Data audio di era digital ini sangat umum digunakan baik untuk kebutuhan
personal maupun industri. Namun, ukuran data dalam proses transmisi dan penyimpanan adalah bagian yang penting karena masalah ukuran datanya yang sering kali memiliki ukuran yang besar. Kompresi data audio yang efisien menyelesaikan masalah ukuran data untuk kebutuhan penyimpanan dan transmisi ini.
Compressed sensing (CS) memperkenalkan teknik akuisisi sinyal yang melampaui efisiensi teori Nyquist pada umumnya dalam pengambilan sampel. Salah satu
metode CS adalah sparsity averaging reweighted analysis (SARA) yang diusulkan
untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN). Kemudian,
terdapat metode source separation via reweighted analysis (SSRA) diusulkan untuk data sinyal satu dimensi. Metode SSRA tidak melakukan rata-rata basis sparsity
seperti yang dilakukan pada metode SARA, sehingga Tugas Akhir ini melakukan
analisis untuk kinerja SARA yang dimodifikasi mengikuti prinsip SSRA pada sinyal
satu dimensi.
Tugas Akhir ini menganalisis kinerja SARA pada data sinyal senandung suara
dan sinyal musik hasil segmentasi yang terdiri dari reff/chorus dan verse dari musik
bergenre jazz dan reggae dengan jenis file wav. Dimana nantinya akan dilakukan
pengujian terhadap 4 file audi yaitu jazz.wav dan reggae.wav yang mewakili data
music, kemudian ep2.wav dan ep3.wav untuk jenis file senandung suara. SARA
terdiri dari 2 tahap, yaitu tahap awal untuk penentuan basis sparsity dengan mengusulkan basis baru dari hasil rata-rata dari beberapa basis dan proses reweighted
dari metode rekonstruksi BPDN. Hasil data audio yang paling bagus diperoleh file
audio Jazz dengan nilai Signal to Noise Ratio (SNR) sebesar 56.75 dB, nilai Object
Different Grade ODG yang dihasilkan sebesar -1.643 dan nilai Structural Similary
Index Measure (SSIM) sebesar 0.9997. Sedangkan, performansi data speech terbaik
diperoleh file Ep2 dengan nilai SNR sebesar 45.10 dB, nilai ODG sebesar -3.948
dan SSIM sebesar 0.9981