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 dengan data yang tidak terkompresi. Penelitian ini bertujuan untuk melakukan kompresi pada citra medis menggunakan wavelet packet dan pengkodean RLE. Tiga jenis codec wavelet yaitu Haar, Daubechies dan Biorthogonal akan digunakan dalam penelitian ini. Penelitian ini akan membandingkan rasio kompresi, waktu kompresi dan rate-distortion untuk setiap citra. Penelitian ini menggunakan tiga nilai threshold yaitu 30, 40 dan 50. Percobaan yang dilakukan menggunakan lima citra media sebagai data testing. Citra masukan yaitu citra uji akan diproses dengan dekomposisi multilevel PWT. Hasil dekomposisi dalam bentuk matriks akan diberikan threshold, dimana data yang lebih kecil daripada threshold akan diubah menjadi nol, sedangkan sisanya tidak diubah. Hasil pemberlakukan threshold akan dikodekan dengan RLE dan akan disimpan pada sebuah file biner berformat *.dat. Untuk dekompresi citra, pembacaan data mulai dilakukan untuk mendekodekan data dengan pendekodean RLE. Data hasil decoding RLE selanjutnya akan direkonstruksi dengan filter inverse PWT. Hasil rekonstruksi inilah yang akan ditampilkan kepada pengguna sebagai citra hasil dekompresi. Penelitian ini menunjukkan bahwa codec Haar dan Biorthogonal memberikan hasil yang lebih baik dibandingkan codec Daubechies dalam hal kualitas citra (PSNR) dan rasio. Akan tetapi untuk waktu kompresi, codec Daubechies lebih cepat meskipun tidak secara signifikan. Serta untuk penilaian pengguna digunakan metode MOS yang diujikan kepada 30 orang dokter, dimana hasil penilaian pengguna codec Haar lebih unggul untuk kualitas citra hasil dekompresi. Dari sisi rasio kompresi, codec Haar dan Biorthogonal memberikan rasio yang lebih baik dibandingkan dengan codec Daubechies. Kata Kunci: wavelet packet; citra medis; kompresi; threshold; codec haar; codec biorthogonal; codec daubechies; MOS. i
ABSTRACT Image compression is a method that aims to reduce the use of memory, so it will facilitate the storage, processing and time of sending digital data is shorter than the data that is not compressed. This research aims to compress the medical image using wavelet packet and RLE encoding. Three types of wavelet codecs Haar, Daubechies and Biorthogonal will be used in this research. This research will compare the compression ratio, compression time and rate-distortion for each image. This research uses three threshold values of 30, 40 and 50. Experiments were conducted using five media images as data testing. The input image is test image will be processed with multi-level decomposition of PWT. Decomposition results in matrix form will be given threshold, where data smaller than threshold will be changed to zero, while the rest is not changed. The threshold result will be encoded with RLE and will be stored in a binary file *.dat format. To decompress the image, data readings begin to decode the data with RLE decoding. The result data of RLE decoding then will be reconstructed with PWT inverse filter. This reconstruction results will be displayed to the user as a decompression image. This research shown that Haar and Biorthogonal codecs give