Maafkan (Nikita Willy)

telah tiba waktunya untukku menyatakan
padamu sebenarnya apa yang ku rasa
maafkan hati ini
yang tak bisa berhenti menyayangimu
walau ku tak bisa menjadi milikmu
juga sebagai yang tercinta di hidupmu
kekasih yang ku cinta, kekasih yang ku mau
ku tahu saat ini kau masih ragu
maafkan hati ini
yang tak bisa berhenti menyayangimu
walau ku tak bisa menjadi milikmu
juga sebagai yang tercinta di hidupmu
maafkan hati ini
yang tak bisa berhenti menyayangimu
walau ku tak bisa menjadi milikmu
juga sebagai yang tercinta
sungguh bukan maksudku
untuk memaksamu menjadi milikku
yang selama ini sudah menemaniku
dan sebagai yang tercinta di hatiku

download : http://www.4shared.com/mp3/b7ImrIbv/nikita_-_maafkan.html

4 Situs untuk Mendengarkan Musik Sesuai dengan Mood

StereoMood

StereoMood adalah situs streaming musik favorit PG yang hampir setiap hari PG dengarkan. Disini ada banyak tag musik berdasarkan aktivitas maupun mood. Misalkan saja PG ketika bangun tidur biasanya mendengarkan musik dengan tag “Just Woke Up”. Ketika olahraga ringan pagi di rumah langsung deh milih yang “workout”. Ketika bekerja, PG biasa memilih mood “Relax” atau “Calm” agar bisa menulis dengan tenang dan penuh konsentrasi :D

Buat cewek-cewek atau ibu-ibu yang lagi masak, ada juga berbagai musik dengan tag “Cooking Time”. Siapa tahu dengan memasak sambil mendengarkan musik itu, masakannya bisa jadi lebih sedaap ^^

Kunjungi StereoMood disini

http://www.stereomood.com/

Cara cepatnya adalah dengan memilih tag yang sudah tersedia disitu. Misalnya klik saja Relax jika kamu sedang ingin mendengarkan musik sambil bersantai.

Cara lainnya kamu bisa menggunakan form pencarian yang ada diatas dan pilihlah musik berdasarkan aktivity atau moodnya.

Musicovery

Inilah situs streaming musik berdasarkan mood yang menjadi favorit kedua PG. Disini kamu bisa memilih mood mulai dari calm, energetic, dark dan positive. Kamu juga bisa memfirlternya berdasarkan genre serta tahun rilisnya.

Kunjungi Musicovery disini

http://musicovery.com/

Aupeo!

Aupeo adalah sebuah radio online yang menyediakan juga fitur pencarian musik atau channel berdasarkan mood. Caranya cukup mudah, kunjungi saja halaman Aupeo disini:

https://www.aupeo.com/

Pilih menu Music Matching Your Mood. Jika popup genre keluar, pilih saja genre yang kamu inginkan.

Klik sekali lagi menu Matching Your Mood dan pilih saja mood yang kamu inginkan.

TheSixtyOne

TheSixtyOne juga menyediakan pencarian musik berdasarkan mood. Kamu cukup kunjungi saja situsnya disini:

http://www.thesixtyone.com/

Di menu Popular, pilih opsi Mood. Sebuah Popup berisi berbagai Mood akan keluar, pilih mood yang kamu inginkan dan musiknya dengan mood tersebut akan dimainkan.

 And Then,it`s time for listening the music 

sumber : http://www.pusatgratis.com

Abdul & The Coffee Theory Lagi Lagi Kamu (feat. Tya Aristya)

Ku sadari aku yang membuat kita berpisah
Ku sadari ini hanya emosi sesaat
Tlah ku coba melupakanmu
Namun aku tak mungkin bisa tanpamu
*courtesy of LirikLaguIndonesia.Net
Lagi-lagi kamu yang ku tunggu
Lagi-lagi kamu yang ku rindu
Sehari tanpamu seakan ku tak hidup ooh
Kan ku kembalikan saja cintaku

Ku sadari aku yang membuat kita berpisah
Ku sadari ini hanya emosi sesaat
Tlah ku coba melupakanmu
Namun aku tak mungkin bisa tanpamu

Lagi-lagi kamu yang ku tunggu
Lagi-lagi kamu yang ku rindu
Sehari tanpamu seakan ku tak hidup ooh
Kan ku kembalikan saja cintaku

Aku tahu kau masih menunggu
Rasa cepat itu berpaling
Maafkan aku yang terlalu emosi

Lagi-lagi kamu yang ku tunggu
Lagi-lagi kamu yang ku rindu
Sehari tanpamu seakan ku tak hidup ooh

Lagi-lagi kamu yang ku tunggu
Lagi-lagi kamu yang ku rindu
Sehari tanpamu seakan ku tak hidup ooh
Kan ku kembalikan saja cintaku

