new kode linear, penguraian dan pengelolaan...
TRANSCRIPT
i
KODE LINEAR, PENGURAIAN DAN
PENGELOLAAN KESALAHAN
Skripsi
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Sains
Program Studi Matematika
Oleh:
Veronica Dwi Agustyaningrum
NIM: 043114012
PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2010
ii
LINEAR CODE, DECODING AND
ERROR CORRECTING
Thesis
Presented as Partial Fulfillment of the Requirements
To Obtain the SARJANA SAINS Degree
In Mathematics
By:
Veronica Dwi Agustyaningrum
Student Number: 043114012
MATHEMATICS STUDY PROGRAM MATHEMATICS DEPARTMENT
SCIENCE AND TECHNOLOGY FACULTY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2010
v
[tÄtÅtÇ cxÜáxÅut{tÇ
Skripsi ini kupersembahkan untuk:
Tuhan Yesus Kristus yang selalu membimbing dan
memberkati setiap langkah hidupku
Bapak dan ibuku tercinta, Yohanes Sumarjono dan
Christina Suyati
Kakakku tersayang, Yustina Ika Wahyuningsih
Antonius Yudhi Anggoro
Semua teman dan sahabatku yang telah mendukungku
hingga saat ini
Yogyakarta, 28 September 2010
vii
ABSTRAK
Suatu kode dilambangkan dengan , dimana merupakan panjang masing-masing kata kode dan banyaknya kata kode dalam kode tersebut adalah
. Selanjutnya sebuah kode dikatakan linear bila dan hanya bila 2 kata kodenya membentuk ruang bagian berdimensi- dari ruang vektor yang terdiri dari semua -tupel atas lapangan biner , dinotasikan , . Kemampuan mendeteksi dan mengoreksi kesalahan dari suatu kode linear berhubungan erat dengan jarak dari kode tersebut. Dalam proses pengiriman suatu pesan, pesan yang diterima belum tentu merupakan pesan yang dikirim. Oleh karena itu, dalam tulisan ini akan ditunjukkan bagaimana proses penguraian suatu pesan yang berupa kode linear sehingga meskipun terjadi kesalahan saat pengiriman, kita dapat memperhitungkan pesan apa yang sebenarnya dikirim.
viii
ABSTRACT
A code is symbolized by , where was length of each code word and the amount of code word in that code was . After that, one code , is linear if and only if 2 of code word build a -dimension subspace from the vec-tor space that consist of all -tupel in over binary field , that is denoted by
, . The capability of detection and correction from a linear code is connection with distance from this code. In the sending process of message, the received mes-sage is not always fixed the message was send. Thus, this study present the process of message decoding in a linear code, so that although there was any mis-take in message sending, we could estimate the actual message.
x
KATA PENGANTAR
Puji dan syukur kepada Tuhan Maha Esa atas berkat dan rahmat-Nya,
sehingga penulis bisa menyelesaikan skripsi dengan judul “Kode Linear,
Penguraian dan Pengelolaan Kesalahan” ini .
Penulis menyadari sepenuhnya bahwa banyak pihak yang telah memberikan
dukungan, dorongan, kerjasama dan juga bimbingan sehingga akhirnya skripsi ini
dapat selesai. Oleh karena itu, penulis mengucapkan banyak terima kasih kepada:
1. Ibu M.V. Any Herawati, S.Si., M.Si. selaku dosen pembimbing untuk
kesabaran, bantuan, masukan serta telah meluangkan waktu untuk
mendampingi penulis sejak awal hingga selesainya skripsi ini.
2. Romo Prof. Dr. Frans Susilo, SJ selaku dosen penguji yang telah memberi
koreksi dan masukan kepada penulis.
3. Ibu Lusia Krismiyati, S.Si, M.Si. selaku Ketua Program Studi Matematika
yang telah memberikan bantuan dan dorongan selama kuliah maupun
dalam menyelesaikan skripsi ini.
4. Bapak Yosef Agung Cahyanta, S.T., M.T. selaku Dekan Fakultas Sains
dan Teknologi.
5. Bapak Frederic Ezerman yang telah memberikan buku-buku pendukung
tentang teori pengkodean.
6. Bapak Z. Tukijo dan Ibu Erma Linda Santyas Rahayu yang telah memberi
pelayanan administrasi kepada penulis selama ini.
xi
7. Perpustakaan Paingan Universitas Sanata Dharma beserta seluruh stafnya
dan juga teman-teman mitra atas seluruh fasilitas, pelayanan dan duku-
ngan selama penulis mengerjakan skripsi ini.
8. Bapak Yohanes Sumarjono dan Ibu Christina Suyati yang selalu memberi
dukungan semangat dan menemani sehingga penulis dapat menyelesaikan
pendidikan di tingkat perguruan tinggi.
9. Kakakku, Yustina Ika Wahyuningsih yang selalu memberi semangat dan
bantuan selama masa perkuliahan dan proses penyelesaian skripsi ini.
10. Antonius Yudhi Anggoro yang selama ini selalu menemani, memberikan
dorongan semangat dan mau mendengarkan keluh-kesah di saat jatuh
bangun dalam proses mengerjakan skripsi ini maupun saat masa
perkuliahan.
11. Teman-teman mahasiswa angkatan 2004 program studi Matematika
Universitas Sanata Dharma.
12. Teman-teman frater Projo di Kentungan yang selalu mendoakan dan
memberikan dukungan selama penulis mengerjakan skripsi ini.
13. Banyak pihak yang tidak dapat penulis sebutkan satu persatu.
Yogyakarta, 28 September 2010
Penulis
xii
DAFTAR ISI
HALAMAN JUDUL ….………………………………………………… i
HALAMAN JUDUL DALAM BAHASA INGGRIS …………………. ii
HALAMAN PERSETUJUAN PEMBIMBING …...…………………… iii
HALAMAN PENGESAHAN ………………………………………….. iv
HALAMAN PERSEMBAHAN ………………………………………... v
HALAMAN PERNYATAAN KEASLIAN KARYA ……...…………. vi
HALAMAN ABSTRAK ………………………………….……............. vii
HALAMAN ABSTRACT ………………………………….................... viii
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS …………………… ix
KATA PENGANTAR ………………………………………………….. x
DAFTAR ISI …………………………………………….……………... xii
BAB I PENDAHULUAN ………………………………......………….. 1
A. Latar Belakang Masalah ………………………………………… 1
B. Rumusan Masalah ……………………………….……..……….. 3
C. Batasan Masalah ……………………………….....….................. 3
D. Tujuan Penulisan ……………………………..……...………….. 3
E. Manfaat Penulisan …………..………………..……....…………. 3
F. Metode Penulisan ………..……………….………....…............... 4
G. Sistematika Penulisan ………..……………………...…............... 4
xiii
BAB II LAPANGAN BERHINGGA …..………….....….…................. 6
A. Lapangan ………………………………………………...……... 6
B. Sistem Persamaan Linear ……………………………...……….. 15
C. Ruang Vektor ……………………………………...…..……….. 24
BAB III PENGURAIAN DAN PENGELOLAAN KESALAHAN,
KODE LINEAR ……………………………………………………….. 52
A. Penguraian dan Pengelolaan Kesalahan, Kode Linear ....……… 52
3.1.1 Saluran Komunikasi ………………………………………. 52
3.1.2 Penguraian Kemungkinan Maksimum ……………………. 56
3.1.3 Jarak Hamming …………………………………………… 57
3.1.4 Penguraian Jarak Minimum ………………………………. 59
3.1.5 Jarak Suatu Kode …………………………………………. 62
B. Kode Linear ………………………………………….....………. 67
3.2.1 Kode Linear ………………………………………………. 67
3.2.2 Bobot Hamming dari Kode Linear ……………………….. 70
3.2.3 Basis untuk Kode Linear …………………………………. 73
3.2.4 Matriks Generator dan Matriks Pemeriksa ……………….. 78
3.2.5 Ekivalensi dari Kode Linear ……………………………… 85
3.2.6 Pengkodean Kode Linear ………………………………… 87
3.2.7 Penguraian Kode Linear ………………………………….. 89
xiv
BAB IV PENUTUP ……………………….…………………...………. 105
A. Kesimpulan ……………………………………....……………… 105
B. Saran ………………………………………………..…............... 106
DAFTAR PUSTAKA ………………………………………….………. 107
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Di jaman yang semakin modern ini, tuntutan akan sistem penyimpanan
dan pengiriman data digital yang efisien semakin meningkat. Hal ini
dipengaruhi oleh munculnya jaringan data berkecepatan tinggi untuk
pengolahan dan penyimpanan serta pengiriman informasi digital dalam bidang
militer, pemerintahan, keperluan pribadi, dan masih banyak hal lain.
Perancangan sistem-sistem di atas menuntut penggabungan antara teknologi
komputer dan komunikasi. Masalah utama dari perancangan suatu sistem
sendiri adalah bagaimana mengendalikan kesalahan yang mungkin terjadi saat
pengiriman sehingga diperoleh data yang benar. Salah satu cara yang dapat
membantu merancang suatu sistem pengiriman data sehingga kesalahan yang
mungkin terjadi saat pengiriman dapat dideteksi dan juga dapat
dikoreksi/diperbaiki adalah teori pengkodean/penyandian.
Terdapat dua masalah pokok yang harus dihadapi oleh para perancang
sistem penyimpanan atau pengiriman data, yaitu:
1. Sistem tersebut dapat meminimalkan jumlah bit yang harus dikirim melalui
saluran komunikasi.
2
2. Sistem tersebut juga harus dapat memastikan bahwa bit-bit yang dikirim
melalui saluran dapat diterima dengan benar, meskipun terjadi kesalahan
saat pengiriman.
Dasar teori yang memberikan pemecahan masalah di atas diberikan
oleh Claude Shannon pada tahun 1948. Shannon mengemukakan bahwa
dengan penyandian/pengkodean informasi secara tepat, kesalahan yang
mungkin terjadi saat pengiriman dapat dikurangi sampai pada tingkat yang
diinginkan tanpa mengurangi kecepatan pengiriman. Sejak saat itu, banyak
usaha dilakukan dalam menemukan metode perencanaan pengkodean untuk
mengendalikan kesalahan yang mungkin terjadi.
Salah satu kode yang memiliki peran cukup penting dalam teori
pengkodean yaitu kode linear. Dalam kode linear akan digunakan konsep-
konsep mengenai ruang vektor dan sebagian besar penghitungannya akan
dilakukan menggunakan matriks. Dengan kemampuannya mendeteksi -
kesalahan dan mengoreksi -kesalahan, maka pesan yang dikirim dapat
diterima dengan benar. Beberapa notasi yang akan digunakan yaitu, simbol
digunakan untuk data informasi, untuk kata kode atau vektor yang akan
dikirim, untuk vektor kesalahan dan untuk kata yang diterima. Kode linear
, didefinisikan sebagai suatu kode yang terdiri dari kata kode
dengan panjang atas yang merupakan ruang bagian dari .
3
B. Rumusan Masalah
Masalah yang akan dibahas dalam skripsi ini adalah :
1. Apakah yang dimaksud dengan Teori Pengkodean?
2. Apakah yang dimaksud dengan kode linear?
3. Bagaimana sifat-sifat dari kode linear?
C. Batasan Masalah
Pembahasan dalam skripsi ini hanya dibatasi pada masalah teoritis saja
dan tidak akan membahas mengenai aplikasi dari teori pengkodean terlebih
kode linear sendiri.
D. Tujuan Penulisan
Tujuan dari penulisan skripsi ini adalah untuk memahami teori
pengkodean yang secara khusus membahas lebih mendalam mengenai kode
linear.
E. Manfaat Penulisan
Manfaat dari penulisan skripsi ini adalah mengetahui lebih mendalam
mengenai teori pengkodean terutama dalam kaitannya dengan prinsip-prinsip
Matematika. Selain itu, dapat menambah pengetahuan mengenai teori-teori
baru serta aplikasi dari prinsip-prinsip aljabar abstrak.
4
F. Metode Penulisan
Penulisan skripsi ini menggunakan metode studi pustaka, yaitu dengan
menggunakan buku-buku, jurnal ilmiah dan karangan ilmiah yang telah
dipublikasikan sehingga di sini tidak disajikan hal baru dalam bidang
matematika.
G. Sistematika Penulisan
BAB I PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
C. Batasan Masalah
D. Tujuan Penulisan
E. Manfaat Penulisan
F. Metode Penulisan
G. Sistematika Penulisan
BAB II LAPANGAN BERHINGGA
A. Lapangan
B. Sistem Persamaan Linear
C. Ruang Vektor atas Suatu Lapangan Berhingga
5
BAB III PENGURAIAN DAN PENGELOLAAN KESALAHAN, KODE
LINEAR
A. Penguraian dan Pengelolaan Kesalahan
B. Kode Linear
BAB IV PENUTUP
A. Kesimpulan
B. Saran
6
BAB II
Lapangan Berhingga
A. Lapangan
Definisi 2.1.1
Ring adalah suatu himpunan dengan dua operasi biner, penjumlahan
(dinotasikan ) dan perkalian (dinotasikan , sedemikian hingga untuk
semua , , di :
1.