better results than Daubechies codecs in terms of image quality (PSNR) and ratio. However, for compression time, Daubechies codec is faster although not significantly. As well as for user assessment used MOS method is tested to 30 doctors, where the results of Haar codec user rating is superior to the quality of decompression images. In terms of compression ratio, Haar and Biorthogonal codecs provide better ratios than Daubechies codecs. Keywords: Wavelet packet; Medical image; compression; Threshold; Haar codec; Biorthogonal codec; Daubechies codec; MOS. TESIS ii
DAFTAR ISI Halaman Judul... iii Lembar Syarat Magister... ii Lembar Pengesahan... iii Lembar Penetapan Panitia Penguji Tesis... iv Surat Pernyataan Bebas Plagiat... v Ucapan Terima Kasih... vi Abstrak... viii Abtract... ix Daftar Isi... x Daftar Gambar... i Daftar Tabel... ixi BAB I PENDAHULUAN... 10 1.1. Latar Belakang... 10 1.2. Rumusan Masalah... 13 1.3. Tujuan Penelitian... 13 1.4. Manfaat Penelitian... 13 1.5. Ruang Lingkup Penelitian... 13 1.6. Keaslian Penelitian... 14 BAB II KAJIAN PUSTAKA... Error! Bookmark not 2.1 State of The Art... Error! Bookmark not 2.2 Konsep Kompresi Citra... Error! Bookmark not 2.3 Kompresi Citra Lossless dan Lossy... 15 2.3.1 Kompresi Citra Lossless... 15 2.3.2 Kompresi Citra Lossy... 16 2.4 Kriteria Pemampatan Citra... Error! Bookmark not 7 2.5 Gelombang Singkat (Wavelet)... Error! Bookmark not 2.5.1 Haar Wavelet... Error! Bookmark not 2.5.2 Daubechies Wavelet... Error! Bookmark not 2.5.3 Biorthogonal... Error! Bookmark not iii
2.5 Multi-Level Packet 2-D Wavelet Transformation (PWT)... Error! Bookmark not 2.6 Run Length Encoding (RLE)... Error! Bookmark not 2.7 Peak Signal-To-Noise Ratio (PSNR) dan Mean Square Error (MSE) Error! Bookmark not 2.8 Rate Distortion... Error! Bookmark not 2.9 Bit Rate... Error! Bookmark not 2.10 Rasio Kompresi... Error! Bookmark not 2.11 Threshold... 26 2.12 Mean Opinion Score (MOS)... 27 BAB III METODE PENELITIAN... Error! Bookmark not 3.1 Data Penelitian... Error! Bookmark not 3.2 Perangkat Keras dan Perangkat Lunak Pendukung. Error! Bookmark not 3.3 Arsitektur Aplikasi Codec PWT berbasis RLE... Error! Bookmark not 3.3.1 Multile-level Decomposition PWT... Error! Bookmark not 3.3.2 Pengkodean RLE... Error! Bookmark not 3.4 Dekompresi Citra... Error! Bookmark not 3.5 Pengujian Sistem... Error! Bookmark not 3.5.1 Perhitungan MSE, PSNR dan Bit rate... Error! Bookmark not 3.5.2 Pengujian Kualitas Citra Dekompresi dengan Mean Opinion Score (MOS)... Error! Bookmark not BAB IV HASIL DAN PEMBAHASAN... Error! Bookmark not 4.1 Parameter dan Data Penelitian... Error! Bookmark not 4.2 Mekanisme Uji Coba... Error! Bookmark not 4.2.1 Tahapan Pengujian... Error! Bookmark not 4.3 Hasil dan Pembahasan... Error! Bookmark not 4.4 Evaluasi Hasil Pengujian... Error! Bookmark not 4.4.1 Pengaruh Nilai Threshold Terhadap PSNR dan Rasio Kompresi... Error! Bookmark not iv
4.4.2 Evaluasi Rate-Distortion (RD)... Error! Bookmark not 4.4.3 Analisa Trace PSNR dan Rate Tracing... Error! Bookmark not 4.4.4 Hasil Mean Opinion Scoring (MOS) Error! Bookmark not 4.4.5 Analisa Hasil Antara MOS dan PSNR... 100 4.4.6 Analisa Kompleksitas... 101 BAB V KESIMPULAN DAN SARAN... 104 1.1. 5.1 Kesimpulan... 104 1.2. 5.2 Saran... 105 DAFTAR PUSTAKA... Error! Bookmark not LAMPIRAN... 108 v
