Kompresi data: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
"kateglo.bahtera.org" sudah hilang |
Membatalkan 2 suntingan by 103.173.75.62 (bicara): -> WP:SPAM (🕵️♂️) Tag: Pembatalan |
||
(26 revisi perantara oleh 14 pengguna tidak ditampilkan) | |||
Baris 1:
'''Kompresi data''' atau '''pemampatan 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.
== Pemampatan data tanpa kehilangan ==
Baris 8:
Pemadatan tanpa kehilangan memiliki batas rendah di mana berkas tidak bisa dipadatkan lebih jauh lagi. [[Teorem Shannon]] menunjukkan bahwa pemadatan data tidak bisa menghasilkan kadar kode yang lebih rendah daripada entropi Shannon berkas, tanpa menyebabkan kehilangan informasi. Maka, apabila suatu berkas sudah dipadatkan (misalnya, berkas gambar disimpan di berkas .zip), berkas .zip tersebut tidak bisa lagi dipadatkan.
Contoh algoritme adalah misalnya [[Lempel-Ziv]] (LZ77), [[Lempel-Ziv-Welch]] (LZW, LZW84), BZIP, BZIP2, [[Lempel-Ziv-Markov]]
== Pemampatan data berkehilangan ==
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 algoritme tertentu,
Contoh algoritme adalah [[MP3]], [[JPEG]], [[Ogg]] dan [[MPEG-2]].
Baris 17:
== Teori ==
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.
=== Pembelajaran
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.
== Kegunaan ==
Baris 29:
Kompresi data audio berpotensi mengurangi transmisi bandwidth dan penggunaan ruangan. Terdapat dua cara kompresi data audio: kompresi audio tanpa kehilangan (lossless audio compression) dan kompresi audio berkehilangan (lossy audio compression). kedua algoritme ini mengandalkan 'psychoacoustics' dengan menghilangkan bunyi-bunyi atau suara-suara yang tidak terdengar jelas untuk mengurangi ukuran dari file tersebut.
==== Kompresi
Kompresi audio berkehilangan banyak digunakan diberbagai aplikasi, Selain digunakan untuk aplikasi langsung (MP3 dan komputer), audio yang telah dikompres secara digital digunakan disebagian besar DVD, televisi, satelit dan pemancaran radio. Kompresi audio berkehilangan pada umumnya mengompres audio jauh lebih banyak daripada kompresi audio tidak berkehilangan.
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 (
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:
==== Kompresi
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 (
=== Video ===
Kompresi video merupakan coding yang modern yang mengurangi redundansi data dari sebuah video. Kebanyakan algoritme untuk kompresi data di video dan codec menggabungkan ruang kompresi gambar dan kompensasi gerakan sementara.
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.
== Rujukan ==
<references />
== Pranala luar ==
* {{en}} [http://www.xaver.me/drdoswiki/index.php?n=Main.Compress Data compression] {{Webarchive|url=https://web.archive.org/web/20180820172801/http://www.xaver.me/drdoswiki/index.php?n=Main.Compress |date=2018-08-20 }}
[[Kategori:Kompresi data| ]]
|