Celotehan Seorang Newbie

Ketika pertama kalinya datang ke kampus ini, yang biasa terkenal dengan sebutan “Bumi Sanapati”, pertanyaan dalam benak saya, apa itu STSN..??. arrgghh sama sekali tidak ada bayangan tentang sandi atau perangkat penunjangnya. Mendaftar di STSN dengan diantar ayah menggunakan motor, dengan bermodalkan tekad yang pantang menyerah (ciee…) sama sekali g tau dimana yang namanya ciseeng, dan kita pun bertanya ke salah satu sopir angkot yang kluyuran di tengah jalan antara parung – ciseeng.” Bang, STSN dimana ya, tau g???”. ms sopir angkot pun membalas,“Saya g tau mas, adanya sanapati, masi jauh tu kesana”. Akhirnya tanpa banyak bertanya, kita langsung menuju ke arah sana .=P hehe.
Bingung, hampa, sunyi (lho,,). Ngga ngga, yang jelas pada saat itu yang mendaftar STSN buanyaaakk banget. kira kira 1 jutaan lah (lebay mode on^). Yang jelas saya langsung menuju auditorium untuk mengikuti serangkaian tahapan untuk mendaftar.


Tapi ada yang mengejutkan, disana saya ketemu dengan teman lama, teman SMP yang tidak asing dalam kehidupan saya (ceilee..), Tapi stay cool aja,.hmmpph
Akhir nya setelah semua proses pendaftaran saya ikuti, saya mendapatkan kartu oendaftarannya juga, Alhamdulillah. Akhirnya kembali ke penampungan dan belajar untuk persiapan ujian tes akademik di STSN.

Ehhmm,, untuk tahapan eleksinya g usa diceritain aja yah,,kenbanyakan ceritanya nanti. Pokoknya never ending story lah. Langsung aja saat diterima di sekolah abu-abu ini ya. Ngomong – ngomong tentang grey institute, sekarang kampus megah ini berganti penampilan jadi white and elegant institute, ingin tau kenapa, karena semua nya sekarang berwarna putih, bersih, suci. Sebagai suatu harapan baru yang ditanamkan di sekolah ini untuk selalu melakukan perubahan kearah yang lebih baik tentunya.

Rasanya senang dan tidak terkira ketika terpilih sebagai salah satu dari 40 orang yang diterima di kampus ini, karena yang daftar pada tahun itu adalah 1204 orang. Jadi, hampir tidak terbayangkan karena setiap orang harus bersaing dengan 30 orang yang lainnya. Kita berkumpul kembali saat daftar ulang di kampus STSN, dan ternyata ada 1 orang lagi dari SMA saya yang diterima disini yaitu sathia nusaputra. Saking ngga taunya, kita baru tau kalo diterima saat uda masuk STSN,,hhe

Dikumpulin di auditorium dan langsung diberikan tugas untuk membawa seabreg barang yang akan digunakan untuk masa prmbentukan mahasiswa baru. Yah mirip ospek ospek gitu lah. Barang yang dibawa buanyak banget. bener-bener banyak, sampe untuk bawanya aja harus bagi bagi tugas sama mba yang tinggal dirumah dan ada satu lagi, semua barang barang itu harus dibawa besok, karena PPMB akan dimulai besoknya. Arrgggghhhh, T.T

PPMB kami ikuti dengan penuh gairah dan semangat 55. 5 hari tepat kami menyelesaikan tahapan transisi tersebut, sampai akhirnya kami dilantik dan dan mengenakan seragam kebanggaan kami, PUM I.

Kenangan dan cerita tentang PPMB g usah di ungkit lagi, yang jelas, PPMB buat kami STSN VI sangat berhasil dan meninggalkan cerita yang indah untuk masa depan. Sampai saat ini perjalanan demi perjalanan kami ikuti, dulu kami yang yang masih hijau, sekarang sudah berkembang dengan mantap dan meniti sebuah harapan di balik sebuah tanggung jawab untuk mengembangkan persandian kedepannya. Ilmu yang “abu-abu” dimana sebuah rahasia yang di campurkan dengan keamanan yang ditujukan untuk pihak yang diinginkan dapat tercapai.
Kelak ilmu “abu-abu” ini pasti akan berkembang. Di tangan dan pundak kami. Sekolah Tinggi Sandi Negara.

domain baru.., (.post)

JAKARTA, KOMPAS.com - Meski ini zaman internet, bukan berarti kantor pos tutup. Bahkan, kantor pos di seluruh dunia kini bisa punya alamat maya khusus dengan diresmikannya domain ".post" oleh ICANN (Internet Corporation or Asssigned Names and Numbers), badan independen yang mengatur pengalamatan internet.

Domain baru tersebut disahkan Jumat (11/12/2009) pekan lalu. Hak pengelolaan top level domain tersebut diberikan kepada UPU (Universal Postal Union) yang segera akan mengeluarkan panduan dan aturan main penggunaan domain tersebut.

"Orang-orang yang mengakses sebuah situs .post akan langsung bisa memastikan bahwa itu adalah layanan pos yang resmi atau penyedia layanan pos," demikian pernyataan UPU yang mengajukan proposal domain ini seperti dilansir AFP.

UPU dan ICANN berencana menawarkan domain tersebut mulai paruh kedua 2010 setelah menyelesaikan semua bentuk perjanjian. Meski pengiriman surat turun drastis, banyak kantor pos yang bertahan dengan berekspansi ke bisnis online dan mendukung pengiriman barang yang dijual melalui toko-toko online.

Probabilistik dalam kriptografi

tepat jumat kemarin, kami ekelas di berikan tugas untuk meresume tentang probabilistic di buku handbook.^
ini salah satu potongan tugas yang kami kerjakan,,.
coba di baca ya,,
bagaimana menurut pembaca??
pasti ga ngerti,,(saya juga sebenernya,,hhe=P)

Salah satu syarat yang harus dimiliki oleh sebuah skema enkripsi adalah tidak adanya korespondensi antara plainteks dengan cipher teks. Terkadang syarat ini menjadi syarat yang sangat penting bagi sebuah skema enkripsi.
RSA, RABIN, dan Knapsack merupakan skema enkripsi dengan kunci publik yang bersifat deterministik (setiap plainteks m akan selalu menghasilkan cipherteks c).
Terdapat berbagai macam kekurangan dalam skema deterministik ini, yaitu:
- Skema ini tidak aman untuk semua penyebaran probabilitas dari panjang pesan
- Terkadang mudah untuk menghitung plainteks dari cipherteks yang diketahui
- Mudah untuk dideteksi ketika pesan dikirim sebanyak 2 kali.

Skema enkripsi yang bersifat probabilistik menggunakan sifat kerandoman untuk membuktikan tingkat keamanan dari skema enkripsi tersebut.
Ada 2 buah gagasan kuat dari keamanan yang bisa digunakan untuk mengukur kekuatan dari suatu skema enkripsi.
1. Polinomial secure
Jika tidak ada lawan pasif yang mengharapkam waktu polinomial, pilih dua pesan m1 dan m2 kemudian periksa perbedaan antara keduanya dengan probabilitas yang lebih dari 0,5
2. Semantically secure
Jika semua penyebaran probabilitas dari pesan tanpa lawan pasif yang dapat menghitung probabilitas dari waktu polinomial plainteks yang diberikan cipherteks, lawan dapat menghitung waktu polinomial tanpa diberikan cipherteks.

sedikit 0br0lan admin..

c0ba pembaca kasi c0mment.. mnurut anda.sejauh mana peranan persandian dan keamanan inf0rmasi dalam ksehidupan anda sehari.? span id="fullpost">

ini dia programnya,,.^

#include
#include
#include
#include

int a,b,c,d,e,f,g,h,i,j,k,k1,k2,z,n,m;
char KS[30], SCTR[30], kunci[40];
char abjad[26]="ABCDEFGHIJKLMNOPQRSTUVWXYZ";
char temp[30], numpang, KCTR[30], P[1000],C[1000];
int X[1000],Y[1000],K[26];
int Z[26]={0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25};

void mbagi(int m)
{ if(m%2==0) printf("\nparameter anda genap!!");
else if(m==13) printf("\nparameter anda 13!!");
else if(m==1) z=1; else if(m==3) z=9;
else if(m==5) z=21; else if(m==7) z=15;
else if(m==9) z=3; else if(m==11) z=19;
else if(m==15) z=7; else if(m==17) z=23;
else if(m==19) z=11; else if(m==21) z=5;
else if(m==23) z=17; else if(m==25) z=25;
}


void masukin_kunci()
{
printf("\n\n\n\n\n\n");
printf("\n =====================================\n");
printf(" >> masukkan kunci : ");
scanf("%s",kunci); strupr(kunci);
printf("\n =====================================\n");
}

void ngilangin_huruf()
{ n=strlen(kunci);
c=0;
for(i=n-1;i>0;i--)
for(j=i-1;j>=0;j--)
if(kunci[i]==kunci[j])
kunci[i]='0';
a=0;
for(i=0;itemp[j+1])
{ numpang=temp[j+1];
temp[j+1]=temp[j];
temp[j]=numpang;
}
k=0;
for(i=0;i> Ciphertextnya : ");

for (i=0;i> Ciphertextnya : ");

m=a; mbagi(m);
for (i=0;i> Ciphertextnya : ");

for (i=0;i> Ciphertextnya : ");

m=a*d-b*c; mbagi(m);
for (i=0;i> Ciphertextnya : ");

for (i=0;i> Ciphertextnya : ");

m = ((a*e*k) + (b*f*g) + (c*d*h) - (c*e*g) - (b*d*k) - (a*f*h))%26;
if (m<0) m = m+26; mbagi(m); for (i=0;i>>>......]]");
printf("\n [[---------------------------------------------]]");
printf("\n [[ 1. Monographic ]]");
printf("\n [[ 2. Digraphic ]]");
printf("\n [[ 3. Trigraphic ]]");
printf("\n [[=============================================]]");
printf("\n [[=============================================]]");
printf("\n mo pilih mana : ");
scanf("%i",&pilih);

switch(pilih)
{ case 1 : mbuka_mono(); break;
case 2 : mbuka_di(); break;
case 3 : mbuka_tri(); break;
}
}


void sistem_nyandi()
{ int pilih;clrscr();

printf("\n\n\n\n\n\n");
printf("\n [[=============================================]]");
printf("\n [[=============================================]]");
printf("\n [[.....<<<< MENU NYANDI SISTEM HIILS >>>>......]]");
printf("\n [[---------------------------------------------]]");
printf("\n [[ 1. Monographic ]]");
printf("\n [[ 2. Digraphic ]]");
printf("\n [[ 3. Trigraphic ]]");
printf("\n [[=============================================]]");
printf("\n [[=============================================]]");
printf("\n mo pilih mana : ");
scanf("%i",&pilih);

switch(pilih)
{ case 1 : nyandi_mono(); break;
case 2 : nyandi_di(); break;
case 3 : nyandi_tri(); break;
}
}