Lagi-lagi kamu, lagi-lagi kamu

mp3 donwload :http://www.4shared.com/mp3/9vKgN_YP/abdul__the_coffee_theory_-_lag.html

Separuh Nafas Ini

lihatlah luka ini yang sakitnya abadi
yang terbalut hangatnya bekas pelukmu
aku tak akan lupa, tak akan pernah bisa
tentang apa yang harus memisahkan kita

saat ku tertatih tanpa kau di sini
kau tetap ku nanti demi keyakinan ini

jika memang dirimulah tulang rusukku
kau akan kembali pada tubuh ini
ku akan tua dan mati dalam pelukmu
untukmu seluruh nafas ini

kita telah lewati rasa yang telah mati
bukan hal baru bila kau tinggalkan aku
tanpa kita mencari jalan untuk kembali
takdir cinta yang menuntunmu kembali padaku

di saatku tertatih (saat ku tertatih) 
tanpa kau di sini (tanpa kau di sini)
kau tetap ku nanti demi keyakinan ini

jika memang kau terlahir hanya untukku
bawalah hatiku dan lekas kembali
ku nikmati rindu yang datang membunuhku
untukmu seluruh nafas ini

dan ini yang terakhir aku menyakitimu
ini yang terakhir aku meninggalkanmu
takkan ku sia-siakan hidupmu lagi

ini yang terakhir dan ini yang terakhir
takkan ku sia-siakan hidupmu lagi

jika memang dirimulah tulang rusukku (terlahir untukku)
kau akan kembali pada tubuh ini (bawa hatiku kembali)
ku akan tua dan mati dalam pelukmu
untukmu seluruh nafas ini

jika memang kau terlahir hanya untukku
bawalah hatiku dan lekas kembali
ku nikmati rindu yang datang membunuhku
untukmu seluruh nafas ini, untukmu seluruh nafas ini
untukmu seluruh nafas ini

mp3 download :http://www.4shared.com/mp3/8Trqh4UV/last_child_-_separuh_nafas_ini.html

Cara Menghapus Data Browsing Google Chrome Secara Otomatis

Salah satu cara tercepat untuk membersihkan data adalah menggunakan shortcut Ctlr-Shift-Del untuk membersihkan menu data dimana kamu dapat memilih tipe data yang ingin dihapus

Disamping memilih data yang ingin kamu hapus, kamu juga bisa memilih dari titik waktu mana kamu ingin membersihkan data-data yang kamu akses sebelumnya. Untuk mengatur opsi ini, cukup klik ikon “kunci pas” di sudut kanan atas, kemudian masuk ke Tools > Clear Browsing Data untuk membuka menu sebagaimana di gambar berikut.

Akan tetapi, Chrome memang tidak memiliki opsi untuk menghapus data secara otomatis ketika kamu menutup browser. Bila ada cara demikian, maka tentu saja kamu bisa melakukannya lebih praktis. Apalagi kalau kamu sering lupa menghapus data yang kamu akses ketika menutup browser.

Untuk melakukan ini, kamu memerlukan ekstensi atau program pihak ketiga, yang mirip dengan CCleaner untuk secara otomatis menghapus data browsing Google Chrome ketika menutupnya. Untuk itu, kamu bisa menggunakanClick&Clean yang menawarkan fitur yang cukup kaya.

Berikut ini data yang bisa dibersihkan secara otomatis oleh ekstensi ini ketika kamu menutup browser:

• Browsing history
• Download history
• Browser cache
• Cookies
• Local Storage
• SQL databases
• Indexed databases
• File system
• Application cache
• Web applications data
• Reset search engines
• Reset zoom levels
• Saved form data
• Saves passwords
• Extensions cookies
• Extensions Local Storage
• Extensions SQL databases
• Extensions indexed databases
• Extensions file system
• Google Gears data
• Reset Chrome Local State

Plus berikut ini yang bukan spesifik untuk Chrome:

• Recycle Bin
• Temporary files
• Recently opened files
• Flash Local Shared Objects (LSO)
• Silverlight Cookies
• Java Cache

Kamu juga bebas memilih agar data browsing tertentu tidak dihapus dengan memasukkannya ke dalam whitelist untuk mencegah data tersebut dihapus.

Fasilitasnya cukup menarik bukan? Bagaimana cara menggunakan ekstensi ini?

Pertama-tama, kamu perlu menginstall Click and Clean ke GC kamu:

https://chrome.google.com/webstore/detail/ghgabhipcejejjmhhchfonmamedcbeod

Setelah prosedur instalasi, kamu bisa mengkonfigurasikan data mana saja yang ingin kamu hapus setiap kali menutup browser, juga yang tidak ingin kamu hapus

Setelah melakukan konfigurasi pada Click and Clean, maka tiap kali kamu menutup browser, seluruh data browsing kamu secara otomatis akan dihapus dari browser Chrome kamu.

