Penerapan Algoritma Sequitur Pada Kompresi File Teks
Christian Abed Nego Ginting
Fakultas Ilmu Komputer dan Teknologi Informasi, Teknik Informatika, Universitas Budidarma, Medan, Indonesia Email: christiangtg13@gmail.com
Abstrak−RTF adalah salah satu format file teks kaya yang didukung oleh banyak aplikasi, sehingga cocok untuk berbagi lintas platform. Format file ini adalah format yang teraman dibanding format yang lain karena format ini tidak sepopuler format doc maupun docx sehingga belum menjadi sasaran peretas atau pembuat virus, atau bisa disebut juga bahwa format ini biasanya digunakan untuk mencegah kehilangan file. Namun, format ini adalah format yang memiliki ukuran paling besar di antara yang lain, sehingga memerlukan lebih banyak ruang penyimpanan dibanding format lain. Maka dari itu diperlukan suatu sistem untuk memperkecil ukuran file tersebut agar menggunakan ruang yang lebih sedikit untuk menyimpan file. Kompresi adalah suatu sistem yang berfungsi untuk memperkecil ukuran suatu file agar mengurangi penggunaan memori penyimpanan. Pada penelitian ini dibahas tentang Penerapan Algoritma Sequitur Pada Kompresi File Teks. Kompresi dilakukan dengan menjalankan batasan di dalam sebuah tata bahasa yang ketika diagram keunikan (diagram uniqueness) dilanggar, sebuah aturan baru dibentuk, dan ketika batasan aturan kegunaan (Rule utility) dilanggar, aturan yang tidak terpakai akan dihapus. Dalam penelitian ini hasil dari kompresi menggunakan algoritma Sequitur yaitu Ratio of Compression sebesar 1,688bit, Compression Ratio sebesar 59,21%, Redudancy sebesar 40,79% dan Space Saving sebesar 40,79%, namun sesudah di kompresi format file berubah sehingga tidak dapat dibuka menggunakan aplikasi Microsoft Word maka harus di dekompresi terlebih dahulu untuk dapat membuka file tersebut.
Kata Kunci: File; Teks; Kompresi; Algoritma; Sequitur
Abstract−RTF is one of the rich text file formats supported by many applications, making it suitable for cross-platform sharing. This file format is the safest format compared to other formats because this format is not as popular as the doc or docx formats so it has not been targeted by hackers or virus makers, or it can also be said that this format is usually used to prevent file loss. However, this format is the format that has the largest size among the others, so it requires more storage space than other formats. Therefore we need a system to reduce the size of the file in order to use less space to store files. Compression is a system that serves to reduce the size of a file in order to reduce storage memory usage. This study discusses the application of the Sequitur Algorithm to Text File Compression. Compression is done by executing constraints in a grammar that when the uniqueness diagram is violated, a new rule is created, and when the rule utility constraint is violated, the unused rule is deleted. In this study the results of compression using the Sequitur algorithm are Ratio of Compression of 1.688bit, Compression Ratio of 59.21%, Redundancy of 40.79% and Space Saving of 40.79%, but after compression the file format changes so that it cannot Opened using Microsoft Word application, it must be decompressed first to be able to open the file.
Keywords: File; Text; Compression; Algorithm; Sequitur
1. PENDAHULUAN
Dimasa Covid-19 sekarang ini khususnya di seluruh sekolah dan universitas menerapkan sistem belajar daring yang membuat banyaknya data yang dibutuhkan, salah satu jenis data tersebut dikemas dalam suatu file teks yang membuat ruang tempat menyimpan file tidak sanggup menampung data tersebut. Pada kompresi file teks yang sangat dipengaruhi oleh banyaknya karakter di dalam file tersebut yang membuat ukurannya semakin membesar dan kemudian akan disimpan pada ruang penyimpanan, terutama file teks yang berekstensikan Rich Text Format (rtf).
