perbandingan algoritma elias delta code dengan huffman untuk kompresi file teks

7/21/2019 Perbandingan Algoritma Elias Delta Code dengan Huffman untuk Kompresi File Teks

1/16


2/16

1

1. Rencana Judul

Perbandingan Algoritma Elias Delta Code dengan Huffman untuk Kompresi File Teks

2. Bidang Ilmu

Pengolahan Citra

3. Latar Belakang Masalah

Media penyimpanan yang terbatas, membuat semua orang mencoba berpikir untuk

menemukan sebuah cara yang dapat digunakan untuk memperkecil ukuran data. Salah

satu cara yang digunakan untuk menanggulangi masalah ini adalah denganmenggunakan kompresi (compression) data. Dalam ilmu komputer, kompresi data

adalah sebuah cara untuk memadatkan data sehingga hanya memerlukan ruangan

penyimpanan yang lebih kecil agar lebih efisien dalam menyimpan data atau

mempersingkat waktu pertukaran data tersebut. Masalah yang mendasar pada proses

kompresi data adalah bagaimana proses memampatkan data tersebut, khususnya data

teks agar diperoleh file teks dengan ukuran yang lebih kecil dari ukuran semula.

Teknik kompresi terbagi atas dua bagian secara umum yaitu lossydan loseless.

Kompresi lossy adalah kompresi citra yang akan mengalami perubahan data setelah

selesai dimampatkan. Jika file yang sama dikembalikan ke file semua atau disebut

dengan permampatan (dekompresi) maka hasilnya akan berbeda dengan file aslinya.

Sedangkan loselessadalah kompresi data dimana hasil kompresi dan dekompresinya

sama dan yang mengalami perubahan hanyalah ukuran data saja.

4. Rumusan Masalah

Rumusan masalah yang akan dibahas dalam tugas akhir ini adalah membandingkan

Algoritma Elias Delta Code dengan Huffman untuk melakukan kompresi file teks

dengan parameter rasio, waktu kompresi, waktu dekompresi, dan redudancydata.

5. Batasan Masalah

Adapun batasan masalah dalam tugas akhir ini adalah sebagai berikut:

1.

Jenis file yang dikompresi adalahfileteks yang berekstensi .doc.


3/16

2

2. Parameter pembanding yang digunakan antara lain rasio, waktu kompresi, waktu

dekompresi dan redudancy data.

3.

Kode teks yang digunakan dalam penelitian ini adalah kode ASCII (American

Standard Code for Information Interchange).

4. Komponen lain seperti tabel atau gambar yang terdapat didalam file teks yang

digunakan akan diabaikan.

5. Program dibuat dengan bahasa pemrograman Matlab.

6. Tujuan Penelitian

Adapun tujuan penelitian dalam tugas akhir ini adalah menunjukkan hasil

perbandingan algoritma Elias Delta Code dan Huffman dengan menggunakan

parameter rasio, waktu kompresi, waktu dekompresi, dan redudancydata.

7. Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini antara lain:

1.

Untuk mengetahui algoritma kompresi yang lebih baik diantara algoritma Elias

Gamma Code dengan Shannon-Fano pada kompresi loseless.

2. Memperluas kapasitas penyimpanan data yang digunakan dengan mengurangi

ukuran data yang akan disimpan.

8. Tinjauan Pustaka

8.1. Kompresi

Seiring dengan pesatnya arus informasi yang terus berkembang di masyarakat,

teknologi juga secara terus menerus berupaya untuk berevolusi demi dapat memenuhi

kebutuhan masyarakat akan adanya informasi yang dapat cepat dan mudah diakses.

Dengan demikian timbul sebuah masalah, dimana sebuah data yang akan dikirim

terlalu besar sedangkan jumlah bandwidth yang tersedia sangat terbatas. Dan juga

dimana setelah data terkirim, jumlah data yang dapat disimpan pada media

penyimpanan pada sebuah hardwarejuga sangat terbatas.Berdasarkan permasalahan

yang tersebut, dilakukanlah sebuah cara agar data tersebut dapat dimampatkan

(kompres) dengan harapan dapat memperkecil ukuran dari data tersebut, yang disebut

dengan kompresi.


4/16

3

Berikut adalah beberapa definisi mengenai kompresi, diantaranya adalah

kompresi data bertujuan untuk mengurangi jumlah bit yang digunakan untuk

menyimpan atau mengirimkan informasi (Gailly, 1995)

Kompresi data adalah sebuah proses yang dapat mengubah sebuah aliran data

masukan (sumber atau data asli) ke dalam aliran data yang lain (keluaran atau data

yang dimampatkan) yang memiliki ukuran yang lebih kecil (Salomon, 2007).

