KOMPRESI CITRA

Hengraini Eka Putri

1102090
Pendidikan Teknik Elektronika
UNIVERSITAS NEGERI PADANG

ABSTRAK
Untuk mengurangi kapasitas gambar asli yang digunakan dapat dilakukan dengan
meng-kompresi image, sehingga gambar bisa menjadi media dengan kapasitas kecil. Secara
garis besar kompresi dibagi menjadi dua jenis, yaitu lossy dan lossless, kedua kompresi ini
menghasilkan standar format baru dari teknik kompresi data, misalnya GIF, PNG, JPEG dan
JPEG2000.

Keyword: lossy, lossless, dan Kompresi

1. PENDAHULUAN
Perkembangan media penyimpan berkapasitas besar mengakibatkan orang tidak lagi
menemui masalah jika mempunyai file dengan ukuran yang besar. Lebih-lebih jika file yang
kita punya merupakan file image. Walaupun demikian, adakalanya ukuran file yang besar
tersebut terasa mengganggu jika kita harus memanage media penyimpan yang kita punya
untuk bermacam-macam data. Apalagi jika file tersebut akan kita kirim secara elektronik,
tentunya kapasitas file menjadi masalah tersendiri.
Kompresi citra (image compression) adalah proses untuk meminimalkan jumlah bit
yang merepresentasikan suatu citra sehingga ukuran citra menjadi lebih kecil. Pada dasarnya
teknik kompresi citra digunakan untuk proses transmisi data (data transmission) dan
penyimpanan data (storage). Kompresi citra banyak diaplikasikan pada penyiaran televisi,
penginderaan jarak jauh (remote sensing), komunikasi militer, radar dan lain-lain.
Metode kompresi data terbagi menjadi dua kelompok besar, yaitu dictionary based
dan statistical based. Dictionary based bekerja dengan mengganti kelompok simbol dalam
data menjadi kode-kode dengan panjang tertentu, dengan asumsi kode-kode tersebut secara
umum lebih pendek dari kelompok simbol yang digantikan. Sedangkan statistical based
melakukan kompresi dengan pendekatan lain, yaitu simbol-simbol yang ada di-encode satu
per satu dan panjang dari kode output akan bervariasi tergantung dari probabilitas / frekuensi
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 1

pemunculan simbol. Kompresi citra merupakan aplikasi dari teknik kompresi data untuk citra
digital dengan tujuan untuk mengurangi redudansi yang ada di dalam citra sehingga lebih
efisien dalam proses penyimpanan maupun proses transmisi.
Data Redudansi adalah bagian data yang tidak mengandung informasi terkait atau
merupakan pengulangan dari informasi yang sudah dinyatakan sebelumnya atau sudah
diketahui.

2. PEMBAHASAN
Teknik Kompresi Citra
Teknik kompresi citra mengacu pada dua konsep dasar, yaitu :
1. Mengeksploitasi redundansi informasi yang terdapat pada pola sinyal citra digital.
Metode ini digunakan pada teknik kompresi citra lossless coding. Redundansi tersebut
dapat berupa:
a. Redundansi Spasial akibat korelasi antara piksel-piksel yang bertetangga yang
memiliki intensitas yang sama
b. Redundansi Spektral akibat korelasi antara bidang-bidang warna yang berbeda
c. Redundansi Temporal akibat korelasi frame-frame yang berbeda pada citra
dinamis
2. Menggunakan deviasi dalam batas yang dapat ditoleransi dengan cara mengurangi
detail citra yang tidak dapat ditangkap oleh penglihatan manusia. Resolusi spasial,
waktu dan amplitudo disesuaikan dengan aplikasi yang digunakan. Metode ini
digunakan pada teknik kompresi citra lossy coding dengan mengeksploitasi
redundansi statistik dan visual.
Ada empat pendekatan yang digunakan pada kompresi suatu data, yaitu:
1) Pendekatan statistik (Lossless)
Kompresi didasarkan pada frekuensi kemunculan derajat keabuan pixel didalam seluruh
bagian.
Contoh metode : Huffman Coding.
2) Pendekatan ruang (Lossless / Lossy)
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 2

