh R. W.
Hamming (1950)
kode-kode Hamming ini semuanya mempunyai jarak minimum 3 , yang dapat
:
mengoreksi sebuah kesalahan tunggal (t = 1) didalam suatu kelompok
n
mendeteksi semua kesalahan ganda
Kode-kode Hamming adalah kode-kode sistematis siklis linier
Kode-kode Hamming dengan dan akan ada jika interger
Nilai kode atau Efisiensi kode =
Tabel nilai kode atau efisienssi kode :

Kode-kode Hamming selalu ditentukan oleh matrix uji paritas H , yang
banyak kolomnya = dan banyak barisnya =
Kolom-kolom tersebut terdiri atas semua vektor komponen - yang bukan nol
Contoh :
Matrix uji paritas untuk kode Hamming (7,4) adalah :

Matrix generator untuk kode-kode Hamming diperoleh dengan
menggunakan hubungan :



asalkan kode-kodenya linier sistematis
Generator polynomial adalah :
Anggota dari kelas polynomials tertentu yang disebut dengan
polynomials primitip
Tabel singkat daripada polynomial primitip yang dapat digunakan
sebagai generator bagi kode-kode Hamming , sampai dengaan
panjang = adalah sebagai beri-kut :
j
3
4
5
6
7
8
9
10
11
12
13

1 + D +D
2

1 + D +D
4

1 + D +D
5

1 + D +D
6

23

1 + D
3
+ D
7

1 + D
2
+D
3
+D
4
+D
8

1 + D
4
+D
9

1 + D
3
+D
10

1 + D
2
+D
11

1 + D +D
4
+D
6
+D
12

1 + D +D
3
+D
4
+D
13

j
14
15
16
17
18
19
20
21
22
23
24

1 + D +D
6
+D
10
+D
14

1 + D +D
15

1 + D +D
3
+D
12
+D
16

1 + D
3
+D
17

1 + D
7
+ D
18

1 + D
2
+D
3
+D
4
+D
8

1 + D
3
+D
20

1 + D
3
+D
21

1 + D +D
22

1 + D
5
+D
23

1 + D +D
2
+D
7
+D
24










Pengenkodean Kode-kode Hamming

Enkoder yang digunakan bagi kode-kode Hamming terdiri dari berbagai
bentuk :
Jika kecepatan pengenkodean tidak kritis , maka :
Enkoder dapat diimplementasikan / dilakukan dalam software ,
dengan jalan menghitung perkalian ma-trix generator secaaara
langsung
Jika kecepatan pengenkodean kritis , biasanya diguna-kan
implementasi yang lain
Gambar berikut ini melukiskan implementasi secara langsung bagi suatu
enkoder Hamming , yang dapat dibuat dengan memakai rangkaian logika
berkecepatan tinggi

Register geser dipuncak gambar menerima bit-bit in-formasi dari sumber data
24

Setelah register masukan terisi , maka keluaran modulo-2 adders adalah
simbol-simbol kata kode yang benar
Setiap simbol adalah suatu penjumlahan modulo-2 daripada bit-bit informasi
tertentu , yang ditentukan oleh matrix gene-rator
Generator matrix dapat diperoleh daari generator polynomial , dengan cara
sebagai berikut :




Biasanya, banyaknya bit uji paritas < banyaknya bit kharakter, agar efisiensi
kode > 50 %
Dengan demikian daya yang digunakan untuk pengiriman kode
sebagian besar digunakan untuk keperluan pengiriman kode
kharatter.
Bit uji paritas tersebut isinya tergantung pada kode kharakter
Tiap-tiap kharakter mempunyai bit-bit penguji sendiri-sendiri
Banyaknya bit uji paritas tersebut paling sedikit sebanyak 3 bit
Banyaknya perbedaan bit tersebut disebut dengan jarak Hamming
(Hamming distance)
Jadi untuk kode ( 7,4 ), dimana :
banyaknya bit seluruhnya
banyaknya bit untuk kharakter
banyaknya bit uji paritas adalah
karena itu untuk kode ( 7 , 4 ), jarak Hammingnya adalah
Kode yang mengikuti aturan ini disebut dengan kode Hamming
Syndrome s pada kode belitan (convolution code) terdiri atas q bit
Sebagai contoh jika :
banyaknya bit keseluruhan
banyaknya bit uji paritas =
maka banyknya bit kharakter .
Jika tanpa kesalahan penerimaan bit, maka :
syndrome nya adalah =
Jika syndromnya =maka terjadi kesalahan pada bit ke-1 (dari yang
paling kiri atau LSB)
Oleh karena itu diperlukan petunjuk (n + 1) buah kesalahan
(dibuktikan pada contoh dihalaman berikutnya)
Apa yang ditunjukan pada contoh itu adalah tentang kode yang :
tanpa kesalahan (no error)
satu kesalahan pada setiap digit dari kata kode
lebih dari satu kesalahan pada setiap digit dari kata kode
, sampai dengan seluruh digit kata kode salah
adanya 2
q
buah kemungkinan syndrom yang berlain-an
Sebagai contoh, untuk menjelaskan pernyataan diatas , diam-bil :
suatu kode yang banyaknya bit keseluruhan

Untuk kode kharakter 000 :
1. Jika tanpa kesalahan penerimaan, syndrome-nya
25

2. Jika terjadi kesalahan pada bit pertama (LSB)
3. Jika terjadi kesalahan pada bit kedua
4. Jika terjadi kesalahan pada bit ketiga
5. Jika terjadi kesalahan pada bit pertama dan kedua

6. Jika terjadi kesalahan pada bit pertama dan ketiga
7. Jika terjadi kesalahan pada bit kedua dan ketiga
8. Jika terjadi kesalahan seluruhnya
* Jadi diperlukan petunjuk ke-salahan
**Banyaknya bit uji paritas
*** maka dapat terjadi jenis syndrome berbeda-beda yang diakibat-kan oleh bit uji paritas
tersebut
Note :
untuk kode kharakter lainnya dapat dibuktikan akan diperoleh hasil syndrom yang sama.
















Banyaknya bit kharakter
Semua kharakter yang mungkin terjadi = 2
k
= 2
3
=8, yaitu :
000, 001, 010, 011, 100, 101, 110, 111
Maka pada kode Hamming ini :
banyaknya bit uji paritas dan bit berita adalah sesuai dengan hubungan
berikut :


dimana
q = banyaknya bit uji paritas ;
n = banyaknya bit keseluruhan untuk kata kode
Efisiensi kode
Jika nilai n semakin besar, maka effisiensi kode akan semakin tinggi
sebagaimana contoh berikut :

Matrix uji paritas dapat dibentuk dengan lebih mudah
Dengan hanya 1 kesalahan digit, misalkan digit yang ke-j, maka
syndrome kolom ke-j matrix H
Untuk kata kode Hamming ( 7, 4 ), maka sebagai contoh matrix uji paritas =
H adalah:
Banyaknya baris = q = 7 4 = 3


26

Banyaknya kolom = n = 7
Dibandingkan dengan matrix uji paritas pada kode blok sebelumnya, dapat
dilihat bahwa
kode Hamming ini bukan kode yang sistematis
Hal ini disebabkan bahwa posisi-posisi digit uji paritas harus
sesuai dengan kolom-kolom H yang hanya mempu-nyai sebuah
digit 1
dalam hal ini, jika dilihat dari matrix H diatas , maka kolom-
kolom yang memenuhi syarat adalah kolom ke-1 dan kolom ke-2
saja
Untuk lebih jelas, perhatikan kata kode ( 7, 4 ) berbentuk sebagai berikut :

Digit-digit paritasnya adalah sesuai dengan persamaan beikut :

Contoh : Untuk kata kode dengan :


Maka kata kode tersebut adalah :

Perhatikan, bahwa kata-kode ini sama dengan baris pertama dari matrik H
diatas tadi
Selanjutnya dibuat tabel kode Hamming sebagai berikut :
Jika n = 7, maka banyaknya kode blok yang mungkin terjadi adalah 2
7

= 128 buah
Jika banyaknya bit untuk sebua berita adalah k = 4, maka hanya 2
4
=
16 buah kode blok yang digunakan untuk mewakili seluruh berita yang
mungkin terjadi
Tabel untuk kode blok adalah sebagai berikut
Kode
Berita
Nomor Berita
Kata Kode


0000000
1010001
1110010
0100011
0110100
1100101
1000110
0010111
1101000
0111001
0011010
1001011
1011100
0001101
0101110
1111111
0000
0001
0010
27

0011
0100
0101
0110
0111
1000
1001
1010
1011
1100
1101
1110
1111
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
















Jika penulisan kode berita dilakukan secara pembacaan terbalik, artinya jika
kode untuk menyatakan nilai suatu level amplitudo, misalnya amplitudo yang
terdiri atas 4 level, yang biasanya bilangan binernya adalah 0100 dibalik
penulisannya menjadi dari arah sebelah kanan sehingga menjadi 0010 , ma-ka
:
tabelnya akan berubah menjadi tabel kode Hamming berikut ini :
No
0
1
2
3
4
28

5
6
7
8
9
10
11
12
13
14
15
Berita
0000
1000
0100
1100
0010
1010
0110
1110
0001
1001
0101
1101
0011
1011
0111
1111
Kata kode
0000000
1101000
0110100
1011100
1110010
0011010
1000110
0101110
1010001
0111001
1100101
0001101
0100011
1001011
0010111
1111111










