TEXT
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK KOMPRESI DATA CITRA
ABSTRAK - Semakin majunya teknologi informasi dan semakin mudahnya akses ke media digital telah meningkatkan kebutuhan akan penyimpanan data. Salah satu cara untuk mengatasi hal ini adalah dengan melakukan kompresi data, baik itu berupa data suara, teks, atau citra, sehingga dapat menghemat ruang penyimpanan. Penelitian ini berfokus pada penerapan metode kompresi citra menggunakan algoritma K-Means Clustering, yang merupakan metode Lossy Compression. Penelitian ini bertujuan untuk mengimplementasikan metode K-Means Clustering dalam mereduksi ukuran file citra digital serta melakukan pengujian terhadap hasil kompresi menggunakan algoritma K-Means Clustering dengan parameter evaluasi PSNR dan MSE. Manfaat dari penelitian ini adalah mengembangkan metode kompresi citra digital yang efektif dengan menggunakan algoritma K-Means Clustering, sehingga dapat mengurangi ukuran file tanpa mengubah dimensi citra. Agar penelitian lebih terfokus, terdapat beberapa batasan yang diterapkan, yaitu hanya menggunakan citra bertipe file JPG, dengan proses kompresi yang tidak mengubah dimensi asli gambar. Selain itu, ukuran maksimal file yang dapat dikompresi adalah 3 MB, dan pixel gambar yang digunakan maksimal adalah 5760 ? 3640 piksel. Hasil pengujian menunjukkan bahwa algoritma K-Means Clustering dalam mengompresi file citra dengan ukuran semakin besar maka akan semakin efektif dalam mengkompresi dan dengan menggunakan nilai k semakin rendah maka akan meningkatkan presentase rasio kompresi, dengan hasil menggunakan nilai K = 32, dengan ukuran file citra sebelum kompresi yaitu 1672 KB, setelah file citra dikompresi dengan menggunakan algoritma K-Means Clustering, ukuran file citra menjadi 161 KB dengan rasio kompresi yaitu 90,39%. - Kata Kunci : Kompresi data citra, Kmeans Clustering, Lossy Compression, Efesiensi penyimpanan.
S06-24931 | S06-24931 FAH 2025 | Koleksi Skripsi | Tersedia |
Tidak tersedia versi lain