Analisis Perbandingan Kompresi Gambar (*.Bmp) dan Audio
(*.Wav) Menggunakan Algoritma Lempel Ziv Welch (LZW)
Erwin Dwika Putra
1,Dedy Abdullah
2,
1Dosen Universitas Muhammadiyah Bengkulu, erwindwikap@gmail.com 2Dosen Universitas Muhammadiyah Bengkulu
Abstrak
Compression is a process of change data from a large size to a size more simple without losing the quality of the data significantly. Audio (sound) is a physical phenomenon generated by the vibration of an object in the form of analog signals with amplitude continuously changing with time is called frequency. Digital image is an array (array), array is a structured data type that can store a lot of data. File image or the image and audio sometimes large disturbing if we have to manage storage media we have for various kinds of data. so that at the time of data transmission can conserve data transfer time. One algorithm to compress the data is LZW algorithm (Lempel Ziv Welch). audio files (*. wav) level of compression ratio is not yet in line with expectations as it can only achieve a maximum level of compression 11.07%, while File picture shows the results vary based on the level of the dominant colors contained in the image, to the dominant green and mixed to produce fairly low deposit ratio below 50%, while predominantly blue and red has reached above 50%.
Kata Kunci: Compression, Audio, Image, Lempel Ziv Welch (LZW)
Abstrak
Kompresi adalah proses perubahan data dari ukuran besar ke ukuran yang lebih sederhana tanpa kehilangan kualitas data secara signifikan. Audio (suara) adalah fenomena fisik yang dihasilkan oleh getaran suatu benda yang berupa sinyal analog dengan amplitudo yang terus berubah dengan waktu disebut frekuensi. gambar digital adalah array (array), array adalah tipe data terstruktur yang dapat menyimpan banyak data. file gambar atau gambar dan audio kadang-kadang besar mengganggu jika kita harus mengatur media penyimpanan yang kita miliki untuk berbagai jenis data. sehingga pada saat transmisi data dapat menghemat data waktu transfer. Salah satu algoritma untuk kompres data adalah algoritma LZW (Lempel Ziv Welch). file audio (*. wav) tingkat rasio kompresi belum sesuai dengan
harapan karena hanya dapat mencapai tingkat maksimum kompresi 11,07%, sedangkan gambar Berkas menunjukkan hasil bervariasi berdasarkan tingkat warna dominan yang terkandung dalam gambar , dengan dominan hijau dan campuran untuk menghasilkan deposit ratio yang cukup rendah di bawah 50%, sedangkan merah dominan biru dan telah mencapai di atas 50%.
Kata Kunci: Kompresi, Audio, Image, Lempel Ziv Welch (LZW)
1.
Pendahuluan
Kompresi ialah suatu proses kompresi suatu data dari ukuran yang besar menjadi ukuran yang lebih sederhana tanpa menghilangkan kualitas data tersebut secara signifikan. Parameter yang digunakan untuk menentukan bagus atau tidaknya kompresi terdiri dari waktu melakukan kompresi, kebutuhan atau efisiensi memori, kualitas hasil kompresinya, dan format hasil keluaran kompresi tersebut. [1]
Audio (suara) adalah fenomena fisik yang dihasilkan oleh getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu terhadap waktu yang disebut frekuensi. Selama bergetar, perbedaan tekanan terjadi di udara sekitarnya. Pola osilasi yang terjadi dinamakan sebagai gelombang. Gelombang mempunyai pola sama yang berulang pada interval tertentu, yang disebut sebagai periode.[2].
Struktur data pada file audio berbeda-beda tergantung format audio-nya. Misalnya file Wav, Wav adalah format audio standar Microsoft dan IBM untuk personal computer (PC), biasanya menggunakan coding PCM (Pulse Code Modulation).[2].
deretan bit tertentu. Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still Gambar) yang merupakan citra tunggal yang tidak bergerak dan citra bergerak (moving Gambar) yaitu rangkaian citra diam yang ditampilkan secara beruntun sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiap citra didalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi yaitu terdiri dari ratusan sampai ribuan frame.
File Gambar atau citra dan audio adakalanya yang berukuran besar terasa mengganggu jika kita harus memanage media penyimpan yang kita punya untuk bermacam-macam data. Apalagi jika file tersebut akan kita kirim secara elektronik, tentunya kapasitas file menjadi masalah tersendiri. Salah satu solusi untuk masalah di atas adalah dengan melakukan pemampatan (kompresi).
