BAB 4 IMPLEMENTASI DAN EVALUASI
4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program bekerja dengan menguji program oleh objek – objek citra raster yang berbeda. 4.1.1
S pesifiksi Perangkat Keras (Hardware)
Perangkat keras dalam program aplikasi ini sangatlah penting agar dapat mendukung hasil kerja citra sesuai yang diharapkan. Perangkat keras yang digunakan dalam perancangan program aplikasi ini adalah: 1.
Processor
: Intel Core 2 Duo processor T6600 @2.2 GHz
2.
Harddisk
: 320 GB
3.
RAM
: 1.00 GB
4.
VGA Card
: NVIDIA Driver 8.17.12.5903 232.7 M B
5.
Display Mode
: 1366 x 768 (32 bit) (60 Hz)
4.1.2
S pesifikasi Perangkat Lunak (Software)
Perangkat lunak yang dipakai dalam perancangan program aplikasi ini adalah sebagai berikut: 1. Sistem Operasi:
Windows 7 Home Basic
2. Perangkat Lunak:
Microsoft Visual Studio 2010, Microsoft Visual C#
55
4.1.3
Cara Penggunaan Program Aplikasi
Dalam menjalankan program aplikasi ini, pertama – pertama akan diperlihatkan cara untuk membuka file program aplikasi. Berikut adalah langkah – langkah dalam membuka file program aplikasi: 1. Buka folder Vektorisasi. 2. Buka folder Vektorisasi. 3. Buka folder bin. 4. Buka folder Debug. 5. Lalu, pilih
file vektorisasi.exe yang merupakan file untuk
menjalankan program aplikasi.
G ambar 4.1 Folder Path untuk mendapatkan file vektorisasi.exe
G ambar 4.2 Letak file vektorisasi.exe
56
4.1.4
Tampilan Layar Program Aplikasi
Program aplikasi konversi citra ini memiliki dua buah tampilan layar pokok, yaitu layar menu utama dan layar about, serta layar tambahan seperti tampilan pilihan warna, tampilan pesan error, dan tampilan pada saat menyimpan objek vektor. a. Layar M enu Utama
G ambar 4.3 Tampilan layar menu utama.
Pada layar menu utama, dapat dilihat bahwa terdapat beberapa button, trackbar, radio button, serta checkbox, yang memiliki fungsi – fungsinya tersendiri dalam mengoperasikan program aplikasi. 1) Button ‘Buka File’: Button ini digunakan untuk membuka file citra raster yang ingin dikonversi
57
2) Button ‘Vektor’: Button ini digunakan untuk melakukan konversi pada citra raster menjadi objek citra vektor. 3) Trackbar ‘Threshold’: Trackbar ini digunakan untuk mengubah parameter threshold yang hasil perubahannya akan ditampilkan pada layar. 4) Trackbar ‘Zoom’: Trackbar ini digunakan untuk memperbesar tampilan citra. 5) Radio button ‘Tampilkan Bitmap’ dan ‘Tampilkan Vektor: Radio button ini memungkinkan Pengguna untuk memilih format raster atau vektor pada citra yang ingin ditampilkan di layar. 6) Checkbox ‘Tampilkan Isi’, ‘Tampilkan Tepi’, dan ‘Tampilkan Titik’: Ketiga checkbox ini digunakan untuk menampilkan isi, tepi, atau titik yang di hasilkan pada citra. 7) Button ‘Warna Isi’, ‘Warna Tepi’, dan ‘Warna Titik’: Ketiga button ini digunakan untuk mengubah warna isi, tepi, atau titik pada citra. 8) Button ‘Save’: Button ini digunakan untuk menyimpan objek citra vektor yang di hasilkan dengan format file .svg.
58
b. Layar About
G ambar 4.4 Tampilan halaman about.
Pada layar about ditampilkan nama dari Penulis atau Pembuat program aplikasi konversi citra dari format raster ke format vektor ini. c. Tampilan Pilihan Warna Gambar dibawah ini merupakan tampilan pilihan warna pada saat Pengguna ingin mengubah warna isi, tepi, atau titik yang di hasilkan oleh citra.
59
G ambar 4.5 Tampilan pilihan warna
d. Tampilan pesan error Bila terjadi kegagalan pada proses konversi, maka akan tampil messagebox seperti gambar dibawah ini.
