APLIKASI KOMPRESI GAMBAR BERWARNA DENGAN JARINGAN KOHONEN SELF-ORGANIZING MAP DAN ALGORITMA RUN-LENGTH ENCODING NASKAH PUBLIKASI
|
|
- Yuliani Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI KOMPRESI GAMBAR BERWARNA DENGAN JARINGAN KOHONEN SELF-ORGANIZING MAP DAN ALGORITMA RUN-LENGTH ENCODING NASKAH PUBLIKASI diajukan oleh Lulus Sedyono kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2013
2 NASKAH PUBLIKASI APLIKASI KOMPRESI GAMBAR BERWARNA DENGAN JARINGAN KOHONEN SELF-ORGANIZING MAP DAN ALGORITMA RUN-LENGTH ENCODING disusun oleh Lulus Sedyono Dosen Pembimbing Emha Taufiq Luthfi, ST, M.Kom NIK Tanggal 11 Maret 2013 Ketua Jurusan Diploma III Teknik Informatika Hanif Al Fatta, M. Kom NIK
3 APLIKASI KOMPRESI GAMBAR BERWARNA DENGAN JARINGAN KOHONEN SELF-ORGANIZING MAP DAN ALGORITMA RUN-LENGTH ENCODING IMAGE COMPRESSION APPLICATION WITH KOHONEN SELF-ORGANIZING MAP NETWORK AND RUN-LEGTH ENCODING ALGORITHM Lulus Sedyono Emha Taufiq Luthfi Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA ABSTRACT The development of information and communication technology very quickly lead to a lot of information that must be stored and sent over the network. The size of the image size will influential on the needs of media storage, access time and network bandwidth if the data must be sent over the network. Thus, the size of an image to be a problem that must be addressed. With vector quantization technique, a new approach to image compression is presented. Kohonen Self-Organizing Map Network has a role in vector quantization techniques. These networks can be divided into color groups that are smaller by itself without any target output. This color group is saved as a table of colors used on the techniques of vector quantization using Run-Length Encoding Algorithm. The resulting compression ratio depends on the level of complexity of the colors of an image. The higher the level of complexity of an image then the smaller the resulting compression ratio. With as many as 256 colors color table, can produce a compression ratio over 30% with a quality image reconstruction that is increasingly resembling the original image. Keywords: Image Compression, Kohonen Self-Organizing Map Network, the algorithm is Run-Length Encoding, Bandwidth, Vector Quantization, color table
4 1. Pendahuluan Perkembangan teknologi informasi dan komunikasi yang sangat cepat menyebabkan banyak informasi yang harus disimpan dan dikirim melalui jaringan. Besarnya ukuran data tersebut akan berpengaruh pada kebutuhan media penyimpanan, waktu akses dan bandwidth jaringan jika ada data tersebut harus dikirim melalui jaringan. Sebagai contoh dibidang jurnalistik, dimana seorang wartawan harus mengirimkan hasil foto untuk berita. Dibutuhkan waktu pengiriman yang cepat, dan untuk mempersingkat waktu pengiriman foto dengan kondisi jaringan internet yang kurang mendukung, maka solusinya adalah memperkecil ukuran foto yang akan dikirim tanpa mengurangi resolusi dari foto tersebut. Dengan demikian, ukuran sebuah data menjadi masalah yang harus diatasi. Kompresi data merupakan teknologi untuk memperkecil ukuran sebuah data. Beberapa metode kompresi data telah dikembangkan dan digunakan sampai sekarang. Kohonen Self-Organizing Map ( SOM ) merupakan salah satu arsitektur jaringan syaraf tiruan yang dapat digunakan untuk kompresi gambar. Konsep dasar adalah dengan menggunakan teknik proses clustering untuk mengurangi jumlah warna dan menyimpannya pada tabel warna yang disebut codebook. Melalui arsitektur ini. Diharapkan sebuah file gambar dapat diperkecil ukurannya sehingga dapat mempercepat proses pengiriman informasi dan lebih menghemat kebutuhan media penyimpanan. 2. Landasan Teori 2.1 Kompresi Gambar Kompresi Gambar bertujuan untuk mengurangi redundansi yang terdapat pada gambar digital. 1 Dengan berkurangnya redundansi maka memory yang dibutuhkan untuk menyimpannya menjadi lebih kecil sehingga dapat menghemat kebutuhan media penyimpanan dan mempercepat waktu pengiriman. Metode kompresi dapat dibedakan menjadi dua, yaitu sebagai berikut : 1. Kompresi Lossless Metode kompresi dimana hasil dekompresi sama seperti gambar asli tanpa adanya informasi yang hilang. Metode ini digunakan pada gambar yang mengandung informasi penting seperti gambar hasil diagnosa medis. 2. Kompresi Lossy Metode ini mengubah detail dan warna pada gambar digital menjadi lebih sederhana tanpa terlihat adanya perbedaan yang mencolok dalam pandangan 1 Salomon, D. (2004). Data Compression: The Complete Reference. New York: Springer-Verlag. 3rd Edition.
5 manusia. Rasio kompresi yang dihasilkan oleh metode ini lebih tinggi daripada teknik lossless. 2.2 Kuantisasi Vektor Kuantisasi merupakan salah satu metode kompresi lossy dimana terdapat informasi yang hilang tetapi tidak terlihat perbedaan yang mencolok dalam pandangan manusia. 2 Gambar dikelompokkan menjadi beberapa blok pixel dengan ukuran yang sama (vektor) dan disimpan dalam sebuah tabel warna yang disebut codebook. Setiap blok pixel pada gambar yang akan dikompresi dibandingkan nilainya dengan semua nilai pixel yang ada pada codebook dan dicari nilai kesamaan yang terdekat. Masing-masing blok pixel ini kemudian memiliki informasi pointer yang menunjuk ke indeks dari codebook dan disimpan sebagai hasil kompresi. Unified Modelling language 2.3 Pengukuran Error Perhitungan error pada gambar hasil dekompresi bertujuan untuk mengukur kualitas gambar tersebut. Standar untuk pengukuran error ini adalah sebagai berikut: 1. Mean Square Error (MSE) Dihitung untuk menentukan jumlah error diantara gambar asli dan gambar hasil dekompresi, semakin kecil nilai MSE maka error yang dihasilkan semakin kecil juga. 2. Peak Signal to Noise Ration (PNSR) Digunakan untuk menghitung peak error. Semakin besar nilai PSNR berarti gambar hasil dekompresi semakin menyerupai gambar asli. Satuan dari PSNR adalah decibels (db). 2.4 Run-Length Encoding Ide dasar dari pendekatan ini adalah jika sebuah data d muncul sebanyak n kali secara berurut, maka ganti nilai n yang berurutan itu dengan nd. Dimana n merupakan data berurut yang disebut run length dari n. Teknik ini digunakan dalam kompresi data yang dinamakan run-length encoding atau RLE Kohonen Self-Organizing Map (SOM) Kohonen Self-Organizing Map diperkenalkan pertama kali pada tahun 1982 oleh Profesor Teuvo Kohonen. 4 Arsitektur ini banyak dipakai untuk membagi pola masukan kedalam beberapa kelompok. Salah satu hal menarik dari arsitektur ini adalah SOM tidak 2 Salomon, D. (2004). Data Compression: The Complete Reference. New York: Springer-Verlag. 3rd Edition. 3 Salomon, D. (2004). Data Compression: The Complete Reference. New York: Springer-Verlag. 3rd Edition. 4 Salomon, D. (2004). Data Compression: The Complete Reference. New York: Springer-Verlag. 3rd Edition.
