BAB II

PEMBAHASAN

2.1 Pengertian Metode Kompresi Kuantisasi

Kompresi gambar/citra (image compression) adalah proses untuk meminimalisasi
jumlah bit yang merepresentasikan suatu citra sehingga ukuran data citra menjadi lebih kecil.
Format citra harus dapat menyatukan kualitas citra, ukuran file dan kompatibilitas dengan
berbagai aplikasi. Saat ini tersedia banyak format grafik dan format baru tersebut
dikembangkan, diantaranya yang terkenal adalah BMP (bitmap), JPEG (Joint Photographic
Experts Group), dan GIF (Graphics Interchange Format). Setiap program pengolahan citra
biasanya memiliki format citra tersendiri. Format dan metode dari suatu citra yang baik juga
sangat bergantung pada jenis citranya. Setiap format file citra memiliki kelebihan dan
kekurangan masing – masing dalam hal citra yang disimpan. Citra tertentu dapat disimpan
dengan baik (dalam arti ukuran file lebih kecil dan kualitas gambar tidak berubah) pada
format file citra tertentu, apabila disimpan pada format lain kadang kala dapat menyebabkan
ukuran file menjadi lebih besar dari aslinya dan kualitas citra dapat menurun oleh karena itu,
untuk menyimpan suatu citra harus diperhatikan citra dan format file citra apa yang sesuai.

Metode kuantisasi dilakukan dengan membagi citra menjadi beberapa blok yang
berukuran sama, blok ini dinamakan vector pixel.

Kompresi data (pemampatan data) merupakan suatu teknik untuk memperkecil jumlah
ukuran data (hasil kompresi) dari data aslinya. Pemampatan data umumnya diterapkan pada
mesin komputer, hal ini dilakukan karena setiap simbol yang muncul pada komputer
memiliki nilai bit – bit yang berbeda.

A. Metode Kompresi Data

Berdasarkan tipe peta kode yang digunakan untuk mengubah pesan awal (isi file
input) menjadi sekumpulan codeword, metode kompresi dibagi menjadi dua kelompok
(Muliyanto, 2009), yaitu:

a. Metode Statik

Menggunakan peta kode yang selalu sama. Metode ini membutuhkan dua fase (two-pass) :
fase pertama untuk menghitung probabilitas kemunculan tiap simbol/karakter dan
menentukan peta kodenya dan fase kedua untuk mengubah pesan menjadi sekumpulan kode
yang akan ditransmisikan. Contohnya pada Huffman static, arithmetic coding.

b. Metode Dinamik (adaptif)

Menggunakan peta kode yang dapat diubah dari waktu ke waktu. Metode ini disebut adaptif
karena peta kode mampu beradaptasi terhadapkarakteristik isi file selama proses kompresi
berlangsung. Metode ini bersifat onepass, karena isi file selama dikompres hanya
diperlakukan satu kali pembacaan terhadap isi file. Contohnya pada algoritma LZW dan
DMC
 B. Metode Kuantisasi

Dalam Jurnal Krisnawati berjudul Kompresi RGB Dengan Metode Kuantisasi

menjelaskan bahwa metode kuantisasi bekerja dengan mengurangi jumlah intensitas warna,
sehingga jumlah bit yang digunakan untuk merepresentasikan citra menjadi berkurang. Oleh
karena jumlah bit berkurang maka ukuran file menjadi lebih kecil. Dengan berkurangnya
intensitas warna tentu saja ada informasi yang hilang dari citra asal. Oleh karena itu metode
ini termasuk dalam loossy compression, sehingga citra yang sudah dikompresi sulit
didekompresi kembali karena adanya informasi yang hilang. Proses kompresi tentunya akan
berdampak kepada banyak hal. Yang pertama adalah ukuran citra hasil kompresi. Ukuran
citra diharapkan lebih kecil dari citra asal. Kedua adalah kualitas citra untuk input terhadap
proses berikutnya. Sampai berapa persenkah citra asli bisa dikompresi? Rasio kompresi dapat
dihitung dengan formula sebagai berikut:

Rasio Kompresi =

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

2.2 Kelebihan Metode Kompresi Kuantisasi

Metode kompresi citra menggunakan kuantisasi dapat mempekercil kapasitas citra
tanpa mengubah ukuran citra tersebut namun kualitas citra kurang baik

Metode kuantisasi bekerja dengan cara mengurangi derajat keabuan sehingga jumlah
bit yang dibutuhkan merpresentasikan citra berkurang. Gambar digital dapat
direpresentasikan dengan array dua dimensi, dimana setiap elemen array dikenal sebagai
elemen gambar (pixel). Pembagian suatu gambar menjadi sejumlah pixel dengan ukuran
tertentu ini akan menentukan resolusi spatial (derajat kehalusan) yang diperoleh. Semakin
kecil ukuran pixel-nya, maka akan semakin halus gambar yang diperoleh, karena informasi
yang hilang akibat pengelompokan tingkat keabuan pada proses pembuatan kisi-kisi akan
semakin kecil.

