kompresi data - · pdf filebinary tree riki ruli s - 30. shannon-fano algorithm ......
TRANSCRIPT
KOMPRESI DATA
MultimediaJurusan Teknik Informatika
MultimediaJurusan Teknik Informatika
1Riki Ruli S - http://blogriki.wordpress.com
• Teknik Kompresi adalah teknik memadatkan data,sehingga data yang tadinya mempunyai kapasitasdata yang besar menjadi kapasitas data yang lebihkecil
• Kompresi data adalah proses mengkodekan informasimenggunakan bit atau information-bearing unit lainyang lebih rendah daripada representasi data yangtidak terkodekan dengan suatu sistem enkodingtertentu.
• Teknik Kompresi adalah teknik memadatkan data,sehingga data yang tadinya mempunyai kapasitasdata yang besar menjadi kapasitas data yang lebihkecil
• Kompresi data adalah proses mengkodekan informasimenggunakan bit atau information-bearing unit lainyang lebih rendah daripada representasi data yangtidak terkodekan dengan suatu sistem enkodingtertentu.
2Riki Ruli S - http://blogriki.wordpress.com
• Contoh sederhana : Menyingkat kata-kata yangsudah memiliki pengertian umum. Misal : kata “danlain-lain” disingkat “dll”, “yang” disingkat “yg”, “danseterusnya” disingkat “dst”
• Kompresi data menjadi sangat penting karenamemperkecil kebutuhan penyimpanan data,mempercepat pengiriman data, memperkecilkebutuhan bandwidth.
• Teknik kompresi bisa dilakukan terhadap data teks/biner,gambar (JPEG, PNG, TIFF), audio (MP3, AAC, RMA, WMA),dan video (MPEG, H261, H263)
• Contoh sederhana : Menyingkat kata-kata yangsudah memiliki pengertian umum. Misal : kata “danlain-lain” disingkat “dll”, “yang” disingkat “yg”, “danseterusnya” disingkat “dst”
• Kompresi data menjadi sangat penting karenamemperkecil kebutuhan penyimpanan data,mempercepat pengiriman data, memperkecilkebutuhan bandwidth.
• Teknik kompresi bisa dilakukan terhadap data teks/biner,gambar (JPEG, PNG, TIFF), audio (MP3, AAC, RMA, WMA),dan video (MPEG, H261, H263)
3Riki Ruli S - http://blogriki.wordpress.com
• Contoh sederhana : Menyingkat kata-kata yangsudah memiliki pengertian umum. Misal : kata “danlain-lain” disingkat “dll”, “yang” disingkat “yg”, “danseterusnya” disingkat “dst”
• Kompresi data menjadi sangat penting karenamemperkecil kebutuhan penyimpanan data,mempercepat pengiriman data, memperkecilkebutuhan bandwidth.
• Teknik kompresi bisa dilakukan terhadap data teks/biner,gambar (JPEG, PNG, TIFF), audio (MP3, AAC, RMA, WMA),dan video (MPEG, H261, H263)
• Contoh sederhana : Menyingkat kata-kata yangsudah memiliki pengertian umum. Misal : kata “danlain-lain” disingkat “dll”, “yang” disingkat “yg”, “danseterusnya” disingkat “dst”
• Kompresi data menjadi sangat penting karenamemperkecil kebutuhan penyimpanan data,mempercepat pengiriman data, memperkecilkebutuhan bandwidth.
• Teknik kompresi bisa dilakukan terhadap data teks/biner,gambar (JPEG, PNG, TIFF), audio (MP3, AAC, RMA, WMA),dan video (MPEG, H261, H263)
4Riki Ruli S - http://blogriki.wordpress.com
• Dialoque Mode: yaitu proses penerimaan datadimana pengirim dan penerima seakan berdialog(real time), seperti pada contoh video conference.
• Dimana kompresi data harus berada dalam bataspenglihatan dan pendengaran manusia. Waktutunda (delay) tidak boleh lebih dari 150 ms, dimana50 ms untuk proses kompresi dan dekompresi, 100ms mentransmisikan data dalam jaringan
• Dialoque Mode: yaitu proses penerimaan datadimana pengirim dan penerima seakan berdialog(real time), seperti pada contoh video conference.