29









Jika kata kode untuk berita nomor 2 yaitu 0110100 dikirimkan dan kesalahan terjadi pada
posisi 1, 2 dan 4, maka :
signal yang salah tersebut adalah :1011100 , yang mana berarti sama dengan kata
kode untuk berita nomor 3
Karena itu detektor akan menganggap berita nomor 2 sebagai berita nomor 3
Jadi dengan terjadinya 3 kesalahan, maka detektor tidak dapat mendeteksi kesalahan
tersebut
Jika kesalahan lebih dari 3 bit, maka hanya akan dapat mende-teksi kesalahan jika kata
kode yang diterima (atau vetor yang diterima) tidak sama dengan kata kode yang
ditunjukkan pada table
Banyaknya perbedaan diantara sepasang kata kode yang berturutan, misalnya xm dan
xm , adalah sesuatu yang benar-benar penting dan disebut dengan :
jarak Hamming ( Hamming distance )
Simbolnya adalah d
H
atau d
H
( x
m
, x
m
)

















Berdasarkan tabel kata kode yang terdapat pada halaman sebelum-nya, maka dapat
dilihat bahwa setiap kata kode yang digunakan un-tuk menyatakan sebuah berita,
maka :
Setiap kata kode yang berturutan nilainya berbeda 3 posisi
Berita berbeda dapat mempunyai bit uji paritas yang sama
Bit uji paritas ditulis mendahului bit data
Dengan demikian 1 atau 2 kesalahan transmisi tidak akan dapat mengubah
suatu kata kode menjadi kata kode yang lain
Karena itu dekodernya akan dapat memberitahukan kepada pengguna bahwa
telah terjadi kesalahan transmisi (meskipun tidak dapat mengoreksi kesalahan
tersebut
Namun jika terjadi 3 kesalahan transmisi maka akan dapat mengubah kata
kode yang dipan-carkan menjadi sebuah blok yang sama dengan kata kode
yang memenuhi syarat
30

Karena itu dekodernya tidak akan dapat mendekti dan mengo-reksi kesalahan.
Tabel tertentu yang dibuat sebagai contoh tersebut adalah termasuk kelompok kode
Hamming
Pada tabel tersebut terdapat 3 buah jarak Hamming minimum
Ketiga jarak Hamming minimum tersebut dapat digunakan untuk mengoreksi
sebuah kesalahan transmisi tunggal didalam setiap blok kata kode yang
dipancarkan
Hasil penjumlahan kedua kata kode yang berturutan ini dinamakan
dengan jarak Hamming.
Jadi :
Kata kode nomor 2 = x
2
= 0110100
+
Kata kode nomor 3 = x
3
= 1011100

Jarak Hamming = d
H
= 1101000
Bobot Hamming (Hamming-weight) = banyaknya angka 1 pada setiap kata kode

Contoh :
Kode Hamming ( 7,4 ) sebagaimana diberikan pada tabel kode Hamming diatas,
misalkan mempunyai keluaran kanal simetrik biner seperti yang dituliskan berikut ini
:
y = 1011010
Detektor menghitung jarak-jarak Hamming antara y dan semua kata kode yang
mungkin terjadi x
m .

Keluaran dekoder mengistimasikan adalah yang mempunyai jarak minimum dari y.
Dari tabel kode Hamming, kata kode nomor lima adalah :
x
5
= 0011010.
Jarak Hamming antara y dan x
5
adalah pertambahan modulo-2 antara y dengan kata
kode x
5,
yaitu 1011010 + 0011010 = 1000000.
Bobot Hamming-nya = 1 = jarak Hamming minimum.
Jadi jarak Hamming minimum antara y dan x
m
akan terjadi antara y dengan kode
berita untuk x
5
= 0011010 .

Probabilitas Kesalahan Blok

Probabilitas kesalahan blok = daripada kode-kode yang dapat mengoreksi kesalahan
tunggal adalah :
Probabilitas dua atau lebih kesalahan terjadi selama transmisi
Probabilitas kesalahan Blok =
Terdapat sebuah pattern kesalahan tunggal , dengan tanpa kesalahan , yang
mana terjadi dengan probabilitas =
Terdapat pattern kesalahan dengan sebuah kesalahan tu-nggal , yang mana
terjadi dengan probabilitas =
Berikut ini gambar yang melukiskan probabilitas kesalahan blok sebagai fungsi
daripada probabilitas daripada fungsi pin-dah silang (crossover) BSC (Binary
Symetric Code) , untuk kode-kode Hamming , berdasarkan tabel berikut :



31

Vektor Kesalahan

Jika kata kode x
m
ditransmisikan menggunakan Kode Simetrik Biner ( BSC = Binary
Sym-metric Code ) , maka selama transmisi kesalahan dapat terjadi.
Vektor kesalahannya dapat ditulis sebagai
Jika salah satu atau lebih dari nilai vektor tersebut adalah 1, maka telah terjadi
kesalahan transmisi diposisi bit tersebut.
Contoh :

Jika kanal dianggap tak bermemory, maka probabilitas terjadinya kesalahan pada
setiap sim-bol tertentu adalah tak tergantung pada semua simbol yang lainnya.
Jadi pada kode simetrik biner, probabilitas-probabilitas transisi ( transition
probabilities BSC ) adalah konstan untuk seluruh transmisi.
Maka :


Untuk BSC,
Dengan demikian probabilitas bahwa BSC menyebabkan terjadinya vektor kesalahan
:

Secara umum, probabilitas bahwa BSC menyebabkan kesalahan-kesalahan kanal e
pada po-sisi tertentu didalam blok kata kode yang panjangnya n adalah :

Hasil diatas tersebut digunakan untuk mencari yaitu Probabilitas y = signal ter-tentu
yang diterima jika signal yang dikirim adalah x
m
.
Rumus lainnya yang dapat digunakanadalah :

Pada kode Hamming ini untuk memeriksa kesalahan kode dilakukan secara kontinyu,
dengan cara yang dikenal dengan nama pembelitan atau konvolusi (convolution).
Untuk menggambarkan kode Hamming ini secara lebih jelas, dimisalkan setiap
kharakter yang dibuat menjadi kode terdiri atas k buah bit, dan disebut dengan
kode asli. Setelah masing-masing kharakter diberi bit-bit penguji-nya masing-
masing, jumlah bit untuk menggambarkan setiap kharakter menjadi n buah bit. Jadi
banyaknya bit penguji adalah sebanyak m = (n-k) buah bit.
Maka Efisiensi kode = .
Kelompok kode yang termasuk dalam kode Hamming ini dapat ditulis sebagai berikut
:

dimana :
n = jumlah bit total untuk menyatakan kharakter
m = banyaknya bit penguji
k = banyaknya bit asli
Jadi jika banyaknya bit penguji , maka :
kode seluruhnya adalah
dengan jumlah bit penguji sebanyak bit
Dengan demikian kode aslinya adalah :

Jika m = 3 bit, maka ; kodenya =
Contoh kode (7,4) adalah :
32






Kode asli tersebut secara seri digeser melalui register geser sehingga pada
setiap penggeseran akan menghasilkan kode yang terdiri atas n buah bit
Hal ini dapat dicapai dengan jalan membuat rangkaian tertentu yang dapat
memenuhi kebutuhan yang diinginkan
Teknik yang diterapkan untuk mencapai keinginan itu adalah dengan
menggunakan rangkaian sebagai berikut :









Coding untuk Kanal Simetrik Biner
(BSC =Binary Symetric Channel)

Shanon telah mendemonstrasikan jika kapasitas kanal transmisi melebihi ba-
nyaknya bit per detik yang melewatinya, maka :
dimungkinkan diperoleh transmisi bit-bit tanpa kesalahan
Jadi jika C = kapasitas kanal transmisi ; R = banyak bit yang dikirimkan per detik.
Maka jika C R akan dimungkinkan transmisi bit-bit tanpa kesalahan

Dasar-dasar Teori Informasi


Sebelumnya sudah dibahas bahwa :
signal yang mengandung informasi yang dibangkitkan di pemancar tidak
dapat diterjemahkan secara benar di penerima . sebagai akibat :
adanya signal yang mengalami cacat di kanal antara pemancar dan
penerima
Cacat ini menyebabkan matched filter detector di penerima membuat
kesalahan
Disain sistem komunikasi yang baik akan dapat :
meminimalkan kemungkinan matched filter tersebut membuat kesalahan
dengan cara :
melebarkan lebarpita
menambah daya pancar
sekali gus mempertahankan beaya pembutan sistem yang layak.
Hal ini memang membuat disain menjadi lebih ruwet.
Studi teori informasi menunjukkan bahwa terdapat batas-batas teori fundamentil
yang ada hubungannya dengan :
probabilitas kesalahan
daya pemancar
33

interferensi
lebarpita signal
keruwetan sistem
Hubungan ini digunakan untuk :
menelaah kelayakan kinerja probabilitas kesalahan sistem yang
telah dibahas secara mendalam, dengan memakai sumber daya yang
tersedia
mendapatkan wawasan tentang teknik yang digunakan bagi pencapaian
kinerja yang dinginkan tersebut.
Bidang teori informasi dimulai dengan karya Shanon, diakhir tahun 1940.
Sejak saat itu banyak ahli riset telah mengembangkannya dan telah berhasil
mendapatkan teknik yang terperinci untuk merancaang efisiensi komunikasi.
Keseluruhan daripada bidang pengontrolan kesalahan tersebut harus dibahas
secara mendalam, untuk :
dapat melakukan pengembangan teknik-teknik yang diperlukan bagi
tercapainya kinerja yang diharapkan
terwujudnya apa yang telah dibuktikan oleh Shanon
Pada bab ini sejumlah teknik pengontrolan kesalahan yang paling penting akan
dibahas.
Dari studi yang sangat mendalam , maka akan dapat diperlihatkan tentang :
pengertian bagaimana kinerja sistem komunikasi mungkin akan
menghadapi berbagai hambatan (constraints) tambahan
Studi tentang berbagai teknik pengontrolan kesalahan akan dapat memberi
pengertian tentang :
prinsip pengontrolan kesalahan
teknik-teknik tentang bagaimana caranya mencapai kinerja sistem
komunikasi yang diinginkan tersebut
Teknik pengontrolan kesalahan yang dibahas akan mencakup tentang :
pengkodean signal yang merupakan salah satu yang diperlukan pada
sistem komunikasi digital , agar diperoleh :
kode yang dapat melakukan self correction jika mengalami
kesalahan didalam urutan bit-bit , misalnya :
kode blok
kode konvolusi
automatic repeat request system dengan menggunakan
deteksi kesalahan.
Jenis interferensi oleh noise yang dibahas , adalah :
yang terkait dengan pengontrolan kesalahan
dibatasi hanya pada interferensi noise Gaussian saja.

