dewan redaksi penanggungjawab dan penasehat anggota …jurnal.stmikelrahma.ac.id/assets/file/umar...

DEWAN REDAKSI

Penanggungjawab dan Penasehat Ketua STMIK EL RAHMA Eko Riswanto, S.T, M.Cs.

Ketua Dewan Redaksi Suparyanto, S.T, M.Eng

Anggota Dewan Redaksi

Minarwati, S.T, M.Cs

Wahyu Widodo, S.Kom, M.Kom Yuli Praptomo PHS, S.Kom, M.Cs

Penyunting Ahli

Andri Syafriyanto, S.Kom., M.Cs.

Suparyanto, S.T, M.Eng Eko Riswanto, ST., M.Cs.

Penyunting Pelaksana

Jamhari, A.Md Asih Winantu, S.Kom, M.Cs

Momon Muzakkar, ST., M.Eng

Desain Cover dan Administrasi

Amir Muhtarom, S.Kom

Mitra Bestari

Muhammad Sholeh, S.T.,MT Dahlan Abdullah, S.T, M.Kom

Bahar, S.T. M.Kom.

KATA PENGANTAR

Puji syukur redaksi panjatkan kehadirat Allah SWT karena dengan limpahan rahmat dan hidayah-Nya, Jurnal FAHMA dapat hadir kemballi dihadapan pembaca yang budiman. Pada kesempatan ini, rekdaksi mengajak para pembaca untuk berpartisipasi bagi kelangsungan Jurnal FAHMA dengan mengirimkan naskah hasil penelitian maupun hasil pengabdian masyarakat.

Ternyata mencari naskah penelitian yang “layak terbit” tidak semudah yang

dibayangkan. Apalagi untuk memenuhi kriteria yang diinginkan dewan redaksi, namun demikian redaksi tetap berusaha mendapatkan naskah dengan sistem “jemput bola” kepada para dosen maupun mahasiswa S2 yang telah melakukan penelitian dan pengabdian masyarakat. Hasil penelitian mahasiswa S1 yang layak dan berkualitas serta arahan pembimbing pun dapat disajikan dalam jurnal ini. Semua itu dimaksudkan sebagai upaya Jurnal FAHMA dapat terbit berkala dan menyuguhkan informasi teknologi dan ilmu komputer dihadapan pembaca.

Edisi FAHMA Volume 16 Nomor 2 Mei 2018 kali ini menyajikan berbagai hasil

penelitian dari beberapa dosen. Diantaranya dalam bidang penerapan algoritma oleh Ni Kadek Sukerti, Andri Syafrianto, Harliana dan Umar Zaky, bidang aplikasi jaringan oleh Minarwati, bidang Sistem Pendukung Keputusan oleh Asih Winantu, Rofiq Muhdan Siregar, bidang image processing oleh Thomas Edyson Tarigan, Febri Nova Lenti, dan FX. Henry Nugroho, Syamsu Windarti

Akhirnya selamat membaca artikel-artikel yang kami sajikan, semoga bermanfaat

dan dapat menambah pengetahuan pembaca. Amin.

Salam dari Redaksi

DAFTAR ISI Halaman Sampul Halaman Susunan Dewan Redaksi Kata Pengantar Daftar Isi PENENTUAN PEMILIHAN POLA MENU MELALUI PENERAPAN ALGORITMA APRIORI Ni Kadek Sukerti ........................................................................................................

1 – 9

IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR (KNN) DALAM MENGKLASIFIKASIKAN MAHASISWA KKL DI STMIK EL RAHMA YOGYAKARTA Andri Syafrianto ……..…….....................................................................................

10 – 19

OPTIMASI K-MEANS DALAM MENENTUKAN JUMLAH KELOMPOK SISWA TAHFIDZ AL-QUR’AN Harliana .......................................................................................................................