2.
3. Terdapat elemen 0 di sedemikian hingga 0
4. Terdapat elemen – di sedemikian hingga 0
5.
6. dan
Definisi 2.1.2
Suatu ring dimana perkaliannya bersifat komutatif disebut ring komutatif.
Ring dengan elemen identitas terhadap perkalian 1 sedemikian hingga
7
1 1 untuk semua di disebut ring dengan elemen satuan. Elemen
identitas terhadap perkalian pada suatu ring disebut elemen satuan.
Definisi 2.1.3
Andaikan adalah ring dengan elemen satuan. Suatu elemen di disebut
unit dari jika memiliki invers terhadap perkalian di .
Contoh 2.1.1
Himpunan semua bilangan bulat dengan penjumlahan dan perkalian biasa
adalah ring komutatif dengan elemen satuan 1. Unit dari adalah 1 dan 1
Definisi 2.1.4
Jika setiap elemen tak nol di adalah unit, maka disebut ring divisi.
Lapangan adalah ring divisi yang komutatif.
Contoh 2.1.2
Suatu himpunan 0,1 dinotasikan dengan . Didefinisikan penjumlahan dan
perkalian pada sebagai berikut:
+ 0 1 · 0 1 0 0 1 0 0 0 1 1 0 1 0 1
Maka yang diberikan adalah suatu lapangan.
8
Lemma 2.1.1
Andaikan , dua elemen dari lapangan . Maka
i) 1
ii) 0 maka 0 atau 0
Bukti:
i) Dengan kata lain, harus ditunjukkan 1 0
1 1 1 (sifat elemen identitas perkalian)
1 1 (sifat komutatif)
1 1 (sifat distributif)
0
0
ii) Jika 0, maka
0 0
(sifat asosiatif)
(sifat komutatif)
1 (sifat elemen invers)
1 (sifat komutatif)
(sifat elemen identitas perkalian)
∎
9
Definisi 2.1.5
Suatu lapangan yang hanya memuat elemen berhingga disebut lapangan
berhingga dan dinotasikan dengan .
Definisi 2.1.6
Andaikan , dan 1 adalah bilangan bulat. Dikatakan kongruen
dengan , ditulis sebagai
jika | , dengan kata lain membagi .
Contoh 2.1.3
a) 90 ≡ 30 (mod 60) dan 15 ≡ 3 (mod 12)
b) 0 (mod ) berarti |
c) 0 (mod 2) berarti adalah bilangan genap
d) 1 (mod 2) berarti adalah bilangan ganjil
Teorema 2.1.1
Jika diberikan bilangan bulat dan 1, maka dengan algoritma
pembagian diperoleh
10
(2.1)
dimana ditentukan secara tunggal oleh dan , dan 0 1. Oleh
karena itu, suatu bilangan bulat kongruen dengan tepat satu dari
0, 1, … , 1 modulo .
Bukti:
Akan dibuktikan melalui gambar di bawah ini:
0, 0 ─── ─── ─── … ─ ─── • ── ─ 0 2 1
0, 0 ─ ─── • ── ─ … ─── ─── ─── 1 0 2
Pada sumbu-x real di geometri analitik, beri tanda pada kelipatan dari dan
posisi . Pertama andai berada pada kelipatan dari dan dapat
diambil/ditetapkan 0. Kedua andai berada diantara dua kelipatan dari .
Jika kasus kedua yang terjadi, misal kelipatan pertama dari yang berada
di sebelah kiri dari . Maka (ditunjukkan pada gambar di atas) merupakan
jarak antara dan . Dengan catatan 0 .
Ketunggalan dari dan mengikuti karena jika bukan kelipatan dari
dan kita mengambil 0, maka terdapat suatu kelipatan tunggal/unik
dari di sebelah kiri dan jaraknya tak sebanyak dari .
∎
11
Definisi 2.1.7
Bilangan bulat pada persamaan 2.1 di atas disebut sisa dari dibagi oleh ,
dinotasikan .
Jika (mod ) dan (mod ), maka
(mod ),
(mod ),
(mod ).
Untuk bilangan bulat 1, dinotasikan dengan atau ⁄
didefinisikan sebagai himpunan 0,1, … , 1 dan didefinisikan
penjumlahan ⊕ dan perkalian ⊙ di sebagai berikut:
sisa dari bila dibagi , dinotasikan mod ,
dan
sisa dari bila dibagi , dinotasikan mod .
Teorema 2.1.2
adalah lapangan bila dan hanya bila prima.
Bukti:
Akan dibuktikan dengan kontradiksi.
12
Andaikan bukan bilangan prima dan untuk dua bilangan bulat
1 , . Jadi 0, 0. Tetapi 0 di . Disini
terdapat kontradiksi dengan Lemma 2.1.1 (ii). Jadi, bukan lapangan.
(⇐) Misalkan prima. Untuk setiap elemen tak nol , 0 ,
maka relatif prima terhadap . Jadi, menurut teorema dalam teori
bilangan, terdapat dua bilangan bulat , dengan 0 1
sedemikian hingga 1, maka 1 mod . Oleh karena
itu . Ini berarti sifat elemen invers terhadap perkalian dipenuhi.
Jadi adalah lapangan.
∎
Untuk suatu ring , bilangan bulat 1 dan , dinotasikan
dengan atau yaitu banyaknya elemen
Definisi 2.1.8
Andaikan lapangan. Karakteristik dari adalah bilangan bulat positif
terkecil sedemikian hingga 1 0, dimana 1 adalah elemen identitas
terhadap perkalian di . Jika tidak terdapat yang demikian, maka
karakteristik dari didefinisikan sebagai 0.
13
Teorema 2.1.3
Karakteristik dari suatu lapangan adalah 0 atau bilangan prima.
Bukti:
Jelas bahwa 1 bukan karakteristik dari lapangan karena 1 1 1 0.
Andaikan karakteristik dari suatu lapangan adalah bukan bilangan prima.
Misalkan untuk bilangan bulat positif 1 , . Jika diambil
1 dan 1, dimana 1 adalah elemen identitas terhadap perkalian
di , maka
1 1 1 1 1 1 0
Berdasarkan Lemma 2.1.1, maka 0 atau 0, berarti 1 0 atau
1 0. Oleh karena itu, terdapat kontradiksi dengan definisi karakteristik
lapangan . Jadi, karakteristik suatu lapangan adalah 0 atau bilangan prima.
∎
Definisi 2.1.9
Suatu himpunan bagian E dari lapangan F yang juga merupakan lapangan
terhadap operasi di F disebut lapangan bagian.
Teorema 2.1.4
Lapangan berhingga dengan karakteristik memuat elemen untuk suatu
bilangan bulat 1.
14
Bukti:
Pilih elemen dari . Klaim bahwa 0 , 1 , … , 1 adalah
elemen-elemen yang berbeda.
Buktinya, jika untuk suatu 0 1, maka
0
0 dan 0 1.
Karakteristik dari adalah , maka 0, atau .
Jika 0 , 1 , … , 1 , sudah dibuktikan. Selanjutnya,
pilih elemen di \ 0 , 1 , … , 1 . Klaim bahwa
adalah sepasang elemen yang saling berbeda untuk semua
0 , 1.
Buktinya, jika
(2.2)
Untuk semua 0 , , , 1, maka harus sama dengan .
Selain itu, dari persamaan 2.2 diperoleh
15
Disini terdapat kontradiksi pada pemilihan . Karena , maka
persamaan 2.2 di atas dapat dinyatakan sebagai pasangan terurut
, , .
Karena hanya memiliki banyak elemen berhingga, maka dengan cara
yang sama dapat diperoleh elemen-elemen , , … , sedemikian
hingga
\ , , … , , 2 ,
Dan
, , … , .
Dengan cara yang sama, dapat ditunjukkan bahwa
adalah elemen-elemen yang berbeda untuk semua ,
1,2, … , . Jadi, | | .
∎
B. Sistem Persamaan Linear
Sebuah garis yang terletak pada bidang dapat dinyatakan secara
aljabar dalam suatu persamaan berbentuk:
dimana , dan merupakan konstanta real, serta dan tidak
keduanya nol. Persamaan semacam ini disebut persamaan linear dengan
variabel dan . Secara umum didefinisikan persamaan linear dengan
variabel , , … , sebagai persamaan yang dapat dinyatakan dalam bentuk
16
dimana , , … , dan merupakan konstanta real. Variabel-variabel
dalam persamaan linear seringkali disebut sebagai faktor-faktor yang tidak
diketahui.
Definisi 2.2.1
Solusi dari persamaan linear adalah suatu
urutan dari bilangan , , … , sedemikian hingga persamaan tersebut
akan terpenuhi jika menggantikan , , … , . Kumpulan
semua solusi dari persamaan itu disebut himpunan solusi atau kadang kala
disebut sebagai solusi umum dari persamaan tersebut.
Definisi 2.2.2
Sejumlah tertentu persamaan linear dalam variabel , , … , disebut sistem
persamaan linear. Urutan sejumlah bilangan , , … , merupakan solusi
dari persamaan tersebut jika , , … , merupakan solusi
dari setiap persamaan di dalam sistem tersebut.
Suatu sistem persamaan yang memiliki paling tidak satu solusi dalam sistem
disebut konsisten, sedangkan sistem persamaan yang tidak memiliki solusi
disebut tidak konsisten.
17
Perkalian matriks memiliki aplikasi penting dalam sistem persamaan
linear. Perhatikan sistem yang terdiri dari persamaan linear dengan faktor
yang tidak diketahui berikut ini:
Karena dua matriks adalah setara jika dan hanya jika entri-entri yang
bersesuaian adalah setara, maka kita dapat menukar persamaan dalam
sistem ini dengan persamaan matriks tunggal
Matriks 1 pada ruas kiri persamaan di atas dapat ditulis sebagai hasil
kali, sehingga diperoleh
……
…
Jika masing-masing matriks di atas disebut sebagai , dan , maka sistem
asli yang terdiri dari persamaan dengan faktor yang tidak diketahui telah
digantikan dengan persamaan matriks tunggal berikut ini
18
Matriks pada persamaan di atas disebut matriks koefisien dari sistem
tersebut. Matriks yang diperbesar dari sistem tersebut diperoleh dengan
menggabungkan ke sebagai kolom terakhir, sehingga bentuk matriks yang
diperbesar menjadi
|
……
…
||||
Definisi 2.2.3
Operasi baris elementer pada suatu matriks adalah setiap satu dari tiga
operasi berikut ini:
1. Mengalikan baris dengan konstanta tak nol.
2. Menukar posisi dua baris.
3. Menambahkan kelipatan satu baris ke baris lainnya.
Definisi 2.2.4
Matriks dalam bentuk eselon baris tereduksi adalah matriks yang memenuhi
sifat-sifat berikut ini:
1. Jika suatu baris tidak seluruhnya terdiri dari nol, maka bilangan tak nol
pertama pada baris itu adalah 1. Bilangan 1 ini disebut 1 utama.
19
2. Jika terdapat baris yang seluruhnya terdiri dari nol, maka baris-baris
ini akan dikelompokkan bersama pada bagian paling bawah dari
matriks.
3. Jika terdapat dua baris berurutan yang tidak seluruhnya terdiri dari nol,
maka 1 utama pada baris yang lebih rendah terdapat pada kolom yang
lebih kanan dari 1 utama pada baris yang lebih tinggi.
4. Setiap kolom yang memiliki 1 utama memiliki nol pada tempat-tempat
lainnya.
Matriks yang memenuhi tiga sifat pertama di atas disebut dalam bentuk eselon
baris.
Definisi 2.2.5
Dua matriks dikatakan ekivalen baris jika salah satu barisnya dapat diperoleh
dari baris yang lain dengan serangkaian operasi baris elementer.
Definisi 2.2.6
Kolom-kolom utama pada suatu matriks dalam bentuk eselon baris maupun
bentuk eselon baris tereduksi merupakan kolom-kolom yang mengandung 1
utama.
20
Contoh 2.2.1
Selesaikan persamaan linear berikut ini
1 0 0 4 10 1 0 2 60 0 1 3 2
Sistem persamaan yang bersesuaian adalah
4 1
2 6
3 2
Karena , dan bersesuaian dengan 1 utama pada matriks yang
diperbesar maka ketiganya disebut sebagai variabel utama. Variabel-variabel
yang bukan utama (dalam hal ini ) disebut sebagai variabel bebas. Dengan
menyelesaikan variabel-variabel utama dalam bentuk variabel bebas akan
diperoleh
1 4
6 2
2 3
Dari bentuk persamaan-persamaan ini dapat ditetapkan nilai sebarang untuk
variabel bebas , misalnya , yang selanjutnya akan menentukan nilai
variabel-variabel utama , dan . Jadi akan terdapat tak terhingga
banyaknya solusi dengan solusi umumnya dinyatakan dalam rumus-rumus
21
1 4 , 6 2 , 2 3 ,
Nilai-nilai sebarang yang ditetapkan untuk variabel-variabel bebas
biasanya disebut parameter.