KONSEP DASAR TEORI INFORMASI

Studi tentang teori informasi secara klasik dibagi menjadi :
studi tentang koding sumber informasi
studi tentang koding kanal
34

Dari gambar mode sistem komunikasi sebelumnya , terlihat bahwa keluaran dari
sumber informasi adalah masukan ke enkoder sumber, yang mana fungsinya adalah
:
memperkecil banyaknya bit data rata-rata pada setiap waktu tertentu, yang
harus dipancarkan ke pengguna informasi melalui kanal
membuat banyaknya bit data rata-rata tersebut adalah seminimum
mungkin.
Jika koding sumber informasi bukan menjadi pokok pengamatan, maka :
akan menjadi mudah untuk mengelompokkan enkoder sumber informasi
dengan sumber informasi itu sendiri
mengamati hasil dari sumber informasi
Keluaran sumber informasi adalah masukan ke enkoder kanal
Fungsi dari enkoder kanal, yang mana fungsinya dapat disingkat dengan
melakukan koding , adalah yang menjadi pokok dari kebanyakan pembahasan
tentang teori informasi ini.

KODING ( PENYANDIAN ) SUMBER INFORMASI

Ada banyak kemungkinan sumber informasi yang akan dikirimkan, yang :
rentangnya mulai dari halaman-halaman ketikan sampai dengan bayangan-
bayangan atau gambar-gambar video
suara analog yang didigitalkan sampai dengan kandungan biner di memory
komputer.
Semua sumber informasi analog dianggap harus diubah menjadi urutan waktu
diskrit, dengan :
simbol-simbol diskrit w
i
, dari suatu abjad adalah : ; banyaknya simbol = w
buah
prosesnya adalah dengan pen samplingan dan pencapaian perubahan dari
analog ke digital
didalam setiap interval waktu T , w
i
dapat bernilai salah satu dari q
w
buah
simbol yang berbeda-beda
nilai-nilai tersebut adalah mulai dari
Setiap simbol adalah :
salah satu dari keluaran dari sumber informasi yang terjadi pada
setiap waktu T
w
detik (disini w menunjukkan berita).
Simbol-simbol itu tidak lebih dahulu dianggap sebagai keluaran dengan
probabilitas yang sama
Probabilitas keluaran sumber informasi adalah :
sebuah simbol j, yaitu Q
w
(j), dimana j = 0,1,2,..,q
w
-1
Simbol-simbol dianggap bebas satu sama lain
setiap simbol keluaran dari sumber informasi , dengan simbol yang beri-
kutnya, dinyatakan dengan index waktu yang berbeda sehingga simbolnya
juga berbeda-beda

Jika q
w
= banyaknya abjad , maka setiap simbol terdiri atas log
2
q
w
digit biner.
Contoh :
q
w
= 256 = 2
8

35

Setiap simbol terdiri atas log
2
2
8
= 8 buah digit biner
Kecepatan bit sumber informasi per detik = banyaknya bit per detik :
bps
dimana :
T
m
= waktu yang diperlukan untuk menyatakan sebuah simbol

Meskipun urutan keluaran sumber informasi dapat dinyatakan dengan
suatu arus bit (bit stream) yang mempunyai kecepatan R
m
bps, namun
biasanya :
dimungkinkan untuk menyatakan urutan dengan
menggunakan arus bit dengan kecepatan yang lebih rendah
Kecepatan bit terendah yang mungkin adalah sama dengan
kandungan informasi rata-rata dari urutan simbol
Kandungan informasi pada setiap simbol , yang berarti banyaknya
bit setiap simbol, adalah :

yang mana adalah :
fungsi probabilitas kejadian simbol tersebut
Rumus tersebut memperlihatkan bahwa :
kejadian keluarnya event dari sample yang ada adalah :
lebih sering tidak sama besarnya dibandingkan dengan
kejadian keluaran event yang sama pada bidang
komunikasi ini
Dengan kata lain random events outcome lebih sering
terjadi dibanding dengan equally likely events outcome.
Probabilitas keluaran yang kecil akan menghasilkan kandungan
informasi yang tinggi
Jika banyaknya abjad hanya 1, maka simbolnya hanya terdiri atas 1 bit
sehingga probabilitas keluarnya simbol tersebut adalah P
w
( j ) =1
Akibatnya kandungan informasinya = 0, atau tanpa kandungan in-formasi
apapun juga
Kandungan informasi rata-rata dari sumber berita disebut dengan :


Entropy

Intisari dari teori komunikasi adalah tentang :
ukuran informasi
Yang dimaksudkan dengan informasi didalam teori komunikasi ini adalah :
segala sesuatu yang dihasilkan oleh sumber berita untuk ditransfer ke
pengguna yang memerlukannya
Jika isi informasi yang ditransfer ke pengguna tersebut , mempunyai :
kemungkinan yang kecil untuk diketahui lebih dahulu oleh pengguna,
maka :
nilai informasinya tinggi
Sebaliknya :
jika kemungkinannya besar, maka nilai informasinya rendah.
36

Sebagai contoh jika seseorang berpapasan dengan temannya, lalu bertanya :
kemana kamu hendak pergi
jika dijawab :
saya mau kedepan , maka :
nilai informasi yang didapat oleh penanya adalah rendah sekali,
sebab sipenanya hampir sudah pasti tahu bahwa kemungkinan
temannya berjalan menuju kearah depan
Namun jika temannya yang ditanya tadi menjawab : saya mau ke stasiun bis,
maka nilai informasi yang diperoleh penanya adalah tinggi, sebab kemungkinan
bahwa yang ditanya akan menuju ke stasiun bis hanya merupakan sebagian kecil
dari kemungkinan-kemungkinan lain yang bisa kerjadi.
Nilai informasi disebut juga dengan entropy. Simbol untuk intropy adalah H(X).
Rumusnya adalah sebagai berikut :
Probabilitas isi informasi diketahui lebih dahulu oleh pengguna
Maka entropynya adalah :

Informasi yang terkandung dalam sebuah gambar

Sering dikatakan bahwa sebuah gambar lebih bermakna daripada ribuan kata. Suatu
gambar dapat diuraikan dalam sejumlah titik dis-krit atau elemen, dimana masing-
masing elemen tersebut mempu-nyai level kecerahan (brightness) yang rentang-
warnanya mulai dari warna hitam sampai ke warna putih.
Sebagai contoh sebuah gambar pada televisi baku, mempunyai elemen
kecerahan seba-nyak 500 x 600 = 3 x 10
5
buah dan 8 buah level yang dengan
mudah dapat dibedakan. Dengan demikian terdapat buah elemen gambar yang
mungkin terjadi, dengan masing-nasing gambar mempunyai kemungkinan
kemunculan yang sama, yaitu , apabila dia-nggap semua kemunculan gambar
berlangsung secara acak. Oleh karena itu jika semua elemen gambar yang mungkin
terjadi tersebut dinyatakan dengan digit-digit biner, maka kebutuhan bit yang dapat
memfasilitasi semua elemen gambar tersebut ada-lah sebesar :

Sebagai alternatip, dengan menganggap semua elemen gambar mempunyai
kemungkinan yang sama (equally likely) untuk muncul, dengan informasi per elemen
= bit, maka kebutuhan bit total untuk menyatakan seluruh elemen gambar adalah =
3 x 3 x 10
5
10
6
bits.
Jika dianggap bahwa suatu perbendaharaan kata (vocubolary) terdiri atas 100.000
kata dengan kemungkinan keluar yang sama, maka kemungkinan munculnya setiap
kata = 10
5
. Oleh karena itu informasi yang terkandung pada 1000 kata
membutuhkan digit biner sebanyak :

Kebutuhan bit sebesar itu akan sangat kecil dibandingkan dengan kebutuhan bit
untuk seluruh elemen daripada sebuah gambar.
Anggapan diatas masih dapat didiskusikan lebih lanjut.