Kompresi didasarkan pada hubungan spasial antara pixel-pixel di dalam suatu kelompok
yang memiliki derajat keabuan yang sama dalam suatu daerah gambar atau data.
Contoh metode : Run-Length Encoding.
3) Pendekatan kuantisasi (Lossy)
Kompresi dilakukan dengan mengurangi jumlah derajat keabuan yang tersedia.
Contoh metode : kompresi kuantisasi (CS&Q).
4) Pendekatan fraktal (Lossy)
Kompresi dilakukan pada kenyataan bahwa kemiripan bagian-bagian didalam data atau
citra atau gambar dapat dieksploitasi dengan suatu matriks transformasi.
Contoh metode : Fractal Image Compression.

Secara umum teknik kompresi citra dikelompokkan menjadi dua bagian berdasarkan
hasil dari pengkompresian, yaitu:
a. Lossless Compression
Lossless kompresi adalah kelas dari algoritma data kompresi yang memungkinkan
data yang asli dapat disusun kembali dari data kompresi. Lossless kompresi digunakan dalam
berbagai aplikasi seperti dalam format ZIP, GZIP GIF, PCX, BMP, TIFF, TRG, dan PGM.
Lossless compression menghasilkan data yang identik dengan data aslinya. Metode kompresi
yang termasuk kategori lossless, antara lain : Run-Length Coding, Entropy Coding (Huffman
coding, Arithmetic coding, Comma coding), dan Adaptive Dictionary Based : Lempel-ZivWelch (LZW).
LZ di LZ1 (LZ77), LZ2 (LZ78), LZS, LZW, dan DCLZ, diciptakan oleh dua ilmuwan
Israel: Abraham Lempel dan Jacob Ziv. Mereka menerbitkan paper pada tahun 1977 dan
1978, menggambarkan dua algoritma LZ1 kompresi yang serupa, yang menjadi bentuk dasar
GZIP, PKZip, WinZip, ALDC, LZS dan PNG (Summers, 2006). PNG (Portable Network
Graphics) adalah format file standar untuk gambar direkomendasikan oleh World Wide Web
Consortium (Savakis, Roelofs, 1999). LZW diperkenalkan pada tahun 1984 oleh Terry
Welch, yang digunakan untuk meningkatkan LZ2 dan digunakan dalam file TIFF (LZW).
Pada awal 1990-an, hardware DCLZ pertama kali diimplementasikan dari algoritma
kompresi LZ menggunakan Content Addressable Memory (CAM) DCLZ (LZ2 based), dan
hardware ini diimplementasikan oleh Hewlet Packard menggunakan linked list 4k Dictionary
(Summers, 2006).
Kedua algoritma yang sangat penting untuk dipertimbangkan adalah LOCO-I (lowcomplexity context-based lossless image compression) standar sebagai JPEG-LS (ISO / IEC
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 3

IS 14495) dan CALIC (context-based adaptive lossless/nearly lossless image coding)

(Domaski & Rakowski, 2001). LOCO-I (LOw COmplexity LOssless COmpression for
Images) memiliki rasio kompresi yang sama atau lebih baik, tapi kurang kompleks untuk
aritmatika coding (Weinberger, Seroussi, & Sapiro, 2000). CALIC memiliki kemampuan
sebagai prediktor non-linear untuk beradaptasi dengan beberapa sumber statistic (Wu &
Memon, 1997).
Pendekatan lain dalam kompresi citra lossless adalah dengan menggabungkan metode
batas deskripsi dengan Run-Length dan teknik Aritmatika-coding (Grailu, & Lotfizad, 2009).
Metode ini lebih baik dalam rasio kompresi dengan kisaran 1,3-2,4 kali dalam kasus lossless
pada 300 dpi. Masalah selama implementasi Arithmetic-coding (Santoso, 2001) adalah
keterbatasan prosesor floating point pada encoder dan decoder. Solusi yang diusulkan untuk
dibahas seperti modifikasi Arithmetic-coding dengan menggunakan bilangan bulat (integer).
Secara ringkas, algoritma ini bagus untuk kompresi data untuk alasan-alasan berikut:
1). Coding bit pada Aritmatika-coding lebih sedikit dari Huffman-coding. Modifikasi
menggunakan integer juga mampu menghilangkan keterbatasan peralatan encoder dan
decoder saat melakukan pengolahan floating point yang panjang.
2). Bit coding adalah lebih sedikit dan dapat diimplementasikan.

