INTEGRAL, Vol. 9 No.

1, Maret 2004

PERBANDINGAN KINERJA ALGORITMA KOMPRESI HUFFMAN, LZW, DAN DMC PADA BERBAGAI TIPE FILE
Linawati dan Henry P. Panggabean
Jurusan Ilmu Komputer, FMIPA Universitas Katolik Parahyangan Bandung 40141 e-mail : linawati_id@yahoo.com, henrypp@home.unpar.ac.id Intisari Makalah ini membahas perbandingan kinerja tiga algoritma kompresi yang masing-masing menggunakan teknik pengkodean yang berbeda, yaitu algoritma Huffman, LZW (Lempel-Ziv-Welch), dan DMC (Dynamic Markov Compression). Ketiga algoritma tersebut diimplementasikan ke dalam sebuah perangkat lunak dan diujikan terhadap 12 golongan kasus uji, lalu kinerjanya diukur berdasarkan rasio ukuran file hasil kompresi terhadap file awal dan kecepatan kompresi. Disimpulkan bahwa dalam hal rasio hasil kompresi, secara rata-rata DMC merupakan yang terbaik dan Huffman merupakan yang terburuk, sedangkan dari sisi kecepatan kompresi, LZW merupakan yang terbaik dan DMC merupakan yang terburuk. Terdapat beberapa jenis file yang tidak tepat untuk dikompresi dengan metode tertentu karena justru menghasilkan file hasil kompresi yang berukuran lebih besar. Kata kunci : kompresi data, algoritma Huffman, algoritma LZW, algoritma DMC Abstract This paper presents performance comparison of three compression algorithms, each of which uses different coding technique: Huffman, LZW (Lempel-Ziv-Welch), and DMC (Dynamic Markov Compression). These three algorithms are implemented into a computer program, tested upon 12 classes of test case, and their performances are measured in terms of size ratio between compressed file and initial file, and compression speed. It can be concluded that in terms of compression ratio, in average DMC is the best and Huffman is the worst, meanwhile in terms of compression speed, LZW is the best and DMC is the worst. There are several file types that are not suitable to be compressed by certain algorithm, because the compressed file becomes bigger in size. Keywords : data compression, Huffman algorithm, LZW algorithm, DMC algorithm Diterima : 8 Juli 2003 Disetujui untuk dipublikasikan : 26 Maret 2004

1. Pendahuluan
Kompresi ialah proses pengubahan sekumpulan data menjadi suatu bentuk kode untuk menghemat kebutuhan

tempat penyimpanan dan waktu untuk transmisi data [1]. Saat ini terdapat berbagai tipe algoritma kompresi [2,3], antara lain: Huffman, LIFO, LZHUF,