Entropy dan Nilai Informasi

37

Informasi sendiri (self information) didifinisikan sebagai masing-masing berita atupun
masing-masing simbol daripada semua yang dihasilkan oleh suatu sumber berita.
Namun elemen sendiri itu bukanlah gambaran (description) yang bermanfaat tentang
apa yang dihasilkan oleh sebuah sumber berita, relatip terhadap apa
dikomunikasikan.
Sistem komunikasi tidaklah dirancang untuk pengiriman dan penerimaan suatu
berita khusus, melainkan untuk pengiriman dan penerimaan segala berita yang
mungkin terjadi. , yang berarti bahwa semua apa yang dapat dihasilkan oleh suatu
sumber berita adalah sesuatu yang berbeda dengan suatu kejadian tertentu. Jadi
meskipun aliran informasi sesaat dari sumber berita bisa saya sesuatu yang tidak
menentu (erratic), namun harus digambarkan bahwa sumber berita tersebut
mengeluarkan informasi rata-rata. Informasi rata-rata ini dinamakan entropy
sumber berita.
Untuk suatu sumber yang mengirimkan simbol-simbol diskrit yang secara statistik
bebas satu sama lain, untuk merumuskan entropy-nya, diambil misal m = banyaknya
simbol yang berbeda, misalnya simbol daripada abjad yang mana jumlah abjadnya
adalah m.
Jika simbol-simbol tersebut mempunyai probabilitas yang tidak sama
untuk dipan-carkan dari sumber, maka simbol atau abjad yang ke-j mempunyai
probabilitas untuk dipancarkan = P
j
, maka informasi yang dibawa adalah sebanyak
= bit informasi.
Untuk suatu berita yang panjang, simbol, simbol ke-j mempunyai probabilitas
kemunculan sebesar NP
j
kali , sehingga bit informasi total pada berita panjang
tersebut menjadi :
NP
1 1
+NP
2 2
+ + NP
m m
= bits
Informasi rata-rata per simbol, yang didifinisikan seabagi entropy, adalah :
Jadi Entropy adalah banyaknya bit yang diperlukan untuk menyatakan setip
simbol.
Perata-rataan diatas merupakan perata-rataan yang berpasangan (ensemble
average).
Jika sumber informasi tersebut tidak stasioner, maka probabilitas bisa berubah
dengan waktu sehingga entropy menjadi tidak sangat penting.
Jika sumber dianggap ergodic, maka perata-rataan berpasangan maupun perata-
rataan waktu adalah identik.

Entropy PCM

Misalkan suatu sistem PCM, dimana :
input kontinyunya = x(t)
pita frekuensinya terbatas hanya sampai dengan 50 Hz.
x(t) disample mengikuti Nyquist rate, yaitu dengan frekuensi sample = f
s
=
2W = 100 Hz
Jika simbol yang mungkin terjadi sebanyak 4 buah
berarti setiap sample digambarkan dengan 2 bit saja
dimana dimisalkan probabilitas munculnya simbol, secara berturut-turut
adalah 0.5, 0.25, 0.125 dan 0.125.
Banyaknya level kuantisasi terbanyak , yaitu banyaknya level kuatisasi yang
mewakili amplitudo pulsa tersampling paling tinggi adalah m = 2
2
= 4.
38

Simbol biner yang mungkin keluar dari sistem PCM tersebut adalah
0 0 P
1
= 0.5
0 1 P
2
= 0.25
1 0 P
3
= 0.125
1 1 P
4
= 0.125






Maka entropy-nya adalah :
Dengan frekuensi sampling = f
s
= 100 Hz, maka periode sampling = T
s
= 0.01 detik
Dalam 1 detik terdapat simbol yang dikirim.
Dengan entropy 1.75 bits/simbol, maka dalam 1 detik akan dikirim R = 100x1.75 =
175 bit/detk.
Karena setiap simbol harus dinyatakan dengan banyak bit yang genap, maka tidak
mungkin menyakan setiap simbol dengan 1,75 bits, tapi harus dibulatkan keatas
menjadi 2 bits/simbol.
Hal ini sesuai dengan anggapan semula.
Dengan demikian setiap detik dikirimkan 200 bit.

Contoh :
Misalkan suatu sumber informasi menghasilkan tiga buah kemung-kinan simbol, yaitu
A,B atau C, dengan probabilitas 0.7, 0.2 dan 0.1, selama interval pensignalan
berturut-turut.
Ditanyakan :
a. carilah kandungan informasi per simbol !
b. carilah entropy atau informasi rata-rata dari keluaran sumber !
c. jika setiap detik dikirim 1000 simbol oleh sumber informasi , carilah kecepatan
informasi rata-rata !
d. Berapakah kecepatan informasi maximum yang mungkin ?

Jawab:
Semakin tinggi ke-mungkinannya, sema-kin rendah kandung-
an informasinya
(a). Kandungan informasi setiap simbol :
untuk simbol A, adalah : I(A) = -log
2
(0.7) = 0.515
untuk simbol B, adalah : I(B) = -log
2
(0.2) = 2.322
untuk simbol C, adalah : I(C ) = -log
2
(0.1) = 3.322
(b). Entropy-nya dicari dengan rumus :

Jadi entropy-nya adalah :

(c). Oleh karena itu jika setiap detik dikirim 1000 simbol, maka banyaknya
informasi ratarata per detik adalah = 1157 bps
(d). Kecepatan informasi maximum yang mungkin dan entropy sumber informasi
maximum, dicapai jika simbol-simbol keluaran dari sumber informasi adalah
benar-benar sama kemungkinan keluarnya (equally likely).

39

Karena dalam 1 detik dikirim 1000 simbol, maka waktu yang diperlukan untuk 1
simbol adalah 10
-3
detik.
q
w
= banyaknya abjad = 3 ; agar kecepatan informasinya yang mungkin terjadi
maximum. maka probalitas keluarnya setiap abjad adalah sama, yaitu
Jadi
Dapat juga dicari dengan rumus :

Perlu dicatat bahwa seiap simbol atau kharakter harus dinyatakan dengan bit yang
banyaknya bulat, bukan pecahan. Jadi jika dalam perhitungan setiap simbol terdiri
atas susunan bit seba-nyak H(W) = 1.157 , maka dalam praktek setiap simbol harus
dinyatakan dengan lebih dari 2 bit.

Contoh :
Pada sistem komunikasi PCM, dimana inputnya adalah signal pembicaraan manusia
yang lebar pita frekuensi W = 4 kHz. Fekuensi sampling = f
s
= 2W = 8 KHz. Setiap
simbol digital dinyatakan dalam 8 bit. Probabilitas keluarnya simbol dianggap bahwa
12.5 % dari seluruh simbol masing-masing adalah, 25 % dari seluruh simbol masing-
masing adalah dan sisanya masing-masing adalah .
a. entropy sistem PCM nya.
b. bit-rate-nya.

Jawab:
Karena setiap simbol dinyatakan dalam 8 bit, maka m = 2
8
= 256. Maka banyaknya
simbol yang mungkin terjadi adalah 256.
Simbol-simbol yang mungkin terjadi adalah :

a. Entropy sistem PCM adalah :

Dengan frekuensi sampling = f
s
= 8 kHz, maka periode sampling = T
s
= 125 detik
Dalam 1 detik terdapat simbol yang dikirim.
Dengan entropy 7.745 bits/simbol, maka dalam 1 detik akan dikirim R = 8000x7.745
= 61960 bit/detk.

b. Bit-rate = R = 61960 bps
Karena setiap simbol harus dinyatakan dengan banyak bit yang genap, maka tidak
mungkin menyakan setiap simbol dengan 7,745 bit, tapi harus dibulatkan keatas
menjadi 8 bits/simbol.
Hal ini sesuai dengan anggapan semula.
Dengan demikian setiap detik dikirimkan 8000x 8 = 64 k bit.
Teori matematis tentang informasi memberikan baik batas bawah dan panjang rata-
rata kode sumber informasi, yang mana panjang kode tersebut bervariasi , maupun
untuk mencari kode-kode yang panjang rata-ratanya dicapai atau didekati oleh batas
bawah kode tersebut.
Contoh sistem kode dengan panjangny bervariasi adalah sistem kode Morse, dimana
abjad-abjad yang paling sering dipakai , misalkan huruf hidup a, i, u, e,
o diberi kode yang lebih pendek, sedang kode yang jarang dipakai , misalkan huruf
z diberi kode yang lebih panjang.
40

Entropy sumber informasi, yaitu H(W), adalah batas bawah atau banyak bit rata-rata
terkecil yang digunakan untuk menyatakan suatu simbol atau kharakter.
Salah satu metode pengkodean sumber informasi adalah kode Huffman.
Prosedur pembentukan kode Huffman ini dapat dilihat dari contoh berikut ini :
misalkan suatu sumber informasi menghasilkan 3 jenis simbol, A ,B dan C
probabilitas keluarnya berturur-turut adalah : 0.70 , 0.20, 0.10
Sebelumnya sudah dihitung tentang kasus yang sama, bahwa entropy sumber
informa-sinya adalah 1.157 .
Prosedur Huffman untuk mengkode sumber informasi tersebut menjadi
kode biner dengan panjang yang bervariasi adalah :
dimulai dengan mendaftar simbol-simbol keluaran dari sumber
informasi, sebagai gambar berikut ini :

Pasangan simbol-simbol sumber informasi yang paling kecil ke-mungkinannya (yang berarti
0.20 dan 0.10), kemudian digabungkan untuk menghasilkan apa yang disebut dengan sumber
informasi yang diperkecil (reduced source), yang probabilitasnya men-jadi 0.20 + 0.10 = 0.30.
Probabilitas simbol-simbol gabungan adalah jumlah dari probabili-tas simbol-simbol
gabungan yang dipakai untuk menghasikannya.
Gabungan probabilitas tersebut misalnya : 0.20 +0.10 = 0.30 ; 0.70 + 0.30 = 1.0















