Presentasi Kompresi Lossy

Assalamu'alaikuuum...

Jadi kemarin kelompok saya mendapat tugas untuk mempresentasikan tentang kompresi lossy. Apa sih itu kompresi lossy? Kemarin udah lossless, sekarang lossy. Membingungkan.. Sabaaaar,,sebentar lagi kita bakal tau kok. Yuuk langsung aja. Kalo mau baca tentang kompresi lossless bisa kesini :D

Kompresi Lossy adalah teknik kompresi dimana file yang di kompres akan menjadi jauh lebih kecil karena pada data yang di kompres akan ada bagian yang dihilangkan. Oleh karena itu, data yang sudah dikompres belum tentu dapat di decompress untuk mengembalikan datanya kembali ke seperti semula.

 Gambar 1 Deskripsi Kompresi Lossy

1.1       Perbedaan Lossless dan Lossy

Loseless	Lossy
Hasil akhir/output  dari data sebelum dan sesudah kompresi SAMA	Hasil akhir/output dari data sebelum dan sesudah kompresi TIDAK SAMA
Ukuran data hasil kompresi >= data sebelumnya	Ukuran data hasil kompresi < data sebelumnya
Berguna ketika data yang dikompresi berupa file/teks dan image	Berguna ketika data yang dikompresi berupa audio dan video

Tabel 1 Perbedaan Lossless dan Lossy

1.2       Metode Kompresi Lossy

Ada beberapa metode yang biasa digunakan pada kompersi lossy :

·        Kuantisasi

Inti dari kompresi lossy. Yaitu untuk menentukan data apa saja yang akan dihilangkan.

Gambar 2 Penggambaran Kuantisasi

·        Transform Coding

-          Digunakan untuk mengkonversi data, sehingga menjadi lebih kecil ukurannya.

-          Misalnya data input x0, x1, …, x(n-1) akan menghasilkan data output c0, c1, …, c(n-1), dimana data output memiliki data yang nilainya lebih kecil dari nilai sebelumnya.

-          Biasa digunakan pada audio dan image

o   Discrete Cosine Transform

-          Digunakan untuk mengubah sinyal menjadi komponen frekuensi dasar

-          Sifat utama DCT pada kompresi citra dan video adalah :

§  energy compaction

§  decorrelation

-          DCT biasa digunakan pada kompresi JPEG.

o   Karhunen-Loeve Transform

-          Digunakan untuk transfer data yang memiliki dimensi besar pada sub-ruang dimensi kecil

-          Ringkasan utk mendapatkan transformasi [F]:

– Cari covariance matrix Cov([f])

– Cari eigenvalue dan eigenvector dari Cov([f]) dan dapatkan matrix   transformasi T dari normalized eigen vector

– Cari vektor transformasi [F]

·        Wavelet Based Coding

-          Digunakan untuk menganilisis gerakan sinyal suatu sinyal digital dari data , sehingga didapatkan informasi spectrum frekuensi dan waktu.

-          Sebuah transformasi matematika yang digunakan untuk menganalisis sinyal bergerak. Dari sinyal ini didapatkan informasi spektrum frekuensi dan waktu disaat bersamaan.

Gambar 3 Penggambaran Gelombang

o   Continuos Wavelet Transform

-          Digunakan untuk dekompresi waktu-frekuensi sehingga bisa menkarakterisasi respon pergerakan suatu frekuensi.

-          Menggunakan metode “Fast Fouhrier Transform”.

o   Discrete Wavelet Transform

-          Menggunakan konsep “High Pass Filtering” dan “Low Pass Filtering”

-          High Pass Filtering, filtering untuk menguatkan frekuensi

-          Low Pass Filtering, filetering untuk melemahkan frekuensi

Gambar 4 Low Pass Filtering dan High Pass Filtering

1.3       Proses Encoding dan Decoding

• Encoding

Gambar Asli => Sampling => Kuantisasi => Coding Entropy

• Decoding

Input => Unpack => Rekonstruksi => Transform => Output

1.4       Kesimpulan

Setelah mengetahui perbedaan antara Lossless dan Lossy, maka kita dapat mengetahui algoritma mana yang kita perlukan. Masing-masing memiliki kelebihan dan kekurangan. Agar  kita dapat menggunakan kelebihannya dalam kondisi yang kita hadapi.

Naaah, jadi udah tau kan ya? Sekian dulu dari saya,
Wassalamu'alaikum :D