is in binary form.

If we had to carry out our daily tasks on computer using only binary it would be
extremely time consuming and challenging.

Imagine having to write an email to your frineds using only binary, typing the 1 and 0 that
reperesent each character. Also, imagine having to type in each binary digit needed to create your
favourite images it would be extreamly difficult. depending on its resolutin a character might
require 100bits of data. An image might require millions of bits.

A number of system and software were developed to do this for user and they help a computer
store diffrent data such as text, images, video and audio.

TEXT NUMBER AND SYMBOL

There are twi systems commonly used for character (text, numbers and symbols) representation,
namely ASCII uses only 8 bits , giving 256 possible character. It is suitable for standard english but
does not contain a large enaugh character set for some other languages. This is when UNICODE is
used as it contains many more characters. UNICODE uses 16 bits, giving 65.536 possible characters.
In ASCII and UNICODE each characters is represented as a binary number. For example, the letter A
is 01000001.

In ASCII each character will take 1 byte of storage space as it is made up of 8 bits. In UNICODE a
character takes up 2 byte as it ade up of 16 bits. Capital letters and small case letters habe individual
binary codes. As do numbers and punctation.

PICTURES/ IMAGES

We regulary use our computers to store and view images. An images as wee see it is analogue data,
but a computer will only understand it if it is digital data. We need to convert analogue data into
digita data or a computer to process it. This can be done using various devices, such as a scanner or a
digital camera.

Image are made up of pixels. A pixel is a tiny dot on the screen. If an image was simply black and
white, each pixel would either be black or white. A 1 would represent a black pixel and 0 would
represent a white pixel. Using this we can look simply at how an image is created.

If we are given a series of binary data we can use this in a grid. We need to know the dimensions of
the grid to be able to create the image. This data is called metadata. Metadata is what tells the
computer how many pixel wide and how many pixel high an image should be. This is the resolution
of an image.

We have taken the binary data and creates an image from it, a lovely heart! If we want an image to
have more than just two colours, a computer needs further binary data to represent the colour of
each pixel. Most colour are made up of red, green, and blue in the RGB colour system. In this system
the shade of each colour R, G, and B will be represented in a byte for each. This is why image can
become large files, especially when they are high in quality. To get the correct colour depht in each
pixel to create a detailed image, the amount of binary data needed is much greater.
SOUND

The sound we hear is also analogue but, as we know, computers work digitally and can only process
binary . we need to convert the analogue sound into binary for a computer to be able to process it.
Sound is recorded using a microphone and convert to binary by software.

Sound is recorded at set timed intervals; this process is known as sampling. The samples are then
converted into binary. If the set timed intervals are closer together, the sound track will higher in
quality . simply with more samples the sound can be more accurately captured.

Sample size are measures in hertz. 1 hertz equals 1 sample per second. A telephone communication
samples a voice at 8000Hz but a higher quality recording, such as a CD, sample music at 44100Hz.

If we record the sound value at each time sample we would have the values in the Table

If we then play back the recording the system will use the value at each the sample interval to do
this.

This what effects the quality of recorded sound. The closer together time samples that are taken, the
higher the quality of the recorded sound. This is because when the sound is played back it has more
data to help create a more accurate sound. If the time samples were closer together in table, when
the recorded sound is played back it may not miss so many of the peaks and through it has with the
current time samples.

adalah dalam bentuk biner. Jika kita harus melakukan tugas sehari-hari di komputer dengan hanya
menggunakan biner, akan sangat memakan waktu dan menantang.

Bayangkan harus menulis email ke frineds Anda hanya menggunakan biner, mengetikkan 1 dan 0
yang mewakili setiap karakter. Juga, bayangkan harus mengetikkan setiap digit biner yang
dibutuhkan untuk membuat gambar favorit Anda - akan sangat sulit. tergantung pada resolutin
karakternya mungkin memerlukan 100bits data. Gambar mungkin membutuhkan jutaan bit.

Sejumlah sistem dan perangkat lunak dikembangkan untuk melakukan ini bagi pengguna dan
mereka membantu sejumlah data dari berbagai jenis komputer seperti teks, gambar, video dan
audio.

