ABSTRAK Didalam dunia telekomunikasi, meningkatnya penggunaan komputer dalam

kehidupan sehari-hari, secara tidak langsung juga membuat kebutuhan akan penyimpanan data semakin meningkat. Semakin besar data, semakin besar ruang yang dibutuhkan dan semakin lama waktu yang diperlukan untuk mengirimkan data. Meningkatnya kapasitas data akan menyebabkan penggunaan Bandwidth yang lebih besar, sehingga efisiensi penggunaan Bandwidth menjadi satu fokus utama yang perlu diperhatikan dalam setiap pemanfaatan teknologi telekomunikasi. Untuk mengatasinya, telah dikembangkan berbagai algoritma kompresi yang digunakan untuk memampatkan data, sehingga ukuran data yang akan

ditransfer melalui suatu jaringan akan lebih kecil. Khususnya untuk jenis data citra berupa gambar, salah satu algoritma kompresi yang paling baik adalah jenis algoritma Discrete Wavelet Transform (DWT). Algoritma DWT unggul dalam rasio kompresi file *.png, *.bmp, dan *.jpeg. Parameter kinerja diukur dari kompleksitas algoritma, rasio kompresi, dan berapa waktu yang diperlukan untuk proses kompresi. Penulisan dan penelitian pada tugas akhir ini adalah untuk mengimplementasikan algoritma DWT pada perangkat bergerak berbasis android.

I.

BIDANG TUGAS AKHIR Penulisan Tugas Akhir ini meliputi bidang Telekomunikasi khususnya pada pemanfaatan teknologi dalam area rekayasa perangkat lunak.

II.

JUDUL TUGAS AKHIR Implementasi Teknik Kompresi Citra Gambar dengan Algoritma Discrete Wavelet Transform (DWT) pada Perangkat Bergerak

III.

LATAR BELAKANG Seiring dengan perkembangan dan kemajuan teknologi informasi manusia saat ini ternyata berdampak pada perkembangan ilmu pengetahuan yang lain, demikian pula dengan dunia telekomunikasi yang tidak dapat dipisahkan dari kehidupan manusia di zaman modernisasi. Meningkatnya penggunaan komputer, handphone, dan media telekomunikasi lainnya dalam kegiatan sehari-hari, secara tidak langsung juga membuat kebutuhan akan penyimpanan data semakin meningkat. Data tersebut dapat berupa file text, gambar, suara, dan video. Di dalam melakukan pengiriman data melalui media transmisi, semakin besarnya ukuran kapasitas data yang akan dikirimkan menyebabkan semakin lama waktu yang diperlukan untuk mengirimkan data tersebut dan semakin besar bandwidth yang dibutuhkan untuk mengirim data tersebut hingga sampai ke tujuan. Oleh karena itu, dikembangkan algoritma-algoritma kompresi yang bertujuan untuk memampatkan data. Pemampatan data citra atau kompresi citra bertujuan untuk meminimalkan kebutuhan memori dalam mempresentasikan citra digital dengan mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan lebih sedikit daripada representasi citra semula, meminimalkan waktu pengiriman data pada saluran komunikasi data agar lebih singkat dan tidak menghabiskan banyak bandwidth. Perkembangan teknologi tersebut juga diiringi dengan perkembangan-perkembangan perangkat lunak untuk dapat menjalankan berbagai aplikasi seperti dokumen yang berupa file text, berbagai citra gambar seperti citra foto, aplikasi radiografi, kompresi citra hasil diagnosa medis atau gambar satelit, melihat video seperti video conferencing dan banyak hal lain yang tidak pernah dapat dibayangkan beberapa dasawarsa yang lalu. Perangkat lunak sendiri juga mengalami perkembangan yang sangat signifikan dalam beberapa

tahun terakhir dengan munculnya platform untuk mobile device seperti Symbian, Java dan Android. Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redudansi dari data-data yang terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efisien. Kompresi data adalah ilmu atau seni mempresentasikan informasi dalam bentuk yang lebih compact. (Ida Mengyi Pu, 2006). Komunikasi yang terjadi pada seluruh perangkat bergerak tentu saja membutuhkan suatu jaringan telekomunikasi yang dapat mengakomodasi komunikasi data, suara maupun gambar. Dengan semakin banyaknya koneksi yang terjadi pada jaringan, maka jumlah permintaan koneksi yang semakin meningkat menjadi tidak sebanding dengan kapasitas bandwidth yang tersedia pada jaringan. Di dalam algoritma Discrete Wavelet Transform ini, faktor yang akan

dipertimbangkan, yaitu: kompleksitas algoritma, waktu yang dibutuhkan untuk melakukan kompresi, dan rasio perbandingan data hasil kompresi.

IV.

RUMUSAN MASALAH Banyaknya user yang mengakses jaringan akan berakibat pada meningkatnya traffic pada bandwidth yang digunakan pada jaringan telekomunikasi. Peningkatan traffic ini biasanya menimbulkan masalah-masalah pada sisi user akibat dari terhambatnya proses pengiriman data hingga gagalnya koneksi pada jaringan. Salah satu alternatif untuk mengatasi hal tersebut adalah dengan memperkecil ukuran data sehingga dapat menghemat penggunaan kapasitas bandwidth. Permasalahan yang akan diteliti dan diuraikan dalam tugas akhir ini adalah: 1. Menganalisa kualitas citra hasil kompresi JPEG 2000 dengan menggunakan algortima Discrete Wavelet Transform. 2. Membandingkan performansi kompresi antara kompresi JPEG dan kompresi JPEG 2000. 3. Bagaimana melakukan kompresi JPEG pada citra digital dengan Discrete Wavelet Transform.