void key()
{ int pilih;clrscr();
printf("\n\n\n\n\n\n");
printf("\n [[=============================================]]");
printf("\n [[=============================================]]");
printf("\n [[..........<<<< MENU KUNCI MIX >>>>...........]]");
printf("\n [[---------------------------------------------]]");
printf("\n [[ 1. Mix KS ]]");
printf("\n [[ 2. Mix SCTR ]]");
printf("\n [[ 3. Mix KCTR ]]");
printf("\n [[=============================================]]");
printf("\n [[=============================================]]");
printf("\n mo pilih mana : ");
scanf("%i",&pilih);

switch(pilih)
{ case 1 :
ks(); for (i=0;i<26;i++) K[i]=KS[i]; break; case 2 : sctr(); for (i=0;i<26;i++) K[i]=SCTR[i]; break; case 3 : kctr(); for (i=0;i<26;i++) K[i]=KCTR[i]; break; } } void main() { int pilih; clrscr(); printf("\n\n\n\n\n\n"); printf("\n [[=============================================]]"); printf("\n [[=============================================]]"); printf("\n [[.............<<<< MENU UTAMA >>>>............]]");
printf("\n [[---------------------------------------------]]");
printf("\n [[ 1. Nyandi ]]");
printf("\n [[ 2. Mbuka ]]");
printf("\n [[ 3. Keluar ]]");
printf("\n [[=============================================]]");
printf("\n [[=============================================]]");
printf("\n mo pilih mana : ");
scanf("%i",&pilih);

switch(pilih)
{ case 1 : sistem_nyandi(); break;
case 2 : sistem_mbuka(); break;
case 3 : break;
}
getch();
}

ada yang uda tau HILLS,,.????

ini salah satu tugas saat kami tingkat I, yaitu sistem sandi HILLS. Kebetulan buat juga programnya dalam bahasa pemrograman C.. waktu pertama kali dikasi tugas,,,"arghhh bingung codingnya!!!??" akhirnya salah satu dari kami minta tutor dari abang abangnya tentang tugas  ini,,hhe=P,,engg ingg engg,, dapet tugas punya dari bang dinis (angkatan 3), kita modif dan minta diajarinn,,akhirnya bisa dehh,,
dibawah ini adalah sedikit tentang HILLS, bagi yang bingung atau g tau sistem sandi apaan tu,,.
langsung diliat aja,,
akan dilampirkan dalm C nya juga..

Salah satu dari sistem sandi klasik yang ada yaitu Sistem Hills Linear Transformation. Sistem ini menggunakan beberapa perhitungan matematis seperti fungsi polinomial dan matriks serta subtitusi sehingga cukup mudah untuk diimplementasikan dalam program. Sistem Hills ini dikategorikan menjadi empat, yaitu monographic substitution, digraphic substitution, trigraphic substitution dan polygraphic substitution.




Monographic substitution adalah sistem Hills yang penyandiannya dilakukan satu huruf- satu huruf. Digraphic substitution adalah sistem Hills yang penyandiannya dilakukan dengan memroses dua huruf-dua huruf. Untuk trigraphic substitution proses penyandiannya dilakukan tiga huruf- tiga huruf. Sedangkan polygraphic substitution proses penyandiannya dilakukan lebih dari tiga huruf.

Latar Belakang
Dewasa ini, perkembangan ilmu pengetahuan dan teknologi sangat pesat dan maju. Perkembangan ilmu pengetahuan dan teknologi ini mempunyai pengaruh yang besar dalam bidang persandian. Dengan berkembangnya teknologi maka berkembang pula teknologi yang digunakan dalam bidang persandian. Banyak orang bersaing untuk menciptakan suatu sistem sandi yang kuat dan mudah dalam implementasinya.
Dalam perkembangannya, tentunya tidak dilupakan sistem sandi dasar atau dikenal dengan sistem sandi klasik. Bagaimanapun juga, semua sistem sandi yang ada sekarang ini berawal dari sistem sandi klasik. Salah satu dari sistem sandi klasik yang ada yaitu Sistem Hills Linear Transformation. Sistem ini menggunakan beberapa perhitungan matematis seperti fungsi polinomial dan matriks serta subtitusi sehingga cukup mudah untuk diimplementasikan dalam program. Dengan adanya program ini tidak perlu lagi digunakan paper and pencil untuk mencari ciphertext dan plaintext-nya. Salah satu bahasa pemrograman yang mudah pengoperasiannya serta kode- kode program yang sederhana adalah bahasa pemrograman C.


Pembatasan Masalah
Aplikasi dari sistem Hills Linear Transformation membahas tentang proses menyandi dan membuka sistem monographic substitution, digraphic substitution dan trigraphic substitution. Dan pengaplikasiannya dengan menggunakan pemrograman bahasa C.

Metode Riset
Metode riset yang digunakan adalah dengan pengumpulan bahan dari literatur yang ada, baik dari bahasa pemrograman C maupun dari Sistem Hills serta diskusi dalam kelompok.

Fasilitas untuk Menyandi dari Windows,,baru dibaca niii,,.^

ternyata banyak tugas2 yang blom di posting ya,,jadi teringat dengan tugas tingkat 1 dulu,,dirasa penting untuk diketahui..cekidot =P
Microsoft Windows ternyata menyediakan fasilitas untuk menyandi (enkripsi) file yang disimpan dalam harddisk secara instan. Fasilitas yang disebut EFS atau Encrypting File System hanya terdapat didalam Windows Vista versi Business, Enterprise dan Ultimate, Windows XP versi Professional serta Windows 2000.
Windows Vista versi Starter, Home Basic dan Home Premium hanya menyediakan fasilitas untuk membuka sandinya saja (dekripsi). Artinya adalah kita dapat membuka file yang disandi oleh EFS namun tidak dapat menyandi file. Sedangkan Windows XP versi Home malah tidak dilengkapi dengan fasilitas EFS.
EFS sangat mudah digunakan untuk mengacak isi sebuah file atau folder dengan hanya memerlukan sebuah password-protected account. Untuk menggunakan EFS dalam partisi harddisk, harddisk tersebut harus dalam format NTFS.

Karena hanya menggunakan sebuah password-protected account diawal membuka Windows-nya saja, menjadikan EFS tidak sekuat sistem penyandian lainnya yang menyandi file/folder berbasis algoritma dan hardware.
Terlepas dari kekuarangan tersebut, EFS tentunya masih lumayan untuk dapat memproteksi file-file yang dirasa “privasi” saat komputer kita digunakan oleh orang lain (yang tentunya dengan username lain) sehingga tidak dengan mudah dapat seketika terlihat.
Namun untuk menjaga kerahasiaan data-data penting, cara yang paling ampuh adalah dengan menyandi data yang disimpan ataupun didistribusikan tersebut dengan teknik menyandi yang terbaik yaitu penyandian berbasis algoritma dan hardware dengan kunci yang handal.
Teknik menyandi dengan EFS
Untuk menyandi file atau folder dengan EFS, klik kanan di file/folder tersebut, klik properties, klik advanced…, klik untuk memberi tanda contreng pada kotak dengan tulisan Encrypt contents to secure data, klik OK dua kali.
Bila yang akan disandi adalah file, akan muncul kotak dialog yang isinya menyatakan :
anda telah memilih untuk meng-encrypt file, namun file tersebut tersimpan dalam folder yang tidak di-encrypt, bila file tersebut dimodifikasi / diubah, file akan ter-decrypt secara otomatis.
Disarankan untuk meng-encrypt file beserta foldernya. File yang di-save ke dalam folder itu (yang telah di-encrypt) akan otomatis ter-encrypt juga.
Kemudian kita diminta memilih apakah akan meng-encrypt filenya saja atau beserta foldernya.
Bila yang disandi adalah foldernya maka akan muncul kotak dialog yang isinya menyatakan :
anda telah memilih encrypt (atau decrypt), kemudian ditanyakan apakah akan menerapkan encrypt (atau decrypt) tersebut pada folder tersebut saja atau folder, subfolders dan files-nya.
Kita dapat menyandi beberapa folder / file sekaligus dengan terlebih dahulu memilih folder / file yang akan disandi kemudian baru klik kanan, klik properties dst.
File atau folder yang telah disandi akan ditandai dengan warna hijau. Namun bila kita tidak ingin orang lain mengetahui ada file yang disandi (karena berwarna hijau) maka buka Explorer (untuk Windows XP) kemudian klik Tools, klik Folder Option, klik View. Dalam kotak Advanced settings hilangkan tanda contreng pada bagian Show encrypted or compressed NTFS files in color. Klik OK. -antz-
kelebihan :
• mudah untuk digunakan bagi siapa saja
• proses cenderung lebih cepat
kerkurangan :
• penyandian hanya menggunakan pasword
• hanya dapat digunakan untuk yang bersifat sederhana (tidak dalam ruang lingkup yang luas)
• tidak sekuat sistem persandian yang lain
kesimpulan:
EFS adalah suatu fasilitas yang disediakan oleh Microsoft Windows. Untuk menyandi file pada sistem ini hanya membutuhkan password-protected account. Tetapi sistem ini kurang kuat dibandingkan dengan sistem-sistem yang lain. Sehingga hanya digunakan untuk data yang bersifat sederhana.

Sistem Sandi DES (Data Encryption System) apa ya??

Kalo saya inget2 waktu tingkat II, dimana kita dapet pelajaran tentang DES, argghhh pertama nya ribet n bingung banget apa tu DES ??

untuk temen temen yang mau tau asal muasal dan sedikit tentang algoritma ini, silakan dibaca aja, kebetulan saya dapet dari softcopynya melati (temen 1 kelas juga^^), ehh ternyata ada tentang DES dan berbagai sandi Klasik lainnya. . ntar pelan2 akan di posting deh,,semoga bisa jadi pembelajaran dan membawa kesadaran kita tentang pentingnya sebuah keamanan

Pertengahan tahun 1973, Pemerintah Amerika Serikat (AS) melalui National Bureau of Standards (NBS) mengumumkan kebutuhan akan suatu algoritma sandi yang akan digunakan sebagai standar untuk melindungi kerahasiaan dan keutuhan data-data penting baik yang sedang ditransmisikan maupun yang disimpan.
Sampai pertengahan tahun 1974 tidak ada satupun algoritma sandi yang diusulkan. Hingga akhirnya pada tanggal 6 Agustus 1974, algoritma sandi yang didesain oleh IBM yang bernama sistem sandi Lucifer ditawarkan kepada NBS. Kemudian setelah dilakukan evaluasi dan modifikasi dengan bantuan National Security Agency (NSA), pada tanggal 15 Juli 1977 NBS menetapkan algaritma Lucifer yang telah dimodifikasi tersebut dengan nama baru Data Encryption Standard atau lebih populer dengan sebutan sistem sandi DES.