6 membutuhkan pengawasan untuk mengklasifikasikan data, karena itu arsitektur ini termasuk dalam unsupervised learning. Pada arsitektur ini, lapisan masukan terhubung secara penuh dengan lapisan keluaran dan pada hubungan tersebut terdapat nilai bobot. Selama proses pelatihan, jaringan menerima pola masukan yang berbeda, mencari fitur signifikan pada pola tersebut dan belajar bagaimana mengklasifikasikan data masukan kedalam kategori yang tepat. Kohonen SOM memakai sistem competitive learning, karena itu unit cluster yang bobotnya paling mirip dengan pola masukan dipilih sebagai pemenang dan dimodifikasi bobotnya beserta bobot tetangganya. Topologi tetangga yang akan dimodifikasi berbentuk topologi satu dimensi, dua dimensi dan hexagonal. 3. Gambaran Umum 3.1 Gambaran Umum Sistem Dalam tugas akhir ini, yang dibahas adalah pengkompresian gambar (gambar) dengan menggunakan metode Run-Length Encoding. Sebagaimana telah diuraikan dalam bab sebelumnya, pada dasarnya gambar (*.bmp) dibentuk dengan mendefinisikan nomor warna untuk setiap pixel yang terdapat dalam daerah gambar. Dengan demikian banyak pendefinisian warna adalah hasil perkalian lebar dengan tinggi gambar. Warna yang digunakan tentu kemungkinan besar ada yang berulang untuk lokasi yang berbeda. Dalam bagian ini akan dilakukan pembahasan dalam menerapkan metode RLE untuk melakukan kompresi gambar berdasarkan urutan kemunculan warna dalam gambar. Adapun proses kerja sistem dari aplikasi kompresi gambar ini dimulai dari proses kuantisasi vector terhadap gambar berwarna bertipe file BMP. Pada proses ini Jaringan Kohonen SOM berperan dalam membagi warna tersebut kedalam kelompok yang lebih kecil dan nantinya akan disimpan sebagai codebook dalam bentuk file berekstensi *.cbsom. Terdapat dua jenis codebook dengan jumlah warna yang berbeda. Setiap nilai warna pada piksel gambar input akan diklasifikasikan dengan setiap warna pada codebook. Index warna pada codebook yang memiliki nilai terdekat dengan piksel gambar input akan disimpan sebagai hasil proses kompresi dalam bentuk file berekstensi *.ksom. 3.2 Gambaran Umum Aplikasi Serupa Kebanyakan aplikasi kompresi yang sudah ada hanya menggunakan satu buah metode, baik itu RLE maupun Huffman Coding. Dan ini yang membedakan aplikasi ini dengan aplikasi-aplikasi yang sudah ada. Aplikasi ini mengguakan 2 buah metode, yaitu metode RLE untuk proses kompresi dan metode Kohonen SOM untuk proses vektorisasi piksel. Meskipun menggunakan 2 buah metode, proses kompresi gambar pada aplikasi
7 ini tidak kalah cepat jika dibandingkan dengan aplikasi yang hanya menggunakan 1 buah metode, yaitu metode Huffman Coding, karena metode RLE mempunyai alogritma yang cukup sederhana dan hanya membutuhkan satu fase. Sedangkan metode Huffman Coding membutuhkan dua fase untuk menghasilkan file gambar yang telah dikompresi. 3.3 Analisis Kebutuhan Sistem Analsis kebutuhan merupakan analisis terhadap komponen-komponen yang digunakan untuk pembuatan sistem aplikasi kompresi gambar. Dalam hal ini terdapat dua jenis kebutuhan. Kebutuhan fungsional dan kebutuhan non-fungsional. Kebutuhan fungsional adalah kebutuhan berupa proses-proses apa aja yang nantinya dilakukan oleh sistem. Sedangkan kebutuhan non-fungsional adalah kebutuhan yang menitikberatkan pada property perilaku yang dimiliki oleh sistem. 3.4 Rancangan Kerja Sistem Rancangan proses program kompresi gambar secara umum menjelaskan, bahwa file yang akan dikompresi dijadikan input, akan diolah komputer sedemikian rupa. Sehingga menghasilkan codebook yang nantinya akan digunakan untuk memperoleh output file hasil kompresi yang lebih kecil ukurannya Struktur File Hasil Kompresi File yang akan disimpan sebagai hasil kompresi dari sistem memiliki struktur sebagai berikut : 1. File Header File header berisi informasi tentang ukuran resolusi piksel gambar, jumlah warna yang digunakan pada codebook, nilai MSE, nama codebook dan md5sum dari codebook tersebut. 2. Isi Isi dari file merupakan nilai indeks yang telah di encode menggunakan runlength encoding Algoritma Proses Pembuatan Codebook 1. Mulai 2. Masukkan gambar input 24-bit a. Proses inisialisasi nilai RGB sebagai vektor masukan untuk arsitektur Kohonen SOM b. Menentukan jumlah warna (n) yang akan disimpan pada codebook c. Menentukan nilai learning rate (a), jari-jari tetangga (s) dan iterasi (i) d. Bentuk topologi tetangga yang digunakan adalah topologi dua dimensi
