Feeds:
Posts
Comments

Abstrak

Segmentasi moving region atau daerah yang bergerak pada video merupakan fase yang penting bagi aplikasi yang didasari oleh pengawasan video atau video surveillance. Salah satunya aplikasi untuk traffic counter. Aplikasi ini digunakan untuk menghitung jumlah kendaraan  yang lewat dan dapat digunakan untuk memperkirakan tingkat kepadatan dari suatu jalan di daerah tertentu. Tujuan utama dari segmentasi pada traffic video adalah untuk mengklasifikasikan pixel mana saja yang merupakan jalan / background, kendaraan dan bayangan. Metode yang biasa digunakan adalah background subtraction. Pada paper ini metode yang digunakan untuk background subtraction adalah Adaptive Gaussian Mixture Model. Dengan menggunakan parameter-parameter yang telah disediakan, dapat mengklasifikasikan pixel-pixel sesuai dengan model yang diharapkan.

Kata kunci :  Background substraction, Adaptive Gaussian Mixture Model, traffic counter

1. Pendahuluan

Background subtraction

Metode yang biasa digunakan untuk segmentasi moving region secara real time adalah background subtraction. Background subtraction merupakan threshold atau batas kesalahan antara gambar tanpa adanya objek yang bergerak (background) dengan gambar itu sendiri.  Background image direpresentasikan sebagai scene atau adegan tanpa adanya objek yang bergerak. Background image harus selalu diperbaharui sehingga dapat beradapatasi dengan perubahan kondisi seperti perubahan pencahayaan. Perubahaan pencahayaan akan mempengaruhi proses pendeteksian objek. Pada background subtraction, gambar saat ini dibandingkan dengan gambar referensi untuk mendeteksi adanya perubahan pixel. Gambar referensi sebaiknya disesuaikan dengan kondisi pencahayaan dari suatu scene atau kejadian.

Shadow removal 

Shadow atau bayangan dapat menyebabkan hal yang serius seperti merging of object atau penyatuan objek, distorsi warna dari suatu objek, perubahan bentuk dan deteksi yang salah. Beberapa cara sudah dilakukan seperti memilih warna HSV (Hue, Saturation, Value), karena bayangan pada background tidak berubah secara signifikan. Satu pixel dapat dikategorikan menjadi foreground,background , shadow dan highlight tergantung dari distorsi kecerahan atau brightness dan distrosi dari perbedaan krominase. Pada deteksi bayangan terdapat 3 kriteria, yaitu adanya daerah seragam  yang lebih gelap, adanya perbedaan yang mencolok di sisi pencahayaan, dan adanya ujung atau edge yang diam (statik) dan bergerak.

Foreground Segmentation

Foreground segmentation adalah memisahkan bagian foreground dari background dengan melihat dari setiap pixel warna foreground yang kontras terhadap background. Pada setiap pixel (x,y) berwarna abu – abu dapat diidentifikasikan sebagai kendaraan bergerak apabila pixel tersebut tidak memiliki korespondensi terhapat komponen background.

Pada saat sebuah kendaraan dengan bayangannya bergerak, maka pixel yang bukan termasuk dalam background dapat dikategorikan sebagai bagian dari kendaraan dan bayangannya, jika tidak maka bagian foreground tersebut dapat dikatakan salah. Kebanyakan algoritma mengenai shadow detection terlalu kompleks dan pada bagian ini dipergunakan metode Normalized Cross-Correlation algorithm (NCC algortihm) untuk melakukan perbaikan terhadap perubahan bayangan dari kendaraan tersebut. NCC akan mencari hubungan antara bayangan dan background dimana intensitas pixel dari bayangan adalah berbanding lurus terhadap background-nya sehingga gambar background akan dideteksi oleh Adaptive-K Gaussian Mixture Model.

Object Tracking

Melacak atau mengetahui suatu objek (object tracking) dapat dilakukan dengan back-tracking dan forward-tracking. Back-tracking merupakan pendekatan berbasis segmen foreground region pada gambar saat ini dan menetapkan korespondensi region antara gambar-gambar sebelumnya. Forward-tracking, memperkirakan posisi region atau daerah pada suatu frame dengan menggunakan hasil segmentasi dari gambar-gambar sebelumnya. Untuk menentukan korespondensi , beberapa template objek harus digunakan. Salah satu teknik forward-tracking adalah analisa mean-shift. Mean-shift merupakan prediksi kepadatan gradient yang bersifat nonparametric. Metode ini digunakan untuk menurunkan kandidat objek yang hampir sama dengan model / pola yang telah ada selama memprediksi lokasi objek selanjutnya. Metode ini cukup akurat dan dapat memproses dengan cepat, tetapi mean-shift tracker tidak dapat berjalan secara otomatis karena memerlukan sifat-sifat dari model / pola inisialisasi.

Adaptive Gaussian Mixture Model mampu mengatasi perubahan pencahayaan pada background image dengan menggunakan algoritma EM (Expectation Maximization). Gaussian Mixture Model ini dapat mengurangi efek yang ditimbulkan oleh gangguan dari background atau background disturbance dan menggunakan perbedaan frame-frame yang berdekatan untuk dijadikan sebagai acuan atau referensi. Model ini dapat mengatasi masalah perubahan pencahayaan dengan menggunakan background reconstruction atau rekonstruksi background. Algoritma ini disimulasikan pada saat background mengalami gangguan dan terjadi perubahan pencahayaan. Algortima ini lebih efisien dan lebih bagus dibandingkan dengan metode yang sebelumnya dan cocok digunakan pada kondisi background yang kompleks. Gambar referensi dibuat dengan memanfaatkan model mixture pixel-wise yang dapat mendukung banyak model background.

Masing-masing pixel dimodelkan menggunakan distribusi Gaussian K mixture. Peluang masing-masing pixel memiliki nilai XN saat waktu N dapat ditulis sebagai berikut :

Dimana wk adalah weight parameter dari komponen Gaussian k dan k) adalah distribusi Normal komponen ke k dapat ditulis sebagai berikut :

µk adalah rata-rata dan  I  merupakan kofarian dari komponen ke k.

Distribusi K disusun berdasarkan fitness value wk / σk dan distribusi B pertama digunakan sebagai model background dimana B ditulis sebagai berikut :

Threshold (T) adalah minimum fraction dari model background atau probabilitas minimum sebelumnya pada background. Background subtraction diproses dengan menandai pixel per pixel pada foreground dengan standar deviasi lebih dari 2.5. Komponen Gaussian pertama yang cocok, test value akan selalu diupdate menggunakan persamaan dibawah ini :

ωk adalah komponen Gaussian yang ke k. 1/α merupakan konstanta waktu yang menentukan perubahan.   

EM (Expectation Maximization)

Algoritma EM ini digunakan untuk menemukan kemungkinan maximum dari suatu parameter di dalam model probabilistic. EM menggunakan proses komputasi yang berulang untuk memperkirakan kemungkinan maximum walaupun  data-data yang diamati tidak lengkap. EM merupakan metode yang berulang secara bergantian antara proses expectation (E) dan proses maximization (M). Proses E (E step) menghitung ekspektasi atau perkiraan dari semua segala kemungkinan yang muncul berdasarkan frame – frame dari distribusi variabel yang tersembunyi atau latent variable. Proses Maximization (M step) akan menghitung parameter dengan memaksimalkan kemungkinan-kemungkinan yang telah ada pada E step. Parameter ini kemudian digunakan untuk menentukan distribusi dari latent variable tersebut pada E step yang selanjutnya.

 

Cara kerja algoritma EM pada Gaussian Mixture Model (parameter yang diprediksi pada perulangan p ditandai dengan superscript / p) :

1.      Inisialisasi parameter

2.      E-step : menghitung kemungkinan untuk semua i = 1,….,n,

k = 1,….,K.

3.      M-step :

 

4.      Ulangi langkah 2 dan 3 sampai konvergen. 

 

Berikut adalah code yang kami gunakan untuk Shadow Minimalization:

 

int key = 0; 

    CvCapture* capture = cvCaptureFromAVI( “C:\\Users\\Ronald_Lie\\Desktop\\Petra Course\\Semester VI\\PCD-opencv\\Setup-traffic-counter\\jembatan-layang-13-36.avi” ); 

    IplImage* frame = cvQueryFrame( capture ); 

 

    // Check 

    if ( !capture ) 

    { 

        fprintf( stderr, “Cannot open AVI!\n” ); 

        getchar();

    }

        IplImage* videoFrame = NULL;

 

    videoFrame = cvQueryFrame(capture);

 

    if(!videoFrame)

    {

        printf(“Bad frame \n”);

        exit(0);

    }

 

    // Select parameters for Gaussian model.

       CvGaussBGStatModelParams* params = new CvGaussBGStatModelParams;

          params->win_size=200;

        params->n_gauss=2;

        params->bg_threshold=0.75;

        params->std_threshold=4.5;

        params->minArea=15;

        params->weight_init=0;

        params->variance_init=50;

 

   CvBGStatModel* bgModel = cvCreateGaussianBGModel(videoFrame ,params);

   CvGaussBGStatModelParams* params1 = new CvGaussBGStatModelParams;

          params1->win_size=200;  //asal 200

            params1->n_gauss=5;

            params1->bg_threshold=0.7;  //perlu ada pada setting parameter

            params1->std_threshold=2.5;

            params1->minArea=15.f;

            params1->weight_init=0.05;

            params1->variance_init=900;

        CvBGStatModel* bgModel1 = cvCreateGaussianBGModel(videoFrame ,params1);

  

    // Get the fps, needed to set the delay 

    int fps = ( int )cvGetCaptureProperty( capture, CV_CAP_PROP_FPS ); 

 

    // Create a window to display the video 

    cvNamedWindow( “video”, CV_WINDOW_AUTOSIZE ); 

 

 

 

    while( key != ‘q’

    { 

            IplImage* videoFrame2 = NULL;

            videoFrame2 = cvQueryFrame(capture);

        // Grab a fram

      //frame = cvQueryFrame(capture);

 

            if( !videoFrame)

            {

            break;}

 

        // Update model

                             

          cvUpdateBGStatModel(videoFrame,bgModel);

            cvUpdateBGStatModel(videoFrame,bgModel1);

     

 

      

         cvShowImage(“Result”, bgModel->foreground);

         cvShowImage(“Origin”, bgModel1->foreground);

