BAB 2 TINJAUAN PUSTAKA
2.1. Kompresi Data
Kompresi data adalah proses mengubah sebuah aliran data input menjadi aliran data baru yang memiliki ukuran lebih kecil. Aliran yang dimaksud adalah berupa file
ataupun buffer dalam memori. Kebutuhan terhadap kompresi data dipengaruhi oleh dua alasan, yaitu kecenderungan manusia untuk mengumpulkan data dan kebutuhan
terhadap proses transfer data yang cepat. Karena itu metode-metode untuk mengkompresi data semakin berkembang. Salomon, 2004
Terdapat banyak metode untuk kompresi data. Metode-metode tersebut lahir dari ide yang berbeda-beda, cocok untuk berbagai tipe data, dan menghasilkan output
yang berbeda-beda. Namun, prinsip dasar yang menjadi dasar tiap metode adalah sama, yaitu mengkompresi data dengan menghilangkan redundancy dari data asli.
Salomon, 2004 Lossy dan Lossless Compression adalah pengelompokan metode kompresi
berdasarkan keutuhan data. Lossy Compression menghilangkan beberapa data untuk memperoleh kompresi yang lebih baik, seperti Linear Predictive Coding, A-Law
Algorithm, Mu-Law Algorithm, Fractal Compression, dan lain-lain. Ketika proses dekompresi dilakukan, maka output yang dihasilkan tidak sama dengan data aslinya.
Metode kompresi ini lebih efektif untuk mengkompresi data gambar, video, atau audio. Sedangkan Lossless Compression tidak menghilangkan data sama sekali,
sehingga cocok untuk mengkompresi data berupa teks. Yang termasuk Lossless Compression adalah Burrows-Wheeler, DEFLATE, LZW, FLBE, VLBE, Huffman,
PPM, Shanon-Fano, Sequitur, dan lain-lain. Salomon, 2004
2.2. Fixed Length Binary Encoding FLBE
Secara matematis kode disebut juga pemetaan. Sebuah kode memetakan symbol tunggal maupun string dari symbol menjadi sebuah codeword bitstring. Proses ini
disebut juga encoding dan proses sebaliknya disebut decoding. Salomon, 2007 Kode dapat mengandung fixed maupun variable length, dan dapat bersifat
statis maupun dinamis. Kode statis merupakan kode yang tidak dapat berubah-ubah, seperti ASCII dan Unicode. Sementara kode dinamis bervariasi dari waktu ke waktu,
semakin banyak data yang dibaca dan diproses, maka semakin banyak pula probabilitas yang didapatkan dari sebuah symbol. Algoritma Huffman merupakan
contoh dari kode tersebut. Salomon, 2007 Algoritma FLBE dikenal juga sebagai kode-kode blok. Kemudahan dalam
mengubah simbol yang asli ke dalam bentuk fixed-length code menjadikan algoritma ini mudah untuk diimplementasikan ke dalam software. Kemudahan tersebut
berbanding lurus dengan proses mengubah kembali fixed-length code menjadi simbol aslinya. Salomon, 2007
FLBE akan mengambil karakter yang terdapat dalam string yang ingin dikompresi, kemudian menghitung frekuensi jumlah kemunculan karakter pada
string. FLBE mengubah bit karakter menjadi fixed-length code sehingga menghasilkan String Bit yang baru. String Bit inilah yang merupakan hasil kompresi
dari algoritma FLBE.
2.3. Sequitur
Kategori