[#TH] Data Compression Technology

Peminat topik ini dipersilakan menghubungi promotor serta melakukan pendaftaran melalui halaman pendaftaran, dengan mencantumkan nama promotor. Topik akan tetap tersedia selama informasi ini tayang di website.

Topik Disertasi:

Data Compression Technology

Promotor:

Assoc Prof Tonny Hidayat, PhD

Latar Belakang dan Motivasi:

Ledakan data digital dalam bentuk video, audio, citra, maupun data sensor menyebabkan kebutuhan penyimpanan dan bandwidth meningkat drastis. Platform streaming seperti YouTube dan TikTok, layanan Video on Demand seperti Netflix dan Disney+ Hotstar, hingga layanan audio seperti Spotify, semuanya mengandalkan teknik kompresi agar data dapat dikirimkan secara efisien dan real-time.
Namun, peningkatan resolusi video (4K/8K), audio berkualitas tinggi, serta pertumbuhan perangkat IoT menimbulkan tantangan baru: bagaimana menjaga kualitas data sambil menekan ukuran file dan latensi. Riset di bidang kompresi data berupaya menjawab tantangan ini melalui pengembangan algoritma baru yang lebih adaptif, efisien, dan mampu berjalan pada berbagai kondisi perangkat, termasuk yang terbatas sumber dayanya.

Tujuan Penelitian:

  1. Merancang dan mengembangkan algoritma kompresi data lossless dan lossy yang lebih efisien untuk multimedia (video, citra, audio).

  2. Mengoptimalkan teknik kompresi untuk pengaliran data dengan latensi rendah pada platform streaming dan live view (DVR/NVR/VMS).

  3. Membangun skema kompresi adaptif untuk data besar (big data) dan penyimpanan cloud yang mendukung sistem terdistribusi.

  4. Merumuskan algoritma kompresi ultra-ringkas untuk perangkat IoT agar dapat mengurangi kebutuhan bandwidth dan kapasitas penyimpanan tanpa mengurangi akurasi data penting.

Metodologi Penelitian:

  • Kajian Literatur dan Benchmarking
    Mengumpulkan, menganalisis, dan membandingkan metode kompresi lossless (Huffman, Arithmetic, LZ77, LZ78) dan lossy (JPEG, MPEG, MP3) yang ada.

  • Perancangan Algoritma Baru
    Mengembangkan model hibrida berbasis machine learning atau transformasi matematis untuk mengompresi data multimedia dan sensor secara adaptif sesuai konteks penggunaannya.

  • Implementasi dan Simulasi
    Menerapkan algoritma pada dataset video/audio berukuran besar dan data IoT berskala kecil untuk menguji kecepatan, efisiensi kompresi, serta dampaknya terhadap kualitas.

  • Evaluasi Kinerja
    Mengukur rasio kompresi, waktu kompresi/dekompresi, latensi, dan kualitas hasil (PSNR, SSIM untuk citra/video, MOS untuk audio). Uji beban dilakukan di lingkungan cloud dan perangkat IoT nyata.

  • Integrasi dan Uji Lapangan
    Mengintegrasikan sistem dengan platform streaming atau sistem VMS untuk menguji performa real-time, skalabilitas, serta kestabilan pada jaringan yang fluktuatif.

Kriteria Kandidat:

Kandidat harus berasal dari program S2 INFOKOM yang memiliki pemahaman dasar atau ketertarikan di bidang ini.

Status:

Tersedia

Translate »