Setelah ditetapkan sebagai standar untuk melindungi data dan informasi baik yang ditransmisikan maupun yang disimpan, sistem sandi DES dengan cepat digunakan secara internasional pada hampir diberbagai aplikasi yang membutuhkan penyandian pada saat operasionalnya.
Tercatat penggunaan sistem sandi DES terbesar saat itu adalah pada industri perbankan disamping pemerintahan dan militer. Hal ini mengingat pada institusi tersebut data / informasi yang ditansmisikan dan disimpan banyak yang merupakan data penting yang sensitif dan bersifat rahasia.
Sebelum distandarkan, DES (saat itu masih bernama Lucifer) menggunakan algoritma dengan panjang kunci 128 bit, namun oleh Pemerintah AS panjang kunci DES dibatasi hanya diperbolehkan 56 bit saja dengan maksud agar NSA (National Security Agency) dapat memonitor informasi yang disandikan dengan sistem DES tersebut. Selain menentukan panjang kunci, NSA juga mengubah S-Box (Substitution Box) nya sehinga walaupun S-Box tersebut diubah secara acak, NSA tetap dapat membongkar sistem sandi DES tersebut.
Sebagai sistem sandi modern yang berbasiskan peralatan elektronik, DES beroperasi dalam bentuk bit yang berupa angka binari 0 dan 1, yang berkelompok dengan masing-masing kelompok terdiri dari 4 bit membentuk bilangan heksadesimal atau bilangan berbasis 16.
Binari : 0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111
Heksadesimal : 0 1 2 3 4 5 6 7 8 9 A B C D E F
DES adalah salah satu metode penyandian dengan sistem block cipher. Yaitu sistem penyandian yang pengacakannya dilakukan secara blok demi blok dengan blok input (teks asli) 64 bit dan menghasilkan output (teks sandi) yang juga per blok 64 bit, algoritma yang digunakan adalah kunci simetris dengan panjang kunci 56 bit.
Saat ini panjang kunci 56 bit dianggap terlalu kecil karena dengan cepat dapat dipecahkan dengan metode analisis brute force attacks. Sehingga sebagai solusinya perlu dibuat algoritma sandi DES dengan kunci yang lebih panjang.
Triple DES merupakan jawaban dari solusi tersebut, sebab Triple DES adalah DES dengan panjang kunci 2 kali 56 bit. Dimana Teks Asli disandi dengan Kunci 56 bit pertama (K-1), menghasilkan Teks Sandi (TS-1). Kemudian TS-1 di sandi kembali dengan Kunci 56 bit kedua (K-2), menghasilkan Teks Sandi berikutnya (TS-2). Kemudian TS-2 di sandi lagi dengan K-1 menghasilkan Teks Sandi terakhir. Ketiga langkah ini disebut dengan Triple DES.
Jadi sesungguhnya Triple DES adalah DES yang dilakukan 3 kali dengan menggunakan 2 kunci 56 bit yang berbeda sehingga panjang kunci menjadi 112 bit. Panjang kunci 112 bit ini akan memperlambat pemecahan teks sandi menggunakan analisis brute force attacks, namun tidak menutup kemungkinan dapat dianalisis dengan metode lainnya seperti linear cryptanalysis atau Davies’ attack. -antz-



Kelebihan:

• Sistem sandi lebih kompleks
• Sulit diketahui pihak luar

Kelemahan:
• Proses lebih lama

Kesimpulan:
DES adalah salah satu metode penyandian dengan sistem block cipher. Yaitu sistem penyandian yang pengacakannya dilakukan secara blok demi blok dengan blok input (teks asli) 64 bit dan menghasilkan output (teks sandi) yang juga per blok 64 bit, algoritma yang digunakan adalah kunci simetris dengan panjang kunci 56 bit.

Kuliah Umum,,,..Dahsyat Juga,,.

wahhh,,ngga tau kenapa,,pas tau judulnya uda excited banget, mau serba tau tentang penulisan dalam blog atau web.=P
kebetulan yang tadi jadi pembicara adalah lulusan alumni Akademi Sandi Negara yang sekarang bekerja di Departemen Luar Negeri. beliau adalah Bpk Aris Heru Utomo. SH, MBA,M.Si yang aktif di blog atau situsnya, yang jelas ngebuat motivasi untuk saya untuk selalu berkarya,^^
beliau juga aktif sebagai ketua bloggerbekasi.com
hmmphh sayang dari kuliah umum tadi, ga dapet fotonya,
dapetnya foto situsnya aja dehhh,langsung diliat aja di atas...

Five Basic Test

5.4.4 Five Basic Test
Sub bab ini akan menjelaskan 5 macam pengujian dengan metode statistika, dan sering digunakan untuk menentukan barisan bilangan biner dan dengan karakteristik yang khusus yang menjelaskan bahwa rangkaian tersebut benar benar truly random. 5 metode yang digunakan adalah sebagai berikut :
1. Frequency Test (monobit test)
Mengapa juga dikatakan sebagai monobit?, karena yang dijadikan parameter untuk pengujian frequency test ini adalah bit yang berukuran 1. Dan untuk menghasilkan suatu standart dalam suatu rangkaian bit, apakan dikatakan truly random atau tidak.
Rumus yang digunakan adalah sebagai berikut

 Dimana untuk n lebih besar dai 10.

2. Serial Test
Tujuan dari tes ini adalah untuk menentukan keacakan dalam suatu rangkaian bit bilangan dengan menggunakan 2 buah bit (00, 01, 10, 11). Untuk menghitung serial test ini dengan menggunakan rumus sebagai berikut :

3. Poker Test
Ambil beberapa integer positif dan ambil k. hitung rangkian bit tersebut secara tidak overlapping tiap panjang m nya tetap. Dengan rumus perhitungannya sebagai berikut :

Dengan ketentuan untuk hasil yang didapat pada table chi square dengan hasil perhitungan diatas adalah m=1 

4. Run Test
Tujuan dari run test ini adalah untuk menentukan standart untuk bilanagan apakah rangkaian tersebut acak atau tidak.
Metodenya yang digunakan yaitu ketika bilangan yang digunakan memiliki rangkaian 1 dan 0 yang berurutan(runs). Dengan rumus yang digunakan adalah sebagai berikut :

5. Auto Correlation Test
Tujuan yang didapat dengan menggunakan metode ini yaitu agar dapat mengetahui hubungan (korelasi) antara barisan bilangan asli dengan barisan bilangan siklik. Rumus yang digunakan untuk menguji dengan autocorrelation test adalah sebagai berikut :

Contoh :

5.4.5 Maurer’s Universal Statistical Test
Ide dasar yang universal di balik Maurer uji statistik adalah bahwa hal itu tidak boleh mungkin untuk signifikan kompres (tanpa kehilangan informasi) urutan output sedikit acak generator. Jadi, jika sebuah sampel urutan keluaran s dari generator sedikit dapat ditekan secara signifikan,generator harus ditolak sebagai cacat. Daripada sebenarnya mengompresi urutan s, uji statistik universal menghitung kuantitas yang terkait dengan panjang urutan terkompresi.
Universalitas Maurer yang universal uji statistik muncul karena mampu mendeteksi salah satu dari kelas yang sangat umum yang mungkin cacat sedikit mungkin generator. Kelas mencakup lima cacat yang terdeteksi oleh tes dasar § 5.4.4. Sebuah kekurangan dari universal uji statistik atas lima dasar tes adalah bahwa ia memerlukan sampel yang jauh lebih lama urutan output untuk menjadi efektif. Asalkan urutan output yang diperlukan dapat efisien yang dihasilkan, kelemahan ini bukan merupakan keprihatinan praktis sejak statistik universal tes itu sendiri sangat efisien.

Algoritma yang digunakan :

5.5 Cryptography secure peudorandom bit generator
Dua cryptographically aman pseudorandom bit generator (CSPRBG - lihat Definition 5.8) disajikan dalam bagian ini. Keamanan setiap generator bergantung pada kedegilan diduga dari nomor-teori yang mendasari masalah. The modular perkalian yang menggunakan generator ini membuat mereka relatif lambat dibandingkan dengan (ad-hoc) pseudorandom bit generator of § 5.3. Namun mereka mungkin berguna dalam beberapa situasi, misalnya, menghasilkan pseudorandom bit pada perangkat keras yang sudah memiliki sirkuit untuk melakukan perkalian modular.
RSA pseudorandom bit generator

Blum-Blum-Shub pseudorandom bit generator

ref:
tugas RB_Nd

Hash Function overview

Cryptographic Hash Function adalah suatu fungsi dengan inputan yang berubah-ubah panjangnya (atau sangat panjang) dan memetakannya sehingga menghasilkan output yang pendek dan panjang nya tetap. Fungsi satu arah (one-way function) sering disebut juga sebagai fungsi hash, message digest, fingerprint, fungsi kompresi dan message authentication code(MAC). Fungsi ini biasanya diperlukan bila kita menginginkan pengambilan sidik jari dari suatu pesan.
Sebagaimana sidik jari manusia yang menunjukkan identitas si pemilik sidik jari fungsi ini diharapkan pula mempunyai kemampuan yang serupa dengan sidik jari manusia dimana sidik jari pesan diharapkan menunjukj ke satu pesan dan tidak dapat menunjuk ke pesan lainnya. Dinamakan juga sebagai fungsi kompresi karena masukan fungsi satu arah ini selalu lebih besar dari keluarannya sehingga seolah olah mengalami kompresi. Namun, kompresi hasil fungsi ini dapat dikembalikkan ke asalnya sehingga disebut fungsi satu arah.




Dinamakan sebagai message digest karena seolah olah merupakan intisari pesan. Padahal tidak demikian, sebab intisari pesan seharusnya merupakan ringkasan pesan yang masih dapat dipahamiu maknanya, sedsangkan disini justru kebalikannya dengan diketahui sidik jarinya justru orang diharapkan tidak tahu pesan aslinya.
Pada aplikasi kriptografi, hash function dibedakan menjadi unkeyed dan keyed hash functions.

1. Unkeyed Hash Function (Manipulation Detection Codes = MDCs)
Hanya memerlukan satu parameter input, yaitu berita

2. Keyed Hash Function (Message Authentication Codes = MACs)
Menggunakan dua parameter input, yaitu berita dan kunci

Selanjutnya, Unkeyed hash functions atau MDCs yang akan dikenal sebagai Hash Functions. Hash functions juga dapat digunakan untuk keamanan pada autentikasi berita yaitu dengan melakukan autentikasi dari hasil hash berita tersebut. Contoh sederhana misalnya proses komunikasi pengiriman file ukuran besar yang melalui jalur insecure, autentikasi yang dilakukan yaitu dengan mengirimkan hasil hash dari berita melalui jalur komunikasi biasa misalnya mail biasa atau melalui telefax.
Aplikasi hash functions yang umum adalah digital signatures yaitu aplikasi untuk menandatangani hasil hash dan hal ini jauh lebih baik daripada menandatangani berita aslinya, dan akan mendapatkan keuntungan keamanan sekaligus performance. Dengan hash functions kita dapat membandingkan dua buah nilai tanpa harus membuka berita. Misalnya password dan passphrase.

