ABSTRAKSI: Pada tugas akhir ini akan dirancang dan diimplementasikan kompresi citra digital dengan menggunakan Reversible Wavelet Transform (RWT) dan Aritmetic Coding. Secara umum proses kompresi dapat dijabarkan sebagai berikut: citra uji didekomposisi dengan menggunakan transformasi reversible menggunakan dua macam filter yaitu S-Transform dan TS-Transform. Kemudian koefisien hasil wavelet dari hasil transformasi wavelet ditransformasi menjadi bentuk vektor. Setelah itu dilakukan kuantisasi vektor dengan tujuan untuk mencari nilai perwakilan yang paling tepat. Entropy encoding yang digunakan yaitu menggunakan arithmetic coding dan sebagai pembanding menggunakan entropy encoding yang lainnya yaitu Huffman coding.
Setelah dilakukan perancangan dan implementasi, dilakukan pengujian terhadap sistem kompresi lalu dilihat hasil kualitas kompresi berdasarkan tingkat kompresi dan PSNR. Dalam proses kuantisasi vektornya digunakan codebook dengan ukuran 256-32-8, 256-64-64, 1024-64-64, dan 2048-128-128.
Dari hasil pengukuran objektif dan subjektif, sistem kompresi dengan menggunakan transformasi wavelet reversible dan arithmetic coding menghasilkan nilai PSNR yang dipengaruhi oleh transformasi wavelet yang digunakan dan panjangnya ukuran codebook. Semakin besar ukuran codebook semakin bagus kualitas citra kompresi yang dihasilkan. Codebook dengan ukuran 256-32-8 dan 256-64-64 menghasilkan nilai PNSR 30 dB. Sedangkan codebook dengan ukuran 1024-64-64, dan 2048-128-128 menghasilkan nilai PSNR 30 dB. Perbedaan histogram citra uji terang, merata, dan gelap tidak mempengaruhi kualitas hasil kompresi. Berdasarkan pengukuran secara subjektif menggunakan MOS terbukti bahwa sistem kompresi ini mempunyai tingkat imperceptibility yang tinggiKata Kunci : Reversible Wavelet Transform, Arithmetic Coding, kuantisasi vektor, PSNRABSTRACT: In this final project will be designed and implemented a system for digital image compression using Reversible Wavelet Transform (RWT) and Arithmetic Coding. Generally, compression process can be described as follow: image test decomposed using reversible wavelet transform using two filters S-Transform and TSTransform. Then wavelet coefficients of wavelets subband transformed into vectors. Then, vector quantization applied on purpose to search for the most appropriate representation values. Entropy encoding processed using arithmetic coding and Huffman coding is used as another entropy coding comparator.
After the design and implementation, applied testing of system compression then observed the quality of compression system based on compression value and PSNR. In quantization process applied four types of codebooks which are codebook 256-32-8, 256-64-64, 1024-64-64, and 2048-128-128.
From the results of subjective and objective measurements, system compression using reversible wavelet transform (RWT) dan arithmetic coding have PSNR value affected by wavelet transform and size of codebook. The greater the codebook size will result better quality of image compression. Codebook size of 256- 32-8 and 256-64-64 resulting PSNR value 30 dB. Therefore, Codebook size of 1024-64-64, and 2048-128-128 resulting PSNR 30 dB. The differences between histogram of light intensity not affected the quality of compressed image. From subjective measurements using MOS proven that this system compression has a high level imperceptibility.Keyword: Reversible Wavelet Transform, Arithmetic Coding, vector quantization, PSNR