Skripsi Studi Perbandingan Kompresi DCT Dan DWT PDF

STUDI PERBANDINGAN KOMPRESI
MENGGUNAKAN METODE
DESCRETE COSINE TRANSFORM (DCT)
DAN DESCRETE WAVELET TRANSFORM (DWT)
PADA CITRA DIGITAL
SKRIPSI
Oleh
SHOFIYAH
NIM. 05550008
JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
MAULANA MALIK IBRAHIM MALANG
2010
MENGGUNAKAN METODE
PADA CITRA DIGITAL
SKRIPSI
Diajukan Kepada:
Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Maulana Malik Ibrahim Malang
untuk Memenuhi Salah Satu Persyaratan dalam
Memperoleh Gelar Sarjana Komputer (S.Kom)
Oleh
SHOFIYAH
NIM. 05550008
JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
MAULANA MALIK IBRAHIM MALANG
2010
MENGGUNAKAN METODE
PADA CITRA DIGITAL
Oleh
SHOFIYAH
NIM. 05550008
Telah Disetujui untuk Diuji

Malang, 26 Juli 2010
Dosen Pembimbing I, Dosen Pembimbing II,
Ririen Kusumawati, M. Kom. Zainal Abidin, M.Kom

NIP. 197203092005012002 NIP. 197606132005011001
Mengetahui,
Ketua Jurusan Teknik Informatika
Ririen Kusumawati, M. Kom.

NIP. 197203092005012002
LEMBAR PENGESAHAN

MENGGUNAKAN METODE
PADA CITRA DIGITAL
SKRIPSI
Oleh:
SHOFIYAH
NIM. 05550008
Diajukan Kepada:
Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Maulana Malik Ibrahim Malang
untuk Memenuhi Salah Satu Persyaratan dalam
Memperoleh Gelar Sarjana Komputer (S.Kom)
Tanggal: 26 Juli 2010
Susunan Dewan Penguji: Tanda Tangan

1. Penguji Utama : M. Ainul Yaqin, M.Kom ( )
NIP. 197610132006041004
2. Ketua : Syahiduz Zaman, M.Kom ( )

NIP. 197005022005011005
3. Sekretaris : Ririen Kusumawati, M. Kom ( )

NIP. 197203092005012002
4. Anggota : Zainal Abidin, M.Kom ( )

NIP. 197606132005011001
Mengetahui dan Mengesahkan,

Ketua Jurusan Teknik informatika
Ririen Kusumawati, M. Kom.

NIP. 197203092005012002
LEMBAR PERNYATAAN
Saya yang bertanda tangan dibawah ini :
Nama : Shofiyah
NIM : 05550008
Jurusan : Teknik Informatika
Judul Skripsi : STUDI PERBANDINGAN KOMPRESI MENGGUNAKAN
METODE DCTDAN DWTPADA CITRA DIGITAL.
Dengan ini menyatakan bahwa :
1. Isi dari skripsi yang saya buat adalah benar-benar karya sendiri dan tidak
menjiplak karya orang lain, selain nama-nama termaktub di isi dan tertulis
di daftar pustaka dalam skripsi ini.
2. Apabila di kemudian hari ternyata skripsi saya tulis terbukti hasil jiplakan,
maka saya akan bersedia menanggung segala resiko yang akan saya terima.
Demikian pernyataan ini dibuat dengan segala kesadaran.
Malang, 26 Juli 2010

Yang menyatakan,
Shofiyah
NIM. 05550008
Lembar Persembahan
Yang utama dari segalanya...

Sembah sujud serta syukur kepada Allah SWT. Taburan cinta kasih dan sayang-Mu telah
memberikanku kekuatan, membekaliku dengan ilmu serta memperkenalkanku dengan
cinta. Atas Karunia serta kemudahan yang Engkau berikan akhirnya skripsi yang
sederhana ini dapat terselesaikan. Sholawat dan salam selalu terlimpahkan keharibaan
Rasulullah Muhammad SAW.
Kupersembahkan karya sederhana ini kepada orang yang sangat kukasihi dan kusayangi.
Umi’q
Sebagai tanda bakti, hormat, pengorbanan, dan rasa terima kasih yang tiada terhingga q
haturkan kepada Umi’ yang telah memberikan kasih sayang , segala dukungan, dan
cinta kasih yang tiada terhingga yang tiada mungkin dapat q balas hanya dengan
selembar kertas yang bertuliskan kata cinta dan persembahan.
dan
Semoga ini langkah awal untuk membuat umi’ bahagia karna q sadar, selama ini q
belum bisa berbuat yang lebih. Untuk umi’q yang selalu membuatku menjadi sosok yang
kuat mejalani hidup, untuk umi’q yang selalu membuat ku termotivasi, untuk umi’q yang
selalu menjadi inspirasiku, untuk umi’q yang selalu menyirami kasih dan menjadi
persinggahanku saat suka ataupun dukaku. ”Semoga Allah Selalu Menjaganya dan
memberikan kekuatan untuknya”.
Keluarga Besarq
Yang memiliki rasa kasih dan sayang yang begitu besar untuk mbah wedok (almarhuma)
dan mbah lanang yang telah membesarkan q....,Kel. Pakde Satumar, Kel. Bu’de Saodah,
Kel. Paman Jumal, Kel. Paman Juli, Kel. Cak Mat.
My Roommate aT Ibnu Sina 10

Ika (makasih dagh mau jadi tempat keluh kesahq), B’kang (q kangen dijaraki lho…..!!!),
Sano (q belajar banyak hal dari kamu….maksih ya!!!), Nelly (Ambil hikma dari
permasalahan yang telah terjadi,), Ristin (Ma’af sering tak godain...).
Sahabatq Kontrakan Ss 5A
Oya’ (Makasih q dianterin riwa-riwi dan betah sekamar ma q…oya’ is the best
poko’e.!!), ika (Kangen dinasehati q...), Linda (Ayo dulinan setan-setanan ..), Saprol
(Ma’af ya ..q kalo ngomong kasar,karna q peduli ma kamu !!),Iwax (Makasih…jadi
kenal Ayank deh q) Risa (nyebelin tapi ngangenin), Sano (Ayo ke kampung inggris
lagi...), Gembos (g kangen dimarahi mbak ma’ ta??)Ka’ Nieta, Anis, Idunk, Chandra,
(Ayo... kapan ngumpul-ngumpul... kangen q!!!), Uniel n Rokhme (Ma’af q sering ngutang
pulsa...), Tika (q kangen masakane lho...!!) Luluk (kamu lucu banget.)
My heroes
Mas Alpi (Makasih telah meluangkan waktu dan mau tak repoti teru, semoga Allah
membalas dengan kebaikan yang lebih),Ayangq (Makasih...yang selalu memberiq
semangat) Agoeng (Makasih ...di kenalkan ma p.Ali,..), Pusy (makasih...dikenalin ma bu
Rini), Cu’uz (Makasih ..nganterin q konsultasi ke p.jay...jadi ikut-ikutan konsultasi deh..),
Hanik (Makasih...di kenalkan dengan p.Fah), Mh (Makasih....memberiq pengetahuan
yang lain, semoga Allah membalas dengan kebaikan yang lebih), Ali (Makasih...yang
dulu-dulu yach)
The Best Person

Boo n Sinyo (Ayo marekno skripsine...jo pacaran ae...n makasih dipinjemi leptop), Riesna
(Kangen ngecemese q….), Presto (ayo semangat….lulus dulu baru nikah!), Susi (Ayo
lulus disek…jo ngajar ae), Faiz (semangat!!!…pasti ada jalan), Miggers Pasuruan
“Saturiean, b4nditz_st,wong_g0kil, I_vira_cut3, t4l1_p0c0ng, giant_ciek ”
monogami_desersi dan pingin (Makasih jadi teman baikq dalam dunia maya…dan
semoga juga di dunia nyata)
MOTTO
” Berjuang untuk mendapatkan sesuatu bukan menunggu untuk

mendapatkannya”
”Jadikanlah sabar dan sholat sebagai penolongmu. Dan sesungguhnya yang

demikian itu sungguh berat, kecuali bagi orang-orang
orang orang yang khusu’ yaitu orang
orang-
orang yang mengetahui bahwa mereka akan menemui Tuhannya dan bahwa
mereka akan kembali kepada
kepada-Nya.”
(Qs. Al-Baqarah : 45-46)
8
KATA PENGANTAR
Maha Suci Allah, atas kasih sayang dan karunia-Nya sehingga peneliti bisa
menyelesaikan skripsi berjudul :

MENGGUNAKAN METODE DESCRETE COSINE TRANSFORM (DCT)
DAN DESCRETE WAVELET TRANSFORM (DWT) PADA CITRA
DIGITAL
Peneliti berkeyakinan bahwa pengerjaan skripsi ini tak lepas dari bantuan
berbagai pihak. Pada kesempatan ini peneliti menyampaikan terima kasih kepada
semua pihak, khususnya pada :
1. Prof. Dr. Imam Suprayogo, selaku Rektor Universitas Islam Negeri (UIN)
Maulana Malik Ibrahim Malang
2. Prof. Dr. Sutiman Bambang Sumitro, S.U., D. Sc selaku Dekan Fakultas
Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Ibrahim Malang.
3. Ririen Kusumawati, M.Kom selaku dosen pembimbing dan kajur yang telah
memotivasi, membantu dan memberikan peneliti arahan yang baik dan benar
dalam menyelesaikan penelitian skripsi ini .
4. Zainal Abidin, M.Kom selaku dosen pembimbing agama yang bersedia
meluangkan waktu untuk memberikan masukan dan arahan terhadap
permasalahan integrasi dalam skripsi ini

5. Suhartono, M.Kom selaku dosen wali yang telah memberi masukan dan
arahan terhadap kartu rencana studi setiap semester, sehingga peneliti dapat
menyelesaikan kuliah pada tahap skripsi.
6. Segenap staf dan dosen pengajar Teknik Informatika (UIN) Maulana Malik
Ibrahim Malang.
Peneliti menyadari sepenuhnya bahwa sebagai manusia biasa tentunya tidak
luput dari kekurangan dan keterbatasan. Maka dengan segenap kerendahan hati,
peneliti mengharapkan saran dan kritik yang dapat menyempurnakan penelitian
ini sehingga dapat bermanfaat dan berguna untuk pengembangan ilmu
pengetahuan.
Malang, Juli 2010
Peneliti
DAFTAR ISI
HALAMAN JUDUL ..................................................................................................i

LEMBAR PENGAJUAN...........................................................................................ii
LEMBAR PERSETUJUAN ......................................................................................iii
LEMBAR PENGESAHAN ........................................................................................iv
LEMBAR PERNYATAAN .......................................................................................v
PERSEMBAHAN ......................................................................................................vi
MOTTO .....................................................................................................................viii
KATA PENGANTAR ................................................................................................ix
DAFTAR ISI ..............................................................................................................xi
DAFTAR GAMBAR..................................................................................................xiv
DAFTAR TABEL ......................................................................................................xv
DAFTAR ABSTRAK.................................................................................................xvi
BAB I PENDAHULUAN
1.1 Latar Belakang ......................................................................................................1

1.2 Rumusan Masalah .................................................................................................2
1.3 Batasan Masalah ...................................................................................................2
1.4 Tujuan ..................................................................................................................4
1.5 Metode Penelitian ..................................................................................................4
1.6 Sistematika Penelitian ...........................................................................................5
BAB II TINJAUAN PUSTAKA
2.1 Definisi Kompresi .................................................................................................7

2.2 Teknik Kompresi ..................................................................................................9
2.3 Hal-hal Penting dalam Kompresi Citra ..................................................................10
2.4 Kompresi Bersifat Lossy .......................................................................................11
2.4.1 1-D DCT .....................................................................................................12
2.4.2 2-D DCT ......................................................................................................13
2.4.3 Kuantisasi.....................................................................................................17
2.5 Kompresi Bersifat Loseless ...................................................................................20
2.5.1 DWT ............................................................................................................20
2.5.2 Huffman .......................................................................................................30
2.5.3 RLE..............................................................................................................33
2.6 Citra Digital ..........................................................................................................34
2.6.1 Matriks Bitmap.............................................................................................35
2.6.2 Pixel .............................................................................................................37
2.6.3 Dimensi dan Resolusi ...................................................................................39
2.6.4 Citra Grayscale ............................................................................................39
BAB III DESAIN DAN IMPLEMENTASI
3.1 Deskripsi Sistem ...................................................................................................41

3.2 Desain Sistem .......................................................................................................42
3.3 Desain Data...........................................................................................................43
3.3.1. Data Masukan.............................................................................................43
3.3.2. Data Selama Proses ....................................................................................44
3.3.3. Data Keluaran.............................................................................................44
3.3 Desain Proses ........................................................................................................45
3.3.1. Proses metode DCT keseluruhan ................................................................45
3.3.2. Proses Perhitungan Metode DCT ................................................................46
3.3.3. Proses Perhitungan Matriks Transform .......................................................47
3.3.4. Proses Perhitungan Matriks Transpose........................................................48
3.3.5. Proses Perhitungan Nilai Koefisien DCT ....................................................50
3.3.6. Proses Perhitungan Nilai Koefisien DWT ...................................................51
3.3.7. Proses Perhitungan Matriks High-pas Filter ................................................52
3.3.8. Proses Perhitungan Nilai Koefisien LL .......................................................53
3.3.9. Proses Perhitungan Nilai Koefisien LH.......................................................54
3.3.10.Proses Perhitungan Nilai Koefisien HL.......................................................55
3.3.11.Proses Perhitungan Nilai Koefisien HH ......................................................56
3.4 Implementasi.........................................................................................................57
3.4.1. Proses Perhitungan Koefisien DCT..............................................................57
3.4.2. Proses Perhitungan Koefisien IDCT ............................................................58
3.4.3. Proses Perhitungan Koefisien DWT.............................................................59
BAB IV HASIL DAN PEMBAHASAN
4.1 Lingkungan Uji Coba ..............................................................................................61

4.1.1. Ruang lingkup Perangkat Keras ....................................................................61
4.1.2. Ruang Lingkup Perangkat Lunak ..................................................................61
4.1.3. Desain Interface............................................................................................62
4.2 Data Uji Coba .......................................................................................................66
4.3 Hasil Uji Coba .......................................................................................................67
4.3.1. Contoh Perhitungan Metode Discrete Cosine Transform (DCT) ................... 67
4.3.2. Contoh Perhitungan metode Discrete Wavelet Transform (DWT)................. 83
4.3.3. Data Hasil Uji Coba ......................................................................................95
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan ............................................................................................................99

5.2 Saran......................................................................................................................100
DAFTAR PUSTAKA .................................................................................................101

DAFTAR GAMBAR
Gambar 2.1 :Delapan basis vektor untuk DCT dengan n = 8....................... 12

Gambar 2.2 :64 basis fungsi dari 2-D DCT matriks 8 x 8 ........................... 14
Gambar 2.3 :Diagram encoding berbasis DCT. .......................................... 16
Gambar 2.4 :Persiapan kuantisasi koefisien DCT bagi prosedur entropy
encoding. (i) Pengkodean beda nilai koefisien DC, dan (ii)
Pengurutan zig-zag. ............................................................... 16
Gambar 2.5 :Diagram decoding berbasis DCT ...................................................... 17
Gambar 2.6 :Transformasi Wavelet dua dimensi......................................... 21
Gambar 2.7 :EBCOT pada Code Block yang diuraikan menjadi Bitplane ... 24
Gambar 2.8 :Pola perhitungan koefisien bit dalam Code block ................... 24
Gambar 2.9 :Skema EBCOT Tier 1 ............................................................ 25
Gambar 2.10 :Perhitungan context vector ..................................................... 25
Gambar 2.11 :Skema entropy coding ........................................................... 26
Gambar 2.12 :Pembagian interval pada MQ-Coder ...................................... 27
Gambar 2.13 :Organisasi code stream .......................................................... 29
Gambar 2.14 :Pembentukan pohon Hufman ................................................. 31
Gambar 2.15 :Representasi citra digital ........................................................ 35
Gambar 2.16 :Bitmap dengan nilai matriksnya ............................................. 36
Gambar 2.17 :Perbedaan ketepatan warna bitmap ........................................ 37
Gambar 2.18 :Perbedaan letak titik origin pada citra .................................... 38
Gambar 3.1 :Diagram alir sistem kompresi keseluruhan ............................. 42
Gambar 3.2 :Diagram alir proses kompresi keseluruhan ............................. 45
Gambar 3.3 :Diagram alir metode DCTkeseluruhan ................................... 46
Gambar 3.4 :Diagram alir koefisien DCT ................................................... 47
Gambar 3.5 :Diagram alir nilai matriks transform ..................................... 48
Gambar 3.6 :Diagram alir nilai matriks transpose ....................................... 49
Gambar 3.7 :Diagram alir nilai koefisien IDCT .......................................... 50
Gambar 3.8 :Diagram alir nilai koefisien DWT .......................................... 52
Gambar 3.9 :Diagram alir nilai matriks High-pas filter ............................... 53
Gambar 3.10 :Diagram alir nilai koefisien LL .............................................. 54
Gambar 3.11 :Diagram alir nilai koefisien LH .............................................. 55
Gambar 3.12 :Diagram alir nilai koefisien HL.............................................. 56
Gambar 3.13 :Diagram alir nilai koefisien HH ............................................. 57
Gambar 4.1 :Tampilan program kompresi .................................................. 62
Gambar 4.2 :Tampilan program kompresi menggunakan metode DCT....... 64
Gambar 4.3 :Tampilan program kompresi menggunakan metode DWT...... 65
Gambar 4.4 :Data yang digunakan dalam uji coba ...................................... 66
Gambar 4.5 :Data hasil uji coba ................................................................. 95
DAFTAR TABEL
Tabel 3.1 : Data citra inputan system ........................................................... 43