20 – 27

MEMBANGUN APLIKASI JARINGAN MIKROTIK BERBASIS PC ROUTER Minarwati .....................................................................................................................

28 – 42

FOREX EXPERT ADVISOR MENGGUNAKAN INDIKATOR MACD DAN EMA FX. Henry Nugroho, Syamsu Windarti ..................................................................

43 – 52

ANALISIS PENGARUH PADDING CITRA BITMAP 24 BIT TERHADAPKEBUTUHAN MEMORI PENYIMPANAN Thomas Edyson Tarigan, Febri Nova Lenti .......................................................... PENERAPAN FUZZY MULTI ATTRIBUTE DECISION MAKING UNTUK PENILAIAN KOMPETENSI DOSEN Asih Winantu, Rofiq Muhdan Siregar …………………………………...… IMPLEMENTASI ALGORITMA KODE HUFFMAN UNTUK EFISIENSI PENYIMPANAN CITRA (STUDI KASUS WEBSITE INTEESHIRT) Umar Zaky …………………………………...……………………………..

53 – 59

60 – 82

83 – 92

FAHMA – Jurnal Teknologi dan Ilmu Komputer Vol. 16, No 2, Mei 2018

83

IMPLEMENTASI ALGORITMA KODE HUFFMAN UNTUK EFISIENSI PENYIMPANAN CITRA

(STUDI KASUS WEBSITE INTEESHIRT)

Umar Zaky1

1Sistem Informasi dan Universitas Teknologi Yogyakarta, e-mail: [email protected]

Abstract

Inteeshirt Yogyakarta is a company in the garment industry, with vision and mission can absorb many labor and can produce various products the customer wants in accordance with the prevailing trend, so the need for convection in the community, especially the Special Region of Yogyakarta is met. The problem experienced by an Inteeshirt is when a customer's design request is sent in the form of an image.

In increasing the image size efficiency that will be sent via the Inteeshirt website, it is necessary to process the compression on image data. In this study the researchers chose the Huffman algorithm as an algorithm that will be planted in the compression process.

It is expected that the planting of Huffman algorithm in the image compression process can help the performance of the Inteeshirt website so that consumers or Inteeshirts do not have problems in sending or receiving images because the data size is too large to send. Keywords—Website, Compression, Image, Algorithm Huffman PENDAHULUAN

Perkembangan teknologi berbasis komputer telah mengalami perkembangan yang begitu pesat. Kemampuan komputer untuk menggabungkan elemen teks, suara/bunyi, gambar, dan video/movie telah memberikan perubahan yang revolusioner bagi kehidupan di jaman modern ini. Teknologi ini sering disebut dengan multimedia.

Teknologi multimedia sering dipakai untuk advertising, meskipun banyak bidang-bidang yang lain ikut mengaplikasikan teknologi multimedia ini. Dalam bidang kesehatan, multimedia dapat digunakan untuk menyampaikan informasi kepada pihak-pihak terkait untuk tujuan-tujuan tertentu. Multimedia memberikan banyak keunggulan dalam penyampaian informasi kepada publik serta sifatnya universal, artinya informasi berbasis multimedia bisa disampaikan untuk kalangan anak-anak hingga orang dewasa.

Pada saat ini perkembangan data bermacam-macam, ada data yang kecil adapun data yang besar. Rata-rata data yang diperoleh dari sebuah aplikasi multimedia sangat besar. Sebagian data dapat dikonsumsi oleh masyarakat menggunakan website, jika data yang akan diunggah kedalam website sangat besar, maka suatu proses harus dilakukan, maka dibutuhkan suatu proses peng-kompresian data, hal ini yang mendorong penulis untuk membahas permasalahan tersebut kedalam penelitian dengan menerapkan proses kompresi citra pada saat unggah data dan proses pengembalian data setelah mengalami proses kompres kedalam bentuk data aslinya di dalam sebuah website.