• Dimana kompresi data harus berada dalam bataspenglihatan dan pendengaran manusia. Waktutunda (delay) tidak boleh lebih dari 150 ms, dimana50 ms untuk proses kompresi dan dekompresi, 100ms mentransmisikan data dalam jaringan
5Riki Ruli S - http://blogriki.wordpress.com
• Retrieval Mode: yaitu proses penerimaan data tidakdilakukan secara real time
• Dapat dilakukan fast forward dan fast rewind diclient
• Dapat dilakukan random access terhadap data dandapat bersifat interaktif
• Retrieval Mode: yaitu proses penerimaan data tidakdilakukan secara real time
• Dapat dilakukan fast forward dan fast rewind diclient
• Dapat dilakukan random access terhadap data dandapat bersifat interaktif
6Riki Ruli S - http://blogriki.wordpress.com
• Lossy:– Beberapa struktur dokumennya akan mengalami error
atau hilang dalam batasan toleransi manusia– Jangkauan kompresinya sangat tinggi– Contoh: video, gambar dan audio.
• Lossless:– Ekplositasinya hanya pada data statistik (redudancy)– Jangkauan kompresinya rendah– Struktur dokumennya tidak mengalami error atau hilang
apabila dilakukan dekompresi– contoh:program, data, medical imaging, dsb.
• Lossy:– Beberapa struktur dokumennya akan mengalami error
atau hilang dalam batasan toleransi manusia– Jangkauan kompresinya sangat tinggi– Contoh: video, gambar dan audio.
• Lossless:– Ekplositasinya hanya pada data statistik (redudancy)– Jangkauan kompresinya rendah– Struktur dokumennya tidak mengalami error atau hilang
apabila dilakukan dekompresi– contoh:program, data, medical imaging, dsb.
7Riki Ruli S - http://blogriki.wordpress.com
Lossy Compression berdasarkan output• Teknik kompresi dimana data hasil dekompresi tidak
sama dengan data sebelum kompresi namun sudah“cukup” untuk digunakan. Contoh: Mp3, streamingmedia, JPEG, MPEG, dan WMA.
• Kelebihan: ukuran file lebih kecil dibanding losslessnamun masih tetap memenuhi syarat untukdigunakan.
Lossy Compression berdasarkan output• Teknik kompresi dimana data hasil dekompresi tidak
sama dengan data sebelum kompresi namun sudah“cukup” untuk digunakan. Contoh: Mp3, streamingmedia, JPEG, MPEG, dan WMA.
• Kelebihan: ukuran file lebih kecil dibanding losslessnamun masih tetap memenuhi syarat untukdigunakan.
8Riki Ruli S - http://blogriki.wordpress.com
Lossy Compression berdasarkan output (2)• Teknik ini membuang bagian-bagian data yang
sebenarnya tidak begitu berguna, tidak begitudirasakan, tidak begitu dilihat oleh manusia sehinggamanusia masih beranggapan bahwa data tersebutmasih bisa digunakan walaupun sudah dikompresi.
• Misal terdapat image asli berukuran 12,249 bytes,kemudian dilakukan kompresi dengan JPEG kualitas30 dan berukuran 1,869 bytes berarti image tersebut85% lebih kecil dan ratio kompresi 15%
Lossy Compression berdasarkan output (2)• Teknik ini membuang bagian-bagian data yang
sebenarnya tidak begitu berguna, tidak begitudirasakan, tidak begitu dilihat oleh manusia sehinggamanusia masih beranggapan bahwa data tersebutmasih bisa digunakan walaupun sudah dikompresi.