Definisi 2.2.7
Suatu sistem persamaan linear disebut homogen jika semua bentuk
konstantanya adalah 0, yaitu sistem ini memiliki bentuk
0
0
0
Setiap sistem persamaan linear homogen adalah konsisten karena semua
sistem tersebut memiliki solusi 0, 0, … , 0. Solusi ini disebut
solusi trivial. Jika tedapat solusi lain, maka solusi-solusi yang bukan trivial
disebut solusi nontrivial.
Contoh 2.2.2
Selesaikan sistem persamaan linear homogen berikut
2 2 0
22
2 3 0
2 0
0
Penyelesaian:
Matriks yang diperbesar untuk sistem tersebut adalah
21
10
21
10
122
1
03
01
111
1
0000
Dengan mereduksi matriks tersebut menjadi bentuk eselon baris, diperoleh
1 1 0 0 1 00 0 1 0 1 00 0 0 1 0 00 0 0 0 0 0
Sistem persamaan yang bersesuaian adalah
0
0
0
Dengan menyelesaikan variabel-variabel utama diperoleh
0
Jadi, solusi umumnya adalah
, , , 0, .
Perhatikan bahwa solusi trivial diperoleh jika 0.
23
Teorema 2.2.1
Suatu sistem persamaan linear homogen dengan jumlah faktor yang tidak
diketahui lebih banyak dari jumlah persamaan, memiliki tak terhingga
banyaknya solusi.
Bukti:
Pada contoh 2.2.2 menggambarkan dua hal penting dalam penyelesaian sistem
persamaan linear homogen. Pertama, tidak satu pun dari ketiga operasi baris
elementer mengubah nol terakhir pada matriks yang diperbesar, sehingga
sistem persamaan yang bersesuaian dengan bentuk eselon baris tereduksi dari
matriks yang diperbesar juga harus merupakan sistem yang homogen. Kedua,
tergantung apakah bentuk eselon baris tereduksi dari matriks yang diperbesar
memiliki suatu baris nol, jumlah persamaan dalam sistem yang tereduksi akan
sama atau lebih sedikit dari jumlah persamaan dalam sistem aslinya. Jadi, jika
suatu sistem homogen memiliki persamaan dengan faktor yang tidak
diketahui, dimana , dan jika di dalam bentuk eselon baris tereduksi dari
matriks yang diperbesar terdapat baris tak nol, maka akan diperoleh .
Selanjutnya sistem persamaan yang bersesuaian dengan bentuk eselon baris
tereduksi dari matriks yang diperbesar akan memiliki bentuk
… ∑ 0
… ∑ 0
…
24
… ∑ 0
dimana , , … , adalah variabel-variabel utama dan ∑ menotasikan
jumlah-jumlah yang melibatkan variabel-variabel bebas . Dengan
menyelesaikan variabel-variabel utama akan menghasilkan
∑
∑
∑
Seperti dalam contoh 2.2.2, dapat ditetapkan nilai-nilai sebarang untuk
variabel-variabel bebas pada sisi kanan sehingga didapatkan tak terhingga
banyaknya solusi untuk sistem tersebut.
∎
C. Ruang Vektor atas Lapangan Berhingga
Definisi 2.3.1
Andaikan lapangan berhingga dengan orde . Suatu himpunan tak kosong
, dilengkapi penjumlahan dan perkalian skalar dengan elemen di disebut
ruang vektor atas jika memenuhi semua kondisi di bawah ini:
Untuk semua , , dan , :
i)
ii)
25
iii) Terdapat elemen 0 dengan sifat 0 0 untuk semua
iv) Untuk setiap terdapat elemen di , disebut – sedemikian hingga
0
v)
vi)
vii)
viii)
ix)
x) Jika 1 adalah elemen identitas terhadap perkalian di , maka 1
Contoh 2.3.1
Misalkan himpunan semua vektor yang panjangnya dengan entri-entri di
sebagai berikut:
, , … ,
Didefinisikan penjumlahan vektor untuk secara per komponen,
menggunakan penjumlahan yang didefinisikan pada , sedemikian hingga,
jika
, , … , dan , , … ,
maka
, , … , .
26
Didefinisikan juga perkalian skalar untuk secara per komponen,
sedemikian hingga, jika
, , … , dan
maka
, , … , .
Notasi merupakan vektor nol 0,0, … ,0 .
Pada akhirnya, dapat ditunjukkan bahwa memenuhi semua aksioma ruang
vektor. Jadi, merupakan suatu ruang vektor.
Kadang kala vektor , , … , dinyatakan secara sederhana
sebagai … .
Contoh 2.3.2
Misalkan terdiri dari suatu elemen tunggal, yang dinotasikan dengan 0, dan
didefinisikan
0 0 0 dan 0 0
untuk semua skalar . Dapat ditunjukkan bahwa semua aksioma ruang vektor
dipenuhi oleh . Ruang vektor ini disebut sebagai ruang vektor nol dan ditulis
0 .
27
Definisi 2.3.2
Suatu himpunan bagian tak kosong dari ruang vektor disebut ruang
bagian dari jika sendiri merupakan ruang vektor terhadap penjumlahan
vektor dan perkalian skalar yang sama seperti di .
Teorema 2.3.1
Himpunan bagian tak kosong dari ruang vektor atas adalah ruang
bagian dari bila dan hanya bila:
i) Jika dan adalah vektor-vektor di , maka berada di .
ii) Jika di dan sebarang vektor pada , maka berada pada .
Bukti:
Jika adalah suatu ruang bagian dari ruang vektor atas , maka semua
aksioma ruang vektor terpenuhi, khususnya aksioma 1 dan 6 berlaku. Tetapi
aksioma-aksioma ini secara tepat adalah syarat (i) dan (ii).
Sebaliknya, diasumsikan syarat (i) dan (ii) berlaku. Karena syarat-
syarat ini merupakan aksioma 1 dan 6 dari ruang vektor, maka hanya perlu
ditunjukkan bahwa memenuhi kedelapan aksioma lainnya. Aksioma 2, 5, 7,
8, 9 dan 10 secara otomatis terpenuhi oleh vektor-vektor pada karena
aksioma-aksioma tersebut terpenuhi oleh semua vektor pada . Oleh karena
itu, untuk melengkapi bukti, hanya perlu dibuktikan bahwa aksioma 3 dan 4
terpenuhi oleh vektor-vektor pada .
28
Misalkan adalah sebarang vektor pada . Menurut syarat (ii),
berada pada untuk setiap skalar . Dengan mengatur 0 diperoleh
0 0 berada pada . Dan dengan mengatur 1, maka 1
berada pada .
∎
Suatu himpunan bagian tak kosong dari ruang vektor atas
disebut tertutup terhadap penjumlahan jika syarat (i) pada teorema 2.3.1
berlaku, dan dikatakan tertutup terhadap perkalian jika syarat (ii) berlaku.
Jadi, teorema 2.3.1 menyatakan bahwa adalah ruang bagian dari ruang
vektor atas bila dan hanya bila tertutup terhadap penjumlahan dan
tertutup terhadap perkalian skalar.
Definisi 2.3.3
Jika adalah suatu sistem persamaan linear, maka setiap vektor yang
memenuhi persamaan ini disebut sebagai vektor solusi dari sistem tersebut.
Vektor-vektor solusi dari suatu sistem linear yang homogen membentuk ruang
vektor yang disebut ruang solusi dari sistem tersebut.
Definisi 2.3.4
Dimisalkan ruang vektor atas . Kombinasi linear dari , , … ,
29
adalah vektor berbentuk dimana , , … ,
adalah skalar.
Definisi 2.3.5
Dimisalkan ruang vektor atas . Suatu himpunan vektor-vektor
, , … , di bebas linear jika
0 0.
Himpunan vektor-vektor di dikatakan bergantung linear jika himpunan
tersebut tidak bebas linear, yaitu jika terdapat , , … , , tidak semua
nol, sedemikian hingga 0.
Definisi 2.3.6
Andaikan ruang vektor atas dan , , … , adalah himpunan
bagian tak kosong dari . Rentang dari didefinisikan sebagai berikut
| .
Jika , didefinisikan 0 .
Teorema 2.3.2
adalah ruang bagian dari ruang vektor .
Bukti:
30
Menurut Teorema 2.3.1, adalah ruang bagian dari bila dan hanya
bila tertutup terhadap penjumlahan dan tertutup terhadap perkalian
skalar. Berdasarkan Definisi 2.3.5, merupakan himpunan semua
kombinasi linear dari elemen-elemen di dimana . Oleh karena itu,
tertutup terhadap penjumlahan dan perkalian skalar. Jadi,
merupakan ruang bagian dari ruang vektor .
∎
Teorema 2.3.3
Jika ruang bagian dari , maka .
Bukti:
Diketahui : ruang bagian dari
Dibuktikan :
Harus ditunjukkan dan
Andai : , , … ,
Akan dibuktikan:
Misal:
Maka dapat dinyatakan dalam bentuk kombinasi linear sebagai berikut
dimana , untuk semua 1,2, … , .
Karena adalah ruang bagian dari , maka hasil jumlahan dari elemen-
elemen di juga berada di . Jadi .
31
Akan dibuktikan:
Misal :
Maka dapat dinyatakan sebagai berikut
0 0 1 0
Dengan kata lain, dapat dinyatakan sebagai kombinasi linear dari
elemen-elemen di . Berdasarkan definisi rentang, maka .
Jadi, karena dan , maka .
∎
Contoh 2.3.3
Jika 2 dan 0001, 0010, 0100 , maka
0000, 0001, 0010, 0100, 0011, 0101, 0110, 0111 .
Definisi 2.3.7
Andaikan ruang vektor atas . Himpunan bagian tak kosong
, , … , dari disebut basis untuk jika dan bebas
linear.
Teorema 2.3.4
Jika , , … , adalah basis dari , maka setiap vektor dapat
dinyatakan sebagai kombinasi linear dari vektor-vektor di tepat dengan satu
cara sedemikian hingga
32
untuk , , … , .
Bukti:
Karena adalah basis dari , maka bebas linear dan merentang . Dengan
demikian, setiap vektor pada dapat dinyatakan sebagai kombinasi linear
dari vektor-vektor pada . Untuk melihat bahwa hanya terdapat satu cara
untuk menyatakan suatu vektor sebagai suatu kombinasi linear dari vektor-
vektor pada , dimisalkan vektor dapat ditulis sebagai
dan juga sebagai
.
Dengan mengurangkan persamaan kedua dengan persamaan pertama
menghasilkan
0 .
Karena ruas kanan dari persamaan di atas adalah suatu kombinasi linear dari
vektor-vektor pada dan bebas linear, maka diperoleh
0, 0, … , 0
berarti
, , … ,
Jadi, setiap vektor hanya dapat dinyatakan dalam bentuk
tepat dengan satu cara. ∎
33
Definisi 2.3.8
Suatu ruang vektor tak nol disebut berdimensi terhingga jika terdiri dari
himpunan terhingga vektor-vektor , , … , yang membentuk suatu
basis. Jika tidak terdapat himpunan semacam ini, disebut sebagai
berdimensi takterhingga.
Teorema 2.3.5
Misalkan adalah suatu ruang vektor berdimensi terhingga dan
, , … , adalah basis sebarang.
a. Jika suatu himpunan memiliki vektor lebih dari , maka himpunan
tersebut bersifat tidak bebas linear.
b. Jika suatu himpunan memiliki vektor kurang dari , maka himpunan
tersebut bersifat merentang .
Bukti:
a. Misalkan , , … , adalah himpunan sebarang yang terdiri
dari vektor pada , dimana . Akan ditunjukkan bahwa tidak
bebas linear. Karena , , … , adalah suatu basis, maka setiap
dapat dinyatakan sebagai kombinasi linear dari vektor-vektor pada ,
misalkan
(2.3)
34
Untuk menunjukkan bahwa tidak bebas linear, harus ditunjukkan
terdapat skalar-skalar , , … , yang tidak semuanya nol, sedemikian
hingga
0 (2.4)
Dengan menggunakan persamaan-persamaan pada (2.3), maka persamaan
(2.4) dapat ditulis kembali sebagai berikut
0
Jadi, dari kebebasan linear dari , masalah pembuktian bahwa adalah
himpunan tidak bebas linear hanya menjadi pembuktian bahwa terdapat
skalar-skalar , , … , yang tidak semuanya nol, yang memenuhi
0
0 (2.5)
0
35
Tetapi (2.5) memiliki lebih banyak faktor yang tidak diketahui dibanding
jumlah persamaannya, sehingga berdasarkan teorema 2.2.1 terdapat
solusi-solusi nontrivial.
b. Misalkan , , … , adalah himpunan sebarang yang terdiri
dari vektor pada , dimana . Akan ditunjukkan bahwa tidak
merentang . Pembuktiannya akan dilakukan dengan menggunakan
kontradiksi, yaitu dengan mengasumsikan merentang .