8 e. Inisialisasi vektor bobot awal (w) sebanyak n 3. Proses pelatihan pada Kohonen SOM sebanyak i iterasi a. Perhitungan jarak (D) b. Menentukan indeks yang memiliki nilai D terkecil sebagai pemenang c. Modifikasi bobot pemenang dan tetangganya 4. Modifikasi learning rate dan jari-jari tetangga a. Pengurangan learning rate deangan fungsi : =.(3-1) Dengan : t adalah iterasi sekarang i adalah jumlah iterasi b. Pengurangan jari-jari dengan fungsi :.(3 2) Dengan : t adalah iterasi sekarang λ adalah nilai jumlah iterasi dibagi e log σ 0 5. Meyimpan hasil akhir bobot pelatihan sebagai daftar warna pada codebook. 6. Selesai Gambar 3.1 Diagram Proses Pembuatan Codebook Algoritma Proses Kompresi 1. Mulai 2. Masukkan gambar yang akan dikompresi 3. Pemilihan jenis file codebook yang akan digunakan 4. Klasifikasi piksel dari piksel pertama hingga piksel terakhir pada gambar a. Menghitung jarak terdekat warna piksel dengan masing-masing warna pada codebook dengan rumus euclidean distance :
9 dengan : ed adalah nilai euclidean distance antara p dan q p adalah nilai warna pada gambar input q adalah nilai warna pada codebook b. Menyimpan indeks codebook dengan nilai euclidiean distance terkecil 5. Proses run-length encoding pada indeks hasil klasifikasi 6. Menyimpan indeks, informasi ukuran gambar dan jenis codebook yang dipakai pada hasil kompresi 7. Menghitung rasio kompresi dan menampilkannya 8. Selesai Gambar 3.2 Blok Diagram Proses Kompresi Algoritma Proses Dekompresi 1. Mulai 2. Masukkan file kompresi yang akan didekompresi 3. Mengambil nilai indeks, nilai ukuran gambar, jenis codebook yang dipakai 4. Proses run-length decoding pada indeks 5. Mengakses codebook yang dipakai 6. Perulangan h=0 sebanyak tinggi ukuran gambar a. Perulangan w=0 sebanyak lebar ukuran gambar Mengambil nilai warna sesuai indeksnya Proses rekonstruksi pada koordinat gambar (h,w) 7. Menghitung PNSR dan MSE 8. Menampilkan gambar hasil rekonstruksi, PNSR dan MSE 9. Selesai
10 Gambar 3.3 Blok Diagram Proses Dekompresi 3.5 Rancangan User Interface Perancangan User Interface adalah rancangan yang menggambarkan tampilan aplikasi pada saat digunakan oleh user. Perancangan untuk tampilan Rancangan Proses Pembuatan Codebook, Melihat tabel warna dan Rancangan Proses Kompresi dan Dekompresi sebagai berikut: Gambar 3.4 Rancangan Proses Pembuatan Codebook
11 Gambar 3.5 Rancangan Lihat Tabel Warna Gambar 3.6 Rancangan Proses Kompresi dan Dekompresi
12 4. Implementasi Program 4.1 Tampilan Form Utama Gambar 4.1 Tampilan Form Utama Gambar 7. merupakan tampilan program utama ketika dijalankan. Pada tampilan ini terdapat dua buah item menu yang terletak di kiri atas program yaitu menu Menu dan menu Help. Menu Menu berisi submenu Exit dan menu Help berisi submenu About. Menu exit digunakan untuk mengakhiri sistem sedangkan menu about berisi informasi mengenai pembuat sistem. Isi dari form ini terbagi menjadi tiga bagian proses yang dijalankan secara terpisah, yaitu bagian proses kuantisasi vektor, proses kompresi gambar dan proses dekompresi gambar. Pada bagian bawah sistem terdapat sebuah progress bar.
13 4.2 Proses Pembuatan Codebook Gambar 4.2 Tampilan Proses Pembuatan Codebook Gambar 8. merupakan tampilan untuk bagian proses pembuatan codebook. Terdapat tiga buah tombol dan empat buah box input. Tombol browse image berfungsi untuk memilih gambar dan akan ditampilkan pada kotak gambar yang tersedia. Tombol mulai proses berfungsi untuk memulai proses pembuatan codebook. Tombol lihat tabel warna berfungsi untuk menampilkan form tabel warna. Tampilan form tabel warna dapat dilihat pada Gambar 9. sebelum menampilkan form tabel warna, pengguna harus memilih jenis codebook yang akan dilihat. Gambar 4.3 Tampilan Form Tabel Warna
14 4.3 Proses Kompresi Gambar Gambar 4.4 Tampilan Proses Kompresi Gambar Bagian proses kompresi gambar memiliki tiga buah tombol, yaitu tombol browse image, tombol pilih jenis codebook dan tombol mulai kompresi. Tombol browse image digunakan untuk memilih gambar yang akan di kompresi. Tombol pilih jenis codebook digunakan untuk memilih file codebook yang akan dipakai untuk kompresi. Tombol mulai kompresi digunakan untuk memulai proses kompresi gambar. Bagian keterangan memuat informasi nama file gambar, dimensi gambar, ukuran file gambar asli, ukuran file hasil kompresi dan rasio kompresi. 4.4 Proses Dekompresi Gambar Bagian proses dekompresi gambar memiliki dua buah tombol, yaitu tombol browse file dan tombol mulai dekompres. Tombol browse file digunakan untuk memilih file yang akan di dekompresi. Tombol mulai dekompresi akan aktif ketika pengguna telah memilih file yang akan di dekompresi, tombol ini berfungsi untuk memulai proses dekompresi. Hasil dekompresi adalah gambar yang akan ditampilkan pada box gambar yang tersedia. Pengguna dapat memilih untuk menyimpan gambar hasil dekompresi tersebut dengan mencentang pilihan simpan hasil dekompresi. Nilai MSE dan PSNR akan ditampilkan pada bagian keterangan. Tampilan proses dekompresi gambar dapat dilihat pada Gambar 11.