V.

TUJUAN PENULISAN Tujuan dari penulisan pada tugas akhir ini adalah mengimplementasikan teknik kompresi citra gambar dengan menggunakan Algoritma DWT sehingga didapat efisiensi pada storage maupun bandwidth.

VI.

BATASAN MASALAH Agar Tugas Akhir ini lebih fokus, maka diberikan beberapa pembatasan masalah sebagai berikut : 1. Kompresi dengan algoritma DWT hanya diimplementasikan pada data berformat gambar JPEG (Joint Photographic Experts Group) dan BMP (Bitmap) 2. Dalam Discrete Wavelet Transform ini, transformasi yang digunakan adalah dalam kompresi JPEG 2000. 3. Perangkat lunak yang dikembangkan untuk implementasi berbasis android. 4. Simulasi diukur dengan pengamatan terhadap citra asli dan citra hasil kompresi. 5. Simulasi diukur dengan pengamatan ukuran dan kinerja dari kompresi ini jika dibandingkan dengan standar.

VII.

METODOLOGI PENULISAN Metode penulisan yang dilakukan pada penulisan tugas akhir ini adalah: 1. Studi literatur Dengan melakukan studi literatur, penulis mempelajari teori tentang algoritma dengan melakukan tinjauan pustaka untuk memperoleh data melalui berbagai sumber, seperti buku, jurnal, artikel, dan situs-situs internet sehingga data yang diperoleh mengikuti perkembangan teknologi saat ini. Selain itu penulis juga mempelajari beberapa teori lainnya yang dirasakan perlu untuk mendukung landasan teori dalam Tugas Akhir ini.

2. Studi bimbingan dan diskusi Yaitu dengan melakukan diskusi tentang topik tugas akhir ini dengan dosen pembimbing yang telah ditunjuk oleh pihak Departemen Teknik Elektro USU.

3. Eksperimen Yaitu dengan melakukan implementasi algoritma dalam suatu perangkat lunak berbasis android.

VIII.

TINJAUAN PUSTAKA A. Kompresi Data Kompresi data merupakan cabang ilmu komputer yang bersumber dari teori informasi. Teori informasi sendiri adalah salah satu cabang matematika yang berkembang sekitar akhir dekade 1940-an. Tokoh utama dari teori informasi adalah Claude Shannon dari Bell Laboratory. Teori informasi memfokuskan pada berbagai metode tentang informasi termasuk penyimpanan dan pemrosesan pesan. Teori informasi mempelajari pula tentang redundancy (informasi tak berguna) pada pesan. Semakin banyak redundancy semakin besar pula ukurang pesan, upaya mengurangi redundancy inilah yang akhirnya melahirkan subyek ilmu tentang kompresi data. Menurut Ida Mengyi Pu (2006, hal: 1) kompresi data adalah ilmu seni atau seni merepresentasikan informasi dalam bentuk yang lebih compact.sedangkan Dacid Salomon (2007, hal: 2) mengatakan bahwa kompresi data adalah proses mengkonversikan sebuah input data stream (stream sumber, atau data mentah asli) menjadi data stream lalinnya (bit stream hasil, atau stream yang telah terkompresi) yang berukuran lebih kecil. Tujuan dari kompresi data adalah untuk mempresentasikan suatu data digital dengan sedikit mungkin bit, tetapi tetap mempertahankan kebutuhan minimum untuk membentuk kembali data aslinya. Data digital ini dapat berupa text, gambar, suara, dan kombinasi dari ketiganya, seperti video. Teori informasi menggunakan terminologi entropy sebagai pengukur berapa banyak informasi yang dapat diambil dari sebuah pesan. Kata entropy berasal dari ilmu termodinamika. Semakin tinggi entropy dari sebuah pesan semakin banyak informasi yang terdapat di dalamnya. Entropy dari sebuah simbol didefinisikan sebagai nilai logaritma negatif dari probabilitas kemunculannya. Untuk menentukan isi informasi dari sebuah pesan dalam jumlah bit dapat digunakan rumus sebagai berikut: number of bits = - log base 2 (probability) Entropy dari keseluruhan pesan adalah jumlah dari keseluruhan entropy dari seluruh simbol.

B. Teknik Kompresi Data Teknik kompresi data dapat dibagi menjadi dua kategori besar, yaitu: 1. Lossy Compression Lossy Compression adalah kompresi citra di mana hasil dekompresi dari citra yang terkompresi tidak sama dengan citra aslinya karena ada informasi yang hilang,

tetapi masih bisa ditolerir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil pada gambar. Metode ini menghasilkan ratio kompresi yang lebih tinggi daripada metode lossless. Contohnya adalah color reduction, chroma subsampling, dan transform coding, seperti transformasi Fourier, Wavelet, dan lain-lain. Lossy compression menyebabkan adanya perubahan data dibandingkan sebelum dilakukan proses kompresi. Sebagai gantinya lossy compression memberikan derajat kompresi lebih tinggi. Tipe ini cocok untuk kompresi file suara digital dan gambar digital. File suara dan gambar secara alamiah masih bisa digunakan walaupun tidak berada pada kondisi yang sama sebelum dilakukan kompresi. a. Ukuran file citra menjadi lebih kecil dengan menghilangkan beberapa informasi dalam citra asli. b. Teknik ini mengubah detail dan warna pada file citra menjadi lebih sederhana tanpa terlihat perbedaan yang mencolok dalam pandangan manusia, sehingga ukurannya menjadi lebih kecil. c. Biasanya digunakan pada citra foto atau image lain yang tidak terlalu memerlukan detail citra, dimana kehilangan bit rate foto tidak berpengaruh pada citra. d. Beberapa teknik loseless: y Color reduction: untuk warna-warna tertentu yang mayoritas dimana informasi warna disimpan dalam color palette. y Chroma subsampling: teknik yang memanfaatkan fakta bahwa mata manusia merasa brightness (luminance) lebih berpengaruh daripada warna (chrominance) itu sendiri, maka dilakukan pengurangan resolusi warna dengan disampling ulang. Biasanya digunakan pada sinyal YUV. Chorma Subsampling terdiri dari 3 komponen: Y (luminance) : U (CBlue) : V (CRed).