Pada penelitian yang dilakukan (Wijaya, A., Widodo, S : 2014) dengan membandingkan tiga algoritma yaitu LZW (Lempel Ziv Welch), Huffman, dan RLE dimana pada penenlitian ini menjelaskan kompresi terbaik pada algoritma LZW (Lempel Ziv Welch) pada citra file tipe *.bmp dan kelemahannya terdapat pada citra file tipe *.jpeg. Pada penelitian lainnya (Yunianto, T., Purwoto, B : 2014) dimana penelitian ini menggunakan algoritma DPCM untuk kompresi citra file tipe *.bmp dengan menggunakan true color, grayscale, citra dominan merah, hijau, biru, dan campuran dengan hasil penelitian rata-rata ratio sebesar 87,45%.
Penelitian yang dilakukan (Rahandi, A., dkk : 2013) dimana dijelaskan bahwa ukuran file Audio *.Wav jarang sekali digunakan untuk keperluan pemutaran audio dikarenakan ukuran yang dihasilkan oleh format tipe file *.wav tergolong besar dengan batasan maksimal 2GB sedangkan *.MP3 ukuran file tipe ini tergolong kecil dengan maksimum penyimpanan 10Mb. Selanjutnya penelitian yang dilakukan (linawati, Pangabean, HP: 2014) dijelaskan algoritma LZW sangat baik dalam kompresi audio dengan file tipe terbesar.
Kesimpulan dari permasalah dan penelitian diatas maka peneliti lebih menitik beratkan kepada analisis kompresi citra dengan file tipe yang lebih baik yaitu *.bmp dan menggunakan 4 jenis degradasi warna dominan merah, biru, hijau dan campuran warna, serta menganalisa perbandingan tingkat ratio algoritma LZW (Lempel Ziv Welch) untuk mengkompresi
Citra dan Audio dimana audio akan menggunakan file tipe *.wav dimana menurut penelitian sebelumnya bahwa file tipe ini merupakan file tipe dengan ukuran penyimpanan maksimum terbesar.
2.
Kerangka Teoritis
2.1 Citra Digital
Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau dan biru (Red, Green, Blue - RGB)
2.2 Kompresi Gambar (Gambar Compressions)
Kompresi Citra (Gambar compression) adalah proses untuk meminimalkan jumlah bit yang merepresentasikan suatu citra sehingga ukuran citra menjadi lebih kecil. Pada dasarnya teknik kompresi citra digunakan untuk proses transmisi data (data transmission) dan penyimpanan data (storage). Kompresi citra banyak diaplikasikan pada penyiaran televisi, penginderaan jarak jauh (remote sensing), komunikasi militer, radar dan lain-lain. [3]
Kompresi citra merupakan suatu teknik yang digunakan untuk mengurangi biaya penyimpanan dan transmisi. Teknik-teknik yang ada yang digunakan untuk mengompresi file gambar secara luas. aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redudansi dari data-data yang terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efisien.
ukuran asli sehingga waktu yang diperlukan untuk transfer data juga akan lebih cepat. [3].
2.3 Audio
Audio digital(suara digital ) adalah harmonisasi bunyi yang dibuat melalui perekaman konvensional maupun suara sintetis yang disimpan dalam media berbasis teknologi komputer. format encoding dapat menyimpan data dalam jumlah besar, jangka panjang dan berjaringan luas. Pengolahana audio digital adalah salah satu cabang dari ilmu informatika. pengolahan audio digital berkutat pada usaha untuk melakukan transformasi suatu audio menjadi audio lain dengan menggunakan teknik tertentu [4].
2.4 Algoritma Lempel-Ziv-Welch (LZW)
Algoritma Lempel-Ziv-Welch (LZW) menggunakan teknik adaptif dan berbasiskan “kamus” Pendahulu LZW adalah LZ77 dan LZ78 yang dikembangkan oleh Jacob Ziv dan Abraham Lempel pada tahun 1977 dan 1978. Terry Welch mengembangkan teknik tersebut pada tahun 1984. LZW banyak dipergunakan pada UNIX, GIF, V.42 untuk modem.Algoritma LZW dikembangkan dari metode kompresi yang dibuat oleh Ziv dan Lempel pada tahun 1977. Algoritma ini melakukan kompresi dengan menggunakan dictionary, dimana fragmen-fragmen teks digantikan dengan indeks yang diperoleh dari sebuah “kamus”. Prinsip sejenis juga digunakan dalam kode Braille, di mana kode-kode
khusus digunakan untuk
merepresentasikan kata-kata yang ada. Pendekatan ini bersifat adaptif dan efektif karena banyak karakter dapat dikodekan dengan mengacu pada string yang telah muncul sebelumnya dalam teks. Prinsip kompresi tercapai jika referensi dalam bentuk pointer dapat disimpan dalam jumlah bit yang lebih sedikit dibandingkan string aslinya. Algoritma kompresi LZW.
