Modifikasi Motif Kain Tradisional Menggunakan Cellular Automata

Transkripsi

1 Mdifikasi Mtif Kain Tradisinal Menggunakan Cellular Autmata Purba Daru Kusuma Prgram Studi Sistem Kmputer Universitas Telkm Bandung, Indnesia Abstrak Metde cellular autmata telah diimplementasikan ke dalam berbagai bidang. Salah satunya adalah pembuatan mtif atau pla secara kmputasi (cmputer generated pattern). Di sisi lain, metde cellular autmata belum banyak dimanfaatkan dalam pengembangan mtif kain tradisinal. Padahal, pemanfaatan teknik kmputasi dapat membuat desain dan pengembangan mtif kain tradisinal lebih variatif. Dalam penelitian ini, metde cellular autmata digunakan untuk memdifikasi mtif kain tradisinal. Mtif tradisinal yang digunakan dalam penelitian ini adalah mtif Truntum. Hal ini sesuai dengan sifat dasar kisi-kisi pada cellular autmata. Mdifikasi dilakukan dengan menambahkan unsur ketidakteraturan dalam mtif dasar. Knsep agen cerdas juga diimplementasikan sebagai unit-unit yang bergerak secara tnm untuk mengganti pla dasar dengan pla baru sesuai dengan jalur yang dilalui leh agen tersebut. Prses penggantian pla bersifat iteratif. Pembangkitan pla menggunakan pendekatan stkastik. Melalui penelitian ini, telah dihasilkan mtif Truntum yang telah dimdifikasi dan terlihat lebih tidak teratur dan lebih beraneka ragam. Kata kunci pembangkitan pla; cellular autmata; agen cerdas I. PENDAHULUAN Implementasi matematika dan kmputasi dalam pengembangan prduk-prduk seni telah berkembang luas. Implementasi tersebut mencakup seni dalam bentuk audi [3][4], visual, maupun audi visual. Teknik kmputasi diimplementasikan secara penuh dalam pengembangan game, terutama dalam hal kecerdasan buatan, pembuatan byek, dan rendering. Dalam bidang ftgrafi, teknik kmputasi dimanfaatkan untuk meningkatkan atau memperbaiki kualitas ft dan penambahan efek atau filter. Dalam bidang dekratif, teknik kmputasi dimanfaatkan dalam pengembangan pla-pla secara kmputatif sehingga prduksi pla-pla baru dapat berlangsung lebih cepat dan beragam. Teknik kmputasi telah banyak dimanfaatkan dalam pembuatan pla. Pla-pla tersebut dapat diimplementasikan pada kain, kertas, bingkai, dan lain-lain. Teknik kmputasi yang digunakan juga beragam. Di sisi lain, pemanfaatan teknik kmputasi dalam pengembangan mtif-mtif kain tradisinal masih terbatas. Hal tersebut terlihat dari jumlah literatur mengenai pemanfaatan teknik kmputasi pada kain tradisinal yang masih sedikit. Salah satu teknik kmputasi yang cukup berkembang adalah teknik fraktal. Sampai saat ini, teknik fraktal banyak digunakan untuk pengembangan maupun reknstruksi mtif batik. Hanya saja, penggunaan teknik fraktal dapat dikatakan cukup rumit. Salah satu teknik kmputasi yang belum banyak dimanfaatkan adalah cellular autmata (CA). Secara umum, CA telah diimplementasikan secara luas di berbagai bidang. Teknik CA telah diimplementasikan di bidang filter ft [2][8], simulasi trafik [6], simulasi pergerakan pejalan kaki, pembuatan pla [1][5], dan lain-lain. Salah satu kelebihan CA adalah strukturnya yang sederhana dan fleksibel untuk dikmbinasikan dengan teknik-teknik