Pencitraan Digital

BAB 2

LANDASAN TEORI

2.1 Pengertian Citra Digital

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek.

Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra yang bersifat digital.

Citra analog adalah citra yang bersifat kontinu seperti gambar pada monitor televisi,

foto sinar X, hasil CT Scan dll. Sedangkan pada citra digital adalah citra yang dapat

diolah oleh komputer( T,Sutoyo et al. 2009: 9).

Sebuah citra digital dapat mewakili oleh sebuah matriks yang terdiri dari M

kolom N baris, dimana perpotongan antara kolom dan baris disebut piksel ( piksel =

picture element), yaitu elemen terkecil dari sebuah citra. Piksel mempunyai dua

parameter, yaitu koordinat dan intensitas atau warna. Nilai yang terdapat pada

koordinat (x,y) adalah f(x,y), yaitu besar intensitas atau warna dari piksel di titik

itu.Oleh sebab itu, sebuah citra digital dapat ditulis dalam bentuk matriks berikut.

(2.1)

Berdasarkan gambaran tersebut, secara matematis citra digital dapat dituliskan

sebagai fungsi intensitas f (x,y), dimana harga x (baris) dan y (kolom) merupakan

koordinat posisi dan f(x,y) adalah nilai fungsi pada setiap titik (x,y) yang menyatakan

besar intensitas citra atau tingkat keabuan atau warna dari piksel di titik tersebut. Pada

proses digitalisasi (sampling dan kuantitas) diperoleh besar baris M dan kolom N

hingga citra membentuk matriks M x N dan jumlah tingkat keabuan piksel G (T,

Sutoyo et al.2009: 20).

Pengolahan citra digital adalah sebuah disiplin ilmu yang mempelajari hal-hal

yang berkaitan dengan perbaikan kualitas gambar (peningkatan kontras, transformasi

warna, restorasi citra), transformasi gambar (rotasi, translasi, skala, transformasi

Universitas Sumatera Utara

7

geometrik), melakukan pemilihan citra ciri (feature images) yang optimal untuk

tujuan analisis, melakukan proses penarikan informasi atau deskripsi objek atau

pengenalan objek yang terkandung pada citra, melakukan kompresi atau reduksi data

untuk tujuan penyimpanan data, transmisi data, dan waktu proses data. Input dari

pengoalahan citra adalah citra, sedangkan outputnya adalah citra hasil pengolahan (T,

Sutoyo et al.2009: 5).

2.1.1 Matriks

Matriks adalah kumpulan bilangan- bilangan yang disusun dalam larik baris dan

kolom. Umumnya matriks diberi notasi huruf kapital A,B, ...

Jika matriks A terdiri dari m baris dan n kolom (sering disebut ordo mxn), maka dapat

ditulis sebagai :

A = (2.2)

Perhatikan bahwa matriks yang terdiri dari 1 kolom sama dengan vektor (Siang, J,J.

2005: 16).

2.2 Resolusi Citra

Resolusi citra merupakan tingkat detailnya suatu citra. Semakin tinggi resolusinya

semakin tinggi pula tingkat detail dari citra tersebut (D, Putra. 2010 : 38). Menurut

T,Sutoyo et al (2009 : hal 18) ada dua jenis resolusi yang perlu diketahui, yaitu :

1. Resolusi Spasial

Resolusi spasial ini merupakan ukuran halus atau kasarnya pembagian kisi-kisi

baris dan kolom pada saat sampling.Resolusi ini dipakai untuk menentukan jumlah

pixel per satuan panjang. Biasanya satuan resolusi ini adalah dpi (dot per inchi).

Resolusi ini sangat berpengaruh pada detail dan perhitungan gambar.

2. Resolusi kecemerlangan


8

Resolusi kecemerlangan (intensitas/ brightness) atau biasanya disebut dengan

kedalaman bit/ kedalaman warna (Bit Depth) adalah ukuran halus kasarnya pembagian

tingkat gradasi warna saat dilakukan kuantisasi. Bit Depth menentukan berapa banyak

informasi warna yang tersedia untuk ditampilkan dalam setiap piksel. Semakin besar

nilanya, semakin bagus kualitas gambar yang dihasilkan dan tentu ukuran juga

semakin besar.

2.3 Citra warna (True Colour)

Setiap piksel pada citra warna mewakili warna yang merupakan kombinasi dari tiga

warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan

penyimpanan 8 bit = 1 byte, yang berarti mempunyai gradasi sebanyak 255 warna

berarti setiap piksel mempunyai kombinasi warna

sebanyak . Penyimpanan citra true color

didalam memori berbeda dengan citra grayscale. Setiap piksel dari citra grayscale 256

gradasi warna diwakili oleh 1 byte. Sedangkan 1 piksel citra true color diwakili oleh 3

byte yang masing- masing byte merepresentasikan warna merah (Red), hijau (Green),

biru (Blue) (T, Sutoyo et al.2009: 22).

