Kompresi Data dengan Algoritma LZW pada REST Web Service

Kompresi Data dengan Algoritma LZW
pada REST Web Service
Artikel Ilmiah
Peneliti:
Ardy Mathias Jadera (672010112)
Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Juli 2016
Kompresi Data dengan Algoritma LZW
pada REST Web Service
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Peneliti:
Ardy Mathias Jadera (672010112)
Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Juli 2016
Kompresi Data dengan Algoritma LZW pada REST Web Service
1) Ardy
Mathias Jadera, 2) Magdalena A. Ineke Pakereng
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
1)
Email: [email protected], 2) [email protected]
Abstract
REST Web Service is becoming more popular is used as a medium of exchange of
data between the mobile device with the server. Mobile devices such as phones based on
Android to Windows-based tablets even have a data plan or WiFi internet paid for access
to the service from the server. The larger the data transmitted, the longer the process for
sending and receiving. It would also make the network becomes busy, and also the
amount of toll charges incurred, if the data packet internet use. The data transmitted can
be reduced in size without losing the meaning of information in it, using compression
algorithms. In this study, the LZW compression algorithm implemented on a REST Web
Service. In this study analyzed the advantages and disadvantages in terms of the
implementation of this compression. The results showed that compression can reduce the
size of the text data up to 11% of actual size. So that can directly save the use of data
packets on the mobile device. The larger the file, the smaller the percentage of added time
due to the process of compression / decompression. Deficiencies found is the presence of
extra time compression and decompression processes that can affect the total time.
Keywords: Data Compression, LZW, REST Web Service
Abstrak
REST Web Service semakin popular digunakan sebagai media pertukaran data
antara perangkat mobile dengan server. Perangkat mobile seperti ponsel berbasis Android
sampai bahkan tablet berbasis Windows menggunakan paket data internet yang berbayar
atau WiFi untuk dapat mengakses layanan dari server. Semakin besar data yang
ditransmisikan, semakin lama proses untuk mengirim dan menerima. Hal ini juga akan
mengakibatkan jaringan menjadi lebih sibuk, dan juga banyaknya biaya pulsa yang
dikeluarkan, jika paket data internet digunakan. Data yang dikirimkan dapat diperkecil
ukurannya tanpa menghilangkan makna informasi di dalamnya, dengan menggunakan
algoritma kompresi. Pada penelitian ini diimplementasikan algoritma kompresi LZW
pada REST Web Service. Pada penelitian ini dianalisis keuntungan dan kerugian dalam
hal implementasi kompresi ini. Hasil penelitian menunjukkan bahwa kompresi dapat
memperkecil ukuran data teks sampai dengan 11% dari ukuran sebenarnya. Sehingga
secara langsung dapat menghemat penggunaan paket data pada perangkat mobile.
Semakin besar file, maka semakin kecil persentase tambahan waktu akibat proses
kompresi/dekompresi. Kekurangan yang ditemukan adalah adanya waktu tambahan
proses kompresi dan dekompresi yang dapat mempengaruhi total waktu.
Kata Kunci: Kompresi Data, LZW, REST Web Service
1)Mahasiswa
Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya
Wacana
2)Staf Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana.
1.
Pendahuluan
REST Web Service semakin popular digunakan sebagai media pertukaran
data antara perangkat mobile dengan server [1]. Perangkat mobile seperti ponsel
berbasis Android sampai bahkan tablet berbasis Windows menggunakan paket
data internet yang berbayar atau WiFi untuk dapat mengakses layanan dari server.
Semakin besar data yang ditransmisikan, semakin lama proses untuk mengirim
dan menerima. Hal ini juga akan mengakibatkan jaringan menjadi lebih sibuk, dan
juga banyaknya biaya pulsa yang dikeluarkan, jika paket data internet digunakan.
REST Web Service berjalan pada protokol HTTP, yang berarti data yang
dikirimkan berupa teks. Data yang dikirimkan dapat diperkecil ukurannya tanpa
menghilangkan makna informasi di dalamnya, dengan menggunakan algoritma
kompresi. Algoritma LZW [2] merupakan salah satu algoritma kompresi yang
bersifat lossless. Lossless berarti antara isi data sebelum kompresi dengan isi data
setelah dekompresi, tidak ada data yang hilang.
