bab ii landasan teori - repository.ipb.ac.id · bab ii landasan teori . sebagai acuan penulisan...
TRANSCRIPT
BAB II
LANDASAN TEORI
Sebagai acuan penulisan penelitian ini diperlukan beberapa pengertian dan
teori yang berkaitan dengan pembahasan. Dalam sub bab ini akan diberikan
beberapa landasan teori berupa pengertian, definisi, proposisi dan teorema yang
berkaitan dengan pembahasan.
Definisi Sistem Persamaan Linear (SPL)
Sistem Persamaan Linear (SPL) m n adalah m persamaan linear dengan n
variabel (peubah). Bentuk umumnya adalah sebagai berikut:
+ + + =
+ + + =
+ + + =
dengan dan berupa konstanta, i = 1, 2, , m; j = 1, 2, , n,
sedangkan merupakan variabel yang ingin ditentukan nilainya. Nilai
disebut koefisien pada persamaan ke-i.
Suatu sistem persamaan linear dengan bentuk = = = = 0
disebut SPL homogen. Bentuk umum dari SPL homogen adalah sebagai berikut:
+ + + = 0
+ + + = 0
+ + + = 0
(Gunawan Santosa R. 2009)
Definisi Matriks
Matriks adalah susunan segi empat yang unsur-unsurnya berupa bilangan-
bilangan. Matriks X dengan ordo m n adalah matriks dengan ukuran m baris
dan n kolom, simbolnya adalah sebagai berikut.
5
X =
Unsur matriks yang disimbolkan dengan dimana i = 1, 2, , m dan
j = 1, 2, , n, dibaca sebagai unsur matriks X pada baris ke-i dan kolom ke-j.
(Gunawan Santosa R. 2009)
Definisi Field
Suatu himpunan yang padanya didefinisikan operasi jumlah (+) dan
operasi kali (.) disebut field, notasi , jika memenuhi sifat-sifat berikut,
1. merupakan grup komutatif terhadap +, yaitu memenuhi sifat-sifat:
a. Asosiatif: ( , , ) ( + ) + = + ( + ),
b. mempunyai unsur identitas: ( 0 ) ( ) 0 + = + 0 = ,
c. Setiap unsur dari mempunyai invers: ( ) ( ) + =
+ = 0, dalam hal ini = ( ), dan
d. komutatif: ( ) .
2. , dimana = , merupakan grup komutatif terhadap .,
bersifat:
a. asosiatif: ( ) ( ) ,
b. mempunyai unsur identitas: ( ) ( ) 1. .1 = ,
c. setiap unsur dari mempunyai invers: ( ) ( )
, dalam hal ini dinotasikan ), dan
d. komutatif: ( ) .
3. Berlaku sifat distributif . terhadap + : ( )
atau ( )
(Sugi Guritman 2005)
Contoh field takhingga diantaranya adalah: himpunan bilangan real,
himpunan bilangan kompleks, sedangkan contoh dari field berhingga diantaranya
adalah = {0,1, 2,…, ( – 1)} dengan operasi jumlah dan kali modulo , dimana
bilangan prima. Jadi adalah contoh field berhingga dengan anggotanya
adalah {0,1}.
6 Definisi Ruang Vektor
Diberikan sembarang himpunan dan sembarang field . Pada
didefinisikan aturan jumlah dan aturan perkalian dengan skalar. Himpunan
disebut ruang vektor atas jika terhadap aturan-aturan tersebut memenuhi 10
aksioma-aksioma berikut.
1. ( u, v )( w ) u + v = w.
2. ( u, v, w ) (u + v) + w = u + (v + w).
3. ( 0 )( u ) 0 + u = u + 0 = u.
4. ( u ) ( v ) u + v = v + u = 0, dalam hal ini v = u.
5. ( u, v ) u + v = v + u.
6. ( k , u )( v ) ku = v.
7. ( k , u, v ) k(u + v) = ku + kv.
