Pemampatan citra dengan menggunakan metode pemampatan ...... · terdapat gambar atau foto atau...

Pemampatan citra dengan menggunakan

metode pemampatan kuantisasi

SKRIPSI

Oleh : Sumitomo Fajar Nugroho

M 0104062

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

2010

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Akhir-akhir ini telah terjadi perubahan besar dalam kehidupan yaitu dalam

perkembangan komputer dan teknologi komunikasi. Industri telekomunikasi telah

berpindah dari analog ke digital yang disebabkan pesatnya perkembangan

internet. Internet dapat membuat komunikasi ke seluruh penjuru dunia hanya

dalam waktu sekejap. Dengan internet memungkinkan untuk mendapatkan data

apapun dari seluruh dunia. Internet dapat digunakan untuk melakukan transaksi

jual beli barang dari seluruh dunia.

Kecepatan perpindahan data dalam internet sangat ditentukan oleh

besarnya bandwith dan data yang dipindahkan. Data yang dipindahkan di dalam

internet biasanya berupa suatu halaman web. Dalam membuka sebuah halaman

web, akan terbuka dengan sangat cepat jika ukuran halaman web tersebut sangat

kecil. Ukuran besar kecilnya halaman web sangat ditentukan dengan isinya. Jika

isinya hanya berupa teks saja tentu ukurannya sangat kecil. Jika isinya banyak

terdapat gambar atau foto atau citra beresolusi tinggi, tentu ukuran halaman web

menjadi besar.

Oleh karena itu citra beresolusi tinggi tersebut perlu diperkecil ukurannya

agar halaman web menjadi kecil sehingga cepat dalam proses membukanya.

Ukurannya tersebut dapat diperkecil dengan menggunakan salah satu bagian dari

pengolahan citra yaitu pemampatan citra. Dengan pemampatan citra maka citra

beresolusi tinggi dapat diperkecil ukurannya tanpa mengurangi kualitasnya.

Menurut Sianipar dan Muliani (2003) karakteristik dari kebanyakan citra adalah

korelasi yang erat antara satu piksel dengan piksel tetangganya.

Metode pemampatan yang digunakan adalah metode pemampatan

kuantisasi. Menurut Munir (2004), setiap citra memiliki derajat keabuan. Metode

pemampatan kuantisasi menggunakan derajat keabuan untuk memampatkan citra.

Citra dimampatkan dengan cara mengurangi derajat keabuan citra.

Pemampatan suatu citra tidak selalu menghasilkan rasio pemampatan yang

maksimal. Kadang kala menghasilkan citra yang sangat mampat dengan hasil

yang minimal, tetapi kadang menghasilkan citra yang kurang mampat dengan

hasil yang maksimal. Oleh karena itu akan dicari level pemampatan yang

menghasilkan ukuran dan hasil yang memuaskan.

Setiap metode pemampatan pasti mempunyai kelebihan dan kekurangan.

Metode pemampatan kuantisasi akan dibandingkan dengan metode pemampatan

Jpeg untuk mengetahui kelebihan dan kekurangannya. Pada metode jpeg menurut

Acharya dan Tsai (2005) piksel yang berdekatan pada sebuah image berhubungan

erat sehingga memungkinkan mengambil informasi tentang sebuah piksel dari

nilai piksel tetangganya.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah, dapat dirumuskan permasalahan

sebagai berikut:

1. bagaimana memampatkan citra dengan ukuran yang minimal dan dengan

derajat keabuan yang maksimal menggunakan metode pemampatan

kuantisasi?

2. bagaimana hasil metode pemampatan kuantisasi dibandingkan metode

pemampatan jpeg?

1.3 Batasan Masalah

Pada penulisan skripsi ini, masalah hanya terbatas pada obyek masukan

berupa citra yang bertipe bmp dan berformat 24 bit.

1.4 Tujuan Penulisan

Tujuan yang ingin diperoleh dari penulisan skripsi ini adalah:

1. dapat memampatkan citra dengan ukuran yang minimal dan dengan derajat

keabuan yang maksimal menggunakan metode pemampatan kuantisasi,

2. dapat membandingkan metode pemampatan kuantisasi dengan metode

pemampatan jpeg.

1.5 Manfaat Penulisan

Manfaat yang diharapkan dari penulisan skripsi ini adalah:

1. mengaplikasikan pengolahan citra khususnya tentang pemampatan citra

dalam kehidupan nyata,

2. menambah wawasan mengenai pemampatan citra khususnya tentang

metode pemampatan kuantisasi.

BAB II

LANDASAN TEORI

2.1. Tinjauan Pustaka

Pada bagian ini akan dijelaskan mengenai citra, pengolahan citra,

pemampatan citra, dan metode pemampatan kuantisasi.

2.1.1 Citra

Menurut Munir (2004), citra (image) adalah gambar pada bidang dwimarta

(dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi

kontinu dari intensitas cahaya pada bidang dwimarta. Sumber cahaya menerangi

objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan

cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera,

pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra

tersebut terekam.

Citra yang dimaksudkan dalam skripsi ini adalah “citra diam” (still

images). Menurut Munir (2004), citra diam adalah citra tunggal yang tidak

bergerak. Untuk selanjutnya, citra diam kita sebut citra saja. Citra bergerak

(moving images) adalah rangkaian citra diam yang ditampilkan secara beruntun

(sekuensial) sehingga memberi kesan pada mata kita sebagai gambar yang

bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang

tampak pada film layar lebar atau televisi pada hakikatnya terdiri atas ratusan

sampai ribuan frame.

Citra ada dua macam yaitu citra kontinu dan citra diskrit. Citra kontinu

dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia

dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap

citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi

sehingga ia mampu menghasilkan citra diskrit, misalnya kamera digital dan

scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum

dipakai saat ini hanya dapat mengolah citra digital.

2.1.2 Citra Digital

Menurut Balza dan Firdausy (2005), setiap citra digital memiliki beberapa

karakteristik, antara lain ukuran citra, resolusi, dan format nilainya. Umumnya

citra digital berbentuk persegi panjang yang memiliki lebar dan tinggi tertentu.

Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel, sehingga

ukuran citra selalu bernilai bulat.

Ukuran citra dapat juga dinyatakan secara fisik dalam satuan panjang

(misalnya mm atau inchi). Dalam hal ini tentu saja harus ada hubungan antara

ukuran titik penyusun citra dengan satuan panjang. Hal tersebut dinyatakan

dengan resolusi yang merupakan ukuran banyaknya piksel untuk setiap satuan

panjang. Biasanya satuan yang digunakan adalah dpi (dot per inchi). Makin besar

resolusi makin banyak titik yang terkandung dalam citra dengan ukuran fisik yang

sama. Hal ini memberikan efek penampakan citra menjadi semakin halus.