Pada penelitian ini diimplementasikan algoritma kompresi LZW pada
REST Web Service. Tujuan dari implementasi ini adalah untuk memperkecil
ukuran data yang ditransmisikan antara server dengan client. Pada sisi server
maupun client terdapat proses kompresi dan dekompresi. Server melakukan
kompresi data kemudian mengirimkan ke client, kemudian data tersebut dilakukan
dekompresi untuk mendapatkan informasi sebenarnya. Proses ini juga berlaku
ketika client mengirim data ke server.
2.
Tinjauan Pustaka
Pada penelitian berjudul “Data Compression Techniques on Text Files: A
Comparison Study”, dibahas mengenai perbandingan performa empat algoritma
kompresi, yaitu LZW, Huffman, HFLC dan FLC. Pada penelitian tersebut
disimpulkan bahwa LZW memberikan rasio hasil kompresi yang lebih besar
daripada tiga algoritma yang lain, terutama pada file yang berukuran besar [3].
Pada penelitian Muhammad dan Subandi [4] dibandingkan antara
kompresi Huffman dan LZW pada file dengan format video dan audio. Indikator
perbandingan kompresi ini adalah waktu (kecepatan) kompresi, ukuran file hasil
kompresi dan persentase pemampatan file setelah dilakukan kompresi data.
Berdasarkan perbandingan yang telah dilakukan, didapat hasil bahwa rata-rata
dari persentase pemampatan file audio adalah 98,6% (LZW) dan 99% (Huffman).
Sedangkan rata-rata dari persentase pemampatan file video adalah 98,3% (LZW)
dan 99,46% (Huffman). Sedangkan kecepatan rata-rata untuk kompresi file audio
adalah 55.03 Kb/detik (LZW) dan 1058,78 KB/detik (Huffman). Sedangkan
kecepatan rata-rata untuk kompresi file video adalah 51.25 Kb/detik (LZW) dan
825,41 Kb/detik (Huffman). Sehingga dapat disimpulkan bahwa metode LZW
lebih efektif digunakan dalam pengkompresian audio dan video dibandingkan
dengan metode Huffman.
Penelitian tentang implementasi algoritma LZW salah satunya dilakukan
oleh Hidayat, Zarman, dan Pamungkas [5]. Penelitian tersebut membahas
mengenai implementasi LZW pada database server. Hal ini dilakukan untuk
1
memperkecil ukuran data yang akan disimpan di database server. Algoritma LZW
yang dirancang menggunakan bahasa pemrograman PHP dan sistem manajemen
basis data MySQL. Proses kompresi dilakukan pada saat data akan disimpan ke
database dan didekompresi setiap data tersebut akan dibaca. Hasil implementasi
algoritma LZW pada server yaitu penyimpanan artikel menjadi bertambah
banyak, terlihat dari nilai persentase penghematan penyimpanan setiap artikel
berkisar antara 11,67% sampai dengan 16,67% untuk perhitungan nilai rata-rata
persentase penghematan 200 sampai dengan 1.000 karakter pertama dari sepuluh
buah artikel acak.
Berdasarkan penelitian yang pernah dilakukan tentang pemanfaatan
kompresi dan algoritma LZW, maka dalam penelitian ini dilakukan penelitian
yang memanfaatkan kompresi dengan algoritma LZW pada transmisi data antara
REST Web Service dengan perangkat mobile berbasis Android. Perbedaan
penelitian ini dengan penelitian-penelitian sebelumnya adalah, pada penelitian ini
kompresi diterapkan pada data teks yang pada umumnya dilewatkan pada jalur
komunikasi REST Web Service. REST Web Service menggunakan HTTP
(Hypertext Transfer Protocol) untuk berkomunikasi, dengan kata lain data teks
yang dilewatkan pada jalur protokol tersebut. Data teks dapat berupa file teks, atau
data string.