8. ( k, l , u ) (k + l) u = ku + lu.
9. ( k, l , u ) (kl)u = k(lu).
10. ( u ) 1u = u dimana 1 adalah unsur identitas dari terhadap operasi
kali.
(Sugi Guritman 2005)
Unsur-unsur dari dalam hal ini merupakan skalar, sedangkan unsur-unsur
dari disebut dengan vektor.
Sebagai contoh: misalkan merupakan himpunan dari pasangan terurut
dengan panjang n yang unsur-unsurnya merupakan elemen dari , yaitu =
{( , ,…, ) }. Misalkan pula v = , w =
, dan . Operasi Penjumlahan di didefinisikan
sebagai v + w = . Sedangkan perkalian
dengan skalar didefinisikan sebagai .v = . Maka
merupakan ruang vektor.
Definisi Subruang (Subspace)
Misalkan adalah ruang vektor atas skalar dan . Himpunan
disebut subruang dari jika juga merupakan ruang vektor atas terhadap
operasi yang sama dengan .
7 Teorema 1
Misalkan adalah ruang vektor atas skalar dan , maka tiga
proposisi berikut ini ekivalen.
(i) subruang dari .
(ii) Berlaku dua sifat berikut ini:
(a) ( , ) + , dan
(b) ( k , w ) kw .
(iii) ( k, l , , ) k + l .
(Sugi Guritman 2005)
Definisi Kombinasi Linear
Misalkan adalah ruang vektor atas skalar . Diberikan himpunan
= { , ,…, } terdiri atas n vektor dalam . Suatu vektor v disebut
kombinasi linear dari jika ( , , …, ) sehingga v = .
(Sugi Guritman 2005)
Definisi Bebas Linear dan Terpaut linear
Misalkan adalah ruang vektor atas skalar , dan misalkan =
adalah himpunan yang terdiri atas n vektor dalam . disebut
bebas linear jika memenuhi persamaan berikut
( i I = {1,2,…,n} = 0).
Ingkarannya, disebut terpaut linear jika
( j I = {1,2,…, n} 0).
(Sugi Guritman 2005)
Definisi Perentang / Span
Jika S = adalah vektor-vektor di dalam ruang vektor dan
jika tiap-tiap vektor di dalam dapat dinyatakan sebagai kombinasi linear dari S,
maka dikatakan bahwa vektor-vektor S merentang (spanning) .
Jika = , maka S disebut himpunan perentang . Dan dikatakan
direntang oleh S.
(Gunawan Santosa R. 2009)
8 Definisi Basis
Jika adalah sembarang ruang vektor dan S = { } adalah
sebuah himpunan berhingga dari vektor-vektor di dalam , maka S dinamakan
sebuah basis untuk jika:
1. S bebas linear.
2. S merentang .
(Gunawan Santosa R. 2009)
Definisi Dimensi
Dimensi dari sebuah ruang vektor didefinisikan sebagai banyaknya
vektor-vektor dari basis di .
(Gunawan Santosa R. 2009)
Definisi Ruang Baris dan Ruang Kolom
Jika diketahui matriks A berukuran m n, maka subruang yang
direntang oleh vektor-vektor baris dinamakan ruang baris (row space) dari A.
Sedangkan subruang yang direntang oleh vektor-vektor kolom dinamakan
ruang kolom (column space) dari A.
(Gunawan Santosa R. 2009)
Definisi Rank
Dimensi ruang baris atau ruang kolom dari matriks A dinamakan rank dari
matriks A.
(Gunawan Santosa R. 2009)
Definisi Produk dalam
Misalkan adalah ruang vektor atas skalar , misalkan x, y
sembarang. Operasi biner dari x dan y bernilai dalam , dinotasikan , disebut
produk dalam (inner product) jika memenuhi sifat-sifat berikut. Untuk setiap
x, y, z dan k, l berlaku:
1. Simetrik: =
2. Linearitas: = k + l , dan
9
3. Positifitas: 0 dan = 0 jhj x = 0.
(Sugi Guritman 2005)
Sebagai contoh: misalkan x = { } dan y = { }
. Produk dalam baku dari x dan y didefinisikan sebagai berikut
= x.y = .