2.3.1 Citra warna (24 bit)

Setiap pixel dari citra warna 24 bit diwakili dengan 24 bit sehingga total 16.777.216

variasi warna. Variasi ini sudah lebih dari cukup untuk memvisualisasikan seluruh

warna yang dapat dilihat penglihatan manusia. Penglihatan manusia dipercaya hanya

dapat membedakan hingga 10 juta warna saja.

Setiap poin informasi pixel (RGB) disimpan kedalam 1 byte data. 8 bit

pertama menyimpan nilai biru, kemudian diikuti dengan nilai hijau pada 8 bit kedua

dan 8 bit terakhir merupakan warna merah.

2.4 Format File Citra

Sebuah format file citra harus dapat menyatukan kualitas citra, ukuran file dan

kompabilitas dengan berbagai aplikasi. Format file citra standar yang digunakan saat


9

ini terdiri dari beberapa jenis. Format- format ini digunakan untuk menyimpan citra

dalam sebuah file. Setiap format memiliki karakteristik masing- masing. Ini adalah

contoh format umum, yaitu : Bitmap (.bmp), tagged image format (.tif, .tiff), Portable

Network Graphics (.png), JPEG (.jpg), dll (D, Putra. 2010 : 58).

Bahkan menurut Sutoyo,T.Mulyanto,E.et al (2009 : 25), ada dua jenis format

file citra yang sering digunakan dalam pengolahan citra, yaitu citra bitmap dan citra

vektor. Pada citra bitmap ini sering disebut juga citra raster. Citra bitmap ini

menyimpan data kode citra secara digital dan lengkap (cara penyimpanannya adalah

per piksel). Citra bitmap ini dipresentasikan dalam bentuk matriks atau dipetakan

dengan menggunakan bilangan biner atau sistem bilangan yang lain. Citra ini

memiliki kelebihan untuk memanipulasi warna, tetapi untuk mengubah objek lebih

sulit. Tampilan bitmap mampu menunjukkan kehalusan gradasi bayangan dan warna

dari sebuah gambar. Tetapi bila tampilan diperbesar maka tampilan di monitor akan

tampak pecah-pecah (kualitas citra menurun). Contoh format file citra antara lain

adalah BMP, GIFF, TIF, WPG, IMG, dll. Sedangkan pada format file citra vektor

merupakan citra vektor yang dihasilkan dari perhitungan matematis dan tidak terdapat

piksel, yaitu data yang tersimpan dalam bentuk vektor posisi, dimana yang tersimpan

hanya informasi vektor posisi dengan bentuk sebuah fungsi. Pada citra vektor,

mengubah warna lebih sulit dilakukan, tetapi membentuk objek dengan cara

mengubah nilai lebih mudah. Oleh karena itu, bila citra diperbesar atau diperkecil,

kualitas citra relatif tetap baik dan tidak berubah. Citra vektor biasanya dibuat

menggunakan aplikasi- aplikasi citra vektor seperti CorelDRAW, Adobe Illustrator,

Macromedia Freehand, Autocad, dll.

2.4.1 Format File Bitmap

File format BMP bisa disebut juga bitmap atau format file DIB (untuk perangkat

independen bitmap), adalah sebuah file gambar format yang digunakan untuk

menyimpan gambar digital bitmap, terutama pada Microsoft Windows dan OS / 2

sistem operasi. Banyak pengguna antarmuka grafis menggunakan bitmap dalam

membangun subsistem grafis, misalnya Microsoft Windows dan OS / 2 platforms

GDI subsistem, dimana format tertentu yang digunakan adalah Windows dan OS / 2


10

format file bitmap, biasanya ekstensi file .BMP atau .DIB. Adapun struktur file .BMP

adalah sebagai berikut :

Tabel 2.1 BMP File Header

Offset didefinisikan byte ke (yang dimulai dari angka 0), sedangkan size

merupakan ukuran dari panjang byte. Dimana dengan byte ke 0 ukuran panjang 2

byte dispesifikasikan dengan nama tipe file yang diindikasikan berupa kode ASCII

BM. Pada byte ke- 2 dengan ukuran panjang 4 byte, nama spesifikasinya bitmap file

size yang berupa ukuran dari file dalam bentuk bytes.Untuk byte ke 6 dan 8 yang

ukurannya 2 byte berupa field cadangan di set 0. Pada byte ke 10 ukurannya 4 byte

yang merupakan spesifikasi dari struktur bitmap file header ke bit bitmap, dimana file

gambar dimulai pada tahap ini. Byte ke 14, panjangnya 4 byte dengan spesifikasi

nama bitmap size yang mempunyai ukuran header 40 bytes. Byte ke 18 dengan

panjang 4 bytes merupakan lebar gambar dalam satuan pixel, serta byte ke 22 dengan

panjang 4 bytes merupakan tinggi gambar dalam satuan pixel. Untuk byte ke 26

dengan panjang 2 bytes merupakan bitmap planes dengan sejumlah planes (umumnya

1). Pada byte ke 28 dengan panjang 2 byte merupakan jumlah bit per pixel : 1, 4, 8,

atau 24. Dan untuk byte ke 30 dengan panjang 4 byte yang merupakan tipe

kompresi.


