KOMPRESI CITRA PENGIMPLEMENTASIAN SOURCE CODING DENGAN MENGGUNAKAN METODE KARHUNEN LOEVE

Transkripsi

1 TUGAS AKHIR KOMPRESI CITRA PENGIMPLEMENTASIAN SOURCE CODING DENGAN MENGGUNAKAN METODE KARHUNEN LOEVE Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan Teknik Elektro Universitas Muhammadiyah Surakarta Disusun oleh : NAMA : DEDY BUDI SAPUTRO NIM : D FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO UNIVERSITAS MUHAMMADIYAH SURAKARTA 2012

2

3

4

5 KOMPRESI CITRA PENGIMPLEMENTASIAN SOURCE CODING DENGAN MENGGUNAKAN METODE KARHUNEN LOEVE Dedy Budi Saputro FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO UNIVERSITAS MUHAMMADIYAH SURAKARTA jambrong_itci@yahoo.co.id ABSTRAKSI Perkembangan teknologi informasi dalam media penyimpanan saat ini sangat berpengaruh besar dalam menjalin pertukaran informasi yang cepat. Kebutuhan akses kecepatan pengiriman informasi dalam bentuk perpaduan teks, suara dan gambar atau citra secara real time akan menjadi bagian utama dalam pertukaran informasi pada masa mendatang. Proses kompresi data atau dalam hal ini kompresi citra (image compression) untuk menghasilkan ukuran data yang lebih kecil sebagai cara yang dapat dilakukan untuk pemecahan masalah. Metode transformasi Karhunen-Loeve merupakan salah satu teknik kompresi data yang pada umumnya digunakan pada pengolahan citra. Penulis melakukan penelitianyang bertujuan mengembangkan kompresi citra dengan metode karhunen loeve, serta menentukan rasio nilai kompresi, dengan menganalisis perbandingan langsung antara besar data file citra asli dengan besar data file hasil kompresi. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa kompresi dilalukan dengan cara membagi piksel citra menjadi beberapa blok blok kecil citra masukannya menjadi lebih ringkas menggunakan proses penyusunan vector vector kolom jumlah blok citra sehingga nilai masing masing blok menjadi lebih kecil. Hasil penyusunan vector disusun kembali melalui proses perulangan untuk mengembalikan setiap bit pikselnya program kompresi ini dapat digunakan untuk mengurangi ukuran file citra menjadi lebih kecil namun kualitas citra berbeda berbeda beda sesuai nilai perulangan yang digunakan. Hasil citra yang terkompresi memiliki ukuran lebih kecil dari ukuran citra asli. Didapat hasil kompesi citra dengan format jpg dengan nilai rerata mencapai %, untuk hasil kompresi format png memiliki rerata kompresi sebesar %, pada format bmp rereta hasil kompresi sebesar 3.335%. Kata kunci : Image Compression, Karhunen Loeve, lossy. 1. PENDAHULUAN Perkembangan teknologi informasi dalam media penyimpanan saat ini sangat berpengaruh besar dalam menjalin pertukaran informasi yang cepat. Kecepatan pengiriman informasi dalam bentuk perpaduan teks, suara dan gambar atau citra secara real time akan menjadi bagian utama dalam pertukaran informasi pada masa mendatang. Hingga saat ini pengiriman informasi secara real-time masih mengalami kendala. Kendala yang sering dijumpai adalah lamanya waktu yang dibutuhkan dalam penyimpanan maupun mengirimkan data keperangkat lain, hal tersebut disebabkan rendahnya kecepatan transmisi yang dimiliki perangkat tersebut, sedangkan ukuran informasi data yang dikirimkan sangat besar. Dengan melakukan kompresi pada data, sehingga dihasilkan ukuran data yang lebih kecil, merupakan alternatif pemecahan masalah yang mungkin dapat dilakukan. Run Length Encoding merupakan salah satu teknik kompresi data yang umumnya digunakan pada pengolahan citra (Image Compressing) di mana data berjalan (yaitu, urutan di mana nilai

