BAB 3 ANALISIS DAN PERANCANGAN SISTEM. Chandra. Perusahaan ini bergerak dalam bidang jasa fotografi. Famous Photo Studio

Transkripsi

1 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Profil Perusahaan Famous Photo Studio Sejarah Organisasi Famous Photo Studio didirikan pada tanggal 11 Agustus 2002 oleh Winata Chandra. Perusahaan ini bergerak dalam bidang jasa fotografi. Famous Photo Studio memberikan pelayanan jasa fotografi yang beragam, misalnya foto pengantin (indoor dan outdoor), foto keluarga, foto wisuda, foto anak, foto glamour, foto liputan dan video. Famous Photo Studio mulai terdaftar di departemen perdagangan pada tanggal 24 Maret 2003 dengan Surat Ijin Usaha Perdagangan (SIUP) Menengah nomor 005/ /0303 yang dikeluarkan oleh Dinas Perindustrian dan Perdagangan Jakarta Barat. Tujuan didirikannya Famous Photo Studio secara umum adalah untuk menjadi yang terbaik dalam bidang jasa fotografi. Salah satu unsur penting yang dapat menunjang kemajuan dan keberhasilan serta penentu berjalannya roda usaha Famous Photo Studio adalah dengan selalu menyediakan produk yang disesuaikan dan dikembangkan sesuai dengan keragaman konsumen. Tujuan internal dari Famous Photo Studio adalah meningkatkan kesejahteraan dan taraf hidup karyawan. Sedangkan tujuan external Famous Photo Studio adalah untuk memperoleh kepercayaan masyarakat dan memberikan pelayanan jasa fotografi, menjadi studio foto nomor satu di Jakarta khususnya. Target pasar Famous Photo Studio adalah kalangan menengah ke atas. Namun hal ini tidak menjadi patokan bahwa jasa atau pelayanan yang ditawarkan oleh Famous 27

2 28 Photo Studio terbatas pada harga yang tinggi. Famous Photo Studio juga menawarkan alternatif paket dengan harga yang dapat disesuaikan dengan kemampuan konsumen. Untuk saat ini luas jaringan Famous Photo Studio menitikberatkan pada pasar lokal, yaitu Jakarta dan wilayah sekitarnya. Famous Photo Studio telah mempunyai banyak pelanggan sehingga berencana akan membuka cabang. Hal ini didukung oleh kualitas pelayanan fotografi yang memuaskan dari Famous Photo Studio. Famous Photo Studio terus berusaha melakukan pengembangan dan peningkatan pelayanannya agar selalu mendapatkan kepercayaan dari masyarakat. Saat ini Famous Photo Studio memiliki 20 karyawan yang terdiri dari divisi personalia, administrasi, pemasaran, dan produksi Struktur Organisasi Struktur organisasi Famous Photo Studio adalah sebagai berikut (Gambar 3.1). Direktur General Manajer Administrasi dan Keuangan Pemasaran Produksi Personalia Designer grafis Fotografer Make-up Gaun Sumber: Famous Photo Studio Gambar 3.1 Struktur Organisasi Famous Photo Studio

3 29 a. Misi Perusahaan Menjadi yang terbaik dalam bisnis jasa fotografi dan mempertahankan kemampuan bersaing dalam pasar yang terus menerus berkembang. b. Visi Perusahaan Menjadi yang terdepan melalui profesionalisme, integritas, dan komitmen untuk menjadi yang terbaik. c. Tugas dan Tanggung Jawab Ada pun uraian mengenai struktur organisasi serta susunan tugas dan tanggung jawab dari masing-masing divisi pada Famous Photo Studio adalah sebagai berikut. 1) Direktur a) Sebagai pemilik perusahaan sekaligus sebagai pemegang saham; b) Memantau perkembangan kinerja perusahaan; c) Menentukan visi dan misi perusahaan untuk mencapai tujuan perusahaan; d) Merumuskan dan menetapkan kebijakan umum perusahaan; e) Mengawasi dan memonitor tindakan-tindakan yang diperlukan; 2) General Manager a) Melaksanakan visi dan misi perusahaan; b) Menerima laporan dari setiap divisi; c) Membantu setiap divisi dan memberikan pengarahan kepada karyawan apabila mengalami kesulitan; d) Memeriksa dan menyetujui anggaran yang diperlukan untuk kemajuan perusahaan dengan divisi yang berkepentingan; e) Memimpin dan mengembangkan semua divisi dalam melaksanakan kegiatan operasional perusahaan;