yang lain. Dalam kaitan dengan pla yang teratur, banyak kain tradisinal di Indnesia memiliki pla dasar yang teratur atau mntn. Di antaranya adalah mtif Truntum, Parang, Sidmukti, dan beberapa mtif lainnya. Di satu sisi, mtif yang teratur lebih mudah dibuat dan sederhana. Di sisi lain, pla yang teratur cenderung mntn. Oleh karena itu, akan lebih baik jika terdapat unsur ketidakteraturan dalam mtif yang teratur. Penelitian ini bertujuan untuk menambahkan unsur ketidakteraturan dalam pla kain tradisinal yang teratur. Metde yang digunakan adalah dengan mengkmbinasikan CA dengan agen cerdas. Implementasi CA dimanfaatkan agar mtif yang muncul lebih beragam dan terdapat ketidakteraturan dalam struktur. Dengan demikian, mtif kain yang baru menjadi tidak terlalu mntn. Agen cerdas berfungsi untuk mengubah nilainilai dalam matriks pla. Dalam sekali prses, dibangkitkan lebih dari satu agen yang berfungsi mengubah nilai-nilai matriks pada jalur yang dilaluinya. Pengujian dilakukan dengan mengukur rasi jumlah sel yang terduduki terhadap seluruh sel yang tersedia, jumlah sel yang berhasil diduduki leh agen, dan jangkauan agen dalam mengubah pla selama prses iterasi. A. Arsitektur Sistem II. USULAN SISTEM Sistem pembangkitan pla terdiri dari 4 tahap. Tahap pertama adalah penentuan parameter gambar yang akan ditampilkan. Tahap kedua adalah menjalankan prses pembangkitan pla. Tahap ketiga adalah memasukkan bentuk pla yang akan ditampilkan. Tahap keempat adalah menampilkan pla yang dihasilkan ke dalam frmat gambar. Adapun diagram arsitektur sistem dapat dilihat pada Gambar 1. Ygyakarta, 6 Agustus 2016 D-1

2 Sistem terdiri dari 2 mdul. Mdul pertama adalah mdul pembangkitan pla atau matriks pla. Mdul kedua adalah mdul finalisasi hasil akhir. Mdul pembangkitan pla berfungsi untuk menentukan nilai sel-sel dalam matriks pla. Mdul finalisasi hasil akhir berfungsi untuk menampilkan pla hasil akhir berdasarkan susunan sel dalam matriks keluaran mdul pembangkitan pla. Gambar 1. Arsitektur Sistem Terdapat parameter-parameter yang diatur untuk membangkitkan pla. Parameter pertama adalah dimensi gambar hasil. Parameter kedua adalah dimensi pla. Pembagian antara luas gambar hasil dengan luas pla menghasilkan jumlah sel byek pla dalam satu gambar hasil. Parameter ketiga adalah jumlah pla selain pla dasar. Parameter keempat adalah jumlah agen. Parameter kelima adalah jumlah iterasi. B. Mdul Pembangkitan Pla Mdul pembangkitan pla adalah sub sistem pertama dalam sistem pembangkitan pla. Masukan mdul ini adalah parameter masukan. Keluaran mdul ini adalah matriks pla. Matriks pla adalah matriks yang berisi nilai sel-sel yang nantinya akan diisi byek-byek pla. Ilustasi matriks pla dapat dilihat pada Gambar 2. 