TEKNOLOGI ELEKTRO MAJALAH ILMIAH. Vol. 17 No. 1 Januari - April 2018 P-ISSN: e-issn:

(1)

MAJALAH ILMIAH

TEKNOLOGI ELEKTRO

Identifikasi Jenis Gangguan pada Jaringan Transmisi Menggunakan Metode Jaring Syaraf Tiruan, I Made Widiarsana, I Made Mataram, Yanu Prapto Sudarmojo

Framework Pengelolaan Infrastruktur TIK di Pemerintah Kabupaten Badung, Agung Aditya Nugraha, L. Linawati, Nyoman Putra Sastra

Rancang Bangun Sistem Monitoring Arus Beban pada Gardu Distribusi Menggunakan Short Message Service, Ignatius I Wayan Rexci Indra Parmana, Cok Gede Indra partha, Ngakan Putu Satriya Utama

Evaluasi Sistem Informasi Manajemen Kepegawaian dengan DS5 dan DS9 COBIT 4.1 Studi Kasus : Pemprov Bali, Aniek Laksmidewi, L. Linawati, Widyantara I.M.O

Studi Pengaruh Rekonfigurasi Loop Scheme Terhadap Keandalan Penyulang Blahkiuh dan Penyulang Panglan, Bagus Widyananda Yoga, I Gede Dyana Arjana, A.A Gede Maharta Pemayun

Rancang Bangun Sistem Smart Charging menggunakan Panel Surya pada Robot 6WD berbasis Mikrokontroler Arduino, Made Yogi Hendrayanto, Ida Bagus Alit Swamardika, Putu Arya Mertasana

Rancang Bangun Robot 6WD Dengan Sensor Gas TGS2600 Menggunakan Metode Wall Following Berbasis Arduino Mega 2560, Made Arya Budhana, Ida Bagus Alit Swamardika, Yoga Divayana

Efektivitas Pesan Teks dengan Cipher Substitusi, Vigenere Cipher, dan Cipher Transposisi, M. Azman Maricar; Nyoman Putra Sastra

Enhanced Audio Steganografi dengan Algoritma Advanced Encryption Standard untuk Pengamanan Data pada File Audio, Ida Bagus Adisimakrisna Peling, Nyoman Putra Sastra

Rancang Bangun Sensor Jarak sebagai Alat Bantu Memarkir Mobil berbasis Mikrokontroler Arduino Uno, Pedro Paulo De J. Costa Henriques, I. G. A. P Raka Agung, Lie Jasa

Rancang Bangun Alat Otomatisasi Mantram Puja Trisandya Menggunakan Mikrokontroler ATMEGA328, I Nengah Raka Utama, I Gusti Agung Putu Raka Agung, Pratolo

Pengaruh Pemindahan SUTT 150 kV Celukan Bawang – Kapal Terhadap Aliran Daya Sistem Bali, Muhammad Fauzi, I W Sukerayasa, W.G. Ariastina

Pemilihan Algoritma Kompresi Optimal untuk Citra Digital Bitmap, Santi Ika Murpratiwi, I Made Oka Widyantara

Pemampatan Citra Pas Foto dengan Menggunakan Algoritma Kompresi Joint-Photograpic Experts Group (JPEG) dan Principal Component Analysis (PCA), M. Azman Maricar, Oka Widyantara

Studi Analisis Governor sebagai Load Frequency Control pada PLTG Menggunakan Fuzzy Logic Controller, Gusti Made Ngurah Christy Aryanata, I Nengah Suweden, I Made Mataram

Optimalisasi Pemasangan Panel Solar Home System Untuk Kehidupan Masyarakat Pedesaan di Ban Kubu Karangasem, I Made Aditya Nugraha, Pt Aries Ridhana, Kadek Listuayu

Automatic Text Summarization Menggunakan Metode Graph dan Metode Ant Colony Optimization I Wayan Adi Setyadi, Duman Care Khrisne, I Made Arsa Suyadnya

Analisa Biaya Penggunaan Bersama Jaringan Transmisi Kawasan BTDC Nusa Dua, Mahadi Putra, Ida Ayu Dwi Giriantari, Wayan Gede Ariastina

Analisis Penyeimbangan Beban pada Transformator Distribusi Menggunakan Metode Fuzzy, I Putu Weda Suryawan, Anak Agung Ngurah Amrita, Widyadi Setiawan

Desain Optimal Power System Stabilizer Pada System Kelistrikan Sulselrabar Menggunakan Bat Algorithm, Muhammad Ruswandi Djalal , Faisal

Vol. 17 No. 1 Januari - April 2018 P-ISSN: 1693-2951. e-ISSN: 2503-2372

D iterbitkan oleh :

PROGRAM STUDI MAGIS TER TEKN IK ELEKTR O Universitas Udayana Bali

(2)

SUSUNAN DEWAN REDAKSI

MAJALAH ILMIAH TEKNOLOGI ELEKTRO

Penanggung Jawab

Prof. Ir. Ngakan Putu Gede Suardana, MT. PhD.

Advisory Board

Ir. Linawati, M.Eng, M.Eng.Sc, Ph.D.