6 data yang sama terjadi pada banyak elemen data yang berturut-turut) disimpan sebagai nilai data tunggal dan dihitung panjangnya. Teknik kompresi bersifat lossless sehingga mampu merekonstruksi file hasil kompresi kebentuk asalnya. Dalam Tugas Akhir ini mencoba mengimplementasikan metode Run Length Encoding. Karena metode ini pada dasarnya memampatkan data yang berisi karakterkarakter berulang, di mana data yang akan dikompresi berupa citra hitam putih dan apabila citra bukan berupa citra hitam putih maka harus diubah terlebih dahulu. Oleh sebab itu kompresi Run Length Encoding ini mempunyai daya kompresi yang sangat besar sehingga efisiensinya juga sangat besar. a. Teknik Kompresi Citra Kompresi citra adalah suatu aplikasi kompresi data yang digunakan terhadap citra digital dengan tujuan untuk mengurangi redudansi dari data data yang ada pada data citra sehingga dapat lebih efisian dalam penyimpanan maupun mengirimkan data. Ada dua tipe kompresi data, antara lain : 1. Kompresi tipe lossles Kompresi tipe lossles ialah kompresi yang tidak menghilangkan informasi dari data citra yang digunakan setelah kompresi terjadi, dan akibatnya kualitas citra hasil kompresi tidak menurun. Beberapa ciri dari kompresi tipe lossles antara lain ialah : a. Teknik kompresi citra tidak ada sedikitpun informasi dari data citra yang dikompresikan yang dihilangkan. b. Kompresi tipe ini merepresentasikan citra dengan frekuensi kemunculan nilai intensitas tertentu sehingga mengoptimalkan kinerja kompresi berbasis statistik. 2. Kompresi tipe lossy. Kompresi tipe lossy ialah adanya beberapa informasi data citra yang dihilangkan. Akibatnya kualias data yang dihasilkan jauh lebih rendah daripada kualitas data aslinya. Brikut beberapa ciri dari kompresi tipe lossy antara lain : a. Ukuran file citra menjadi lebih kecil, sebab beberapa informasi dalam data citra asli dihilangkan. b. Penggunaan citra foto atau citra digital yang tidak memerlukan banyak detail citra, dimana kehilangan bit rate image tidak berpengaruh pada citra. c. Lebih disederhanakannya detail dan warna pada file citra sehingga ukurannya menjadi lebih kecil, namun tidak terlihat jauh mencolok perbedaannya dengan aslinya. b. Karhunen-Loeve Di tahun 1933 Hotelling mengajukan sebuah teknik untuk mengurangi dimensi sebuah ruang yang direpresentasikan oleh variabel statistik, dimana variabel tersebut biasanya saling berkorelasi satu dengan yang lain. Pertanyaan kemudian timbul akibat konsekuesi di atas, apakah terdapat sebuah himpunan variabel baru yang memiliki sifat yang relatif sama dengan variabel sebelumnya dimana dikehendaki himpunan variabel baru tersebut memiliki jumlah variabel (dimensi) yang lebih sedikit dari variabel sebelumnya. Selanjutnya Hotelling menyebut metode tersebut sebagai Principal Component Analysis (PCA) atau kadang juga disebut Transformasi Hotelling dan Transformasi Karhunen Loeve. Analisis Komponen Utama (PCA) adalah teknik statistik untuk mengidentifikasi pola dalam suatu data, dan mengekspresikan suatu data sedemikian rupa sehingga diperoleh persamaan persamaan dan perbedaan - perbedaanya. Prosedur PCA pada dasarnya adalah bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mereduksi) dimensinya. Hal ini dilakukan dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali atau yang biasa disebut

7 dengan principal component (Pramitarini, Y., 2011 ). Salah satu keunggulan PCA adalah sekali pola suatu data dapat ditemukan, maka dapat dilakukan pemampatan data tanpa mengurangi banyak informasi pada data itu, misalnya dengan mengurangi jumlah dimensi. Teknik ini digunakan pada pemampatan citra digital. c. Rasio Kompresi Rasio kompresi merupakan ukuran persentase citra yang telah berhasil dimampatkan ( Ichsan ). Secara matematis rasio pemampatan citra dituliskan sebagai berikut : Rasio = 100% ya Hasil Kompresi Citra Asli Mulai Studi Literatur Pembuatan Proposal Pengambilan Data Menganalisa data yang telah didapat Menghitung Rasio Kompresi Citra Laporan Analisa Selesai Gambar 1. Flowchart Penelitian 100% tidak 2. METODE PENELITIAN Penerapan metode karhunen loeve pada kompresi citra adalah sebagai berikut : a) Masukkan file citra yang nantinya akan dikompresi. b) Masukkan nilai nilai perulangan loop untuk menentukan rekonstruksi citra. c) Selanjutnya memecah citra masukan menjadi beberapa blok, Setiap potongan blok mempunyai resolusi yang sama yaitu piksel. d) Setelah mendapatkan blok blok citra maka langkah selanjutnya adalah menyusun sebuah matrik citra, dengan cara mengubah setiap blok citra yang berukuran tersebut menjadi vektor vektor kolom yang disusun menjadi sebuah matrik. e) Langkah selanjutnya menghitung nilai rerata setiap kolom matrik citra. f) Mengubah matrik citra menjadi matrik penyesuaian dengan mengurangi setiap elemen kolom matrik dengan rerata dari kolom matrik citra. g) Mencari matrik varians kovarians dari matrik penyesuaian yang merupakan matrik bersusun berukuran n n, dengan n adalah jumlah kolom matrik penyesuaian. h) Selanjutnya mencari verktor eigen dan nilai eigen dari matrik varians kovarians. Semakin sedikit nilai vektor eigen yang didapat maka ukuran berkas yang digunakan untuk menyimpan data citra terkompresi akan semakin kecil tetapi kualitas citra hasil kompresi akan semakin buruk. i) Proses perulangan loop sebagai rekonstruksi himpunan data citra kompresi, dengan menyusun kembali tiap bit piksel citra hasil dari vektor eigen yang telah didapat. j) Menampilkan hasil citra yang telah ddikompresi. k) Simpan hasil kompresi dengan format citra.

