TUGAS AKHIR
KOMPRESI CITRA PENGIMPLEMENTASIAN SOURCE CODING
DENGAN MENGGUNAKAN METODE KARHUNEN LOEVE
Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan Teknik Elektro
Universitas Muhammadiyah Surakarta
Disusun oleh :
NAMA : DEDY BUDI SAPUTRO
NIM : D 400 080 030
FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO
UNIVERSITAS MUHAMMADIYAH SURAKARTA
KOMPRESI CITRA PENGIMPLEMENTASIAN SOURCE CODING
DENGAN MENGGUNAKAN METODE KARHUNEN LOEVE
Dedy Budi Saputro
FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO UNIVERSITAS MUHAMMADIYAH SURAKARTA
E-mail : jambrong_itci@yahoo.co.id
ABSTRAKSI
Perkembangan teknologi informasi dalam media penyimpanan saat ini sangat berpengaruh besar dalam menjalin pertukaran informasi yang cepat. Kebutuhan akses kecepatan pengiriman informasi dalam bentuk perpaduan teks, suara dan gambar atau citra secara rea l – time akan menjadi bagian utama dalam pertukaran informasi pada masa mendatang.
Proses kompresi data atau dalam hal ini kompresi citra (image compression) untuk menghasilkan ukuran data yang lebih kecil sebagai cara yang dapat dilakukan untuk pemeca han masalah. Metode transformasi Karhunen-Loeve merupakan salah satu teknik kompresi data yang pada umumnya digunakan pada pengolahan citra. Penulis melakukan penelitianyang bertujuan mengembangkan kompresi citra dengan metode karhunen loeve, serta menentukan rasio nilai kompresi, dengan menganalisis perbandingan langsung antara besar data file citra asli dengan besar data file hasil kompresi.
Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa kompresi dilalukan dengan cara membagi piksel citra menjadi beberapa blok – blok kecil citra masukannya menjadi lebih ringkas menggunakan proses penyusunan vector – vector kolom jumlah blok citra sehingga nilai masing – masing blok menjadi lebih kecil. Hasil penyusunan vector disusun kembali melalui proses perulangan untuk mengembalikan setiap bit pikselnya program kompresi ini dapat digunakan untuk mengurangi ukuran file citra menjadi lebih kecil namun kualitas citra berbeda berbeda – beda sesuai nilai perulangan yang digunakan. Hasil citra yang terkompresi memiliki ukuran lebih kecil dari ukuran citra asli. Didapat hasil kompesi citra dengan format jpg dengan nilai rerata mencapai 87.815%, untuk hasil kompresi format png memiliki rerata kompresi sebesar 58.817%, pada format bmp rereta hasil kompresi sebesar 3.335%.
Kata kunci : Image Compression, Karhunen Loeve, lossy.
1. PENDAHULUAN
Perkembangan teknologi informasi dalam
media penyimpanan saat ini sangat
berpengaruh besar dalam menjalin pertukaran informasi yang cepat. Kecepatan pengiriman informasi dalam bentuk perpaduan teks, suara dan gambar atau citra secara real – time akan menjadi bagian utama dalam pertukaran informasi pada masa mendatang. Hingga saat ini pengiriman informasi secara real-time
masih mengalami kendala. Kendala yang sering dijumpai adalah lamanya waktu yang dibutuhkan dalam penyimpanan maupun
mengirimkan data keperangkat lain, hal tersebut disebabkan rendahnya kecepatan transmisi yang dimiliki perangkat tersebut, sedangkan ukuran informasi data yang dikirimkan sangat besar.
data yang sama terjadi pada banyak elemen data yang berturut-turut) disimpan sebagai nilai data tunggal dan dihitung panjangnya. Teknik kompresi bersifat lossless sehingga mampu merekonstruksi file hasil kompresi kebentuk asalnya.