Pada citra digital semua informasi tadi disimpan dalam bentuk angka,

sedangkan penampilan angka tersebut biasanya dikaitkan dengan warna. Citra

digital tersusun atas titik-titik yang biasanya berbentuk persegi panjang atau bujur

sangkar (pada beberapa sistem pencitraan, piksel-piksel penyusun citra ada pula

yang berbentuk segienam) yang secara beraturan membentuk baris-baris dan

kolom-kolom. Setiap titik memiliki koordinat sesuai dengan posisinya dalam

citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat

dimulai dari 0 dan 1 bergantung pada sistem yang digunakan (dalam delphi

koordinat titik dalam citra dimulai dari 0). Setiap titik juga memiliki nilai berupa

angka digital yang merepresentasikan informasi yang diwakili titik tersebut. Pada

kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif

juga. Format nilai piksel sama dengan format citra keseluruhan. Format citra

digital yang banyak dipakai adalah citra biner, skala keabuan, warna dan warna

berindeks.

2.1.3 Pengolahan Citra

Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita

miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau

derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan

sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena

informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra

yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun

mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya

lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image

processing). Menurut Munir (2004), pengolahan citra adalah pemrosesan citra,

khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih

baik.

Menurut Munir (2004), pengolahan citra bertujuan memperbaiki kualitas

citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer).

Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi,

masukannya adalah citra dan keluarannya juga citra, namun citra keluaran

mempunyai kualitas lebih baik daripada citra masukan. Termasuk ke dalam

bidang ini juga adalah pemampatan citra (image compression).

Beberapa jenis operasi pengolahan citra menurut Munir (2004).

1. Perbaikan kualitas citra (image enhancement).

Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara

memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus

yang terdapat di dalam citra lebih ditonjolkan.

2. Pemugaran citra (image restoration).

Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Tujuan

pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada

pemugaran citra penyebab degradasi gambar diketahui.

3. Pemampatan citra (image compression).

Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk

yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal

penting yang harus diperhatikan dalam pemampatan adalah citra yang

dimampatkan harus tetap mempunyai kualitas gambar yang bagus.

4. Segmentasi citra (image segmentation).

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa

segmen dengan suatu kriteria tertentu.

5. Pengorakan citra (image analysis).

Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk

menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri

tertentu yang membantu dalam identifikasi objek.

6. Rekonstruksi citra (image reconstruction).

Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra

hasil proyeksi.

Beberapa jenis operasi pengolahan citra menurut Wijaya dan Prijono

(2007).

1. Perbaikan citra (image restoration)

2. Peningkatan kualitas citra (image enhancement)

3. Registrasi citra (image registration)

4. Pemampatan data citra (image data compaction)

5. Pemilahan citra (image segmentation)

2.1.4 Pemampatan Citra

Menurut Munir (2004), pemampatan citra atau kompresi citra (image

compression) bertujuan meminimalkan kebutuhan memori untuk

merepresentasikan citra digital. Prinsip umum yang digunakan pada proses

pemampatan citra adalah mengurangi duplikasi data di dalam citra sehingga

memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit

daripada representasi citra semula. Ada dua proses utama dalam persoalan

pemampatan citra.


Pada proses ini, citra dalam representasi tidak mampat dikodekan dengan

representasi yang meminimumkan kebutuhan memori. Citra yang sudah

dimampatkan disimpan ke dalam arsip dengan format tertentu.

2. Penirmampatan citra (image decompression).

Pada proses ini, citra yang sudah dimampatkan harus dapat dikembalikan lagi

(decoding) menjadi representasi yang tidak mampat. Proses ini diperlukan jika

citra tersebut ditampilkan ke layar atau disimpan ke dalam arsip dengan format

tidak mampat.

Metode pemampatan citra dapat diklasifikasikan ke dalam dua kelompok besar.

1. Metode lossless.

Metode lossless selalu menghasilkan citra hasil penirmampatan yang tepat

sama dengan citra semula, pixel per pixel. Tidak ada informasi yang hilang

akibat pemampatan. Sayangnya nisbah (ratio) pemampatan citra metode

lossless sangat rendah. Metode lossless cocok untuk memampatkan citra yang

mengandung informasi penting yang tidak boleh rusak akibat pemampatan.

Misalnya memampatkan gambar hasil diagnosa medis.

2. Metode lossy.

Metode lossy menghasilkan citra hasil pemampatan yang hampir sama dengan

citra semula. Ada informasi yang hilang akibat pemampatan, tetapi dapat

ditolelir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil

pada gambar. Metode pemampatan lossy menghasilkan nisbah pemampatan

yang tinggi daripada metode lossless.

2.1.5 Kuantisasi

Menurut Gray dan Neuhoff (1998) kuantisasi mengubah analog ke digital.

Kuantisasi dapat dikembangkan dan dicoba pada audio, citra dan video.

Kuantisasi dalam pengolahan citra adalah salah satu teknik pemampatan lossy.

Dalam skema pemampatan, pemampatan diperoleh dari membuang beberapa data

dengan pemilahan. Kuantisasi adalah proses memetakan nilai kontinu ke dalam

himpunan nilai diskrit atau bulat yang relatif kecil atau terbatas. Sebagai contoh

membulatkan bilangan real dalam interval [0,100] ke bilangan bulat 0, 1, 2, ….,

100. Dengan kata lain, kuantisasi dapat didefinisikan sebagai pemetaan sebuah

interval kontinu terbatas I = [a,b], dengan sebuah nilai c, yang berada dalam

interval tersebut. Sebagai contoh, membulatkan nilai terdekat dengan

menggantikan interval [c-0.5, c+0.5) dengan nilai bilangan bulat c.

2.1.6 Metode Pemampatan Kuantisasi

Menurut Munir (2004), metode ini mengurangi jumlah derajat keabuan,

yang tentu saja mengurangi jumlah bit yang dibutuhkan untuk merepresentasikan

citra. Misalkan P adalah jumlah piksel dalam citra semula, akan dimampatkan

menjadi n derajat keabuan. Algoritmanya adalah sebagai berikut.

1. Buat histogram citra semula (citra yang akan dimampatkan).

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

kelompok mempunyai kira-kira P/n buah piksel.

3. Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap piksel

di dalam kelompok dikodekan kembali dengan nilai derajat keabuan yang baru.

2.1.7 Pemampatan Kuantisasi dengan Menggunakan Delphi 7

Menurut Fadlisyah dkk. (2008), di dalam Delphi 7, memampatan citra

dengan menggunakan metode pemampatan kuantisasi telah terdapat sintaks yang

mendukungnya. Pemampatan tersebut telah include di dalam Delphi 7 sehingga

hanya dengan menuliskannya bisa langsung didapatkan hasilnya. Sintaks tersebut

adalah dengan menuliskan pf…bit. Pada titik-titik bisa diisi dengan angka yang

dikehendaki yang didukung oleh Delphi 7. Misalnya pada skripsi ini saya

menggunakan pf4bit pada level 1, pf8bit pada level 2, pf15bit pada level 3.

