Rumus Entropi Informasi Shannon & Kapasitas Kanal Komunikasi
Persamaan dasar teori informasi yang menghitung batas rata-rata bit kompresi data tanpa hilang H(X) serta kecepatan maksimum pengiriman sinyal C.
| Symbol | Name | Unit |
|---|---|---|
| H | Binary Entropy H(p) | bits / symbol |
| p | Symbol Probability p | 0–1 |
| M | Equiprobable Alphabet Size M (info log₂M) | symbols |
Catatan & Penjelasan Rumus
- Claude Shannon (1948) proved H(X) = −∑ p_i log₂(p_i) is the unique continuous, symmetric, additive functional measuring uncertainty up to a logarithmic base factor.
- Base-2 logarithms yield 'bits' (shannons); natural logarithms yield 'nats' (1 nat = 1/ln2 ≈ 1.4427 bits).
Contoh Soal & Pembahasan
Pertanyaan yang Sering Diajukan (FAQ)
Bagaimana cara menggunakan alat Rumus Entropi Informasi Shannon & Kapasitas Kanal Komunikasi ini?+
Masukkan nilai parameter atau geser kontrol untuk menghitung dan memvisualisasikan Rumus Entropi Informasi Shannon & Kapasitas Kanal Komunikasi dengan rumus H(X) = −∑ p_i · log₂(p_i), C = B · log₂(1 + S/N) secara instan di browser Anda. Persamaan dasar teori informasi yang menghitung batas rata-rata bit kompresi data tanpa hilang H(X) serta kecepatan maksimum pengiriman sinyal C.
Apakah hasil dari Rumus Entropi Informasi Shannon & Kapasitas Kanal Komunikasi bisa diunduh atau dicetak?+
Ya! Alat ini mendukung ekspor grafik SVG/PNG resolusi tinggi, salin data CSV, serta cetak lembar kerja lengkap.
Bisakah saya menghapus data contoh di Rumus Entropi Informasi Shannon & Kapasitas Kanal Komunikasi dan mulai dari kosong?+
Ya. Klik tombol kosongkan di bagian atas alat untuk memulai dengan kanvas bersih, atau muat ulang data contoh kapan saja.