Referensi :
[1] Kurniawan, Yusuf. 2004. KRIPTOGRAFI Keamanan Internet dan Jaringan Komunikasi. Informatika Bandung. Bandung
[2] William Stallings, "Cryptograpgy and Network Security,Third edition", Prentice Hall.
[3] Chabaud and Joux, Different Collisions in SHA-0, 1998,
http://fchabaud.free.fr/English/Publications/sha.pdf
[4]http://images.google.co.id/imgres?imgurl=http://www.clipperz.com/files/clipperz.com/sha256-2.jpg&imgrefurl=http://www.clipperz.com/learn_more/crypto_foundations/sha_2_secure_hash_algorithms&usg=__NPNWxeYCbr-9ZZ8kTwDuGPp-geM=&h=498&w=417&sz=80&hl=id&start=3&um=1&tbnid=i1kNNyv3skUe3M:&tbnh=130&tbnw=109&prev=/images%3Fq%3Dhash%2Bfunction%26hl%3Did%26client%3Dfirefox-a%26rls%3Dorg.mozilla:en-US:official%26sa%3DN%26um%3D1

CHAPTER 9 Of DSP

IX. Application of The DFT

Discrete fourier Transform (DFT) merupakan salah satu perangkat yang terpenting dalam Digital Signal Processing. Bagian ini akan mendiskusikan dan menjelaskan 3 alasan mengapa DFT digunakan. Pertama, DFT dapat menghitung sinyal sinyal dari spektrum frekuensi. DFT akan memberikan hasil langsung untuk mengenkoding suatu data dan informasi dalam suatu frekuensi, fase, dan amplitude dari suatu komponen sinusoidal. Kedua, DFT dapat menemukan suatu system respons frekuensi dari suatu respons impulse dan system yang buruk (tidak baik).
Ketiga DFT bisa digunakan sebagai penengah dalam suatu elaborasi suatu teknik pemrosesan sinyal. Salah satu contohnya adalah FFT convolution, algoritma untuk menyulitkan suatu sinyal menjadi lebih cepat ratusan kali daripada metode yang biasanya.

A. Spectral Analysis of Signal
Hal ini sudah biasa untuk suatu informasi yang di encoding dalam suatu sinusoidal dari suatu sinyal. Ini dapan menjadikan suaberesolusi tinggitu sinyal bergerak natural. Meskipun demikian hal ini dapat dibuat atau dipengaruhi oleh manusia. Banyak hal yang yang untuk menghindari dari seluruh bidang yang ada.
Ini dapat dilakukan dengan merusak sinyal input ke dalam berbagai segmen titik 256. Setiap segmen dikalikan dengan window Hamming, jalankan melalui titik 256 DFT, dan dikonversikan ke notasi polar. Spektra frekuensi yang dihasilkan adalah kemudian dirata-ratakan untuk membentuk satu titik spektrum frekuensi 129.
Peningkataan jelas; kebisingan telah dikurangi sampai pada tingkat yang
memungkinkan fitur menarik dari sinyal yang akan diamati. Hanya besarnya frekuensi domain adalah rata-rata dengan cara ini; fasa biasanya dibuang karena tidak mengandung informasi yang bermanfaat. Itu mengurangi gangguan acak sebanding dengan akar kuadrat dari jumlah
segmen. Sementara 100 segmen khas, beberapa aplikasi mungkin rata-rata jutaan segmen untuk mengeluarkan fitur lemah.
Ada juga metode kedua spektrum untuk mengurangi kebisingan. Mulailah dengan mengambil DFT sangat panjang, katakanlah 16.384 poin. Spektrum frekuensi yang dihasilkan (8.193 sampel) dan sangat berisik. Low-pass filter digital kemudian digunakan untuk memperlancar spektrum, mengurangi kebisingan dan mengorbankan resolusi. Misalnya, paling sederhana filter digital mungkin rata-rata 64 sampel dalam spektrum asli untuk menghasilkan sampel di masing-masing filterspektrum. Selanjutnya akan melalui perhitungan, ini memberikan suara yang sama dan resolusi sebagai metode pertama, di mana 16.384 poin akan di perkecil ke dalam 64 segmen dari 256 poin masing-masing.
Metode mana yang bisa anda gunakan? Metode pertama lebih mudah, karena
filter digital tidak diperlukan. Metode kedua memiliki potensi yang lebih baik kinerja, karena filter digital dapat disesuaikan untuk mengoptimalkan tradeoff antara kebisingan dan resolusi. Namun, peningkatan kinerja ini jarang sepadan dengan masalah. Hal ini karena kedua kebisingan dan resolusi dapat ditingkatkan dengan menggunakan lebih banyak data dari sinyal input.


Ini hasil dari kebisingan pada waktu pendaftaran domain gelombang yang tidak berkorelasi darisampel-ke-sampel. Yaitu, mengetahui nilai kebisingan hadir pada satu sampel tidak memberikan informasi mengenai nilai kebisingan hadir pada sampel lainnya. Untuk contoh, pergerakan acak elektron dalam sirkuit elektronik menghasilkan putih bising. Sebagai contoh yang lebih akrab, suara semprotan air memukul lantai shower white noise. Kebisingan putih ditunjukkan pada Gambar. Bisa 9-2 berasal dari salah satu dari beberapa sumber, termasuk analog elektronik, atau laut itu sendiri.
Sekarang kita sampai pada puncak fase pada Gambar. 9-2. Termudah untuk menjelaskan adalah 60 hertz, akibat dari gangguan elektromagnetik dari listrik komersial. Juga berharap untuk melihat lebih kecil kelipatan puncak pada frekuensi ini (120, 180, 240 hertz, dll) karena listrik bukanlah gelombang sinusoid sempurna.
Hal serupa juga terjadi untuk menemukan mencampuri puncak antara 25-40 kHz, favorit untuk perancang catu daya switching. Dekatnya stasiun radio dan televise menghasilkan puncak campur dalam kisaran megahertz. Puncak frekuensi rendah dapat disebabkan oleh komponen dalam sistem bergetar ketika terguncang. Ini disebut microphonics, dan biasanya menciptakan puncak pada 10-100 hertz. Sekarang kita sampai pada sinyal yang sebenarnya. Ada puncak kuat pada 13 hertz, dengan lemah puncak pada 26 dan 39 hertz. Seperti telah dibahas dalam bab selanjutnya, ini adalah spektrum frekuensi dari gelombang periodik nonsinusoidal. Puncak pada 13 hertz disebut frekuensi dasar, sementara puncak pada 26 dan 39 hertz.

Gambar diatas merupakan Contoh spektrum frekuensi. Tiga jenis fitur-fitur muncul dalam spektru yang diperoleh sinyal: (1) gangguan acak, seperti white noise dan 1 / f noise, (2) mengganggu sinyal dari kekuasaan baris, switching power supplies, radio dan TV stasiun, microphonics, dll, dan (3) sinyal nyata, biasanya muncul sebagai dasar ditambah harmonik. Contoh ini spektrum (besar hanya) menunjukkan beberapa fitur tersebut.

Spektrum frekuensi resolusi. Semakin panjang DFT, semakin baik kemampuan untuk memisahkan fitur berdekatan. Di contoh-contoh besaran, titik 128 DFT tidak dapat menyelesaikan dua puncak, sementara titik 512 DFT bisa.
Kita perlu mengubah domain waktu sinyal untuk mengizinkannya untuk diwakili dalam komputer: pilih N poin dari sinyal. N ini poin harus mengandung semua titik nol diidentifikasi oleh jendela, tapi mungkin juga menyertakan nomor nol. Ini mempunyai efek sampling dari frekuensi kurva spektrum yang kontinu. Sebagai contoh, jika N adalah dipilih menjadi 1024, spektrum yang kontinu akan membentuk kurva sampel 513 kali antara 0 dan 0,5.
Jika N adalah dipilih untuk menjadi jauh lebih besar daripada range panjang, sampel dalam domain frekuensi akan cukup dekat sehingga puncak dan lembah dari kurva kontinu akan dipertahankan dalam spektrum baru. Jika N adalah membuat sama range panjang, semakin sedikit jumlah sampel dalam hasil spektrum dalam pola teratur puncak dan lembah tidak teratur berubah menjadi ekor, tergantung di mana sampel terjadi jatuh. Hal ini menjelaskan mengapa dua puncak pada Gambar. 9.4a tidak mirip.
Setiap puncaknya pada Gambar 9-4a adalah contoh dari kurva yang mendasari pada Gambar. 9-5a. Kehadiran atau ketiadaan ekor tergantung pada tempat sampel yang diambil dalam kaitannya dengan puncak dan lembah. Jika sama persis dengan gelombang sinus dengan fungsi dasar, sampel terjadi tepat di lembah-lembah, menghilangkan ekor. Jika gelombang sinus adalah antara dua fungsi dasar, sampel terjadi di suatu tempat sepanjang puncak dan lembah, mengakibatkan berbagai pola ekor

Rinci dari puncak spektral menggunakan berbagai jendela. Setiap puncak di spektrum frekuensi merupakan pusat lobus dikelilingi oleh ekor terbentuk dari sisi lobus. Dengan mengubah bentuk jendela, amplitudo lobus samping dapat dikurangi dengan mengorbankan membuat lobus utama yang lebih luas. Jendela persegi panjang, (a), memiliki lobus utama tapi sempit amplitudo terbesar lobus samping. The Hamming jendela, (b), dan jendela Blackman, (c), memiliki sisi amplitudo lebih rendah lobus dengan mengorbankan lobus utama yang lebih luas. Flat-jendela atas, (d), digunakan ketika amplitudo puncak harus akurat diukur. Kurva ini adalah untuk titik 255 jendela; lagi secara proporsional sempit jendela menghasilkan puncak.