Tabel 4.1 : Hasil uji coba koefisien DCT dan DWT ..................................... 96
Tabel 4.1 : Hasil uji coba kompresi menggunakan metode DCT................... 97
Tabel 4.1 : Hasil uji coba kompresi menggunakan metode DWT ................. 98
ABSTRAK
Shofiyah. 2010. Studi Perbandingan Kompresi Menggunakan Metode

DCTdan DWTpada Citra Digital. Skripsi, Jurusan Teknik
Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri
(UIN) Maulana Malik Ibrahim Malang. Ririen Kusumawati, M. Kom
Kata Kunci : Discrete Cosine Transform, Discrete Wavelet Transform, bitmap,

koefisien, Lossy, Loseless.
Kompresi citra digital merupakan upaya untuk melakukan transformasi

terhadap data atau simbol penyusun citra digital menjadi data atau simbol lain,
tanpa menimbulkan perubahan yang signifikan atas citra digital tersebut bagi mata
manusia yang mengamatinya. Kompresi harus dilakukan secara efektif, sehingga
citra digital yang dihasilkan setelah proses kompresi mempunyai ukuran yang
lebih kecil dibandingkan sebelum proses kompresi.
Dalam penelitian ini dilakukan dilakukan proses kompresi menggunakan
dua metode yaitu DCT dan DWT pada citra digital yang dibatasi pada gambar
bitmap, dan tujuannya yaitu untuk membandingkan nilai koefisien dan prosentase
tingkat kompresi. Proses kompresi mengunakan metode DCT menghasilkan nilai
koefisien Dc dan Ac, dan proses kompresi menggunakan metode DWT
menghasilkan empat nilai kuadran koefisien yaitu Low-low filter (LL), High-low
filter (HL), Low-hig filter (HL) dan High-high filter (HH), dan rasio prosentase
kompresi menggunakan metode DCT nilainya lebih kecil dari pada menggunakan
metode DWT, karena metode DWT bersifat loseless sedangkan metode DCT
bersifat lossy
BAB I
PENDAHULUAN
1.1 Latar Belakang
Berkaitan dengan pencitraan maka manusia adalah citra terbaik yang telah
diciptakan oleh Allah swt. Hal ini sebagaimana dinyatakan oleh Allah swt di
dalam Al Qur’anNya pada Surah At

At-Tiin Ayat 4, sebagaimana berikut:
Artinya: Sesungguhnya Kami telah menciptakan manusia dalam bentuk yang

sebaik-baiknya.
baiknya. (QS. At-Tin: 4)
Imam Muslim meriwayatkan hadits yang artinya “Sesungguhnya Allah
Maha Indah dan mencintai keindahan” (Ahmad Umar, 2004:185). Disebutkan
dalam ayat al-Qur’an

Qur’an bahwa manusia diciptakan dari citra Yang Maha Mencipta,
yaitu Allah swt. Jika dirujukkan lebih dalam pada hadits seperti disebutk
disebutkan di
atas, Allah Maha indah, tentunya ciptaan-Nya

ciptaan Nya pun adalah kreasi yang sangat
indah. Atas keindahan

keindahan-Nya
Nya itulah, Allah juga menyukai keindahan, dengan
pengertian lain adalah keindahan di atas bentuk yang sebaik-baiknya.

sebaik
Misalkan foto atau gambar lainnya, bagi sebagian orang adalah kenangan
yang membawa beribu makna. Seperti disebutkan dalam sebuah kata bijak, satu
kata hanya berarti satu kata tetapi sebuah gambar mewakili beribu makna. Meski
saat sekarang, posisi gambar telah digeser oleh gambar bergerak seperti video,
hanya saja penggunaan gambar sebagai media penyimpan sebuah peristiwa tetap
berada pada posisi yang strategis.
Berbagai teknologi pengolahan citra digital telah banyak berkembang,
salah satunya teknologi kompresi. Teknik pengompresian citra digital semakin
berkembang, seiring dengan dibutuhkannya kemampuan melakukan kompresi
dengan performansi tinggi untuk diterapkan pada berbagai bidang. Kompresi citra
digital merupakan upaya untuk melakukan transformasi terhadap data atau simbol
penyusun citra digital menjadi data atau simbol lain, tanpa menimbulkan
perubahan yang signifikan atas citra digital tersebut bagi mata manusia yang
mengamatinya. Kompresi harus dilakukan secara efektif, sehingga citra digital
yang dihasilkan setelah proses kompresi mempunyai ukuran yang lebih kecil
dibandingkan sebelum proses kompresi.
Dalam bidang teknologi informasi, komunikasi data sering dilakukan.
Komunikasi data ini berhubungan erat dengan pengiriman data menggunakan
sistem transmisi elektronik dari satu terminal komputer ke terminal komputer
yang lain. Besarnya ukuran data terkadang menjadi kendala dalam proses
pengiriman. Data dengan ukuran besar akan memakan waktu transfer yang lebih
lama dibandingkan dengan data yang memiliki ukuran lebih kecil, terkadang ada
resiko tidak dapat tertampung pada media penyimpanan dan tidak
tersampaikannya, sehingga akan memperkecil kapasitas kosong dalam memori
media penyimpanan. Oleh karena itu, manusia selalu berusaha untuk menemukan
suatu cara alterntif untuk menangani permasalahan tersebut, salah satunya dengan
cara kompresi.
Salah satu kegunaan kompresi adalah untuk memperkecil kapasitas kosong
dalam memori media penyimpanan, agar tidak terlalu boros menggunakan media
penyimpanan tersebut. Kompresi data berarti suatu teknik untuk memampatkan
data agar diperoleh data dengan ukuran yang lebih kecil daripada ukuran aslinya
sehingga lebih efisien dalam menyimpannya serta mempersingkat waktu
pertukaran data tersebut.
Dua metode yang digunakan dalam penelitian ini adalah DCT dan DWT.
kedua metode ini yaitu mentransformasi data dari tempat spatial (spatial domain)
ke tempat frekuensi (frequency domain). DCT bersifat lossy dan DWT loseless,
dicari metode terbaik dalam melakukan proses kompresi terhadap citra bmp.
Maka berdasarkan latar belakang yang telah dikemukakan di atas, judul
yang diambil dalam skripsi ini adalah “Studi Perbandingan Kompresi
Menggunakan Metode Discrete Cosine Transform (DCT) Dan Discrete
Wavelet Transform (DWT) Pada Citra Digital”.
1.2 Rumusan Masalah
Rumusan masalah dari skripsi ini adalah:
Bagaimana melakukan perbandingan kompresi menggunakan metode
DCT dan DWT pada citra digital.
1.3 Batasan Masalah
Batasan masalah pada skripsi ini antara lain:
1. Menggunakan gambar berformat bitmap
2. Menggunakan bahasa pemrograman Delphi

1.4 Tujuan Penelitian
Tujuan dari penelitian ini antara lain:
1. Membandingkan rasio kompresi menggunakan metode DCT dan DWT.
2. Mencari nilai koefisien dari metode DCT dan DWT
3. Mencari metode terbaik untuk melakukan kompresi.
1.5 Metode Penelitian
Dalam mengembangkan aplikasi ini digunakan metode yang digunakan
adalah:
1. Fase Analisis
a. Studi pustaka yaitu mempelajari dan memahami landasan teori yang
terkait dengan masalah yang akan dibahas, serta konsultasi bimbingan
dengan dosen pembimbing dan dosen lainnya.
b. Konsultasi dan bimbingan, yaitu setelah mempelajari teori berdasarkan
literatur lalu juga konsultasi dengan dosen pembimbing dan dosen
lainnya.
2. Fase Pembuatan Program
Eksperimental yaitu berksperimen membuat program, berdasarkan
materi dan algoritma yang telah dipelajari. Fase ini dilakukan secara
otodidak (belajar sendiri). Baik itu coding programnya maupun layout
program.
2. Fase Uji Coba Program
Dari fase uji coba ini didapat beberapa level untuk proses
pengujian diantaranya:
a. Uji metode yaitu menguji apakah program yang telah di bangun sesuai
dengan metode DCT dan DWT, Dan membandingkan hasilnya
b. Uji kompresi yaitu menguji berapa rasio perbandingan prosentase data
yang dikompresi
c. Uji kelayakan yaitu dengan mendemonstrasikan program didepan para
dosen dan teman-teman programmer.
3. Revisi Program
Setelah fase diatas, tahap ini adalah memperbaiki kesalahan-
kesalahan dalam listing program maupun menambah kekurangan dari
program yang dikerjakan.
4. Dokumentasi dan penyusunan Laporan
Dokumentasi dilakukan untuk jangka waktu sekarang dan yang
akan datang agar memudahkan maintenance jika terjadi kesalahan
program lagi akibat ketidak stabilan perangkat atau karena gangguan
teknis lainnya. Penyusunan laporan adalah tahap dimana melaporkan
semua hal dan data-data yang sudah dikerjakan selama penelitian.
1.6 Sistematika Penulisan
Tugas akhir ini disusun berdasarkan sistematika penulisan sebagai berikut:
1. BAB I PENDAHULUAN
Berisi latar belakang masalah, perumusan masalah, batasan
masalah, tujuan penelitian, manfaat penelitian, metodologi pemecahan
masalah, dan sistematika penulisan.

2. BAB II TINJAUAN PUSTAKA
Menguraikan teori-teori yang berhubungan dengan kompresi
menggunakan metode DCT dan DWT pada citra digital
3. BAB III METODOLOGI DAN PERANCANGAN SISTEM
Pada bab ini akan dijelaskan mengenai metode-metode yang
digunakan dalam pembuatan program kompresi menggunakan metode
DCT dan DWT.
4. BAB IV IMPLEMENTASI DAN UJI COBA SISTEM
Pada bab ini akan dilakukan implementasi program, pengujian dan
analisa sistem perangkat lunak yang dibangun, yaitu apakah sesuai dengan
metode DCT dan DWT.
5. BAB V KESIMPULAN DAN SARAN
Berisi kesimpulan dari seluruh rangkaian penelitian serta saran
kemungkinan pengembangannya.
BAB II
TINJAUAN PUSTAKA
Dalam skripsi ini diperlukan beberapa landasan teori untuk
memahami proses kompresi data. Kajian pustaka ini akan menjelaskan tentang :
2.1. Definisi Kompresi
Kompresi citra adalah aplikasi kompresi data yang dilakukan terhadap
citra digital dengan tujuan untuk mengurangi redundansi dari data-data yang
terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efisien.
Informasi yang dirasakan redundan dapat dikompresi untuk meminimalisasi
redundansi tersebut. Hal ini dapat pula dilakukan pada citra dijital yang beragam
tipenya, dengan menerapkan berbagai metode kompresi yang ada.
Tujuan utama dari kompresi pada citra dijital adalah untuk mengurangi
penggunaan memori, sehingga akan memudahkan penyimpanan, pengolahan serta
pengiriman citra dijital tersebut. Dapat disimpulkan bahwa kompresi merupakan
proses untuk menghilangkan berbagai kerumitan yang tidak penting (redundansi)
dari suatu informasi, dengan memaksimalkan kesederhanaannya dan tetap
menjaga kualitas penggambaran dari informasi tersebut
Berkaitan dengan kompresi sesuai dengan firman Allah SWT Surat Al-
An’am/6:67 Allah berfirman:

∩∉∠∪ tβθßϑn=÷ès? t∃ôθy™uρ 4 @s)tGó¡•Β :*t7tΡ Èe≅ä3Ïj9
Artinya:
”Untuk setiap berita (yang dibawa oleh rasul-rasul) ada (waktu) terjadinya dan
kelak kamu akan Mengetahui”.(Qs. Al-An’am/6: 67).
Likulli nabaim mustaqarrun maksud maknanya adalah untuk setiap berita
ada wujudnya, baik di dunia maupun di akhirat, wa saufa ta’lamuun maksud
maknanya adalah apa yang ada di dunia akan kalian lihat, apa yang ada di akhirat
akan nampak untuk kalian.
Kejadian-kejadian yang terjadi di akhirat dan kejadian-kajadian di dunia
semua ada beritanya, seperti berita dari zaman Rasullullah SAW sampai berita-
berita yang ada di zaman modern sekarang semua terwujud atau nyata. Pada ayat
diatas kata Mustaqarrun dapat diartikan dengan berita yang tersimpan. Seperti
kejadian-kejadian yang terjadi di akhirat dan berita-berita pada zaman Rasullullah
SAW tersimpan dalam Al-Qur’an dan Hadits, contohnya berita tentang Isra’
Mi’raj Nabi Muhammad SAW waktu menerima wahyu dari Allah SWT melalui
Malaikat Jibril itu tersimpan dalam Al-Qur’an dan Hadits. Dengan tersimpannya
berita-berita pada zaman Rasullullah SAW dalam Al-Qur’an dan Hadits, maka
berita-berita tersebut dapat dilihat dan dibaca kembali sampai kapanpun.
Dari penjelasan ayat diatas, maka kata Mustaqarrun dapat juga diartikan
dengan penyimpanan data. Penyimpanan data dilakukan untuk mencegah
terjadinya kerusakan atau kehilangan data dan mempermudah membawa data-data
tersebut ke manapun dan kapanpun dibutuhkan. Penyimpanan data pada komputer
hanya dibatasi dengan kapasitas tertentu, sehingga dengan banyaknya data,

memungkinkan tidak cukupnya perangkat keras penyimpan data untuk
menyimpan semua data-data yang ada.
2.2. Teknik Kompresi Citra
Teknik kompresi pada citra tetap sama:
2.2.1. Kompresi Lossy
1. Ukuran file citra menjadi lebih kecil dengan menghilangkan beberapa
informasi dalam citra asli.
2. Teknik ini mengubah detail dan warna pada file citra menjadi lebih
sederhana tanpa terlihat perbedaan yang mencolok dalam pandangan
manusia, sehingga ukurannya menjadi lebih kecil.
3. Biasanya digunakan pada citra foto atau image lain yang tidak terlalu
memerlukan detail citra, dimana kehilangan bit rate foto tidak berpengaruh
pada citra.
2.2.2. Kompresi Loseless
1. Teknik kompresi citra dimana tidak ada satupun informasi citra yang
dihilangkan.
2. Biasa digunakan pada citra medis.
3. Metode loseless: Run Length Encoding (RLE), Entropy Encoding
(Huffman, Aritmatik), dan Adaptive Dictionary Based (LZW)

2.3. Hal-Hal Penting Dalam Kompresi Citra
2.3.1. Scalability/Progressive Coding/Embedded Bitstream
1. Adalah kualitas dari hasil proses pengkompresian citra karena manipulasi
bitstream tanpa adanya dekompresi atau rekompresi.
2. Biasanya dikenal pada loseless codec.
3. Contohnya pada saat preview image sementara image tersebut didownload.
Semakin baik scalability, makin bagus preview image.
4. Tipe scalability:
a. Quality progressive: dimana image dikompres secara perlahan-
lahan dengan penurunan kualitasnya
b. Resolution progressive: dimana image dikompresi dengan
mengenkode resolusi image yang lebih rendah terlebih dahulu baru
kemudian ke resolusi yang lebih tinggi.
c. Component progressive: dimana image dikompresi berdasarkan
komponennya, pertama mengenkode komponen gray baru
kemudian komponen warnanya.
2.3.2. Region of Interest Coding
Daerah-daerah tertentu dienkode dengan kualitas yang lebih tinggi
daripada yang lain.

2.3.3. Meta Information
image yang dikompres juga dapat memiliki meta information seperti
statistik warna, tekstur, small preview image, dan author atau copyright
information
2.4. Kompresi Bersifat Lossy
2.4.1. Discrete Cosine Transform Dimensi Satu ( 1-D DCT)
Discrete Cosine Transform (DCT) digunakan untuk mengubah sebuah
sinyal menjadi komponen frekuensi. Discrete Cosine Transform dari sederet
n bilangan real s(x), x = 0, ... ,n-1, dirumuskan sebagai:
n −1
 (2 x + 1) uµ 
S (U ) = 2 C (u )∑ S ( x) cos 
n x =0  2n 
2.1
Keterangan:
U = 0,............n-1
Dimana C (u) = 2-½ untuk u = 0
1 untuk lainnya
Setiap element hasil transformasi S(u) merupakan hasil dot product atau
inner product dari masukan s(x) dan basis vektor. Faktor konstanta
dipilih sehingga basis vektornya orthogonal dan ternormalisasi. DCT juga
diperoleh dari produk vektor (masukan) dan n x n matriks orthogonal yang setiap
barisnya merupakan basis vektor. Delapan basis vektor untuk n = 8 t dilihat pada
gambar di bawah. Setiap basis vektor berkorespondensi dengan kurva sinusoid
frekuency tertentu.
Gambar 2.1 Delapan basis vektor untuk DCT dengan n = 8
(Sumber : MATLAB Image Processing Toolbox, The MathWorks Inc)
Barisan s(x) diperoleh lagi dari hasil transformasinya S(u) dengan
menggunakan Invers Discrete Cosine Transform (IDCT), dirumuskan
sebagai berikut :
n −1
 (2 x + 1) uµ 
n∑
S(X ) = 2 S (u )C (u ) cos 
x=0  2n 
2.2
Keterangan:
U = 0,............n-1
Dimana C (u) = 2-½ untuk u = 0 dan 1 untuk lainnya.
Persamaan diatas menyatakan s sebagai kombinasi linier dari basis vektor.
Koefisien adalah elemen transformasi S, yang mencerminkan banyaknya
setiap frekuensi didalam masukan s.

