1. Pendahuluan. 1.1 Latar Belakang Masalah

Transkripsi

1 1. Pendahuluan 1.1 Latar Belakang Masalah Jumlah pengguna komputer semakin meningkat. Peningkatan jumlah pengguna komputer mengakibatkan penggunaan data digital juga semakin meningkat. Salah satu media digital yang banyak digunakan yaitu citra digital. Elemen terkecil pada suatu citra digital dinamakan pixel [9]. Semakin banyak pixel, semakin tinggi resolusi suatu citra digital (semakin banyak pixel) maka semakin besar juga ukuran file (byte) citra digital tersebut sehingga akan mengakibatkan kapasitas ruang penyimpanan data (storage) dan bandwith yang diperlukan untuk mentransmisikan citra semakin besar. Untuk memperkecil ukuran file suatu citra digital agar menghemat kapasitas ruang penyimpanan dan memperkecil kebutuhan bandwidth untuk pengiriman data digunakanlah teknik kompresi terhadap citra digital. Tujuan dari kompresi yaitu mengurangi atau menghilangkan redundansi data dari suatu citra untuk mendapatkan ukuran file citra digital yang lebih kecil tetapi tetap menjaga kualitas citra digital (fidelity criteria). Redundansi data ada 3 tipe [9], yaitu : coding redundancy, interpixel redundancy, dan physcovisual redundancy. Coding redundancy dapat dihindari dengan cara membuat kode baru (berdasarkan frekuensi kemunculan bit atau simbol) untuk merepresentasikan data kedalam ukuran (byte atau bit) yang lebih kecil (contoh: menggunakan variable-length coding). Interpixel redundancy menyatakan tingkat korelasi antar pixel dalam suatu citra digital (nilai pixel dapat diprediksi dari nilai pixel tetangganya), sehingga informasi yang dibawa oleh pixel individu relatif kecil. Physcovisual redundancy didapatkan dari fakta bahwa mata tidak merespon dengan sensitifitas yang sama untuk semua informasi visual. Metode kompresi data (citra digital) dibagi menjadi 2, yaitu lossy dan lossless data compression. Lossy data compression merupakan metode kompresi data yang menghilangkan beberapa data pada citra digital sehingga menyebabkan pada saat proses dekompresi data (citra digital) yang dihasilkan berbeda dengan data (citra digital) yang asli [9], sedangakan lossless data compression merupakan metode kompresi data yang hasil dekompresinya sama dengan data (citra digital) aslinya [9]. 1

2 2 Metode yang digunakan untuk kompresi data meliputi metode berbasis kamus (dictionary) dan entropy coding. Metode yang berbasis kamus contohnya Lempel- Ziv-Welch (LZW), sedangkan untuk entropy coding contohnya Huffman coding atau algoritma Huffman [5] dan arithmetic coding [12]. Pada citra digital dikenal pula metode transformasi seperti Discrete Cosine Transform (DCT), Discrete Fourier Transform (DFT), Discrete Wavelet Transform (DWT), Contourlet Trasform (CT) atau Transformasi Contourlet [3], dan lain-lain. Metode kompresi citra digital banyak mengalami perkembangan. Perkembangan tersebut dapat dilihat dari penggunaan metode hybrid, dimana metode-metode kompresi yang ada digabungkan menjadi suatu metode kompresi baru, contohnya JPEG (Joint Photograph Experts Group) [14], JPEG2000 (Joint Photograph Experts Group) [11], dan lain-lain. Metode JPEG merupakan metode yang menggunakan metode Huffman yang berbasis DCT. Metode Huffman pada JPEG berperan sebagai entropy coding-nya sedangkan DCT berperan sebagai metode transformasinya [17]. Metode JPEG2000 memanfaatkan metode arithmetic coding yang berbasis DWT [14]. Salah satu metode kompresi data (citra digital) lainnya yaitu metode transformasi contourlet dan algoritma Huffman. Pada transformasi contourlet pendekomposisian citra digitalnya digunakanlah Laplacian Pyramid (LP) dan untuk menganalisis setiap detail citra digital digunakanlah directional filter banks (DFB). Gabungan dari Laplacian pyramid dan directional filter bank dinamakan pyramidal directional filter bank (PDFB) [2]. Algoritma Huffman [5] berperan sebagai entropy encoding. Entropy encoding merupakan skema coding (lossless data compression) yang menggantikan tiap simbol dengan kode yang panjangnya proporsional dengan negatif dari logaritma probabilitas kemunculan simbol tersebut. Penggabungan kedua metode ini juga disertai dengan teknik kuantisasi vektor [13] sehingga menghasilkan sistem kompresi yang bersifaat lossy. Pada tugas akhir ini dilakukan analisis dan implementasi kompresi citra digital menggunakan algoritma Huffman berbasis transformasi contourlet. Analisis dilakukan terhadap pengaruh parameter-parameter pada metode yang digunakan sehingga akan mempengaruhi performansi hasil kompresi. Parameter-parameter tesebut seperti: jumlah level dekomposisi, ukuran codebook dan lain-lain. Ukuran performansi hasil