Definisi Ortogonal
Dua vektor x dan y di dalam ruang vektor dikatakan ortogonal,
dinotasikan x y, jika = 0.
(Sugi Guritman 2005)
Definisi Komplemen Ortogonal
Misalkan adalah ruang vektor dan S . Komplemen ortogonal (disebut
juga dual) dari S, notasi , didefinisikan sebagai
= .
(Sugi Guritman 2005)
Sebagai contoh: misalkan v = , w = ; v, w .
i. Vektor v & w dikatakan saling tegak lurus (orthogonal) jika
v.w = 0
ii. Misalkan S merupakan himpunan bagian dari . Komplemen
orthogonal dari S, notasi didefinisikan sebagai
= . Jika S = , maka = .
Jika S merupakan subruang dari ruang vektor , maka merupakan subruang
dari ruang vektor dan = .
(Ling & Xing, 2004)
Definisi Kode Linear
Misalkan diberikan field berhingga qF . Misalkan pula nqF merupakan
himpunan dari vektor-vektor atas qF dengan panjang n . Kode linear C
didefinisikan sebagai subruang dari ruang vektor nqF .
(Ling & Xing, 2004)
10 Definisi Kode Dual
Misalkan C merupakan kode linear atas , maka Kode dual (dual code)
dari C, notasi , adalah komplemen orthogonal dari C.
Teorema 2
Misal C adalah kode linear atas dengan panjang n dan dimensi k, maka :
i. = dim ( C ) =
ii. juga merupakan suatu kode linear dan dim (C ) + dim = n
iii. = C
Dengan demikian jika C berdimensi k, maka berdimensi r = n – k .
(Ling & Xing, 2004)
Definisi Jarak Hamming (Hamming distance)
Diberikan ruang vektor atas lapangan . Misalkan pula x dan y adalah
anggota dari (x, y ). Jarak Hamming antara x dan y yang dinotasikan
dengan ( ),d x y , didefinisikan sebagai berikut.
( ) ( ) ( ) ( )1 1 2 2, , , ... ,n nd x y d x y d x y d x y= + + , dengan
( )1
,0
i ii i
i i
x yd x y
x y≠
= =.
(Ling & Xing, 2004)
Definisi Jarak Minimum suatu kode (Minimum distance of a code)
Misalkan C adalah kode linear yang memiliki kata kode lebih dari satu.
Jarak minimum untuk C , yang dinotasikan ( )d C , didefinisikan sebagai
( ) ( ){ }min , | , ,d C d x y x y C x y= ∈ ≠ .
(Ling & Xing, 2004)
Parameter Kode Linear
Kode linear C dengan panjang n dan berdimensi k disebut dengan kode
linear dengan parameter [n, k]. Jika jarak minimum d dari C diketahui, maka C
disebut kode linear dengan parameter [n, k, d]. Atau disebut kode linear-[n, k, d].
11 Untuk selanjutnya, jika parameter dari suatu kode tidak ditekankan, cukup
disebutkan bahwa C adalah suatu kode linear. Anggota dari C disebut dengan kata
kode.
(Ling & Xing, 2004)
Definisi Bobot Hamming (Hamming weight)
Diberikan ruang vektor . Misalkan pula x . Bobot Hamming
(Hamming Distance), yang dinotasikan wt(x) didefinisikan sebagai jumlah
koordinat/unsur yang tak nol:
Wt(x) = d(x, 0) dengan 0 adalah vektor nol
atau dapat pula didefnisikan sebagai berikut.
1 jika 0( ) ( ,0)
0 jika 0x
wt x d xx≠
= = =.