G ambar 4.6 Tampilan pesan error
e. Tampilan pada saat menyimpan objek vektor Pada saat objek vektor sudah berhasil dikonversi, maka Pengguna akan menyimpan sebua file objek vektor dengan format .svg (Scalable Vector Graphics).
60
G ambar 4.7 Tampilan layar pada saat menyimpan file objek vektor
4.1.5 Pengujian Program Aplikasi Program aplikasi ini akan diuji menggunakan tiga jenis citra raster yang berbeda, yaitu: citra objek bentuk, citra teks, serta citra foto. 4.1.5.1
Pengujian Pada Citra Objek Bentuk Sembarang
Objek bentuk sembarang adalah objek yang sangat mendasar pada citra yang akan sering kita dapati menjadi bagian – bagian dari objek – objek yang lebih kompleks. Objek citra raster bentuk sembarang yang akan diuji memiliki besar 174 x 161 pixel. Objek citra raster bentuk sembarang yang file-nya telah dibuka, pertamatama secara otomatis akan dilakukan filter threshold sebanyak 50 persen yang merupakan default dari program aplikasi ini (Gambar 4.8).
61
G ambar 4.8 Tampilan objek citra raster sembarang pada menu utama
G ambar 4.9 P erbandingan threshold pada objek sembarang, dengan besar threshold (1) 2%, (2) 50%. (3) 99%
Gambar 4.9 menunjukkan perbandingan threshold dengan kadar threshold sebesar 2% pada Gambar 4.9 (1), 50% pada Gambar 4.9 (2), dan 99% pada Gambar 4.9 (3). Terlihat jelas bahwa pada Gambar 4.8 semakin tinggi kadar threshold nya, maka semakin peka terhadap pixel yang kuat atau gelap. Sedangkan sebaliknya, semakin rendah kadar threshold nya, maka semakin peka terhadap pixel yang lemah atau terang.
62
G ambar 4.10 Objek citra raster sembarang yang diperbesar.
Pada Gambar 4.10, citra raster diperbesar dan terlihat tepi pada citra raster yang tidak halus atau pecah karena citra raster terdiri dari pixel – pixel, yang sudah membentuk suatu objek citra hanya pada satu resolusi tertentu.
G ambar 4.11 Tampilan objek citra vektor bentuk sembarang yang di hasilkan
63
Lalu setelah menentukan besar parameter threshold yang diinginkan (dalam pengujian ini threshold sebesar 50%), proses konversi dijalankan dan didapatkan hasil objek vektor yang sudah disertai oleh batas tepi dengan default warna merah, dan titik – titik yang menghubungkan batas tepi dengan default warna kuning, dan isi objek vektor dengan default warna hitam (Gambar 4.11). Objek vektor yang di hasilkan ini berbeda dari citra raster yang di-input karena sudah tidak lagi kumpulan pixel – pixel, melainkan kumpulan tepi – tepi yang terhubung menjadi suatu objek. Pada Gambar 4.12, terlihat bahwa objek vektor tidak berpengaruh terhadap resolusi atau skala tertentu karena jika diperbesar citra yang di hasilkan tetap halus, berbeda dengan objek raster yang di-input yang bila diperbesar terlihat pecah.
G ambar 4.12 Objek citra vektor sembarang yang diperbesar
64
G ambar 4.13 P erbandingan antara objek sembarang citra raster (1) dan citra vektor (2)
Gambar 4.13 menunjukkan perbandingan antara objek sembarang citra raster (Gambar 4.13 (1)) dengan objek citra vektor hasil konversinya (Gambar 4.13 (2)). Pada pengujian objek sembarang ini tidak terlihat perbedaan yang signifikan antara citra raster dengan objek citra vektor. Setelah melakukan konversi, lalu Pengguna akan menentukan warna isi, tepi, atau titik yang ingin ditampilkan dan akan disimpan. Pada gambar 4.14 (1) warna isi yang dipilih adalah biru tanpa menampilkan tepi dan titik. Pada Gambar 4.14 (2) warna isi yang dipilih adalah hijau dan warna tepi adalah biru tanpa menampilkan titik – titik. Pada Gambar 4.14 (3) warna isi yang dipilih adalah merah, warna tepi adalah jingga, dan warna titik adalah biru.
