Analisis Perbandingan Kinerja Boldi-Vigna CodesDengan Algoritma Fixed Length Binary Encoding (Flbe) Dalam Kompresi File Text
Ewit Purba*, Efori Bu’ulolo, Bister Purba
Ilmu Komputer Dan Teknologi Informasi, Teknik Informatika, Universitas Budi Darma, Medan, Indonesia Email: purbaewit@gmail.com
Email Korespondensi: purbaewit@gmail.com
Abstrak−Meningkatnya penggunaan data yang semakin besar menimbulkan masalah dalam penyimpanan data, semakin besar data yang disimpan semakin besar juga ruang penyimpanan yang akan dibutuhkan. Hal ini dapat menyebabkan lambat nya proses tranformasi data dan memakan waktu yang lama. Saat ini, ada banyak algoritma yang dikembangkan untuk kompresi data, namun belum ada yang begitubaik untuk mengompresi berbagai tipe file karena karakteristik yang berbeda-beda. Salahsatu solusi atau alternatif dalam pemecahan masalah yang akan dilakukan adalah dengan melakukan kompresi pada file untuk memperkecil ukuran data dan mempercepat proses transmisi data sehingga menghemat ruang penyimpanan. Algoritma yang digunakan dalam penelitian ini adalah algoritma Boldi-Vigna (ζ1) Code dan Fixed Length Binary Encoding (FLBE). Untuk mengetahui perbandingan kinerja kompresi tersebut diperlukan parameter yang dibandingkan adalah Ratio of Compression (RC), Compression Ratio (CR), Space Saving (SS), Redudancy (Rd), Time kompresi & Dekompresi. Berdasarkan hasil pengujian menunjukkan bahwa algoritma Fixed Length Binary Encoding (FLBE) lebih baik dari algoritma Boldi-Vigna (ζ1) Code dimana hasil rata-rata perbandingan Ratio of Compression Boldi-Vigna (ζ1) Code sebesar 1,69 bit sedangkan Ratio of Compression algoritma Fixed Length Binary Encoding (FLBE)1,86 bit. Rata-rata Compression Ratio algoritma Boldi-Vigna (ζ1) Code 58,92% sedangkan Compression Ratio algoritma Fixed Length Binary Encoding (FLBE) 53,57%.
Kata kunci : Perbandingan; Kompresi; algoritma Boldi-Vigna (ζ1) Code; Fixed Length Binary Encoding (FLBE); text; doc Abstract−The increasing use of larger data causes problems in data storage, the greater the data stored, the greater the storage space that will be needed. This can cause the data transformation process to be slow and take a long time. Currently, there are many algorithms developed for data compression, but none are so good for compressing various file types because of their different characteristics. One solution or alternative in solving the problem that will be done is to compress the file to reduce the size of the data and speed up the data transmission process so as to save storage space. The algorithms used in this research are Boldi-Vigna (ζ1) Code and Fixed Length Binary Encoding (FLBE) algorithms. To find out the comparison of compression performance, the parameters to be compared are Ratio of Compression (RC), Compression Ratio (CR), Space Saving (SS), Redundancy (Rd), Compression & Decompression Time. Based on the test results show that the Fixed Length Binary Encoding (FLBE) algorithm is better than the Boldi-Vigna (ζ1) Code algorithm where the average result of the comparison of the Boldi-Vigna (ζ1) Code Ratio is 1.69 bits while the Ratio of Compression algorithm Fixed Length Binary Encoding (FLBE) 1.86 bits. The average compression ratio of the Boldi-Vigna algorithm (ζ1) Code is 58.92%, while the Compression Ratio of the Fixed Length Binary Encoding (FLBE) algorithm is 53.57%.