7

Shannon-Fano. PPM (Prediction by Partial Matching). metode kompresi terbagi menjadi dua kelompok. Berdasarkan tipe peta kode yang digunakan untuk mengubah pesan awal (isi file input) menjadi sekumpulan codeword. yang masing-masing mewakili sebuah kategori teknik pengkodean. yaitu kecepatan kompresi. Dasar Teori 2. dan DMC.INTEGRAL. Metode ini disebut adaptif karena peta kode mampu beradaptasi terhadap perubahan karakteristik isi file selama proses kompresi berlangsung. RunLength. Maret 2004 LZ77 dan variannya (LZ78. dan Half Byte. Vol. (b) Metode dinamik (adaptif) : menggunakan peta kode yang dapat berubah dari waktu ke waktu. yaitu algoritma Huffman. Tidak ada metode kompresi yang paling efektif untuk semua jenis file. dalam bentuk sebuah perangkat lunak. lalu mengkodekan satu simbol dalam satu waktu. yang dibuat oleh seorang mahasiswa MIT bernama David Huffman. Arithmetic. dan kompleksitas algoritma. 15 . yaitu : (a) Metode symbolwise : menghitung peluang kemunculan dari tiap simbol dalam file input. dan fase kedua untuk mengubah pesan menjadi kumpulan kode yang akan ditransmisikan. LZW. (c) Metode predictive : menggunakan model finite-context atau finite-state untuk memprediksi distribusi probabilitas dari simbol-simbol selanjutnya. dimana karakter yang sering muncul dikodekan dengan rangkaian bit yang pendek dan karakter yang jarang muncul dikodekan dengan rangkaian bit yang lebih panjang. 1. Berdasarkan teknik pengkodean/pengubahan simbol yang digunakan. Contoh: algoritma LZW dan DMC. yaitu tiap karakter (simbol) dikodekan hanya dengan rangkaian beberapa bit. merupakan salah satu metode paling lama dan paling terkenal dalam kompresi teks. contoh: algoritma LZW. Dalam penelitian ini. Contoh: algoritma Huffman statik. Ada beberapa faktor yang sering menjadi pertimbangan dalam memilih suatu metode kompresi yang tepat. contoh: algoritma DMC. LZW. yaitu rasio/perbandingan ukuran file hasil kompresi terhadap file asli dan kecepatan kompresinya.1 Algoritma Huffman Algoritma Huffman. ukuran file hasil kompresi. Block-Sorting Lossless. sumber daya yang dibutuhkan (memori. dimana simbol yang lebih sering muncul diberi kode lebih pendek dibandingkan simbol yang lebih jarang muncul. besarnya redundansi. yaitu : (a) Metode statik : menggunakan peta kode yang selalu sama. GZIP). Ketiga metode ini diujikan untuk mengkompresi dan mendekompresi berbagai tipe dan ukuran file yang berbeda. Burrows-Wheeler Block Sorting. karena hanya diperlukan satu kali pembacaan terhadap isi file. Metode ini bersifat onepass. Algoritma Huffman menggunakan prinsip pengkodean yang mirip dengan kode Morse. contoh: algoritma Huffman. Metode ini membutuhkan dua fase (two-pass): fase pertama untuk menghitung probabilitas kemunculan tiap simbol/karakter dan menentukan peta kodenya. diimplementasikan tiga buah metode kompresi. Lalu dilakukan analisis statistik untuk membandingkan kinerja setiap metode berdasarkan dua faktor. metode kompresi dapat dibagi ke dalam tiga kategori. 9 No. (b) Metode dictionary : menggantikan karakter/fragmen dalam file input dengan indeks lokasi dari karakter/fragmen tersebut dalam sebuah kamus (dictionary). kecepatan PC). 2. Dynamic Markov Compression (DMC).