4 30 f) Membuat rencana jangka panjang dan jangka pendek perusahaan. 3) Administrasi dan keuangan a) Membuat dan mengalokasikan anggaran untuk semua divisi; b) Memonitor dan mengontrol keuangan perusahaan; c) Menyusun laporan keuangan perusahaan; d) Menyusun jadwal pemotretan; e) Menyusun laporan pemesanan dan pembatalan pesanan per bulan. 4) Pemasaran a) Merencanakan dan menentukan anggaran pemasaran dan penjualan; b) Menetapkan strategi pemasaran; c) Mengadakan penilaian terhadap hasil-hasil yang telah diperoleh dari penjualan dan berusaha untuk memperbaiki kekurangan yang ada; d) Memberikan informasi yang dibutuhkan oleh pelanggan. 5) Produksi a) Merencanakan dan menentukan anggaran untuk peralatan-peralatan fotografi yang dibutuhkan; b) Memonitor dan mengontrol produk (kualitas foto) yang dihasilkan; c) Membuat contoh album foto untuk promosi; d) Membuat foto album untuk pelanggan yang telah melakukan pemotretan di Famous Photo Studio; e) Bertanggung jawab untuk menyusun laporan pemotretan per bulan. 6) Personalia a) Merekrut karyawan yang dibutuhkan perusahaan dari masing-masing divisi; b) Menangani penggajian karyawan;

5 31 c) Merencanakan kebutuhan sumber daya manusia dalam perusahaan. 7) Designer Grafis a) Mengedit hasil pemotretan; b) Melayani permintaan repro (permintaan untuk melakukan perubahan pada foto yang telah ada) dari pelanggan. Misalnya memperbesar ukuran foto, memperbaiki foto yang telah rusak karena tergores, lembab (akibat terlalu lama disimpan), dan sebagainya. 8) Fotografer a) Melakukan pemotretan; b) Mengarahkan gaya; c) Mencetak hasil pemotretan. 9) Make-up Merias wajah pelanggan yang akan difoto. 10) Gaun Membantu pelanggan dalam memilih gaun yang telah disediakan oleh Famous Photo Studio Lokasi Organisasi Jl. Tanjung Duren Raya No. 75 Jakarta Barat, Indonesia Telp. (021) , Fax. (62-21)

6 Analisis Sistem Berjalan Pelanggan Famous Photo Studio adalah semua golongan usia, yaitu meliputi tua dan muda baik pria mau pun wanita. Saat ini Famous Photo Studio telah menyediakan pelayanan repro, yaitu suatu pelayanan yang dilakukan oleh Famous Photo Studio kepada pelanggan yang bukan ingin difoto, tetapi ingin mengubah foto yang telah ada milik pelanggan menjadi foto yang sesuai dengan keinginan pelanggan. Pada umumnya pelanggan menggunakan jasa pelayanan repro untuk memperbesar atau memperkecil ukuran foto yang telah ada, menghilangkan noise pada foto, memperbaiki foto yang rusak karena lembab (akibat telah terlalu lama disimpan), mengganti background (latar belakang) foto, mempertajam kualitas foto, memberikan warna pada foto hitam putih, dan sebagainya. Proses repro dilakukan pada semua foto yang telah ada dan dimiliki oleh pelanggan, baik hasil pemotretan yang dilakukan oleh Famous Photo Studio atau pun studio foto lainnya Analisis Kelemahan Sistem Berjalan Sistem yang telah berjalan hingga saat ini memiliki beberapa kelemahan sebagai berikut. 1. Pelayanan request repro pada Famous Photo Studio masih kurang bervariasi; 2. Proses pewarnaan pada gambar grayscale masih menggunakan program yang langkah-langkahnya cukup rumit dan panjang; 3. Waktu yang dibutuhkan untuk proses pewarnaan pada gambar grayscale cukup lama.