B. FREQUENCY RESPONSE of SYSTEMS
Sistem dianalisis dalam domain waktu dengan menggunakan lilitan. Serupa analisis dapat dilakukan dalam frekuensi domain. Menggunakan Transformasi Fourier, setiap masukan sinyal dapat digambarkan sebagai kelompok gelombang kosinus, masing-masing dengan amplitudo dan fasa tertentu bergeser. Demikian pula, DFT dapat digunakan untuk mewakili setiap sinyal keluaran dalam bentuk serupa.
Ini berarti bahwa setiap linear sepenuhnya sistem dapat digambarkan dengan cara mengubah amplitudo dan fase dari gelombang kosinus melewatinya. Informasi ini disebut sistem respons frekuensi. Karena kedua respon impulse dan frekuensi Tanggapan berisi informasi lengkap tentang sistem, harus ada korespondensi satu satu antara keduanya. Diberikan satu, Anda dapat menghitung lain. Hubungan antara impuls respons dan frekuensi tanggapan adalah salah satu dasar-dasar pemrosesan sinyal: Sebuah sistem frekuensi Tanggapan adalah Fourier Transform dari respon impuls.
Berapa banyak resolusi yang dapat Anda peroleh di respon frekuensi? Jawaban adalah: jauh tinggi, jika Anda bersedia untuk pad respon impuls dengan jumlah angka nol yang tak terhingga. Dengan kata lain, tidak ada yang membatasi kecuali resolusi frekuensi panjang DFT. Hal ini menyebabkan komsep sangat penting. Meskipun respons impuls adalah sinyal diskrit, yang respon frekuensi sesuai kontinu. Titik N DFT dari memberikan respon impulse N / 2% 1 contoh dari kurva kontinu ini. Jika Anda membuat DFT lebih lama, resolusi membaik, dan Anda mendapatkan ide yang lebih baik


Menemukan respon frekuensi dari respon impulse. Dengan menggunakan DFT, suatu sistem respon impulse, (a), dapat diubah menjadi sistem respons frekuensi, (b). Dengan padding respon impulse dengan nol (c), resolusi yang lebih tinggi dapat diperoleh dalam respons frekuensi, (d). Hanya besarnya frekuensi Tanggapan ditampilkan dalam contoh ini, pembahasan tentang fase ditunda sampai bab berikutnya.

Apa yang tampak seperti kurva kontinu. Ingat apa respons frekuensi mewakili: amplitudo dan perubahan fasa yang dialami oleh ombak yang kosinus melewati sistem. Karena sinyal input dapat berisi frekuensi antara 0 dan 0,5, sistem harus respons frekuensi kurva kontinu selama rentang ini.
Ini dapat lebih dipahami dengan membawa anggota lain Fourier mengubah keluarga, Diskrit Sisa Fourier Transform (DTFT). Pertimbangkan sinyal sampel N yang dijalankan melalui titik N DFT, menghasilkan N / 2% 1 sampel frekuensi domain. Ingat dari bab terakhir bahwa mempertimbangkan yang DFT domain waktu sinyal untuk menjadi jauh panjang dan berkala.
Artinya, titik N berulang-ulang dari negatif ke positif infinity. Sekarang perhatikan apa yang terjadi ketika kita mulai pada domain waktu sinyal yang semakin meningkat dengan jumlah angka nol, untuk mendapatkan lebih halus dan lebih halus sampling dalam frekuensi domain. Menambahkan angka nol membuat periode waktu domain lagi, sementara secara bersamaan membuat frekuensi domain sampel lebih dekat bersama-sama. sekarang kita akan mengambil yang ekstrim ini, dengan menambahkan jumlah angka nol yang tak terhingga untuk domain waktu sinyal. Ini menghasilkan situasi yang berbeda dalam dua hal. Pertama, waktu pendaftaran domain sinyal sekarang memiliki periode panjang tanpa batas.
Dengan kata lain, itu telah berubah menjadi sinyal aperiodic. Kedua, frekuensi domain telah mencapai jarak yang sangat kecil antara sampel. Artinya, ia memiliki menjadi sinyal kontinu. Ini adalah DTFT, prosedur bahwa perubahan yang periodic diskrit sinyal dalam domain waktu ke domain frekuensi yang merupakan kurva kontinu.
Dalam istilah matematika, sebuah sistem respons frekuensi ditemukan dengan mengambil DTFT dari respon impuls. Karena hal ini tidak dapat dilakukan dalam komputer, DFT digunakan untuk menghitung sampling frekuensi yang benar respons. Ini adalah perbedaan antara apa yang Anda lakukan di komputer (yang DFT) dan apa yang Anda lakukan dengan persamaan matematika (yang DTFT).
Alasan kedua untuk menghindari belitan adalah kecepatan perhitungan. Untuk
Misalnya, Anda merancang filter digital dengan kernel (impuls respon) berisi 512 sampel. 200 MHz menggunakan komputer pribadi dengan floating nomor titik, masing-masing sampel dalam sinyal output membutuhkan sekitar satu milidetik untuk menghitung, menggunakan standar algoritma konvolusi.
Dengan kata lain, throughput sistem hanya sekitar 1.000 sampel per detik. Ini adalah 40 kali terlalu lambat untuk high-fidelity audio, dan 10.000 kali terlalu lambat untuk televisi video berkualitas! Konvolusi standar algoritma adalah lambat karena jumlah besar perkalian dan penambahan yang harus dihitung. Sayangnya, hanya membawa masalah ke domain frekuensi melalui DFT tidak membantu sama sekali.
Sama seperti banyak perhitungan yang diperlukan untuk menghitung DFTs, seperti yang diperlukan untuk langsung menghitung konvolusi. Sebuah terobosan yang dibuat dalam masalah pada awal tahun 1960-an ketika Fast Fourier Transform (FFT) telah dikembangkan.

Untuk memulai, kita perlu menentukan cara untuk menggandakan satu domainfrekuensi sinyal oleh lain, yaitu, apa artinya menulis: X [f] × H [f] 'Y [f]. Dalam bentuk polar, yang besarnya dikalikan: MagY [f] 'MagX [f] × MagH [f], dan tahap ditambahkan: PhaseY [f] 'PhaseX [f]% PhaseH [f]. Untuk memahami hal ini, bayangkan sebuah gelombang kosinus memasuki sistem dengan beberapa amplitudo dan fase.
Demikian pula, sinyal keluaran juga merupakan gelombang kosinus dengan amplitudo dan fase. Kutub bentuk respons frekuensi secara langsung menggambarkan bagaimana kedua amplitudo adalah terkait dan bagaimana kedua tahap saling berhubungan. Ketika domain frekuensi perkalian dilakukan dalam bentuk persegi panjang sana istilah lintas antara bagian real dan imajiner. Sebagai contoh, sinus gelombang memasuki sistem dapat menghasilkan baik gelombang kosinus dan sinus pada output.

CHAPTER 8 Of DSP

CHAPTER 8

THE DISCRETE FOURIER TRANSFORM ( DFT )

Analisa fourier adalah salah satu bagian dari teknik matematika, yang semuanya berdasarkan pada dekomposisi sinyal sinusoidal.

1. The family of fourier transform
Transformasi fourier dalam DSP digunakan untuk melakukan sintesis sinyal dan dekomposisi sinyal. Pada proses dekomposisi, transformasi fourier digunakan untuk mempermudah pengolahan sinyal karena sinyal dapat direpresentasikan dengan satu titik dalam satu waktu, sehingga akan mempermudah perhitungan dalam bentuk biner.
Berikut adalah gambaran proses dekomposisi untuk sinyal input dengan 16 titik.

16 titik sinyal input

hasil dekomposisi untuk gelombang kosinus

Pada dasarnya transformasi fourier dapat digolongkan menjadi 4 jenis menurut tipe sinyalnya.
a) Fourier Transform
sinyal yang digunakan merupakan sinyal kontinu (sinyal yang kedua positif negatifnya tak berhingga) dan tidak mempunyai perulangan secara periodik (Aperiodic-continuous)
b) Fourier Series
Pada fourier series, sinyal yang digunakan hampir sama dengan yang digunakan pada fourier transform, bedanya pada fourier siries sinyalnya kontinu dan memiliki periode tertentu (Periodic-continuous)
c) Discrete Time Fourier Transform
sinyal yang digunakan merupakan sinyal yang direpresentasikan dalam sebuah titik diskrit / suatu titik yang mempunyai nilai yang jelas terhadap waktu, tetapi sinyalnya tidak bersifat periodik (Aperiodic-Discrete)

d) Discrete Fourier transform
sinyalnya merupakan sinyal diskrit yang mengalami perulangan dalam periode tertentu ( Periodic-Discrete)
Berikut ini adalah contoh sinyal dari masing-masing tipe transformasi.

Masing-masing tipe dari keempat jenis transformasi fourier diatas dapat dibagi lagi menjadi Real DSP dan Complex DSP. Real DFT merupakan transformasi yang paling sederhana dengan menggunakan angka-angka koordinat dan aljabar dalam proses sintesis serta dekomposisinya. Sedangkan untuk complex DFT menggunakan bilangan komplex, sebagai contoh 3+4j, dimana j=√1.

2. Notation and format of the Real DFT


Pada gambar diatas, DFT mengubah N point sinyal input kedalam dua bagian sinyal output dengan masing-masing N/2+1 point. Sinyal input berdasarkan domain waktu, karena sebagian besar sinyal yang digunakan DFT diambil berdasarkan interval waktu tertentu. Sedangkan sinyal outputnya berdasarkan domain frekuensi karena outputnya menggambarkan amplitudo. Apabila diberikan sinyal dengan domain waktu, maka untuk menghitung sinyal dengan domain frekuensi disebut dekomposisi atau forward DFT. Sedangkan untuk proses sebaliknya disebut sintesis atau invers DFT.

3. The frequency domain's independent variable
Gambar diatas merupakan contoh DFT dengan N=128. Sinyal dengan domain waktu terdiri atas array x[0] sampai x[127]. Sedangkan sinyal dengan domain frekuensi terdiri dari dua array ReX[0] sampai ReX[64] dan ImX[0] sampai ImX[0] sampai ImX[64].
Pada sinyal dengan domain frekuensi, sumbu horisontal dapat dituliskan dalam 4 cara, diantaranya adalah
a) Dengan menuliskan index 0 – N/2
b) Dengan menuliskan bagian dari frekuensi sampling dari 0 – 0,5
c) Sama dengan cara kedua, tetapi sumbu horisontalnya merupakan perkalian dari 2ℼ
d) Dengan menuliskan ketentuan dalam frekuensi analog pada aplikasi tertentu

DFT Basis Function
Gelombang sinus dan kosinus digunakan pada DFT umumnya disebut “fungsi basis DFT”. Output DFT adalah kumpulan angka yang merupakan representasi dari amplitude. Fungsi basis DFT adalah kumpulanan angka gelombang sin dan kosinus dengan kesatuan amplitudo. Fungsi basis DFT degenerate dari fungsi;
Ck [i] = cos
Sk [i] = sin
Ck[] adalah gelombang cos dari amplitude yang terbentuk di ReX[k], dan Sk[] adalah delombang sin dari amplitude yang terbentuk di ImX[k]. Pada contoh gambar di bawah, N = panjang sinyal input = 32; k = nilai frekuensi setiap sinusoidal. Aktanya c1[] adalah gelombang cosinus yang membenuk satu siklus penuh di N point.

