KOMPRESI DATA AUDIO LOSSLESS DAN LOSSY
Kuncoro Triandono Mukti1 and Anggunmeka Luhur Prasasti2
Computer Engineering,
Telkom University
Bandung, Indonesia
1
kuncoroteem@gmail.com, 2 anggunmeka@gmail.com
Abstrak— Audio merupakan salah satu
data multimedia yang berkembang pesat,
terutama pada industri music yang semakin
maju membuat banyak sekali format audio yang
berukuran besar, seperti halnya data gambar
maupun video, data audio juga memerlukan
kompresi untuk isu storage dan keperluan
pengaksesan secara real time melalui jaringan
komputer. Ukuran audio yang lebih kecil akan
mengurangi delay time sehingga pengiriman data
akan lebih cepat. Pemampatan data umumnya
diterapkan pada mesin komputer, hal ini
dilakukan karena setiap simbol yang
dimunculkan pada komputer memiliki nilai bit-
bit yang berbeda. Pemampatan data digunakan
untuk mengurangkan jumlah bitbit yang
dihasilkan dari setiap simbol yang muncul.
Dengan pemampatan ini diharapkan dapat
mengurangi (memperkecil ukuran data) dalam
ruang penyimpanan. Mirip dengan kompresi
gambar, ada dua macam teknik kompresi data
pada audio, yaitu lossy dan lossless. Untuk
konsumsi sehari-hari, kompresi lossy lebih
banyak digunakan karena rasio kompresi yang
dihasilkan besar atau ukuran audio yang
dihasilkan sangat kecil. Makalah ini membahas
prinsip-prinsip dasar dalam kompresi data audio
dan membandingkan beberapa algoritma
kompresi data audio berdasarkan penelitian
terdahulu.
Keywords— Audio Compression,
Lossless, Lossy.
I. INTRODUCTION
Seperti teknik kompresi pada umumnya,
kompresi data audio, baik lossy maupun lossless,
memanfaatkan adanya redundansi informasi dengan
pengkodean, pengenalan pola, maupun prediksi
linear seperti pada kompresi video. Pada kompresi
lossless, hasil kompresi dapat dikembalikan seperti
data asli tanpa ada perubahan, maka rasio kompresi
pun tidak dapat terlalu besar untuk memastikan
semua data dapat dikembalikan ke bentuk semula.
Sedangkan Lossy compression adalah skema
kompresi yang bersifat menghilangkan beberapa
informasi yang ada pada data asli sehingga bila
dilakukan proses dekompresi maka data
keluarannya tidak akan persis sama dengan data asli.
Keduanya memanfaatkan keterbatasan indera
manusia yang hanya dapat menangkap (perceive)
kondisi lingkungannya dalam rentang tertentu,
berdasarkan frekuensi-nya suara dibagi menjadi 4
kelompok diantaranya pendengaran telinga manusia
yaitu antara 20 Hz hingga 20000 Hz.
Salah satu format audio yang cukup populer
adalah FLAC dan MP3. Dari segi kualitas, jelas
FLAC lebih baik dibandingkan dengan MP3 [15].
Namun, pada kenyataannya khususnya di Indonesia
sendiri masyarakatnya lebih banyak memilih untuk
mendengarkan format MP3 (MPEG-1 Audio Layer
3) dikarenakan ukuran nya yang kecil. Jika kita
bandingkan dengan format MP3, format FLAC ini
memang memerlukan ruang yang cukup besar. Jika
suatu data audio berkualitas CD Audio
menggunakan sampling rate 44,1 kHz, 16 bit per
sample, 2 kanal (stereo), maka total media
penyimpanan data audio per detik adalah sekitar
176.400 Byte sehingga untuk durasi 60 detik (1
menit) diperlukan 10,584 MB. Jika rata-rata durasi
dalam satu lagu sekitar 4 menit, maka dibutuhkan
tempat sekitar 42,336 MB untuk menyimpan 1 lagu
dimana 1 CD hanya dapat menyimpan kurang lebih
16 lagu.
Saat ini terdapat banyak algoritma kompresi,
antara lain Dynamic Markov Compression (DMC),
Run Length Encoding (RLE), Lempel Ziv Welch
(LZW), Arithmetic coding, Huffman Code, Rice
Code, Golomb Code, BW Transform, dan lain-lain.
Berdasarkan beberapa penelitian terdahulu