Tidak ada kode Huffman “1”. Kemudian baca kode bit selanjutnya. Tabel 1. dalam kode ASCII string 7 huruf “ABACCDA” membutuhkan representasi 7 × 8 bit = 56 bit (7 byte). yaitu bit “0”. Pass pertama Baca (scan) file input dari awal hingga akhir untuk menghitung frekuensi kemunculan tiap karakter dalam file. T sekarang tinggal berisi satu item. m2} sebagai father node dari node m1 dan m2 dalam pohon Huffman. 1. terutama untuk karakter yang frekuensi kemunculannya besar. lalu baca kode bit selanjutnya.m2} dalam T. yaitu bit “1”. C = 2. Tiap karakter menjadi node daun pada pohon Huffman. Pass kedua Ulangi sebanyak (n -1) kali : a. B = 1. Contoh: saat membaca kode bit pertama dalam rangkaian bit “011001010110”. 3. Pada string di atas. dapat langsung disimpulkan bahwa kode bit “0” merupakan pemetaan dari simbol “A”. sehingga menjadi “11”. Buat node baru {m1. dimana nilai peluang dari item yang baru ini adalah penjumlahan dari nilai peluang m1 dan m2. frekuensi kemunculan A = 3. b. Gambar 1. 1. dan item ini sekaligus menjadi node akar pohon Huffman.INTEGRAL. n jumlah semua karakter dalam file input. jumlah bit yang dibutuhkan hanya 13 bit. Maret 2004 Algoritma Huffman secara lengkap diberikan pada Gambar 1. Karena tiap kode Huffman yang dihasilkan unik. dan D = 1. Item m1 dan m2 dua subset dalam T dengan nilai peluang yang terkecil. Dari Tabel 1 tampak bahwa kode untuk sebuah simbol/karakter tidak boleh menjadi awalan dari kode simbol yang lain guna menghindari keraguan (ambiguitas) dalam proses dekompresi atau decoding. Gantikan m1 dan m2 dengan sebuah item {m1. maka proses dekompresi dapat dilakukan dengan mudah. string “ABACCDA” direpresentasikan menjadi rangkaian bit : 0 110 0 10 10 111 0. Vol. sehingga dengan menggunakan algoritma di atas diperoleh kode Huffman seperti pada Tabel 1. dengan rincian sebagai berikut: 01000001 A 01000010 01000001 B A 01000011 01000011 01000100 C C D 01000001 A Untuk mengurangi jumlah bit yang dibutuhkan. Algoritma kompresi Huffman Sebagai contoh. 9 . panjang kode untuk tiap karakter dapat dipersingkat. T daftar semua karakter dan nilai peluang kemunculannya dalam file input. Panjang kode untuk suatu simbol adalah jumlah berapa kali simbol tersebut bergabung dengan item lain dalam T. 2. Jadi. c. 9 No. Kode Huffman untuk “ABACCDA” Simbol Frekuensi Peluang Kode Huffman A 3 3/7 0 B 1 1/7 110 C 2 2/7 10 D 1 1/7 111 Dengan menggunakan kode Huffman ini.