DAFTAR GAMBAR Gambar 2.1. Grafik MSE dan Rasio Kompresi Chopra dan Gupta (2011)... Error! Bookmark not Gambar 2.2. Haar wavelet.... Error! Bookmark not Gambar 2.3. Daubechies wavelet... Error! Bookmark not Gambar 2.4. Biorthogonal wavelet.... Error! Bookmark not Gambar 2.5. Dekomposisi PWT pada level tertentu (Fugal, 2009)... Error! Bookmark not Gambar 2.6. Dekomposisi level 2 (Kharate dan Patil, 2010)... Error! Bookmark not Gambar 2.7. Nilai Piksel Citra Ukuran 8x8... Error! Bookmark not Gambar 3.1. Arsitektur Aplikasi Codec PWT berbasis RLE... 30 Gambar 3.2. Proses PWT dan Thresholding... Error! Bookmark not Gambar 3.3. Proses Rekonstruksi Citra... Error! Bookmark not Gambar 3.4. Flowchart Kompresi Citra... Error! Bookmark not Gambar 3.5. Flowchart Dekompresi Citra... Error! Bookmark not Gambar 3.7. Matriks hasil filter dengan L... Error! Bookmark not Gambar 3.8. Matrik hasil filter dengan H... Error! Bookmark not Gambar 3.9. Matrik hasil downsampling filter L pada elemen horizontal... Error! Bookmark not Gambar 3.10. Nilai matriks hasil filter L ke arah horizontal Error! Bookmark not Gambar 3.11. Matriks hasil filter L ke arah kolom (LL1)... Error! Bookmark not Gambar 3.12. Matriks hasil filter H ke arah kolom (LH1).. Error! Bookmark not Gambar 3.13. Matrik hasil downsampling filter L pada elemen horizontal.. Error! Bookmark not Gambar 3.14. Nilai matriks hasil filter L ke arah horizontal Error! Bookmark not Gambar 3.15. Matriks hasil filter L ke arah kolom (HL1)... Error! Bookmark not Gambar 3.16. Matriks hasil filter H ke arah kolom (HH1).. Error! Bookmark not Gambar 3.17. Hasil downsampling LL1... Error! Bookmark not Gambar 3.18. Hasil dekomposisi level 1 dengan filter L horizontal dan L vertikal(ll1)... Error! Bookmark not Gambar 3.19. Hasil downsampling LH1... Error! Bookmark not Gambar 3.20. Hasil dekomposisi level 1 dengan filter L horizontal dan H vertikal (LH1)... Error! Bookmark not vi
Gambar 3.21. Hasil downsampling HL1... Error! Bookmark not Gambar 3.22. Hasil dekomposisi level 1 dengan filter H horizontal dan L vertikal (HL1)... Error! Bookmark not Gambar 3.23. Hasil downsampling HH1... Error! Bookmark not Gambar 3.24. Hasil dekomposisi level 1 dengan filter H horizontal dan H vertikal (HH1)... Error! Bookmark not Gambar 3.25. Hasil thresholding LL1... Error! Bookmark not Gambar 3.26. Hasil thresholding LH1... Error! Bookmark not Gambar 3.27. Hasil thresholding HL1... Error! Bookmark not Gambar 3.28. Hasil thresholding HH1... Error! Bookmark not Gambar 3.29. Upsampling LL1... Error! Bookmark not Gambar 3.30. Upsampling LH1... Error! Bookmark not Gambar 3.31. Upsampling HL1... Error! Bookmark not Gambar 3.32. Upsampling HH1... Error! Bookmark not Gambar 3.33. Matriks LL1... Error! Bookmark not Gambar 3.34. Matriks LH1... Error! Bookmark not Gambar 3.35. Matriks L1... Error! Bookmark not Gambar 3.36. Matriks HL1... Error! Bookmark not Gambar 3.37. Matriks HH1... Error! Bookmark not Gambar 3.38. Matriks H1... Error! Bookmark not