Hingga kini PG masih belum tahu mengapa Google tidak mengintegrasikan opsi semacam ini pada browser chrome-nya. Tapi tentu saja ekstensi ini sangat membantu kamu, apalagi bila kamu sering lupa menghapus data browsing kamu lebih dulu tiap kali menutup browser.

Sumber : http://www.pusatgratis.com

Smile boy MV (Lee Sung Gi feat Kim Yuna)

                                         

Lagu ini di peopulerkan oleh le sung gi dan kim Yuna

Lyrics :

happy in your smile

happy in your smile
더 크게 웃어봐 나는 법을 잊은 것뿐야
deo keuge useobwa naneun beobeul ijeun geotppunya
날개를 펴고 가슴을 펴고 힘껏 날아올라봐
nalgaereul pyeogo gaseumeul pyeogo himkkeot naraollabwa
내 가 있잖아 영원히 함께할 내겐 꿈이 있잖아
nae ga itjanha yeongwonhi hamkkehal naegen kkumi itjanha
힘을 내봐 용길 내봐 너라면 할 수 있어
himeul naebwa yonggil naebwa neoramyeon hal su isseo
오 - 오오 오오-
o- oo oo-
오- 오오 오오-
o- oo oo-

이 비가 널 젖게 만들면 해가 되어 널 감쌀게
i biga neol jeotge mandeulmyeon haega doeeo neol gamssalge
어둠이 너를 가린다면 달이 되어 비출게
eodumi neoreul garindamyeon dari doeeo bichulge
세상이 뜻대로 잘 되지 않아서 (힘을 내봐)
sesangi tteutdaero jal doeji anhaseo (himeul naebwa)
자꾸만 주저앉고 싶을 때 그럴 때
jakkuman jujeoantgo sipeul ttae geureol ttae

happy in your smile
happy in your smile
더 크게 웃어봐 나는 법을 잊은 것뿐야
deo keuge useobwa naneun beobeul ijeun geotppunya
날 개를 펴고 가슴을 펴고 힘껏 날아올라봐
nalgaereul pyeogo gaseumeul pyeogo himkkeot naraollabwa
내가 있잖아 영원히 함께할 내겐 꿈이 있잖아
naega itjanha yeongwonhi hamkkehal naegen kkumi itjanha
힘을 내봐 용길 내봐 너라면 할 수 있어
himeul naebwa yonggil naebwa neoramyeon hal su isseo

오- 오오 오오-
o- oo oo-
오- 오오 오오-
o- oo oo-
오- 오오 오오-
o- oo oo-
오 - 오오 오오-
o - oo oo-


happy in your smile
happy in your smile
더 크게 웃어봐 나는 법을 잊은 것뿐야
deo keuge useobwa naneun beobeul ijeun geotppunya
날개를 펴고 가슴을 펴고 힘껏 날아올라봐
nalgaereul pyeogo gaseumeul pyeogo himkkeot naraollabwa
내가 있잖아 영원히 함께할 내겐 꿈이 있잖아
naega itjanha yeongwonhi hamkkehal naegen kkumi itjanha
힘을 내봐 용길 내봐 너라면 할 수 있어
himeul naebwa yonggil naebwa neoramyeon hal su isseo
오 - 오 오
o - o o

너에게 줄게 행복한 사랑을
neoege julge haengbokhan sarangeul
아름다운 인생을
areumdaun insaengeul
눈 부시게 빛날 거야
nunbusige bitnal geoya
what a wonderful your life
what a wonderful your life

오 오오오 오오-
o ooo oo-
오 오오오 오오-
o ooo oo-
오오 오- 오오오-
oo o- ooo-
오오 오- 오오오-
oo o- ooo-

Lee Sung Gi Oppa

Tanggal lahir : 13 Januari 1987
Lahir di : Seoul, Korea Selatan
Zodiac : Capricorn
Terkenal sejak merilis single "Because You're My Girl" (2004)

Tinggi Badan
182

Kewarganegaraan
Korea Selatan
Profesi : Penyanyi, Aktor, Pembawa Acara
Pendidikan : Sang Gye High School, Universitas Dong Guk    
Agensi : Hook Entertainment

Drama korea yang dibintanginya :

• 논스톱5 Nonstop 5 (sitcom)
• 소문난 칠공주 The Infamous Chil Sisters
• 찬란한 유산 Brilliant Legacy
• 내 여자친구는 구미호 My Girlfriend is a Nine-Tailed Fox
• 최고의 사랑 The Greatest Love

Album musik Lee Seung Gi :
1. The Dream Of A Moth (2004), dengan lagu-lagu sebagai berikut :
1. 시작 Start
2. 나방의 꿈 The Dream Of A Moth
3. 아무도 Nobody (feat. 강진우)
4. 내 여자라니까 Because You're My Girl
5. 아버지 Father (feat. Psy)
6. 삭제 Delete
7. 여행 가는 길 On The Road To Vacation
8. 내안의 그대 You Inside Me
9. 음악시간 Music Time
10. J에게 Dear J
11. Anding
12. 앵콜 Encore