Keywords : Comparison; Compression; Boldi-Vigna algorithm (ζ1) Code; Fixed Length Binary Encoding (FLBE); text, doc
1. PENDAHULUAN
Kepentingan data untuk khalayak memberikan dampak dalam berganti informasi. Data tersebar yakni berbentuk file text, suara, yang dikemas dengan cara digital, file text itu memuat data dalam struktur teks ataupun berbentuk informasi pekerjaan serta lain semacamnya yang dikemas dalam bentuk file, pastinya perihal ini hendak memerlukan sarana penyimpanan yang cukup besar. makin meningkatnya teknologi sehingga makin besar pula kapasitas data yang diperlukan, alhasil hendak memerlukan alat penyimpanan yang lumayan besar, apabila penyimpanan maupun kapasitas amat banyak sehingga mampu mengakibatkan kekencangan akses nya relatif lelet[1].Beberapa dokumen yang besar, seperti laporan teks merupakan informasi yang berasal dari dokumen pengolahan kata, angka yang digunakan dalam perhitungan, salahsatu contohnya laporan makalah, laporan keuangan, skripsi dan tugas tanggal batas yang memiliki ukuran kapasistas besar. Dengan melakukan kompresi terhadap file teks, maka dapat memanilisir kebutuhan akan penyimpanan data, serta meminta transmisi data dan memeperkecil kebutuhan bandwidth.
Dengan ini kebutuhan terhadap kapasitas penyimpanan sangat dibutuhkan dimana data yang semakin besar merupakan munculnya berbagai teknik pemampatan file. Dengan adanya teknik kompresi, maka data yang memiliki kapasitas besar akan dikurangi sehingga dapat menghemat penyimpanan. Salah satu yang digunakan untuk mengefesiensikan media penyimpanan adalah teknik kompresi file [2]. Algoritma adalah langkah terstuktur yang direncanakan untuk menyelesaikan suatu masalah sesuai dengan instruksi- instruksi yang diinginkan. Untuk melakukan kompresi dat aseperti dokumen tekstentunya harus menggunakan metode untuk menyelesaikan suatu masalah.
Algoritma Fixed Length Binary Encoding (FLBE) dikenal seperti petunjuk petunjuk aliansi yang mudah untuk di implementasikan. Pada algoritnma ini lambang yang asli diubah ke dalam wujud fixed-length code yang kemudian akan menyusutkan perhitungan bit lambang-lambang tersebut. Sangat mudah untuk menyelesaikan simbol asli pakai petunjuk FLBE menjelang mengambil ancang-ancang pakai string petunjuk tercantum dan memecahnya menjabat petunjuk perorangan yang nanti digantikan lambang-lambang bibit buwit[6].
Algoritma Boldi-Vigna ζ1 Code (Zeta) dikenalkan oleh Paolo Boldi dan Sebastiano Vigna seumpama diryah esa peserta variable-length code yang mengadakan seleksi terbaik bagian dalam kompresi WebGraphs. Dalam
pembangkitan petunjuk algoritma kompresi fakta ini dilakukan pakai peraturan mengamalkan pengkodean terhadap setiap etika pakai mengabdikan sejumlah jajaran bit. Pembentukan bit yang merepresentase setiap etika didasarkan ambang saluran kehadiran tiap etika[7]
2. METODOLOGI PENELITIAN
2.1. Kerangka Penelitian
Kerangka kerja penelitian adalah kerangka kerja atau langkah-langkah yang digunakan dalam pengembangan sistem untuk memandu identifikasi masalah yang diperlukan sebagai solusi dari masalah agar sistem berfungsi sebagaimana dimaksud. Kerangka penulis adalah:
Gambar 1. Kerangka Kerja Penelitian a. identifikasi Masalah
Identifikasi masalah merupakan tahapan analisis masalah untuk menentukan proses identifikasi sebab dan akibat dibuatnya sebuah sistem yang dapat berjalan agar sistem tersebut dapat berjalan sesuai dengan tujuan utama sistem yang dibangun. Permasalah yang akan diangkat dari penelitian ini yaitu dengan membandingkan algoritma Boldi- vigna ζ1 codes dengan algoritma Fixed Length Binary Encoding (FLBE) menggunakan metode perbandingan eksponensial, untuk mengetehui algoritma kompresi file text terbaik diantara kedua algoritma tersebut[9].