Lema 1.
Diberikan ruang vektor . Misalkan x, y , maka d(x, y) = wt(x y).
(Ling & Xing, 2004)
Definisi Bobot Minimum Hamming
Diberikan kode linear C . Minimum Hamming weight (Bobot minimal
Hamming) dari C , dinotasikan ( )wt C , didefinisikan sebagai bobot terkecil dari
kata kode tak nol dari C .
Teorema 3
Misalkan C adalah suatu kode linear, maka ( ) ( )d C wt C= .
(Ling & Xing, 2004)
Definisi Matriks Generator dan Matriks Cek Paritas
i. G dikatakan matriks generator bagi kode C jika baris-barisnya
merupakan basis untuk C.
ii. H dikatakan matriks cek paritas dari kode C jika H merupakan
matriks generator bagi kode dual .
(Ling & Xing, 2004)
12 Bentuk Standar dari Matriks Cek Paritas H dan Matriks Generator G
Diberikan kode linear C . Misalkan H dan G , secara berturut-turut adalah
matrik cek paritas dan matrik generator untuk kode linear C .
i. Bentuk standar untuk matriks generator G adalah ( )|kI X , dengan
Matriks identitas berukuran kI k k= × .
ii. Bentuk standar untuk matriks cek paritas H adalah ( )| n kY I − ,
dengan ( ) ( ) Matriks identitas berukuran n kI n k n k− = − × − .
(Ling & Xing, 2004)
Teorema 4
Misalkan H adalah suatu matriks cek paritas bagi kode linear C, maka
i. C memiliki jarak minimum ≥ d jika dan hanya jika d – 1 kolom
dari H saling bebas linear.
ii. C memiliki jarak minimum ≤ d jika dan hanya jika d kolom dari H
saling tidak bebas linear.
(Ling & Xing, 2004)
Teorema 5
Jika G = adalah bentuk standar dari matriks generator untuk suatu
kode C dengan parameter [n, k], maka matriks cek paritas untuk kode C adalah
H = .
(Ling & Xing, 2004)
Definisi Ekivalensi dari Kode Linear
Misalkan diberikan sembarang kode linear 1C dan 2C . 1C dan 2C dikatakan
ekivalen jika salah satunya dapat diperoleh dari kode yang lain dengan cara
mengkombinasikan operasi-operasi sebagai berikut.
i. Mempermutasikan digit-digit yang ada di kata kode tersebut.
ii. Mengalikan posisi tertentu dengan skalar.
(Ling & Xing, 2004)
13 Model Aljabar Kode Linear Biner.
Jika menotasikan ruang vektor standar berdimensi n atas dasar field
biner = {0,1}. Maka definisi Bobot (Hamming weight) dari suatu vektor
x adalah banyaknya simbol tak nol dalam x dan dinotasikan “ t (x) “ .
Definisi Jarak (Hamming distance) antara dua vektor x,y adalah banyaknya
posisi digit dari x dan y dimana simbol mereka berbeda dan dinotasikan “ d(x,y) “,
jelas bahwa d(x,y) = t(x + y). Sebagai contoh, di dalam ruang vektor , jika
x = 110001 dan y = 101010, maka:
d(x,y) = t(110001 + 101010) = t (011011) = 4
Dalam praktek, pengertian tersebut terkait dengan makna fisik sebagai
berikut. Jika pesan x akan dikirim dan berubah menjadi y saat diterima, maka
d(x,y) merepresentasikan banyaknya galat yang terjadi. d(x,y) = 0 berarti tidak
terjadi kesalahan saat pengiriman.
Dari definisi kode di atas dapat disimpulkan bahwa suatu kode linear biner
dengan panjang n merupakan subruang C dari ruang vektor . Anggota suatu
kode disebut dengan katakode (codeword). Mengonstruksi suatu kode bukan suatu
hal yang sederhana karena harus mempertimbangkan makna praktek yang
dijelaskan sebagai berikut.