Algoritma LZW merupakan algoritma kompresi yang bersifat lossless dan menggunakan metode dictionary. Algoritma ini ditemukan oleh Lemple, Ziv, dan Welch pada tahun 1984. Secara umum
algoritma kompresi LZW akan membentuk dictionary selama proses kompresinya belangsung kemudian setelah selesai maka dictionary tersebut tidak ikut disimpan dalam file yang telah terkompresi. Prisinp kompresi akan terjadi ketika besar bit untuk dictionary yang telah ditentukan menggantikan deretan karakter atau string yang terbentuk sedangkan dalam proses dekompresinya untuk memperoleh hasil yang sama dengan file sebelum dikompresi LZW akan membuat kembali dictionary selama proses dekompresinya berlangsung.Algoritma LZW dikembangkan dari metode kompresi yang dibuat oleh Ziv dan Lempel pada tahun 1977. Algoritma ini melakukan kompresi dengan menggunakan dictionary, dimana fragmen-fragmen teks digantikan dengan indeks yang diperoleh dari sebuah “kamus”. Prinsip sejenis juga digunakan dalam kode Braille, di mana kode-kode
khusus digunakan untuk
merepresentasikan kata-kata yang ada. Pendekatan ini bersifat adaptif dan efektif karena banyak karakter dapat dikodekan dengan mengacu pada string yang telah muncul sebelumnya dalam teks. Prinsip kompresi tercapai jika referensi dalam bentuk pointer dapat disimpan dalam jumlah bit yang lebih sedikit dibandingkan string aslinya.
3.
Metode riset
3.1 Perancangan Sistem
3.2 Populasi
Populasi merupakan objek penelitian yang akan digunakan. Pada penelitian ini populasi atau objek yang akan digunakan terdapat 2 jenis data digital yaitu:
a) Gambar
Gambar yang akan dikompresi merupakan gambar yang mempunyai kapasitas yang cukup besar, dimana gambar ini mengandung unsur piksel warna yang bercampur dengan tingkat resolusi yang cukup tinggi. b) Audio
Pada file audio yang digunakan yaitu file audio WAV karena file audio ini tergolong mudah untuk digunakan sebagai objek penelitian dalam file kompresi agar mendapatkan kesimpulan algoritma yang baik
3.3 Sampel
Sampel merupakan bagian dari penentuan banyaknya data penelitian yang akan digunakan. Pada penelitian ini penulis akan menggunakan 2 jenis data disgital seperti yang telah dijelaskan pada populasi diatas.
Pada 2 jenis data tersebut akan digunakan jumlah data sebanyak yang diperlukan pada penelitian dengan rincian data sebagai berikut: a) Data Gambar
Pada data gambar akan dipecah menjadi beberapa data sesuai dengan warna dasar dari kapasitas intensitas warna pada gambar, yaitu:
1) Data gambar dengan intensitas warna Merah (Red) lebih dominan dibandingkan dengan data yang lainnya, banyaknya data yang digunakan disini yaitu sebanyak 10 sampel data, dengan ukuran piksel gambar 1024 x 768 piksel.
2) Data gambar dengan intensitas warna Hijau
(Green) lebih dominan dibandingkan dengan data yang lainnya, banyaknya data yang digunakan disini yaitu sebanyak 10 sampel data, dengan ukuran piksel gambar 1024 x 768 piksel.
3) Data gambar dengan intensitas warna Biru (Blue) lebih dominan dibandingkan dengan data yang lainnya, banyaknya data yang digunakan disini yaitu sebanyak 10 sampel data, dengan ukuran piksel gambar 1024 x 768 piksel.
4) Ditambahkan dengan data dimana intensitas warna mencakup dari 3 warna dasar RGB, banyaknya data yang digunakan disini yaitu sebanyak 10 sampel data, dengan ukuran piksel gambar 1024 x 768 piksel.
b) Data Audio
Pada data Audio lain halnya dengan gambar karena disini penulis hanya menggunakan file berekstensi waveform audio format (WAV) dengan alasan seperti yang telah dijelaskan pada sub bab populasi. Banyaknya data yang digunakan pada penelitian ini yaitu sebanyak 20 sampel audio WAV dengan berbagai besaran ukuran file audio.
4.
Hasil dan pembahasan
4.1 Hasil
4.1.1 Kompresi Sampel Audio (*.Wav) Sampel Uji pada file Audio terdapat 20 Uji sampel dengan nama file dan ukuran file yang berbeda-beda, dikarenakan beberapa sampel Audio diambil dari Internet dengan interfal waktu play audio yang tidak terlalu lama, juga terdapat sampel audio dengan kapasitas yang sedikit besar dikarenakan sampel ini diambil dari hasil convert file *.MP3 ke faile audio sampel *.Wav
yang ditawarkan dari aplikasi yang dibangun menggunakan algoritma LZW dapat berhasil dikompresi. Untuk seluruh data sampel yang di uji coba dapat dilihat dari tabel berikut:
Tabel 1 Hasil Kompresi Audio
No File Besar
Gambar 2 Hasil Ratio Kompresi
4.1.2 Kompresi Sampel Gambar
(*.bmp)
Kompresi sampel Gambar yang digunakan disini menggunakan format *.bmp, dimana file Gambar yang dipisahkan menjadi 4 kelompok Gambar yaitu dominan dengan warna merah, hijau, biru dan campuran warna.