Editor‐in‐Chief

Dr. Lie Jasa (UNUD) (Scopus ID: 55243413600)

Editorial Board

Prof. I. A. Giriantari, Ph.D.(UNUD) (Scopus ID : 6507145301)|Dr. Ingrid Nurtanio (UNHAS) (Scopus ID:

55746722900)|Yoga Divayana, Ph.D.(UNUD) (Scopus ID: 8979718500)|Dr. Made Ginarsa (UNRAM) (Scopus ID: 35795378400)|Dr. Iwan setiawan (UNDIP) (Scopus ID : 56711777600)|Linawati, Ph.D.(UNUD) (Scopus ID: 52763653600)

Reviewer

Prof. Rukmi Sari Hartati, Ph.D.(UNUD) (Scopus ID: 6508088351)| Prof. I Ketut Gede Darma Putra.

(UNUD) (Scopus ID: 55847371700) | Setyawan Sakti Purnomo,Ph.D. (UB) (Scopus ID: 6507450797) | WG Ariastina, PhD. (UNUD) (Scopus ID: 6507932528) |Dr. Dian Sawitri (UDINUS) (Scopus ID:

35796192800) | Dr. Ratna Ika Putri (POLINEMA) (Scopus ID: 46461783800) | Dr. Kalvein Rantelobo (UNDANA) (Scopus ID: 35796140100) | I N Satya Kumara, Ph.D. (UNUD) (Scopus ID: 55913974900) | Dr.

Moch. Arief Soeleman (UDINUS) (Scopus ID: 55598790600) | Dr. Radi (UGM) (Scopus ID: 56916103300)

|Dr. Oka Widyantara (UNUD) (Scopus ID: 54897989200) |Dr. Lilik Anifah (UNESA) (Scopus ID:

55648855000) | Dr. Dewa Made Wiharta (UNUD) (Scopus ID: 57092646100) | Dr. Ruri Suko Basuki (UDINUS) (Scopus ID: 56622972000) | Dr. Nyoman Putra Sastra (UNUD) (Scopus ID: 24767212900) | Dr.

Nyoman Sukajaya (GANESHA) (Scopus ID: 57200412316) | Dr. Made Sudarma (UNUD) (Scopus ID:

6506568234)|Dr. Ramadoni Syahputra (UMY) (Scopus ID: 55331465900) | N.M.A.E.D. Wirastuti, Ph.D.(UNUD) (Scopus ID: 24722146300) | Dr. Purwoharjono (UNTAN) (Scopus ID: 55001864700) | Komang Oka Saputra.Ph.D. (UNUD) (Scopus ID: 57024177000) | Dr. Alit Swamardika (UNUD) (Scopus ID:

56021560800) | Nyoman Pramaita, Ph.D.(UNUD) (Scopus ID: 57193931092) | Sukerayasa (UNUD) (Scopus ID: 56123138400) | Cahyo Durujati (NAROTAMA) (Scopus ID: 56027926800) | Nyoman Setiawan (UNUD)(Scopus IID: 57193929655)

(3)

Alamat Redaksi

PROGRAM STUDI MAGISTER TEKNIK ELEKTRO

Universitas Udayana Bali email :

jteudayana@gmail.com | miteudayana@gmail.com |liejasa@unud.ac.id Telp./Fax : 0361 239599

Di Index oleh :

Google Scholar | IPI | DOAJ | EBSCO | One Search | Base | OAJI | ARI | SHERPA/RoMEO |JournalTOCs | Sinta

Anggota dari :

Turnitin | Crossref

(4)

MAJALAH ILMIAH

TEKNOLOGI ELEKTRO

Vol. 17 No. 1 Januari - April 2018 P-ISSN : 1693-2951, e-ISSN : 2503-2372

Identifikasi Jenis Gangguan pada Jaringan Transmisi Menggunakan Metode Jaring Syaraf Tiruan, I Made Widiarsana, I Made Mataram, Yanu Prapto Sudarmojo ……….. 1-9

Framework Pengelolaan Infrastruktur TIK di Pemerintah Kabupaten Badung, agung aditya nugraha, L. linawati; Nyoman Putra Sastra……….….. 10-16

Rancang Bangun Sistem Monitoring Arus Beban pada Gardu Distribusi Menggunakan Short Message Service, Ignatius I Wayan Rexci Indra Parmana, Cok Gede Indra partha, Ngakan Putu Satriya Utama……… 17-24

Evaluasi Sistem Informasi Manajemen Kepegawaian dengan DS5 dan DS9 COBIT 4.1

Studi Kasus : Pemprov Bali, Aniek Laksmidewi, Linawati Linawati, Widyantara I.M.O.… 25-32

Studi Pengaruh Rekonfigurasi Loop Scheme Terhadap Keandalan Penyulang Blahkiuh dan Penyulang Panglan, bagus widyananda yoga, I Gede Dyana Arjana, A.A Gede Maharta Pemayun……… 33-41

