ABSTRAKKompresi merupakan upaya untuk meningkatkan efisiensi penyimpanan berkas.
Tesis ini membahas suatu metodologi kompres dengan menerapkan Differential Coding
dalam suatu jaringan neural yang mekanisme kerjanya bersifat unsupervised learning
yang disebut Kohonen Self-Organizing Maps (KSOM).
Penerapan Differential Coding dalam KSOM (DC-KSOM) ini lebih menekankan
pada aspek kualitas rekonstruksi citra dekompres daripada waktu komputasi, dan
metode ini merupakan jenis lossy compression. Mekanismenya diawali dengan pra-
proses citra, proses clustering blok data, differential coding, dan diakhiri entropic
coding untuk memperoleh citra terkompres. Dengan mempertimbangkan topological
properly, Jaringan Neural KSOM (JN-KSOM) berperan untuk mengkuantisasi vektor
citra asli melalui proses pengelompokkan (peng-cluster-an) vektor-vektor pewakil
(codebook) dari setiap blok. Proses clustering ini akan mengakibatkan reduksi dimensi
data sehingga akan diperoleh hasil kompresi suatu berkas citra.
Hasil uji coba penelitian menunjukkan bahwa Root Mean Square Error (RMSE)
matriks citra dekompres dengan DC-KSOM adalah 4,29229337, relatif Iebih rendah
dibanding TCD yaitu 7,95840738, yang berarti bahwa kualitas citra dekompres hasil
kompresi DC-KSOM lebih baik daripada TCD. Dari 10 citra yang dikompres, hasil
kompresi dengan DC-KSOM menunjukkan nilai RMSE yang relatif stabil/reliable.
T-Bambang Priyo Darminto.pdf :: Unduh