Kompresor Gambar

Kompres gambar di browser Anda — tanpa unggahan

Kompresor gambar ini memperkecil file JPG, PNG, WebP dan AVIF langsung di dalam browser Anda. Setiap gambar didekode dan dikodekan ulang di elemen HTML <canvas> pada perangkat Anda sendiri, sehingga tidak seperti alat berbasis server semacam TinyPNG, Compressor.io, iLoveIMG, dan Kraken.io, file Anda tidak pernah diunggah — tanpa antrean, tanpa akun, dan tanpa batas ukuran selain memori perangkat Anda sendiri. Squoosh buatan Google juga berjalan di browser tetapi terbatas pada satu gambar dalam satu waktu; alat ini memproses seluruh batch sekaligus.

Masukkan satu gambar atau seluruh batch, atur kualitasnya atau tetapkan ukuran file target, lalu unduh hasil yang sudah dioptimalkan dalam hitungan detik. Ini cara yang private dan cepat untuk memperkecil ukuran file gambar untuk situs web, lampiran email, unggahan aplikasi, berbagi di Discord, dan penyimpanan.

Capai ukuran target secara presisi — di bawah 2 MB, 200 KB, atau ukuran berapa pun

Perlu mengompres gambar ke 2 MB, menyesuaikan formulir unggah 200 KB, atau memperkecil ukuran gambar dalam KB? Beralih ke mode Ukuran target, ketik batas Anda, dan alat ini otomatis melakukan binary search pada kualitas encoder sehingga hasilnya pas berada di bawah target Anda dengan kualitas setinggi mungkin. Tanpa coba-coba — tidak seperti slider manual di TinyPNG atau Squoosh.

Ini berguna untuk formulir unggah, listing marketplace, portal pemerintah dengan batas ketat, dan aplikasi chat — termasuk alur kompres gambar untuk Discord: atur 10 MB agar sesuai batas paket gratis Discord dan gambar Anda dijamin muat. Kraken.io menawarkan fitur ukuran target serupa di API berbayarnya; alat ini menyediakannya gratis, tanpa akun.

Kompres massal dan unduh sebagai ZIP

Ini kompresor gambar massal yang sesungguhnya. Pilih puluhan gambar sekaligus dan pengaturan kualitas, format, serta ukuran Anda berlaku untuk semuanya secara bersamaan. Setiap gambar menampilkan ukuran before/after serta persentase penghematannya sendiri, ditambah total keseluruhan untuk seluruh batch. TinyPNG membatasi unggahan batch gratis hanya 20 gambar; iLoveIMG memproses batch di server dengan batas harian — tidak ada satu pun batasan itu di sini.

Unduh gambar satu per satu, atau ambil seluruh set sebagai satu ZIP — arsipnya dirakit secara lokal di browser Anda, sehingga bahkan pekerjaan massal pun tidak pernah meninggalkan perangkat Anda.

Pilih format terbaik — atau biarkan Auto memilih yang terkecil

Pertahankan format asli atau konversi ke WebP, JPEG, PNG, atau AVIF. WebP dan AVIF menghasilkan file 25–35% lebih kecil dari JPEG pada kualitas visual yang sama, itulah sebabnya keduanya menjadi standar untuk situs web yang cepat. Squoosh mempopulerkan perbandingan format di dalam browser; alat ini menerapkan logika yang sama ke seluruh batch.

Tidak yakin mana yang harus dipakai? Pilih Auto (terkecil) dan kompresor akan mengodekan setiap gambar dalam beberapa format lalu menyimpan yang paling kecil — sambil tetap menghormati transparansi, sehingga logo dan tangkapan layar tidak pernah mendapat latar belakang yang rata. TinyPNG hanya berfokus pada PNG dan WebP; alat ini mempertimbangkan keempat format utama termasuk AVIF.

Ubah ukuran dan hapus metadata untuk file yang lebih kecil lagi

Foto dari HP modern seringkali lebarnya 4000+ piksel — jauh lebih besar dari yang dibutuhkan halaman web atau unggahan. Atur Lebar maksimum atau Tinggi maksimum opsional untuk memperkecil skalanya, dan ukuran file akan turun drastis tanpa kehilangan yang terlihat pada ukuran tampilan normal. Menggabungkan resize dengan kompresi kualitas biasanya memangkas foto HP hingga 80–90%.

Secara default, alat ini juga menghapus metadata EXIF — model kamera, stempel waktu, dan lokasi GPS — yang melindungi privasi Anda sekaligus memangkas beberapa kilobyte tambahan. Gambar yang Anda bagikan online tidak akan membawa data lokasi atau perangkat Anda. Ingin mempertahankannya? Matikan Hapus metadata dan EXIF asli akan tetap terbawa saat Anda menyimpan kembali ke JPEG.