7 Analisis Pemecahan Masalah Berdasarkan hasil analisis sistem berjalan yang telah dijelaskan sebelumnya, maka dibuatlah suatu rancangan sistem baru yang akan mendukung proses repro pada Famous Photo Studio, yaitu untuk membuat variasi penawaran request kepada pelanggan. Variasi penawaran baru yang akan diadakan adalah pewarnaan pada gambar grayscale. Contoh aplikasinya adalah sebagai berikut. a. Mewarnai foto tua hitam putih, film klasik, atau ilustrasi ilmiah; b. Memberi warna pada gambar-gambar yang diperoleh dari peralatan X-Ray yang pada umumnya tidak berwarna; c. Memberi warna untuk gambar hasil Scanning Electron Microscopy (SEM). Tujuan diberikannya warna pada gambar-gambar tersebut di atas adalah sebagai berikut. a. Untuk meningkatkan kualitas visual suatu citra (gambar) dengan menambahkan warna pada gambar grayscale, atau gambar apa pun yang tidak memiliki warna; b. Memberikan hasil yang lebih jelas dalam penyampaian informasi yang dilakukan melalui gambar. Misalnya untuk majalah, surat kabar, dan sebagainya. Aplikasi pewarnaan pada gambar grayscale ini dibuat, karena pada umumnya gambar yang tidak memiliki warna kurang baik dalam penyampaian informasi. Pada umumnya majalah atau surat kabar yang memiliki gambar berwarna lebih mudah dipahami isinya daripada majalah atau surat kabar yang hanya menampilkan gambar tanpa warna. Rancangan ini juga diharapkan akan dapat memberikan suatu kepuasan lebih kepada pelanggan Famous Photo Studio.

8 Perancangan Sistem Untuk meningkatkan usaha Famous Photo Studio dalam bidang image processing, maka diusulkan suatu model sistem dengan menggunakan algoritma image matching yang bertujuan untuk meningkatkan pelayanan Famous Photo Studio dengan memberikan variasi penawaran yang baru, yaitu mengubah foto hitam putih menjadi foto berwarna. Untuk merancang model sistem yang akan diusulkan tersebut, diperlukan input berupa: 1. Sebuah gambar berwarna (gambar A); 2. Sebuah gambar grayscale (gambar B). Setelah input tersebut diperoleh, maka dilakukan perancangan terhadap model sistem dengan menggunakan algoritma image matching, yang selanjutnya akan diproses dan menghasilkan output berupa gambar (B) yang berwarna Perancangan DFD (Data Flow Diagram) Inti dari semua perancangan algoritma yang akan dibuat adalah seperti terlihat pada Gambar 3.2, yaitu gambar DFD (Data flow diagram) level 0 sebagai berikut.

9 35 Gambar Warna (A) Gambar Grayscale (B) User 0 Proses Pewarnaan Gambar B yang Berwarna Gambar 3.2 DFD Level 0 Aplikasi yang Dibuat Keterangan: a. Pada DFD level 0 ini terdapat sebuah entitas luar yang berinteraksi dengan sistem, yaitu entitas user; b. Entitas user memberikan dua buah input kepada sistem, yaitu gambar warna (A) dan gambar grayscale (B). Kedua gambar ini akan digunakan oleh proses pewarnaan untuk diolah menjadi output, yaitu sebuah gambar B yang berwarna, yang dapat dilihat mau pun disimpan oleh user. Proses yang lebih rinci, dapat dilihat pada DFD level 1 berikut ini (Gambar 3.3).

10 36 User Gambar Warna (A) 1 Konversi RGB ke LAB Gambar A dalam LAB color space Gambar B dalam LAB color space User Gambar Grayscale (B) 3 Perhitungan Statistika Gambar B dalam LAB color space Gambar A yang Telah Disesuaikan 2 Luminance Remapping Hasil Perhitungan Statistika Sampel Pixel Gambar A 4 Pencocokan Pixel Hasil Perhitungan Statistika Setiap Pixel Gambar B Pixel yang Paling Cocok User Gambar B yang Berwarna 5 Pentransferan Warna Gambar 3.3 DFD Level 1 Aplikasi yang Dibuat Keterangan: a. Pada DFD level 1 ini, proses pewarnaan pada DFD level 0 dibagi menjadi 5 proses yang lebih kecil, yaitu proses konversi RGB ke l αβ, proses luminance remapping, proses perhitungan statistika, proses pencocokan pixel, dan proses pentransferan warna;