File Rich Text Format adalah format file yang dibesarkan oleh Microsoft, yang dapat berisi informasi tambahan tentang style font, format, gambar, dan lainnya. Yang didukung oleh banyak aplikasi, sehingga cocok untuk berbagi dokumen lintas platform[1]. File RTF juga banyak digunakan pada perusahaan perusahaan yang berfungsi untuk menjaga keamanan data agar tidak mudah diretas, namun terkadang untuk mencegah hal tersebut maka banyak file RTF yang disimpan sehingga membuat ruang penyimpanan semakin banyak digunakan dan mengakibatkan kinerja komputer menjadi menurun. Dengan adanya pemborosan tersebut maka dilakukan sebuah teknik pengkompresian ukuran file agar dapat mengoptimalkan ruang penyimpanan.
Algoritma Sequitur adalah sebuah algoritma yang terdiri dari pemastian dua sifat yang berlaku. Algoritma beroperasi menjalankan batasan didalam sebuah tata bahasa yang ketika diagram keunikan (diagram uniqueness) dilanggar, sebuah aturan baru dibentuk, dan ketika batasan aturan kegunaan (Rule utility) dilanggar, aturan yang tidak terpakai dihapus[2].
Berdasarkan pada penelitian yang dilakukan oleh Sarbudi Siahaan pada tahun 2019 dengan judul “Penerapan Algoritma Sequitur Pada Kompresi Record Database Pada Database” disimpulkan bahwa Penerapan algoritma Sequitur pada kompresi record database pada database dapat membantu para pengguna komputer terrmasuk dalam mengolah database untuk menghemat daya memori, dan transmisi pengiriman data yang cepat[3]. Berdasarkan pada penelitian yang dilakukan oleh Herdianto pada tahun 2019 dengan judul “Perbandingan Metode RLE dan Huffman dalam Kompresi Data Teks” didapatkan rasio kompresi RLE sebesar 0,71% dan Huffman mendapatkan rasio kompresi sebesar 0,95%[4]. Berdasarkan pada penelitian yang dilakukan oleh Indah Lestari pada tahun 2019 dengan judul
“Analisa Perbadingan Algoritma Goldbach Codes Dengan Algoritma Sequitur Pada Kompresi File Text Menggunakan Metode Exponential” disimpulkan bahwa kompresi file teks menggunakan algoritma Sequitur mendapatkan rasio sebesar 57%[5]. Pada tahun 2018, Alan Mukti, dkk. melakukan penelitian yang berjudul “IMPLEMENTASI
ALGORITMA SEQUITUR UNTUK KOMPRESI SHORT MESSAGE SERVICE (SMS) BERBASIS ANDROID” dan dapat disimpulkan bahwa dengan aplikasi kompresi sms ini rasio keberhasilan dari teks tersbut sekitaran 50%. Karena huruf yang masuk sebanyak 21 dikali dengan 8 bit per huruf. Maka didapat hasil 176 bit dari semua karakter sebelum dikompresi dan nilai setelah dikompresi menjadi 11 bit dikali dengan 8 huruf per bit maka didapat hasil maksimal kompresi 88 bit[6]. Berdasarkan pada penelitian yang dilakukan oleh Yulia Darnita, dkk. Pada tahun 2019 dengan judul
“Kompresi Data Teks Dengan Menggunakan Algoritma Sequitur”, dapat disimpulkan bahwa Pada Proses Dekompresi di lakukan pada File1 ukuran awal 11,1 Kb menjadi 11,5 KB pengembalian ukuran 0,4 kb, File2 ukuran awal 146 Kb menjadi 147 KB pengembalian ukuran 1kb, File3 ukuran awal 503 Kb menjadi 509 KB pemgembalian ukuran 5kb, File4 ukuran awal 1.505 Kb menjadi 1.513 KB pengembalian ukuran 8kb, File5 ukuran awal 3.419 Kb menjadi 3.428 KB pengembalian ukuran 9kb. Dekompresi yang dilakukan dengan algoritma sequitur tanpa merusak isi di dalam file tersebut (Lossless Compression)[7].
