TUGAS KELOMPOKREVIEW JURNAL

Oleh :Nining KurniatiD411 12 295Arvin AsrahD411 12 110Darmaji AsrunD411 12 293

UNIVERSITAS HASANUDDIN2015JURNAL IJudulPENERAPAN ALGORITMA KOMPRESI JPEG DAN METODE FUZZY C-MEANS PADA KOMPRESI CITRA BERBASIS ENTROPI

Jurnal-

Volume & HalamanVolume 1 Nomor 1, Halaman 7-11

Tahun2014

Penulis Dika Asoka Masatu Indah Soesanti Hanung Adi Nugroho

ReviewerDarmaji Asrun, Arvin Asrah, Ninin Kurniati

Tanggal Review23 Oktober 2015

I. Pendahuluan

Citra digital adalah informasi yang berada dalam bidang dua dimensi. Ukuran citra digital dinyatakan dalam pixel (picture element). Sebuah citra digital dengan dimensi 100x200 pixel tersusun atas 100x200 = 20.000 pixel. Teknik kompresi citra dapat dibagi ke dalam dua kelompok, yaitu metode lossless dan lossy. Metode lossless akan mampu menghasilkan citra dekompresi yang sama persis dengan citra semula, namun rasio kompresi yang dihasilkan kecil. Sedangkan metode lossy akan menghasilkan rasio kompresi yang tinggi dengan mengorbankan kualitas dan kemampuan untuk mengembalikan citra ke ukuran aslinya. Penelitian terkait kompresi dengan penyandian entropi telah dilakukan oleh beberapa peneliti terdahulu, namun belum menerapkan Fuzzy c-Means Cultering.Penelitian ini dibuat sebagai usaha untuk mengefisiensikan penggunaan memori dalam kompresi citra. Kompresi hanya akan dilakukan pada bagian tertentu yang dianggap bukan informasi penting yang perlu dipertahankan. Metode yang diterapkan adalah klasifikasi citra berupa clustering untuk memisahkan objek utama dan latar. Kemudian Algoritma kompresi yang digunakan adalah JPEG.

II. Tujuan Penelitian

Mengetahui analisis kerja dari kompresi JPEG dengan menggunakan FCM (Fuzzy C-Means)

III. Landasan Teori

CitraSebuah citra adalah isyarat berbentuk dua dimensi yang diproses melalui interpretasi visual oleh mata manusia. Isyarat tersebut awalnya berbentuk analog, untuk mempermudah dalam pemrosesan dan penyimpanan maka isyarat tersebut diubah ke bentuk digital. Satu-satunya cara untuk mengoptimalkan penyimpanan citra digital saat ini adalah dengan melakukan kompresi citra.

EntropiEntropi adalah pengukuran informasi yang didapat melalui observasi dari data, dalam hal ini berupa tingkat keacakan dalam penyebaran distribusi data. Jika nilai pixel dalam sebuah citra terdistribusi secara merata, maka kandungan entropi yang dimiliki akan maksimum. Namun jika pixel yang dimiliki hanya satu nilai saja maka entropi yang dimiliki akan bernilai nol.

ClusteringPengelompokkan data (clustering) merupakan proses membagi data dalam suatu himpunan ke dalam beberapa kelompok dimana kesamaan data dalam suatu kelompok lebih besar dibandingkan kesamaan data dalam kelompok lain . Dalam hard clustering, sebuah data hanya menjadi anggota dalam satu kelompok tertentu dan tidak menjadi anggota dalam kelompok lain. Sedangkan dalam fuzzy clustering, level keanggotaan yang dimiliki oleh suatu data dapat bernilai antara rentang [0,1].