b. Lossy Compression
Lossy Compression merupakan teknik pemampatan pada citra dengan menghilangkan
beberapa informasi dari citra asli sehingga ukuran file citra menjadi relatif lebih kecil.
Metode kompresi yang termasuk kategori lossy, antara lain : Waveform coding (Time
domain coding, seperti ADPCM, ADM); (Frequency domain coding, seperti DCT, sub-band
coding), Synthesis (LPC, RPE-LTP), Transform coding (Fractal, Wavelet). Teknik kompresi
data secara khusus tergantung pada jenis data yang harus dikompresi dan unjuk kerja yang
diinginkan. Ukuran kinerjanya adalah waktu dan kompleksitas ruang, fidelity, serta rasio
kompresi. Jenis datanya dapat berupa teks, citra, suara, video. (Carpentieri, 2010).
Format kompresi lossy mengalami generation loss yaitu jika melakukan berulang kali
kompresi dan dekompresi file akan menyebabkan kehilangan kualitas secara progresif. Hal
ini berbeda dengan kompresi data lossless. Ketika pengguna yang menerima file terkompresi
secara lossy (misalnya untuk mengurangi waktu download) file yang diambil dapat sedikit
berbeda dari yang asli dilevel bit ketika tidak dapat dibedakan oleh mata dan telinga manusia
untuk tujuan paling praktis.

Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 4

Metode ini menghasilkan ratio kompresi yang lebih besar daripada metode lossless.
Misal terdapat image asli berukuran 12,249 bytes, kemudian dilakukan kompresi dengan
JPEG kualitas 30 dan berukuran 1,869 bytes berarti image tersebut 85% lebih kecil dan ratio
kompresi 15%. Contoh metode lossy adalah metode CS&Q (coarser sampling and/or
quantization), JPEG, dan MPEG.
Ada dua skema dasar lossy kompresi :

Lossy transform codec, sampel suara atau gambar yang diambil, di potong kesegmen
kecil, diubah menjadi ruang basis yang baru, dan kuantisasi. Hasil nilai kuantisasi
menjadi entropy coded.

Lossy predictive codec, sebelum dan/atau sesudahnya data di-decode digunakan untuk
memprediksi sampel suara dan frame picture saat ini. Kesalahan antara data prediksi dan
data yang nyata, bersama-sama dengan informasi lain digunakan untuk mereproduksi
prediksi, dan kemudian dikuantisasi dan kode. Dalam beberapa sistem kedua teknik
digabungkan, dengan mengubah codec yang digunakan untuk mengkompresi kesalahan
sinyal yang dihasilkan dari tahapan prediksi.

Perbandingan antara Lossy Compression dan Lossless Compression

Keuntungan dari metode lossy atas lossless adalah dalam beberapa kasus metode
lossy dapat menghasilkan file kompresi yang lebih kecil dibandingkan dengan metode
lossless yang ada, ketika masih memenuhi persyaratan aplikasi.

Metode lossy sering digunakan untuk mengkompresi suara, gambar dan video, karena
data tersebut dimaksudkan kepada human interpretation dimana pikiran dapat dengan
mudah mengisi bagian-bagian yang kosong atau melihat kesalahan masa lalu sangat
kecil atau inkonsistensi-idealnya lossy adalah kompresi transparan, yg dapat
diverifikasi dengan tes ABX. Sedangkan lossless digunakan untuk mengkompresi
data untuk diterima ditujuan dalam kondisi asli seperti dokumen teks.