Setelah pemampatan langsung diperoleh hasil pemampatan berupa citra dengan

ukuran berbeda.

2.2. Kerangka Pemikiran

Berdasarkan latar belakang masalah dan mengacu pada tinjauan pustaka di

atas, maka dapat dibuat kerangka pemikiran yang memungkinkan sebagai

tuntunan untuk memecahkan masalah penulisan skripsi.

Citra dimampatkan dengan menggunakan aplikasi pemampatan citra yang

telah dibuat sesuai algoritma metode pemampatan kuantisasi dengan

menggunakan bahasa pemrograman Delphi 7. Mencari nilai level pemampatan

yang menghasilkan citra yang memiliki ukuran yang minimal dan dengan derajat

keabuan yang maksimal. Selanjutnya membandingkan citra hasil pemampatan

yang memiliki ukuran yang minimal dan dengan derajat keabuan yang maksimal

dari metode pemampatan kuantisasi dengan metode pemampatan jpeg.

BAB II

LANDASAN TEORI

2.3. Tinjauan Pustaka

Pada bagian ini akan dijelaskan mengenai citra, pengolahan citra,

pemampatan citra, dan metode pemampatan kuantisasi.

2.1.8 Citra

Menurut Munir (2004), citra (image) adalah gambar pada bidang dwimarta

(dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi

kontinu dari intensitas cahaya pada bidang dwimarta. Sumber cahaya menerangi

objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan

cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera,

pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra

tersebut terekam.

Citra yang dimaksudkan dalam skripsi ini adalah “citra diam” (still

images). Menurut Munir (2004), citra diam adalah citra tunggal yang tidak

bergerak. Untuk selanjutnya, citra diam kita sebut citra saja. Citra bergerak

(moving images) adalah rangkaian citra diam yang ditampilkan secara beruntun

(sekuensial) sehingga memberi kesan pada mata kita sebagai gambar yang

bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang

tampak pada film layar lebar atau televisi pada hakikatnya terdiri atas ratusan

sampai ribuan frame.

Citra ada dua macam yaitu citra kontinu dan citra diskrit. Citra kontinu

dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia

dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap

citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi

sehingga ia mampu menghasilkan citra diskrit, misalnya kamera digital dan

scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum

dipakai saat ini hanya dapat mengolah citra digital.

2.1.9 Citra Digital

Menurut Balza dan Firdausy (2005), setiap citra digital memiliki beberapa

karakteristik, antara lain ukuran citra, resolusi, dan format nilainya. Umumnya

citra digital berbentuk persegi panjang yang memiliki lebar dan tinggi tertentu.

Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel, sehingga

ukuran citra selalu bernilai bulat.

Ukuran citra dapat juga dinyatakan secara fisik dalam satuan panjang

(misalnya mm atau inchi). Dalam hal ini tentu saja harus ada hubungan antara

ukuran titik penyusun citra dengan satuan panjang. Hal tersebut dinyatakan

dengan resolusi yang merupakan ukuran banyaknya piksel untuk setiap satuan

panjang. Biasanya satuan yang digunakan adalah dpi (dot per inchi). Makin besar

resolusi makin banyak titik yang terkandung dalam citra dengan ukuran fisik yang

sama. Hal ini memberikan efek penampakan citra menjadi semakin halus.

Pada citra digital semua informasi tadi disimpan dalam bentuk angka,

sedangkan penampilan angka tersebut biasanya dikaitkan dengan warna. Citra

digital tersusun atas titik-titik yang biasanya berbentuk persegi panjang atau bujur

sangkar (pada beberapa sistem pencitraan, piksel-piksel penyusun citra ada pula

yang berbentuk segienam) yang secara beraturan membentuk baris-baris dan

kolom-kolom. Setiap titik memiliki koordinat sesuai dengan posisinya dalam

citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat

dimulai dari 0 dan 1 bergantung pada sistem yang digunakan (dalam delphi

koordinat titik dalam citra dimulai dari 0). Setiap titik juga memiliki nilai berupa

angka digital yang merepresentasikan informasi yang diwakili titik tersebut. Pada

kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif

juga. Format nilai piksel sama dengan format citra keseluruhan. Format citra

digital yang banyak dipakai adalah citra biner, skala keabuan, warna dan warna

berindeks.

2.1.10 Pengolahan Citra

Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita

miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau

derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan

sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena

informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra

yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun

mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya

lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image

processing). Menurut Munir (2004), pengolahan citra adalah pemrosesan citra,

khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih

baik.

Menurut Munir (2004), pengolahan citra bertujuan memperbaiki kualitas

citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer).

Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi,

masukannya adalah citra dan keluarannya juga citra, namun citra keluaran

mempunyai kualitas lebih baik daripada citra masukan. Termasuk ke dalam

bidang ini juga adalah pemampatan citra (image compression).

Beberapa jenis operasi pengolahan citra menurut Munir (2004).

1. Perbaikan kualitas citra (image enhancement).

Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara

memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus

yang terdapat di dalam citra lebih ditonjolkan.

2. Pemugaran citra (image restoration).

Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Tujuan

pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada

pemugaran citra penyebab degradasi gambar diketahui.


Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk

yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal

penting yang harus diperhatikan dalam pemampatan adalah citra yang

dimampatkan harus tetap mempunyai kualitas gambar yang bagus.

4. Segmentasi citra (image segmentation).

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa

segmen dengan suatu kriteria tertentu.

5. Pengorakan citra (image analysis).

Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk

menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri

tertentu yang membantu dalam identifikasi objek.

6. Rekonstruksi citra (image reconstruction).

Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra

hasil proyeksi.

Beberapa jenis operasi pengolahan citra menurut Wijaya dan Prijono

(2007).

6. Perbaikan citra (image restoration)

7. Peningkatan kualitas citra (image enhancement)

8. Registrasi citra (image registration)

9. Pemampatan data citra (image data compaction)

10. Pemilahan citra (image segmentation)

2.1.11 Pemampatan Citra

Menurut Munir (2004), pemampatan citra atau kompresi citra (image

compression) bertujuan meminimalkan kebutuhan memori untuk

merepresentasikan citra digital. Prinsip umum yang digunakan pada proses

pemampatan citra adalah mengurangi duplikasi data di dalam citra sehingga

memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit

daripada representasi citra semula. Ada dua proses utama dalam persoalan

pemampatan citra.