• Misal terdapat image asli berukuran 12,249 bytes,kemudian dilakukan kompresi dengan JPEG kualitas30 dan berukuran 1,869 bytes berarti image tersebut85% lebih kecil dan ratio kompresi 15%
9Riki Ruli S - http://blogriki.wordpress.com
Loseless• Teknik kompresi dimana data hasil kompresi dapat
didekompres lagi dan hasilnya tepat sama seperti datasebelum proses kompresi. Contoh aplikasi: ZIP, RAR, GZIP,7-Zip
• Teknik ini digunakan jika dibutuhkan data setelahdikompresi harus dapat diekstrak/dekompres lagi tepatsama. Contoh pada data teks, data program/biner,beberapa image seperti GIF dan PNG
• Kadangkala ada data-data yang setelah dikompresidengan teknik ini ukurannya menjadi lebih besar atausama
Loseless• Teknik kompresi dimana data hasil kompresi dapat
didekompres lagi dan hasilnya tepat sama seperti datasebelum proses kompresi. Contoh aplikasi: ZIP, RAR, GZIP,7-Zip
• Teknik ini digunakan jika dibutuhkan data setelahdikompresi harus dapat diekstrak/dekompres lagi tepatsama. Contoh pada data teks, data program/biner,beberapa image seperti GIF dan PNG
• Kadangkala ada data-data yang setelah dikompresidengan teknik ini ukurannya menjadi lebih besar atausama
10Riki Ruli S - http://blogriki.wordpress.com
Memiliki Ciri dan sifat :• Kualitas data hasil enkoding: ukuran lebih kecil, data
tidak rusak untuk kompresi lossy.• Kecepatan, ratio, dan efisiensi proses kompresi dan
dekompresi• Ketepatan proses dekompresi data: data hasil
dekompresi tetap sama dengan data sebelumdikompres (kompresi lossless)
Memiliki Ciri dan sifat :• Kualitas data hasil enkoding: ukuran lebih kecil, data
tidak rusak untuk kompresi lossy.• Kecepatan, ratio, dan efisiensi proses kompresi dan
dekompresi• Ketepatan proses dekompresi data: data hasil
dekompresi tetap sama dengan data sebelumdikompres (kompresi lossless)
11Riki Ruli S - http://blogriki.wordpress.com
Ada 3 jenis pengkodean dalam kompresiantara lain :– Entropy coding: dimana dalam pengkodean
dan teknik kompresinya menggunakanteknik kompresi lossless
– Source coding: menggunakan teknikkompresi lossy
– Hybrid coding : gabungan dari teknikentropy dan source coding
Ada 3 jenis pengkodean dalam kompresiantara lain :– Entropy coding: dimana dalam pengkodean
dan teknik kompresinya menggunakanteknik kompresi lossless
– Source coding: menggunakan teknikkompresi lossy
– Hybrid coding : gabungan dari teknikentropy dan source coding
12Riki Ruli S - http://blogriki.wordpress.com
Entropy Encoding• Bersifat lossless• Tekniknya tidak berdasarkan media dengan
spesifikasi dan karakteristik tertentu namunberdasarkan urutan data.
• Statistical encoding, tidak memperhatikansemantik data.
• Mis: Run-length coding, Huffman coding,Arithmetic coding
Entropy Encoding• Bersifat lossless• Tekniknya tidak berdasarkan media dengan
spesifikasi dan karakteristik tertentu namunberdasarkan urutan data.
• Statistical encoding, tidak memperhatikansemantik data.
• Mis: Run-length coding, Huffman coding,Arithmetic coding
13Riki Ruli S - http://blogriki.wordpress.com
Source Coding• Bersifat lossy• Berkaitan dengan data semantik (arti
data) dan media.• Mis: Prediction (DPCM, DM),
Transformation (FFT, DCT), LayeredCoding (Bit position, subsampling, sub-band coding), Vector quantization
Source Coding• Bersifat lossy• Berkaitan dengan data semantik (arti
data) dan media.• Mis: Prediction (DPCM, DM),
Transformation (FFT, DCT), LayeredCoding (Bit position, subsampling, sub-band coding), Vector quantization
14Riki Ruli S - http://blogriki.wordpress.com
Hybrid Coding• Gabungan antara lossy + lossless• Mis: JPEG, MPEG, H.261, DVI
Hybrid Coding• Gabungan antara lossy + lossless• Mis: JPEG, MPEG, H.261, DVI
15Riki Ruli S - http://blogriki.wordpress.com
• Run-length Encoding• Repetition Suppression• Pattern Substitution• Huffman Coding
• Run-length Encoding• Repetition Suppression• Pattern Substitution• Huffman Coding
16Riki Ruli S - http://blogriki.wordpress.com
Run-Length-Encoding (RLE)• Kompresi data teks dilakukan jika ada
beberapa huruf yang sama yangditampilkan berturut-turut:
• Mis: Data: ABCCCCCCCCDEFGGGG = 17karakter
• RLE tipe 1 (min. 4 huruf sama) :ABC!8DEFG!4 = 11 karakter
Run-Length-Encoding (RLE)• Kompresi data teks dilakukan jika ada
beberapa huruf yang sama yangditampilkan berturut-turut:
• Mis: Data: ABCCCCCCCCDEFGGGG = 17karakter
• RLE tipe 1 (min. 4 huruf sama) :ABC!8DEFG!4 = 11 karakter
17Riki Ruli S - http://blogriki.wordpress.com
Run-Length-Encoding (RLE)• Beberapa elemen angka yang sama
diwakilkan dengan satu buah elemen angkayang diberikan jumlahnya
• contoh:111333322222211111 (1,3),(3,4),(2,6),(1,5)atau dengan contoh yang lain10000001 dikompresi menjadi 10!61
Run-Length-Encoding (RLE)• Beberapa elemen angka yang sama
diwakilkan dengan satu buah elemen angkayang diberikan jumlahnya
• contoh:111333322222211111 (1,3),(3,4),(2,6),(1,5)atau dengan contoh yang lain10000001 dikompresi menjadi 10!61
18Riki Ruli S - http://blogriki.wordpress.com
Run-Length-Encoding (RLE)• RLE ada yang menggunakan suatu karakter yang
tidak digunakan dalam teks tersebut sepertimisalnya “!‟ untuk menandai.
