Penjelasan Kompresi Video: Mengapa File 4K Anda 200GB

Anda baru saja menyelesaikan merekam video 4K berdurasi 10 menit di ponsel atau kamera Anda, dan ketika Anda memeriksa ukuran file, mulut Anda terbuka: 200GB. Sementara itu, film 4K berdurasi dua jam di Netflix dapat diputar dengan lancar mungkin hanya 15GB total. Ada apa ini?

Jawabannya terletak pada kompresi video—teknologi yang sangat mendasar bagi kehidupan digital modern sehingga tanpanya, YouTube tidak akan ada, panggilan video akan mustahil, dan penyimpanan ponsel Anda akan penuh setelah merekam sekitar 90 detik rekaman. Namun, sebagian besar orang yang bekerja dengan video setiap hari sebenarnya tidak memahami apa yang terjadi di balik layar.

Ini bukan penjelasan dangkal lainnya. Kami akan menyelami mekanika kompresi video, trade-off yang penting, dan mengapa alur kerja Anda mungkin membuang-buang waktu dan ruang penyimpanan. Apakah Anda seorang pengembang yang membangun fitur video, seorang desainer yang mengekspor grafik bergerak, atau seorang pemasar yang mencoba mencari tahu mengapa video halaman arahan Anda butuh waktu lama untuk memuat, panduan ini akan mengubah cara Anda berpikir tentang file video.

Kebenaran Mentah: Apa Itu Video Tidak Terkompresi Sebenarnya

Sebelum kita membahas tentang kompresi, Anda perlu memahami apa yang kita kompres. Video mentah yang tidak terkompresi sangat besar karena menyimpan informasi lengkap untuk setiap piksel di setiap frame.

Mari kita lakukan perhitungan untuk video 4K pada 30 frame per detik. Resolusi 4K adalah 3840 × 2160 piksel, yang berarti 8.294.400 piksel per frame. Setiap piksel biasanya menyimpan informasi warna dalam 24 bit (8 bit untuk merah, hijau, dan biru). Itu adalah 3 byte per piksel.

Jadi satu frame video 4K = 8.294.400 piksel × 3 byte = 24.883.200 byte, atau sekitar 23,7 MB per frame. Pada 30 frame per detik, itu adalah 711 MB per detik video. Video berdurasi 10 menit akan menjadi sekitar 427GB data mentah.

Inilah mengapa file 200GB Anda, meskipun besar, sebenarnya sudah terkompresi hingga tingkat tertentu—mungkin menggunakan codec ringan yang diterapkan oleh kamera Anda saat merekam. Kamera sinema profesional yang merekam dalam format RAW biasanya menghasilkan file dalam kisaran ukuran ini karena mereka menjaga kualitas gambar maksimum untuk penyuntingan warna dan efek pasca produksi.

"Tantangan mendasar dari kompresi video adalah bahwa persepsi manusia sangat canggih dalam mendeteksi gerakan dan detail, tetapi juga sangat memaafkan terhadap jenis kehilangan informasi tertentu. Seluruh bidang ini berada di celah antara apa yang bisa kita lihat dan apa yang sebenarnya perlu kita lihat."

Kebutuhan penyimpanan menjadi semakin tidak masuk akal ketika Anda mempertimbangkan laju bingkai yang lebih tinggi. Konten permainan pada 60fps atau 120fps menggandakan atau melipatgandakan angka ini. Inilah mengapa tangkapan permainan dan streaming menjadi bidang yang sangat menuntut secara teknis—Anda berusaha mengompresi sejumlah besar data secara waktu nyata sambil mempertahankan kualitas visual yang akan diperhatikan para gamer frame demi frame.

Memahami angka dasar ini sangat penting karena memberikan konteks untuk segala hal lainnya. Ketika seseorang memberi tahu Anda bahwa mereka telah mengompres video hingga 1% dari ukuran aslinya, mereka tidak berlebihan. Kompresi video modern memang luar biasa, mencapai rasio kompresi 100:1 sambil mempertahankan apa yang dianggap sebagian besar penonton sebagai kualitas yang sangat baik.

Kompresi Spasial vs. Temporal: Dua Pilar

Kompresi video bekerja pada dua sumbu dasar: kompresi spasial (dalam frame individu) dan kompresi temporal (antara frame). Memahami perbedaan ini sangat penting untuk memahami mengapa berbagai jenis konten terkompresi dengan cara yang berbeda.

Kompresi spasial memperlakukan setiap frame video seperti gambar diam dan menerapkan teknik yang mirip dengan kompresi JPEG. Ini mencari pola dalam satu frame—area warna serupa, gradien, tekstur—dan mewakili mereka dengan lebih efisien. Jika Anda memiliki langit biru yang mengisi setengah frame Anda, kompresi spasial tidak menyimpan "piksel biru, piksel biru, piksel biru" jutaan kali. Sebagai gantinya, ini pada dasarnya mengatakan "daerah ini biru" dan menyimpan informasi itu sekali saja.