Algoritma LZW yang merupakan dictionary based compression sangat
efektif mengkompresi data teks yang memiliki banyak pola huruf, kata ataupun
kalimat yang berulang, semakin banyak pembendaharaan gabungan string dalam
dictionary tambahan pada suatu plaintext maka semakin baik hasil kompresi
plaintext tersebut [5]. LZW (Lempel-Ziv-Welch) merupakan algoritma kompresi
lossless universal yang dibuat oleh Abraham Lempel, Jacob Ziv, dan Terry
Welch. Kelebihan algoritma ini yaitu cepat dalam implementasi dan
kekurangannya kurang optimal karena hanya melakukan analisis terbatas pada
data. Algoritma ini melakukan kompresi dengan menggunakan kamus, di mana
fragmen-fragmen teks digantikan dengan indeks yang diperoleh dari sebuah
“kamus”. Pendekatan ini bersifat adaptif dan efektif karena banyak karakter dapat
dikodekan dengan mengacu pada string yang telah muncul sebelumnya dalam
teks. Prinsip kompresi tercapai jika referensi dalam bentuk pointer dapat disimpan
dalam jumlah bit yang lebih dibandingkan string aslinya [6]. Konsep dari
algoritma LZW secara sederhana mengganti string dari karakter dengan kode
tunggal dan tidak melakukan analisa apapun pada teks yang masuk. Tetapi hanya
menambahkan setiap string dari karakter baru yang ditemuinya ke tabel string
(dictionary). Kompresi terjadi ketika ditemui string berulang, algoritma ini
menghasilkan kode tunggal dan menggantikan string-string berulang yang
ditemui selama proses kompresi [2].
REST (Representational State Transfer) Web Service adalah suatu
arsitektur perangkat lunak untuk pendistribusian sistem hipermedia seperti
WWW. Secara spesifik, REST merujuk pada suatu prinsip arsitektur jaringan
yang menggariskan pendefinisian dan pengalamatan sumber daya. Istilah ini
sering digunakan untuk mendeskripsikan semua interface sederhana yang
mengirimkan data melalui HTTP tanpa ada tambahan lapisan pesan seperti SOAP.
Keuntungan lain dari antarmuka REST adalah request dan respon dapat
`2
dipendekkan. Prinsip dasar desain REST adalah membuat pemetaan one-to-one
antara operasi create, read, update, dan delete yang menggunakan method sebagai
POST untuk membuat sebuah resource pada server. GET untuk menerima sebuah
resource. PUT untuk proses update state dari resource. DELETE untuk
menghapus resource. Dalam konsep arsitektur REST web service, membuat
panggilan ke suatu HTTP API secara signifikan lebih mudah daripada ke SOAP
API, karena membutuhkan library client, membutuhkan pengenalan, dan
kebiasaan. Sedangkan HTTP API adalah asli dari semua bahasa pemrograman dan
hanya melibatkan HTTP request dengan parameter sesuai yang ditambahkan,
sehingga lebih memudahkan dalam melakukan proses pemanggilan. HTTP API
mudah untuk testing dan troubleshoot, karena dapat membangun panggilan
dengan tidak lebih dari sekedar browsing dan memeriksa respon dalam jendela
browser itu sendiri. Karena berbasis HTTP/RESTful, API dapat dikonsumsi
menggunakan request GET sederhana, dan server proxy/reverse-proxy dapat
melakukan cache atas respon tersebut dengan mudah. Untuk mengakses RESTful
web service digunakan sebuah URI (Uniform Resource Identifiers) yang
merupakan nama dan alamat dari sebuah resource. RESTful web service tidak
menggunakan WSDL. Pesan yang dikirim, dikemas dalam format XML dan
JSON. Berbeda dengan SOAP web service yang menggunakan protokol khusus
untuk pengiriman pesan [7][8].
3.
Metode dan Perancangan Sistem
Penelitian yang dilakukan, diselesaikan melalui tahapan penelitian yang
terbagi dalam empat tahapan, yaitu: (1) Identifikasi masalah dan studi literatur, (2)
Perancangan sistem, (3) Implementasi sistem yaitu perancangan aplikasi/program,
dan (4) Pengujian sistem serta analisis hasil pengujian.
Identifikasi Masalah dan Studi Literatur
Perancangan Sistem
Implementasi Sistem
Pengujian Sistem dan Analisis Hasil Pengujian
Gambar 1 Tahapan Penelitian
Tahapan penelitian pada Gambar 1, dapat dijelaskan sebagai berikut.
Tahap pertama: identifikasi masalah, yaitu masalah penghematan data yang
ditransmisikan antara REST Web Server dengan client yang berupa perangkat
mobile. Studi literatur dilakukan untuk mencari metode penghematan data yang
`3
dapat diterapkan, serta penelitian-penelitian terdahulu yang dapat digunakan
sebagai acuan. Tahap kedua: perancangan sistem yang meliputi perancangan
proses kompresi dan proses dekompresi. Perancangan kedua proses tersebut juga
dilakukan pada sisi client. Algoritma kompresi yang digunakan adalah LZW.