Jika merentang , maka setiap vektor pada adalah kombinasi linear
dari vektor-vektor pada . Khususnya, setiap vektor basis adalah
kombinasi linear dari vektor-vektor pada , misalnya
(2.6)
Untuk memperoleh kontradiksi, akan ditunjukkan bahwa terdapat skalar
, , … , yang tidak semuanya nol sedemikian hingga
0 (2.7)
Tetapi perhatikan bahwa (2.6) dan (2.7) memiliki bentuk yang sama
dengan (2.3) dan (2.4) kecuali bahwa dan dipertukarkan dan
demikian pula untuk dan -nya. Jadi diperoleh
0
36
0
0
Sistem linear ini memiliki lebih banyak faktor yang tidak diketahui
disbanding jumlah persamaannya. Oleh karena itu, menurut teorema 2.2.1
sistem tersebut memiliki solusi-solusi nontrivial.
∎
Teorema 2.3.6
Semua basis untuk ruang vektor berdimensi terhingga memiliki jumlah vektor
yang sama.
Bukti:
Berdasarkan teorema 2.3.4, jika , , … , adalah basis sebarang
untuk ruang vektor , maka semua himpunan pada yang merentang dan
bebas linear harus memiliki tepat vektor. Jadi, semua basis untuk harus
memiliki jumlah vektor yang sama dengan basis sebarang .
∎
Definisi 2.3.9
Banyaknya vektor dalam himpunan basis dari ruang vektor disebut dimensi
dari dan dinotasikan dim . Selain itu, ruang vektor nol didefinisikan
sebagai berdimensi nol.
37
Teorema 2.3.7
Misalkan ruang vektor atas . Jika dim , maka
i) memiliki elemen.
ii) memiliki !∏ basis yang berbeda.
Bukti:
i) Jika , , … , adalah basis untuk , maka
, , … , .
Karena , maka terdapat pilihan untuk setiap , , … , . Oleh
karena itu, memiliki banyaknya elemen.
ii) Dimisalkan , , … , basis untuk . Karena 0, maka
terdapat 1 pilihan untuk . Untuk suatu basis, maka
. Jadi ada pilihan untuk . Dengan cara yang sama,
untuk setiap sedemikian hingga 2, , , … , ,
maka terdapat pilihan untuk . Oleh karena itu, terdapat
∏ urutan yang berbeda dari -tupel , , … , . Karena
urutan dari , , … , tidak diperhitungkan untuk suatu basis, maka
jumlah basis yang berbeda untuk adalah !∏ .
∎
Definisi 2.3.10
Andaikan , , … , , , , … , .
38
i) Hasil kali titik dari dan didefinisikan sebagai
.
ii) Dua vektor dan dikatakan ortogonal jika 0.
iii) Dimisalkan himpunan bagian tak kosong dari . Komplemen ortogonal
dari didefinisikan
0 .
Jika , maka .
Teorema 2.3.8
Jika merupakan ruang bagian dari ruang vektor untuk setiap himpunan
bagian dari , maka .
Bukti:
Jelas dipenuhi berdasarkan teorema 2.3.3.
∎
Contoh 2.3.4
i) Misal 2 dan 4. Jika 1111 , 1110 , 1001 ,
maka
1 1 1 1 1 1 1 0 1,
1 1 1 0 1 0 1 1 0,
1 1 1 0 1 0 0 1 1.
39
Jadi, dan ortogonal.
ii) Misal 2 dan 0100, 0101 . Untuk menentukan , diandaikan
. Maka
0100 0 0,
0101 0 0.
Jadi diperoleh 0. Karena dan dapat 0 atau 1, maka dapat
disimpulkan bahwa
0000, 1000, 0010, 1010 .
Definisi 2.3.11
Jika adalah suatu matriks , maka ruang bagian yang direntang oleh
vektor-vektor baris dari disebut ruang baris dari dan ruang bagian yang
direntang oleh vektor-vektor kolom dari disebut ruang kolom dari . Ruang
solusi dari sistem persamaan yang homogen 0 disebut ruang nul dari .
Teorema 2.3.9
Suatu persamaan linear adalah konsisten bila dan hanya bila berada
pada ruang kolom dari .
Bukti:
Misalkan
40
……
… dan
Jika , , … , menotasikan vektor-vektor kolom dari , maka hasilkali
dapat dinyatakan sebagai suatu kombinasi linear dari vektor-vektor kolom
tersebut dengan koefisien-koefisien dari , yaitu
(2.8)
Jadi, suatu sistem linear yang terdiri dari persamaan dengan
variabel dapat ditulis sebagai
(2.9)
Dimana disimpulkan bahwa adalah konsisten bila dan hanya bila
dapat dinyatakan sebagai kombinasi linear dari vektor-vektor kolom dari ,
atau secara ekivalen, bila dan hanya bila berada pada ruang kolom dari .
∎
Teorema 2.3.10
Operasi baris elementer tidak mengubah ruang nul suatu matriks.
Bukti:
Pada bagian awal telah diperkenalkan mengenai operasi baris elementer
dengan tujuan untuk menyelesaikan sistem linear, dan kemudian diketahui
bahwa melakukan operasi baris elementer terhadap suatu matriks yang
diperbesar tidak mengubah himpunan solusi dari sistem linear yang
bersesuaian. Ini berarti bahwa penerapan suatu operasi baris elementer
41
terhadap suatu matriks tidak mengubah himpunan solusi dari sistem linear
0 yang bersesuaian, atau dengan kata lain, tidak mengubah ruang nul
dari .
∎
Teorema 2.3.11
Operasi baris elementer tidak mengubah ruang baris suatu matriks.
Bukti:
Misalkan vektor-vektor baris dari matriks adalah , , … , , dan misalkan
diperoleh dari dengan melakukan suatu operasi baris elementer. Akan
ditunjukkan bahwa setiap vektor pada ruang baris dari juga terdapat pada
ruang baris dari , dan sebaliknya setiap vektor pada ruang baris dari juga
terdapat pada ruang baris dari .
Perhatikan kemungkinan berikut: jika operasi baris merupakan pertukaran
baris, maka dan memiliki vektor baris yang sama dan sebagai
konsekuensinya memiliki ruang baris yang sama. Jika operasi baris
merupakan perkalian dari suatu dengan suatu skalar tak nol atau penjumlahan
dari kelipatan satu baris dengan lainnya, maka vektor-vektor baris
, , … , dari adalah kombinasi linear dari , , … , . Jadi, vektor-
vektor tersebut terletak pada ruang baris dari . Oleh karena itu, setiap vektor
pada ruang baris dari berada pada ruang baris dari .
42
Karena diperoleh dari dengan melakukan suatu operasi baris, dapat
diperoleh dari dengan melakukan operasi inversnya. Jadi, argumentasi di
atas menunjukkan bahwa ruang baris dari terletak pada ruang baris dari .
∎
Teorema 2.3.12
Jika dan adalah matriks-matriks yang ekivalen baris, maka:
a. Suatu himpunan vektor-vektor kolom tertentu dari adalah bebas
linear bila dan hanya bila vektor-vektor kolom yang bersesuaian dari
adalah bebas linear.
b. Suatu himpunan vektor-vektor kolom tertentu dari membentuk suatu
basis untuk ruang kolom dari bila dan hanya bila vektor-vektor
kolom yang bersesuaian dari membentuk suatu basis untuk ruang
kolom dari .
Bukti:
a. Akan ditunjukkan bahwa hubungan kebebasan linear atau
ketidakbebasan linear yang terdapat diantara vektor-vektor kolom
sebelum dilakukan suatu operasi baris juga akan berlaku untuk kolom-
kolom yang bersesuaian pada matriks yang dihasilkan dari operasi
tersebut. Misalkan suatu matriks diperoleh dengan melakukan suatu
operasi baris elementer pada suatu matriks , . Berdasarkan
teorema 2.3.10, kedua sistem linear homogen
43
0 dan 0
memiliki himpunan solusi yang sama. Jadi, sistem pertama memiliki
solusi nontrivial bila dan hanya bila hal yang sama berlaku untuk
sistem yang kedua. Tetapi jika vektor-vektor kolom dari dan
berturut-turut adalah
, , … , dan , , … ,
Maka menurut persamaan 2.8, kedua sistem tersebut dapat ditulis
kembali sebagai
0 (2.10)
Dan
0 (2.11)
Jadi, persamaan 2.10 memiliki solusi nontrivial untuk , , … ,
bila dan hanya bila hal yang sama berlaku untuk persamaan 2.11. Ini
mengimplikasikan bahwa vektor-vektor kolom dari adalah bebas
linear bila dan hanya bila hal yang sama berlaku untuk .
b. Menurut (a), vektor-vektor kolom dari bebas linear bila dan hanya
bila vektor-vektor kolom yang bersesuaian dari bebas linear.
Menurut persamaan 2.10 dan 2.11, vektor-vektor kolom dari dapat
dinyatakan sebagai suatu kombinasi linear. Jadi, vektor-vektor kolom
dari dan bersifat merentang. Oleh karena itu, vektor-vektor kolom
dari membentuk suatu basis untuk ruang kolom dari bila dan
44
hanya bila vektor-vektor kolom yang bersesuaian dari juga
membentuk basis untuk ruang kolom dari .
∎
Teorema 2.3.13
Jika dan adalah matriks-matriks yang ekivalen baris, maka:
a. Vektor-vektor baris dengan 1 utama (yaitu vektor-vektor baris tak
nol) membentuk suatu basis untuk ruang baris dari ,
b. Vektor-vektor kolom dengan 1 utama dari vektor-vektor baris
membentuk suatu basis untuk ruang kolom dari .
Bukti:
a. Menurut teorema 2.3.11, operasi baris elementer tidak mengubah
ruang baris suatu matriks. Oleh karena itu, dan memiliki ruang
baris yang sama. Misalkan diketahui matriks adalah matriks eselon
berukuran yang diperoleh dari dengan melakukan operasi
baris elementer. Dimisalkan pula vektor baris pertama dari adalah
vektor-vektor baris tak nol sebagai berikut
0
0
0
0
0
0
0
……
…
… 0
Vektor-vektor baris dari adalah
, , … ,
45
0, , … ,
0,0, … ,
Akan ditunjukkan bahwa vektor baris tak nol tersebut bebas linear.
Untuk itu harus dicari konstanta-konstanta , , … , dari persamaan
0
atau
, , … , 0,0, … ,0
Dilihat komponen pertama menghasilkan 0. Kemudian
komponen kedua, yaitu , karena 0 maka 0.
Dengan cara yang sama dapat dicari konstanta-konstanta berikutnya
hingga konstanta ke- , yaitu 0. Ini berarti bahwa vektor-vektor
tersebut bebas linear. Karena vektor baris dari membangun ruang
baris dari , maka vektor baris dari juga membangun ruang baris
dari . Jadi, ruang baris dari dan mempunyai dimensi , atau rank
baris dari matriks dan sama dengan .
b. Misalkan dan adalah matriks-matriks yang ekivalen baris dengan
ukuran . Misalkan pula bahwa matriks eselon dengan
vektor baris tak nol, yaitu baris-baris yang memuat 1 utama.
46
Akan ditunjukkan bahwa dimensi ruang kolom dari matriks adalah
. Karena dan dua matriks yang ekivalen, maka dua sistem
persamaan linear homogen
0 dan 0
mempunyai himpunan solusi yang sama.
Misalkan , , … , adalah vektor-vektor kolom dari dan
, , … , adalah vektor-vektor kolom dari . Jika
, , … , , maka
Karena memenuhi kedua persamaan di atas atau tidak memenuhi
kedua persamaan, maka
0
bila dan hanya bila
0
Dengan demikian, setiap bentuk bergantung linear dari vektor kolom
di , vektor kolom yang berkaitan di juga bergantung linear, dengan
koefisien yang sama. Khususnya untuk vektor kolom dari yang
memuat 1 utama adalah bebas linear, vektor kolom yang berkaitan
dari juga bebas linear. Karena vektor kolom dari membangun
ruang kolom dari , maka vektor kolom yang berkaitan dari juga
47
membangun ruang kolom dari . Oleh karena itu, ruang kolom dari
mempunyai dimensi , atau rank kolom dari matriks sama dengan .
∎
Teorema 2.3.14
Jika adalah suatu matriks sebarang, maka ruang baris dan ruang kolom dari
memiliki dimensi yang sama.
Bukti:
Misalkan adalah bentuk eselon baris sebarang dari . Berdasarkan teorema
2.3.10, maka
dim (ruang baris dari dim (ruang baris dari
dan menurut teorema 2.3.11 b, maka
dim (ruang kolom dari dim (ruang kolom dari
jadi, bukti ini akan menjadi sempurna jika dapat ditunjukkan bahwa ruang
baris dan ruang kolom dari memiliki dimensi yang sama. Tetapi dimensi
ruang baris dari adalah banyaknya baris tak nol dan dimensi ruang kolom
dari adalah banyaknya kolom yang mengandung 1 utama (teorema 2.3.12).