8 Mulai 3. PENGUJIAN PROGRAM DAN ANALISA HASIL Input file citra Masukkan nilai loop n= jumlah nilai loop Membagi citra menjadi blok 50 x 50 piksel Menyusun intesitas matrik citra Mencari nilai rerata setiap blok Cari matrik penyesuaian Gambar 3. Pengujian Program Kompresi. 1. Citra hasil kompresi dengan metode karhunen loeve pada citra pantai. Menyusun matrik penyesuaian matrik varians kovarians dari matrik penyesuaian vektor eigen dan nilai eigen matrik varians kovarians Apakan n sesuai jumlah loop l = n tidak n = l + 1 (a) Pengujian ke 1. ya Menampilkan hasil citra terkompresi Simpan hasil kompres Simpan indeks hasil citra kompresi Selesai Gambar 2. Flowchart Karhunen Loeve (b) Pengujian ke 5.

9 2. Data Citra Asli Tabel 1. Tabel Spesifikasi Citra Asli (c) Pengujian ke 8. Spesifikasi Citra Asli Ukuran Format No Nama Citra Citra (KB) Citra 1 Anime JPG 2 Babon JPG 3 Panda JPG 4 Birdicon JPG 5 Arabian PNG 6 Pantai PNG 7 Peppers PNG 8 Rambo PNG 9 Blackbuck BMP 10 Flower BMP 11 Perahu BMP 12 Tiffany BMP (d) Pengujian ke 11. (e) Pengujian ke 17. Gambar 4. Hasil Citra Kompresi Citra Pantai.Jpg 3. Data Citra Terkompresi Tabel 2. Hasil Citra Terkompresi JPG. Pengujian Ukuran Hasil Kompresi Citra (KB) Anime Babon Panda Birdicon

10 Berdasarkan tabel 2. diatas dapat dilihat bahwa hasil kompresi citra format jpg disimpulkan sebagai berikut : 1. Pengujian citra Anime.Jpg ukuran citra aslinya Kb sebanyak 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 10. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke Pengujian citra babon.jpg ukuran asli sebesar Kb. Dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 10. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke Pengujian citra Panda.Jpg ukuran citra asli sebesar Kb dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 10. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke Citra Bird.Jpg dengan ukuran citra asli sebesar Kb dilakukan sebanyak 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 10. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke 17. Tabel 3. hasil Citra Terkompresi Png. Pengujian Ukuran Hasil Kompresi Citra (KB) Arabian Pantai Peppers Rambo Berdasarkan tabel pengujian diatas dapat dilihat bahwa hasil kompresi citra format png disimpulkan sebagai berikut : 1. Pengujian citra Arabian.png dengan ukuran citra aslinya sebesar Kb dilakukan sebanyak tujuh 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 12. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke Pengujian citra Pantai.Png ukuran citra asli sebesar Kb. Dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 12. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke 17.

