ABSTRAKSI: Perkembangan teknologi dan metode kompresi image (citra) digital saat ini berkembang dengan pesat. Format citra yang baku di lingkungan sistem operasi Microsoft Windows dan IBM OS/2 adalah berkas bitmap (BMP). Citra dalam format BMP lebih bagus daripada citra dalam format yang lainnya. Namun kualitas gambar yang bagus yang dimiliki citra BMP berbanding terbalik dengan ukuran filenya. Ukuran file yang dimiliki oleh citra berformat BMP relatif besar. Oleh karena itu muncul beberapa metode kompresi (pemampatan) citra digital yang bertujuan mengurangi ukuran file sekecil mungkin namun kualitas gambar tidak mengalami penurunan secara signifikan.
Dalam tugas akhir ini, dibuat suatu aplikasi yang menerapkan metode Hebbian Based PCA untuk melakukan kompresi citra digital. Hebbian Based PCA menggunakan arsitektur jaringan syaraf tiruan umpan-maju lapis tunggal linier (single layer linear feedforward network) dengan algoritma pembelajaran Hebb termodifikasi dengan model pembelajaran tidak terawasi (unsupervised learning).
Dari hasil pengujian dalam tugas akhir ini, diperoleh beberapa faktor yang mempengaruhi kualitas citra hasil kompresi, antara lain arsitektur jaringan syaraf tiruan itu sendiri (perbandingan neuron input dengan neuron output), learning rate, dan citra latih. Sedangkan rasio kompresi dipengaruhi oleh jumlah neuron input dan neuron output.
Kata Kunci : Hebbian Based PCA, citra, rasio kompresi, jaringan syaraf tiruan.ABSTRACT: The development of technology and image compression method recently growing fast. The standard of image format in the Microsoft Windows and IBM OS/2 plattform is bitmap (BMP). Image in BMP format better than image in the other format. But, the quality of picture in BMP format reverse compared to file size. The file size of BMP image relatively big. Therefore, some image compression method were being made to reduse file size as small as it can, but the quality of image is not significantly decrease.
In this final assignment, it will be made an application to realize Hebbian Based PCA method to compress digital image. Hebbian Based PCA use neural network architecture named single layer linear feedforward network using modified Hebb learning algorithm with unsupervised learning.
From the result of this final assignment, it get several factors that effect the compressed digital image quality. The factors are the neural network architecture itself (the comparison of input neuron and output neuron), learning rate, and training image. In the other case, compression ratio is effected by the amount of input neuron and output neuron.
Keyword: Hebbian Based PCA, image, compression ratio, neural network.