1,1 2,1 i,1 1,2 2,2 i,2 Gambar 2. Matriks Pla 1, j 2, j i, j Dalam pembuatan pla, didefinisikan beberapa variabel. Variabel n adalah jumlah iterasi. Variabel W adalah lebar gambar hasil. Variabel H adalah tinggi gambar hasil. Variabel w adalah lebar byek pla. Variabel h adalah tinggi byek pla. Variabel i adalah jumlah baris matriks pla. Variabel j adalah jumlah klm matriks pla. Nilai i dan j dihitung menggunakan persamaan 1 dan 2. i = integer(h/h) (1) j = integer(w/w) (2) Prses pembangkitan pla dilakukan melalui prses iterasi. Pada awalnya, seluruh nilai sel bernilai 0. Hal ini menandakan semua sel berisi byek pla dasar. Selanjutnya dibangkitkan agen sebanyak N, di mana N adalah jumlah byek pla kmbinasi. Jadi jika gambar hasil pembangkitan terdiri dari 3 byek pla tambahan selain byek pla dasar maka nilai variabel N adalah 3. Agen direpresentasikan dalam himpunan A dengan anggta sebanyak N dengan representasi sebagai berikut {a1, a2, a3,, an}. Adapun variabel c digunakan untuk menunjukkan indeks agen. Selama prses iterasi, agen akan bergerak dari titik asal ke titik-titik yang memungkinkan. Oleh karena itu, ditetapkan variabel s sebagai variabel titik asal (start). Penentuan nilai s untuk tiap-tiap agen dilakukan melalui prses acak sebagaimana dapat dilihat pada persamaan 3. Nilai s dan d terdiri dari 2 parameter, yang mengindikasikan psisi baris dan klm dalam matriks O. Mdel perjalanan agen menganut knsep 4 arah, yaitu ke kiri, ke kanan, ke atas, dan ke bawah. Pilihan arah direpresentasikan dalam indeks b dari 1 sampai dengan 4 secara berurutan untuk arah kiri, atas, kanan, dan bawah. s(ac) = {randm[1,i], randm[1,j]} (3) Penentuan arah gerak agen menganut mdel CA. Mdel CA yang diimplementasikan dalam penelitian ini merupakan mdifikasi mdel CA untuk pergerakan pejalan kaki. Adapun peluang arah yang dipilih leh agen ditentukan berdasarkan persamaan 4. Variabel δ adalah nilai status sel pada baris x dan klm y. Jika sel tersebut belum pernah dilewati leh agen manapun maka nilai δ untuk sel tersebut bernilai 1. Jika sel tersebut sudah dilewati, maka nilai δ untuk sel tersebut adalah 0. Selanjutnya, agen akan bergerak menuju arah sel dengan nilai prbabilitas tertinggi. Variabel K adalah variabel yang dibangkitkan secara acak pada saat perhitungan prbabilitas dilakukan. Fungsi variabel K adalah memberikan pengaruh stkastik pada alur pla. Dengan demikian, mdel perhitungan pada persamaan 4 menggunakan knsep stkastik. Pb(ac) = Kδx,y (4) III. IMPLEMENTASI Dalam penelitian ini, mdel yang diusulkan diimplementasikan ke dalam aplikasi berbasis web. Prgram ditulis menggunakan bahasa PHP. Gambar hasil memiliki lebar 1000 piksel dan tinggi 500 piksel. Dimensi byek adalah 20 x 20 piksel. Dengan demikian, terdapat 25 baris dan 50 klm di dalam matriks pla. Jumlah agen sebanyak 10 unit. Iterasi dilakukan sebanyak 100 kali. Salah satu hasil simulasi dapat dilihat pada Gambar 3. Gambar 3. Blk Pla Hasil Simulasi Ygyakarta, 6 Agustus 2016 D-2

3 Tahap selanjutnya adalah finalisasi hasil akhir. Pada penelitian ini, dibuat 2 mtif mdifikasi dapat sama dengan atau lebih besar daripada jumlah agen. Idealnya, jumlah agen adalah sama dengan jumlah mtif mdifikasi. Meskipun jumlah mtif mdifikasi kurang dari jumlah agen, mtif yang sama akan memiliki warna berbeda karena tiap agen merepresentasikan satu warna tertentu. Pembagian mtif mdifikasi diatur sebagai berikut. Hasil akhir pembangkitan dapat dilihat pada Gambar 4. kmbinasi. Dengan demikian, secara