TinyPNG vs Squoosh vs Compressor.io vs iLoveIMG vs UtiloKit

TinyPNG adalah andalan untuk kompresi PNG dan WebP lossless — akurat dan tepercaya. Batasannya: file diunggah ke server TinyPNG, batch gratis maksimal 20 gambar, tanpa dukungan AVIF, tanpa mode ukuran target, tanpa resize massal. Squoosh (Google) berjalan di browser seperti alat ini tetapi tidak punya mode batch, sehingga lambat untuk koleksi besar. Compressor.io cepat dan punya antarmuka yang bersih tetapi mengunggah file ke server dan tidak punya fitur batch atau ukuran target. iLoveIMG menyediakan kompresi batch yang baik tetapi berbasis server dengan batas harian pada paket gratis dan tanpa opsi ukuran target. Kraken.io berkelas profesional tetapi memerlukan paket berbayar untuk penggunaan yang berarti.

Kompresor gambar UtiloKit adalah satu-satunya alat gratis yang menggabungkan: pemrosesan di dalam browser (tanpa unggahan, seperti Squoosh), mode massal sungguhan (seperti iLoveIMG), kompresi ukuran target (seperti paket berbayar Kraken.io), dukungan AVIF, dan slider pratinjau before/after — tanpa biaya, tanpa akun, privasi penuh. Ini alternatif serba bisa terkuat baik Anda beralih dari TinyPNG, Squoosh, Compressor.io, iLoveIMG, maupun Kraken.io.

Cara kerja kompresi JPEG sesungguhnya: DCT, kuantisasi, dan entropy coding

Setiap JPEG mengodekan gambar lewat tiga tahap berurutan, masing-masing dirancang untuk membuang apa yang paling kecil kemungkinannya disadari oleh sistem visual manusia. Pertama, gambar dibagi menjadi blok piksel 8×8 yang tidak saling tumpang tindih, dan setiap blok diproses lewat Discrete Cosine Transform (DCT) — pada dasarnya semacam transformasi Fourier visual yang mengubah 64 nilai piksel menjadi 64 koefisien frekuensi. Koefisien di pojok kiri atas (istilah DC) mengodekan kecerahan rata-rata blok tersebut; 63 istilah AC yang tersisa mengodekan frekuensi spasial yang semakin halus, dari garis-garis horizontal dan vertikal kasar hingga pola papan catur 8×8 piksel yang berselang-seling. Sebagian besar energi foto alami terkonsentrasi pada koefisien frekuensi rendah; istilah frekuensi tinggi bernilai kecil atau mendekati nol.

Tahap kedua — kuantisasi — adalah tempat data hilang secara permanen dan tidak bisa dikembalikan. Setiap koefisien dibagi dengan nilai dari tabel kuantisasi lalu dibulatkan ke bilangan bulat terdekat. Pengaturan kualitas yang Anda pilih menentukan tabel kuantisasi ini: pengaturan kualitas tinggi memakai pembagi kecil (pembulatan sedikit, koefisien besar tetap utuh); pengaturan rendah memakai pembagi besar (pembulatan agresif membuat banyak koefisien menjadi nol). Inilah sebabnya menurunkan kualitas JPEG di bawah sekitar 60% menciptakan artefak blocky yang terlihat di tepi tajam dan ringing di sekitar detail halus — seluruh istilah frekuensi telah dinolkan dan decoder merekonstruksi blok tersebut tanpanya. Selain kuantisasi, JPEG biasanya juga menerapkan chroma subsampling, menyimpan kanal luma (kecerahan) pada resolusi piksel penuh tetapi dua kanal perbedaan warna pada resolusi setengah atau seperempat di tiap arah. Penglihatan manusia menangkap warna jauh kurang tajam dibanding luminansi, sehingga subsampling 4:2:0 (2:1 di kedua sumbu) nyaris tidak terlihat dan sendirian menyumbang sekitar sepertiga dari pengurangan ukuran file JPEG dibanding gambar mentah.

Tahap terakhir adalah entropy coding. Setelah kuantisasi, sebagian besar koefisien frekuensi tinggi bernilai nol; encoder menyusun koefisien dalam urutan zig-zag yang mengelompokkan nol-nol tersebut, lalu memampatkan hasilnya dengan Huffman coding (atau arithmetic coding pada beberapa implementasi). Huffman coding memberikan pola bit yang lebih pendek untuk nilai yang sering muncul, memeras redundansi terakhir dari data terkuantisasi secara lossless. Hasilnya adalah file JPEG yang biasanya beratnya 5–20× lebih ringan dari data piksel mentah, dengan kehilangan kualitas hampir sepenuhnya berasal dari tahap kuantisasi — bukan dari DCT maupun entropy coding.