11

Gambar 2.1 Sturuktur File BMP

Pada 1 14 bytes pertama disebut File header yang merupakan tempat

penyimpanan informasi umum tentang file gambar bitmap. Untuk 15 54 bytes

berikutnya disebut info header, dimana pada blok ini berisi tentang informasi secara

detail tentang gmabar bitmapnya. Dan pada 55 byte seterusnya berupa data / pixel dan

padding yang merupakan isi dari gambar bitmap.

2.5 Kompresi Citra

Kompresi citra adalah proses pemampatan citra yang bertujuan untuk mengurangi

duplikasi data pada citra sehingga memory yang digunakan untuk merepresentasikan

citra menjadi lebih sedikit daripada representasi citra semula.

Menurut Sutoyo,T.Mulyanto,E.et al (2009 : 166) secara garis besar terdapat 2

penggolongan teknik yang dapat dilakukan dalam melakukan kompresi citra, yaitu :

1. Lossless Compression merupakan kompresi citra dimana hasil dekompresi dari

citra yang terkompresi sama dengan citra aslinya, tidak ada informasi yang

hilang. Untuk ratio kompresi citra metode ini sangat rendah.

2. Lossy Compression merupakan kompresi citra dimana hasil dekompresi dari

citra yang terkompresi tidak sama dengan citra aslinya, artinya bahwa ada


12

informasi yang hilang, tetapi masih bisa ditolerir oleh persepsi mata. Metode

ini menghasilkan ratio kompresi yang lebih tinggi dari pada metode lossless.

Ada faktor mengapa citra sangat tepat dilakukan proses kompresi agar tidak

terjadi korelasi yang signifikan antara pixel dengan pixel tetangga. Dan biasanya

korelasi ini disebut dengan korelasi spasial. Dari faktor inilah muncul data berlebihan

(Redudancy).

Kompresi data dicapai dengan mengurangi redudancy (kelebihan data) tapi ini

juga membuat data kurang dapat diandalkan, lebih rentan terhadap kesalahan.

Membuat data yang lebih handal, disisi lain dilakukan dengan menambahkan bit cek

dan bit paritas, sebuah proses yang meningkatkan ukuran kode (D, Salomon, 2004).

Menurut D, Putra (2010 :269) proses kompresi bisa dapat mengakibatkan

terjadinya kehilangan informasi pada citra hasil. Oleh karena itu dibutuhkan suatu

kriteria untuk mengukur kebenaran hasil kompresi yang sering disebut fidelity

criteria. Ada dua jenis kriteria yang digunakan untuk mengukur kebenaran hasil

kompresi yaitu :

1. Kriteria Kebenaran Subjektif

Kriteria ini dilakukan dengan melakukan penilaian terhadap citra hasil

kompresi dengan menanyakan secara langsung kepada orang- orang tentang

kualitas hasil kompresi.Biasanya penilaian dilakukan dengan membandingkan

citra hasil dengan citra asli, kemudian dibuat skala penilaian dimana setiap

skala berkaitan dengan kualitas sesuai pada tabel dibawah ini :

Skala Kebaikan Nilai

Sangat baik 5

Baik 4

Sedang 3

Buruk 2

Sangat Buruk 1


13

2. Kriteria Kebenaran objektif

Pengukuran hasil proses kompresi dilakukan secara pendekatan matematika.

Pendekatan yang digunakan adalah dengan menggunakan program aplikasi

MD5SUM dan DIFF yang berguna untuk mencari perbedaan dua buah file.

MD5SUM adalah program komputer yang menghitung dan memverifikasi 128

bit Hash MD5. Hash MD5 (checksum) berfungsi sebagai sidik jari digital

kompak dari sebuah file. DIFF adalah program komputer yang berfungsi untuk

menemukan perbedaan antara dua buah file. DIFF membandingkan isi dari dua

buah file dari file ke file.

2.6 Parameter analisis perbandingan

Untuk memperkecil ukuran citra tetapi dengan kualitas yang sama menggunakan

metode RLE dengan perhitungan by repetitions, maka diperlukan beberapa parameter

untuk meminimalisasikan ukuran dari gambar yang akan dikompresi diantaranya ada

rasio kompresi citra serta waktu kompresi dan dekompresi.

2.6.1 Rasio Kompresi Citra

Rasio citra kompresi adalah ukuran persentase citra yang telah berhasil dimampatkan.

Secara matematis rasio pemampatan citra dituliskan sebagai berikut

Compression ratio =( 1 - ) 100% (2.3)

2.6.2 Kriteria Kompresi

Kriteria yang umum digunakan untuk kompresi adalah

2.6.2.1 Waktu Kompresi dan Dekompresi

Kompresi adalah proses mengkodekan citra (encode) sehingga diperoleh citra dengan

representasi kebutuhan memori yang minimum. Sedangkan proses dekompresi adalah


14

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) (T, Sutoyo et al.2009: 166).