Gambar 3.39. Hasil upsampling L1... Error! Bookmark not Gambar 3.40. Matriks L1... Error! Bookmark not Gambar 3.41. Hasil upsampling H1... Error! Bookmark not Gambar 3.42. Matriks H1... Error! Bookmark not Gambar 3.43. Citra 8x8 piksel hasil dekompresi... Error! Bookmark not Gambar 3.44. Citra 8x8 piksel hasil dekompresi akhir... Error! Bookmark not Gambar 3.45. Grafik Perbandingan Nilai PSNR-Threshold Error! Bookmark not Gambar 3.46. Grafik Perbandingan Nilai PSNR Bitrate... Error! Bookmark not Gambar 4.1a. Citra Uji 1... Error! Bookmark not Gambar 4.1b. Citra Uji 2... Error! Bookmark not Gambar 4.1c. Citra Uji 3... Error! Bookmark not Gambar 4.1d. Citra Uji 4... Error! Bookmark not Gambar 4.1e. Citra Uji 5... Error! Bookmark not Gambar 4.2a. Histogram Citra Uji 1... Error! Bookmark not Gambar 4.2b. Histogram Citra Uji 2... Error! Bookmark not Gambar 4.2c. Histogram Citra Uji 3... Error! Bookmark not Gambar 4.2d. Histogram Citra Uji 4... Error! Bookmark not vii
Gambar 4.2e. Histogram Citra Uji 5... Error! Bookmark not Gambar 4.2. Pengambilan Citra Untuk Dikompresi... Error! Bookmark not Gambar 4.3. Pemilihan Codec dan Level Dekomposisi... Error! Bookmark not Gambar 4.4. Pengisian Nilai Threshold Untuk Setiap Level Error! Bookmark not Gambar 4.5. Proses Kompresi Citra... Error! Bookmark not Gambar 4.6. Proses Penyimpanan Hasil KompresiError! Bookmark not Gambar 4.7. File Dat Hasil Kompresi... Error! Bookmark not Gambar 4.8. Hasil Dekompresi... Error! Bookmark not Gambar 4.9. Penyimpanan Citra Hasil Dekompresi... Error! Bookmark not Gambar 4.10. File Dat Hasil Kompresi... Error! Bookmark not Gambar 4.11. File Dat Hasil Kompresi Citra 5 dengan threshold 10... Error! Bookmark not Gambar 4.12. File Dat Hasil Kompresi Citra 5 dengan threshold 200... Error! Bookmark not Gambar 4.13. Grafik Pengaruh Threshold Terhadap PSNR Error! Bookmark not Gambar 4.14. Grafik Pengaruh Threshold Terhadap Rasio. Error! Bookmark not Gambar 4.15. Rate Distortion Citra Uji 1... Error! Bookmark not Gambar 4.16. Rate Distortion Citra Uji 2... Error! Bookmark not Gambar 4.19. Rate Distortion Citra Uji 5... Error! Bookmark not Gambar 4.20. Grafik PSNR Tracing pada Threshold 30... Error! Bookmark not Gambar 4.21. Grafik Rate Tracing pada Threshold 30... Error! Bookmark not Gambar 4.21. Grafik PSNR Tracing pada Threshold 40... Error! Bookmark not Gambar 4.22. Grafik Rate Tracing pada Threshold 40... Error! Bookmark not Gambar 4.24. Grafik Rate Tracing pada Threshold 50... Error! Bookmark not Gambar 4.25. Nilai MOS pada Threshold 30... Error! Bookmark not Gambar 4.26. Nilai MOS pada Threshold 40... Error! Bookmark not Gambar 4.27. Nilai MOS pada Threshold 50... Error! Bookmark not viii
