TUGAS KELOMPOK

REVIEW JURNAL

Oleh :
Nining Kurniati

D411 12 295

Arvin Asrah

D411 12 110

Darmaji Asrun

D411 12 293

UNIVERSITAS HASANUDDIN
2015

JURNAL I
Judul

Jurnal
Volume &
Halaman
Tahun
Penulis

Reviewer
Tanggal Review

PENERAPAN ALGORITMA KOMPRESI JPEG DAN

METODE FUZZY C-MEANS PADA KOMPRESI CITRA
BERBASIS ENTROPI
Volume 1 Nomor 1, Halaman 7-11
2014
Dika Asoka Masatu
Indah Soesanti
Hanung Adi Nugroho
Darmaji Asrun, Arvin Asrah, Ninin Kurniati
23 Oktober 2015

I. Pendahuluan
Citra digital adalah informasi yang berada dalam bidang dua dimensi.
Ukuran citra digital dinyatakan dalam pixel (picture element). Sebuah citra
digital dengan dimensi 100x200 pixel tersusun atas 100x200 = 20.000 pixel.
Teknik kompresi citra dapat dibagi ke dalam dua kelompok, yaitu metode
lossless dan lossy. Metode lossless akan mampu menghasilkan citra
dekompresi yang sama persis dengan citra semula, namun rasio kompresi
yang dihasilkan kecil. Sedangkan metode lossy akan menghasilkan rasio
kompresi yang tinggi dengan mengorbankan kualitas dan kemampuan untuk
mengembalikan citra ke ukuran aslinya. Penelitian terkait kompresi dengan
penyandian entropi telah dilakukan oleh beberapa peneliti terdahulu, namun
belum menerapkan Fuzzy c-Means Cultering.
Penelitian ini dibuat sebagai usaha untuk mengefisiensikan penggunaan
memori dalam kompresi citra. Kompresi hanya akan dilakukan pada bagian
tertentu yang dianggap bukan informasi penting yang perlu dipertahankan.
Metode yang diterapkan adalah klasifikasi citra berupa clustering untuk
memisahkan objek utama dan latar. Kemudian Algoritma kompresi yang
digunakan adalah JPEG.
II.Tujuan Penelitian
Mengetahui analisis kerja dari kompresi JPEG dengan menggunakan FCM
(Fuzzy C-Means)
III.

Landasan Teori

Citra
Sebuah citra adalah isyarat berbentuk dua dimensi yang diproses melalui
interpretasi visual oleh mata manusia. Isyarat tersebut awalnya
berbentuk analog, untuk mempermudah dalam pemrosesan dan
penyimpanan maka isyarat tersebut diubah ke bentuk digital. Satusatunya cara untuk mengoptimalkan penyimpanan citra digital saat ini
adalah dengan melakukan kompresi citra.

Entropi
Entropi adalah pengukuran informasi yang didapat melalui observasi
dari data, dalam hal ini berupa tingkat keacakan dalam penyebaran
distribusi data. Jika nilai pixel dalam sebuah citra terdistribusi secara
merata, maka kandungan entropi yang dimiliki akan maksimum. Namun
jika pixel yang dimiliki hanya satu nilai saja maka entropi yang dimiliki
akan bernilai nol.

Clustering
Pengelompokkan data (clustering) merupakan proses membagi data
dalam suatu himpunan ke dalam beberapa kelompok dimana kesamaan
data dalam suatu kelompok lebih besar dibandingkan kesamaan data
dalam kelompok lain . Dalam hard clustering, sebuah data hanya
menjadi anggota dalam satu kelompok tertentu dan tidak menjadi
anggota dalam kelompok lain. Sedangkan dalam fuzzy clustering, level
keanggotaan yang dimiliki oleh suatu data dapat bernilai antara rentang
[0,1].