• Kelemahan? Jika ada karakter angka, manatanda mulai dan akhir?
Misal data : ABCCCCCCCCDEFGGGG = 17 karakterRLE tipe 2: -2AB8C-3DEF4G = 12 karakterMisal data : AB12CCCCDEEEF = 13 karakterRLE tipe 2: -4AB124CD3EF = 12 karakter
Run-Length-Encoding (RLE)• RLE ada yang menggunakan suatu karakter yang
tidak digunakan dalam teks tersebut sepertimisalnya “!‟ untuk menandai.
• Kelemahan? Jika ada karakter angka, manatanda mulai dan akhir?
Misal data : ABCCCCCCCCDEFGGGG = 17 karakterRLE tipe 2: -2AB8C-3DEF4G = 12 karakterMisal data : AB12CCCCDEEEF = 13 karakterRLE tipe 2: -4AB124CD3EF = 12 karakter
19Riki Ruli S - http://blogriki.wordpress.com
Run-Length-Encoding (RLE)• RLE ada yang menggunakan suatu karakter yang
tidak digunakan dalam teks tersebut sepertimisalnya “!‟ untuk menandai.
• Kelemahan? Jika ada karakter angka, manatanda mulai dan akhir?
Misal data : ABCCCCCCCCDEFGGGG = 17 karakterRLE tipe 2: -2AB8C-3DEF4G = 12 karakterMisal data : AB12CCCCDEEEF = 13 karakterRLE tipe 2: -4AB124CD3EF = 12 karakter
Run-Length-Encoding (RLE)• RLE ada yang menggunakan suatu karakter yang
tidak digunakan dalam teks tersebut sepertimisalnya “!‟ untuk menandai.
• Kelemahan? Jika ada karakter angka, manatanda mulai dan akhir?
Misal data : ABCCCCCCCCDEFGGGG = 17 karakterRLE tipe 2: -2AB8C-3DEF4G = 12 karakterMisal data : AB12CCCCDEEEF = 13 karakterRLE tipe 2: -4AB124CD3EF = 12 karakter
20Riki Ruli S - http://blogriki.wordpress.com
Run-Length-Encoding (RLE)• Best case: untuk RLE tipe 2 adalah ketika
terdapat 127 karakter yang sama sehinggaakan dikompres menjadi 2 byte saja.
• Worst case: untuk RLE tipe 2 adalah ketikaterdapat 127 karakter yang berbeda semua,maka akan terdapat 1 byte tambahansebagai tanda jumlah karakter yang tidaksama tersebut.
• Menggunakan teknik loseless
Run-Length-Encoding (RLE)• Best case: untuk RLE tipe 2 adalah ketika
terdapat 127 karakter yang sama sehinggaakan dikompres menjadi 2 byte saja.
• Worst case: untuk RLE tipe 2 adalah ketikaterdapat 127 karakter yang berbeda semua,maka akan terdapat 1 byte tambahansebagai tanda jumlah karakter yang tidaksama tersebut.
• Menggunakan teknik loseless
21Riki Ruli S - http://blogriki.wordpress.com
Repetition Suppression• Mengubah angka atau huruf yang
berulang-ulang diwakilkan dengan satuhurup dengan jumlahnya
• Example:984000000000000000000000000 = 984A24
Repetition Suppression• Mengubah angka atau huruf yang
berulang-ulang diwakilkan dengan satuhurup dengan jumlahnya
• Example:984000000000000000000000000 = 984A24
22Riki Ruli S - http://blogriki.wordpress.com
Pattern Substitution• Melakukan subtitusi kata-kata menjadi huruf
maupun simbol• contoh:
This book is an exemplary example of a book….This 1、is2、an3、of4、a5bookb*….