Dalam Tugas Akhir ini mencoba
mengimplementasikan metode Run Length Encoding. Karena metode ini pada dasarnya memampatkan data yang berisi karakter-karakter berulang, di mana data yang akan dikompresi berupa citra hitam putih dan apabila citra bukan berupa citra hitam putih maka harus diubah terlebih dahulu . Oleh sebab itu kompresi Run Length Encoding ini mempunyai daya kompresi yang sangat besar sehingga efisiensinya juga sangat besar.
a. Teknik Kompresi Citra
Kompresi citra adalah suatu aplikasi kompresi data yang digunakan terhadap citra digital dengan tujuan untuk mengurangi redudansi dari data – data yang ada pada data citra sehingga dapat lebih efisian dalam penyimpanan maupun mengirimkan data. Ada dua tipe kompresi data, antara lain :
1. Kompresi tipe lossles
Kompresi tipe lossles ialah kompresi yang tidak menghilangkan informasi dari data citra yang digunakan setelah kompresi terjadi, dan akibatnya kualitas citra hasil kompresi tidak menurun. Beberapa ciri dari kompresi tipe
lossles antara lain ialah :
a. Teknik kompresi citra tidak ada sedikitpun
informasi dari data citra yang
dikompresikan yang dihilangkan.
b. Kompresi tipe ini merepresentasikan citra
dengan frekuensi kemunculan nilai
intensitas tertentu sehingga
mengoptimalkan kinerja kompresi berbasis statistik.
2. Kompresi tipe lossy.
Kompresi tipe lossy ialah adanya beberapa informasi data citra yang dihilangkan. Akibatnya kualias data yang dihasilkan jauh lebih rendah daripada kualitas data aslinya.
Brikut beberapa ciri dari kompresi tipe lossy
antara lain :
a. Ukuran file citra menjadi lebih kecil, sebab beberapa informasi dalam data citra asli dihilangkan.
b. Penggunaan citra foto atau citra digital yang tidak memerlukan banyak detail citra, dimana kehilangan bit rate image
tidak berpengaruh pada citra.
c. Lebih disederhanakannya detail dan warna pada file citra sehingga ukurannya menjadi lebih kecil, namun tidak terlihat jauh mencolok perbedaannya dengan aslinya.
b. Karhunen-Loeve
Di tahun 1933 Hotelling mengajukan sebuah teknik untuk mengurangi dimensi sebuah ruang yang direpresentasikan oleh variabel statistik, dimana variabel tersebut biasanya saling berkorelasi satu dengan yang lain. Pertanyaan kemudian timbul akibat konsekuesi di atas, apakah terdapat sebuah himpunan variabel baru yang memiliki sifat yang relatif sama dengan variabel sebelumnya dimana dikehendaki himpunan variabel baru tersebut memiliki jumlah variabel (dimensi) yang lebih sedikit dari variabel sebelumnya. Selanjutnya Hotelling menyebut metode tersebut sebagai Principal Component Analysis (PCA) atau kadang juga disebut Transformasi Hotelling dan Transformasi Karhunen Loeve.
Analisis Komponen Utama (PCA) adalah teknik statistik untuk mengidentifikasi pola dalam suatu data, dan mengekspresikan suatu data sedemikian rupa sehingga diperoleh persamaan – persamaan dan perbedaan - perbedaanya. Prosedur PCA pada dasarnya adalah bertujuan untuk menyederhanakan
variabel yang diamati dengan cara
dengan principal component (Pramitarini, Y., 2011 ).
Salah satu keunggulan PCA adalah sekali pola suatu data dapat ditemukan, maka dapat dilakukan pemampatan data tanpa mengurangi banyak informasi pada data itu, misalnya dengan mengurangi jumlah dimensi. Teknik ini digunakan pada pemampatan citra digital.
c. Rasio Kompresi
Rasio kompresi merupakan ukuran persentase citra yang telah berhasil dimampatkan ( Ichsan. 2011 ).