2.4.2. Discrete Cosine Transform Dimensi Dua ( 2-D DCT)
DCT dimensi satu untuk mengolah sinyal-sinyal dimensi satu
seperti bentuk gelombang suara. Sedangkan untuk citra sinyal dua dimensi,
diperlukan versi dua dimensi dari DCT. Sebuah matriks n x m, 2-D DCT
dihitung dengan cara: 1-D DCT diterapkan pada setiap baris dari s dan hasilnya
dihitung DCT setiap kolomnya.
Rumus transformasi 2-D DCT untuk s adalah:
n −1 n −1
 (2 x + 1) uµ 
S (u , v ) = 2 C (u )C (v)∑ ∑ S ( x, y ) cos 
nm y =0 x =0  2n 
2.3
keterangan : u=0,.....n-1;
v=0,.....n-1;
Rumus 2-D DCT diatas sering juga disebut sebagai Forward Discrete
Cosine Transform (FDCT). 2-D DCT dihitung dengan menerapkan transformasi
1-D secara terpisah pada baris dan kolomnya, sehingga dapat dikatakan bahwa 2-
D DCT sparable dalam dua dimensi. Seperti kasus satu-dimensi, setiap elemen
S(u,v) dari transformasi merupakan inner product dari masukan dan basis
fungsinya, dalam kasus ini, basis fungsinya adalah matriks n x m. Setiap dua-
dimensi basis matriks merupakan outer product dua basis vektor satu-dimensinya.
Gambar 2.2 64 basis fungsi dari 2-D DCT matriks 8 x 8
(Sumber : MATLAB Image Processing Toolbox, The MathWorks Inc)
Setiap basis matriks dikarakterisasikan frekuensi spasial horizontal dan
vertikal. Frekuensi horizontal meningkat dari kiri ke kanan, dan dari atas ke
bawah secara vertikal. Ini menunjukkan tingkat signifikansi secara perseptual,
artinya basis fungsi dengan frekuensi rendah memiliki sumbangan lebih besar
bagi perubahan penampakan citra dibandingkan basis fungsi yang
memiliki frekuensi tinggi. Nilai konstanta basis fungsi terletak di bagian kiri atas
sering disebut sebagai basis fungsi DC, dan DCT koefisien yang bersesuaian
disebut koefisien DC (DC coefficient).
Invers Discrete Cosine Transform dimensi dua (2-D IDCT)
diperoleh
dengan rumus berikut ini :

n −1 n −1
(2 x + 1) uµ (2 y + 1) vµ
∑∑ S (u, v )C (u )C (v ) cos
2
S ( x, y ) = cos
nm y =0 x =0 2n 2n
2.4
keterangan : x=0,.....n-1; dan y=0,.....n-1;
Proses Encoding dan Decoding
Didalam proses encoding, sampel-sampel dari komponen citra masukan
dikelompokkan kedalam blok 8 x 8, dan setiap bloknya ditransformasikan dengan
forward Discrete Cosine Transform DCT (FDCT) ke dalam sebuah himpunan
64 nilai yang biasa disebut dengan koefisien DCT. Salah satu anggota dari
himpunan ini sering disebut sebagai koefisien DC dan sisanya 63 disebut dengan
koefisien AC. Selanjutnya setiap 64 koefisien ini, dilakukan proses kuantisasi
menggunakan 64 nilai yang bersesuaian pada tabel kuantisasinya. Setelah proses
kuantisasi, koefisien DC dan 63 koefisien AC disiapkan untuk entropy coding,
seperti terlihat pada gambar di bawah. Nilai koefisien DC yang telah dikuantisasi
sebelumnya digunakan untuk memprediksi nilai koefisien DC terkuantisasi
sekarang dan perbedaan nilainya juga dikodekan. Kemudian 63 koefisien AC ini
dikodekan seperti pada koefisien DC tetapi sebelumnya diurutkan secara zig-zag
seperti pada gambar di bawah. Koefisien yang telah dikuantisasi ini selanjutnya
dilewatkan pada prosedur entropy encoding yang bertugas mengkompresi data.

Gambar 2.3 Diagram encoding berbasis DCT.
Sumber : CCITT (1993).
Pada gambar di bawah dapat dilihat diagram proses decoding berbasis
DCT. Langkah langkah pada proses decoding pada dasarnya merupakan kebalikan
dari proses encoding diatas. Entropy decoder melakukan decoding pada
koefisienkoefisien DCT terkuantisasi yang telah terurut secara zig-zag, setelah
proses ini DCT koefisien ditransformasikan kedalam 8 x 8 blok sampelnya
menggunakan invers DCT (IDCT), kemudian citra baru dibentuk dari blok-blok
sampelnya tersebut.
Gambar 2.4 Persiapan kuantisasi koefisien DCT bagi prosedur entropy encoding.
(i)
Pengkodean beda nilai koefisien DC, dan (ii) Pengurutan zig-zag.
Gambar 2.5 Diagram decoding berbasis DCT
2.4.3. Kuantisasi
Kompresi berbasis kuantisasi menggunakan metode pengurangan jumlah
intensitas warna, sehingga dapat mengurangi jumlah bit yang digunakan untuk
merepresentasikan citra. Kompresi ini bersifat lossy, karena intensitas warna
berkurang, sehingga kualitas gambar hasil kompresi menjadi kurang baik. Secara
algoritma teknik kompresi ini diberikan sebagai berikut:
1. Buat histogram citra asal
Histogram citra adalah grafik yang menunjukkan distribusi dari intensitas
citra. Histogram citra menyatakan frekuensi kemunculan berbagai derajat
keabuan dalam citra. Teknik pemodelan histogram mengubah citra hingga
memiliki histogram sesuai keinginan. Untuk meningkatkan kualitas citra salah
satunya dapat dilakukan dengan ekualisasi histogram. Dengan ekualisasi
histogram dapat diperoleh histogram citra dengan distribusi seragam.

Contoh: Diketahui citra array berukuran 6x6 piksel (8 derajat keabuan, 3
bit) sebagai berikut :
1 1 3 7 1 2
4 4 6 1 2 2
7 7 7 5 5 1
6 4 4 4 2 2
5 5 2 2 2 1
2 3 3 3 0 0
2. Tentukan jumlah kelompok dalam histogram. Jumlah tersebut menunjukkan
tingkat intensitas warna citra kompresi.
3. Buat kelompok intensitas warna baru dengan menghitung jumlah
piksel/jumlah kelompok.
K Nk
0 2
1 6
2 10
3 3
4 5
5 4
6 2
7 4
4. Atur pengelompokan.
K Nk Nb Kb
0 2
1 6 8 0
2 10 10 1
3 3
4 5 8 2
5 4
6 2 10 3
7 4
5. Lakukan kuantisasi.
0 0 2 3 0 1
2 2 3 0 1 1
3 3 3 3 3 0
3 2 2 2 1 1
3 3 1 1 1 0
1 1 2 2 0 0
6. Kodekan nilai intensitas warna hasil kuantisasi ke dalam citra kompresi.

 ukuran citra hasil pemampa tan 
Nisbah = 100% −   x100%
 ukuran citra semula 
2.5
Ukuran citra sebelum kompresi = 36 piksel x 3 bit = 108 bit
Ukuran citra setelah kompresi = 36 piksel x 2 bit = 72 bit
Nisbah pemampatan = 100%-(72/108)=33.33%, yang artinya 33% dari citra telah
dimampatkan.
2.5. Kompresi Bersifat Losless
2.5.1. Discrete Wavelet Transform (DWT)
Pada transformasi wavelet, dilakukan penyaringan data menjadi low pass
dan high pass. Low pass merepresentasikan bagian penting data dalam resolusi
rendah, sedangkan high pass menyatakan detail data yang ditransformasikan.
Pada JPEG, dilakukan DWT dua dimensi, yaitu DWT terhadap baris (horizontal),
dan terhadap kolom (vertikal).
Tahapan DWT dua dimensi menghasilkan empat buah kuadran, yaitu:
LL: sub-kelompok low dari hasil transformasi pada baris dan kolom.
HL: sub-kelompok high dari hasil transformasi baris, dan sub-kelompok low
dari transformasi kolomnya.
LH: sub-kelompok low dari hasil transformasi baris, dan sub-kelompok high
dari transformasi kolomnya.
HH: sub-kelompok high dari hasil transformasi baris dan kolom.

Gambar 2.6 Transformasi Wavelet dua dimensi
(Sumber: Huang W.B., The Embedded Block Coding with Optimized Truncation)
Salah satu metode transformasi wavelet yang sederhana dengan
menggunakan pendekatan lifting. Dengan metode ini, konstanta wavelet filter
seperti konstanta filter Daubechies yang digunakan, difaktorkan menjadi
konstanta lainnya yang menyatakan lifting steps. Berikut beberapa konstanta
digunakan untuk perhitungan dengan pendekatan lifting ini:
a = -1.586, b = -0.052, c = 0.883, d = 0.444
2.6
a. Quantization
Quantization proses membulatkan koefisien yang dihasilkan dari proses
transformasi. Operasi ini bersifat lossy, kecuali jika nilai pembulatannya 1 dan
koefisien hasil transformasi bilangan bulat, hasil yang diperoleh dari Reversible
Component Transformation (RCT). Masing-masing koefisien dari hasil
transformasi yaitu ab(u,v), dari sub kelompok b, dibulatkan dan menghasilkan
qb(u,v), berdasarkan rumus berikut:
qb (u, v ) = sign(ab(u, v )) ab (u, v )

 ∆b 
2.7
Keterangan: b menyatakan ukuran dari pembulatan yang dilakukan terhadap
koefisien, sign(ab(u,v)) menyatakan tanda koefisien (ab(u,v)), dan operasi + X +
untuk mendapatkan bilangan bulat terbesar yang kurang dari atau sama dengan x.
b. Entropy Coding
Metode yang digunakan dalam melakukan Entropy Coding adalah
Embedded Block Coding with Optimised Truncation, atau yang disingkat sebagai
EBCOT. EBCOT terdiri atas dua tahapan (Tier). Tier 1 bertanggung jawab dalam
pemodelan data yang dikompresi, serta entropy coding dilakukan untuk
membentuk bit stream, sedangkan Tier 2 mengatur data keluarannya membentuk
paket-paket bit stream hasil kompresi.
Dalam EBCOT, dilakukan pengelompokan koefisien yang diperoleh dari
transformasi Wavelet menjadi persegi dengan ukuran yang kecil, untuk dikodekan
secara independen. Standar ukuran yang digunakan 2n, tetapi tidak boleh kurang
dari 4x4. EBCOT dilakukan pada masing-masing lapisan bit penyusun citra
dijital yang disebut sebagai bitplane, dengan perhitungan dimulai dari lapisan bit
yang paling signifikan ( Most Significant Bit) atau MSB, ke bit yang kurang
signifikan (Least Significant Bit) atau LSB. Lapisan MSB dipilih sebagai bitplane
pertama yang dikode, setidaknya harus mengandung sebuah bit 1.
Proses perhitungan pada masing-masing code block, dilakukan dengan
urutan perhitungan yang khusus. Dimulai dari pojok kiri code block, dengan
melakukan perhitungan terhadap empat baris koefisien kolom pertama, diikuti
perhitungan empat baris data pertama di kolom kedua, dilakukan hingga mencapai
kolom yang paling kanan. Proses tersebut kemudian diulangi untuk empat baris
data yang kedua, dari kolom paling kiri sampai paling kanan. Proses tersebut
dilakukan hingga mencapai bagian bawah code block.
Gambar 2.7 EBCOT pada code block yang diuraikan menjadi bitplane
Pola perhitungan tersebut dapat dilihat pada Gambar di bawah ini:

Gambar 2.8 Pola perhitungan koefisien bit dalam Code block
1. Tier 1
Skema Tier 1 pada EBCOT dapat dilihat pada Gambar di bawah ini:
Gambar 2.9 Skema EBCOT Tier 1
i). Context Formation
Context vector menyatakan significance state kedelapan koefisien bit yang
menjadi tetangga dari sebuah bit seperti tampak pada Gambar di bawah. Jika
koefisien dari masing-masing tetangga tersebut signifikan, maka tetangga-
tetangga tersebut akan bernilai 1, tetapi jika sebaliknya akan bernilai 0.
D0 V0 D1
H0 X H1
D2 V1 D3
Gambar 2.10 Bit-bit dalam perhitungan context vector
Terdapat empat pengkodean yang dilakukan dalam entropy coding, yaitu
significant coding, sign coding, magnitude refinement, dan cleanup coding.
Keempat pengkodean tersebut dilakukan dalam tiga buah tahapan, yaitu:
1. Significance dan sign coding dalam significance propagation pass.
2. Magnitude refinement coding dalam magnitude refinement pass.
3. Cleanup dan sign coding dalam cleanup pass.
Masing-masing koefisien bit dikodekan dengan salah satu dari ketiga
tahapan tersebut, berdasarkan kondisi bit yang sesuai dengan salah satu tahapan.
Skema dari ketiga tahapan tersebut dapat dilihat pada Gambar berikut :
Gambar 2.11 Skema entropy coding
ii). Arithmatic Coding
Pengkodean yang digunakan dalam arithmatic coding adalah MQ-Coder.
MQ-Coder tidak hanya menggunakan simbol bit masukan, tetapi lebih
mengindikasikan jenis bit yang diolah, apakah bit tersebut termasuk bit yang
kemungkinan munculnya lebih sering (Most Probable Symbol), disingkat dengan
MPS; atau sebaliknya, yaitu lebih jarang muncul ( Less Probable Symbol), disebut
sebagai LPS. Masing-masing kemungkinan mempunyai nilai terbatas dalam
sebuah interval, yang terbagi menjadi dua buah sub interval . Dalam interval
tersebut, MPS berada bagian atas dari LPS, dengan prosentase lebih besar.
Penggambaran, serta pembagian dari interval tersebut dapat dilihat di bawah ini:
Gambar 2.12 Pembagian interval pada MQ-Coder
Gambar di atas, A menyatakan panjang interval, dan Qe menyatakan
perkiraan probabilitas dari LPS, sedangkan basis, atau batas bawah interval
dinyatakan dengan C. Panjang interval dibatasi dalam jangkauan 0.75 = A <
1.5. Jika nilai A berada di bawah batasan minimum, maka A akan digandakan,
hingga berada dalam batasan yang seharusnya. Proses ini dinamakan dengan
renormalization. Jika nilai A berubah, maka C juga harus diubah dengan proses
sama. Karena nilai A selalu berada dalam batasan tersebut, maka nilai A akan
selalu dianggap sebanding dengan 1 ( A ª 1). Kondisi dimana sub interval MPS
kurang dari LPS dapat terjadi jika Qe mendekati 0.5 dengan nilai A yang kecil.
Apabila kondisi tersebut terjadi, maka harus dilakukan pembalikan nilai antara
MPS dengan LPS, yang disebut sebagai Conditional exchange.
2. Tier 2
MQ Coder dilakukan pada masing-masing code block, seperti yang telah
dijelaskan di atas, akan menghasilkan bit stream, berupa byte-byte data mentah
terkompresi. Pada Tier 2 dalam tahapan EBCOT, dilakukan pengaturan terhadap
bit stream tersebut, sehingga representasi akhir dari citra dijital yang dikompresi
dapat lebih terstruktur, yaitu dengan membentuk layer.