1b*23exemplary example45b
Pattern Substitution• Melakukan subtitusi kata-kata menjadi huruf
maupun simbol• contoh:
This book is an exemplary example of a book….This 1、is2、an3、of4、a5bookb*….
1b*23exemplary example45b
23Riki Ruli S - http://blogriki.wordpress.com
Pattern Substitution• This book is an exemplary example of a book on multimedia
and networking. Nowhere else will you find this kind ofcoverage and completeness. This is truly a one-stop-shop forall that you want to know about multimedia and networking.
(192 Karakter)• a:1, about:2, all:3, an:4, and:5, for:6, is:7, of:8, on:9, that:+,
this:&, to:=, will:#– & b o o k 7 4 e x e m p l a r y sp e x a m p l e 81 b
o o k 9 m* 5 n* . N o w h e r e sp e l s e # y o…– 129 : 193 = 0.6684 33.16% compression
Pattern Substitution• This book is an exemplary example of a book on multimedia
and networking. Nowhere else will you find this kind ofcoverage and completeness. This is truly a one-stop-shop forall that you want to know about multimedia and networking.
(192 Karakter)• a:1, about:2, all:3, an:4, and:5, for:6, is:7, of:8, on:9, that:+,
this:&, to:=, will:#– & b o o k 7 4 e x e m p l a r y sp e x a m p l e 81 b
o o k 9 m* 5 n* . N o w h e r e sp e l s e # y o…– 129 : 193 = 0.6684 33.16% compression
24Riki Ruli S - http://blogriki.wordpress.com
Static Huffman Coding (SFC)• Frekuensi karakter dari string yang akan dikompres
dianalisa terlebih dahulu. Selanjutnya dibuat pohonhuffman yang merupakan pohon biner dengan rootawal yang diberi nilai 0 (sebelah kiri) atau 1 (sebelahkanan), sedangkan selanjutnya untuk dahan kiriselalu diberi nilai 1(kiri) - 0(kanan) dan di dahankanan diberi nilai 0(kiri) – 1(kanan)
• A bottom-up approach = frekuensi terkecil dikerjakanterlebih dahulu dan diletakkan ke dalam leaf (daun).
• Kemudian leaf-leaf akan dikombinasikan dandijumlahkan probabilitasnya menjadi root diatasnya.
Static Huffman Coding (SFC)• Frekuensi karakter dari string yang akan dikompres
dianalisa terlebih dahulu. Selanjutnya dibuat pohonhuffman yang merupakan pohon biner dengan rootawal yang diberi nilai 0 (sebelah kiri) atau 1 (sebelahkanan), sedangkan selanjutnya untuk dahan kiriselalu diberi nilai 1(kiri) - 0(kanan) dan di dahankanan diberi nilai 0(kiri) – 1(kanan)
• A bottom-up approach = frekuensi terkecil dikerjakanterlebih dahulu dan diletakkan ke dalam leaf (daun).
• Kemudian leaf-leaf akan dikombinasikan dandijumlahkan probabilitasnya menjadi root diatasnya.