15 Gambar 4.5 Tampilan Proses Dekompresi Gambar 4.5 Pengujian Sistem Pengujian bertujuan untuk meneliti pengaruh dari jumlah warna codebook, learning rate dan jari-jari tetangga terhadap hasil kompresi gambar. Proses pembuatan codebook dilakukan dengan seribu iterasi. Radius jari-jari tetangga yang dipakai adalah jari-jari maksimal dengan topologi dua dimensi. 1. Hasil pengujian pembuatan codebook yang diimplementasikan menggunakan arsitektur Kohonen SOM dapat dilihat pada Tabel 4.1. Pembuatan codebook dilakukan pada gambar palette 24-bit dengan ukuran 100x100. Jumlah Warna Learning Rate Jari- jari Waktu Proses (detik) Pengujian menggunakan codebook dengan jari-jari tetangga = 0 No Codebook Waktu Rasio PSNR Jumlah Learning Proses Kompresi MSE (db) Warna Rate (detik) (%)
16 3. Pengujian menggunakan codebook dengan jumlah warna = 64 dan jari-jari No tetangga = 3 Jari-jari Codebook Learning Rate Waktu Proses (detik) Rasio Kompresi (%) MSE PSNR (db) Pengujian menggunakan codebook dengan jumlah warna = 256 dan nilai jari-jari No tetangga = 7 Jari-jari Codebook Learning Rate Waktu Proses (detik) Rasio Kompresi (%) MSE PSNR (db) Pengujian terhadap tingkat kompleksitas warna gambar yang berbeda Nama Gambar Ukuran piksel Waktu Rasio PNSR Proses Kompresi MSE (db) (detik) (%) Gambar1.bmp 150 x Gambar2.bmp 150 x Gambar3.bmp 300 x Gambar4.bmp 300 x Analisa Hasil Berdasarkan pengujian-pengujian yang telah dilakukan, hasil uji coba menunjukkan bahwa terdapat hubungan antara jumlah warna codebook, nilai learning rate, dan nilai jari-jari tetangga terhadap rasio kompresi dan kualitas gambar hasil rekonstruksi. Semakin banyak jumlah warna pada codebook yang digunakan untuk kompresi maka ukuran file hasil kompresinya akan semakin besar, hal ini ditunjukkan dengan rasio kompresi yang semakin kecil. Dengan bertambahnya jumlah warna yang dipakai untuk kompresi, maka kualitas gambar hasil dekompresi akan semakin bagus, hal ini ditunjukkan dengan berkurangnya nilai MSE dan bertambahnya nilai PSNR pada gambar hasil dekompresi. Waktu proses yang diperlukan untuk kompresi akan menurun jika jumlah warna yang digunakan untuk kompresi semakin kecil. Variabel-variabel yang digunakan dalam proses pembuatan codebook juga memiliki pengaruh terhadap rasio kompresi dan kualitas gambar hasil dekompresi. Nilai learning rate yang lebih kecil cenderung akan menghasilkan rasio kompresi yang kecil juga. Sebaliknya, nilai learning rate yang lebih besar cenderung akan menghasilkan rasio
17 kompresi yang lebih besar. Sedangkan kualitas gambar hasil dekompresi pada nilai learning rate yang kecil akan semakin bagus daripada nilai learning rate yang besar. Penggunaan nilai variabel jari-jari tetangga yang tidak sama dengan nol dalam proses pembuatan codebook juga mempengaruhi rasio kompresi dan kualitas gambar hasil dekompresi. Rasio kompresi relatif akan semakin kecil apabila dilakukan proses kompresi dengan codebook yang dibuat dengan menggunakan nilai jari-jari tetangga yang lebih besar dari nol. Nilai learning rate yang kecil dengan nilai jari-jari tetangga = 0 menghasilkan kualitas yang lebih bagus daripada nilai learning rate yang kecil dengan nilai jari-jari tetangga yang lebih besar dari nol. Sebaliknya, codebook dengan nilai learning rate yang tinggi dan nilai jari-jari tetangga yang lebih besar dari nol akan menghasilkan kualitas yang lebih bagus dari codebook dengan nilai learning rate yang rendah dan nilai jari-jari tetangga lebih besar dari nol. Hal ini cenderung berlaku pada jumlah warna codebook yang lebih banyak. Dari hasil ini, dapat disimpulkan bahwa penggunaan nilai jari-jari tetangga yang lebih besar dari nol akan lebih efisien apabila nilai learning rate yang digunakan tinggi. Pada uji coba tingkat kompleksitas warna yang berbeda, waktu proses kompresi akan semakin lama pada gambar dengan unsur warna yang semakin kompleks. Rasio kompresi pada gambar dengan tingkat kompleksitas warna yang tinggi akan semakin rendah. Waktu proses pembuatan codebook akan semakin lama apabila jumlah warna yang dibuat semakin banyak. Penggunaan jari-jari dalam proses pembuatan codebook mengakibatkan peningkatan waktu proses yang tinggi. Dapat disimpulkan bahwa arsitektur Kohonen SOM memerlukan waktu proses yang sangat lama untuk memproses data dengan jumlah yang besar. Penutup 5. Kesimpulan dan Saran 5.1 Kesimpulan Setelah dilakukan penelitian berdasarkan sistem yang dibuat, maka dapat dibuat kesimpulan sebagai berikut : 1. Arsitektur Kohonen SOM dapat digunakan untuk kompresi citra berwarna dengan mengimplementasikannya pada metode kuantisasi vektor 2. Arsitektur Kohonen SOM membutuhkan waktu proses yang lebih lama pada jumlah warna yang lebih banyak dan pada nilai jari-jari tetangga > 0 3. Berdasarkan waktu proses dan kualitas citra, nilai jari-jari tetangga > 0 dalam proses pembuatan codebook tidak efisien 4. Semakin banyak jumlah warna pada codebook maka waktu proses kompresi akan semakin besar
18 5. Kualitas citra hasil dekompresi ditentukan oleh jumlah warna pada codebook 6. Kompresi menggunakan codebook dengan nilai learning rate yang lebih kecil relatif menghasilkan rasio kompresi yang lebih kecil juga. 7. Penggunaan codebook yang dibuat dengan nilai jari-jari tetangga > 0 relatif mengakibatkan rasio kompresi menurun 8. Pembuatan codebook dengan mempertimbangkan nilai jari-jari akan lebih efektif pada nilai learning rate yang tinggi dengan jumlah warna yang tinggi juga 9. Waktu proses pada citra dengan tingkat kompleksitas warna yang tinggi akan semakin lama dan rasio kompresinya akan semakin kecil 5.2 Saran Berdasarkan hasil implementasi, maka beberapa saran yang berguna dalam pengembangan sistem adalah sebagai berikut : 1. Adanya penelitian lebih lanjut terhadap pengaruh nilai iterasi, nilai learning rate, dan nilai jari-jari tetangga yang lebih bervariasi. 2. Adanya pengembangan untuk mengkompresi berbagai macam format citra berwarna Daftar Pustaka Amerijckx, C., Verleysen, M., Thissen, P., dan Legat, J-D. Image compression by selforganized Kohonen map. IEEE Transactions On Neural Networks, Vol. 9, No. 3, May Chakrapani, Y.,Soundera Rajan, K. Implementation of Fractal Image Compression Employing Hybrid Genetic-Neural Approach. International Journal Of Computational Cognition, Vol. 7, No. 3, September 2009 Fausset, L. (1994). Fundamental of Neural Network: Architecture, Algorithm, and Application. New Jersey: Prentice-Hall. Harandi M. dan Gharavi-Alkhansari M. Low Bitrate Image Compression Using Self- Organized Kohonen Maps. IEEE ICIP Idhawati Hestiningsih. (2007). Pengolahan Citra. Diakses dari : Kohonen, T. (2000). Self-Organizing Map. Berlin Heidelberg New York: Springer-Verlag. 3rd Edition. Salomon, D. (2004). Data Compression: The Complete Reference. New York: Springer- Verlag. 3rd Edition. Solaiman, B., Maillard, E. Image Compression Using HLVQ Neural Network. IEEE. 1995