Berdasar pada permasalahan data yang semakin tidak terkendali besarannya dan juga memiliki dampak secara tidak langsung terhadap website Inteeshirt khususnya pada proses unggah data citra yang dilakukan oleh pelanggan, maka penulis tertarik untuk melakukan penelitian dalam melakukan Implementasi Algoritma Huffman Untuk Efisiensi Penyimpanan Citra (Studi kasus Website Inteeshirt).

mailto:[email protected]


84

METODE PENELITIAN Gonzalez dan Woods (2008), citra didefinisikan sebagai fungsi dua dimensi dari

f(x, y) dimana x dan y merupakan koordinat ruang, dan amplitudo dari f pada setiap titik (x, y) yang mana disebut intensitas atau derajat keabuan (gray level) dari citra pada titik tersebut. Jika nilai x, y dan f bersifat terbatas dan diskret, maka citra disebut sebagai citra digital. Dengan kata lain, citra digital merupakan kumpulan dari elemen-elemen yang menempati ruang tertentu dan memiliki nilai intensitas atau derajat keabuan tertentu. Elemen tersebut sering diistilahkan sebagai picture element atau disingkat pixel [1].

Citra digital dapat diperoleh melalui proses digitalisasi dengan bantuan berbagai perangkat, antara lain kamera digital, pemindai (scanner) atau CT Scanner seperti yang digunakan di bidang kedokteran. Citra digital juga dapat diperoleh melalui proses pemecahan video yang berasal dari perangkat perekam video seperti handycam, webcam, kamera CCTV dan sebagainya. Namun demikian, tahap akuisisi citra pada sistem pengolahan citra digital tidak selalu membutuhkan perangkat masukan tersebut. Ada kalanya citra yang diolah sudah dalam bentuk digital. Proses akuisisi tetap dilakukan melalui proses mengubah citra ke dalam format dan ukuran yang diinginkan, misalnya melakukan standardisasi ukuran citra ke dalam ukuran 500 x 500 piksel. Sementara itu, pengolahan citra digital merupakan pengolahan citra digital menggunakan perangkat komputer untuk tujuan tertentu. Pengolahan citra digital tidak hanya melibatkan sebuah proses tunggal, namun dapat terdiri dari berbagai macam proses yang tergambarkan pada Gambar 1[1].

Gambar 1 Alur dasar pengolahan citra

Kompresi adalah proses pengubahan sekumpulan data menjadi bentuk kode

dengan tujuan untuk menghemat kebutuhan tempat penyimpanan dan waktu untuk transmisi data[2]. Algoritma Huffman diciptakan oleh seorang mahasiswa MIT bernama David Huffman pada tahun 1952. Ini adalah salah satu metode tertua dan paling terkenal di kompresi teks [3].

Kode Huffman menggunakan prinsip-prinsip yang mirip dengan kode Morse. Setiap karakter dikodekan hanya dengan rangkaian beberapa bit, di mana karakter yang sering muncul dengan serangkaian kode bit pendek dan karakter yang jarang muncul dikodekan dengan panjang set bit. Berdasarkan jenis peta, kode ini digunakan untuk mengubah pesan awal (isi input data) menjadi satu set codeword. Algoritma Huffman menggunakan metode statis. Sebuah metode statis adalah metode yang selalu


85

menggunakan peta kode yang sama tapi kita masih bisa mengubah urutan penampilan karakter. Metode ini membutuhkan dua langkah. Langkah pertama untuk menghitung frekuensi terjadinya masing-masing simbol dan menentukan kode peta, dan yang terakhir adalah untuk mengkonversi pesan menjadi kumpulan kode yang akan ditransmisikan. Sementara itu, berdasarkan pada simbol teknik coding, Huffman menggunakan metode symbolwise. Symbolwise adalah metode yang menghitung frequncy karakter dalam setiap proses.