Proses kompresi merupakan proses mereduksi ukuran suatu data untuk

menghasilkan representasi digital yang padat atau mampat (compact) namun tetap

dapat mewakili kuantitas informasi yang terkandung pada data tersebut. Pada citra,

video, dan audio, kompresi mengarah pada minimisasi jumlah bit rate untuk

representasi digital. Pada beberapa literatur, istilah kompresi sering disebut juga

source coding, data compression, bandwidth compression, dan signal compression

(Putra, 2010).

Kompresi terdiri dari dua komponen, algoritma encoding yang mengambil

pesan dan menghasilkan sebuah representasi "kompresi" (mudah-mudahan dengan

sedikit bit), dan algoritma decoding yang merekonstruksi pesan asli atau perkiraan

dari representasi kompresi. Kedua komponen ini biasanya saling terikat karena

keduanya harus memahami representasi kompresi bersama-sama (Blelloch, 2013).

Dengan merujuk pada beberapa definisi diatas, dapat ditarik kesimpulan

bahwa kompresi adalah sebuah usaha untuk memperkecil ukuran data pada suatufile,dimana informasi yang terdapat didalamfiletersebut tidak berubah.

Sering terjadi mispersepsi mengenai data dan informasi, padahal data dan

informasi adalah dua hal yang berbeda. Pada data terkandung suatu informasi. Namun

tidak semua bagian data terkait dengan informasi tersebut atau pada suatu data

terdapat bagian-bagian data yang berulang untuk mewakili informasi yang sama.

Bagian data yang tidak terkait atau bagian data yang berulang tersebut disebut dengan

data yang berlebihan (redudancy data). Tujuan daripada kompresi data tidak lain


5/16

4

adalah untuk mengurangi data berlebihan tersebut sehingga ukuran data menjadi lebih

kecil dan lebih ringan dalam proses transmisi (Putra, 2010).

Di dalam penelitian ini, file yang akan diteliti berfokus pada jenis file teks,

dengan ekstensi txt dan doc.Fileteks (disebut denganflat file) adalah salah satu jenis

file komputer yang tersusun dalam suatu urutan baris data teks biasanya diwakili oleh

8 bit kode ASCII (Solihin, 2013).

8.2. Teknik Kompresi

Ketika kita berbicara tentang teknik kompresi atau algoritma kompresi, kita

sebenarnya mengacu pada dua algoritma. Ada algoritma kompresi yang mengambil

sebuah input xdan menghasilkan xc sebagai representasi yang memerlukan bit yang

lebih sedikit, dan ada algoritma rekonstruksi yang beroperasi pada representasi

kompresi xc untuk menghasilkan rekonstruksi y. Operasi ini secara skematis

diperlihatkan pada Gambar 1 (Sayood, 2006).

Gambar 1. Kompresi dan rekonstruksi (Sayood, 2006)

Berdasarkan persyaratan rekonstruksi, skema kompresi data dapat dibagi

menjadi dua kelas besar: Skema kompresi lossless, dimana x identik dengan y, dan

skema kompresi lossy, yang umumnya menyediakan kompresi jauh lebih tinggi

daripada kompresi lossless tetapi memungkinkan ymenjadi berbeda dari x (Sayood,

2006)..


6/16

5

8.2.1 Kompresi Lossy (Lossy Compression)

Lossy compression menyebabkan adanya perubahan data dibandingkan sebelum

dilakukan proses kompresi. Sebagai gantinya lossy compression memberikan

derajat kompresi lebih tinggi. Tipe ini cocok untuk kompresi file suara digital

dan gambar digital. File suara dan gambar secara alamiah masih bisa digunakan

walaupun tidak berada pada kondisi yang sama sebelum dilakukan kompresi

(Widhiarta, 2008).

Beberapa algoritma lossy compression yang sudah umum diterapkan antara

lain algoritma ADPCM, LPC, JPEG, MPEG, Fractal dan lain sebagainya. Konsep

dasar kompresi lossydapat dilihat pada Gambar 2.

Gambar 2. Ilustrasi kompresi lossy(Jewell, 2014)

8.2.2 Kompresi Lossless(L ossless Compression)

Sebaliknya lossless compression memiliki derajat kompresi yang lebih rendah

tetapi dengan akurasi data yang terjaga antara sebelum dan sesudah proses

kompresi. Kompresi ini cocok untuk basis data, dokumen atau spreadsheet.

