ABSTRAKSI: Kebutuhan terhadap media penyimpanan dan bandwidth yang besar menjadi sebuah isu yang sangat penting pada saat sejumlah data citra digital disimpan atau ditransmisikan. Untuk mengatasi hal tersebut dapat dilakukan dengan mengkompresi citra digital sebelum disimpan atau ditransmisikan, dan melakukan dekompresi terhadap data terkompresi pada saat ditampilkan kembali atau setelah transmisi dilakukan.
Pada tugas akhir ini dikembangkan suatu aplikasi kompresi citra yang memakai algoritma fuzzy untuk pembelajaran kuantisasi vektor pada metode kompresi yang berbasis transformasi wavelet dan DCT (Discrete Cosine Transform). Sehingga dengan adanya pembelajaran pada saat kuantisasi vektor didapatkan citra terkompresi yang lebih baik dengan rasio kompresi yang lebih tinggi.
Dilihat dari analisis yang telah dilakukan ternyata nilai MSE (Mean Sequare Error) dan PSNR (Peak Signal to Noise Ratio) dari penerapan algoritma fuzzy pada saat kuantisasi vektor, lebih baik dari pada nilai MSE dan PSNR yang dihasilkan oleh metode yang biasanya diapakai yaitu LBG. Selain itu rasio yang dihasilkan oleh penerapan algoritma fuzzy juga lebih baik (lebih besar) pada tingkat kesalahan atau MSE yang sama.
Kata Kunci : kompresi citra, Discrete Cosine Transform (DCT), transformasi wavelet, FALVQ, kuantisasi vektor.ABSTRACT: Consumption of media storage and bandwith are now become big issues in digital image data transmission and storage, to reduce that they should be compressed before transmitted and then decompressed to get their real information
In this final project the author try to develop an application of image compression using fuzzy algorithm for learning vector quantization based on wavelet transform and DCT (Discrete Cosine Transform) image compression. Hopefully with a learn process on vector quantization will be get optimal codebook that produce better compressed image with higher ratio.
According to the result of this final project, the value of MSE (Mean Sequare Error) and PSNR (Peak Signal to Noise Ratio) using fuzzy algorithm in vector quantization process is better than the LGB method. Futhermore the resulting ratio is higher in the same error level or MSE.Keyword: image compression, Discrete Cosine Transform (DCT), wavelet transform, FALVQ , vector quantization.