G ambar 4.14 P emilihan warna pada isi, tepi, atau titik-titik pada citra vektor bentuk sembarang
65
4.1.5.2
Pengujian Pada Objek Citra Teks
Objek citra berbentuk teks sangatlah penting, karena pada aplikasinya banyak sekali kebutuhan untuk mengolah citra yang berbentuk teks. M aka dari itu, Penulis akan menguji program aplikasi jika diinput dengan citra raster yang berbentuk teks. Penulis akan menguji objek citra raster teks yang bertulisan “BACA TEKS” dengan 220 x 169 pixel (Gambar 4.15). Pada pengujian kali ini Penulis membandingkan parameter threshold dengan besar 2% (Gambar 4.16 (1)), 50% (Gambar 4.16 (2)), dan 99% (Gambar 4.16 (3)). Terlihat bahwa pada threshold yang tinggi (99%) timbul noise pada luar area teks, sedangkan pada threshold yang rendah (2%), terjadi pengurangan pada isi objek teks.
G ambar 4.15 Tampilan awal citra raster teks pada saat di-input
66
G ambar 4.16 P erbandingan threshold citra raster teks dengan besar 2% (1), 50% (2), dan 99% (3)
Pada Gambar 4.17 objek citra raster teks yang sudah di-input diperbesar. Terlihat bahwa permukaan objek tidak halus karena citra yang di-input merupakan citra raster yang terdiri dari pixel – pixel.
G ambar 4.17 Objek citra raster teks yang diperbesar
67
G ambar 4.18 Objek citra teks yang sudah dikonversi menjadi objek vektor
Gambar 4.18 menunjukkan objek citra teks yang telah dilakukan konversi menjadi objek citra raster yang menghasilkan garis tepi dengan warna default merah, isi dengan warna default hitam, dan titik dengan warna defalt kuning. Pada Gambar 4.19 Penulis memperbesar objek vektor yang untuk membandingkan dengan objek citra raster teks yang di-input. Objek vektor teks yang di hasilkan lebih halus dibandingkan dengan objek citra raster, tetapi terlihat sedikit perbedaan bentuk antara huruf “B” pada Gambar 4.19 dengan huruf “B” pada Gambar 4.17
68
G ambar 4.19 Objek vektor teks yang diperbesar
G ambar 4.20 P erbandingan antara objek citra raster teks (1) dengan hasil vektornya (2)
Gambar 4.20 menunjukkan perbandingan objek citra raster teks dengan hasil vektornya secara keseluruhan. Dapat kita lihat bahwa terjadi sedikit perubahan bentuk pada citra vektor yang di hasilkan. Pada dasarnya, perubahan bentuk yang terjadi pada pengujian pertama dan pengujian kedua ini adalah sama, akan tetapi karena pada pengujian
69
kedua Penulis menguji dengan objek teks, maka perbedaan sedikit akan terlihat karena bentuk objek teks yang baku dibandingkan bentuk objek sembarang.
G ambar 4.21 P emilihan warna dan tampilan titik, isi, dan tepi pada objek vektor teks
Setelah mendapatkan objek vektor teks yang telah dikonversi, lalu Pengguna dapat memilih mana isi, tepi, dan titik yang ingin ditampilkam serta warna isi, tepi, dan titik sesuai selera. Pada Gambar 4.21 (1) Penulis hanya menampilkan tepi yang berwarna biru, Gambar 4.21 (2) Penulis menampilkan isi yang berwarna merah dan tepi berwarna biru, dan pada Gambar 4.21 (3) Penulis menampilkan is i berwarna merah, tepi berwarna biru, serta titik yang berwarna hitam.
70
4.1.5.3
Pengujian Terhadap Citra Foto
Citra foto sering kita lihat dalam kehidupan sehari – hari kita dan tidak menutup kemungkinan untuk melakukan konversi terhadap citra foto. M aka, Penulis akan mencoba menguji citra foto untuk dikonversi menjadi objek vektor. Citra foto yang akan diuji oleh Penulis adalah citra foto wajah dengan warna grayscale dan berukuran 350 x 443 (Gambar 4.22).