Fuzzy C-Means
Salah satu dari beberapa Algoritma fuzzy clustering yang banyak
digunakan adalah Fuzzy C-Means (FCM). Konsep dasar dari Algoritma
FCM adalah menentukan pusat cluster yang akan menandai lokasi rerata
dari cluster tersebut. Pusat cluster awal pada umumnya ditentukan
secara acak. Kemudian menentukan level keanggotaan pada tiap data
sesuai dengan jaraknya terhadap pusat cluster. Lalu jika isi dari tiap
cluster sudah tidak berubah lagi maka iterasi dihentikan. Jika masih terus
berubah maka perbaikan pusat cluster dan level keanggotaan akan
dilakukan terus sampai isi dalam cluster tidak berubah lagi.

JPEG
Joint-Photograpic Experts Group (JPEG) adalah sebuah kelompok yang
merancang sebuah Algoritma kompresi citra lossy. JPEG lebih dikenal

secara umum sebagai salah satu format ekstensi penyimpanan citra

(.jpg). Tujuan utama dari kompresi JPEG sederhana, yaitu untuk
menyimpan data yang digunakan dalam representasi digital dengan
ukuran sekecil mungkin dengan tetap mempertahankan detil visualnya.
JPEG bekerja dengan cara merubah citra spasial dan
merepresentasikannya ke dalam pemetaan frekuensi dengan bantuan
Discrete Cosine Transform (DCT).
IV.

Metodologi Penelitian
Penelitian ini menggunakan Kompresi JPEG dengan menggunakan FCM.
Langkah-langkah dalam penelitian ini sebagai berikut:
1. Menmbuat system sesuai flowchart yang telah dibuat.
2. Citra masukan akan dibaca, kemudian dilakukan penentuan
inisialisasi pusat awal cluster. Lalu isi dari tiap cluster akan
terus diperbaiki dengan FCM sampai konvergen. Perhitungan
entropi akan menentukan skala kualitas (Q) yang akan
diberikan dalam kompresi JPEG untuk tiap cluster. Hasil akhir
berupa penggabungan semua cluster sehingga menghasilkan
sebuah citra utuh.

V. Hasil Penelitian
Pada penelitian yang telah dilakukan dalam jurnal ini akan diliat
bagaimana kinerja algoritma kompresi citra JPEG dengan menggunakan
FCM dengan pembagian cluster 6 buah. Berikut Gbr 1 dibawah ini adalah
flowchart dari system ;

Dan berikut ini

dilakukan pengujian
yang dimiliki;
A. Pusat Awal dan Pusat Akhir Cluster

adalah citra yang akan

dan gambar spesifikasi

Inisialisasi pusat awal cluster ini dilakukan melalui pendekatan heuristik

dari metode Furthest First. Inisialisasi pusat awal ini dilakukan sebelum
diterapkannya Algoritma FCM. Hasil yang diperoleh pada citra clownfish
dalam inisialisasi pusat awal cluster ini ditunjukkan dalam Gbr 3. Bagian
yang bukan merupakan anggota dari cluster yang bersangkutan ditandai
dengan pixel hitam (0,0,0 dalam RGB).

Hasil
dari
pengujian
pusat
akhir
cluster
didapatkan
setelah
melakukan clustering dengan FCM. Hasil yang diperoleh pada citra clownfish
setelah isi dari masingmasing cluster tidak berubah lagi ditunjukkan dalam Gbr 4.

Diatas merupakan skala kualitas berdasarkan entropi yang dimiliki dari setiap
cluster. Sedangkan untuk waktu kompresi dan rasio kompresi dapat diliat dibawah
ini

VI. Kesimpulan
Metode clustering yang dimiliki FCM dapat digabungkan dengan metode
kompresi JPEG untuk menghasilkan kompresi citra berbasis entropi. Dari
keseluruhan proses, waktu paling lama terjadi di bagian clustering dalam FCM
karena adanya iterasi yang berulang-ulang agar konvergensi cluster tercapai.
Berdasarkan semua pengujian yang telah dilakukan, citra dengan format .png
memberikan keluaran yang lebih baik dibandingkan citra dengan format .jpg,
baik di sisi ukuran, kualitas secara kualitatif (visual) maupun kualitas secara
kuantitatif (perhitungan matematis). Rasio kompresi terkecil yang dapat dicapai
pada penelitian ini adalah 0,0828.
VII. Ulasan Tentang Jurnal
Dalam penulisan dan pemaparan jurnal ini tentunya memiliki
kelebihan dan kekurangan. Adapun kelebihan jurnal atau dengan kata
kekuatan dari jurnal ini adalah pertama tema yang diangkat masih dapat
dikatakan bahwa tema tersebut jarang dibahas didalam penelitian
sebelummnya, kedua pemaparan yang singkat tetapi tetap terlihat jelas,
ketiga menggunakan metode perbandingan sehingga pembaca akan tau
manfaat dari jurnal serta penjelasan yang disertai dengan flowchart sehingga
pembaca mudah untuk mengerti arah dari penulis.
Adapun kekurangannya menurut kami pada kesimpulan sebaikan
dibuat menjadi berbentuk point-point sehingga lebih mudah untuk di
mengerti, dan jurnal ini juga tidak memiliki saran atau pun harapan dari
penulis terhadap jurnal ini.