Algoritma Huffman lebih cepat dalam melakukan
kompresi, dan baik dalam kompresi audio, menurut
[11] Algoritma Huffman lebih baik, cepat, dan
menghasilkan PSNR yang tinggi dari Arithmetic
coding dalam melakukan kompresi. Dan menurut
[12] Hasil kompresi Huffman lebih baik
dibandingkan LZW dan DMC pada kasus file biner,
file multimedia, file gambar dan file hasil kompresi.
Pada makalah ini pertama akan dijelaskan
dasar teori dari kompresi lossless dan lossy,
selanjutnya algoritma yang dapat digunakan untuk
melakukan kompresi, lalu membandingkan hasil
penelitian yang telah dilakukan.
II. METHODS
Kompresi data adalah proses mengkodekan
informasi menggunakan bit atau information-
bearing unit yang lain yang lebih rendah daripada
representasi data yang tidak terkodekan dengan
suatu sistem enkoding tertentu, terdapat 2 teknik
kompresi yaitu Lossless dan Lossy. Berikut
merupakan penjelasan mengenai Lossless, Lossy
serta algoritma pengkompresian data audio.
2.1. LOSSLESS
Kompresi lossless pada data audio berarti
bahwa hasil kompresi dari data tersebut dapat di
dekompres untuk menghasilkan data yang sama
persis dengan data asli, tanpa ada penurunan kualitas
sama sekali. Kompresi lossless untuk data audio
agak mirip dengan algoritma kompresi lossless
generik, dengan rasio kompresi sekitar 50% hingga
60%, meskipun dapat mencapai 35% pada data
musik orkestra atau paduan suara yang tidak terlalu
banyak noise.
2.1.1. Kegunaan kompresi lossless
Kompresi lossless utamanya digunakan
untuk pengarsipan, dan penyuntingan. Untuk
keperluan pengarsipan, tentu kualitas yang
diinginkan adalah kualitas terbaik. Begitu juga
dengan penyuntingan. Menyunting data yang
terkompresi secara lossy menyebabkan turunnya
kualitas suara pada setiap penyimpanan. Maka
kompresi lossless selalu digunakan dalam sound
engineering. Selain kedua kegunaan itu, kompresi
lossless juga biasa digunakan oleh para audiophile,
yaitu penggemar musik yang senang mendengarkan
musik dengan kualitas tinggi dengan perangkat
keras yang berkualitas tinggi pula. Data audio yang
terkompresi secara lossless juga digunakan untuk
menghasilkan data audio versi lossy untuk
didistribusikan. Saat ini, dengan semakin murahnya
media penyimpanan data digital dan bandwidth,
kompresi lossless pun menjadi semakin populer di
kalangan konsumen.
2.1.2. Prinsip dasar kompresi lossless
Ada dua tahap utama dalam kompresi lossless
untuk data audio, yaitu prediction dan coding.
Prediction memanfaatkan sample-sample
sebelumnya untuk memprediksi sample berikutnya.
Kemudian selisih antara sample hasil prediksi
dengan sample sebenarnya dikodekan (coding).
Untuk setiap format, biasanya perbedaan hanya
terdapat pada teknik prediction dan/atau coding.
Beberapa format audio yang mendukung
kompresi lossless diantaranya Shorten, sedangkan
yang masih umum digunakan saat ini adalah Free
Lossless Audio Codec (FLAC), Apple Lossless,
MPEG-4 ALS, Monkey's Audio, WavPack, dan
True Audio. Setiap format memiliki langkah atau
tahap yang berbeda-beda pada pengkompresiannya
sebagai contoh pada makalah ini akan dijelaskan
proses kompresi pada format FLAC dan MPEG-4
ALS.
2.1.2.1. Audio kompresi pada FLAC
Format FLAC dikeluarkan oleh Xiph.Org
Foundation dengan memanfaatkan tingginya
korelasi antar sample pada data audio. FLAC
menggunakan prediksi linear untuk mengkonversi
sample menjadi deretan angka yang disebut residu,
yang kemudian disimpan dengan Golomb-Rice
coding. Rasio kompresi yang dihasilkan sebesar
40% sampai dengan 50%.
