Fig. 1  Perbandingan hasil kompresi citra (sumber: dokumentasi pribadi)

Pernahkan kamu diminta mengunggah foto profil, tetapi ketentuan ukuran yang diperbolehkan hanya 200KB – 1MB? Sedangkan ukuran file asli foto yang ingin kamu gunakan mencapai 3MB. Waduh, gimana ya? Nah, dalam situasi demikian, teknik image compression adalah solusi.

 

Get to know: Image Compression

Image compression tidak terbatas sekadar ‘mengecilkan ukuran file foto’, tetapi juga bertujuan untuk meningkatkan efisiensi penyimpanan dan mempercepat proses transmisi data. Image compression menawarkan solusi penting untuk mengurangi ukuran atau mengganti atribut pada citra seperti jenis file, dimensi, resolusi, maupun kedalaman warna, tanpa harus mengorbankan kualitas visual secara signifikan. File yang telah dikompresi dapat dikembalikan melalui proses decompression, baik secara keseluruhannya (lossless) atau dengan sedikit kehilangan data (lossy), tergantung pada metode kompresi yang digunakan [1].

Pada proses kompresi citra, file gambar diubah menjadi serangkaian data biner yang disebut bit-stream. Bit-stream inilah yang kemudian diterima oleh decoder untuk direkonstruksi kembali menjadi gambar. Jumlah data pada bit-stream ini tentu lebih sedikit dibandingkan ukuran data gambar asli, sehingga ruang penyimpanan lebih hemat.

 

Lossy vs Lossless

Seperti yang sudah disinggung sebelumnya, terdapat dua metode kompresi pada citra, yaitu lossless compression dan lossy compression. Sesuai namanya, lossy compression merupakan metode kompresi yang mampu mengurangi ukuran file secara signifikan, namun dengan mengorbankan beberapa detail yang dianggap tidak terlalu penting. Metode ini cocok untuk foto dan konten media umum di web karena bisa mengurangi ukuran file hingga 90% dengan degradasi visual minimal, sehingga mempercepat waktu pemuatan (loading time) pada website. Format populer untuk citra yang menggunakan kompresi jenis ini Adalah JPEG, HEIC, AVIF.

Berkebalikan dari lossy compression, lossless compression yaitu metode kompresi citra memampatkan data tanpa kehilangan informasi sehingga citra dapat dikembalikan ke keadaan asli secara pixel-by-pixel. Oleh karena itu, metode kompresi jenis ini sering disebut juga dengan reversible compression. Metode ini ideal untuk citra yang membutuhkan detail tinggi seperti teks, grafis atau data arsip, serta untuk kebutuhan editing, printing, dan sejenisnya. Format umum untuk citra yang menggunakan metode kompresi ini adalah PNG, BMP, GIF, TIFF, RAW. Meskipun ukuran file berkurang, tetapi pengurangannya tidak sebesar ketika menggunakan lossy compression. Sebagai contoh, ketika menggunakan lossless compression, ukuran yang dikurangi hanya sekitar 5% – 10% dari ukuran aslinya, sedangkan untuk lossy compression, ukuran yang dikurangi bisa sampai 50% – 90% dari ukuran aslinya.

 

Fig. 2  Perbandingan performa kompresi format JPEG, PNG, WebP, dan AVIF untuk citra dan gambar teks  (https://photutorial.com/wp-content/uploads/2022/10/compression-performance-of-image-formats-850×638.png)

Sumbu-x menunjukkan ukuran relatif file setelah lossy compression, sedangkan sumbu-y menunjukkan kualitas relatif gambar terhadap aslinya. Untuk foto, AVIF memberikan keseimbangan terbaik antara kualitas dan ukuran file, melampaui WebP dan JPEG, sementara PNG mengalami penurunan kualitas yang signifikan. Untuk gambar teks, PNG mempertahankan kualitas tertinggi terutama pada tingkat kompresi tinggi, diikuti oleh AVIF dan WebP, sedangkan JPEG menunjukkan performa terburuk.

Algoritma dan Teknik Umum

Berikut berbagai algoritma dan teknik umum yang digunakan untuk mengurangi ukuran file dalam kompresi lossless maupun lossy [1].

  • Run-Length Encoding (RLE): menyimpan rentetan piksel yang sama secara lebih ringkas
  • Lempel-Ziv-Welch (LZW) digunakan dalam GIF dan TIFF untuk pengkodean berbasis kamus
  • Huffman Coding: metode pengkodean variabel panjang berdasarkan probabilitas kemunculan simbol
  • Arithmetic Coding: m enyandikan keseluruhan pesan menjadi sebuah nilai desimal tunggal, efisien untuk distribusi probabilitas yang kompleks
  • Transform Coding: mengubah data dari domain spasial ke domain frekuensi, lalu dilakukan kuantisasi dan entropy coding
  • Discrete Cosine Transform (DCT): digunakan pada standar JPEG
  • Discrete Wavelet Transform (DWT): digunakan pada JPEG2000, lebih unggul dalam mengurangi artefak blok dibanding DCT tradisional
  • Fractal Compression: memanfaatkan kesamaan pola dalam citra untuk menyimpan informasi dalam bentuk persamaan fraktal

 

WebP

WebP adalah format gambar modern yang dikembangkan oleh Google dan mendukung dua mode kompresi, yaitu lossless dan lossy, sehingga fleksibel digunakan sesuai kebutuhan. WebP dirancang untuk menghasilkan ukuran file sekitar 25% – 35% lebih kecil dibandingkan format tradisional seperti JPEG atau PNG, dengan kualitas visual yang imbang [2].

Secara teknis, WebP memanfaatkan entropy coding, color referencing, serta transformasi DCT atau Walsh–Hadamard. Selain itu, WebP juga mendukung transparansi (alpha channel), dan animasi, sehingga banyak digunakan pada web modern untuk mempercepat loading time tanpa mengurangi pengalaman pengguna [3].

 

The Best Choice

Pemilihan metode kompresi citra sebaiknya disesuaikan dengan kebutuhan. Lossy compression cocok digunakan ketika kecepatan loading dan ukuran file menjadi prioritas, misalnya untuk web atau layanan streaming, di mana sedikit penurunan kualitas visual masih dapat ditoleransi. Sebaliknya, lossless compression lebih tepat dipakai ketika detail gambar harus dipertahankan, seperti pada teks, logo, citra medis, atau arsip, serta saat file masih perlu di-edit lebih lanjut tanpa kehilangan kualitas asli. Untuk kebutuhan modern, format WebP direkomendasikan karena mampu menggabungkan efisiensi ukuran file dengan kualitas visual yang baik, sekaligus mendukung mode lossy maupun lossless.

 

Kesimpulan

Image compression merupakan bidang penting yang melibatkan trade-off antara ukuran file dan kualitas visual. Dengan memilih metode yang tepat (lossy untuk efisiensi dan lossless untuk detail) serta memanfaatkan format modern seperti WebP, kebutuhan penyimpanan, transmisi, dan pengalaman digital dapat lebih optimal.

 

Penulis

Felicia Natania Lingga, S.Kom – (FDP Scholar)

 

Referensi

[1] R. Awati, “lossless and lossy compression,” TechTarget, 11 October 2021. [Online]. Available: https://www.techtarget.com/whatis/definition/lossless-and-lossy-compression?utm_source=chatgpt.com. [Accessed 4 September 2025].

[2] “WebP Compression Techniques,” Google Developers, [Online]. Available: https://developers.google.com/speed/webp. [Accessed 4 September 2025].

[3] “Lossy vs Lossless Compression,” keycdn, 18 May 2023. [Online]. Available: https://www.keycdn.com/support/lossy-vs-lossless. [Accessed 4 September 2025].