Syahroni Wahyu Iriananda

Sistem Komunikasi Digital

Teori Informasi

Sekilas Sistem
Komunikasi

TEORI INFORMASI
Teori

Informasi

Disiplin ilmu dalam bidang Matematika

Terapan yang berkaitan dengan kuantitas
data sehingga data atau informasi dapat
disimpan dan dikirimkan tanpa kesalahan
(error) melalui suatu kanal komunikasi
Landasan Teori Informasi klasik ini di
terbitkan Claude Elwood Shannon dalam
papernya A Mathematical Theory of
Communication pada tahun 1948.

Teori Informasi Shannon

Secara

umum, Teori Informasi

Shannon (Teori Matematis) ini
memandang bahwa komunikasi
sebagai fenomena mekanistis,
matematis dan informatif, yaitu
Komunikasi sebagai transmisi pesan,
dan bagaimana transmiter dapat
menggunakan kanal/saluran sebagai
media komunikasi.

Kebutuhan Sistem
Komunikasi
Pada Umumnya Sistem Komunikasi memiliki
Sumber Informasi yang memproduksi
informasi dalam berbagai bentuk
Penerima Informasi yang menyerap informasi.
Media menghubungkan antara sumber dan
penerima informasi
Tujuan sistem komunikasi ini adalah untuk
mengirimkan informasi dari sumber ke
penerima tanpa terjadi kesalahan (error)
Pada kenyataannya masih banyak terjadi
error karena noise

Konsep Umum Sistem

Komunikasi

Information Source : Sumber Informasi, yang memproduksi

simbol (teks, video, audio, pidato, gambar, dsb).
Transmitter: Mengirim Sinyal
Channel: Kanal sebagai media transmisi dapat menghasilkan noise,
jadi error dapat terjadi pada saat data di transmisikan.
Receiver: Menerima Sinyal kemudian dilanjutkan ke Tujuan yang
akan menyerap informasi.

 Sebagai

Contoh:
Information Source memproduksi dua
simbol A dan B, kemudian simbol
tersebut dikodekan menjadi aliran bit.
A = 1, B =0.
Aliran bit yang dikirimkan melalui media.
Sebagai ilustrasi, Noise dapat
menyebabkan 1 menjadi 0 atau
sebaliknya ditempat yang acak.

Simbol Asli

Aliran Bit Sumber/Dikirim

Aliran Bit Diterima

Sistem Komunikasi Shannon

Sistem Komunikasi yang diajukan oleh

TX
Shannon

RX

 Pada

diagram tersebut terdapat dua macam jenis

pengkodean
Encoder/Decoder Sumber
Encoder/Decoder Kanal

Source

Encoder/Decoder

Mengkonversi sinyal yang diproduksi oleh sumber menjadi

aliran data.
Jika sinyal input berupa analog, maka dapat dikonversi
oleh ADC
Jika sinya input berupa aliran simbol (digital), maka dapat
dikonversikan menjadi alirat bit 1 dan 0 melalui
mekanisme tertentu

Source Encoding
Dilakukan

untuk mengurangi
penumpukan sinyal (redundancy)
Terdapat 2 teknik encoding:
Losseless Encoding (Tidak

Berkurang/Hilang)
ZIP, GZ, RAR dsb

Lossy Encoding (Berkurang)

JPEG, GIF, MKV, dsb

Channel Encoder
Jika

sudah dilakukan enkoding pada

sumber dengan benar, error dapat terjadi
pada media
Kita perlu menambahkan bit tambahan
pada data sumber yang telah dienkoding
Fungsi bit-bit tambahan (redundant bits)
tersebut untuk dapat mendeteksi error
yang terjadi dan memperbaikinya
Deteksi error dan perbaikannya,
dilakukan pada akhir penerimaan

Modulator/Demodulator
Merupakan

proses transformasi
sinyal, sehingga sinyal dapat
ditransimisikan melalui berbagai
media
Demodulator melakukan proses
kebalikan dari Modulator

