Pengertian Kompressing

Dalam ilmu komputer dan teori informasi, kompresi data atau sumber pengkodean adalah proses encoding informasi dengan menggunakan lebih sedikit bit (atau unit informasi-bantalan lainnya) dari sebuah unencoded representasi akan menggunakan, melalui penggunaan khusus pengkodean skema.

Dalam komputasi, deduplication data adalah teknik kompresi data khusus untuk menghilangkan data-grained berlebihan kasar, biasanya untuk meningkatkan utilisasi storage.

Seperti komunikasi apapun, dikompresi komunikasi data hanya bekerja jika kedua pengirim dan penerima informasi memahami skema pengkodean. Misalnya, teks ini masuk akal hanya jika penerima mengerti bahwa itu adalah dimaksudkan untuk ditafsirkan sebagai karakter yang mewakili bahasa Inggris. Demikian pula, data terkompresi hanya dapat dipahami jika metode decoding diketahui oleh penerima.

Kompresi berguna karena membantu mengurangi konsumsi sumber daya mahal, seperti hard disk space atau transmisi bandwidth . Pada sisi negatifnya, data dikompresi harus didekompresi untuk digunakan, dan ini pengolahan tambahan mungkin merugikan beberapa aplikasi. Sebagai contoh, skema kompresi untuk video mungkin memerlukan perangkat keras mahal untuk video yang akan didekompresi cukup cepat untuk dilihat karena sedang decompressed (pilihan untuk dekompresi video secara penuh sebelum menonton mungkin nyaman, dan membutuhkan ruang penyimpanan untuk decompressed video). Rancangan skema kompresi data sehingga melibatkan trade-off antara berbagai faktor, termasuk tingkat kompresi, jumlah distorsi memperkenalkan (jika menggunakan skema kompresi lossy), dan sumber daya komputasi yang dibutuhkan untuk kompres dan uncompress data.

Ada 2 kompresi data, yaitu :

a.        Lossy

                        Lossy kompresi citra digunakan dalam kamera digital, untuk meningkatkan kapasitas penyimpanan dengan minimal penurunan kualitas gambar. Demikian pula, DVD menggunakan lossy MPEG-2 Video codec untuk kompresi video .

Dalam lossy kompresi audio, metode psychoacoustics digunakan untuk menghapus non-terdengar (atau kurang terdengar) komponen dari sinyal. Kompresi berbicara manusia sering dilakukan dengan teknik khusus bahkan lebih, sehingga pidato kompresi "atau" suara coding kadang-kadang dibedakan sebagai suatu disiplin yang terpisah dari kompresi audio. audio yang berbeda dan kompresi standar pidato terdaftar di bawah codec audio. Suara kompresi akan digunakan dalam telepon Internet misalnya, sementara kompresi audio yang digunakan untuk CD ripping dan diterjemahkan oleh pemain audio.

Berikut ciri-ciri dari Lossy :

·         Terdapat informasi yang hilang pada saat sampai pada telinga dan mata manusia.

·         Digunakan pada kompresi objek audio,  image, video dimana keakuratan data absolut tidak diperlukan.  

·         Aplikasi:  medical screening systems, video conferencing,  dan  multimedia messaging systems.

·         Metode kompresi yang banyak digunakan adalah standar JPEG.

b.   Lossless

Berikut ini ciri-ciri dari Lossless :

·         Data tidak berubah atau hilang pada proses kompresi atau dekompresi

·         Membuat satu replika dari objek asli

·         Menghilangkan perulangan karakter

·         Digunakan pada data teks dan image

·         Pada saat dilakukan dekompres, perulangan karakter diinstal kembali

Standart compressing lossless yaitu:

1)      Packbits encoding (Run-length encoding)

-          Kompresi   data paling sederhana dan digunakan pada awal penggunaan kompresi.

-          Digunakan untuk kompresi image hitam-putih (binary).

-          String karakter yang berulang menempati dua byte.

-          Byte pertama berisi jumlah dari banyaknya perulangan.

-          Byte kedua berisi karakter itu sendiri.

-          Dilakukan pada satu baris (atau  scanline), dan tidak digunakan pada baris yang mempunyai jumlah scanline banyak.

-          Byte lebih besar dari pada byte image asli. Efek ini disebut  reverse compression atau negative compression.

2)      CCIT Group 3 1D

-          Berdasarkan run-length encoding,  scanline dilakukan pada pixel dari warna yang sama (hitam atau putih).

-          Hanya untuk image hitam-putih, bukan grayscale atau warna.

-          Aplikasi utama digunakan pada faksimil dan pada awal document imaging.

-          Menggunakan Huffman encoding untuk encoding pixel runlength pada CCIT Group 3 dan Group 4.

Keuntungan:

·         Sederhana pada implementasi 

·         Menjadi standar faksimil dan aplikasi document imaging

Kerugian:

·         Satu dimensi dengan code setiap baris atau garis terpisah.

·         Tanpa mekanisme untuk melindungi dari kesalahan.

3)      CCIT GRoup 3 2D

4)      CCIT Group 4

-          Dua dimensi tanpa faktor K, yaitu garis seluruhnya.

-          Garis referensi pertama adalah semua garis putih pada image
bagian atas.

-          Group pertama dari pixel (scanline) dikode yang menganggap garis putih sebagai garis referensi dari garis berikutnya.

-          Mendapatkan level kompresi yang tinggi.

5)      Lempel-Ziv and Welch aalgoruthm LZW

The Lempel-Ziv (LZ) metode kompresi adalah salah satu algoritma paling populer untuk penyimpanan lossless. mengempis adalah variasi LZ yang dioptimalkan untuk kecepatan dekompresi dan rasio kompresi, sehingga kompresi ini bisa lambat. Deflate digunakan dalam PkZip , gzip dan PNG . LZW (Lempel-Ziv-Welch) digunakan dalam gambar GIF. Juga patut diperhatikan adalah LZR (LZ-Renau) metode, yang melayani sebagai dasar dari metode Zip. metode LZ memanfaatkan model kompresi berbasis tabel di mana entri tabel diganti untuk string data yang diulang. Untuk metode yang paling LZ, tabel ini dihasilkan secara dinamis dari data sebelumnya dalam input. Tabel sendiri sering Huffman dikodekan (misalnya Shri, LZX). berdasarkan skema coding LZ arus yang baik adalah melakukan LZX , digunakan dalam Microsoft CAB format.

Yang sangat kompresor terbaik menggunakan model probabilistik, di mana prediksi yang digabungkan dengan algoritma yang disebut aritmatika coding. Arithmetic coding, diciptakan oleh Jorma Rissanen, dan berubah menjadi metode praktis oleh Witten, Neal, dan Cleary, mencapai kompresi lebih unggul dari algoritma Huffman dikenal-baik, dan cocok terutama baik untuk konteks data kompresi adaptif tugas dimana prediksi sangat- tergantung. Pengkodean aritmatika digunakan dalam standar kompresi gambar-bilevel JBIG, dan dokumen-standar kompresi DjVu . Entri teks sistem, Dasher , adalah-terbalik aritmatika-coder.