Algoritma Sequitur di atas yang akan menjadi pemecah masalah pada kompresi file teks pada penelitian ini masih memiliki kekurangan dan kelebihan untuk mengkompresi sebuah file. Maka dari itu penulis melakukan analisa ini agar dapat mengetahui kelebihan dan kekurangan dari algoritma tersebut, mengetahui besar pengaruhnya terhadap kompresi data, dan apakah algoritma tersebut efektif dalam pemampatan data sehingga mempercepat jalannya proses transfer data dan berkurangnya pemakaian ruang penyimpanan.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Gambar 1. Tahapan Penelitian
Berdasarkan kerangka tahapan penelitian diatas, maka dapat penulis uraikan pembahasan dari setiap tahapan yang ada sebagai berikut:
1. Tahap Identifikasi Masalah
Pada tahap awal ini adalah cara penulis dapat menduga, memprediksi dan menguraikan apa yang menjadi fokus dari masalah dari kapasitas ruang penyimpanan yang semakin penuh serta melambatnya proses pengiriman file teks yang berformat rtf yang membuat ruang penyimpanan tidak mampu lagi untuk menampung file tersebut.
2. Tahap Studi Pustaka
Ditahapan ini penulis melakukan pemahaman terhadap objek yang akan diteliti melalui media bacaan sebagai referensi seperti buku, jurnal, dan lain sebagainya.
3. Tahap Analisa Proses Kompresi dan Dekompresi Menggunakan Algoritma Sequitur
Tahapan ini dilakukan agar penulis mengetahui proses kompresi pada file dokumen menggunakan Algoritma Sequitur yang bertujuan untuk memperkecil ukuran data dengan mengubah frase berulang lalu menggantinya dengan simbol non-terminal dan mengetahui proses pengembalian file teks yang telah dikompresi menjadi bentuk file asli.
4. Tahap Mendesain Aplikasi Kompresi Algoritma Sequitur Pada tahapan ini penulis mendesain aplikasi kompresi file teks.
5. Tahap Implementasi
Pada tahapan ini dilakukan untuk menerapkan proses perhitungan menggunakan algoritma Sequitur.
6. Tahap Pengujian
Dilakukannya tahapan ini untuk mengetahui hasil dari pengkompresian file teks yang berformatkan rtf.
7. Tahap Dokumentasi
Merupakan tahap akhir dari penelitian ini yang dibuat dalam bentuk laporan. Yang nantinya para pembaca dapat melakukan pengembangan terhadap penelitian ini.
2.2 Kompresi
Kompresi adalah suatu proses yang dapat mengubah sebuah aliran data masukan (data asli) ke dalam aliran data yang lain (data yang dimampatkan) yang memiliki ukuran yang lebih kecil[8]–[10].
Proses kompresi data pada suatu algoritma memiliki beberapa parameter yang digunakan untuk mengukur frekuensi tersebut, yaitu:
1. Rasio Kompresi (Rc)
Rasio kompresi merupakan parameter kompresi yang dapat membandingkan hasil dari file atau data yang belum dikompresi dengan yang sudah dikompresi. Dalam sistem matematis dapat dituliskan seperti berikut:
𝑅𝐶 = 𝑈𝑘𝑢𝑟𝑎𝑛 𝐵𝑖𝑡 𝐷𝑎𝑡𝑎 𝑆𝑒𝑡𝑒𝑙𝑎ℎ 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖
𝑈𝑘𝑢𝑟𝑎𝑛 𝐵𝑖𝑡 𝐷𝑎𝑡𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖 ... (1) 2. Compression Ratio (Cr)
Compression Ratio adalah persentase perbandingan dari beberapa data yang sudah dikompresi dengan data yang belum dikompresi.
𝐶𝑅= 𝑈𝑘𝑢𝑟𝑎𝑛 𝐵𝑖𝑡 𝐷𝑎𝑡𝑎 𝑆𝑒𝑡𝑒𝑙𝑎ℎ 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖
𝑈𝑘𝑢𝑟𝑎𝑛 𝐵𝑖𝑡 𝐷𝑎𝑡𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝐷𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖 𝑥 100% ... (2) 3. Redundancy (Rd)
Redundancy adalah bagian tambahan yang berisi data-data sebelum dikompresi. Setelah melakukan kompresi data, dapat dihitung redundansi data tersebut, yaitu persentase dari selisih antara ukuran suatu data sebelum kopresi dengan setelah kompresi.