2.6.2.2 Kebutuhan Memori

Metode kompresi yang baik adalah metode kompresi yang mampu mengompresi file

menjadi ukuran yang paling minimal. Algoritma pemampatan yang baik akan

menghasilkan memori yang dibutuhkan untuk menyimpan hasil kompresi yang

berkurang secara berarti. Biasanya semakin besar persentase pemampatan makin kecil

kebutuhan memori yang diperlukan sehingga kualitas citra makin kurang. Dan

sebaliknya, makin kecil persentasenya citra yang dimampatkan makin bagus kualitas

hasil pemampatan tersebut.

2.6.2.3 Kualitas Pemampatan

Metode kompresi yang baik adalah metode kompresi yang mampu mengembalikan

citra hasil kompresi menjadi citra semula tanpa kehilangan informasi apapun.

Kalaupun ada informasi yang hilang akibat pemampatan, sebaiknya hal itu ditekan

seminimal mungkin. Semakin berkualitas hasil pemampatan, semakin besar memori

yang dibutuhkan. Sebaliknya, semakin jelek kualitas citra hasil pemampatan makin

kecil kebutuhan memori yang harus disediakan.

Kualitas citra hasil pemampatan dapat diukur secara kuantitatif menggunakan

besaran PSNR (Peak Signal to Noise Ratio). Semakin besar nilai PSNR maka citra

hasil pemampatan semakin mendekati citra aslinya, dengan kata lain semakin bagus

kualitas citra hasil pemampatan tersebut. Sebaliknya, semakin kecil nilai PSNR

semakin jelek kualitas citra hasil pemampatan. Rumus untuk menghitung PSNR

adalah sebagai berikut :

(2.4)


15

Dimana MAX adalah nilai intensitas terbesar. Nilai MSE dihitung dengan

persamaan berikut :

Dalam hal ini, m dan n masing masing adalah lebar dan tinggi citra, I dan K

masing masing adalah nilai intensitas baris ke i dan kolom ke j dari citra hasil

pemampatan dan citra sebelum dimampatkan.PSNR mempunyai satuan decibel (dB).

Namun, ketika 2 (dua) buah citra identic, maka MSE akan bernilai 0, sehingga nilai

dari PSNR tidak dapat didefenisikan.

2.6.2.4 Format Keluaran

Format citra hasil kompresi yang baik adalah format citra yang cocok dengan

kebutuhan pengiriman dan penyimpanan.

2.7 Pendekatan Pada Proses Kompresi

Ada beberapa pendekatan pada proses kompresi diantaranya adalah

1. Pendekatan statistik

Pendekatan statistik yaitu pendekatan dengan menggunakan kompresi citra

yang didasarkan pada frekuensi kemunculan derajat keabuan pixel di dalam

seluruh bagian citra.Contoh metode yang menggunakan pendekatan statistic

yaitu Huffman Coding, Aritmatik dll.

2. Pendekatan Ruang

Pendekatan ruang yaitu pendekatan dengan menggunakan kompresi citra yang

didasarkan pada hubungan special antara pixel pixel didalam suatu kelompok

yang memiliki derajat keabuan yang sama didalam suatu daerah di dalam citra.

Contoh yang menggunakan pendekatan ruang yaitu Run Length Encoding.

3. Pendekatan Kuantisasi


16

Pendekatan kuantisasi yaitu pendekatan dengan menggunakan kompresi citra

yang didasarkan dengan mengurangi jumlah derajat keabuan yang tersedia.

Contoh metode yang menggunakan pendekatan kuantisasi yaitu metoe

kompresi kuantisasi.

4. Pendekatan Fraktal

Pendekatan fractal yaitu pendekatan dengan menggunakan kompresi citra yang

didasarkan pada kenyataan bahwa kemiripan bagian bagian didalam citra

dapat di eksploitasi dengan suatu matriks transformasi. Contoh metode yang

menggunakan pendekatan fractal adalah Fractal Image Compression.

2.8 Run Length Encoding (RLE)

RLE (Run Length Encoding) adalah kompresi umum yang digunakan untuk data

grafis (citra). Kompresi citra ini menggunakan RLE berdasarkan pada pengamatan

bahwa suatu pixel dalam suatu citra akan memiliki nilai yang cenderung sama dengan

nilai pixel tetangganya. Gambar digital terdiri dari titik-titik kecil yang disebut

pixel.setiap pixel dapat berupa satu bit, menunjukkan bahwa sebuah titik hitam atau

putih, atau beberapa bit, serta menunjukkan salah satu dari beberapa warna atau abu-

abu.

kita asumsikan bahwa pixel disimpan dalam sebuah array yang disebut bitmap

dalam memori, sehingga bitmap adalah input stream untuk foto tersebut. Pixel

biasanya diatur dalam bitmap yang berada didalam scan lines, sehingga pixel bitmap

pertama adalah titik di sudut kiri atas gambar, dan pixel terakhir adalah salah satu di

sudut kanan bawah. Mengompresi gambar menggunakan RLE didasarkan pada

pengamatan bahwa jika kita memilih pixel dalam gambar secara acak, ada kesempatan

baik bahwa tetangga akan memiliki warna yang sama. Sehingga compressor scan baris

demi baris bitmap, mencari warna yang sama. ukuran aliran dikompresi tergantung

pada kompleksitas gambar. Secara lebih detail, semakin buruk kompresi (D, Salomon,

2004).

