SISTEM ANALISA PERBANDINGAN UKURAN HASIL KOMPRESI WINZIP DENGAN 7-ZIP MENGGUNAKAN METODE TEMPLATE MATCHING

Transkripsi

1 SISTEM ANALISA PERBANDINGAN UKURAN HASIL KOMPRESI WINZIP DENGAN 7-ZIP MENGGUNAKAN METODE TEMPLATE MATCHING Pandi Barita Simangunsong Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan Abstrak Media penyimpanan data di dalam komputer disebut juga sebagai memori atau storage dimana banyaknya data yang telah disimpan akan mempengaruhi kapasitas dari memori. Semakin banyak data yang disimpan di dalam memori maka semakin besar pula kapasitas memori yang dibutuhkan. Oleh karena itu maka perlu diterapkan pemampatan data di dalam tempat penyimpanan untuk berkas, dengan cara mengkompresi data agar data menjadi lebih kecil. Kompresi adalah teknik memadatkan data atau file, sehingga data atau file yang tadinya memiliki kapasitas data yang besar menjadi data yang lebih kecil, untuk menyimpan data atau file yang banyak pada memori yang memiliki kapasitas yang kecil. Saat ini aplikasi-aplikasi kompresi data sangat populer yang digunakan untuk memadatkan file, seperti Winzip, Winrar, dan 7-zip. Setelah file citra digital tersebut dikompresi, lalu membandingkan file yang dikompresi dengan menggunakan Metode Template Matching untuk menentukan kualitas dan kapasitas Aplikasi mana yang lebih baik setelah dilakukannya kompresi. Kata kunci: Kompresi, Winzip, 7-Zip, Template Matching 1. Pendahuluan Teknik pengompresian citra digital sudah tidak asing lagi untuk didengar, dimana kompresi citra digital merupakan upaya untuk melakukan transformasi terhadap data atau simbol, tanpa menimbulkan perubahan yang signifikan atas citra digital tersebut bagi mata manusia yang mengamatinya. Kompresi harus dilakukan secara efektif sehingga citra digital yang dihasilkan setelah proses kompresi mempunyai ukuran lebih kecil dibandingkan sebelum proses kompresi. Semakin besar data yang dikirim melalui media transmisi maka waktu yang diperlukan juga semakin lama, dibandingkan dengan data yang memiliki ukuran yang kecil, sehingga besarnya ukuran data menjadi kendala dalam proses pengiriman oleh karena itu, user selalu mencari suatu cara alternatif untuk menangani permasalahan tersebut salah satunya dengan cara kompresi dan mulailah berkembang kompresi data yang bertujuan untuk memadatkan data. Media penyimpanan data di dalam komputer disebut juga sebagai memori atau storage dimana banyaknya data yang telah disimpan akan mempengaruhi kapasitas dari memori. Semakin banyak data yang disimpan di dalam memori maka semakin besar pula kapasitas memori yang dibutuhkan. Oleh karena itu maka perlu diterapkan pemampatan data di dalam tempat penyimpanan untuk berkas, dengan cara mengkompresi data agar data menjadi lebih kecil. Kompresi adalah teknik memadatkan data atau file, sehingga data atau file yang tadinya memiliki kapasitas data yang besar menjadi data yang lebih kecil, untuk menyimpan data atau file yang banyak pada memori yang memiliki kapasitas yang kecil. Saat ini aplikasi-aplikasi kompresi data sangat populer yang digunakan untuk memadatkan file, seperti Winzip, Winrar, dan 7-zip. Dalam skripsi ini, penulis akan membandingkan dua Aplikasi : Winzip dan 7-Zip, dimana Winzip menerapkan algoritma Deflate dan 7-Zip menerapkan algoritma Lempel Zip Markov Chain Algorithm (LZMA), sebagai pembanding dari kedua algoritma tersebut menggunakan Metode Template Matching untuk kompresi citra digital. Setelah file citra digital tersebut dikompresi, lalu membandingkan file yang dikompresi dengan menggunakan Metode Template Matching untuk menentukan kualitas dan kapasitas Aplikasi mana yang lebih baik setelah dilakukannya kompresi. 2. Landasan Teori 2.1 Kompresi Citra Kompresi citra adalah aplikasi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi dari data-data yang terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efesien. Informasi yang dirasakan redundan dapat dikompresi untuk meminimalisasikan redudansi tersebut. Hal ini dapat juga dilakukan pada citra digital yang beragam typenya, dengan menerapkan metode kompresi yang sesuai. Diterbitkan Oleh : STMIK Budi Darma Medan 63