Pada proses ini, citra dalam representasi tidak mampat dikodekan dengan

representasi yang meminimumkan kebutuhan memori. Citra yang sudah

dimampatkan disimpan ke dalam arsip dengan format tertentu.

2. Penirmampatan citra (image decompression).

Pada proses ini, citra yang sudah dimampatkan harus dapat dikembalikan lagi

(decoding) menjadi representasi yang tidak mampat. Proses ini diperlukan jika

citra tersebut ditampilkan ke layar atau disimpan ke dalam arsip dengan format

tidak mampat.

Metode pemampatan citra dapat diklasifikasikan ke dalam dua kelompok besar.

1. Metode lossless.

Metode lossless selalu menghasilkan citra hasil penirmampatan yang tepat

sama dengan citra semula, pixel per pixel. Tidak ada informasi yang hilang

akibat pemampatan. Sayangnya nisbah (ratio) pemampatan citra metode

lossless sangat rendah. Metode lossless cocok untuk memampatkan citra yang

mengandung informasi penting yang tidak boleh rusak akibat pemampatan.

Misalnya memampatkan gambar hasil diagnosa medis.

2. Metode lossy.

Metode lossy menghasilkan citra hasil pemampatan yang hampir sama dengan

citra semula. Ada informasi yang hilang akibat pemampatan, tetapi dapat

ditolelir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil

pada gambar. Metode pemampatan lossy menghasilkan nisbah pemampatan

yang tinggi daripada metode lossless.

2.1.12 Kuantisasi

Menurut Gray dan Neuhoff (1998) kuantisasi mengubah analog ke digital.

Kuantisasi dapat dikembangkan dan dicoba pada audio, citra dan video.

Kuantisasi dalam pengolahan citra adalah salah satu teknik pemampatan lossy.

Dalam skema pemampatan, pemampatan diperoleh dari membuang beberapa data

dengan pemilahan. Kuantisasi adalah proses memetakan nilai kontinu ke dalam

himpunan nilai diskrit atau bulat yang relatif kecil atau terbatas. Sebagai contoh

membulatkan bilangan real dalam interval [0,100] ke bilangan bulat 0, 1, 2, ….,

100. Dengan kata lain, kuantisasi dapat didefinisikan sebagai pemetaan sebuah

interval kontinu terbatas I = [a,b], dengan sebuah nilai c, yang berada dalam

interval tersebut. Sebagai contoh, membulatkan nilai terdekat dengan

menggantikan interval [c-0.5, c+0.5) dengan nilai bilangan bulat c.

2.1.13 Metode Pemampatan Kuantisasi

Menurut Munir (2004), metode ini mengurangi jumlah derajat keabuan,

yang tentu saja mengurangi jumlah bit yang dibutuhkan untuk merepresentasikan

citra. Misalkan P adalah jumlah piksel dalam citra semula, akan dimampatkan

menjadi n derajat keabuan. Algoritmanya adalah sebagai berikut.

1. Buat histogram citra semula (citra yang akan dimampatkan).

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

kelompok mempunyai kira-kira P/n buah piksel.

3. Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap piksel

di dalam kelompok dikodekan kembali dengan nilai derajat keabuan yang baru.

2.1.14 Pemampatan Kuantisasi dengan Menggunakan Delphi 7

Menurut Fadlisyah dkk. (2008), di dalam Delphi 7, memampatan citra

dengan menggunakan metode pemampatan kuantisasi telah terdapat sintaks yang

mendukungnya. Pemampatan tersebut telah include di dalam Delphi 7 sehingga

hanya dengan menuliskannya bisa langsung didapatkan hasilnya. Sintaks tersebut

adalah dengan menuliskan pf…bit. Pada titik-titik bisa diisi dengan angka yang

dikehendaki yang didukung oleh Delphi 7. Misalnya pada skripsi ini saya

menggunakan pf4bit pada level 1, pf8bit pada level 2, pf15bit pada level 3.

Setelah pemampatan langsung diperoleh hasil pemampatan berupa citra dengan

ukuran berbeda.

2.4. Kerangka Pemikiran

Berdasarkan latar belakang masalah dan mengacu pada tinjauan pustaka di

atas, maka dapat dibuat kerangka pemikiran yang memungkinkan sebagai

tuntunan untuk memecahkan masalah penulisan skripsi.

Citra dimampatkan dengan menggunakan aplikasi pemampatan citra yang

telah dibuat sesuai algoritma metode pemampatan kuantisasi dengan

menggunakan bahasa pemrograman Delphi 7. Mencari nilai level pemampatan

yang menghasilkan citra yang memiliki ukuran yang minimal dan dengan derajat

keabuan yang maksimal. Selanjutnya membandingkan citra hasil pemampatan

yang memiliki ukuran yang minimal dan dengan derajat keabuan yang maksimal

dari metode pemampatan kuantisasi dengan metode pemampatan jpeg.

BAB IV

PEMBAHASAN

4.1. Nisbah Pemampatan

Nisbah pemampatan adalah besarnya rasio pemampatan terhadap citra

yang ditunjukkan dalam bentuk persentase. Semakin besar persentase berarti

menunjukkan semakin besarnya rasio pemampatan. Rasio pemampatan

berbanding terbalik dengan kualitas citra. Semakin tinggi rasio pemampatan

Ukuran citra hasil pemampatan

Ukuran citra semula

berarti semakin buruk kualitas citra. Besarnya nisbah pemampatan citra dihitung

dengan rumus.

Nisbah Pemampatan = 100 % - ( x 100 % )

4.2. Derajat Keabuan

Citra pada setiap pikselnya terdapat nilai tingkat hitam putihnya antara 0

sampai 255. Terdapat sejumlah piksel yang memiliki nilai tingkat hitam putih

yang sama. Nilai-nilai yang ada antara 0 sampai 255 disebut derajat keabuan. Jika

semua nilai antara 0 sampai 255 ada pada piksel-piksel citra berarti citra tersebut

memiliki derajat keabuan 256.

4.3. Citra Uji

Citra uji adalah citra yang akan dimampatkan menggunakan aplikasi yang

dibuat dengan menggunakan bahasa pemrograman Delphi 7. Semua citra uji

bertipe bmp dan berformat 24 bit. Citra uji dipilih berdasarkan besarnya ukuran

piksel dan ukuran file. Ukuran file dan piksel dipilih dari ukuran kecil hingga

ukuran besar agar setiap tingkat ukuran file dan piksel terwakili oleh satu file

citra. Dipilih lima citra uji dengan berbagai ukuran file dan piksel yang berbeda-

beda. Diharapkan dari diambilnya citra dengan berbagai ukuran dari kecil ke besar

dapat memberikan hasil yang beragam. Diharapkan setiap citra yang dipilih dapat

mewakili ukuran file dan piksel dari citra yang memiliki ukuran file dan piksel

yang hampir sama. Citra uji yang dipilih adalah sebagai berikut.