]
11
10
A
B
C
0.10
0.20
0.70
A
BC
0.30
0.70
ABC
1. 0
0
Kata-kata kode Huffman
Sumber Info Asli
Reduksi 1
Reduksi 2



41


0

0
1



1


Prosedur pengkodean Huffman terhadap sumber informasi



Dikolom pertama terlihat kata-kata kode Huffman yang berkaitan dengan 3 simbol
A,B,C.
Pada kolom kedua terlihat simbol-simbol gabungan yang dimaksudkan disertai
probabilitas keluarnya simbol untuk dikrimkan ke tujuan.
Langkah dikolom ke-2 ini , dapat dilihat bahwa B dan C digabung menjadi simbol
BC, yang probabilitasnya menjadi = 0.20 + 0.10 =0.30.
Garis-garis terlihat menghubungkan simbol-simbol asli dengan reduksi pertama.
Hanya garis-garis yang menghubungkan simbol-simbol yang sedang digabung diberi
label sebuah 0 dan sebuah 1.
Simbol-simbol dari sumber informasi yang tereduksi sekarang diatur lagi dengan
jalan mem-perkecil order dari probabilitas-probabilitas yang berturutan.
Sumber informasi yang tereduksi adalah simbol yang banyaknya kurang satu
dibandingkan dengan sumber informasi masukannya.
Reduksi terhadap sumber informasi ini berlanjut sampai tinggal satu simbol informasi
gabungan tunggal saja, dimana probabilitasnya adalah 1.
Keluaran kode Huffman untuk simbol-simbol informasi asli, secara sederhana adalah
urutan dati 0 dan 1, yang didapatkan dari simbol gabungan terakhir dari smibol
sumber in-formasi asli.
Sekali lagi perlu dijelaskan bahwa simbol-simbol itu diperuntukkan untuk dibuat
cabang-cabang , dimana simbol-simbol itu digabung.
Kata-kata kode Huffman dapat dilihat pada gambar sebelumnya.
Jika banyaknya kode yang mungkin keluar adalah n jenis dan panjang katakode yang
ke-j dinyatakan dengan l
j
,

dan probabilitas keluarnya simbol j tersebut adalah P
w
( j ),
maka panjang kode rata-rata adalah :

Pada contoh sebelumnya , n = 3 , yaitu A,B dan C , dengan kata kode A panjangnya
1 bit ; kata kode B panjangnya 2 bit ; kata kode C panjangnya 3 bit ; probabilitas
masing-masing berturut-turut adalah P(A) = 0.70 ; P(B) =0.20 ; P(C ) = 0.10, maka
:

Nilai ini lebih besar dari nilai minimum yang mungkin, yaitu 1.157 (sudah dihitung
sebelumnya).
Hasil ini jauh lebih baik dibandingkan apabila tidak digunakan koding, dimana
diperlukan 2.00 ingat : karena ada 3 buah simbol, maka diperlukan 2 bit
per simbol, jika tidak dilakukan teknik pengkodean Huffman.
42

Dasar pemikiran teori informasi adalah membuat probabilitas kesalahan berita
menjadi nol., dengan cara penambahan komplexi-tas gelombang pada tetap.
Dasar pemikiran ini berlaku selama nilai transmisi informasi (banyaknya bit yang
diki-rimkan per satuan waktu) keseluruhan dibawah kapasitas kanal.
Cara-cara yang dilakukan para teknolog informasi untuk mencapai tujuan diatas,
yaitu untuk mengurangi nilai kesalahan berita, adalah dengan jalan memakai teknik-
teknik tertentu, misalnya : menambah daya pemancar ataupun dengan mengurangi
besarnya daya pemancar agar probabilitas kesalahan berita menjadi kecil.


Kode blok

Suatu blok yang terdiri atas k buah bit informasi dinyatakan dalam k-vektor, seba-
gai :

semua w
mi
bernilai 0 atau 1
Subcript m menyatakan berita tertentu yang sedang diperhatikan dari :
2
k


buah berita yang mungkin terjadi jika :
setiap berita terdiri atas k buah bits.
Jadi banyaknya kode untuk informasi (atau kode untuk data) yang
mungkin terjadi = 2
k
buah
Jadi m = 1, 2, 3, 2
k


Q
M
(m) = probilitas berita yang keluar adalah berita ke-m
Jika berita yang keluar mempunyai kemungkinan keluar yang
sama , maka Q
M
(m) = 2
-k

Contoh :
Jika k =3, maka berita yang mungkin keluar adalah m = 2
k
= 2
3
= 8, yaitu
w
0
= 0 0 0
w
1
= 0 0 1
w
2
= 0 1 0
w
3
= 0 1 1
w
4
= 1 0 0
w
5
= 1 0 1
w
6
= 1 1 0
w
7
= 1 1 1
Jika m = 5, maka berita yang dimaksudkan adalah w
m 1
= w
4
= 1 0 0

Enkoder (pembuat kode) akan memetakan setiap berita tertentu , yaitu w
m

(yang terdiri atas k bits) , menjadi n buah vektor biner tertentu atau berita
yang terdiri atas n bits = ( k + q ) bits , yaitu berta yang terdiri atas k buah
bit data dtambah dengan q buah bit paritas , sehingga bentuk berita yang ke
m adalah sebagai berikut :

Pemetaan ini adalah satu berita ke satu peta, sehingga setiap berita
mempunyai satu peta tersendiri
Kode blok (n,k) adalah himpunan dari semua simbol x
m
( yang banyaknya
2
k
buah anggota himpunan )
Dalam kode blok ini k < n, yang berarti banyaknya bit kode asli lebih kecil
daripada banyak seluruh bit dari kode blok
43

Banyaknya bit paritas atau bit penguji = q = n k
Banyaknya berita yang mungkin terjadi = 2
k

Banyaknya kata kode yang mungkin terjadi jika setiap berita terdiri atas n bits
= 2
n
> 2
k

Maka tidak semua kata kode yang mungkin terjadi digunakan sebagai kata
kode ( dari 2
n
buah kata kode yang mungkin terjadi hanya 2
k
buah
saja yang digunakan sebagai kata kode )
Efisiensi kode = Nilai kode (code-rate)
Singkatan :
1. Disain sistem baik harus:
efisien didalam hal pemakaian sumber dayanya
efisien didalam hal lebarpita frekuensinya
kompak
menghasilkan komunikasi informasi yang andal dari sumber informasi ke
tujuan informasi
Dalam hal ini yang dimaksudkan dengan ukuran keandalannya
adalah :
besarnya probabilitas kesalahan adalah harus kecil dan
dibawah nilai max yang diijinkan.
2. Sumber koding harus :
menggunakan kode redundance (kode cadangan = kode tambahan
untuk maksud pengamanan) sekecil mungkin untuk meminimalkan
penggunaan bit pada setiap kode yang dikomunikasikan
Hal ini berarti dapat menghemat kebutuhan akan lebarpita freku-
ensi
3. Kode kanal digunakan untuk memperbaiki sebanyak mungkIn kesalah-
an kode yang terjadi pada kanal tersebut, yang pada gilirannya dapat
memperbaiki keandalan komunikasi
4. Sumber signal diskrit tanpa menggunakan memory menggambarkan
informasi :
yang menggunakan urutan simbol-simbol bebas, w
o
, w
1
, .yang sesuai
dengan simbol abjad W = [0,1,2,.q
w
1 ]
Probabilitas bahwa simbol keluaran DMS ( Discrete Memoryless Signal)
adalah = j selama interval I adalah Q
w
(j)
5. Kandungan informasi suatu simbol keluaran DMS tunggal j , adalah :
I(j) = -log
2
Q
w
(j)
Simbol-simbol keluaran DMS yang banyak kesamaannya mempunyai
kandungan informasi yang kecil dibandingkan dengan simbol-simbol yang
sedikit kesamaannya
Entropy sumber informasi adalah :

yang mana adalah kandungan informasi rata-rata sumber
Intropy sumber adalah banyaknya bit rata-rata minimum per simbol
keluaran DMS, yang harus dipancarkan lewat kanal
Jadi informasi sumber tidak dapat dikomunikasikan dengan memakai
jumlah bit rata-rata per simbol DMS yang lebih sedikit jumlahnya
dibandingkan dengan entropynya.
44

6. Prosedur Huffman adalah :
sesuatu yang secara intuitip (secara perasaan) memenuhi koding
sumber
prosedur ini menggunakan urutan biner yang lebih panjang terhadap :
simbol-simbol DMS yang rendah probabilitasnya (misalnya kode untuk
huruf z yang kemungkinan digunakan didalam suatu berita jauh lebih
rendah dibandingkan dengan huruf a), dibandingkan dengan simbol-
simbol yang lebih tinggi probabilitasnya
Simbol-simbol DMS dapat dibuat menjadi kode Huffman sebagai simbol-
simbol tunggal ataupun dalam kelompok-kelompok
Kode Huffman daripada kelompok-kelompok simbol-simbol DMS
menghasilkan hasil yang terbaik.
7. Kapasitas suatu kanal, yaitu C , adalah :
jumlah bit per detik yang teoritis dapat dipancar-kan tanpa salah
Kapasitas tersebut adalah fungsi dari lebar pita kanal dan SNR (Signal to
Noise Ratio) yang diterima
Kapasitas Shannon adalah :

Jika kecepatan transmisi yang dinginkan adalah R
m
<C, maka :
akan diperoleh nilai kesalalahan yang rendah jika menggunakan
forward error correction, tanpa menambah daya
Untuk R
m
yang hampir sama debgan C , forward error correction yang
lebih rumit dapat dipertimbangkan.
8. yang diterima harus lebih tinggi dibanding dengan 1.6 dB agar komunikasi
andal sembarang dimungkinkan untuk dilakukan
9. Jika< -1.6 dB maka tidak ada kode yang meskipun sudah dibuat serumit
apapun yang dapat menolong keberhasian terjadinya komunikasinya.
10. Kapasitas kanal diskrit tanpa memory yang dinyatakan dengan
C
N
adalah :
menyatakan jumlah bit informasi maximum daripada informasi yang
dikomunikasikan untuk setiap simbol DMC yang dipancarkan.