b. Study Literatur
Study literatur dilakukan pemahaman terhadap objek yang akan diteliti dengan membaca dan pengumpulan referensi dalam penelitian yang penulis akan lakukan dengan mencari jurnal, tulisan ilmiah, e-book, maupun artikel lain yang berhubungan dengan kompresi data atau file, algoritma Fixed Length Binary Encoding (FLBE), Algoritma Boldi-Vigna ζ1 Code serta pemprograman Microsoft Visual Studio Net ( 2010).
c. Analisa
Sistem ini Penerapan Algoritma Boldi-Vigna ζ1 Code dengan Algoritma Fixed Length Binary Encoding (FLBE).
Pada tahapan ini melakukan Penerapan kompresi bersifat lossless. dimana data kompresi dapat didekompres kembali.
d. Pengujian
Pada tahap ini dilakukan pengujian untuk menguji coba terhadap sistem yang telah dikembangkan. Menguji aplikasi yang dibuat telah berhasil atau berjalan sesuai yang di inginkan danmelakukan perbaikan kesalahan jika masih terdapat error pada aplikasi. Proses ini bertujuan untuk mengetahui hasil akhir dari penelitian yang dilakukan.
e. Dokumentasi
Pada tahap terakhir ini penelitian yang telah dilakukan akan didokumentasikan mulai dari tahap awal sampai pengujian sistem, kemudian disususn dalam format penulisan. Penelitiana yang dilakukan yaitu dengan membuat kesimpulan dan laporan tentang penelitian yang telah dilakukan dan akhirnya dibuat dalam bentuk skripsi.
f. Analisa Laporan
Penulisan laporan untuk mendokumentaskan keseluruhan kegiatan penelitian dalam bentuk skripsi yang nantinya
ANALISA IDENTIFIKASI MASALAH
STUDI LITERATUR
Analisa Proses Kompresi file text Analisa Proses Dekompresi file text
Pengujian
Penulisan Laporan Perancangan Sistem
Analisa Hasil Pengujian
Penerapan Algoritma Boldi-Vigna (ζ1) code dan Fixed Length Binary Encoding (FLBE) pada aplikasi yang Dirancang
juga dibuat dalam bentuk artikel ilmiah yang akan dipublikasikan.
2.1 Sampel Data
Sampel data yang akan digunakan dalam penelitian ini adalah file text yang berukuran 3 MB, 4 MB.
Tabel 1. Sampel data yang digunakan
Nama File Size Type
Berkas skripsi 3,49 Mb docx Data Mahasiswa 3,33 Mb docx
Berikut properties dari file yang dijadikan sampel dapat dilihat pada gambar berikut ini:
Gambar 2. Sampel data
3. HASIL DAN PEMBAHASAN
3.1 Analisa Dan Penerapan Metode
Analisa dalam penelitian ini akan menguraikan bagaimana kinerja antara algoritma Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE) dalam melakukan kompresi pada file teks dan perbandingan hasil kompresi dari kedua algortima tersebut yang diukur berdasarkan parameter Ratio of Compression (RC), Compression Ratio (CR) dan Space Saving (SS). Selanjutnya, akan dilakukan perancangan sistem perbandingan hasil kompresi file text dengan menerapkan algoritma Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE). Dalam analisa kompresi file text yang akan digunakan dalam penelitian ini adalah file *.text berformat *.docx. Kompresi file text dilakukan untuk mengurangi pemakaian ruang penyimpanan dengan cara mengubah bit bit pada file text sehingga menghasilkan file yang berukuran lebih kecil.