Gambar 3 Ratio Kompresi Dominan Merah
Gambar 4 Ratio Kompresi Dominan Hijau
Gambar 5 Ratio Kompresi Dominan Biru
Gambar 6 Ratio Kompresi Campuran Warna
4.2 Pembahasan
Berdasarkan dari hasil pengolahan data kompresi file algoritma LZW, untuk file audio dan file gambar dapat disimpulkan hasil presentase tingkat keberhasilan yang didapatkan, dengan merujuk dari tabel berikut ini:
Tabel 2 Rata-rata Ratio Test Sampel
Gambar 7 Grafik Rata-rata Ratio
Hasil Dari Kompresi yang didapatkan sangat baik dengan angka presentase 54,77% untuk gambar dominan warna biru, tetapi dari semua hasil kompresi algoritma ini belum dapat mengompres seluruh data dengan hasil yang maksimal atau bisa mendekati angka presentease yang diharapkan yakni 80-90%.
5.
Penutup
Berdasarkan hasil pengujian dan pembahasan yang telah diuraikan dapat ditarik kesimpulan:
1. Dari tujuan penelitian yang diusulkan bahwa penelitian dapat dijalankan sesuai harapan dimana tujuan berhasil dengan dapat mereduksi file yang audio dan image menjadi terkompresi menggunakan algoritma yang digunakan,
2. Tujuan penelitian juga menuangkan mendapatkan hasil ratio kompresi untuk mendapatkan nilai ratio setiap data yang telah terkompresi. Dari hasil pengujian dan pembahasan bahwa dapat ditarik kesimpulan untuk
a. file audio(*.wav) tingkat ratio kompresi yang dihasilkan belum sesuai dengan harapan karena hanya dapat mencapai tingkat maksimum kompresi 11,07%. b. File gambar menunjukkan hasil
yang berbeda-beda berdasarkan tingkatan dominan warna yang terdapat pada gambar tersebut, untuk dominan hijau dan campur
menghasilkan ratio
penyimpanan cukup rendah dibawah 50%, sedangkan dominan biru dan merah sudah mencapai diatas 50%
c. Semua hasil pengujian dan pembahasan dapat disimpulkan bahwa algoritma Lempel Ziv Welch (LZW) belum mampu bekerja secara maksimal untuk mencapai angka 80-90% dalam hal kompresi file Audio dan file Gambar.
6.
Referensi
[1] Ichsan, 2011. Implementasi Teknik
Kompresi Gambar Dengan Algoritma Set Partitioning Hierarchical Trees Pada Perangkat Bergerak.
[2] Nuraisyah, 2013. Perancangan Aplikasi Kompresi File Audio Dengan Algoritma Arithmetic Coding. [3] Taufiq Yunianto ,2011. Membangun
Aplikasi Kompresi Image
Menggunakan Metode DPCM
(Differensial Pulse Code Modulation) Suara Menggunakan SAPI 5.1 dan Delphi 5.0 berbasis Teks.
[4] Suhendra. 2013. Aplikasi Pengolahan Audio
Digital Menggunakan Metode
Moving Average Dan
Band-limitation In Cepstrum (MABC) Untuk Menghilangkan Noise [5] Septiari Resa ,2012 Konverter Suara
Dengan Input Bahasa Indonesia Ke
Video Gerakan Bahasa Isyarat
Dengan Metode Speech Recognation
(Hidden Markov Model) Untuk
Penderita Tuna Rungu,
No Test File
Ratio rata-rata
1 Audio (*.Wav) 11,07%
2
Gambar Dominan Merah
(*.bmp) 51,08%
3
Gambar Dominan Hijau
(*.bmp) 45,84%
4
Gambar Dominan Biru
[6] Aditya Wijaya, Suryarini Widodo ,2014 Kinerja dan Performa Algoritma Kompresi Lossles Terhadap Objek Citra Digital,
[7] Aditya Rahandi, Dian Rachmawati, Sajadin Semiring ,2013 Analisis dan Implementasi Kompresi File
Audio dengan Menggunakan
Algoritma Run Length Encoding (RLE),
[8] Linawati, Henry P. Pangabean ,2014
Perbandingan Kinerja Algoritma