2. Lossless Compression Sebaliknya Lossless Compression memiliki derajat kompresi yang lebih rendah tetapi dengan akurasi data yang terjaga antara sebelum dan sesudah proses kompresi. Kompresi ini cocok untuk basis data, dokumen atau spreadsheet. Pada lossless compression ini tidak diijinkan ada bit yang hilang dari data pada proses kompresi. a. Teknik kompresi citra dimana tidak ada satupun informasi citra yang dihilangkan. b. Biasa digunakan pada citra medis.

c. Metode loseless: Run Length Encoding (RLE), Entropy Encoding (huffman, aritmatik), dan Adaptive Dictionary Based (LZW)

C. Manfaat Beberapa manfaat kompresi adalah: 1. Waktu pengiriman data pada saluran komunikasi data menjadi lebih singkat. Contohnya pengiriman gambar dari faximile, video confrencing, handphone, download dari internet pengiriman data medis, pengiriman dari satelit, dan lainlain. 2. Membutuhkan ruang memori dalam storage yang lebih sedikit dibandingkan dengan data yang tidak dimampatkan. 3. Efisiensi penggunaan bandwidth pada jaringan telekomunikasi.

D. Kriteria Kompresi Kriteria yang digunakan untuk mengukur kompresi adalah: 1. Waktu kompresi dan waktu dekompresi Suatu proses kompresi merupakan proses mengkodekan data atau citra (encode) sehingga diperoleh data atau citra dengan representasi kebutuhan memori yang minimum. Data citra terkompresi disimpan dalam file dengan format tertentu, misalnya JPEG (Joint Photographic Experts Group) atau MPEG. Sedangkan proses dekompresi adalah proses untuk menguraikan data atau citra yang dimampatkan untuk dikembalikan lagi (decoding) menjadi citra yang tidak mampat. Suatu algoritma pemampatan yang paling baik adalah algoritma yang membutuhkan waktu yang paling sedikit untuk melakukan proses kompresi dan dekompresi.

2. Kebutuhan memori Metode kompresi yang baik adalah metode kompresi yang mampu mengompresi atau memampatkan file menjadi ukuran data atau citra yang paling minimal. Algoritma pemampatan yang baik akan menghasilkan memori yang dibutuhkan untuk menyimpan hasil kompresi yang berkurang secara berarti. Biasanya semakin besar persentase pengompresian atau pemampatan data, maka semakin kecil kebutuhan memori yang diperlukan sehingga kualitas citra makin berkurang. Sebaliknya, semakin kecil persentase data atau citra yang dikompresi atau dimampatkan, semakin bagus kualitas hasil pemampatan tersebut.

3. Kualitas pemampatan Metode kompresi yang baik adalah metode kompresi yang mampu mengembalikan citra hasil kompresi menjadi citra semula (dekompresi) tanpa kehilangan informasi apapun. Kalaupun ada informasi yang hilang akibat pemampatan, sebaiknya hal itu ditekan seminimal mungkin. Semakin berkualitas hasil data atau citra pemampatan, semakin besar memori yang dibutuhkan. Sebaliknya, semakin jelek kualitas data atau citra hasil pemampatan, semakin kecil kebutuhan memori yang harus disediakan. Kualitas citra hasil pemampatan dapat diukur secara kuantitatif

menggunakan besaran PSNR (Peak Signal to Noise Ratio). Semakin besar nilai PSNR maka data atau citra hasil pemampatan semakin mendekati informasi aslinya, dengan kata lain semakin bagus kualitas data atau citra hasil pemampatan tersebut. Sebaliknya, semakin kecil nila PSNR, semakin jelek kualitas data atau citra hasil pemampatan. Rumus untuk menghitung PSNR adalah sebagai berikut:

Dimana MAX adalah nilai intensitas terbesar. Nilai MSE dihitung dengan persamaan berikut:

Dalam hal ini, m dan n masing masing adalah lebar dan tinggi citra, I dan K masing masing adalah nilai intensitas baris ke-i dan kolom ke-j dari citra hasil pemampatan dan citra sebelum dimampatkan. PSNR mempunyai satuan decibel (dB)

4.

