Format BSD TAR (Tape Archive) adalah format file yang banyak digunakan untuk mengarsipkan dan mengompres koleksi file dan direktori. Awalnya dikembangkan untuk mencadangkan data ke perangkat akses berurutan seperti pita magnetik, tetapi sekarang umumnya digunakan untuk mendistribusikan paket perangkat lunak dan membuat arsip cadangan di berbagai media penyimpanan. Format TAR memungkinkan beberapa file digabungkan menjadi satu file arsip sambil mempertahankan struktur direktori, atribut file, dan izin.
Arsip TAR terdiri dari serangkaian header file dan blok data file yang digabungkan bersama. Setiap file dalam arsip diwakili oleh blok header 512 byte diikuti oleh data file, yang dipad dengan kelipatan 512 byte. Blok header berisi metadata tentang file, seperti nama, ukuran, kepemilikan, izin, dan stempel waktu modifikasi.
Blok header file memiliki struktur tetap dengan bidang ukuran yang telah ditentukan sebelumnya. Beberapa bidang utama meliputi:
- Nama file (100 byte): Nama file, biasanya dibatasi hingga 255 karakter, diakhiri dengan byte null.
- Mode file (8 byte): Izin dan jenis file, disimpan sebagai angka oktal.
- ID pengguna pemilik (8 byte): ID pengguna numerik dari pemilik file.
- ID pengguna grup (8 byte): ID grup numerik dari pemilik file.
- Ukuran file (12 byte): Ukuran file dalam byte, disimpan sebagai angka oktal.
- Waktu modifikasi (12 byte): Stempel waktu modifikasi terakhir file, disimpan sebagai jumlah detik sejak 1 Januari 1970, dalam oktal.
- Header checksum (8 byte): Checksum dari blok header, digunakan untuk mendeteksi kerusakan.
Setelah blok header, data file disimpan dalam blok 512 byte yang berdekatan. Jika ukuran file bukan kelipatan 512 byte, blok terakhir diisi dengan byte null. Akhir arsip ditandai dengan dua blok 512 byte berurutan yang diisi dengan byte null.
Salah satu keterbatasan format TAR asli adalah tidak mendukung ukuran file yang lebih besar dari 8 GB karena bidang ukuran file 12 byte. Untuk mengatasi keterbatasan ini, ekstensi selanjutnya seperti format POSIX.1-2001 (pax) memperkenalkan bidang header tambahan untuk mendukung ukuran file yang lebih besar.
Format TAR itu sendiri tidak menyediakan kompresi data. Namun, merupakan praktik umum untuk mengompres arsip TAR menggunakan algoritme kompresi seperti gzip, bzip2, atau xz. File yang dihasilkan sering diberi ekstensi seperti .tar.gz, .tgz, .tar.bz2, .tbz2, .tar.xz, atau .txz untuk menunjukkan metode kompresi yang digunakan.
Membuat dan mengekstrak arsip TAR didukung oleh sebagian besar sistem operasi dan dapat dilakukan menggunakan alat baris perintah atau antarmuka pengguna grafis. Pada sistem mirip Unix, perintah tar biasanya digunakan. Misalnya:
- Untuk membuat arsip TAR: `tar -cf archive.tar file1 file2 directory/`
- Untuk mengekstrak arsip TAR: `tar -xf archive.tar`
- Untuk membuat arsip TAR terkompresi: `tar -czf archive.tar.gz file1 file2 directory/`
Selain format TAR dasar, ada beberapa variasi dan ekstensi, seperti format GNU TAR, yang menambahkan dukungan untuk file sparse, nama file panjang, dan atribut tambahan. Ekstensi ini menyediakan fungsionalitas tambahan sambil mempertahankan kompatibilitas dengan format TAR dasar.
Kesederhanaan dan portabilitas format TAR telah berkontribusi pada adopsi yang luas di berbagai platform dan kasus penggunaan. Ini tetap menjadi pilihan populer untuk pengarsipan, pencadangan, dan distribusi perangkat lunak, seringkali dikombinasikan dengan metode kompresi untuk mengurangi kebutuhan penyimpanan dan waktu transmisi.