Secara matematis rasio pemampatan citra dituliskan sebagai berikut :
�� � = 100%− �� � � � �
�� � � � × 100%
Gambar 1. Flowchart Penelitian
2. METODE PENELITIAN
Penerapan metode karhunen loeve pada kompresi citra adalah sebagai berikut : a) Masukkan file citra yang nantinya
akan dikompresi.
b) Masukkan nilai nilai perulangan loop untuk menentukan rekonstruksi citra. c) Selanjutnya memecah citra masukan
menjadi beberapa blok , Setiap potongan blok mempunyai resolusi yang sama yaitu 50 × 50 piksel.
d) Setelah mendapatkan blok – blok citra maka langkah selanjutnya adalah menyusun sebuah matrik citra, dengan cara mengubah setiap blok citra yang berukuran 50 × 50 tersebut menjadi vektor – vektor kolom yang disusun menjadi sebuah matrik.
e) Langkah selanjutnya menghitung nilai rerata setiap kolom matrik citra.
f) Mengubah matrik citra menjadi matrik penyesuaian dengan mengurangi setiap elemen kolom matrik dengan rerata dari kolom matrik citra.
g) Mencari matrik varians kovarians dari matrik penyesuaian yang merupakan matrik bersusun berukuran n × n,
dengan n adalah jumlah kolom matrik penyesuaian.
h) Selanjutnya mencari verktor eigen dan nilai eigen dari matrik varians kovarians. Semakin sedikit nilai vektor eigen yang didapat maka ukuran
berkas yang digunakan untuk
menyimpan data citra terkompresi akan semakin kecil tetapi kualitas citra hasil kompresi akan semakin buruk. i) Proses perulangan loop sebagai
rekonstruksi himpunan data citra kompresi, dengan menyusun kembali tiap bit piksel citra hasil dari vektor eigen yang telah didapat.
j) Menampilkan hasil citra yang telah
Gambar 2. Flowchart Karhunen Loeve
3. PENGUJIAN PROGRAM DAN ANALISA HASIL
Gambar 3. Pengujian Program Kompresi. 1. Citra hasil kompresi dengan metode
karhunen loeve pada citra pantai.
(a) Pengujian ke – 1.
(b) Pengujian ke – 5. tidak
Mulai
Input file citra
Masukkan nilai loop n= jumlah nilai loop
Cari matrik penyesuaian
Menyusun matrik penyesuaian
matrik varians kovarians dari matrik penyesuaian
vektor eigen dan nilai eigen matrik varians kovarians Membagi citra menjadi blok 50 x 50 piksel
Menyusun intesitas matrik citra
Mencari nilai rerata setiap blok
ya
Apakan n sesuai
jumlah loop l = n n = l + 1
Menampilkan hasil citra terkompresi
Simpan hasil kompres
Selesai
(c) Pengujian ke – 8.
(d) Pengujian ke – 11.
(e) Pengujian ke – 17.
Gambar 4. Hasil Citra Kompresi Citra Pantai.Jpg
2. Data Citra Asli
Tabel 1. Tabel Spesifikasi Citra Asli
3. Data Citra Terkompresi
Tabel 2. Hasil Citra Terkompresi JPG.
