Analisis Perbandingan Algoritma Lz78 Dengan Algoritma Transformasi Walsh-Hadamard Untuk Kompresi Citra
Alexander Pamdapotan Manullang*, Efori Bu’ulolo, Meryance Viorentina Siagian
Fakultas Ilmu Komputer dan Teknologi Informasi, Prodi Teknik Informatika, Universitas Budi Darma, Medan, Indonesia Email: [email protected]
Abstrak−Komunikasi data merupakan kegiatatan yang sangat sering dilakukan dalam bidang teknologi informasi. Data dengan ukuran besar akan memakan waktu transfer yang lebih lama dibandingkan dengan data yang memiliki ukuran lebih kecil, terkadang ada resiko tidak dapat tertampung pada media penyimpanan dan tidak tersampaikan, sehingga akan memperkecil kapasitas kosong dalam memori media penyimpanan. Hal ini dapat menyebabkan lambatnya proses transformasi data dan memakan waktu yang lama. Solusi yang dapat memecahkan masalah diatas yaitu dengan cara melakukan kompresi. Kompresi merupakan suatu teknik yang dapat memperkecil ukuran citra menjadi lebih kecil dari ukuran aslinya. Kompresi ini melakukan teknik kompresi dengan sifat kompresi dimana diperbolehkan terjadinya kehilangan beberapa data maupun sebagian besar pada citra. Algoritma yang digunakan dalam penelitian ini adalah algoritma LZ78 dengan algoritma Transformasi Walsah-Hadamard. Untuk mengetahui perbandingan kinerja kompresi tersebut diperlukan parameter yang dibandingkan adalah Ratio of Compression (RC), Space Saving (SS). Berdasarkan hasil pengujian peneliti dalam membandingkan algoritma LZ78 dengan Transformasi Walsh-hadamard diperoleh Nilai Kompresi dengan dilakukannya perhitunagan rasio bahawa algoritma Transformasi Walsh-Hadamard ebih baik dari LZ78 dimana hasil perbandingan Ratio of Compression algoritma Transformasi Walsh-hadamard sebesar 0,71 bit, sedangkan Ratio of Compression algoritma LZ78 2,66 bit. LZ78 62,5% sedangkan Compression Ratio algoritma Transformasi Walsh- Hadamard 76%.
Kata kunci : Kompresi Citra, Algoritma LZ78, Algoritma Transformasi Walsh-Hadamard
Abstract−Data communication is an activity that is very often carried out in the field of information technology. Data with a large size will take a longer transfer time compared to data that has a smaller size, sometimes there is a risk that it cannot be accommodated on the storage media and is not delivered, so that it will reduce the empty capacity in the memory of the storag e media. This can cause the data transformation process to be slow and take a long time. The solution that can solve the above problem is by doing compression. Compression is a technique that can reduce the size of the image to be smaller than its original size. This compression performs a compression technique with compression properties where it is allowed to lose some or most of the data in the image. The algorithm used in this study is the LZ78 algorithm with the Walsah-Hadamard Transform algorithm. To find out the comparison of the compression performance, the parameters to be compared are Ratio of Compression (RC), Space Saving (SS). Based on the results of the researcher's test in comparing the LZ78 algorithm with the Walsh-Hadamard Transformation, the compression value obtained by calculating the ratio that the Walsh-Hadamard Transform algorithm is better than LZ78 where the results of the comparison of the Ratio of Compression of the Walsh-Hadamard Transformation algorithm are 0.71 bits, while the Ratio of 2.66 bit LZ78 compression algorithm. LZ78 62.5% while the Compression Ratio algorithm Walsh- Hadamard Transformation 76%
Keywords : Image Compression, LZ78 Algorithm, Walsh-Hadamard Transformation Algorithm
1. PENDAHULUAN
Kemajuan teknologi terus berkembang di era 4.0 mengharuskan kemajuan dari banyaknya bidang yang dapat memberikan kemudahan dalam penyajian informasi serta pengiriman informasi. Semakin berkembangnya teknologi mempengaruhi besar kapasitas data yang akan dibutuhkan, sehingga dibutuhkan media penyimpan yang besar pula, data yang besar membutuhkan kapasitas yang besar maka dapat mengakibatkan kecepatan akses data yang relative lambat. Salah satu untuk mengurangi terjadinya keterlambatan kecepatan akses data (mengefesiensikan) media penyimpanan dengan cara melakukan proses teknik kompresi data.