2. Crazy For You (2006), dengan lagu-lagu sebagai berikut :
1. 하기 힘든 말 Words That Are Hard To Say
2. 외쳐본다 I'll Cry It Out
3. 입모양 Shape Of Your Lips
4. 그래서 어쩌라고 So What Should I Do
5. 가면 Mask
6. 그럴까봐 I'm Afraid It Will Happen
7. 한번만 Just One Time
8. Paradise
9. Crazy For You (feat. 적혈구 Tommy)
10. Beautiful Girl
11. 사랑을 지우다 Erase Love
12. 첫키스 First Kiss
13. 오늘 같은 밤 A Night Like Tonight

3. Story Of Separation (2007), dengan lagu-lagu sebagai berikut :
1. 착한 거짓말 White Lie
2. 투정 Grumble
3. 왜...가니 Why... Are You Leaving
4. 그랬나요 Was It So
5. 미치도록 Crazily
6. 미안해하지 마요 Don't Be Sorry
7. 잘못 Fault
8. 온도 Temperature
9. 해피엔딩 Happy Ending
10. Smile Boy
11. 착한 거짓말 White Lie (Piano ver.)

4. Unfinished Story (2007), dengan lagu-lagu sebagai berikut :
1. 아직 못 다한 이야기 Unfinished Story
2. 착한 거짓말 White Lie
3. 투정 Grumble
4. 왜...가니 Why... Are You Leaving
5. 그랬나요 Was It So
6. 미치도록 Crazily
7. 미안해하지 마요 Don't Be Sorry
8. 잘못 Fault
9. 온도 Temperature
10. 해피엔딩 Happy Ending
11. Smile Boy
12. 착한 거짓말 White Lie (Piano ver.)

5. Shadow (2009), dengan lagu-lagu sebagai berikut :
1. 꽃처럼 Like A Flower
2. 면사포 Wedding Veil
3. 우리 헤어지자 Let's Break Up
4. Melody
5. 사랑이 맴돈다 Love Spinning Round
6. 사랑이란 Love Is
7. 그렇게 알게 됐어 I Got To Know It That Way
8. 널 원해 Want You
9. 단념 Despair
10. 오래오래오 Long, Long Time (feat. AMEN)

6. Shadow (Repackage) (2010), dengan lagu-lagu sebagai berikut :
1. 꽃처럼 Like A Flower
2. 면사포 Wedding Veil
3. 우리 헤어지자 Let's Break Up
4. Melody
5. 사랑이 맴돈다 Love Spinning Round
6. 사랑이란 Love Is
7. 그렇게 알게 됐어 I Got To Know It That Way
8. 널 원해 Want You
9. 단념 Despair
10. 오래오래오 Long, Long Time (feat. AMEN)
11. 사랑이 술을 가르쳐 Love Taught Me To Drink (feat. 백찬 from 8eight)
12. 처음처럼 그때처럼 Like The Beginning, Just Like Then (feat. 강민경 from Davichi)

7. Tonight (2011), dengan lagu-lagu sebagai berikut :
1. 친구잖아 Aren't We Friends
2. Tonight
3. 어디라도 Anywhere
4. 연애시대 Time for Love (feat. Ra.D, 한효주)
5. 널 웃게 할 노래 A Song that will make you Smile (feat. 하림, 방탄소년단)
6. 그냥 너야 Just You
7. 나는 나쁜 남자다 I am a Bad Guy
8. Slave (feat. pdogg)
9. 친구잖아 Aren't We Friends (Rock ver.)
10. 어디라도 Anywhere (Ra.D Mix ver.)

ALBUM REMAKE :
1. When A Man Loves A Woman (2006), dengan lagu-lagu sebagai berikut :
1. 제발 Please
2. 원하고 원망하죠 Desire And Hope
3. 내안의 그대 You Inside Me
4. 사랑했잖아 We Were In Love
5. 한번만 더 One More Time
6. 아디오 Addio
7. 고백 Confession
8. 눈물 Tears
9. 나만의 것 My Possession
10. 만남 Encounter
11. 원하고 원망하죠 Desire And Hope (Acoustic ver.)

2. When A Man Loves A Woman Vol.2 (2008), dengan lagu-lagu sebagai berikut :
1. 다 줄꺼야 I'll Give You All
2. 이별의 그늘 Shadow Of Separation
3. 미련한 사랑 Foolish Love
4. 나를 슬프게 하는 사람들 People Who Make Me Sad
5. 동경 Yearning
6. 추억속의 그대 You In My Memories
7. 잘가요 Farewell
8. 하나의 사랑 One Love
9. 긴 하루 Long Day
10. 너의 뒤에서 Behind You
11. 암연 Dejected
12. 너의 곁으로 To Your Side