25Riki Ruli S - http://blogriki.wordpress.com
Static Huffman Coding• Berdasarkan frekuensi kejadian pada karakter
yang diberikan• A:13, B:4, C:7 A1, B 00, C 01
Static Huffman Coding• Berdasarkan frekuensi kejadian pada karakter
yang diberikan• A:13, B:4, C:7 A1, B 00, C 01
26Riki Ruli S - http://blogriki.wordpress.com
A B C
11
24
24
A
11 13
4 7B C
0
0
1
1
Static Huffman CodingMis: MAMA SAYA• A = 4 -> 4/8 = 0.5• M = 2 -> 2/8 = 0.25• S = 1 -> 1/8 = 0.125• Y = 1 -> 1/8 = 0.125• Total = 8 karakter
Static Huffman CodingMis: MAMA SAYA• A = 4 -> 4/8 = 0.5• M = 2 -> 2/8 = 0.25• S = 1 -> 1/8 = 0.125• Y = 1 -> 1/8 = 0.125• Total = 8 karakter
27Riki Ruli S - http://blogriki.wordpress.com
Static Huffman Coding
p(YSM)=0.5 p(A)=0.5
p(YSMA)=10 1
28Riki Ruli S - http://blogriki.wordpress.com
p(Y)=0.125 p(S)=0.125
p(YS)=0.25 p(M)=0.25
p(YSM)=0.5 p(A)=0.5
01
01
Sehingga w(A) = 1, w(M) = 00, w(S) = 010, dan w(Y) = 011
Shannon-Fano Algorithm• Dikembangkan oleh Shannon (Bell Labs) dan
Robert Fano (MIT)• Contoh : H E L L O
Shannon-Fano Algorithm• Dikembangkan oleh Shannon (Bell Labs) dan
Robert Fano (MIT)• Contoh : H E L L O
29Riki Ruli S - http://blogriki.wordpress.com
Simbol H E L O
Jumlah 1 1 2 1
Shannon-Fano Algorithm• Algoritma :
– Urutkan simbol berdasarkan frekuensi kemunculannya– Bagi simbol menjadi 2 bagian secara rekursif, dengan
jumlah yang kira-kira sama pada kedua bagian, sampaitiap bagian hanya terdiri dari 1 simbol.
• Cara yang paling tepat untukmengimplementasikan adalah dengan membuatbinary tree
Shannon-Fano Algorithm• Algoritma :
– Urutkan simbol berdasarkan frekuensi kemunculannya– Bagi simbol menjadi 2 bagian secara rekursif, dengan
jumlah yang kira-kira sama pada kedua bagian, sampaitiap bagian hanya terdiri dari 1 simbol.
• Cara yang paling tepat untukmengimplementasikan adalah dengan membuatbinary tree
30Riki Ruli S - http://blogriki.wordpress.com
Shannon-Fano Algorithm
31Riki Ruli S - http://blogriki.wordpress.com
Adaptive Huffman Coding (AHC)• Metode SHC mengharuskan diketahui terlebih
dahulu frekuensi masing-masing karaktersebelum dilakukan proses pengkodean. MetodeAHC merupakan pengembangan dari SHC dimanaproses penghitungan frekuensi karakter danpembuatan pohon Huffman dibuat secaradinamis pada saat membaca data.
• Algoritma Huffman tepat bila dipergunakan padainformasi yang bersifat statis. Sedangkan untukmultimedia application, dimana data yang akandatang belum dapat dipastikan kedatangannya(audio dan video streaming), algoritma AdaptiveHuffman dapat dipergunakan
Adaptive Huffman Coding (AHC)• Metode SHC mengharuskan diketahui terlebih
dahulu frekuensi masing-masing karaktersebelum dilakukan proses pengkodean. MetodeAHC merupakan pengembangan dari SHC dimanaproses penghitungan frekuensi karakter danpembuatan pohon Huffman dibuat secaradinamis pada saat membaca data.
• Algoritma Huffman tepat bila dipergunakan padainformasi yang bersifat statis. Sedangkan untukmultimedia application, dimana data yang akandatang belum dapat dipastikan kedatangannya(audio dan video streaming), algoritma AdaptiveHuffman dapat dipergunakan
32Riki Ruli S - http://blogriki.wordpress.com
Adaptive Huffman Coding (AHC)• Metode SHC maupun AHC merupakan
kompresi yang bersifat lossless.• Dibuat oleh David A. Huffman dari MIT tahun
1952• Huffman banyak dijadikan “back-end” pada
algoritma lain, seperti Arithmetic Coding,aplikasi PKZIP, JPEG, dan MP3.
Adaptive Huffman Coding (AHC)• Metode SHC maupun AHC merupakan
kompresi yang bersifat lossless.• Dibuat oleh David A. Huffman dari MIT tahun
1952• Huffman banyak dijadikan “back-end” pada
algoritma lain, seperti Arithmetic Coding,aplikasi PKZIP, JPEG, dan MP3.