Proses awal analisa yang dilakukan penulis terdiri dari mengkompresi file text yaitu mencari file text yang memiliki ukuran yang besar dan dijadikan sampel untuk di kompresi kemudian diubah menjadi nilai hexadecimal melalui aplikasi HxD, setelah didapat nilai hexadecimal file text maka akan dilakukan proses kompresi dan diperoleh file text hasil kompresi. Berikut merupakan alur sederhana proses kompresi dan dekompresi file text.
Gambar 3. Prosedur Kompresi Dan Dekompresi File Text 3.1.2 Penerapan Metode Boldi-Vigna ζ1 Codes dalam Kompresi File Text
Dengan dilakukannya teknik kompresi data, maka data yang memiliki ukuran besar jika dikompresi akan berubah dari data besar ke data kecil dan meminimalkan kebutuhan penyimpanan data. Tahapan selanjutnya akan dilakukan proses
file text Baca Nilai Hexadeci
mal
Proses Kompresi
file text Terkompre
si
file text Proses Dekompre
si
kompresi dan dekompresi pada file text dengan menggunakan algoritma. Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE). Sebelum file di kompresi, terlebih dahulu dilakukan pembacaan nilai hexadecimal yang terdapat pada file text. Untuk mendapatkan nilai hexadecimal yang terdapat pada file text menggunakan aplikasi HxD.
Gambar 4. Tampilan Nilai Hexadecimal
Berdasarkan sampel nilai hexadecimal file text di atas, maka diambil 20 sampel nilai hexadecimal untuk proses kompresi file text.
Tabel 2. Tampilan Nilai Bilangan Hexadecimal
50 4B 03 04 14 00 06 00 08 00
00 00 21 00 FA 87 0D 16 2A 02
Berdasarkan tabel di atas, maka diperoleh nilai bilangan hexadecimal file docx yang akan dihitung dengan cara manual.
Nilai bilangan hexadecimal diurutkan berdasarkan frekuensi kemunculan dimulai dari frekuensi terbesar ke terkecil.
Nilai hexadecimal yang memiliki frekuensi paling banyak akan berada diurutan paling atas, dapat dilihat pada tabel berikut.
Tabel 4. Nilai Setelah Diurutkan Nilai Frequency
00 6
02 1
03 1
04 1
06 1
08 1
14 1
16 1
21 1
50 1
87 1
0D 1
2A 1
4B 1
FA 1
Total Nilai 20
Dari tabel diatas, maka menghasilkan bilangan hexadecimal file text yang akan dihitung secara manual. Berikut ini nilai hexadecimal sebelum dikompresi.
Tabel 4. Nilai Hexadecimal sebelum Dikompresi
N Nilai
Hexadecimal Nilai Biner Bit Frequency Bi * Frequency
1 00 00000000 8 6 48
2 02 00000010 8 1 8
3 03 00000011 8 1 8
4 04 00000100 8 1 8
5 06 00000110 8 1 8
N Nilai
Hexadecimal Nilai Biner Bit Frequency Bi * Frequency
6 08 00001000 8 1 8
7 14 00010100 8 1 8
8 16 00010110 8 1 8
9 21 00100001 8 1 8
10 50 01010000 8 1 8
11 87 10000111 8 1 8
12 0D 00001101 8 1 8
13 2A 00101010 8 1 8
14 4B 01001011 8 1 8
15 FA 11111010 8 1 8
Total Bit 160 Bit
Satu nilai hexadecimal (karakter) bernilai 8 bit bilangan biner. Sehingga 20 bilangan hexadecimal memiliki nilai biner sebanyak 160 bit, untuk itu dilakukan mengubah satuan menjadi byte maka jumlah keseluruhan bit dibagi dengan 8.
Maka hasil 160/8= 20. Setelah bilangan hexadecimal diurutkan berdasarkan frequency kemunculan dan didapatkan nilai biner, maka selanjutnya menghitung bit dari pengurutan kode Boldi-Vigna ζ1 Codes serta memperoleh bit file terkompresi. Adapun hasil kompresi file text dapat dilihat pada tabel dibawah ini.