Singles

* 고해 Confession / Digital Single (Remake song) / Released on July 21, 2004
* 여행을 떠나요 Let's Go On A Vacation / Digital Single (Remake song) / Released on May 19, 2008
* 결혼해 줄래 Will You Marry Me (feat. Bizniz) / Digital Single / Released on June 18, 2009
* 처음처럼 그때처럼 Like The Beginning, Just Like Then (feat. Kang Min Kyung from Davichi) / Digital Single / Released on December 22, 2009
* Smile Boy (Rock ver.) (with Kim Yuna) / Digital Single / Released on June 1, 2010
* Smile Boy 2010 / Digital Single / Released on June 18, 2010
* 정신이 나갔었나봐 Losing My Mind / Digital Single / Released on August 4, 2010
* 지금부터 사랑해 From Now On I Love You / Digital Single / Released on September 16, 2010
* 연애시대 Time for Love (feat. Ra.D, narr. Han Hyo Joo) / Digital Single / Released on October 14, 2011

Live Albums

* Love – The 1st Concert / Digital Album / Released on April 6, 2007


fakta Lee Sung Gi :

• Lee Seung Gi punya 1 adik cowok dan 1 adik cewek
• Lee Seung Gi tidak bisa memasak
• Lee Seung Gi sangat suka mendengarkan musik / lagunya sendiri
• AIREN adalah nama fansclub dari Seung Gi
• Semua acara yang dibintangi Seung Gi selalu memiliki rating yang tinggi
• Seung Gi memiliki jenis suara yang rendah dan kuat
• Seung Gi memulai debutnya pada tahun 2004
• Hobi Seung Gi adalah bermain sepak bola
• Survey dari Institut Penelitian Perdagangan Korea, Lee Seung Gi menempati tempat 1 sebagai selebriti paling populer di Korea
• Lee Seung Gi menempati tempat kedua setelah G-Dragon Big Bangdalam hal pendapatan selebriti paling tinggi

Penghargaan

• 2010 SBS Drama Awards : Top Ten Star Award for My Girlfriend is a Nine Tailed Fox
• 2010 SBS Drama Awards : Best Actor - Drama Special for My Girlfriend is a Nine Tailed Fox
• 2010 SBS Drama Awards : Best Couple Award with Shin Min Ah for My Girlfriend is a Nine Tailed Fox
• 2010 SBS Entertainment Awards : Best Variety Award (Strong Heart)
• 2010 SBS Entertainment Awards : Best Popularity Award for Strong Heart)
• 2010 KBS Entertainment Awards : Best in Category Entertainment (Male) for 1 Night 2 Days
• 2010 Seoul International Drama Awards : Most Popular Actor Award for Shining Inheritance
• 2010 46th Baeksang Arts Awards : Popularity Award for Shining Inheritance
• 2010 Melon Music Awards : Top 10 Award.
• 2010 Melon Music Awards : Best Song of the Year (Losing My Mind).
• 2009 SBS Drama Awards : Top Ten Star by Shining Inheritance
• 2009 SBS Drama Awards : Best Couple Award with Han Hyo Joo in Shining Inheritance
• 2009 SBS Drama Awards : excellency - Special Drama by Shining Inheritance Planning
• 2009 SBS Entertainment Awards : Most Popular by Strong Heart
• 2009 Mnet 20's Choice Awards : Male Drama Star by Shining Inheritance
• 2008 KBS Entertainment Awards : Most Popular for 1 Night 2 Days

Algoritma Kompresi

Teknik Kompresi adalah teknik memadatkan data, sehingga data yang tadinya mempunyai kapasitas data yang besar menjadi kapasitas data yang lebih kecil. Dan   sekumpulan  data  menjadi  suatu  bentuk kode untukmenghematkebutuhantempat penyimpanan dan waktu untuk transmisi   data

Kompresi data adalah proses mengkodekan informasi menggunakan bit atau information-bearing unit lain yang lebih rendah daripada representasi data yang tidak terkodekan dengan suatu sistem enkoding tertentu. Kompresi data menjadi sangat penting karena memperkecil kebutuhan penyimpanan data, mempercepat pengiriman data, memperkecil kebutuhan bandwidth. Teknik kompresi bisa dilakukan terhadap data teks/biner, gambar (JPEG, PNG, TIFF), audio (MP3, AAC, RMA, WMA), dan video (MPEG, H261, H263)

Metode kompresi terbagi menjadi dua kelompok, yaitu :

(a) Metode  statik  :  menggunakan  peta kode yang selalu sama. Metode ini membutuhkan  dua  fase  (two-pass): fase          pertama untuk     menghitung probabilitas               kemunculan               tiap simbol/karakter dan menentukan peta kodenya,dan fase          kedua            untuk mengubah pesan menjadi kumpulan kode yang          akan     ditransmisikan. Contoh: algoritma Huffman statik.