         BlobIm = bgModel->foreground;

 

        // Copy foreground to a veriable used for Contour Drawing

          g_image = bgModel->foreground;

 

        // display current frame 

          cvShowImage( “video”, frame );

             key = cvWaitKey( 700 / fps );

    }

           

    // Tidy up 

    cvReleaseCapture( &capture ); 

    cvDestroyWindow(“Result”);

    cvDestroyWindow(“Origin”);

    cvDestroyWindow(“Contours”);

        cvReleaseBGStatModel( &bgModel );

    cvReleaseCapture(&capture);

 

 

Kami melakukan percobaan terhadap nilai – nilai paremeter dari objek Param untuk mengetahui parameter yang tepat sehingga didapatkan suatu objek dengan bayangan yang sesedikit mungkin. Dengan bayangan yang dapat diminimalisir maka tingkat kesalahan pembacaan dari traffic counter dapat dikurangi. Dengan nilai – nilai parameter di atas maka hasilnya seperti berikut :

Hasil 1. Objek – objek dapat diidentifikasikan secara terpisah

Hasil 2. Besarnya bayangan dari objek dapat berkurang

Parameter yang berperan penting dalam menghasilkan output seperti di atas adalah nilai Gaussian dan Threshold. Gaussian adalah salah satu teknik atau metode smoothing image dengan mengkonvolusikan setiap piksel input array terhadap kernel Gaussian lalu menjumlahkan seluruh array tersebut sehingga didapatkan suatu array output. Nilai Gaussian yang tinggi akan membuat piksel – piksel dari input dapat tercakup hampir seluruhnya namun tetap akan terdapat bagian yang hilang terutama pada bagian dengan nilai n yang cukup tinggi .Sedanglan nilai Gaussian yang terlalu kecil menyebabkan setiap pixel menjadi sangat sensitif dan menjadi sulit untuk direpresentasikan. Sebagai contoh gambar di bawah ini adalah untuk nilai Gaussian n = 7.

 

Sedangkan untuk niai Gaussian n = 1 menyebabkan piksel – piksel input menjadi sulit untuk direpresentasikan.

 

Kemudian Threshold adalah suatu metode dalam image processing dimana piksel – piksel image akan diproses berdasarkan suatu ambang nilai threshold sambil tetap menjaga piksel – piksel yang berada disekitaran nilai tersebut. Piksel – piksel yang berada di batas bawah atau batas atas threshold kemudian akan diproses lebih lanjut lagi. Dalam image processing dikenal juga adaptive threshold, dimana nilai ambang threshold dapat menyesuaikan diri terhadap image input sehingga didapatkan suatu image output yang lebih bagus dan merata. Adaptive threshold digunakan ketika nilai – nilai piksel suatu image memiliki perbedaan yang cukup ekstrim karena faktor pencahayaan, pemantulan, getaran, dan lain sebagainya.

Hasil 3. Nilai bg_threshold = 0.1 dan std_threshold = 4.5

Hasil 4. Nilai bg_threshold = 1.5 dan std_threshold = 4.5

Hasil 5. Nilai bg_threshold = 0.75 dan std_threshold = 1

Hasil 6. Nilai bg_threshold = 0.75 dan std_threshold = 8

Dari hasil percobaan di atas terlihat bahwa perlu adanya pengaturan nilai parameter Gaussian dan Threshold untuk mendapatkan hasil yang maksimal. Nilai parameter tersebut tidak boleh terlalu tinggi atau terlalu rendah, tergantung pada kondisi dari objek yang ingin direpresentasikan.

 

Kesimpulan

Berdasarkan hasil analisa yang kami lakukan, didapatkan bahwa bayangan dari suatu objek yang bergerak maupun diam dapat mengganggu proses deteksi. Bayangan dapat diminimalisasi dengan menggunakan metode Adaptive-K Gaussian Mixture Model. Metode ini memanfaatkan background substraction dengan merekonstruksi ulang background dan memisahkan antara foreground dan background. Dengan mengatur parameter Gaussian dan Threshold maka didapatkan hasil objek dengan bayangan yang semakin berkurang. Hal ini mengakibatkan proses deteksi pada kendaraan bermotor semakin akurat.

 

Referensi

[1]http://mmlab.disi.unitn.it/wiki/index.php/Mixture_of_Gaussians_using_OpenCV#Introduction, diakses pada 31 Mei 2012 pukul 18.00 WIB

[2] http://web.cse.msu.edu/~tanrui/pub/akgmm.pdf, diakses pada 31 Mei 2012 pukul 18.20 WIB

[3]http://info.ee.surrey.ac.uk/Research/VSSP/Publications/papers/KaewTraKulPong-AVBS01.pdf, diakses pada 1 Juni 2012 pukul 11.00 WIB

Advertisements

Abstrak

Teknologi berkembang dengan sangat cepat dewasa ini. Setiap hari teknologi baru membanjiri masyarakat tanpa masyarakat sadari. Masyarakat yang tidak mampu untuk mengikutinya akhirnya tertinggal di belakang. Salah satu contoh adalah pemanfaatan kamera. Kamera yang dulunya hanya digunakan untuk sekadar memotret atau merekam video, sekarang sudah lebih canggih. Dengan sedikit pemrograman maka kamera dapat mengenali bagian tertentu dari suatu objek luas. Contohnya adalah face detection yang memanfaatkan metode Haar-cascade classifier sehingga kamera dapat mengenali bagian wajah seseorang. Kehadiran teknologi ini telah memberikan dampak yang besar dalam kehidupan manusia dan diharapkan dapat terus dikembangkan ke depannya.

Kata kunci: teknologi, face detection, haar-cascade clasifier

1.      Pendahuluan

OpenCV menggunakan sebuah tipe face detector yang disebut Haar-cascade classifier. Jika ada sebuah image (bisa dari file /live video), face detector akan menguji tiap lokasi image dan mengklasifikasinya sebagai “wajah” atau “bukan wajah”. Klasifikasi wajah ini menggunakan sebuah pemisalan skala yang tetap, misalnya 50×50 pixel. Jika wajah pada image lebih besar atau lebih kecil dari pixel tersebut, classifier terus menerus jalan beberapa kali, untuk mencari wajah pada gambar tersebut.

Classifier menggunakan data yang disimpan pada file XML untuk memutuskan bagaimana mengklasifikasi tiap lokasi image. OpenCV menggunakan 4 data XML untuk deteksi wajah depan, dan satu untuk wajah profile. Termasuk juga 3 file XML untuk bukan wajah: satu untuk mendeteksi badan secara penuh, satu untuk badan bagian atas, dan satu untuk badan bagian bawah. Kita harus memberitahukan (mendeklarasikan) letak dari classifier yang digunakan. Salah satunya bernama haarcascade_frontalface_default.xml.

Haar-Like Feature

Secara umum, Haar-Like Feature digunakan dalam mendeteksi objek pada image digital. Nama Haar merujuk pada suatu fungsi matematika (Haar Wavelet) yang berbentuk kotak, prinsipnya sama seperti pada fungsi Fourier. Awalnya pengolahan gambar hanya dengan melihat dari nilai RGB setiap pixel, namun metoda ini ternyata tidaklah efektif. Viola dan Jones kemudian mengembangkannya sehingga terbentuk Haar-Like feature.

Haar-like feature memproses gambar dalam kotak-kotak, dimana dalam satu kotak terdapat beberapa pixel. Per kotak itu pun kemudian di-proses dan didapatkan perbedaan nilai (threshold) yang menandakan daerah gelap dan terang. Nilai – nilai inilah yang nantinya dijadikan dasar dalam image processing.

Lalu untuk gambar bergerak(video), perhitungan dan penjumlahan pixel terjadi secara terus – menerus dan membutuhkan waktu yang lama. Oleh karena itu, penjumlahan diganti dengan integral sehingga didapatkan hasil lebih cepat. Hasil deteksi dari Haar-Like kurang akurat jika hanya menggunakan satu fungsi saja sehingga biasanya digunakan beberapa fungsi sekaligus (massal). Semakin banyak fungsi yang digunakan maka hasilnya akan semakin akurat. Pemrosesan Haar-Like feature yang banyak tersebut diorganisir atau diatur di dalam classifier cascade.
Konsep Pendeteksian Wajah

OpenCV face detector menggunakan metode Paul-Viola dan Michael Jones yang dipublikasikan pada tahun 2001. Pendekatan ini mendeteksi objek dengan menggabungkan 4 konsep :

  •  Fitur rectangular sederhana yang disebut fitur Haar
  •  Integral image untuk deteksi fitur yang cepat
  •  Metode machine learning AdaBoost.

Sebuah pengklasifikasi cascade untuk mengkombinasikan banyak fitur secara efisien.

Fitur yang digunakan Viola dan Jones menggunakan bentuk gelombang Haar. Bentuk gelombang Haar ialah sebuah gelombang kotak. Pada 2 dimensi, gelombang kotak ialah pasangan persegi yang bersebelahan, 1 terang dan 1 gelap. Haar ditentukan oleh pengurangan pixel rata-rata daerah gelap dari pixel rata-rata daerah terang. Jika perbedeaan diatas threshold (diset selama learning), fitur tersebut dikatakan ada. Untuk menentukan ada atau tidaknya Haar feature di setiap lokasi image / gambar, Viola dan Jones menggunakan teknik yang disebut Integral Image. Umumnya integral menambahkan unit kecil secara bersamaan. Dalam hal ini unit kecil ini disebut dengan nilai dari pixel. Nilai dari integral / integral value pada masing-masing pixel  merupakan penjumlahan dari semua pixel di atasnya dan di sebelah kirinya. Dimulai dari kiri atas sampai kanan bawah, image / gambar dapat diintegrasikan sebagai operasi matematika per pixel.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Untuk memilih fitur Haar yang digunakan dan untuk mengubah nilai threshold, Viola dan Jones menggunakan metode machine-learning yang disebut AdaBoost. AdaBoost menggabungkan banyak classifier untuk membuat satu classifier. Masing-masing classifier menetapkan suatu bobot, dan gabungan dari bobot inilah yang akan membentuk satu classifier yang kuat.