Layer menyatakan kumpulan dari urutan tahapan pengkodean yang
dilakukan code block yang terdapat dalam subband dan juga komponen.
Kontribusi dari masing-masing code block terhadap layer berubah-ubah,
tergantung bit plane yang diperhitungkan dalam coding pass. Setiap pertambahan
layer, akan menambah kualitas citra dijital hasil kompresi yang dihasilkan.
3. Rate Control
Rate Control merupakan proses pengaturan code stream, dalam rangka
pencapaian bit rate yang diiginkan ( target bit rate). Dalam penentuan target bit
rate, dilakukan perhitungan terhadap titik-titik potong optimal dari bit stream
yang telah dihasilkan.
4. Bit Stream Organization
Dalam tahapan ini, dilakukan pengelompokan bit stream hasil kompresi,
menjadi paket-paket data. Paket-paket tersebut, dihasilkan dari code block-code
block pada subband dalam level resolusi yang sama. Masing-masing paket yang
terbentuk akan memiliki paket header, antara lain berisi informasi mengenai
layer, resolusi, komponen, serta posisi .
Pengorganisasian dari bit stream dapat dilihat pada Gamba berikut:

Gambar 2.13 Organisasi code stream
2.5.2. Huffman
Metode Huffman merupakan salah satu teknik kompresi dengan cara
melakukan pengkodean dalam bentuk bit untuk mewakili data karakter. Cara kerja
atau algoritma metode ini adalah sebagai berikut :
1. Menghitung banyaknya jenis karakter dan jumlah dari masing-masing
karakter yang terdapat dalam sebuah file.
2. Menyusun setiap jenis karakter dengan urutan jenis karakter yang
jumlahnya paling sedikit ke yang jumlahnya paling banyak.
3. Membuat pohon biner berdasarkan urutan karakter dari yang jumlahnya
terkecil ke yang terbesar, dan memberi kode untuk tiap karakter.
4. Mengganti data yang ada dengan kode bit berdasarkan pohon biner.
5. Menyimpan jumlah bit untuk kode bit yang terbesar, jenis karakter yang
diurutkan dari frekuensi keluarnya terbesar ke terkecil beserta data yang
sudah berubah menjadi kode bit sebagai data hasil kompresi.
a. Encode Huffman
Contoh teknik kompresi dengan menggunakan metode Huffman pada file
teks. Misalkan sebuah file teks yang isinya “AAAABBBCCCCCD”. File ini
memiliki ukuran 13 byte atau satu karakter sama dengan 1 byte. Berdasarkan pada
cara kerja di atas, dapat dilakukan kompresi sebagai berikut :
1. Mencatat karakter yang ada dan jumlah tiap karakter. A = 4, B = 3, C = 12,
D=1
2. Mengurutkan karakter dari yang jumlahnya paling sedikit ke yang paling
banyak yaitu : D, B, A, C
3. Membuat pohon biner berdasarkan urutan karakter yang memiliki
frekuensi terkecil hingga yang paling besar.
Gambar 2.14 Pembentukan Pohon Hufman
(Sumber: Munir Rinaldi 2004)

4. Mengganti data yang ada dengan kode bit berdasarkan pohon biner yang
dibuat. Penggantian karakter menjadi kode biner, dilihat dari node yang
paling atas atau disebut node akar : A = 01, B = 001, C = 1, D = 000.
Selanjutnya berdasarkan pada kode biner masing-masing karakter
ini, semua karakter dalam file dapat diganti menjadi :
01010101001001001111110001111111 Karena angka 0 dan angka 1
mewakili 1 bit, sehingga data bit di atas terdiri dari 32 bit atau 4 byte (1
byte = 8 bit)
5. Menyimpan kode bit dari karakter yang frekuensinya terbesar, jenis
karakter yang terdapat di dalam file dan data file teks yang sudah
dikodekan. Cara menyimpan data jenis karakter adalah dengan
mengurutkan data jenis karakter dari yang frekuensinya paling banyak
sampai ke yang paling sedikit, menjadi : [C,A,B,D] File teks di atas,
setelah mengalami kompresi, memiliki ukuran sebesar 1 + 4 + 4 = 9 byte.
Jumlah ini terdiri dari 1 byte kode karakter yang memiliki frekuensi
terendah, 4 jenis karakter = 4 byte dan 4 byte data kode semua karakter.
b. Decode Huffman
Setiap data yang telah mengalami kompresi, tentu harus dapat
merekonstruksi kembali data tersebut sesuai dengan aslinya. Merekonstruksi data
lebih dikenal sebagai metode dekompresi data. Metode dekompresi Huffman
dapat digunakan untuk mengembalikan data kode biner menjadi file teks. Metode
atau algoritma untuk mengembalikan data hasil kompresi menjadi data semula
sebagai berikut:
1. Membaca data pertama yang merupakan kode bit dari data karakter
terakhir. Data pertama ini memiliki jumlah bit yang bervariasi (dalam
contoh di atas data ini sama dengan 1 byte) dan digunakan sebagai
pembanding untuk mengetahui apakah data karakter yang direkonstruksi
merupakan data karakter terakhir atau bukan. Data ini selalu memiliki nilai
sama dengan nol.
2. Membaca data kode biner bit per bit hasil kompresi, bila nilai bit pertama
sama dengan “0” maka dilanjutkan pada bit kedua. Bila bit kedua juga
memilik nilai “0”, maka terus dilakukan pembacaan bit hingga ditemukan
nilai bit sama dengan “1”. Setelah ditemukan nilai bit “1”, berarti semua
bit yang terbaca adalah merupakan kode sebuah karakter.
3. Mengubah kode biner menjadi sebuah karakter dengan cara menghitung
banyaknya bit dalam kode tersebut. Misalkan banyaknya bit tersebut
adalah n, maka kode biner di atas mewakili karakter pada urutan ke n
dalam listing karakter.
4. Ulangi langkah b dan c hingga kode bit biner terakhir. Untuk menentukan
apakah kode biner yang sedang dibaca mewakili karakter yang paling
akhir dalam listing karakter atau tidak adalah dengan cara membandingkan
semua bit “0” yang terbaca dengan kode biner dari karakter yang terakhir.
c. Run-Length Encoding (RLE)
Cocok digunakan untuk memampatkan citra yang memiliki kelompok-
kelompok piksel berderajat keabuan yang sama. Metode ini dilakukan dengan
menyatakan seluruh baris citra menjadi sebuah baris run, lalu menghitung run–
length untuk setiap derajat keabuan yang berurutan. Metode RLE dapat
dikombinasikan dengan metode Huffman untuk meningkatkan ratio kompresi.
Mula-mula lakukan kompresi RLE lalu hasilnya dimampatkan lagi dengan
Huffman. Contoh sebuah citra sebagai berikut :
1 2 1 1 1 1
1 3 4 4 4 4
1 1 3 3 3 5
1 1 1 1 3 3
Selanjutnya nyatakan barisan nilai derajat keabuan
1 2 1 1 1 1 1 3 4 4 4 4 1 1 3 3 3 5 1 1 1 1 3 3
Hitung run-length untuk setiap derajat keabuan yang berurutan yaitu
hitung jumlah kemunculan datanya (1,1) (2,1) (1,5) (3,1) (4,4) (1,2) (3,3) (5,1)
(1,4) (3,2)
Hasil pengkodean 1 1 2 1 1 5 3 1 4 4 1 2 3 3 5 1 1 4 3 2 >ada 20 nilai, jadi
berkurang 4 nilai
2.6. Citra Digital
Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua
dimensi yang continue menjadi gambar diskrit melalui proses sampling. Gambar
analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit.
Dimana setiap pasangan indeks baris dan kolom menyatakan suatu titik pada citra.
Nilai matriksnya menyatakan nilai kecerahan titik tersebut. Titik-titik tersebut
dinamakan sebagai elemen citra, atau pixel (picture elemen). Dalam kamus
komputer, gambar atau foto diistilahkan sebagai citra digital yang mempunyai
representasi matematis berupa matriks Cm×n = (cij).
Gambar 2.15 Representasi citra digital

(Sumber: Munir, Rinaldi 2004).
Gonzales and Woods (1992:2) mendefinisikan citra digital sebagai fungsi
intensitas cahaya dua-dimensi f(x,y) dimana x dan y menunjukkan koordinat
spasial, dan nilai f pada suatu titik (x,y) sebanding dengan brightness (gray level)
dari citra di titik tersebut.
2.6.1. Matriks bitmap
Citra bitmap adalah susunan bit-bit warna untuk tiap pixel yang
membentuk pola tertentu. Pola-pola warna ini menyajikan informasi yang dapat
dipahami sesuai dengan persepsi indera penglihatan manusia. Format file ini
merupakan format grafis yang fleksibel untuk platform Windows sehingga dapat
dibaca oleh program grafis manapun. Format ini mampu menyimpan informasi
dengan kualitas tingkat 1 bit samapi 24 bit. (http://slametriyanto.web.id).
Pada gambar 2.1 ditunjukkan gambar bitmap beserta nilai matrisnya.
(a) bitmap 15×10 pixel (b) Matriks bitmap
Gambar 2.16 Bitmap dengan nilai matriksnya

Citra bitmap didefinisikan sebagai fungsi f (x,y) dengan x dan y adalah
koordinat bidang. Besaran f untuk tiap koordinat (x,y) disebut intensitas atau
derajat keabuan citra pada titik tersebut
Dari definisi di atas yang diperjelas oleh gambar 1.1, bitmap dimodelkan
dalam bentuk matriks. Nilai pixel atau entri-entri dari matriks ini mewakili warna
yang ditampilkan dimana ordo matriks merupakan dimensi panjang dan lebar dari
bitmap.
Nilai-nilai warna ditentukan berdasarkan intensitas cahaya yang masuk.
Dalam komputer, derajat intensitas cahaya diwakili oleh bilangan cacah. Nilai 0
menerangkan tidak adanya cahaya sedangkan nilai yang lain menerangkan adanya
cahaya dengan intensitas tertentu. Nilai-nilai ini bisa didapatkan melalui fungsi-
fungsi yang disediakan oleh bahasa pemrograman berdasarkan input berupa lokasi
entri-entri matriks yang hendak dicari.
2.6.2. Pixel
Pixel (Picture Elements) adalah nilai tiap-tiap entri matriks pada bitmap.
Rentang nilai-nilai pixel ini dipengaruhi oleh banyaknya warna yang dapat
ditampilkan. Jika suatu bitmap dapat menampilkan 256 warna maka nilai-nilai
pixelnya dibatasi dari 0 hingga 255. Suatu bitmap dianggap mempunyai ketepatan
yang tinggi jika dapat menampilkan lebih banyak warna. Prinsip ini dapat dilihat
dari contoh pada gambar 2.3 yang memberikan contoh dua buah bitmap dapat
memiliki perbedaan dalam menangani transisi warna putih ke warna hitam.
Gambar 2.17 Perbedaan ketepatan warna bitmap

Perbedaan ketepatan warna bitmap pada gambar 2 menjelaskan bahwa
bitmap sebelah atas memberikan nilai untuk warna lebih sedikit daripada bitmap
dibawahnya. Untuk bitmap dengan pola yang lebih kompleks dan dimensi yang
lebih besar, perbedaan keakuratan dalam memberikan nilai warna akan terlihat
lebih jelas.
Menurut Usman Ahmad (2005:14) sebuah pixel adalah sampel dari
pemandangan yang mengandung intensitas citra yang dinyatakan dalam bilangan

bulat. Sebuah citra adalah kumpulan pixel-pixel yang disusun dalm larik dua
dimensi. Indeks baris dan kolom (x,y) dari sebuah pixel dinyatakan dalam
bilangan bulat. Pixel (0,0) terletak pada sudut kiri atas pada citra, indeks x
begerak ke kanan dan indeks y bergerak ke bawah. Konvensi ini dipakai merujuk
pada cara penulisan larik yang digunakan dalam pemrograman komputer. Letak
titik origin pada koordinat grafik citra dan koordinat pada grafik matematika
terdapat perbedaan. Hal yang berlawanan untuk arah vertikal berlaku pada
kenyataan dan juga pada sistem grafik dalam matematika yang sudah lebih dulu
dikenal. Gambar berikut memperlihatkan perbedaan kedua sistem ini.
Titik origin (0,0)

y
y Titik origin (0,0)
(a) koordinat pada grafik matematika (b) koordinat pada citra

Gambar 2.18 Perbedaan letak titik origin pada koordinat grafik dan pada citra
2.6.3. Dimensi dan Resolusi
Dimensi bitmap adalah ukuran bitmap yang dinotasikan dengan menulis
lebar × tinggi bitmap. Satuan ukur dimensi bitmap dapat berupa satuan ukur
metris maupun pixel. Dimensi yang digunakan oleh bitmap mewakili ordo matriks
citra itu sendiri. Contoh pada gambar 2.1 menunjukkan sebuah bitmap berdimensi
15×10 pixel yang diwakili oleh matriks C10×15. Model matriks untuk bitmap
dipengaruhi oleh kerapatan pixel atau resolusi. Kerapatan pixel ini digunakan
bitmap dalam mendekati kekontinyuan. Semakin besar resolusi suatu bitmap,
obyek yang ditampilkan citra tersebut semakin akurat.
Kerapatan titik-titik pada citra dinamakan resolusi, yang menunjukkan
seberapa tajam gambar ini ditampilkan yang ditunjukkan dengan jumlah baris dan
kolom. Resolusi merupakan ukuran kuantitas bukan kualitas. Pixel merupakan
satuan ukuran terhadap jumlah area photo-receptor pada sensor gambar kamera,
yang menentukan seberapa banyak data yang dapat ditangkap.
Resolusi digunakan untuk pendataan (sampling) citra dari sensor. Sensor
mengubah citra dari fungsi kontinu ke fungsi diskrit sehingga semakin besar
resolusi citra maka informasi yang dihasilkan akan semakin baik, sebab data yang
diperoleh menjadi lebih banyak.
2.6.4. Citra Grayscale
Grayscale (skala keabuan) merupakan suatu istilah untuk menyebutkan
satu citra yang memiliki warna putih, abu-abu dan hitam. Format citra ini disebut
skala keabuan karena pada umumnya warna yang dipakai adalah antara hitam
sebagai warna minimal dan warna putih sebagai warna maksimalnya, sehingga
warna antaranya adalah abu-abu.
Pada citra digital banyaknya kemungkinan nilai dan nilai maksimumnya
bergantung pada jumlah bit yang digunakan. Misalnya pada citra skala keabuan 4
bit, maka jumlah kemungkinan nilainya adalah 2 4 = 16 dan nilai maksimumnya

adalah 2 4 -1 = 15. Sedangkan untuk skala keabuan 8 bit, maka jumlah
kemungkinan nilainya adalah 2 8 = 256, dan nilai maksimumnya adalah 2 8 -1 =
255. Sehingga Makin besar angka grayscale, citra yang terbentuk makin
mendekati kenyataan. (Balza dan Kartika, 2005:9)

BAB III
DESAIN DAN IMPLEMENTASI
Bab ini membahas tentang desain, implementasi desain dan metode output
dalam kompresi. Desain dan implementasi ini meliputi deskripsi sistem, desain
data, desain proses dan implementai desain.
3.1. Deskripsi Sistem
Subbab ini akan membahas mengenai deskripsi sistem yang dikerjakan
pada skripsi ini. Tujuan pembuatan sistem untuk membandingkan prosentase dan
koefisien citra setelah dikompresi menggunakanan DCT dan DWT, Pada awalnya
pengguna memasukkan input data berupa citra., citra masukan untuk proses
kompresi adalah citra bmp, output dari DCT dan DWT adalah nilai koefisien dan
rasio kompresi.
Dilakukan proses buka citra, inputkan citra (akan terbaca pixel citra
tersebut), dilakukan proses pilih DCT dan DWT, dihasilkan output citra
(didalamnya sudah mengandung koefisien DCT dan DWT), dan rasio
kompresinya selanjutnya dilakukan proses simpan.
Flowchart berikut merupakan implementasi dari program keseluruhan.

Gambar 3.1 Diagram alir sistem kompresi keseluruhan
3.2. Desain Sistem
Pada subbab ini akan dijelaskan mengenai desain aplikasi sistem untuk
implementasi metode output. Desain aplikasi ini meliputi desain data, algoritma
yang digunakan dalam sistem yang digambarkan dengan flowchart dan desain
proses. Desain data berisikan penjelasan data yang diperlukan untuk dapat
menerapkan proses kompresi menggunakan DCT dan DWT. Desain data meliputi
data masukan, data selama proses dan data keluaran. Desain proses kompresi
antara lain menjelaskan tentang proses metode DCT, IDCT dan DWT.
3.3. Desain Data
Data yang digunakan untuk implementasi perangkat lunak ini dibagi
menjadi tiga bagian utama, yaitu data masukan, data yang digunakan selama
proses kompresi dan data keluaran.
3.3.1. Data Masukan
Data masukan yang pertama dari pengguna adalah arsip citra yang dipilih
oleh pengguna. Pada sistem ini citra yang dimasukkan berupa arsip citra bitmap
dengan ukuran yang berbeda-beda. Daftar data masukan (daftar citra yang
digunakan) pada sistem ini adalah sebagai berkut.
Tabel 3.1 Data citra inputan system
No Format Ukuran Keterangan