1. Citra Bliss

Gambar 4.1. Citra Bliss

Citra Bliss merupakan citra terkecil dengan ukuran file 202.554 bytes dan

ukuran piksel 300 x 225. Citra ini mewakili citra ukuran kecil yaitu citra yang

berada pada ukuran di sekitar 200 kb.

2. Citra Kabut

Gambar 4.2. Citra Kabut

Citra Kabut merupakan citra terkecil kedua setelah citra Bliss. Citra ini

memiliki ukuran file 921.654 bytes dan ukuran piksel 640 x 480. Citra ini

mewakili citra ukuran file di sekitar 900 kb.

3. Citra Milan

Citra Milan merupakan citra pertengahan diantara lima citra yang dipilih. Citra

ini memiliki ukuran file 2.239.542 bytes dan ukuran piksel 1024 x 729. Citra

ini mewakili citra ukuran file di sekitar 2 mb.

Gambar 4.3. Citra Milan

4. Citra Img1

Gambar 4.4. Citra Img1

Citra Img1 memiliki ukuran file 8.294.454 bytes dan ukuran piksel 1920 x

1440. Citra ini mewakili citra yang memiliki ukuran di sekitar 8 mb.

5. Citra Candi

Gambar 4.5. Citra Candi

Citra Candi merupakan citra yang terbesar diantara citra uji yang dipilih. Citra

ini memiliki ukuran file dan ukuran piksel yang terbesar. Citra ini memiliki

ukuran file 15.116.598 bytes dan ukuran piksel 2592 x 1944. Citra ini

mewakili citra yang ukuran filenya di sekitar 15 mb. Perbandingan citra uji

bisa dilihat pada Tabel 4.1.

Tabel 4.1. Citra uji

Citra Ukuran file (bytes) Ukuran piksel

Bliss 202.554 300 x 225

Kabut 921.654 640 x 480

Milan 2.239.542 1024 x 729

Img1 8.294.454 1920 x 1440

Candi 15.116.598 2592 x 1944

4.4. Algoritma Metode Pemampatan Kuantisasi

Kuantisasi secara garis besar adalah mengubah nilai kontinu ke nilai

diskrit. Di dalam pemampatan citra, kuantisasi mengubah nilai intensitas citra

awal yang telah dibuat dalam suatu interval ke satu nilai pada setiap interval.

Algoritma yang digunakan untuk memampatkan citra adalah sebagai berikut.

1. Mengambil citra yang akan dimampatkan.

2. Membaca setiap piksel dalam citra tersebut.

3. Membuat histogram intensitas red green blue.

4. Mengelompokkan intensitas piksel-piksel.

a. Level 1 dibagi 4 kelompok, setiap kelompok terdiri dari 64 nilai.

b. Level 2 dibagi 16 kelompok, setiap kelompok terdiri dari 16 nilai.

c. Level 3 dibagi 32 kelompok, setiap kelompok terdiri dari 8 nilai.

5. Menentukan nilai intensitas baru pada setiap kelompok

a. Level 1 dimulai dari 0 kemudian pada setiap kelompok berikutnya naik 85

nilai sampai nilai terakhir 255.

b. Level 2 dimulai dari 0 kemudian pada setiap kelompok berikutnya naik 17

nilai sampai nilai terakhir 255.

c. Level 3 dimulai dari 0 kemudian naik dengan urutan 8, 8, 8, 9. Kenaikan

8, 8, 8, 9 diulang terus sampai nilai terakhir 255.

6. Nilai intensitas baru tersebut dituliskan kembali ke dalam citra sehingga

diperoleh citra baru yang lebih mampat.

4.5. Aplikasi Pemampatan Citra

Gambar 4.6. Tampilan awal aplikasi pemampatan citra.

Aplikasi pemampatan citra ini dibuat dengan menggunakan bahasa

pemrograman Delphi 7. Kode program dapat dilihat pada Lampiran 3. Pada

tampilan awal seperti terlihat pada Gambar 4.6, hanya satu tombol saja yang dapat

diakses yaitu tombol ambil citra, karena pada awalnya memang kita harus

mengambil suatu citra yang berformat bmp yang akan kita mampatkan dengan

menggunakan aplikasi pemampatan citra ini.

Setelah mengambil citra yang akan dimampatkan maka tombol

pemampatan menjadi dapat diakses untuk melakukan pemampatan. Citra akan

muncul pada kotak Citra Sebelum Pemampatan seperti tampak pada Gambar 4.7.

Dan juga akan muncul ukuran file dalam bytes dan derajat keabuan citra.

Terdapat dua pilihan mode ketika memampatkan citra yaitu mode manual

dan mode otomatis. Mode manual memampatkan citra secara manual, yaitu

mengubah nilai intensitas citra dengan cara menentukan sendiri nilai intensitas

barunya. Sedangkan untuk mode otomatis, citra akan termampatkan secara

otomatis tanpa menentukan nilai intensitas baru citra. Mode otomatis ini

menggunakan metode pemampatan kuantisasi yang telah include di dalam Delphi

7. Setelah mengambil citra, mode secara otomatis akan terpilih ke mode otomatis.

Gambar 4.7. Tampilan aplikasi pemampatan citra setelah mengambil citra.

Tombol pemampatan terbagi menjadi tiga level. Ini dikarenakan citra

ketika dimampatkan bisa dihasilkan citra hasil pemampatan yang berbeda-beda

tergantung level pemampatan yang digunakan. Level pemampatan citra bisa

sangat mampat bisa juga kurang mampat dan tentu juga menghasilkan citra hasil

pemampatan yang berbeda-beda. Jika suatu citra dimampatkan sangat mampat

sekali tentu hasil citra yang diperoleh juga jelek. Tapi sebaliknya jika diperoleh

citra hasil yang sangat baik maka rasio atau nisbah pemampatannya sangat

rendah. Maka akan dibahas dalam skripsi ini mendapatkan citra yang baik tapi

juga mampat.

4.6. Derajat Keabuan Citra Uji Sebelum Pemampatan

Citra uji sebelum pemampatan atau citra asli memiliki kualitas yang sangat

bagus karena citra masih asli atau belum mengalami perubahan apapun. Terlihat

pada Tabel 4.2. derajat keabuan citra asli dari citra uji memiliki derajat keabuan

yang tinggi yaitu mendekati atau berada pada nilai 256. Hanya citra Bliss dan

Img1 yang memiliki derajat keabuan agak jauh dari 256. Tetapi nilai 248 dan 249

dalam skala 256 termasuk tinggi. Jadi derajat keabuan dapat digunakan untuk

menentukan kualitas suatu citra.

Tabel 4.2. Derajat keabuan citra uji sebelum pemampatan.

