Kompresi Data.docx s1a5p

Kompresi Data  



 

 

Kompresi berarti memampatkan / mengecilkan ukuran. Kompresi data adalah proses mengkodekan informasi menggunakan bit atau informationbearing unit yang lain yang lebih rendah daripada representasi data yang tidak terkodekan dengan suatu sistem enkoding tertentu. Contoh kompresi sederhana yang biasa kita lakukan misalnya adalah menyingkat katakata yang sering digunakan tapi sudah memiliki konvensi umum. Misalnya: kata “yang”dikompres menjadi kata “yg”. Pengiriman data hasil kompresi dapat dilakukan jika pihak pengirim/yang melakukan kompresi dan pihak penerima memiliki aturan yang sama dalam hal kompresi data. Pihak pengirim harus menggunakan algoritma kompresi data yang sudah baku dan pihak penerima juga menggunakan teknik dekompresi data yang sama dengan pengirim sehingga data yang diterima dapat dibaca / di-dekode kembali dengan benar. Kompresi data menjadi sangat penting karena memperkecil kebutuhan penyimpanan data,mempercepat pengiriman data, memperkecil kebutuhan bandwidth. Teknik kompresi bisa dilakukan terhadap data teks/biner, gambar (JPEG, PNG, TIFF), audio (MP3, AAC, RMA, WMA), dan video (MPEG,H261, H263)

Kompresi Data Teks Dekompresi : Proses dekompresi mengembalikan file kompresi menjadi teks awal. Hasil dekompresi tergantung dari sifat kompresi yang digunakan, yaitu Lossless Compression atau Lossy Compression. 



Lossless Compression : Jika telah dilakukan teknik lossles compression pada suatu teks, teks yang asli dapat diperoleh kembali secara tepat dari file hasil dekompresi tersebut (Sayood, 2001). Pengkodean aritmetika merupakan teknik kompresi yang bersifat lossless compression. Lossy Compression : Lossy Compression mengakibatkan hilangnya beberapa informasi, dan hasil dekompresi tidak dapat menghasilkan teks yang tepat sama dengan teks asli (Sayood, 2001).

Rasio Kompresi menunjukkan presentase besarnya kompresi yang dilakukan terhadap file asli. Rasio kompresi diperoleh dari persamaan:Selisih ukuran Rasio kompresi = x 100% (1) file asli Selisih ukuran = file asli – file kompresi (2) Semakin tinggi rasio kompresi maka ukuran file kompresi yang dihasilkan semakin kecil, yang berarti hasil kompresi semakin bagus. Kompresi Data Image Kompresi pada gambar bisa menggunakan lossy dan lossless. Lossy lebih cocok untuk gambar natural seperti foto alam, karena ditujukan untuk manusia dan tidak diproses oleh komputer. Format file setelah kompresi adalah format gambar yang sering kita temui, yaitu GIF, PNG, JPEG.



GIF Graphic Interchange Format (GIF) yang dibuat oleh Compve pada tahun 1987 untuk menyimpan berbagai gambar dengan format bitmap menjadi sebuah file yang mudah untuk diubah pada jaringan koputer. GIF adalah file format graphic yang paling tua pada Web. GIF mendukung sampai 8 bit pixel , itu berarti maksimum jumlah warnanya 256 warna (28 = 256 warna), 4- interlacing, transparency dan mengunakan varian dari algoritma kompresi Lempel-Ziv Welch (LZW).

Tipe GIF ada dua, yaitu : 1. GIF87a : dengan interlacing dan kapasitas dari beberapa file. Tehnik itu dinamakan GIF87 karena pada tahun 1987 standar ini ditemukan dan dijadikan standar. 2. GIF89a : adalah kelanjutan dari spesifikasi GIF87a dan penambahan pada transparency, pemberian tulisan dan animasi dari text dan grafik. 

PNG Portable Network Graphic (PNG) format di rancang agar menjadi lebih baik dengan format yang terdahulu yaitu GIF adan sudah dilegalkan. PNG di rancang untuk algoritma losslessley untuk menyimpan sebuah bitmap image.PNG mempunyai persamaan fitur dengan GIF salah satunya adalah (multiple images), meningkatkan sesuatu contohnya(interlacing , kompresi) dan penambahan fitur-fitur yang terbaru (gamma storage, full alpha channel, true color , error detection ). Medukung untuk Web browser dimana dapat dilakukan plug-ins pada web browser.



JPEG t Photograpic Experts (JPEG , dibaca jay-peg,[6]) di rancang untuk kompresi beberapa full-color atau gray-scale dari suatu gambar yang asli, seperti pemandangan asli di dunia ini. JPEGs bekerja dengan baik pada continous tone images seperi photographs atau semua perkajaan seni yang mengininkan yang nyata; tetapi tidak terlalu bagus pada ketajaman gambar dan seni pewarnaan seperti penulisan, kartun yang sederhana atau gambar yang mengunakan banyak garis. JPEG sudah mendukung untuk 24-bit color depth atau sama dengan 16,7 juta warna (224 = 16.777.216 warna).progressive JPEGs (p-JPEGs) adalah tipe dari beberapa persen lebih kecil dibandingkan baseline JPEGs: tetapi keuntungan dari JPEG dan tipe-tipenya telihat pada langkah-langkahnya sama seperti iinterlaced GIFs.