Fuzzy C-MeansSalah satu dari beberapa Algoritma fuzzy clustering yang banyak digunakan adalah Fuzzy C-Means (FCM). Konsep dasar dari Algoritma FCM adalah menentukan pusat cluster yang akan menandai lokasi rerata dari cluster tersebut. Pusat cluster awal pada umumnya ditentukan secara acak. Kemudian menentukan level keanggotaan pada tiap data sesuai dengan jaraknya terhadap pusat cluster. Lalu jika isi dari tiap cluster sudah tidak berubah lagi maka iterasi dihentikan. Jika masih terus berubah maka perbaikan pusat cluster dan level keanggotaan akan dilakukan terus sampai isi dalam cluster tidak berubah lagi.

JPEGJoint-Photograpic Experts Group (JPEG) adalah sebuah kelompok yang merancang sebuah Algoritma kompresi citra lossy. JPEG lebih dikenal secara umum sebagai salah satu format ekstensi penyimpanan citra (.jpg). Tujuan utama dari kompresi JPEG sederhana, yaitu untuk menyimpan data yang digunakan dalam representasi digital dengan ukuran sekecil mungkin dengan tetap mempertahankan detil visualnya. JPEG bekerja dengan cara merubah citra spasial dan merepresentasikannya ke dalam pemetaan frekuensi dengan bantuan Discrete Cosine Transform (DCT).

IV. Metodologi Penelitian

Penelitian ini menggunakan Kompresi JPEG dengan menggunakan FCM. Langkah-langkah dalam penelitian ini sebagai berikut: 1. Menmbuat system sesuai flowchart yang telah dibuat.2. Citra masukan akan dibaca, kemudian dilakukan penentuan inisialisasi pusat awal cluster. Lalu isi dari tiap cluster akan terus diperbaiki dengan FCM sampai konvergen. Perhitungan entropi akan menentukan skala kualitas (Q) yang akan diberikan dalam kompresi JPEG untuk tiap cluster. Hasil akhir berupa penggabungan semua cluster sehingga menghasilkan sebuah citra utuh.

V. Hasil Penelitian

Pada penelitian yang telah dilakukan dalam jurnal ini akan diliat bagaimana kinerja algoritma kompresi citra JPEG dengan menggunakan FCM dengan pembagian cluster 6 buah. Berikut Gbr 1 dibawah ini adalah flowchart dari system ;

Dan berikut ini adalah citra yang akan dilakukan pengujian dan gambar spesifikasi yang dimiliki;

A. Pusat Awal dan Pusat Akhir Cluster

Inisialisasi pusat awal cluster ini dilakukan melalui pendekatan heuristik dari metode Furthest First. Inisialisasi pusat awal ini dilakukan sebelum diterapkannya Algoritma FCM. Hasil yang diperoleh pada citra clownfish dalam inisialisasi pusat awal cluster ini ditunjukkan dalam Gbr 3. Bagian yang bukan merupakan anggota dari cluster yang bersangkutan ditandai dengan pixel hitam (0,0,0 dalam RGB).

Hasil dari pengujian pusat akhir cluster didapatkan setelah melakukan clustering dengan FCM. Hasil yang diperoleh pada citra clownfish setelah isi dari masingmasing cluster tidak berubah lagi ditunjukkan dalam Gbr 4.

Diatas merupakan skala kualitas berdasarkan entropi yang dimiliki dari setiap cluster. Sedangkan untuk waktu kompresi dan rasio kompresi dapat diliat dibawah ini

VI. KesimpulanMetode clustering yang dimiliki FCM dapat digabungkan dengan metode kompresi JPEG untuk menghasilkan kompresi citra berbasis entropi. Dari keseluruhan proses, waktu paling lama terjadi di bagian clustering dalam FCM karena adanya iterasi yang berulang-ulang agar konvergensi cluster tercapai. Berdasarkan semua pengujian yang telah dilakukan, citra dengan format .png memberikan keluaran yang lebih baik dibandingkan citra dengan format .jpg, baik di sisi ukuran, kualitas secara kualitatif (visual) maupun kualitas secara kuantitatif (perhitungan matematis). Rasio kompresi terkecil yang dapat dicapai pada penelitian ini adalah 0,0828.