19 Sayood, K. (2006). Introduction to Data Compression. San Francisco: Morgan Kaufmann. 3rd Edition.
Penerapan Kohonen Self Organized Map Dalam Kuantisasi Vektor Pada Kompresi Citra Bitmap 24 Bit
Penerapan Kohonen Self Organized Map Dalam Kuantisasi Vektor Pada Kompresi Citra Bitmap 24 Bit Gadis Fransiska Yulianti Tae, Sri Suwarno, Widi Hapsari Fakultas Teknologi Informasi, Program Studi Teknik
Lebih terperinciIMPLEMENTASI SELF ORGANIZING MAP DALAM KOMPRESI CITRA DIGITAL
IMPLEMENTASI SELF ORGANIZING MAP DALAM KOMPRESI CITRA DIGITAL Hisar M. Simbolon (1) Sri Suwarno (2) Restyandito (3) hisarliska@gmail.com sswn@ukdw.ac.id dito@ukdw.ac.id Abstraksi Kompresi citra digital
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra adalah gambar bidang dua dimensi yang juga merupakan keluaran data. Artinya suatu data atau informasi tidak hanya direpresentasikan dalam bentuk teks, namun juga
Lebih terperinciKOMPRESI CITRA. lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat,
KOMPRESI CITRA Dalam kesempatan ini saya mencoba untuk menjelaskan apa itu kompresi citra dan bagaimana cara-cara format citra dengan menggunakan BMP, PNG, JPEG, GIF, dan TIFF. Kompresi citra itu adalah
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang Masalah
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
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peningkatan teknologi komputer memberikan banyak manfaat bagi manusia di berbagai aspek kehidupan, salah satu manfaatnya yaitu untuk menyimpan data, baik data berupa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab analisa dan perancangan ini akan mengulas tentang tahap yang digunakan dalam penelitian pembuatan aplikasi implementasi kompresi gambar menggunakan metode
Lebih terperinciIMPLEMENTASI DAN ANALISIS KINERJA ALGORITMA ARIHTMETIC CODING DAN SHANNON-FANO PADA KOMPRESI CITRA BMP
IMPLEMENTASI DAN ANALISIS KINERJA ALGORITMA ARIHTMETIC CODING DAN SHANNON-FANO PADA KOMPRESI CITRA BMP Syahfitri Kartika Lidya 1) Mohammad Andri Budiman 2) Romi Fadillah Rahmat 3) Jurusan Teknologi Informasi
Lebih terperinciAPLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET
APLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET Anny Yuniarti 1), Nadya Anisa Syafa 2), Handayani Tjandrasa 3) 1,2,3) Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember (ITS) Surabaya Surabaya
Lebih terperinciBAB I. PENDAHULUAN Latar Belakang Masalah
BAB I. PENDAHULUAN 1 1.1. Latar Belakang Masalah Citra adalah gambar yang berada pada bidang dua dimensi. Agar dapat diproses lebih lanjut, sebuah citra disimpan di dalam bentuk digital. Ukuran citra digital
Lebih terperinciKOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM)
KOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM) Bambang Trianggono *, Agus Zainal Arifin * Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciANALISA KINERJA CODEBOOK PADA KOMPRESI CITRA MEDIS DENGAN MEMPERHATIKAN REGION OF INTEREST
ANALISA KINERJA CODEBOOK PADA KOMPRESI CITRA MEDIS DENGAN MEMPERHATIKAN REGION OF INTEREST Michihiro Suryanto / 0422033 Departement Of Electrical Engineering, Maranatha Christian University. Jl. Prof.Drg.Suria
Lebih terperinciPemampatan Citra. Esther Wibowo Erick Kurniawan
Pemampatan Citra Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Mengapa? MEMORI Citra memerlukan memori besar. Mis. Citra 512x512 pixel 256 warna perlu 32 KB (1 pixel =
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini membahas landasan teori yang bersifat ilmiah untuk mendukung penulisan penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, jenis-jenis citra digital, metode
Lebih terperinciIMPLEMENTASI ALGORITMA HUFFMAN UNTUK KOMPRESI DAN DEKOMPRESI GAMBAR DIGITAL
IMPLEMENTASI ALGORITMA HUFFMAN UNTUK KOMPRESI DAN DEKOMPRESI GAMBAR DIGITAL KOMPETENSI JARINGAN KOMPUTER [SKRIPSI] ISABELLA JUDITHIO NIM. 0608605070 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi ternyata berdampak pada perkembangan ilmu pengetahuan yang lain. Semuanya merupakan informasi yang sangat penting. Oleh karena
Lebih terperinciMKB3383 -TEKNIK PENGOLAHAN CITRA. Kompresi Citra. Muhammad Zidny Naf an, M.Kom. Genap, 2016/2017
MKB3383 -TEKNIK PENGOLAHAN CITRA Kompresi Citra Muhammad Zidny Naf an, M.Kom. Genap, 2016/2017 Latar Belakang 2 Latar Belakang Seringkali representasi citra yang besar membutuhkan memori yang besar Contoh
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN Pada bab ini akan dibahas mengenai hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, manfaat, dan metodologi penelitian serta sistematika penulisan dari
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 ANALISIS METODE HUFFMAN UNTUK KOMPRESI DATA CITRA DAN TEKS PADA APLIKASI KOMPRESI DATA Shelly Arysanti
Lebih terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum, data citra digital ditandai oleh informasi dengan jumlah bit yang besar sehingga menimbulkan masalah untuk memindahkan, memproses atau menyimpannya. Biasanya
Lebih terperinciKinerja Dan Performa Algoritma Kompressi Lossless Terhadap Objek Citra Digital
The 12th Industrial Electronics Seminar 2010 (IES 2010) Electronics Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, Nopember 3, 2010 Image, Acoustic, Speech And Signal Processing Kinerja
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK
KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK Disusun Oleh : Ardyan Lawrence (1022068) Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg. Suria Sumantri, MPH No.65, Bandung, Indonesia.