(Bitmap)
1 Jungle 49 Data Inputan
2 Mountain 193 Data Inputan
3 Valley 769 Data Inputan
4 Upin-ipin 3.841 Data Inputan
5 Three-idiot 550 Data Inputan
6 Assasians 3.601 Data Inputan
7 Teratai 858 Data Inputan
8 Black 2.301 Data Inputan
9 Tulip 653 Data Inputan
3.3.1. Data Selama Proses
Pada tahap proses kompresi adalah untuk memperkecil ukuran citra,
pemilihan metode, DCT dan DWT untuk pembentukan output prosentase citra
terkompresi dan koefisien citra. Proses pengkompresan menggunakan metode
DCT adalah penghitungan matriks transform, matriks transpose, dan juga proses
Inverse IDCT, sedangkan proses pengkompresan menggunakan metode adalah
penghitungan matriks low-low filter, matriks high-low filte, matriks low-high filter
dan matriks high-high filter.
3.3.3. Data Keluaran
Data keluaran yang dihasilkan sistem pada proses kompresi menggunakan
metode DCT dan DWT adalah prosentase citra terkompresi dan koefisien citra.
Metode DCT menghasilkan output koefisien DCT (koefisien Ac dan Dc) koefisien
Dc adalah di pojok kiri atas dan metode DWT menghasilkan output koefisien LL,
LH, HL dan HH. Output yang lain adalah perhitungan nilai prosentase kormpresi
masing-masing metode yang di hitung terkomputerisasi.
3.4. Desain Proses
Desain proses digunakan untuk mengetahui proses apa saja yang
berlangsung pada sistem. Desain proses untuk aplikasi ini menggunakan diagram
alir flowchart. Tools yang akan digunakan untuk pembuatan diagram alir adalah
Microsoft Visio 2003.
Diagram alir menunjukkan hubungan antar proses, data masukan, data
selama proses dan data keluaran yang terlibat dalam sistem. Secara garis besar,
jalannya sistem ini adalah pengguna memasukkan citra bitmap, kemudian sistem
akan melakukan kompresi menggunakan DCT dan DWT.
Gambar 3.2 Diagram alir proses kompresi keseuruhan
3.4.1. Proses Metode DCT keseluruhan
Dilakukan proses buka citra, dan diinputkan citra (akan terbaca pixel citra
tersebut), dilakukan proses kompresi menggunakan metode DCT dan dihasilkan
output koefisien (Dc dan Ac) dan rasio kompresi ,selanjutnya dilakukan proses
simpan.
Gambar 3.3 Diagram alir metode DCT keseluruhan
3.4.2. Proses Perhitungan Metode DCT
Proses perhitungan koefisien DCT yaitu matriks A (matriks transform)
dikalikan dengan X (matriks citra original), langkah pertama yaitu matriks A
(matriks transform) baris ke-nol kolom ke-nol di kalikan dengan matriks ke-nol
kolom ke-nol pada matriks X (matriks citra original), dilakukan penjumlahan
antara A (matriks transform) terhadap matriks X (matriks citra original) dari
matriks kolom ke-nol dan pada baris ke-nol, sampai A baris ke N-1 dan X kolom
ke N-1, di mana N adalah banyaknya pixel citra. Sehingga perkalian matriks A
(matriks transform) terhadap X (matriks citra original) di hasilkan nilai Y’ dari
baris ke N-1 sampai M-1.
Gambar 3.4 Diagram alir koefisien DCT
3.4.3. Proses Perhitungan Matriks Transform
Dilakukan input citra, selanjutnya pixel citra akan terbaca dimasukkan
( 2 j + 1)iπ 1 2
rumus Aij =Ci*cos* , Dimana Ci= (i = 0) , Ci= (i > 0) untuk
2N N N
proses perhitungan matriks A (matriks transform), yaitu pixel citra original
dimasukkan ke dalam rumus Aij, dihitung mulai dari baris ke-nol kolom ke-nol
sampai dengan baris N-1 dan kolom M-1. dan µ dibaca radian nilanya 180 derajat.
Gambar 3.5 Diagram alir nilai matriks transform
3.4.4. Proses Perhitungan Matriks Transpose
Proses perhitungan koefisien DCT selanjutnya yaitu hasil matriks Y’ di
kalikan matriks A’ (matriks transpose), langkah pertama yaitu matriks Y’ baris
ke-nol kolom ke-nol di kalikan dengan matriks ke-nol kolom ke-nol pada matriks
A’ (matriks tranpose), dilakukan penjumlahan antara Y’ terhadap matriks A’
(matriks tranpose) dari matriks kolom ke-nol dan pada baris ke-nol, sampai Y’
baris ke N-1 dan A’ (matriks tranpose) kolom ke N-1, di mana N adalah
banyaknya pixel citra. Sehingga perkalian matriks Y’ terhadap A’ (matriks

transpose) di hasilkan nilai Y dari baris ke N-1 sampai M-1, Y adalah koefisien
DCT di dalamnya terdapat dua koefisien yaitu Ac dan Dc, koefisien Dc (di pojok
kiri atas) dan Ac nilai selain yang di pojok kiri atas.
Gambar 3.6 Diagram alir nilai matriks transpose
3.4.5. Proses Perhitungan Nilai Koefisien DCT
Proses perhitungan koefisien IDCT yaitu matriks A’ (matriks transpose)
dikalikan dengan Y (matriks koefisien DCT), langkah pertama yaitu matriks A’
(matriks transpose) baris ke-nol kolom ke-nol di kalikan dengan matriks ke-nol
kolom ke-nol pada matriks Y (matriks koefisien DCT), dilakukan penjumlahan
antara A’ (matriks transpose) terhadap matriks Y (matriks koefisien DCT) dari
matriks kolom ke-nol dan pada baris ke-nol, sampai A’ baris ke N-1 dan Y
kolom ke N-1, di mana N adalah banyaknya pixel citra. Sehingga perkalian

matriks A’ (matriks transpose) terhadap Y (matriks koefisien DCT) di hasilkan
nilai X’ dari baris ke N-1 sampai M-1.
Gambar 3.7 Diagram alir nilai koefisien IDCT
Proses perhitungan koefisien IDCT selanjutnya yaitu hasil matriks X’ di
kalikan matriks A (matriks transform), langkah pertama yaitu matriks X’ baris
matriks A (matriks transform), dilakukan penjumlahan antara X’ terhadap matriks
A (matriks transform) dari matriks kolom ke-nol dan pada baris ke-nol, sampai
X’ baris ke N-1 dan A (matriks transform) kolom ke N-1, di mana N adalah
banyaknya pixel citra. Sehingga perkalian matriks X’ terhadap A (matriks
transform) di hasilkan nilai X dari baris ke N-1 sampai M-1, X adalah koefisien
IDCT.
3.4.6. Proses Perhitungan Nilai Koefisien DWT

Dilakukan proses buka citra, inputkan citra (akan terbaca pixel citra
tersebut), dilakukan proses kompresi menggunakan metode DWT dan dihasilkan
output koefisien Low-low filter (LL), High-low filter (HL), Low-high filter (LH)
dan High-high filter (HH) dan rasio kompresi, selanjutnya dilakukan proses
simpan
Gambar 3.8 Diagram alir nilai koefisien DWT
3.4.7. Proses Perhitungan Matriks High-pas Filter

X adalah matriks sebuah citra low-pas filter dari baris ke-nol sampai
kolom ke-nol (dari kolom N-1 dan baris M-1), di mana N adalah pixel citra.
Dilakukan perkalian dua untuk menghasilkan matriks Y (matriks citra high-pas
filter) dari baris ke-nol sampai kolom ke-nol.
Gambar 3.9 Diagram alir nilai matriks High-pas filter
3.4.8. Proses Perhitungan Nilai Koefisien LL
Proses perhitungan koefisien LL yaitu matriks X (low-pas filter) dikalikan
dengan X (low-pas filter), langkah pertama yaitu matriks X (low-pas filter) baris
X (low-pas filter), dilakukan penjumlahan antara X (low-pas filter) terhadap X
(low-pas filter) dari matriks kolom ke-nol dan pada baris ke-nol, sampai X baris
ke N-1 dan X kolom ke N-1, di mana N adalah banyaknya pixel citra. Sehingga
perkalian matriks X (low-pas filter) terhadap X (low-pas filter) di hasilkan nilai
LL dari baris ke N-1 sampai M-1.
Start
Input matriks X
LL = X*X
Koefisien LL
End
Gambar 3.10 Diagram alir nilai koefisien LL
3.4.9. Proses Perhitungan Nilai Koefisien LH
Proses perhitungan koefisien LH yaitu matriks X (low-pas filter) dikalikan
dengan Y (high-pas filter), langkah pertama yaitu matriks X (low-pas filter) baris
Y (high-pas filter), dilakukan penjumlahan antara X (low-pas filter) terhadap Y
(high-pas filter) dari matriks kolom ke-nol dan pada baris ke-nol, sampai X baris
ke N-1 dan Y kolom ke N-1, di mana N adalah banyaknya pixel citra. Sehingga
perkalian matriks X (low-pas filter) terhadap Y (high-pas filter) di hasilkan nilai
LH dari baris ke N-1 sampai M-1.
Start
Input matriks X dan Y
LH= X*Y
Koefisien LH
End
Gambar 3.11 Diagram alir nilai koefisien LH
3.4.10. Proses Perhitungan Nilai Koefisien HL
Proses perhitungan koefisien HL yaitu matriks Y (high-pas filter)
dikalikan dengan X (low-pas filter), langkah pertama yaitu matriks Y (high-pas
filter) baris ke-nol kolom ke-nol di kalikan dengan matriks ke-nol kolom ke-nol
pada matriks X (low-pas filter), dilakukan penjumlahan antara Y (high-pas filter)
terhadap X (low-pas filter) dari matriks kolom ke-nol dan pada baris ke-nol,
sampai Y baris ke N-1 dan X kolom ke N-1, di mana N adalah banyaknya pixel
citra. Sehingga perkalian matriks Y (high-pas filter) terhadap X (low-pas filter) di
hasilkan nilai HL dari baris ke N-1 sampai M-1.

Start
HL = Y*X
Koefisien HL
End
Gambar 3.12 Diagram alir nilai koefisien HL
3.4.11. Proses Perhitungan Nilai Koefisien HH
Proses perhitungan koefisien HH yaitu matriks Y (high-pas filter)
dikalikan dengan Y (high-pas filter), langkah pertama yaitu matriks Y (high-pas
filter) baris ke-nol kolom ke-nol di kalikan dengan matriks ke-nol kolom ke-nol
pada matriks Y (high-pas filter), dilakukan penjumlahan antara Y (high-pas filter)
terhadap Y (high-pas filter) dari matriks kolom ke-nol dan pada baris ke-nol,
sampai Y baris ke N-1 dan Y kolom ke N-1, di mana N adalah banyaknya pixel
citra. Sehingga perkalian matriks Y (high-pas filter) terhadap Y (high-pas filter)
di hasilkan nilai HH dari baris ke N-1 sampai M-1.

Start
HH = Y*Y
Koefisien HH
End
Gambar 3.13 Diagram alir nilai koefisien HH
3.4 Implementasi
3.4.1. Proses Perhitungan Koefisien DCT
Proses perhitungan koefisien DCT adalah untuk memperoleh nilai
koefisien DCT (koefisien Ac dan dc), cara perhitungannya secara cosines.
Potongan kode programnya seperti di bawah ini:
begin
Ss4.RowCount:= Ss1.RowCount;
Ss4.ColCount:= Ss1.ColCount;
n:=Ss4.Rowcount-1;
For I:= 1 To n do
Begin
Tot:=0;
H:=1;
For J:= 1 To n do
Begin
Tot:=
StrToFLoat(Ss3.cells[1,J])*StrToFLoat(Ss2a.cells[I,1])+
StrToFLoat(Ss3.cells[4,J])*StrToFLoat(Ss2a.cells[I,4]);
Ss4.Cells[I,J] :=Formatfloat('0.000',Tot);
H:=H+1;
ENd;
ENd;
3.4.2. Proses Perhitungan Koefisien IDCT
Proses perhitungan Koefisien IDCT adalah kebalikan dari koefisien DCT,
nilainya akan kembali ke citra original yang dijadikan masukan. Potongan kode
programnya seperti di bawah ini:
begin
Ss6.RowCount:= Ss1.RowCount;
Ss6.ColCount:= Ss1.ColCount;
n:=Ss6.Rowcount-1;
For I:= 1 To n do
Begin
Tot:=0;
H:=1;
For J:= 1 To n do
Begin
Tot:=
StrToFLoat(Ss5.cells[1,J])*StrToFLoat(Ss2.cells[I,1])+
StrToFLoat(Ss5.cells[4,J])*StrToFLoat(Ss2.cells[I,4]);
Ss6.Cells[I,J] :=Formatfloat('0.000',Tot);
H:=H+1;
ENd;
ENd;
3.4.3. Proses Perhitungan Koefisien DWT

Proses perhitungan koefisien DWT adalah untuk menghasilkan 4 nilai
kuadran (Low-low filter, High-low filter, Low-high filter dan High-high filter).
Potongan kode programnya seperti di bawah ini:
Begin
S1.Cells[1,1]:='5';
S1.Cells[2,1]:='11';
S1.Cells[3,1]:='8';
S1.Cells[4,1]:='10';
S1.Cells[1,2]:='9';
S1.Cells[2,2]:='8';
S1.Cells[3,2]:='4';
S1.Cells[4,2]:='12';
S1.Cells[1,3]:='1';
S1.Cells[2,3]:='10';
S1.Cells[3,3]:='11';
S1.Cells[4,3]:='4';
S1.Cells[1,4]:='19';
S1.Cells[2,4]:='6';
S1.Cells[3,4]:='15';
S1.Cells[4,4]:='7';
end;
Var
I, J,n : Integer;
Ci : Double;
begin
n:=S1.Rowcount-2;
S2.RowCount:= S1.RowCount;
S2.ColCount:= S1.ColCount;
For I:= 0 To n do
Begin
Ci:=0;
For J:= 0 To n do
Begin
If i=0 then
Ci:= Sqrt(1/(n+1));
If i>0 then
Ci:= Sqrt(2/(n+1));
S2.Cells[J+1,I+1]
:=INTTOSTR(strtoint(S1.Cells[J+1,I+1])*2);
ENd;
ENd;
BAB IV
HASIL DAN PEMBAHASAN
Dalam bab ini dibahas mengenai hasil uji coba sistem yang telah dirancang
dan dibuat. Uji coba dilakukan untuk mengetahui apakah sistem dapat berjalan
sebagaimana mestinya dengan lingkungan uji coba yang telah ditentukan sesuai
dengan skenario uji coba.
4.1 Lingkungan Uji Coba
4.1.1. Ruang lingkup Perangkat Keras
Perangkat keras yang digunakan dalam pengembangan aplikasi
kompresi file ini adalah sebagai berikut.
a. Prossesor Intel Celeron 1.5 GHz
b. RAM 256 MB
c. Hardisk Dengan Kapasistas 40 GB
d. Monitor 15”
e. Keyboard
f. Mouse PS2
4.1.2. Ruang Lingkup Perangkat Lunak
Perangkat lunak yang digunakan antara lain :
a. Sistem Operasi Windows XP Pack 2
b. Delphi 0.7
4.1.3 Desain Interface

a. Tampilan kompresi keseluruhan
1 3 6
8 7
9 11
2
10
12
4
5
13
14
Gambar 4.1 Tampilan program kompresi
Keterangan gambar:
Nomor 1 : Tombol buka gambar
Nomor 2 : Menampilkan citra yang di buka
Nomor 3 : Tombol untuk menghapus gambar
Nomor 4 : Menampilkan nama citra yang dibuka
Nomor 5 : Menampilkan direktori file citra yang dibuka
Nomor 6 : Menampilkan ukuran gambar yang akan dikompres
Nomor 7 : Menampilkan metode yang akan dipilih
Nomor 8 : Tombol untuk menjalankan proses kompresi
Nomor 9 : Menampilkan progres citra keseluruhan
Nomor 10 : Menampilkan progres citra perbagian

Nomor 11 : Menampilkan rasio kompresi
Nomor 12 : Menampilkan Coefisien DCT
Nomor 13 : Menampilkan Coefisien DWT
Nomor 14 : Menampilkan direktori file citra yang disimpan
b. Tampilan kompresi Menggunakan Merode DCT
Keterangan gambar 4.2 di bawah adalah sebagai berikut:
Nomor 1 : Tombol buka gambar yaitu user memilih gambar yang akan dikompresi
Nomor 2 : Sistem menampilkan citra yang di buka user
Nomor 3 : Sistem menampilkan nama file citra yang di buka user
Nomor 4 : Sistem menampilkan lebar dan tinggi file citra yang di buka user
Nomor 5 : User menilih metode DCT yang digunakan untuk proses kompresi
Nomor 6 : Tombol kompresi yaitu sistem menjalankan proses kompresi
Nomor 7 : Sistem menampilkan jalannya progres keseluruhan
Nomor 8 : Sistem menampilkan jalannya progres perbagian
Nomor 9 : Sistem menampilkan rasio citra yang terkompresi
Nomor 10 :Sistem menampilkan output koefisien DCT

1 4
6 5
7 9
2
8
10
3
Gambar 4.2 Tampilan program kompresi menggunakan metode DCT
c. Tampilan kompresi Menggunakan Merode DWT
Keterangan gambar 4.3 di bawah adalah sebagai berikut:
Nomor 1 : Tombol buka gambar yaitu user memilih gambar yang akan dikompresi
Nomor 2 : Sistem menampilkan citra yang di buka user
Nomor 3 : Sistem menampilkan nama file citra yang di buka user
Nomor 4 : Sistem menampilkan lebar dan tinggi file citra yang di buka user
Nomor 5 : User menilih metode DWT yang digunakan untuk proses kompresi
Nomor 6 : Tombol kompresi yaitu sistem menjalankan proses kompresi
Nomor 7 : Sistem menampilkan jalannya progres keseluruhan
Nomor 8 : Sistem menampilkan jalannya progres perbagian
Nomor 9 : Sistem menampilkan rasio citra yang terkompresi

Nomor 10 : Sistem menampilkan output koefisien DWT yaitu koefisen Low-
low filter (LL), Low-high filter(LH), High-low filter (HL), High-
high filter (HH)
1 4
6 5
7 9
2
8
11 10
Gambar 4.3 Tampilan program kompresi menggunakan metode DWT
4.2. Data Uji Coba
Proses yang akan dilakukan dalam penelitian ini, yaitu proses kompresi
terhadap citra masukan bitmap, menggunakan metode DCT dan DWT dihitung
terkomputerisasi. Dan gambar yang akan dijadikan data uji coba ada 9 citra
dengan ukuran yang berbeda-beda. Di bawah ini adalah data citra uji coba:
(C) Valley.bmp
(a) Jungle.bmp (b) Mountain.bmp
(d) Upin-Ipin.bmp (e) Three-Idiot.bmp (f)) Assasians

Assasians.bmp
(g) Teratai.bmp (j) Black.bmp (i) Tulip.