Inilah mengapa video berbicara sangat mudah terkompresi. Latar belakang seringkali statis atau sederhana, dan bahkan pakaian serta warna kulit orang tersebut menciptakan daerah besar warna serupa. Video wawancara korporat mungkin terkompresi hingga 5% dari ukuran aslinya dengan kehilangan kualitas yang minimal terlihat.

Kompresi temporal adalah di mana kompresi video menjadi sangat menarik dan efektif. Ini memanfaatkan fakta bahwa frame video berturut-turut biasanya sangat mirip. Dalam video yang khas, mungkin 90-95% piksel tidak berubah dari satu frame ke frame berikutnya. Mengapa menyimpan semua informasi redundan itu?

Codec modern menggunakan sistem frame kunci (I-frame) dan frame yang diprediksi (P-frame dan B-frame). Sebuah frame kunci adalah frame lengkap yang disimpan dengan hanya kompresi spasial. Kemudian, alih-alih menyimpan beberapa frame berikutnya sepenuhnya, codec hanya menyimpan apa yang berubah dari frame kunci. Jika seseorang berbicara dan hanya mulutnya yang bergerak, Anda mungkin hanya perlu menyimpan data untuk kawasan mulut di frame berikutnya.

B-frame (bidirectional frame) bahkan lebih canggih—mereka dapat merujuk pada frame sebelumnya dan selanjutnya untuk memprediksi konten. Inilah sebabnya mengapa pengkodean video tidak instan; pengkode perlu menganalisis beberapa frame secara bersamaan untuk membuat keputusan optimal tentang apa yang harus disimpan dan apa yang harus diprediksi.

Rasio jenis frame ini secara dramatis mempengaruhi ukuran file dan waktu pengkodean. Video dengan frame kunci setiap 10 frame akan lebih besar tetapi lebih mudah untuk disisir dan diedit. Video dengan frame kunci setiap 250 frame akan jauh lebih kecil tetapi lebih sulit untuk dicari secara tepat dan lebih menuntut untuk didekode.

Inilah mengapa rekaman layar dengan banyak gerakan (seperti rekaman permainan) jauh lebih besar daripada tangkapan layar statis. Ketika seluruh frame berubah setiap 16 milidetik, kompresi temporal tidak memiliki apa-apa untuk bekerja. Codec terpaksa memperlakukan hampir setiap frame sebagai frame kunci, kehilangan sebagian besar efisiensi yang membuat kompresi video berfungsi.

Codec Terurai: H.264, H.265, VP9, dan AV1

Codec (kompresor-dekompresor) adalah algoritma nyata yang melakukan kompresi. Lanskap codec telah berkembang pesat selama dua dekade terakhir, dan memilih codec yang tepat adalah salah satu keputusan paling berdampak yang dapat Anda buat terhadap ukuran file dan kualitas.

H.264 (juga disebut AVC) telah menjadi andalan video internet sejak pertengahan 2000-an. Ini adalah yang digunakan YouTube selama bertahun-tahun, yang direkam sebagian besar kamera, dan yang sebagian besar perangkat dapat dekode. H.264 mencapai rasio kompresi sekitar 1000:1 untuk konten tipikal sambil mempertahankan kualitas visual yang baik. Video 4K berdurasi 10 menit yang akan menjadi 427GB mentah mungkin terkompresi menjadi 400-600MB di H.264 pada pengaturan kualitas yang wajar.

Kehadiran H.264 adalah kekuatan sekaligus kelemahannya. Ini didukung secara universal, dipercepat oleh perangkat keras pada hampir setiap perangkat yang dibuat dalam 15 tahun terakhir, dan memiliki encoder yang matang dan dioptimalkan dengan baik. Namun, ini juga menunjukkan usianya. Untuk konten 4K dan terutama 8K, H.264 membutuhkan bitrate yang membebani penyimpanan dan bandwidth.

H.265 (HEVC - High Efficiency Video Coding) dirancang untuk mengatasi masalah ini. Ini mencapai sekitar 50% kompresi yang lebih baik daripada H.264 pada kualitas visual yang sama, atau setara dengan ukuran file yang sama dengan kualitas yang lebih baik secara mencolok. Video 4K berdurasi 10 menit yang sama mungkin terkompresi menjadi 200-300MB di H.265. Apa masalahnya? Pengkodean jauh lebih lambat (2-5x lebih lama daripada H.264), dan masalah lisensi paten telah membatasi adopsi. Perangkat Apple mendukungnya dengan baik, tetapi dukungan browser web masih terbatas.

VP9, yang dikembangkan oleh Google, menawarkan efisiensi kompresi serupa dengan H.265 tetapi tanpa royalti. YouTube menggunakan VP9 secara luas untuk konten 4K. Ini didukung dengan baik di Chrome dan Firefox tetapi memiliki akselerasi perangkat keras yang terbatas pada perangkat lama. Waktu pengkodean sebanding dengan H.265—lambat, tetapi penghematan ukuran file cukup besar.

AV1 adalah codec terbaru yang mendapatkan perhatian, menjanjikan peningkatan 30% lagi dibandingkan H.265/VP