JENIS TEKNIS DAN SIMBOL

Ada sistem twi yang biasa digunakan untuk karakter (teks, angka dan simbol) representasi, yaitu
ASCII hanya menggunakan 8 bit, memberikan 256 karakter yang mungkin. Sangat cocok untuk
bahasa Inggris standar tapi tidak mengandung karakter enaugh besar untuk beberapa bahasa lain.
Ini adalah saat UNICODE digunakan karena mengandung lebih banyak karakter. UNICODE
menggunakan 16 bit, memberikan 65.536 karakter yang mungkin. Dalam ASCII dan UNICODE setiap
karakter diwakili sebagai bilangan biner. Misalnya huruf A adalah 01000001.
Dalam ASCII masing-masing karakter akan mengambil 1 byte ruang penyimpanan karena terdiri dari
8 bit. Dalam UNICODE karakter mengambil 2 byte seperti ade up 16 bit. Huruf kapital dan huruf kecil
habe kode biner individu. Seperti halnya angka dan tanda baca.

GAMBAR / GAMBAR

Kami secara teratur menggunakan komputer kami untuk menyimpan dan melihat gambar. Gambar
seperti yang kita lihat itu adalah data analog, tapi komputer hanya akan memahaminya jika itu
adalah data digital. Kita perlu mengubah data analog menjadi data digita atau komputer untuk
mengolahnya. Hal ini bisa dilakukan dengan menggunakan berbagai perangkat, seperti scanner atau
kamera digital.

Gambar terdiri dari piksel. Sebuah piksel adalah titik kecil di layar. Jika gambar hanya hitam dan
putih, setiap piksel akan berwarna hitam atau putih. A 1 akan mewakili piksel hitam dan 0 akan
mewakili piksel putih. Dengan menggunakan ini kita bisa melihat secara sederhana bagaimana
sebuah gambar dibuat.

Jika kita diberi serangkaian data biner kita bisa menggunakan ini di grid. Kita perlu mengetahui
dimensi grid agar bisa membuat gambar. Data ini disebut metadata. Metadata adalah apa yang
memberitahu komputer berapa pixel yang lebar dan berapa pixel yang harus dimiliki gambar. Ini
adalah "resolusi" gambar.

Kami telah mengambil data biner dan membuat gambar darinya, hati yang indah! Jika kita
menginginkan gambar memiliki lebih dari dua warna, komputer memerlukan data biner lebih jauh
untuk mewakili warna setiap piksel. Sebagian besar warna terdiri dari warna merah, hijau, dan biru
pada sistem warna RGB. Dalam sistem ini, warna masing-masing warna R, G, dan B akan ditunjukkan
dalam satu byte untuk masing-masing. Inilah sebabnya mengapa gambar bisa menjadi file besar,
terutama bila kualitasnya tinggi. Untuk mendapatkan depht warna yang benar di setiap pixel untuk
membuat gambar rinci, jumlah data biner yang dibutuhkan jauh lebih besar.

SUARA

Suara yang kita dengar juga analog tapi, seperti kita ketahui, komputer bekerja secara digital dan
hanya bisa memproses biner. kita perlu mengubah suara analog menjadi biner agar komputer bisa
mengolahnya. Suara direkam menggunakan mikrofon dan dikonversi menjadi biner oleh perangkat
lunak.

Suara dicatat pada interval waktu yang ditentukan; Proses ini dikenal sebagai sampling. Sampel
kemudian diubah menjadi biner. Jika interval waktu yang ditetapkan berdekatan, jalur suara akan
lebih tinggi kualitasnya. Cukup dengan lebih banyak sampel suara bisa lebih akurat ditangkap.

Ukuran sampel adalah ukuran dalam hertz. 1 hertz sama dengan 1 sampel per detik. Sebuah sampel
komunikasi telepon memberi suara pada 8000Hz namun memiliki kualitas rekaman yang lebih tinggi,
seperti CD, sampel musik di 44100Hz.

Jika kita mencatat nilai suara setiap sampel, kita akan memiliki nilai di Tabel
Jika kita kemudian memutar ulang rekaman, sistem akan menggunakan nilai pada setiap interval
sampel untuk melakukan ini.