Tulip.bmp
Gambar 4.4 Data yang digunakan dalam uji coba
4.3. Hasil Uji Coba
Berikut ini adalah seluruh hasil uji coba yang menunjukkan kinerja dari
proses kompresi . Hasil uji cob

coba kompresi akan menunjukkan prosentase citra
terkompresi dan coefisien dari citra tersebut menggunakan metode DCT dan
DWT. Hasil dari uji coba ini akan digunakan untuk menarik kesimpulan pada
skripsi ini.
4.3.1. Contoh Perhitungan Metode Discrete Cosine Transform (DCT)
a. Perhitungan Matriks Transform
 5 11 8 10
 9 8 4 12
X=  
 1 10 11 4 
 
19 6 15 7 
X adalah blok 4 x 4 contoh matrik sebuah image, A adalah N x N matrik

transform
(2 j + 1)iπ 1 2
Aij =Ci cos , Dimana Ci= (i = 0) , Ci= (i > 0)
2N N N
(4.1)
1 (2 * 0 + 1)0π
A00= cos
4 2*4
1 1 1
= cos 0 = *1 =
4 2 2
1 (2 *1 + 1)0π
A02= cos
4 2*4
1 1 1
= cos 0 = * 1 =
4 2 2
1 (2 * 2 + 1)0π
A02= cos
4 2*4
1 1 1
= cos 0 = * 1 =
4 2 2
1 (2 * 3 + 1)0π
A03= cos
4 2*4
1 1 1
= cos 0 = * 1 =
4 2 2
2 (2 * 0 + 1)1π
A10= cos
4 2*4
2 π  1 π 
= cos  = cos 
4  
8 2 8
2 (2 *1 + 1)1π
A11= cos
4 2*4
2  3π  1  3π 
= cos  = cos 
4  8  2  8 
2 (2 * 2 + 1)1π
A12= cos
4 2*4
2  5π  1  5π 
= cos  = cos 
4  8  2  8 
2 (2 * 3 + 1)1π
A13= cos
4 2*4
2  7π  1  7π 
= cos  = cos 
4  8  2  8 
2 (2 * 0 + 1)2π
A20= cos
4 2*4
2  2π  1  2π 
= cos  = cos 
4  8  2  8 
2 (2 *1 + 1)2π
A21= cos
4 2*4
2  6π  1  6π 
= cos  = cos 
4  8  2  8 
2 (2 * 2 + 1)2π
A22= cos
4 2*4
2  10π  1  10π 
= cos   = cos 
4  8  2  8 
2 (2 * 3 + 1)2π
A23= cos
4 2*4
2  14π  1  14π 
= cos  = cos 
4  8  2  8 
2 (2 * 0 + 1)3π
A30= cos
4 2*4
2  3π  1  3π 
= cos  = cos 
4  8  2  8 
2 (2 *1 + 1)3π
A31= cos
4 2*4
2  9π  1  9π 
= cos  = cos 
4  8  2  8 
2 (2 * 2 + 1)3π
A32= cos
4 2*4
2  15π  1  15π 
= cos  = cos 
4  8  2  8 
2 (2 * 3 + 1)3π
A33= cos
4 2*4
2  21π  1  21π 
= cos  = cos 
4  8  2  8 
Fungsi Cosine adalah simetri dan pengulangan setelah 2π radian dan karena itu
A dapat di sederhanakan menjadi
 1 1 1 1 
 2 2 2 2 
 
 1 π  1  3π  1  3π  1  π 
 cos  cos  − cos  − cos  
2 8 2  8  2  8  2  8 
A= 
 1 1 1 1 
 − − 
2 2 2 2
 
 1  3π  1 π  1 π  1  3π  
 cos  − cos  cos  − cos  
 2  8  2 8 2 8 2  8 
1 1 π  1  3π 
dimana a= =0.5, b= cos  =0.653, c= cos  =0.271
2 2 8 2  8 
b. Perhitungan Matriks Tranpose
 0.5 0. 5 0.5 0. 5  0.5 0.653 0.5 0.271 

0.653 0.271 − 0.271 − 0.653 0.5 0.271 - 0.5 - 0.653 
A=   , A’= 
 0.5 − 0. 5 − 0.5 0. 5  0.5 - 0.271 - 0.5 0.653 
   
 0.271 − 0.653 0.653 − 0.271 0.5 - 0.653 0.5 - 0.271 
A’ (matrik transpose) yaitu perubahan kolom menjadi baris dan baris menjadi kolom.
Forward DCT dari X diperoleh Y=A*X*A’, A*X=Y’, Y=Y’*A’ dan X=A’*Y*A

Y’=A*X
(4.2)
 0.5 0. 5 0.5 0.5   5 11 8 10
0.653 0.271 − 0.271 − 0.653  9 8 4 12
Y’=  * 
 0.5 − 0. 5 − 0.5 0.5   1 10 11 4 
   
 0.271 − 0.653 0.653 − 0.271 19 6 15 7 
Y’00=A00X00+A01X10+A02X20+A03X30
= (0.5 * 5) + (0.5 * 9) + (0.5 *1) + (0.5 *19)
= (2.5) + (4.5) + (0.5) + (9.5) = 17.0
Y’01=A00X01+A01X11+A02X21+A03X31
= (0.5 *11) + (0.5 * 8) + (0.5 *10) + (0.5 * 6)
= (5.5) + (4) + (5) + (3) = 17.5

Y’02=A00X02+A01X12+A02X22+A03X32
= (0.5 * 8) + (0.5 * 4) + (0.5 *11) + (0.5 *15)
= (4) + (2) + (5.5) + (7.5) = 19
Y’03=A00X03+A01X13+A02X23+A03X33
= (0.5 *10) + (0.5 *12) + (0.5 * 4) + (0.5 * 7 )
= (5) + (6) + (2.5) + (3.5) = 16.5
Y’10=A10X00+A11X01+A12X02+A13X30
= (0.653 * 5) + (0.271* 9) + (− 0.271*1) + (− 0.653 *19)
= (3.265) + (2.439) + (− 0.271) + (− 12.407) = −6.974
Y’11=A10X01+A01X11+A12X21+A03X31
= (0.653 *11) + (0.271* 8) + (− 0.271*10) + (− 0.653 * 6)
= (7.183) + (2.168) + (− 2.71) + (− 3.918) = 2.723

Y’12=A10X02+A01X12+A12X22+A03X32
= (0.653 * 8) + (0.271* 4) + (− 0.271*11) + (− 0.653 *15)
= (5.224) + (1.084) + (− 2.981) + (− 9.795) = −6.468
Y’13=A10X03+A01X13+A12X23+A03X33
= (0.653 *10) + (0.271*12) + (0.271* 4) + (− 0.653 * 7 )
= (6.530) + (3.252) + (− 1.084) + (− 4.571) = 4.127
Y’20=A20X00+A21X01+A22X02+A23X30
= (0.5 * 5) + (− 0.5 * 9) + (− 0.5 *1) + (0.5 *19)
= (2.5) + (− 4.5) + (− 0.5) + (9.5) = 7

Y’21=A20X01+A21X11+A02X21+A23X31
= (0.5 *11) + (− 0.5 * 8) + (− 0.5 *10) + (0.5 * 6)
= (5.5) + (− 4) + (− 5) + (3) = −0.5
Y’22=A20X02+A21X12+A02X22+A23X32
= (0.5 * 8) + (− 0.5 * 4) + (− 0.5 *11) + (0.5 *15)
= (4) + (− 2) + (− 5.5) + (7.5) = 4
Y’23=A20X03+A21X13+A02X23+A23X3
= (0.5 *10) + (− 0.5 *12) + (− 0.5 * 4) + (0.5 * 7 )
= (5) + (− 6) + (− 2) + (3.5) = 0.5
Y’30=A30X00+A31X01+A32X02+A33X30
= (0.271* 5) + (− 0.653 * 9) + (0.653 *1) + (− 0.271*19)
= (1.355) + (− 5.877) + (0.653) + (− 5.149) = −9.018
Y’31=A30X01+A31X11+A32X21+A33X31
= (0.271*11) + (− 0.653 * 8) + (0.653 *10) + (− 0.271* 6)
= (2.981) + (− 5.224) + (6.530) + (− 1.626) = 2.661

Y’32=A30X02+A31X12+A32X22+A33X32
= (0.271* 8) + (− 0.653 * 4) + (0.653 *11) + (− 0.271*15)
= (2.168) + (− 2.612) + (7.183) + (− 4.065) = 2.674
Y’33=A30X03+A31X13+A32X23+A33X33
= (0.271*10) + (− 0.653 *12) + (0.653 * 4) + (− 0.271* 7 )
= (2.710) + (− 7.836) + (2.612) + (− 1.897) = −4.411
 17 17.5 19 16.5 
 - 6.974 2.723 - 6.468 4.127 
Y’= 
 7 - 0.5 4 0.5 
 
- 9.018 2.661 2.674 - 4.411
c. Perhitungan Koefisien DCT
Y=Y’*A’
(4.3)
 17 17.5 19 16.5  0.5 0.653 0.5 0.271 
 - 6.974 2.723 - 6.468 4.127  0.5 0.271 - 0.5 - 0.653 
Y=  *
 7 - 0.5 4 0.5  0.5 - 0.271 - 0.5 0.653 
   
- 9.018 2.661 2.674 - 4.411 0.5 - 0.653 0.5 - 0.271 
Y00=Y’00A’00+Y’01A’10+Y’02A’20+Y’03A’30
= (17 * 0.5) + (17.5 * 0.5) + (19 * 0.5) + (16.5 * 0.5)
= (8.5) + (8.75) + (9.5) + (8.25) = 35
Y01=Y’00A’01+Y’01A’11+Y’02A’21+Y’03A’31 =
(17 * 0.653) + (17.5 * 0.271) + (19 * −0.271) + (16.5 * −0.653)
= (11.1) + (4.742) + (− 5.149) + (− 10.774) = −0.08
Y02= Y’00 A’02+ Y’01 A’12+ Y’02 A’22+ Y’03 A’32

= (17 * 0.5) + (17.5 * −0.5) + (19 * −0.5) + (16.5 * 0.5)
= (8.5) + (− 8.75) + (− 9.5) + (8.25) = −1.5
Y03= Y’00 A’03+ Y’01 A’13+ Y’02 A’23+ Y’03 A’33

= (17 * 0.271) + (17.5 * −0.653) + (19 * 0.653) + (16.5 * −0.271)
= (4.607) + (− 11.427) + (12.407) + (− 4.471) = 1.115
Y10= Y’10 A’00+ Y’11 A’01+ Y’12 A’02+ Y’13 A’30

= (- 6.974 * 0.5) + (2.723 * 0.5) + (- 6.468 * 0.5) + (4.127 * 0.5)
= (− 3.478) + (1.361) + (− 3.234) + (2.063) = -3.296
Y11= Y’10 A’01+ Y’01 A’11+ Y’12 A’21+ Y’03 A’31

= (- 6.974 * 0.653) + ( 2.723 * 0.271) + (- 6.468 * - 0.271 ) + (4.127 * −0.653)
= (− 4.554) + (0.737) + (1.752) + (− 2.694) = −4.758
Y12= Y’10 A’02+ Y’01 A’12+ Y’12 A’22+ Y’03 A’32

= (- 6.974 * 0.5) + ( 2.723 * −0.5) + (- 6.468 * −0.5) + (4.127 * 0.5)
= (− 3.487) + (− 1.361) + (3.234) + (2.063) = 0.449
Y13= Y’10 A’03+ Y’01 A’13+ Y’12 A’23+ Y’03 A’33

= (- 6.974 * 0.271 ) + ( 2.723 * -0.653) + (- 6.468 * 0.653) + (4.127 * - 0.271 )
= (− 1.889) + (− 1.778) + (− 4.223) + (− 1.118) = −9.010
Y20= Y’20 A’00+ Y’21 A’01+ Y’22 A’02+ Y’23 A’30

= (7.0 * 0.5) + (− 0.5 * 0.5) + (4.0 * 0.5) + (0.5 * 0.5)
= (3.5) + (− 0.25) + (2) + (0.25) = 5.5
Y21= Y’20 A’01+ Y’21 A’11+ Y’02 A’21+ Y’23 A’31

= (7.0 * 0.653 ) + (− 0.5 * 0.271 ) + (4.0 * - 0.271 ) + (0.5 * −0.653)
= (4.571) + (− 0.135) + (− 1.084) + (− 0.326) = 3.025

Y22=Y’20 A’02+ Y’21 A’12+ Y’02 A’22+ Y’23 A’32
= (7.0 * 0.5) + (− 0.5 * −0.5) + (4.0 * −0.5) + (0.5 * 0.5)
= (3.5) + (0.25) + (− 2) + (0.25) = 2
Y23= Y’20 A’03+ Y’21 A’13+ Y’02 A’23+ Y’23 A’33

= (7.0 * 0.271) + (− 0.5 * −0.653) + (4.0 * 0.653) + (0.5 * −0.271)
= (1.897) + (0.326) + (2.61) + (− 0.1355) = 4.7
Y30= Y’30 A’00+ Y’31 A’01+ Y’32 A’02+ Y’33 A’30

= (- 9.018 * 0.5) + (2.661* 0.5) + (2.674 * 0.5) + (- 4.411 * 0.5)
= (− 4.509) + (1.33) + (1.337) + (− 2.205) = −4.047
Y31= Y’30 A’01+ Y’31 A’11+ Y’32 A’21+ Y’33 A’31

= (- 9.018 * 0.653) + (2.661* 0.271) + (2.674 * −0.271) + (- 4.411 * −0.653)
= (− 5.888) + (0.721) + (− 0.724) + (2.88) = −3.011
Y32= Y’30 A’02+ Y’31 A’12+ Y’32 A’22+ Y’33 A’32

= (- 9.018 * 0.5) + (2.661* −0.5) + (2.674 * −0.5) + (- 4.411 * 0.5)
= (− 4.509) + (− 1.33) + (− 1.337) + (− 2.205) = −9.381
Y33= Y’30 A’03+ Y’31 A’13+ Y’32 A’23+ Y’33 A’33

= (- 9.018 * 0.271) + (2.661* -0.653) + (2.674 * 0.653) + (- 4.411 * −0.271)
= (− 2.443) + (− 1.737) + (1.746) + (1.195) = −1.24
 35 17.5 19 16.5 
 - 6.974 2.723 - 6.468 4.127 
Y= 
 7 - 0.5 4 0.5 
 
- 9.018 2.661 2.674 - 4.411
d. Perhitungan Coefisien IDCT
0.5 0.653 0.5 0.271   35 - 0.08 - 1.5 1.115

0.5 0.271 - 0.5 
- 0.653   - 3.296 - 4.758 0.449 - 9.01
A’=  , Y= 
0.5 - 0.271 - 0.5 0.653   5.5 3.025 2 4.7 
   
0.5 - 0.653 0.5 - 0.271  - 4.047 - 3.011 - 9.382 - 1.24
 0.5 0. 5 0.5 0. 5 
0.653 0.271 − 0.271 − 0.653
A=  
 0.5 − 0. 5 − 0.5 0. 5 
 
 0.271 − 0.653 0.653 − 0.271
X’=A’*Y
(4.4)
0.5 0.653 0.5 0.271   35 - 0.08 - 1.5 1.115
0.5 0.271 - 0.5  
- 0.653   - 3.296 - 4.758 0.449 - 9.01
X’=  *
0.5 - 0.271 - 0.5 0.653   5.5 3.025 2 4.7 
   
0.5 - 0.653 0.5 - 0.271  - 4.047 - 3.011 - 9.382 - 1.24
X’00=A’00Y00+A’01Y10+A’02Y20+A’03Y30
= (0.5 * 35) + (0.653 * −3.296) + (0.5 * 5.5) + (0.271 * −4.047)
= (17.5) + (− 2.152) + (2.75) + (− 1.105) = 17
X’01=A’00Y01+A’01Y11+A’02Y21+A’03Y31
= (0.5 * −0.88) + (0.653 * −4.758) + (0.5 * 3.025) + (0.271 * −3.011)
= (− 0.44) + (− 3.106) + (1.512) + (− 0..815) = −2.45
X’02=A’0 Y 002+A’01 Y 12+A’02 Y 22+A’03 Y 32

= (0.5 * −1.5) + (0.653 * 0.449) + (0.5 * 2) + (0.271 * −9.382)
= (− 0.75) + (0.293) + (1) + (2.54) = −1.99

X’03=A’00 Y 03+A’01 Y 13+A’02 Y 23+A’03 Y 33
= (0.5 *1.115) + (0.653 * −9.01) + (0.5 * 4.7 ) + (0.271* −1.24)
= (0.557) + (− 5.883) + (2.35) + (− 0.336) = −3.312
X’10=A’10 Y 00+A’11 Y 01+A’12 Y 02+A’13 Y 30

= (0.5 * 35) + (0.271* −3.296) + (− 0.5 * −0.5) + (− 0.653 * −4.047)
= (17.5) + (− 0..893) + (0.25) + 2.264 = 16.999
X’11=A’10 Y 01+A’01 Y 11+A’12 Y 21+A’03 Y 31

= (0.5 * −0.88) + (0.271* −4.758) + (− 0.5 * 3.025) + (− 0.653 * −3.011)
= (− 0.44) + (− 1.289) + (− 1.512) + (1.96) = −0.875
X’12=A’10 Y 02+A’01 Y 12+A’12 Y 22+A’03 Y 32