Metode yang disebut RLE memberikan hasil terbaiknya apabila data yang

dikompresi tersusun atas rangkaian rangkaian panjang bit dengan nilai yang sama.

Memang, run length encoding adalah suatu proses mengganti rangkaian bit semacam

itu dengan suatu kode yang mengindikasikan nilai apa yang berulang dan berapa kali


17

pengulangan itu terjadi. Sebagai contoh, lebih sedikit ruang yang dibutuhkan untuk

menginformasikan bahwa suatu pola bit tersusun atas 253 bit 1, diikuti 118 bit 0,

diikuti 87 bit 1 dari pada yang dibutuhkan untuk menguraikan satu persatu seluruh

458 bit tersebut. Dalam beberapa kasus informasi yang akan diolah tersusun atas blok-

blok data, dimana masing- masing blok hanya sedikit berbeda dari blok yang muncul

sebelumnya (Brookshear, J,G, 2003).

RLE juga dapat digunakan untuk melakukan kompresi pada citra grayscale.

Setiap deret pixel dengan intensitas yang sama akan dikompres menjadi sepasang nilai

yang masing- masing mewakili banyaknya nilai pixel yang sama dan kemudian diikuti

dengan nilai pixelnya. Berikut diberikan suatu citra grayscale 8 bit dengan nilai

sebagai berikut.

12,12,12,12,12,12,12,12,12,12,35,76,112,87,87,87,87,5,5,5,5,5,5,1,...

Hasil kompresinya menjadi :

10, 12, 35, 76, 112, 4, 87, 6, 5, 1,...

Catatan : nomor dengan garis bawah menyatakan banyaknya pixel dengan nilai

ditunjukkan oleh nomor berikutnya.

Tentu resolusi dari citra bitmap yang akan dikompresi harus disimpan dan

biasanya dilakukan pada awal output. Ukuran dari hasil kompresi tergantung dari

kompleksitas citra. Semakin heterogen (detail) citra yang akan dikompresi maka

makin jelek hasil kompresinya, demikian pula bila semakin homogen citra yang

dikompresi maka hasil kompresi akan lebih baik.

Permasalahan dari RLE adalah untuk membedakan angka yang menyatakan

banyaknya nilai suatu pixel dengan nilai itu sendiri.Beberapa langkah yang sering

ditempuh untuk menyelesaikan masalah diatas sebagai berikut.

1. Jika citra grayscale memiliki nilai maksimum 128 bit maka 1 bit pada setiap

byte dapat digunakan untuk membedakan byte nilai grayscale atau nilai yang

menyatakan jumlah.

2. Jika citra grayscale dengan nilai maksimum 256, maka nilai tersebut dapat

dikurangi menjadi 255 dengan 1 nilai disiapkan sebagai penanda. Misalkan

saja nilai penanda tersebut adalah 255, maka deret diatas menjadi :

255, 10, 12, 35, 76, 112, 255, 4, 87, 255, 6, 5, 1,...

3. Solusi ketiga adalah 1 bit dari setiap byte disiapkan sebagai penunjuk byte

tersebut merupakan nilai intensitas atau banyaknya pixel. Namun pada solusi


18

ini 1 bit ekstra tersebut disisipkan kedalam deret 8 bit. Deret bit ekstra tersebut

kemudian diikuti atau didahului oleh nilai- nilai yang menyatakan intensitas

dan banyaknya pixel. Contoh :

[10], 12, 35, 76, 112, [4], 87, [6], 5, 1,...

[10000101], 10, 12, 35, 76, 112, 4, 87, 6, [100...], 5, 1,...

Ukuran total dari bit ekstra adalah 1/8 dari total output. Sehingga terjadi

peningkatan dari hasil kompresi sebelumnya sejumlah 12,5%.

4. Solusi keempat adalah menggunakan nilai negatif dari selisih antara nilai

intensitas dan banyaknya pixel yang ditempatkan setelah deretan intensitas dan

banyaknya pixel.

Contoh :

[10], 12,35, 76,...

[10], 12, -2, 35, 76, ...

Pada citra berwarna Red Green Blue (RGB), teknik kompresi RLE diatas dapat

dilakukan secara terpisah pada masing- masing komponen ruang warna (R, G, dan B)

(D, Putra. 2010 : 285).

Run Length Encoding adalah algoritma kompresi yang didukung oleh format

file bitmap, seperti TIFF, BMP, dan PCX. RLE cocok untuk mengkompresi semua

jenis data, tetapi isi data akan mempengaruhi rasio kompresi yang dicapai oleh RLE.