Rancang Bangun Sistem Smart Charging menggunakan Panel Surya pada Robot 6WD berbasis Mikrokontroler Arduino, Made Yogi Hendrayanto, Ida Bagus Alit Swamardika, Putu Arya Mertasana………..………. 42-50

Rancang Bangun Robot 6WD Dengan Sensor Gas TGS2600 Menggunakan Metode Wall Following Berbasis Arduino Mega 2560, Made Arya Budhana, Ida Bagus Alit

Swamardika, Yoga Divayana………..……….. 51-58

Efektivitas Pesan Teks dengan Cipher Substitusi, Vigenere Cipher, dan Cipher Transposisi, M. Azman Maricar; Nyoman Putra Sastra……… 59-65

Enhanced Audio Steganografi dengan Algoritma Advanced Encryption Standard untuk Pengamanan Data pada File Audio, Ida Bagus Adisimakrisna Peling, Nyoman

Putra Sastra………. 66-71

(5)

Rancang Bangun Sensor Jarak sebagai Alat Bantu Memarkir Mobil berbasis Mikrokontroler Arduino Uno, Pedro Paulo De J. Costa Henriques, I. G. A. P Raka Agung, Lie Jasa……… 72-79

Rancang Bangun Alat Otomatisasi Mantram Puja Trisandya Menggunakan Mikrokontroler ATMEGA328, I Nengah Raka Utama, I Gusti Agung Putu Raka Agung, pratolo rahardjo.. 80-85

Pengaruh Pemindahan SUTT 150 kV Celukan Bawang – Kapal Terhadap Aliran Daya

Sistem Bali, Muhammad Fauzi, I W Sukerayasa, W.G. Ariastina……… 86-93

Pemilihan Algoritma Kompresi Optimal untuk Citra Digital Bitmap, Santi Ika Murpratiwi, I Made Oka Widyantara……….………. 94-101

Pemampatan Citra Pas Foto dengan Menggunakan Algoritma Kompresi Joint-Photograpic Experts Group (JPEG) dan Principal Component Analysis (PCA), M. Azman Maricar, Oka Widyantara………..….. 102-106

Studi Analisis Governor sebagai Load Frequency Control pada PLTG Menggunakan Fuzzy Logic Controller, Gusti Made Ngurah Christy Aryanata, I Nengah Suweden, I Made Mataram………..….. 107-115

Optimalisasi Pemasangan Panel Solar Home System Untuk Kehidupan Masyarakat Pedesaan di Ban Kubu Karangasem, I Made Aditya Nugraha, Pt Aries Ridhana, Kadek Listuayu……… 116-121

Automatic Text Summarization Menggunakan Metode Graph dan Metode Ant Colony Optimization , I Wayan Adi Setyadi, Duman Care Khrisne, I Made Arsa Suyadnya…..… 122-128

Analisa Biaya Penggunaan Bersama Jaringan Transmisi Kawasan BTDC Nusa Dua, Mahadi Putra, Ida Ayu Dwi Giriantari, Wayan Gede Ariastina………. 129-140

Analisis Penyeimbangan Beban pada Transformator Distribusi Menggunakan Metode

Fuzzy, I Putu Weda Suryawan, Anak Agung Ngurah Amrita, Widyadi Setiawan………… 141-147

Desain Optimal Power System Stabilizer Pada System Kelistrikan Sulselrabar

Menggunakan Bat Algorithm, Muhammad Ruswandi Djalal , Faisal……….. 148-156

(6)

102 Majalah Ilmiah Teknologi Elektro, Vol. 17, No. 1,Januari -April 2018

ISSN 1693– 2951; e-ISSN: 2503-2372 M. Azman Maricar: Pemampatan Citra Pas Foto …

Pemampatan Citra Pas Foto Dengan Menggunakan Algoritma Kompresi Joint-Photograpic Experts Group

(JPEG) dan Principal Component Analysis (PCA)

M. Azman Maricar¹, Made Oka Widyantara²

Abstract— This study aims to compare the compression result of Joint-Photograpic Experts Group (JPEG) and Principal Component Analysis (PCA) algorithm to the image fitting image, to find the best result from the compression image result whose quality is not much different from the original image. The measuring tools used are Mean Square Error (MSE) and Peak Signal to Noise Ratio (PSNR). The results obtained in this study is the average MSE and PNSR PCA algorithm can be said high when compared with the JPEG algorithm. But in terms of image quality produced is not much different from JPEG algorithm. It can be said that JPEG algorithm able to produce better image than PCA algorithm. However, PCA algorithm is not bad to be an alternative in image compression photos fit.

Intisari— Penelitian ini bertujuan untuk membandingkan hasil kompresi dari algoritma Joint-Photograpic Experts Group (JPEG) dan Principal Component Analysis (PCA) terhadap citra pas foto, guna menemukan hasil terbaik dari hasil citra kompresi yang kualitas hasilnya tidak berbeda jauh dengan citra aslinya.