Kompresi lossless vs lossy: memilih pendekatan yang tepat untuk tiap jenis gambar

Kompresi lossless — dipakai oleh PNG, WebP lossless, dan AVIF lossless — mengodekan gambar sedemikian rupa sehingga setiap piksel secara matematis identik dengan aslinya setelah didekode. Tidak ada data yang dibuang; file hanya disimpan lebih efisien memakai teknik seperti DEFLATE (algoritma di dalam lapisan zlib milik PNG), yang mengganti urutan byte berulang dengan referensi yang lebih pendek. Karena tidak ada informasi yang dibuang, file lossless selalu bisa didekode kembali persis seperti aslinya, menjadikannya pilihan tepat untuk tangkapan layar, logo bertulisan, diagram, ikon, dan line art — di mana pun akurasi pixel-perfect penting atau gambar akan diedit dan disimpan ulang berkali-kali. Setiap penyimpanan ulang file lossy menerapkan kembali kuantisasi, memperparah artefak; dengan format lossless, degradasi semacam itu tidak mungkin terjadi.

Kompresi lossy — dipakai oleh JPEG, WebP lossy, dan AVIF lossy — secara permanen menghapus data yang diprediksi encoder tidak akan disadari mata. Untuk foto dan gambar bertona kontinu, penghematannya dramatis: gambar kamera mentah 24 megapiksel mungkin beratnya 70 MB tanpa kompresi; JPEG berkualitas tinggi mengecilkannya menjadi 5–10 MB; WebP atau AVIF pada kualitas setara seringkali memangkasnya lagi hingga separuh. Konsekuensinya, data yang sudah dibuang tidak bisa kembali — menyimpan ulang file lossy pada kualitas yang sama menambahkan satu putaran kehilangan lagi, jadi selalu simpan master lossless dan ekspor salinan lossy sesuai kebutuhan.

Metrik ilmiah standar untuk mengukur seberapa besar kompresi lossy telah menurunkan kualitas gambar adalah SSIM — Structural Similarity Index. SSIM membandingkan luminansi, kontras, dan pola struktural antara gambar terkompresi dengan aslinya, menghasilkan skor dari 0,0 (sama sekali berbeda) hingga 1,0 (identik bit demi bit). Studi persepsi secara konsisten menunjukkan bahwa gambar dengan SSIM di atas 0,95 secara visual tidak bisa dibedakan dari aslinya oleh kebanyakan pengamat dalam kondisi penglihatan normal. Pengaturan kualitas 75–85% pada JPEG atau WebP biasanya mencapai nilai SSIM di kisaran 0,96–0,99 untuk foto alami sambil memangkas ukuran file 60–80% — itulah sebabnya rentang kualitas ini menjadi standar industri yang dipakai audit Lighthouse Google, preset default Squoosh, dan alur kerja CDN profesional.

Perbandingan format gambar modern: WebP, AVIF, JPEG XL, dan PNG

WebP, dirilis Google pada 2010, adalah format generasi berikutnya pertama yang diadopsi secara luas dan tetap paling kompatibel hingga kini. Mode lossy-nya memakai skema prediksi blok yang diturunkan dari codec video VP8, menghasilkan file kira-kira 25–34% lebih kecil dari JPEG pada kualitas yang dirasakan sama. Mode lossless-nya memakai jalur prediksi spasial dan entropy coding terpisah yang biasanya menghasilkan file 20–30% lebih kecil dari PNG. WebP kini didukung oleh semua browser utama — Chrome, Firefox, Safari 14+, Edge — menjadikannya pilihan default yang aman untuk gambar web pada 2024. Saat Anda mengekspor WebP pada kualitas 80, biasanya Anda menyamai kualitas visual JPEG 90 dalam paket yang jauh lebih kecil.

AVIF (AV1 Image File Format, distandardisasi pada 2019) membawa efisiensi kompresi lebih jauh lagi: benchmark independen secara konsisten menunjukkan AVIF menghasilkan file kira-kira 50% lebih kecil dari JPEG pada kualitas yang dirasakan setara, dan mengungguli WebP 15–25% pada pengaturan kualitas rendah-menengah di mana artefak kompresi WebP mulai terlihat. AVIF juga secara native mendukung HDR (High Dynamic Range) dan gamut warna lebar, sintesis film grain, serta kedalaman 10/12-bit — kemampuan yang tidak dimiliki JPEG dan WebP. Konsekuensi praktisnya adalah kecepatan pengodean: pengodean AVIF di browser bisa memakan waktu beberapa detik per gambar dibanding hitungan milidetik untuk JPEG atau WebP, dan dukungan browsernya, meski terus bertambah (Chrome 85+, Firefox 93+, Safari 16+), masih belum mencakup beberapa browser mobile lama. Untuk situs baru yang berat pada fotografi dan menyasar audiens modern, AVIF adalah pilihan berperforma terbaik.