dan “C”.. Rangkaian kode bit “110” adalah pemetaan dari simbol “B”.. Vol. Dictionary diinisialisasi dengan semua karakter dasar yang ada : {‘A’. 15 . sehingga menjadi “110”. Hasil proses kompresi ditunjukkan pada Gambar 3. “B”. 5. maka P P + C (gabungkan P dan C menjadi string baru). string “ABBABABAC” akan dikompresi dengan LZW. 1. C karakter berikutnya dalam stream karakter. Tahapan proses kompresi ditunjukkan pada Tabel 3.. 2. lalu baca lagi kode bit berikutnya. dan kedua untuk mengkodekan simbol dalam kode Huffman. Tambahkan string (P + C) ke dalam dictionary dan berikan nomor/kode berikutnya yang belum digunakan dalam dictionary untuk string tersebut. • Jika tidak. Output sebuah kode untuk menggantikan string P. Kolom dictionary menyatakan string baru yang sudah ditambahkan ke dalam dictionary dan nomor indeks untuk string tersebut ditulis dalam kurung siku. maka kembali ke langkah 2. Apakah masih ada karakter berikutnya dalam stream karakter ? • Jika ya. lalu terminasi proses (stop). Maret 2004 Tidak ada juga kode Huffman “11”. Gambar 2. Metode Huffman yang diterapkan dalam penelitian ini adalah tipe statik.2 Algoritma LZW Algoritma LZW dikembangkan dari metode kompresi yang dibuat oleh Ziv dan Lempel pada tahun 1977.’Z’.INTEGRAL. Apakah string (P + C) terdapat dalam dictionary ? • Jika ya. P C. dimana dilakukan dua kali pembacaan (two-pass) terhadap file yang akan dikompresi.’z’. Pendekatan ini bersifat adaptif dan efektif karena banyak karakter dapat dikodekan dengan mengacu pada string yang telah muncul sebelumnya dalam teks.’9’}. • Jika tidak. Algoritma ini melakukan kompresi dengan menggunakan dictionary.’a’. 2. Algoritma kompresi LZW Sebagai contoh. 9 No. Algoritma kompresi LZW diberikan pada Gambar 2. Prinsip kompresi tercapai jika referensi dalam bentuk pointer dapat disimpan dalam jumlah bit yang lebih sedikit dibandingkan string aslinya. P karakter pertama dalam stream karakter.’0’. iii. maka output kode yang menggantikan string P. pertama untuk menghitung frekuensi kemunculan karakter dalam pembentukan pohon Huffman. 4. 3. Kolom output menyatakan kode output yang dihasilkan oleh langkah kompresi. di mana fragmen-fragmen teks digantikan dengan indeks yang diperoleh dari sebuah “kamus”. Prinsip sejenis juga digunakan dalam kode Braille. ii. maka : i. Kolom posisi menyatakan posisi sekarang dari stream karakter dan kolom karakter menyatakan karakter yang terdapat pada posisi tersebut. di mana kode-kode khusus digunakan untuk merepresentasikan kata-kata yang ada. Isi dictionary pada awal proses diset dengan tiga karakter dasar yang ada: “A”. 1.