Viola dan Jones menggabungkan serangkaian AdaBoost classifier sebagai rantai filter / filter chain. Masing-masing filter merupakan AdaBoost classifier yang terpisah dengan jumlah weak classifier yang sedikit dan sama.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Filter pada masing-masing level dilatih untuk mengklasifikasikan gambar yang sebelumnya telah difilter (Training set merupakan database dari wajah). Selama penggunaannya, jika satu dari filter-filter tersebut gagal, image region / daerah pada gambar diklasifikasikan sebagai “Bukan Wajah”. Saat filter berhasil melewatkan image region, image region kemudian masuk pada filter yang selanjutnya. Image region yang telah melalui semua filter akan dianggap sebagai “Wajah”.

 

 

 

 

 

 

 

 

 

 

 

Berikut adalah code untuk face detection :

void detect_faces(IplImage* img)

{

/* pertama-tama kita harus mengambil file XML dengan cvLoad(file name, memory storage, name, real name)

file name diisikan dengan classifier file XML yang sudah di-deklarasikan sebelumnya “char* file = “C:/OpenCV2.0/data/haarcascades/haarcascade_frontalface_alt.xml”;”

memory storage, name, dan real name diberikan nilai 0 saja.

Kemudian buat instance dari cvHaarClassifierCascade dan panggil fungsi load.*/

if (!cascade) {

char* file = “C:/OpenCV2.0/data/haarcascades/haarcascade_frontalface_alt.xml”;

cascade = (CvHaarClassifierCascade*) cvLoad(file, 0, 0, 0);

/* Buat sebuah memory storage kosong. Memory ini bersifat expandable dan berfungsi untuk menyimpan hasil dari face detection*/

storage = cvCreateMemStorage(0);

}

/* jabarkan semua element yang akan dipakai dalam face detection dengan cvSeq */

CvSeq* faces = cvHaarDetectObjects(

img,          /*inputan gambar/video*/

cascade,      /*classifier yang sudah dideklarasikan sebelumnya*/

storage,      /*memory storage tempat menyimpan hasil detection*/

1.1,          /*nilai scale faktor. 1.1 menghasilkan detektor bekerja dengan cepat    namun akurasi-nya rendah*/

1,            /*menunjukkan seberapa banyak kotak yang dapat dihasilkan untuk diproses lebih lanjut*/

CV_HAAR_DO_CANNY_PRUNING, /*CV_HAAR_DO_CANNY_PRUNING akan men-skip daerah yang dianggap bukan wajah*/

cvSize(10, 10)      /*dimensi ukuran terkecil dari wajah yang mungkin terbentuk*/

);

int i;

/* Deklarasikan kotak sebagai daerah hasil detector */

for( i = 0; i < (faces ? faces->total : 0); i++ ) {

CvRect* r = (CvRect*)cvGetSeqElem(faces, i);

cvRectangle(

img,

cvPoint(r->x, r->y),

cvPoint(r->x + r->width, r->y + r->height),

CV_RGB(255, 0, 0),

1, 8, 0

);

}

}

Hasilnya :

Sebelum openCV melakukan pendeteksian wajah kita dapat melakukan beberapa image processing terlebih dahulu. Pada bagian ini, kami melakukan image processing yaitu, grayscale, smoothing (filtering), dan adaptive threshold. Hasilnya adalah seperti berikut.

Grayscale

Menggunakan fungsi cv_RGB2GRAY untuk merubah gambar RGB (3 channel) menjadi gambar grayscale. Setelah menjadi grayscale maka dilakukan face detection dan hasilnya Haar-cascade masih data mendeteksi bagian wajah.

Berikut adalah code-nya :

CvCapture* capture = cvCaptureFromCAM( CV_CAP_ANY );

if ( !capture ) {

fprintf( stderr, “ERROR: capture is NULL \n” );

getchar();

}

// Create a window in which the captured images will be presented

// Show the image captured from the camera in the window and repeat

while ( 1 ) {

// Get one frame

IplImage* frame = cvQueryFrame( capture );

if ( !frame ) {

fprintf( stderr, “ERROR: frame is null…\n” );

getchar();

break;

}

int percent = 50;

IplImage *frame2= cvCreateImage

( cvSize((int)((frame->width*percent)/100) , (int)((frame->height*percent)/100) ),frame->depth, frame->nChannels );

cvResize(frame, frame2);

IplImage* gray = cvCreateImage ( cvGetSize(frame2), frame2->depth, 1 );

cvCvtColor(frame2,gray,CV_RGB2GRAY);

detect_faces(gray);

cvShowImage( “grayscale”,gray);

// Do not release the frame!

//If ESC key pressed, Key=0x10001B under OpenCV 0.9.7(linux version),

//remove higher bits using AND operator

if ( (cvWaitKey(10) & 255) == 27 ) break;

}

// Release the capture device housekeeping

cvReleaseCapture( &capture );

cvDestroyWindow( “grayscale” );

Smoothing

 

Menggunakan fungsi cv_Smooth() dengan tipe CV-BLUR untuk memburamkan gambar. Smoothing filter yang digunakan adalah Gaussian. Filter Gaussian mengkonvolusikan masing-masing titik pada input array dengan Gaussian kernel dan kemudian menjumlahkannya untuk menghasilkan array output. Untuk Gaussian blur kali ini, kernel yang digunakan adalah 15,15 ini menunjukkan lebar dan tinggi dari filter window.

Gambar menjadi lebih buram namun tetap dalam warna RGB. Kemudian dilakukanlah face detection, dan hasilnya bagian wajah masih dapat terdeteksi.

Berikut adalah code-nya :

CvCapture* capture = cvCaptureFromCAM( CV_CAP_ANY );

if ( !capture ) {

fprintf( stderr, “ERROR: capture is NULL \n” );

getchar();

}

// Create a window in which the captured images will be presented

// Show the image captured from the camera in the window and repeat

while ( 1 ) {

// Get one frame

IplImage* frame = cvQueryFrame( capture );

IplImage* smooth = cvQueryFrame( capture );

if ( !frame ) {

fprintf( stderr, “ERROR: frame is null…\n” );

getchar();

break;

}

cvSmooth( frame, smooth, CV_GAUSSIAN, 15, 15 );

detect_faces(smooth);

cvShowImage( “smooth”,smooth);

// Do not release the frame!

//If ESC key pressed, Key=0x10001B under OpenCV 0.9.7(linux version),

//remove higher bits using AND operator

if ( (cvWaitKey(10) & 255) == 27 ) break;

}

// Release the capture device housekeeping

cvReleaseCapture( &capture );

cvDestroyWindow( “smooth” );

Adaptive Threshold

Gambar RGB mula-mula di-convert terlebih dahulu menjadi grayscale, kemudian dengan menggunakan fungsi cvAdaptiveThreshold maka dilakukan thresholding untuk memisahkan antara bagian gelap dan terang. Adaptive threshold akan mengatur dirinya sendiri secara otomatis dalam memisahkan daerah gelap dan terang. Setelah itu dilakukan face detection. Awalnya agak sulit bagi Haar-cascade untuk menemukan daerah wajah karena perbedaan kontras antar gelap dan terang telah menjadi tipis, namun setelah beberapa saat akhinya didapatkan pula.

Berikut adalah code-nya :

CvCapture* capture = cvCaptureFromCAM( CV_CAP_ANY );

if ( !capture ) {

fprintf( stderr, “ERROR: capture is NULL \n” );

getchar();

}

// Create a window in which the captured images will be presented

// Show the image captured from the camera in the window and repeat

while ( 1 ) {

// Get one frame

IplImage* frame = cvQueryFrame( capture );

if ( !frame ) {

fprintf( stderr, “ERROR: frame is null…\n” );

getchar();

break;

}

int percent = 50;

IplImage *frame2= cvCreateImage

( cvSize((int)((frame->width*percent)/100) , (int)((frame->height*percent)/100) ),frame->depth, frame->nChannels );

IplImage* gray =  cvCreateImage ( cvGetSize(frame2), frame2->depth, 1 );

IplImage* adaptivethreshold =  cvCreateImage ( cvGetSize(frame2), frame2->depth, 1 );

cvResize(frame,frame2);

cvCvtColor(frame2,gray,CV_RGB2GRAY);

cvAdaptiveThreshold(gray,adaptivethreshold,255,CV_ADAPTIVE_THRESH_MEAN_                C,CV_THRESH_BINARY,75,10);

detect_faces(adaptivethreshold);

cvShowImage(“adaptive threshold”,adaptivethreshold);

// Do not release the frame!

//If ESC key pressed, Key=0x10001B under OpenCV 0.9.7(linux version),

//remove higher bits using AND operator

if ( (cvWaitKey(10) & 255) == 27 ) break;

}

// Release the capture device housekeeping

cvReleaseCapture( &capture );

cvDestroyWindow( “adaptive threshold” );

Abstrak

Internet saat ini bukanlah menjadi milik sekelompok orang saja namun telah menjadi milik dari semua orang. Setiap orang saat ini dapat dengan mudah terhubung ke jaringan internet melalui berbagai perangkat yang dimiliki. Perkembangan teknologi yang sangat pesat juga telah mendukung terciptanya penemuan dan cara – cara baru dalam melakukan segala sesuatu, termasuk dalam berbisnis. M-commerce adalah suatu cara baru dalam melakukan kegiatan berbisnis di mana dengan bantuan suatu aplikasi mobile, baik yang terhubung ke jaringan internet maupun tidak, seseorang dapat dengan mudah mengatur dan mengelola kegiatan bisnis yang dijalankannya. Trend m-commerce saat ini terus berkembang dan diprediksikan akan menjadi suatu trend yang akan dilakukan oleh setiap orang. Oleh karena itu, aplikasi – aplikasi penunjang kegiatan m-commerce terus dilahirkan sesuai dengan tuntunan dan perkembangan dunia bisnis yang ada.

Kata kunci : internet, perangkat mobile, aplikasi mobile.

I. Pendahuluan

Tanpa disadari saat ini dunia sedang bergerak menuju masa di mana informasi tidak tertutup lagi dan dapat diakses dari masa saja. Akses menuju ke jaringan internet semakin mudah terjangkau. Perangkat mobile seperti handphone atau smartphone (hampir seluruhnya) menyimpan potensi yang sangat besar untuk mendukung pergerakan ke arah tersebut. Berselancar di dunia maya tidak lagi hanya sebatas dapat dilakukan dengan duduk di depan komputer baik di rumah maupun di kantor atau warnet, tetapi dengan perangkat mobile yang kita pegang saat ini juga sudah dapat digunakan untuk tujuan tersebut. Sebut saja aplikasi jejaring social seperti Facebook yang saat ini hampir pasti terdapat dalam semua handphone ataupun smartphone.