Citra Derajat Keabuan

Bliss 248

Kabut 256

Milan 256

Img1 249

Candi 255

4.7. Cara Kerja Program

Untuk mengetahui cara kerja program akan diambil citra uji Bliss. Agar

dapat dimampatkan secara manual maka citra uji Bliss diperkecil ukurannya

menjadi 10 x 13 dengan menggunakan software ACD See Pro. Diperoleh nilai

red, green dan blue pada setiap piksel sebagai berikut.

Red

78 93 98 72 58 69 111 159 89 36 54 163 160

92 83 70 88 80 55 52 90 80 32 26 46 68

113 119 135 113 95 79 87 80 52 91 129 49 95

139 136 163 137 110 104 154 157 120 160 218 172 103

162 155 138 131 135 126 117 127 170 160 168 184 178

140 136 128 116 109 100 93 85 91 101 118 127 123

86 92 98 103 104 107 109 105 98 91 80 70 66

38 43 46 52 56 60 64 73 81 84 88 86 81

46 50 52 53 54 56 55 54 51 48 46 44 43

51 51 52 52 52 52 53 53 53 51 50 49 51

Green

137 144 145 125 115 120 147 181 129 92 104 185 185

148 140 130 139 133 115 111 134 127 96 92 105 120

164 166 174 158 145 132 137 131 112 138 165 112 143

184 181 195 176 158 152 183 184 157 184 225 196 148

199 192 176 167 166 157 151 159 190 185 193 205 200

179 175 165 151 142 131 122 112 112 119 134 142 138

117 126 133 139 142 145 146 144 137 128 115 103 97

52 55 58 68 77 84 89 99 108 110 114 111 105

62 66 70 72 74 76 76 74 71 68 65 63 61

73 73 74 74 74 75 76 76 75 73 72 70 72

Blue

241 241 240 238 237 238 239 242 235 227 229 240 240

243 242 241 240 239 239 238 238 237 234 233 234 235

242 241 241 239 239 238 238 238 237 239 240 238 240

245 248 252 252 251 248 246 243 238 238 240 239 237

234 219 201 194 194 205 218 233 244 251 255 255 253

49 35 25 26 26 30 40 57 74 97 129 155 170

16 17 20 23 23 26 28 25 21 17 14 15 20

21 25 25 24 21 21 22 25 28 30 31 32 32

21 21 20 19 19 19 18 18 18 18 18 17 17

10 9 9 8 10 11 12 11 12 13 12 13 14

Histogram citra sebelum pemampatan bisa dilihat pada Lampiran 1.

Citra yang telah diperkecil ukurannya ini kemudian dimampatkan.

Pemampatan dilakukan dengan membagi histogram menjadi 32 bagian yang

sama, sehingga tiap kelompok mempunyai 8 piksel. Kemudian tiap kelompok

dikodekan dengan nilai intensitas baru. Intensitas baru dimulai dari 0 kemudian

naik 8, 8, 8 dan 9. Kenaikan 8, 8, 8 dan 9 diulang terus sampai mencapai pada

intensitas 255. Pengkodean intensitas baru untuk lebih jelasnya bisa dilihat pada

Lampiran 2.

Citra setelah dimampatkan memiliki intensitas baru. Intensitas baru pada

setiap pikselnya setelah dimampatkan menjadi sebagai berikut.

Red

74 90 99 74 57 66 107 156 90 33 49 165 165

90 82 66 90 82 49 49 90 82 33 24 41 66

115 115 132 115 90 74 82 82 49 90 132 49 90

140 140 165 140 107 107 156 156 123 165 222 173 99

165 156 140 132 132 123 115 123 173 165 173 189 181

140 140 132 115 107 99 90 82 90 99 115 123 123

82 90 99 99 107 107 107 107 99 90 82 66 66

33 41 41 49 57 57 66 74 82 82 90 82 82

41 49 49 49 49 57 49 49 49 49 41 41 41

49 49 49 49 49 49 49 49 49 49 49 49 49

Green

140 148 148 123 115 123 148 181 132 90 107 189 189

148 140 132 140 132 115 107 132 123 99 90 107 123

165 165 173 156 148 132 140 132 115 140 165 115 140

189 181 198 181 156 156 181 189 156 189 231 198 148

198 198 181 165 165 156 148 156 189 189 198 206 206

181 173 165 148 140 132 123 115 115 115 132 140 140

115 123 132 140 140 148 148 148 140 132 115 99 99

49 49 57 66 74 82 90 99 107 107 115 107 107

57 66 66 74 74 74 74 74 66 66 66 57 57

74 74 74 74 74 74 74 74 74 74 74 66 74

Blue

247 247 247 239 239 239 239 247 239 231 231 247 247

247 247 247 247 239 239 239 239 239 239 239 239 239

247 247 247 239 239 239 239 239 239 239 247 239 247

247 255 255 255 255 255 247 247 239 239 247 239 239

239 222 206 198 198 206 222 239 247 255 255 255 255

49 33 24 24 24 24 41 57 74 99 132 156 173

16 16 16 16 16 24 24 24 16 16 8 8 16

16 24 24 24 16 16 16 24 24 24 24 33 33

16 16 16 16 16 16 16 16 16 16 16 16 16

8 8 8 8 8 8 8 8 8 8 8 8 8

4.8. Pemampatan Terhadap Citra Uji

4.8.1. Citra Uji Bliss

Pemampatan dilakukan terhadap citra Bliss yang merupakan citra terkecil.

Pemampatan dilakukan secara urut dari citra berukuran kecil lebih dahulu ke citra

berukuran besar. Citra hasil pemampatan pada level 1 seperti terlihat pada

Gambar 4.8. terlihat cukup jelek dan terdapat banyak noise atau gangguan dalam

citra. Sedangkan pada level 2 Gambar 4.9. hasil pemampatan terlihat lebih bagus

daripada level 1, noisenya telah berkurang hanya terlihat sedikit yang berarti

masih terlihat ada noisenya. Citra hasil pemampatan pada level 3 Gambar 4.10.

terlihat sangat bagus mendekati gambar aslinya.

Gambar 4.8. Citra hasil pemampatan Bliss pada level 1.



Tabel 4.3. Hasil pemampatan pada citra Bliss.

Level

Pemampatan

Derajat

Keabuan

Persentase Derajat

Keabuan ( % )

Nisbah Pemampatan

( % )

1 44 17,18 83,057

2 72 28,12 66,143

3 196 76,56 33,318

Citra Bliss memiliki derajat keabuan sebelum pemampatan terendah

dibandingkan citra lainnya yaitu sebesar 248. Mungkin karena citra Bliss

merupakan citra dengan ukuran terkecil sehingga kemungkinan untuk

mendapatkan derajat keabuan yang maksimal seperti citra lainnya juga kecil.