Kompresi Data Audio 1. Kompresi Audio Lossless Kompresi lossless audio menghasilkan representasi data digital yang dapat diperluas ke tepat digital duplikat dari stream audio asli dan menghasilkan 50-60% dari ukuran asli. Kesulitan : Sulit untuk menjaga semua data dalam aliran audio dan mencapai kompresi substansial. Dan nilai-nilai dari audio sample berubah sangat cepat. Kriteria Evaluasi :

Lossless audio codec tidak mempunyai masalah kualitas suara, penggunaannya dapat difokuskan pada : Kecepatan kompresi dan dekompresi, tingkat kompresi, ketahanan dan koreksi kesalahan, dukungan produk 2. Kompresi Audio Lossy Inovasi dari kompresi audio lossy adalah menggunakan psychoacoustics untuk mengakui bahwa tidak semua data dalam aliran audio dapat dirasakan oleh sistem pendengaran manusia. Kompresi lossy biasanya mencapai kompresi yang jauh lebih besar daripada kompresi lossless (data dari 5 persen menjadi 20 persen dari aliran asli). Kekurangan : Data akan dihapus selama kompresi lossy dan tidak dapat dipulihkan oleh dekompresi dan kompresi lossy dapat mengakibatkan pengurangan persepsi kualitas audio yang berkisar dari tidak ada sampai parah Ciri-ciri Dari Metode Kompresi Lossy Pada Audio - Adaptive Differetial Pulse Code Modulation, contohnya CCITT G.721,16 tau 32 Kbit/sec  

Melakukan encode dua atau lebih sinyal yang berbeda, perbedaan kuantisasi pada encode tersebut adalah kehilangan sinyal data suara. Mengadaptasi terhadap kuantisasi terhadap beberapa bit dapat digunakan asalkan isi data sinyal suara sedikit.

- Linier Predective Coding (LPC) difungsikan untuk menyesuaikan sinyal data yang ada dengan sinyal suara manusia, kemudian mengirimkan parameter model suara tersebut ketempat tujuan, seperti sebuah computer yang dapat berbicara dengan bahasa manusia dengan kecepatan 2,4 kbps. - Code Excited Linear Predicator (CELP) bekerja mirip seperti LPC, tetapi ada tambahan CELP dapat memancarkan data suara yang salah, sedangkan PLC tidak, contohnya mutu percakapan audio pada kecepatan 4,8 kbps. Kompresi Data Video Kompresi video berhadapan dengan kompresi data video digital. Kompresi video dibutuhkan untuk koding data video secara efisien dalam format file video dan streaming format video. Kompresi adalah sebuah konversi data ke sebuah format yang lebih kecil, biasanya dilakukan sehingga data dapat disimpan atau disalurkan lebih efisien. Proses pengembalian data yang sudah dikecilkan tersebut disebut dekompresi. Dan bila proses dekompresi menghasilkan data yang sama dengan yang semula makan kompresi itu disebut “lossless”. Sedangkan bila data yang didekompresi tersebut menghasilkan data yang lebih kecil maka kompresi ini disebut “lossy”. Kompresi video lossless meskipun mungkin dilakukan, namun dalam praktik jarang digunakan, dan semua data video standar biasanya membuang sebagian data (kompresi lossy).

Video biasanya terdiri array tiga-dimensi dari pixel berwarna. Dua dimensi sebagai arah spasial (horizontal dan vertikal) dari gambar yang bergerak, dan satu dimensi mewakilkan domain waktu. http://bayand.blog.widyatama.ac.id/2012/04/21/kompresi-data-multimedia/

BAB 2

LANDASAN TEORI

2.1 Definisi Citra

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyalsinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpan. (Sutoyo et al, 2009)

Menurut arti secara harfiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua

dimensi. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkasi cahaya. Pantulan cahaya ini ditangkap oleh alat-alat optik, seperti mata pada manusia, kamera, pemindai (scanner), dan lain-lain sehingga bayangan objek dalam bentuk citra dapat terekam. Citra sebagai output dari suatu sistem perekaman data dapat bersifat:

1. Optik, berupa foto,

2. Analog berupa sinyal video, seperti gambar pada monitor televisi,

3. Digital yang dapat langsung disimpan pada suatu pita magnetic.

Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still image) dan citra bergerak (moving image). Citra diam adalah citra tunggal yang tidak bergerak. Sedangkan citra bergerak adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial) sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiap citra didalam rangkaian itu disebut frame. Gambargambar yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri dari ratusan sampai ribuan frame. (Sawaluddin et al, 2006) 8