4.CW) ke stream karakter. bersamaan dengan proses penambahan string baru ke dalam dictionary. Metode LZW yang diterapkan dalam penelitian ini bertipe dinamik.’a’. output string (P+C) ke stream karakter dan tambahkan string tersebut ke dalam dictionary (sekarang berkorespondensi dengan CW). Hasil = = = = dictionary ab bb ba aba abac Proses dekompresi pada LZW dilakukan dengan prinsip yang sama seperti proses kompresi. 9 No. 5. Maret 2004 Tabel 3. maka terminasi proses (stop). Posisi 1 2 3 4 6 9 Karakter A B B A A C Dictionary [4] A B [5] B B [6] B A [7] A B A [8] A B A C --Output [1] [2] [2] [4] [7] [3] stream karakter : a kode output : [1] b [2] b [2] ab [4] aba [7] c [3] frasa baru yang 4 5 6 7 8 Gambar = kompresi beserta isi dictionary ditambahkan ke 3. Apakah terdapat kode lagi di stream kode ? Jika ya. 1.’9’}. Lalu pada setiap langkah. 2... C karakter pertama dari string. 5. 3. PW CW. maka : i.CW iv. 6. P string. 11 . 4. tambahkan string (P+C) ke dalam dictionary Jika tidak. Algoritma diberikan pada Gambar 4. Tahapan proses kompresi LZW Langkah 1.’0’. 2. dictionary diinisialisasi dengan semua karakter dasar yang ada.. Vol. dimana hanya dilakukan satu kali pembacaan (one-pass) terhadap file yang akan dikompresi. maka kembali ke langkah 4. Apakah string. Pada awalnya. 3. 6. maka : i. output string. Dictionary diinisialisasi dengan semua karakter dasar yang ada : {‘A’. kode dibaca satu per satu dari stream kode. dan ditambahkan string baru ke dalam dictionary.PW iii. Jika tidak.INTEGRAL. CW kode berikutnya dari stream kode. 1. Pengkodean data dilakukan secara on the fly. CW kode pertama dari stream kode (menunjuk ke salah satu karakter dasar). C karakter pertama dari string. P string.’z’. dikeluarkan string dari dictionary yang berkorespondensi dengan kode tersebut.’Z’. Lihat dictionary dan output string dari kode tersebut (string.PW iii. Tahapan proses dekompresi ini ditunjukkan pada Tabel 4.CW ke stream karakter ii.PW ii.CW terdapat dalam dictionary ? Jika ada.