Kompresi merupakan teknik mengubah ukuran data awal menjadi ukuran yang lebih kecil sehingga ruang penyimpanan tidak terlalu besar. Dalam proses kompresi terdapat dua teknik yaitu lossy dan lossless. Teknik lossy merupakan sebuah teknik merubah ukuran citra menjadi lebih kecil dengan cara menghilangkan data hingga berakibat pada hilangnya mutu. Citra merupakan suatu gambar, foto, atau tampilan dua dimensi lainnya yang mewakili sebuah visualisasi objek. Citra sebagai keluaran dari sistem perekaman dapat bersifat optik berupa foto, analog berupa sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang disimpan langsung pada media.
Peneliti terdahulu melakukan teknik kompresi citra pada tahun 2013 yang dilakukan oleh Rachmi Handriyati dengan judul “Analisis Perbandingan Kompresi Citra Menggunakan Algoritma Transformasi Walsh-Hadamard Dengan Run Length Encoding (RLE)” Pada penelitian ini membahas perhitungan rasio dan waktu kompresi pada metode run length encoding dan walsh-hadamard. Dalam percobaan yang dilakukan menghasilkan kedua metode ini memberikan hasil yang berbeda pula dimana metode walsh-hadamard memberikan hasil kompresi yang lebih baik tetapi membutuhkan waktu yang lama dalam proses pengkompresannya. Sedangkan metode run length encoding memberikan hasil yang terkadang baik tetapi terkadang metode ini tidak mengkompres citra sama sekali karena tidak adanya data yang berulang pada citra, tetapi metode ini mempunyai waktu yang jauh[1].
Peneliti terdahulu lainnya melakukan teknik kompresi file citra pada tahun 2017 dibuat oleh saudara Taufi Hidayat Simbolon dengan judul “Pebandingan Algoritma Transformasi Walsh-Hadamard dengan Metode Run Length Encoding Dalam Kompresi Citra. Dalam penelitian ini, Citra yang dihasilkan dari proses transformasi dapat dianalisis kembali, diinterpretasikan dan digunakan sebagai acuan untuk diproses lebih lanjut. Tujuan dari transformasi citra
Page | 82 adalah untuk mendapatkan informasi yang lebih jelas (ekstraksi fitur) yang terdapat pada citra. Transformasi Walsh- Hadamard adalah transformasi ortogonal yang mengubah sinyal menjadi serangkaian gelombang tegak lurus (ortogonal) dan persegi panjang (persegi panjang luar). [2].
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:
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 LZ78 dengan algoritma Transformasi Walsh-Hadamard menggunakan metode perbandingan eksponensial, untuk mengetehui algoritma kompresi file citra (gambar) terbaik diantara kedua algoritma tersebut.
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 LZ78, algoritma Transformasi Walsh- Hadamard serta pemprograman Microsoft Visual Basic 2008.
c. Analisis
Sistem ini mengimplementasikan algoritma LZ78 dan algoritma Walsh-Hadamard. Pada tahap ini, lakukan kompresi lossy. di mana data terkompresi tidak dapat dikompresi kembali.
d. Pengujian
Pada tahap ini sistem yang dikembangkan diuji. Uji aplikasi yang berhasil dibangun atau berfungsi dan atasi masalah jika ada kesalahan dalam aplikasi. Tujuan dari proses ini adalah untuk mengetahui hasil akhir dari penelitian yang dilakukan.
e. Dokumentasi
Pada tahap terakhir ini, penelitian yang dilakukan dari tahap pertama hingga pengujian sistem didokumentasikan dan kemudian disusun secara tertulis. Penelitian dilakukan dengan cara membuat kesimpulan dan laporan dari penelitian yang dilakukan dan terakhir dalam bentuk skripsi.
f. Analisis laporan
Penyusunan laporan untuk mendokumentasikan semua kegiatan penelitian dalam bentuk tesis, yang juga dibuat dalam bentuk artikel ilmiah untuk publikasi.