Format keluaran Format citra hasil pemampatan yang baik adalah yang cocok dengan kebutuhan pengiriman dan peyimpanan data

E. Rasio Kompresi Rasio kompresi adalah ukuran persentase citra yang telah berhasil dimampatkan. Secara matematis rasio pemampatan citra dituliskan sebagai berikut:

Rasio = 100% - (HasilKompresi/CitraAsli x 100%)

F. Hal Hal Penting Dalam Kompresi 1. Scalability/Progressive Coding/Embedded Bitstream a. Adalah kualitas dari hasil proses pengkompresian citra karena manipulasi bitstream tanpa adanya dekompresi atau rekompresi. b. Biasanya dikenal pada loseless codec. c. Contohnya pada saat preview image sementara image tersebut di-download. Semakin baik scalability, makin bagus preview image. d. Tipe scalability: 1. Quality progressive: dimana image dikompres secara perlahan-lahan dengan penurunan kualitasnya 2. Resolution progressive: dimana image dikompresi dengan meng-enkode resolusi image yang lebih rendah terlebih dahulu baru kemudian ke resolusi yang lebih tinggi. 3. Component progressive: dimana image dikompresi berdasarkan

komponennya, pertama meng-enkode komponen gray baru kemudian komponen warnanya. 2. Region of Interest Coding: daerah-daerah tertentu di-enkode dengan kualitas yang lebih tinggi daripada yang lain. 3. Meta Information: image yang dikompres juga dapat memiliki meta information seperti statistik warna, tekstur, small preview image, dan author atau copyright information

G. Perbedaan Antara Format File dan Kompresi Citra digital adalah sebuah file yang tersimpan sebagai nilai numerik dalam media magnetik atau media optikal. Ditinjau dari bentuk yang merupakan sebuah file, citra digital memiliki berbagai jenis format, antara lain JPEG, GIF, PNG, BMP, dsb. Format-format file untuk citra digital ini memiliki keunggulan, kelemahan, dan tingkat komersialitasnya masing-masing. Format file merupakan rangkaian data yang teratur dan digunakan untuk mengkodekan informasi dalam penyimpanan atau pertukaran data. Format file dapat digambarkan sebagai sebuah bahasa tulis yang memiliki aturan-aturan sendiri dalam penulisannya. Jika digambarkan, setiap format file citra memiliki cara pembentukan struktur yang berbeda dimana setiap struktur ini

memiliki header dan body. Umumnya header diikuti dengan body yang mengandung sebagian besar data. Kompresi merupakan cara pengkodean data file agar lebih ringkas dan efisien. Seperti diketahui, kompresi terhadap sebuah file memerlukan algoritma juga. Algoritma ini berguna dalam mendefinisikan langkah-langkah yang diperlukan untuk mengurangi ukuran file, yang dalam hal ini merupakan tujuan dari kompresi. Kesalahan yang sering muncul adalah pembedaan antara format file dengan kompresi. Contoh yang paling sering muncul adalah pembedaan antara kompresi JPEG dengan JFIF (JPEG File Interchange Format). JFIF yang diberi ekstensi file .jpg sering disebut file dengan format JPEG, bukan file yang dikompresi menggunakan jenis kompresi JPEG.

H. Algoritma Discrete Wavelet Transform Transformasi wavelet adalah sebuah transformasi matematika yang digunakan untuk menganalisis sinyal bergerak. Sinyal bergerak ini dianalisis untuk didapatkan informasi spektrum frekuensi dan waktunya secara bersamaan. Salah satu seri pengembangan transformasi wavelet adalah Discrete Wavelet Transform (DWT) Sinyal adalah bentuk mentah dari penggambaran waktu dan amplitudo. Penggambaran dengan waktu dan amplitudo yang dikategorikan dalam domain waktu perlu ditransformasikan dalam domain lain untuk analisis dan pemrosesan sinyal. Sinyal juga dikategorikan menjadi dua jenis, yaitu sinyal yang tidak bergerak (stationary signals) dan sinyal yang bergerak (non-stationary signals). Citra dan suara merupakan salah satu contoh dari sinyal yang dapat bergerak. Contoh lain dari jenis sinyal bergerak adalah sinyal dalam bidang biologi, seperti electrocardiogram, electromyography, dan sebagainya. Untuk mendapatkan informasi dari sinyal tidak bergerak, khususnya sinyal dengan representasi frekuensi, dapat digunakan transformasi Fourier. Karena sinyal ini tidak bergerak, maka hanya perlu untuk mendapatkan spectrum frekuensi sebuah sinyal saya agar informasi dari sinyal tersebut bisa ditampilkan. Sedangkan untuk menampilkan informasi dari sinyal bergerak perlu sebuah transformasi yang bisa mendapatkan spectrum frekuensi dengan keterangan waktunya. Dalam transformasi Fourier, spektrum frekuensi dari sebuah sinyal bisa didapatkan, namun transformasi ini tidak dapat memberitahu kapan terjadinya frekuensi sinyal tersebut. Sehingga transformasi Fourier hanya cocok untuk jenis sinyal tidak bergerak. Untuk itulah diperlukan transformasi lain untuk

menampilkan informasi dari jenis sinyal bergerak ini, transformasi Wavelet adalah salah satunya. Transformasi ini bisa mendapatkan spektrum frekuensi dan waktu secara bersamaan. Sehingga sinyal bergerak khususnya sinyal dengan representasi waktu-frekuensi bisa diproses menggunakan transformasi ini.

Wavelet Gelombang (wave) adalah sebuah fungsi yang bergerak naik turun ruang dan waktu secara periodik (Gambar 1a). Sedangkan wavelet merupakan gelombang yang dibatasi atau terlokalisasi (Gambar 1b). Atau dapat dikatakan sebagai gelombang pendek. Wavelet ini menkonsentrasikan energinya dalam ruang dan waktu sehingga cocok untuk menganalisis sinyal yang sifatnya sementara saja.

