Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknik kompresi citra merupakan jawaban atas kebutuhan ruang memori yang cukup besar dalam penyimpanan data citra digital. Citra fraktal merupakan citra yang bersifat self-similarity. Hal ini berarti citra fraktal tersebut tersusun atas bagian-bagian yang tampak sama dengan citra awal sendiri. Skripsi ini bertujuan melakukan kompresi citra dengan metode fraktal tersebut. Prinsip kompresi citra metode fraktal ialah melakukan pencarian domain block yang paling mirip dengan range block pada citra lalu dilakukan transformasi afinitas terhadap domain block tadi. Partisi quadtree diterapkan dalam kompresi citra metode fraktal untuk menggeneralisasikan ukuran range block secara tetap yaitu 2n×2n, sedangkan penerapan Huffman code bertujuan agar menghasilkan citra dengan kualitas yang baik.

---

Image compression is an answer of the need of large memory space in saving digital image data. Fractal image is a self-similarity image. This means fractal is composed of images similar to the original one. This mini thesis discussed about fractal image compression. The main idea of the fractal image compression is to search the most similar domain block to range block then use the affine transform to the domain block. A quadtree partition is applied to generalize the size of range block, 2n×2n, while the Huffman code is applied to get good image quality."

"This paper discuss fractal application on image compression using the method cf quadtree partitioning as a determiner of the best domain-range. In order to study further on this matter, simulation is done with some parameters, i.e a variety of tolerance, quadtree partitioning level and number of iteration.

Analysis is done toward performance (PSNR and compression ratio) of each parameters. From the analysis can be determined some levels of quadtree partitioning tolerance and number of iteration use to produced a good image in the decompression process."

"Kebutuhan akan kompresi data memunculkan banyak metode dan konsep untuk mengurangi ukuran sebuah informasi digital. Tujuan dari kompresi data adalah untuk menghemat kapasitas media penyimpanan dan mempermudah pengiriman informasi melalui media transmisi. Metode Huffman Code merupakan salah satu metode kompresi Lossless yang dapat memberikan kompresi bit tanpa mengurangi informasi di dalam data yang asli. Tugas Akhir ini membahas tentang penggunaan metode Huffman Code dengan jumlah data yang besar, yaitu pada sebuah Frame Video MPEG-4 dengan menggunakan nilai intensitas warna pada setiap pixel sebagai data dan letak pixel sebagai dimensi matriks. Proses yang melibatkan berjuta bit tersebut terlalu rumit untuk diselesaikan secara manual, sehingga membutuhkan bantuan software komputer Matlab. Pemrograman Matlab dilengkapi dengan tools yang memberikan kemudahan dalam penyelesaian komputasi tesebut. Data yang diamati adalah kecepatan proses kompresi-dekompresi, rasio antara jumlah bit sebelum dan sesudah kompresi, dan ketepatan antara data hasil dekompresi dengan data aslinya. Kecepatan proses kompresi dan dekompresi menunjukkan waktu yang dibutuhkan untuk mengganti setiap simbol dalam data dengan kode Huffman-nya. Kecepatan tersebut berbeda-beda tergantung pada spesifikasi alat yang digunakan. Rasio merupakan perbandingan antara data terkompresi dengan data aslinya. Ketepatan data menunjukkan perbandingan antara nilai-nilai pada data yang dikompresi dengan data aslinya. Pada kompresi Huffman data hasil dekompresi dan data asli harus sama.

---

The need of data compression makes a lot of methods and concepts made to reduce the size of digital information. The purpose of data compression is to save the capacity of a storage media and to ease information transmission through transmission lines. The Huffman Code Method is one of Lossless compression method which able to give bit compression without reducing the information inside the original data.

This final project examine the utilization of Huffman Code method with huge number of data, and that is an MPEG-4 video frame using the value of color intensity on each pixel as data and pixel’s position as matrix dimension. The Process which involves millions of bits is too complicated to be done manually, so a help from computer software, Matlab is required. Matlab programming is equipped with tools which gives ease on handling the complex computation.

The Data which observed are the compressing-decompressing speeds, ratio between the number of bits before and after the compression, and the accuracy between the decompressed data and the original data. Processing speed in compressing and decompressing shows the time needed to replace each symbol in data with its Huffman code. The speed varies depends on the specification of the device used for the process. Ratio is the comparison between compressed data with its original data. The accuracy of data shows the comparison between values in the decompressed data and the original data. In Huffman Code compression, the decompressed data and the original data must shows exact match."

