Kompresi data: Perbedaan antara revisi

Dalam [[ilmu komputer]], '''pemampatanKompresi data'''<ref name="pemampatan data">[http://kateglo.bahtera.org/index.php?mod=glossary&op=2&phrase=pemampatan+data&dc=&lang=&src=&srch=Cari Pusat Bahasa]</ref> atau '''kompresipemampatan data''' ({{lang-en|data compression}}) adalah sebuah cara dalam [[ilmu komputer]] untuk memadatkan [[data]] sehingga hanya memerlukan ruangan penyimpanan lebih kecil sehingga lebih efisien dalam menyimpannya atau mempersingkat waktu pertukaran data tersebut. Ada terdapatTerdapat dua jenis pemampatan data, yaitu pemampatan tanpa kehilangan (''lossless data compression'') dan pemampatan berkehilangan (''lossy data compression'').

Teknik ini mampu memadatkan data dan mengembalikannya sama persis seperti semula. Tidak ada informasi yang hilang atau harus dikurangi dalam proses untuk mengurangi ukuran besar data. Biasanya algoritmaalgoritme pemadatan data jenis ini menggunakan prinsip [[kelebihan statistik]] (statistical redundancy) supaya data bisa disimpan dengan lebih ringkas. Karena kebanyakan data yang dipakai sehari-hari memiliki bagian yang berulang atau berlebihan (redundant data), pemampatan tanpa kehilangan bisa terjadi.

Contoh algoritmaalgoritme adalah misalnya [[Lempel-Ziv]] (LZ77), [[Lempel-Ziv-Welch]] (LZW, LZW84), BZIP, BZIP2, [[Lempel-Ziv-Markov]], [[FLAC]], [[ALAC]],(LZMA) dan [[PAQ]].

Dengan teknik ini, kehilangan data yang kecil masih dapat diterima. Dengan menghilangkan data yang tidak penting dapat menghemat ruang penyimpanan. skema kompresi data lossy dirancang oleh penelitian tentang bagaimana orang melihat data tersebut. Sebagai contoh, mata manusia lebih sensitif terhadap variasi halus dalam pencahayaan daripada untuk variasi warna. Dengan algoritmaalgoritme tertentu, detildetail berkas dipangkas supaya ukuran data bisa dikecilkan. Contohnya, pemadatan data dengan format berkas gambar JPEG bisa menyimpan data yang banyak, tetapi juga mampu memangkaskan bagian-bagian visual yang kurang penting demi menghemati memori simpan. Berkas MP3 bisa menyimpan data lagu yang bersuara lebih jernih, tetapi juga bisa mengurangi mutu suara jika ukuran data harus dikurangi.

Contoh algoritmaalgoritme adalah [[MP3]], [[JPEG]], [[Ogg]] dan [[MPEG-2]].

Latar belakang teoretis dari kompresi disediakan oleh [[teori informasi]] (yang berhubungan dekat dengan teori informasi algoritmik) untuk pemampatan data tanpa kehilangan dan teori distorsi laju untuk pemampatan data berkehilangan. Daerah-daerah studi ini pada dasarnya dibuat oleh [[Claude Shannon]], yang mempublikasikan makalah dasar pada topik ini di akhir 1940-an dan awal 1950-an. Konsep dari pemampatan data juga terhubung secara mendalam dengan statistika inferensi.<ref>Marak, Laszlo.  [http://www.ujoimro.com/resources/Laszlo_Marak_image_compression.pdf "On image compression"]  {{Webarchive|url=https://web.archive.org/web/20150528012028/http://www.ujoimro.com/resources/Laszlo_Marak_image_compression.pdf |date=2015-05-28 }} (PDF). University of Marne la Vallee. Retrieved  6 March  2013.</ref>