(b) Metode  dinamik (adaptif)   : menggunakan peta kode yang dapat berubah dari waktu  ke waktu. Metode  ini  disebut  adaptif  karena peta kode mampu beradaptasi terhadap  perubahan karakteristik  isi file selama proses kompresi berlangsung. Metode ini bersifat one- pass,  karena  hanya  diperlukan  satu kali   pembacaan   terhadap   isi   file. Contoh: algoritma LZW dan DMC.

Berdasarkan teknik pengkodean/pengubahan simboln yang digunakan, metode kompresi dapat dibagi ke dalam tiga kategori, yaitu :

(a) Metode   symbolwise   :   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, contoh: algoritma Huffman.

(b) Metode  dictionary  :  menggantikan karakter/fragmen   dalam   file   input

dengan      indeks      lokasi       dari karakter/fragmen      tersebut           dalam sebuah kamus (dictionary), contoh: algoritma LZW.

(c) Metode  predictive  :  menggunakan model finite-context atau finite-state untukmemprediksi distribusi probabilitas    dari     simbol-simbol selanjutnya; contoh: algoritma DMC.

Macam-macam algoritma kompresi :

·         Algoritma Huffman

Algoritma Huffman, yang dibuat oleh seorang mahasiswa MIT bernama David Huffman, merupakan salah satu metode paling lama  dan  paling  terkenal  dalam kompresi teks.Algoritma    Huffman menggunakan prinsip  pengkodean  yang mirip  dengan  kode  Morse,  yaitu  tiap karakter (simbol) dikodekan        hanya dengan rangkaian beberapa  bit,  Algoritma Huffman secara lengkap diberikan pada Gambar 1.

1.   Pass pertama

Baca (scan) file input dari awal hingga akhir untuk menghitung frekuensi kemunculan tiap karakter dalam file. n Å jumlah semua karakter dalam file input. T Å daftar semua karakter dan nilai peluang kemunculannya dalam file input.

Tiap karakter menjadi node daun pada pohon Huffman.

2.   Pass kedua

Ulangi sebanyak (n -1) kali :

a.   Item m1  dan m2  Å dua subset dalam T dengan nilai peluang yang terkecil.

b.   Gantikan m1  dan m2  dengan sebuah item {m1,m2} dalam T, dimana nilai peluang

dari item yang baru ini adalah penjumlahan dari nilai peluang m1  dan m2.

c.   Buat node baru {m1, m2} sebagai father node dari node m1  dan m2  dalam pohon

Huffman.

3.   T sekarang tinggal berisi satu item, dan item ini sekaligus menjadi node akar pohon

Huffman.

Panjang kode untuk suatu simbol adalah jumlah berapa kali simbol tersebut bergabung dengan item lain dalam T.

Gambar 1. Algoritma kompresi Huffman

Sebagai  contoh,  dalam  kode  ASCII  string  7  huruf  “ABACCDA”  membutuhkan representasi 7 × 8 bit = 56 bit (7 byte), dengan rincian sebagai berikut:

01000001  01000010  01000001 01000011  01000011  01000100 01000001

A                B                A               C                C                D                A

Untuk mengurangi jumlah bit yang dibutuhkan, panjang kode untuk tiap karakter dapat dipersingkat, terutama untuk karakter yang frekuensi kemunculannya besar. Pada string di atas,  frekuensi kemunculan A = 3, B = 1, C = 2, dan D = 1, sehingga dengan menggunakan algoritma di atas diperoleh kode Huffman seperti pada Tabel 1.

Tabel 1. Kode Huffman untuk “ABACCDA”

Simbol	Frekuensi	Peluang	Kode Huffman
A	3	3/7	0
B	1	1/7	110
C	2	2/7	10
D	1	1/7	111

dimana karakter yang sering muncul dikodekan dengan  rangkaian  bit  yang  pendek dan karakter yang jarang muncul dikodekan dengan rangkaian bit yang lebih panjang. Dengan menggunakan kode Huffman ini, string “ABACCDA” direpresentasikan menjadi rangkaian bit : 0 110 0 10 10 1110.  Jadi,   jumlah   bit   yang   dibutuhkan hanya 13 bit.

·         Algoritma LZW

Algoritma LZW       dikembangkan dari metode  kompresi yang dibuat oleh Ziv dan Lempel pada tahun 1977. Algoritma ini melakukan kompresi dengan menggunakan dictionary, dimana fragmen-fragmen teks digantikan dengan indeks yang    diperoleh dari          sebuah “kamus”. Prinsip sejenis juga digunakan dalam kode Braille, di mana kode-kode khusus digunakan untuk merepresentasikan kata-kata yang ada.

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 sedikit                      dibandingkan          string aslinya. Algoritma kompresi LZW diberikan pada Gambar 2.

1.   Dictionary   diinisialisasi     dengan    semua    karakter    dasar     yang     ada     :

{‘A’..’Z’,’a’..’z’,’0’..’9’}.

2.   P Å karakter pertama dalam stream karakter.

3.   C Å karakter berikutnya dalam stream karakter.

4.   Apakah string (P + C) terdapat dalam dictionary ?

•     Jika ya, maka P Å P + C (gabungkan P dan C menjadi string baru).