Melihat potensi yang sangat besar ini maka para pengembang aplikasi mobile kemudian berlomba – lomba untuk memasarkan kreativitas mereka dengan menciptakan aplikasi – aplikasi yang dapat mendukung keperluan seseorang dalam perangkat mobile. Salah satunya adalah dengna menciptakan aplikasi mobile untuk keperluan berbisnis. Kata berbisnis dalam hal ini mencakup hal yang sangat luas, mulai dari hanya sekadar bertukar – tukaran informasi dan harga barang, mengamati perkembangan trend pasar, hingga memantau perkembangan suatu barang atau komoditi. Oleh karena itu, kehadiran akan aplikasi mobile ini sangat dinantikan oleh banyak pengembang bisnis yang ingin menjalankan dan mengembangkan usahanya.

Di Indonesia sendiri mungkin hanya segelintir orang yang betul – betul paham mengenai aplikasi mobile untuk keperluan berbisnis ini. Dalam pandangan masyarakat pada umumnya, aplikasi mobile untuk bisnis adalah suatu aplikasi yang tertanam dalam perangkat mobile dan dapat digunakan untuk membantu menjalankan dan megembangankan keperluan bisnis seseorang apa pun itu bentuknya. Mungkin banyak orang yang kurang ataupun bahkan tidak tahu mengenai aplikasi – aplikasi mobile tersebut, misalnya aplikasi mobile jejaring sosial (Facebook, Twitter, Linkedln), aplikasi mobile pemantau komoditi dan saham (Bloomberg mobile, Mobile RSS Feeds), maupun mobile commerce dan mobile banking (KlikBCA). Namun sadarkah kita bahwa hanya sekadar SMS ataupun chatting merupakan layanan mobile vital untuk keperluan bisnis. Hal ini pun tidak dapat dipungkiri karena kebutuhan yang berbeda – beda dari tiap – tiap orang. Namun apapun itu bentuknya, kebutuhan akan perangkat mobile adalah kebutuhan vital bagi setiap orang saat ini.

II. Latar Belakang

Pada awalnya, perangkat mobile device hanya dapat digunakan tidak lebih dari sekadar menelpon atau menerima dan mengirim pesan teks yang singkat. Hal ini disebabkan karena keterbatasan teknologi pada saat itu. Namun dunia saat ini berkembang dengan sangat cepat dan teknologi pun berkembang dengan sangat pesat. Mulai dari teknologi mendengarkan music, memotret, hingga berinternet secara bertahap hadir dalam perangkat mobile device dan hingga saat ini beragam aplikasi mobile terus bermunculan dari para pengembang untuk mendukung pemanfaat secara maksimal dari mobile device[1].

Kehadiran aplikasi ini juga mendorong para pengembang bisnis akan kebutuhan aplikasi mobile bagi kepentingan bisnis. Informasi yang akurat dan cepat mengenai inventasi, harga saham, informasi pasar terkini adalah kebutuhan vital bagi mereka. Selain itu, dengan adanya aplikasi mobile maka tidak tertutup kemungkinan setiap orang dapat selalu terhubung dengan perusahaan atau konsumen atau rekan kerjanya setiap waktu. Interaksi yang selalu aktif dan dinamis ini adalah hal yang penting dalam berbisnis[2].

III. Masyarakat, Perangkat Mobile, dan Internet

Masyarakat dan perangkat mobile, khususnya telepon selular (handphone, PDA, smartphone, dll), adalah dua hal yang tidak dapat lagi dipisahkan saat ini. Hampir tidak dapat kita temui lagi seseorang yang tidak mempunyai telepon selular. Menjamurnya berbagai merek dan jenis telepon selular lokal dan global membuat para vendor berlomba – lomba menghasilkan produk yang dapat dijangkau oleh seluruh masyarakat, mulai dari kalangan bawah hingga kalangan atas. Akibatnya, setiap orang kini dengan mudah dapat memiliki apa yang disebut telepon selular sebagai perangkat mobile pribadi.

Dimulai pada tahun 1990-an, telepon selular dan internet mulai menyatukan diri. Telepon selular tidak lagi sekadar device yang hanya dapat melakukan layanan – layanan pada umumnya, pesan singkat atau telepon sebagai fungsi utama, namun juga sudah dapat digunakan untuk mengakses internet layaknya seperti komputer di rumah. Hal ini kemudian menyebabkan perubahan ke era di mana akses internet dapat dilakukan di mana saja, kapan saja, dan oleh siapa saja. Memasuki abad ke-20 ini, teknologi internet sendiri berkembang dengan sangat cepat sehingga pada akhirnya seluruh perangkat mobile dapat terhubung ke jaringan internet[3].

Banyak faktor yang mendukung pergerakan ke arah mobile internet hingga menjadi suatu trend saat ini. Yang pertama selain karena semakin mudahnya mendapatkan perangkat mobile juga karena trend social networking dan online shopping yang saat ini dieksploitasi besar – besaran oleh seluruh vendor. Sebut saja contoh paling paling sukses adalah Facebook. Di perangkat mobile mana lagi yang saat ini tidak dapat kita jumpai aplikasi Facebook di dalamnya. Online shopping pun sudah merubah pola belanja masyarakat di mana seseorang dapat dengan mudah membeli barang dari mana saja[3].

Faktor kedua adalah perlombaan antar operator telekomunikasi yang berusaha untuk menyajikan akses internet pada perangkat mobile dengan harga yang murah. Hal ini tentunya menggiurkan setiap orang yang memiliki perangkat mobile untuk dapat melakukan akses internet selain layanan – layanan dasar yang tentu dimilikinya. Jadi tidaklah heran jika saat ini setiap orang sudah dapat dengan mudah terhubung ke jaringan internet tanpa harus duduk diam di depan komputer rumah ataupun kantor[3].

Faktor ketiga yang mungkin adalah faktor utama penggerak mobile internet ini adalah kebutuhan masyarakat akan akses informasi dan internet secara cepat dan real-time. Pergerakan dunia semakin cepat dan terkadang waktu tidaklah terasa cukup jika semua hal harus dikerjakan secara mandiri dan konvensional, apalagi hal yang sifatnya mendesak dan penting. Dengan adanya akses internet melalui perangkat mobile maka masyarakat tentunya sangat terbantu untuk melakukan beberapa hal sekaligus dalam waktu yang bersamaan. Segala kemudahan ini tentunya memiliki dampak yang sangat besar dalam perubahan tingkah laku seluruh masyarakat di dunia.

IV.  Mobile untuk Bisnis

Mobile internet sudah menyentuh hampir seluruh bidang kehidupan manusia tanpa terkecuali. Tingkat pengguna mobile internet sudah mencapai angka yang melebihi penggunaan internet pada komputer PC di beberapa Negara Eropa dan Asia, misalnya Jepang.  Fenomena yang dimulai pada tahun 1990-an itu banyak merevolusi cara-cara berbisnis dan kemudian melahirkan the way of doing business. Inilah cara baru berbisnis yang dapat dilakukan di mana saja, kapan saja, dan oleh siapa saja[4].

Jepang memulai pergerakan ini dengan meluncurkan i-Mode, yaitu suatu aplikasi mobile yang menawarkan layanan web browsing yang dapat menampilkan warna dan video sehingga kegunaannya sangat besar, seperti untuk m-banking, melakukan reservasi pesawat, melihat stok barang, mengirim dan menerima e-mail, dan kesemuanya itu adalah melalui jaringan internet. Hingga saat ini, i-Mode terus dipakai secara luas di seluruh dunia dan jumlah pemakainya diperkirakan mencapai hingga 51,6 juta user di Jepang dan 5 juta pengguna lainnya di seluruh penjuru dunia pada 31 Oktober 2011[5].

Dengan kehadiran i-Mode ini maka muncullah istilah baru dalam bidang bisnis dengan pemanfaatan mobile internet yaitu mobile business (m-business) atau yang sering dikenal dengan istilah mobile commerce (m-commerce). Definisi m-commerce menurut Ericsson adalah jasa transaksi terpercaya melalui mobile devices untuk pertukaran barang dan jasa antara konsumen, pedagang, dan institusi finansial. Saat ini, fungsi dari uang cash sudah mulai bergeser sedikit demi sedikit ke arah virtual money, baik dalam bentuk saldo bank (flash BCA dan kartu kredit) maupun pulsa operator yang kemudian dapat ditukarkan dengan uang cash di ATM[4].

Menurut Siemens, sistematika m-bussiness dibagi dalam enam kategori yaitu [4]:

  • Mobile Commerce yang terdiri dari perbankan, perdagangan, pembelian, ticketing, perlelangan, travel management, dan lain-lain.
  • Mobile Info-Service yang terdiri dari informasi cuaca, pasar modal, berita akses internet, jasa penetapan lokasi, dan lain sebagainya.
  • Mobile Service yang terdiri dari jasa perbaikan, emergency, pengontrolan, serta jasa telemetika lainnya.
  • Mobile Communication yang terdiri dari komunikasi suara, pesan-pesan, SMS, mobile multimedia, dan lain-lain.
  • Mobile Entertainment yang terdiri dari hiburan musik, video, games, lotere, dan lain-lain
  • Mobile Office yang terdiri dari email, penjadwalan, dan direktori.

Terdapat dua belas bidang usaha di Indonesia (dan di negara lain tentunya) yang saat ini sudah dapat menjalankan m-commerce yaitu : perbankan, asuransi, ritel, pengelolaan sistem pajak, jasa kurir, penerbangan, perhotelan, travel, pelayanan publik, media informasi dan hiburan, media massa, perdagangan saham, dan properti.

Dari kedua belas bidang usaha tersebut diatas, enam bidang usaha yang diprediksikan memiliki masa depan bagus untuk mempraktekkan m-commerce yaitu : perbankan (contoh : m-banking), penerbangan (airline reservation), perhotelan (hotel reservation), travel (travel reservation), layanan publik (pembayaran rekening listrik, telepon, air), dan media informasi dan hiburan (penjualan ringing tone, informasi jadwal bioskop). Keenam bidang ini dianggap memiliki tingkat penilaian yang baik dari sisi adopsi masyarakat, prospek bisnis, dan tingkat kompetisi.