Tabel 5. Nilai Hexadecimal Sesudah di kompresi dengan Boldi-Vigna ζ1 Codes
N Nilai
Hexadecimal Nilai Biner Bit Frequency Bi * Frequency
1 00 1 1 6 6
2 02 010 3 1 3
3 03 011 3 1 3
4 04 00100 5 1 5
5 06 00101 5 1 5
6 08 00110 5 1 5
7 14 00111 5 1 5
8 16 0001000 7 1 7
9 21 0001001 7 1 7
10 50 0001010 7 1 7
11 87 0001100 7 1 7
12 0D 0001101 7 1 7
13 2A 0001101 7 1 7
14 4B 0001110 7 1 7
15 FA 0001111 7 1 7
Total Bit 88 Bit
kinerja kompresinya, begitu sebaliknya. Berikut merupakan parameter untuk mengukur kinerja algoritma Boldi-Vigna ζ1 Codes.
1. Ratio of Compression (RC) RC = 𝑈𝑘𝑢𝑟𝑎𝑛 𝐷𝑎𝑡𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖
𝑈𝑘𝑢𝑟𝑎𝑛 𝐷𝑎𝑡𝑎 𝑆𝑒𝑡𝑒𝑙𝑎ℎ 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖
RC = 160
96 = 1,6
2. Compression Ratio (CR)
CR = 𝑈𝑘𝑢𝑟𝑎𝑛 𝐷𝑎𝑡𝑎 𝑆𝑒𝑡𝑒𝑙𝑎ℎ 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖
𝑈𝑘𝑢𝑟𝑎𝑛 𝐷𝑎𝑡𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖 x 100%
CR = 96
160 x 100%
CR =60 % 3. Space Saving
Ss = 100% - CR
Ss = 100% - 60%
Ss = 40%
Dari perhitungan diatas dapat disimpulkan bahwa presentase hasil kompresi file text dengan menggunakan algoritma sebesar Boldi-Vigna ζ1 Codes 40 %.
3.1.2 Penerapan Metode Fixed Length binary Encoding (FLBE) dalam Kompresi File Text
Berdasarkan sampel nilai hexadecimal file text di atas, maka diambil 20 sampel nilai hexadecimal untuk proses kompresi file text.
Tabel .6. Tampilan Nilai Bilangan Hexadecimal
50 4B 03 04 14 00 06 00 08 00
00 00 21 00 FA 87 0D 16 2A 02
Berdasarkan tabel di atas, maka diperoleh nilai bilangan hexadecimal file docx yang akan dihitung dengan cara manual.
Nilai bilangan hexadecimal diurutkan berdasarkan frekuensi kemunculan dimulai dari frekuensi terbesar ke terkecil.
Nilai hexadecimal yang memiliki frekuensi paling banyak akan berada diurutan paling atas, dapat dilihat pada tabel berikut:
Tabel 7. Nilai Hexadecimal Sebelum Dikompresi
N Nilai
Hexadecimal Nilai Biner Bit Frequency Bi * Frequency
1 00 00000000 8 6 48
2 02 00000010 8 1 8
3 03 00000011 8 1 8
4 04 00000100 8 1 8
5 06 00000110 8 1 8
6 08 00001000 8 1 8
7 14 00010100 8 1 8
8 16 00010110 8 1 8
9 21 00100001 8 1 8
10 50 01010000 8 1 8
11 87 10000111 8 1 8
12 0D 00001101 8 1 8
13 2A 00101010 8 1 8
14 4B 01001011 8 1 8
15 FA 11111010 8 1 8
Total Bit 160 Bit
Satu nilai hexadecimal (karakter) bernilai 8 bit bilangan biner. Sehingga 20 bilangan hexadecimal memiliki nilai biner sebanyak 160 bit, untuk itu dilakukan mengubah satuan menjadi byte maka jumlah keseluruhan bit dibagi dengan 8.