Akan tetapi, baris-baris tak nol tepatnya merupakan baris-baris dimana
terdapat 1 utama, sehingga banyaknya 1 utama dan banyaknya baris tak nol
adalah sama. Hal ini menunjukkan bahwa ruang baris dan ruang kolom dari
memiliki dimensi yang sama.
∎
48
Definisi 2.3.12
Dimensi dari ruang baris dan ruang kolom dari suatu matriks disebut rank
dari dan dinyatakan sebagai rank( ). Dimensi ruang nul dari disebut
sebagai nulitas dari dan dinyatakan sebagai nulitas( ).
Contoh 2.3.5
Tentukan rank dan nulitas dari matriks
1324
2759
0222
4044
5164
3417
Penyelesaian:
Bentuk eselon baris tereduksi dari adalah
1000
0100
42
00
281200
371600
13500
(1)
Karena terdapat dua baris tak nol (atau secara ekivalen, dua 1 utama), ruang
baris dan ruang kolomnya berdimensi dua, sehingga rank( 2. Untuk
menentukan nulitas dari , harus ditentukan dimensi dari ruang solusi sistem
linear 0. Sistem ini dapat diselesaikan dengan mereduksi matriks yang
diperbesar menjadi bentuk eselon baris tereduksi. Matriks yang dihasilkan
akan identik dengan (1), kecuali dengan tambahan satu kolom nol terakhir,
dan sistem persamaan yang bersesuaian adalah
4 28 37 13 0
49
2 12 16 5 0
Atau, untuk menyelesaikan variabel-variabel utama
4 28 37 13
2 12 16 5
Maka solusi umum dari sistem tersebut adalah
4 28 37 13
2 12 16 5 (2)
Atau secara ekivalen
421000
28120100
37160010
135
0001
(3)
Keempat vektor pada ruas kanan (3) membentuk basis untuk ruang solusi,
sehingga nulitas 4.
Teorema 2.3.15
Jika adalah suatu matriks dengan kolom, maka
50
Bukti:
Karena memiliki kolom, maka sistem linear homogen 0 memiliki
variabel. Variabel ini terbagi dalam dua kategori, variabel utama dan variabel
bebas. Jadi,
Tetapi banyaknya variabel utama adalah sama dengan banyaknya 1 utama di
dalam bentuk eselon baris tereduksi dari , dan angka ini merupakan rank dari
. Jadi,
Banyaknya variabel bebas sama dengan nulitas dari . Hal ini terjadi karena
nulitas dari adalah dimensi ruang solusi dari 0, yang sama dengan
banyaknya parameter pada solusi umum, yang sama dengan banyaknya
variabel bebas. Jadi,
∎
Dengan kata lain, teorema di atas menyatakan bahwa dimensi dari
ruang solusi sistem homogen 0 adalah , dimana adalah
banyaknya variabel dan adalah rank dari matriks koefisien . Teorema di
atas menunjukkan hubungan penting antara rank dan nulitas suatu matriks.
51
Teorema 2.3.16
Andaikan himpunan bagian dari , maka
dim dim .
Bukti:
Misal dim 1 dan , , … , basis dari . Akan
ditunjukkan dim dim . Ingat bahwa bila dan
hanya bila
0,
yang sama artinya memenuhi 0, dimana adalah matriks
yang baris ke- nya adalah . Untuk lebih jelasnya, perhatikan sistem
persamaan di bawah ini:
0
0
0
Dapat diubah menjadi
……
…
00
0
Baris-baris di bebas linear, jadi 0 adalah sistem linear dari
persamaan bebas linear pada variabel. Berdasarkan teorema 2.3.15, sistem
tersebut merupakan ruang solusi berdimensi . ∎
52
BAB III
PENGURAIAN DAN PENGELOLAAN KESALAHAN,
KODE LINEAR
A. Penguraian dan Pengelolaan Kesalahan
3.1.1 Saluran Komunikasi
Definisi 3.1.1.1
Alfabet kode adalah suatu himpunan , , … , berukuran ,
dimana merupakan bilangan bulat positif yang disebut simbol kode.
i) Kata q-ary dengan panjang atas adalah suatu barisan
… dimana untuk semua . Sama artinya, dapat
dipandang sebagai vektor , , … , .
ii) Kode blok q-ary dengan panjang atas adalah suatu himpunan tak
kosong dari kata -ary yang memiliki panjang sama dengan .
iii) Elemen dari disebut kata kode di .
iv) Jumlah dari kata kode di , dinotasikan dengan | |, disebut ukuran
dari .
v) Suatu kode blok dengan panjang dan ukuran dinyatakan sebagai
kode , .
53
Pada kenyataannya, kode alfabet yang akan digunakan merupakan
lapangan berhingga dengan order .
Contoh 3.1.1.1
Suatu kode atas kode alfabet 0,1 disebut kode biner, simbol
kode untuk kode biner adalah 0 dan 1. Beberapa contoh kode biner
yaitu:
1. 00, 01, 10, 11 adalah kode 2,4 .
2. 000, 011, 101, 111 adalah kode 3,4 .
3. 0011, 0101, 1010, 1100, 1001, 0110 adalah kode 4,6 .
Definisi 3.1.1.2
Saluran komunikasi adalah suatu himpunan yang terdiri dari alfabet
saluran berhingga , , … , dengan probabilitas saluran
pengiriman Ƥ memenuhi
Ƥ 1
untuk semua .
54
Definisi 3.1.1.3
Suatu saluran komunikasi disebut tanpa memori jika hasil dari setiap
satu pengiriman tidak bergantung dengan hasil pengiriman sebelumnya,
sedemikian hingga jika … dan … adalah kata
yang panjangnya , maka
Ƥ | Ƥ |
Definisi 3.1.1.4
Saluran simetri q-ary adalah saluran tanpa memori yang memiliki
saluran alfabet berukuran sedemikian hingga
i) Setiap simbol yang dikirim memiliki probabilitas sama 1 2⁄
dari simbol yang diterima dengan kesalahan.
ii) Jika suatu simbol diterima dengan kesalahan, maka setiap 1
kesalahan yang mungkin terjadi memiliki kemungkinan yang sama.
Secara khusus, saluran simetri biner (SSB) merupakan saluran tanpa
memori yang memiliki saluran alphabet 0,1 dan saluran probabilitas
Ƥ 1 |0 Ƥ 0 |1
Ƥ 0 |0 Ƥ 1 |1 1
55
Jadi, probabilitas dari setiap bit kesalahan pada saluran simetri biner
adalah , disebut probabilitas penyeberangan jalan dari saluran
simetri biner.
Contoh 3.1.1.2
Andaikan kata kode dari kode 000, 111 akan dikirim melalui SSB
dengan probabilitas penyeberangan jalan 0,05. Misalkan kata 110
diterima. Di-sini akan dicoba untuk menemukan kata kode yang paling
mungkin dikirim dengan menghitung saluran probabilitas pengiriman:
Ƥ 110 |000
Ƥ 1 |0 Ƥ 0 |0
0,05 0,95
0,002375
Ƥ 110 |111
Ƥ 1 |1 Ƥ 0 |1
0,95 0,05
0,045125
Karena probabilitas yang kedua lebih besar dari pada yang pertama,
dapat di-simpulkan bahwa 111 adalah kata kode yang lebih mungkin
dikirim.
56
3.1.2 Penguraian Kemungkinan Maksimum
Pada saluran komunikasi dengan kode, hanya kata kode yang akan
dikirim. Diandaikan kata diterima. Dalam hal ini, diketahui bahwa
kesalahan mungkin saja terjadi. Oleh karena itu, dibutuhkan suatu aturan
untuk dapat menemukan kata kode yang mungkin dikirim. Aturan
seperti itu disebut sebagai aturan penguraian.
Definisi 3.1.2.1
Andaikan kata kode dari kode akan dikirim melalui saluran
komunikasi. Jika kata diterima, maka akan dihitung probabilitas
saluran pengiriman
Ƥ |
untuk semua kata kode . Aturan penguraian kemungkinan
maksimum akan menyimpulkan bahwa adalah kata kode yang paling
mungkin dikirim jika memiliki probabilitas saluran pengiriman paling
besar, sedemikian hingga:
Ƥ | Ƥ |
Aturan penguraian kemungkinan maksimum terdiri dari dua jenis, yaitu:
1. Penguraian kemungkinan maksimum lengkap. Jika kata diterima,
akan dicari kata kode yang paling mungkin dikirim. Jika terdapat
57
lebih dari satu kata kode yang memiliki probabilitas paling besar,
maka dipilih satu diantaranya.
2. Penguraian kemungkinan maksimum tak lengkap. Jika kata
diterima, akan dicari kata kode yang paling mungkin dikirim. Jika
terdapat lebih dari satu kata kode yang memiliki probabilitas paling
besar, maka dilakukan pengiriman ulang.
3.1.3 Jarak Hamming
Misalkan kata kode dari suatu kode akan dikirim melalui SSB dengan
probabilitas penyeberangan 1 2⁄ . Jika kata diterima, maka untuk
setiap kata kode probabilitas saluran pengirimannya diberikan
sebagai berikut
Ƥ | 1
dimana adalah panjang dari , dan adalah jumlah kedudukan dimana
dan berbeda. Karena 1 2⁄ , berarti 1 , jadi
probabilitasnya bernilai besar untuk nilai yang besar dari , atau
untuk nilai yang kecil dari . Oleh karena itu, probabilitasnya
dimaksimumkan dengan pemilihan kata kode dan sekecil mungkin.
58
Definisi 3.1.3.1
Andaikan dan kata dengan panjang atas alfabet . Jarak Hamming
dari ke , dinotasikan , , didefinisikan sebagai jumlah tempat
dimana dan berbeda. Jika … dan … , maka
, , , , (3.1)
dimana dan dianggap sebagai kata yang panjangnya 1, dan
, 1 0
Contoh 3.1.3.1
Misalkan 0,1 dan andaikan 01010, 01101, 11101.
Maka
, 3
, 1
, 4
Teorema 3.1.3.1
Andaikan , , kata yang panjangnya atas . Maka
i) 0 ,
ii) , 0 bila dan hanya bila
iii) , ,
iv) , , ,
59
Bukti:
Untuk (i), (ii) dan (iii) jelas terpenuhi berdasarkan definisi jarak
Hamming diatas. Berikut ini akan dibuktikan sifat keempat dengan
menggunakan persamaan (3.1) di atas. Jika , maka (iv) jelas benar
karena , 0. Jika , maka atau . Jadi (iv) benar.
∎
3.1.4 Penguraian Jarak Minimum
Definisi 3.1.4.1
Andaikan kata kode dari kode akan dikirim melalui saluran
komunikasi. Jika kata diterima, aturan penguraian jarak minimum
akan menguraikan menjadi jika , paling kecil diantara
semua kata kode di , sedemikian hingga
, , (3.2)
Sama seperti penguraian kemungkinan maksimum, aturan penguraian
jarak minimum juga dibedakan menjadi dua yaitu penguraian lengkap
dan tak lengkap. Untuk suatu kata yang diterima, jika dua atau lebih
kata kode memenuhi persamaan (3.2) di atas, maka aturan penguraian
lengkap memilih satu diantaranya sebagai kata yang paling mungkin
60
dikirim, sedangkan aturan penguraian tak lengkap meminta dilakukan
pengiriman ulang.
Teorema 3.1.4.1
Untuk SSB dengan probabilitas penyeberangan 1 2⁄ , aturan
penguraian kemungkinan maksimum sama dengan aturan penguraian
jarak minimum.
Bukti:
Misalkan merupakan kode yang digunakan dan adalah kata yang
diterima (dengan panjang ). Untuk setiap vektor yang panjangnya ,
dan untuk setiap 0 ,
, Ƥ | 1
Karena 1 2⁄ , maka
1 1 1 1
Berdasarkan definisi 3.1.2.1, aturan penguraian kemungkinan
maksimum menguraikan menjadi sehingga
Ƥ | adalah nilai yang terbesar, dengan kata lain
nilai , paling kecil. Jadi, aturan penguraian kemungkinan
maksimum sama dengan aturan penguraian jarak minimum.
∎
61
Mulai sekarang, diasumsikan bahwa semua SSB memiliki
probabilitas penyeberangan 1 2⁄ . Akibatnya, dapat digunakan
aturan penguraian jarak minimum untuk menunjukkan penguraian
kemungkinan maksimum.
Contoh 3.1.4.1
Misal 000, 0011, 1000, 1100, 0001, 1001 adalah suatu kode
biner. Kata kode di akan dikirim melalui SSB. Andaikan diterima
0111, maka
0111, 0000 3
0111, 0011 1
0111, 1000 4
0111, 1100 3
0111, 0001 2
0111, 1001 3
Dengan menggunakan aturan penguraian jarak minimum, diuraikan
menjadi 0011.