Rd = Ukuran sebelum kompresi – Ukuran setelah kompresi
Ukuran sebelum kompresi 𝑥100% ... (3) 4. Space Saving (Ss)
Space Saving adalah persentase dari selisih antara data yang belum terkompresi dengan yang telah dikompres.
Ss = 100% – CR ... (4) Kompresi data digolongkan menjadi 2 jenis, yaitu:
1. Lossless, merupakan jenis kompresi yang dimana hasil data yang telah dikompresi sama dengan data yang aslinya.
2. Lossy, merupakan dimana jenis kompresi dari hasil data yang telah terkompresi tidak secara utuh sama dengan data yang aslinya.
2.3 File Teks
File teks merupakan file yang berisi informasi dalam bentuk teks. Data dari dokumen pengolah kata, angka yang digunakan dalam perhitungan, nama dan alamat dalam database merupakan contoh masukan data teks yang terdiri dari karakter, angka, dan tanda baca[11]. Terdapat 3 bentuk himpunan karakter teks yang sering digunakan pada input dan output dalam sistem kerja komputer yaitu ASCII, Unicode dan EBCDIC. ASCII (American Standard Code for Information Interchange) adalah standar internasional untuk huruf dan simbol kode (seperti heksadesimal dan Unicode), tetapi ASCII lebih bersifat luas. ASCII pada sistem komputer atau perangkat komputer lainnya terdiri dari 8 digit biner, mulai dari “00000000” hingga “11111111”. Total kombinasi yang dihasilkan sebanyak 256, dimulai dari kode 0 sampai 255 dalam sistem bilangan desimal. File teks pada sistem komputer terdiri dari tipe karakter (char) dan tipe string. Jenis karakter (char) terdiri dari huruf, angka, tanda baca atau karakter khusus, seperti “bB”, “01”, “&”, “^”, dll. Format ekstensi file teks yang umum digunakan meliputi: format data teks (.txt), format data dokumen (.doc), dan format teks kaya (.rtf)[12].
2.4 Algoritma Sequitur
Algoritma Sequitur adalah sebuah algoritma waktu linear yang dikembangkan oleh Craig Nevill-Manning dan Ian H.
Witten pada tahun 1997 yang menyimpulkan tata bahasa bebas konteks (context-free grammar) dengan kompresi untuk mengurangi masukan yang berulang. Operasi Sequitur terdiri dari pemastian dua sifat yang berlaku. Ketika menggambarkan suatu algoritma, sifat-sifatnya berperan sebagai batasan. Algoritma beroperasi menjalankan batasan dalam tata bahasa yang ketika diagram keunikan (diagram uniqeness) dilanggar, terbentuk sebuah aturan baru, dan ketika batasan aturan kegunaan (rule utility) dilanggar aturan yang sudah lama dihapus. Adapun langkah-langkah cara kerja algoritma Sequitur adalah sebagai berikut[13]–[15]:
1. Mencari nilai awal string dengan memunculkan tabel nilai frekuensi dan setiap karakter atau string akan dikalikan dengan 8 bit.
2. Kemudian urutkan karakter berdasarkan frekuensi kemunculan dari yang terbesar hingga terkecil.
3. Menerapkan algoritma Sequitur dengan menampilkan tabel agar lebih mudah dilihat pada proses algoritma Sequitur ini. Dan proses kerja algoritma ini menyimbolkan setiap pasangan karakter atau string yang muncul lebih dari sekali.
4. Melakukan perhitungan terhadap proses algoritma yang telah dikerjakan sebelumnya dengan memunculkan tabel frekuensi setiap kemunculan string yang telah diproses.