Tahap ketiga: implementasi sistem, yaitu membuat aplikasi sesuai perancangan
proses pada tahap kedua. Sistem yang dibuat terdiri dari dua aplikasi, yaitu server
dan client. Aplikasi yang dikembangkan bertujuan untuk mensimulasikan hasil
kompresi yang dikirim dan diterima oleh kedua sisi. Tahap keempat: pengujian
sistem dan analisis hasil pengujian, yaitu dilakukan pengujian terhadap proses
yang telah dirancang. Pengujian memiliki tujuan utama yaitu melihat keuntungan
dan kerugian dengan adanya implementasi kompresi pada komunikasi REST Web
Service dengan client.
Gambar 2 Desain Sistem Komunikasi dari
Client ke Server [1]
Gambar 3 Desain Sistem Komunikasi dari
Server ke Client [1]
Proses kompresi dan dekompresi dengan algoritma LZW (Lempel Ziv
Welch), dapat dijelaskan sebagai berikut, proses kompresi data secara sederhana
mengganti string dari karakter dengan kode tunggal dan tidak melakukan analisa
apapun pada teks yang masuk. Tetapi hanya menambahkan setiap string dari
karakter baru yang ditemuinya ke tabel string (dictionary).
`4
Gambar 4 Proses Algoritma Kompresi
LZW [6]
Gambar 5 Proses Algoritma Dekompresi
LZW [6]
Kompresi terjadi ketika ditemui string berulang, algoritma ini menghasilkan
kode tunggal dan menggantikan string-string berulang yang ditemui selama
proses kompresi. Panjang kode yang dihasilkan algoritma LZW dapat berubahubah, tetapi jumlah bit yang dimiliki kode tersebut harus lebih banyak dari pada
sebuah karakter tunggal. Proses dekompresi pada LZW dilakukan dengan prinsip
yang sama seperti proses kompresi. Proses kompresi dan dekompresi dengan
algoritma LZW, dalam bentuk flowchart, ditunjukkan pada Gambar 4 dan Gambar
5.
Contoh proses kompresi dijelaskan dengan menggunakan pesan.
BABAABAAA. Pesan tersebut memiliki ukuran 9 byte (9 x 8 bit = 72 bit), satu
karakter ASCII berukuran 1 byte.
Tabel 1 Contoh Proses Kompresi
S
C
S+C
S+C
ada di
kamus?
tambah S+C ke
kamus
output S
S
Kode
S+C
`5
Kode
nilai S
selanjutnya
rumus
nilai S
B
A
BA
tidak
B
66
BA
256
S=C
A
A
B
AB
tidak
A
65
AB
257
S=C
B
B
A
BA
ya
S=S+C
BA
BA
A
BAA
tidak
S=C
A
A
B
AB
ya
S=S+C
AB
AB
A
ABA
tidak
AB
257
ABA
259
S=C
A
A
A
AA
tidak
A
65
AA
260
S=C
A
A
A
AA
ya
S=S+C
AA
BA
A adalah karakter terakhir
66
256
BAA
258
260
65
256
257
65
260
Hasil kompresi adalah 66, 65, 256, 257, 65, 269, dengan ukuran 6 x 8 = 48
bit. Karena jumlah isi kamus lebih dari 256 (0 s/d 255), maka nilai binary untuk
tiap kode dinaikkan dari 8 bit, menjadi 9 bit, sehingga dapat mengakomodasi nilai
bilangan lebih dari 255. Sehingga hasilnya berukuran 54 bit.
4.
66
65
256
257
65
260
001000010
001000001
100000000
100000001
001000001
100000100
Hasil dan Pembahasan
Pada penelitian ini dikembangkan aplikasi yang digunakan sebagai
pengujian penggunaan kompresi LZW. Aplikasi dikembangkan dalam bentuk
aplikasi mobile Android.
Gambar 6 Tampilan Download Data 18 KB
Gambar 7 Tampilan Download Data 99 KB
`6
Pada Gambar 6 dan Gambar 7 ditunjukkan tampilan pada aplikasi Android
yang digunakan untuk menguji proses download file terkompresi. Gambar 6
digunakan file teks berukuran 18 KB, dan Gambar 7 digunakan file teks 99 KB.