Pada gambar (a) menunjukkan gelombang cosinus c0[] pada frekuensi nol, dengan nilai konstan 1. Artinya, ReX[0] memegang nilai rata-rata semua poin pada sinyal domain waktu, atau nama lain pada elektronik, ReX[0] adalah DC offset. Pada gambar (c) dan (d) menunjukkan c2[] & s2[], sinusoidal terdapat 2 siklus complete pada N point. C10[] dan s10[], sinusoidal terdapat 10 siklus complete pada N point. Pada 10 siklus tidak telihat jelas geombang sinus dan cosinus, ini merupakan salah satu permasalahannya.
Frekuensi tertinggi pada fungsi basis gambar (g) dan (h), c16[] & s16[]. Pada diskrit gelombang cosinus nilaianya terdapt antara -1 dan1 yan gbisa ditafsirkan sebagai samplilng sebuah sinusoidal continous di puncak. Berbeda dengan diskrot gelombang sinus yang menghasilkan semuanya nol,yang disebut dengan zero crossing. Ini membuat nilai ImX[N/2] sama dengan ImX[0], karena selalu sama di nol dan bukan memakai sintesis sinyal domain waktu.

Sythesis, Calculating the inverse DFT
Synthesis equation

Beberapa sinyal nilai N, x[i] dapat ditulis dengan menambahkan N/2 + 1 gelombang cosinus dan n/2 + 1 gelombang sinus. Amplitude dari gelombang cosinus dan sinus berlaku dalama array ImX[k] dan ReX[k]. Synthesis equation mengalikan amplitude tersebut dengan fungsi basis untuk menuliskan kumpulan skala gelombang cosinus dan sinus. Menambahkan skala tersebut menghasilkan sinyal domain waktu.
Array disebut dengan Im [k] dan Re [k], daripada ImX[k], dan ReX[k]. Ini karena amplitude dibutuhkan untuk synthesis, yang rendah berbeda dari frekuensi domain sebuah sinyal (ImX[k], dan ReX[k]). Di bawah ini adalah bentuk konversi di antara keduanya.

Menganggap dimana kamu diberika representation frekuensi domain dan ditanya untuk synthesize yang berhubungan dengan sinyal domain waktu. Untuk memulainya, kamu harus menentukan amplitudo dari gelombang sinus dan cosinus. Dengan kata lain, diberikan ImX[k] dan ReX[k], kamu harus menemukan Im [k] dan Re [k]. Pada gambar diatas adalah bentuk persamaan matematikanya. Untuk melakukan ini pada program computer, cara pertama bai semua nilai di frekuensi domain dengan N/2. Kedua, ganti bentuk dari semua nilai dari imaginary. Ketiga, bagi sampel pertama dan terakhir di bagian nyata ReX[0] dan ReX[N/2] dengan dua. Ini menyediakan amplitudo dibutuhkan untuk synthesize yang digambarkan oleh Eq 8-2. Eqs 8-2 dan 8-3 didefinisikan inverse DFT.

Seluruh inverse DFT ditunjukkan pada daftar program computer di atas. Tampak dua cara synthesize dapat diprogram dan keduanya ditunjukkan. Cara pertama, masing-masing skala sinusoida digenerate setiap satu waktu dan diambahkan ke dalam kumpulan array, yang menjadikan sinyal domain waktu. Cara kedua, setiap sampel di sinyal domain waktu dihitung sekali setiap waktu sebagai penjumlahan semua yang menghubungkan sampel gelombang sinus dan cosinus. Keduanya menghasilkan hasil yang sama. Perbedaannya sangat kecil, perulangan kedalam dan ke luar ditukarkan selama synthesis.


Analysis, Calculating the DFT
DFT dapat dihitung dengan tiga cara yang berbeda. Pertama, dengan pendekatan dari simultaneous equation. Dalam latihannya tak begitu efisien. Kedua correlation, ini merupakan dasar dalam mendeteksi bentuk gelombang yang diketahui di berbagai sinyal. Ketiga, Fast Fourier Transform (FFT), merupakan algoritma yang handal karena memasukkan sebuah DFT dengan nilai N dari tiap DFT dengan sebuah nilai sendiri.

1) DFT by Simultaneous Equations
Terdapat nilai N dari domain waktu, dan bagaimana menghitung nilai N dari domain frekuensi. Ini basis dari aljabar. Caranya untuk memecahkan N yang tidak diketahui, kamu harus bisa menuliskan N linearly independent equations. Untuk melakukannya, ambil sampel pertama dari setiap sinusoidal dan tambahkan segera. Jumlah harus sama dengan sampel pertama dalam sinyal domain waktu, sehingga menyediakan persamaan pertama. Solusi ini bisa diselesaikan dengan cara Gaussian Elimination.
2) DFT by correlation
Ini merupakan cara standard penghitungan DFT. Intinya akan menghitung sebuah sampel tunggal dengan mendeteksi bentuk gelombang yang diketahui berisi beberapa sinyal, mengalikan dua sinyal dan menambahkn semua nilai pada hasil akhir sinyal. Formulasi matematikanya:

Dengan kata lain, setiap sampel pada domain frekuensi didapati dengan mengalikan sinyal domain waktu dengan gelombang sinus atau cosinus yang terlihat dan menambahkannya pada hasil akhir. Tabel 8-2 menunjukkan sebuah program komputer untuk menghitung DFT dengan cara ini/
Sifat dasar perkalian dua sinyal disebut orthogonal. Beberapa fungsi basis orthogonal yang terkenal seperti: gelombang square, gelombang triangle, impulse, dll. Program table 8-2 diatas menunjukkan bagaiman sampel individu pada domain frekuensi dipengaruhi oleh semua sampel di domain waktu Program menghitung setiap nilai di domain frekuensi berturut-turut dan bukan secara kumpulan.

DUALITAS

DFT yang kompleks menyebutkan baik waktu dan frekuensi domain sebagai sinyal kompleks N poin masing-masing. Ini membuat kedua wilayah benar-benar simetris, dan persamaan untuk bergerak di antara mereka hampir identik. Kesimetrisan antara domain waktu dan frekuensi disebut dualitas , dan menimbulkan banyak sifat menarik. Sebagai contoh, satu titik dalam domain frekuensi berkorespondensi dengan sinusoid dalam domain waktu. Oleh dualitas, kebalikannya juga benar, satu titik dalam domain waktu sesuai dengan sinusoid pada frekuensi domain.

NOTASI POLAR

Seperti telah dijelaskan sejauh ini, frekuensi domain adalah sekelompok kosinus dan amplitudo dari gelombang sinus (dengan sedikit modifikasi skala). Ini disebut notasi persegi panjang. Atau, frekuensi domain dapat dinyatakan dalam bentuk kutub. Dalam notasi ini, Re X [] & Im X [] adalah digantikan dengan dua array lain, yang disebut Magnitude X [], ditulis dalam persamaan sebagai: Mag X [], dan Fase X [], ditulis sebagai: Tahap X []. Magnituda dan fasa adalah pair-for-pair pengganti yang nyata dan bagian imajiner.
Dalam bentuk persamaan, 2 buah representasi tersebut dinyatakan sebagai :
A cos (x) + B sin(x) = M cos ( x + 2)
Yang penting adalah bahwa tidak ada informasi yang hilang dalam proses ini; jika diberikan satu representasi anda dapat menghitung representasi yang lain. Dengan kata lain, informasi terkandung dalam amplitudo A dan B, juga terdapat dalam variabel M dan θ.
Gambar berikut menunjukkan vektor analog yang merupakan representasi dari bagaimana dua variabel, A dan B, dapat dilihat dalam sistem koordinat persegi panjang, sedangkan M dan θ adalah parameter di kutub koordinat.

GANGGUAN POLAR
Ada banyak sekali gangguan-gangguan yang terkait dengan penggunaan notasi polar, berikut ini tiga diantaranya :
Gangguan 1: Radians vs Degrees

Hal ini dimungkinkan untuk mengungkapkan fase baik dalam derajat atau radian. Ketika dinyatakan dalam derajat, nilai-nilai dalam fase sinyal adalah antara -180 dan 180. Menggunakan radian, masing-masing akan nilai-nilai antara-B dan B, yaitu, antara -3,141592 Ke 3,141592.

Gangguan 2: Bagilah dengan nol kesalahan

Ketika mengkonversi dari notasi rectangular ke polar, sangat umum menemukan frekuensi mana bagian nyata adalah nol dan bagian imajiner adalah beberapa nilai nol. Ini berarti bahwa fase persis 90 atau -90 derajat.

Gangguan 3: Kesalahan arctan

Pertimbangkan sampel domain frekuensi di mana Re X [k] =1 dan Im X [k]= 1. Persamaan 8-6 memberikan yang sesuai nilai-nilai kutub Mag X [k] =1,414 dan Tahap X [k] =45o. Sekarang perhatikan contoh lain di mana Re X [k] =-1 dan Im X [k] = - 1. Sekali lagi, Persamaan. 8-6 memberikan nilai-nilai Mag X [k] =1,414 dan Tahap X [k] =45o. Masalahnya adalah, fase salah! Itu harus - 135o. Ini terjadi setiap kali bagian nyata negatif. Masalah ini dapat dikoreksi oleh pengujian yang nyata dan imajiner bagian setelah fase telah dihitung.

CHAPTER 7 Of DSP

CHAPTER 7

Properties of Convolution

Common Impulse Responses
Delta Function

Respon impulse yang paling sederhana adalah tidak lebih dari fungsi delta. Fungsi delta adalah identitas untuk pembelokkan. Pembelokkan sinyal dengan fungsi delta membuat sinyal tidak berubah. Tujuan dari sistem ni adalah sinyal dikirim atau disimpan.

Suatu dorongan pada input menghasilkan dorongan yang sama pada output. Ini berarti bahwa semua sinyal diteruskan melalui sistem tanpa dirubah.

Sifat ini membuat fungsi delta sebagai identitas pembelokkan. Hal ini merupakan anologi dari identitas penjumlahan (a + 0 = a) dan lainnya identitas dari perkalian (a * 1 = a). Jika dilihat sekilas, sistem ini terlihat sederhana. Ternyata tidak, sistem ini ideal untuk penyimpanan data, komunikasi, dan pengukuran.
Jika fungsi delta dibuat lebih besar atau lebih kecil amplitudonya, yang sistem menghasilkan sebuah penguat atau attenuator.

Calculus-like Operations
Konvolusi dapat mengubah sinyal diskrit dengan cara yang mirip integral dan diferensiasi. Karena istilah "turunan" dan "integral" menjelaskan operasi pada sinyal kontinu. Operasi diskrit yang mirip dengan first deriavative disebut turunana pertama. Demikian pula, bentuk diskrit dari integral disebut Running sum.