Alat ukur yang digunakan adalah Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR). Hasil yang diperoleh dalam penelitian ini adalah rata-rata MSE dan PNSR algoritma PCA dapat dikatakan tinggi jika dibandingkan dengan algoritma JPEG. Namun dari segi kualitas citra yang dihasilkan tidak jauh berbeda dengan algoritma JPEG. Dapat dikatakan bahwa algoritma JPEG mampu menghasilkan citra yang lebih baik dibandingkan algoritma PCA. Namun, algoritma PCA tidaklah buruk untuk dijadikan alternatif dalam kompresi citra pas foto.

Kata Kunci— Letakkan 4-8 kata kunci Anda di sini, kata kunci dipisahkan dengan koma.

I. PENDAHULUAN

Perkembangan teknologi yang semakin maju, cenderung menyebabkan beberapa kegiatan yang pada dasarnya dilakukan secara manual, berubah menjadi kegiatan yang serba praktis. Sebelumnya, saat ada proses pendaftaran, baik itu pendaftaran sekolah, pendaftaran pada perguruan tinggi, wisuda, hingga pendaftaran untuk melamar sebuah pekerjaan, cenderung dilakukan secara manual, yaitu setiap pendaftar diharuskan menyerahkan berkas-berkas pendaftaran secara langsung. Kegiatan itu jauh berbeda jika dibandingan dengan era teknologi, dimana kegiatan tersebut dapat dilakukan secara online, baik itu melalui e-mail maupun formulir pada suatu halaman website.

Setiap hal cenderung memiliki hal positif dan negatif-

Kegiatan yang dilakukan secara online tersebut, tentu membuat kegiatan tersebut terlihat praktis. Namun, sisi negatifnya terletak pada media penyimpanan, yang belum tentu memadai untuk menyimpan seluruh berkas yang dikirimkan oleh pendaftar. Singkatnya, suatu organisasi yang membuka pendaftaran tersebut, harus menyediakan media penyimpanan yang dianggap mampu untuk menampung seluruh berkas-berkas tersebut. Dalam beberapa kasus, terdapat institusi atau organisasi yang membuka pendaftaran karyawan, mahasiswa, maupun anggota baru secara online.

Setiap individu yang mendaftar diwajibkan meng-upload pas foto mereka ke sistem dengan aturan-aturan yang telah ditetapkan, seperti ukuran foto maupun ukuran file. Para pendaftar biasanya tidak memperhatikan kualitas dari foto, karena yang terpenting foto tersebut sesuai dengan aturan dan berhasil di upload.

Untuk mengatasi hal tersebut, muncul sebuah solusi guna meminimalkan ukuran file pas foto yang dikirimkan oleh para pendaftar tersebut, yaitu teknik kompresi citra yang merupakan hal yang sangat penting [1].

Terdapat beberapa algoritma yang dapat dilakukan dalam kompresi citra, salah satunya adalah algoritmat kompresi JPEG dan PCA. Dengan perbandingan kedua algoritma tersebut, diharapkan mampu menunjukkan perbandingan hasil kompresi citra yang terbaik. Suatu citra akan di kompresi dan hasilnya akan dibandingkan guna mencari hasil kompresi terbaik sehingga mampu untuk meminimalkan penggunaan media penyimpanan dan mendapatkan hasil dengan kualitas yang tidak terlalu jauh dari citra aslinya.

II. STUDI LITERATUR

Penelitian yang dilakukan oleh Satyapratama dan kawan- kawan (2015), merupakan penelitian yang bertujuan untuk memberikan pengetahuan mengenai algoritma terbaik antara LZW dan Huffman yang diimplementasikan ke citra dengan format BMP dan PNG. Kedua algoritma tersebut dianalisis dengan membandingkan rasio dan perkiraan waktu pemprosesannya. Dalam mengimplementasikan kedua algoritma tersebut digunakan pemograman java. Dari hasil pengujian didapatkan hasil bahwa algoritma Huffman memiliki rasio waktu yang lebih cepat dibandingkan dengan LZW, namun LZW lebih mampu memberikan hasil kompresi yang lebih baik daripada Huffman.

Penelitian yang dilakukan oleh Rahmad dan Kurniawan (2011), menggunakan algoritma RLE dan LZ78 yang diterapkan pada citra bitmap, guna meminimalkan ukuran file sehingga tidak membebankan saat proses transfer data.

Dikatakan juga bahwa metode Huffman ini merupakan metode yang paling efisien dibandingkan dengan metode lain yang sejenis. Penelitian yang dilakukan oleh Faradisa dan Budiono (2011) menerapkan metode Huffman sebagai teknik

1Magister Teknik Elektro, Universitas Udayana Kampus Sudirman, Denpasar-Bali (tlp: 0361-239559; fax: 0361-239599;

e-mail: m.azman.maricar@gmail.com)

2,Magister Teknik Elektro, Universitas Udayana Kampus Sudirman, Denpasar-Bali (tlp: 0361-239559; fax: 0361-239599;e- mail: oka.widyantara@unud..ac.id)

(7)

Majalah Ilmiah Teknologi Elektro, Vol. 17, No. 1,Januari -April 2018

DOI: https://doi.org/10.24843/MITE.2018.v17i01.P14 103

M. Azman Maricar: Pemampatan Citra Pas Foto … p-ISSN:1693 – 2951; e-ISSN: 2503-2372

kompresi citra. Metode Huffman diimplementasikan kedalam pemograman Borland Delphi 7.0 dan citra yang digunakan adalah grey scale dengan format BMP dengan kedalaman warna 8 bit.