Sedangkan keenam bidang lainnya yaitu : asuransi, ritel, pajak, jasa kurir dan distribusi, media massa, perdagangan saham, dan property dianggap belum cerah dimasa sekarang dikarenakan berbagai hal misalnya untuk perdagangan saham membutuhkan koneksi yang real-time, untuk memanfaatkan SMS sangat beresiko karena dikhawatirkan pesan tidak sampai pada tujuan. Disebut belum cerah karena kemungkinan berkembang masih terbuka luas. Meskipun demikian mungkin pula ada bidang usaha yang tidak akan berkembang dalam waktu yang lama.

V.  Aplikasi Mobile untuk Bisnis di Indonesia

Seperti yang telah disebutkan di atas bahwa terdapat enam kategori bidang usaha yang saat ini memiliki perkembangan yang sangat bagus dalam m-commerce di Indonesia. Perkembangan ini tentunya didukung oleh karena adanya aplikasi mobile yang menjalankan ke-enam bidang usaha tersebut. Contohnya untuk bidang perbankan, BCA dengan klik-BCA dan CIMB Niaga dengan CIMB Clicks. Para program developer saat ini berlomba – lomba untuk menciptakan aplikasi mobile yang mendukung m-commerce untuk berbagai vendor mobile (iPhone, Blackberry, Android, dan Java). Hal ini juga yang membuat setiap orang yang memiliki perangkat mobile dapat melakukan m-commerce di manapun mereka berada.

Selain aplikasi mobile, beberapa perusahaan yang bergerak di bidang m-commerce juga mulai bermunculan, seperti MCI (Mobile Commerce Indonesia / http://mjob.m-ci.co.id/) dan PT. mCommerce Indonesia Jakarta. Selain menawarkan aplikasi mobile m-commerce sebagai komoditi dagang, mereka juga menawarkan jasa bantuan bagi para pengembang usaha yang ingin mulai menggunakan m-commerce. Kelebihannya, perusahaan – perusahaan ini mendukung hampir seluruh bidang usaha mulai dari skala kecil hingga ke skala besar. Bagi sebagian pelaku bisnis m-commerce di Indonesia, cara baru berbisnis yang disebut m-commerce ini diyakini kini sedang tumbuh dan terus berkembang di Indonesia. Hal ini terlihat jelas dengan terus bermunculannya berbagai inovasi m-commerce di dunia bisnis Indonesia. Inovasi-inovasi m-commerce itu dipandang merupakan peluang-peluang bisnis baru atau sumber pendapatan baru, baik di saat sekarang maupun di masa depan. Sebuah studi oleh MEF pada bulan Juni tahun 2011 menemukan bahwa 82% konsumen telah menggunakan ponsel mereka untuk melakukan pembelian. Produk yang paling sering dibeli adalah produk digital, meskipun banyak dari konsumen juga membeli tiket, buku, dan barang elektronik menggunakan ponsel mereka. Sementara Dalam hal mobile banking, 73% responden di Indonesia telah menggunakan mobile banking dibandingkan dengan 48% di Singapura dan 44% di India. 63% responden Indonesia telah mengirimkan airtime untuk orang lain. Proses ini mungkin lebih dikenal dengan mengirimkan pulsa telepon[8].

Contoh m-commerce seperti :

  • Pembayaran tagihan melalui mobile phones
  • Pengenalan suara melalui mobile phones untuk membeli karcis bioskop
  • Pembelian tiket pesawat melalui mobile phones
  • Transfer dana melalui mobile phones (mobile wallet)
  •  Trading saham melalui mobile phones

Keuntungan yang diperoleh dengan menggunakan transaksi melalui m-commerce bagi suatu perusahaan :

1. Meningkatkan pendapatan dengan menggunakan online channel yang biayanya lebih murah.

2. Mengurangi biaya-biaya yang berhubungan dengan kertas, seperti biaya pos surat, pencetakan, report, dan sebagainya.

3. Mengurangi keterlambatan dengan menggunakan transfer elektronik/pembayaran yang tepat waktu dan dapat langsung dicek.

4. Mempercepat pelayanan ke pelanggan, dan pelayanan lebih responsif

VI.          Analisa Kuisioner

Untuk membantu dalam menganalisis pengunaan m-commerce di Indonesia maka sebuah kuisioner telah kami buat dalam rangka pengumpulan data. Kuisioner ini berisi sejumlah pertanyaan yang menuntun setiap responden untuk sedikit mengetahui mengenai m-commerce dan sebagai timbal-balik kami mengetahui mengenai data penggunaan m-commerce mereka.

Secara mayoritas, responden kami berumur antara 17-25 tahun dan hanya satu responden yang berumur di atas 36 tahun. Hal ini menunjukkan bahwa responden kami kebanyakan berasal dari kalangan mahasiswa hingga fresh graduate dan para pekerja awal. Hal ini bukanlah menjadi masalah karena saat ini pun banyak mahasiswa maupun para pekerja yang sudah mulai berbisnis dan memanfaatkan m-commerce.

Pie-chart di atas menunjukkan persentase pengguna smartphone dari responden kami. Dari gambar menunjukkan bahwa 85% responden kami adalah pengguna smartphone dan sisanya adalah bukan pengguna smartphone (pengguna handphone). Hal ini menunjukkan bahwa masyarakat Indonesia saat ini sudah mengadopsi tingkat teknologi yang tinggi, dalam hal ini pemilihan perangkat mobile mereka. Hal ini sebenarnya bukanlah menjadi masalah yang berhubungan secara langsung dengan m-commerce karena baik handphone maupun smartphone dapat menjalankan m-commerce dengan baik.

Bar-chart di atas menunjukkan tingkat penggunaan perangkat mobile untuk keperluan m-commerce. Terlihat bahwa bar yang paling tinggi adalah bar yang menunjukkan “tidak pernah”, kemudian “sering” dan “jarang”. Hal ini mungkin saja terjadi karena selain responden kami kebanyakan berasal dari kalangan mahasiswa dan fresh graudate, juga karena kurangnya pemahaman atau ketidak-tahuan mereka mengenai m-commerce sehingga memilih “tidak pernah”. Namun jumlah pemilih kategori “jarang” dan “sering” pun sudah banyak dan hal ini menunjukkan bahwa tingkat penggunaan m-commerce di kalangan masyarakat Indonesia sudah cukup tinggi.

Dari bar-chart di atas telihat bahwa jenis layanan yang paling banyak dipakai oleh responden kami adalah chatting, browsing, dan e-mail. Meskipun bentuknya yang sederhana namun sebenarnya layanan inilah yang merupakan layanan pokok dalam m-commerce. Chatting dan e-mail menjadikan komunikasi antar pihak – pihak yang terlibat dalam suatu bisnis menjadi semakin real-time dan akurat, sedangkan informasi dan kabar terbaru mengenai suatu bisnis dapat langsung didapatkan melalui browsing. Dan kesemuanya jenis layanan di atas terhubung ke jaringan internet sebagai jaringan global bagi siapa saja.

Bar-chart di atas menujukkan jenis aplikasi yang paling sering digunakan oleh responden kami. Karena jenis layanan yang paling banyak digunakan adalah chatting maka aplikasi yang paling sering digunakan pun adalah BBM atau MSN atau Yahoo messenger. Kemudian untuk layanan browsing digunakan IE atau Opera, dan untuk layanan e-mail digunakan Hotmail atau Yahoo mail. Dan untuk beberapa responden juga menggunakan jejaring social (Facebook atau Twitter) dan Mobile trading. Apapun bentuk aplikasinya itu semua memiliki tujuan yang sama yaitu untuk melakukan m-commerce. Dapat ditarik kesimpulan bahwa responden kami menggunakan cara – cara yang umum dilakukan  untuk menjalankan bisnis mereka.

Bar-chart di atas menunjukkan lamanya waktu yang dihabiskan oleh responden kami untuk memakai aplikasi – aplikasi yang telah disebutkan di atas. 1-3 jam adalah durasi waktu yang paling banyak dipilih, kemudian di bawah 1 jam, di atas 5 jam, dan antara 3-5 jam. Hal ini menunjukkan ketergantungan mereka akan layanan dan aplikasi m-commerce yang digunakan. Waktu yang mereka pergunakan adalah waktu yang cukup lama bagi seseorang pebisnis dan hal ini menunjukkan bahwa kebutuhan mereka akan m-commerce sudah merupakan kebutuhan vital yang tidak dapat dipisahkan lagi.

Selain itu, beberapa responden juga memberikan masukan tentang harapan mereka akan aplikasi m-commerce yang akan muncul ke depannya, seperti online reservation, aplikasi bisnis all-in-one, transaksi online yang aman, broadcast and show katalog produk barang, aplikasi pemantau CCTV yang terhubung dengan mobile, serta aplikasi trading saham yang cepat dan akurat.

Dari keseluruhan hasil kuisioner kami maka dapat ditarik kesimpulan bahwa kebutuhan masyarakat Indonesia akan m-commerce sudah menjadi suatu kebutuhan pokok bagi para pebisnis. Penggunaan m-commerce tidak terbatas pada usia dan jenis usahanya. Dengan bantuan dari m-commerce maka waktu dan kesempatan bagi para pebisnis menjadi semakian bertambah lebar dan dengan demikian dapat memajukan perekonomian Indonesia. Dan kesempatan ini masih terbuka lebar bagi siapa saja yang ingin mengembangkan atau menggunakan m-commerce.

VII. Contoh Aplikasi Mobile untuk Bisnis

  • iPhone[9]

Evernote, adalah aplikasi asisten pengatur jadwal pribadi di mana kita dapat menghubungkan antara gambar (foto atau screen-shoot) dengan jadwal kegiatan dan pada waktunya  Evernote akan mengingatkan kita melaui pesan singkat

 

 

 

iTerminal (credit card Terminal), adalah suatu aplikasi yang memungkinkan pembayaran dengan kartu kredit melalui iPhone. Dengan memanfaatkan jaringan internet, pengguna hanya memasukkan nomor kartu kredit dan hasilnya akan segera keluar.

 

Analytisc App, seperti Google Analytics pada PC, adalah aplikasi yang memungkinkan pemilik perusahaan dapat dengan segera mengetahui perkembangan situs perusahaan mereka dan mendapatkan 47 macam laporan yang dibutuhkan dari Google Analytics.