Proses kompresi dilakukan dengan beberapa
tahapan yaitu :
 Blocking, Blok dalam FLAC mengacu
pada deretan sample yang merentang pada
beberapa channel. Ukuran blok dapat
berbeda-beda, bergantung pada beberapa
faktor termasuk sample rate. Ukuran blok
ini mempengaruhi rasio kompresi secara
langsung. Jika ukuran blok terlalu kecil,
maka dibutuhkan banyak frame sehingga
 banyak bit akan terbuang untuk
menyimpan frame header. Jika terlalu
besar, karakteristik sinyal audio akan
terlalu bervariasi sehingga sulit
menemukan predictor yang optimal. FLAC
membatasi ukuran blok antara 16 hingga
65535 sample per blok.
 Interchannel Decorrelation, Untuk data
stereo, seringkali banyak korelasi antara
channel kiri dan kanan. Dengan demikian
terdapat beberapa metode penyimpanan
channel ke dalam blok sebagai berikut:
o Independent, kedua channel
dikodekan terpisah.
o Mid-side, menyimpan rata-rata sinyal
kedua channel sebagai mid channel
dan selisih antara channel kiri dengan
kanan sebagai side channel.
o Left-side, menyimpan channel kiri
dan side channel.
o Right-side, menyimpan channel
kanan dan side channel
Pada kasus tertentu Left dan Right
merupakan metode yang paling efisien
[15].
 Prediction, Selanjutnya encoder mencari
aproksimasi deskripsi matematis dari
sinyal pada setiap blok. Ukuran deskripsi
ini umumnya jauh lebih kecil daripada
ukuran sinyal itu sendiri. Metode prediksi
ini diketauhi oleh encoder maupun decoder
sehingga pada hasil kompresi cukup
disertakan parameter prediksi. Ada empat
metode yang digunakan FLAC untuk
prediction:
o Verbatim, Sinyal prediksi adalah nol,
sehingga residu sama dengan sinyal
yang sebenarnya (tidak ada
kompresi).
o Constant, Metode ini digunakan jika
dalam channel tertentu pada suatu
blok terdapat digital silence atau nilai
yang konstan. Encoding yang
digunakan adalah run-length.
o Fixed linear prediction
o FIR linear prediction
 Residual coding menggunakan Golomb-
Rice Coding, saat prediktor tidak dapat
mendeskripsikan sinyal dengan persis, oleh
karena itu perlu disimpan selisih antara
sinyal asli dengan sinyal hasil prediksi.
Selisih ini disebut residu. Efektivitas
prediksi dapat terlihat dari ukuran residu
yang dibutuhkan. Residu ini dismipan
dengan salah satu dari dua cara rice coding:
o menggunakan satu parameter untuk
seluruh residu. Parameter ini
didasarkan pada variansi nilai residu.
o Residu dibagi-bagi ke dalam beberapa
bagian kontigu dengan panjang yang
sama, dengan setiap bagian memiliki
parameter sendiri yang ditentukan
dari nilai rata-rata residu.
2.1.2.2. Audio kompresi pada MPEG-4 ALS
Operasi pada MPEG-4 Audio Lossless Coding
(Moving Pictures Expert Group) mirip dengan
FLAC. Perbedaannya antara lain untuk coding
residu, ALS menggunakan Golomb-Rice atau Block
Gilbert Moore Coding. MPEG-4 mendukung
kombinasi lossy dengan lossless pada MPEG-4 SLS
(Scalable to Lossless). Rasio Kompresi yang
dihasilkan sebesar 50% sampai dengan 60%.
Proses kompresi tidak terlalu berbeda dengan
FLAC hanya saja berbeda pada bagian Prediction
dan Residual Coding, berikut merupakan
tahapannya:
 Blocking
 Interchannel Decorrelation
o Independent
o Mid-side
o Left-side
o Right-side
 Prediction menggunakan Linear Predictive
Coding (LPC), LPC merupakan teknik
kompresi kuno yang digunakan untuk suara
manusia (speech). Pada LPC terdapat
sebuah model analitis dari pita suara
manusia. Data audio dibandingkan dengan
model ini, kemudian yang disimpan
hanyalah parameter untuk membangkitkan
suara yang mirip menggunakan model
tersebut. Kualitas suara yang dibangkitkan