Algoritma Huffman menggunakan pohon biner dan mempunyai kode yang bersesuaian setiap sistemnyadiberikan label 1 atau 0. Pemberian label tiap sisi haruslah sesuai dengan aturannya, yaitu setiap sisi harus memiliki nilai yang sama. Misalkan semua sisi kiri harus diberi nilai 1 saja atau, 0 saja, dan begitu juga sebaliknya. Kode yang diperoleh berasal dari alamat tiap daun yang terbentuk. Dengan menggunakan kode awalan, data yang dibuat dalam bentuk biner tidak akan menghasilkan kode yang ambigu meskipun bit yang digunakan berbeda-beda untuk setiap data[3]. Adapun penggambaran pohon biner untuk kode Huffman dapat dilihat pada Gambar 2[4].

Pohon adalah graf tak-berarah terhubung yang tidak mengandung sirkuit Sedangkan pohon biner adalah pohon berakar dimana setiap simpul cabanhnya mempunyai paling banyak dua buah anak. Pohon biner teratur adalah pohon biner dimana setiap simpul cabangnya mempunyai dua buah anak[5]. Adapun contoh penggambaran pohon biner dapat dilihat pada Gambar 2.

Gambar 2 Contoh Pohon Biner

Struktur data yang terbentuk pada algoritma pengodean Huffman adalah pohon biner berbobot. Dalam algoritma Huffman terdapat dua tahap yang akan membentuk Pohon Huffman dan Table Huffman. Pembentukan pohon biner Huffman dapat dilihat pada Gambar 3.

Gambar 3 Pembentukan Pohon Biner Huffman


86

Sedangkan dalam pemebntukan Table Huffman dapat dilihat pada Gambar 4.

Gambar 4 Pembentukan Table Huffman

Dari data citra residual dilakukan pengurutan (sorting) simbol (dalam hal ini nilai keabuan piksel-piksel citra) dan dihitung frekuensi kemun-culannya. Tiap data dianggap satu simpul yang mempunyai dua nilai data : nilai keabuan dan frekuensi kemun-culannya. Dua simpul dengan frekuensi terkecil dari daftar diambil dan frekuensinya dijumlahkan. Hasil penjumlahan kedua frekuensi ini menjadi frekuensi baru untuk sebuah simpul baru yang mempunyai dua cabang kedua simpul tadi (cabang kiri dan kanan). Simpul baru ini selanjutnya dimasukkan dalam daftar untuk dilakukan pengurutan simpul, penjumlahan dua smpul dengan frekuensi terkecil, dan pembuatan simpul baru. Proses ini berlanjut sampai semua simpul telah masuk ke dalam pohon dan frekuensi akar (root) dari pohon akan merupakan hasil penjumlahan semua frekuensi yang ada.

Sedangkan pembuatan tabel Huffman dilakukan dengan penulusuran pohon Huffman. Dimulai dari akar, penelusuran menurun dilakukan dengan prioritas ke arah cabang kiri dari setiap simpul dan memberi tanda “0” untuk setiap cabang kiri yang dilewati. Penelusuran dilakukan sampai didapatkan simpul tanpa cabang (daun). Begitu didapatkan daun, maka nilai piksel dimasukkan dalam tabel beserta angka – angka bit (“0” atau “1”) dari cabang-cabang yang dilalui untuk sampai pada daun ini. Setelah mencatat simpul beserta representasi binernya, dilakukan penelusuran ke atas sambil menghapus angka biner pada cabang yang dilaluinya sampai bertemu simpul (induk simpul) terdekat.

Selanjutnya dilakukan pemeriksaan pada simpul ini apakah sudah bertanda(marked) atau belum. Simpul bertanda berarti sudah dilakukan penulusuran ke arah cabang kanan simpul dan penelusuran dilanjutkan ke atas ke simpul-simpul lain. Jika simpul belum bertanda berarti belum dilakukan penelusuran ke arah cabang kanan, simpul ini kemudian diberi tanda, dilakukan penelusuran ke cabang kanan, dan terus menurun dengan prioritas cabang kiri sampai didapatkan daun. Tiap melewati cabang kanan diberikan tanda “1”, dan daun terakhir beserta angka-angka biner “0” atau “1” dari cabang - cabang di atasnya dicatat dalam tabel. Proses ini dilakukan sampai seluruh simpul utama (akar) telah diberi tanda.