Penelitian yang dilakukan oleh Hendri (2014), membahas mengenai kompresi citra dari format BMP ke format PNG.

Hasil penelitannya menunjukkan bahwa kompresi ke format PNG dapat di kompresi dengan rasio antara 30-70%, yang menimbulkan informasi bahwa format PNG sangat tepat digunakan untuk menyimpan data citra yang di kompresi secara lossless dan mampu mendukung kompresi pada tingkat kedalaman warna mencapai 48bit.

Penelitian yang dilakukan oleh Juma’in dan Melita (2011), membahas mengenai kompresi gambar dengan menggunakan Discrete Cosine Transform (DCT), yang merupakan metode transormasi yang cepat, metode yang luas dan kuat untuk suatu kompresi citra. Dikatakan bahwa DCT memiliki tingkat kepadatan yang sangat baik. Penelitian yang dilakukan oleh Masatu dan kawan-kawan (2014), membahas mengenai penerapan algoritma kompresi dan metode Fuzzy C-Means pada kompresi citra dengan basis entropi. Kompresi entropi ini akan diimplementasikan pada citra dengan format yang berbeda yaitu JPEG dan PNG. Namun sebelumnya akan dilakukan pengelompokkan yang disesuaikan dengan kandungan informasi dari citra itu sendiri dengan fuzzy c- means.

Penelitian yang dilakukan oleh Yudhana dan kawan-kawan (2016), membandingkan segmentasi dari citra asli dengan citra kompresi dengan wavelet untuk identifikasi telur. Hasil dari penelitian ini adalah antara citra asli dengan citra kompresi wavelet memberikan 100% untuk kesamaannya.

Dengan kata lain, dengan kompresi dapat meminimalkan penggunaan media penyimpanan namun tidak mengubah informasi yang ada pada suatu citra.

Penelitian yang dilakukan oleh Mahesa dan Karpen (2017), membangun suatu aplikasi kompresi dan dekompresi pada suatu citra dengan metode Huffman. Bahasa pemograman yang digunakan adalah Embarcadero Delphi 2010. Penelitian yang dilakukan oleh Kusdianti dan Septiarini (2014), melakukan kompresi citra dengan metode Run Length Encoding (RLE) disimpan dalam format PNG. Hasil pengujian menunjukkan bahwa proses kompresi menghasilkan dua buah file PNG yaitu citra pixel dan citra populasi dengan ukuran file yang beragam. Format BMP memiliki rasio - 0,08% hingga 97%. Format TIFF, 28-74%.

Penelitian yang dilakukan oleh Kholis dan Alam (2016), bertujuan untuk membuat suatu sistem pengenalan wajah dengan menggunakan Backpropagation Artificial Neural Network dan Principal Component Analysis. Dengan adanya beberapa parameter pada Backpropagation, dapat diketahui karakteristiknya yaitu dapat memperkecil error dan epoch, serta memperbesar Recognition Rate. Hasil yang didapat menunjukkan hubungan antara parameter eigen value, parameter alpha, dan koefisien momentum terhadap Recognition Rate yang diperoleh.

Penelitian Prastika dan kawan-kawan (2016), memiliki tujuan untuk mengetahui pembuatan sistem pengenalan karakter plat kendaraan dari suatu citra kendaraan dengan metode Histogram sebagai sistem segmentasi karakter, pengenalan karakter plat kendaraan dari citra kendaraan. PCA sebagai ektrasi ciri dan Euclidean Distance untuk klasifikasi karakter. Hasil pada simulasi pengenalan karakter plat nomor kendaraan dari citra kendaraan adalah sebesar 77,90% untuk presentase dikenali benar dan 22,10% untuk presentase dikenali salah, masing-masing dari ke-27 karakter.

Penelitian Fitri dan kawan-kawan (2016), membahas mengenai steganografi pada citra digital berwarna 32-bit dengan menggunakan Least Significant Bit. Hasil yang didapatkan adalah menghasilkan kapasitas pesan rahasia yang dapat disisipkan lebih besar dan tetap mampu menghasilkan kualitas citra stego yang baik dengan nilai Mean Square Error (MSE) kurang dari 2 dan nilai Peak Signal-to-Noise Ratio (PSNR) diatas 45dB.

Penelitian-penelitian tersebut menerapkan berbagai algoritma dan berbagai macam tujuan dalam hal citra. Namun tidak satupun dari penelitian tersebut yang membahas mengenai kompresi citra pas foto dengan menggunakan algoritma JPEG dan PCA serta MSE dan PSNR. Beberapa penelitian membahas mengenai algoritma JPEG, PCA, MSE, dan PSNR, namun tidak membandingkan keduanya, penggunaan MSE dan PSNR pun tidak berhubungan dengan JPEG dan PCA Dalam penelitian ini akan membandingkan hasil kompresi dari algoritma JPEG dan PCA dengan alat ukur, yaitu MSE dan PSNR.