Pada lossless compression ini tidak diijinkan ada bit yang hilang dari data pada

proses kompresi (Widhiarta, 2008).

Beberapa algoritma lossless compressionyang sudah umum diterapkan antara

lain algoritma Huffman, Shannon-Fano, RLE, LZ77, LZW, LZSS, Elias Gamma

Code, dan Elias Delta Code. Konsep dasar kompresi lossydapat dilihat pada gambar

3.


7/16

6

Gambar 3. Ilustrasi kompresi lossless (Jewell, 2014)

8.3. Algoritma Elias Delta Code

Elias Delta Code adalah sebuah algoritma kompresi yang dibuat oleh Peter Elias

menggunakan kode yang telah dia buat sebelumnya, yaitu Elias Gamma Code, sebagai

building block (Figueiredo, 2010).

Dalam kode Gamma, Elias menambah panjang kode dalam unary (). Dalam

kode berikutnya, (delta), ditambahkan pada panjang kode dalam biner (). Dengan

demikian, Elias Delta Code, yang juga untuk bilangan bulat positif, sedikit lebih

kompleks untuk dibangun (Salomon, 2007).

Kompresi dalam bilangan bulat positif n dilakukan dalam langkah-langkah berikut:

1. Tulis ndalam biner. Bit yang paling kiri (paling signifikan) akan menjadi 1.

2. Hitung bit, hapus bit paling kiri dari n, dan tambahkan hitungan, di dalam

biner, apa yang tersisa dari bit nyang paling kiri setelah telah dihapus.

3. Kurangi 1 dari hitungan di langkah 2 ,dan tambahkan jumlah nol sebanyak

hasil hitungan tersebut ke awal kode.

Ketika langkah-langkah ini diterapkan ke bilangan integer17, hasilnya: 17 =

100012 (lima bit). Hapus angka 1 paling kiri dan tambahkan 5 = 101 2, sehingga

menjadi 101 | 0001. Tiga bit telah ditambahkan, jadi kita tambahkan dua nol untuk

mendapatkan kode delta 00 | 101 | 0001.

Dekompresi dilakukan dalam langkah-langkah berikut:

1.

Baca bit dari kode sampai Anda dapat men-decodekode Elias Gamma. Sebut


8/16

7

hasil decodedenganM + 1 Hal ini dilakukan dalamsubstepsberikut.:

1.1. Hitung nol paling awal pada kode dan simbolkan dengan C.

1.2.

Periksa paling kiri dari 2C+ 1 bit (Cnol, diikuti oleh sebuah angka 1, diikuti

oleh lebih banyak bit C). Ini adalah decodekode gammaM+1

2. Baca bitMberikutnya. Sebut nomor ini L.

3.

Integer decode-nya adalah 2M+ L.

Gambar 4. Tabel Elias Gamma Code (Salomon, 2007)

Sebagai contoh, jika n = 17, kode deltanya adalah 001010001. Hitung dua

angka nol, sehingga C= 2. Nilai dari 2Cpaling kiri + 1 = 5 bit adalah 00101 = 5,

sehinggaM+ 1 = 5. Berikutnya bacaM= 4 bit 0001, dan berakhir dengan nilai 2M+L

= 24+ 1 = 17.

Gambar 5. Tabel Elias Delta Code (Salomon, 2007)

8.4. Algoritma Huffman

David Huffman mengembangkan algoritma Huffman pada tahun 1952 diMassachusetts Institute of Technology. Metode ini adalah satu metode popular dalam


9/16

8

bidang kompresi data. (Salomon, 2007). Algoritma Huffman menggunakan prinsip

pengkodean yang mirip dengan kode Morse, yaitu tiap karakter (simbol) dikodekan

hanya dengan rangkaian beberapa bit, dimana karakter yang sering muncul dikodekan

dengan rangkaian bit yang pendek dan karakter yang jarang muncul dikodekan.dengan

rangkaian bit yang lebih panjang. (Pu, 2006)

Berdasarkan tipe peta kode yang digunakan untuk mengubah pesan awal (isi

data yang diinputkan) menjadi sekumpulan codeword, algoritma Huffman termasuk

ke dalam kelas algoritma yang menggunakan metode statik . Metoda statik adalah

metoda yang selalu menggunakan peta kode yang sama, metoda ini membutuhkan dua

fase (two-pass): fase pertama untuk menghitung probabilitas kemunculan tiap simbol

dan menentukan peta kodenya, dan fase kedua untuk mengubah pesan menjadi

kumpulan kode yang akan ditransmisikan. (Pu, 2006)

Sedangkan berdasarkan teknik pengkodean simbol yang digunakan, algoritma

Huffman menggunakan metode symbolwise. Metoda symbolwise adalah menghitung

peluang kemunculan dari tiap simbol dalam file input, lalu mengkodekan satu simbol

dalam satu waktu, dimana simbol yang lebih sering muncul diberi kode lebih pendek

dibandingkan simbol yang lebih jarang muncul (Utami, 2013).