2 Tujuan utama dari kompresi pada citra digital adalah untuk mengurangi penggunaan memori, sehingga untuk penyimpanan data lebih mudah, dapat disimpulkan bahwa kompresi merupakan proses menghilangkan berbagai kerumitan yang tidak penting (redundansi) dari suatu informasi, dengan memaksimalkan kesederhanaannya dan tetap menjaga kualitas gambar dari informasi yang diperoleh. Secara garis besar, terdapat 2 penggolongan algoritma kompresi data: kompresi lossy,dan kompresi lossless. a. Kompresi Lossy Algoritma kompresi dikatakan Lossy atau disebut juga irreversible jika tidak dimungkinkan untuk membentuk data asli yang tepat sama dari data yang sudah dikompresi. Ada beberapa detail yang hilang selama proses kompresi. b. Kompresi Lossless Algoritma kompresi dikatakan Lossless atau disebut juga irreversible jika tidak dimungkinkan untuk membentuk data asli yang tepat sama dari data yang sudah dikompresi. Tidak ada informasi yang hilang selama proses kompresi dan dekompresi. Teknik ini digunakan jika data tersebut sangat penting, jadi tidak dimungkinkan untuk menghilangkan beberapa detail. Untuk kompresi Lossless, berdasarkan cara mereduksi data yang akan dikompresi, terbagi lagi menjadi 2 kelompok besar algoritma: a. Algoritma berbasis Entropi Algoritma berbasis entropi, atau disebut juga berbasis statistik, menggunakan model statistik dan probabilitas untuk memodelkan data, keefesienan kompresi bergantung kepada berapa banyak karakter yang akan digunakan dan seberapa besar distribusi probabilitas pada data asli. Contoh algoritma yang berbasis entropi adalah: Huffman Codding, Adaptive Huffman, dan Shannon Fano. b. Algoritma berbasis dictionary Algoritma berbasis dictionary, bekerja dengan cara menyimpan pola masukan sebelumnya, dan menggunakan index dalam mengakses pola tersebut jika terdapat perulangan. Contoh algoritma yang berbasis dictionary adalah: LZ77, LZ78, LZW, DEFLATE, dan LZMA. Proses kompresi melibatkan 2 buah proses, yaitu proses kompresi ( Compression) dan dekompresi (Decompression). Pada proses file asli yang dibaca, lalu dilakukan pengkodean untuk membuat file hasil kompresi. Proses ini disebut juga dengan proses encoding untuk membentuk file asli dari file yang sudah dimampatkan tersebut, proses pengkodean kembali dilakukan. Proses ini disebut juga proses decoding 2.2 Manfaat Kompresi Citra Beberapa manfaat kompresi citra adalah: 1. Waktu pengiriman data pada saluran komunikasi data lebih singkat. Contohnya pengiriman gambar dari fax, video conferencing, handphone, download dari internet, pengiriman data medis, pengiriman dari satelit, dan lain-lain. 2. Membutuhkan ruang memori dalam storage yang lebih sedikit dibandingkan dengan citra yang tidak dimampatkan[1]. 2.3 Teknik Kompresi Citra Ada 2 teknik yang dapat dilakukan dalam melakukan kompresi citra. 