 

 

  • Android[10]

Document to Go, seperti namanya adalah aplikasi Office mobile di mana fungsi mengubah maupun menambahkan berbagai file Office dapat dilakukan (M.Word, M.Excel, M.Ppt, dan melihat file PDF).

 

 

 

AK Notepad, adalah aplikasi mobile  notes on the go. Seperti Sticky notes, user dapat menuliskan catatan – catatan penting sebagai pengingat dan dapat menyetel alarm sebagai peringatan sesuai pada waktunya.

 

 

ServerUp, adalah aplikasi mobile bagi para engineer IT yang ingin mengatur server mereka melalui jaringan internet (3G atau Wi-Fi). Dengan ServerUp, memeriksa dan mengatur server dari mana saja bukanlah menjadi masalah lagi.

 

 

 

 

  • Blackberry[11]

Siapa yang tidak mengenal Blackberry Messenger. Aplikasi satu ini telah menjadi aplikasi yang paling digandrungi oleh pemakai Blackberry dan dengan fungsi chat-nya yang real-time maka urusan bisnis pun dapat berjalan dengan lancar.

 

 

Dropbox, adalah aplikasi mobile yang memungkinkan pengguna untuk mengakses file dalam ukuran yang besar tanpa harus menyimpannya dalam perangkat mobile. File tersebut disimpan dalam cloud-computing dan karena itu dapat diakses dari mana saja.

 

 

Wifi File Transfer, adalah aplikasi mobile yang memungkinkan suatu Blackberry untuk mengirimkan file ke perangkat lainnya (Blackberry, PC, atau MAC) yang berada dalam satu area Wifi yang sama.

 

 

  • Symbian[12]

Facebook Mobile, adalah aplikasi mobile untuk menjalankan Facebook. Saat ini hampir tidak adalah perangkat mobile yang tidak memiliki aplikasi ini. Melaui Facebook, kita dapat memposting bisnis kita dan menarik customer serta menjalin relasi dengan customer.

 

 

 

WorldCard Mobile, adalah aplikasi mobile yang memanfaatkan kamera pada handphone untuk mengambil gambar dari kartu bisnis seseorang dan memasukkannya secara langsung pada kontak orang tersebut.

 

 

Rebtel, adalah aplikasi mobile yang sangat berguna bagi para pebisnis yang sering bepergian. Ketika seseorang berada di negara lain dan ingin menelpon, maka Rebtel akan secara otomatis memberikan nomor lokal dan harga yang harus dibayarkan adalah harga lokal.

 

 

 

 

VII. Dampak Positif dan Negatif M-Commerce

Secara sekilas, m-commerce memberikan banyak sekali manfaat dan keuntungan bagi para penggunanya. Namun setiap teknologi pasti memberikan dua macam dampak, yaitu dampak positif dan dampak negatif. Dampak positif sangat menolong bagi masyarakat, sebaliknya dampak negatif sebaiknya dihindari atau diperbaiki.

Dampak positifnya dari m-commerce yaitu[6]:

1. Revenue Stream (aliran pendapatan) baru yang mungkin lebih menjanjikan yang tidak bisa ditemui di sistem transaksi tradisional.

2. Dapat meningkatkan market exposure (pangsa pasar).

3. Menurunkan biaya operasional(operating cost).

4. Melebarkan jangkauan (global reach).

5. Meningkatkan customer loyality.

6. Meningkatkan supplier management.

7. Memperpendek waktu produksi.

8. Meningkatkan value chain (mata rantai pendapatan).

Sebaliknya, dampak negative dari m-commerce yaitu[6]:

1. Kehilangan segi finansial secara langsung karena kecurangan. Seorang penipu mentransfer uang dari rekening satu ke rekening lainnya atau dia telah mengganti semua data finansial yang ada. Karena itu sistem keamanan menjadi nomor satu dalam m-commerce

2. Pencurian informasi rahasia yang berharga. Gangguan yang timbul bisa menyingkap semua informasi rahasia tersebut kepada pihak-pihak yang tidak berhak dan dapat mengakibatkan kerugian yang besar bagi si korban.

3. Kehilangan kesempatan bisnis karena gangguan pelayanan. Kesalahan ini bersifat kesalahan non-teknis seperti sinyal drop atau kapasitas SMS load.

4. Kerugian yang tidak terduga. Disebabkan oleh gangguan yang dilakukan dengan sengaja, ketidakjujuran, praktek bisnis yang tidak benar, kesalahan faktor manusia, kesalahan faktor manusia atau kesalahan sistem elektronik pada mesin.

Daftar Pustaka

[1] http://www.articleclick.com/Article/Emergence-Of-Mobile-AppDevelopment/1872317

[2] http://www.khlinteractive.com/the-emergence-of-mobile-business-apps/

[3] http://dailysocial.net/2009/12/29/2010-tahunnya-mobile-internet/

[4] http://rplhadea.wordpress.com/apa-itu-j2me/

[5] http://searchnetworking.techtarget.com/definition/i-Mode

[6] http://mjob.m-ci.co.id/

[7] http://www.mobile88.co.id/editorial/detail.asp?title=Menggerakkan-Kembali-Potensi-Mobile-Commerce&id=74

[8] http://dailysocial.net/2011/10/11/adopsi-mobile-commerce-semakin-luas/

[9]http://www.pcworld.com/businesscenter/article/169587/top_10_musthave_iphone_business_apps.html

[10]http://www.pcworld.com/businesscenter/article/192721/10_musthave_android_apps_for_business.html

[11] http://www.smarta.com/blog/2011/11/5-best-blackberry-business-apps

[12] http://www.channelpro.co.uk/advice/6091/11-best-symbian-apps

LTE and 4G

3G (third-generation technology ) adalah perkembangan teknologi telepon nirkabel (wireless) yang memberikan kecepatan akses sebesar :

* Sebesar 144 Kbps untuk kondisi bergerak cepat (mobile).
* Sebesar 384 Kbps untuk kondisi berjalan (pedestrian).
* Sebesar 2 Mbps untuk kondisi statik di suatu tempat.

3G merepresentasikan evolusi untuk kapasitas, kecepatan data dan kemampuan layanan baru. Layanan yang terkait dengan 3G adalah layanan perpindahan data baik berupa voice data maupun non-voice data. Termasuk didalamnya adalah standar High-Speed Downlink Packet Accesss (HSDPA) dan High-Speed Uplink Packet Data Access (HSUPA).

Sebagai akusisi dari teknologi 3G ke 4G maka sebuah teknologi baru diperkenalkan untuk dunia wirekess, tang dikenal dengan Super 3G (S3G). Super 3Gadalah standar jaringan wireless untuk mobile phones yang menawarkan kecepatan downlink hingga 100 megabits per second (Mbps) dan 50 megabits per second (Mbps) untuk uplink. Oleh karena itu Super 3G juga disebut sebagai HSDPA. S3G memungkinkan layanan voice, data (broadband internet dan multimedia), serta mobile television menjadi satu dalam mobile phone. Teknologi yang termasuk di dalam Super 3G adalah HSDPA/ HSUPA (High Speed Down/Uplink Packet Access), HSOPA (High Speed OFDM Packet Access), Wireless Broadband (WiBro), HSPA+ (HSPA Evolution).

Super  3G adalah jawaban dari kebutuhan akan bandwitch yan lebih besar dibandingkan dengan 3G dengan tetap memanfaatkan gelombang radio . Keunggulan dari Super 3G ini adalah:

–          Kecepatan akses data hingga 100 Mbps dalam area lokal

–          Waktu latensi kurang dari 10 ms

–          Peningkatan efisiensi spektrum (bandwitch)

–          Alokasi menggunakan IP

–          Full digital

–          Layanan broadcasting

–          Spektrum yang fleksibel.

–          Tetap menggunakan frekuensi 3G sehingga tidak perlu melakukan terlalu banyak perubahan

Perkembangan lebih lanjut dari Super 3G dikenal dengan nama LTE (Long Term Evolution). LTE (Long Term Evolution) adalah sebuah perkembangan dari standar keluarga 3GPP dengan perkembangan terakhirnya adalah HSPA+. Secara keseluruhan fokus dari LTE adalah menyediakan teknologi radio-access yang powerfull bahkan dalam kondisi mobility sekalipun. LTE pun secara penuh menggunakan IP (Internet Protocol) pada arsitektur jaringannya seperti pada Super 3G.

Perubahan siginifikan dibandingkan standar Super 3G sebelumnya meliputi 3 hal utama, yaitu air interface, jaringan radio serta jaringan core. Di masa mendatang, pengguna dijanjikan akan dapat melakukan download dan upload video high definition dan konten-konten media lainnya, mengakses e-mail dengan attachment besar serta bergabung dalam video conference dimanapun dan kapanpun. LTE juga secara dramatis menambah kemampuan jaringan untuk mengoperasikan fitur Multimedia Broadcast Multicast Service (MBMS), bagian dari 3GPP Release 6, dimana kemampuan yang ditawarkan dapat sebanding dengan DVB-H dan WiMAX .LTE dapat beroperasi pada salah satu pita spektrum seluler yang telah dialokasikan yang termasuk dalam standar IMT-2000 (450, 850, 900, 1800, 1900, 2100 MHz) maupun pada pita spektrum yang baru seperti 700 MHz dan 2,5 GHz.

 

 

Arsitektur dari jaringan LTE dapat digambarkan seperti berikut:

LTE menggunakan OFDMA (Orthogonal Frequency Division Multiple Access) untuk modulasi datanya. OFDM merupakan singkatan dari Orthogonal Frequency Division Multiplexing, merupakan teknik modulasi FDM untuk mentransmitkan data digital yang jumlahnya banyak melalui gelombang radio. OFDM bekerja dengan membagi sinyal radio menjadi sub-sub sinyal yang lebih kecil, di mana sub-sub sinyal itu kemudian akan ditransmitkan secara simultan dalam frekuensi-frekuensi yang berbeda yang ditujukan pada receiver. OFDM dapat mengurangi crosstalk pada transmisi sinyal. 802.11a WLAN, 802.16 WiMAX, Televisi Digital (Standar Eropa dan Australia), ADSL, menggunakan teknologi OFDM ini.

