Implementasi Algoritma DCT (Discrete Cosine Transform) dan K-Means Clustering untuk Kuantisasi Warna pada Konversi Citra JPG ke Format GIF

Sumita Wardani; Andi Zulherry; Karina Andriani; Ichsan Firmansyah

doi:10.56211/blendsains.v5i1.1865

Authors

Sumita Wardani Universitas Al-Azhar
Andi Zulherry Universitas Muhammadiyah Sumatera Utara
Karina Andriani STMIK Triguna Dharma
Ichsan Firmansyah STMIK Triguna Dharma

DOI:

https://doi.org/10.56211/blendsains.v5i1.1865

Keywords:

Discrete Cosine Transform; K-Means Clustering; Kompresi Citra; Kuantisasi Warna; Konversi JPG ke GIF

Abstract

Meningkatnya kebutuhan akan penyimpanan dan transmisi citra digital yang efisien mendorong penelitian di bidang kompresi citra dan teknik kuantisasi warna. Penelitian ini bertujuan untuk mengimplementasikan algoritma Discrete Cosine Transform (DCT) yang dikombinasikan dengan K-Means Clustering untuk kuantisasi warna dalam proses konversi citra JPG ke format GIF. Algoritma DCT digunakan untuk mereduksi komponen frekuensi tinggi pada citra guna meningkatkan efisiensi data, sementara algoritma K-Means Clustering diterapkan untuk menghasilkan palet warna yang optimal sesuai dengan batasan format GIF, yaitu maksimal 256 warna. Penelitian ini menggunakan pendekatan eksperimen kuantitatif dan mengimplementasikan sistem menggunakan bahasa pemrograman Python pada platform Google Colab. Parameter evaluasi yang digunakan meliputi Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR), dan ukuran file. Hasil penelitian menunjukkan bahwa proses DCT berhasil mengurangi ukuran file dari 1347,83 KB menjadi 1198,46 KB, dengan nilai MSE sebesar 42,3175 dan nilai PSNR sebesar 31,8692 dB. Proses kuantisasi K-Means dengan 256 klaster menghasilkan nilai MSE sebesar 47,6381 dan nilai PSNR sebesar 31,3504 dB, dengan ukuran file sebesar 5124,70 KB. Eksperimen lanjutan dengan jumlah klaster yang berbeda menunjukkan bahwa pengurangan jumlah klaster menurunkan ukuran file namun juga menurunkan kualitas citra; GIF dengan 8 klaster menghasilkan ukuran file terkecil, yaitu 684,35 KB, dengan nilai PSNR sebesar 25,9143 dB. Temuan ini mengindikasikan bahwa kombinasi algoritma DCT dan K-Means dapat secara efektif mengkonversi citra JPG ke format GIF, meskipun terdapat pertukaran (trade-off) antara efisiensi ukuran file dan kualitas visual citra.

Downloads

Download data is not yet available.

References

[1] N. Amanati, W. Setyawan, dan D. Sari, "Implementasi Discrete Cosine Transform (DCT) pada kompresi citra digital untuk peningkatan efisiensi penyimpanan," Jurnal Teknologi Informasi dan Terapan, vol. 9, no. 2, hlm. 145–154, 2021.

[2] Y. Kusuma dan D. Lestari, "Evaluasi kualitas kompresi citra menggunakan metrik PSNR dan MSE pada berbagai algoritma transformasi," Jurnal Multimedia dan Komputer, vol. 5, no. 2, hlm. 77–86, 2021.

[3] R. Dewi dan F. Pratama, "Optimasi pengolahan citra menggunakan metode Discrete Cosine Transform pada media digital," Jurnal Informatika dan Komputer, vol. 10, no. 3, hlm. 189–198, 2021.

[4] I. Putra dan A. Santoso, "Implementasi K-Means Clustering pada proses kuantisasi warna citra digital berformat GIF," Journal of Digital Imaging Technology, vol. 4, no. 1, hlm. 11–22, 2022.

[5] A. Wibowo dan H. Santoso, "Analisis perbandingan format citra digital JPG dan GIF pada aplikasi multimedia," Jurnal Teknologi dan Sistem Informasi, vol. 3, no. 1, hlm. 33–42, 2022.

[6] R. Gifani, "An improved K-Means color quantization for efficient GIF encoding," International Journal of Image Processing, vol. 17, no. 1, hlm. 55–64, 2023.

[7] C. Halim dan R. Wahono, "Studi komparatif teknik kuantisasi warna dalam pembuatan GIF," Jurnal Sistem dan Teknologi Informasi, vol. 8, no. 4, hlm. 301–312, 2020.

[8] B. Rahmadi dan S. Nugroho, "Analisis format JPG dan GIF pada sistem penyimpanan multimedia modern," Jurnal Teknologi Media Digital, vol. 6, no. 1, hlm. 41–52, 2023.

[9] M. Sundari dan R. Riyadi, "Pengaruh jumlah warna terhadap kualitas hasil konversi GIF pada citra digital," Jurnal Informatika Nusantara, vol. 3, no. 2, hlm. 98–108, 2020.

[10] Rangkuti, A.R.S., & Sari, I.P. (2026). Penggunaan Fitur Warna Cielab Dalam Segmentasi Kematangan Buah Kakao Dengan Algoritma K-Means Clustering. Hello World Jurnal Ilmu Komputer 5 (1), 36-46

[11] Sari, I.P., Basri, M., & Syafrayani, P.R. (2025). Implementasi Sistem Aplikasi Pengolahan Teks pada Gambar Menggunakan Modifikasi Metode LSB dan ROT13. Hello World Jurnal Ilmu Komputer 4 (2), 90-97

[12] Sari, I. P., Al-Khowarizmi, & Batubara, I. H. (2021). Cluster analysis using K-Means algorithm and fuzzy C-Means clustering for grouping students' abilities in online learning process. Journal of Computer Science, Information Technology and Telecommunication Engineering, 2(1), 139–144.

[13] Gonzalez, R. C., & Woods, R. E. (2018). Digital Image Processing (4th ed.). Pearson.

[14] Gonzalez, R. C., Woods, R. E., & Eddins, S. L. (2004). Digital Image Processing Using MATLAB. Pearson Prentice Hall.

[15] ain, A. K. (1989). Fundamentals of Digital Image Processing. Prentice Hall.

[16] Pratt, W. K. (2007). Digital Image Processing: PIKS Scientific Inside (4th ed.). John Wiley & Sons.

[17] Pennebaker, W. B., & Mitchell, J. L. (1993). JPEG: Still Image Data Compression Standard. Van Nostrand Reinhold.

[18] MacQueen, J. (1967). Some Methods for Classification and Analysis of Multivariate Observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 281–297.

[19] Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129–137.

[20] Salomon, D. (2007). Data Compression: The Complete Reference (4th ed.). Springer.

[21] Bovik, A. C. (Ed.). (2005). Handbook of Image and Video Processing (2nd ed.). Academic Press.