BAB II

LANDASAN TEORI
2.1 Tinjauan Studi
Terdapat beberapa penelitian tentang kompresi citra yang pernah dilakukan
sebelumnya. Berikut ini merupakan penelitian-penelitian terdahulu :
Penelitian oleh Raharja, B. D. dan Harsadi, P. pada tahun 2018 dengan judul
“Implementasi Kompresi Citra Digital Dengan Mengatur Kualitas Citra Digital.” Penelitian
tersebut dilakukan untuk mengatasi permasalahan ukuran citra yang dihasilkan oleh
perangkat berkamera yang memiliki ukuran relatif besar. Citra diperkecil dengan
menurunkan kualitas citra menggunakan metode kompresi lossy. Hasilnya berupa aplikasi
berbasis desktop yang dapat mengompresi gambar dengan rasio kompresi 50% dan 70%.
Kesimpulannya penurunan kualitas citra dapat memperkecil ukuran file, namun tingkat
detailnya lebih rendah dibandingkan citra masukan.[2]
Penelitian oleh Suia, D. dkk. pada tahun 2019 dengan judul “Analisis Kualitas Citra
Medis Terkompresi JPEG.” Penelitian tersebut menganalisis citra medis X-Ray menggunakan
metode JPEG untuk menentukan rasio kompresi optimal berdasarkan nilai PSNR (Peak
Signal to Noise Ratio) dan MSE (Mean Square Error). Dikarenakan pemanfaatan teknologi
pengolahan citra digital pada bidang medis dirasa belum optimal. Hasil yang didapatkan dari
pengujian 10 citra X-Ray pada 9 rasio kompresi mulai dari 10% hingga 90% adalah rasio
kompresi terbaik terdapat pada rasio kompresi 90%, sebab nilai PSNR dan MSE terbaik ada
pada rasio tersebut, yaitu 80.9881 dB.[3]
Penelitian oleh Tarigan, P. dan Matondang, Z. A. pada tahun 2019 dengan judul
“Pengujian Metode Kuantitasi Untuk Melakukan Kompresi Citra RGB.” Penelitian tersebut
menguji kompresi citra RGB menggunakan metode kuantisasi untuk memperkecil ukuran file
citra. Hasil yang didapatkan adalah kompresi dengan metode tersebut menurunkan tingkat
intensitas RGB dengan seragam dan membuat bit menjadi berkurang. Selain itu, proses
kompresi akan mengklasifikasi dan mengelompokkan intersitas warna sehingga mendapatkan
nilai kelompok intensitas baru.[4]
Penelitian oleh Murpratiwi, S. I. dan Widyantara, I. M. O pada tahun 2019 dengan
judul “Pemilihan Algoritma Kompresi Optimal Untuk Citra Digital Bitmap” membahas
tentang pemilihan algoritma kompresi antara Absolute Moment Block Truncation Coding
(AMBTC), JPEG, dan Non-Negative Matrix Factorization. 9 Citra BMP dengan ukuran
512x512 pixel dikompresi dengan algoritma tersebut, kemudian dianalisis nilai rasio
kompresi, SNR (Signal to Noise Ratio), MSE dan PSNR dari citra hasil kompresi. Hasilnya,
algoritma AMBTC dianggap menjadi algoritma kompresi citra bitmap paling optimal karena
menghasilkan rasio kompresi dan kualitas citra terbaik.[5]
Penelitian oleh Krasmala, R. dkk. pada tahun 2017 dengan judul “Kompresi Citra
Dengan Menggunakan Metode Discrete Cosine Transform (DCT) dan Algoritma Huffman”
mengangkat masalah terkait teknik kompresi citra yang efisien. Adapun solusi yang
ditawarkan adalah kompresi citra dengan menggabungkan metode DCT dan Algoritma
Huffman. Hasilnya adalah aplikasi dengan teknik tersebut. Dimana citra yang dihasilkan
sedikit berkurang warnanya namun tidak terlihat berbeda dengan citra asli sebelum
dikompresi. Tetapi bila kualitas kompresi dibuat rendah, ukuran citra akan berkurang dan
kualitas citra akan terlihat berbeda dengan citra asli.[6]
Penelitian-penelitian tersebut merupakan penunjang dan bahan referensi untuk
memperkuat penelitian yang akan dilakukan. Secara umum, data yang diperoleh dari
penelitian terdahulu memberikan dukungan informasi yang diperlukan.