(a)

(b)

Gambar 1. (a) Gelombang (wave), (b) wavelet

Wavelet pertama kali digunakan dalam analisis dan pemrosesan digital dari sinyal gempa bumi, yang tercantum dalam literatur oleh A. Grossman dan J. Morlet. Penggunaan wavelet pada saat ini sudah semakin berkembang dengan munculnya area sains terpisah yang berhubungan dengan analisis wavelet dan teori transformasi wavelet. Dengan munculnya area sains ini wavelet mulai digunakan secara luas dalam filterasi dan pemrosesan data, pengenalan citra, sintesis dan pemrosesan berbagai variasi sinyal, kompresi dan pemrosesan citra, dll.

Transformasi Wavelet (Wavelet Transform) Transformasi sinyal merupakan bentuk lain dari penggambaran sinyal yang tidak mengubah isi infomasi dalam sinyal tersebut. Transformasi wavelet (wavelet transform) menyediakan penggambaran frekuensi waktu dari sinyal. Pada awalnya,

transformasi wavelet digunakan untuk menganalisis sinyal bergerak (non-stationary signals). Sinyal bergerak ini dianalisis dalam transformasi wavelet dengan menggunakan teknik multi-resolution analysis. Secara umum teknik multi-resolution analysis adalah teknik yang digunakan untuk menganalisis frekuensi dengan cara frekuensi yang berbeda dianalisis menggunakan resolusi yang berbeda. Resolusi dari sinyal merupakan ukuran jumlah informasi di dalam sinyal yang dapat berubah melalui operasi filterisasi. Transformasi wavelet memiliki dua seri dalam pengembangannya yaitu Continous Wavelet Transform (CWT) dan Discrete Wavelet Transform (DWT). Semua fungsi yang digunakan dalam transformasi CWT dan DWT diturunkan dari mother wavelet melalui translasi/pergeseran) dan penskalaan /kompresi. Mother wavelet merupakan fungsi dasar yang digunakan dalam transformasi wavelet. Karena mother wavelet menghasilkan semua fungsi wavelet yang digunakan dalam transformasi melalui translasi dan penskalaan, maka mother wavelet juga akan menentukan karakteristik dari transformasi wavelet yang dihasilkan. Oleh karena itu, perlu pencatatan secara teliti terhadap penerapan wavelet dan pemilihan yang tepat terhadap mother wavelet harus dilakukan agar dapat menggunakan transformasi wavelet secara efisien. Fungsi-fungsi yang termasuk di dalam keluarga wavelet dipaparkan pada Gambar 2.

Gambar 2. Keluarga Wavelet (a)Haar, (b)Daubechies, (c)Coiflet, (d)Symlet, (e)Meyer, (f)Morlet, (g)Mexican Hat. Dengan sumbu x merupakan waktu, t dan sumbu y merupakan (t)

Seri pengembangan kedua dari transformasi wavelet adalah Discrete Wavelet Transform (DWT). Seri pengembangan ini merupakan seri CWT yang didiskritkan. Dengan pendiskritan CWT ini maka perhitungan dalam CWT dapat dibantu dengan menggunakan komputer.

Discrete Wavelet Transform (DWT) Dasar dari DWT dimulai pada tahun 1976 dimana teknik untuk mendekomposisi sinyal waktu diskrit ditemukan. Di dalam CWT, sinyal dianalisis menggunakan seperangkat fungsi dasar yang saling berhubungan dengan penskalaan dan transisi sederhana. Sedangkan di dalam DWT, penggambaran sebuah skala waktu sinyal digital didapatkan dengan menggunakan teknik filterisasi digital. Secara garis besar proses dalam teknik ini adalah dengan melewatkan sinyal yang akan dianalisis pada filter dengan frekuensi dan skala yang berbeda. Filterisasi sendiri merupakan sebuah fungsi yang digunakan dalam pemrosesan sinyal. Wavelet dapat direalisasikan menggunakan iterasi filter dengan penskalaan. Resolusi dari sinyal, yang merupakan rata-rata dari jumlah detil informasi dalam sinyal, ditentukan melalui filterasi ini dan skalanya didapatkan dengan upsampling dan downsampling (subsampling). Sebuah sinyal harus dilewatkan dalam dua filterisasi DWT yaitu highpass filter dan lowpass filter agar frekuensi dari sinyal tersebut dapat dianalisis. Analisis sinyal dilakukan terhadap hasil filterisasi highpass filter dan lowpass filter di mana highpass filter digunakan untuk menganalisis frekuensi tinggi dan lowpass filter digunakan untuk menganalisis frekuensi rendah. Analisis terhadap frekuensi dilakukan dengan cara menggunakan resolusi yang dihasilkan setelah sinyal melewati filterisasi. Analisis frekuensi yang berbeda dengan menggunakan resolusi yang berbeda inilah yang disebut dengan multi-resolution analysis, seperti yang telah disinggung pada bagian Transformasi Wavelet. Pembagian sinyal menjadi frekuensi tinggi dan frekuensi rendah dalam proses filterisasi highpass filter dan lowpass filter disebut sebagai dekomposisi. Proses dekomposisi dimulai dengan melewatkan sinyal asal melewati highpass filter dan lowpass filter.

