ABSTRAKSI: Aplikasi kompresi citra bertujuan untuk meminimalisasikan suatu jumlah data untuk di simpan maupun untuk di transmisikan. Karena pada jaman sekarang bandwidth adalah suatu barang yang mahal dan terbatas. Untuk itu dikembangkan lah beberapa teknik kompresi citra, yang bertujuan untuk lebih mengefektifkan jumlah data agar tidak terlalu memerlukan banyak bandwidth untuk di transmisikan atau tidak memerlukan banyak memory untuk di simpan.
Aplikasi kompresi citra bertujuan untuk meminimalisasikan suatu jumlah data untuk di simpan maupun untuk di transmisikan. Karena pada jaman sekarang bandwidth adalah suatu barang yang mahal dan terbatas. Untuk itu dikembangkan lah beberapa teknik kompresi citra, yang bertujuan untuk lebih mengefektifkan jumlah data agar tidak terlalu memerlukan banyak bandwidth untuk di transmisikan atau tidak memerlukan banyak memory untuk di simpan.
Berdasarkan hasil keseluruhan pengujian citra bahwa metode kombinasi transformasi wavelet diskrit dan kuantisasi adaptif memiliki performansi yang cukup baik dilihat dari rata - rata PSNR yang di dapat sebesar 31,228 dB dan tingkat kompresi rata – rata sebesar 61,412 %
Kata Kunci : kompresi citra, lossy compression, Transformasi wavelet,ABSTRACT: Image compression application purpose to minimize a data size for transmission process or storage. Because in this era bandwidth is a expensive things and limited. To solve that problem, the author develop digital image compression technique to minimize the bits sum which represent the digital image.
In this final project, the author also develop a lossy commpresion method, that is image compression using combination discrete wavelet transform and adaptif scalar quantization. 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. And adaptif scalar quantization is process to make a minimum value become a low presision value. 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 discrete wavelet transform and adaptif scalar quantization has a good performance. The average PSNR are 31,228 dB, the average compression level are 61,412 %
Keyword: Image compression, lossy compression, Wavelet Transformation,