Ini yang mempengaruhi kualitas suara yang direkam. Semakin dekat sampel waktu yang diambil,
semakin tinggi kualitas suara yang direkam. Ini karena ketika suara diputar ulang maka ada lebih
banyak data untuk membantu membuat suara yang lebih akurat. Jika sampel waktu lebih dekat
bersama dalam tabel, saat suara yang direkam diputar ulang, mungkin tidak akan melewatkan begitu
banyak puncak dan melewatinya dengan sampel waktu saat ini.

DATA COMPRESSION

Data compression is when the bit structure af a file manipulated in such a way that the data in a file
will be come smaller in size. This means that less storage space will be needed to store the file and
the file will bw easier to transmit from one device to another.

Data compression is done by using compression algorithms that manipulate the data. These
algorithms normally manipulated the data so that repeating data is removed, either on a temporary
or a permanent basis, depending on the method used. You can learn more about algorithms in
chapter 13.

There are two main methods for compressing data. Lossy and lossless.

Lossy Compression

Lossy is derived from the word loss and this refers to the way this metod of comression orks. With
lossy compression, data that is deemed redundent or unnecessarry is removed in the compression
process. The data is removed permanently, so it si effectively lost. This way the size of the file is
reduced.

Lossy compression is mostly used for multmedia such as audio, video and image files. This is mostly
done when streaming these files, as a file can be streamed much more effectively if it is smaller in
size.

If a lossy compression method is used on a music file it will try to remove all background noise and
noises that may not be heard by the human ear. This data isnt hugely necessary for playing the
track; removing it will mean the track will not sound exactly as it did when recorded, but iit will be a
very close representation.

Lossless Compression

Lossless refers to a method of compression that loses no data in the process. In lossless
compression, the compressed data can be reversed to reconstruct the data file exactly as it was.
Lossless compression is used when is essential that no data is lost or discarded during the
compression process. There are many diffrent lossless comppression algoruthms; most work using a
shorthand to store the data that can be then reconstructed when the file is opened.
If a lossless compression method is used on a music file it will not lose any of the data from the file.
A possible way to compress the data would be to look for repeating patterns in the music. It would
store this pattern once along with how many times it is repeated. This way repeating data is reduce.
When the music track is played, the full track, exactly as it was recorded, can be reconstructed and
listened to. People may use lossless compression when downloading the music track if the want the
highest quality possible and to hear the track axactly as it was recorded. Lossless compression can
also be used when storing text files.

KOMPRESI DATA

Kompresi data adalah ketika struktur bit pada sebuah file dimanipulasi sedemikian rupa sehingga
data dalam sebuah file akan menjadi lebih kecil. Ini berarti bahwa ruang penyimpanan yang lebih
sedikit akan dibutuhkan untuk menyimpan file dan file akan lebih mudah ditransmisikan dari satu
perangkat ke perangkat lainnya.

Kompresi data dilakukan dengan menggunakan algoritma kompresi yang memanipulasi data.
Algoritma ini biasanya memanipulasi data sehingga mengulangi data akan dihapus, baik secara
sementara atau permanen, tergantung pada metode yang digunakan. Anda dapat mempelajari lebih
lanjut tentang algoritma di bab 13.

Ada dua metode utama untuk mengompresi data. Kehilangan dan lossless.

Kompresi Kehilangan

Kerugian berasal dari kata "rugi" dan ini mengacu pada cara metod dari komik komik ini. Dengan
kompresi lossy, data yang dianggap redundent atau unnecessarry dihapus dalam proses kompresi.
Data dihapus secara permanen, sehingga secara efektif "hilang". Dengan cara ini ukuran file
berkurang.

Kompresi lossy banyak digunakan untuk multmedia seperti file audio, video dan gambar. Hal ini
banyak dilakukan saat streaming file-file ini, karena file dapat dialirkan jauh lebih efektif jika
ukurannya lebih kecil.

