Meningkatnya kebutuhan akan penyimpanan dan transmisi citra digital yang efisien mendorong penelitian di bidang kompresi citra dan teknik kuantisasi warna. Penelitian ini bertujuan untuk mengimplementasikan algoritma Discrete Cosine Transform (DCT) yang dikombinasikan dengan K-Means Clustering untuk kuantisasi warna dalam proses konversi citra JPG ke format GIF. Algoritma DCT digunakan untuk mereduksi komponen frekuensi tinggi pada citra guna meningkatkan efisiensi data, sementara algoritma K-Means Clustering diterapkan untuk menghasilkan palet warna yang optimal sesuai dengan batasan format GIF, yaitu maksimal 256 warna. Penelitian ini menggunakan pendekatan eksperimen kuantitatif dan mengimplementasikan sistem menggunakan bahasa pemrograman Python pada platform Google Colab. Parameter evaluasi yang digunakan meliputi Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR), dan ukuran file. Hasil penelitian menunjukkan bahwa proses DCT berhasil mengurangi ukuran file dari 1347,83 KB menjadi 1198,46 KB, dengan nilai MSE sebesar 42,3175 dan nilai PSNR sebesar 31,8692 dB. Proses kuantisasi K-Means dengan 256 klaster menghasilkan nilai MSE sebesar 47,6381 dan nilai PSNR sebesar 31,3504 dB, dengan ukuran file sebesar 5124,70 KB. Eksperimen lanjutan dengan jumlah klaster yang berbeda menunjukkan bahwa pengurangan jumlah klaster menurunkan ukuran file namun juga menurunkan kualitas citra; GIF dengan 8 klaster menghasilkan ukuran file terkecil, yaitu 684,35 KB, dengan nilai PSNR sebesar 25,9143 dB. Temuan ini mengindikasikan bahwa kombinasi algoritma DCT dan K-Means dapat secara efektif mengkonversi citra JPG ke format GIF, meskipun terdapat pertukaran (trade-off) antara efisiensi ukuran file dan kualitas visual citra.