2.2 Definisi Citra Digital

Citra digital dihasilkan dengan proses digitalisasi terhadap citra kontinu. Sama halnya Proses digitalisasi dalam bentuk data lain, proses digitalisasi pada citra juga merupakan proses pengubahan suatu bentuk data citra dari yang bersifat analog ke digital. Yang mana proses ini dihasilkan dari peralatan digital yang langsung bisa diproses oleh komputer. Proses ini dapat dijelaskan sebagai berikut. Ada

sebuah objek yang akan diambil gambarnya untuk dijadikan citra digital. Sumber cahaya diperlukan untuk menerangi objek, yang berarti ada intensitas cahaya (brightness) yang diterima oleh objek. Oleh objek, intensitas cahaya ini sebagian diserap dan sebagian lagi dipantulkan ke lingkungan sekitar objek secara radikal. Sistem pencitraan (imaging) menerima sebagian dari intensitas cahaya yang dipantul oleh objek tadi. Di dalam sistem pencitraan terdapat sensor optik yang digunakan untuk mendeteksi intensitas cahaya yang masuk ke dalam sistem. Keluaran dari sistem ini berupa arus yang besarnya sebanding dengan intensitas cahaya yang mengenainya. Arus tersebut kemudian dikonversi menjadi data digital yang kemudian dikirimkan ke unit penampil atau unit pengolah lainnya. Secara keseluruhan hasil keluaran sistem pencitraan berupa citra digital. Berikut ini gambar langkah-langkah pengolahan citra digital.

Segmentasi

Domain masalah

Preprocessing

Representasi dan Deskripsi

Akuisisi

Basis Pengetahuan

Pengenalan dan Interpretasi Hasil

Gambar 2.1 Langkah-Langkah Pengolahan Citra Digital 9

Pada gambar terdapat akuisisi citra yaitu tahap awal untuk mendapatkan citra digital. Tujuan akuisisi citra adalah untuk menentukan data yang diperlukan dan memilih metode perekaman citra digital. Tahap ini dimulai dari objek yang akan diambil gambarnya, persiapan alat-alat, sampai pada pencitraan. Pencitraan adalah kegiatan transformasi dari citra tampak (foto, gambar, lukisan, patung, pemandangan, dan lain-lain) menjadi citra digital. Beberapa alat yang dapat digunakan untuk pencitraan, yaitu video kamera, kamera digital, kamera konvensional, scanner, sinar infra merah. Hasil akuisisi citra ini ditentukan oleh kemampuan sensor untuk mendigitalisasi sinyal yang terkumpul pada sensor tersebut.

Kemudian masuk tahap preprocessing, tahapan ini diperlukan untuk menjamin kelancaran pada proses berikutnya. Hal-hal penting yang dilakukan pada tingkatan ini antaranya adalah peningkatan kualitas citra, menghilangkan noise, perbaikan citra, transformasi, menentukan bagian citra yang akan diobservasi. Selanjutnya masuk pada tahap segmentasi ini bertujuan untuk mempartisi citra menjadi bagian-bagian pokok yang mengandung informasi penting. Misalnya, memisahkan objek dan latar belakang. Kemudian tahap representasi dan deskripsi dalam hal ini representasi merupakan suatu proses untuk merepresentasikan suatu wilayah sebagai suatu daftar titik-titik koordinat dalam kura yang tertutup, dengan deskripsi luasan atau parameternya.

Tahap pengenalan dan interpretasi, pengenalan bertujuan untuk memberi label pada sebuah objek yang informasinya disediakan oleh descriptor, sedangkan tahap interpretasi untuk memberi arti atau makna kepada kelompok objek-objek yang dikenali. Basis pengetahuan sebagai basis data pengetahuan berguna untuk memandu operasi dari masing-masing modul proses dan mengkontrol interaksi antara modul- modul tersebut. Selain itu, basis pengetahuan juga digunakan sebagai referensi pada proses template matching atau pada pengenalan pola.

Citra digital yang tersusun dalam bentuk grid. Setiap kotak yang terbentuk disebut piksel dan memiliki koordinat (x,y) adalah f(x,y). Sumbu x yaitu baris, sedangkan sumbu y yaitu kolom. Setiap piksel memiliki nilai yang menunjukkan 10

intensitas warna pada piksel tersebut. Gambar 2.2 menunjukkan posisi koordinat citra digital.