Pada dasarnya, metode ini bekerja dengan membangun satu set kode prefiks

optimal untuk data dengan frekuensi kejadian yang diketahui (Salomon, 2007). Kode

prefiks adalah himpunan yang berisi sekumpulan kode biner, dimana pada kode

prefiks ini tidak ada kode biner yang menjadi awal bagi kode biner yang lain. Kode

prefiks biasanya direpresentasikan sebagai pohon biner yang diberikan nilai atau label.Untuk cabang kiri pada pohon biner diberi label 0, sedangkan pada cabang kanan pada

pohon biner diberi label 1. Rangkaian bit yang terbentuk pada setiap lintasan dari akar

ke daun merupakan kode prefiks untuk karakter yang berpadanan. Pohon biner ini

biasa disebut Pohon Huffman. (Hanif, 2006).

Langkah-langkah pembentukan Pohon Huffman adalah sebagai berikut :

1.

Baca semua karakter di dalam teks untuk menghitung frekuensi kemunculan

setiap karakter. Setiap karakter penyusun teks dinyatakan sebagai pohon


10/16

9

bersimpul tunggal. Setiap simpul di-assign dengan frekuensi kemunculan

karakter tersebut.

2.

Terapkan strategi algoritma greedy sebagai berikut : gabungkan dua buah

pohon yang mempunyai frekuensi terkecil pada sebuah akar. Setelah

digabungkan akar tersebut akan mempunyai frekuensi yang merupakan jumlah

dari frekuensi dua buah pohon-pohon penyusunnya.

3. Ulangi langkah 2 sampai hanya tersisa satu buah pohon Huffman. Agar

pemilihan dua pohon yang akan digabungkan berlangsung cepat, maka semua

yang ada selalu terurut menaik berdasarkan frekuensi. (Hanif, 2006).

Untuk contoh, sebuah string dengan 7 karakter huruf ABACCDA

membutuhkan representasi 7 8 bit = 56 bit (7 byte), dengan rincian sebagai berikut:

A = 01000001, B = 01000010, A = 01000001, C = 01000011, C = 01000011,

D = 01000100, A = 01000001.

Padastring di atas, frekuensi kemunculan A = 3, B = 1, C = 2, dan D = 1,

Gambar 6. Pohon Huffman (Hanif, 2006)


11/16

10

Encodingdilakukan dalam langkah-langkah berikut:

1. Tentukan karakter yang akan di-encoding.

2.

Mulai dari akar, baca setiap bit yang ada pada cabang yang bersesuaian sampai

ketemu daun dimana karakter itu berada.

3. Ulangi langkah 2 sampai seluruh karakter di-encoding (Hanif, 2006).

Dengan berdasarkan Pohon Huffman pada contoh diatas, maka kita dapat hasil

encoding sebagai berikut.

Tabel 1. Kode Huffman untuk Karakter ABCD

Karakter String Biner Huffman

A 0

B 110

C 10

D 111

Dengan menggunakan kode Huffman ini, string ABACCDA direpresentasikan

menjadi rangkaian bit : 0 110 0 10 10 111 0. Jadi, jumlah bit yang dibutuhkan hanya

13 bit.

Decoding dapat dilakukan dengan dua cara, yang pertama dengan menggunakan

pohon Huffman dan yang kedua dengan menggunakan tabel kode Huffman.

Cara pertama, dengan menggunakan Pohon Huffman adalah sebagai berikut :

1. Baca sebuah bit daristringbiner.

2.

Mulai dari akar.3. Untuk setiap bit pada langkah 1, lakukan traversal pada cabang yang

bersesuaian.

4. Ulangi langkah 1, 2 dan 3 sampai bertemu daun. Kodekan rangkaian bit yang

telah dibaca dengan karakter di daun.

5.

Ulangi dari langkah 1 sampai semua bit di dalamstring habis (Hanif, 2006).