•     Jika tidak, maka :

i.    Output sebuah kode untuk menggantikan string P.

ii.   Tambahkan string (P + C) ke dalam dictionary dan berikan nomor/kode berikutnya yang belum digunakan dalam dictionary untuk string tersebut.

iii.  P Å C.

5.   Apakah masih ada karakter berikutnya dalam stream karakter ?

•     Jika ya, maka kembali ke langkah 2.

•     Jika tidak, maka output kode yang menggantikan string P, lalu terminasi proses

(stop).

Gambar 2. Algoritma kompresi LZW

Sebagai contoh, string “ABBABABAC” akan dikompresi dengan LZW. Isi dictionary pada awal  proses diset dengan tiga karakter dasar yang ada: “A”, “B”, dan “C”.

Proses  dekompresi      pada     LZW    dilakukan dengan   prinsip   yang   sama   seperti   proses kompresi.  Algoritma diberikan pada Gambar 4.   Pada   awalnya,   dictionary   diinisialisasi dengan semua karakter dasar yang ada. Lalu pada setiap langkah, kode dibaca satu per satu dari   stream  kode,   dikeluarkan  string   dari dictionary   yang            berkorespondensi        dengan kode tersebut, dan ditambahkan string baru ke dalam dictionary. Tahapan proses dekompresi ini ditunjukkan pada Tabel 4.

Metode    LZW    yang    diterapkan    dalam penelitian ini bertipe dinamik, dimana hanya dilakukan   satu   kali   pembacaan   (one-pass) terhadap         file yang  akan dikompresi. Pengkodean data dilakukan secara on the fly, bersamaan dengan proses penambahan string baru ke dalam dictionary.

1.   Dictionary diinisialisasi dengan semua karakter dasar yang ada : {‘A’..’Z’,’a’..’z’,’0’..’9’}.

2.   CW Å kode pertama dari stream kode (menunjuk ke salah satu karakter dasar).

3.   Lihat dictionary dan output string dari kode tersebut (string.CW) ke stream karakter.

4.   PW Å CW; CW Å kode berikutnya dari stream kode.

5.   Apakah string.CW terdapat dalam dictionary ?

‰     Jika ada, maka :

i.   output string.CW ke stream karakter ii.   P Å string.PW

iii.  C Å karakter pertama dari string.CW

iv.  tambahkan string (P+C) ke dalam dictionary

‰     Jika tidak, maka :

i.   P Å string.PW

ii.   C Å karakter pertama dari string.PW

iii.  output string (P+C) ke stream karakter dan tambahkan string tersebut ke dalam

dictionary (sekarang berkorespondensi dengan CW);

6.   Apakah terdapat kode lagi di stream kode ?

‰     Jika ya, maka kembali ke langkah 4.

‰     Jika tidak, maka terminasi proses (stop).

Gambar 4. Algoritma dekompresi LZW Tabel 4. Tahapan proses dekompresi LZW

Langkah	Kode	Output	Dictionary
1.	[1]	A	- - -
2.	[2]	B	[4] A B
3.	[2]	B	[5] B B
4.	[4]	A B	[6] B A
5.	[7]	A B A	[7] A B A
6.	[3]	C	[8] A B A C

• Algoritma DMC (Dynamic Markov Compression) Algoritma DMC (Dynamic Markov Compression) adalah algoritma kompresi data lossless yang dikembangkan oleh Gordon Cormack dan Nigel Horspool. Algoritma ini menggunakan pengkodean aritmatika mirip dengan prediksi pencocokan sebagian (PPM), kecuali bahwa input diperkirakan satu bit pada satu waktu (bukan dari satu byte pada satu waktu). DMC memiliki rasio kompresi yang baik dan kecepatan moderat, mirip dengan PPM, tapi memerlukan sedikit lebih banyak memori dan juga tidak diterapkan secara luas. Beberapa implementasinya baru-baru ini mencakup program kompresi eksperimental pengait oleh Nania Francesco Antonio, ocamyd oleh Frank Schwellinger, dan sebagai submodel di paq8l oleh Matt Mahoney. Ini didasarkan pada pelaksanaannya pada tahun 1993 di C oleh Gordon Cormack. Pada DMC, input simbol alfabet diproses per bit, bukan per byte. Setiap output transisi menandakan berapa banyak simbol tersebut muncul. Penghitungan tersebut dipakai untuk memperkirakan probabilitas dari transisi.

Contoh: Transisi yang keluar dari state 1 diberi label 0/5, artinya bit 0 di state 1 terjadi sebanyak 5 kali.