Y Koordinat asal

N-1

X

M-1

f(x,y)

Gambar 2.2 Koordinat Citra Digital

Citra digital dinyatakan dengan matriks berukuran N x M (kolom / tinggi = N, baris / lebar = M). Piksel mempunyai dua parameter, yaitu koordinat dan intensitas warna. Nilai yang terdapat pada koordinat (x,y), yaitu besar intensitas warna dari piksel di titik itu (Putra, 2010). Sehingga citra digital dapat ditulis dalam bentuk matriks sebagai berikut :

f(x,y) =

Gambar 2.3 Matriks Citra Digital N x M

Berdasarkan gambaran tersebut, citra digital dapat dituliskan sebagai fungsi intensitas f(x,y), di mana harga x (baris) dan y (kolom) merupakan koordinat posisi dan f(x,y) adalah nilai fungsi pada setiap titik (x,y) yang menyatakan besar intensitas citra atau tingkat keabuan atau warna dari piksel di titik tersebut. Merepresentasikan sebuah citra ukuran 8 x 8 piksel dengan mengambil derajat keabuan pada tiap piksel serta matriks yang terdiri dari 8 baris dan 8 kolom. 11

Gambar 2.4 Ilustrasi Sistem Matriks Citra Digital 8 x 8 Piksel

Dapat dilihat dari gambar 2.4 bahwa pada piksel pertama pada koordinat (1,1) mempunyai derajat keabuan 47 yang mewakili dari beberapa gradasi warna, selanjutnya piksel kedua pada koordinat (2,1) memiliki derajat keabuan 52 yang mewakili dari beberapa gradasi warna dan seterusnya.

Ada beberapa format citra digital, antara lain: BMP, PNG, JPG, GIF dan sebagainya. Masing-masing format mempunyai perbedaan satu dengan yang lain terutama pada header file. Namun ada beberapa

yang mempunyai kesamaan, yaitu penggunaan palette untuk penentuan warna piksel. Sebagai studi kasus dalam tugas akhir ini akan digunakan format citra *.bmp yang dikeluarkan oleh Microsoft.

2.2.1 Citra BMP

Format BMP, disebut dengan bitmap atau format DIB (Device Independent Bitmap) adalah sebuah format citra yang digunakan untuk menyimpan citra bitmap digital terutama pada sistem operasi Microsoft Windows atau OS/2. Pada citra berformat *.bmp (bitmap) yang tidak terkompresi, piksel citra disimpan dengan kedalaman warna 1, 4, 8, 16 atau 24 bit per piksel. (Ahmad, 2005)

Pada umumnya citra bitmap teridir dari 4 blok data yaitu: BMP header, Bit Information (DIB header), Color Pallete, dan Bitmap Data. BMP header berisi informasi umum dari citra bitmap. Blok ini berada pada bagian awal file citra dan 12

digunakan untuk mengidentifikasi citra. Beberapa aplikasi pengolah citra akan membaca blok ini untuk memastikan bahwa citra tersebut berformat bitmap dan tidak dalam kondisi rusak. Bit information berisi informasi detail dari citra bitmap, yang akan digunakan untuk menampilkan citra pada layar. Color pallete berisi informasi warna yang digunakan untuk indeks warna bitmap, dan bitmap data berisi data citra yang sebenarnya, piksel per piksel.

Model ruang warna yang digunakan pada citra bitmap adalah RGB (red, green, dan blue). Sebuah ruang RGB dapat diartikan sebagai semua kemungkinan warna yang dapa dibuat dari tiga warna dasar red, green, dan blue. RGB sering digunakan di dalam sebagian besar aplikasi komputer karena dengan ruang warna ini tidak diperlukan transformasi untuk menampilkan informasi di layar monitor.

Pada citra 256 warna setiap piksel panjangnya 8 bit, tetapi komponen warna RGBnya disimpan di dalam tabel RGB yang disebut pallete. Setiap komponen panjangnya 8 bit, jadi ada 256 nilai keabuan untuk warna merah, 256 nilai keabuan untuk warna hijau, 256 nilai keabuan untuk warna biru. Nilai setiap piksel tidak menyatakan derajat keabuan secara langsung, tetapi nilai piksel menyatakan indeks tabel RGB yang memuat nilai keabuan merah (R), nilai keabuan hijau (G), nilai keabuan biru (B) untuk masing-masing piksel yang bersangkutan. Namun pada citra hitam-putih, nilai R = G = B untuk menyatakan bahwa citra hitam putih hanya mempunya satu kanal warna. Citra hitam putih umumnya adalh citra 8 bit.

Citra yang lebih kaya warna adalah citra 24 bit. Setiap piksel panjangnya 24 bit, karena setiap piksel langsung menyatakan komponen warna merah, komponen warna hijau, dan komponen warna biru. Masing-masing komponen panjangnya 8 bit. Citra 24 bit disebut juga citra 16 juta warna, karena citra ini mampu menghasilkan 16.777.216 kombinasi warna. 13

Tabel 2.1 Contoh Warna 24 bit

Gambar 2.5 Komposisi Warna RGB

2.3 Operasi-Operasi pada Pengolahan Citra

Operasi-operasi yang dilakukan pada pengolahan citra secara umum dapat dikelompokkan dalam beberapa jenis, yaitu: (Sigit, 2005)

1. Perbaikan Kualitas (Image Enchancement)

Operasi perbaikan kualitas citra bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Melalui operasi ini, ciri- ciri khusus yang terdapat di dalam citra dapat lebih ditonjolkan. Beberapa operasi perbaikan citra antara lain: perbaikan kontras gelap / terang, perbaikan tepian objek, penajaman, pemberian warna semu. 14

2. Kompresi Citra (Image Compression)

operasi kompresi citra bertujuan untuk dapat merepresentasikan citra dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Yang menjadi perhatian penting dalam kompresi citra adalah mempertahankan kualitas citra agar tetap baik.