Maka hasil 160/8= 20. Setelah bilangan hexadecimal diurutkan berdasarkan frequency kemunculan dan didapatkan nilai biner, maka selanjutnya menghitung bit dari pengurutan kode Fixed Length Binary Encoding (FLBE) serta memperoleh bit file terkompresi. Adapun hasil kompresi file text dapat dilihat pada tabel dibawah ini:
Tabel 7. Nilai Hexadecimal yang sudah di Dikompresi dengan codeword pada algoritma Fixed Length Binary Encoding (FLBE)
N Nilai
Hexadecimal Nilai Biner Bit Frequency Bi * Frequency
1 00 0000 4 6 24
2 02 0001 4 1 4
3 03 0010 4 1 4
4 04 0011 4 1 4
5 06 0100 4 1 4
6 08 0101 4 1 4
7 14 0110 4 1 4
8 16 0111 4 1 4
9 21 1000 4 1 4
10 50 1001 4 1 4
11 87 1010 4 1 4
12 0D 1011 4 1 4
13 2A 1100 4 1 4
14 4B 1101 4 1 4
15 FA 1110 4 1 4
Total Bit 80 Bit
Untuk mengetahui tingkat kinerja algoritma kompresi, maka akan mengukur kinerja hasil kompresi file text tersebut sesuai dengan parameter yang telah ditentukan. Semakin kecil hasil file kompresinya maka semakin berkualitas kinerja
kompresinya, begitu sebaliknya. Berikut merupakan parameter untuk mengukur kinerja algoritma Fixed Length Binary Encoding (FLBE) .
a. Ratio of Compression (RC) RC = Ukuran Data Sebelum Dikompresi
Ukuran Data Setelah Dikompresi
RC = 160
88 = 1,81 b. Compression Ratio (CR)
CR = Ukuran Data Setelah Dikompresi
Ukuran Data Sebelum Dikompresi x 100%
CR = 16088 x 100%
CR = 55 % c. Space Saving
Ss = 100% - CR
Ss = 100% - 55%
Ss = 45%
Dari perhitungan diatas dapat disimpulkan bahwa presentase hasil kompresi file text dengan menggunakan algoritma sebesar Fixed Length Binary Encoding (FLBE) 45%.
3.1.3 Analisa Perbandingan Algoritma Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE)
Langkah-langkah dalam menghitung dan membandingkan kedua algoritma tersebut adalah sebagai berikut :
a. Menentukan kriteria untuk membandingkan kedua algoritma. Adapun kriteria tersebut adalah Ratio Of Compression (RC), Compression Ratio (CR), Space Saving (SS).
b. . Pemberian nilai dari setiap kriteria yang telah ditetapkan. Nilai ini diambil berdasarkan hasil analisa algoritma Prefix Code dan Stout Code pada kompresi file teks sebelumnya.
c. . Menentukan hasil atau proritas keputusan berdasarkan nilai dari setiap kriteria. Hasil keputusan dapat dilihat pada tabel di bawah ini.