= (0.5 * −1.5) + (0.271* 0.449) + (− 0.5 * 2) + (− 0.653 * −9.382)
= (− 0.75) + (0.121) + (1) + (6.126) = 4.498
X’13=A’10 Y 03+A’01 Y 13+A’12 Y 23+A’03 Y 33

= (0.5 *1.115) + (0.271* −9.01) + (− 0.5 * 4.7 ) + (− 0.653 * −1.24)
= (0.557) + (− 2.44) + (− 2.35) + (0.809) = −3.424
X’20=A’20 Y 00+A’21 Y 01+’A22 Y 02+A’23 Y 30

= (0.5 * 35) + (− 0.271* −3.296) + (− 0.5 * 5.5) + (0.653 * −4.047)
= (17.5) + (0.893) + (− 2.75) + (− 2.642) = 13
X’21=A’20 Y 01+A’21 Y 11+A’02 Y 21+A’23 Y 31

=
(0 . 5 * − 0 . 88 ) + (− 0 . 271 * − 4 .758 ) + (− 0 . 5 * 3 . 025 ) + (0 .653 * − 3 . 011 )
= (− 0.44) + (1.289) + (− 1.512) + (− 1.966) = −2.229
X’22=A’20 Y 02+A’21 Y 12+A’02 Y 22+A’23 Y 32

= (0.5 * −1.5) + (− 0.271* 0.449) + (− 0.5 * 2) + (0.653 * −9.382)
= (− 0.75) + (− 0.121) + (− 1) + (− 6.126) = −7.998
X’23=A’20 Y 03+A’21 Y 13+A02 Y 23+A’23 Y 33

= (0.5 *1.115) + (− 0.271* −9.01) + (− 0.5 * 4.7 ) + (0.653 * −1.24)
= (0.557) + (2.44) + (− 2.35) + (− 0.809) = -0.16
X’30=A’30 Y 00+A’31 Y 01+A’32 Y 02+A’33 Y 30

= (0.5 * 35) + (− 0.653 * −3.296) + (0.653 * 0.5) + (− 0.271 * −4.047)
= (17.5) + (5.877) + (0.326) + (1.096) = 23.49
X’31=A’30 Y 01+A’3 Y 11+A’32 Y 21+A’33 Y 31

= (0.5 * −0.88) + (− 0.653 * −4.758) + (0.5 * 3.025) + (− 0.271 * −3.011)
= (− 0.44) + (3.106) + (1.512) + (0.815) = 5.395
X’32=A’30 Y 02+A’31 Y 12+A’32 Y 22+A’33 Y 32

= (0.5 * −1.5) + (− 0.653 * 0.449) + (0.5 * 2) + (− 0.271 * −9.382)
= (− 0.75) + (− −0.293) + (1) + (2.542) = 2.499
X’ 33=A’30 Y 03+A’31 Y 13+A’32 Y 23+A’33 Y 33

= (0.5 * 1.115) + (− 0.653 * −9.01) + (0.5 * 4.7 ) + (− 0.271 * −1.24)
= (0.557) + (5.88) + (2.35) + (0.33) = 9.127
 17 - 2.45 - 3.31
- 1.99
16.99 - 0.87 4.49 - 3.42
X’= 
 13 - 2.22 - 7.99 - 0.16
 
23.49 5.39 2.49 9.127 
X=X’*A
(4.5)
 17 - 2.45 - 3.31  0.5
- 1.99 0. 5 0.5 0. 5 
16.99 - 0.87 4.49 - 3.42 0.653 0.271 − 0.271 − 0.653
 
X=  *
 13 - 2.22 - 7.99 - 0.16  0.5 − 0. 5 − 0.5 0. 5 
   
23.49 5.39 2.49 9.127   0.271 − 0.653 0.653 − 0.271
X00= X’00 A 00+ X’01 A 10+ X’02 A 20+ X’03 A 30

= (17 * 0.5) + (− 2.45 * 0.653) + (− 1.99 * 0.5) + (− 3.31* 0.271)
= (8.5) + (− 1.55) + (− 0.995) + (− 0.897) = 5
X01= X’00 A 01+ X’01 A 11+ X’02 A 21+ X’03 A 31

= (17 * 0.5) + (− 2.45 * 0.271) + (− 1.99 * −0.5) + (− 3.31 * −0.653) =
= (− 8.5) + (− 0.6639) + (0.995) + (2.16) = 10.99
X02= X’0 A 002+ X’01 A 12+ X’02 A 22+ X’03 A 32

= (17 * 0.5) + (− 2.45 * −0.653) + (− 1.99 * 0.5) + (− 3.31 * −0.271)
= (8.5) + (0.6639) + (0.995) + (− 2.16) = 7.99
X03= X’00 A 03+ X’01 A 13+ X’02 A 23+ X’03 A 33

= (17 * 0.5) + (− 2.45 * −0.653) + (− 1.99 * 0.5) + (− 3.31* −0.271)
= (8.5) + (1.559) + (− 0.995) + (0.897) = 9.998
X10= X’10 A 00+ X’11 A 01+ X’12 A 02+ X’13 A 30

= (16.49 * 0.5) + (− 0.87 * 0.653) + (4.49 * 0.5) + (− 3.42 * 0.271)
= (8.245) + (− 0.568) + (2.245) + (−0.926) = 8.99
X11= X’10 A 01+ X’01 A 11+ X’12 A 21+ X’03 A 31

= (16.49 * 0.5) + (− 0.87 * 0.271) + (4.49 * −0.5) + (− 3.42 * −0.653)
= (8.245) + (− 0.235) + (− 2.245) + (2.33) = 7.99
X12= X’10 A 02+ X’01 A 12+ X’12 A 22+ X’03 A 32

= (16.49 * 0.5) + (− 0.87 * −0.271) + (4.49 * −0.5) + (− 3.42 * 0.653)
= (8.245) + (0.235) + (− 2.245) + (−2.33) = 3.9
X13= X’10 A 03+ X’01 A 13+ X’12 A 23+ X’03 A 33

= (16.49 * 0.5) + (− 0.87 * −0.653) + (4.49 * 0.5) + (− 3.42 * −0.271)
= (8.245) + (0.568) + (2.245) + (0.926) = 11.98
X20= X’20 A 00+ X’21 A 01+’ X 22 A 02+ X’23 A 30

= (13 * 0.5) + (− 2.229 * 0.653) + (− 7.998 * 0.5) + (− 0.16 * 0.271)
= (6.5) + (− 1.45) + (− 3.99) + (− 0.043) = 1.017
X21= X’20 A 01+ X’21 A 11+ X’02 A 21+ X’23 A 31

= (13 * 0.5) + (− 2.229 * 0.271) + (− 7.998 * −0.5) + (− 0.16 * −0.653)
= (6.5) + (0.604) + (3.99) + (0.104) = 9.99
X22= X’20 A 02+A’21 A 12+A’02 A 22+A’23 A 32

= (13 * 0.5) + (− 2.229 * −0.271) + (− 7.998 * −0.5) + (− 0.16 * 0.653)
= (6.5) + (0.604) + (3.999) + (− 0.104) = 10.99
X23= X’20 A 03+ X’21 A 13+ X ‘02 A 23+ X’23 A 33

= (13 * 0.5) + (− 2.229 * −0.653) + (− 7.998 * 0.5) + (− 0.16 * −0.271)
= (6.5) + (1.45) + (− 3.999) + (0.043) = 3.99
X30= X’30 A 00+ X’31 A 01+ X’32 A 02+ X’33 A 30

= (23.499 * 0.5) + (5.395 * 0.653) + (2.49 * 0.5) + (9.12 * 0.271)
= (11.749) + (− 3.522) + (1.245) + (2.47 ) = 18.9
X31= X’30 A 01+ X’3 A 11+ X’32 Y 21+ X’33 A 31

= (23.499 * 0.5) + (5.395 * 0.271) + (2.49 * −0.5) + (9.12 * −0.653)
= (11.749) + (1.462) + (− 1.245) + (− 5.955) = 6

X32= X’30 A 02+ X’31 A 12+ X’32 A 22+ X’33 A 32
= (23.499 * 0.5) + (5.395 * −0.271) + (2.49 * −0.5) + (9.12 * 0.653)
= (11.749) + (− 1.462) + (− 1.245) + (5.995) = 15
X33= X’30 A 03+ X’31 A 13+ X’32 A 23+ X’33 A 33

= (23.499 * 0.5) + (5.395 * −0.653) + (2.49 * 0.5) + (9.12 * −0.271)
= (11.749) + (− 3.522) + (1.245) + (− 2.47) = 7
 5 10.99 7.99 9.998

8.99 7.99 3.9 11.98 
X= 
8.99 9.99 10.99 3.99 
 
18.9 6 15 7 
4.3.2. Contoh Perhitungan metode Discrete Wavelet Transform (DWT)
 5 11 8 10
 9 8 4 12
X=  
 1 10 11 4 
 
19 6 15 7 
Y= 2*X
 5 11 8 10 10 22 16 20

 9 8 4 12 18 16 4 24
=2*  =
 1 10 11 4   2 20 22 8 
   
19 6 15 7  36 12 30 14 
X= Citra low-pass filter, Y= Citra high-pass filter

a. Perhitungan Citra Low-low Filter
LL= Low-pass filter x Low-pass filter
= X*X
(4.6)
 5 11 8 10  5 11 8 10
 9 8 4 12  9 8 4 12
LL=  * 
 1 10 11 4   1 10 11 4 
   
19 6 15 7  19 6 15 7 
LL00=X00X00+X01X10+X02X20+X03X30
= (5 * 5) + (11 * 9) + (8 * 1) + (10 * 19)
= (2.5) + (99) + (8) + (190) = 322
LL01=X00X01+X01X11+X02X21+X03X31
= (5 *11) + (11* 8) + (8 *10) + (10 * 6)
= (55) + (8) + (80) + (60) = 283
LL02=X00X02+X01X12+X02X22+X03X32
= (5 * 8) + (11* 4) + (8 *11) + (10 *15)
= (40) + (44) + (88) + (150) = 322

LL03=X00X03+X01X13+X02X23+X03X33
= (5 *10) + (11*12) + (8 * 4) + (10 * 7 )
= (5) + (6) + (2.5) + (3.5) = 284
LL10=X10X00+X11X01+X12X02+X13X30
= (9 * 5) + (8 * 9) + (4 *1) + (12 *19)
= (45) + (72) + (4) + (228) = 349
LL11=X10X01+X01X11+X12X21+X03X31
= (9 *11) + (8 * 8) + (4 *10) + (12 * 6)
= (99) + (64) + (40) + (72) = 275
LL12=X10X02+X01X12+X12X22+X03X32
= (9 * 8) + (8 * 4) + (4 *11) + (12 *15)
= (72) + (32) + (44) + (180) = 328
LL13=X10X03+X01X13+X12X23+X03X33
= (9 *10) + (8 *12) + (4 * 4) + (12 * 7 )
= (90) + (96) + (16) + (84) = 286
LL20=X20X00+X21X01+X22X02+X23X30
= (1 * 5) + (10 * 9) + (11 *1) + (4 *19)
= (5) + (90) + (11) + (76) = 182
LL21=X20X01+X21X11+X02X21+X23X31
= (1 *11) + (10 * 8) + (11 *10) + (4 * 6)
= (11) + (80) + (110) + (24) = 225
LL22=X20X02+X21X12+X02X22+X23X32
= (1 * 8) + (10 * 4) + (11*11) + (4 *15)
= (8) + (40) + (121) + (60) = 229
LL23=X20X03+X21X13+X02X23+X23X33
= (1 *10) + (10 *12) + (11* 4) + (4 * 7 )
= (10) + (120) + (44) + (28) = 202
LL30=X30X00+X31X01+X32X02+X33X30
= (19 * 5) + (6 * 9) + (15 *1) + (7 *19)
= (95) + (54) + (15) + (133) = 297

LL31=X30X01+X31X11+X32X21+X33X31
= (19 *11) + (6 * 8) + (15 *10) + (7 * 6)
= (209) + (54) + (150) + (42) = 449
LL32=X30X02+X31X12+X32X22+X33X32s
= (19 * 8) + (6 * 4) + (15 *11) + (7 *15)
= (152) + (24) + (165) + (105) = 446
LL33=X30X03+X31X13+X32X23+X33X33
= (19 *10) + (6 *12) + (15 * 4) + (7 * 7 )
= (190) + (72) + (60) + (49) = 371
322 283 322 284

394 275 328 286
LL= 
182 225 229 202
 
297 449 446 371
b. Perhitungan Citra High-low Filter
HL = High-pass Filter x Low-pass Filter
= Y*X
(4.7)
10 22 16 20  5 11 8 10
18 16 4 24  9 8 4 12
HL=  *
2 20 22 8   1 10 11 4 
   
36 12 30 14  19 6 15 7 
HL00=Y00X00+Y01X10+Y02X20+Y03X30
= (10 * 5) + (22 * 9) + (16 *1) + (20 *19)
= (50) + (198) + (16) + (380) = 644

HL01=Y00X01+Y01X11+Y02X21+Y03X31
= (10 *11) + (22 * 8) + (16 *10) + (20 * 6)
= (110) + (176) + (160) + (120) = 566
HL02=Y00X02+Y01X12+Y02X22+Y03X32
= (10 * 8) + (22 * 4) + (16 *11) + (20 *15)
= (80) + (88) + (176) + (300) = 644
HL03=Y00X03+Y01X13+Y02X23+Y03X33
= (10 *10) + (22 *12) + (16 * 4) + (20 * 7 )
= (100) + (264) + (64) + (140) = 568
HL10=Y10X00+A11X01+Y12X02+Y13X30
= (18 * 5) + (16 * 9) + (8 *1) + (24 *19)
= (90) + (144) + (8) + (456) = 698
HL11=Y10X01+Y01X11+Y12X21+Y03X31
= (18 *11) + (16 * 8) + (8 *10) + (24 * 6)
= (88) + (128) + (80) + (144) = 550
HL12=Y10X02+Y01X12+Y12X22+Y03X32
= (18 * 8) + (16 * 4) + (8 *11) + (24 *15)
= (144) + (64) + (88) + (360) = 656
HL13=Y10X03+Y01X13+Y12X23+Y03X33
= (18 *10) + (16 *12) + (8 * 4) + (24 * 7 )
= (180) + (192) + (32) + (168) = 572
HL20=Y20X00+Y21X01+Y22X02+Y23X30
= (2 * 5) + (20 * 9) + (22 *1) + (8 *19)
= (10) + (180) + (22) + (152) = 364
HL21=Y20X01+Y21X11+Y02X21+Y23X31
= (2 *11) + (20 * 8) + (22 *10) + (8 * 6)
= (22) + (160) + (220) + (48) = 450
HL22=Y20X02+Y21X12+Y02X22+Y23X32
= (2 * 8) + (20 * 4) + (22 *11) + (8 *15)
= (16) + (80) + (242) + (120) = 458
HL23=Y20X03+Y21X13+Y02X23+Y23X33
= (2 *10) + (20 *12) + (22 * 4) + (8 * 7 )
= (20) + (240) + (88) + (56) = 404
HL30=Y30X00+Y31X01+Y32X02+Y33X30
= (36 * 5) + (12 * 9) + (30 *1) + (14 *19)
= (180) + (108) + (30) + (266) = 584
HL31=Y30X01+Y31X11+Y32X21+Y33X31
= (36 *11) + (12 * 8) + (30 *10) + (14 * 6)
= (396) + (96) + (300) + (84) = 876
HL32=Y30X02+Y31X12+Y32X22+Y33X32s
= (36 * 8) + (12 * 4) + (30 *11) + (14 *15)
= (288) + (48) + (330) + (210) = 876
HL33=Y30X03+Y31X13+Y32X23+Y33X33
= (36 *10) + (12 *12) + (30 * 4) + (14 * 7 )
= (360) + (144) + (120) + (98) = 722

644 566 644 568
698 550 565 572 
HL= 
364 450 458 404
 
584 876 876 722
c. Perhitungan Citra Low-high Filter
LH= Low-pass Filter x high-pass filter
X*Y
(4.8)
 5 11 8 10 10 22 16 20
 9 8 4 12 18 16 4 24
LH=  *
 1 10 11 4   2 20 22 8 
   
19 6 15 7  36 12 30 14 
LH00=X00Y00+X01Y10+X02Y20+X03Y30
= (5 *10) + (11*18) + (8 * 2) + (10 * 36)
= (50) + (198) + (16) + (360) = 624
LH01=X00Y01+X01Y11+X02Y21+X03Y31
= (5 * 22) + (11 *16) + (8 * 20) + (10 *12)
= (110) + (176) + (160) + (120) = 566
LH02=X00Y02+X01Y12+X02Y22
= (5 *16) + (11 * 8) + (8 * 22) + (10 * 30)
= (80) + (88) + (176) + (300) = 644
LH03=X00Y03+X01Y13+X02Y23+X03Y33
= (5 * 20) + (11* 24) + (8 * 8) + (10 *14)
= (100) + (264) + (64) + (140) = 568