87

Table 1. Perbandingan Nilai Entropi, Ukuran File dan Rasio Kompresi

Kelas-kelas yang dikembangkan untuk pengkodean ini adalah :

1. ReadImage: kelas ini digunakan untuk membaca file berekstensi BMP atau TIF. 2. HuffmanCoding: kelas yang digunakan untuk meng-kodekan data citra residual

dengan metode pengkodean Huffman dengan mempergunakan table Huffman. 3. HuffmanDecoding: kelas yang digunakan untuk pendekodean data hasil

pengkodean Huffman dengan mempergunakan pohon Huffman. 4. HuffmanTree: kelas yang menyediakan obyek simpul (node) yang digunakan

untuk menyusun pohon Huffman. 5. MakeMapTree: digunakan untuk memproses data array untuk menghasilkan

table Huffman dan pohon Huffman. Tabel Huffman disimpan sebagai obyek TreeMap sedangkan pohon Huffman disimpan sebagai obyek HuffmanTree.

6. SortedData: kelas yang digunakan untuk melakukan pengurutan (sorting) sejumlah data simbol (nilai keabuan piksel) dan menghitung frekuensi kemunculan tiap simbol.

7. SortedNode: kelas yang digunakan untuk melakukan pengurutan simpul berdasarkan data frekuensi tiap simpul.

HASIL DAN PEMBAHASAN Pada skema awal, proses unggah disatukan dengan kompres data, sehingga

pengkodean dalam program tidak memakan banyak ruang. Setelah proses unggah dan kompres berjalan, maka data hasil dari kompres berupa string, dikarenakan data melalui proses kompres oleh program. Alur proses unggah yang disatukan oleh proses kompres ditunjukkan pada Gambar 5.

Gambar 5 Proses Unggah dan Proses Kompres

UNGGAH

&

KOMPRES

Data Citra Data

Kompres

(String)


88

Selain proses unggah terdapat juga suatu proses yang bertolak belakang, yaitu proses unduh. Pada proses unggah disisipkan suatu proses yang dinamakan kompres, lain halnya pada proses unduh, pada proses unduh disisipkan suatu proses yang dinamakan dekompresi, yaitu suatu proses untuk mengembalikan data yang sudah melalui proses kompres kemudian dikembalikan kedalam bentuk aslinya untuk ditampilkan.

Proses dekompres membutuhkan estimasi waktu yang lama, karena proses dekompres dipengaruhi oleh peripheral komputer, terutama pada bagian memori dan prosessor. Pembacaan string yang terdapat pada data hasil kompres merupakan salah satu kendala dalam proses dekompres. Proses tersebut dapat dilihat pada Gambar 6.

Gambar 6 Unduh dan Dekompress

Adapun proses unggah dan kompores akan digambarkan dan dijelaskan pada bagan alir (flowchart) program seperti ditunjukkan pada Gambar 7.

Mulai

Input

Gambar/

Citra

Proses Upload +

Kompres

Selesai

Ambil Stream

Data

Memecah Stram Data

Menjadi Karakter Satuan

Menentukan 2 Karakter

Dengan Frekuensi Jumlah

Terkecil

Membuat Pohon Biner

Proses Upload

Gagal

Membuat Tabel Huffman

Dengan Mengikuti Jalur

Dari Root Sampai Ke

Ujung Pohon

Kompresi Data Berdasar

Tabel Huffman

Tulis File Kompres

Gambar 7 Bagan Alir Unggah dan Kompress

UNDUH

&

DEKOMPRES

Data Kompres

(String) Data

Gambar/Citr

a


89

Proses kompresi dari bagan alir diatas, pertama sisi pelanggan mengunggah citra pada website Inteeshirt, kemudian program akan memproses citra tersebut. Sebelum proses berjalan progam akan memeriksa apakah extension file sesuai dengan yang ditentukan, jika tidak proses akan berhenti dan kembali ke proses awal, jika ya maka prosses akan berlanjut.

