ISSN : 2301-9425
ISSN : 2301-9425
Eksponensial
Keterangan :
TNi
: Total nilai alternatif ke-i
RKij : Derajat kepentingan relatif kriteria ke-j
pada pilihan keputusan i
TKKj : Derajat kepentingan kriteria keputusan kej; TKKj > 0; bulat
m
: Jumlah kriteria keputusan
n
: Jumlah pilihan keputusan
j
: 1,2,3,m; m : Jumlah kriteria
i
:1,2,3,,n; n
: Jumlah pilihan
alternatif
ISSN : 2301-9425
3. Pembahasan
3.1. Analisa Perbandingan Algoritma Huffman
dan Algoritma LZW
Analisa
perbandingan
pada
algoritma
Huffman dan algoritma LZW dilakukan dengan
tujuan agar kualitas dari masing masing algoritma.
Jenis gambar yang akan dikompresi dengan format
bitmap dengan ekstensi .bmp.
3.1.1. Proses Cara Kerja Kompresi Citra
Cara kerja kompresi dilakukan dengan
penerapan yang dimilikinya dan mengkompresinya
dengan aturan aturan yang sesuai dengan algoitma
tersebut.
Dari hasil kompresi masing masing maka
didapat perbandingan kapasitas setelah dikompresi
maupun rasio setelah dilakukannya kompresi.
Proses cara kerja algoritma Huffman dan algoritma
LZW dilakukan citra berformat .bmp, hal ini untuk
mengetahui hasil perbandingan dari kompresi
Huffman dan LZW.
3.1.2.
190
175
184
186
177
128
223
202
211
184
147
203
186
192
172
235
189
196
204
209
Bila matriks ini sebuah citra gray-level
berukuran 5 x 5 pixel, maka nilai elemen matriks
(pixel), menyatakan tingkat keabuan citra. Tetapi
bila matriks ini mewakili sebuah citra berwarna,
maka nilai elemen matriksnya menyatakan warna.
Setiap pixel dalam sebuah citra yang dikode 8 bit,
berarti citra tersebut memiliki tingkat keabuan atau
memiliki 256 warna.
Dengan mengambil contoh diatas dan
dengan
menggunakan
algoritma
Huffman,
dikembangkan
sebuah
algoritma
untuk
mengkompres data citra sebagai berikut:
a. Buat data citra yang berupa data matriks
tesebut menjadi vector, sehingga didapat
vector[255,187,129,148,236,190,175,184,186,
177,128,223,202,211,184,147,203,186,192,17
2,235,189,196,204,209].
Besarnya data citra = 25 byte
b. Baca vector tersebut dan tentukan nilai warna
yang ada serta frekuensi munculnya. Hasilnya
adalah
Dat
a
186
184
235
172
255
177
196
187
128
204
129
223
209
148
203
236
192
190
189
175
c.
d.
202
1
Urutkan warna dari yang fekuensinya terkecil
ke yang frekuensinya yang terbesar
186,184,255,187,129,148,236,190,175,177,12
8,223,202,211,147,203,192,172,235,189,196,
204,209
Mengganti data warna dengan kode bit
berdasarkan kode biner.
Table 2 : Kode Biner dari Karakter Citra
X
Gambar 1 : Citra 2D (Ukuran : 134 byte)
Matriks dari citra diatas adalah sebagai berikut
diperoleh dari aplikasi Matlab:
255
187
129
148
236
Data
186
Kode Bit
1
184
01
255
001
187
0001
129
00001
148
000001
236
0000001
202
0000000000001
190
00000001
211
00000000000001
175
000000001
147
000000000000001
0000000000000001
177
184
255
187
129
148
236
190
175
177
128
223
1
1
1
0000000001
128
00000000001
203
223
000000000001
192
00000000000000001
202
0000000000001
000000000000000001
1
1
211
00000000000001
172
147
000000000000001
235
0000000000000000001
203
0000000000000001
189
00000000000000000001
196
000000000000000000001
000000000000000000000
1
000000000000000000000
01
192
00000000000000001
172
000000000000000001
235
0000000000000000001
189
00000000000000000001
196
000000000000000000001
204
0000000000000000000001
209
00000000000000000000001
Sekarang
akan
dilakukan
tempat
penghitungan untuk tempat yang dibutuhkan
memori untuk file yang telah dikompresi.
Dat
a
186
ISSN : 2301-9425
1
1
1
204
209
1
1
13 bit
*1=13
14 bit
*1=14
15 bit
*1=15
16 bit
*1=16
17 bit
*1=17
18 bit
*1=18
19 bit
*1=19
20 bit
*1=20
21 bit
*1=21
22 bit
*1=22
23 bit
*1=23
ISSN : 2301-9425
5. Kesimpulan
Berdasarkan analisa dan pembahasan yang
dilakukan, maka dapat disimpulkan sebagai berikut:
1. Algoritma LZW (Lempel Zip Welch)
menghasilkan performa waktu kompresi yang
kurang baik tetapi algoritma ini memiliki
kinerja kompresi yang tinggi pada format citra
bmp.
2. Tingkat efisiensi memori file hasil kompesi
dengan menggunakan algoritma Huffman dan
algoritma LZW diukur dari besarnya rasio
kompresi yang dihasilkan. Citra yang
mempunyai sebaran nilai pixel tidak merata
memiliki tingkat efisiensi lebih besar
dibandingkan dengan citra dengan nilai pixel
yang merata.
3. Jumlah iterasi dan kapasitas hasil kompresi
dibandingkan untuk mengetahui algoritma
mana yang lebih baik diantara algoritma
Huffman dan algoritma LZW.
Daftar Pustaka
[1]. Sarifuddin Madenda, Hayet L. dan I.
Bayu.Kompresi
Citra
Berwarna
Menggunakan
Metode
Pohon
Biner
Huffman. (Diakses tanggal )
[2]. Adytia Wijaya, Suryarini Widodo. Kinerja
dan Performa Algoritma Kompresi Lossless
Terhadap Objek Citra Digital.(Diakses
tanggal)
[3]. Linawati,
Henry
P.Panggabean.
2004.Perbandingan Kinerja Algoritma
Kompresi Huffman,LZW, Dan DMC Pada
Berbagai Tipe File. (Diakses tanggal)
[4]. Roy Indra Haryanto.2009. Kompresi Data
Dengan
Algoritma
Huffman
Dan
Perbandingannya Dengan Algoritma LZW
Dan DMC. (Diakses tanggal )
[5]. T.Sutoyo,S.Si dkk. Teori Pengolahan Citra
Digital. ANDI. Semarang, 2009.
[6]. Http://en.wikipedia.org/wiki/Huffman_codin
g, diakses 28 Mei 2013.
[7]. http://www.Replaygain.hydrogenaudio.org/fi
le format wav.html, diakses 30 Mei 2013
[8]. http://gpgpu.org/wp/wpcontent/uploads/2010/matlab_logo.gif,
diakses 30 Mei 2013
[9]. http://gpgpu.org/wp/wp-content, diakses 30
Mei 2013
[10]. http://www.mathworks.com, diakses 30 Mei
2013