3. Segmentasi Citra (Image Segmentation)

Operasi segmentasi citra bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.

4. Analisis Citra (Image Analysis)

Operasi analisis citra bertujuan untuk menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya. Teknik analisis citra adalah mengekstraksi ciri-ciri tertentu yang sangat membantu dalam identifikasi objek. Proses segmentasi juga diperlukan untuk melokalisasi objek dari sekelilingnya. Contoh dari operasi analisis citra yaitu pendeteksian tepi objek, ekstraksi batas, dan representasi daerah.

5. Rekonstruksi Citra (Image Reconstruction)

Operasi rekonstruksi citra bertujuan untuk membentuk ulang objek dari beberapa citra hasi proyeksi. Operasi rekonstruksi citra banyak digunakan di dalam bidang medis.

2.4 Kompresi Citra

Kompresi citra yaitu aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redudansi dari data yang terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efisien (Sayood, 2005). 15

Kompresi citra merupakan proses untuk mereduksi ukuran suatu data untuk menghasilkan representasi digital yang padat atau mampat (compact) namun tetap dapat mewakili kuantitas informasi yang terkandung pada data tersebut (Putra, 2010).

Pada dasarnya teknik kompresi citra digunakan pada proses penyimpanan data dan proses transmisi data. Data dan informasi adalah dua hal berbeda. Pada data terkandung suatu informasi. Namun tidak semua bagian data terkait dengan informasi tesebut atau pada suatu data terdapat bagian-bagian data yang berulang untuk mewakili informasi yang sama (Putra, 2010).

Semakin besar ukuran citra, semakin besar memori yang dibutuhkan, namun kebanyakan citra mengandung duplikasi data, yaitu:

1. Suatu piksel memiliki intensitas yang sama dengan piksel tetangganya, sehingga penyimpanan piksel membutuhkan memori (space) yang lebih besar sehingga sangat memboroskan tempat. 2. Citra banyak mengandung bagian (region) yang sama sehingga bagian yang sama ini tidak perlu dikodekan berulang kali karena tidak berguna.

Contohnya citra langit biru dengan beberapa awan putih yang memiliki banyak intensitas dan region yang sama.

Kompresi citra bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Apabila sebuah foto bewarna berukuran 3 inci x 4 inci dengan tingkat resolusi sebesar 500 dot per inch (dpi), maka diperlukan 3 x 4 x 500 x 500 = 3.000.000 dot (piksel). Setiap piksel terdiri dari 3 byte dimana masing masing byte merepresentasikan warna merah, hijau, dan biru. Sehingga citra digital tersebut memerlukan volume penyimpanan sebesar 3.000.000 x 3 byte + 1080 = 9.001.080 byte setelah ditambahkan jumlah byte yang diperlukan untuk menyimpan format (Header) citra. Oleh karena itu diperlukan kompresi citra sehingga ukuran citra tersebut menjadi lebih kecil dan waktu pengiriman citra menjadi lebih cepat. Citra yang belum dikompresi disebut citra mentah (raw image). Sementara citra hasil kompresi disebut 16

citra terkompresi (compressed image). Secara umum proses kompresi dan dekompresi dapat dilihat pada gambar di bawah ini:

Kompresi

Dekompresi

Gambar 2.6 Alur Kompresi dan Dekompresi

Proses kompresi didasarkan pada kenyataan bahwa hampir semua jenis data selalu terdapat pengulangan pada komponen data yang dimilikinya, misalnya di dalam suatu citra akan terdapat pengulangan warna dari 0 hingga 255. Melalui proses kompresi berusaha untuk menghilangkan unsur pengulangan ini dengan mengubahnya sedemikian rupa sehingga ukuran data menjadi lebih kecil.

2007): Kompresi data sangat populer sekarang ini karena dua alasan yaitu (Salomon,

1. Orang-orang lebih suka mengumpulkan data. Tidak peduli seberapa besar media penyimpanan yang dimilikinya. Akan tetapi cepat atau lambat akan terjadi overflow. 2. Orang-orang tidak suka menunggu waktu yang lama untuk memindahkan data. Misalnya ketika duduk di depan komputer untuk menunggu halaman Web terbuka atau men- sebuah file.