3 3 kompresi yang digunakan pada tugas akhir ini yaitu: rasio kompresi dan PSNR (Peak Signal to Noise Rasio) 1.2 Perumusan Masalah Berdasarkan latar belakang masalah yang telah dijelaskan, dapat dirumuskan beberapa masalah sebagai berikut: 1. Bagaimana merancang dan mengimplementasikan algoritma Huffman berbasis transformasi contourlet untuk kompresi citra digital? 2. Bagaimana performansi kompresi citra digital dengan menggunakan algoritma Huffman berbasis transformasi contourlet? Batasan Masalah Batasan masalah Tugas Akhir ini yaitu sebagai berikut: 1. Citra yang digunakan adalah citra berwarna dengan format citra yaitu BMP (*bmp) dengan kedalaman 24-bit. 3. Ukuran citra yang digunakan yaitu 256 x Filter yang digunakan yaitu 9/7 5. Teknik kuantisasi yang digunakan yaitu kuantisasi vektor dengan metode splitting 6. Simulasi dilakukan menggunakan Matlab R2009a 7. Level dekomposisi citra LP (Laplacian Pyramid) maksimal 3 dan minimal 1 8. Level dekomposisi DFB (Directional Filter Bank) maksimal 4 dan minimal 2 9. Tidak melibatkan proses pengiriman (transmisi). 10. Codebook yang digunakan merupakan codebook lokal. 1.3 Tujuan Tujuan yang ingin dicapai dari pelaksanaan Tugas Akhir ini yaitu sebagai berikut: 1. Menganalisis dan mengimplementasikan metode transformasi contourlet dan Huffman untuk kompresi citra digital 2. Menganalisis performansi hasil kompresi citra digital dengan menggunakan rasio kompresi dan PSNR

4 4 Hipotesis: Performansi hasil kompresi dengan menggunakan algoritma Huffman berbasis transformasi contourlet mempunyai nilai kualitas (PSNR) yang kurang lebih sama dengan JPEG sedangkan untuk rasio kompresi, JPEG lebih baik dibandingkan algoritma Huffman berbasis transformasi contourlet 1.4 Metodologi Penyelesaian Masalah Tahapan-tahapan dalam pelaksanaan Tugas Akhir yaitu sebagai berikut: 1. Studi Literatur Pada tahap ini dilakukan pencarian dan pembelajaran referensi-referensi tentang kompresi citra digital [12], transformasi contourlet [2], algoritma Huffman [5] baik melalui buku, jurnal, TA/PA, maupun web. 2. Analisis dan Perancangan Sistem Pada tahap ini dilakukan perancangan sistem kompresi citra digital dengan menggunakan transformasi contourlet dan algoritma Huffman dengan menentukan parameter-parameter yang akan digunakan dalam pembangunan sistem. 3. Implementasi Sistem Pada tahap ini dilakukan implementasi pengkompresian citra digital berdasarkan hasil analisis dari tahap sebelumnya. Implementasi dilakukan dengan menerapkan teknik transformasi contourlet dan Huffman coding untuk membangun suatu sistem kompresi. 4. Testing dan Analisis Hasil Pada tahap ini dilakukan proses testing dengan mencoba beberapa citra digital berformat BMP untuk dikompres dan didekompres menggunakan sistem yang telah dibangun. Dari hasil testing tersebut kemudian dilakukan analisis terhadap faktorfaktor yang mempengaruhi hasil performansi kompresi dengan ukuran hasil performansi rasio kompresi dan nilai PSNR

5 5 5. Penyusunan Laporan Penyusunan laporan dalam bentuk buku Tugas Akhir dengan mengikuti kaidah penulisan yang berlaku dan berdasarkan hasil penelitian. 1.5 Sistematika Penulisan Tugas Akhir ini disusun dengan sistematika sebagai berikut : BAB 1 : Pendahuluan Pada bab ini akan dibahas tentang latar belakang penelitian, rumusan masalah, tujuan penelitian, batasan masalah, metodologi penelitian, dan sistematika penulisan tugas akhir. BAB 2 : Dasar Teori Pada bab ini akan dipaparkan berbagai dasar teori yang mendukung dan menjadi dasar penulisan tugas akhir ini. BAB 3 : Perancangan Sistem dan Implementasi Pada bab ini akan dijelaskan tentang perancangan dan implementasi sistem kompresi menggunakan algoritma huffman (Huffman coding) berbasis contourlet transform. BAB 4 : Pengujian Sistem dan Analisis Pada bab ini akan dilakukan pengujian sistem dan analisis terhadap hasil yang diperoleh dari tahap perancangan sistem dan implementasi. BAB 5 : Kesimpulan dan Saran Pada bab ini akan disampaikan kesimpulan mengenai permasalahan yang dibahas berdasarkan penelitian yang dilakukan dan juga saran untuk pengembangan penelitian lebih lanjut.