DAFTAR TABEL Tabel 2.1. Rasio Kompresi dan PSNR hasil kompresi Kharate dan Patil (2010)... Error! Bookmark not Tabel 2.2. Perbadingan Hasil Kompresi Citra MRI skull Ruchika dkk. (2012)... Error! Bookmark not Tabel 2.3. Perbadingan Hasil Kompresi Citra Cardiac MR Ruchika dkk. (2012)... Error! Bookmark not Tabel 2.4. Perbadingan Hasil Kompresi Citra Ultrasound Ruchika dkk. (2012)... Error! Bookmark not Tabel 2.5. Hasil Kompresi dengan metode (Bairagi dan Sapkal, 2013)... Error! Bookmark not Tabel 2.6. Perbandingan Penelitian... Error! Bookmark not Tabel 3.1. Keterangan nilai MOS... Error! Bookmark not Tabel 4.1. Tabel Ukuran dan Dimensi Citra Uji... Error! Bookmark not Tabel 4.3. Hasil Pengujian dengan Threshold 30.. Error! Bookmark not Tabel 4.4. Hasil Pengujian dengan Threshold 40.. Error! Bookmark not Tabel 4.5. Hasil Pengujian dengan Threshold 50.. Error! Bookmark not Tabel 4.6. Nilai PSNR Untuk Semua Threshold... Error! Bookmark not Tabel 4.7. Nilai Rasio Untuk Semua Threshold... Error! Bookmark not Tabel 4.9. Hasil Penilaian Opini Pengguna... Error! Bookmark not Tabel 4.10. Perbandingan Waktu Kompresi Setiap Codec.. Error! Bookmark not Tabel 4.11. Perbandingan Waktu Dekompresi Setiap Codec... Error! Bookmark not ix
x
BAB I PENDAHULUAN 1.3. Latar Belakang Dalam dunia medis ataupun sekolah kedokteran, citra medis memegang peranan penting. Data berupa citra ini sering kali digunakan untuk kepentingan belajar, analisa dan diagnosa. Citra medis yang dihasilkan oleh sebuah lembaga kesehatan saat ini begitu banyak. Menurut Placidi (2009) dan Baeza & Verdoy (2009), sebuah rumah sakit menengah saat ini bisa menghasilkan rata-rata 5GB hingga 15 GB data. Hal tersebut akan menyulitkan rumah sakit untuk menangani data sebesar itu. Tidak hanya pada masalah penyimpanan yang membutuhkan memori besar, namun setiap saat data citra tersebut perlu ditransmisikan. Citra dengan ukuran yang besar akan membutuhkan waktu yang cukup lama untuk ditransmisikan, sehingga hal ini akan mengakibatkan lambatnya diagnosa dan penanganan pasien. Kompresi citra dalam hal ini memegang peranan penting. Kompresi citra merupakan suatu metode yang bertujuan untuk mengurangi penggunaan memori, sehingga akan memudahkan penyimpanan, pengolahan serta waktu pengiriman data digital lebih singkat dibandingkan dengan data yang tidak terkompresi. Terdapat banyak metode kompresi citra hingga saat ini. Semua metode tersebut digolongkan ke dalam 2 jenis yaitu losy dan lossless. Kompresi losy ini biasanya memiliki rasio kompresi yang baik, namun kualitas citra menjadi menurun karena terdapat informasi pada citra yang hilang, sebaliknya kompresi lossless merupakan teknik kompresi dengan kualitas citra rekonstruksi yang sama dengan citra asli, namun pada sebagian besar citra alami menghasilkan rasio yang buruk. Dalam mengompres sebuah citra, ada 2 parameter utama yang akan diukur yaitu rasio kompresi dan kualitas citra. Sebuah metode yang baik adalah metode yang mampu menghasilkan rasio kompresi yang tinggi, namun penurunan kualitas citra masih bisa ditoleransi oleh mata manusia. Citra medis merupakan citra yang akan dianalisis oleh dokter ahli, sehingga kualitas citra medis tidak boleh mengalami 11