Alasan mengapa kompresi data sangat dibutuhkan karena semakin banyak informasi saat ini yang digunakan dalam bentuk digital dan semakin lama ukuran yang dibutuhkan untuk menyajikan data tersebut semakin besar. (Sayood, 2005) 17

2.4.1 Teknik Kompresi Citra

Kompresi data dapat dibagi ke dalam dua teknik yaitu lossless compression dan lossy compression. (Pu, 2006)

1. Lossless Compression

Pada teknik ini tidak ada kehilangan informasi. Jika data dikompresi secara lossless, data asli dapat direkontruksi kembali sama persis dari data yang telah dikompresi, dengan kata lain data asli tetap sama sebelum dan sesudah kompresi, secara umum teknik lossless digunakan untuk penerapan yang tidak bisa mentoleransi setiap perbedaan antara data asli dan data yang telah direkonstruksi. Data berbentuk citra untuk medis misalnya harus dikompresikan menggunakan teknik lossless, karena kehilanggan sebuah piksel atau warna saja dapat mengakibatkan kesalahpahaman. Lossless compression disebut juga dengan reversible compression karena data asli bisa dikembalikan dengan sempurna. Akan tetapi rasio kompresi pada teknik ini rendah. Contoh metode ini adalah Shannon-Fano, Huffman Coding, Arithmetic Coding dan lain sebagainya.

Rasio kompresi citra adalah ukuran presentasi citra yang telah berhasil dikompresi. Secara umum matematis rasio kompresi citra dituliskan sebagai berikut. (Pu, 2006)

Rasio Kompresi =

x 100%

Gambar 2.7 Rumus Rasio Kompresi

Misalkan rasio kompresi adalah 40%, artinya 40% dari citra semula telah berhasil dikompresi. 18

BAAABBA Coding 000011100101011

000011100101011 Algoritma Decoding

Algoritma

BAAABBA

Gambar 2.8 Ilustrasi Kompresi Lossless

2. Lossy Compression

Pada teknik ini akan terjadi kehilangan sebagian informasi. Data yang telah dikompresi dengan teknik ini secara umum tidak bisa direkonstruksi sama persis dari data aslinya. Di dalam banyak penerapan, rekonstruksi yang tepat bukan suatu masalah, tergantung data yang diperlukan.

Biasanya teknik ini membuang bagian-bagian data yang sebenarnya tidak begitu berguna, tidak begitu dirasakan, tidak begitu dilihat sehingga manusia masih beranggapan bahwa data tersebut masih bisa digunakan walaupun sudah dikompresi. Lossy compression disebut juga irreversible compression karena data asli tidak dapat dikembalikan seperti semula. Kelebihan teknik ini adalah rasio kompresi yang tinggi dibanding metode lossless. Contoh metode ini adalah Transform Coding, Wavelet, dan lainlain. 19

3.26

Algoritma

Coding 000110001010110

000110001010110 Algoritma Decoding 5.26

Gambar 2.9 Ilustrasi Kompresi Lossy

Ada beberapa parameter yang digunakan untuk menilai kehandalan suatu kompresi. Diantara masingmasing parameter tersebut terdapat hubungan yang erat dan saling mempengaruhi.

1. Faktor kompresi

Faktor kompresi adalah perbandingan jumlah data yang belum dikompresi terhadap jumlah data hasil kompresi. Semakin bagus suatu kompresi maka faktor kompresinya semakin tinggi. Akan tetapi faktor kompresi yang tinggi akan mengakibatkan kualitas yang menurun. Faktor penting kompresi data, terdapat empat faktor penting yang perlu diperhatikan, yaitu: Time Process (waktu yang dibutuhkan dalam menjalankan proses), Completeness (kelengkapan data setelah file-file tersebut dikompres), Ratio Compress (ukuran data setelah dilakukan kompresi), Optimaly (perbandingan apakah ukuran file sebelum dikompres sama atau tidak sama dengan file yang telah dikompres). Tidak ada metode kompresi yang paling efektif untuk semua jenis file.

2. Kualitas

Suatu teknik kompresi dikatakan baik apabila kualitas data hasil decoding sangatlah mirip bila dibandingkan dengan aslinya. Faktor kualitas ini sangat erat dengan faktor kompresi. 20

3. Kompleksitas

Kompleksitas dari suatu teknik kompresi menentukan sulit atau tidaknya implementasi teknik kompresi tersebut.

4. Interaktif

Pengguna dapat bebas untuk berinteraksi dengan informasi multimedia untuk mengubah, mencari informasi yang diinginkan atau membuang informasi yang tidak diinginkan.

2.4.2 Algoritma Arithmetic Coding

Prinsip Arithmetic Coding diperkenalkan pertama kali oleh Peter Elias sekitar tahun

1960-an. Algoritma ini melakukan proses pengkodean dengan menggantikan setiap simbol masukan dengan suatu codeword (Pu, 2006). Arithmetic Coding memiliki kelebihan terutama ketika memproses kumpulan abjad yang relatif sedikit. Awalnya Arithmetic Coding diperkenalkan oleh Shannon, Fano dan Elias. Tujuannya memberikan ide alternatif yang pada saat itu setiap proses pengkodean dilakukan dengan menggantikan setiap simbol masukan digantikan dengan sebuah angka single floating point. Sehingga semakin panjang dan kompleks pesan yang dikodekan maka semakin banyak bit yang diperlukan untuk keperluan tersebut. Sejak tahun 1960-an hingga sekarang Algoritma Arithmetic Coding mulai berkembang para peneliti mulai mengembangkan Algoritma Arithmetic Coding untuk melakukan kompresi pada multimedia yaitu: citra, audio, video dll.