1. Lossless Compression Lossless Compression merupakan kompresi citra dimana hasil kompresi dari citra di mana hasil dekompresi dari citra yang terkompresi sama dengan citra aslinya, tidak ada informasi yang hilang. Sayangnya, ratio kompresi citra metode ini sangat rendah. Banyak aplikasi yang memerlukan kompresi tanpa cacat, seperti pada aplikasi radiografi, kompresi citra hasil diagnosa medis ato gambar satelit, diman kehilangan gambar sekecil apa pun akan menyebabkan hasil yang tak diharapkan. Contohnya Run Length Encoding (RLE), Entropy Encoding (huffman, aritmatik), dan Adaptive Dictionary Based (LZW, LZMA) 2. Lossy Compression Lossy Compression adalah kompresi citra di mana hasil dekompresi dari citra yang terkompresi tidak sama dengan citra aslinya karena ada informasi yang hilang, tetapi masih bisa ditolerir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil pada gambar. Metode ini menghasilkan ratio kompresi yang lebih tinggi dari pada metode lossless. Contohnya adalah color reduction, chroma subsampling, dan transform coding, seperti transformasi Fourier, Wavelet, dan lain-lain[1]. 2.4 Kriteria Kompresi Citra Kriteria yang digunakan untuk mengukur pemampatan citra adalah: 1 Waktu kompresi dan waktu dekompresi Proses kompresi merupakan proses mengkodekan citra ( encode) sehingga diperoleh citra dengan representasi kebutuhan memori yang minimum. Citra terkompresi disimpan dalam file dengan format tertentu, misalnya JPEG(Joint Photographic Experts Group). Sedangkan proses dekompresi adalah proses untuk menguraikan citra yang dimampatkan untuk dikembalikan lagi (decoding) menjadi citra yang tidak mampat. Algoritma pemampatan yang baik adalah algoritma yang membutuhkan waktu untuk kompresi dan dekompresi paling sedikit (paling cepat). Diterbitkan Oleh : STMIK Budi Darma Medan 64

3 2 Kebutuhan memori Metode kompresi yang baik adalah metode kompresi yang mampu mengompresi file citra menjadi file yang berukuran paling minimal. Algoritma pemampatan yang baik akan menghasilkan memori yang dibutuhkan untuk menyimpan hasil kompresi yang berkurang secara berarti. Biasanya semakin besar persentase pemampatan, semakin kecil kebutuhan memmori yang diperlukan sehingga kualitas citra makin berkurang. Dan, sebaliknya, semakin kecil persentase citra yang dimampatkan, semakin bagus kualitas hasil pemampatan tersebut. 3 Kualitas pemampatan (fidelity) Metode kompresi yang baik adalah metode kompresi yang mampu mengembalikan citra hasil kompresi menjadi citra semula tanpa kehilangan informasi apa pun. Kalaupun ada informasi yang hilang akibat pemampatan, semakin besar memori yang dibutuhkan. Sebaliknya, semakin jelek kualitas citra hasil pemampatan, semakin kecil kebutuhan memori yang harus disediakan. 4 Format keluaran Format citra hasil pemampatan yang baik adalah yang cocok dengan kebutuhan pengiriman dan penyimpanan data[1]. 2.5 Rasio Kompresi Citra Rasio kompresi citra adalah ukuran persentase citra yang telah berhasil dimampatkan. Secara matematis rasio pemampatan citra dituliskan sebagai berikut. Dalam proses kompresinya, algoritma deflate ini terlebih dahulu melakukan proses pengelompokan karakter dengan menggunakan algoritma LZ77. Kemudian hasil dari pengelompokan tersebut dikompresi lagi dengan menggunakan algoritma Huffman ( Huffman Tree). Algoritma deflate ini bersifat lossless Compression. Hal ini karena algoritma deflate ini menggabungkan dua algoritma kompresi yang bersifat lossless. 2.8 Proses Encoding Proses encoding dari algoritma deflate ini dilakukan dengan dua tahap. Tahap pertama adalah melakukan proses pembuatan blok-blokatau penyingkatan karakter dengan menggunakan algoritma LZ77. Tahap kedua adalah mengambil hasil penyingkatan karakter dari algoritma LZ77 dan melakukan proses kompresi dengan menggunakan Huffman Tree terhadap karakter tersebut. Hasil dari proses encoding algoritma deflate ini adalah berupa karakter yang telah disingkat yang merupakan hasil dari encoding algoritma LZ77 dan memiliki kode biner yang lebih pendek yang merupakan hasil dari encoding algoritma Huffman. 