2.5 Metode Pemampatan
Metode pemampatan berdasarkan output ada 2 jenis, yaitu: 1. Metode Lossless
Pemampatan data yang menghasilkan file data hasil pemampatan yang dapat dikembalikan menjadi file data asli sebelum dimampatkan secara utuh tanpa
perubahan apapun. Pemampatan data lossless bekerja dengan menemukan pola yang berulang di dalam pesan yang akan dimampatkan tersebut dan melakukan
proses pengkodean pola tersebut secara efisien. Pemampatan ini juga dapat berarti proses untuk mengurangi redundancy. Pemampatan jenis ini ideal
untuk pemampatan text. Algoritma yang termasuk dalam metode pemampatan lossless diantaranya adalah teknik dictionary coding dan Huffman coding
Fernando, Hary, 2004.
2. Metode Lossy Pemampatan data yang menghasilkan file data hasil pemampatan yang tidak
dapat dikembalikan menjadi file data sebelum dimampatkan secara utuh. Ketika data hasil pemampatan di-decode kembali, data hasil decoding tersebut
tidak dapat dikembalikan menjadi sama dengan data asli tetapi ada bagian data yang hilang. Oleh karena itu, pemampatan jenis ini tidak baik untuk kompresi
data yang kritis seperti data teks. Bentuk pemampatan ini sangat cocok untuk digunakan pada file-file gambar, suara, dan film. Contoh penggunaan
pemampatan lossy adalah pada format file JPEG, MP3 dan MPEG . Nelson, Mark et al, 1996.
Efek pemampatan pada metode pemampatan losseless dapat diukur melalui sejumlah penyusutan suatu file asal dalam membandingkan ukuran dari jenis-jenis
pemampatan, yaitu : 1.
Rasio pemampatan, merupakan perbandingan ukuran file setelah pemampatan dengan file semula yang ditunjukkan dalam persentase ditulis dalam :
Universitas Sumatera Utara
x 100 2.1 2.
Kecepatan proses pemampatan ditulis dalam satuan Kbytes: Kecepatan Proses Pemampatan
2.2
Ada beberapa kriteria yang sering menjadi pertimbangan dalam memilih suatu metode pemampatan yang tepat diantaranya kecepatan pemampatan, sumber daya
yang dibutuhkan, kualitas, ukuran file, kompleksitas algoritma dan lain-lain Munir, Rinaldi, 2004, hal: 166. Kualitas pemampatan dengan kebutuhan memori biasanya
berbanding terbalik. Kualitas pemampatan yang bagus umumnya dicapai pada proses pemampatan yang menghasilkan pengurangan memori yang tidak begitu besar dan
begitu juga sebaliknya.
2.6 Algoritma Huffman
Kategori