III. DESAIN PENELITIAN

Gambar 1: Desain Penelitian

Gambar 1 merupakan gambaran secara umum bagaimana rancangan alur penelitian ini dilakukan. Suatu citra akan di kompresi dengan algoritma JPEG dan PCA. Hasil dari kompresi kedua algoritma akan dibandingkan guna mencari hasil kompresi terbaik sehingga mampu untuk meminimalkan penggunaan media penyimpanan dan mendapatkan hasil dengan kualitas yang tidak terlalu jauh dari citra aslinya.

Selanjutnya istilah-istilah kompresi dalam penelitian ini akan dibahas.

(8)

ISSN 1693– 2951; e-ISSN: 2503-2372 M. Azman Maricar: Pemampatan Citra Pas Foto … A. Kompresi

Kompresi merupakan suatu teknik yang digunakan untuk memperkecil suatu data sehingga didapatkan ukuran yang lebih kecil dibandingkan ukuran aslinya, yang secara langsungmeminimalkan penggunaan media penyimpanan, dengan cara mencari pola-pola yang berulang pada suatu data dan menggantinya dengan sebuah penanda [1,2,3,4,5]. Secara umum teknik kompresi dapat dibedakan menjadi dua, yaitu:

1) Metode Lossless : suatu kelas dari algoritma kompresi yang memberikan kemungkinan data yang asli dapat disusun kembali atau dikembalikan dari data kompresi [1,5,6]

2) Metode Lossy : suatu metode yang digunakan untuk mengkompresi data dan mendekompresikan data tersebut.

Data asli dan data kompresi yang didapatkan tentu berbeda, namun perbedaan tersebut sangatlah tipis [1,5,6].

B. Citra Digital

Citra digital dapat diartikan sebagai fungsi dari dua buah variabel f(x,y), dimana x dan y merupakan koordinat spasial dan nilai dari f(x,y) adalah intensitas dari suatu citra terhadap koordinat tersebut atau dapat juga dikatakan sebagai informasi dalam bidang dua dimensi [2,7,8]. Citra juga merupakan sebuah gambaran, kemiripan, atau imitasi dari suatu objek atau dapat juga dikatakan sebagai media yang digunakan untuk menyimpan data secara visua, seperti gambar dua dimensi yang digunakan untuk menyimpan suatu kejadian [4,9,10].

C. Joint-Photograpic Experts Group (JPEG)

Joint-Photograpic Experts Group (JPEG) merupakan salah satu format dalam citra yang menggunakan kompresi loosy, namun mengalami penurunan kualitas dari citra itu sendiri.

Format JPEG ini sangat tepat digunakan untuk menyimpan citra fotografi karena memiliki ukuran yang kecil dan baik bagi penglihatan manusia [6,7,11].

D. Principal Component Analysis (PCA)

Principal Component Analysis (PCA) merupakan teknik untuk membuat suatu dataset menjadi lebih sederhana, dengan mengurangi dataset multidimensional ke dimensi yang lebih rendah, hal itu dilakukan dengan cara mengambil bagian dimensi yang penting [8,12]. PCA memiliki tujuan untuk mengurangi dimensionalitas data dan tetap menjaga sebanyak mungkin variansi yang muncul dalam dataset [8,12].

Langkah-langkah dalam melakukan algoritma PCA [12]:

1) Scaling: membuat suatu dataset memiliki sebaran data menjadi lebih baik.

2) Menghitung covariance matrix: mengetahui matriks dari variansi yang ada.

3) Menghitung nilai eigen dan vektor eigen: mengetahui sejauh mana dimensionalitas dari suatu dataset dapat dipotong.

Dimana dimensi yang memiliki nilai eigen yang besar merupakan dimensi yang sangat penting dalam dataset.

4) Menghitung score: nilai akhir dari dataset yang dapat mewakili dataset itu sendiri.

E. Mean Square Error (MSE)

Mean square error (MSE) digunakan sebagai alat untuk mengukur atau menghitung nilai rata-rata kesalahan (error) pada sebuah citra, semakin kecil nilai dari suatu MSE maka akan semakin baik hasilnya, yang artinya kualitas citra yang dihasilkan tidak jauh berbeda dengan citra aslinya [13].

Perumusan MSE ditunjukkan pada perumusan (1) [13].

F. Peak Signal to Noise Ratio (PSNR)

Peak Signal to Noise Ratio (PSNR) merupakan perbandingan nilai sinyal antara citra cover dengan nilai sinyal citra stego, yang sebelumnya telah terjadi perubahan sehingga menghasilkan noise terhadap sinyal citra cover [13]. Noise merupakan sinyal yang mengalami kehancuran pada bagian tertentu dalam sebuah citra digital sehingga dapat mengakibatkan kualitas yang berkurang dari sinyal tersebut [13]. Oleh karena itu, PSNR digunakan untuk menunjukkan kualitas sinyal dari perbandingan antara citra sebelum dan sesudah diproses [13]. Perumusan PSNR ditunjukkan pada perumusan (2) [13].