Tabel 8. Analisa Dan Hasil Perbandingan Algoritma Kompresi
Algoritma RC CR SS Rank
Algoritma Boldi-Vigna ζ1 Codes 1,6 60 % 40 % 2 Algoritma Fixed Length Binary
Encoding (FLBE) 1,81 55 % 45 % 1
4. KESIMPULAN
Berdasarkan analisis, kesimpulan perbandingan kinerja algoritma Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE) adalah sebagai berikut Berdasarkan prosedur penerapan algoritma Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE) telah membuktikan bahwa suatu file text yang memiliki ukuran besar dapat dikompres menjadi ukuran yang lebih kecil. Berdasarkan hasil pengujian terhadap sistem bahwa ukuran file text lebih kecil setelah dilakukan kompresi. Berdasarkan perbandingan dan hasil pengujian menunjukkan bahwa algoritma Fixed Length Binary Encoding (FLBE) lebih baik dari algoritma Boldi-Vigna (ζ1) Code dimana hasil rata-rata perbandingan Ratio of Compression Boldi-Vigna (ζ1) Codes sebesar 1,69 bit sedangkan Ratio of Compression algoritma Fixed Length Binary Encoding (FLBE)1,86 bit. Rata-rata Compression Ratio algoritma Boldi-Vigna (ζ1) Codes 58,92% sedangkan Compression Ratio algoritma Fixed Length Binary Encoding (FLBE) 53,57%. Hasil perbandingan kinerja antara algoritma Boldi-Vigna ζ1 codes dan algoritma Fixed Length Binary encoding (FLBE) dalam proses kompresi bahwa algoritma Fixed Length Binary Encoding (FLBE) lebih baik dari pada algoritma Boldi- Vigna ζ1 codes. Aplikasi yang dibangun dapat mempermudah pengguna dalam memperkecil ukuran data yang besar menjadi ukuran data kecil untuk mengurangi penuh nya kapasitas penyimpanan, serta dapat memberikan informasi tingkat performa antara kedua algoritma yang digunakan.
REFRENCES
[1] J. Jamaluddin, “Analisis Perbandingan Kompresi Data dengan Fixed-Length Code, Variable-Length Code dan Algoritma Huffman,” Maj. Ilm. Methoda, vol. 3, no. 2, pp. 41–47, 2013.
[2] P. Algoritma, B. Codes, and R. A. Putra, “Dengan Algoritma Taboo Codes Dalam Kompresi File Teks,” 2017.
[3] D. A. Yansyah, “Perbandingan Metode Punctured Elias Code Dan Huffman Pada Kompresi File Text,” J. Ris. Komput., vol.
2, no. 6, pp. 33–36, 2015.
[4] U. S. Utara, “Universitas Sumatera Utara,” 2018.
[5] “Analisis Perbandingan Kinerja Algoritma Fixed Length Binary Encoding ( Flbe ) Dengan Algoritma Sequitur Dalam Kompresi File Teks,” 2015.
[6] D. Hasibuan, “Analisis Kinerja Algoritma Elias Omega Dan Algoritma Fixed Length Binary Encoding Pada Kompresi File Teks,” 2017.
[7] N. Rambe, “Universitas Sumatera Utara Poliklinik Universitas Sumatera Utara,” J. Pembang. Wil. Kota, vol. 1, no. 3, pp. 82–
91, 2018.
[8] U. S. Utara, “Analisis kinerja algoritma elias omega code dan algoritma Fixed Length Binary Encoding pada kompresi file teks,” 2017.
[9] Ananda Rahmasari, “Perbandingan Algoritma Boldi-Vigna Ζ2 Dan Algoritma Elias Delta Code Pada Kompresi File Audio,”
J. Pembang. Wil. Kota, vol. 1, no. 3, pp. 82–91, 2021.
[10] Y. Darnita, K. Khairunnisyah, and H. Mubarak, “Kompresi Data Teks Dengan Menggunakan Algoritma Sequitur,” Sistemasi, vol. 8, no. 1, p. 104, 2019, doi: 10.32520/stmsi.v8i1.429.
[11] D. Sinurat, “Universitas Sumatera Utara Poliklinik Universitas Sumatera Utara,” J. Pembang. Wil. Kota, vol. 1, no. 3, pp. 82–
91, 2018.
[12] D. Pratiwi and T. Zebua, “Analisis Perbandingan Kinerja Algoritma Fixed Length Binary Encoding Dan Algoritma Elias Gamma Code Dalam Kompresi File Teks,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 424–430, 2019, doi: 10.30865/komik.v3i1.1623.
[13] S. Nainggolan, I. Pendahuluan, and A. A. G. Codes, “Analisa Perbandingan Algoritma Goldbach Codes Dengan Algoritma Dynamic Markov Compression ( Dmc ) Pada Kompresi File Teks Menggunakan,” vol. 6, no. Dmc, pp. 395–399, 2019.
