ABSTRAKSI: Kebutuhan tempat penyimpanan data dan kebutuhan bandwidth yang meningkat menyebabkan diperlukannya sistem kompresi yang dapat memampatkan data sehingga tempat penyimpanan data atau penggunaan bandwidth dapat lebih dioptimalkan. Salah satu metode dalam proses pemampatan data adalah Arithmetic Coding. Arithmetic Coding adalah salah satu cara untuk memampatkan data berdasarkan pada entropy atau probabilitas dari data atau simbol yang dibaca. Dalam melakukan kompresi, Arithmetic Coding membutuhkan modeler yang digunakan untuk menyediakan distribusi probabilitas dari simbol untuk dikodekan. Salah satu modeler yang digunakan dalam menyediakan distribusi probabilitas adalah Prediction by Partial Matching (PPM). PPM merupakan modeler yang menyediakan tabel probabilitas berdasarkan konteks, atau disebut juga context modeling.
Pada tugas ini akan dimplementasikan sistem kompresi Arithmetic Coding menggunakan PPM pada file teks. Selain itu juga akan diimplementasikan sistem kompresi menggunakan model Zero Order yang digunakan sebagai pembanding untuk mengetahui peningkatan peformansinya.
Setelah dilakukan pengukuran secara obyektif maka ditarik kesimpulan bahwa sistem kompresi Arithmetic Coding PPM menghasilkan rasio lebih baik hampir setengah dari rasio kompresi Arithmetic Coding menggunakan Zero Order yaitu 48,32%, akan tetapi durasi yang dihasilkan mengalami peningkatan rata-rata (lebih lama) sebesar 132,87%, dan untuk kecepatan rata-rata mengalami penurunan sebesar 84,70% jika dibandingkan Arithmetic Coding menggunakan model Zer Order.Kata Kunci : Kompresi file teks, Arithmetic Coding, Prediction by Partial Matching, Zero Order, Context Modeling.ABSTRACT: Needs of data storage and bandwidth requirements causing the need for compression system which can compress data thus the space of data storage or bandwidth usage can be optimized. One method of data compression is Arithmetic Coding. Arithmetic Coding is a technique to compress the data based on entropy or probability of data or symbol that are read. Arithmetic Coding requires modeler that is used to providing probability distributions of symbol to be encoded. Prediction by Partial Matching is a modeler that provides distribution probability based on context, or also known as context modeling.
In this final project will be implemented Arithmetic Coding compression systems using Prediction by Partial Matching on text files and also will be implemented compression system using Zero Order model that is used as a comparative to the increase in peformance.
After using objective measurement, finally conclude that Arithmetic Coding compression systems generate PPM better ratio nearly half of the compression ratio using a Zero Order Arithmetic Coding about 48.32%, but for average of duration has increased (over time) by 132.87 %, and for the average speed decreased by 84.70% compared to Arithmetic Coding using model Zer Order.Keyword: Text Compression, Arithmetic Coding, Prediction by Partial Matching, Zero Order, Context Modeling.