2. t T[u][e] /*ikuti transisi*/ iii. 1. meskipun waktu komputasi yang dibutuhkan lebih besar dibandingkan metode lain [2]. DMC merupakan teknik kompresi yang adaptif. artinya bit 0 di state 1 terjadi sebanyak 5 kali. bukan per byte. Gambar 5. simbol alfabet input diproses per bit. u t ii. T[s][1] T[t][1] Pindahkan beberapa dari C[t] ke C[s] 15 . jumlah bit 0 di transisi sekarang ditambah satu menjadi p+1. DMC membuat probabilitas dari karakter biner berikutnya dengan menggunakan pemodelan finite-state. Begitu pula bila bit sesudahnya ternyata bernilai 1.3 Algoritma DMC Algoritma DMC merupakan teknik pemodelan yang didasarkan pada model finite-state (model Markov). Maret 2004 Gambar 4. 3. Tahapan proses dekompresi LZW Langkah Kode Output Dictionary 1. Nilai probabilitas bahwa input selanjutnya bernilai 0 adalah p/(p+q) dan input selanjutnya bernilai 1 adalah q/(p+q). Setiap output transisi menandakan berapa banyak simbol tersebut muncul. Algoritma kompresi DMC diberikan pada Gambar 7. 0/1 1 1/1 0/5 1/2 1 1/4 1/1 1/2 2 0/3 3 0/2 4 0/3 Gambar 6. seperti ditunjukkan pada Gambar 5. T[s][0] T[t][0] . transisi ditandai dengan 0/p atau 1/q dimana p dan q menunjukkan jumlah transisi dari state dengan input 0 atau 1. 4. maka : s s + 1 /* state baru t’ */ T[u][e] s . [1] A --2. [3] C [8] A B A C 2. transisi yang keluar dari state 1 diberi label 0/5. Model awal DMC [2] Pada DMC. 9 No. Kemampuan kompresinya tergolong amat baik. C[u][e] C[u][e]+1 v. [2] B [5] B B 4. karena struktur mesin finite-state berubah seiring dengan pemrosesan file. Probabilitas dihitung menggunakan frekuensi relatif dari dua transisi yang keluar dari state yang baru. Masalah tidak terdapatnya kemunculan suatu bit pada state dapat diatasi dengan menginisialisasi model awal state dengan satu. 1. [7] ABA [7] A B A 6. 5. Sebuah model yang diciptakan oleh metode DMC [2] Secara umum. Penghitungan tersebut dipakai untuk memperkirakan probabilitas dari transisi. s 1 /* jumlah state sekarang */ t 1 /* state sekarang */ T[1][0] = T[1][1] 1 /* model inisialisasi */ C[1][0] = C[1][1] 1 /* inisialisasi untuk menghindari masalah frekuensi nol */ Untuk setiap input bit e : i. Algoritma dekompresi LZW Tabel 4. [4] AB [6] B A 5. dengan model awal berupa mesin FSA dengan transisi 0/1 dan 1/1. [2] B [4] A B 3. Contoh: pada Gambar 6. jumlah bit 1 di transisi sekarang ditambah satu menjadi q+1. Kodekan e dengan probabilitas : C[u][e] / (C[u][0] + C[u][1]) iv. Vol. Jika ambang batas cloning tercapai.INTEGRAL. Lalu bila bit sesudahnya ternyata bernilai 0.

nz/ftp/ large. Calgary Corpus.corpus.ac. Font Window.ucalgary. Canterbury Corpus. file gif.compression. file DLL) 6. memori 128MB RAM.5 GHz. File basis data (Access. yang sudah secara luas digunakan untuk mengevaluasi metode kompresi. sangat tinggi. dimana hanya dilakukan satu kali pembacaan terhadap file input. file png. Acrobat Reader. State yang di-cloning diberi simbol t’ (lihat Gambar 8). Ambang batas nilai cloning harus disetujui oleh encoder dan decoder. yaitu: 13 . 3. 3. Corel Draw. Flash. Corpus ini dapat di-download di: ftp://ftp. Aturan cloning adalah sebagai berikut : Semua transisi dari state u dikirim ke state t’.ca/pub/ projects/ text. File executable. harddisk Maxtor 20 GB. File yang telah dikompresi sebelumnya 5.1 Kasus Uji Dalam penelitian ini.INTEGRAL. MySQL) 7. Jumlah transisi yang keluar dari t’ harus mempunyai rasio yang sama (antara 0 dan 1) dengan jumlah transisi yang keluar dari t. dan ditulis dalam satuan KByte/sec. dan Java. Semua transisi dari state lain ke state t tidak berubah. Kecepatan kompresi dari sebuah algoritma ditentukan dari ukuran file input dibagi dengan waktu komputasi yang dibutuhkan. PowerPoint. Corpus ini dapat di-download di : http://corpus. 9 No. merupakan kasus uji benchmark yang berisi koleksi dari 14 teks.0) dengan setting optimasi yang sama. baik dalam lingkungan DOS maupun Windows 8. dan Help) 4. File object/file biner (file com. Implementasi dan pengujian perangkat lunak ini dilakukan dalam lingkungan perangkat keras sbb. Model Markov sebelum dan setelah cloning [8] Metode DMC yang diterapkan dalam penelitian ini bertipe dinamik. File aplikasi (Excel. Implementasi dan Pengujian Untuk menghasilkan pengukuran kinerja yang valid. dan file wmf.cpsc. Kalkulasi dilakukan secara on the fly (proses perhitungan probabilitas dilakukan bersamaan dengan pengkodean data). yaitu state u. ditujukan untuk menggantikan Calgary Corpus yang telah berumur 10 tahun lebih.: prosesor Intel Pentium IV 1. dan motherboard Intel D850GB. file sistem. ketiga algoritma di atas dikompilasi menggunakan compiler bahasa pemrograman yang sama (C++ Builder 5. File gambar: file jpg. Vol. Maret 2004 Gambar 7. 0 0 C D 0 A C 0 D A 1 1 1 0 C’ 1 B 1 B E E (a) sebelum cloning (b) setelah cloning Gambar 8.canterbury. Jumlah transisi yang keluar dari t dan t’ diatur supaya mempunyai nilai yang sama dengan jumlah transisi yang masuk [2]. DBase. Pascal. file hasil kompilasi C. 1. 3. file ani. Algoritma kompresi DMC Jika frekuensi transisi dari suatu state t ke state sebelumnya. 2.zip. 1. maka state t dapat di-cloning. Paradox. file bitmap. digunakan 12 golongan besar kasus uji yang dipandang cukup memadai untuk mewakili sebagian besar tipe file yang ada.