Penyandian Belitan
(Convolution Coding)

Salah satu metode untuk mengontrol kesalahan didepan (forward error control)
adalah dengan menggunakan penyandian belitan.
Pada teknik penyandian ini :
simbol-simbol tidak dikelompokkan kedalam kelompok yang berbeda-beda
kemudian disandi (encoded) , namun :
urutan bit-bit informasi yang kontinyu dipetakan kedalam urutan
kontinyu simbol-simbol keluaran penkoder (enkoder)
Pemetaan ini disusun secara khusus, yang memungkinkan :
metode pengdekodean (dekoding) sangat berbeda dibandingkan dengan
metode pengdekodean kelompok
Dapat dibuktikan bahwa penyandian belitan dapat mencapai :
45

gain penyandian yang lebih besar dibandingkan dengan yang dicapai
dengan menggunakan kode kelompok (block code) dengan keruwetannya
(koplexitasnya) yang serupa
Apapun teknik yang digunakan, baik dengan penyandian kelompok maupun
penyandian belitan :
mana yang lebih baik untuk digunakan adalah tergantung pada perincian
(details) dari penggunaannya serta teknologi yang ada pada saat itu.

Konsep dasar penyandian belitan

Banyak dari konsep kode blok langsung digunakan terhadap kode konvolusi,
khususnya :
urutan peta enkoder daripada keluaran pengkode sumber ke dalam urutan
simbol kode untuk transmisi melalui DMC (Discrete Memoryless Channel)
+
+
Untuk menggambarkan konsep penyandian belitan secara mudah dapat
digambarkan sebagai berikut :








Gbr. Pengkode belitan kecepatan
(Rate convolution encoder)

Bit-bit masukan diclock kedalam rangkaian dari sebelah kiri
Setelah setiap masukan diterima , maka keluaran koder dihasilkan dengan cara
pencu-plikan dan multiplexing keluaran-keluaran daripada penambah-
penambah (adder) modulo-2
Untuk kode yang sederhana ini , simbol-simbol dihasilkan untuk setiap bit
masukan , sehingga kecepatan kode adalah nya
Periksalah , bahwa suatu bit masukan tertentu akan mempengaruhi keluaran
selama intervalnya sendiri , maupun oleh 2 interval bit masukan
Suatu kode belitan ditentukan oleh :
banyaknya tahap pada register-register geser
banyaknya keluaran (banyaknya penambah modulo-2)
hubungan (koneksi) antara register geser dan penambah modulo-2
Tahap (state) enkoder ditentukan sebagai :
isi daripada register geser dan sepenuhnya ditentukan oleh 2 buah informasi
masukan daripada bit yang mendahuluinya
Enkoder di gbr. pengkode belitan kecepatan bisa mempunyai 4 keadaan
yang mungkin , sesuai dengan semua isi yang mungkin terjadi daripada register
geser 2 tahap

w(D) = w
0
+ w
1
D + w
2
D
2
+..+ w
j
D
j
+ . = urutan bit informasi
masukan ; w
j
[ 0, 1]
46

x
1
(D) = Keluaran adder modulo 2 bagian atas adalah hasil kali antara w(D)
dengan g
1
(D)
w
2
(D) = Keluaran adder modulo-2 bagian bawah adalah hasil kali antara w(D)
dengan g
2
(D)
Kode konvolusi disebut juga dengan kode sekuensial ataupun kode berulang-
ulang (recurrent codes)
Pada kode konvolusi ini digit-digit uji paritas terus-menerus disisip-kan kedalam
arus bit (bit stream)
Karena itu prosedure enkoding dan dekoding adalah proses yang kontinyu,
yang menghilangkan (eliminiting) pemisah (buffering) ataupun penyimpanan
(storage) perangkat keras yang diperlukan dengan kode-kode blok
Prinsip kode konvolusi dapat disederhanakan dengan menggu-nakan prinsip
rangkaian enkoder konvolusi sebagai berikut ini :

m
i

m
i - 1

m
i - 2

m
i - 3

m
i - 4

+
+








dimana m
i
s.d. m
i 4
adalah shift register
Rangkaian enkoder tersebut terdiri atas 5 buah shift register, 2 buah adder
modulo-2. dan sebuah switch
Digit-digit berita bergerak

dari kiri ke kanan
Switch mengambil digit berita ke-i, yaitu dan digit uji paritas ke-
I
sebagai
beikut :

Digit-digit berita digeser satu cell dan prosesnya berulang
Karena itu digit-digit yang dipancarkan adalah
Jadi banyaknya digit yang dipancarkan menjadi 2 kali digit data yang masuk
Hal ini dinamakan dengan kode bercadangan tinggi (high redundancy codes)
Sebagai akibatnya efisiensi kode konvolusi adalah rendah, yaitu
Di dekorder, dibuat digit syndrome ke-i dari dari urutan berita yang diterima
dan mungkin mengalami kesalahan, menggunakan rumus :

dimana akibat adanya kesalahan maka :
Maka persamaan digit syndrome ke-i dapat ditulis menjadi :

Disini jika syndrom , maka berarti pada digit tersebut mengalami kesalahan
digit-digit yang benar ditandai dengan digit syndrome bernilai 0
Untuk gejala peralihan awal (start up transient), ambillah
Maka sindrome-nya adalah :
47


Persamaan diatas ditampilkan secara grafis sebagai berikut :









X






X






X
X



X






X



X



X






X





X


48





X










X




X









X















X









X



49









X











X

s
1


s
2


s
3


s
4


s
5





s
6


Dengan mempelajari gambar diatas dapat dilihat bahwa jika terdapat 2 atau 3
buah bit 1 di , maka :
vektor kesalahan , yang berarti mengan-dung kesalahan dan
harus dikoreksi
Dengan cara serupa, harus dikoreksi jika terdapat lebih banyak bit 1 daripada
bit 0; demikian seterusnya
Algorithme seperti diatas dinamakan dengan pengdekodean ambang (threshold
decoding)
pada pengdekodean ini akan dapat mengoreksi sampai 4 buah kesalahan
berturutan (termasuk juga digit uji paritas) asalkan 8 buah digit yang lain tidak
mengalami kesalahan
Pengdekodean ambang ini efektip terutama jika kanal-kanalnya terisolasi dari
dadakan kesalahan (error burst) yang disebabkan oleh noise denyut, dan
masalah utama terjadinya kesalahan adalah berasal dari noise denyut tersebut.
Algorithme pengdekodean yang lain untuk kode-kode konvolusi adalah :
dengan menggunakan metode algorithme probabilistic atau metode
algorithme berurutan (sequential).
50

Oleh karena teori kode-kode konvolusi tidak dikembangkan sebaik teori kode-
kode blok, maka :
sulit untuk membuat tafsiran yang teliti relatip terhadap ke-baikannya.

Soal soal :

1. Suatu sistem mempunyai persamaan : ; .
Kecepatan pensignalan kurang sedikit dibanding dengan kecepatan sinkron .
Datanya berupa urutan bit sebanyak buah, yang secara matematis dapat ditulis :
.
Buktikanlah :
bagian ISI (Inter Symbol Interference) dari persamaan :

jika m = 0 adalah :
jika
2. Suatu sistem biner mengalami interferensi antar simbol (ISI). Tanpa adanya
noise, nilai dan probablitasnya ditabelkan berikut ini , jika yang dikirimkan adalah
bit 1 :

Tabel diatas berlaku juga untuk bit yang dikirimkan 0, apabila A diganti dengan
A .
(a). Dengan menganggap noisenya jenis Gaussian, carilah P
e
!
(b). Carilah P
e
untuk !
Bandingakan dengan P
e
untuk = 0 !

pendekodean kode-kode konvolusi

Dekoder mempunyai pengetahuan tentang struktur kode


ALGORITHME VITERBI

Algorithme Viterbi adalah :
suatu metode yang sangat bagus untuk melakukan pendekodean (decoding =
membuat signal yang menggunakan urutan bit-bit menjadi pulsa tersampling
kembali) dengan kemungkinan kebenaran maximum terhadap kode-kode
konvolusi
Hal ini disebabkan bahwa enkoder (alat yang berfungsi untuk membuat kode
yang berupa orutan bit-bit) konvolusi adalah suatu peralatan keadaan yang
tertentu (finite state divice)
Oleh A.J. Viterbi pada tahun 1967 algorithme tersebut telah digambarkan
secara mathematis
Sejak itu algorithme tersebut terus menerus berkembang , misalnya apa yang
telah dilakukan oleh Forney, dimana dia membuat tulisan yang luas
wawasannya dan tinggi mutunya terhadap apa yang telah dilakukan oleh
Vitebri, baik :
mengenai algorithmenya itu sendiri
maupun tentang bagaimana pemakaiannya.
51