Carrier ditempatkan pada frekuensi orthogonal, puncak dari masing-masing sinyal saling berhimpit dengan sinyal-sinyal yang lain, subcarrier dipisahkan oleh 1/Ts dapat dilihat pada gambar dibawah ini :

MODULASI

Efek dari multipath pada sinyal baseband yang diterima :

Sinyal yang diterima pada saat tertentu tergantung dengan jumlah bit yang ditransmitkan dan membutuhkan equalizer untuk merecover data.

Keuntungan utama dari OFDM dalah kemampuan dari skema single carrier ini untuk mengatasi kondisi saluran yang tidak baik (contohnya atenuasi pada frekuensi yang tinggi di dalam kabel tembaga yang panjang, interferensi / gangguan band-band yang sempit / narrowband dan frekuensi-frekuensi yang hilang karena multipath) tanpa filter equalizer yang rumit. Equalizer channel / saluran disederhanakan karena OFDM menggunakan banyak sinyal narrowband yang berkecepatan rendah daripada 1 sinyal wideband yang berkecepatan tinggi. Low symbol rate dapat membuat penggunaan guard interval (memastikan transmisi yang satu tidak berinterferensi dengan yang lain) antara simbol terjadi, memungkinkan untuk menghilangkan intersymbol interference (ISI) dan memanfaatkan echo dan time-spreading.

4G

4G adalah singkatan dari fourth generation yaitu generasi penerus dari teknologi 3G. Teknologi 4G memiliki jaringan yang mampu melayani akses layanan data lebih baik dan lebih cepat dibandingkan teknologi 3G, EDGE, dan teknologi GPRS. Menurut IEEE (Institute of Electrical and Electronics Engineers) nama resmi dari teknologi ini adalah 3G and beyond. Perbedaan yang sangat menonjol dari teknologi komunikasi ini adalah seluruh jaringan yang digunakan adalah berbasis IP ( Internet Protokol ). Teknologi yang dipakai adalah Session Initiation Protocol ( SIP ) yang dikembangkan oleh Internet Engineering Task Force ( IETF ). Jadi.., identifikasi / pengenal dari setiap pengguna teknologi ini nantinya tidak akan menggunakan number seperti +62 21 xxxxxxxx, tapi akan berupa URL seperti sip:hadiiryana@contoh.com

Kecepatan transfer data dari 4G ini bisa mencapai 54 Mbps, ini jauh lebih besar dari teknologi 3G yang hanya bisa mencapai 2 Mbps, ataupun HSDPA yang dikenal dengan 3,5 G yang hanya bisa mencapai 14,4 Mbps di jaringan GSM. Dengan besarnya kecepatan transfer data, hal ini akan akan terasa nyaman dalam melakukan video call ataupun mobile tv.

Dengan mengandalkan jalur internet dan murahnya koneksi internet, tentu sangat menggembirakan dalam penggunaan teknologi 4G ini dalam berkomunikasi dibandingkan dengan teknologi komunikasi yang ada saat ini. Di masa yang akan datang, berkomunikasi akan dilakukan dengan menggunakan laptop, PC ataupun PDA yang mempunyai koneksi Wifi untuk menghubungkan ke internet, atau juga handset/ponsel tersendiri yang bisa terhubung ke internet. Ini akan menjadi suatu revolusi teknologi komunikasi yang besar dikarenakan akan terciptanya komunikasi yang murah bagi masyarakat.

Semua jenis radio transmisi seperti GSM, TDMA, EDGE, CDMA 2G, 2.5G akan dapat digunakan, dan dapat berintegrasi dengan mudah dengan radio yang di operasikan tanpa lisensi seperti IEEE 802.11 di frekuensi 2.4GHz & 5-5.8Ghz, bluetooth dan selular. Integrasi voice dan data dalam channel yang sama. Integrasi voice dan data aplikasi SIP-enabled.

3G

UMTS (Universal Mobile Telecommunication System) merupakan evolusi dari GSM yang mendukung kemampuan generasi ketiga (3G). Teknologi yang dipakai adalah menggunakan WCDMA dengan sistem (Direct Seqence Wideband CDMA). Ada 2 mode yang digunakan dalam teknologi ini yaitu FDD (Frequency Division Duplex) dan TDD (Time Division Duplex). Perbandingan antara spreading rate (kecepatan chip tiap detik) terhadap user data rate (kecepatan simbol data user tiap detik) dikenal sebagai spreading factor. Semakin banyak user yang dapat ditampung maka akan semakin tinggi chip ratenya. Semakin besar jumlah chip rate maka semakin tinggi kecepatan data yang diperoleh user. WCDMA menggunakan chip rate sebesar 3,84 Mbps.

Arsitektur jaringan UMTS yang menggunakan WCDMA dapat dilihat pada gambar di bawah ini

 

Arsitektur UMTS ini terdiri dari 3 daerah yang saling berinteraksi yaitu  Core Network(CN), UMTS Terrestrial Radio Access Network (UTRAN), dan User Equipment (UE) atau Mobile Station (MS).

Core Network dibagi dalam daerah Circuit Switched dan Packet Switched. Beberapa elemen dari Circuit Switched adalah Mobile services Switching Centre (MSC) merupakan interface yang menangani MS untuk menangani circuit switched dataGateway MSC (GMSC) merupakan gerbang penghubung antara UMTS dan jaringan luar circuit switched seperti PSTN, Visitor Location Register (VLR), dan Gateway MSC. Elemen Packet Switched adalah Serving GPRS Support Node (SGSN) merupakan interface yang berfungsi sama dengan MSC tetapi digunakan untuk layanan packet switched dan Gateway GPRS Support Node (GGSN) merupakan gerbang yang menghubungkan UMTS menuju jaringan packet switched. Beberapa elemen jaringan yang lain seperti HLR dan AUC digunakan bersama oleh kedua daerah tersebut. Arsitektur CN dapat berubah ketika terdapat layanan atau fitur yang baru.

Transfer data di dalam jaringan inti didukung oleh GGSN (gateway GPRS support node) dan SGSN (serving GPRS support node). Pada dasarnya, GGSN adalah sebuah fitur pengaturan mobilitas tambahan, dan menghubungkan dengan berbagai macam elemen jaringan melalui standart interface. Pada jaringan ini GGSN merupakan interface fisik yang terhubung ke jaringan packet data external (misalnya Internet). SGSN menangani pengiriman packet dari dan ke terminal-terminal mobile. Masing-masing SGSN memungkinkan untuk mengirimkan packet ke terminal di dalam service area. GGSN dan SGSN dapat mengirim data dengan kecepatan hingga 2 Mbps.

UTRAN ini terdiri dari 1 atau lebih Radio Network System (RNS), dimana RNS ini terdiri dari sebuah pengendali jaringan radio yang disebut dengan Radio Network Controller (RNC) dan beberapa node B (UMTS Base Station) dan User Equipment. UTRAN terhubung pada bagian Core Network melalui interface Iu dan menggunakan Interface Iub untuk mengontrol node B. Sedangkan Interface Iur yang menghubungkan antar RNC berfungsi untuk mengatur terjadinya soft handover (memungkinkan adanya overlapping antara cell yang satu dengan yang lain) diantara RNC tersebut. RNC berfungsi mengendalikan gelombang-gelombang radio dari beberapa Node B juga berperan dalam power control atau handover control.

Base station di UMTS disebut node B. Node B berfungsi sebagai sistem pengiriman dan penerimaan gelombang radio dari cell. Interface Iub menghubungkan RNC dengan node B. Interface Iur menghubungkan antar RNC dan UTRAN dihubungkan dengan jaringan inti / core network menggunakan interface Iu.

User Equipment (UE) mempunyai prinsip kerja yang sama dengan GSM Mobile Station (MS), yang berfungsi menyimpan identitas user yang serupa dengan SIM pada GSM. UE sendiri terdiri dari 2 bagian Mobile Equipment (ME)  dan UMTS Subscriber Identity Module (USIM) yang dihubungkan oleh interface Cu. ME merupakan perangkat untuk pengiriman gelombang radio, sedangkan USIM merupakan kartu untuk menyimpan identitas user dan informasi pribadi.

 

Teknologi 3G diperkenalkan pada awalnya adalah untuk tujuan sebagai berikut:

a. Menambah efisiensi dan kapasitas jaringan.

b. Menambah kemampuan jelajah (roaming).

c. Untuk mencapai kecepatan transfer data yang lebih tinggi.

d. Peningkatan kualitas layanan (Quality of Service – QOS).

e. Mendukung kebutuhan internet bergerak (mobile internet)

 

Kemampuan teknologi 3G :

Memiliki kecepatan transfer data cepat (144kbps-2Mbps) sehingga dapat melayani layanan  data broadband seperti internet, video on demand, music on demand, games on demand, dan on  demand lain yang memungkinkan kita dapat memilih program musik, video, atau game semudah  memilih channel di TV. Kecepatan setinggi itu juga mampu melayani video conference dan video  streaming lainnya.

 

Frekuensi yang digunakan oleh teknologi 3G, yaitu :

1. Frekuensi penerimaan (downlink) 1920-1980 MHz.

2. Frekuensi pengiriman (uplink) 2110-2170 MHz.

 

Kelebihan 3G dari generasi-genersi sebelumnya :

1. Kualitas suara yang lebih bagus.

2. Keamanan yang terjamin.

3. Kecepatan data mencapai 2 Mbps untuk lokal/Indoor/slow-moving access dan 384 kbps untuk

wide area access.

4. Support beberapa koneksi secara simultan, sebagai contoh, pengguna dapat browse internet

bersamaan dengan melalukan call (telepon) ke tujuan yang berbeda.

5. Infrastruktur bersama dapat mensupport banyak operator dilokasi yang sama. Interkoneksi ke

other mobile dan fixed users.

6. Roaming nasional dan internasional

7. Bisa menangani  packet-and circuit-switched service  termasuk internet (IP) dan

videoconferencing. Juga  high data rate communication services  dan  asymmetric data

transmission.

8. Efiensi spektrum yang bagus, sehingga dapat menggunakan secara maksimum bandwidth yang

terbatas.