Pada umumnya, algoritma kompresi data didasarkan pada pemilihan cara melakukan penggantian satu atau lebih elemen-elemen yang sama dengan kode tertentu. Berbeda dengan cara tersebut, Arithmetic Coding menggantikan sautu deret simbol input dalam suatu file data dengan sebuah bilangan

menggunakan proses aritmatika. Semakin panjang dan semakin kompleks pesan dikodekan, semakin banyak bit yang diperlukan untuk proses kompresi dan dekompresi data. 21

Output dari Arithmetic Coding ini adalah satu angka yang lebih kecil dari 1 dan lebih besar atau sama dengan 0. Angka ini secara unik dapat didekompresikan sehingga menghasilkan deretan simbol yang dipakai untuk menghasilkan angka tersebut.

Implementasi Arithmetic Coding harus memperhatikan kemampuan encoder dan decoder. Hal ini dapat menyebabkan kesalahan atau error apabila suatu Arithmetic Coding mempunyai kode dengan floating point yang sangat panjang. Sehingga diberikan solusi berupa modifikai algoritma Arithmetic Coding dengan menggunakan bilangan integer. Modifikasi ini mampu mengatasi keterbatasan pengolahan floating point dalam melakukan kompresi dan dekompresi data. Modifikasi dengan bilangan integer juga dipakai karena jumlah bit kodenya lebih sedikit dan mempercepat proses kompresi dan dekompresi data karena perhitungan integer jauh lebih cepat dari perhitungan floating point serta dapat diimplementasikan dalam program.

Berikut ini algoritma encoding dan decoding pada Arithmetic Coding. Akan digunakan dua variabel low dan high untuk mendefinisikan interval (low, high). (Pu, 2006)

Proses encoding, algoritma Arithmetic Coding:

Langkah 1: Set low = 0.0 (kondisi awal) Langkah 2: Set high = 1.0 (kondisi awal) Langkah 3: While (simbol input masih ada) do Langkah 4: Ambil simbol input Langkah 5: Code-Range = high – low

Langkah 6: High = low + Code-Range*high_range (simbol) Langkah 7: Low = low + Code-Range*low_range (simbol) Langkah 8: End While Langkah 9: Output Low

Proses decoding, algoritma Arithmetic Coding:

Langkah 1: Ambil Encoded-Symbol (ES) Langkah 2: Do Langkah 3: Cari range dari simbol yang melingkupi Encoded-Symbo(ES) Langkah 4: Cetak simbol Langkah 5: Code-Range = high_range – low_range Langkah 6: Encoded-Symbol = Encoded-Symbol – low_range Langkah 7: Encoded-Symbol = EncodedSymbol / Code-Range Langkah 8: Until simbol habis 22

2.4.3 Algoritma Shannon-Fano

Algoritma Shannon-Fano merupakan algoritma pertama yang diperkenalkan untuk kompresi sinyal digital pada bukunya yang berjudul “A Mathematical Theory of Communication”. Algoritma ini dikembangkan secara mandiri oleh Claude Shannon dan Robert Fano dalam dua publikasi terpisah pada tahun yang sama yaitu pada tahun 1949. Algoritma Shannon-Fano adalah salah satu banyak yang dikembangkan oleh Claude Shannon dianggap sebagai “Father of Information Theory” yaitu membuat kemajuan dalam kaitannya dengan transfer data dan komunikasi pada umumnya. Pada tahun 1976 Robert Fano menerima Claude Shannon Award untuk karyanya dalam Information Theory. Hingga sekarang para peneliti mulai mengembangkan Algoritma Shannon-Fano untuk melakukan kompresi pada multimedia yaitu: citra, audio, video dll.

Algoritma Shannon-Fano didasarkan pada variable-length code yang berarti karakter pada data yang akan dikodekan direpresentasikan dengan kode (codeword) yang lebih pendek dari karakter yang ada pada data. Jika frekuensi kemunculan karakter semakin tinggi, maka kode semakin pendek, dengan demikian kode yang dihasilkan tidak sama panjang, sehingga kode tersebut bersifat unik. Berikut langkah- langkah kompresi dan dekompresi pada algoritma Shannon-Fano. (Pu, 2006)

Langkah-langkah kompresi menggunakan algoritma Shannon-Fano.