11 37 b. Input gambar warna (A) dan gambar grayscale (B) dari user akan diterima oleh kelima proses ini, sehingga kemudian diperoleh output gambar B yang memiliki warna; c. Proses konversi RGB ke l αβ akan mengubah input kedua gambar dari user secara langsung menjadi gambar dalam l αβ color space; d. Kemudian hasil ini akan digunakan sebagai input proses luminance remapping. Proses luminance remapping akan menyesuaikan tingkat kecerahan gambar warna (A) terhadap gambar grayscale (B); e. Proses selanjutnya, yaitu proses perhitungan statistika, yaitu sebuah proses untuk menghitung rata-rata dan simpangan baku gambar warna (A) yang tingkat kecerahannya telah disesuaikan dan juga rata-rata dan simpangan baku gambar grayscale (B); f. Dari proses perhitungan statistika, kemudian akan dilakukan proses pencocokan pixel gambar grayscale (B) dengan gambar warna (A). Pencocokan ini dilakukan berdasarkan perhitungan statistika sebelumnya; g. Setelah ditemukan pixel yang paling cocok, maka warna (nilai kromatik α dan β ) akan ditransfer ke gambar grayscale (B) pada proses pentransferan warna. Dengan demikian, didapatkan output yang diinginkan user, yaitu gambar B yang telah diwarnai. Selanjutnya, proses luminance remapping dan proses perhitungan statistika pada DFD level 1, dapat dibagi menjadi beberapa proses yang lebih kecil lagi, seperti pada DFD level 2 berikut ini (Gambar 3.4 dan Gambar 3.5).

12 38 Konversi RGB ke LAB [Gambar A dalam LAB color space] [Gambar B dalam LAB color space] Konversi RGB ke LAB 2.1 Pembuatan Histogram Tingkat Kecerahan Gambar Histogram Gambar A Histogram Gambar B 2.2 Perataan Histogram [Gambar A yang Telah Disesuaikan] 2.3 Penyesuaian Histogram Hasil Perataan Histogram Gambar A Perhitungan Statistika Hasil Perataan Histogram Gambar B Gambar 3.4 DFD Level 2 Proses Luminance remapping Luminance remapping [Gambar A yang Telah Disesuaikan] Konversi RGB ke LAB [Gambar B dalam LAB color space] 3.1 Pengambilan Sampel Secara Acak 3.2 Perhitungan Mean dan Standar Deviasi L Sekeliling Setiap Pixel [Hasil Perhitungan Statistika Sampel Pixel Gambar A] [Hasil Perhitungan Statistika Setiap Pixel Gambar B] Pencocokan Pixel Pencocokan Pixel Gambar 3.5 DFD Level 2 Proses Perhitungan Statistika

13 39 Keterangan: a. DFD level 2 untuk proses luminance remapping merupakan langkah-langkah yang diperlukan dalam melakukan spesifikasi histogram. Proses ini menerima input berupa gambar warna (A) dan gambar grayscale (B) dalam l αβ color space, dan menghasilkan gambar A yang tingkat kecerahannya telah disesuaikan dengan gambar B. b. Proses pertama yang dilakukan dalam luminance remapping adalah proses pembuatan histogram tingkat kecerahan gambar, yang ditentukan oleh komponen L (luminance) dari masing-masing gambar. c. Setelah dihasilkan histogram tingkat kecerahan kedua gambar, maka proses selanjutnya adalah melakukan perataan terhadap kedua histogram tersebut dan melakukan penyesuaian histogram (tingkat kecerahan) gambar warna (A) terhadap gambar grayscale (B). d. DFD level 2 untuk proses perhitungan statistika menerima input berupa gambar warna (A) yang tingkat kecerahannya telah disesuaikan dan gambar grayscale (B). e. Proses pengambilan sejumlah sampel pixel dari gambar warna (A) dilakukan secara acak. f. Setelah dilakukan pengambilan sampel pixel, dilakukan proses perhitungan rata-rata dan simpangan baku sekeliling pixel gambar warna (A) untuk komponen L, α, dan β. Sedangkan untuk gambar grayscale (B), dilakukan perhitungan rata-rata dan simpangan baku sekeliling setiap pixel untuk komponen L. Perhitungan hanya dilakukan terhadap komponen L karena semua nilai α dan β pada gambar grayscale adalah nol.