Low-pass and High-pass Filters
Secara umum, low-pass filter terdiri dari grup dari adjacent positive points. Hal ini mengakibatkan setiap sampel dari sinyal output memiliki perataan dari banyaknya adjacent points dari input sinyal. Perataan ini menghaluskan sinyal, sehingga menghapus komponen berfrekuensi tinggi. Sama seperti di elektronika analog, digital low-pass filter digunakan untuk mengurangi noise, pemisahan sinyal, pembentukkan gelombang, dll


Causal and Noncausal Signals
respon impulse dari sebuah causal system harus memiliki nilai nol untuk semua sampel berjumlah negatif. Untuk menjadi causal, impuls dari sinyal input pada nomor sampel n harus hanya mempengaruhi titik-titik dalam sinyal output dengan jumlah sampel n atau lebih besar. Dalam penggunaan umum, istilah kausal diterapkan pada setiap sinyal di mana semua sampel bernilai negatif memiliki nilai nol, meskipun hal tersebut respons impuls atau tidak.
Zero Phase, Linear Phase, and Nonlinear Phase
Sinyal dikatakan zero phase jika memiliki sampel simetri di kiri-kanan di sekitar angka nol. Sebuah sinyal dikatakan fase linier jika memiliki simetri di kiri-kanan, tapi di sekitar beberapa titik selain nol. Ini berarti bahwa setiap fase linier sinyal dapat diubah menjadi sinyal fase nol hanya dengan pergeseran kiri atau kanan. Terakhir, sinyal dikatakan nonlinier fasa jika tidak tidak memiliki simetri kiri-kanan.
Fase linear dan nonlinear berarti fase, atau bukan, sebuah garis lurus. Pada kenyataannya, sistem harus linear jika dikatakan fase adalah nol, linear, atau nonlinier.

Mathematical Properties
Commutative Property
Jika dua sinyal convolve yang tidak memiliki perbedaan, hasilnya identik.


Dalam setiap sistem linier, input sinyal dan system respon implus yang diharapkan bisa ditukar tanpa mengubah sinyal keluaran. Sinyal input dan respon impulse merupakan hal yang sangat berbeda.

Associative Property
Associative Property menetapkan bahwa urutan dari konvolusi tidak terjadi.
Associative Property digunakan dalam teori sistem untuk menggambarkan keadaan sebuah sistem. Dari Associative Property, urutan sistem dapat disusun kembali tanpa mengubah keseluruhan respon dari cascade. Selanjutnya, sejumlah sistem dapat digantikan dengan sistem tunggal.



Distributive Property

Properti distributif menggambarkan pengoperasian sistem paralel dengan output tambahan. Dua atau lebih sistem dapat berbagi menjadi input yang sama, x [n], dan memiliki output yang telah mengalami penambahan untuk menghasilkan y[n]. Properti distributif memungkinkan kombinasi sistem ini untuk diganti dengan sistem tunggal yang memilki response impulse sama dengan penjumlahan respon impulse dari sistem original.

Transferensi antara Input dan Output
Transferensi antara input dan output merupkan keadaan yang umum terjadi dalam pemrosesan sinyal. Pada figure 7-11, sistem linear menerima sinyal input x[n], dan menghasilkan sinyal keluaran, y[n]. Kemudian sinyal input berubah secara linear, menjadi sinyal inputan baru x’[n]. sinyal inputan ini menghasilkan sinyal keluaran baru y’[n]. Perubahan sinyal input secara linier akan mempengaruhi perubahan sinyal keluaranya secara linier pula. Sebagai contoh, jika sinyal input diperkuat dua kali, output sinyal juga akan diperkuat dua kali.


Teorema Limit Pusat
Teorema Limit Pusat merupakan perangkat yang penting dalam teori probabilitas karena sering dipakai pada distribusi Gaussian setiap kejadian yang terjadi di alam. Sebagai contoh keacakan amplitude pada suhu yang mengikuti distribusi Gaussian. Sirkuit elektronik mengikuti distribusi Gaussian, penampang intensitas sinar laser mengikuti Gaussian juga. Bentuk Teorema Limit Pusat menyatakan bahwa hasil distribusi Gaussian ketika variabel yang diamati merupakan banyaknya proses atau kejadian acak.
Contoh Teorema Limit Pusat figure 7-12.

(a) nilai tidak teratur, buakn, sehingga bukan seperti distribusi Gaussian.
(b) menunjukkan hasil convolving sinyal ini dengan dirinya sendiri sebanyak satu kali.
(c) menunjukkan hasil convolving sinyal ini dengan dirinya sendiri sebanyak tiga kali. Dengan hanya melakukan tiga kali convolutions, gelombang sudah menyerupai distribusi normal atau Gaussian.

Correlation
Contoh konsep dasar korelasi pada sistem radar
Sebuah antena yang dirancang khusus mentransmisikan gelombang radio pada arah tertentu. Sebuah objek (helikopter) memantulkan sebagian kecil dari energi yang dipancarkan kembali ke sebuah penerima gelombang yang terletak di dekat pemancar. Misal, pulsa yang ditransmisikan dalam bentuk gelombang segitiga. Sinyal yang diterima akan terdiri dari dua bagian:
A.shifted dari pulsa yang ditransmisikan
B.random noise, dari interferensi gelombang, suhu, elektrtonic noise, dll.

Korelasi adalah sebuah operasi matematika yang mirip dengan konvolusi. Seperti halnya dengan konvolusi, korelasi menggunakan dua sinyal untuk menghasilkan sinyal ketiga. Sinyal ketiga ini disebut korelasi silang dari dua masukan sinyal. Jika sinyal berkorelasi dengan dirinya sendiri, sinyal yang dihasilkan bukan disebut otokorelasi. Gambar 7-14 adalah ilustrasi korelasi. Sinyal x [n], dan korelasi silangi sinyal, y [n].gelombang t [n] disebut sinyal target. Amplitudo dari masing-masing sampel dalam persilangan korelasi sinyal adalah ukuran banyaknya sinyal yang diterima target.
Speed
Kecepatan eksekusi sebuah prgaram tergantung pada jenis-jenis operasi yang digunakan dalam algoritma pemrogramanya. DSP menggunakan multiply-accumulate atau akumulasi beberapa operasi sekaligus dalam mengeksekusi programnya.
Jika sebuah sinyal yang terdiri dari N buah sampel berconvolve atau bersilangan dengan sinyal dengan M buah sampel, maka N × M akumulasi perkalianya harus sebagai bentuk awal. PC pada tahun 1990-an membutuhkan sekitar satu mikrodetik per multiply-accumulate. Oleh karena itu, convolving sinyal dengan 10.000 sampel dengan sinyal dengan 100 sampel membutuhkan sekitar satu detik. Setiap kenaikan jumlah sample pada sinyal akan mempengaruhi waktu untuk eksekusi programnya.
Cara mengatasi kecepatan pada eksekusi program :
A)menggunakan sinyal yang singkat dengan data bilangan bulat, bukan floating point.
B)menggunakan komputer yang dirancang untuk DSP. DSP mikroprosesor dengan kecepatan multiply-accumulatenya hanya beberapa puluh nanodetik.
C)menggunakan algoritma yang lebih baik untuk convolution. Sebagai contoh FFT convolution, waktu eksekusi program dikurangi secara terus-menerus. Kelemahannya adalah kompleksitas program yang tinggi.

akhirnyaaa,,.

hhe,,alhamdulillah ,,kan kemarin saya bilang kalo nama domain ini baru jadi di gantii,,awalnya sih nyesel juga uda hampir setahun saya exploretapi jadi di ulang lagi dehh,,
hhe
tapi gpp,,yang penting akan terus update dan posting,,
yei

tantangan kedepann,.
be number 1 of cryptography information,.
^

CHAPTER VI of DSP

CHAPTER VI

Convolution

Fungsi Delta dan Impuls response
fungsi delta, dilambangkan dengan huruf Yunani Delta, Fungsi delta adalah sebuah normalized impulse, yaitu angka nol sampel memiliki nilai satu, sementara semua sample yang lain bernilai nol. karena alasan ini fungsi delta sering disebut dengan unit impuls
Impuls response adalah sinyal yang keluar dari sebuah sistem ketika sebuah fungsi delta merupakan inputannya




Convolution
Convolution adalah cara matematis menggabungkan dua sinyal untuk membentuk sinyal ketiga. Convolution adalah teknik paling penting dalam Digital Signal Processing. Menggunakan strategi impuls dekomposisi, sistem digambarkan oleh suatu sinyal yang disebut respon impuls. Convolution sangatah penting karena menyangkut tiga kepentingan sinyal: sinyal input, sinyal keluaran, dan respon impulse. Bab ini menyajikan Convolution dari dua sudut pandang yang berbeda, yang disebut algoritma sisi input dan sisi output algoritma.
Convolution adalah sebuah operasi matematika umum, hanya menggunakan fungsi perkalian,penambahan,dan pengintegralan. Penambahan mengambil dua bilangan dan menghasilkan tiga bilangan, ketika convolution mengambil dua sinyal dan memproduksi tiga buah sinyal. Convultion digunakan dalam banyak bidang dimatematika, seperti probabilitas dan statistik. Dalam sistem linear, convultion digunakan untuk mendeskripsikan hubungan antara tiga sinyal diantaranya: sinyal input, impulse response dan sinyal output





convolution digunakan dalam DSP, sinyal dari sitem linear sama dengan sinyal input convolved dengan impulse sistem response, convultion dinotasikan dengan tanda bintang pada penulisan persamaan.



Convultion digunakan untuk lowpass filter dan highpass filter, dalam contoh diatas tiga buah gelombang sinusoidal (merepr,esentasikan sebuah frekuensi yang tinggi), ditambah dengan satu demi satu gelombang naik secara perlahan (terdiri dari gelombang frekuensi rendah). Dalam (a), respon impulse untuk low-pass filter adalah lengkungan halus, sehingga perubahan bentuk gelombang yang diteruskan ke output hanya terlihat sedikit. Demikian pula,high-pass filter, (b),hanya memungkinkan lebih sinusoid yang berubah dengan cepat berlalu.
Contoh sinyal diproses menggunakan Convolution. Banyak tugas-tugas pemrosesan sinyal menggunakan ssimple impulse response. Seperti ditunjukkan dalam contoh ini, perubahan dramatis dapat dicapai dengan hanya beberapa nol titik.

The input Side Algorithm
Gambar 6-5. Contoh covolved problem. Sebuah titik dengan sembilan masukan sinyal, convolved dengan tempat titik respon impulse, hasil di titik sinyal keluaran ke dua belas.



Gambar 6-6. Sinyal keluaran komponen untuk convultion pada Gambar. 6-5. Dalam sinyal-sinyal ini, setiap titik yang dihasilkan dari sebuah skala dan respon impulse bergeser diwakili oleh tanda persegi. Titik data yang tersisa, yang diwakili oleh simbolo berlian, adalah nol yang telah ditambahkan sebagai place holder.