2.9 Proses Decoding Proses decoding pada algoritma deflate merupakan kebalikan dari proses encodingnya. Langkah pertama adalah melakukan proses decoding dengan menggunakan algoritma Huffman. Kemudian langkah kedua adalah mengambil hasil dari proses decoding dengan menggunakan algoritma Huffman dan melakukan proses decoding kembali dengan menggunakan algoritma LZ77. Misalkan rasio kompresi adalah 25%, artinya 25% dari citra semula telah berhasil dimampatkan[1]. 2.6 Winzip Winzip adalah sebuah nama software atau program yang berguna atau bisa digunakan untuk membuka file yang ber extaksion zip. Selain itu, winzip juga berfungsi atau bisa di fungsikan untuk mengkompres atau mengecilkan ukuran sebuah file. Winzip versi dulu sudah beda dengan winzip versi sekarang, Karena saat ini winzip telah merilis kembali hingga versi terbaru dan sudah bisa digunakan dan kompatible and support pada semua Platform Windows seperti : Windows7, Windows Vista, XP yang bahkan juga pada Ubuntu versi terbaru sekalipun[2]. 2.7 Algoritma Deflate Algoritma deflate merupakan algoritma persilangan antara algoritma Huffman dan LZ Algoritma Lempel Zip 77 Algoritma Lempel-Zip 77 (LZ77), atau dikenal juga dengan LZ1, dipublikasikan dalam sebuah paper oleh Abraham Lempel dan Jacob Zip pada tahun Algoritma ini merupakan tipe algoritma lossless. Algoritma LZ77 disebut juga dengan sliding windows, atau jendela berjalan karena proses kerjanya[3]. Prinsip dari algoritma ini adalah menggunakan sebagian input karakter yang telah dikodekan sebelumnya sebagai dictionary (kamus). Bagian input ini seolah-olah diibaratkan dengan sebuah jendela (windows) yang dapat digeser dari kiri ke kanan. Jendela ini secara dinamis merupakan dictionary untuk mencari symbol input dengan pola tertentu. Ketika jendela ini bergerakdari kiri ke kanan, isi dari dictionary dan input karakter yang akan dicari polanya juga akan berubah. Jendela ini dibagi menjadi dua bagian, bagian pertama disebut history buffer (H), atau search buffer, yang berisi sebahagian input karakter yang sudah dikodekan. Ukuran dari masing-masing buffer ini telah ditetapkan sebelumnya, dalam implementasinya nanti, Diterbitkan Oleh : STMIK Budi Darma Medan 65

4 history buffer akan memiliki panjang beberapa ribu byte, dan lookahaed buffer panjangnya hanya puluhan byte. (Salomon, 2007). Komponen yang dibutuhkan dalam algoritma kompresi ini adalah: 1. Input Stream Kumpulan karakter yang akan dikompresi. 2. Character Elemen dasar pada input stream. 3. Look ahead buffer Kumpulan karakter yang belum dikompresi, setelah token. 4. Search buffer Kumpulan karakter yang telah di kompresi, sebelum token. 5. Token Berisi kumpulan dari ( offset, length, dan next symbol). ( Prinsip kompresinya adalah menerima input stream data yang akan dikompres dan akan dibaca oleh search buffer dari kanan ke kiri seakan berbentuk jendela yang bergerak (sliding windows) dari kanan ke kiri. Selama search buffer, algoritma ini akan membaca per-bit karakter dan merekamnya kedalam format token. Format-format token inilah yang disebut dengan dictionary pada algoritma kompresi LZ77 ini Algoritma Huffman Algoritma Huffman adalah salah satu algoritma kompresi tertua yang disusun oleh David Huffman pada tahun Algoritma tersebut digunakan untuk membuat kompresi jenis lossy compression, yaitu pemampatan data dimana tidak ada satu byte pun data yang hilang sehingga data tersebut utuh dan disimpan sesuai dengan yang aslinya. Pada sejarahnya, Huffman sudah tidak dapat membuktikan apapun tentang kode apapun yang efesien, tapi ketika tugasnya hamper final ia mendapatkan ide untuk menggunakan pohon binary untuk menyelesaikan masalahnya untuk mencari kode yang efesien. Pada dasarnya, algoritma Huffman ini bekerja seperti