5

BAB II

TEKNIK KOMPRESI DATA

2.1 Pendahuluan

Kompresi data adalah proses pengkodean (encoding) informasi dengan

menggunakan bit yang lebih sedikit dibandingkan dengan kode yang sebelumnya

dipakai dengan menggunakan skema pengkodean tertentu. Kompresi data, terutama

untuk proses komunikasi, dapat bekerja jika kedua pihak antara pengirim dan penerima

data komunikasi memiliki skema pengkodean yang sama.

Kompresi data hanya mungkin untuk dilakukan apabila data yang

direpresentasikan dalam berntuk normal mengandung informasi yang tidak dibutuhkan.

Ketika data tersebut sudah ditampilkan dalam format yang seminimal mungkin, maka

data tersebut sudah tidak akan bisa dikompresi lagi. File yang demikian disebut dengan

random file.

2.1.1 Kompresi Lossless

Kompresi data yang menghasilkan file data hasil kompresi yang dapat

dikembalikan menjadi file data asli sebelum dikompresi secara utuh tanpa

perubahan apapun. Kompresi data lossless bekerja dengan menemukan pola yang

berulang di dalam pesan yang akan dikompres tersebut dan melakukan proses

pengkodean pola tersebut secara efisien. Kompresi ini juga dapat berarti proses

untuk mengurangi redundancy. Kompresi jenis ini ideal untuk kompresi teks.

Algoritma yang termasuk dalam metode kompresi lossless diantaranya adalah

teknik dictionary coding dan huffman coding.

2.1.2 Kompresi Lossy

Kompresi data yang menghasilkan file data hasil kompresi yang tidak

dapat dikembalikan menjadi file data sebelum dikompresi secara utuh. Ketika data

6

hasil kompresi di-decode kembali, data hasil decoding tersebut tidak dapat

dikembalikan menjadi sama dengan data asli tetapi ada bagian data yang hilang.

Oleh karena itu kompresi jenis ini tidak baik untuk kompresi data yang kritis

seperti data teks. Bentuk kompresi seperti ini sangat cocok untuk digunakan pada

file-file gambar, suara, dan film. Contoh penggunaan kompresi lossless adalah

pada format file JPEG, MP3, dan MPEG.

2.2 Teknik Dictionary Coding

Teknik dictionary coding adalah teknik kompresi yang dilakukan dengan cara

mencari string yang sama di dalam dictionary buffer dan look-ahead buffer. Apabila

ditemukan string yang sama, maka akan dikeluarkan sebuah token yang isinya mewakili

informasi string tersebut. Karena ukuran token tersebut lebih kecil daripada ukuran

string yang diwakilinya, maka akan terjadi kompresi.

Kompresi pada dictionary coding sangat tergantung pada data yang akan

dikompresikan dan dictionary yang digunakan. Apabila pada data yang akan

dikompresikan jarang ditemukan string yang sama dengan yang ada di dictionary, maka

kinerja dari algoritma kompresinya terhadap data tersebut akan buruk. Sebaliknya,

apabila pada data yang akan dikompresikan banyak string yang sama dengan string

yang ada pada dictionary, maka kinerja algoritma kompresinya akan baik. Algoritma

yang termasuk pada dictionary coding sebagian besar berasal dari keluarga algoritma

Lempel-Ziv, seperti algoritma Lempel-Ziv Storer Szymanski (LZSS), algoritma

Lempel-Ziv 78, dan algoritma Lempel-Ziv Welch. Ketiga algoritma tersebut akan

dibahas pada subbab selanjutnya.

2.2.1 Algoritma Lempel-Ziv 77

Algoritma Lempel-Ziv 77 (LZ77) merupakan algoritma pertama dalam

keluarga algoritma Lempel-Ziv. Ide utama dari algoritma ini adalah menggunakan

sebagian dari input yang telah lewat sebagai dictionary, sehingga algoritma ini

dapat dikatakan bekerja berdasarkan prinsip sliding window. Window bagian kiri

7

disebut dengan search buffer atau dictionary buffer, sedangkan window bagian

kanan disebut dengan look-ahead buffer. Dictionary buffer menyimpan simbol-

simbol yang baru saja dikodekan, sedangkan look-ahead buffer menyimpan

simbol yang akan dikodekan. Pada tiap iterasi, algoritma akan mencari pada

dictionary buffer substring (sepanjang mungkin) yang matching dengan prefix

pada look-ahead buffer. Jika terjadi match, maka akan ditransmisikan triplet

. P menujukkan posisi match pada dictionary buffer yang dihitung dari sisi

kanan dictionary buffer. L menujukkan panjang match yang diperoleh, sedangkan

s menunjukkan simbol pertama yang tidak match pada look-ahead buffer. Setelah

token ditransmisikan, maka buffer akan digeser sebanyak jumlah match yang

terjadi. Contoh operasi algoritma LZSS dapat dilihat pada gambar 2.1.

Data: sir sid eastman easily teases sea sick seals

Gambar 2.1. Contoh proses encoding algoritma LZ77 [1].

Gambar 2.1 dapat dijelaskan sebagai berikut:

Pertama, input mengisi look-ahead buffer sampai penuh. Karena

karakter pertama dari look-ahead buffer tidak memiliki match,

maka akan dikeluarkan token . Selanjutnya, karena

karakter yang dikodekan berjumlah satu buah, maka buffer akan

digeser sepanjang satu karakter ke kiri.