Tahap berikutnya adalah pengambilan data stream, kemudian data stream akan dipecah menjadi karakter satuan. Pada tahap berikut adalah menentukan karakter dengan frekuensi terkecil. Setelah mendapatkan karakter terkecil, maka proses berikutnya adalah pembentukan pohon biner. Setelah tahap pembuatan pohon biner selesai, selanjutnya adalah membuat tabel Huffman dengan mengikuti jalur dari root sampai ke-ujung pohon. Setelah mendapatkan hasil dari table, maka data akan terkompres berdasarkan hasil tabel Hufman. Proses selesai dan mendapatkan hasil data yang terkompres.

Pada bagian admin website Inteeshirt terdapat proses unduh dan dekompres. Alur proses unduh dan dekompres dapat dilihat pada Gambar 8.

Memanggil File

Huffman

Mulai

Ambil Stream

Data

Set Offset Bit Data

Is Offset adalah End

Of File

Tulis Temporary

ke File

Selesai

YA

Ambil Bit 1 per 1 dan

Gabungkan Dengan

Bit Sebelumnya

Sesuai Offset

TIDAK

Mencocokan Bit

Dengan Tabel

Huffman

Tambah Hasil

ke Temporary

Gambar 8 Bagan Alir Unduh dan Dekompres Setiap data yang telah mengalami kompresi, tentu program harus dapat

merekonstruksi kembali data tersebut sesuai dengan aslinya. Metode dekompresi Huffman dapat digunakan untuk mengembalikan data kode biner menjadi file semula.


90

Membaca data pertama yang merupakan kode bit dari data karakter terakhir. Data pertama ini memiliki jumlah bit yang bervariasi dan digunakan sebagai pembanding untuk mengetahui apakah data karakter yang direkonstruksi merupakan data karakter terakhir atau bukan. Data ini selalu memiliki nilai sama dengan nol.

Membaca data kode biner bit per bit hasil kompresi, bila nilai bit pertama sama dengan “0” maka dilanjutkan pada bit kedua. Bila bit kedua juga memilik nilai “0”, maka terus dilakukan pembacaan bit hingga ditemukan nilai bit sama dengan “1”. Setelah ditemukan nilai bit “1”, berarti semua bit yang terbaca adalah merupakan kode sebuah karakter. Mengubah kode biner menjadi sebuah karakter dengan cara menghitung banyaknya bit dalam kode tersebut. Misalkan banyaknya bit tersebut adalah n, maka kode biner di atas mewakili karakter pada urutan ke n dalam listing karakter. Penentuan apakah kode biner yang sedang dibaca mewakili karakter yang paling akhir dalam listing karakter atau tidak adalah dengan cara membandingkan semua bit “0” yang terbaca dengan kode biner dari karakter yang terakhir.

Tahapan awal yang dilakukan oleh pelanggan adalah memesan barang melalui website Inteshirt dengan memasukkan data pesanan beserta citra desain yang diinginkan, apabila proses unggah dan kompres berhasil maka program akan menampilkan validasi sesuai Gambar 9.

Gambar 9 Proses Unggah dan Kompres Berhasil Selain menampilkan validasi, script di atas menerangkan kompresi data yang

diambil dari script Huffman.php. Jika proses upload berhasil, maka akan membentuk sebuah file ekstension (.JPEG.hfm). Proses perubahan data citra asli menjadi data kompres ditunjukan pada Tabel 2.

