BAB 4 IMPLEMENTASI DAN HASIL PENELITIAN
4.1.
Spesifikasi Hardware dan Software Perancangan dan pengetesan program aplikasi ini dilaksanakan pada konfigurasi
hardware sebagai berikut : •
Processor : Intel Celeron 1,8 GHz
•
Memory : 256 Megabytes SDRAM
•
Hard Disk : 732 KBytes (Application dan Executables)
•
Monitor : 15” (resolution 1024 x 768)
Konfigurasi hardware yang lebih baik dari konfigurasi di atas akan menghasilkan peningkatan kinerja. Perancangan program aplikasi ini menggunakan software :
4.2.
•
Bahasa pemrograman yang digunakan : Borland Delphi 6
•
Sistem Operasi : Microsoft Windows 2000 Professional Edition
Persiapan Data Pada proses kompresi, data awal yang dipersiapkan berupa file image bertipe
bitmap (berekstension *.bmp) yang akan dikompresi, region size, dan konstanta matriks transformasi yang akan digunakan. Setelah adanya data tersebut maka proses kompresi dapat dijalankan.
51
52 Untuk proses dekompresi, diperlukan data awal berupa sebuah file yang berisi kode-kode fractal untuk melakukan proses dekompresi, region size, dan konstanta matriks transformasi. Dengan adanya data tersebut maka proses dekompresi dapat dilakukan.
4.3.
Hasil Penelitian Setelah melalui proses implementasi, maka berikut ini akan dijelaskan hasil dari
perancangan program aplikasi ini, beserta penjelasan proses secara singkat, dan contoh masukan dan keluaran.
4.3.1.
Proses Kompresi Pada proses kompresi, diperlukan sebuah file image yang akan dikompresi.
Berikut adalah contoh file image yang akan melalui proses kompresi.
Gambar 4.1 Mia.bmp dengan resolusi 174 x 171 dan ukuran file 88 Kbyte
53
Gambar 4.2 Michelle.bmp dengan resolusi 154 x 184 dan ukuran file 30 Kbyte
Setelah menentukan file image yang akan dikompresi, maka dipilihlah region size untuk menentukan besarnya ukuran region pada proses kompresi. Region size dapat dipilih antara nilai 2 hingga 8. Pada contoh berikut ini dipilihlah ukuran region size 5 pada kedua gambar di atas . Contoh :
Mia.bmp :
ImageSize = 174 * 171 = 29754 RegionSize = 5 TotalXRegion = 174 / 5 = 34 TotalYRegion = 171 / 5 = 34 TotalRegion = 34 * 34 = 1156
Michelle.bmp :
ImageSize = 174 * 171 = 29754 RegionSize = 5 TotalXRegion = 174 / 5 = 34 TotalYRegion = 171 / 5 = 34 TotalRegion = 34 * 34 = 1156
54 Untuk image dengan jumlah resolusi yang tidak merupakan kelipatan dari region size, maka dilakukan penyesuaian terhadap resolusi image tersebut. Dengan menggunakan algoritma pada bab ke 3, maka juga didapat matriks transformasi terbaik dari pilihan 8 matriks yang ada. Kemudian juga dicari nilai beta, yang merupakan selisih rata-rata nilai pixel pada region awal dengan region hasil transformasi. Jadi kode-kode fractal yang akan ditulis pada file hasil kompresi adalah : 1. Jumlah region pada sumbu x 2. Jumlah region pada sumbu y 3. Ukuran image 4. Ukuran region 5. Posisi region pada sumbu x dan y 6. Nilai beta dan nomor matriks transformasi yang dipilih (s)
Berikut ini diberikan contoh kode-kode fractal hasil kompresi file Mia.bmp dan Michelle.bmp dengan region size 5. Mia.bmp :
34 34 1156 5 196688 2621442 2162735 . . . 5177344
55 Michelle.bmp :
30 36 1080 5 720896 8060928 720896 . . . 0
Pada 2 image di atas kita akan melakukan 8 kali proses kompresi pada masingmasing image dengan nilai region size 2 hingga 8. File awal Mia.bmp memiliki ukuran 88 Kbyte, sedangkan file Michelle.bmp berukuran 30 Kbyte. Berikut diberikan tabel dan mengenai ukuran file hasil kompresi dan lama proses kompresi.
Tabel 4.1 Ukuran File Hasil Kompresi Dan Lama Proses Kompresi (Mia.bmp) Region Size 2 3 4 5 6 7 8
Ukuran File (KB) 129 56 31 20 14 10 8
Lama Proses (detik) 30 89 81 70 62 55 50
56
Tabel 4.2 Ukuran File Hasil Kompresi Dan Lama Proses Kompresi (Mihelle.bmp) Region Size 2 3 4 5 6 7 8
Ukuran File (KB) 106 47 27 17 12 9 8
Lama Proses (detik) 27 38 43 41 38 37 35
Diberikan pula grafik perbandingan ukuran file hasil kompresi dan lama proses kompresi. 140
120
100
80
Ukuran File (KB) Lama Proses (Detik)
60
40
20
0 2
3
4
5 Region Size
6
7
8
Gambar 4.3 Grafik Perbandingan Ukuran File Dan Lama Proses Berdasarkan Region Size Pada (Mia.bmp)
57
120
100
80 Ukuran File (KB)
60
Lama Proses (Detik)
40
20
0 2
3
4
5 Region Size
6
7
8
Gambar 4.4 Grafik Perbandingan Ukuran File Dan Lama Proses Berdasarkan Region Size Pada (Michelle.bmp)
4.3.2
Proses Dekompresi Seperti halnya proses kompresi, pada proses dekompresi juga diperlukan sebuah
file yang berisi kode-kode fractal. File tersebut akan dikompresi.
