Revisi per 14 November 2017 12.29 sunting HsfBot (bicara \| kontrib) Bot 1.172.010 suntingan k Bot: penggantian teks otomatis (-Teoritis, +Teoretis; -teoritis, +teoretis) ← Revisi sebelumnya		Revisi per 5 Januari 2018 11.39 sunting balikkan HsfBot (bicara \| kontrib) Bot 1.172.010 suntingan k Bot: Penggantian teks otomatis (-algoritma, +algoritme) Revisi selanjutnya →
Baris 2: == Pemampatan data tanpa kehilangan == 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 ~~algoritma~~algoritme 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 mudahnya, apabila berkas gambar berukuran 256x256 berwarna polos (setiap pixel berwarna sama) dan tiap pixelnya berukuran 4 byte, tanpa pemadatan, berkas harus disimpan berukuran 4 kali 256x256, sama dengan 262144 byte. Namun, dengan pemadatan, maka data yang perlu disimpan hanyalah data satu warna tersebut dan informasi bahwa seluruh pixel gambar memiliki satu warna yang sama. Jadi, data yang perlu disimpan hanyalah 4 byte tambah beberapa byte untuk menandakan pengulangan pixel yang sama. Ingatlah ini hanya contoh yang simpel. 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 ~~algoritma~~algoritme adalah [[Lempel-Ziv]], [[Lempel-Ziv-Welch]], [[Lempel-Ziv-Markov]], [[FLAC]], [[ALAC]], dan [[PAQ]]. == 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 ~~algoritma~~algoritme tertentu, detil 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 ~~algoritma~~algoritme adalah [[MP3]], [[JPEG]], [[Ogg]] dan [[MPEG-2]]. == Teori == Baris 24: == Kegunaan == === Audio === 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 ~~algoritma~~algoritme ini mengandalkan 'psychoacoustics' dengan menghilangkan bunyi-bunyi atau suara-suara yang tidak terdengar jelas untuk mengurangi ukuran dari file tersebut. ==== Kompresi Audio Berkehilangan ==== Baris 37: === Video === Kompresi video merupakan coding yang modern yang mengurangi redundansi data dari sebuah video.Kebanyakan ~~algoritma~~algoritme untuk kompresi data di video dan codec menggabungkan ruang kompresi gambar dan kompensasi gerakan sementara. kebanyak kompresi data di video mengunakn 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}}</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. sebagian 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.

Kompresi data: Perbedaan antara revisi