2.2 Sampel Data
Dalam penelitian ini peneliti mempertimbangkan proses kompresi dan dekompresi.Kompresi file citra menggunakan sampel data berupa citra (gambar) dengan ukuran 3,58 MB, yang dapat dilihat pada Gambar 2.3 di bawah ini:
Tabel 1. Sampel data yang digunakan Nama File Size Type Contoh Citra 3,58 Mb jpg Berikut sampel data citra yang digunakan dalam penelitian penulis
Gambar 2. Sampel data
Berikut properties dari sampel data citra yang digunakan pada penelitian penulis.
Gambar 3. Contoh Citra (Properties)
3. HASIL DAN PEMBAHASAN
3.1 Analisa
Pada langkah ini, analisis dilakukan dengan mengompresi dan mendekompresi citra serta membandingkan hasil kompresi kedua algoritma berdasarkan Rasio of Compression (RC), Rasio Compresion (CR) dan Space Saving (SS).
Selanjutnya akan dirancang sistem kompresi citra menggunakan algoritma LZ78 dan algoritma Transformasi Walsh- Hadamard. Contoh data yang digunakan citra berformat *jpg. Kompresi citra dilakukan untuk mengurangi pemakaian ruang penyimpanan dengan cara mengubah bit pada citra sehingga menghasilkan citra yang berukuran lebih kecil dari sebelumnya. Langkah pertama yang dilakukan adalah mengambil nilai heksadesimal menggunakan aplikasi Matlab, kemudian melakukan kompresi dengan mengikuti langkah-langkah dari algoritma yang digunakan.
Citra memiliki ukuran yang tidak sedikit, yang menyebabkan pemborosan pada ruang penyimpanan dan transmisi data yang lama. Sebelum melakukan kompresi citra, terlebih dahulu dilakukan analisis citra. Berikut adalah gambar proses kompresi dan dekompresi citra.
Gambar 4. Prosedur Kompresi Citra
3.2 Perbandingan Algoritma LZ78 dan Algoritma Transformasi Walsh-Hadamard
Berdasarkan analisa yang telah dilakukan citra dengan ukuran yang lebih besar akan dikompresi sehingga lebih menghemat ruang penyimpanan. Dengan melakukan perbandingan antara dua algoritma dapat diketahui algoritma mana yang lebih optimal dalam melakukan teknik kompresi. Penelitian ini akan membahas proses kompresi dan dekompresi dengan membandingkan algoritma LZ78 dan algoritma transformasi Walsh-Hadamard. Pembacaan nilai hexadecimal pada citra sebelum dikompresi akan dilakukan dengan menggunakan aplikasiMatlab.
3.3 Proses Kompresi File Citra Menggunakan Algoritma LZ78
Proses utama dari penelitian ini adalah proses kompresi. Proseskompresifilegambar menggunakan algoritma LZ78.
Kompresi LZ78 (LempelZiv78) menggantikan kalimat dengan kata kode dengan informasi dalam kamuskompresi yang diusulkan. Secara umum, metode ini bekerja seperti ini:
a. Inisialisasi kamus dengan semua blok dengan panjang 1, b. Temukan balok dengan panjang W yang muncul di kamus, c. Kode W menurut indeksnya di kamus,
d. Tambahkan huruf W ke kamus, diikuti dengan kode pertama dari blok berikutnya, e. Kembali ke langkah.2.
Nilai probabilitas untuk setiap nilai tingkat keabuan kemudian dapat diperoleh dengan menggunakan rumus:
Probabilitas = 𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
Setelah mengetahui probabilitas setiap nilai abu-abu, setiap nilai diberikan interval tertentu, yang memiliki nilai antara 0 dan 1, tergantung pada probabilitas yang ada. Tabel 2 menunjukkan. Selain itu, proses enkripsi dilakukan dengan menggunakan algoritma LZ78.