1. Buatlah daftar peluang atau frekuensi kehadiran setiap simbol dari data yang akan dikodekan. 2. Urutkanlah daftar tersebut menurut frekuensi kehadiran simbol secara menurun (dari simbol yang frekuensi kemunculan paling banyak sampai simbol dengan frekuensi kemunculan paling sedikit). 3. Bagilah daftar tersebut menjadi dua bagian dengan pembagian didasari pada jumlah total frekuensi suatu bagian (disebut bagian atas) sedekat mungkin dengan jumlah total frekuensi dengan bagian yang lain (disebut bagian bawah). 4. Daftar bagian atas dinyatakan dengan digit 0 dan bagian bawah dinyatakan dengan digit 1. Hal tersebut berarti kode untuk simbol-simbol pada bagian 23

atas akan dimulai dengan 0 dan kode untuk simbol-simbol pada bagian bawah akan dimulai dengan 1. 5. Lakukanlah proses secara rekursif langkah 3 dan 4 pada bagian atas dan bawah. Bagilah menjadi kelompok-kelompok dan tambahkan bit-bit pada kode sampai setiap simbol mempunyai kode yang bersesuaian pada pohon tersebut.

Langkah-langkah dekompresi menggunakan algoritma Shannon-Fano.

1. Baca bit pertama dari serangkaian kode yang dihasilkan

2. Jika bit tersebut ada dalam SF Code, maka bit tersebut diterjemahkan menjadi simbol yang sesuai dengan bit tersebut. 3. Jika bit tersebut tidak ada dalam SF Code, gabungkan bit tersebut dengan bit selanjutya dalam rangkaian kode, cocokkan dengan tabel hasil pengkodean. 4. Lakukan langkah 3 sampai ada rangkaian bit yang cocok dengan SF Code, terjemahkan rangkaian bit tersebut menjadi simbol yang sesuai. 5. Baca bit selanjutnya dan ulangi langkah 2, 3, dan 4 sampai rangkaian kode habis.

2.5 Pengenalan Visual Basic

Visual Basic berawal dari bahasa BASIC yang dikembangkan mulai dari tahun 1963. BASIC adalah singkatan dari Beginner’s All Purpose Symbolic Instruction Code. Sesuai namanya bahasa BASIC dibuat untuk tujuan memudahkan pengguna agar dapat dengan mudah mempelajari, membuat, dan mengembangkan program komputer.

Visual Basic merupakan pengembangan lebih lanjut dari bahasa BASIC yang dilakukan oleh Microsoft Visual Basic ditujukan sebagai perangkat untuk membuat dan mengembangkan program secara cepat (Rapid Application Development: RAD). Terutama jika menggunakan antarmuka berbasis windows (Graphical Interface: GUI). 24

Visual Basic 1.0 merupakan versi pertama Visual Basic dan dirilis pada tahun

1991. Visual Basic 1.0 ditujukan untuk sistem operasi Microsoft DOS. Selanjutnya diteruskan dengan Visual Basic 2.0 di tahun 1992, versi 3.0 tahun 1993, versi 4.0 tahun 1995, versi 5.0 tahun 1997, dan versi 6.0 tahun 1998.

Visual Basic 6.0 sangat populer dan masih banyak dipakai hingga saat ini. Sayangnya, dukungan terhadapa Visual Basic 6.0 telah dihentikan oleh Microsoft mulai bulan maret 2008. Namun, program yang dibuat dengan Visual Basic 6.0 masih dapat dijalankan pada sistem operasi terbaru seperti Windows Server 2008 maupun Windows Vista. Visual Basic .Net diluncurkan Februari 2002, merupakan penerus dari Visual Basic 6.0 dan menggunakan platform .Net yang berbeda dengan Visual Basic sebelumnya.

2.5.1 Microsoft Visual Basic 2008 Express Edition

Visual Basic 2008 Express Edition yang lebih lengkap dan mudah digunakan untuk mencari komponen atau objek yang diinginkan. Perhatikan antar muka yang dapat dilihat pada gambar 2.11. 25

Menu bar

Toolbar

Toolbox Page tab

Form

Solution Explorer

Sizing Properties

Error list

Status

Main

Push

Gambar 2.10 Antarmuka pada Aplikasi Visual Basic 2008 Express Edition

Keterangan:

Tabel 2.2 Keterangan Gambar 2.11

Antarmuka

Menu bar

Keterangan

Menu standar pada Visual Basic

Toolbar digunakan

Daftar tool (perangkat) untuk menjalankan perintah yang sering

Toolbox antarmuka (interface)

Daftar kontrol yang dapat ditambahkan ke dalam program sebagai

Form Designer

Digunakan untuk mengedit tampilan form

serta mengatur posisi kontrol pada form

Solution Explorer

Digunakan untuk mengolah file dan projek berhubungan dengan solution

Properties

Digunakan untuk mengedit properties dari

form dan kontrol yang sedang diedit

Error list

Menampilkan pesan error jika ada kesalahan

http://repository.usu.ac.id/bitstream/123456789/37738/4/Chapter%20II.pdf nu ieu ku ogi buka deui situsna hese d kopikn gie jadi acak-acakan.