33Riki Ruli S - http://blogriki.wordpress.com
•
34Riki Ruli S - http://blogriki.wordpress.com
Algoritma Lempel-Ziv-Welch (LZW)menggunakan teknik adaptif danberbasiskan “kamus” Pendahulu LZWadalah LZ77 dan LZ78 yang dikembangkanoleh Jacob Ziv dan Abraham Lempel padatahun 1977 dan 1978. Terry Welchmengembangkan teknik tersebut padatahun 1984. LZW banyak dipergunakanpada UNIX, GIF, V.42 untuk modem
Algoritma Lempel-Ziv-Welch (LZW)menggunakan teknik adaptif danberbasiskan “kamus” Pendahulu LZWadalah LZ77 dan LZ78 yang dikembangkanoleh Jacob Ziv dan Abraham Lempel padatahun 1977 dan 1978. Terry Welchmengembangkan teknik tersebut padatahun 1984. LZW banyak dipergunakanpada UNIX, GIF, V.42 untuk modem
35Riki Ruli S - http://blogriki.wordpress.com
ZIP File Format– Ditemukan oleh Phil Katz untuk program PKZIP
kemudian dikembangkan untuk WinZip, WinRAR,7-Zip.
– Berekstensi *.zip dan MIME application/zip– Dapat menggabungkan dan mengkompresi
beberapa file sekaligus menggunakan bermacam-macam algoritma, namun paling umummenggunakan Katz’s Deflate Algorithm.
ZIP File Format– Ditemukan oleh Phil Katz untuk program PKZIP
kemudian dikembangkan untuk WinZip, WinRAR,7-Zip.
– Berekstensi *.zip dan MIME application/zip– Dapat menggabungkan dan mengkompresi
beberapa file sekaligus menggunakan bermacam-macam algoritma, namun paling umummenggunakan Katz’s Deflate Algorithm.
36Riki Ruli S - http://blogriki.wordpress.com
ZIP File Format– Beberapa method Zip:
• Shrinking : merupakan metode variasi dari LZW• Reducing : merupakan metode yang
mengkombinasikan metode same byte sequence baseddan probability based encoding.
• Imploding : menggunakan metode byte sequencebased dan Shannon-Fano encoding.
• Deflate : menggunakan LZW• Bzip2, dan lain-lain
– Aplikasi: WinZip oleh Nico-Mak Comput
ZIP File Format– Beberapa method Zip:
• Shrinking : merupakan metode variasi dari LZW• Reducing : merupakan metode yang
mengkombinasikan metode same byte sequence baseddan probability based encoding.
• Imploding : menggunakan metode byte sequencebased dan Shannon-Fano encoding.
• Deflate : menggunakan LZW• Bzip2, dan lain-lain
– Aplikasi: WinZip oleh Nico-Mak Comput
37Riki Ruli S - http://blogriki.wordpress.com
– RAR File• Ditemukan oleh Eugene Roshal, sehingga RAR
merupakan singkatan dari Roshal Archive pada 10Maret 1972 di Rusia.
• Berekstensi .rar dan MIME application/x-rar-compressed
• Proses kompresi lebih lambat dari ZIP tapi ukuran filehasil kompresi lebih kecil.
• Aplikasi: WinRAR yang mampu menangani RAR dan ZIP,mendukung volume split, enkripsi AES.
– RAR File• Ditemukan oleh Eugene Roshal, sehingga RAR
merupakan singkatan dari Roshal Archive pada 10Maret 1972 di Rusia.
• Berekstensi .rar dan MIME application/x-rar-compressed
• Proses kompresi lebih lambat dari ZIP tapi ukuran filehasil kompresi lebih kecil.
• Aplikasi: WinRAR yang mampu menangani RAR dan ZIP,mendukung volume split, enkripsi AES.
38Riki Ruli S - http://blogriki.wordpress.com
– Buat Artikel tentang penjelasan Algoritma Kompresi yangada saat ini, kemudian berikan contoh, gambar dan fungsicara kerja dengan melakukan perbandingan dari setiapalgoritma yang telah dijelaskan.
– Tulis artikel ini pada blog anda. (selambat-lambatnya 2minggu)
– Sistematika ;• Pengantar Teknik Kompresi Data• Algoritma Kompresi (Penjelasan masing2 algoritma)• Perbandingan (Algortihm compare)• Kesimpulan• Referensi
– Buat Artikel tentang penjelasan Algoritma Kompresi yangada saat ini, kemudian berikan contoh, gambar dan fungsicara kerja dengan melakukan perbandingan dari setiapalgoritma yang telah dijelaskan.
– Tulis artikel ini pada blog anda. (selambat-lambatnya 2minggu)
– Sistematika ;• Pengantar Teknik Kompresi Data• Algoritma Kompresi (Penjelasan masing2 algoritma)• Perbandingan (Algortihm compare)• Kesimpulan• Referensi
39Riki Ruli S - http://blogriki.wordpress.com