Tabel 2. Probabilitas frekuensi
Gray Level Frekuensi Probabilitas Range
131 1 1/16 0,75-1,00
132 2 1/16 0,5-0,75
136 1 1/16 0,25-0,5
137 12 12/16 0,00-,0,25
Total 16 1 1,00-0,00
Gambar sampel data memiliki 16 nilai gray, maka misalnya diperoleh 2 nilai piksel sebagai berikut:
Tabel 3. Nilai gray dari citra digital yang ditangkap adalah . 131 137 137 137 137 132 137 137
132 137 137 137 136 137 137 137 Citra
Hasil Kompresi
Hasil Kompresi LZ78
Hasil
Perbadningan Kedua Algoritma Proses
Kompresi Algoritma Transformasi Walsh- Hadamard
Menghitung Rasio
Menghitung Rasio Baca Nilai
Hexadecim al Baca Nilai Hexadecimal
Proses Kompresi Algoritma
LZ78
Page | 84 Pertama diambil nilai Gray Level ‘131’.
Nilai Code Range (kondisi awal) adalah 1,00 – 0,00 =1,00 high_range (S) = 1,00
low_range (S) = 0,00 Kemudian diperoleh nilai : High = low + CR * high range = 0,00 + 1,00 *1,00
= 1,00
Low = low + CR* low range = 0,00 + 1,00 * 0,00
= 0,00
Hasil encoding secara keseluruhan dapat dilihat pada Tabel Tabel 4. Prosedur encoding
GrayLevel Low High Code Range
132 0,1089 0,5625 0,75
137 0,00 0,0625 0,25
137 0,00 0,0625 0,25
137 0,00 0,0625 0,25
137 0,00 0,0625 0,25
131 0,00 1,00 1,00
Untuk mengetahui keberhasilan program yang dihasilkan, dilakukan perhitungan korelasi yang tujuannya untuk mengetahui seberapa besar pengaruh proses kompresi terhadap data sebelum diolah. Proses selanjutnya yang akan dilakukan adalah menghitung Rasio of Compresi (Rc), Compresi Ratio (Cr), Space Saving (Ss):
1. Ratio Of Compression (RC)
RC =𝑢𝑘𝑢𝑟𝑎𝑛 𝑓𝑖𝑙𝑒 𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑑𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖 𝑢𝑘𝑢𝑟𝑎𝑛 𝑓𝑖𝑙𝑒 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 𝑑𝑖𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖 Rc =16
6 RC = 2,66
2. Compretion Ratio (CR)
CR = ukuran file setelah dikompresi
ukuran file sebelum dikompresi x 100%
𝐶𝑅 = 6
16 𝑥 100%
𝐶𝑅 = 37,5%
3. Space Saving (Ss) 𝑆𝑆 = 100% − CR 𝑆𝑆 = 100% − 37,5%
𝑆𝑆 = 62,5%
Dari perhitungan di atas, dapat disimpulkan bahwa persentase kompresi gambar yang dihasilkan LZ78 = 62,5%
3.4 Analisis Proses Kompresi Citra Menggunakan Algoritma Transformasi Walsh-Hadamard Tabel 5. Nilai Heksadesimal
Nama File Contoh Citra Ukuran File 3.58 MB
Nilai 131 137 137 137 137 132 137 137 Heksadesimal 131 137 137 137 137 132 137 137
Berdasarkan Tabel 5 nilai Heksadesimal yang akan digunakan untuk melakukan proses kompresi sebagai berikut : 131 137, 137,131, 137, 137, jika digunkan menjadi, 6x8 bit = 128 bit
3.4.1 Proses Kompresi
Ada proses komputasi yang harus diketahui saat mengompresi citra digital. Pertama, beberapa nilai diambil dari file gambar. Metode perhitungan ini digunakan untuk menganalisis dengan lebih baik kemampuan masing- masing metode, seberapa baik metode yang digunakan bekerja dalam hal kompresi gambar, dan seberapa baik metode ini dapat mengompresi file gambar. Lihat proses perhitungan untuk metode transformasi Walsh-Hadamard untuk lebih jelasnya.