Kompresi file mengurangi redundansi sehingga informasi yang sama membutuhkan lebih sedikit bit. Batas atasnya ditentukan oleh teori informasi: untuk kompresi lossless, batasnya adalah entropi sumber (lihat teorema pengkodean sumber Shannon source coding theorem dan makalah aslinya tahun 1948 “A Mathematical Theory of Communication”). Untuk kompresi lossy, kompromi antara laju bit dan kualitas dijelaskan oleh teori rate–distortion.
Sebagian besar kompresor memiliki dua tahap. Pertama, sebuah model memprediksi atau mengekspos struktur dalam data. Kedua, sebuah coder mengubah prediksi tersebut menjadi pola bit yang hampir optimal. Keluarga pemodelan klasik adalah Lempel–Ziv LZ77 (1977) dan LZ78 (1978) mendeteksi substring berulang lalu memancarkan referensi alih-alih byte mentah. Di sisi pengodean, pengodean Huffman (lihat makalah aslinya 1952) memberikan kode lebih pendek untuk simbol yang lebih mungkin. Pengodean aritmetika dan range coding lebih halus lagi dan mendekati batas entropi, sementara Asymmetric Numeral Systems (ANS) modern mencapai rasio serupa dengan implementasi berbasis tabel yang cepat.
DEFLATE (dipakai oleh gzip, zlib, dan ZIP) menggabungkan LZ77 dengan pengodean Huffman. Spesifikasinya bersifat publik: DEFLATE RFC 1951, pembungkus zlib RFC 1950, dan format file gzip RFC 1952. Gzip dibingkai untuk streaming dan tidak menyediakan akses acak. Gambar PNG menstandarkan DEFLATE sebagai satu-satunya metode kompresi (maksimal jendela 32 KiB) menurut spesifikasi PNG “Compression method 0… deflate/inflate… at most 32768 bytes” dan W3C/ISO PNG 2nd Edition.
Zstandard (zstd): kompresor serbaguna modern yang dirancang untuk rasio tinggi dengan dekompresi sangat cepat. Formatnya didokumentasikan dalam RFC 8878 (serta cermin HTML-nya) dan spesifikasi referensi di GitHub. Seperti gzip, frame dasar tidak menargetkan akses acak. Salah satu keunggulan zstd adalah kamus: sampel kecil dari korpus Anda yang membuat banyak file kecil atau serupa terkompresi jauh lebih baik (lihat dokumentasi kamus python-zstandard dan contoh karya Nigel Tao). Implementasi menerima kamus “unstructured” maupun “structured” (diskusi).
Brotli: dioptimalkan untuk konten web (mis. font WOFF2, HTTP). Ia memadukan kamus statis dengan inti LZ+entropi mirip DEFLATE. Spesifikasinya adalah RFC 7932, yang juga menyebut jendela geser 2WBITS−16 dengan WBITS [10, 24] (1 KiB−16 B hingga 16 MiB−16 B) dan bahwa ia tidak memberikan akses acak. Brotli sering mengalahkan gzip pada teks web sambil tetap cepat saat decoding.
Kontainer ZIP: ZIP adalah arsip file yang dapat menyimpan entri dengan berbagai metode kompresi (deflate, store, zstd, dll.). Standar de facto-nya adalah APPNOTE PKWARE (lihat portal APPNOTE, salinan yang di-host, serta ringkasan LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 menargetkan kecepatan mentah dengan rasio sedang. Lihat halaman proyeknya (“extremely fast compression”) dan format frame. Cocok untuk cache in-memory, telemetri, atau jalur panas yang memerlukan dekompresi hampir secepat RAM.
XZ / LZMA mengejar kerapatan tinggi dengan waktu kompres yang relatif lambat. XZ adalah kontainer; pekerjaan berat biasanya dilakukan LZMA/LZMA2 (pemodelan mirip LZ77 + range coding). Lihat format .xz, spesifikasi LZMA (Pavlov), dan catatan kernel Linux tentang XZ Embedded. XZ biasanya lebih kecil dari gzip dan sering bersaing dengan codec modern yang berorientasi rasio tinggi, walau waktu enkodenya lebih lama.
bzip2 menggunakan Transformasi Burrows–Wheeler (BWT), move-to-front, RLE, dan pengodean Huffman. Biasanya lebih kecil daripada gzip namun lebih lambat; lihat manual resminya dan halaman manual (Linux).