IV. HASIL DAN ANALISA

Dalam penelitian ini citra yang digunakan sebagai inputan adalah citra pas photo grayscale dan truecolor dengan berbagai ukuran maupun dimensional. Pada Tabel 1 berikut ini merupakan citra visual yang akan digunakan sebagai input dalam penelitian ini.

Algoritma kompresi yang akan diterapkan pada citra pas photo ini adalah Joint-Photograpic Experts Group (JPEG) dan Principal Component Analysis (PCA), yang mana proses kompresi pada penelitian ini diimplementasikan dengan menggunakan MATLAB. Pada Gambar 4 berikut ini merupakan contoh implementasi kompresi dengan menggunakan MATLAB.

Hasil dari kompresi JPEG dan PCA tersebut akan diukur serta dibandingkan dengan menghitung rasio kompresi dengan Peak Signal to Noise Ratio (PSNR) dan Mean Square Error (MSE). Dengan menghitung rasio kompresi PNSR dan MSE, dapat dilihat kualitas dari hasil kompresi kedua algoritma yang digunakan tersebut, yaitu JPEG dan PCA. Pada Tabel 2 berikut ini merupakan hasil dari perbandingan ukuran sesudah dan sebelum proses kompresi dengan algoritma JPEG.

Rata-rata rasio kompresi yang didapat dari kompresi citra pas photo adalah 0.457134336. Rasio Kompresi yang lebih kecil daripada 1 menunjukkan bahwa dengan algoritma JPEG citra dapat direduksi hampir setengah dari citra awal atau citra sebelum kompresi.

(9)

Majalah Ilmiah Teknologi Elektro, Vol. 17, No. 1,Januari -April 2018

DOI: https://doi.org/10.24843/MITE.2018.v17i01.P14 105

M. Azman Maricar: Pemampatan Citra Pas Foto … p-ISSN:1693 – 2951; e-ISSN: 2503-2372

TABELI CITRA PAS PHOTO

No. Dimensional

Citra Citra

1. 230 x 320 (Truecolor)

4. 660 x 1020

5. 230 x 320 (Grayscale)

Gambar 4. Implementasi Kompresi PCA

TABELII

PERBANDINGAN RASIO KOMPRESI JPEG

Dimensi citra

Jenis Citra

Ukuran Awal (KB)

Ukuran Kompresi

(KB)

Rasio Kompresi 230 x

320

Truecolor 41.6 23.32 0.560576923 Grayscale 19.9 7.3 0.366834171 330 x

450

Truecolor 59.9 26.32 0.439398998 Grayscale 33.2 18 0.542168675 450 x

660 Truecolor 101 41.3 0.408910891 Grayscale 53.2 31.3 0.588345865 660 x

1020

Truecolor 197 71.6 0.363451777 Grayscale 99.9 38.7 0.387387387 Rata-rata Rasio Kompresi 0.457134336

Pada Tabel 3 berikut ini merupakan perbandingan rasio kompresi dengan algoritma PCA yang diimplementasikan pada citra pas photo.

TABELIII

PERBANDINGAN RASIO KOMPRESI PCA

Dimensi Citra

Jenis Citra

Ukuran Awal (KB)

Ukuran Kompresi

(KB)

Rasio Kompresi

230 x 320 Truecolor 41.6 24.03 0.5776039

Grayscale 19.9 24.13 1.2124588

330 x 450 Truecolor 59.9 30.49 0.5090352

Grayscale 33.2 18.51 0.5574936

450 x 660 Truecolor 101 47.18 0.4671353

Grayscale 53.2 27.54 0.5176148

660 x 1020 Truecolor 197 88.44 0.4489312

Grayscale 99.9 68.04 0.6811206 Rata-rata Rasio Kompresi 0.6214242

(10)

ISSN 1693– 2951; e-ISSN: 2503-2372 M. Azman Maricar: Pemampatan Citra Pas Foto … Hasil perhitungan rasio kompresi dengan PCA yaitu

0.6214242. Sama halnya dengan JPEG, nilai rasio kompresinya masih berada di bawah 1 sehingga tidak banyak informasi yang hilang di dalamnya.

Selain menganalisa ukuran citra sebelum dan sesudah kompresi, tahap selanjutnya harus dilakukan analisa dengan membandingkan kualitas citra hasil kompresi kedua algoritma yang digunakan dengan Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR), seperti yang ditunjukkan pada Tabel IV berikut ini.

TABELIV

HASIL KUALITAS CITRA KOMPRESI JPEG DAN PCA

Dimensional Jenis Citra

MSE JPEG

MSE PCA

PSNR JPEG

PSNR PCA

230 x 320

Truecolor 23.2882 44.7956 26.9556 31.6184 Grayscale 18.0900 34.6595 35.3844 32.5606

330 x 450

450 x 660

660 x 1020 Truecolor 18.9766 34.2622 27.8543 32.7826 Grayscale 5.2755 13.0362 40.5607 36.6310 Rata-rata 16.6542 32.5942 32.4939 33.1465

Rata-rata nilai MSE dan PSNR pada citra pas photo yang dikompresi dengan JPEG adalah 16.6542 dan 32.4939.