penurunan yang mengakibatkan salahnya hasil diagnosa oleh seorang dokter ahli. Terdapat banyak penelitian untuk mengompres citra medis hingga saat ini, diantaranya Agrawal dan Vijay (2012), Shinde dkk. (2013), Ruchika dkk. (2012), PraveenKumar dan Sumithra (2013), Bairagi dan Sapkal (2013), Ramesh dan Sanmugam (2010). Banyaknya penelitian terkini tentang metode kompresi citra medis menunjukkan bahwa permasalahan ini sangat penting dan menjadi perhatian bagi banyak ilmuwan dunia. Melihat pentingnya permasalahan ini, maka sebenarnya diperlukan sebuah metode kompresi yang baik, sehingga penulis melakukan penelitian untuk mengompresi citra medis dengan mengaplikasikan packet wavelet transform (PWT) dan pengkodean lossless RLE untuk menjaga agar kualitas citra tetap baik. Prinsip dasar PWT adalah mendapatkan representasi waktu dan skala dari sebuah sinyal menggunakan teknik filter digital dan operasi sub sampling. Transformasi wavelet menggunakan 2 komponen penting dalam melakukan transformasi, yaitu skala (scaling function) atau lowpass filtering dan wavelet (wavelet function) atau highpass filtering. Beberapa penelitian seperti Kharate dan Patil (2010), Alwan (2012), Kumar (2006) menunjukkan bahwa wavelet mampu memberikan kualitas citra hasil kompresi yang baik dengan rasio yang cukup tinggi. Teknik wavelet yang biasa digunakan adalah discrete wavelet transform (DWT), dimana hanya elemen frekuensi rendah saja yang didekomposisi lebih dalam, sedangkan elemen frekuensi tinggi tidak didekomposisi lebih lanjut. Penelitian ini mencoba melakukan dekomposisi pada setiap elemen, baik dengan frekuensi rendah maupun tinggi dengan packet wavelet transform(pwt). Di sinilah letak perbedaan pokok antara DWT dan PWT yaitu PWT tidak hanya melakukan dekomposisi pada elemen frekuensi rendah saja, namun juga pada elemen frekuensi tinggi. Tujuannya dilakukannya dekomposisi seperti itu adalah untuk meningkatkan kualitas citra hasil dekompresi. Rasio dalam hal ini akan tetap dijaga dengan pemberian threshold. Threshold dalam hal ini merupakan sebuah nilai batas untuk melakukan pemotongan nilai hasil dekomposisi. Semua hasil dekomposisi yang memiliki nilai di bawah 12
threshold akan dipotong dan dianggap menjadi nol. Menurut Kharate dan Patil (2010), rasio dan kualitas yang baik bisa diperoleh dengan pemberian threshold yang tepat. Teknik kompresi Run Length Encoding (RLE) telah banyak digunakan. Metode ini memanfaatkan kemuculan nilai piksel secara berulang pada lokasi yang berderetan. Metode ini bekerja sangat baik pada data dengan perulangan nilai yang banyak. Mengingat bahwa metode ini merupakan metode kompresi lossless yang tetap menjaga kualitas asli data sebelum dan sesudah dikompresi, maka metode ini cocok diterapkan pada data hasil transformasi wavelet citra medis, sehingga tidak ada informasi yang hilang.penelitian yang pernah dilakukan untuk kompresi citra dengan RLE yaitu Chakraborty dan Benerjee (2011) yang dalam penelitiannya menggunakan Enhanced RLE, dengan memodifikasi RLE yang biasa, sehingga mengahasilkan rasio yang baik dengan kualitas citra dekompresi yang terekonstruksi dengan sempurna. Dari informasi yang disampaikan di atas, transformasi wavelet paket (PWT) dan RLE merupakan perpaduan yang baik untuk menghasilkan rasio kompresi yang tinggi namun dengan kualitas citra medis yang baik. Pemilihan PWT dibandingkan transformasi lainnya karena wavelet merupakan transformasi yang mampu melakukan kompresi dengan baik, seperti pada jpeg. Dengan melakukan dekomposisi terhadap semua hasil filtering meliputi low dan high