Dengan meninjau kembali terhadap fungsi dari suatu detektor dengan
kemungkinan kebenaran yang maximum, maka :
apa yang dilakukan oleh Forney adalah :
mencari urutan kode yang paling mirip dengan kode yang telah
dipancarkan sebelumnya ke kanal transmisi , sehingga membentuk
urutan kode keluaran kanal yang memenuhi syarat
Kode itu mungkin diterima salah, sehingga harus secara otomatis dikoreksi (self
correction)
Ini berarti bahwa :
harus mencari lintasan dengan melalui trellis (terali) yang akan
dibahas kemudian , yang mana :
urutan kodenya mempunyai fungsi kemungkinan
logarithmis terti-nggi
Secara mathematis , rumus kemungkinan log (log-likehood) ditulis
seba-gai berikut :

Untuk BSC (Binary Symetric Code), pemaximalan fung-si ini sama
saja artinya dengan mencari lintasan me-lalui terali (trellis) yang
urutan kodenya paling dekat dengan jarak Hamming ke urutan kode
yang diterima
VA (Vitebri Alborithm) akan diterangkan pada contoh , untuk BSC
(Binary Symetric System) yang menggunakan ukuran jarak
Hamming

Pendekodean Keputusan KERAS

Perhatikanlah diagram teralis berbentuk kerucut terpotong berikut ini :















Dari gambar diatas , untuk memudahkan penjelasan :
kedalaman (depth) kedalam teralis dinyatakan dengan diatas teralis
Sigmen-sigmen (bgian-bagian) lintasan ditunjukkan dengan keadaan-keadaan
(states) teralis, yaitu :
{S
1
, S
2
...} yang dilewati oleh lintasan
Teralis tersebut dibentuk seperti kerucut yang terpotong (truncated) dengan
jalan mengosongkan (clearing) pengkoder (encoder), yaitu :
dengan jalan memberikan masukan (inputting) 2 zeros (nol) yang
diketahui, dima- na dalam hal ini adalah bit nomor 7 dan nomor 8
52

Alat pendekoder (decorder), yaitu alat yang berfungsi untuk membuat bit-bit
kode menjadi signal analog kembali, akan mengetahui bahwa:
pada saat itu pengkoder telah dikosongkan
urutan bit yang diterima dituliskan didekat garis-garis teralis
Langkah pedekodean pertama adalah untuk :
menghitung jarak Hamming antara 2 buah simbol pertama yang diterima ,
dan 2 buah simbol pada cabang-cabang teralis yang meninggalkan
keadaan 00 pada kedalaman 0 dan menuju ke kedalaman kadaan 1
Jika diambil sigmen daripada gambar diatas :
Jarak-jarak Hamingnya keduanya adalah 1 atau tunggal , dan dituliskan diatas node-node keadaan.
Hal tersebut dapat dilihat pada gambar teralis yang berikutnya.
Sebagai diketahui bahwa jarak Hamming tersebut dapat dilihat pada pertambahan modulo2 berikut ini
:























Jika penulisan kode berita dilakukan secara pembacaan terbalik, yaitu :
jika kode untuk menyatakan nilai suatu level amplitudo, misalnya amplitudo
yang terdiri atas 4 level, maka :
level amplitudo yang setinggi 4 buah level kuantisasi (quantization level),
jika kodenya dinyatakan dengan kode biner , yang diperoleh adalah
0100
dengan dibalik penulisannya , maka kodenya menjadi 0010
maka tabelnya akan berubah menjadi tabel berikut ini

Contoh :
Misalkan enkoder terpotong bagian atas yang sama dengan yang digunakan untuk
VA ( Viterbi Algorithm ) keputusan keras , digunakan pada sistem komunikasi
keputusan lunak .
Masukan biner DMC (Discrete Memoryless Channel) tergambar se-bagai berikut :
0.80 0
0 0.15
0.04 1
0.01
0.01
53

0.04 2
0.15

3 0.80 3

Probabilitas-probabilitas transisi kanal adalah sebagai berikut :

Teralis enkoder tergambar sebagai berikut :








Gambar-gambar terali tersebut mencakup urutan keputusan lunak yang diterima ,
maupun ukuran-ukuran cabangnya (branch metrics).
Ukuran-ukuran cabang tersebut dihitung dari urutan yang diterima dan fungsi
kemungkinan-log diatas .
Sebagai contoh :
Ukuran cabang untuk cabang diantara kedalaman keadaan nol (depth zero state) 00
dan keadaan keadaan satu (depth one state) 10 , adalah :

Ukuran cabang adalah nomor diantara kurung (parenthesis) pada cabang .
Semua cabang diberi label.
Untuk penggambaran yang lebih jelas daripada proses penkodean itu , maka
digambar lagi berikut :





Pada gambar tersebut , ukuran kumulatip (cummulative metric)
Untuk mempertahankan (surviving) sigmen lintasan yang menuju ke sebuah
node, segera ditulis diatas node tersebut
Untuk node-node pada kedalaman satu , ukuran kumulatip betul-betul sama
dengan ukuran cabang pertama
Untuk node-node pada kedalaman dua , ukuran kumulatip sama dengan jumlah
dari ukuran kedalaman satu dan ukuran yang diakumulasikan pada cabang ,
yang mengarah dari kedalaan satu ke kedalaman dua
Sebagai contoh , ukuran komulatip yang mengarah ke keadaan 01 di
kedalaman dua adalah ukuraan -2.12 pada kedalaman keadaan satu 10 ,
ditambah ukuran cabang -3.80 yang dikumula-sikan pada cabang diantara
kedalaman keadaan satu 10 dan kedalaman keadaan dua 01
Sebagaimana sebelumnya , pendekodean menjadi lebih menarik pada
kedalaman tiga , dimana sigmen-sigmen lintasan mulai menjadi terbuang
(dicarded)
Perhatikan dua buah sigmen lintasan yang mengarah kedalam keadaan 00
dikedalaman tiga , dimana :
Ukuran kumulatip untuk sigmen lintasan [ 00, 00, 00, 00] adalah : -
7.83 - 5.12 9.22 = - 22.17
54

Ukuran kumulatip untuk sigmen lintasan [ 00, 10, 01, 00] adalah : -
2.12 3.80 0.44 = - 6.36
Lintasan dengan ukuran terkecil adalah : -22.17 , dibuang dengan
jalan menempatkan suaatu x pada cabang
Ukuran daripada lintasan yang mempertahankan ditulis diatas
keadaan 00 , dikedalaman tiga
Pendekodean berlanjut dengan cara ini , sampaai dengan terali
terakhir
Setelah pendekode mencapai kedalaman delapan , pendekode
tersebut berbalik arah , mengikuti lintasan yang mempertahankan ,
dengan tujuan untuk menentukan lintas-an yang benar lewat terali
Amatilah bahwa lintasan yang mempertahankan adalah identik
dengan lintasan yang diperoleh dengaan pendeko-dean keputusan
keras


Probabilitas Kesalahaan Pendekodean

Probabilitas kesalahan pendekodean bagi pendekodean Vitebri terhadap kode-kode
konvolusi , dihitung dengan :
memakai konsep dasar yang sama dengan yang digunakan untuk menghitung
probabilitas kesalahan bagi :
pengdekodean kemungkinan maximum kode-kode blok
Peristiwa-peristiwa kesalahan :
dihitung satu-satu (enumerated)
probabilitas-probabilitasnya dihitung
hasilnya dipakai untuk menghitung batas-batas probabili-tas kesalahan
pengkodean
pada pendekodean Vitebri untuk kode-kode konvolusi , maka ukuran
keandalan probabilitas yang tepat adalah :
probabilitas bahwa lintasan yang tepat melalui tera-lis dibuang
dikedalaman j
Ini berarti bahwa ukuran keandadalan yang benar ada-lah:
probabilitas terbentuknya sebuah kesalahan pada setiap
kesempatan pendekodean kesalahan
suatu kesempatan untuk membuang lintasan benar , timbul :
msetiap saat dekoder bergerak satu unit lebih dalam ke
teralis tersebut
Ukuran ini dibandingkan dengan ukuran yang digunakan pada kode-
kpde blok , dimana :
kempatan timbulnya kesalahan pada setiap
Singkatan :

1. Kode konvolusi berbeda sangat mendasar dibanding kode blok . Proses kode
konvolusi ini melalui urutan bit-bit informasi yang semi-infinite
2. Kode konvolusi dapat digambarkan dengan enkoder register ge-sernya , diagram
transisi keadaanya atau diagram teralisnya
55

3. Kemungkinan (Likelihood) maximum dekoder , menggunakan di-finisi kode, urutan
simbol yang diterima dan kharateristik kanal , untuk memperkirakan urutan
simbol yang dikirimkan , yang se-tara dengan untuk memperkirakan lintasan
(path) yang diikuti melewati teralis oleh enkoder . Perkiraan keluaran dekoder
ada-lah urutan , yang mana :

adalah maximum
Urutan informasi keluaran dekoder adalah urutan yang membangkitkan urutan
keluaran enkoder yang diperkirakan
4. Fungsi generator T(D , L , N) daripada kode konvolusi menggam-barkan bobot
Hamming (ukuran N = power of N ) , panjang Ham-ming ( ukuran L ) dan
banyaknya informasi 1s (ukuran N ) , untuk semua lintasan teralis , yang
menyebar dari kembali memusat ke-adaan teralis nol .
Fungsi generator dapat diperoleh dengan menyelesaikan himpun-an persamaan
keadaan untuk diagram transisi keadaan yang dimodifikasi .
4. Algorithme Vitebri (VA) memberikaan cara-cara yang mudah bagi pendekodean
dengan kemungkinan kebenaran maximum untuk kode-kode konvolusi
5. Probabilitas bahwa VA memilih lintasan yang salah (mengelemi-nasi lintasan yang
benar) pada setiap kedalaman ke teralis diba-tasi oleh :
Probabilitas Kesalahan :

dimana dihitung dengan memakai fungsi pembangkit :
dan probabilitas-probabilitas terjadi kesalahan :
untuk kanal-kanal keputusan keras
unt
unt.
untuk keluaran kontinyu kanal keputusan lunak

