Peningkatan Rasio Kompresi Algoritma RLE Untuk Kompresi Teks Dengan Menggunakan Algoritma BWT Dan Sequitur

Rian Syahputra, Surya Darma Nasution, Alwin Fau
{"title":"Peningkatan Rasio Kompresi Algoritma RLE Untuk Kompresi Teks Dengan Menggunakan Algoritma BWT Dan Sequitur","authors":"Rian Syahputra, Surya Darma Nasution, Alwin Fau","doi":"10.54314/teknisi.v3i2.1388","DOIUrl":null,"url":null,"abstract":"To reduce the size can be done with compression techniques. Some of the compression techniques that are often used are Run Length Encoding. The RLE algorithm allows a significant size reduction by reducing the number of symbols in a row to a number of the number of symbols in a row. But for text compression the RLE algorithm still cannot be used because there are no symbols or letters that line up. To improve the results of text compression from the RLE algorithm, data changes can be used first, such as using the Burrows-Wheeler Transform algorithm and the Sequitur algorithm. The RLE algorithm cannot compress text because a row of text words is arranged randomly so that the word has a meaning, BWT and Sequitur managed to make changes to the sample text, but RLE still cannot execute it properly, so the RLE algorithm is not suitable for text compression.            Keywords: compression; RLE; BWT; Sequitur; Comparison  Abstrak: Untuk melakukan pengurangan ukuran bisa dilakukan dengan teknik kompresi. Beberapa teknik kompresi yang sering digunakan adalah Run Length Encoding. Algoritma RLE memungkinkan pengurangan ukuran yang signifikan dengan mempersingkat jumlah dari simbol yang berderet dengan angka dari jumlah simbol yang berderet tersebut. Namun untuk kompresi teks algoritma RLE masih belum bisa digunakan karena tidak ada simbol atau huruf yang berderet. Untuk meningkatkan hasil kompresi teks dari algoritma RLE dapat digunakan perubahan data terlebih dahulu, seperti menggunakan algoritma Burrows-Wheeler Transform dan algoritma Sequitur. Algoritma RLE tidak bisa untuk kompresi teks karena deretan dari suatu kata teks disusun secara acak sehingga kata tersebut memiliki suatu arti, BWT dan Sequitur berhasil melakukan perubahan pada teks sampel, namun RLE tetap tidak bisa mengeksekusinya dengan baik, sehingga algoritma RLE tidak cocok untuk kompresi teks. Kata kunci: kompresi; RLE; BWT; Sequitur; Perbandinga Kinerja","PeriodicalId":190919,"journal":{"name":"JURNAL TEKNISI","volume":"20 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL TEKNISI","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.54314/teknisi.v3i2.1388","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

To reduce the size can be done with compression techniques. Some of the compression techniques that are often used are Run Length Encoding. The RLE algorithm allows a significant size reduction by reducing the number of symbols in a row to a number of the number of symbols in a row. But for text compression the RLE algorithm still cannot be used because there are no symbols or letters that line up. To improve the results of text compression from the RLE algorithm, data changes can be used first, such as using the Burrows-Wheeler Transform algorithm and the Sequitur algorithm. The RLE algorithm cannot compress text because a row of text words is arranged randomly so that the word has a meaning, BWT and Sequitur managed to make changes to the sample text, but RLE still cannot execute it properly, so the RLE algorithm is not suitable for text compression.            Keywords: compression; RLE; BWT; Sequitur; Comparison  Abstrak: Untuk melakukan pengurangan ukuran bisa dilakukan dengan teknik kompresi. Beberapa teknik kompresi yang sering digunakan adalah Run Length Encoding. Algoritma RLE memungkinkan pengurangan ukuran yang signifikan dengan mempersingkat jumlah dari simbol yang berderet dengan angka dari jumlah simbol yang berderet tersebut. Namun untuk kompresi teks algoritma RLE masih belum bisa digunakan karena tidak ada simbol atau huruf yang berderet. Untuk meningkatkan hasil kompresi teks dari algoritma RLE dapat digunakan perubahan data terlebih dahulu, seperti menggunakan algoritma Burrows-Wheeler Transform dan algoritma Sequitur. Algoritma RLE tidak bisa untuk kompresi teks karena deretan dari suatu kata teks disusun secara acak sehingga kata tersebut memiliki suatu arti, BWT dan Sequitur berhasil melakukan perubahan pada teks sampel, namun RLE tetap tidak bisa mengeksekusinya dengan baik, sehingga algoritma RLE tidak cocok untuk kompresi teks. Kata kunci: kompresi; RLE; BWT; Sequitur; Perbandinga Kinerja
增加了文本压缩算法RLE的压缩比,使用BWT算法和sequitaita算法
为了减小尺寸,可以使用压缩技术。一些经常使用的压缩技术是运行长度编码。RLE算法通过将一行中的符号数量减少到一行中符号数量的一部分来显著减小大小。但是对于文本压缩,仍然不能使用RLE算法,因为没有排列整齐的符号或字母。为了改进RLE算法的文本压缩结果,可以首先使用数据更改,例如使用Burrows-Wheeler变换算法和Sequitur算法。RLE算法无法压缩文本,因为一行文本单词是随机排列的,使得单词具有含义,BWT和Sequitur设法对样本文本进行了更改,但RLE仍然无法正常执行,因此RLE算法不适合文本压缩。关键词:压缩;RLE;BWT;结论;【摘要】比较:Untuk melakukan pengurangan ukuran bisa dilakukan dengan teknik kompresi。运行长度编码。算法RLE memungkinkan pengurangan ukuran yang signfikan dengan mempersingkat jumlah dari simsymbol yang berderet dengan angka dari jumlah simsymbol yang berderet tersebut。Namun untuk压缩图像算法RLE可用于图像识别和图像识别。Untuk meningkatkan hasil kompresi teks算法RLE dapat digunakan perubahan数据terlebih dahulu, seperti menggunakan算法Burrows-Wheeler变换dan算法Sequitur。算法RLE提取提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本,提取压缩样本。Kata kunci: kompresi;RLE;BWT;结论;Perbandinga Kinerja
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信