Untuk melakukan hal
tersebut, maka ref region pada kode fractal di atas akan kembali ditransformasi untuk membentuk dest region, yang dapat menghasilkan pixel-pixel untuk menggambarkan suatu image. Proses penggambaran ini dilakukan dalam 16 iterasi. Hasil proses dekompresi dapat dilihat pada contoh berikut ini. Proses dekompresi ini dilakukan pada sampel berupa 6 buah file hasil kompresi di atas.
58
Gambar 4.5 Hasil dekompresi file Mia.fc4 dengan region size 4
Gambar 4.6 Hasil dekompresi file Mia.fc5 dengan region size 5
Gambar 4.7 Hasil dekompresi file Mia.fc6 dengan region size 6
59
Gambar 4.8 Hasil dekompresi file Michelle.fc4 dengan region size 4
Gambar 4.9 Hasil dekompresi file Michelle.fc5 dengan region size 5
Gambar 4.10 Hasil dekompresi file Michelle.fc8 dengan region size 8
Lama proses dekompresi pada seluruh file diatas berkisar kurang dari 1 detik.
60 4.4.
Analisis Hasil Penelitian Berdasarkan hasil penelitian di atas dapat dikatakan bahwa : 1. Penerapan
metode kompresi dan dekompresi pada image bitmap dengan
menggunakan algoritma pembentukan fractal dengan metode IFS (Iterated Function System) berhasil diimplementasikan.
2. Dalam proses kompresi dapat dilihat bahwa semakin besarnya ukuran image yang akan dikompresi mengakibatkan semakin rendahnya ukuran file kompresi dan semakin tingginya waktu yang dibutuhkan untuk melakukan kompresi.
Mia.bmp :
Ukuran file awal = 88 KB Rata-Rata ukuran file hasil kompresi = 23.1 KB Rasio kompresi = 88 : 23.1 = 3.8 Rata-Rata waktu kompresi = 67.8 detik
Michelle.bmp : Ukuran file awal = 30 KB Rata-Rata ukuran file hasil kompresi = 14.6 KB Rasio kompresi = 30 : 14.6 = 2.05 Rata-Rata waktu kompresi = 38.6 detik
Jadi dapat dilihat bahwa pada file dengan ukuran lebih besar, ukuran file hasil kompresi lebih rendah, sedangkan waktu kompresi lebih tinggi.
3. Dalam menerapkan algoritma pembentukan fractal pada proses kompresi tampak bahwa semakin besar ukuran region size, maka semakin singkat waktu yang
61 dibutuhkan untuk menyelesaikan kompresi dan semakin tingginya rasio kompresi (ukuran file hasil kompresi semakin rendah). Hal ini dapat dilihat pada gambar 4.3 dan 4.4 di atas yang memperlihatkan perbandingan ukuran file hasil kompresi dan lama proses kompresi berdasarkan region size.
4. Pada proses dekompresi semakin besarnya ukuran region size, yang berarti semakin rendahnya ukuran file hasil kompresi, akan menyebabkan semakin rendahnya kualitas detail suatu image. Hal ini dapat dilihat pada kualitas image sampel di bagian hasil penelitian proses dekompresi.
5. Dari waktu proses kompresi dan dekompresi, dapat dilihat bahwa waktu kompresi cenderung lebih lama dari proses dekompresi dan berbanding sejajar dengan ukuran file image. Sedangkan waktu dekompresi sangat rendah (dibawah 1 detik) dan bersifat konstan. Jadi dengan menggunakan algoritma pembentukan fractal dengan metode IFS, proses dekompresi jauh lebih cepat dibandingkan dengan proses kompresi.
4.5.
Pembahasan Hasil Penelitian Berdasarkan hasil penelitian di atas dapat dikatakan bahwa kelebihan program
aplikasi di atas adalah : 1. Program aplikasi ini mampu melakukan proses kompresi dengan kemampuan reduksi hingga maksimal 100 kali lebih kecil dari ukuran awalnya.
62 2. Program aplikasi ini memberi fasilitas kepada pengguna untuk menentukan tingkat efektifitas proses kompresi melalui pemilihan region size.
Berdasarkan hasil penelitian di atas dapat dikatakan bahwa kelemahan program aplikasi di atas adalah : 1. Proses kompresi untuk file image yang berukuran besar memerlukan waktu kompresi yang lama. 2. Program aplikasi ini tidak mampu menentukan region size yang optimal untuk menghasilkan proses kompresi yang paling optimal. 3. Program aplikasi ini tidak memiliki algoritma untuk menentukan jumlah iterasi yang paling optimal pada proses dekompresi.