=== '''Pembelajaran Mesin'''mesin ===

Ada hubungan dekat antara pembelajaran mesin dan kompresi: sebuah sistem yang memprediksikan probabilitas posterior dari sebuah deret, dengan diketahuinya seluruh sejarah yang bisa digunakan untuk kompresi data optimal (dengan menggunakan koding aritmatik pada distribusi hasil) saat sebuah kompresor optimal bisa digunakan untuk membuat prediksi (dengan mencari simbol dengan kompresi terbaik, dari sejarah yang diketahui). Persamaan ini sering digunakan sebagain alasan untuk menggunakan kompresi data sebagai patokan untuk "kepintaran umum."<ref>{{Cite web|url=http://cs.fit.edu/~mmahoney/compression/rationale.html|title=Rationale for a Large Text Compression Benchmark|website=cs.fit.edu|access-date=2017-01-10}}</ref><ref>Shmilovici A.; Kahiri Y.; Ben-Gal I.; Hauser S.  [http://www.eng.tau.ac.il/~bengal/28.pdf "Measuring the Efficiency of the Intraday Forex Market with a Universal Data Compression Algorithm"]  (PDF). Computational Economics, Vol. 33 (2), 131-154., 2009.</ref><ref>I. Ben-Gal.  [http://www.eng.tau.ac.il/~bengal/Journal%20Paper.pdf "On the Use of Data Compression Measures to Analyze Robust Designs"]  (PDF). IEEE Trans. on Reliability, Vol. 54, no. 3, 381-388, 2008.</ref>

Kompresi audio berkehilangan merupakan cara kompresi audio yang lebih sering digunakan. Cara ini memanfaatkan 'psychoacoustics', dimana beberapa data yang tidak dapat dipahami oleh pendengaran manusia dibuang, misalnya potongan suara dengan frekuensi tinggi diluar jangakuan pendengaran manusia. Dengan metode ini, cara kompresi audio berkehilangan dapat mengkompresi lebih besar ketimbang cara kompresi audio tanpa kehilangan (5 - 205–20 %).

Meski demikian, kualitas dari audio yang dikompres berkurang. Oleh sebab itu, cara ini kurang cocok apabila digunakan dalam aplikasi teknik audio seperti pengeditan suara. Beberapa contoh format yang dihasilkan dari cara kompresi ini antara lain: [[(Ogg) [[Vorbis]], [[MP3]], dan Windows Media Audio Lossy (WMA Lossy).

==== Kompresi Audioaudio Tanpatanpa Berkehilanganberkehilangan ====

Kompresi audio tanpa kehilangan menghasilkan representasi data digital yang saat dibuka menghasilkan duplikat yang mirip dengan yang aslinya. Cara kompresi ini hanya mengurangi kira-kira setengah (50 - 6050–60 %) dari ukuran asli akibat kompleksitas dari bentuk gelombang dan perubahan bentuk suara yang terus-menerus. Beberapa contoh format yang dihasilkan dari cara kompresi ini antara lain: Free Lossless Audio Codec ([[FLAC]]), [[WAVPACK]], Apple Lossless Audio Codec (ALAC), MPEG-4 ALS, dan Windows Media Audio 9 Lossless (WMA Lossless).

Kompresi video merupakan coding yang modern yang mengurangi redundansi data dari sebuah video. Kebanyakan algoritmaalgoritme untuk kompresi data di video dan codec menggabungkan ruang kompresi gambar dan kompensasi gerakan sementara. kebanyakSebagian besar kompresi data di video mengunaknmengunakan teknik kompresi audio secara paralel untuk kompres terpisah, tapi dikombinasikan data stream sebagai satu paket.<ref>{{cite web|url=http://csip.ece.gatech.edu/drupal7/?q=technical-area/video-coding|title=Video Coding|publisher=Georgia Institute of Technology|work=Center for Signal and Information Processing Research|accessdate=6 March 2013|archive-date=2017-09-08|archive-url=https://web.archive.org/web/20170908162007/http://csip.ece.gatech.edu/drupal7/?q=technical-area%2Fvideo-coding|dead-url=yes}}</ref>

Beberapa skema dari kompresi video beroperasi pada kelompok berbentuk persegi piksel tetangga, sering disebut macroblocks. kelompok pixel ini atau blok dari pixel dibandingkan dari satu frame ke yang berikutnya, dan codec kompresi video mengirim hanya perbedaan dalam blok-blok. sebagianSebagian daerah dari video yang memiliki gerakan yang lebih, kompresi harus menyandikan data lebih banyak untuk menjaga dengan jumlah yang lebih besar dari piksel yang berubah.