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Di era komputerisasi ini sudah banyak dikembangkan aplikasi perangkat lunak maupun perangkat keras untuk menghasilkan citra dalam bentuk data. Sebut saja kamera digital,
Lebih terperinciPERBANDINGAN METODE HUFFMAN DAN FRAKTAL DALAM KOMPRESI CITRA
PERBANDINGAN METODE HUFFMAN DAN FRAKTAL DALAM KOMPRESI CITRA Cici Kurniati Mahasiswa Program Studi Teknik Informatik, FT UMRAH Nerfita Nikentari, ST., M.Cs Dosen Program Studi Teknik Informatika, FT UMRAH
Lebih terperinciAplikasi Metode Steganografi Berbasis JPEG dengan Tabel Kuantisasi yang Dimodifikasi Kris Reinhard /
Aplikasi Metode Steganografi Berbasis JPEG dengan Tabel Kuantisasi yang Dimodifikasi Kris Reinhard / 0522094 Email : kris_putih05@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS ABSTRAK
KOMPRESI CITRA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS Lucky Khoerniawan / 0222104 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email : khoerniawan.lucky@yahoo.com
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6 Semeste r : VI Waktu : x x 5 Menit Pertemuan : & 4 A. Kompetensi. Utama Mahasiswa dapat memahami tentang sistem pengolahan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat, sangat berperan penting dalam pertukaran informasi yang cepat. Pada pengiriman informasi dalam bentuk citra masih mengalami kendala,
Lebih terperinciPROGRAM STUDI S-1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012
ANALISIS DAN PERBANDINGAN TEKNIK KOMPRESI MENGGUNAKAN ALGORITMA SHANNON-FANO DAN RUN LENGTH ENCODING PADA CITRA BERFORMAT BMP DAN PNG SKRIPSI ROHANI NASUTION 081401059 PROGRAM STUDI S-1 ILMU KOMPUTER DEPARTEMEN
Lebih terperinciKINERJA DAN PERFORMA ALGORITMA KOMPRESSI LOSSLESS TERHADAP OBJEK CITRA DIGITAL
KINERJA DAN PERFORMA ALGORITMA KOMPRESSI LOSSLESS TERHADAP OBJEK CITRA DIGITAL Aditya Wijaya, Suryarini Widodo Jurusan Teknik Informatika Fakultas Teknologi Industri Univesitas Gunadarma Jl. Margonda Raya
Lebih terperinciPENGARUH PERUBAHAN RANK MATRIK TERHADAP KUALITAS CITRA PADA KOMPRESI CITRA METODE SINGULAR VALUE DECOMPOSITION (SVD)
PENGARUH PERUBAHAN RANK MATRIK TERHADAP KUALITAS CITRA PADA KOMPRESI CITRA METODE SINGULAR VALUE DECOMPOSITION (SVD) Abstrak Bakti Otrayigus¹, T.Sutojo,Ssi., M.Kom² Program Studi S1 Teknik Informatika
Lebih terperinciDIGITAL IMAGE CODING. Go green Aldi Burhan H Chandra Mula Fitradi Mardiyah
DIGITAL IMAGE CODING Go green Aldi Burhan H Chandra Mula Fitradi Mardiyah KOMPRESI LOSSLESS Teknik kompresi lossless adalah teknik kompresi yang tidak menyebabkan kehilangan data. Biasanya digunakan jika
Lebih terperinciIMPLEMENTASI KOMPRESI DATA TEXT MENGGUNAKAN HUFFMAN CODING
IMPLEMENTASI KOMPRESI DATA TEXT MENGGUNAKAN HUFFMAN CODING 1 Devie R. Suchendra, 2 Sandra Wulandari 1 Program Studi Sistem Informasi STMIK LPKIA 2 Program Studi Teknik Informatika STMIK LPKIA Jln. Soekarno
Lebih terperinciBAB 1 PENDAHULUAN. 1.1.Latar Belakang
BAB 1 PENDAHULUAN Pada bab ini akan dibahas mengenai hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, manfaat, dan metodologi penelitian serta sistematika penulisan dari
Lebih terperinciP E N D A H U L U A N Latar Belakang
KLASIFIKASI KEKERAPAN KUNJUNGAN LOKASI BERBASIS LOCATION BASED SERVICE (LBS) MENGGUNAKAN SELF-ORGANIZING MAP (SOM) Oleh : Dhanang Fitra Riaji (NRP : 2208205737) PROGRAM MAGISTER JURUSAN TEKNIK INDUSTRI
Lebih terperinciPemampatan Citra Pemampatan Citra versus Pengkodean Citra
Bab 10 Pemampatan Citra P ada umumnya, representasi citra digital membutuhkan memori yang besar. Sebagai contoh, citra Lena dalam format bitmap yang berukuran 512 512 pixel membutuhkan memori sebesar 32
Lebih terperinciPERBANDINGAN KUALITAS CITRA HASIL KOMPRESI METODE RUN LENGTH ENCODING DENGAN TRANSFORMASI WAVELET DAUBECHIES PADA CITRA DIGITAL SKRIPSI
PERBANDINGAN KUALITAS CITRA HASIL KOMPRESI METODE RUN LENGTH ENCODING DENGAN TRANSFORMASI WAVELET DAUBECHIES PADA CITRA DIGITAL SKRIPSI TEGUH ARIF FEBIANTO 101401063 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Citra Digital Citra digital adalah citra yang terdiri dari sinyal-sinyal frekuensi elektromagnetis yang sudah di-sampling sehingga dapat ditentukan ukuran titik gambar tersebut
Lebih terperinciBAB 3 PERANCANGAN SISTEM
21 BAB 3 PERANCANGAN SISTEM Sebelum citra tanda tangan dikenali dengan menggunakan Hidden Markov Model (HMM) citra tanda tangan tersebut ditransmisikan dengan dikompresi menggunakan Run Length Encoding
Lebih terperinciKompresi Citra Irawan Afrianto Sistem Multimedia 2007/2008
Kompresi Citra Irawan Afrianto KOMPRESI CITRA Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi g redundansi dari data-data yang terdapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kompresi File Pada dasarnya semua data itu merupakan rangkaian bit 0 dan 1. Yang membedakan antara suatu data tertentu dengan data yang lain adalah ukuran dari rangkaian bit dan
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciANALISIS KINERJA DAN IMPLEMENTASI ALGORITMA KOMPRESI ARITHMETIC CODING PADA FILE TEKS DAN CITRA DIGITAL SKRIPSI SARIFAH
ANALISIS KINERJA DAN IMPLEMENTASI ALGORITMA KOMPRESI ARITHMETIC CODING PADA FILE TEKS DAN CITRA DIGITAL SKRIPSI SARIFAH 061401090 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA
Lebih terperinciPenyembunyian Pesan Rahasia Dalam Gambar dengan Metoda JPEG - JSTEG Hendry Hermawan / ABSTRAK
Penyembunyian Pesan Rahasia Dalam Gambar dengan Metoda JPEG - JSTEG Hendry Hermawan / 0622097 Email : e3n_17@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria Sumantri, MPH 65,
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih terperinciPERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE
PERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE Dhina Bangkit Kumalasari Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.Drg.Suria
Lebih terperinciWindows. Objek-objek yang digunakan Delphi pada dasarnya merupakan