Kode merupakan representasi dari himpunan semua pesan. Artinya satu
katakode mewakili satu pesan. Kode diciptakan untuk melindungi (koreksi atau
deteksi) pesan dari kesalahan saat pengiriman. Dengan demikian di dalam setiap
bitstring katakode harus mengandung dua makna, yaitu simbol pesan dan simbol
cek. Simbol pesan telah diketahui (diberikan) sebagai bentuk biner dari pesan,
sedangkan simbol cek merupakan simbol ekstra yang ditempelkan pada pesan.
Biasanya nilai simbol cek bergantung pada simbol pesan. Berikut ini diberikan
ilustrasi bagaimana mengonstruksi suatu kode berdasarkan persamaan aljabar.
Contoh 1: Definisikan suatu kode C dengan panjang 6 di dalam ruang dengan
syarat : x = C jika dan hanya jika simbol pesan dan
simbol cek yang memenuhi persamaan :
= +
= + +
= +
14 Karena simbol pesan berukuran 3 bit, maka himpunan semua simbol pesan
adalah
= {000, 001, 010, 011, 100, 101, 110, 111}
Jika = 011 , berarti = 0, = 1 dan = 1, maka = 1 + 0 = 1,
= 0 + 1 + 1 = 0, dan = 1 + 1 = 0, sehingga 011100 C.
Secara lengkap pendefinisian C diberikan dalam tabel berikut :
Tabel 1 Contoh pendefinisian pesan menjadi katakode
Simbol Pesan Katakode
000
001
010
011
100
101
110
111
000000
001111
010011
011100
100110
101001
110101
111010
Jadi C = {000000, 001111, 010011, 011100, 100110, 101001, 110101, 111010} .
Ilustrasi praktek dari contoh di atas diberikan sebagai berikut. Suatu pesan
110 akan dikirim, maka pesan itu terlebih dahulu harus diubah (dienkoding)
menjadi kata kode. Ini berarti 110 menjadi input dari enkoder. Dan enkoder
melakukan perhitungan dengan menggunakan algoritma sebagaimana dirumuskan
pada contoh tersebut untuk mengubahnya menjadi katakode. Output dari enkoder
adalah berupa kata kode x = 110101. Katakode inilah yang kemudian dikirim
melalui saluran yang diasumsikan terganggu (noisy). Apabila pada saat
pengiriman terjadi gangguan dan x berubah menjadi y = 010101, maka dekoder
harus mampu paling tidak mendeteksi dan akan lebih baik kalau bisa mengoreksi.
15 Pengertian Matriks Cek Paritas
Suatu matriks H berukuran r x n yang semua barisnya merupakan suatu
basis untuk disebut matriks cek paritas (parity check matrix) dari C.
Pengertian matriks paritas ini berimplikasi pada pendefinisian kode linear yang
berkaitan dengan cara konstruksi seperti pada contoh 1 diatas, yaitu :
C = {x H = 0}
Dengan kata lain, C adalah himpunan solusi dari SPL H = 0 (disebut dengan
kernel H). Mengkonstruksi (membuat) kode linear dengan panjang n dan
berdimensi k sama artinya dengan mendefinisikan matriks cek paritas seperti yang
dimaksud di atas. Disamping itu matriks cek paritas berfungsi mengubah pesan
menjadi katakode, dengan kata lain ia merupakan parameter didalam enkoding.
Enkoding kode linear dengan menggunakan matriks paritas H di ilustrasikan
sebagai berikut.
Diberikan blok simbol pesan dengan panjang k, misalnya u = …. ,
akan dienkode menjadi kata kode x = ……. dimana n k dengan
menggunakan matriks cek paritas H yang telah didefinisikan sebelumnya. Maka
pertama kali didefinisikan :
= , = , …….., = ,
dan diikuti dengan pendefinisian r = (n – k) simbol cek , …. yang
nilainya bergantung pada nilai simbol pesan. Ketergantungan ini ditentukan oleh
H dengan menyelesaikan SPL homogen berikut.