VII. Ulasan Tentang Jurnal

Dalam penulisan dan pemaparan jurnal ini tentunya memiliki kelebihan dan kekurangan. Adapun kelebihan jurnal atau dengan kata kekuatan dari jurnal ini adalah pertama tema yang diangkat masih dapat dikatakan bahwa tema tersebut jarang dibahas didalam penelitian sebelummnya, kedua pemaparan yang singkat tetapi tetap terlihat jelas, ketiga menggunakan metode perbandingan sehingga pembaca akan tau manfaat dari jurnal serta penjelasan yang disertai dengan flowchart sehingga pembaca mudah untuk mengerti arah dari penulis. Adapun kekurangannya menurut kami pada kesimpulan sebaikan dibuat menjadi berbentuk point-point sehingga lebih mudah untuk di mengerti, dan jurnal ini juga tidak memiliki saran atau pun harapan dari penulis terhadap jurnal ini.

JURNAL II

JudulImplementasi Metode HUFFMAN Sebagai Teknik Kompresi Citra

Jurnal-

Volume dan HalamanVolume 2, No 2, Hal. 176-182

Tahun2011

PenulisIrmalia Suryani Faradisa Bara Firmana Budiono

ReviewerDarmaji, Arvin, Ninin

Tanggal25 Oktober 2015

I. PendahuluanData atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar, audio (bunyi, suara, musik) dan video. Keempat macam data atau informasi ini sering disebut dengan multimedia. Era informasi teknologi saat ini tidak dapat dipisahkan dari multimedia. Situs web (website) di internet dibuat semenarik mungkin dengan menyertakan visualisasi berupa gambar atau video yang dapat diputar. Citra (image) sebagai salah satu komponen multimedia memegang peranan penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya akan informasi. Saat ini, kebanyakan aplikasi menginginkan representasi citra dengan kebutuhan memori yang sesedikit mungkin. Kompresi citra (image compression) bertujuan meminimalkan kebutuhan memori untuk merepresentasikan citra digital. Prinsip umum yang digunakan dalam kompresi citra adalah mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit dari pada representasi citra semula.

II. Tujuan Penelitian

Tujuan utama pada penelitian ini adalah untuk mengetahui hasil implementasi dari metode Huffman dalam teknik kompresi data citra.

III. Landasan Teori

Kompresi Saat ini, kebanyakan aplikasi menginginkan representasi citra dengan kebutuhan memori yang sesedikit mungkin. Kompresi citra (image compression) bertujuan meminimalkan kebutuhan memori untuk merepresentasikan citra digital. Prinsip umum yang digunakan dalam kompresi sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit dari pada representasi citra semula. citra adalah mengurangi duplikasi data di dalam citra

Metode Huffman Algoritma kompresi Huffman atau disebut dengan encoding Huffman adalah algoritma yang dipakai untuk mengkompresi file. Teknik kompresi ini dengan menggunakan code yang lebih kecil pada karakter yang sering dipakai dan code yang lebih panjang untuk karakter yang tidak begitu sering dipakai. Setiap data dianggap satu simpul yang mempunyai dua nilai data: nilai keabuan dan frekuensi kemunculannya. Dua simpul dengan frekuensi terkecil dari daftar diambil dan frekuensinya dijumlahkan. Hasil penjumlahan kedua frekuensi ini menjadi frekuensi baru untuk sebuah simpul baru yang mempunyai dua cabang kedua simpul tadi (cabang kiri dan kanan). Simpul baru ini selanjutnya dimasukkan dalam daftar untuk dilakukan pengurutan simpul, penjumlahan dua simpul dengan frekuensi terkecil, dan pembuatan simpul baru. Proses ini berlanjut sampai semua simpul telah masuk ke dalam pohon dan frekuensi akar (root) dari pohon merupakan hasil penjumlahan semua frekuensi yang ada.