5. Hasil yang telah diketahui kemudian diterapkan ke dalam rumus yang berlaku pada proses kompresi tersebut.
Gambar 2. Urutan Input dan Grammar
3. HASIL DAN PEMBAHASAN
3.1 Analisa Masalah
Analisa merupakan proses yang dilakukan untuk mengamati dengan detail terhadap suatu permasalahan yang akan diselesaikan berdasarkan metode yang telah ditetapkan sehingga menghasilkan keluaran berupa rancangan aplikasi dalam tahapan yang akan dilakukan selanjutnya pada penelitian ini. Dalam proses kompresi file teks ini, penulis menggunakan algoritma Sequitur untuk memperkecil ukuran dari file teks dan jenis kompresi Lossless Compression.
Kinerja dari algoritma tersebut didasari dengan beberapa parameter, yaitu Ratio of Compression (RC), Compression Ratio (CR), Redudancy (Rd), dan Space Saving (SS)[9][10][11][12].
Langkah awal yang akan dilakukan adalah menentukan file teks yang akan dikompresi lalu file tersebut dianalisa dan diambil teks dari isi file tersebut. Setelah teks didapatkan, maka selanjutnya adalah melakukan proses kompresi dengan menerapkan algoritma Sequitur kemudian mendapatkan hasil kompresi dari file tersebut. Setelah didapatkan hasil kompresi, dilanjutkan dengan proses dekompresi dari algoritma Sequitur.
3.1.1 Penerapan Algoritma Sequitur
Berikut merupakan contoh sampel file RTF yang akan dilakukan proses pengkompresian dengan menerapkan algoritma
Sequitur.
Gambar 3. Sampel File RTF
Selanjutnya dengan sampel diatas, akan diambil 2 kata dari isi sampel file tersebut. Berikut 2 kata dari sampel file RTF.
Gambar 4. Sampel Teks Pada Isi Sampel 3.1.2 Proses Kompresi Algoritma Sequitur
Langkah awal dalam proses pengkompresian dengan algoritma Sequitur dengan mengurutkan teks mulai dari frekuensi terbesar hingga terkecil.
Tabel 1. Nilai Karakter Sebelum Dikompresi
No Karakter Frekuensi Decimal Biner Bit Frek x Bit
1 e 3 10 01100101 8 24
2 r 3 114 01110010 8 24
3 p 2 112 01110000 8 16
4 P 1 80 01010000 8 8
5 i 1 105 01101001 8 8
6 h 1 104 01101000 8 8
7 a 1 97 01100001 8 8
8 l 1 108 01101100 8 8
9 Spasi 1 32 01000000 8 8
10 k 1 107 01101011 8 8
11 o 1 111 01101111 8 8
12 m 1 109 01101101 8 8
13 u 1 117 01110101 8 8
14 t 1 116 01110100 8 8
Total 19 152 bit
Langkah selanjutnya mengurutkan semua nilai karakter untuk menemukan frase berulang lalu diberi aturan untuk menghasilkan terminal baru dari urutan huruf alphabet mulai huruf A-Z, proses tersebut akan dilanjutkan sampai tidak ada frase yang berulang.
Tabel 2. Aturan Untuk Menghasilkan Terminal
String bit Duplikat Pembentukan
Simbol Rule Keterangan Perubahan
String bit
Hapus Aturan Peripheral
komputer er A A=er “er” digantikan dengan simbol
non-terminal “A”
PAiphAal
komputA -
Kemudian langkah selanjutnya dilakukan perhitungan bit dan pengurutan nilai karakter setelah frase yang berulang sudah diubah dan memperoleh bit file terkompresi. Berikut merupakan proses kompresi file teks yang dapat dilihat di bawah ini.