Penerapan DWT dalam Kompresi Citra Kompresi dalam citra menggunakan DWT berhubungan dengan dekomposisi terhadap citra tersebut. Citra yang merupakan sinyal bergerak ini didekomposisi sama seperti cara dekomposisi sinyal yang telah dipaparkan pada bagian sebelumnya. Secara umum, citra (sinyal bergerak) merupakan rangkaian gelombang yang memiliki banyak puncak dan lembah. Masing-masing gelombang dalam rangkaian gelombang dari sebuah citra biasanya mewakili channel warna (Merah, Hijau, dan Biru). Puncak dan lembah citra dipusatkan ke titik nol, selanjutnya transformasi sinyal menyimpan jarak dari titik nol menuju titik sepanjang gelombang, jarak ini disebut dengan koefisien. Koefisien yang berdekatan kemudian dirata-rata untuk

mendapatkan gelombang yang lebih sederhana dan menghasilkan citra dengan resolusi atau tingkat kedetilan setengah dari semula. Koefisien yang telah dirata-rata kemudian dibagi lagi seterusnya hingga mendapatkan gelombang yang sangat sederhana. Proses ini merupakan dekomposisi pada citra. Transformasi wavelet dapat menghasilkan versi resolusi citra yang sangat sederhana, oleh karena itu diperlukan perkiraan bentuk umum serta warna (informasi) dari citra untuk dapat merekonstruksi sebuah citra. Transformasi wavelet dapat mengidentifikasi variasi yang signifikan dalam sebuah citra. Variasi ini berhubungan dengan tempat di mana proses penyederhanaan terjadi. Pada saat dekomposisi citra menggunakan koefisien yang dirata-rata, selisih dari koefisien tersebut dicatat. Semakin kecil selisih dari koefisien maka variasi di dalam citra tersebut sedikit, dan ini merupakan kandidat yang bagus untuk proses penyederhanaan. Semakin besar selisih koefisien maka ini menandakan detil dari citra tersebut sangat signifikan dan perlu untuk dipertahankan, biasanya yang memilki detil ini adalah garis atau tepi dari citra. Contoh dari proses dekomposisi dan rekonstruksi citra adalah, misalkan ada sebuah citra satu dimensi yang memiliki empat nilai saja (empat piksel dalam sebuah baris, memiliki tingkat abu - abu yang berbeda), yaitu 1, 3, 8, 6 Selanjutnya diambil rata -rata dari pasangan pertama dan kedua hingga menghasilkan tingkat abu-abu sbb 2, 7. Setelah citra telah disederhanakan, perlu untuk mencatat informasi dari citra ini yaitu berupa selisih dari koefisien rata-rata. Selisih ini perlu dicatat karena setelah citra disederhanakan maka resolusinya berkurang menjadi setengah dan ada informasi

yang hilang. Padahal informasi ini dibutuhkan utnuk merekontruksi citra tersebut. Selisih dari koefisien rata-rata ini disebut dengan koefisien detil, dalam kasus ini koefisien detilnya adalah 1 dan -1. Dengan bukti sebagai berikut: 2 + -1 = 1 2 (-1) = 3 7+1=8 71=6 Jika dekomposisi dilanjutkan ke tingkat selanjutnya maka akan diperoleh koefisien rata-rata 4.5 dan koefisien detil 2.5. Dengan mencatat koefisien detil pada masing-masing tingkatan dikomposisi ini, maka rekonstruksi citra untuk menjadi citra asal dapat dilakukan. Secara teknis, dekomposisi citra yang merupakan sinyal bergerak dapat digambarkan seperti dekomposisi sinyal menggunakan transformasi wavelet.

BEBERAPA METODE KOMPRESI CITRA Algoritma RLE LZ Huffman DCT DWT X BMP X X X X X X X GIF PNG JPEG X

I. Kriteria Algoritma dan Aplikasi Kompresi Data 1. Kualitas data hasil encoding: ukuran lebih kecil, data tidak rusak untuk kompresi lossy 2. Kecepatan, rasio, dan efisiensi proses kompresi dan dekompresi 3. Ketepatan proses dekompresi data: data hasil dekompresi tetap sama dengan data sebelum dikompres (kompresi loseless)

J. Android Android adalah sistem operasi berbasis linux yang dapat digunakan di berbagai perangkat mobile. Android memiliki tujuan utama untuk memajukan inovasi piranti telepon bergerak agar pengguna mampu mengeksplorasi kemampuan dan menambah pengalaman lebih dibandingkan dengan platform mobile lainnya. Hingga saat ini Android terus berkembang, baik secara sistem maupun aplikasinya. Pada Juli 2005, Google mengakuisisi Android Inc. sebuah perusahaan baru berkembang yang bergerak di bidang aplikasi ponsel. Perusahaan ini berbasis di Palo Alto California Amerika Serikat. Pendiri Android Inc. salah satunya adalah Andy Rubin yang saat ini menjadi direktur Google Mobile Platform. Rumor pun berkembang saat Google mengakuisisi Android, Inc. bahwa Google berencana untuk masuk ke pasar ponsel meski belum diketahui akan seperti apa andil Google di dunia ponsel. Di Google, tim yang dipimpin oleh Andy Rubin mengembangkan platform perangkat bergerak dengan dasar kernel Linux yang dipasarkan kepada produen handset dan layanan telekomunikasi. Saat itu beredar kabar bahwa Google telah memiliki jajaran komponen hardware dan partner software serta memberi tanda kepada penyedia layanan telekomunikasi bahwa yang mereka tawarkan bersifat terbuka. Spekulasi sasaran Google untuk ponsel pun semakin berkembang bahwa mereka akan segera mengumumkannya di bulan Desember 2006. Kemudian September 2007, Google diketahui sedang mengajukan hak paten di bidang telepon selular. Pada 5 November 2007 baru Android resmi di rilis dengan dibentuknya Open Handset Alliance (OHA) untuk pusat pengembangannya. Perangkat pertama yang menjalankan Android adalah smartphone yang dikembangkan oleh HTC Dream atau TMobile G1, yang secara resmi diluncurkan pada 23 September 2008. Penjualan perangkat ini di pasar AS dimulai pada bulan Oktober 2008. Segera setelah itu beberapa produsen smartphone juga mengumumkan niat mereka untuk merilis perangkat berdasarkan platform Android. Google Android tidak hanya diatur di smartphone, platform ini juga cocok untuk netbook. Jadi beberapa produsen netbook seperti Asus, MSI, Dell dan Acer segera mengumumkan rilis perangkat berdasarkan platform mobile dari Google. Android merupakan kumpulan perangkat lunak yang ditujukan bagi perangkat bergerak mencakup sistem operasi, middleware, dan aplikasi kunci. Android Standart