JURNAL II

I.

Judul

Implementasi Metode HUFFMAN Sebagai

Teknik Kompresi Citra

Jurnal
Volume dan Halaman
Tahun
Penulis

Volume 2, No 2, Hal. 176-182

2011

Reviewer
Tanggal

Darmaji, Arvin, Ninin

25 Oktober 2015

Irmalia Suryani Faradisa

Bara Firmana Budiono

Pendahuluan
Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi
juga dapat berupa gambar, audio (bunyi, suara, musik) dan video. Keempat
macam data atau informasi ini sering disebut dengan multimedia. Era informasi
teknologi saat ini tidak dapat dipisahkan dari multimedia. Situs web (website)
di internet dibuat semenarik mungkin dengan menyertakan visualisasi berupa
gambar atau video yang dapat diputar.
Citra (image) sebagai salah satu komponen multimedia memegang
peranan penting sebagai bentuk informasi visual. Citra mempunyai
karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya akan informasi.
Saat ini, kebanyakan aplikasi menginginkan representasi citra dengan
kebutuhan memori yang sesedikit mungkin. Kompresi citra (image
compression) bertujuan meminimalkan kebutuhan memori untuk
merepresentasikan citra digital. Prinsip umum yang digunakan dalam kompresi
citra adalah mengurangi duplikasi data di dalam citra sehingga memori yang
dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit dari pada
representasi citra semula.

II. Tujuan Penelitian

Tujuan utama pada penelitian ini adalah untuk mengetahui hasil
implementasi dari metode Huffman dalam teknik kompresi data citra.
III.

Landasan Teori

Kompresi
Saat ini, kebanyakan aplikasi menginginkan representasi citra dengan
kebutuhan memori yang sesedikit mungkin. Kompresi citra (image
compression) bertujuan meminimalkan kebutuhan memori untuk
merepresentasikan citra digital. Prinsip umum yang digunakan dalam
kompresi sehingga memori yang dibutuhkan untuk merepresentasikan citra

menjadi lebih sedikit dari pada representasi citra semula. citra adalah
mengurangi duplikasi data di dalam citra

Metode Huffman
Algoritma kompresi Huffman atau disebut dengan encoding Huffman
adalah algoritma yang dipakai untuk mengkompresi file. Teknik kompresi ini
dengan menggunakan code yang lebih kecil pada karakter yang sering dipakai
dan code yang lebih panjang untuk karakter yang tidak begitu sering dipakai.
Setiap data dianggap satu simpul yang mempunyai dua nilai data: nilai
keabuan dan frekuensi kemunculannya. Dua simpul dengan frekuensi terkecil
dari daftar diambil dan frekuensinya dijumlahkan. Hasil penjumlahan kedua
frekuensi ini menjadi frekuensi baru untuk sebuah simpul baru yang
mempunyai dua cabang kedua simpul tadi (cabang kiri dan kanan). Simpul
baru ini selanjutnya dimasukkan dalam daftar untuk dilakukan pengurutan
simpul, penjumlahan dua simpul dengan frekuensi terkecil, dan pembuatan
simpul baru. Proses ini berlanjut sampai semua simpul telah masuk ke dalam
pohon dan frekuensi akar (root) dari pohon merupakan hasil penjumlahan
semua frekuensi yang ada.

IV.