Tabel 3. Proses Kompresi File Teks
No. Karakter Frekuensi Decimal Biner Bit Frek x Bit
1 A 3 65 01000001 8 24
2 P 1 80 01010000 8 8
3 i 1 105 01101001 8 8
4 p 1 112 01110000 8 8
5 h 1 104 01101000 8 8
6 a 1 97 01100001 8 8
7 l 1 108 01101100 8 8
8 Spasi 1 32 01000000 8 8
9 k 1 107 01101011 8 8
10 o 1 111 01101111 8 8
11 m 1 109 01101101 8 8
12 u 1 117 01110101 8 8
13 t 1 116 01110100 8 8
Total 15 90 bit
Untuk file teks yang telah dikompresi menggunakan algoritma Sequitur, format filenya diubah menjadi format *.sqt untuk menunjukkan bahwa file tersebut dikompres menggunakan aplikasi kompresi yang menerapkan algoritma Sequitur. Namun file *.sqt tersebut tidak dapat dibuka seperti biasa sehingga harus dilakukan proses dekompresi untuk dapat membuka file tersebut. Pengukuran kinerja dari algoritma Sequitur pada proses kompresi dapat dilakukan dengan menghitung nilai aspek berikut:
1. Ratio of Compression (RC)
RC = Ukuran bit data sebelum dikompres Ukuran bit data setelah dikompres =152 bit
90 bit= 1,688 bit
2. Compression Ratio (CR)
CR = Ukuran bit data setelah dikompres
𝑈𝑘𝑢𝑟𝑎𝑛 𝑏𝑖𝑡 𝑑𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑑𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠× 100%
CR= 90 bit
152 bit × 100% = 59,21%
3. Redudancy (Rd)
Rd = Ukuran sebelum kompresi – Ukuran setelah kompresi
Ukuran sebelum kompresi 𝑥100% =152 - 90
152 × 100% = 40,79%
4. Space Saving (Ss)
Ss = 100% - CR = 100% - 59,21% = 40,79%
3.1.3 Proses Dekompresi Algoritma Sequitur
Pada proses dekompresi rule yang telah disimpan sebelumnya saat kompresi akan digunakan kembali untuk mengembalikan nilai hexa seperti semula. Prosesnya dapat dilihat pada tabel berikut:
Tabel 4. Proses Dekompresi Rule Yang Telah Disimpan Sebelumnya
String bit Rule Keterangan Perubahan Stirng bit
PAiphAal komputA A=er Simbol A akan mengembalikan “er” ke string bit awal Peripheral komputer
Dari tabel penjabaran di atas dapat disimpulkan bahwa hasil dekompresi dari algoritma Sequitur menggunakan rule yang telah ditetapkan dan dilakukan secara berurutan dari rule terakhir sampai rule yang pertama hingga string bit awal didapatkan. Dari hasil dekompresi ini telah sesuai dengan string bit awal yang terdapat pada file teks yang menjadi sampel. Berikut merupakan hasil dekompresi yang sesuai dengan string bit awal “Peripheral komputer”.
Tabel 5. Hasil Pengujian Sistem
No.
Sebelum Dikompresi Sesudah Dikompresi
Nama File Teks Ukuran Nama File Teks
Terkompresi Ukuran Kinerja
1 Tugas Biografi-
Christian.rtf 12,05 MB Tugas Biografi-
Christian.sqt 10,04 MB
RC 1,2 bit
CR 83,33%
Rd 16,67%
SS 16,67%
Time 2008 ms
2 Makalah Struktur
Data-Christian.rtf 13,4 MB
Makalah Struktur Data-
Christian.sqt
10,96 MB
RC 1,222 bit
CR 81,82%
Rd 18,18%
SS 18,18%
Time 2436 ms
4. KESIMPULAN
Berdasarkan dari hasil penelitian yang telah penulis lakukan, maka dapat di tarik kesimpulan sebagai prosedur dalam mengkompresi file teks yang telah diterapkan menggunakan algoritma Sequitur terbilang mudah dipahami, namun setelah dikompresi format file tersebut akan berubah sehingga harus dikompresi terlebih dahulu untuk dapat membuka file tersebut. Penerapan dalam proses kompresi file teks menggunakan algoritma Sequitur terbilang cukup mudah dipahami dan hasil dari kompresi menggunakan algoritma tersebut mendapatkan ukuran file teks yang lebih kecil dibandingkan dengan ukuran awal file. Aplikasi penerapan algoritma Sequitur dalam mengkompresi file teks berhasil dirancang dan dibangun dengan menerapkan bahasa pemrograman Microsoft Visual Studio 2015, sehingga dapat membantu pengguna dalam proses kompresi, dan dekompresi dari algoritma tersebut agar lebih efektif dan efisien.