9. Support untuk multiple cell layer.

10. Co-existance and interconnection dengan satellite-based services.

11. Mekanisme billing yang baru tergantung dari volume data, kualitas service dan waktu.

 

2G

Teknologi komunikasi mobile generasi kedua (2G) berkembang dan meluas penggunaannya pada era tahun 90-an, di mana sistem digital mulai booming dan digunakan di berbagai aspek teknologi menggantikan sistem analog. Teknologi 2G merupakan teknologi telepon mobile yang menggunakan sistem digital, bukan lagi sistem analog seperti 1G. Sampai sekarang teknologi 2G masih ada dan digunakan. Teknologi ini didasarkan pada GSM. 2G memungkikan beberapa jaringan mobile phone untuk menyediakan layanan seperti sms, picture messages dan MMS (multi media messages). Teknologi ini mengakomodasi tingkat security / keamanan yang cukup baik dari sisi pengirim atau penerima. Semua pesan teks akan dienkripsi secara digital, dengan begitu hanya penerima yang benar-benar dituju yang dapat menerima dan membacanya.

Teknologi 2G menggunakan Time Division Multiple Access (TDMA) atau Code Division Multiple Access (CDMA). TDMA memungkian pembagian sinyal menjadi slot-slot waktu. CDMA mengalokasi masing-masing pengguna dengan menggunakan kode-kode special untuk berkomunikasi melalui saluran fisik yang dimultiplex.

Sinyal digital memerlukan konsumsi power baterai yang tidak banyak, maka baterai handphone akan lebih tahan lama. Digital coding meningkatkan kejernihan suara dan mereduksi noise dalam line tersebut. Informasi yang dienkripsi secara digital menyediakan kerahasiaan dan keamanan pada data dan voice call.

 

 

 

Teknologi Generasi Tiga Setengah (3.5G)

Teknologi 3.5 G atau disebut juga super 3G merupakan peningkatan dari teknologi 3G,  terutama dalam peningkatan kecepatan transfer data yang lebih dari teknologi 3G (>2 Mbps)  sehingga dapat melayani komunikasi multimedia seperti akses internet dan  video sharing. Yang  termasuk dalam teknologi ini adalah :

 

1. High Speed Downlink Packet Access (HSDPA)

HSDPA merupakan Evolusi WCDMA dari Ericsson. HSDPA merupakan protokol  tambahan pada sistem WCDMA (wideband  CDMA) yang mampu mentransmisikan data  berkecepatan tinggi. HSDPA fase pertama berkapasitas 4,1 Mbps. Kemudian menyusul fase 2  berkapasitas 11 Mbps dan kapsitas maksimal downlink peak data rate hingga mencapai 14  Mbit/s.Kecepatan jaringan HSDPA di lingkungan perumahan dapat melakukan  download data  berkecepatan 3,7 Mbps. Seorang yang sedang berkendaraan di jalan tol berkecepatan 100  km/jam dapat mengakses internet berkecepatan 1,2 Mbps. Sementara itu, pengguna di  lingkungan perkantoran yang padat tetap masih dapat menikmati  streaming video  meskipun  hanya memperoleh 300 Kbps. Kelebihan HSDPA adalah mengurangi keterlambatan (delay) dan  memberikan respon yang lebih cepat saat pengguna menggunakan aplikasi interaktif seperti  mobile office atau akses Internet kecepatan tinggi, yang dapat disertai pula dengan fasilitas  gaming atau download audio dan video. Kelebihan lain HSDPA, meningkatkan kapasitas sistim  tanpa memerlukan spektrum frekuensi tambahan, sehingga pasti akan mengurangi biaya layanan  mobile data secara signifikan.

 

HSPA (High-Speed Packet Access)

HSPA merupakan teknologi dari penyatuan dari  protokol teknologi mobile sebelumnya, sehingga  memperluas dan menambah kemampuan (terutama dari sisi kecepatan transfer data) dari  protokol UMTS yang telah ada sebelumnya. Karena adanya perbedaan kemapuan (downlink  dan uplink) tersebut HSPA di bagi menjadi 2 standar, yaitu :

 

  • HSDPA (High Speed Downlink Packet Access)

Merupakan standar HSPA dengan kemampuan dari sisi kecepatan transfer  downlinknya (dari jaringan ke handset), dimana HSDPA dapat mencapai kecepatan  downlink 7.2 Mbps dan secara teori dapat ditinggkatkan sampai kecepatan 14.4 Mbps  dengan maksimum uplink 384 kbps. HSDPA selain dapat digunakan oleh handphone tetapi  dapat pula digunakan oleh Notebook untuk mengakses data dengan kecepatan tinggi.

 

  • HSUPA ( High Speed Uplink Packet Access)

Merupakan standar HSPA dengan kemampuan dari sisi kecepatan transfer uplinknya  (dari handset ke jaringan), dimana HSUPA dapat mencapai kecepatan uplink secara teori  sampai kecepatan 5.76 Mbps, tetapi HSUPA ini tidak implentasikan (dikomersialkan) dan  handsetnya tidak dibuat.

 

 

OFDM

OFDM merupakan singkatan dari Orthogonal Frequency Division Multiplexing, merupakan teknik modulasi FDM untuk mentransmitkan data digital yang jumlahnya banyak melalui gelombang radio. OFDM bekerja dengan membagi sinyal radio menjadi sub-sub sinyal yang lebih kecil, yang mana itu akan ditransmitkan secara simultan dalam frekuensi-frekuensi yang berbeda yang ditujukan pada receiver. OFDM dapat mengurangi crosstalk pada transmisi sinyal. 802.11a WLAN, 802.16 WiMAX, Televisi Digital (Standar Eropa dan Australia), ADSL, menggunakan teknologi OFDM ini.

Carrier ditempatkan pada frekuensi orthogonal, puncak dari masing-masing sinyal saling berhimpit dengan sinyal-sinyal yang lain, subcarrier dipisahkan oleh 1/Ts dapat dilihat pada gambar dibawah ini :

MODULASI

 

Efek dari multipath pada sinyal baseband yang diterima :

 

Sinyal yang diterima pada saat tertentu tergantung dengan jumlah bit yang ditransmitkan dan membutuhkan equalizer untuk merecover data.

Keuntungan utama dari OFDM dalah kemampuan dari skema single carrier ini untuk mengatasi kondisi saluran yang tidak baik (contohnya atenuasi pada frekuensi yang tinggi di dalam kabel tembaga yang panjang, interferensi / gangguan band-band yang sempit / narrowband dan frekuensi-frekuensi yang hilang karena multipath) tanpa filter equalizer yang rumit. Equalizer channel / saluran disederhanakan karena OFDM menggunakan banyak sinyal narrowband yang berkecepatan rendah daripada 1 sinyal wideband yang berkecepatan tinggi. Low symbol rate dapat membuat penggunaan guard interval (memastikan transmisi yang satu tidak berinterferensi dengan yang lain) antara simbol terjadi, memungkinkan untuk menghilangkan intersymbol interference (ISI) dan memanfaatkan echo dan time-spreading.

3G Technology

3G (dari bahasa Inggristhird-generation technology) merupakan sebuah standar yang ditetapkan oleh International Telecommunication Union (ITU) yang diadopsi dari IMT-2000 untuk diaplikasikan pada jaringan telepon selular. Istilah ini umumnya digunakan mengacu kepada perkembangan teknologi teleponnirkabel versi ke-tiga. Melalui 3G, pengguna telepon selular dapat memiliki akses cepat ke internet dengan bandwidth sampai 384 kilobit setiap detik ketika alat tersebut berada pada kondisi diam atau bergerak secepat pejalan kaki.. Akses yang cepat ini merupakan andalan dari 3G yang tentunya mampu memberikan fasilitas yang beragam pada pengguna seperti menonton video secara langsung dari internet atau berbicara dengan orang lain menggunakan video. 3G mengalahkan semua pendahulunya, baik GSM maupun GPRS.. Beberapa perusahaan seluler dunia akan menjadikan 3G sebagai standar baru jaringan nirkabel yang beredar di pasaran ataupun negara berkembang.

ITU (Intenational Telecomunication Union) mendefisikan 3G (Third Generation) sebagai teknologi yang dapat unjuk kerja sebagai berikut :

1. Mempunyai kecepatan transfer data sebesar 144 kbps pada kecepatan user 100 km/jam.

2. Mempunyai kecepatan transfer data sebesar 384 kbps pada kecepatan berjalan kaki.

3. Mempunyai kecepatan transfer data sebesar 2 Mbps pada untuk user diam (stasioner).

Teknologi 3G diperkenalkan pada awalnya adalah untuk tujuan sebagai berikut:

a. Menambah efisiensi dan kapasitas jaringan

b. Menambah kemampuan jelajah (roaming)

c. Untuk mencapai kecepatan transfer data yang lebih tinggi

d. Peningkatan kualitas layanan (Quality of Service – QOS)

e. Mendukung kebutuhan internet bergerak (mobile internet)

Frekuensi yang digunakan oleh teknologi 3G, yaitu :

1. Frekuensi penerimaan (downlink) 1920-1980 MHz.

2. Frekuensi pengiriman (uplink) 2110-2170 MHz.

Kemampuan teknologi 3G :

Memiliki kecepatan transfer data cepat (144kbps-2Mbps) sehingga dapat melayani layanan data broadband seperti internet, video on demand, music on demand, games on demand, dan on demand lain yang memungkinkan kita dapat memilih program musik, video, atau game semudah memilih channel di TV. Kecepatan setinggi itu juga mampu melayani video conference dan video streaming lainnya.

Kelebihan 3G dari generasi-genersi sebelumnya :

1. Kualitas suara yang lebih bagus.

2. Keamanan yang terjamin.

3. Kecepatan data mencapai 2 Mbps untuk lokal/Indoor/slow-moving access dan 384 kbps untuk wide area access.

4. Support beberapa koneksi secara simultan, sebagai contoh, pengguna dapat browse internet bersamaan dengan melalukan call (telepon) ke tujuan yang berbeda.

5. Infrastruktur bersama dapat mensupport banyak operator dilokasi yang sama. Interkoneksi ke other mobile dan fixed users.

6. Roaming nasional dan internasional.

7. Bisa menangani packet-and circuit-switched service termasuk internet (IP) dan videoconferencing. Juga high data rate communication services dan asymetric data transmission.

8. Efiensi spektrum yang bagus, sehingga dapat menggunakan secara maksimum bandwidth yang terbatas.

9. Support untuk multiple cell layer.

10. Co-existance and interconnection dengan satellite-based services.

11. Mekanisme billing yang baru tergantung dari volume data, kualitas service dan waktu.