Lossy akan mengalami generation loss pada data sedangkan pada lossless tidak terjadi
karena data yang hasil dekompresi sama dengan data asli.
Algoritma Kompresi Data
Walaupun saat ini sudah bukan lagi proses coding yang menghasilkan kompresi
paling optimal namun algoritma Shannon-Fano dan Algoritma Huffman adalah dua algoritma
dasar yang sebaiknya dipahami oleh mereka yang mempelajari tentang kompresi data.
1. Algoritma Shannon-Fano

Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 5

Teknik coding ini dikembangkan oleh dua orang dalam dua buah proses yang
berbeda, yaitu Claude Shannon di Bell Laboratory dan R.M. Fano di MIT, namun karena
memiliki kemiripan maka akhirnya teknik ini dinamai dengan mengggabungkan nama
keduanya. Pada dasarnya proses coding dengan algoritma ini membutuhkan data akan
frekuensi jumlah kemunculan suatu karakter pada sebuah pesan. Tiga prinsip utama yang
mendasari algoritma ini adalah:
a. Simbol yang berbeda memiliki kode yang berbeda.
b. Kode untuk symbol yang sering muncul memiliki jumlah bit yang lebih sedikit dan
sebaliknya symbol yang jarang muncul memiliki kode dengan jumlah bit lebih besar.
c. Walaupun berbeda jumlah bit-nya tetapi kode harus tetap dikodekan secara pasti
(tidak ambigu).
Berikut adalah langka-langkah Algoritma Shannon-Fano :
1. Buatlah tabel yang memuat frekuensi kemunculan dari tiap karakter.
2. Urutkan berdasar frekuensi tersebut dengan karakter yang frekuensinya paling sering
muncul berada di atas dari daftar (descending).
3. Bagilah 2 tabel tersebut dengan jumlah total frekuensi pada bagian atas mendekati
jumlah total frekuensi pada bagian bawah (lihat tabel 3).
4. Untuk bagian paro atas berikan kode 0 dan pada paro bawah berikan kode
5. Ulangi langkah 3 dan 4 pada masing-masing paro tadi hingga seluruh symbol selesai
dikodekan.

2. Algoritma Huffman
Algoritma Huffman memiliki kemiripan karakteristik dengan Algoritma ShannonFano. Masing-masing simbol dikodekan dengan deretan bit secara unik dan simbol yang
paling sering muncul mendapatkan jumlah bit yang paling pendek. Perbedaan dengan
Shannon-Fano adalah pada proses pengkodean. Jika algoritma Shannon-Fano membangun
tree dengan pendekatan top-down, yaitu dengan memberikan bit pada tiap-tiap simbol dan
melakukannya secara berurutan hingga seluruh leaf mendapatkan kode bit masing-masing.
Sedangkan algoritma Huffman sebaliknyamemberikan kode mulai dari leaf secara berurutan
hingga mencapai root.
Prosedur untuk membangun tree ini sederhana dan mudah dipahami. Masing-masing
simbol diurutkan sesuai frekuensinya, frekuensi ini dianggap sebagai bobot dari tiap simbol,
dan kemudian diikuti dengan langkah-langkah sebagai berikut:
1. Dua node bebas dengan bobot terendah dipasangkan.
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 6

2. Parent node untuk kedua node pada langkah sebelumnya dibuat. Jumlahkan frekuensi
keduanya dan gunakan sebagai bobot.
3. Sekarang parent node berperan sebagai node bebas.
4. Berikan kode 0 untuk node kiri dan 1 untuk node kanan.
5. Ulangi langkah di atas sampai hanya tersisa satu node. Sisa satu node inilah yang
disebut sebagai root.