9 No. Vol. cpp. html. file avi. xml. File multimedia (file asf. js. Grafik perbandingan rasio kompresi dan kecepatan kompresi dari ketiga metode tersebut dalam masing-masing kasus uji ditunjukkan secara lengkap dalam Gambar 11 dan 12. file wav) 10. php. file kernel. Maret 2004 9. java. Box Plot Kecepatan Kompresi Ketiga Algoritma 15 . File pada sistem operasi Unix (berekstensi 1 – file help. file mov. file midi. Box Plot Rasio Kompresi Ketiga Algoritma Gambar 10. c. file txt. file doc. 1. File teks (file rtf. file program) Hasil pengukuran statistik terhadap rasio hasil kompresi dan kecepatan kompresi dari ketiga metode di atas pada semua kasus uji dirangkum dalam bentuk box plot pada Gambar 9 dan 10. lisp) 11. vbs. file mpeg/mpg. Gambar 9. File source code (pascal. file inf. file ini – konfigurasi Windows) 12. css. prolog.INTEGRAL. file mp3.

7 255.3 48.1 504.2 96.3 1139.0 68. Grafik perbandingan rasio kompresi Grafik Kecepatan Kompresi Kecepatan Kompresi (KB/sec) Huffman 1342.2 493.6 846.3 624.1 530.2% ± 28.4 249.5 242.7 48.3 75.9) dan terakhir algoritma Huffman (71.5 20.4 28.6 609.9 243.8 77. diikuti algoritma LZW (60. dan file hasil kompresi.0 534. yaitu : 1.1 67.3 251.9 79.1 24.4% ± 15. Untuk kategori file teks. file aplikasi.9 71. Maret 2004 Grafik Rasio Kompresi Rasio Kompresi (%) Huffman LZW DMC 125. 4.5 270.7 1237.7 45.2 753.4 60.0 53.1 1017. DMC memberikan hasil kompresi yang baik sekali. file multimedia.1 26.5% ± 25.9 1225.1 1064.9 35.1 80.8 44.0 1282.7 72.2 131. dan hasil kompresi DMC terhadap file yang telah terkompresi sebelumnya memang kurang baik.1 532.5).8 80.4 22.1 48. 9 No.5 100.5 71.8 259.7 55. diikuti oleh algoritma a ko m pr es Ca i lg ar y Co Ca rp nt us er bu ry Co rp us K es el ur uh an ks co de r da ta ba se ap lik as i ga m ba U N Te so ur ce m ul tim ha sil ed i .5 1084.3 59. 1. Vol.0 544.2 264.7 77.1 555.4 218.3 46.9 UNIX Teks source code aplikasi executable data/object/sistem gambar database multimedia hasil kompresi Canterbury Corpus Rata-Rata Calgary Corpus Kategori Gambar 11.4 604.4 56. Secara rata-rata algoritma LZW membutuhkan waktu kompresi yang tersingkat (kecepatan kompresinya = 1139 KByte/sec ± 192. source code. Secara rata-rata algoritma DMC menghasilkan rasio file hasil kompresi yang terbaik (41.6 266.5 1163.4 92. sedangkan LZW memberikan hasil kompresi yang buruk (dapat > 100%) untuk file multimedia dan file hasil kompresi.4 33. 3.6 1307.3 104.4 21.5 43. hasil kompresinya buruk (dapat > 100 %). file gambar. dan file basis data.7 41.0 35.4 500.9 25. Hasil kompresi Huffman lebih baik dibandingkan LZW hanya pada kasus file biner.6 525. Grafik perbandingan kecepatan kompresi 4. karena pada umumnya file multimedia 15 merupakan file hasil kompresi juga.8 104. Kesimpulan Dari penelitian ini dapat disimpulkan beberapa hal mengenai perbandingan kinerja ketiga metode kompresi yang telah diimplementasikan.2 666. 2.8 63.9). Sedangkan untuk file multimedia. Algoritma Huffman memberikan hasil yang relatif hampir sama untuk setiap kasus uji.4).8 LZW DMC 1343.1 IX ex ec ut da ab ta le /o bj ec t/s ist em Kategori Gambar 12.INTEGRAL.

et al. S.H. New York. R. Horspool. Maret 2004 Huffman (555. de Moura..N. D.rasip. 1986. http://www. 1994.. Daftar Pustaka [1] Howe.. 5. 9 No. [26 Maret 2002] [7] University of Canterbury.. dan terakhir DMC (218.1 KByte/sec ± 69. I.cmu.corpus.ac.html. Calgary Corpus. Department of Computer Science Univ. 16 . http://www-2. bahkan untuk file multimedia kecepatan kompresi berkurang lebih dari sepertiga kalinya dibandingkan kecepatan kompresi rata-rata.edu/~guyb/realworld/class-notes/all/. Federal de Minas Gerais. 1997. [3] Ben Zhao.8). Kecepatan kompresi algoritma Huffman hampir merata untuk semua kategori file.foldoc. E. Kecepatan kompresi algoritma LZW secara signifikan berkurang pada file UNIX. http://corpus. N. “Compression: A Key for Next Generation Text Retrieval System”. [2] Witten. Kecepatan kompresi algoritma DMC berkurang pada file gambar dan file hasil kompresi. 2000. DMC mengorbankan kecepatan kompresi untuk mendapatkan rasio hasil kompresi yang baik.uwaterloo. [26 Feb 2002] [8] Cormack. file multimedia. file gambar. Vol. “The LZW Algorithm”.INTEGRAL.3 menit). “Data Compression Using Dynamic Markov Compression”.cs..hr/research/compress/ algorithms/fund/lz/LZW. http://links. “Algorithm in the Real World . et al. “Managing Gigabytes”. Brazil. 1998.8 KByte/sec ± 55. 1. [6] University of Calgary. “The Canterbury Corpus”.ca/calgary. G. dan file hasil kompresi. Data Compression Reference Center. University of Waterloo and University of Victoria. File yang berukuran sangat besar membutuhkan waktu yang sangat lama bila dikompresi dengan DMC (contoh: file multimedia dengan ukuran 59 MB membutuhkan waktu kompresi 12.(Compression) Scribe Notes”.V. [17 Jan 2002] [4] Compression Team. file executable...org/. “Free On-line Dictionary of Computing”. Van Nostrand Reinhold.nz. http://www.canterbury.4).fer. 1993. 5.ht ml. [17 Jan 2002] [5] Ziviani.

Sign up to vote on this title
UsefulNot useful