62
3.1.5 Jarak Suatu Kode
Definisi 3.1.5.1
Untuk suatu kode yang memuat paling tidak dua kata, jarak dari ,
dinotasikan , adalah
, | , ,
Definisi 3.1.5.2
Suatu kode dengan panjang , ukuran dan jarak dinyatakan sebagai
kode , , . Nilai , dan disebut parameter dari kode.
Contoh 3.1.5.1
Suatu kode biner 00000, 00111, 11111 . Maka 2 karena
00000, 00111 3
00000, 11111 5
00111, 11111 2
Jadi, adalah kode biner 5,3,2 .
Jarak suatu kode berhubungan dengan kemampuan deteksi
kesalahan dan koreksi kesalahan dari kode tersebut.
63
Definisi 3.1.5.3
Misal adalah bilangan bulat positif. Suatu kode mendeteksi u-
kesalahan jika perubahan setiap kata kode pada posisi tidak
menghasilkan kata kode yang lain. Kode tepat mendeteksi -
kesalahan jika mendeteksi -kesalahan tetapi tidak mendeteksi
1 -kesalahan.
Contoh 3.1.5.2
Kode biner 00000, 00111, 11111 mendeteksi 1-kesalahan
karena perubahan setiap kata kode pada satu posisi tidak menghasilkan
kata kode yang lain. Dengan kata lain,
00000 00111 membutuhkan perubahan tiga posisi
00000 11111 membutuhkan perubahan lima posisi
00111 11111 membutuhkan perubahan dua posisi
Jadi, tepat mendeteksi 1-kesalahan, dengan merubah dua posisi
pertama dari 00111 akan menghasilkan kata kode lainnya, yaitu 11111
(jadi bukan kode pendeteksi 2-kesalahan).
Teorema 3.1.5.1
Suatu kode adalah pendeteksi -kesalahan bila dan hanya bila
1,
64
dengan kata lain kode dengan jarak merupakan kode tepat pendeteksi
1 -kesalahan.
Bukti:
Diandaikan 1. Jika dan terdapat sedemikian
hingga 1 , , maka . Oleh karena itu,
pendeteksi -kesalahan.
Andaikan 1, dengan kata lain , maka
terdapat , sedemikian hingga 1 , . Oleh
karena itu, mulai dengan pemilihan dan kesalahan 1
sedemikian hingga menghasilkan kata , yaitu kata kode yang lain
di . Jadi, bukan kode pendeteksi -kesalahan.
∎
Definisi 3.1.5.4
Misal adalah bilangan bulat positif. Suatu kode adalah pengoreksi
-kesalahan jika penguraian jarak minimum mampu mengoreksi
kesalahan atau kurang, diasumsikan aturan penguraian tak lengkap
digunakan. Kode tepat mengoreksi -kesalahan jika mengoreksi -
kesalahan tetapi tidak mengoreksi 1 -kesalahan.
Contoh 3.1.5.3
Andaikan kode biner 000, 111 . Dengan menggunakan aturan
65
penguraian jarak minimum, dapat dilihat bahwa:
i) Jika 000 dikirim dan terjadi satu kesalahan pada pengiriman, maka
kata yang diterima 000, 010 atau 001 akan diuraikan menjadi 000.
ii) Jika 111 dikirim dan terjadi satu kesalahan pada pengiriman, maka
kata yang diterima 110, 101 atau 011 akan diuraikan menjadi 111.
Pada semua kasus, kesalahan tunggal akan diperbaiki. Oleh karena itu,
merupakan kode pengoreksi 1-kesalahan.
Jika terjadi paling sedikit dua kesalahan, aturan penguraian akan
menghasilkan kata kode yang salah. Sebagai contoh, jika 000 dikirim
dan 011 diterima, maka 011 akan diuraikan menjadi 111 menggunakan
aturan penguraian jarak minimum. Jadi, adalah kode pengoreksi tepat
1-kesalahan.
Teorema 3.1.5.2
Suatu kode adalah pengoreksi -kesalahan bila dan hanya bila
2 1, dengan kata lain kode dengan jarak merupakan kode
pengoreksi tepat 1 2⁄ -kesalahan. Disini, adalah bilangan
bulat terbesar kurang dari atau sama dengan .
Bukti:
(⇐) Diandaikan 2 1. Misal kata kode yang dikirim dan
kata yang diterima. Jika terjadi kesalahan atau kurang pada
66
pengiriman, maka , . Oleh karena itu, untuk setiap kata kode
, , maka
, , ,
2 1
1
,
Jadi, akan diuraikan menjadi jika aturan penguraian jarak minimum
digunakan. Ini menunjukkan bahwa adalah kode pengoreksi -
kesalahan.
(⇒) Andaikan pengoreksi -kesalahan. Jika 2 1, maka
terdapat kata kode yang berbeda , dengan , 2 .
Diklaim bahwa jika dikirim dan terjadi paling banyak -kesalahan,
maka penguraian jarak minimum akan menguraikan kata yang diterima
sebagai , atau jarak antara kata yang dikirim terhadap sama dengan
jarak antara kata yang diterima dengan . Akan ditunjukkan terdapat
kontradiksi dengan asumsi bahwa pengoreksi -kesalahan.
Jika , 1, maka akan diuraikan menjadi dengan paling
banyak -kesalahan, dan kesalahan tidak dapat dikoreksi karena juga
di . Jadi terdapat kontradiksi dengan asumsi bahwa pengoreksi -
kesalahan.
67
Selanjutnya diasumsikan bahwa dan berbeda tepat pada
posisi pertama, dimana 1 2 . Jika disimbolkan sebagai
berikut:
…
…
…
Jika adalah kata yang diterima, maka
, ,
Jadi, , , , pada kasus ini diuraikan sebagai , atau
, , .
∎
B. Kode Linear
3.2.1 Kode Linear
Definisi 3.2.1. 1
Kode linear dengan panjang atas adalah ruang bagian dari .
Definisi 3.2.1.2
Andaikan kode linear di .
i) Kode dual dari adalah
0,
68
ii) Dimensi dari kode linear adalah dimensi dari sebagai ruang
vektor atas , dinotasikan dim .
Teorema 3.2.1.1
Andaikan kode linear dengan panjang atas . Maka,
i) | |
ii) adalah kode linear dan dim dim
iii)
Bukti:
i) Jelas dipenuhi berdasarkan teorema 2.2.4.
ii) Menurut teorema 2.2.5 dan teorema 2.2.7 jelas dipenuhi pula.
iii) Untuk membuktikan maka harus ditunjukkan bahwa
. Misal . Untuk menunjukkan bahwa , harus
ditunjukkan 0 untuk semua . Karena dan ,
berdasarkan definisi , maka 0. Jadi .
∎
Kode linear yang panjangnya dan berdimensi atas
disebut kode -ary , atau, jika konteksnya jelas , dapat disebut
kode , . Dapat juga dinyatakan kode linear , . Jika jarak dari
kode diketahui , seringkali ditunjukkan sebagai kode linear , , .
69
Definisi 3.2.1.3
Misal adalah suatu kode linear.
i) self-orthogonal jika .
ii) self-dual jika .
Teorema 3.2.1.2
i) Dimensi dari suatu kode self-ortogonal dengan panjang harus
2⁄ .
ii) Dimensi dari kode self-dual dengan panjang adalah 2⁄ .
Bukti:
i) Berdasarkan definisi 3.2.1.3, kode self-orthogonal jika .
Berarti dim dim . Diandaikan dim 2⁄ . Menurut
teorema 3.2.1.1,
dim dim
dim dim
2⁄
Terdapat kontradiksi. Jadi dim harus 2⁄ .
ii) Berdasarkan definisi 3.2.1.3, kode self-dual jika . Berarti
dim dim . Diandaikan dim 2⁄ . Misal dim
2⁄ . Menurut teorema 3.2.1.1,
dim dim
70
dim dim
2⁄
Terdapat kontradiksi. Jadi dim 2⁄ .
∎
3.2.2 Bobot Hamming dari Kode Linear
Ingat bahwa jarak Hamming , antara dua kata , telah
dibahas pada sub-subab 3.
Definisi 3.2.2.1
Misalkan adalah kata di . Bobot Hamming dari , dinotasikan
dengan , didefinisikan sebagai jumlah koordinat tak nol di ,
sedemikian hingga
,
dimana adalah kata nol, yaitu kata yang semua elemennya 0.
Untuk setiap elemen di , bobot Hamming dapat
didefinisikan sebagai berikut
, 0 1 00 0
Jika ditulis sebagai … , maka bobot Hamming dari
71
dapat didefinisikan demikian
Lemma 3.2.2.1
Jika , , maka , .
Bukti:
Untuk , , menurut definisi 3.1.3.1 , 0 jika . Hal
itu benar bila dan hanya bila 0 atau, dengan kata lain,
0.
∎
Lemma 3.2.2.2
Jika , , maka , .
Bukti:
Dimisalkan … dan … di . Untuk semua
, 1 , 1 bila dan hanya bila . Oleh karena itu,
pasa-ngan , menyumbang 1 ke bila dan hanya bila
pasangan , menyumbang 1 ke , . Jadi, , , .
∎
Definisi 3.2.2.2
Misal … dan … di , maka
72
… .
Definisi 3.2.2.3
Andaikan suatu kode. Bobot Hamming minimum dari , dinotasikan
, adalah bobot terkecil dari kata kode tak nol di .
Teorema 3.1.7.1
Misal kode linear atas . Maka .
Bukti:
Berdasarkan lemma 3.2.2.1, untuk setiap kata , maka ,
. Menurut definisi 3.2.2.3, terdapat , sedemikian
hingga , . Jadi diperoleh
,
karena .
Untuk selanjutnya, diasumsikan 0 atau dinotasikan \ 0 .
Terdapat \ 0 sedemikian hingga . Jadi diperoleh
, 0 .
Karena dan , maka .
∎
73
Contoh 3.2.2.1
Misal adalah kode linear biner 0000, 1000, 0100, 1100 . Bobot dari
setiap kata kode tak nol dari adalah sebagai berikut:
1000 1
0100 1
1100 2
Jadi, 1.
Di bawah ini disebutkan beberapa keuntungan dari kode linear
sebagai berikut:
a) Kode linear merupakan ruang vektor. Oleh karena itu, kode tersebut
dapat digambarkan secara lengkap dengan menggunakan basis (akan
ditunjukkan dalam subbab berikutnya).
b) Jarak dari suatu kode linear sama dengan bobot terkecil dari kata
kode tak nol dalam kode tersebut.
3.2.3 Basis untuk Kode Linear
Diingatkan kembali mengenai dua fakta dari aljabar linear:
a) Setiap matriks atas dapat diuraikan menjadi bentuk eselon
baris (BEB) atau bentuk eselon baris tereduksi (BEBT) melalui
74
serangkaian operasi baris elementer. Dengan kata lain, suatu matriks
ekivalen baris dengan matriks yang lain pada BEB atau BEBT.
b) Untuk suatu matriks yang diberikan, BEBTnya tunggal, tapi
mungkin memiliki BEB yang berbeda.
Berikut ini akan diperkenalkan tiga algoritma untuk mencari basis
dari suatu kode:
Algoritma 3.1
Masukan : himpunan bagian tak kosong dari
Keluaran: basis untuk , kode linear yang dibangun oleh
Langkah-langkah : Bentuk matriks dimana baris-barisnya adalah kata-
kata di . Gunakan operasi baris elementer untuk mendapatkan bentuk
eselon baris dari . Kemudian baris-baris tak nol pada bentuk eselon
baris dari merupakan basis untuk .
Berdasarkan teorema 2.3.13, maka algoritma di atas mengha-
silkan basis untuk ruang baris dari matriks , yaitu basis untuk kode .
75
Contoh 3.2.3.1
Tentukan basis untuk , dimana
11110, 01111, 10001 .
111100111110001
111100111101111
111100111100000
Jadi, 11110, 01111 adalah basis untuk .
Algoritma 3.2
Masukan : himpunan bagian tak kosong dari
Keluaran: basis untuk , kode linear yang dibangun oleh
Langkah-langkah : Bentuk matriks dimana kolom-kolomnya adalah
kata-kata di . Gunakan operasi baris elementer untuk mendapatkan
pada bentuk eselon baris dan akan diperoleh kolom-kolom utama pada
bentuk eselon baris. Selanjutnya kolom-kolom dari pada bentuk awal
yang berkorespondensi dengan kolom utama merupakan basis untuk .
76
Berdasarkan teorema 2.3.13, maka algoritma di atas juga
menghasilkan basis untuk ruang kolom dari matriks , yaitu basis untuk
kode .
Contoh 3.2.3.2
Misal 2. Tentukan basis untuk , dimana
11101, 10110, 01011, 11010 .
11011011110001111010
11010110000101110111
11010110000101110000
1101011000010001000
11010110000100000000
Karena kolom 1, 2 dan 4 pada bentuk eselon baris adalah kolom utama,
maka berdasarkan algoritma 3.2, kolom-kolom dari matriks pada
bentuk awal yang bersesuaian dengan kolom utama merupakan basis
untuk . Jadi, 11101, 10110, 11010 adalah basis untuk .