Format-format Standar Teknik Kompresi pada Gambar

Standar-standar pada teknik kompresi gambar adalah sebagai berikut:
1. GIF
Graphic Interchange Format (GIF, dibaca jiff ,tetapi kebanyakan orang menyebutnya
dengan giff ) yang dibuat oleh Compuserve pada tahun 1987 untuk menyimpan berbagai
gambar dengan format bitmap menjadi sebuah file yang mudah untuk diubah pada jaringan
koputer. GIF adalah file format graphic yang paling tua pada Web, dan begitu dekatnya file
format ini dengan web pada saat itu sehingga para Browser menggunakan format ini. GIF
mendukung sampai 8 bit pixel, itu berarti maksimum jumlah warnanya 256 warna (28 = 256
warna), 4-pass interlacing, transparency dan mengunakan varian dari algoritma kompresi
Lempel-Ziv Welch (LZW).
LZW adalah algoritma kompresi lossless, antara kompresi dan dekompresi waktunya
adalah symetric. LZW adalah repeated- string compressor, LZW menggunakan kamus data
(atau yang sering disebut dengan translation table atau string table) untuk merepresentasikan
agar data menjadi linier di dalam uncompressed input stream. Pertama kali suatu urutan
ditemukan kode yang berbeda maka kode tersebut dan ditambahkan kedalam kamus data.
Semua data yang ada dibandingkan dengan data masukan ,jika sama maka diwakilkan dengan
sebuah kode.

2. PNG
Portable Network Graphic (PNG, dibaca ping) format di rancang agar menjadi lebih
baik dengan format yang terdahulu yaitu GIF adan sudah dilegalkan. PNG di rancang untuk
algoritma losslessly untuk menyimpan sebuah bitmap image. PNG mempunyai persamaan
fitur dengan GIF salah satunya adalah (multiple images), meningkatkan sesuatu contohnya
(interlacing, kompresi) dan penambahan fitur-fitur yang terbaru (gamma storage, full alpha
channel, true color support, error detection ). Medukung untuk Web browser dimana dapat
dilakukan plug-ins pada web browser.
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 7

PNG menggunakan Metode kompresi Deflate. Deflate adalah kelanjutan versi dari
algoritma kompresi Lempel-Zi. Deflate, system kerjanya sama dengan algoritma LZW dan
melakukan scanning dengan cara garis horizontal, untuk lebih lanjut meningkatkan kompresi,
PNG prefilter data gambar menggunakan fungsi prediksi sebelum data gambar dikompresi.
PNG menggunakan empat buah fungsi prediksi, dua diantaranya digunakan untuk alamat
vertical patterns. Jadi PNG melakukan hal yang sama seperti GIF yaitu pada teknik kompresi
horizontal patern, tetapi PNGs filter selalu menemukan vertical patterns, menghasilkan
tambahan pada system kompresi.

3. JPEG
Joint Photograpic Experts (JPEG, dibaca jay-peg) di rancang untuk kompresi
beberapa full-color atau gray-scale dari suatu gambar yang asli, seperti pemandangan asli di
dunia ini. JPEGs bekerja dengan baik pada continous tone images seperi photographs atau
semua perkajaan seni yang mengininkan yang nyata; tetapi tidak terlalu bagus pada
ketajaman gambar dan seni pewarnaan seperti penulisan, kartun yang sederhana atau gambar
yang mengunakan banyak garis. JPEG sudah mendukung untuk 24-bit color depth atau sama
dengan 16,7 juta warna (224 = 16.777.216 warna).
JPEG adalah algoritma kompresi secara lossy. JPEG bekerja dengan merubah gambar
spasial dan merepresentasikan kedalam pemetaan frekuensi. Discrete Cosine Transform
(DCT) dengan memisahkan antara informasi frekuensi yang rendah dan tinggi dari sebuah
gambar. Informasi frekuensi yang tinggi akan diseleksi untuk dihilangkan yang terikat pada
penganturan kualitas yang digunakan. Waktu Kompresi dan dekompresi dilaksanakan dengan
simetris. JPEG Groups (IJG) decoder lebih ditingkatkan kemampuannya dibandingkan
dengan encodernya.

4. JPEG 2000
JPEG 2000 adalah teknik kompresi image yang paling terbaru. Jpeg 2000 merupakan
pengembangan dari Jpeg, yang jumlah bit error yang relatif rendah, rate distorsi, transmisi
dan mempunyai kualitas yang baik dibandingkan dengan Jpeg. Jpeg 2000 menerapkan teknik
kompresi lossy dan lossless. Dan penggunan ROI coding (Region of interest coding). JPEG
2000 didesain untuk internet, scanning, digital photografi, remote sensing, medical imegrey,
perpustakaan digital dan E-commerce.
Sejak tahun 80-an Internetional Telecomunication Union (ITU) dan International
Organization for Standardzation (ISO) telah melakukan kerjasama untuk membuat stadarisasi
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 8