Selanjutnya, dapat kita lihat bahwa karakter i juga tidak

memiliki macth, sehingga akan dikeluarkan token .

Karena input yang dikodekan berjumlah satu buah, buffer kembali

digeser sebanyak satu karakter ke kiri.

8

Keadaan ketiga dan keadaan keempat masih sama seperti pada

keadaan pertama dan kedua. Dengan demikian, akan dikeluarkan

token dan token untuk kedua keadaan tersebut.

Pada keadaan kelima barulah terjadi macth yaitu antara string si

pada dictionary buffer dengan pada look-ahead buffer, sehingga

token yang dikeluarkan adalah . Pada keadaan ini, setelah

mengeluarkan token, maka input akan digeser sebanyak jumlah

karakter yang macth, yaitu sebesar dua karakter.

Selanjutnya, terjadi macth antara sesama karakter spasi pada

dictionary buffer dengan pada look-ahead buffer. Karena terjadi

macth, maka akan dikeluarkan token . Setelah itu, input

akan digeser sebanyak jumlah karakter macth, yaitu satu buah.

Algoritma LZ77 memiliki suatu kekurangan yaitu selalu mengkodekan

dengan menggunakan token yang berisi triplet. Kekurangan inilah yang menjadi

salah satu hal yang diperbaiki oleh algoritma LZSS sehingga algoritma LZSS

dapat menghasilkan rasio kompresi yang lebih baik daripada algoritma LZ77.

2.2.2 Algoritma Lempel Ziv Storer Szymanski

Seperti yang telah dijelaskan sebelumnya, algoritma Lempel-Ziv Storer

Szymanski ini merupakan perbaikan dari algoritma LZ77. Algoritma ini

dikembangkan oleh Storer dan Szymaski pada tahun1982 [3]. Pseudocode dari

algoritma LZSS dapat dilihat pada gambar 2.1. Secara umum konsep dasarnya

masih sama dengan algoritma LZ77, yaitu menggunakan dua buffer yang diisi

oleh input berdasarkan metode sliding window. Perbedaan antara LZSS dengan

LZ77 terletak pada tiga hal berikut:

Menggunakan circular queue untuk menyimpan look-ahead buffer.

Menyimpan dictionary buffer di dalam suatu pohon biner.

Menggunakan dua jenis token, yaitu yang memiliki dua field dan

yang memiliki tiga field.

9

Gambar 2.2. Pseudocode algoritma LZSS [8].

2.2.2.1 Perbedaan LZSS Dengan Algoritma LZ77

2.2.1.1.1 Penggunaan Circular queue

Circular queue adalah sebuah struktur basis data. Secara

fisik, circular queue adalah suatu array tetapi memiliki cara

penggunaan yang khusus. Gambar 2.2 memberikan ilustrasi

singkat tentang circular queue. Gambar tersebut menunjukkan

sebuah array 16-byte yang dibangun dengan cara menambahkan

karakter pada akhir array, dan menghapus karakter yang berada

pada awal array. Posisi awal dan akhir pada circular queue selalu

bergeser dari kanan ke kiri dan selalu ditunjukkan dengan s dan e.

Pada (a), terdapat 8 karakter sid_east, sisanya kosong. Pada (b),

semua slot pada buffer terisi dan e menunjukkan akhir dari buffer.

Pada (c), huruf pertama (huruf s) telah dihapus dan posisinya

ditempati oleh huruf sebelahnya (huruf i). Penggunaan circular

queue ini sebenarnya bertujuan untuk mempercepat proses

encoding, karena dengan digunakannya circular queue maka isi

dari look-ahead buffer tidak perlu untuk di geser satu persatu.

10

Gambar 2.3. Circular queueI [1] .

2.2.2.1.2 Penggunaan Binary-Search Tree

Binary-search tree adalah sebuah pohon biner yang cabang

sebelah kiri dari node A memiliki nilai yang lebih kecil dari node

A, sedangkan cabang sebelah kanan memiliki nilai yang lebih

besar daripada node A. Untuk membandingkan antara satu string

dengan yang lainnya digunakan prinsip lexicographic order, yaitu

berdasarkan kemunculan string tersebut pada alfabet. Sebagai

contoh, string dana memiliki nilai lebih kecil daripada dara,

karena huruf ketiga (n) dari kata dana muncul lebih dulu

daripada huruf ketiga dari kata dari (r). Karakter spasi memiliki

nilai yang lebih kecil daripada alfabet, sedangkan angka diletakkan

setelah alfabet. Contoh sebuah binary-search tree dapat dilihat

pada gambar 2.3.

Gambar 2.4. Gambar adalah sebuah binary-search tree [1].

2.2.2.1.3 Perbedaan Dalam Penggunaan Token

Algoritma LZSS menggunakan dua jenis token, yaitu:

11

Token yang terdiri dari pasangan byte .

Token yang terdiri dari triplet .

Variabel S adalah simbol pertama pada look-ahead buffer

yang tidak match. Variabel P adalah posisi match yang ditemukan

pada dictionary buffer, sedangkan variabel L adalah panjang match

yang ditemuka