keseluruhan terdapat 4 jenis byek. IV. PENGUJIAN Dalam penelitian ini, dilakukan 3 bentuk pengujian. Pengujian pertama adalah menghitung persentase jumlah sel yang diduduki terhadap jumlah sel ttal. Pengujian kedua adalah menghitung jumlah sel yang dilewati agen selama prses iterasi. Pengujian ketiga adalah menghitung jarak antara sel awal dengan sel akhir.metde pengujian ini mengacu pada pengujian hitting time, jumlah langkah yang berhasil dilakukan, dan jumlah titik (nde) yang dilewati selama rentang waktu tertentu dalam pengujian randm walk [7]. Pengujian pertama adalah menghitung rasi jumlah sel yang diduduki dengan jumlah sel ttal. Dengan dimensi matriks yang telah ditentukan, terdapat 1250 sel yang mungkin untuk dilewati. Dengan jumlah agen sebanyak 10 dan jumlah iterasi sebanyak 100 kali, jumlah maksimal sel yang mungkin untuk diduduki sebanyak 1000 sel. Dengan demikian, rasi jumlah sel yang terduduki maksimal adalah 80 persen. Percbaan dilakukan sebanyak 10 kali. Hasil pengujian dapat dilihat pada Tabel 1. TABEL I. PERSENTASE SEL YANG TERDUDUKI Percbaan Persentase Sel Terduduki (%) (a) (b) Gambar 4. Hasil Akhir Sistem Gambar 4 terdiri dari 2 gambar. Gambar a adalah cnth gambar hasil kmbinasi dengan 2 byek kmbinasi. Dengan demikian, secara keseluruhan terdapat 3 jenis byek. Gambar b adalah cnth gambar hasil kmbinasi dengan 3 jenis byek Berdasarkan data pada Tabel 1, diperleh hasil di mana rasi sel yang terduduki berada dalam tingkatan cukup. Rata-rata rasi sel yang terduduki sebesar 47,4 persen. Nilai ini tentu sudah berada di atas 50 persen dari ptensi maksimalnya, yaitu menduduki 80 persen sel yang tersedia. Rasi terendah sebesar 35 persen dan rasi tertinggi sebesar 60 persen. Dengan Ygyakarta, 6 Agustus 2016 D-3

4 demikian, dengan perbaikan metde, dimungkinkan dilakukan peningkatan rasi sel yang terduduki. Pengujian kedua adalah menghitung jumlah sel yang berhasil diduduki leh agen. Dengan jumlah iterasi sebanyak 100 kali, jumlah maksimal sel yang dapat diduduki leh tiap-tiap agen sebanyak 100 sel. Percbaan dilakukan sebanyak 18 kali. Terdapat 3 keluaran yang diamati. Keluaran pertama adalah jumlah minimal sel yang berhasil diduduki leh agen. Keluaran kedua adalah jumlah maksimal sel yang berhasil diduduki leh agen. Keluaran ketiga adalah jumlah rata-rata sel yang berhasil diduduki leh agen. Hasil pengujian kedua dapat dilihat pada Tabel 2. Percbaan ke- TABEL II. JUMLAH PENDUDUKAN SEL Jumlah Sel Terduduki Minimal Maksimal Rata-rata Berdasarkan data pada Tabel 2, dapat dilihat bahwa terjadi kesenjangan antara jumlah sel minimal dan maksimal yang dapat diduduki. Rata-rata jumlah sel minimal yang dapat diduduki sebesar 18,2 persen. Rata-rata jumlah sel maksimal yang dapat diduduki sebesar 97,6 persen. Ada agen yang dapat menduduki sampai dengan 100 sel. Di sisi lain ada agen yang hanya dapat menduduki kurang dari 10 sel. Rata-rata jumlah sel yang diduduki leh agen sebesar 59,2 sel. Pengujian ketiga adalah pengujian mengenai jarak tempuh agen dalam menduduki sel-sel selama prses iterasi berlangsung. Pengujian dilakukan dengan cara menghitung jarak