buruk sehingga tidak digunakan lagi pada
saat ini.
 Residual coding menggunakan Block
Gilbert Moore Coding (BGMC), Pada
BGMC, residu dibagi lagi menjadi dua
kategori, yaitu yang berada di area tengah
dari distribusi dan yang berada di luar area
 tersebut. Residu yang berada di luar
kemudian dikurangi lagi dengan nilai
residu maksimum agar semua residu
berada di area tengah distribusi, kemudian
dikodekan dengan rice coding.
2.1.3. Algoritma kompresi lossless
 Huffman Code
 Golomb Code
 Rice Code
 Tunstall Code
 Arithmetics Code
 Dictionary Code
 Run-Length Code
 Burrows-Wheeler Transform
2.2. LOSSY
Teknik kompresi dimana data hasil dekompresi
tidak sama dengan data sebelum kompresi namun
sudah “cukup” untuk digunakan. Contoh: Mp3,
streaming media, JPEG, MPEG, dan WMA.
Kelebihan dari metode ini yaitu ukurannya yang
lebih kecil dibandingkan dengan Lossless. Pada
kompresi lossy untuk data audio akan terjadi
penurunan kualitas jika hasil kompresi dicoba untuk
di-dekompresi. Penurunan kualitas ini disebut
dengan compression artefacts.
2.2.1. Kegunaan kompresi lossy
Kompresi lossy pada data audio sangat banyak
digunakan, baik secara langsung (misalnya pada
mp3 player) maupun secara tidak langsung
(terkandung dalam DVD video, televisi digital,
video streaming, dan sebagainya). Kompresi ini
digunakan oleh para penikmat musik, sebab hasil
rasio kompresi yang sangat tinggi antara 0% sampai
dengan 100% dengan kualitas suara yang masih
“cukup” baik.
2.2.2. Prinsip dasar kompresi lossy
Utamanya, kompresi lossy pada data audio
memanfaatkan psikoakustik, yang berkaitan dengan
daya tangkap telinga manusia terhadap suara.
Telinga manusia hanya dapat menangkap suara
dengan frekuensi di antara 20Hz hingga 20000Hz.
Namun masih ada beberapa teknik dasar lainnya
dalam kompresi lossy untuk data audio, yaitu:
 Voc File Compression. Teknik ini sangat
sederhana, yaitu menghapus sample
sample yang hening (tidak ada suara)
seperti jeda antar paragraf pada sebuah
pidato ataupun keheningan sejenak pada
beberapa bagian dari lagu.
 Linear Predictive Coding (LPC), Code
Excited Linear Predictor (CELP).
 CELP merupakan pengembangan lebih
lanjut, dengan model analitis yang lebih
kompleks untuk menghasilkan rasio
kompresi yang lebih besar dan kualitas
suara yang lebih baik. Sedikit mirip dengan
kompresi lossless, pada CELP selisih
antara suara original dengan model analitis
juga disimpan dalam bentuk yang
terkompresi juga.
 ADPCM. Sederhananya, sample pertama
disimpan secara utuh, sedangkan untuk
sample-sample berikutnya, yang disimpan
adalah selisih dengan sample sebelumnya,
yang umumnya tidak terlalu besar.
 MPEG. Teknik inilah yang memanfaatkan
teori psikoakustik. Jika suara tidak dapat
didengar telinga manusia, maka bagian
suara tersebut tidak perlu dikodekan. Selain
itu, yang masih berhubungan dengan
psikoakustik adalah noise shaping. Sinyal
dengan frekuensi tinggi hanya dapat
didengar manusia jika memiliki volume
yang besar, oleh karena itu noise
'disembunyikan' di area frekuensi tinggi ini
dengan volume kecil.
Beberapa format audio yang mendukung
kompresi lossy diantaranya format yang sangat
populer adalah MP3 yang merupakan bagian dari
MPEG yang menangani layer audio (MPEG layer
III), AAC yang merupakan pengembangan lebih
lanjut, serta OGG. Untuk data speech, terdapat
beberapa format seperti A-law/µ-law yang
digunakan pada telepon, AMR pada GSM, AMR
WB untuk CDMA, dan sebagainya.
2.1.3. Algoritma kompresi lossy
 Skalar Quantization
 Vector Quantization
 III. RESULTS AND DISCUSSION