G ambar 4.22 Citra foto yang diuji
Berbeda dengan objek – objek sebelumnya yang hanya berwarna hitam dan putih, citra foto wajah yang akan diuji ini berwarna grayscale yang berarti banyak warna abu – abu yang terlibat. Di mana jika kita lihat pada Gambar 4.23 bila citra di-input kedalam program aplikasi langsung terlihat perbedaan pada citra bila dilakukan default threshold sebesar 50%, karena
71
sifat threshold yang hanya memisahkan warna menjadi hitam atau putih, sedangkan pada citra ini banyak terdapat warna abu – abu. Terlihat pada Gambar 4.24 dilakukan perbandingan besar threshold 25% (Gambar 4.24 (1)), 50% (Gambar 4.24 (2)), dan 75% (Gambar 4.24 (3)). Karena citra foto berwarna grayscale, maka akan lebih sensitif terhadap besar threshold, berbeda dengan objek – objek pada pengujian sebelumnya yang baru terlihat perbedaan pada besar threshold 2% dan 99%.
G ambar 4.23 Citra foto wajah pada layar menu utama
72
G ambar 4.24 Citra foto wajah dengan perbandingan threshold 25% (1), 50% (2), dan 75% (3)
Pada Gambar 4.25, citra foto wajah yang sudah dilakukan threshold sebesar 50% diperbesar. Seperti pada objek – objek di pengujian sebelumnya, terilihat pixel – pixel yang kasar pada saat citra diperbesar.
G ambar 4.25 Citra raster foto wajah jika diperbesar
73
G ambar 4.26 Objek vektor citra foto wajah yang di hasilkan
Setelah Penulis menentukan besar threshold (pada pengujian ini besar threshold-nya adalah 50%) , lalu citra foto dikonversi menjadi objek vektor yang menghasilkan tepi dengan default warna merah, isi dengan default warna hitam, serta titik – titik dengan default warna kuning (Gambar 4.26). Pada Gambar 4.27 objek vektor yang di hasilkan diperbesar dan terlihat permukaannya lebih halus, seperti yang terlihat juga pada pengujian – pengujian sebelumnya.
74
G ambar 4.27 Objek vektor citra foto wajah jika diperbesar
G ambar 4.28 P erbandingan antara citra foto wajah. (1) foto asli, (2) foto dengan threshold 50%, dan (3) objek vektor yang di hasilkan
Pada Gambar 4.28, kita dapat melihat perbandingan antara citra foto asli (Gambar 4.28 (1)), citra foto dengan threshold 50% (Gambar 4.28 (2)), dan objek vektor yang di hasilkan (Gambar 4.28 (3)). Bila kita mengacu pada
75
citra foto yang telah dilakukan threshold maka tidak terjadi perbedaan yang signifikan. Namum bila kita mengacu pada pada citra foto yang asli, maka akan terlihat perbedaan yang signifikan. Setelah melakukan konversi, makan akan dipilih warna dari isi, tepi, dan titik yang akan ditampilkan. Contohnya, warna isi jingga (Gambar 4.29 (1)), warna isi jingga dan warna tepi biru (Gambar 4.29 (2)), dan warna isi jingga, warna tepi biru, serta warna titik hijau (Gambar 4.29 (3)).
G ambar 4.29 P emilihan warna dan tampilan isi, tepi, dan titik pada objek vektor foto
4.2 Evaluasi Program Aplikasi Pada implementasi program aplikasi ini khususnya pada pengujian yang dilakukan, akan dilakukan evaluasi yang hasilnya sebagai berikut: 1. Secara keseluruhan, program aplikasi ini sudah dapat melakukan konversi dari citra format raster menjadi objek citra vektor. 2. Pada program aplikasi ini, objek vektor hasil konversi dapat terdeteksi tepi, isi objek, serta titik – titik penghubungnya.
76
3. Objek vektor hasil konversi merupakan objek vektor yang di hasilkan dari citra raster yang sudah dilakukan threshold terlebih dahulu. 4. Pada pengujian menggunakan objek citra raster sembarang, program aplikasi ini dapat menghasilkan objek vektor yang sesuai. 5. Pada pengujian menggunakan objek citra raster teks, terjadi sedikit perbedaan antara objek citra raster teks dengan objek vektor yang di hasilkan. 6. Pada pengujian menggunakan objek citra raster foto, terjadi perubahan pada citra foto asli dengan citra raster yang sudah dilakukan threshold. Oleh karena itu, hasil objek vektornya berbeda dengan citra foto asli, tetapi hampir sama dengan citra foto yang sudah dilakukan threshold. 7. Program aplikasi ini masih memiliki kesulitan dalam melakukan konversi pada citra raster dengan resolusi yang besar. Hal ini terjadi karena proses pendeteksian tepi yang membaca pixel satu per satu dengan algoritma yang belum maksimal.