pass filtering, diharapkan kualitas citra hasil dekompresi dapat lebih baik. Penggunaan RLE diharapkan mampu memperkecil ukuran citra hasil dekompresi namun tetap mempertahankan kualitasnya, tentu saja karena sifat lossless dari RLE. Dalam penelitian ini, juga akan dilakukan penelitian nilai threshold yang baik. Oleh karena itu, penelitian Kompresi Citra Medis dengan Packet Wavelet Transform dan Pengkodean Run Length Encoding diharapkan memberikan hasil baik. Hasil yang diharapkan dari penelitian ini adalah rasio kompresi yang tinggi dan citra hasil dekompresi dengan kualitas yang baik. 13
1.4. Rumusan Masalah Berdasarkan latar belakang di atas, maka dapat dirumuskan permasalahan dalam penelitian ini, yaitu : 1. Bagaimana merealisasikan PWT dan RLE menjadi codec citra untuk mengkompresi citra medis? 2. Bagaimana kualitas citra dalam hal rekonstruksi citra hasil dekompresi? 1.5. Tujuan Penelitian Tujuan dari penelitian ini : 1. Mendapatkan teknik kompresi lossy atau lossless untuk citra medis dengan transformasi PWT dan pengkodean RLE. 2. Membandingkan rasio kompresi dan PSNR yang dihasilkan dari setiap mother wavelet yang digunakan. 3. Menentukan threshold yang tepat untuk menghasilkan kualitas citra dan rasio yang optimal. 1.6. Manfaat Penelitian Adapun manfaat dari penelitian ini antara lain : 1. Adanya tool yang berguna untuk memperkecil ukuran citra medis, sehingga mampu mengurangi memori untuk penyimpanan file citra di lembaga kesehatan maupun pendidikan kesehatan. 2. Mengurangi waktu transmisi data citra medis, sehingga mempercepat proses diagnosa dan penanganan terhadap pasien. 3. Memberikan wawasan tentang kompresi citra menggunakan PWT dan RLE pada citra medis, dan pengaruh perbedaan mother wavelet pada citra. 1.7. Ruang Lingkup Penelitian Adapun yang menjadi ruang lingkup dari penelitian ini adalah : 14
1. Desain dan implementasi sistem ini hanya diperuntukkan untuk melakukan kompresi citra medis. Adapun setiap citra medis yang digunakan adalah grayscale 8 bit. 2. Citra yang digunakan bukanlah citra medis yang spesifik pada bidang tertentu, melainkan semua jenis citra medis. 3. Sistem ini melakukan kompresi pada citra medis berformat bitmap (.bmp). 4. Proses encoding dan decoding yang digunakan adalah Run Length Encoding (RLE). 5. Transformasi PWT akan dilakukan dengan lowpass filtering dan highpass filtering 1 dimensi (1-D) terhadap baris terlebih dahulu, kemudian terhadap kolom. 6. Mother wavelet yang akan diobservasi adalah Haar, Biorthogonal, dan Daubechies. 1.8. Keaslian Penelitian Penelitian yang berkaitan dengan kompresi citra medis telah dilakukan oleh beberapa peneliti seperti Agrawal dan Vijay (2012), Shinde dkk. (2013), Ruchika dkk.(2012), PraveenKumar dan Sumithra (2013), Bairagi dan Sapkal (2013), Ramesh dan Sanmugam (2010). Semua penelitian tersebut mengompresi citra medis dengan wavelet, namun dengan berbagai teknik tambahan untuk menghasilkan rasio dan kualitas terbaik. Dari semua penelitian yang telah dilakukan belum terdapat penelitian yang menggunakan PWT dan metode RLE untuk citra medis dan membandingkan beberapa mother wavelet untuk mendapatkan hasil kompresi yang optimal. 15