BAB IV PERANCANGAN PERANGKAT LUNAK 4.1 Spesifikasi Sistem 4.1.1 Perangkat lunak Perangkat lunak yang dibutuhkan dalam pembuatan program untuk "Kompresi Citra dengan Metode Hadamard" ini adalah Borland
Lebih terperinciKOMPRESI CITRA. Multimedia Jurusan Teknik Informatika
KOMPRESI CITRA Multimedia Jurusan Teknik Informatika ruliriki@gmail.com 1 Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi dari
Lebih terperinciROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM
ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciKOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra
KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra PEMAMPATAN CITRA Semakin besar ukuran citra semakin besar memori yang dibutuhkan. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel
Lebih terperinciPenerapan Pohon Biner Huffman Pada Kompresi Citra
Penerapan Pohon Biner Huffman Pada Kompresi Citra Alvin Andhika Zulen (3507037) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha No 0 Bandung,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Data dan informasi dapat disajikan bukan hanya dalam bentuk teks semata, melainkan dalam bentuk gambar (image), audio dan video. Apalagi dilihat sekarang perkembangan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi pengolahan citra berkembang sedemikian cepat saat ini. Berbagai aplikasi pengolahan citra baik dalam bentuk piranti keras maupun piranti lunak tersedia dengan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra digital adalah citra yang dapat diolah oleh komputer. Citra
Lebih terperinciKompresi Citra dan Video. Muhtadin, ST. MT.
Kompresi Citra dan Video Muhtadin, ST. MT. Outline Motivasi Redundancy & Irrelevancy Spatial Processing JPEG Temporal Processing Frame differencing Motion Estimation dan Motion Compensation Prediction
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tanaman karet merupakan tanaman yang memiliki peran penting di bidang industri terutama sebagai bahan baku di bidang industri ban dan otomotif (Sinaga, 2011). Indonesia
Lebih terperinciANALISIS KUALITAS VISUAL PADA HASIL CITRA KOMPRESI DENGAN MENGGUNAKAN METODE RUN LENGTH ENCODING (RLE) SKRIPSI ADINDA RENY SEFTIANI
ANALISIS KUALITAS VISUAL PADA HASIL CITRA KOMPRESI DENGAN MENGGUNAKAN METODE RUN LENGTH ENCODING (RLE) SKRIPSI ADINDA RENY SEFTIANI 071402043 JURUSAN TEKNOLOGI INFORMASI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil pengindraan atau pengukuran Pengambilan data dari hasil pengindraan atau pengukuran dapat dilihat pada lampiran A, berupa citra asli yang dengan format data.png kemudian
Lebih terperinciIMPLEMENTASI ALGORITMA RUN LENGTH ENCODING UNTUK PERANCANGANAPLIKASI KOMPRESI DAN DEKOMPRESI FILE CITRA
IMPLEMENTASI ALGORITMA RUN LENGTH ENCODING UNTUK PERANCANGANAPLIKASI KOMPRESI DAN DEKOMPRESI FILE CITRA Cut Try Utari Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknik Informatika
Lebih terperinciPROTOTIPE KOMPRESI LOSSLESS AUDIO CODEC MENGGUNAKAN ENTROPY ENCODING
PROTOTIPE KOMPRESI LOSSLESS AUDIO CODEC MENGGUNAKAN ENTROPY ENCODING Andreas Soegandi Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciPenyembunyian Informasi Dengan Menggunakan Metode SCAN. Roy Rikki ( ) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Penyembunyian Informasi Dengan Menggunakan Metode SCAN Roy Rikki ( 0522091 ) Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof. Drg. Surya Sumantri 65, Bandung 40164, Indonesia Email : roy_hut87@yahoo.co.id
Lebih terperinciBAB 4 HASIL UJI COBA DAN ANALISIS
38 BAB 4 HASIL UJI COBA DAN ANALISIS Uji coba dilakukan terhadap 5 buah citra tanda tangan. Dari tiap citra kemudian diujicobakan dengan ditransmisikan sebanyak 1 kali yang akan menghasilkan 1 variasi
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak ditemukannya alat untuk menangkap suatu gambar pada bidang dua dimensi (citra) berupa kamera, dengan semakin berkembangnya teknologi pada saat ini sehingga
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Kompresi Citra. Oky Dwi Nurhayati, ST, MT.
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Kompresi Citra Oky Dwi Nurhayati, ST, MT Email: okydn@undip.ac.id Kompresi Citra Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap
Lebih terperinciKata Kunci: wavelet packet; citra medis; kompresi; threshold; codec haar; codec biorthogonal; codec daubechies; MOS.
ABSTRAK Kompresi citra merupakan suatu metode yang bertujuan untuk mengurangi penggunaan memori, sehingga akan memudahkan penyimpanan, pengolahan serta waktu pengiriman data digital lebih singkat dibandingkan
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Hasil Dalam bab ini akan dijelaskan dan ditampilkan bagaimana hasil dari rancangan program. Dimana didalam program ini terdapat tampilan login, tampilan menu utama, tampilan
Lebih terperinciImplementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra
249 Implementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra Ahmad Jalaluddin 1, Yuliana Melita 2 1) Univers itas Islam Lamongan 2) Sekolah Tinggi Teknik Surabaya Odden.85@gmail.com, ymp@stts.edu
Lebih terperinciKOMPRESI DATA DAN TEKS. By : Nurul Adhayanti
KOMPRESI DATA DAN TEKS By : Nurul Adhayanti KOMPRESI DATA DAN TEKS KOMPRESI DATA Kompresi berarti memampatkan/mengecilkan ukuran Kompresi data adalah proses mengkodekan informasi menggunakan bit atau information-bearing
Lebih terperinciIMPLEMENTASI DAN ANALISIS KINERJA ALGORITMA ARITHMETIC CODING DAN SHANNON-FANO PADA KOMPRESI CITRA BMP SKRIPSI SYAHFITRI KARTIKA LIDYA
IMPLEMENTASI DAN ANALISIS KINERJA ALGORITMA ARITHMETIC CODING DAN SHANNON-FANO PADA KOMPRESI CITRA BMP SKRIPSI SYAHFITRI KARTIKA LIDYA 081402070 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan zaman, teknologi di bidang medis saat ini semakin berkembang. Teknologi sendiri sudah menjadi kebutuhan di segala bidang khususnya bidang biomedis.