Algoritma 3.3
Masukan : himpunan bagian tak kosong dari
Keluaran: basis untuk kode dual , dimana
Langkah-langkah : Bentuk matriks dimana baris-barisnya adalah kata
di . Gunakan operasi baris elementer untuk mengubah menjadi
77
bentuk eselon baris tereduksi. Andai matriks yang terdiri dari
semua baris tak nol pada bentuk eselon baris tereduksi sebagai berikut:
0
Matriks memuat kolom utama. Ubah urutan kolom dari menjadi
bentuk
|
dimana merupakan matriks identitas . Bentuk matriks
sebagai berikut:
|
dimana adalah transpose dari .
Contoh 3.2.3.3
Tentukan basis untuk kode dual dimana
11101, 10110, 01011, 11010 .
11101101100101111010
11101101100101100111
11101010110101100111
11101010110000000111
11101010110011100000
10001010110011100000
Diperoleh
78
|10001010110011100000
Selanjutnya dibentuk matriks sebagai berikut
| 0 1 1 1 01 1 1 0 1
Jadi, 01110, 11101 adalah basis untuk kode dual .
3.2.4 Matriks Generator dan Matriks Pemeriksa
Definisi 3.2.4.1
i) Matriks generator untuk kode linear adalah matriks dimana
baris-barisnya merupakan basis untuk .
ii) Matriks pemeriksa untuk kode linear adalah matriks generator
untuk kode dual .
Teorema 3.2.4.1
i) Jika adalah kode linear , , maka matriks generator untuk
adalah matriks dan matriks pemeriksa untuk adalah matriks
.
ii) Algoritma 3.3 pada subbab 3.2.3 dapat digunakan untuk mencari
matriks generator dan matriks pemeriksa untuk suatu kode linear.
iii) Matriks generator untuk suatu kode linear berjumlah lebih dari satu.
79
iv) Baris-baris dari suatu matriks generator adalah bebas linear. Hal
yang sama juga dipenuhi oleh baris-baris pada matriks pemeriksa.
Bukti:
i) Diandaikan adalah kode linear , , maka memiliki panjang
dan berdimensi . Berdasarkan definisi 3.2.4.1, maka matriks
generator untuk berukuran . Selanjutnya akan ditunjukkan
bahwa matriks pemeriksa untuk berukuran . Menurut
teorema 3.2.1.1 bagian (ii), dim dim . Oleh karena
itu, diperoleh
dim dim
dim dim
dim
Jadi, berdasarkan definisi 3.2.4.1 dapat disimpulkan bahwa matriks
pemeriksa untuk berukuran .
ii) Jelas dipenuhi berdasarkan penjelasan pada algoritma 3.3 subbab
sebelumnya.
iii) Jika basis dari suatu kode linear telah ditentukan, maka dapat
dibentuk suatu matriks generator. Selanjutnya jika dilakukan
permutasi baris-baris dari matriks generator tersebut akan
menghasilkan matriks generator yang berbeda.
80
iv) Jelas dipenuhi berdasarkan definisi matriks generator dan matriks
pemeriksa di atas.
∎
Definisi 3.2.4.2
i) Matriks generator dengan bentuk | dikatakan bentuk standar.
ii) Matriks pemeriksa dalam bentuk | dikatakan bentuk standar.
Lemma 3.2.4.1
Andaikan kode linear , atas , dengan matriks generator .
Maka:
i) termasuk di bila dan hanya bila ortogonal dengan
setiap baris di , secara simbolik: 0.
ii) Secara khusus, jika diberikan matriks berukuran ,
maka adalah matriks pemeriksa untuk bila dan hanya bila baris-
baris dari bebas linear dan 0.
Bukti:
i) Andaikan adalah baris ke- dari . Oleh karena itu,
untuk semua 1 , dan setiap dapat dinyatakan sebagai
kombinasi linear
dimana , , … , .
81
Jika , maka 0 untuk semua . Jadi ortogonal
dengan untuk semua 1 , sedemikian hingga 0.
Sebaliknya, jika 0 untuk semua 1 , maka untuk
semua ,
0
Jadi, .
ii) Jika matriks pemeriksa untuk , maka baris-baris di bebas
linear. Karena baris-baris di adalah kata kode di , maka
0.
Sebaliknya, jika 0, maka baris-baris di termuat dalam
. Karena baris-baris di bebas linear, maka ruang baris dari
berdimensi . Jadi ruang baris dari adalah . Dengan kata
lain, adalah matriks pemeriksa untuk .
∎
Teorema 3.2.4.2
Misal kode linear , atas , dengan matriks pemeriksa . Maka
i) termasuk di bila dan hanya bila ortogonal dengan setiap
baris di , atau secara simbolik .
82
ii) Secara khusus, jika diberikan matriks berukuran , maka
adalah matriks generator untuk bila dan hanya bila baris-baris di
bebas linear dan 0.
Bukti:
i) (⇒) Andaikan adalah baris ke- dari . Oleh karena itu,
untuk semua 1 , dan setiap dapat dinyatakan sebagai
kombinasi linear
dimana , , … , .
Jika , maka 0 untuk semua . Jadi ortogonal
dengan untuk semua 1 , sedemikian hingga 0.
Sebaliknya, jika 0 untuk semua 1 , maka untuk
semua ,
0
Jadi, .
ii) Jika matriks generator untuk , maka baris-baris di bebas
linear. Karena baris-baris di adalah kata kode di , maka 0.
83
Sebaliknya, jika 0, maka baris-baris di termuat dalam
. Karena baris-baris di bebas linear, maka ruang baris dari
berdimensi . Jadi ruang baris dari adalah . Dengan kata lain,
adalah matriks generator untuk .
∎
Teorema 3.2.4.3
Andaikan kode linear dan matriks pemeriksa untuk . Maka
i) memiliki jarak bila dan hanya bila setiap 1 kolom di
bebas linear.
ii) memiliki jarak bila dan hanya bila memiliki kolom yang
bergantung linear.
Bukti:
i) Andaikan , , … , adalah kata dengan bobot 0.
Dimisalkan koordinat tak nol pada posisi , , … , , maka 0
jika , , … , . Misal 1 menotasikan kolom ke-
di .
Berdasarkan lemma 3.2.4.1, memuat kata taknol
, , … , dengan bobot bila dan hanya bila
bila dan hanya bila kolom di bergantung linear.
84
Untuk menunjukkan bahwa jarak dari sama artinya dengan
menyatakan bahwa tidak memuat kata tak nol dengan bobot
1, yang ekivalen dengan mengatakan bahwa setiap 1
kolom atau kurang di bebas linear.
ii) Untuk menunjukkan bahwa jarak dari sama artinya dengan
menyatakan bahwa memuat kata tak nol dengan bobot , yang
ekivalen dengan menyatakan bahwa memiliki kolom yang
bergantung linear.
∎
Akibat dari teorema di atas adalah sebagai berikut:
Jika dimisalkan adalah kode linear dan matriks pemeriksa untuk ,
maka pernyataan di bawah ini ekivalen:
i) memiliki jarak .
ii) Setiap 1 kolom dari bebas linear dan memiliki kolom
yang bergantung linear.
Contoh 3.2.4.1
Misal kode linear biner dengan matriks pemeriksa
101001101001001
85
Dengan pemeriksaan dapat dilihat bahwa tidak terdapat kolom nol dan
tidak ada dua kolom di yang jumlahnya , jadi setiap dua kolom di
bebas linear. Akan tetapi, hasil jumlahan kolom 1, 3 dan 4 adalah ,
jadi ketiga kolom tersebut bergantung linear. Oleh karena itu, jarak dari
adalah 3.
Teorema 3.2.4.4
Jika | adalah matriks generator bentuk standar dari kode
, , maka matriks pemeriksa untuk adalah | .
Bukti:
Dengan jelas persamaan 0 dipenuhi. Dengan mengingat
koordinat terakhir, jelas bahwa baris-baris di bebas linear. Jadi,
berdasarkan lemma 3.2.4.1 bagian (ii), adalah matriks pemeriksa
untuk .
∎
3.2.5 Ekivalensi dari Kode Linear
Definisi 3.2.5.1
Dua kode , atas dikatakan ekivalen jika salah satu diantaranya
dapat diperoleh dari yang lain dengan kombinasi operasi-operasi di
bawah ini:
86
i) Permutasi dari digit dalam kata kode tersebut.
ii) Perkalian simbol-simbol pada posisi tertentu dengan suatu skalar tak
nol.
Teorema 3.2.5.1
Setiap kode linear ekivalen dengan kode linear yang memiliki
matriks
generator pada bentuk standar.
Bukti:
Jika matriks generator untuk , pada bentuk eselon baris tereduksi.
Susun kembali kolom-kolom pada bentuk eselon baris tereduksi
sehingga diperoleh kolom-kolom utama dan matriks identitas. Matriks
yang dihasilkan, , pada bentuk standar merupakan matriks generator
untuk kode ekivalen dengan kode .
∎
Contoh 3.2.5.1
Misal kode linear biner dengan matriks generator
110000100100110001001
Susun kembali kolom-kolom matriks dengan urutan 1, 3, 4, 2, 5, 6, 7
dihasilkan
87
100010001
100100110001
Jika kode yang dibangun oleh , maka ekivalen dengan dan
memiliki matriks generator , yang dalam bentuk standar.
3.2.6 Pengkodean Kode Linear
Andaikan kode linear , , atas lapangan berhingga .
Setiap kata kode di menunjukkan satu potong informasi, jadi dapat
menunjukkan potong informasi yang berbeda. Terdapat basis tertentu
, , … , untuk , setiap kata kode , atau dengan kata lain, setiap
potong informasi, dapat ditulis secara tunggal sebagai suatu
kombinasi linear,
dimana , , … , .
Sama artinya, himpunan sebagai matriks generator dari
dimana barisnya adalah vektor dari basis yang dipilih. Diberikan
vektor , , … , , maka
88
adalah kata kode di . Sebaliknya, setiap dapat ditulis secara
tunggal sebagai dimana , , … , . Jadi, setiap
kata dapat dikodekan menjadi .
Definisi 3.2.6.1
Proses yang menunjukkan bahwa elemen di dapat dipandang
sebagai kata kode di disebut pengkodean.
Contoh 3.2.6.1
Misalkan kode linear biner 5,3 dengan matriks generator
101100101100101
Maka pesan 101 dikodekan menjadi
101101100101100101
10011
Beberapa keuntungan memiliki matriks generator dari suatu
kode linear pada bentuk standar adalah sebagai berikut:
1) Jika kode linear memiliki matriks generator bentuk standar,
| , maka berdasarkan algoritma 3.3 dapat diperoleh
|
89
yang merupakan matriks pemeriksa untuk .
2) Jika kode linear , , memiliki matriks generator pada
bentuk standar, | , maka dapat diperoleh pesan dari kata
kode karena
| |
Sedemikian hingga, digit pertama pada kata kode
merupakan pesan , dan disebut digit pesan. Selanjutnya,
digit sisanya disebut digit pemeriksa. Digit pemeriksa menunjukkan
redundansi/kelebihan yang ditambahkan pada pesan untuk
perlindungan terhadap gangguan.
3.2.7 Penguraian Kode Linear
3.2.7.1 Koset
Definisi 3.2.7.1.1
Misal suatu kode linear dengan panjang atas , dan
diandaikan adalah setiap vektor yang panjangnya .
Koset dari yang ditentukan oleh adalah himpunan
| .
90
Contoh 3.2.7.1.1
Misal 2 dan 000, 101, 010, 111 . Maka
000 000, 101, 010, 111 ,
001 001, 100, 011, 110 ,
010 010, 111, 000, 101 ,
011 011, 110, 001, 100 ,
100 100, 001, 110, 011 ,
101 101, 000, 111, 010 ,
110 110, 011, 100, 001 ,
111 111, 010, 101, 000 .
Perhatikan bahwa
000 010 101 111 .
001 011 100 110 \ .
Teorema 3.2.7.1.1
Misal kode linear , , atas lapangan berhingga . Maka
i) Setiap vektor dari termuat pada suatu koset di
ii) Untuk semua , | | | |
iii) Untuk semua , , sama artinya
91
iv) Dua koset saling identik satu sama lain atau dua koset tak
memiliki irisan
v) Terdapat koset yang berbeda di
vi) Untuk semua , , bila dan hanya bila dan
pada koset yang sama.
Bukti:
i) Vektor termuat pada koset .
ii) Berdasarkan definisi koset, memiliki | |
elemen. Dua elemen dan sama bila dan hanya
bila . Jadi, | | | | .
iii) Misal . Menurut definisi koset maka .
Diketahui , maka . Jadi,
. Selanjutnya, dimisalkan . Menurut
definisi koset maka . Diketahui , maka
atau . Oleh karena itu,
.
iv) Andaikan terdapat dua koset dan dan
diandaikan . Karena ,
menrut (iii) maka . Demikian pula, karena
92
, maka . Oleh karena itu,
.
v) Banyaknya elemen dari adalah . Menurut (i), setiap
vektor dari termuat pada suatu koset . Berdasarkan (ii),
untuk semua , | | | | . Jadi, terdapat
koset yang berbeda di .
vi) Jika , maka . Jadi,
. Berdasarkan bukti dari (i), dan
, jadi dan berada pada koset yang sama.
Sebaliknya, andaikan , keduanya pada koset . Maka
dan untuk suatu , . Oleh karena
itu, .
∎
Contoh 3.2.7.1.2
Koset dari kode linear biner 0000, 1011, 0101, 1110
adalah sebagai berikut:
0000 0000 1011 0101 1110 0001 0001 1010 0100 1111 0010 0010 1001 0111 1100 1000 1000 0011 1101 0110
Susunan seperti di atas disebut sebagai aturan standar.
93
Definisi 3.2.7.1.2
Suatu kata dengan bobot terkecil pada suatu koset disebut koset
utama.
Contoh 3.2.7.1.3
Pada contoh 3.2.7.1.2, vektor di pada kolom pertama
merupakan koset utama untuk masing-masing koset.
3.2.7.2 Penguraian Jarak Minimum untuk Kode Linear
Misal suatu kode linear. Diasumsikan kata kode
dikirim dan kata diterima, menghasilkan pola kesalahan
.
Maka . Jadi, berdasarkan teorema 3.2.7.1.1
bagian (vi), pola kesalahan dan kata yang diterima berada
pada koset yang sama.
Karena pola kesalahan dengan bobot terkecil adalah
yang paling mungkin terjadi, maka penguraian jarak minimum
digunakan untuk kode linear seperti pada penjelasan berikut
ini. Jika kata yang diterima , pilih kata yang memiliki bobot
terkecil pada koset dan disimpulkan bahwa kata yang
dikirim adalah .
94
Contoh 3.2.7.2.1
Misal 2 dan 0000, 1011, 0101, 1110 . Uraikan jika
kata yang diterima adalah: i) 1101; ii) 1111.
Pertama-tama harus ditulis terlebih dulu aturan standar dari
sebagai berikut:
0000 0000 1011 0101 1110 0001 0001 1010 0100 1111 0010 0010 1001 0111 1100 1000 1000 0011 1101 0110
i) 1101 adalah koset keempat. Kata dengan bobot
terkecil pada koset tersebut adalah 1000. Oleh karena itu,
1101 1000 0101 merupakan kata kode
yang paling mungkin dikirim.
ii) 1111 adalah koset kedua. Terdapat dua kata
yang memiliki bobot terkecil pada koset tersebut, yaitu 0001
dan 0100. Jika koset dari kata yang diterima memiliki lebih
dari satu kata yang mungkin menjadi koset utama, maka
pendekatan untuk penguraian bergantung pada skema
penguraian yang digunakan. Jika bekerja dengan penguraian
tak lengkap, maka harus dilakukan pengiriman ulang. Jika
penguraian lengkap digunakan, maka dipilih satu kata dengan
bobot terkecil, misal 0001 sebagai kesalahan, dan dapat
95
disimpulkan bahwa 1111 0001 1111 0001 1110
merupakan kata kode yang paling mungkin dikirim.
3.2.7.3 Penguraian Sindrom
Definisi 3.2.7.3.1
Andai kode linear , , atas dan dimisalkan matriks
pemeriksa untuk . Untuk setiap , sindrom dari adalah
kata .
Teorema 3.2.7.3.1
Andai kode linear , , dan matriks pemeriksa untuk .
Untuk , maka:
i)
ii) 0 bila dan hanya bila adalah kata kode di
iii) bila dan hanya bila dan berada pada koset
yang sama dari .
Bukti:
i) Ini merupakan akibat dari definisi sindrom di atas.
ii) Berdasarkan definisi sindrom, 0 bila dan hanya bila
0. Pernyataan tersebut berarti bahwa .
96
iii) Berdasarkan (i), (ii) dan Teorema 3.2.7.1.1 bagian (vi).
∎
Bagian (iii) teorema di atas menyatakan bahwa koset dapat
diidentifikasi dari suatu kode linear melalui sindromnya.
Sebaliknya, semua kata pada koset yang diberikan menghasilkan
sindrom yang sama. Jadi, sindrom dari suatu koset merupakan
sindrom dari setiap kata pada koset tersebut. Dengan kata lain,
terdapat korespondensi satu-satu antara koset dan sindromnya.
Berdasarkan definisi sindrom di atas, diketahui bahwa
sindrom berada di , maka terdapat paling tidak
sindrom. Teorema 3.2.7.1.1 bagian (v) menyatakan terdapat
koset, jadi terdapat sindrom yang berkorespondensi
dimana semuanya berbeda. Oleh karena itu, semua vektor di
dinyatakan sebagai sindrom.
Definisi 3.2.7.3.2
Suatu tabel yang terdiri dari pasangan setiap koset utama dengan
sindromnya disebut tabel look-up sindrom.
97
Langkah-langkah untuk menyusun suatu tabel look-up
sindrom dengan mengasumsikan penguraian jarak minimum
lengkap adalah sebagai berikut:
Langkah 1: Daftarlah semua koset untuk kode tersebut, lalu dari
setiap koset pilih kata yang memiliki bobot
minimum sebagai koset utama .
Langkah 2: Tentukan matriks pemeriksa untuk kode dan untuk
setiap koset utama , hitunglah sindromnya
.
Untuk penguraian jarak minimum tak lengkap, jika
terdapat lebih dari satu kata yang memiliki bobot terkecil pada
langkah 1 di atas, berilah tanda ‘∗’ pada tabel look-up sindrom
untuk menyatakan bahwa diperlukan pengiriman ulang.
Contoh 3.2.7.3.1
Diasumsikan digunakan penguraian jarak minimum lengkap.
Susunlah tabel look-up sindrom dari kode linear biner
0000, 1011, 0101, 1110 .
98
Dari koset yang telah dihitung, dipilih kata-kata
0000, 0001, 0010 dan 1000 sebagai koset utama. Matriks
pemeriksa untuk adalah
1 0 1 01 1 0 1
Selanjutnya dapat disusun tabel look-up sindrom untuk sebagai
berikut
Tabel 3.1
Koset Utama Sindrom
0000 00 0001 01 0010 10 1000 11
Contoh 3.2.7.3.2
Tabel look-up sindrom untuk , jika diasumsikan penguraian
jarak minimum tak lengkap adalah sebagai berikut:
Tabel 3.2
Koset Utama Sindrom
0000 00
∗ 01 0010 10 1000 11
99
Sebuah cara yang paling cepat untuk menyusun suatu
tabel look-up sindrom, jika diberikan matriks pemeriksa dan
jarak untuk kode tersebut, adalah untuk menghasilkan semua
kesalahan yang terjadi dengan
12
sebagai koset utama dan menghitung sindrom untuk setiap
.
Contoh 3.2.7.3.3
Diasumsikan penguraian jarak minimum lengkap, susun tabel
look-up sindrom untuk kode linear biner dengan matriks
pemeriksa , dimana
1 0 1 1 0 01 1 1 0 1 01 1 1 0 0 1
Pertama, diklaim bahwa jarak dari adalah 3.
Karena 1 2⁄ 3 1 2⁄ 1, maka semua kesalahan
yang terjadi dengan bobot 0 atau 1 merupakan koset utama.
100
Selanjutnya, dicari sindrom untuk setiap kesalahan dan
dihasilkan tujuh baris pertama dari tabel look-up sindrom.
Karena setiap kata yang panjangnya 3 harus menjadi sindrom,
koset utama sisanya memiliki sindrom 101. Selain itu,
harus memiliki bobot 2 karena semua kata dengan bobot 0
atau 1 telah termasuk dalam tabel look-up sindrom. Selanjutnya
dilihat kata-kata yang tersisa dengan bobot terkecil, yaitu 2.
Terdapat tiga koset utama yang mungkin, yaitu 000101, 001010
dan 110000. Karena digunakan penguraian jarak minimum
lengkap, maka dapat dipilih 000101 sebagai koset utama dan
melengkapi tabel look-up sindrom sebagai berikut:
Tabel 3.3
Koset Utama Sindrom
000000 000
100000 110
010000 011
001000 111
000100 100
000010 010
000001 001 000101 101
101
Jika penguraian jarak minimum tak lengkap digunakan, maka
koset utama 000101 pada baris terakhir tabel di atas akan
diganti dengan ‘∗’.
Prosedur penguraian untuk penguraian sindrom adalah
sebagai berikut:
Langkah 1: Untuk kata yang diterima , hitunglah sindromnya
.
Langkah 2: Tentukan koset utama yang selanjutnya sindrom
pada tabel look-up sindrom.
Langkah 3: Uraikan menjadi .
Contoh 3.2.7.3.4
Misal 2 dan 0000, 1011, 0101, 1110 . Gunakan tabel
look-up sindrom yang telah disusun pada contoh 3.2.7.3.1. untuk
menguraikan (i) 1101; (ii) 1111.
102
i) 1101. Sindrom dari adalah 11.
Berdasarkan tabel 3.1 (hal.73), dapat dilihat bahwa koset
utamanya adalah 1000. Jadi, 1101 1000 0101
merupakan kata kode yang paling mungkin dikirim.
ii) 1111. Sindrom dari adalah 01.
Berdasarkan tabel 3.1 (hal.73), dapat dilihat bahwa koset
utamanya adalah 0001. Jadi, 1111 0001 1110
merupakan kata kode yang paling mungkin dikirim.
Berikut ini akan diberikan contoh bagaimana langkah-
langkah penguraian kata kode dalam kode linear:
Misal: 0000, 1011, 0101, 1110
Diandaikan kata yang diterima adalah w=1101
Langkah 1: Tentukan matriks generator menggunakan
algoritma 3.1
0000101101011110
1110101101010000
1110010101010000
1110010100000000
1011010100000000
Diperoleh: 10110101
103
Menurut algoritma 3.3, dapat dicari matriks pemeriksa yaitu:
10101101
Langkah 2: Tentukan aturan standar dari kode tersebut
0000 0000 1011 0101 1110 0001 0001 1010 0100 1111 0010 0010 1001 0111 1100 1000 1000 0011 1101 0110
Langkah 3: Penguraian kata 1101
Ada 2 metode penguraian, yaitu:
a) Penguraian jarak minimum
Berdasarkan aturan standar, kata termasuk dalam koset
keempat. Jadi, 1101 1000 0101 adalah kata kode yang
paling mungkin dikirim.
b) Penguraian sindrom
Dibentuk tabel look-up sindrom terlebih dahulu:
Koset Utama Sindrom
0000 00 0001 01 0010 10 1000 11
104
Selanjutnya dicari sindrom untuk sebagai berikut:
1101 10101101 11
Koset utama untuk adalah 1000.
Jadi, 1101 1000 0101 adalah kata kode yang paling
mungkin dikirim.
105
BAB IV
PENUTUP
A. Kesimpulan
Dari uraian yang telah dibahas secara panjang lebar tersebut, dapat
diambil beberapa kesimpulan sebagai berikut:
1. Teori pengkodean merupakan salah satu cara untuk merancang suatu
sistem pengiriman data sehingga kesalahan yang mungkin terjadi saat
pengiriman dapat dideteksi dan juga dapat dikoreksi/diperbaiki.
2. Suatu kode linear adalah pendeteksi -kesalahan bila dan hanya bila
1
dengan kata lain, kode dengan jarak merupakan kode tepat pendeteksi
1 -kesalahan.
3. Suatu kode linear adalah pengoreksi -kesalahan bila dan hanya bila
2 1
dengan kata lain, kode dengan jarak merupakan kode pengoreksi tepat
1 2⁄ -kesalahan. Dalam hal ini, adalah bilangan bulat terbesar
yang kurang dari atau sama dengan .
106
4. Jika | adalah matriks generator bentuk standar dari kode linear
, , maka matriks pemeriksa untuk adalah | .
B. Saran
Skripsi ini hanya membahas kode linear atas suatu lapangan
berhingga. Aplikasi dari kode linear dalam bidang ilmu komputer juga tidak
dibahas. Oleh karena itu, skripsi ini dapat dikembangkan lebih lanjut ke kode
linear yang mampu mengoreksi kesalahan serta aplikasinya dalam bidang
ilmu komputer.
107
DAFTAR PUSTAKA
Anton, H. and Rorres, C. (2004). Aljabar Linear Elementer. Jakarta: Erlangga
Budhi, W. S. (1995). Aljabar Linear. Jakarta: Gramedia Pustaka Utama
Fraleigh, J. B. (1989). A First Course In Abstract Algebra. New York: Addison-
Wesley Publishing Company
Gallian, J. A. (1998). Contemporary Abstract Algebra. New York: Houghton Mifflin
Company
Ling, S. and Xing, C. (2004). Coding Theory. New York: Cambridge University
Press