Nilai file citra = 131 137 137
Langkah pertama gabungkan seluruh nilai heksa desimal yang digunakan pada file citra seperti sebelumnya.
Kemudian hitung kernel dari file citra tersebut. Pertama sekali cari nilai b, untuk lebih jelasnya perhitungan kernel dari sampel data citra tersebut dapat dilihat pada perhitungan berikut ini:
f(x) = 131 137 137 131 137 137 N= 6
n=3 b (0) = 000 b (1) = 001 b (2) = 010 b (3) = 011
Setelah nilai b diperoleh, langkah selanjutnya adalah mencari nilai g(x, u), nilai g(x, u) ini akan digunakan untuk membentuk inti transformasi Walsh- Hadamard. Untuk lebih jelasnya lihat perhitungan berikut ini:
Lakukan perhitungan sampai g (5, 5), setelah dilakukan perhitungan pencarian kernel walsh-hadamard diperoleh hasilnya pada tabel 6 berikut ini.
Tabel 6. Hasil kernel walsh-hadamard.
Setelah membentuk kernel, langkah selanjutnya adalah mengolah nilai-nilai data dan kemudian nilai-nilai yang ada di dalam kernel. f(x) = (131 137 137 131 137 137). Transformasi Hadamard dari citra f(x) dapat dihitung sebagai berikut.
H(U = 0) = (131+137+137+131+137+137)/6=135 H(U = 1) = (131-137+137-131+137-137)/6=0 H(U = 2) = (131+137-137-131+137+137)/6=45,6 H(U = 3) = (131-137-137+131+137-137)/6=-2 H(U = 4) = (131+137+137+131-137-137)/6=135 H(U = 5) = (131-137+137-131-137+137)/6=0
Perhitungan di atas mengembalikan nilai 0 dan nilai 0 ini tidak disimpan. Ini karena gambar dikompresi. Jadi nilai kompresinya adalah f(x) = (135, 0,45,6, -2, 135, 0) = 178,8 bit.
Untuk mengetahui keberhasilan perhitungan penskalaan yang akan dilakukan, dimaksudkan untuk mengetahui seberapa besar pengaruh kompresi terhadap data sebelum diproses. Proses selanjutnya yang harus dilakukan adalah menghitung Compression Ratio (Rc), Compression Ratio (Cr), Space Saving (Ss) sebagai berikut:
1. Ratio Of Compression (RC)
RC =ukuran 𝑓𝑖𝑙𝑒 sebelum dikompresi ukuran 𝑓𝑖𝑙𝑒 setelah dikompresi RC = 128
178,8 RC = 0,71
2. Compretion Ratio (CR)
CR = ukuran 𝑓𝑖𝑙𝑒 setelah dikompresi
ukuran 𝑓𝑖𝑙𝑒 sebelum dikompresi× 100%
CR =178,8 bit
128 bit × 100%
CR = 1,39 𝑥 100%
CR = 1,39 % 3. Space Saving (Ss)
SS = 100% − CR SS = 100 % − 1,39%
SS = 98,61 %
Dari perhitungan di atas dapat disimpulkan bahwa rasio kompresi data sampel citra hasil menggunakan algoritma LZ78 adalah 98,61%.