Metode Penelitian
Metode yang digunakan pada penelitian ini adalah dengan menggunakan
bantuan software dengan membandingankan antara metode Huffman dan
Metode Lossy.

V. Hasil
1. Pengujian terhadap Metode Huffman
Pengujian ini dilakukan dengan membandingkan metode Huffman dan
Lossy dengan mengambil satu buah image untuk dijadikan contoh
(sample).

2. Pengujian terhadap Metode Lossy

Metode lossy menghasilkan citra hasil pemampatan yang hampir sama
dengan citra semula. Ada informasi yang hilang akibat pemampatan, tetapi
dapat ditolerir oleh persepsi mata. Mata tidak dapat membedakan
perubahan kecil pada gambar. Metode pengompresian lossy menghasilkan
nilai pemampatan yang tinggi daripada metode lossless.

Pada kompresi dengan kualitas 100% maka nilai dari kompresi citra
akan berukuran kecil dari 121078 menjadi 118340 pada citra tersebut
tidak mengalami kerusakan pada kualitasnya dan hasil
penghitungannya 100% - (118340 / 121078 ) x 100% = 2.261%.
Pada kompresi dengan kualitas citra 50% citra akan mengalami
kerusakan pada kualitasnya namun untuk nilai kompresi yang
didapat dapat dikatakan ukuran citra tersebut menjadi kecil dari
121078 menjadi 60272 hasil penghitungannya 100% - ( 60272 /
121078 ) x 100% = 50.220%.

Pada kompresi dengan kualitas 1%, terlihat bahwa citra akan mengalami
kerusakan pada kualitasnya namun untuk nilai kompresi yang didapat
dapat dikatakan ukuran citra tersebut menjadi kecil dari 121078 menjadi
59348 hasil penghitungannya 100% - ( 59348 / 121078 ) x 100% =
50.983%.

VI.

Kesimpulan

Dari uraian dan pembahasan diatas yang berjudul Kompresi Citra Menggunakan
Metode Huffman Dengan Bahasa Pemrograman Delphi 7.0. beberapa
kesimpulan yang dapat diperoleh antara lain:.

1. Teknik kompresi citra dengan metode Huffman pada citra gray scale 8 bit
dilakukan dengan pembuatan pohon Huffman berdasarkan frekuensi
kemunculan nilai piksel. Pohon Huffman akan menghasilkan kode biner
yang disimpan dalam tabel Huffman tiap 8 bit.

2. Kode biner yang dihasilkan dari Metode Huffman adalah setiap nilai
piksel yang mempunyai frekuensi terbesar mempunyai jumlah bit yang
pendek sedangkan nilai piksel yang mempunyai frekuensi kecil
mempunyai bit yang lebih panjang.
3. Citra yang mempunyai sebaran nilai piksel tidak merata memiliki rasio
kompresi yang relatif besar sedangkan citra dengan nilai piksel yang
merata memiliki rasiokompresi yang lebih kecil.
4. Tingkat efisiensi memori file hasil kompresi dengan menggunakan Metode
Huffman diukur dari besarnya rasio kompresi yang dihasilkan. Citra yang
mempunyai sebaran nilai piksel tidak merata memiliki tingkat efisiensi
lebih besar dibandingkan dengan citra dengan nilai piksel yang merata.
VII. Ulasan Tentang Jurnal
Adapun Kelebihan atau yang menjadi kekuatan dalam jurnal ini
adalah dalam hasil penelitian dibuktikan secara langsung berupa gambar
hasil simulasi, serta jurnal ini memiliki flowchart yang secara lengkap
dipaparkan dalam jurnal, adapun kekurangangan terdapat beberapa hal yang
menurut kami harusnya terlebih dahulu dijelaskan seperti tentang metode
lossy.

Judul

Implementasi Metode HUFFMAN Sebagai

Teknik Kompresi Citra

Jurnal
Volume dan Halaman
Tahun

Volume 2, No 2, Hal. 176-182

2011

Penulis

Irmalia Suryani Faradisa

Bara Firmana Budiono

Reviewer
Tanggal
Jurnal III

Darmaji, Arvin, Ninin

25 Oktober 2015