Meskipun algoritma RLE tidak dapat mencapai rasio kompresi yang tinggi dari

metode yang lebih maju, RLE sangat mudah dan baik untuk menerapkan dengan cepat

untuk mengeksekusi, membuatnya menjadi alternatif yang baik untuk menggunakan

algoritma kompresi yang kompleks. RLE bekerja dengan mengurangi ukuran fisik

dari string karakter yang berulang. String ini berulang, biasanya dikodekan menjadi

dua byte. Byte pertama merupakan jumlah karakter dalam menjalankan dan disebut

run count. Dalam praktek,suatu kode dijalankan dapat berisi 1 -128 atau 256 karakter,

hitungan berjalan biasanya berisi sebagai jumlah karakter minus satu (nilai dikisarkan

dari 0 sampai 127 atau 255). Byte kedua adalah nilai dari karakter dalam jangka, yang

dikisarkan dari 0 sampai 255 dan disebut run value.


19

Terkompresi, karakter menjalankan 15 sebuah karakter biasanya membutuhkan 15

byte untuk menyimpan :

AAAAAAAAAAAAAAA

String yang sama setelah pengkodean RLE hanya memerlukan dua byte :

15A

Kode 15A dihasilkan untuk mewakili karakter string yang disebut paket

RLE.Disini, byte pertama 15 adalah run count dan berisi jumlah pengulangan. Byte

kedua A, adalah run value dan berisi nilai berulang yang dijalankan. Sebuah paket

baru dihasilkan setiap kali perubahan karakter berjalan, atau setiap kali jumlah

karakter dalam menjalankan hitungan maksimum. Asumsikan bahwa 15 karakter

string kita sekarang berisi empat karakter yang berbeda sedang berjalan.

AAAAAAbbbXXXXXt

Menggunakan RLE ini dapat dikompresi menjadi empat 2-byte paket :

6A3b5X1t

Jadi setelah RLE, string 15 byte akan membutuhkan hanya delapan byte data

untuk mewakili string, yang bertentangan dengan 15 byte asli. Dalam hal ini, RLE

menghasilkan rasio kompresi hampir 2 sampai 1.

Yang merupakan juga salah satu algoritma kompresi data yang memanfaatkan

karakter- karakter berulang secara berurutan pada data yaitu dengan mengkodekan

sebuah string yang terdiri dari jumlah perulangan karakter yang terjadi, diikuti dengan

sebuah karakter yang berulang tersebut. Dengan demikian, keberhasilan algoritma

RLE ini ditentukan oleh banyaknya karakter yang berulang.

1. By Repititions

Pilihan lain untuk mengurangi effort coding karakter kontrol pada data asli

ialah menterjemahkan dua simbol identic yang diikuti oleh symbol lainnya

sebagai indentificator ketika dijalankan.

Uncoded Code

cde cde

cdde cdd0e

cddde cdd1e

cdddde cdd2e

cddddde cdd3e


20

Menurut metode ini kompresi akan selalu memburuk setiap kali

pasangan dua simbol yang identik muncul. Hal ini sering terjadi dalam

kasus data asli (tt, ss, nn, dll) atau jenis tertentu dalam data grafis (pola).

Jadi masalah ini akan menjadi kekurangan dari pemilihan yang harus

dihindari secara efektif.

2.9 Varian dari RLE

Ada sejumlah varian run-length encoding. Data citra biasanya run-length encoded

dalam proses sekuensial yang memperlakukan data gambar sebagai aliran 1D, bukan

sebagai peta 2D data. Dalam pengolahan sekuensial, bitmap dikodekan mulai di sudut

kiri atas dan melanjutkan dari kiri ke kanan di setiap garis pindai (sumbu X) ke sudut

kanan bawah bitmap (ditunjukkan dalam Gambar 9-2, a). Tapi skema RLE alternatif

juga dapat ditulis untuk menyandikan data di sepanjang bitmap (sumbu Y) sepanjang

kolom (ditunjukkan dalam Gambar 9-2, b), untuk menyandikan bitmap menjadi

keramik 2D (ditunjukkan dalam Gambar 9-2 , c), atau bahkan untuk mengkodekan

piksel pada diagonal secara zig-zag (ditunjukkan dalam Gambar 9-2, d). RLE varian

aneh seperti yang terakhir ini mungkin digunakan dalam aplikasi yang sangat khusus

namun biasanya cukup langka.


21

Gbr. Varian A

Gbr. Varian B

Gbr. Varian C

Gbr. Varian D

Gambar 2.2Varian RLE

2.10 Bahasa Pemrograman C

Akar dari bahasa C adalah dari bahasa BCPL yang dikembangkan oleh Martin

Richards pada tahun 1967. Bahasa ini memberikan ide kepada Ken Thompson yang

kemudian mengembangkan bahasa yang disebut dengan B pada tahun 1970.

Perkembangan selanjutnya dari bahasa B adalah bahasa C oleh Dennis Ricthie sekitar

tahun 1970-an di Bell Telephone Laboratories Inc (sekarang adalah AT&T Bell

Laboratories). Bahasa C pertama kali digunakan di komputer Digital Equipment

Corporation PDP-11 yang menggunakan sistem operasi UNIX.