Channel Decoder
Menganalisa

aliran bit yang diterima

dan mendeteksi dan mengoreksi jika
ada kesalahan menggunakan bit
tambahan (redundant bits) hasil dari
Channel Encoder
Channel Decoder melakukan proses
kebalikan dari Encoder

Source Decoder
Mengubah

aliran bit menjadi

informasi yang sebenarnya
Jika simbol dikodekan 1 dan 0 oleh
encoder, maka bit 1 dan 0 tersebut
dikonversi menjadi simbol kembali
pada decoder ini
Jika informasi berupa data analog,
maka data digital akan dirubah
menjadi analog oleh DAC

Entropi Sumber
Informasi

What is Information?
Informasi

adalah hasil dari

pengolahan data
Dengan kata lain, informasi adalah
data yang sudah diolah menjadi
bentuk yang berarti bagi
penggunakan dan bermanfaat bagi
pengambilan keputusan saat ini atau
mendatang

Entropy & Redundancy

Entropi

dan Redunansi merupakan

konsep dasar yang dikemukakan
dalam teori Informasi Shannon ini.
Kedua konsep ini saling terikat dan
saling berpengaruh seperti hukum
sebab-akibat (kausalitas)
Entropi akan sangat berpengaruh
terhadap Redundansi yang akan
timbul dalam proses komunikasi

Entropi Sumber
Informasi
Entropi

Bukan Informasi dan

Informasi Bukan Entropi
Entropi merupakan konsep
keacakan, dimana terdapat suatu
keadaan yang tidak dapat dipastikan
kemungkinannya
Entropi merupakan cara suatu cara
untuk mengukur sebuah informasi

 Dengan

entropi ini, kita dapat mengukur

apakah informasi yang dikirimkan melalui
media
Untuk mengukur informasi, Shannon
mengajukan sebuah formula sbb:
Sebagai contoh:
Asumsikan kita memiliki Karakter A sampai
Z, termasuk SPASI, totalnya adalah 27 Huruf

Redundancy
Konsep

kedua adalah redundancy, yang

merupakan kebalikan dari entropy. dudansi
adalah sesuatu yang bisa diramalkan atau
diprediksikan (predictable).
Karena prediktabilitasnya tinggi (high
predictable), maka informasi pun rendah
(low information).
Redundansi apabila dikaitkan dengan
masalah teknis, ia dapat membantu untuk
mengatasi masalah komunikasi praktis.

 Masalah

ini berhubungan dengan

akurasi dan kesalahan, dengan
saluran dan gangguan, dengan sifat
pesan, atau dengan khalayak.
Kekurangan-kekurangan dari saluran
(channel) yang mengalami
gangguan (noisy channel) juga dapat
diatasi oleh bantuan redundancy.

 Misalnya

ketika kita berkomunikasi

melalui pesawat telepon dan
mengalami gangguan, mungkin
sinyal yang lemah, maka kita akan
mengeja huruf dengan ejaan yang
telah banyak diketahui umum,
seperti charlie untuk C, alpa untuk
huruf A, dan seterusnya.

Kapasitas Kanal

KAPASITAS KANAL
Kapasitas

Kanal dapat digambarkan

sebagai rata-rata maksimum pada
informasi yang bisa dikirim tanpa ada
kesalahan,
dan
untuk
maksud
transmisi data, mungkin diukur
dalam bit perdetik.

Rata-rata

data yang dapat dikirim

pada
kanal
sebanding
dengan
bandwidth kanal itu.

KAPASITAS KANAL
Kapasitas maksimum sebuah kanal
komunikasi
C = W LOG2 (1 + S/N)
Dengan
C : Kapasitas maksimum dalam bps
W : Bandwidth
S/N : Perbandingan daya sinyal dan noise
Bila S/N =1000 dan W=3300Hz maka C=32.9 Kbps

Teorema Shannon

Teorema Channel
Coding