ABSTRAKSI: Kebutuhan akan file multimedia, seperti video, dalam ukuran dan jumlah yang besar, membutuhkan ruang penyimpanan yang besar pula. Oleh karena itu, dibutuhkan sebuah metode kompresi agar menghasilkan rasio kompresi yang cukup besar namun tidak mengurangi kualitas video tersebut serta memiliki waktu kompresi yang cepat. Video merupakan kumpulan frame-frame. Kemiripan dari dua buah frame yang berurutan menghasilkan redundansi temporal. New Oriented Adaptive Cross Search (OACS) pada Motion Estimation adalah salah satu metode kompresi interframe yang mampu mereduksi redundansi temporal dari sebuah video.
Frame referensi (I-frame) mengandung seluruh informasi citra. Korelasi antara piksel dengan piksel di sekitarnya menghasilkan redundansi spasial sehingga diperlukan sebuah metode kompresi intraframe yang dapat mengeksploitasi korelasi antar piksel di dalam sebuah frame. Metode yang memanfaatkan redundansi spasial dalam sebuah frame adalah transformasi wavelet dan kuantisasi vektor.
Tugas akhir ini mengimplementasikan penggunaan OACS pada Motion Estimation sebagai metode kompresi interframe dan transformasi wavelet dengan kuantisasi vektor sebagai metode kompresi intraframe pada sistem kompresi video. Parameter performansi sistem berupa rasio kompresi, Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR), waktu kompresi dan Mean Opinion Score (MOS). Performansi sistem diamati berdasarkan pengaruh dari variabel masukan berupa level dekomposisi wavelet, jumlah vektor di dalam klaster, dan ukuran makroblok yang digunakan pada OACS pada Motion Estimation.
Hasil pengujian sistem kompresi menunjukkan bahwa kenaikan level dekomposisi sebanding dengan kenaikan rasio kompresi dan MSE, namun semakin menurunnya nilai PSNR. Kenaikan jumlah vektor di dalam klaster juga sebanding dengan kenaikan rasio kompresi dan MSE, namun semakin menurunnya nilai PSNR. Dan penggunaan ukuran makroblok yang semakin besar akan mengakibatkan semakin besarnya rasio kompresi dan MSE, namun semakin menurunnya nilai PSNR. Waktu kompresi tercepat didapat pada ukuran makroblok yang lebih besar. Waktu kompresi yang didapat lebih cepat dari ARPS dan NCDS pada pemodelan yang sama. Penggunaan klasterisasi dengan algoritma genetika dan penggunaan algoritma adaptive block matching lain selain algoritma OACS juga disarankan pada tugas akhir ini untuk mendapatkan nilai performansi yang lebih optimal.
Kata Kunci : kompresi video, transformasi wavelet, kuatisasi vector, New Oriented Adaptive Cross SearchABSTRACT: The necessity of multimedia’s files in large numbers and size, such as video, needs large memories too. Therefore, a compression method is needed to get quite high compression ratio but not to decrease the quality significantly and have a minimum of time compression. Video is a group of frames. Similarity between two successive frames results a temporal redundancy. New Oriented Adaptive Cross Search (OACS) in Motion Estimation is an interframe compression method which can reduce the temporal redundancy in the video.
The reference frame (I-frame) contains entire information of an image. Correlation between pixel with the others around results a spatial redundancy so intraframe compression method is needed to exploits that correlation in a frame. A method which exploits spatial redundancy in a frame is wavelet transformation and vector quantization.
This final task will implement OACS in Motion Estimation as interframe compression method and wavelet transformation with vector quantization as intraframe compression method in a video compression’s system. The performance’s parameters of system are ratio of compression, Mean Squared Error (MSE), Peak Signal to Noise Ratio (PSNR), time compression and Mean Opinion Score (MOS). The performance is analyzed based on input variables such as decomposition level of wavelet, numbers of vector in a cluster, and size of macro blocks that are used at OACS in Motion Estimation.
The system’s testing results show that increasing of decomposition level will be proportional with increasing of compression’s ratio and MSE, but it will decreasing the values of PSNR. The greater number of vectors in a cluster will result the greater compression’s ratio and MSE, but it will decrease the value of PSNR. And the greater macro blocks size will result the greater compression’s ratio and MSE, but it will decrease the value of PSNR. Fastest time compressions are gotten in higher macro blocks size. Time compressions that are gotten are faster than ARPS an NCDS in same modeling. The usage of clustering with genetic algorithm and the usage of adaptive block matching algorithm besides OACS are suggested on this final task to get performance of the system that more optimal.Keyword: video compression, wavelet transformation, vector quantization, New Oriented Adaptive Cross Search