REFERENCE
[1] N. F. Rizky, S. D. Nasution, and F. Fadlina, “Penerapan Algoritma Elias Delta Codes Dalam Kompresi File Teks,” Build.
Informatics, Technol. Sci., vol. 2, no. 2, pp. 109–114, 2020, doi: 10.47065/bits.v2i2.138.
[2] D. R. P. Lubis, “Kompresi File Teks Dengan Hybrid Algoritma Run Length Encoding Dengan Even Rodeh Code Dan Variable Length Binary Encoding Untuk Menghemat Ruang Penyimpanan,” p. 123, 2018.
[3] S. Siahaan, P. Studi, and T. Informatika, “Penerapan Algoritma Sequitur Pada Kompresi Record Database Pada Database,”
vol. 6, no. 5, pp. 511–516, 2019.
[4] Herdianto, “Perbandingan Metode RLE dan Huffman dalam Kompresi Data Teks,” vol. 9, no. 3, pp. 51–57, 2019.
[5] J. P. Informatika et al., “Analisa Perbadingan Algoritma Goldbach Codes Dengan Algoritma Sequitur Pada Kompresi File Text,” vol. 18, pp. 354–357, 2019.
[6] A. Mukti, S. D. Nasution, and R. Limbong, “Implementasi Algoritma Sequitur Untuk Kompresi Short Message Service
(Sms) Berbasis Android,” Pelita Inform. Inf. dan Inform., vol. 7, no. 2, pp. 126–129, 2018.
[7] K. Data, T. Dengan, and M. Algoritma, “Darnita, Kompresi Data Teks Dengan Menggunakan Algoritma Sequitur 104,” vol.
8, pp. 104–113, 2019.
[8] N. Aisyah and S. Aripin, “Penerapan Algoritma Elias Omega Code Pada Kompresi File Audio Aplikasi Murottal Muzzamil Hasbalah,” Pelita Inform., vol. 9, pp. 113–119, 2020.
[9] J. L. Ompusunggu, “Penerapan Kombinasi Algoritma Sequitur Dan Punctured Elias Code Untuk Kompresi File Teks,” J.
Informatics, Electr. Electron. Eng., vol. 2, no. 2, pp. 55–59, 2022.
[10] R. Y. Tanjung and M. Mesran, “Perancangan Aplikasi Kompresi File Dokumen Menggunakan Algoritma Adiitive Code,”
JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 4, pp. 108–113, 2021.
[11] L. V. Simanjuntak, “Perbandingan Algoritma Elias Delta Code dengan Levenstein Untuk Kompresi File Teks,” J. Comput.
Syst. Informatics, vol. 1, no. 3, pp. 184–190, 2020.
[12] M. Apriyanto and H. Hutrianto, “Analisa Penerapan Algortima Goldbach Codes Dan Metode Shannon-Fano Pada Kompresi File Teks,” Bina Darma Conf. …, pp. 207–218, 2020.
[13] I. Lestari, “ANALISA PERBADINGAN ALGORITMA GOLDBACH CODES DENGAN ALGORITMA SEQUITUR PADA KOMPRESI FILE TEXT MENGGUNAKAN METODE EXPONENTIAL,” Pelita Inform. Inf. dan Inform., vol. 8, no. 1, pp. 15–18, 2019.
[14] Y. Darnita, K. Khairunnisyah, and H. Mubarak, “Kompresi Data Teks Dengan Menggunakan Algoritma Sequitur,”
SISTEMASI, vol. 8, no. 1, pp. 104–113, 2019.
[15] M. E. Prayoga, “Perancangan Aplikasi Kompresi File Teks dengan Menerapkan Algoritma Sequitur,” JURIKOM (Jurnal Ris. Komputer), vol. 6, no. 1, pp. 45–50, 2019.