Dengan demikian, dapat dikatakan bahwa citra pas photo dengan format .jpg apabila dikompresi dengan algoritma JPEG menghasilkan citra dengan kualitas yang bagus dan error yang kecil.

Sedangkan rata-rata MSE dan PNSR untuk implementasi citra pas photo dengan menggunakan algoritma PCA yaitu 32.5942 dan 33.1465. Nilai error yang dihasilkan dari kompresi dengan algoritma PCA lumayan tinggi jika dibandingkan dengan kompresi JPEG. Namun kualitas citra yang dihasilkan hampir sama dengan JPEG.

V. KESIMPULAN

Teknik Kompresi sangat dibutuhkan guna memperkecil ukuran dari suatu citra, sehingga dapat meminimalkan penggunaan media penyimpanan. Tidak hanya memperkecil ukuran suatu citra, namun sedapat mungkin suatu teknik kompresi mampu menghasilkan citra yang kualitasnya tidak terlalu jauh dari citra aslinya. Dengan membandingkan algoritma JPEG dan PCA, yang diukur dengan MSE dan PSNR, diperoleh hasil bahwa rata-rata MSE dan PNSR algoritma PCA dapat dikatakan tinggi jika dibandingkan dengan algoritma JPEG. Namun dari segi kualitas citra yang dihasilkan tidak jauh berbeda dengan algoritma JPEG.

Dapat dikatakan bahwa algoritma JPEG mampu menghasilkan citra yang lebih baik dibandingkan algoritma PCA. Namun, algoritma PCA tidaklah buruk untuk dijadikan alternatif dalam kompresi citra pas foto.

REFERENSI

[1] Andika Satyapratama, Widjianto, dan Mahmud Yunus. Analisis Perbandingan Algoritma LZW dan Huffman Pada Kompresi Citra File Gambar BMP dan PNG. Jurnal Teknologi Informasi, 2015; Vol.6 No.2:

p.69-81.

[2] Iwan Fitrianto Rahmad dan Helmi Kurniawan. Kompresi File Citra Bitmap Menggunakan Algoritma RLE dan LZ78. CSRID Journal, Juni 2011; Vol.3 No.2: p.81-92.

[3] Irmalia Suryani Faradisa dan Bara Firmana Budiono. Implementasi Metode Huffman Sebagai Teknik Kompresi Citra. Jurnal Elektro ELTEK, Oktober 2011; Vol.2 No.2: p.176-182.

[4] Kharisma Mahesa dan Karpen. Rancang Bangun Aplikasi Kompresi dan Dekompresi Pada Citra Digital Menggunakan Metode Huffman.

PROCESSOR, April 2017; Vol.12 No.1: p.997-1012.

[5] Winda Kusdianti dan Anindita Septiarini. Kompresi Pada Citra Digital Menggunakan Algoritma Run Length Encoding. SCAN, Februari 2014;

Vol.9 No.1: p.29-32.

[6] Juma’in dan Yuliana Melita. Kompresi Gambar atau Citra Menggunakan Discrete Cosine Transform. Jurnal Teknika, 2011; Vol.3 No.2: p.243-248.

[7] Dika Asoka Masatu, Indah Soesanti, dan Hanung Adi Nugroho.

Penerapan Algoritma Kompresi JPEG dan Metode Fuzzy C-Means Pada Kompresi Citra Berbasis Entropi. Jurnal Penelitian Teknik Elektro dan Teknologi Informasi, April 2014; Vol.1 No.1: p.7-11.

[8] I Dewa Gede Angga Prastika,Widyadi Setiawan, dan Pande Ketut Sudiarta. Analisis Sistem Pengenalan Karakter Plat Kendaraan Dari Citra Kendaraan. Teknologi Elektro, Juli-Desember 2016; Vol.15 No.2:

p.21-25.

[9] Anton Yudhana, Sunardi, dan Shoffan Saifullah. Perbandingan Segmentasi Pada Citra Asli dan Citra Kompresi Wavelet Untuk Identifikasi Telur. Jurnal Ilmiah ILKOM, Desember 2016; Vol.8 No.3:

p.190-196.

[10] Gusti Rai Agung Sugiartha, Made Sudarma, dan I Made Oka Widyantara. Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered-Based Retrieval of Images (CLUE). Teknologi Elektro, Januari-April 2017; Vol.16 No.1: p.85-90.

[11] Hendri. Kompresi Citra dari Format BMP ke Format PNG. Jurnal TIME, 2014; Vol.3 No.1: p.27-31.

[12] Ikhwannul Kholis dan Syah Alam. Sistem Pengenalan Wajah Dengan Menggunakan Backpropagation Artiicial Neural Network dan Principal Component Analysis. Jurnal Teknik dan ilmu Komputer, Oktober- Desember 2016; Vol.5 No.20: p.343-354.

[13] Ahmad Aidil Fitri, Megah Mulya, dan Alfarissi. Steganografi Pada Citra Digital Berwarna 32-Bit Menggunakan Least Signiicant Bit.

Prosiding Annual Research Seminar, 2016; Vol.2 No.1: p.169-172.