11 3. Pengujian citra Peppers.Png dengan ukuran citra asli sebesar Kb dilakukan 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 12. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke Pengijian citra Rambo.Png dengan ukuran citra asli sebesar Kb dilakukan sebanyak 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 12. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke 17. Tabel 4. Hasil Citra Terkompresi Bmp. Pengujian Ukuran Hasil Kompresi Citra (KB) Blackbuck Flower Perahu Tiffany Berdasarkan tabel pengujian diatas dapat dilihat bahwa hasil kompresi citra format bmp disimpulkan sebagai berikut : 1. Pengujian citra Blackbuck.bmp dan tiffany.bmp ukuran citra asli sebesar Kb. Dari 17 kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 10. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke Pengujian citra Flower.bmp dan perahu bmp dengan ukuran citra aslinya sebesar Kb dilakukan sebanyak tujuh belas kali pengujian didapat ukuran hasil kompresi yang terendah sebesar Kb dengan kualitas citra yang hampir mendekati aslinya ada pada pengujian ke 10. Sedangkan ukuran citra tertinggi sebesar Kb dengan kualitas citra paling mendekati aslinya ada pada pengujian ke 17. IV. KESIMPULAN 1. Kompresi citra dengan membagi citra menjadi beberapa blok blok terhadap resolusinya, karena setiap blok blok citra memiliki bagian bagian citra yang lebih sempit menjadikan jumlah vektor eigennya menjadi banyak, dan semakin sempit blok blok maka akan lebih baik hasil kompresinya. 2. Pada citra Jpg dan Png dapat dimampatkan dengan baik dengan prosentase yang berbeda beda terhadap ukuran file citra yang terkompresi, sedangkan citra Bmp dari pengujian yang dilakukan tidak dapat dimampatkan sehingga prosentase ukuran file citra terkompresinya memiliki hasil yang sama. 3. Dari ke empat sampel citra format jpg yang dikompresi citra anime, babon, panda, dan birdicon memiliki nilai

12 rerata rasio kompresi citra sebesar 48.28% pada proses kompresi citra penggunaan loop ke Dari ke empat sampel citra format png yang dikompresi citra Arabian, peppers, dan rambo memiliki nilai rerata rasio kompresi citra sebesar % pada proses kompresi citra penggunaan loop ke Dari ke empat sampel citra format bmp yang dikompresi citra blackbuck, flower, perahu, dan tiffany, memiliki nilai rerata rasio kompresi citra sebesar % pada proses kompresi citra penggunaan loop ke Lama durasi proses kompresi citra berbanding lurus dengan masukan nilai perulangan atau looping yang digunakan dalam dekomposisi rekonstuksi citra. Semakin tinggi nilai perulangan yang dimasukkan maka akan semakin banyak durasi waktu dalam proses kompresi. Hal tersebut dikarenakan proses prekonstruksian citra dimulai dari nilai looping terkecil hingga selesai pada pemprosesan nilai looping terbesar. DAFTAR PUSTAKA D.A Landgrebe, L Bichl An Introduction to MultiSpec, West Lafayette, IN: Purdue Univ, Press. Daubenchies, Ten Lecture On Wavelet : Matlab Help. G. Vane, R.O Green, T.G Chrien, Ht Enmark, E.G Hansen The Airborne visible/infrared imaging spectrometer (CASI), Remote Sensing Enviro, Vol. 44, pp Ichsan Implementasi Teknik Kompresi Gambar Dengan Algoritma Set Partitioning In Hierarchical Trees Pada Perangkat Bergerak. Universitas Sumatra Utara. Krisnawati Kompresi Citra RGB Dengan Metode Kuantisasi. Stmik Amikom Yogyakarta. Kusumah, Putri Perdani Simlasi Dan Analisis CAVLC ( Context Adaptive Variable Length Coding ) Pada Pengkodean H.264 / AVC Pada Jaringan Lan. Institut Teknologi Telkom. Bandung. Munir, Rinaldi Strategi Algoritmik. Departemen Teknik Informatika, Institut Teknologi Bandung. Sujatmiko, Edy.2007.Pemilihan Algoritma Optimal untuk Kompresi Data Citra Iris Mata Manusia. Universitas Diponegoro. Sunaryo Enkripsi Data Hasil Analisis Komponen Utama (PCA) Atas Citra Iris Mata Menggunakan Algoritma Md5. Universitas Diponegoro. Semarang. Sitorus, Syahriol, dkk Pengolahan Citra Digital. Universitas Sumatra Utara. Praditya Pemampatan Dan Dekonstruksi Citra Menggunakan Analisis Komponen Utama (Principal Componant Analisis). Universitas Diponegoro. Pramitarini,Yushintia.2011.AnalisaPengiriman Citra Terkompresi Jpeg Dengan Teknik Spread Spektrum Direct Sequence (Ds- Ss). Institut Teknologi Sepuluh Nopember Surabaya. Derisa,Citra.2008.ApaItuProgram Matlab?,htt p://yacisa14sweet.wordpress.com/2008/11 /26/apa-ituprogram-matlab.Diakses pada tanggal 21 Desember Hestiningsih,Idhawati.2008.Pengolahan Citra. 0Citra.pdf. Diakses pada tanggal 17 Desember Iqbal, Muhammad Dasar Pengolahan CitramenggunakanMATLAB, reativeinstrument.com/dokumen/image.pd f. Diakses pada tanggal 21 Desmber exchange/30678-image-compressiondemo-usins-kl-transform. Diakses pada tanggal 06 Agustus diakses pada tanggal 01 Oktober 2012.