"ABSTRAKSkripsi ini membahas aplikasi fractal pada kompresi gambar dengan metode quadtree partitioning sebagai penentu pasangan domain-range terbaik.Untuk mempelajari lebih lanjut mengenai metode ini dilakukan simulasi dengan berbagai toleransi, tingkat quadtree partirioning dan iterasi yang digunakan sebagai parameter.Analisa dilakukan terhadap unjuk kerja (meliputi PSNR dan ratio kompresi) masing-masing parameter. Dari analisa dapat ditentukan berapa tingkat quadtree parmfoning yang diperlukan dan toleransi yang digunakan pada pross kompresi dan jumlah iterasi yang diperlukan untuk menghasilkan sebuah gambar yang baik pada proses dekompresi.

---

"

"Dalam perkembangan teknologi komunikasi yang semakin cepat, pengiriman pesan dapat dilakukan melalui media apapun. Namun, pesan yang dikirimkan tidak selalu terjamin keamanannya. Di dalam proses pengiriman pesan, dapat terjadi pencurian dan penyalahgunaan pesan. Untuk itu diperlukan teknik pengamanan, salah satunya adalah teknik steganografi. Pada skripsi ini dilakukan implementasi steganografi data citra digital dengan menggunakan Least Significant Bit (LSB) dan Huffman coding. Huffman coding digunakan untuk mengkompresi pesan rahasia. Metode LSB dilakukan untuk menyisipkan pesan rahasia dengan mensubstitusi satu bit terakhir masing-masing pixel pada cover image. Hasil uji coba dari implementasinya dianalisis berdasarkan rata-rata waktu proses embedding dan extracting. Nilai PSNR yang diperoleh relatif tinggi untuk semua data uji, yaitu dari 52,48 dB sampai 67,73 dB, hal tersebut menunjukkkan bahwa pesan rahasia yang disembunyikan sulit untuk dideteksi dan diketahui oleh pihak ketiga.

---

In rapidly communication technology development, sending message can be done through any media. But, the security of the message is not always guaranteed. In the message sending process, may occur theft and abusing message. Hence, it is necessary for security techniques, that is steganography.

In this undergraduate thesis, digital image steganography will be implemented using Least Significant Bit (LSB) and Huffman coding. Huffman coding is used to compress secret message. LSB method is used to embed secret message by substituting one last bit of each pixel of cover image.

The result of implementation is analyzed based on average time of embedding and extracting process for each of experiment data. PSNR value obtained are relatively high, that is from 52,48 dB to 67,73 dB, indicating that secret message hidden in the cover image is difficult to detected and known by third parties."

"Kompresi citra adalah proses mengurangi ukuran dari citra dengan mengurangi kualitas dari citra tersebut. Metode Fraktal yang digunakan bekerja dengan mencari kemiripan pada piksel-piksel citra dan mengelompokkannya dalam beberapa cluster. Semakin tinggi tingkat kemiripan pada citra, rasio kompresi akan semakin baik. Pada citra berwarna (RGB) metode tersebut diulang sebanyak tiga kali, masing-masing untuk satu elemen warna. Hasil akhir dari proses kompresi adalah tiga virtual codebook, masing-masing untuk satu elemen warna, yang menyimpan nilai dari brightness, contrast, dan tipe transformasi affine yang digunakan untuk tiap cluster. Proses dekompresi dari metode ini adalah dengan membentuk citra kosong dengan resolusi yang sama dengan citra asli dan mengisikan nilai RGB pada tiap piksel yang bersangkutan dengan menghitung nilai yang tersimpan pada virtual codebook. Dengan menggunakan nilai Coefficient of Variation (CV) sebagai penyesuaian nilai standar deviasi dan 57 citra BMP24-bit, hasil pengujian menunjukkan rasio kompresi rata-rata sebesar 41.79%. Dengan metode paralel yang digunakan, proses kompresi citra berwarna menunjukkan rata-rata nilai speed-up sebesar 1.69 dan nilai efisiensi prosesor sebesar 56.34%.Image compression is a process of reducing the size of the image by reducing the quality of the image. Fractal method is used to work by searching for similarities in the image pixels, and group them in clusters. The higher the degree of resemblance to the image, the better the compression ratio. In the color image (RGB) the method is repeated three times, each for one color element.The end result of the compression process is a three virtual codebook, each for one color element, which stores the value of the brightness, contrast, and the type of affine transformation are used for each cluster. Decompression process of this method is to form a blank image with the same resolution with the original image and fill in the RGB values at each pixel corresponding to the count value stored in the virtual codebook.By using the Coefficient of Variation (CV) as an adjustment value and standard deviation of 57 pieces of 24-bit BMP images, test results showed an average compression ratio of 41.79%. With the parallel method is used, the compression process of color image shows the average speed-up values of 1.69 and the processor efficiency of 56.34%."