Tabel 1. Perbandingan Hasil Kompresi Audio Lossless dan Lossy

Format Compression Results

No Algorithm Type
(%)
Source Results
*.aac *.aac 3%
*.flac *.flac 1%
[1] Huffman Lossless *.midi *.midi 1% - 35%
*.mp3 *.mp3 1% - 3%
*.wav *.wav 10% - 27%
Huffman
[2] Lossy *.flac *.mp3 90% - 95%
Shift Coding
*.mp3 *.mp3 1%
[3] Huffman Lossless *.wav *.wav 17%
*.wma *.wma 2%
[4] Huffman Lossless *.wav *.wav 20% - 40%

*.mp3 *.mp3 2.4%

[5] Arithmethic Lossy
*.wav *.wav 11%
*.aif *.aic 18.443%
*.au *.aic 27.589%
[6] Arithmethic Lossy
*.mid *.aic 31.819%
*.wav *.aic 36.741%
Huffman - - 40.56%
[7] Lempel-Ziv Welch Lossless
- - 51.47%
(LZW)
Run Length *.mp3 *.mp3 0.46 %
[8] Lossless
Encoding (RLE) *.wav *.wav 13.83 %
Lempel-Ziv Welch
[9] Lossless *.mp3 *.wav 3.73% - 29,56%
(LZW)
Huffman Shift
[10] Lossless *.wav *.wav 14,87%
Coding

Pada penelitian [1], pengujian dilakukan

proses kompresi dan dekompresi pada 30 data
sampel untuk melihat hasil rasio dan waktu dapat
dilihat pada tabel 2, setelah dilakukan pengujian
didapatkan kesimpulan jika rasio kompresi tertinggi
hingga terendah pada format data uji dapat diurutkan
sebagai berikut midi, wav, mp3, aac, flac.