Jika metode kompresi lossy digunakan pada file musik maka akan dicoba untuk menghapus semua
kebisingan latar dan suara yang mungkin tidak terdengar oleh telinga manusia. Data ini tidak terlalu
penting untuk memutar lagu; Menghapusnya akan berarti trek tidak akan terdengar persis seperti
pada saat direkam, tapi iit akan menjadi representasi yang sangat dekat.

Kompresi Lossless

Lossless mengacu pada metode kompresi yang tidak kehilangan data dalam proses. Dalam kompresi
lossless, data terkompresi dapat dibalik untuk merekonstruksi file data persis seperti sebelumnya.
Kompresi lossless digunakan bila sangat penting bahwa tidak ada data yang hilang atau dibuang
selama proses kompresi. Ada banyak algoritme kompresi yang tidak ada bedanya; Sebagian besar
bekerja menggunakan steno untuk menyimpan data yang kemudian bisa direkonstruksi saat file
dibuka.
Jika metode kompresi lossless digunakan pada file musik, file tersebut tidak akan kehilangan data
dari file tersebut. Cara yang mungkin untuk memampatkan data adalah dengan mencari pola
berulang pada musik. Ini akan menyimpan pola ini sekali bersamaan dengan berapa kali berulang.
Dengan cara ini pengulangan data berkurang. Saat trek musik dimainkan, trek penuh, persis seperti
yang tercatat, dapat direkonstruksi dan didengarkan. Orang mungkin menggunakan kompresi tanpa
rugi saat mendownload trek musik jika menginginkan kualitas tertinggi dan mendengarkan lintasan
secara asimetris seperti yang tercatat. Kompresi lossless juga bisa digunakan saat menyimpan file
teks.

Consider the following message:

WHEN IT IS SNOWING HEAVILY LOOK OUTSIDE.

LOOK OUTSIDE IT IS SNOWING HEAVILY.

Excluding the space between the word and the full stops, the message has a total of 62 characters. 1
characters requires 1 byte of storage, so we would needed 62 bytes of memory to store this
message.

When we examine the message we can see that it consists of words that are mostly repeated.
Instead of storing all 62 characters individually, we could instead store the words and the positions
at which they accur in the message, in a lookup table.

When we store the message this time we need 1 byte for each character in each word and 1 byte for
each position the word occurs in the message.

Therefore we would need 33 bytes to store the words and 13 bytes store the positions, giving a total
46 bytes. This is much less than the 62 bytes we required with our original method. No data has
been lost and we have reduced our storage requirements by 26%, quite a saving! To recreate the
message, the computer simply retrieves the words and places them in the position allocated. We
should note that the amount of compression we can achieve varies depandeing on the data we wish
to store

Consider a second message:

ASK NOT WHAT YOUR FRIEND CAN DO FOR YOU.

ASK WHAT YOU CAN DO FOR YOUR FRIEND.

Excluding spaces and full stops, this message has 59 characters, therefore requiring 59 bytes for
storage. This message is shorter that that i our first example, which required 62 bytes. If we were to
apply our lossless compression algorithm, we would end up with:
We need 31 bytes to store the words and 17 bytes to store the positions, giving a total of 48 bytes.
This again is less than the 59 bytes required with our original method. This time we have reduced
our storage requirements by a lesser amount thought of 19%. This message, even though it was
originally shorter than our first message, would after compression require more storage space than
the first message.

Uncompressed image files can potentially be huge. This can make adding downloading, uploading
and emailing them very difficult and time consuming. Many emails limit the size of the file that can
be attached. This means that most uncompressed images, especially high quality anos, cannot be
attached to an email without being compressed.

Both the lossy and lossless methods of compression reduce the size of an image by looking for
repeating colour patterns within the image. For example, for an image that has a main background
colour that is the same throughtout the image, a compression method will recognise that there are a
lot of pixel that all have the same value and collate them. This means they will be stored as a single
data that records the pattern.

Lossy compression will reduce the file size further by removing detail from the image that should go
unnoticed and will not effect the quality too much. One issue with using some lossy compression
method on images, is that the method will remove a little bit of detail each time the image is saved
in the compression mwthod e.g. JPEG. This means that the will be a small loss in quality each time it
is saved.