Development Kid (SDK) menyediakan perlengkapan dan Application Programming Interface (API) yang diperlukan untuk mengembangkan aplikasi pada platform Android menggunakan bahasa pemrograman Java. Android dikembangkan oleh Google bersama Open Handset Allience (OHA) yaitu aliansi perangkat selular terbuka yang terdiri dari 47 perusahaan Hardware, Software dan perusahaan telekomunikasi ditujukan untuk mengembangkan standar terbuka bagi perangkat selular.

K. PERKEMBANGAN ANDROID Google merupakan perusahaan yang dibentuk oleh dua orang pemuda yang bernama Larry Page dan Sergey Brin. Perusahaan ini bukan hanya sukses dengan aplikasi mesin pencari di Internet, selain menebar puluhan fasilitas gratis di Internet, kini Google telah memasuki produk perangkat genggam yang dikenal dengan nama Google Phone (G1). Google Phone generasi pertama (G1) dijejali dengan sistem operasi buatannya sendiri yang diberi nama Android. Arti android sendiri merupakan automaton in human form. Sesuatu yang otomatis dalam bentuk manusia. Lalu sebenarnya juga, pada awalnya android ini merupakan sebuah perusahaan small startup yang berlokasi di Palo Alto. Lalu pada Juli 2005, Google mengakuisisinya. Android adalah sistem operasi untuk telepon seluler yang berbasis Linux. Android menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi mereka sendiri dan untuk digunakan oleh bermacam peranti bergerak (mobile device). Hal ini memungkinkan para pengembang menulis kode terkelola (managed code) dalam bahasa pemrograman Java, mengontrol peranti via perpustakaan Java yang dikembangkan Google. Semenjak kemunculannya satu setengah tahun lalu, pertumbuhan OS Android belakangan ini kian pesat dan terus meningkatkan jumlah penggemarnya. Pada bulan lalu, jumlah aplikasi baru yang memasuki Android Market telah mencapai 9000 aplikasi. Seperti halnya application store yang lain, Android market merupakan wadah bagi OS Android untuk mengunduh dan memperoleh aplikasi khusus Android, baik yang berbayar maupun yang diberikan secara cuma-cuma. Sebuah badan analisa milik

Androlib baru-baru ini menampilkan statistik yang menunjukkan pertumbuhan jumlah aplikasi yang beredar dalam Android Market kini sudah mencapai 70.000 aplikasi. Serbuan jumlah aplikasi ini menunjukkan tingginya minat para pengembang untuk berkecimpung didalam OS berlogo robot hijau ini, dan diperkirakan jumlahnya akan semakin meningkat lagi menyaingi jumlah aplikasi pada iPhone.

Beberapa fitur pengembangan android di antara nya : a. Open Handset Alliance (ada sekitar 30 Perusahaan) b. Open Source c. Linux Platform d. Aplikasi dikembangkan menggunakan program bahasa Java e. Penyimpanan : menggunakan SQLite f. Konektifitas : mendukung GSM/EDGE, CDMA, EV-DO, UMTS, Bluetooth, dan Wi-Fi. g. Messaging : SMS dan juga MMS h. Web Browser : berbasis open source webkit framework. i. Dalvik Virtual Machine : Software yang ditulis menggunakan Java dapat di compile menjadi Dalvik byte codes dan di jalankan melalui dalvik virtual machine, yang merupakan implementasi dari VM yang khusus untuk mobile device, walaupun secara teknis bukan standar Java Virtual Machine. j. Dukungan media : mendukung berbagai media audio/video seperti MPEG-4, H.264, Mp3, AAC, OGG, AMR,JPEG, PNG, GIF. k. Dukungan hardware : video/kamer, touch screen, GPS, accelerometer, dan 3D grafis. l. Development Enviroment : device emulator, tool untuk debug, plugin untuk IDE Eclipse.