JPEG XL (ISO/IEC 18181, difinalisasi pada 2022) memperkenalkan kemampuan yang unik di antara codec gambar: kompresi ulang lossless untuk file JPEG yang sudah ada dengan nol kehilangan kualitas dan output sekitar 20% lebih kecil, memakai proses yang disebut transcoding. Untuk pengodean baru, JPEG XL mencapai efisiensi kompresi yang sebanding dengan AVIF dan menambahkan decoding progresif (gambar termuat dan sudah bisa dikenali pada resolusi rendah sebelum file lengkap tiba), decoding software yang sangat cepat, serta dukungan HDR dan animasi yang sangat baik. Adopsinya melambat karena dukungan browser yang terbatas — Chrome menghapus flag eksperimentalnya pada 2022, meski Firefox dan Safari 17+ telah menambahkannya. Untuk file PNG, kuantisasi palet pngquant layak disebut tersendiri: ia mengurangi PNG 24-bit menjadi palet terindeks 8-bit, memangkas ukuran file 60–80% sambil mempertahankan kualitas visual yang nyaris lossless untuk sebagian besar ilustrasi dan grafis. Banyak pengguna tidak pernah membutuhkan JPEG XL saat ini, tetapi untuk tujuan pengarsipan atau alur kerja yang bolak-balik lewat JPEG, itulah satu-satunya jalur lossless menuju file yang jauh lebih kecil secara berarti.

Optimasi gambar dan performa web: Core Web Vitals, LCP, dan format generasi baru

Core Web Vitals milik Google mengukur pengalaman nyata saat memuat sebuah halaman, dan berat gambar adalah pengungkit terbesar untuk dua dari tiga metriknya. Largest Contentful Paint (LCP) — yang mengukur seberapa cepat elemen terbesar yang terlihat (hampir selalu berupa hero image atau foto di bagian atas halaman) selesai dirender sepenuhnya — harus terjadi dalam 2,5 detik pada koneksi mobile median agar mendapat skor 'Baik'. JPEG hero 3 MB yang tidak dioptimalkan secara rutin menyebabkan kegagalan LCP pada koneksi 4G. Mengompres gambar tersebut menjadi 200–400 KB dengan WebP atau AVIF, dikombinasikan dengan atribut width dan height pada tag <img> untuk mencegah layout shift, seringkali menjadi satu perubahan berdampak tertinggi yang tersedia untuk skor performa sebuah situs.

Menyajikan gambar pada dimensi intrinsik yang tepat sama pentingnya dengan pemilihan format. Foto yang diambil pada 4000×3000 piksel namun ditampilkan dalam kartu selebar 400px di HP mentransfer kira-kira 12× data piksel yang sebenarnya ditampilkan — browser mendekode seluruh 12 megapiksel lalu memperkecil skalanya di memori GPU. Mengubah ukuran gambar menjadi lebar 800px (2× untuk layar retina) sebelum disajikan menghilangkan pemborosan bandwidth tersebut. Pola yang benar untuk situs web modern adalah elemen <picture> dengan negosiasi sumber: tawarkan sumber AVIF terlebih dahulu, lalu WebP, lalu JPEG sebagai fallback — browser akan memilih format paling efisien yang didukungnya. Padukan ini dengan atribut srcset dan sizes agar browser juga memilih resolusi yang sesuai untuk viewport, sehingga Anda mencakup efisiensi format dan ketepatan dimensi sekaligus dalam satu blok markup.

Lazy loading dengan loading="lazy" menunda pengunduhan setiap gambar di bawah lipatan layar hingga pengguna menggulir mendekatinya, secara langsung mengurangi data yang ditransfer saat memuat halaman dan membebaskan bandwidth untuk aset LCP di atas lipatan layar. Untuk gambar yang langsung terlihat saat halaman dibuka — terutama elemen LCP — gunakan fetchpriority="high" dan hindari lazy loading, yang justru akan menambahkan penundaan yang tidak perlu. CDN gambar seperti Cloudinary, Imgix, dan Bunny Optimizer menerapkan semua optimasi ini secara otomatis dan on the fly: mereka menerima master resolusi penuh Anda, lalu menyajikan WebP atau AVIF berukuran sesuai sebagai respons atas setiap permintaan browser berdasarkan header Accept dan petunjuk viewport. Untuk situs dengan trafik tinggi, CDN gambar mengalihkan seluruh alur kompresi; untuk proyek yang lebih kecil atau tugas sekali pakai, kompresor lokal-browser seperti alat ini mencapai hasil yang sama tanpa biaya bulanan CDN atau integrasi API.