ABSTRAKSI: Dengan banyaknya informasi yang beredar pada masa kini, ukuran sebuah file menjadi sebuah hal yang sangat diperhitungkan pada proses penyimpanan file. Pada file citra pun berlaku hal yang sama. Salah satu cara untuk memperkecil ukuran file citra adalah dengan cara melakukan proses kompresi citra.
Kompresi citra yang akan dilakukan pada tugas akhir ini menggunakan basis DCT, yang akan mendekorelasikan masing-masing komponen dalam file citra berdasarkan frekuensinya. Pemrosesan citra dilakukan secara blok per blok, dimana blok ini akan dikuantisasikan menggunakan matriks kuantisasi kemudian akan diproses entropinya. Pemrosesan entropi akan dilakukan dengan menggunakan pengkodean aritmatika.
Performansi hasil kompresi akan dilihat berdasarkan rasio kompresi dan PSNR, dimana semakin kecil rasio kompresi disertai dengan nilai PSNR yang tinggi merupakan target dari sistem yang dibangun. Pengujian dilakukan dengan mengujikan faktor skala yang berbeda pada matriks kuantisasi terhadap 3 buah kategori citra berdasarkan persebaran intensitas atau histogramnya, yakni citra intensitas tinggi, citra intensitas merata, dan citra intensitas rendah.
Hasil yang didapatkan dalam pengujian menunjukkan bahwa faktor skala yang paling optimal adalah 0.5. Dengan menggunakan skala tersebut, nilai rata-rata PSNR dan rasio pada masing-masing kategori citra adalah sebagai berikut: jenis citra gelap 37.1 dB , 76.6%, jenis citra merata 35.0 dB , 103.3%, dan jenis citra terang 35.9 dB , 85.4%.Kata Kunci : DCT, pengkodean aritmatika, kompresi citraABSTRACT: With the size of data spreading in the whole world today, file size become more significant in storing a file. This also applied to image files. One way of reducing an image file size is by doing image compression proccess.
The method of compression used in this paper based on a DCT basis, which will decorrelate each element of data in an image file based on its’ frequency. Image processing will be done by block-per-block, where these blocks will be sent into a process of quantization using quantization matrice and enthropy encoding process. The enthropy encoding process will be done by using arithmetic encoding.
Compression performance will be determined by looking at compression ratio and PSNR value, where getting a low compression ratio while maintaining high PSNR value is the goal of the whole process. To measure these performance value, the system will be tested using different scale factor value in the quantization matrice and three image categories, based on its’ spreading intencity or its’ histogram. These categories are: high intencity, balanced intencity, and low intencity.
From the test result, the optimal value for the scale factor is 0.5. Using that value, the average PSNR and ratio for each categories are as follows: low intencity 37.1 dB , 76.6%, balanced intencity 35.0 dB , 103.3%, and high intencity 35.9 dB , 85.4%.Keyword: DCT, Arithmetic Coding, Image Compression