L. Kelebihan dan Kekurangan dari OS Android Kelebihan Android Sudah banyak platform untuk perangkat selular saat ini, termasuk didalamnya Symbian, iPhone, Windows Mobile, BlackBerry, Java Mobile Edition, Linux Mobile

(LiM0), dan banyak lagi. Namun ada beberapa hal yang menjadi kelebihan Android. Walaupun beberapa fitur-fitur yang ada telah muncul sebelumnya pada platform lain, Android adalah yang pertama menggabungkan hal seperti berikut: 1. Keterbukaan, bebas pengembangan tanpa dikenakan biaya terhadap sistem karena berbasiskan Linux dan open source. Pembuat perangkat menyukai hal ini karena dapat membangun platform yang sesuai yang diinginkan tanpa harus membayar royality. Sementara pengembang software menyukai karena android dapat digunakan diperangkat manapun dan tanpa terikat oleh vendor manapun. 2. Arsitektur komponen dasar android terinspirasi dari teknologi internet Mashup. Bagian dalam sebuah aplikasi dapat digunakan oleh aplikasi lainnya, bahkan dapat diganti dengan komponen lain yang sesuai dengan aplikasi yang dikembangkan. 3. Banyak dukungan layanan, kemudahan dalam menggunakan berbagai macam layanan pada aplikasi seperti penggunaan layanan pencarian lokasi, database SQL, browser dan penggunaan peta. Semua itu sudah tertanam pada android sehingga memudahkan dalam pengembangan aplikasi. 4. Siklus hidup aplikasi diatur secara otomatis, setiap program terjaga antara satu sama lain oleh berbagai lapisan keamanan, sehingga kerja sistem menjadi lebih stabil. Pengguna tak perlu kawatir dalam menggunakan aplikasi pada perangkat yang memorinya terbatas. 5. Dukungan grafis dan suara terbaik, dengan adanya dukungan 2D grafis dan animasi yang diilhami oleh Flash menyatu dalam 3D menggunakan OpenGL memungkinkan membuat aplikasi maupun game yang berbeda. 6. Portabilitas aplikasi, aplikasi dapat digunakan pada perangkat yang ada saat ini maupun yang akan datang. Semua program ditulis dengan menggunakan bahasa pemrograman Java dan dieksekusi oleh mesin virtual Dalvik, sehingga kode program portable antara ARM, X86, dan arsitektur lainnya. Sama halnya dengan dukungan masukan seperti penggunaan Keyboard, layar sentuh, trackball dan resolusi layar semua dapat disesuaikan dengan program. 7. Peluncuran Android menjelaskan dimasa mendatang ponsel akan mempunyai kemampuan layaknya PC, bahkan lebih. 8. Merupakan sistem operasi open source (sumber terbuka) sehingga tiap orang berhak mengembangkannya.(karena Android adalah sebuah open source platform maka banyak sekali aplikasi dan game yang gratis).

9. Kinerja aplikasi di platform Android adalah di atas rata rata, semua aplikasi termasuk game 3D berjalan sangat lancar dan tidak mudah hang. 10. Linux (kernel 2.6) yang menjadi Operating System di Android ini sangat stabil (bagi Linux sudah biasa). 11. Browsing internet pakai Android sangat enak karena compatible dengan lebih dari 90% website di dunia. 12. Android juga dapat membawa pengguna telepon genggam menjelajahi kawasan yang diinginkan melalui teknologi Sistem Pemetaan Global (GPS). 13. Dengan terintegrasinya VoIP (Voice over Internet protocol) pada GPhone menelpon tidak perlu lagi menggunakan pulsa tapi cukup menggunakan Google Talk yang telah disediakan pada akun Gmail. 14. Menggunakan touch screen capative (hanya bisa dipakai dengan jari tangan asli alias tidak bisa pakai Stylus) dan memiliki accelerometer chip untuk membolak balik layar dari portrait ke landscape untuk berbagai kebutuhan yang berbeda-beda. 15. Kelebihan Android dari yang lainnya adalah harganya yang relatif lebih murah. Kekurangan Dari SO Android : 1. Belum ada market yg bisa kita gunakan dari PC layaknya AppStore punya Apple. 2. Platform berbasis di Java, sehingga manfaat dan sistem operasi Linux di Android tidak digunakan sepenuhnya. 3. Konsumen akan sulit membedakan produk dari berbagai vendor. Sejauh ini, perangkat Android yang telah diumumkan terlihat sangat mirip.

IX.

SISTEMATIKA PENULISANUntuk memberikan gambaran mengenai tugas akhir ini, secara singkat dapat diuraikan sistematika penulisan sebagai berikut : BAB I PENDAHULUAN Bab ini menguraikan tentang latar belakang masalah, perumusan masalah, tujuan penulisan, batasan masalah, metodologi penulisan, serta sistematika penulisan. BAB II DASAR TEORI Pada bab ini berisi pembahasan dasar teori tentang teknologi kompresi data dan android BAB III PERANCANGAN DAN IMPLEMENTASI APLIKASI Bab ini berisi tentang perancangan dan implementasi dari aplikasi kompresi pada android yang menggunakan algoritma Discrete Wavelet Transform (DWT) BAB IV PENGUJIAN DAN ANALISIS Pada bab ini membahas mengenai hasil pengujian dan melakukan analisis dari hasil pengujian yang dilakukan. BAB V KESIMPULAN DAN SARAN Pada bab ini berisi kesimpulan dan saran dari tugas akhir dan saran dari penulis.

X.

DAFTAR PUSTAKA1. Sutoyo, T. dkk (2009). Teori Pengolahan Citra Digital. Yogyakarta: Penerbit Andi. 2. Widhiarta,Putu. Pengantar kompresi Data. http://ilmukomputer.org/wpcontent/uploads//2008/10/widhiartha_kompresidata.pdf( Diakses pada 27/01/2011) 3. Rinaldi Munir, 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Penerbit Informatika Bandung 4. Mulyadi,2010. Membuat Aplikasi untuk Android. Yogyakarta: Multimedia center publishing 5. Burnette,Ed.2009. Hello Android 2nd Edition,USA

6. Sripathi, Deepika (2003). Efficient Implementations of Discrete Wavelet Transform using FPGAs. Florida State University 7. Usman Ahmad, 2005, Pengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu.