Kompresi data adalah proses mengkodekan informasi menjadi ukuran yang lebih kecil untuk menghemat penyimpanan dan mempercepat pengiriman. Terdapat berbagai teknik kompresi seperti lossy dan lossless, serta algoritma seperti Huffman dan Shannon-Fano yang digunakan untuk mengoptimalkan pengkodean. Kompresi sangat penting dalam berbagai media, termasuk gambar, audio, dan video.

1. Sindy Nova, S.Kom., MMSI

2.  Kompresi berarti memampatkan/mengecilkan
ukuran.
 Kompresi data adalah : Proses mengkodekan
informasi menggunakan bit atau information
bearing unit yang lain yang lebih rendah
daripada representasi data yang tidak
terkodekan dengan suatu sistem enkoding
tertentu.

3.  Contoh kompresi sederhana misalnya kata
“Yang” menjadi kata “Yg”.
 Pengiriman data hasil kompresi dapat
dilakukan jika pihak pengirim dan pihak
penerima memiliki aturan yang sama dalam
hal kompresi data.
 Kompresi data menjadi sangat penting,
karena memperkecil kebutuhan penyimpanan
data, mempercepat pengiriman data, dan
memperkecil kebutuhan bandwith.

4.  Contoh teknik kompresi gambar :
 JPEG, PNG, GIF
 Contoh teknik kompresi audio :
 MP3, AAC, RMA, WMA
 Contoh teknik kompresi video :
 MPEG, 3GP

5.  Berdasarkan Mode Penerimaan Data oleh
Manusia :
 Dialoque Mode : Yaitu proses penerimaan data
dimana pengirim dan penerima seakan berdialog
langsung (Real Time).
 Retrieval Mode : Yaitu proses penerimaan data
tidak dilakukan secara Real Time.

6.  Berdasarkan Output :
 Lossy Compression : Teknik kompresi dimana data
hasil dekompresi tidak sama dengan data
sebelum kompresi, namun sudah “cukup” untuk
digunakan.
 Loseless Compression : Teknik kompresi dimana
data hasil kompresi dapat didekompres lagi dan
hasilnya tepat sama seperti data sebelum proses
kompresi.

7.  Entropy Encoding
 Bersifat Loseless.
 Tekniknya tidak berdasarkan media dengan
spesifikasi dan karakteristik tertentu namun
berdasarkan urutan datanya.
 Statistical encoding, tidak memperhatikan
semantik data.
 Contoh : Run Length Encoding, Static Huffman
Coding.

8.  Source Coding
 Bersifat Lossy.
 Berkaitan dengan data semantik (arti data) dan media.
 Contoh : Prediction (DPCM, DM), Transformation (FFT,
DCT), Layered Coding (Bit Position, Subsampling), Vector
Quantization.
 Hybrid Coding
 Gabungan antara Lossy dengan Loseless.
 Contoh : JPEG, MPEG.

9.  RUN LENGTH ENCODING (RLE)
 Kompresi data teks dilakukan jika ada beberapa
huruf yang sama yang ditampilkan berturut-
turut.
 Memiliki 2 type yaitu :
 RLE Tipe 1, dan
 RLE Tipe 2
 Minimal 4 huruf sama.
 RLE Tipe 1 menggunakan tanda “!”
 RLE Tipe 2 menggunakan tanda negatif (-)

10. ABCCCCCCCCDEFGGGG
 RLE Tipe 1 :
 RLE Tipe 2 :

11.  STATIC HUFFMAN CODING ALGORITHM
 Frekwensi karakter dari string yang akan
dikompres dianalisis terlebih dahulu.
 Selanjutnya dibuat pohon Huffman yang
merupakan pohon biner dengan ROOT awal yang
diberi nilai 0 (disebelah kiri) dan 1 (disebelah
kanan).
 Untuk dahan sebelah kiri, diberi nilai 1
(disebelah kiri) dan 0 (disebelah kanan).
 Untuk dahan sebelah kanan, diberi nilai 0
(disebelah kiri) dan 1 (disebelah kanan).

12.  Menggunakan teknik A Bottom Up Approach : dimana
frekwensi terkecil dikerjakan terlebih dahulu untuk
diletakkan ke dalam leaf (daun).
 Kemudian daun-daun akan dikombinasikan dan
dijumlahkan probabilitasnya menjadi Root di atasnya.
 Contoh : MAMA SAYA
A = 4 → 4/8 = 0,5
M = 2 → 2/8 = 0,25
S = 1 → 1/8 = 0,125
Y = 1 → 1/8 = 0,125

13.  SHANNON FANO ALGORITHM
 Dikembangkan oleh Shannon dan Robert Fano.
 Urutkan simbol berdasarkan frekwensi
kemunculannya.
 Bagi simbol menjadi 2 bagian secara rekursif,
dengan jumlah yang kira-kira sama pada kedua
bagian, sampai tiap bagian hanya terdiri dari
satu simbol.

14.  Menggunakan teknik Top Down Approach :
dimana frekwensi terbesar dimasukan ke dalam
leaf terlebih dahulu.
 Contoh : HELLO
L = 2
H = 1
E = 1
O = 1