Berbeda dengan penelitian [1], [3], [4], [7] yang

hanya menggunakan algoritma Huffman, pada
penelitian [2] digunakan al qgoritma Huffman Shift
Coding, dengan tujuan untuk melakukan kompresi
lossy didapatkan hasil yang sangat memuaskan
dengan rasio kompresi mencapai 90% dapat dilihat
pada tabel 3.
 Tabel 3. Hasil uji coba kompresi Huffman shift
Coding
Lalu pada penelitian [5], [6] menggunakan
Arithmethic Coding untuk melakukan kompresi
Lossy hanya mendapatkan rasio kompresi tertinggi
sebesar 31.819% pada format *.wav. sedangkan
pada penelitian [7], [9] algoritma yang digunakan
yaitu Lempel-Ziv Welch (LZW) dengan kompresi
lossless. Didapatkan hasil rasio kompresi tertinggi
51.47%. dan dari semua algoritma yang diajukan
dibandingkan dengan Run Length Encoding (RLE)
pada penelitian [8] hanya mendapatkan rasio
kompresi 0.46% saja.
IV. CONCLUSSION
Dari beberapa penelitian terdahulu yang telah
dilakukan dapat diambil kesimpulan jika saat ini
algoritma yang paling sering digunakan yaitu
Huffman Coding pada kompresi Lossless, dengan
majunya teknologi penyimpanan data saat ini
berbagai kompresi lossless mulai dikembangkan
dikarenakan harga penyimpanan yang dapat
dibilang sudah mulai relatif murah dan demi
mendapatkan kenyamanan saat mendengarkan
musik.
Dari berbagai format yang dijadikan objek
pengujian didapatkan kesimpulan jika format *.wav
merupakan format yang memiliki hasil kompresi
terbaik dibandingkan dengan format lainnya.
Jika dikelompokan berdasarkan jenis dan
algoritmanya, kompresi Lossless paling cocok
menggunakan Lempel-Ziv Welch (LZW) yang telah
dibuktikan oleh penelitian [7], sedangkan Lossy
menggunakan algoritma Huffman Shift Coding
yang mencapai rasio kompresi lebih dari 90% [7].
V. REFERENCE
[1] Rendra Warsita, Rahmat Agus Setiawan,
Yoannita. 2015, Rancang Bangun Aplikasi
Kompresi Audio Berbasis Android
Menggunakan Algoritma Huffman.
[2] Luthfi Firmansyah. 2016. Data Audio
Compression Lossless FLAC Format to
Lossy Audio MP3 format with Huffman
Shift Coding Algorithm. 2016 Fourth
International Conference on Information
and Communication Technologies
(ICoICT)
[3] Ari Wibowo. 2007, Kompresi Data
menggunakan Algoritma Huffman. Batam.
[4] Hari Purwanto. 2015, Penerapan
Algoritma Huffman pada Kompresi file
WAV. JURNAL VOL.2, No.2-40-59
Universitas Suryadarma.
[5] Uswatun Hasanah, IMPLEMENTASI
ALGORITMA ARITHMETIC CODING
PADA KOMPRESI FILE AUDIO VIA
FTP ( FILE TRANSFER PROTOCOL ).
Skripsi 2017.
[6] Yahya Fathoni Amri, 2012. Analisis
Kinerja Kompresi File audio
menggunakan Algoritma Arithmethic
Coding dengan bilangan integer.
[7] Rhen Anjerome Bedruz, Ana Riza F.
Quiros, 2015. Comparison of Huffman
Algorithm and Lempel-Ziv Algorithm for
Audio, Image and Text Compression. 8th
IEEE International Conference
Humanoid, Nanotechnology, Information
Technology Communication and Control,
Environment and Management
(HNICEM)
[8] Aditya Rahandi, Dian rachmawati, Sajadin
Sembiring, 2012. Analisis dan
Implementasi Kompresi File Audio
Dengan Menggunakan Algoritma Run
Length Encoding (RLE). Jurnal Online
Program Studi S1Ilmu Komputer, Vol 1,
No 1 (2012).
[9] Erwin Dwika Putra, Dedy Abdullah. 2016.
Analisis Perbandingan Kompresi Gambar
(*.bmp) dan Audio (*.wav) Menggunakan
Algoritma Lempel Ziv Welch (LZW),
Bengkulu. Amplifier Vol. 6 No. 2, Mei
2016
[10] Prasetyo, Galang Bagus, (2013) Kompresi
File Audio Wave Menggunakan Algoritma
Huffman Shift Coding. Sarjana thesis,
Universitas Brawijaya.

[11] Venkatasekhar D., Aruna P 2012, A Fast

Fractal Image Compression Using
Huffman Coding. Dept of Computer
Science & Engg., Annamalai University,
Annamalai Nagar, India.

[12] Sutoyo T. 2009, Teori Pengolahan Citra

Digital. Andi, Yogyakarta.

[13] Daryanto, T. (2005). Sistem Multimedia

dan Aplikasinya. Yogyakarta: Graha Ilmu.

[14] Benjamin, A. (2010). Music Compression

Algorithms and Why You Should Care.
Alexander Benjamin.

[15] Satrio Adi Rukmono.2009, Kompresi

Data Audio. Bandung