IV. Metode Penelitian

Metode yang digunakan pada penelitian ini adalah dengan menggunakan bantuan software dengan membandingankan antara metode Huffman dan Metode Lossy.

V. Hasil

1. Pengujian terhadap Metode HuffmanPengujian ini dilakukan dengan membandingkan metode Huffman dan Lossy dengan mengambil satu buah image untuk dijadikan contoh (sample).

2. Pengujian terhadap Metode Lossy Metode lossy menghasilkan citra hasil pemampatan yang hampir sama dengan citra semula. Ada informasi yang hilang akibat pemampatan, tetapi dapat ditolerir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil pada gambar. Metode pengompresian lossy menghasilkan nilai pemampatan yang tinggi daripada metode lossless.

Pada kompresi dengan kualitas 100% maka nilai dari kompresi citra akan berukuran kecil dari 121078 menjadi 118340 pada citra tersebut tidak mengalami kerusakan pada kualitasnya dan hasil penghitungannya 100% - (118340 / 121078 ) x 100% = 2.261%. Pada kompresi dengan kualitas citra 50% citra akan mengalami kerusakan pada kualitasnya namun untuk nilai kompresi yang didapat dapat dikatakan ukuran citra tersebut menjadi kecil dari 121078 menjadi 60272 hasil penghitungannya 100% - ( 60272 / 121078 ) x 100% = 50.220%.

Pada kompresi dengan kualitas 1%, terlihat bahwa citra akan mengalami kerusakan pada kualitasnya namun untuk nilai kompresi yang didapat dapat dikatakan ukuran citra tersebut menjadi kecil dari 121078 menjadi 59348 hasil penghitungannya 100% - ( 59348 / 121078 ) x 100% = 50.983%.

VI. KesimpulanDari uraian dan pembahasan diatas yang berjudul Kompresi Citra Menggunakan Metode Huffman Dengan Bahasa Pemrograman Delphi 7.0. beberapa kesimpulan yang dapat diperoleh antara lain:.1. Teknik kompresi citra dengan metode Huffman pada citra gray scale 8 bit dilakukan dengan pembuatan pohon Huffman berdasarkan frekuensi kemunculan nilai piksel. Pohon Huffman akan menghasilkan kode biner yang disimpan dalam tabel Huffman tiap 8 bit. 2. Kode biner yang dihasilkan dari Metode Huffman adalah setiap nilai piksel yang mempunyai frekuensi terbesar mempunyai jumlah bit yang pendek sedangkan nilai piksel yang mempunyai frekuensi kecil mempunyai bit yang lebih panjang.3. Citra yang mempunyai sebaran nilai piksel tidak merata memiliki rasio kompresi yang relatif besar sedangkan citra dengan nilai piksel yang merata memiliki rasiokompresi yang lebih kecil. 4. Tingkat efisiensi memori file hasil kompresi dengan menggunakan Metode Huffman diukur dari besarnya rasio kompresi yang dihasilkan. Citra yang mempunyai sebaran nilai piksel tidak merata memiliki tingkat efisiensi lebih besar dibandingkan dengan citra dengan nilai piksel yang merata.

VII. Ulasan Tentang Jurnal

Adapun Kelebihan atau yang menjadi kekuatan dalam jurnal ini adalah dalam hasil penelitian dibuktikan secara langsung berupa gambar hasil simulasi, serta jurnal ini memiliki flowchart yang secara lengkap dipaparkan dalam jurnal, adapun kekurangangan terdapat beberapa hal yang menurut kami harusnya terlebih dahulu dijelaskan seperti tentang metode lossy.

JudulImplementasi Metode HUFFMAN Sebagai Teknik Kompresi Citra

Jurnal-

Volume dan HalamanVolume 2, No 2, Hal. 176-182

Tahun2011

PenulisIrmalia Suryani Faradisa Bara Firmana Budiono

ReviewerDarmaji, Arvin, Ninin

Tanggal25 Oktober 2015

Jurnal III