22

C adalah bahasa yang standar, artinya suatu program yang ditulis dengan versi

bahasa C tertentu akan dapat dikompilasi dengan versi bahasa C yang lain dengan

sedikit modifikasi. Standar bahasa C yang asli adalah standar dari UNIX. Patokan dari

standar UNIX ini diambilkan dari buku yang ditulis oleh Brian Kerninghan dan

Dennis Ritchie berjudul The C Programming Language, diterbitkan oleh Prentice-

Hall tahun 1978. Deskripsi C dari Kerninghan dan Ritchie ini kemudian dikenal

secara umum sebagai K & R C .

Kepopuleran bahasa C membuat versi- versi dari bahasa ini banyak dibuat

untuk komputer mikro. Untuk membuat versi- versi tersebut standar ANSI (American

National Standar Institute) membentuk suatu komite (ANSI committe X3J11) pada

tahun 1983 yang kemudian menetapkan standar ANSI untuk bahasa C. Standar ANSI

ini didasarkan dari standar UNIX yang diperluas. Standar ANSI menetapkan sebanyak

32 buah kata- kata kunci (keywords) standar. Versi- versi bahasa C yang menyediakan

paling tidak 32 kata- kata kunci ini dengan syntak yang sesuai dengan yang ditentukan

oleh standar, maka dapat dikatakan mengikuti standar ANSI. Ke 32 kata- kata kunci

ini adalah auto, break, case, char, const, continue, default, do, double, else,enum,

extern, float, for, goto, if, int, long, register, return, short, signed, sizeof, static, struct,

switch, typedef, union, unsigned, void, volatile, dan while.

Contoh versi bahasa C yang mengikuti standar ANSI adalah bahasa Turbo C

oleh Borland International.Turbo C menyediakan 39 kata kunci, diantaranya 32 buah

mengikuti standar ANSI. Selain Turbo C, versi bahasa C lainnya yang populer di

komputer mikro adalah Microsoft C, Microsoft Quick C dan Watcom C.

Ada beberapa alasan mengapa menggunakan bahasa C diantaranya adalah

1. Bahasa C tersedia hampir di semua jenis komputer

Bahasa C merupakan bahasa komputer yang tersedia baik di komputer mikro,

mini maupun komputer besar (mainframe computer).

2. Kode bahasa C sifatnya adalah portable.

Aplikasi yang ditulis dengan bahasa C untuk suatu komputer tertentu dapat

digunakan di komputer lain hanya dengan modifikasi yang sedikit saja.

3. Bahasa C menyediakan sedikit kata- kata kuci

Telah disebutkan bahwa bahasa C standar ANSI hanya menyaratkan sebanyak

32 kata- kata kunci saja dan Turbo C hanya menyediakan 39 kata kunci.

Bandingkanlah dengan bahasa- bahasa yang lain yang menyediakan ratusan


23

kata- kata kunci. Semakin sedikit kata- kata kunci yang digunakan di suatu

bahasa, semakin mudah bagi pemakai untuk mempelajari dan menggunakan

bahasa tersebut. Dengan menyediakan sedikit kata- kata kunci ini, bukan

berarti bahasa C menjadi kurang handal dibandingkan dengan bahasa- bahasa

lainnya yang menyediakan lebih banyak kata- kata kunci. Kehandalan dari

bahasa C dicapai dengan cara yang lain, yaitu dengan fungsi- funsi pustaka.

4. Proses executable program bahasa C lebih cepat.

Karena philosopi dari bahasa C yang menyediakan sedikit kata- kata kunci,

maka konsekuensinya program hasil dari kompilasi bahasa C relatif akan lebih

cepat prosesnya dibandingkan dengan bahasa lain.

5. Dukungan pustaka yang banyak

Telah disebutkan bahwa kehandalan bahasa C dicapai dengan fungsi- fungsi

pustakanya. Fungsi- fungsi pustaka ini disediakan oleh versi- versi bahasa C

masing- masing atau dapat dibeli dari sumber yang lain. Ribuan fungsi- fungsi

pustaka C telah tersedia di pasaran sampai sekarang, mulai dari fungsi- fungsi

pustaka yang sederhana sampai dengan yang rumit, misalnya fungsi pustaka

untuk membuat indeks dari file database menggunakan metode B+ tree seperti

yang digunakan di dBASE. Dengan demikian, seorang programmer bahasa C

tidak perlu membuat fungsi- fungsi yang rumit, tetapi seorang pemrograman C

dapat membeli fungsi- fungsi pustaka dan menggabungkannya kedalam

program yang dibuat. Seringkali fungsi- fungsi pustaka ini disebut tools (alat-

alat). Fungsi- fungsi pustaka atau tools ini kemudian dapat disimpan disuatu

file tertentu sebagai suatu pustaka (library) yang kemudian sering disebut juga

dengan istilah kotak alat (tool-box).

6. C adalah bahasa yang terstruktur

Bahasa C mempunyai struktur yang baik sehingga mudah untuk dipahami.C

disebut dengan bahasa yang terstruktur karena menggunakan fungsi- fungsi

sebagai program- program bagiannya. Struktur bahasa yang baik, selain mudah

dipelajari juga memudahkan dalam pembuatan program, memudahkan

pelacakan kesalahan program dan akan menghasilkan dokumentasi program

yang baik.

7. Selain bahasa tingkat tinggi, C juga dianggap sebagai bahasa tingkat

menengah


24

Pada awalnya, bahasa C sudah digunakan untuk membuat program- program

perangkat lunak sistem.Yang termasuk program- program perangkat lunak

sistem diantaranya adalah sistem operasi, interpreter, kompiler, bahasa perakit,

bahasa pemrograman dan DBMS (Database Management System). Sistem

operasi UNIX ditulis dengan bahasa C. DBMS dbase juga ditulis dengan

bahasa C. Untuk mempunyai kemampuan seperti ini, bahasa C

menggabungkan kemampuan bahasa tingkat tinggi (high level language)

dengan bahasa tingkat rendah (low level language) dengan hasilnya adalah

bahasa tingkat menengah. Sebagai bahasa tingkat menengah, C menyediakan

kemampuan seperti yang disediakan oleh perkait untuk operasi- operasi bit,

byte, alamat- alamat memory, register, BIOS (Basic Input Output System),

DOS (Disk Operating System), dan lain sebagainya.

8. Bahasa C adalah kompiler

Karena bahasa C sifatnya adalah kompiler, maka akan menghasilkan

executable program yang banyak dibutuhkan oleh program- program

komersial. Program- program yang akan dijual dipasar, biasanya dalam bentuk

executable program supaya prosesnya dapat lebih cepat dan program sudah

dalam bentuk bahasa mesin yang tidak dapat dilihat kode program sumbernya

(Hartono,J. 2003 : hal 1).

Untuk membuat suatu data menjadi lebih kecil dibanding aslinya perlu adanya

tahapan (algoritma) untuk mengolah data tersebut. Menurut Thomas H. Cormen (2001

:2) algoritma adalah suatu prosedur komputasi yang didefinisikan secara baik,

membutuhkan sebuah atau sekumpulan nilai sebagai input, dan menghasilkan sebuah

atau sekumpulan output.

2.11 UML (Unified Modeling Language)

UML adalah sebuah bahasa yang telah menjadi standar dalam industry untuk

visualisasi, merancang dan mendokumentasikan sistem piranti lunak.Abstraksi konsep

dasar UML yang terdiri dari structural classification, dynamic behavior, dan model

management. Ada beberapa diagram yang akan dipakai pada sistem yang dibuat, yaitu

usecase diagram dan activity diagram.


25

2.11.1 Use case Diagram

Diagram yang menggambarkan interaksi antara sistem dengan sistem eksternal dan

pengguna. Dengan kata lain, secara grafis menggambarkan siapa yang akan

menggunakan sistem dan dengan cara apa pengguna mengharapkan untuk berinteraksi

dengan sistem. Pemodelan ini mengidentifikasi dan menggambarkan fungsi- fungsi

sistem dengan menggunakan alat yang disebut use case. Use case merupakan suatu

scenario dimana didalamnya terdapat symbol use case , actor dan relationship.

Use case diawali atau dipicu oleh pengguna eksternal yang dinamakan

actor/pelaku.Pelaku menginisiasi kegiatan sistem,yakni sebuah use case. Dengan kata

lain actor bertugas melakukan segala sesuatu untuk berinteraksi dengan sistem sebagai

pertukaran informasi. Untuk symbol use case sebagai urutan langkah langkah yang

secara tindakan saling terkait, baik terotomatisasi maupun secara manual sebagai

pelengkap. Dan untuk relationship uses atau include biasanya satu atau lebih use case

yang melakukan berbagai langkah fungsionalitas yang identic.

2.11.2 Activity Diagram

Activity diagrams menggambarkan berbagai alir aktivitas dalam sistem yang sedang

dirancang, bagaimana masing masing alir berawal, decision yang mungkin terjadi,

dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses

parallel yang mungkin terjadi pada beberapa eksekusi.

Activity diagram merupakan state khusus, dimana sebagian besar state adalah

action dan sebagian besar transisi di-trigger oleh state sebelumnya (internal

processing). Oleh karena itu activity diagram tidak menggambarkan behavior internal

sebuah sistem (dan internal antar subsistem) secara eksak, tetapi lebih

menggambarkan proses proses dan jalur jalur aktivitas dari level atas secara

umum.


26

2.12 Teknik Pengambilan Sample

Untuk kebutuhan penelitian ini, peneliti akan mengambil sample gambar berformat

.BMP dan .RLE dari beberapa orang dengan menggunakan metode Simple Random

Sampling. Berdasarkan Roscoe (1975) dikatakan bahwa ukuran sample yang layak

dan baik digunakan dalam penelitian ini adalah antara 30 sampai dengan 500. Untuk

itu, jumlah sample yang digunakan pada penelitian ini berjumlah 30 orang.


Documents

Pencitraan Digital