Perhatikan pesan berikut ini:

KETIKA MENEMUKAN TAMPILAN HEAVILY LUAR.

LIHAT DI LUAR ITU MENYUKAI HEAVILY.

Tidak termasuk ruang antara kata dan pemberhentian penuh, pesan tersebut memiliki total 62
karakter. 1 karakter membutuhkan 1 byte penyimpanan, jadi kami membutuhkan 62 byte memori
untuk menyimpan pesan ini.

Saat kita memeriksa pesan kita bisa melihat bahwa itu terdiri dari kata-kata yang sebagian besar
diulang. Alih-alih menyimpan semua 62 karakter secara terpisah, kita malah bisa menyimpan kata-
kata dan posisi yang mereka inginkan dalam pesan, di tabel pencarian.

Saat kita menyimpan pesan kali ini kita membutuhkan 1 byte untuk setiap karakter dalam setiap kata
dan 1 byte untuk setiap posisi kata terjadi dalam pesan.

Oleh karena itu kita membutuhkan 33 byte untuk menyimpan kata-kata dan 13 byte menyimpan
posisi, memberikan total 46 byte. Ini jauh lebih sedikit dari 62 byte yang kami butuhkan dengan
metode asli kami. Tidak ada data yang hilang dan kami telah mengurangi persyaratan penyimpanan
sebesar 26%, cukup menghemat! Untuk membuat ulang pesan, komputer hanya mengambil kata-
kata dan menempatkannya pada posisi yang dialokasikan. Kita harus mencatat bahwa jumlah
kompresi yang dapat kita capai bervariasi bergantung pada data yang ingin kita simpan

Pertimbangkan pesan kedua:

Tanyakan TIDAK APAKAH TEMAN ANDA DAPAT DILAKUKAN UNTUK ANDA.

TANYAKAN APA YANG DAPAT DILAKUKAN UNTUK TEMAN ANDA.

Tidak termasuk ruang dan pemberhentian penuh, pesan ini memiliki 59 karakter, sehingga
membutuhkan 59 byte untuk penyimpanan. Pesan ini lebih pendek dari contoh pertama saya, yang
membutuhkan 62 byte. Jika kita menerapkan algoritma kompresi lossless kita, kita akan berakhir
dengan:

Kami membutuhkan 31 byte untuk menyimpan kata-kata dan 17 byte untuk menyimpan posisi,
memberikan total 48 byte. Ini lagi kurang dari 59 byte yang dibutuhkan dengan metode asli kami.
Kali ini kita telah mengurangi kebutuhan penyimpanan kita dengan jumlah yang kurang dari 19%.
Pesan ini, meskipun awalnya lebih pendek dari pesan pertama kami, setelah kompresi
membutuhkan lebih banyak ruang penyimpanan daripada pesan pertama.

File gambar terkompresi berpotensi menjadi besar. Hal ini dapat membuat menambahkan
download, upload dan email mereka sangat sulit dan memakan waktu. Banyak email membatasi
ukuran file yang bisa dilampirkan. Ini berarti bahwa sebagian besar gambar yang tidak dikompres,
terutama anos berkualitas tinggi, tidak dapat dilampirkan ke email tanpa dikompres.

Baik metode kompresi lossy maupun lossless mengurangi ukuran gambar dengan mencari
pengulangan pola warna di dalam gambar. Misalnya, untuk gambar yang memiliki warna latar
belakang utama yang sama tanpa gambar, metode kompresi akan mengenali bahwa ada banyak
piksel yang semuanya memiliki nilai dan nilai yang sama. Ini berarti mereka akan disimpan sebagai
satu data yang mencatat pola.

Kompresi yang buruk akan mengurangi ukuran file lebih jauh dengan menghapus detail dari gambar
yang seharusnya tidak diketahui dan tidak akan terlalu berpengaruh pada kualitasnya. Salah satu
masalah dengan menggunakan beberapa metode kompresi lossy pada gambar, adalah metode
tersebut akan menghapus sedikit detail setiap kali gambar disimpan dalam kompresi mwthod mis.
JPEG. Ini berarti bahwa kerugian kecil akan kualitas setiap kali disimpan.