H = 0 H = (1)
Demi kemudahan penyelesaian, matriks H biasanya diberikan dalam bentuk
standar, yaitu
H = ( A C ) (2)
dengan A adalah matriks biner berukuran r x k, dan adalah matriks idetitas
berukuran r x r. Jika H belum berbentuk standar, maka dengan operasi
baris/kolom elementer dapat dicari matriks ekuivalen standarnya. Untuk semua
16 perhitungan menggunakan aritmetik operasi modulo
Berikut ini adalah ilustrasi proses kalkulasi enkoding dengan menggunakan
matriks H.
2 yang telah didefinisikan
pada .
Contoh 2: Didefinisikankan matriks cek paritas
H =
Dari ukuran H diperoleh n = 6; n – k = 3, sehingga k = 3. Terlihat bahwa matriks
H mempunyai bentuk standar sama dengan
A =
Pesan u = akan dienkode menjadi x = . Hal ini dimulai
dari
= ; = ; = ;
kemudian dipilih sehingga memenuhi H = 0, sehingga diperoleh Sistem
Persamaan Linear (SPL)
+ + = 0;
+ + = 0;
+ + = 0:
dan disebut SPL cek paritas. Misalnya pesan u = 110, maka = 1, = 1, = 0,
dan dari SPL diperoleh
= -1 = 1
= -1 = 1
= -1 – 1 = 1 + 1 = 0
Ini berarti H mengubah pesan u = 110 menjadi katakode x = 110110. Secara
keseluruhan, karena k = 3, maka ada = 8 pesan berbeda yang bertindak sebagai
input dalam enkoding, sehingga H mendefinisikan kode C dengan anggota
8 katakode.
C = {000000, 001110, 010101, 011011, 100011, 101101, 110110, 111000}
Selain menggunakan matriks cek paritas H, untuk mengkonstruksi C juga bisa
menggunakan matriks generator dari C, biasanya dinotasikan dengan G. Dengan
demikian, semua baris dari G merupakan basis untuk C. Akibatnya, G berukuran
17 k x n dan setiap katakode merupakan kombinasi linear dari semua vektor baris
dari G, dengan kata lain
C = Merentang ({ , , …. })
dimana { , , …. } adalah himpunan semua baris dari G.
Dasar-dasar Konstruksi Kode
Apabila suatu kode telah berhasil dikonstruksi, maka kode dengan parameter
yang berbeda dapat pula dikonstruksi, berikut adalah beberapa cara untuk
mendapatkan kode lain tersebut.
1. Penambahan pada matriks cek paritas
Misalkan C adalah suatu kode linear biner dengan parameter [ ], ,n k d
dengan beberapa kata kode nya berbobot ganjil. Dari kode tersebut akan dibentuk
kode baru C dengan menambahkan bit "0" di akhir kata kode yang berbobot
genap, dan bit "1" di akhir kata kode yang berbobot ganjil.
Dengan penambahan ini, jarak tiap pasang kata kode menjadi genap. Jika jarak
minimum kode C ganjil, maka kode yang baru memiliki jarak minimum 1d + ,
Sehingga C memiliki parameter [ ]1, , 1n k d+ + . Secara umum, proses
penambahan simbol pada matriks cek paritas disebut sebagai exending a code
(memperluas suatu kode) .
(MacWilliams & Sloane,1981)
2. Penghapusan dengan cara menghilangkan beberapa kata kode
Misalkan kode linear biner C memiliki parameter [ ], ,n k d dan memiliki
kata kode dengan bobot ganjil dan genap. Kata kode dengan bobot ganjil dapat
dihapus untuk mendapatkan kode baru dengan parameter [ ], 1, 'n k d− . Pada
umumnya 'd d> .
(MacWilliams & Sloane,1981)