File yang diunduh oleh aplikasi adalah file terkompresi, ukuran ini ditunjukkan
pada kolom “Ukuran Download”. Lama waktu proses download ditunjukkan pada
kolom “Waktu Download”. Setelah diterima, dilakukan proses dekompresi.
Waktu proses dekompresi ditampilkan pada kolom “Waktu Dekompresi”, dan
ukuran file setelah dekompresi ditampilkan pada kolom “Ukuran Dekompresi”.
Pengujian dilakukan untuk mengukur waktu proses kompresi, waktu
proses dekompresi, rasio hasil kompresi, waktu kirim, dan integritas data.
Pengujian yang pertama adalah pengujian waktu proses.
Tabel 2 Hasil Pengujian Kompresi di Server
No
Nama
File Text
1
2
3
4
5
File1.txt
File2.txt
File3.txt
File4.txt
File5.txt
Ukuran
Asli/Normal
(KB)
18
26
35
70
99
Ukuran setelah
kompresi
(KB)
4
5
6
9
11
Rasio
22%
19%
17%
13%
11%
Lama Waktu
Kompresi
(detik)
0,60003
0,70004
0,80005
2,00012
2,90017
Lama Waktu
Dekompresi (detik)
0,58091
0,67014
0,70020
0,14002
0,20050
Tabel 3 Hasil Pengujian Kompresi di Aplikasi Android
No
Nama
File Text
1
2
3
4
5
File1.txt
File2.txt
File3.txt
File4.txt
File5.txt
Ukuran
Asli/Normal
(KB)
18
26
35
70
99
Ukuran setelah
kompresi
(KB)
4
5
6
9
11
Rasio
Lama Waktu
Kompresi
(detik)
Lama Waktu
Dekompresi (detik)
22%
19%
17%
13%
11%
4.35003
2.10004
2.60005
4.85012
5.20017
4.98091
4.12014
3.7502
3.14002
3.2505
Waktu proses kompresi dan dekompresi di Aplikasi Android memakan
waktu lebih lama dari pada di server. Hal ini karena kemampuan komputasi
perangkat mobile lebih kecil daripada computer server.
Pengujian integritas data dilakukan untuk membuktikan bahwa tidak ada
informasi yang rusak akibat proses kompresi dan dekompresi. Hasil pengujian ini
ditunjukkan pada Tabel 4.
Tabel 4 Pengujian Keutuhan File
Nama File
File1.txt
File2.txt
File3.txt
File4.txt
File5.txt
Ukuran Nornal
Data
18 KB
26 KB
35 KB
70 KB
99 KB
Sesudah
Kompresi
4 KB
5 KB
6 KB
9 KB
11 KB
Sesudah
Dekompresi
18 KB
26 KB
35 KB
70 KB
99 KB
Perbandingan Checksum
(MD5)
Sama
Sama
Sama
Sama
Sama
Berdasarkan hasil pengujian pada Tabel 4, ukuran file yang telah
dikompresi tidak mengalami perubahan ukuran. Algoritma LZW menggunakan
teknik kompresi lossless yang menjamin bahwa berkas yang dikompresi dapat
selalu dikembalikan ke bentuk aslinya
`7
Pengujian terakhir adalah total waktu antara pengiriman data dari server
ke aplikasi Android dan sebaliknya. Hasil pengujian ditunjukkan pada Tabel 5 dan
Tabel 6. Memory pada Android emulator di pengujian ini dibatasi sampai dengan
256 MB. Jika digunakan data lebih dari kapasitas memory, maka aplikasi menjadi
error dan ditutup secara paksa (terminate) oleh sistem operasi Android.