mesin sandi morse, yang membentuk suatu kode dari suatu karakter. Sehingga karakter tersebut memiliki rangkaian bit yang lebih pendek dibandingkan sebelumnya. Tahapan proses kompresi algoritma Huffman : a. Hitung banyaknya jenis karakter dan jumlah dari masing-masing karakter yang terdapat dalam sebuah file. b. Susun setiap jenis karakter dengan urutan jenis karakter yang jumlahnya paling sedikit ke yang jumlahnya paling banyak. c. Buat pohon biner berdasarkan urutan karakter dari yang jumlahnya terkecil ke yang terbesar, dan memberi kode untuk tiap karakter. d. Ganti data yang ada dengan kode bit berdasarkan pohon biner. e. Simpan jumlah bit untuk kode bit yang terbesar, jenis karakter yang diurutkan dari frekuensi keluarnya terbesar ke terkecil beserta data yang sudah berubah menjadi kode bit sebagai data hasil kompresi[4] Zip 7-Zip adalah merupakan aplikasi kompresi gratisan ini cukup mumpuni dalam hal mengkompres dan mengekstrak file maupun folder. Kinerja 7-ZIP ini tidak kalah bersaing dengan program berbayar sejenis lainnya. 7-ZIP juga bisa digunakan untuk mengkompres untuk melindungi keamanan data anda dengan perlindungan password. Cara penggunaanya sangat mudah, serta hasil kompresinya dapat diekstrak menggunakan aplikasi sejenis lainnya. Satu langkah mudah mengkompresi yaitu dengan mengklik kanan di Windows Explorer lalu pilih 7-ZIP kemudian klik compress, disarankan menggunakan format.zip. Aplikasi ini hanya mendukung platfom system operasi Window, ada dua versi 7-ZIP yaitu untuk sistem 32 bit dan 64 bit[5]. 3. Analisa Dalam pembahasan yang akan dianalisa adalah gambar sebelum dikompres dan setelah dikompres dengan menggunakan Winzip dan 7-zip untuk dilakukannya analisa dari masing-masing aplikasi tersebut dengan tujuan untuk membandingkan ukuran gambar dan rasio. Proses dilakukannya kompresi gambar dengan menggunakan Winzip dan 7-Zip dengan membaca matriks dari gambar tesebut. Dimana matriks adalah suatu kumpulan besaran (variabel dan konstanta) yang dapat dilihat dari indeksnya yang menyatakan posisinya dalam representasi umum yang digunakan yaitu sebuah tabel dan persegi panjang atau baris dan kolom. 3.1 Hasil Kompresi File Menggunakan Aplikasi Winzip Dengan 7-Zip 1. File Text (*.doc) Text yang memuat banyak karakter didalamnya selalu menimbulkan masalah pada media penyimpanan dan kecepatan waktu pada saat transmisi data. Media penyimpanan yang terbatas dan waktu yang lama dalam melakukan transfer data text. Sehingga muncul cara untuk menemukan cara yang dapat digunakan untuk mengkompres data text. Diterbitkan Oleh : STMIK Budi Darma Medan 66

5 Gambar 1 : Kompresi File Microsoft Word Keterangan : a. Kapasitas Kapasitas sebelum dilakukan kompresi 2,592 KB setelah dilakukan kompresi dengan menggunakan Winzip menjadi 1,892 KB sedangkan 7-Zip 1,770 KB. b. Rasio Maka dapat dilakukannya pencarian rasio dari hasil kompresi dengan rumus sebagai berikut : Rasio kompresi = 100% - (setelah kompresi/sebelum kompresi) x 100% Rasio kompresi Winzip = 100% - (1,892 KB/2,592) x 100% Rasio kompresi Winzip = 27% Rasio kompresi text tersebut memiliki persentase 27 %, yang artinya dari 27 % dari text semula telah berhasil dimanpatkan. Sedangkan Rasio kompresi 7-Zip = 100% - (1,770 KB/2,592) x 100% Rasio kompresi 7-Zip = 32 % Rasio kompresi text tersebut memiliki persentase 32 %, yang artinya dari 32 % dari text semula telah berhasil dimanpatkan. Keterangan : a. Kapasitas Kapasitas sebelum dilakukan kompresi 6,751 KB setelah dilakukan kompresi dengan menggunakan Winzip menjadi 4,276 KB sedangkan 7-Zip 3,457 KB. b. Rasio Maka dapat dilakukannya pencarian rasio dari hasil kompresi dengan rumus sebagai berikut : Rasio kompresi = 