Lebih terperinciKLASIFIKASI BENTUK DAUN MENGGUNAKAN METODE KOHONEN ABSTRAK
KLASIFIKASI BENTUK DAUN MENGGUNAKAN METODE KOHONEN Safwandi. ST., M.Kom 1, Yenni Maulida, S.T ABSTRAK Penelitian ini menjelaskan tentang suatu metode klasifikasi bentuk daun berdasarkan input berupa bentuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciPerbandingan Algoritma Kompresi Terhadap Objek Citra Menggunakan JAVA
Perbandingan Algoritma Terhadap Objek Menggunakan JAVA Maria Roslin Apriani Neta Program Studi Magister Teknik Informatika, Universitas Atma Jaya Yogyakarta Jl. Babarsari no 43 55281 Yogyakarta Telp (0274)-487711
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL. foto, bersifat analog berupa sinyal sinyal video seperti gambar pada monitor
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Pendahuluan Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
Lebih terperinciTESIS APLIKASI MOBILE MENGGUNAKAN METODE LEAST SIGNIFICANT BIT DAN END OF FILE UNTUK STEGANOGRAFI
TESIS APLIKASI MOBILE MENGGUNAKAN METODE LEAST SIGNIFICANT BIT DAN END OF FILE UNTUK STEGANOGRAFI Fransiskus Xaverius Kurniawan Malo No. Mhs.: 155302364/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA
Lebih terperinciANALISA DAN PERBANDINGAN ALGORITMA RUN LENGTH ENCODING DAN ALGORITMA LZW ( LEMPEL ZIV WECH ) DALAM PEMAMPATAN TEKS
ANALISA DAN PERBANDINGAN ALGORITMA RUN LENGTH ENCODING DAN ALGORITMA LZW ( LEMPEL ZIV WECH ) DALAM PEMAMPATAN TEKS Indra Sahputra Harahap (12110809) Mahasiswa Program Studi Teknik Informatika, Stmik Budidarma
Lebih terperinciIMPLEMENTASI DAN ANALISIS PERBANDINGAN ANTARA PENGKODEAN LZ78 DAN SHANNON FANO PADA KOMPRESI DATA TEKS
IMPLEMENTASI DAN ANALISIS PERBANDINGAN ANTARA PENGKODEAN LZ78 DAN SHANNON FANO PADA KOMPRESI DATA TEKS Nita Christina Saputro, Sri Suwarno, R.Gunawan Santosa Jurusan Teknik Informatika. Fakultas Teknik
Lebih terperinciJURNAL PENGELOMPOKAN SKRIPSI MENGGUNAKAN SELF ORGANIZING MAPS CLUSTERING (STUDI KASUS : PRODI TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI)
JURNAL PENGELOMPOKAN SKRIPSI MENGGUNAKAN SELF ORGANIZING MAPS CLUSTERING (STUDI KASUS : PRODI TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI) CLASSIFICATION OF THESIS USING SELF ORGANIZING MAPS CLUSTERING
Lebih terperinciBAB 3 Metodologi 3.1 Kerangka Berpikir
BAB 3 Metodologi 3.1 Kerangka Berpikir Kerusakan bangunan akibat gempa bumi menjadi salah satu penyebab dominan jatuhnya korban jiwa. Dibutuhkan suatu upaya untuk meminimalisasikan kerusakan bangunan akibat
Lebih terperinciKOMBINASI ALGORITMA JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) DAN SELF ORGANIZING KOHONEN PADA KECEPATAN PENGENALAN POLA TANDA TANGAN
KOMBINASI ALGORITMA JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) DAN SELF ORGANIZING KOHONEN PADA KECEPATAN PENGENALAN POLA TANDA TANGAN Emnita Br Ginting 1), Prof. Dr. M. Zarlis 2), Dr. Zakarias
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciRENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK KOMPRESI. Disusun Oleh: Anastasya Latubessy, S.Kom, M.Cs
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK KOMPRESI Disusun Oleh: Anastasya Latubessy, S.Kom, M.Cs PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MURIA KUDUS SEPTEMBER
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang pesat telah menjadi peran yang sangat penting untuk pertukaran informasi yang cepat. Kecepatan pengiriman informasi dalam bentuk
Lebih terperinciABSTRACT. There are some imprecise file types for in compression with certain method, because exactly yields bigger fairish compression result file.
ABSTRACT Data compression can reduce the data measure without losing the contained information. Smaller data size will take less space to store the data, and quickens delivery of data when the data is
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciPEMAMPATAN DATA DIGITAL MENGGUNAKAN METODA RUN-LENGTH
PEMAMPATAN DATA DIGITAL MENGGUNAKAN METODA RUN-LENGTH Oleh : Yustini & Hadria Octavia Jurusan Teknik Elektro Politenik Negeri Padang ABSTRACT Data compression can be very effective when we used and store
Lebih terperinciBAB I PENDAHULUAN. melakukan komunikasi. Salah satu media komunikasi yang berkembang pesat
BAB I PENDAHULUAN 1.1. Latar Belakang Kemajuan teknologi komunikasi semakin mempermudah manusia dalam melakukan komunikasi. Salah satu media komunikasi yang berkembang pesat adalah Mobile Phone. Mobile
Lebih terperinciBAB I PENDAHULUAN. media penyimpanan yang mengalami perkembangan adalah flashdisk. Flashdisk
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan media penyimpanan data kian meningkat. Salah satu contoh media penyimpanan yang mengalami perkembangan adalah flashdisk. Flashdisk pertama kali dikomersilkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Pola Pengenalan pola (pattern recognition) adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur atau sifat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Data Compression 2.1.1 Data Menurut Oxford ( 2010 ),Data dapat diartikan suatu kumpulan angka, karakter, gambar yang sebelumnya tidak memiliki arti apa-apa hingga diproses
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD
ANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD Eva Haryanty, S.Kom. ABSTRAK Kompresi data adalah proses mengubah suatu input data menjadi data lain dengan format berbeda dan ukuran yang lebih
Lebih terperinciAplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian
Aplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian Wiji Lestari, Singgih Purnomo STMIK Duta Bangsa Surakarta ABSTRAK Clustering adalah suatu metode
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinci