ABSTRAKSI: Dalam dunia telekomunikasi, bandwidth dan kapasitas merupakan hal yang sangat penting saat sejumlah data ditransmisikan atau disimpan. Agar efisiensi bandwidth dan kapasitas semakin tinggi maka dikembangkan teknik kompresi citra digital, yaitu meminimalkan jumlah bit citra dengan merepresentasikan data citra yang mengandung informasi sesuai dengan data sebelum terkompres.
Pada tugas akhir ini dikembangkan teknik kompresi citra dengan menggunakan arithmetic coding berbasis DWT-SVD. Arithmetic coding adalah suatu algoritma kompresi data yang merupakan pengembangan dari huffman coding, bekerja berdasarkan statistik data, yang dalam hal ini diterapkan pada block entropy encoder dari perancangan sistem. DWT (Discrete Wavelet Transform) merupakan teknik mendekomposisi data citra digital menjadi empat subband yaitu subban aproksimasi (LL), subband horizontal (LH), subband vertikal (HL), dan subband diagonal (HH). SVD adalah proses dekomposisi sebuah matriks menjadi 3 komponen matriks, yaitu matriks vektor singular kiri, matriks nilai singular, dan matriks vektor singular kanan. Sedangkan kuantisasi yang digunakan adalah kuantisasi vektor, diawali dengan melakukan pembagian terhadap data masukan menjadi vektor-vektor masukan dan dibuat pengkuantisasi yang disebut codevector. Himpunan codevector akan membentuk codebook. Hasil kuantisasi vektor adalah indeks codevector yang paling sesuai dengan vektor masukan. Penggabungan metode-metode ini menghasilkan sistem kompresi yang bersifat lossy compression. Untuk mengetahui performansi hasil proses kompresi dilakukan melalui perhitungan PSNR dan tingkat kompresi.
Berdasarkan seluruh hasil pengujian, sistem kompresi menggunakan arithmetic coding berbasis DWT-SVD memiliki performansi yang baik untuk citra tanpa noise maupun citra dengan noise. Dengan PSNR rata-rata yaitu 53,56 dB & 23,017 dB dan tingkat kompresi rata-rata yaitu 93,2198 % & 93,2186 %.Kata Kunci : kompresi citra, lossy compression, arithmetic coding, DWT, SVD, kuantisasi vektor, PSNR, tingkat kompresi.ABSTRACT: In telecommunication, bandwidth and capacity are important thing when digital image being transmitted and stored. To solve that problem, the author develop digital image compression technique to minimize the bits sum which represent the digital image which still contain information from the data before compression process.
In this final project, the author also develop a simulation of image compression using arithmetic coding based on DWT-SVD. Arithmetic coding is a algorithm of data compression which is developed from huffman coding, work based on the data statistic. DWT (Discrete Wavelet Transform) is a technique to decomposite an image into four subbands i.e. diagonal subband, horizontal subband, vertical subband, and approximation subband. SVD (Singular Value Decomposition) is a process to decomposite a matrix into three matrix components i.e. singular values, left singular vector, and right singular vector. Meanwhile quantization which is used is vector quantization, early by doing division to input data become the input vectors and made quantizator is called codevector. Gathering of Codevector will make the codebook. Result of vector quantization is codevector index most appropriate by input vector. The hybrid of these methods is a lossy compression. The performance of this system is known by count PSNR (Peak Signal to Noise Ratio) and compression level.
Based on the simulation results, compression using arithmetic coding based on DWT-SVD for real image and image with noise has a good performance. The average PSNR are 53,56 dB & 23,017 dB and the average compression level are 93,2198 % & 93,2186 %.Keyword: Image compression, lossy compression,arithmetic coding, DWT, SVD, vector quantization, PSNR, compression level.