100% - (setelah kompresi/sebelum kompresi) x 100% Rasio kompresi Winzip = 100% - (4,276 KB/6,751) x 100% Rasio kompresi Winzip = 37 % Rasio kompresi citra tersebut memiliki persentase 37 %, yang artinya dari 37 % dari citra semula telah berhasil dimanpatkan Sedangkan Rasio kompresi 7-Zip = 100% - (3,457 KB/6,751) x 100% Rasio kompresi 7-Zip = 49 % Rasio kompresi citra tersebut memiliki persentase 49 %, yang artinya dari 47 % dari citra semula telah berhasil dimanpatkan. Berdasarkan hasil kompresi Aplikasi Winzip dengan 7-Zip hasil kompresi 7-Zip sangat baik dibandingkan Winzip, terbukti dari ukuran file setelah dilakukannya kompresi, yang dapat dilihat dari rasio setelah dilakukan kompresi terhadap file. Tabel 1 : Perbandingan Hasil Kompresi Aplikasi Winzip Dengan 7-Zip 2. File Gambar (*.bmp) Citra digital disimpan sebagai suatu file dengan format tertentu. Format citra tersebut menunjukkan cara sebuah citra digital disimpan. Misalnya apakah dengan suatu kompresi atau tidak. Contoh format citra digital adalah:.bmp,.jpg,.png,.tif dan sebagainya. Ukuran citra digital dinyatakan dalam pixel (Picture Element), nilai setiap pixel merupakan kuantisasi intensitas cahaya, dengan demikian suatu citra digital dapat dipandang sebagai matriks yang elemen-elemennya menunjukkan intensitas cahaya yang terkuantisasi, bedanya terletak pada urutan penyebutan angka ukuran tersebut. Gambar 2 : Kompresi File Bitmap 4. Penutup 4.1 Kesimpulan Berdasarkan analisa dan pembahasan yang dilakukan, maka dapat disimpulkan sebagai berikut : 1. Winzip menerapkan algoritma Deflate dimana algoritma Deflate pertama kali dengan algoritma LZ77 lalu dengan kode Huffman. Pohon yang digunakan pada metode ini didefenisikan oleh spesifikasi deflate itu sendiri. 2. Algoritma Deflate termasuk jenis pemampatan Lossless, Tidak ada ruang bebas yang diperlukan yang diambil untuk penyimpanan pohon Huffman tersebut. 3. Hasil kompresi deflate pada file citra dengan ekstensi.bmp memiliki rasio kompresi yang kecil, ini disebabkan oleh algoritma Deflate yang dua kali pengerjaan dalam kompresinya yaitu LZ77 dan Huffman. Diterbitkan Oleh : STMIK Budi Darma Medan 67

6 4. 7-Zip menerapkan algoritma LZMA dimana algoritma tersebut pengerjaannya kompresinya satu kali, cara kompresi LZMA tersebut mirip dengan algoritma LZ77 dan algoritma tersebut jahu lebih baik dibandingkan dari algoritma Deflate dalam kompresi citra.bmp. Rasio kompresi LZMA sangat tinggi dalam kompresi citra ekstensi.bmp. 5. Hasil kompresi 7-Zip lebih unggul dibandingkan Winzip dalam kompresi citra digital dengan ekstensi.bmp. 6. Hasil kompresi Winzip kurang baik dari pada 7- Zip, karena Winzip memiliki algoritma Deflate yang dimana melakukan kompresi dua kali yaitu pertama dengan LZ77 dan kemudian dikompresi lagi menggunakan Huffman. Algoritma LZMA lebih baik dari pada algoritma DEFLATE dalam kompresi semua type file. 4.2 Saran Saran untuk pengembangan dan perbaikan diantaranya: 1. Sistem hanya sebatas penggambaran perbandingan algoritma kompresi yang sebaiknya digunakan untuk semua type file. 2. Algoritma LZMA dapat dikembangkan lagi agar menjadi algoritma kompresi yang lebih baik lagi. 3. Hasil kompresi 7-Zip lebih baik dibandingkan aplikasi kompresi lainnya, 7-Zip dapat diterapkan untuk kompresi semua type file. 4. Algoritma DEFLATE dalam kompresi file dapat dikembangkan lagi untuk menjadi hasil kompresi yang lebih baik. Aplikasi Winzip dapat dikembangkan lagi agar menjadi Aplikasi kompresi yang dapat member hasil kompresinya menjadi lebih baik. Daftar Pustaka [1]. Sumber :(T. Sutoyo, 2009, 165) [2]. ( 2011/04/winzip-v145-pro.html.) [3]. (Wikipedia, 2008) [4]. ( g) [5]. ( Diterbitkan Oleh : STMIK Budi Darma Medan 68