Pengujian Ukuran Hasil Kompresi Citra (KB) Anime Babon Panda Birdicon
1 4.61 4.61 4.61 4.61
2 4.73 4.75 4.61 4.61
3 4.73 4.61 4.61 4.71
4 7.89 7.01 7.90 8.36
5 11.20 8.73 9.48 11.60
6 14.60 10.70 11.50 15.30
7 19.50 12.60 13.00 19.60
8 26.30 15.10 15.70 23.00
9 35.70 21.70 22.00 26.50
10 44.70 36.40 31.10 29.90
11 51.30 49.20 38.40 31.40
12 55.40 58.40 42.90 31.90
13 57.80 65.80 45.80 31.80
14 58.70 70.50 48.00 31.60
15 59.20 72.40 49.60 31.70
16 59.50 73.60 50.60 31.90
17 59.50 73.60 50.70 31.90 Spesifikasi Citra Asli
No Nama Citra Ukuran Citra (KB)
Format Citra
1 Anime 271.00 JPG
2 Babon 172.00 JPG
3 Panda 244.00 JPG
4 Birdicon 152.00 JPG
5 Arabian 629.00 PNG
6 Pantai 529.00 PNG
7 Peppers 526.00 PNG
8 Rambo 690.00 PNG
9 Blackbuck 768.00 BMP
10 Flower 720.00 BMP
11 Perahu 720.00 BMP
Berdasarkan tabel 2. diatas dapat dilihat bahwa hasil kompresi citra format jpg disimpulkan sebagai berikut :
1. Pengujian citra Anime.Jpg ukuran citra aslinya 271.00 Kb sebanyak 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 44.70 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 10. Sedangkan ukuran citra tertinggi sebesar 59.50 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
2. Pengujian citra babon.jpg ukuran asli sebesar 172.00 Kb. Dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 36.40 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 10. Sedangkan ukuran citra tertinggi sebesar 73.60 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
3. Pengujian citra Panda.Jpg ukuran citra asli sebesar 244.00 Kb dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 31.10 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 10. Sedangkan ukuran citra tertinggi sebesar 50.70 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
4. Citra Bird.Jpg dengan ukuran citra asli sebesar 152.00 Kb dilakukan sebanyak 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 29.90 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 10. Sedangkan ukuran citra tertinggi sebesar 31.90 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
Tabel 3. hasil Citra Terkompresi Png.
Pengujian Ukuran Hasil Kompresi Citra (KB) Arabian Pantai Peppers Rambo
1 1.85 1.85 1.85 1.85
Berdasarkan tabel pengujian diatas dapat dilihat bahwa hasil kompresi citra format png disimpulkan sebagai berikut :
1. Pengujian citra Arabian.png dengan ukuran citra aslinya sebesar 629.00 Kb dilakukan sebanyak tujuh 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 355.00 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 12. Sedangkan ukuran citra tertinggi sebesar 456.00 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17 .
3. Pengujian citra Peppers.Png dengan ukuran citra asli sebesar 526.00 Kb dilakukan 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 298.00 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 12. Sedangkan ukuran citra tertinggi sebesar 492.00 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
4. Pengijian citra Rambo.Png dengan ukuran citra asli sebesar 690.00 Kb dilakukan sebanyak 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 452.00 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 12. Sedangkan ukuran citra tertinggi sebesar 490.00 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
Tabel 4. Hasil Citra Terkompresi Bmp.
Pengujian
Ukuran Hasil Kompresi Citra (KB)
Blackbuck Flower Perahu Tiffany
1 768.00 768.00 768.00 768.00
Berdasarkan tabel pengujian diatas dapat dilihat bahwa hasil kompresi citra format bmp disimpulkan sebagai berikut :
1. Pengujian citra Blackbuck.bmp dan tiffany.bmp ukuran citra asli sebesar 768.00 Kb. Dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 768.00 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 10. Sedangkan ukuran citra tertinggi sebesar 768.00 Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke – 17.
2. Pengujian citra Flower.bmp dan perahu bmp dengan ukuran citra aslinya sebesar 720.00 Kb dilakukan sebanyak tujuh belas kali pengujian didapat ukuran hasil kompresi yang terendah sebesar 768.00 Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke – 10. Sedangkan ukuran citra tertinggi sebesar 768.00 Kb dengan kualitas citra citra memiliki bagian – bagian citra yang lebih sempit menjadikan jumlah vektor eigennya menjadi banyak, dan semakin sempit blok – blok maka akan lebih baik hasil kompresinya.
2. Pada citra Jpg dan Png dapat
dimampatkan dengan baik dengan
prosentase yang berbeda – beda terhadap ukuran file citra yang terkompresi, sedangkan citra Bmp dari pengujian yang dilakukan tidak dapat dimampatkan sehingga prosentase ukuran file citra terkompresinya memiliki hasil yang sama.
rerata rasio kompresi citra sebesar 48.28% pada proses kompresi citra penggunaan loop ke – 17.