12/16

11

Gambar 7. Proses Decodingdengan

Menggunakan Pohon Huffman (Hanif, 2006)

Untuk contoh, ambil string biner bernilai 111 untuk di-decoding. Maka dengan

menelusuri dari akar, kita dapatkan bahwa kode Huffman untuk string 111 adalah

D.

Cara yang kedua adalah dengan menggunakan tabel kode Huffman. Sebagai

contoh kita akan menggunakan kode Huffman pada Tabel 1 untuk merepresentasikan

string ABACCDA. Dengan menggunakan Tabel 1 string tersebut akan

direpresentasikan menjadi rangkaian bit : 0 110 0 10 10 1110. Jadi, jumlah bit yangdibutuhkan hanya 13 bit. Dari Tabel 1 tampak bahwa kode untuk sebuah simbol /

karakter tidak boleh menjadi awalan dari kode simbol yang lain guna menghindari

keraguan (ambiguitas) dalam proses dekompresi atau decoding. Karena tiap kode

Huffman yang dihasilkan unik, maka proses decoding dapat dilakukan dengan mudah.

Contoh: saat membaca kode bit pertama dalam rangkaian bit 011001010110, yaitu

bit 0, dapat langsung disimpulkan bahwa kode bit 0 merupakan pemetaan dari

simbol A. Kemudian baca kode bit selanjutnya, yaitu bit 1. Tidak ada kode

Huffman 1, lalu baca kode bit selanjutnya, sehinggamenjadi 11. Tidak ada juga

kode Huffman 11, lalu baca lagi kode bit berikutnya, sehingga menjadi 110.

Rangkaian kode bit 110 adalah pemetaandari simbol B(Hanif, 2006).

9. Penelitian yang relevan

Berikut ini beberapa penelitian yang terkait dengan algoritma Elias Delta Code dan

Huffman:


13/16

12

1. Sukiman & Chandra (2013) dalam jurnal yang berjudul Aplikasi Kompresi File

dengan Algoritma Elias Gamma. Dari jurnal ini, maka dapat disimpulkan bahwa

tingkat rasio kompresi dari algoritma Elias Gamma mempunyai rentang 60% -

80%. Pengujian baik untuk proses kompresi dan dekompresi menunjukkan

kecepatan proses rata-rata cukup cepat karena Elias Gamma melakukan

proses encoding dalam proses kompresinya. Waktu yang dibutuhkan untuk

kompresi tidak bergantung pada besar ukuran file dan begitu pula waktu

dekompresi tidak tergantung pada waku kompresi. Secara rata-rata waktu

kompresi membutuhkan waktu lebih daripada waktu dekompresi. Besarnya

rasio kompresi tergantung kepada jumlah bit per sample dan sample rate.

Proses kompresi dengan menggunakan Elias Gamma mempunyai keterbatasan

karena hanya dapat merepresentasikan 7 karakter pertama dengan jumlah bit di

bawah 8 bit.

2. Pramilo (2010) dalam skripsi yang berjudul Studi Perbandingan Algoritma

Huffman Dan Lzw (Lempel Ziv Welch) Pada Pemampatan File Teks. Dalam

skripsi, dapat disimpulkan bahwa Disimpulkan bahwa, secara rata-rata algoritma

Huffman menghasilkan rasio file hasil pemampatan yang terbaik daripada

algoritma LZW. Dan juga, secara rata-rata algoritma Huffman membutuhkan

waktu pemampatan yang tersingkat daripada algoritma LZW. Terdapat beberapa

file teks yang tidak tepat untuk dimampatkan dengan algoritma LZW karena dapat

menghasilkan file hasil pemampatan yang berukuran sama atau lebih besar dari

ukuran file sumber.

10. Metode Penelitian

Tahapan penelitian yang dilakukan dalam penelitian ini adalah :

1. Studi Literatur

Pada tahap ini dilakukan pengumpulan referensi yang diperlukan dalam penelitian.

Hal ini dilakukan untuk memperoleh informasi dan data yang diperlukan untuk

penulisan skripsi ini. Referensi yang digunakan dapat berupa buku, jurnal, artikel,

paper, makalah baik berupa media cetak maupun media internet mengenai

kompresi loselessuntukfileteks.


14/16

13

2. Analisis sistem

Pada tahap ini akan dianalisis sistem yang akan dibuat, batasan sistem, kinerja

sistem dan cara kerja sistem. Sehingga sistem dapat mengimplementasikan

algoritma Elias Delta Code dan Huffman.