antara sel pada awal iterasi dengan sel pada akhir iterasi. Terdapat 3 hasil keluaran dalam pengujian ketiga, yaitu jarak minimal, jarak maksimal, dan jarak rata-rata. Pengujian dilakukan sebanyak 18 kali. Hasil pengujian dapat dilihat pada Tabel 3. Percbaan ke- TABEL III. JARAK TEMPUH AGEN Jumlah Sel Terduduki Minimal Maksimal Rata-rata Berdasarkan data pada Tabel 3, dapat dilihat bahwa terjadi kesenjangan antara jarak yang ditempuh leh agen selama prses iterasi. Rata-rata jarak minimal sebesar 2,5. Rata-rata jarak maksimal sebesar 22,2. Adapun rata-rata jarak yang ditempuh leh agen sebesar 10,1. Dalam beberapa percbaan, ditemukan ada agen yang jarak antara sel awal dan sel akhir sejauh satu sel. Parameter jarak tidak dapat digunakan secara langsung untuk mengukur kinerja agen secara independen mengingat ada agen yang cenderung bergerak secara lurus, tetapi ada juga agen yang bergerak berbelk-belk maupun berputar sehingga meskipun jumlah sel yang diduduki cukup tinggi, jarak antara sel awal dengan sel akhir cukup dekat. V. KESIMPULAN Berdasarkan uraian di atas, telah dilakukan pengembangan mdel pembangkitan pla secara kmputatif berbasis mdel cellular autmata. Mdel yang dikembangkan bersifat stkastik. Mdel telah dapat menghasilkan pla dengan alur yang acak dan dapat memdifikasi mtif kain tradisinal. Berdasarkan pengujian, diperleh 3 kesimpulan. Kesimpulan pertama, rasi keterdudukan sel sudah di atas 50 persen. Kesimpulan kedua, terdapat kesenjangan yang cukup lebar mengenai kinerja agen dalam hal jumlah sel yang berhasil diduduki. Kesimpulan ketiga, terdapat kesenjangan yang cukup lebar mengenai kinerja dalam hal jarak antara psisi sel pada awal iterasi dan psisi sel pada akhir iterasi. Dengan demikian, hal ini dapat dijadikan bahan Ygyakarta, 6 Agustus 2016 D-4

5 untuk penelitian selanjutnya, yaitu bagaimana cara meningkatkan rasi keterdudukan sel, memangkas kesenjangan penguasaan blk, dan memangkas kesenjangan jarak. DAFTAR PUSTAKA [1] A. Seth, S. Bandypadhyay, U.Maulik, Pseudrandm Pattern Generatin by a 4-Neighbrhd Cellular Autmata Based n Prbabilistic Analysis, prceeding n the Internatinal Multi Cnference f Engineers and Cmputer Scientists, Maret, Hngkng, [2] C. Chang, Y. Zhang, and Y. Gdng, Cellular Autmata fr Edge Detectin f Image, IEEE Prceeding n Machine Learning and Cybernetics, hal.26-29, [3] D. Burrastn, E. Edmnds, Cellular Autmata in Generative Electrnic Music and Snic Art, Digital Creativity, vl.16, hal , [4] D. Burrastn, E.Edmnds, D.Livingstne, and E.R. Miranda, Cellular Autmata in Midi Based Cmputer Music, prceedings f Internatinal Cmputer Music Cnference, hal , [5] J. Kari, Universal Pattern Generatin by Cellular Autmata, Theretical Cmputer Science, vl. 429, hal , 2012 [6] M. Rickert, K.Nagel, A.Latur, Tw Lane Traffic Simulatins using Cellular Autmata, LANL Reprt, 1 Februari, [7] P.L. Rsin, Training Cellular Autmata fr Image Prcessing, IEEE Transactins n Image Prcessing, vl 15, hal , [8] R.Hfstad dan M. Keane, An Elementary Prf f the Hitting Time Therem, The Mathematical Assciatin f America, hal , 2006 Ygyakarta, 6 Agustus 2016 D-5