Ukuran “jendela” penting. Referensi DEFLATE hanya bisa melihat ke belakang 32 KiB (RFC 1951) serta batas 32 KiB di PNG yang disebutkan di sini. Brotli memiliki jendela sekitar 1 KiB hingga 16 MiB (RFC 7932). Zstd menyetel jendela dan kedalaman pencarian lewat level (RFC 8878). Stream dasar gzip/zstd/brotli didesain untuk decoding sekuensial; format dasarnya tidak menjanjikan akses acak, meskipun kontainer (mis. indeks tar, framing berchunk, atau indeks khusus format) bisa menambahkannya.
Format di atas bersifat lossless: Anda bisa merekonstruksi byte yang sama persis. Codec media sering lossy: mereka membuang detail yang tak terlihat untuk mencapai bitrate lebih rendah. Pada gambar, JPEG klasik (DCT, kuantisasi, pengodean entropi) distandardisasi dalam ITU-T T.81 / ISO/IEC 10918-1. Di audio, MP3 (MPEG-1 Layer III) dan AAC (MPEG-2/4) menggunakan model persepsi dan transformasi MDCT (lihat ISO/IEC 11172-3, ISO/IEC 13818-7, dan ringkasan MDCT di sini). Lossy dan lossless dapat berdampingan (mis. PNG untuk aset UI; codec web untuk gambar/video/audio).
Teori Shannon 1948 · Rate–distortion · Pengodean Huffman 1952 · Pengodean aritmetika · Range coding · ANS. Format DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Format XZ. Tumpukan BWT Burrows–Wheeler (1994) · manual bzip2. Media JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Intinya: pilih kompresor yang cocok dengan data dan batasan Anda, ukur pada input nyata, dan jangan lupakan keuntungan dari kamus dan framing yang cerdas. Dengan pasangan yang tepat Anda mendapat file lebih kecil, transfer lebih cepat, dan aplikasi lebih responsif tanpa mengorbankan kebenaran atau portabilitas.
Kompresi file adalah proses yang mengurangi ukuran file atau beberapa file, biasanya untuk menyimpan ruang penyimpanan atau mempercepat transmisi melalui jaringan.
Kompresi file berfungsi dengan mengidentifikasi dan menghilangkan redundansi dalam data. Ia menggunakan algoritma untuk mengkodekan data asli dalam ruang yang lebih kecil.
Dua jenis utama kompresi file adalah kompresi tanpa kehilangan (lossless) dan kompresi dengan kehilangan (lossy). Kompresi lossless memungkinkan file asli untuk dipulihkan dengan sempurna, sedangkan kompresi lossy memungkinkan pengurangan ukuran yang lebih signifikan dengan biaya beberapa kehilangan kualitas data.
Contoh populer dari alat kompresi file adalah WinZip, yang mendukung beberapa format kompresi termasuk ZIP dan RAR.
Dengan kompresi tanpa kehilangan, kualitas tetap tidak berubah. Namun, dengan kompresi dengan kehilangan, dapat terjadi penurunan kualitas yang cukup terlihat karena menghilangkan data yang kurang penting untuk mengurangi ukuran file lebih signifikan.
Ya, kompresi file aman dari segi integritas data, terutama dengan kompresi tanpa kehilangan. Namun, seperti file lainnya, file yang dikompresi bisa menjadi target malware atau virus, jadi selalu penting untuk memiliki perangkat lunak keamanan yang terpercaya.
Hampir semua jenis file dapat dikompresi, termasuk file teks, gambar, audio, video, dan file perangkat lunak. Namun, level kompresi yang dapat dicapai bisa sangat bervariasi di antara jenis file.
File ZIP adalah jenis format file yang menggunakan kompresi tanpa kehilangan untuk mengurangi ukuran satu atau lebih file. Beberapa file dalam sebuah file ZIP efektif digabungkan menjadi satu file, yang juga memudahkan berbagi.
Secara teknis, ya, meskipun pengurangan ukuran tambahan mungkin minimal atau bahkan kontraproduktif. Melakukan kompresi pada file yang sudah dikompresi terkadang bisa meningkatkan ukurannya karena metadata yang ditambahkan oleh algoritma kompresi.
Untuk melakukan dekompresi file, biasanya Anda memerlukan alat dekompresi atau unzipping, seperti WinZip atau 7-Zip. Alat-alat ini dapat mengekstrak file asli dari format yang dikompresi.