2.3 Kekurangan Metode Kompresi Kuantisasi

Pada implementasinya nilai koefsien akan berubah sesuai rasio kompresi yang
ditentukan oleh user, oleh karena itu perubahan tersebut disimpan di awal file gambar dan
akan digunakan kembali untuk mengembalikan koefisien frekuensi menjadi koefisien DCT
(Inverse Quantization). Semakin tinggi rasio kompresi pada gambar maka semakin tinggi
pula nilai pada kuantisasi dan kualitas gambarpun akan semakin rendah.
 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.
Citra digital dapat disimpan dalam berbagai macam format. Beberapa format citra
digital dapat memanfaatkan metode kompresi dalam penyimpanan data citra. Kompresi yang
dilakukan dapat bersifat lossy maupun lossless, bergantung kepada jenis format yang
digunakan. Kompresi yang bersifat lossy menyebabkan penurunan kualitas citra, meskipun
dalam beberapa kasus penurunan kualitas tersebut tidak dapat dikenali oleh mata manusia.
Beberapa format citra digital yang banyak ditemui adalah BMP, JPEG, GIF, PNG, dan lain-
lain. (Muliyanto, 2009)

2.4 Contoh Penggunaan Metode Kompresi Kuantisasi

Dalam proses kompresi, file yang akan dikompresi tidak dapat langsung diubah ke
dalam bentuk kode-kode tetapi harus melalui beberapa proses. Pada kompresi metode
kuantisasi, pengubahan file yang akan dikompres meliputi tiga proses, yaitu :

1. Buat histogram citra yang akan dimampatkan. P jumlah pixel

2. Identifikasi n buah kelompok di histogram sedemikian sehingga setiap kelompok
mempunyai kira-kira P/n pixel
3. Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap kelompok
dikodekan kembali dengan nilai derajat keabuan yang baru.

Misalkan untuk mengkompresi citra digital berikut ini :

Adapun proses pengubahan citra RGB ke dalam citra grayscale

Proses pertama adalah mengambil nilai R, G dan B dari suatu citra bertipe RGB. Pada
tipe .bmp citra direpresentasikan dalam 24 bit, sehingga diperlukan proses untuk mengambil
masing- masing 3 kelompok 8 bit dari 24 bit tadi. Sebagai contoh suatu pixel memiliki nilai
RGB 24 bit sebagai berikut :

Untuk mendapatkan masing-masing nilai R, G dan B dilakukan operasi-operasi yaitu :

Untuk mendapatkan nilai R dilakukan operasi modulo dengan bilangan 256 sebagai berikut :

Nilai R = 111100001111000011111111 mod 10000000

= 11111111
Sedangkan untuk nilai G, dapat dicari dengan cara
sebagai berikut:

Nilai G = (111100001111000011111111 and 1111111100000000)/100000000

= 11110000

Untuk Nilai B, dapat dicari dengan menggunakan rumus

Nilai B = =(111100001111000011111111 and

111111110000000000000000)/10000000000000000

= 11110000

sehingga dari nilai pixel 1111000011110000111111112 atau 15790335 diperoleh nilai

R = 11111111 = 255
G = 11110000 = 240
B = 11110000 = 240
Sehingga diperoleh triplet RGB= (255,240,240).

Setelah nilai triplet RGB diperoleh, maka bisa mendapatkan nilai grayscale dari pixel
tersebut. Ide dasarnya sebenarnya adalah membuat band tunggal dari 3 band RGB tadi
dengan rumus tertentu Dengan menggunakan metode kuantisasi maka dilakukan langkah-
langkah berdasarkan metode tersebut, yaitu :
1. Buat histogram citra yang akan dimampatkan. P jumlah pixel
Tabel 1 Matriks Nilai Histrogram Citra RGB

0 0 1 2 3 4 5 6 7 8 1 1 1
9
0 1 2
0 2 9 6 4 8 2 6 3 8 7
5 9 3
1 3 8 5 4 7 6 3 8 2 3
8 4 7
2 3 8 4 7 4 9 2 3 8 9
2 7 4
3 3 9 4 7 2 7 6 2 1 0
6 5 3
4 2 0 4 3 8 9 5 4 7 3
1 2 8

2. Identifikasi n buah kelompok di histogram sedemikian sehingga setiap kelompok

mempunyai kira-kira P/n pixel. Citra akan dimampatkan dengan 4 derajat keabuan (0 -3)atau
dengan 2 bit, sehingga hasilnya sebagai berikut :
Histogram dari Gambar 1 adalah
Tabel 2 Histogram Nilai Keabuan dari citra RGB
0 **
 1 **
2 *********
*********
3
**
4 *********
5 ****
6 *****
7 ********
8 *********
9 ******

Dari histrogram diatas maka dikelompokan derajat keabuannya, yaitu :

Tabel 3 Histogram Nilai Keabuan Yang Baru
k Nk kbaru
0 ** 0
1 **
2 *********
**********
3 1
*
4 *********
5 **** 2
6 *****
7 ********
8 ********* 3
9 ******

Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap kelompok dikodekan
kembali dengan nilai derajat keabuan yang baru.
Hasil dari pengelompokan nilai derajat keabuan yang baru adalah :
Tabel 4 Matriks Nilai Keabuan Baru dari Citra RGB
1 1 1 1
1 2 3 4 5 6 7 8 9
0 1 2 3
0 1 3 2 1 3 0 2 1 3 2 3 1 2
1 1 3 2 1 2 2 1 3 0 3 1 2 1
2 1 3 1 2 1 3 0 1 3 0 2 1 3
3 1 3 1 2 0 2 2 0 0 2 2 1 0
4 0 0 1 1 3 3 2 1 2 0 0 3 0

Hasil Kompresi Citra Kuantisasi