Tabel 7. Analisis Hasil Perbandingan Algoritma LZ78) dengan Algoritma Transformasi Walsh-Hadamard
Algoritma RC CR SS Rank
Algoritma LZ78 (Lempel Zic 78) 2,66 bit 37,5% 62,5% 2
U\X 0 1 2 3 4 5 0 1 1 1 1 1 1 1 1 -1 1 -1 1 -1 2 1 1 -1 -1 1 1 3 1 -1 -1 1 1 -1 4 1 1 1 1 -1 -1 5 1 -1 1 -1 -1 1
Page | 86
Algoritma RC CR SS Rank
Algoritma Transformasi Walsh-Hadamard 0,71 bit 1,39% 98,61% 1
4. KESIMPULAN
Berdasarkan analisis, perancangan, implementasi dan pengujian sistem, maka dapat diambil kesimpulan sebagai berikut dari perbandingan kedua algoritma. Berdasarkan penerapan algoritma LZ78 dengan algoritma Transformasi Walsh-Hadamard, terbukti bahwa gambar besar dapat dikompresi ke ukuran yang lebih kecil. Berdasarkan hasil pengujian sistem, ukuran citra akan mengecil setelah dikompresi. Berdasarkan hasil pengujian peneliti dalam membandingkan algoritma LZ78 dengan Transformasi Walsh-hadamard diperoleh. Nilai kompresi dengan dilakukannya perhitunagan rasio bahawa algoritma Transformasi Walsh-Hadamard lebih baik dari LZ78 dimana hasil perbandingan Ratio of Compression algoritma Transformasi Walsh-hadamard sebesar 0,71 bit, sedangkan Ratio of Compression algoritma LZ78 2,66 bit. LZ78 62,5% sedangkan Compression Ratio algoritma Transformasi Walsh- Hadamard 76%. Perancangan Aplikasi kompresi citra dengan menggunakan Microoft visual Studio 2015 yang terdiri dari form menu utama, form kompresi, dan form perbandingan. Dengan aplikasi yang dibangun mampu melakukan proses kompresi citra pada sampel data sesuai dengan sampel data yang sebelumnya dikompres.
REFRENCES
[1] D. M. Rajagukguk, A. Mahmud, P. Informatika, B. Darma, Dan V. I. Volume, “Algoritma Huffman Dengan Algoritma ( Lempel-Zip- Welch ) Pada Kompresi Gambar Menggunakan M ...”
[2] U. S. Utara, “Algoritma Transformasi Walsh-Hadamard Dengan Run Length Encoding ( Rle ) Draft Skripsi Rachmi Handriyati,” 2013.
[3] U. S. Utara, “Algoritma Transformasi Walsh-Hadamard Dengan Run Length Encoding ( Rle ) Draft Skripsi Rachmi Handriyati,” 2013.
[4] T. H. Simbolon, “Perbandingan Algoritma Transformasi Walsh- Hadamard Dengan Metode Run Length,” Hal. 114–119, 2017.
[5] S. Hasibuan Dan R. D. Sianturi, “Penerapan Algoritma Boldy Vigna Untuk Mengkompresi File Gambar Berformat ( Bmp ),”
Vol. 10, Hal. 109–118, 2022.
[6] E. Ndruru Dan U. B. Darma, “Kompresi File Citra Dengan Algoritma Transformasi,” Vol. Iv, No. 1, Hal. 1–7, 2020.
[7] D. A. Depika Dan S. D. Nasution, “Penerapan Algoritma Punctured Elias Codes Dalam Kompresi Citra,” Vol. 2, No. 2, Hal.
176–187, 2020.
[8] C. T. Utari, “Implementasi Algoritma Run Length Encoding Untuk Perancangan Aplikasi Kompresi Dan Dekompresi File Citra,” J. Times, Vol. V, No. 2, Hal. 24–31, 2016.
[9] U. Lu Dan N. H. Salsabila, “Penggunaan Metode Run Length Encoding Untuk Kompresi Data,” No. 1, Hal. 273–280, 2017.
[10] R. A. Purba, L. Sitorus, A. Coding, Dan L. Z. Welch, “Analisis Perbandingan Algoritma Arithmetic Coding Dengan Algoritma Lempel Ziv Welch ( Lzw ) Dalam Kompresi Teks,” Vol. 03, Hal. 158–165, 2018.
[11] P. Studi Et Al., “Perbandingan Algoritma Lzss Dan Lzmw Untuk Kompresi Data Teks.”
[12] T. Tommy, R. Siregar, A. M. Husein, M. Harahap, Dan F. Riza, “Analisis Performa Rasio Kompresi Pada Metode Differensiasi Ascii Dan Lempel Ziv Welch (Lzw),” J. Teknol. Dan Ilmu Komput. Prima, Vol. 1, No. 2, Hal. 20–26, 2018, Doi: 10.34012/Jutikomp.V1i2.225.