LH10=X10Y00+X11Y01+X12Y02+X13Y30
= (9 *10) + (8 *18) + (4 * 2) + (12 * 36)
= (90) + (144) + (8) + (432) = 674
LH11=X10Y01+X01Y11+X12Y21+X03Y31
= (9 * 22) + (8 *16) + (4 * 20) + (12 *12)
= (88) + (128) + (80) + (144) = 550
LH12=X10Y02+X01Y12+X12Y22+X03Y32
= (9 *16) + (8 * 8) + (4 * 22) + (12 * 30)
= (144) + (64) + (88) + (360) = 656
LH13=X10Y03+X01Y13+X12Y23+X03Y33
= (9 * 20) + (8 * 24) + (4 * 8) + (12 *14)
= (180) + (192) + (32) + (168) = 572
LH20=X20Y00+X21Y01+X22Y02+X23Y30
= (1 *10) + (10 *18) + (11 * 2) + (4 * 36)
= (10) + (180) + (22) + (144) = 356
LH21=X20Y01+X21Y11+X02Y21+X23Y31
= (1 * 22) + (10 *16) + (11* 20) + (4 *12)
= (22) + (160) + (220) + (48) = 450
LH22=X20Y02+X21Y12+X02Y22+X23Y32
= (1 *16) + (10 * 8) + (11 * 22) + (4 * 30)
= (16) + (80) + (242) + (120) = 458
LH23=X20Y03+X21Y13+X02Y23+X23Y33
= (1 * 20) + (10 * 24) + (11 * 8) + (4 *14)
= (20) + (240) + (88) + (56) = 404
LH30=X30Y00+X31Y01+X32Y02+X33Y30
= (19 *10) + (6 *18) + (15 * 2) + (7 * 36)
= (190) + (108) + (30) + (252) = 580
LH31=X30Y01+X31Y11+X32Y21+X33Y3
= (19 * 22) + (6 *16) + (15 * 20) + (7 *12)
= (418) + (96) + (300) + (84) = 898
LH32=X30Y02+X31Y12+X32Y22+X33Y32s
= (19 *16) + (6 * 8) + (15 * 22) + (7 * 30)
= (304) + (48) + (330) + (210) = 892
LH33=X30Y03+X31Y13+X32Y23+X33Y33
= (19 * 20) + (6 * 24) + (15 * 8) + (7 *14)
= (380) + (144) + (120) + (98) = 742
624 566 644 568

674 550 565 572 
LH= 
364 450 458 404
 
580 898 892 742
d. Perhitungan Citra High-high Filter
HH= High-pass Filter x High-pass Filter
Y*Y
(4.9)
10 22 16 20 10 22 16 20
18 16 4 24 18 16 4 24
HH=  *
2 20 22 8   2 20 22 8 
   
36 12 30 14  36 12 30 14 
HH00=Y00Y00+Y01Y10+Y02Y20+Y03Y30
= (10 * 10) + (22 * 18) + (16 * 2) + (20 * 36)
= (100) + (396) + (32) + (720) = 1284
HH01=Y00Y01+Y01Y11+Y02Y21+Y03Y31
= (10 * 22) + (22 *16) + (16 * 20) + (20 *12)
= (220) + (352) + (320) + (240) = 1132
HH02=Y00Y02+Y01Y12+Y02Y22+Y03Y32
= (10 *16) + (22 * 8) + (16 * 22) + (20 * 30)
= (160) + (176) + (352) + (600) = 1288
HH03=Y00Y03+Y01Y13+Y02Y23+Y03Y33
= (10 * 20) + (22 * 24) + (16 * 8) + (20 *14)
= (200) + (528) + (128) + (280) = 1136
HH10=Y10Y00+Y11Y01+Y12Y02+Y13Y30
= (18 *10) + (16 *18) + (8 * 2) + (24 * 36)
= (180) + (288) + (16) + (864) = 1348
HH11=Y10Y01+Y01Y11+Y12Y21+Y03Y31
= (18 * 22) + (16 *16) + (8 * 20) + (24 *12)
= (396) + (256) + (160) + (288) = 1100
HH12=Y10Y02+Y01Y12+Y12Y22+Y03Y32
= (18 *16) + (16 * 8) + (8 * 22) + (24 * 30)
= (288) + (128) + (176) + (720) = 1312
HH 13=Y10Y03+Y01Y13+Y12Y23+Y03Y33
= (18 * 20) + (16 * 24) + (8 * 8) + (24 *14)
= (360) + (384) + (64) + (336) = 1144
HH20=Y20Y00+Y21Y01+Y22Y02+Y23Y30
= (2 *10) + (20 *18) + (22 * 2) + (8 * 36)
= (20) + (360) + (44) + (288) = 712
HH 21=Y20Y01+Y21Y11+Y02Y21+Y23Y31
= (2 * 22) + (20 *16) + (22 * 20) + (8 *12)
= (44) + (320) + (440) + (96) = 900
HH22=Y20Y02+Y21Y12+Y02Y22+Y23Y32
= (2 *16) + (20 * 8) + (22 * 22) + (8 * 30)
= (32) + (160) + (484) + (240) = 916
HH23=Y20Y03+Y21Y13+Y02Y23+Y23Y33
= (2 * 20) + (20 * 24) + (22 * 8) + (8 *14)
= (40) + (480) + (176) + (112) = 808
HH30=Y30Y00+Y31Y01+Y32Y02+Y33Y30
= (36 *10) + (12 *18) + (30 * 2) + (14 * 36)
= (360) + (216) + (60) + (504) = 1140
HH31=Y30Y01+Y31Y11+Y32Y21+Y33Y31
= (36 * 22) + (12 *16) + (30 * 20) + (14 *12)
= (792) + (192) + (600) + (168) = 1752

HH32=Y30Y02+Y31Y12+Y32Y22+Y33Y32s
= (36 *16) + (12 * 8) + (30 * 22) + (14 * 30)
= (576) + (96) + (660) + (420) = 1752
HH33=Y30Y03+Y31Y13+Y32Y23+Y33Y33
= (36 * 20) + (12 * 24) + (30 * 8) + (14 *14)
= (720) + (288) + (240) + (196) = 1444
1248 1132 1288 1136

1348 1100 1312 1144
HH=  
 712 900 916 808 
 
1140 1752 1752 1444
4.3.3. Data Hasil Uji Coba
a. Output Citra
(c) Valley.bmp
(a) Jungle.bmp (b) Mountain.bmp
(d) Upin-Ipin.bm (e) Three-Idiot.bmp (f) Assasians.bmp
(g) Teratai.bmp (j) Black.bmp (i) Tulip.bmp
Gambar 4.5 Data hasil uji coba
b. Nilai Koefisien DCT dan DWT
Tabel 4.1 Hasil uji coba koefisien DCT dan DWT
Citra masukan Koefisien

No (Bmp) DCT DWT
Dc HH HL LH LL
1 Jungle 7,883 136,0 321,0 1.774 2164
2 Mountain 8,728 142,0 700,0 2.408 9.484
3 Valley 7,899 510,0 520,0 1.061 2.164
4 Upin-ipin 2,612 286,0 1.526 1.645 1.860
5 Three-idiot 7,349 320,0 2.031 2.693 3.376
6 Assasians 2,783 510,0 520,0 1.061 2.164
7 Teratai 5,504 112,0 244,0 1.050 4.771
8 Black 3,523 6,000 72,00 512,0 1.728
9 Tulip 5,751 4,000 32,00 414,0 819,0
Citra yang dihasilkan setelah kompresi menggunakan metode DCT dan
DWT secara kasat mata tidak mengalami perubahan, akan tetapi secara tak kasat
mata yaitu menghasilkan nilai koefisien yang berbeda, nilai koefisien yang
menggunakan metode DCT menghasilkan koefisien Ac dan Dc (koefisien Dc
yaitu koefisien pada pixel baris ke-nol dan kolom ke-nol atau nilai yang berada di
pojok kiri atas, sedangkan nilai yang lainnya adalah koefisien Ac), sedangkan
metode DWT menghasilkan 4 kuadran nilai koefisien yaitu low-low filter, high-
low filter, low-high filter dan high-high filter. Masing-masing nilai koefisien
ditunjukkan pada tabel 4.1.
c. Rasio Kompresi Metode DCT
Tabel 4.2 Hasil uji coba kompresi menggunakan metode DCT
Ukuran (Kb)
Citra masukan Citra Citra Rasio
No asli terkompresi Kompresi
1 Jungle 49 31 36,73
2 Mountain 193 70 63,73
3 Valley 769 149 80,63
4 Upin-ipin 3.841 471 87,74
5 Three-idiot 550 175 80,92
6 Assasians 3.601 385 94,31
7 Teratai 858 95 88,86
8 Black 2.301 585 74,61
9 Tulip 653 261 60,04
Hasil uji coba terhadap sistem untuk proses kompresi menggunakan
metode DCT pada file yang mempunyai tipe *.bmp ditunjukkan pada tabel 4.2.
rasio rata-rata yang dicapai oleh system untuk file bertipe *.bmp adalah sebesar
74.61%. Tingkat rasio kompresi untuk sebuah file sangat dipengaruhi oleh
komposisi data yang bersangkutan.
d. Rasio Kompresi Metode DWT

Tabel 4.3 Hasil uji coba kompresi menggunakan metode DWT
Ukuran (Kb)
Citra masukan Citra Citra Rasio
No asli terkompresi Kompresi
1 Jungle 49 43 12,25
2 Mountain 193 155 19,69
3 Valley 769 256 66,71
4 Upin-ipin 3.841 991 74,20
5 Three-idiot 550 175 68,18
6 Assasians 3.601 385 89,31
7 Teratai 858 141 75,90
8 Black 2.301 742 67,75
9 Tulip 653 461 29,40
Hasil uji coba terhadap sistem untuk proses kompresi menggunakan
metode (DWT) pada file yang mempunyai tipe *.bmp ditunjukkan pada tabel 4.3.
rasio rata-rata yang dicapai oleh system untuk file bertipe *.bmp adalah sebesar
55.93%. Tingkat rasio kompresi untuk sebuah file sangat dipengaruhi oleh
komposisi data yang bersangkutan.
Rasio kompresi yang dihasilkan metode DWT lebih kecil dari pada rasio
kompresi yang dihasilkan menggunakan metode DCT, karena metode DWT
bersifat losseles dan sebaliknya DCT bersifat losy.

BAB V
KESIMPULAN DAN SARAN
Pada bab terakhir ini dijelaskan mengenai kesimpulan yang didapat dari
pengerjaan skripsi ini, beserta saran-saran yang perlu diperhatikan untuk
pengembangan selanjutnya.
5.1 Kesimpulan
Berdasarkan aplikasi yang telah dibuat beserta ujicoba yang telah
dilakukan, maka dapat ditarik kesimpulan sebagai berikut :
1. Pemilihan ukuran pixel citra merupakan kunci utama untuk menghitung
setiap blok.
2. Metode DCT menghasilkan koefisien Dc dan Ac
3. Fungsi basis nilai kostant pada kiri atas yaitu fungsi basis DC, disebut
koefisien DC.
4. Matriks transform adalah matriks real orthonormal, maka matriks invers
sama dengan matriks transposnya.
5. Nilai matriks invers sama dengan matriks aslinya.
6. Metode DWT dimenghasilkan 4 kuadran koefisien yaitu low-low filter,
high-low filter, low-high filter, dan high-high filter.

7. Rasio prosentase hasil kompresi pada metode DWT lebih kecil dari pada
metode DCT.
8. DCT bersifat lossy dan DWT bersifat loseless (sedikit koefisien yang
dihilangkan).
9. DCT menggunakan pemampatan kuantisasi.
10. DWT pemampatannya misalnya menggunakan Huffman, Run-Length
Encoding (RLE) dan Adaptif Dictionary Based (LZW).
5.2 Saran
Saran yang hendak disampaikan terkait dengan pengerjaan skripsi ini
adalah:
1. Menggunakan gabungan metode DCT dan DWT untuk melakukan proses
kompresi.
2. uji coba diterapkan pada semua format citra.

DAFTAR PUSTAKA
Ahmad, Usman. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya.

Yogyakarta: Graha Ilmu.
Hadrian, Obbie. 2009. Perbandingan Kinerja Berbgaia Algoritma Kompresi pada

Berbagai Tipe File. Jurusan Teknik Informatika. ITB Bandung.
Handayani, Dewi. 2001. Sistem Berkas. Yogyakarta: J&J Learning
Linawati dan Henry Panggabean. 2004. Perbandingan Algoritma Kompresi pada

Berbagai Tipe File. FMIPA. Universitas Katolik Parahyangan Bandung.
Jando, Emanuel. 2005. Pengantar Arsitektur dan Sistem Operasi Komputer.

Fakultas Ilmu Komputer. Universitas Indonesia.
Munir, Rinaldi. 2004. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung:
Informatika
Prayogo. 2008. Daftar ekstensi file.

http://prayogo.wordpress.com/2008/08/29/daftr-ekstensi-file/
Tanggal akses: 15 Oktober 2009
R.C. Gonzalez, R.E. Woods, 1992, Digital Image Processing, USA : Addison-Wesley
Publishing Company.
Restyandito. Metode Statistik Kompresi Data.
http://www.ukdw.ac.id/kuliah/info/TP4113/HO03-MetodeStatistik.pdf
Tanggal akses: 15 Oktober 2009
Robi’in, Bambang. 2004. Pemrograman Grafis Multimedia Menggunakan Delphi.

Yogyakarta: Andi.
Shihab, M. Quraish. 2005. Tafsir al-Misbah. Pesan, Kesan dan Keserasian Al-
Qur’an Volume 3. Jakarta: Lentara Hati.
Shihab, M. Quraish. 2004. Wawasan Al-Qur’an Tafsir Maudhu’I atas Pelbagai

Persoalan Umat. Bandung: PT Mizan Pustaka.
Wijaya, Marvin.ch dan Agus, Prijono. 2007. Pengolahan Citra Digital

Menggunakan Matlab. Bandung: Informatika.

Skripsi Studi Perbandingan Kompresi DCT Dan DWT PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Skripsi Studi Perbandingan Kompresi DCT Dan DWT PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

STUDI PERBANDINGAN KOMPRESI

JURUSAN TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

Telah Disetujui untuk Diuji

Dosen Pembimbing I, Dosen Pembimbing II,

Ririen Kusumawati, M. Kom. Zainal Abidin, M.Kom

Ririen Kusumawati, M. Kom.

STUDI PERBANDINGAN KOMPRESI

Susunan Dewan Penguji: Tanda Tangan

2. Ketua : Syahiduz Zaman, M.Kom ( )

3. Sekretaris : Ririen Kusumawati, M. Kom ( )

4. Anggota : Zainal Abidin, M.Kom ( )

Mengetahui dan Mengesahkan,

Ririen Kusumawati, M. Kom.

Dengan ini menyatakan bahwa :

Demikian pernyataan ini dibuat dengan segala kesadaran.

Malang, 26 Juli 2010

Yang utama dari segalanya...

My Roommate aT Ibnu Sina 10

The Best Person

” Berjuang untuk mendapatkan sesuatu bukan menunggu untuk

”Jadikanlah sabar dan sholat sebagai penolongmu. Dan sesungguhnya yang

(Qs. Al-Baqarah : 45-46)

menyelesaikan skripsi berjudul :

STUDI PERBANDINGAN KOMPRESI

semua pihak, khususnya pada :

Maulana Malik Ibrahim Malang

2. Prof. Dr. Sutiman Bambang Sumitro, S.U., D. Sc selaku Dekan Fakultas

Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik

dalam menyelesaikan penelitian skripsi ini .

4. Zainal Abidin, M.Kom selaku dosen pembimbing agama yang bersedia

meluangkan waktu untuk memberikan masukan dan arahan terhadap

permasalahan integrasi dalam skripsi ini

menyelesaikan kuliah pada tahap skripsi.

Peneliti menyadari sepenuhnya bahwa sebagai manusia biasa tentunya tidak

peneliti mengharapkan saran dan kritik yang dapat menyempurnakan penelitian

ini sehingga dapat bermanfaat dan berguna untuk pengembangan ilmu

Malang, Juli 2010

HALAMAN JUDUL ..................................................................................................i

1.1 Latar Belakang ......................................................................................................1

BAB II TINJAUAN PUSTAKA

2.1 Definisi Kompresi .................................................................................................7

3.1 Deskripsi Sistem ...................................................................................................41

BAB IV HASIL DAN PEMBAHASAN

4.1 Lingkungan Uji Coba ..............................................................................................61

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan ............................................................................................................99

DAFTAR PUSTAKA .................................................................................................101

Gambar 2.1 :Delapan basis vektor untuk DCT dengan n = 8....................... 12

Tabel 3.1 : Data citra inputan system ........................................................... 43

Shofiyah. 2010. Studi Perbandingan Kompresi Menggunakan Metode

Kata Kunci : Discrete Cosine Transform, Discrete Wavelet Transform, bitmap,

Kompresi citra digital merupakan upaya untuk melakukan transformasi

1.1 Latar Belakang

dalam Al Qur’anNya pada Surah At

Artinya: Sesungguhnya Kami telah menciptakan manusia dalam bentuk yang

Imam Muslim meriwayatkan hadits yang artinya “Sesungguhnya Allah

Maha Indah dan mencintai keindahan” (Ahmad Umar, 2004:185). Disebutkan

dalam ayat al-Qur’an

atas, Allah Maha indah, tentunya ciptaan-Nya

indah. Atas keindahan

pengertian lain adalah keindahan di atas bentuk yang sebaik-baiknya.

berada pada posisi yang strategis.