3. Perancangan Sistem

Pada tahap ini dilakukan perancangan user interface, Data Flow Diagram (DFD),

Entity Relationship Diagram (ERD) dan struktur program sistem kompresi file.

4. Implementasi Sistem

Sistem diimplementasikan dengan menggunakan Algoritma Elias Delta Code dan

Huffman.

5.

Pengujian Sistem

Pada tahap ini dilakukan pengujian kinerja sistem dan kebenaran hasil kompresi

file teks yang dilakukan dengan dua algoritma loselessyang berbeda.

6. Dokumentasi

Pada tahap ini seluruh kegiatan dalam pembuatan sistem didokumentasikan

kedalam bentuk tulisan berupa laporan tugas akhir.


15/16

14

11. Rencana Kegiatan Kerja

Berikut ini adalah rencana kegiatan kerja dalam pengerjaan skripsi.

Tabel 1. Rencana Kegiatan Kerja untuk Skripsi

No Kegiatan2014

April Mei Juni

1 Seminar Proposal

2 Studi Literatur

3 Analisis dan Perancangan

4 Implementasi

5 Pengujian

6 Penyusunan Skripsi

7 Seminar Hasil

8 Sidang Meja Hijau

Medan, 10 April 2014

Disetujui Oleh,

Dosen Pembimbing I Mahasiswa

Dosen Pembimbing II

Prof. Dr. Muhammad Zarlis

NIP. 19570701 198603 1 001

Handrizal, S.Si, M.Comp.Sc

NIP.-

Umri Erdiansyah

NIM.101401033


16/16

15

12. Daftar Pustaka

Blelloch, G.E. 2013.Introduction to Data Compression. Carnegie Mellon University.

Figueiredo, M.A.T. 2009.Elias Coding.Instituto Superior Tecnico, Lisboa, Portugal.

Firdaus, M. & Buliali, J. L. 2010. Penentuan Kombinasi Teknik Kompresi untuk

Mendukung Penyimpanan Data Akademik pada Smartcard. (Online)

http://digilib.its.ac.id/public/ITS-Undergraduate-9829-Paper.pdf (2 Mei

2014).

Gailly, J.L. & Nelson, Mark. 1995. The Data Compression Book. 2nd edition. Wiley.

Hanif, I. 2006. Kompresi Teks Menggunakan Algoritma dan Pohon Huffman,

http://informatika.stei.itb.ac.id,2006. (diakses 9 Juni 2014).

Ida, M P. 2006.Fundamental Data Compression. Jordan Hill, Oxford.

Putra, D. 2010.Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI.

Salomon, D. 2007. Variable-length Codes for Data Compression. London:

Springer.

Sayood, K. 2006. Introduction to Data Compression.3rd

edition. Morgan Kaufmann:San Fransisco.

Solihin, M. 2013. Perancangan Sistem Pengamanan dan Kompresi Data Teks dengan

Fibonacci Encodingdan Algoritma Shannon-Fano serta Algoritma Deflate.

Skripsi.Universitas Sumatera Utara.

Sukiman & Chandra, T. 2013. Aplikasi Kompresi File dengan Algoritma Elias

Gamma.Jurnal CORE IT 1(1): 10

Widhiartha, P. 2008. Pengantar Kompresi Data. IlmuKomputer.com.(Online)

nyoman.staf.narotama.ac.id/files/2012/01/widhiartha_kompresidata (12Maret 2014).

http://www.theasciicode.com.ar,diakses tanggal 5 Februari 2014.

http://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-

techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-

quality.html,diakses tanggal 8 April 2014
http://digilib.its.ac.id/public/ITS-Undergraduate-9829-Paper.pdf%20(http://digilib.its.ac.id/public/ITS-Undergraduate-9829-Paper.pdf%20(http://digilib.its.ac.id/public/ITS-Undergraduate-9829-Paper.pdf%20(http://informatika.stei.itb.ac.id/http://informatika.stei.itb.ac.id/http://www.theasciicode.com.ar/http://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://thomasjewell.weebly.com/d2-explain-the-impact-that-file-format-compression-techniques-image-resolution-and-colour-depth-have-on-file-size-andiimage-quality.htmlhttp://www.theasciicode.com.ar/http://informatika.stei.itb.ac.id/http://digilib.its.ac.id/public/ITS-Undergraduate-9829-Paper.pdf%20(

perbandingan algoritma elias delta code dengan huffman untuk kompresi file teks

Documents