Tabel 2 Perbandingan Hasil Kompres


91

Dapat dilihat pada Tabel 1 bahwasanya terdapat tiga data citra yang diunggah

dangan besaran yang bervariatif. Prosentase terkompresnya data citra di atas dapat dilihat pada Tabel 3.

Tabel 3 Prosentase Citra Terkompres

No Nama Citra Size Awal (kilo byte)

Size Terkompres (kilo byte)

Prosentase (%)

1 11.jpg 40.7 kb 34.0 kb 16.46 %

2 Kaos.jpg 37.3 kb 35.1 kb 5.89 %

3 topus.jpg 112 kb 109 kb 2.75 %

Sedangkan proses unduh dan dekompres akan mengembalikan file citra

terkompres menjadi file asli sebagaimana sebelum terkompres. Data yang akan didekompres adalah data yang memiliki ekstensi *.jpg.hfm untuk dikembalikan kedalam bentuk aslinya yaitu *.jpg atau *.jpeg. Hasil dari proses unduh dan dekompresi dapat dilihat pada Tabel 4.

Tabel 4 Perbandingan Hasil Dekompres

Dari hasil dekompres dapat dilihat bahwasanya data terkompres dapat

dikembalikan seperti data citra sebelum terkompres. KESIMPULAN

Berdasarkan pengamatan dan penelitian yang dilakukan penulis pada website Inteeshirt, penulis mengambil beberapa kesimpulan sebagai berikut:

1. Proses kompres dan dekompres menggunakan Algoritma Huffman dapat

dilakukan untuk data citra yang beragam.

2. Proses kompres dan dekompres citra berukuran besar mengalami kendala

terkait dengan pembacaan biner yang mengakibatkan proses memakan waktu

yang cukup lama.

3. Proses kompresi gambar menggunakan metode algortima Huffman akan lebih

maksimal jika data citra diproses kompres memiliki variatif warna yang tidak


92

banyak. Sebagaimana pada table 3 prosesntase terbesar perubahan dengan

angka 16,46% berada pada data citra (11.jpg) dengan dua jenis warna yaitu

hitam dan putih. Sedangkan untuk citra dengan variatif warna lebih banyak

(topus.jpg) hanya 2,75%.

4. Kualitas gambar setelah melalui proses dekompresi akan kembali sama dengan

gambar aslinya. Karena pengkodean ulang data berasal dari rekonstruksi

konversi pohon biner.

SARAN

Diperlukan adanya penelitian lebih lanjut untuk pembangunan sistem kompresi dengan menggunakan metode algoritma yang lain akan menemukan solusi untuk mendapatkan hasil yang lebih maksimal, serta menemukan solusi bagaimana menanamkan metode lain tersebut pada aplikasi pelanggan yang akan mengirimkan data gambar, agar proses kompresi dilakukan terlebih dahulu sebelum pengiriman data citra. DAFTAR PUSTAKA [1] Gonzales, R., P. 2004, Digital Image Processing (Pemrosesan Citra Digital), Vol. 1, Ed.2,

diterjemahkan oleh Handayani, S., Andri Offset, Yogyakarta. [2] Howe, D., Free On-line Dictionary of Computing, http://www.foldoc.org/,1993,

diakses tgl 28 Februari 2009 [3] M. Schindler, Practical Huffman Coding, 1998,

http://www.compressconsult.com/huffman/, diakses tgl 16 Januari 2010 [4] R. G. Baldwin, “Understanding the huffman data compression algorithm in java”,

http://www.developer.com/java/other/article.php/10936_3603066_2, diakses tgl 26 Mei 2010

[5] Munir, Rinaldi. 2008. Diktat Kuliah IF2091 Struktur Diskrit. Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung

http://www.foldoc.org/,1993

http://www.compressconsult.com/huffman/

dewan redaksi penanggungjawab dan penasehat anggota …jurnal.stmikelrahma.ac.id/assets/file/umar...

Documents