Tabel 5 Waktu Kirim File dengan Kompresi dari Server ke Android
Ukuran
Asli/Normal
(MB)
Ukuran
setelah
kompresi
(MB)
Kompresi (detik)
Terjadi di Server
Dekompresi
(detik)
Terjadi di
Android(MB)
Total (detik)
16
3
4.54
1.34
26.95
32.83
32
6
64
18
6.71
2.68
35.12
44.51
7.82
8.04
40.23
56.09
128
256
34
8.01
15.19
52.42
75.62
100
9.01
44.67
61.42
115.10
Waktu
Kirim
Tabel 6 Waktu Kirim File tanpa Kompresi dari Server ke Android
(tidak ada
dekompresi)
Ukuran
Asli/Normal(MB)
(tidak
ada
kompresi)
(MB)
Kompresi (detik)
Terjadi di Server
(tidak ada
kompresi)
16
16
0
7.15
0
7.15
32
32
0
15.29
0
15.29
64
64
0
27.59
0
27.59
128
128
0
59.17
0
59.17
256
256
0
115.35
0
115.35
Waktu
Kirim
Total (detik)
Berdasarkan Tabel 5 dan Tabel 6, lama waktu pengiriman data yang
terkompresi lebih cepat daripada waktu kirim data tanpa kompresi. Ada
kelemahan dari penggunaan kompresi, yaitu adanya tambahan waktu kompresi
dan dekompresi yang terjadi di Server dan di Android. Sehingga pada akhirnya
total waktu yang tercepat adalah waktu tanpa kompresi.
Perbandingan Waktu Pengiriman
Dengan Kompresi
Tanpa Kompresi
140,00
WAKTU (DETIK)
120,00
100,00
80,00
60,00
40,00
20,00
0,00
16
32
64
UKURAN DATA (MB)
`8
128
256
Gambar 8 Grafik Perbandingan Waktu Pengiriman dari Server ke Android
Perbandingan Total Waktu
Dengan Kompresi
Tanpa Kompresi
140,00
WAKTU (DETIK)
120,00
100,00
80,00
60,00
40,00
20,00
0,00
16
32
64
128
256
UKURAN DATA (MB)
Gambar 9 Grafik Perbandingan Waktu Total dari Server ke Android
Berdasarkan Gambar 8 dilihat bahwa dengan kompresi dapat memberikan
penghematan dalam hal kecepatan pengiriman data. Jika komponen waktu
komputasi (proses kompresi dan dekompresi), ditambahkan pada waktu kirim
(Gambar 9), maka secara total, proses kirim tanpa kompresi lebih cepat daripada
dengan kompresi.
Tabel 7 Waktu Kirim File dengan Kompresi dari Android ke Server
Ukuran
Asli/Normal
(MB)
Ukuran
setelah
kompresi
(MB)
Kompresi (detik)
Terjadi di Android
16
3
26.91
1.36
Dekompresi
(detik)
Terjadi di
Server
(MB)
4.60
32
6
35.45
2.77
7.11
44.12
Waktu
Kirim
Total (detik)
32.95
64
18
41.56
8.54
7.99
52.20
128
34
53.33
15.98
8.20
63.93
256
100
62.12
44.89
9.04
74.08
Tabel 8 Waktu Kirim File tanpa Kompresi dari Android ke Server
Ukuran
Asli/Normal
(MB)
(tidak ada
kompresi)
(MB)
Kompresi (detik)
Terjadi di Android
(tidak ada kompresi)
Waktu
Kirim
16
16
0
7.15
0
7.15
32
32
0
15.77
0
15.77
(tidak ada
dekompresi)
Total (detik)
64
64
0
28.90
0
28.90
128
128
0
63.66
0
63.66
256
256
0
116.02
0
116.02
`9
Seperti halnya pada proses dari Server ke Android, pada Tabel 7 dan Tabel
8, secara keseluruhan, waktu pengiriman dengan kompresi menjadi lebih lama
karena ada tambahan waktu proses. Perbandingan waktu kirim dan waktu total
ditunjukkan pada Gambar 10 dan Gambar 11.
Perbandingan Waktu Pengiriman
Dengan Kompresi
Tanpa Kompresi
140,00
WAKTU (DETIK)
120,00
100,00
80,00
60,00
40,00
20,00
0,00
16
32
64
128
256
UKURAN DATA (MB)
Gambar 10 Grafik Perbandingan Waktu Pengiriman dari Android ke Server
Perbandingan Total Waktu
Dengan Kompresi
Tanpa Kompresi
WAKTU (DETIK)
200,00
150,00
100,00
50,00
0,00
16
32
64
128
256
UKURAN DATA (MB)
Gambar 11 Grafik Perbandingan Waktu Total dari Android ke Server
Hal ini bukan berarti kompresi tidak memberikan keuntungan apapun.
Keuntungan yang jelas tampak adalah berkurangnya ukuran file yang dikirimkan.
Hal ini menjadikan paket yang dikirimkan lewat jaringan komputer LAN maupun
internet menjadi lebih kecil. Sehingga lebih dapat menghemat biaya pulsa internet
jika diakses menggunakan koneksi mobile network. Waktu untuk komputasi
(kompresi/dekrompresi) dipengaruhi oleh memory dan kecepatan prosesor pada
`10
server dan Android. Sehingga semakin tinggi spesifikasi perangkat keras, maka
waktu untuk komputasi ini akan semakin terpangkas.
Tabel 9 Tambahan Waktu Kompresi/Dekompresi
Ukuran
File
Dengan
Kompresi
Server ke Android
Tanpa
Kompresi
Tambahan
waktu
Dengan
Kompresi
Android ke Server
Tanpa
Kompresi
16
32.83
7.15
359.41%
32.87
7.15
359.72%
32
44.51
15.29
191.06%
45.33
15.77
187.44%
Tambahan
waktu
64
56.09
27.59
103.33%
58.09
28.90
101.00%
128
75.62
59.17
27.79%
77.51
63.66
21.76%
256
126.10
115.35
9.32%
175.49
116.02
51.26%
Pada Tabel 9 dapat dilihat bahwa persentase tambahan waktu (bukan total
waktu) berbanding terbalik dengan ukuran file. Semakin besar file, maka semakin
kecil persentase tambahan waktu.
5.
Simpulan
Berdasarkan hasil penelitian dan pengujian yang telah dilakukan, dapat
disimpulkan sebagai berikut: (1) Kompresi LZW dapat dimanfaatkan untuk
mengkompresi file-file atau data yang ditransmisikan antara server dengan
perangkat mobile; (2) Waktu proses kompresi dan dekompresi akan menambah
total waktu yang berbanding terbalik dengan ukuran file yang ditransmisikan.
Namun lama waktu proses ini dipengaruhi oleh hardware server maupun
perangkat mobile. Semakin kuat kemampuan hardware, maka akan semakin
terpangkas waktu proses kompresi dan dekompresi; (3) Keuntungan yang jelas
tampak adalah penghematan biaya paket data karena data yang diunduh maupun
diunggah menjadi lebih kecil. Saran yang dapat diberikan untuk penelitian lebih
lanjut adalah: (1) Perlu dilakukan analisis perbandingan pengiriman data dari
berbagai jenis jaringan, seperti LAN, WAN, maupun Internet; (2) Perlu dianalisis
pengaruh kompresi pada berbagai jenis tipe data, seperti gambar, audio, dan
video.
6.
[1].
[2].
[3].
[4].
Daftar Pustaka
Rodriguez, A., 2015. RESTful Web services: The basics.
http://www.ibm.com/developerworks/library/ws-restful/. Diakses 10 Mei
2016.
Nelson, M., 1989. LZW Data Compression. Dr Dobbs J Software Tools 14,
29–37. (doi:10.1146/annurev-genet-102108-134255)
Altarawneh, H., & Altarawneh, M., 2011. Data Compression Techniques
on Text Files: A Comparison Study. International Journal of Computer
Applications 26, 975–8887.
Muhammad, A., & Subandi, W., 2012. Studi Perbandingan Kinerja Metode
LZW (Lempel-Ziv-Welch) dan Metode Huffman Untuk Kompresi Data
Video dan Audio pada Aplikasi Kompresi Data. STMIK GI MDP
`11
[5].
[6].
[7].
[8].
Hidayat, H., Pamungkas, T., & Zarman, W., 2015. Implementasi Algoritma
Kompresi LZW pada Database Server. Jurnal Komputer dan Informatika 2.
Linawati, H. P. P., 2004. Perbandingan Kinerja Algoritma Kompressi
Huffman, LZW dan DMC pada Berbagai Tipe File. Universitas Katholik
Parahyangan Bandung
Hamad, H., Saad, M., & Abed, R., 2010. Performance Evaluation of
RESTful Web Services for Mobile Devices. Int. Arab J. e-Technol. 1, 72–78.
Wagh, K., & Thool, R., 2012. A comparative study of soap vs rest web
services provisioning techniques for mobile host. Journal of Information
Engineering and Applications 2, 12–16.
`12