Kedua dari covolved problem. Bentuk sinyal dari sinyal masukan dan respon impulse berubah dari contoh sebelumnya, karena convolution bersifat komutatif maka output dari kedua contoh ini sangat identik.
Pada kedua contoh diatas sifat komutatif adalah sifat yang ada pada convolution dimana dalam matematika tidak berpengaruh yang mana sinyal input dan yang mana respon impulse, yang dilihat hanya “dua sinyal tersebut berkonvulsi satu sama lain”. Walaupun begitu, pertukaran dua sinyal tersebut secara fisik tidak berarti apa-apa pada teori sistem.
Sinyal masukan dan respon impulse keduanya sangatlah berbeda, melakukan pertukaran pada kedua sinyal sama sekali tidak membuat perbedaan. Sifat komutatif inilah yang berguna sebagai tools matematis untuk memanipulasi persamaan untuk mendapatkan hasil yang beragam.
The Output Side Algorithm
Sudut pandang pertama dari analisis convultion adalah bagaimana setiap sample pada sinyal masukan mempengaruhi sinyal outputnya, yang kedua untuk kebalikannya kita melihat sample satuan pada sinyal output, dan menemukan kontribusi dari inputnya. Hal ini sangat penting secara matematika dan dalam prakteknya. Midsalkan kita diberikan beberapa sinyal input dan respon impulse dan kita ingin menemukan convolution dari keduanya. Metode yang digunakan adalah untuk melakukan loop terhadap seluruh sinyal output. Yang dalam persamaan dapat ditulis . Maka, sejumlah n sample sinyal output sama dengan combinasi dari beberapa nilai sinyal input dan respon impulse. Hal ini memerlukan informasi bagaimana setiap sample sinyal output dapat dihitung secara terpisah dari semua sample yang lain yang ada pada sinyal output tersebut. Maka Algoritma Output side inilah yang diperlukan.
Pada gambar dibawah ini dilustrasikan Algoritma Output side sebagia sebuah “convolution mechine”, diagram tersebut menunjukan bagaimana convulsi didapatkan. Misalkan sinyal input: dan sinyal outputnya: . Pada convolution mechine, semua yang terdapat pada kotak bergaris, dapat secara bebas bergerak ke kiri atau ke kanan sesuai yang diperlukan, saat convolution mesin ini diposisikan maka outputnya disejajarkan kemudian sample dapat dihitung. 4 sample dari sinyal input diturunkan dari convolution mechine. Nilai ini dilipatkan dengan sample pada respon impulse, kemudian hasilnya ditambahkan. Hal ini menghasilkan nilai dari sinyal outputnya, misalkan ditunjukan dapat dihitung dari 4 sample input yaitu dan .

Gambar: Mesin konvulsi. Diagram alir ini menunjukan bagaimana setiap sample pada sinyal output dipengaruhi oleh sinyal input dan respon impulse
Penyusunan respon impulse dalam mesin convolution sangat penting. Pada respon impulse dilakukan flipped ke kiri-kanan. lalu menempatkan sampel dengan angka nol di sebelah kanan, dan semakin ke kiri nomor sampel semakin. Respon impulse menggambarkan bagaimana setiap titik dalam sinyal input mempengaruhi output sinyal. Hal ini mengakibatkan setiap titik di sinyal keluaran karena dipengaruhi oleh titik-titik dalam sinyal input terbobot oleh membalik impuls respons.



gambar: ditunjukan convolution machine menghitung 4 sample sinyal output yang berbeda : dan
Gambar diatas menunjukkan mesin convolution digunakan untuk menghitung beberapa sampel sinyal output. Diagram ini juga menggambarkan gangguan pada convolution. Pada (a), mesin convolution terletak sepenuhnya ke kiri dengan output ditujukan pada y [0]. Dalam posisi ini, itu maka masukan yang diterima adalah dari sample: x [& 3], x [& 2], x [& 1], dan x [0]. Masalahnya adalah ketiga sample ini tidak ada! Masalah yang sama muncul di (d), dimana mesin yang mencoba untuk menerima sampel di sebelah kanan input sinyal yang telah ditetapkan , titik x [9], x [10], dan x [11].
Salah satu cara untuk menangani masalah ini adalah dengan inventing yang tidak ada sampel. Yaitu dengan menambahkan sample di akhir dari sinyal input, dengan masing-masing ditambahkan dengan sampel bernilai nol. Inilah yang disebut padding sinyal dengan nol.
Dengan menggunakan convolution machine sebagai panduan, dalam persamaan matematika kita dapat menulis persamaan standar untuk convolution. Jika adalah sinyal titik N berpindah dari 0 ke , dan adalah sebuah sinyal pada titik M yang berpindah dari 0 sampai convolution dari keduanya: adalah sebuah titik sinyal brpindah dari 0 sampai , dengan persamaan:

Persamaan ini disebut convolution sum. Hal ini memungkinkan setiap titik pada sinyal output dapat dihitung secara terpisah dari semua titik lainnya dalam sinyal output.

Gambar: efek akhir di convolution. convolution pada sebuah input dengan titik M respon impulse, titik pertama dan titik terakhir M-1 dalam sinyal output tidak digunakan. Dalam contoh inirespon impulse digunakan saebagai high-pass filter untuk menghilangkan komponen DC dari sinyal input.
The Sum of Weighted Input
Karakteristik sistem linear sepenuhnya dijelaskan oleh respons impulse. Ini adalah dasar dari sisi input algoritma: setiap titik di sinyal input berperan pada besar dan arah pregeseran respon impulse ke sinyal output. Konsekuensi matematika ini mengarah pada sisi output algoritma: setiap titik dalam sinyal keluaran menerima pengaruh dari beberapa titik sinyal input, dikalikan dengan flip respon impulse.
Jika kita lihat lagi convolution machine, dan mengabaikan bahwa sinyal di dalam kotak bertitik adalah respon impuls. Kemudian Menganggapnya sebagai satu set weighting coefisient yang terjadi harus terdapat dalam diagram alir. Dalam pandangan ini, setiap sampel dalam sinyal output dapat dikatakan sama dengan sebuah sum of weighting input (penjumlahan dari weighting inputnya). sampel dalam output dipengaruhi oleh daerah sampel di sinyal input, sebagaimana ditentukan oleh yang dipilih weighting coeficient. Sebagai contoh, bayangkan ada sepuluh weighting coeficient, masing-masing dengan nilai satu. Hal ini membuat setiap sampel dalam sinyal output merupakan rata-rata dari sepuluh sampel input tersebut
Berdasarkan hal yang telah dibahas, weighting coeficient tidak perlu terbatas pada sisi kiri perhitungan sample output. Dengan convolution machine yang merupakan pejumlahan dari weighted input, weighting coefficient dapat dipilih secara simetris disekitar sampel output.

NEW VERSION,,.

hmmppphhh setelah dipikir pikir lagi,,,
ingin rasanya untuk mencoba sesuatu yang fresh,,
hhe
salah satunya dengan berganti domain name kali yah,,.
^^
hmmpphhh,,sempat berat hati untuk melakukan ini,,
yah lumayan,,SEO nya uda mulai baguss,,
tapi tak apa,,.
untuk suatu misi tertentu,,.
^^
ilmu kriptografi

Chapter 4 of DSP (DSP Application)

CHAPTER 4
DSP Software

Aplikasi DSP biasanya diprogram dalam bahasa yang sama oleh peneliti dan ilmuwan lainnya, seperti: C, BASIC dan perakitan. Kekuatan dan fleksibilitas dari C membuat bahasa pilihan bagi ilmuwan komputer dan programmer profesional lainnya.
Di sisi lain, kesederhanaan BASIC membuatnya ideal untuk para ilmuwan dan insinyur yang hanya sesekali mengunjungi dunia pemrograman. Sebagian besar perangkat lunak DSP penting isu-isu yang terkubur jauh di bawah di dunia berputar satu dan nol. Ini termasuk topik-topik seperti: bagaimana angka-angka tersebut diwakili oleh pola bit, bulat-off kesalahan dalam aritmetika komputer, maka kecepatan komputasi dari berbagai jenis prosesor, dll Bab ini adalah tentang hal-hal yang Anda dapat dilakukan pada tingkat tinggi untuk menghindari diinjak-injak oleh rendahnya kerja internal.

A.Computer Number
Komputer digital sangat bermanfaat pada penyimpanan dan pemanggilan ulang angka/nomer. Sebagai contoh, jika kita menginstruksikan computer kita utuk menyimpan angka 1.41421356. Komputer dapat merepresentasikan dengan baik bilangan pecahan seperti yang diatas. Namun, untuk computer klasik akan terdapat kesalahan jika bilangan tersebut terdapat pecahan 1.00000001.

B.Fixed Point
Fixed point merepresentasikan untuk menggunakan penyimpanan bilangan integer yang bersifat positif dan negatif. Untuk tingkatan pemrograman seperti C dan BASIC, itu akan mengalokasikan 16 bits untuk disimpan pada masing masing integer.
Dalam fixed point dikenal juga istilah offset point, yang hamper sama dengan integer yang tak beraturan, kecuali bilangan decimal dilepaskanm untuk mengikuti bilangan negative. Untuk sign dan magnitude merupakan suatu jalan yang sederhana untuk merepresentasikan integer negative. Untuk bit yang paling kiri disebut sebagai sign bit, yang diawali dengan angka 0 untuk bilangan positif dan 1 untuk bilangan negatif.

C. Floating Point
Pada dasarnya untukskema encoding untuk floating point lebih lengkap (complicated) daripada fixed point. Ide dasarnya sama, yaitu menggunakan notasi matematis, dimana sebuah mantissa dimultiplikasi oleh 10 eksponen. Sebagai contoh , dimana 5.4321 adalah mantissa dan 6 adalah eksponennya. Notasi matematis tersebut secara garis besar merepresentasikan mengenai bilangan dengan pangkat besar atau bilangan dengan pangkat kecil.

D. Number Precision
Jika anda ingin menyimpan suatu nilai dari range continues, kita dapat merepresentasikan hanya finite number dari tahapan yang berlebihan. Setiap waktu saat angka yang baru di bangkitkan, setelah proses kalkulasi, angka tersebut harus di rounded ke bilangan atau angka yang terdekat dan dapat kamu simpan kedalam format yang kamu inginkan.

E. Execution Speed (Program Language)
Pada dasarnya untuk Execution Speed ini menggunakan bahasa pemrograman mesin dengan berbasis assembly
Program assembly terdiri dari manipulasi secara langsung suatu sistem elektronika digital, seperti register, lokasi memori, status bit, dll. Sebuah program disebut sebagai compiler jika digunakan untuk mentransformasi tahapan yang lebih tinggi untuk source code kedalam suatu debugging.

F. Execution Speed (Hardware)
Suatu fungsi matematika dapat dialihkan dari transfer suatu data ke circuit hardware khusus yang disebut a math coprocessor. Untuk sistemnya dapat menggantikan suatu hardware dan software.

G. Execution Speed (Program Tips)
Ketika suatu hardware komputer dan bahasa pemrograman sangat penting untuk memaksimalkan kecepatan saat eksekusi. Kesimpulannya bagaimana program anda dapat diganti tiap waktunya?. Dan seberapa drastiskah pengaruh dari panjang program yang dapat di execute. Dibawah ini beberapa aturannya :
1.Gunakan integer dari variable floating point yang memungkinkan.
2.Gunakan Suatu fungsi seperti sin(x), log(x), etc
3.Pelajari apa pengertian cepat dan lambat kedalam suatu sistem yang digunakan.