untuk kompresi grayscale dan pewaranan gambar, yang dikenal dengan nama JPEG ( Joint
Photograpic Experts). Dengan sejalan perkembangan teknologi multimedia yang sangat cepat
yang memerlukan teknik kompresi dengan performa yang tinggi, maka pada maret 1997
dibuat suatu proyek standar baru teknik kompresi untuk gambar, yang dikenal dengan nama
JPEG 2000. Proyek ini membuat sistem pengkodean baru untuk beberapa jenis gambar yang
berbeda-beda (bi-level, greylevel, Colour, Multi component) dengan perbedaan karakteristik
(natural Images, scientific, medical, remote sensing, text, dan sebagainya).
Keuntungan menggunakan sistem kompresi JPEG 2000 adalah:

Dapat melakukan penilaian performa bitrate rendah sehingga dapat digunakan untuk
Network image processing dan Remote sensing.

Lossles dan Lossy kompresi: JPEG 2000 dapat melakukan tenik kompresi Lossy dan
Lossless tergantung pengunaan dan kapbilaitas bandwidth yang digunakan, bisanya tehik
lossless digunakan pada medical image yang selalu tidak mentoleransi adanya loss.

Transmisi yang progresif denga akurasi pixel dan resolusi: transmisi yang progresif
mengijinkan suatu gambar dapat recontruksi dengan peningkatan pixel yang akurat atau
spasial resolusi yang sangat penting untuk banyak apalikasi.

Region of Interest coding adalah tehnik penkodean baru yang ada pada JPEG 2000 ,
pengkodingan ini menkodekan dan mentrasmisikan dengan kualitas yang baik dan dan
sedikit distorsi.

Robustnes to bit-error didesign untuk code stream. aplikasi tersebut sangat penting
digunakan pada komunikasi wireless, yang melekukan koreksi kesalahan dan melakukan
bantuan apabila terjadi kesalahan dalam decoding.

Open architecture: JPEG 2000 dapat digunakan pad semua jenis arsitektur komputer yang
digunakan.

Protective image security dapat dilakukan dengan watermaking, labeling, stamping dan
encryption.

Bit-lave compression. Sistem pada JPEG2000 dapat melakukan kompresi dan dekompresi
image dengan variasi bit-level ( 1 bit sampai dengan 16 bit) dengan beberapa jenis warna
Perbedaan antara kualitas yang dihasilkan dari JPEG dengan JPEG2000 yang melakukan
rekontruksi ulang pada gambar.

3. KESIMPULAN
Pada dasarnya kompresi image dilakukan untuk mengharapkan adanya kualitas dari
sebuah gambar yang dapat di interprestasikan dengan baik oleh user, dimana dengan
Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 9

kapasitas file gambar yang kecil mendapatkan hasil gambar yang baik seperti gambar yang
aslinya. Dengan adanya kualitas gambar yang baik dengan kapasitas file gambar yang kecil
sehingga dalam pengiriman gambar pada web atau jaringan dengan kapasitas bandwidth yang
kecil dapat dilaksanakan dengan baik. Pembuatan fitur-fitur yang baru membuat para user
dapat memilih kualitas yang diinginkan dari sebuah gambar.

DAFTAR PUSTAKA
Ujianto, E.I.H., and Sri Hartati., (2010). Image Compression Overview. SNAST.
Yogyakarta, Indonesia.
http://lishutor.blogspot.com/2012/09/pemampatan-citra-image-compression.html
http://sholikahptik.blogspot.com/2012/09/pemampatan-citra-kompresi-citra.html
http://oricampus.blogspot.com/2012/04/kompresi-citra.html
http://febriyanto-febrilabont.blogspot.com/2010/10/kompresi-pada-gambar.html
http://v081-080010224.blogspot.com/2009/05/metode-kompresi-data.html
http://itahardianti.blog.widyatama.ac.id/2013/04/28/kompresi-data/

Hengraini Eka Putri (1102090) Pendidikan Teknik Elektronika

Page 10