4. Dari ke – empat sampel citra format png yang dikompresi citra Arabian, peppers, dan rambo memiliki nilai rerata rasio kompresi citra sebesar 467.75% pada proses kompresi citra penggunaan loop ke – 17.
5. Dari ke – empat sampel citra format bmp yang dikompresi citra blackbuck, flower, perahu, dan tiffany, memiliki nilai rerata rasio kompresi citra sebesar 768.00% pada proses kompresi citra penggunaan loop ke – 17.
6. Lama durasi proses kompresi citra berbanding lurus dengan masukan nilai perulangan atau looping yang digunakan dalam dekomposisi rekonstuksi citra. Semakin tinggi nilai perulangan yang dimasukkan maka akan semakin banyak durasi waktu dalam proses kompresi. Hal tersebut dikarenakan proses prekonstruksian citra dimulai dari nilai looping terkecil hingga selesai pada pemprosesan nilai looping terbesar.
DAFTAR PUSTAKA
D.A Landgrebe, L Bichl. 1995. An
Introduction to MultiSpec, West Lafayette, IN: Purdue Univ, Press.
Daubenchies, Ten Lecture. 1994.On Wavelet : Matlab Help.
G. Vane, R.O Green, T.G Chrien, Ht Enmark,
E.G Hansen. 1993. The Airborne
visible/infrared imaging spectrometer (CASI), Remote Sensing Enviro, Vol. 44, pp 127-143.
Ichsan. 2011. Implementasi Teknik Kompresi Gambar Dengan Algoritma Set
Partitioning In Hierarchical Trees Pada Perangkat Bergerak. Universitas Sumatra Utara.
Krisnawati. 2007. Kompresi Citra RGB
Dengan Metode Kuantisasi. Stmik
Amikom Yogyakarta.
Kusumah, Putri Perdani. 2011. Simlasi Dan Analisis CAVLC ( Context Adaptive
Variable Length Coding ) Pada
Pengkodean H.264 / AVC Pada Jaringan Lan. Institut Teknologi Telkom. Bandung. Munir, Rinaldi. 2006. Strategi Algoritmik.
Departemen Teknik Informatika, Institut Teknologi Bandung.
Sujatmiko, Edy.2007.Pemilihan Algoritma Optimal untuk Kompresi Data Citra Iris Mata Manusia. Universitas Diponegoro. Sunaryo. 2007. Enkripsi Data Hasil Analisis
Komponen Utama (PCA) Atas Citra Iris Mata Menggunakan Algoritma Md5. Universitas Diponegoro. Semarang. Sitorus, Syahriol, dkk. 2006. Pengolahan Citra
Digital. Universitas Sumatra Utara.
Praditya.2006. Pemampatan Dan Dekonstruksi Citra Menggunakan Analisis Komponen Utama (Principal Componant Analisis). Universitas Diponegoro.
Pramitarini,Yushintia.2011.AnalisaPengiriman Citra Terkompresi Jpeg Dengan Teknik Spread Spektrum Direct Sequence (Ds-Ss). Institut Teknologi Sepuluh Nopember Surabaya.
Derisa,Citra.2008.ApaItuProgram Matlab?,htt p://yacisa14sweet.wordpress.com/2008/11 /26/apa-ituprogram-matlab.Diakses pada tanggal 21 Desember 2011.
Hestiningsih,Idhawati.2008.Pengolahan Citra. http://toba.mytoba.com/dl/Pengolahan%2 0Citra.pdf. Diakses pada tanggal 17 Desember 2011.
Iqbal, Muhammad. 2009. Dasar Pengolahan CitramenggunakanMATLAB,http://www.c reativeinstrument.com/dokumen/image.pd f. Diakses pada tanggal 21 Desmber 2011. http://www.mathworks.com/matlabcentral/file
exchange/30678-image-compression-demo-usins-kl-transform. Diakses pada tanggal 06 Agustus 2012.