6. Fungsi didifinisikaan sebagai

7. Uraian asiptotis untuk Q(x) yang berlaku untuk nilai x besar adalah :

dimana :

yang mana nilai absolutnya adalah lebih kecil dibandingkan dengan nilai suku
pertama diabaikan
Untuk nilai x yang moderat (tidak terlalu besar), terdapat bebe-rapa
pendekatan yang rational. Salah satu pendekatan tersebut adalah :

p = 0.2316419
b
1
= 0.319381530
b
2
= -0.356563782
b
3
= 1.781477937
b
4
= -1.8212559978
b
5
= 1.330274429
dimana , dengan nilai-nilai :





56



8. Fungsi kesalahan dapat dikaitkan dengan fungsi Q, sesuai rumis berikut ini :

9. Fungsi kesalahan pelengkap (complementary error function) dapat
didekati serupa dengan fungsi-Q
Tabel : tabel singkat nilai-nilai Q(x) dan Z(x)
x

0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
Q(x)

0.50000
0.46017
0.42074
0.38209
0.34458
0.30854
0.27425
0.24196
0.21186
0.18406
0.15866
Z(x)

0.39894
0.39695
0.39104
0.38138
0.36827
0.35206
0.33322
0.31225
0.28969
0.26608
0.24197
x

1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
Z(x)

0.21785
0.19419
0.17137
0.14973
0.12952
0.11092
0.09405
0.07895
0.06562
57

0.05399
0.04398
Q(x)

0.13567
0.11507
0.09680
0.08076
0.06681
0.05480
0.04457
0.03593
0.12872
0.02275
0.1786











Note : tabel diatas berdasarkan pada rumus untuk Probabilitas Kesalahan
Contoh jika ; untuk mencari besarnya probabilitas kesalahan dapat diselesaikan dengan
program Matlab , dengan perintah sebagai berikut :
>> 0.5.*erfc(2./(2.^0.5))

ans =

0.0228 ; hasilnya boleh dikatakan sama dengan 0.02275 (yang terdapat pada tabel)
10. Probabilitas Kesalahan Bit untuk pendekodean Vitebri terhadap kode-kode
konvolusi , dibatasi dengan persyaratan sebagai beri-kut :

dimana dihitung dari hubungan :

11. Diketahui banyak kode konvolusi yang bagus , dimana sebagian besar diperoleh
dengan mencari lewat komputer .
Gain pengkodean untuk kode konvolusi yang bagus dapat setinggi nilai
pendekatan , yaitu 6 dB , dengan cara memakai pengdekodean keputusan
lunak .
Beberapa yang terbaik adalah kode konvolusi bernilai 1/2 dan dan bernilai 1/3 ,
telah dibuat petanya .
12. Kode-kode konvolusi dapat didekode memakai pendekodean sekuensial .
Keruwetan pendekodean sekuensial adalah bebas dari panjang kendala ,
sehingga kode-kode dengan panjang kendala yang tinggi , dapat didekode .
13. Pendekodean blok daripada kode konvolusi berentetan (con-cantenated
convolution) serta kode Reed-Solomon dapat digu-nakan jika dikehendaki untuk
yang gain penkodeanya besar (large coding gain) .
Sistem-sistem penkodean berentetan telah digunakan misi ruang angkasa .




58

Soal-soal tentang VA :

1. Dengan menggunakan kode yang ditentukan oleh teralis sebagai gambar berikut :



lakukan dekode memaakai pendekodean Vitebri keputusan keras
Perhatikan 4 buah vektor-7 berikut ini :

Dengan 4 buah vektor tersebut akan terdapat 2
4
= 16 buah kombinasi linier ; hal ini
sesuai dengan 16 jenis kombinasi urutan bit , yang masing-masing kombinasi terdiri
atas 4 buah bit yang tersusun secara seri.
Contoh :
Kombinasi linier yang disebabkan oleh adalah :

Secara lengkap terdapat 16 jenis urutan bit , yang urutanurutan bit tersebut
berbeda satu sa-ma lain.
Jika disusun tabel kombinasi linier dan secara lengkap, maka didapatkan hasil yang
persis sama , sebagaimana tabel kode blok , sebagai berikut :







0 0 0 0 0000000
1 0 0 0 1101000
0 1 0 0 0110100
1 1 0 0 1011100
0 0 1 0 1110010
1 0 1 0 0011010
0 1 1 0 1000110
1 1 1 0 0101110
0 0 0 1 1010001
1 0 0 1 0111001
0 1 0 1 1100101
1 1 0 1 0001101
0 0 1 1 0100011
1 0 1 1 1001011
0 1 1 1 0010111
1 1 1 1 1111111














59



















Fungsi denyut : semua fungsi yang memenuhi hubungan

maka adalah fungsi denyut yang terjadi pada
Fungsi periodic :
Jika fungsi periodic


Note :
Kebalikan adalah :

Note :
Jadi
Jika kendala panjang (length constraint) = M , relatip pendek , yaitu jika M 8
, maka :
dekoder dapat melakukan pendekodean secara optimal relatip dengan
sedikit perhitungan saja .
Pengdekodean yaang dilakukaan adalah :
pengdekodean keputusaan keras (hard dececion decoding)
pengdekodean keputusaan lunak (soft dececion decoding)
Dekoder keputusaan keras : menerima keputusan bit (bit dececion) dari
demodulator . Setiap bit yang diterima diputus-kan 0 ataau 1
Dekoder keputusaan lunak : meliputi pemakaian dari keluaran demodulator
yang sebanding dengan kemungkinan log (log- likehood) daripada bit yang
dimodulasi , baik yang 0 maupun 1 .
Kemungkinan log (loglikehood) adalah : logarithme dari proba-bilitas menjadi
suatu bit 0 ataupun 1
Rumus : loglikehood = log (Pr< x = 0 z = 1 >)
Sebagai misal , jika bit yang didemodulasi adalah 1 , maka bit hasil
demodulasi adalah 0 .
Jika bit yang dipancarkan adalah variable x dan yang didemo-dulasi adalah
variabel z , maka expresi ini adalah loglikehood , bahwa x adalah 0 asalkan z
adalah 1 .
Pendekodean keputusaan lunak biasanya menghasilkan kinerja yang lebih baik ,
namun lebih komplex
60


Pendekodean Keputusaan Lunak
Pada pendekodean ini , kata kode yang diterima bisa berupa setiap bilangan riil
apapun juga .
Oleh karena adanya :
kekaburan kanal (channel fading)
noise
interferens
faktor-faktor lain
maka bit yang lewat media transmisi bisa berubah , misalnya 0 men-jadi bukan nilai
nol , ataupun sebaliknya .
Misalnya : akibat terjadinya kesalahan , dari bit 0 berubah menjadi nilai riil bukan
nol , yang diberi simbol dengan x .
Jika probalitas 0 menjadi (-Inf s.d. 1/10) adalah 2/5
2/5+1/3+1/5+1/15=1
probalitas 0 menjadi (1/10s.d 1/2) adalah 1/3
probalitas 0 menjadi (1/2 s.d. 9/10) adalah 1/5
probalitas 0 menjadi (9/10. Inf) adalah 1/15
Jika probalitas 1 menjadi (-Inf s.d. 1/10) adalah 1/16
1/16+1/8+3/8+
7/16=1
probalitas 1 menjadi (1/10 s.d. 1/2) adalah 1/8
probalitas 1 menjadi (1/2 s.d. 9/10) adalah 3/8
probalitas 1 menjadi (9/10 s.d. Inf) adalah 7/16
Penulisan secara matematis adalah sebagai berikut :
Probabilitas Penerimaan Probabilitas Penerimaan
Jika Mengirim 0 Jika Mengirim 1
P((-Inf. 1/10) 0) = 2/5 P((-Inf . 1/10) 1) = 1/16
P((1/10 . 1/2) 0) = 1/3 P(( 1/10. 1/2) 1) = 1/8
P((1/2 . 9/10) 0) = 1/5 P((1/2 . 9/10) 1) = 3/8
P((9/10 . Inf) 0) = 1/15 P((9/10 . Inf) 1) = 7/16
Limtasan optimum (Optimum path) untuk keputusaan lunak (soft de-cision) ini
adalah memaximalkan matrix signal yang diterima r dan signal yang dikoreksi c .
Untuk panjang kata kode sebanyak N transmisi (=N buah bit) , maka matrix
Transfer Probability







APLIKASI FFT

Jika fungsi dihitung dengan menggunakan pendekatan FFT , untuk transfomasi
Fourienya , maka :
Langkah ke-1 didalam penggunaan DFT adalah :
Menentukan N = tinggi maximum sample dan T = interval sample
61

Sebagai contoh , N = 32 , maka setiap sample dinyatakan dengan 5 buah
bit ; jika T = 0.25 detik , maka pada waktu tersebut nilai
Hal tersebut digambarkan dengan kurva , yang dilukis berdasarkan program
Matlab berikut ini :
t=0:0.01:7;
x=[exp(-t)];
plot(t,x);
plot(t,x)


Berdasarkan kurva diatas , maka (menurut perhitung-an , )