Dilihat dari Tabel 4.3, derajat keabuan pada level 3 memiliki derajat keabuan

tertinggi sedangkan nisbah pemampatannya terendah. Perbandingan penurunan

derajat keabuan dan nisbah pemampatan pada ketiga level tersebut menunjukkan

bahwa pemampatan terbaik berada pada level 3.

4.8.2. Citra Uji Kabut

Gambar 4.11. Citra hasil pemampatan Kabut pada level 1.



Pada citra Kabut dilihat sekilas ketiga foto pada Gambar 4.11., Gambar

4.12. dan Gambar 4.13. memberikan hasil yang sama seperti pada citra Bliss yaitu

pada level 1 terlihat jelek, level 2 terdapat sedikit noise dan level 3 tidak terlihat

adanya noise.

Tabel 4.4. Hasil pemampatan pada citra Kabut.

Level

Pemampatan

Derajat

Keabuan

Persentase Derajat

Keabuan ( % )

Nisbah Pemampatan

( % )

1 54 21,09 83,321

2 61 23,82 66,551

3 254 99,22 33,330

Dilihat dari hasil pemampatan pada citra Kabut Tabel 4.4. derajat keabuan

pada level 3 sangat tinggi hampir mendekati sempurna yaitu hanya terpaut 2 nilai

dari derajat keabuan tertinggi yaitu 256. Berarti derajat keabuannya hanya

berkurang 0,78 % tetapi nisbah pemampatannya berkurang 33 %. Dibandingkan

dengan citra Bliss pada level 3 mempunyai nilai nisbah pemampatan yang sama

yaitu 33 % tetapi derajat keabuannya jauh lebih tinggi citra Kabut yaitu 196 pada

citra Bliss dan 254 pada citra Kabut.

4.8.3. Citra Uji Milan

Gambar 4.14. Citra hasil pemampatan Milan pada level 1.



Tabel 4.5. Hasil pemampatan pada citra Milan.

Level

Pemampatan

Derajat

Keabuan

Persentase Derajat

Keabuan ( % )

Nisbah Pemampatan

( % )

1 83 32,42 83,328

2 124 48,43 66,619

3 254 99,22 33,331

Dari Tabel 4.5 citra uji Milan memiliki nilai derajat keabuan yang tertinggi

pada masing-masing level yaitu pada level 1 sebesar 83 tertinggi diantara citra uji

lainnya dengan nisbah pemampatan yang sama sebesar 83 %, citra hasil

pemampatan bisa dilihat pada Gambar 4.14. Pada level 2 sebesar 124 hampir

mendekati 128 separuh nilai derajat keabuan tertinggi dengan nisbah pemampatan

yang sama sebesar 66 %, citranya pada Gambar 4.15. Sedangkan pada level 3

sama nilainya dengan citra Kabut dan Candi yang merupakan nilai tertinggi pada

level 3 yaitu 254, citra hasil bisa dilihat pada Gambar 4.16.

4.8.4. Citra Uji Img1

Gambar 4.17. Citra hasil pemampatan Img1 pada level 1.



Tabel 4.6. Hasil pemampatan pada citra Img1.

Level

Pemampatan

Derajat

Keabuan

Persentase Derajat

Keabuan ( % )

Nisbah Pemampatan

( % )

1 10 3,91 83,332

2 27 10,54 66,653

3 48 18,75 33,332

Citra Img1 memiliki derajat keabuan yang paling rendah diantara citra uji

lainnya pada masing-masing level seperti terlihat pada Tabel 4.6. Tetapi nisbah

pemampatannya sama pada masing-masing level. Citra Img1 memiliki derajat

keabuan yang sangat rendah karena merupakan citra hitam putih. Gambar hasil

pemampatan bisa dilihat pada Gambar 4.17, Gambar 4.18 dan Gambar 4.19.

4.8.5. Citra Uji Candi

Gambar 4.20. Citra hasil pemampatan Candi pada level 1.



Pada citra Candi level 2, Gambar 4.21, terlihat paling bagus dibandingkan

citra level 2 pada citra uji lainnya. Noisenya terlihat paling sedikit diantara citra

uji level 2 lainnya. Tetapi citra terbaiknya tetap citra level 3, Gambar 4.22, hanya

terlihat sedikit perbedaan. Sedangkan pada level 1, Gambar 4.20 sama seperti citra

lainnya. Derajat keabuan citra Candi level 3 pada Tabel 4.7 sebesar 254 atau

hanya turun satu nilai dari derajat keabuan citra sebelum pemampatan yaitu 255.

Tabel 4.7. Hasil pemampatan pada citra Candi.

Level

Pemampatan

Derajat

Keabuan

Persentase Derajat

Keabuan ( % )

Nisbah Pemampatan

( % )

1 62 24,21 83,332

2 98 38,28 66,659

3 254 99,22 33,333

Semua hasil pemampatan pada semua citra uji menghasilkan nisbah

pemampatan yang sama pada masing-masing level yaitu sebesar 83 % pada level

1, 66 % pada level 2 dan 33 % pada level 3. Ini berarti besarnya rasio

pemampatan sama pada semua citra uji pada masing-masing level, karena alokasi

bit pada masing-masing level juga sama . Tetapi menghasilkan derajat keabuan

yang berbeda-beda pada semua citra uji.

4.9. Metode Pemampatan Jpeg

Metode pemampatan kuantisasi yang menghasilkan pemampatan yang

terbaik akan dibandingkan dengan metode pemampatan jpeg. Metode

pemampatan jpeg merupakan standar pemampatan citra saat ini. Metode

pemampatan jpeg merupakan metode pemampatan lossy. Menurut Smith (2003),

Metode pemampatan jpeg menggunakan Discrete Cosine Transform dalam

memampatkan citra. Sedangkan metode pemampatan kuantisasi menggunakan

Red Green Blue atau derajat keabuan dalam memampatkan citra. Citra uji yang

akan digunakan untuk dibandingkan dengan metode pemampatan jpeg adalah citra

hasil pemampatan metode pemampatan kuantisasi yang terbaik yaitu citra Milan.

Tabel 4.8. Perbandingan metode kuantisasi dengan metode jpeg berdasarkan

ukuran file.

Metode pemampatan Ukuran (bytes) Nisbah pemampatan ( % )

Kuantisasi 1.493.058 33,33

Jpeg 336.272 84,98

Pengamatan dilakukan terhadap ukuran file dan nisbah pemampatan yang

dihasilkan dari masing-masing metode pemampatan. Dari Tabel 4.8. menunjukkan

bahwa metode pemampatan jpeg lebih unggul dari pada metode pemampatan

kuantisasi. Pengujian terhadap citra Milan menunjukkan bahwa pemampatan citra

menggunakan metode pemampatan kuantisasi belum bisa menggantikan metode

pemampatan jpeg sebagai standar pemampatan saat ini. Dilihat dari nisbah

pemampatan yang dihasilkan, pemampatan citra menggunakan metode

pemampatan kuantisasi masih berada di bawah metode pemampatan jpeg.