Secara umum, transisi ditandai dengan 0/p atau 1/q dimana p dan q menunjukkan jumlah transisi dari state dengan input 0 atau 1. Bahwa nilai probabilitas input selanjutnya bernilai 0 adalah p/(p+q) dan input selanjutnya bernilai 1 adalah q/(p+q). Lalu bila bit sesudahnya ternyata bernilai 0, jumlah bit 0 ditransisi dan ditambah satu menjadi p+1. Begitu pula bila bit sesudahnya ternyata bernilai 1, jumlah bit 1 sekarang ditransisi dan ditambah satu menjadi q+1.
Algoritma kompresi DMC :

1. s <- 1 ( jumlah state sekarang) 2. t <- 1 (state sekarang) 3. T[1][0] = T[1][1] <- 1 (model inisialisasi) 4. C[1][0] = C[1][1] <- 1 (inisialisasi untuk menghindari masalah frekuensi nol) 5. Untuk setiap input bit e : a. u <- t b. t <- T[u][e] (ikuti transisi) c. Kodekan e dengan probabilitas : C[u][e] / (C[u][0] + C[u][1]) d. C[u][e] <- C[u][e]+1 e. Jika ambang batas cloning tercapai, maka : - s <- s + 1 (state baru t’) - T[u][e] <- s ; T[s][0] <- T[t][0] ; T[s][1] <- T[t][1] - Pindahkan beberapa dari C[t] ke C[s]

Masalah tidak terdapatnya kemunculan suatu bit pada state dapat diatasi dengan menginisialisasi model awal state dengan satu. Probabilitas dihitung menggunakan frekuensi relatif dari dua transisi yang keluar dari state yang baru.
Jika frekuensi transisi dari suatu state t ke state sebelumnya (state u), sangat tinggi, maka state t dapat di-cloning. Ambang batas nilai cloning harus disetujui oleh encoder dan decoder. State yang di-cloning diberi simbol t’.

Aturan cloning adalah sebagai berikut :
1. Semua transisi dari state u dikirim ke state t’. Semua transisi dari state lain ke state t tidak dirubah.
2. Jumlah transisi yang keluar dari t’ harus mempunyai rasio yang sama (antara 0 dan 1) dengan jumlah transisi yang keluar dari t.
3. Jumlah transisi yang keluar dari t dan t’ diatur supaya mempunyai nilai yang sama dengan jumlah transisi yang masuk.

Model Markov sebelum cloning

Model Markov setelah cloning

Kesimpulan :

mengenai   perbandingan   kinerja   ketiga metode    kompresi          yang     telah diimplementasikan, yaitu :

1.   Secara     rata-rata      algoritma      DMC menghasilkan  rasio  file  hasil  kompresi yang   terbaik   (41.5%   ±   25.9),   diikuti algoritma   LZW   (60.2%   ±   28.9)   dan terakhir   algoritma   Huffman   (71.4%   ±

15.4).

2.   Untuk kategori file teks, source code, file aplikasi,         dan      file       basis    data,     DMC memberikan   hasil  kompresi  yang  baik sekali. Sedangkan untuk file multimedia, hasil kompresinya buruk (dapat > 100 %), karena  pada  umumnya  file  multimedia merupakan file  hasil kompresi juga, dan hasil  kompresi  DMC  terhadap  file  yang telah   terkompresi   sebelumnya   memang kurang baik.

3.      Hasi lkompresi Huffman lebih         baik dibandingkan LZW hanya pada kasus file biner, file multimedia, file gambar, dan file hasil   kompresi. Algoritma           Huffman memberikan   hasil   yang   relatif   hampir sama  untuk  setiap  kasus  uji,  sedangkan LZW  memberikan  hasil  kompresi  yang buruk  (dapat > 100%)           untuk   file multimedia dan file hasil kompresi.

4.      Secara rata-rata algoritma LZW membutuhkan waktu kompresi yang tersingkat (kecepatan kompresinya = 1139 KByte/sec ± 192,5), diikuti oleh algoritma Huffman  (555,8 KByte/sec  ±  55,8),  dan terakhir DMC (218,1 KByte/sec ± 69,4). DMC mengorbankan kecepatan kompresi untuk  mendapatkan rasio  hasil  kompresi yang   baik.  File  yang  berukuran  sangat besar  membutuhkan  waktu  yang  sangat lama bila             dikompresi dengan DMC (contoh: file multimedia dengan ukuran 59 MB membutuhkan  waktu  kompresi  12,3 menit).

5.  Kecepatan  kompresi    algoritma    LZW secara   signifikan   berkurang   pada   file UNIX, file executable, file gambar, file multimedia,       dan     file hasil          kompresi. Kecepatan kompresi algoritma DMC berkurang pada file gambar dan file hasil kompresi,  bahkan  untuk  file  multimedia kecepatan kompresi berkurang lebih dari sepertiga kalinya dibandingkan kecepatan kompresi rata-rata. Kecepatan kompresi algoritma  Huffman hampir  merata  untuk semua kategori file.

Referensi :

http://home.unpar.ac.id/~integral/Volume%209/Integral%209%20No.%201/Perbandingan%20Kinerja%20Algoritma%20Kompresi.pdf