Metode pemampatan kuantisasi memang kalah dibandingkan metode jpeg

dalam hal besarnya ukuran file, tetapi dalam hal kecepatan proses pemampatan

metode kuantisasi lebih unggul dibandingkan metode jpeg seperti terlihat dalam

Tabel 4.9.


kecepatan proses pemampatan.

Metode Kuantisasi (seconds) Citra Uji

Metode Jpeg

(seconds) Level 1 Level 2 Level 3

Bliss 0,032 0,015 0,010 0,005

Kabut 0,141 0,057 0,021 0,015

Milan 0,375 0,172 0,046 0,031

Img1 1,265 0,609 0,140 0,125

Candi 2,453 1,187 0,344 0,265

Pada Tabel 4.9. terlihat bahwa metode pemampatan kuantisasi lebih

unggul dibandingkan metode jpeg dalam hal kecepatan proses pemampatan. Pada

citra Bliss yaitu citra yang memiliki ukuran yang paling kecil telah terlihat

perbedaannya, seiring dengan bertambahnya ukuran citra maka semakin lama

proses pemampatannya. Metode kuantisasi pada level 1 yaitu level yang memiliki

kecepatan paling lambat lebih cepat setengahnya dibandingkan dengan metode

jpeg. Sedangkan pada level pemampatan terbaik pada metode pemampatan

kuantisasi yaitu level 3 memiliki kecepatan yang lebih baik dari metode jpeg. Jika

dilihat pada citra Candi metode jpeg jauh tertinggal dibandingkan pemampatan

terbaik pada metode kuantisasi yaitu level 3. Dapat dilihat dari Tabel 4.9. bahwa

semakin besar ukuran file, metode jpeg dibandingkan dengan metode kuantisasi

level 3 maka metode jpeg akan semakin jauh tertinggal.

Selain unggul dalam hal kecepatan proses pemampatan, metode

pemampatan kuantisasi juga unggul dalam hal selisih piksel (rgb) antara citra asli

dengan citra hasil pemampatan. Selisih piksel disini menunjukkan perubahan yang

terjadi dari citra asli menjadi citra hasil pemampatan dilihat dari intensitas setiap

piksel yang ada. Semakin kecil selisih pikselnya maka citra hasil pemampatan

tersebut semakin mendekati aslinya. Sebagaimana terlihat dalam Tabel 4.10.

berikut ini.


selisih piksel antara citra asli dengan citra hasil pemampatan.

Metode Kuantisasi Citra Metode Jpeg

Level 1 Level 2 Level 3

Bliss 3,175 40,804 13,053 2,715

Kabut 1,136 3,484 0,784 0,607

Milan 1,222 3,775 0,547 0,282

Img1 1,138 0,587 0,059 0,090

Candi 2,197 0,297 0,073 0,050

Dari Tabel 4.10. di atas terlihat metode pemampatan kuantisasi lebih

unggul dibandingkan dengan metode jpeg. Pada level 3 semua citra hasil

pemampatan metode pemampatan kuantisasi lebih unggul dibandingkan metode

jpeg. Semakin besar ukuran gambar metode pemampatan kuantisasi semakin

terlihat unggul dibandingkan metode jpeg. Dimulai dari citra terkecil ukurannya

yaitu citra Bliss metode pemampatan kuantisasi hanya unggul pada level 3 saja,

tetapi semakin besar ukurannya metode pemampatan kuantisasi semakin

mendominasi, yaitu dimulai dari citra Kabut yang mulai unggul pada 2 level yaitu

level 2 dan 3, hal yang sama terjadi pada citra Milan yang juga unggul pada level

2 dan 3, sedangkan pada citra Img1 dan citra Candi metode pemampatan

kuantisasi unggul pada semua level. Jadi meskipun metode pemampatan

kuantisasi kalah dalam hal ukuran file tetapi metode pemampatan kuantisasi

unggul dalam hal kecepatan proses pemampatan dan juga citra hasil pemampatan.

BAB V

PENUTUP

5.1. Kesimpulan

Berdasarkan pembahasan diperoleh kesimpulan sebagai berikut.

1. Diperoleh hasil pemampatan citra dengan ukuran yang minimal dan derajat

keabuan yang maksimal dengan metode pemampatan kuantisasi pada level 3.

2. Metode pemampatan jpeg lebih baik dibandingkan metode pemampatan

kuantisasi berdasarkan pada ukuran file, metode pemampatan kuantisasi lebih

baik dibandingkan metode jpeg berdasarkan pada kecepatan proses

pemampatan dan kualitas citra hasil pemampatan yang diketahui dengan cara

dihitung selisih piksel antara citra asli dan citra hasil pemampatan.

5.2. Saran

Dalam skripsi ini penulis membahas pemampatan citra yang menghasilkan

citra yang mampat dan juga berderajat keabuan tinggi dengan metode

pemampatan kuantisasi. Untuk pembahasan selanjutnya dapat digunakan metode

pemampatan lainnya.

DAFTAR PUSTAKA

Acharya, Tinku dan Tsai, Ping-Sing. (2005). JPEG2000 Standard for Image

Compression concepts, Algorithms and VLSI Architectures. Wiley-

Interscience, Hoboken.

Achmad, Balza dan Firdausy, Kartika. (2005). Teknik Pengolahan Citra Digital

Menggunakan Delphi. Ardhi Publishing, Yogyakarta.

Fadlisyah., Taufiq., Zulfikar., dan Fauzan. (2008). Pengolahan Citra

Menggunakan Delphi. Graha Ilmu, Yogyakarta.

Gray, Robert dan Neuhoff, David. (1998). Quantization. IEEE Transactions On

Information Theory, Vol. 44, No. 6, October 1998.

Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik.

Informatika, Bandung.

Sianipar, Rismon Hasiholan, dan Muliani, Sri. (2003). Kompresi Citra Digital

Berbasis Wavelet : Tinjauan PSNR dan Laju Bit.

www.petra.ac.id/~puslit/journals/request.php?PublishedID=INF03040205

Smith, Steven W. (2003). Digital Signal Processing - A Practical Guide for

Engineers and Scientists. Newnes, New York.

Wijaya, Marvin Ch., dan Prijono, Agus. (2007). Pengolahan Citra Digital

Menggunakan Matlab. Informatika, Bandung.

Pemampatan citra dengan menggunakan metode pemampatan ...... · terdapat gambar atau foto atau...

Documents

Transcript of Pemampatan citra dengan menggunakan metode pemampatan ...... · terdapat gambar atau foto atau...