14 Perancangan Flowchart Berikut ini akan dibahas setiap proses kecil yang terdapat pada DFD level 0, DFD level 1, dan DFD level 2 dalam bentuk flowchart. a. Konversi RGB ke l αβ Proses untuk mengkonversi warna dari RGB color space menjadi l αβ color space dilakukan sebanyak dua kali, yaitu pengkonversian untuk gambar warna (Gambar 3.6) dan pengkonversian untuk gambar grayscale (Gambar 3.7). Start Read BMP BMP.PixelFormat:=24bit i:=0 to BMP.Height-1 scan:=bmp.scanline[i] j:=0 to BMP.Width-1 l:=0.3811*scan^[j].r *scan^[j].g *scan^[j].b m :=0.1967*scan^[j].R *scan^[j].G *scan^[j].B s :=0.0241*scan^[j].R *scan^[j].G *scan^[j].B warna_l[i,j]:=round((l/sqrt(3))+(m/sqrt(3))+(s/sqrt(3))) warna_a[i,j]:=round((l/sqrt(6))+(m/sqrt(6))-(2*s/sqrt(6))) warna_b[i,j]:=round((l/sqrt(2))-(m/sqrt(2))) j i End Gambar 3.6 Flowchart Konversi RGB ke l αβ Gambar Warna

15 41 Start Read BMP BMP.PixelFormat:=24bit i:=0 to BMP.Height-1 scan:=bmp.scanline[i] j:=0 to BMP.Width-1 l:=0.3811*scan^[j].r *scan^[j].g *scan^[j].b m :=0.1967*scan^[j].R *scan^[j].G *scan^[j].B s :=0.0241*scan^[j].R *scan^[j].G *scan^[j].B grayscale_l[i,j]:=round((i/sqrt(3))+(m/sqrt(3))+(s/sqrt(3))) j i End Gambar 3.7 Flowchart Konversi RGB ke l αβ Gambar Grayscale b. Pembuatan histogram Proses luminance remapping diawali dengan pembuatan histogram gambar warna (Gambar 3.8) dan gambar grayscale (Gambar 3.9). Tahapan prosesnya adalah sebagai berikut.

16 42 Start Warna_maks:=0 i:=0 to 441 Warna_histo[i]:=0 i i:=0 to BMP.Height-1 j:=0 to BMP.Width-1 inc(warna_histo[warna_l[i,j]]) Warna_histo[warna_l[i,j]]>warna_maks No Yes Warna_maks:=warna_histo[warna_l[i,j]] j i End Gambar 3.8 Flowchart Pembuatan Histogram Gambar Warna

17 43 Start grayscale_maks:=0 i:=0 to 441 grayscale_histo[i]:=0 i i:=0 to BMP.Height-1 j:=0 to BMP.Width-1 inc(grayscale_histo[grayscale_l[i,j]]) grayscale_histo[grayscale_l[i,j]]>grayscale_maks No Yes grayscale_maks:=grayscale_histo[grayscale_l[i,j]] j i End Gambar 3.9 Flowchart Pembuatan Histogram Gambar Grayscale

18 44 c. Perataan histogram Proses ini dilakukan terhadap histogram gambar warna dan histogram gambar grayscale. Beberapa langkah yang ditempuh adalah sebagai berikut (Gambar 3.10). Start prob_warna[0]:=warna_histo[0]/ (Image1.Picture.Height*Image1.Picture.Width) prob_gray[0]:= grayscale_histo[0]/ (Image2.Picture.Height*Image2.Picture.Width) i:=1 to 441 prob_warna[i]:=prob_warna[i-1]+warna_histo[i]/ (Image1.Picture.Width*Image1.Picture.Height) equ_warna_histo[i]:=round(prob_warna[i]*441) prob_gray[i]:=prob_gray[i-1]+ grayscale_histo[i]/ (Image2.Picture.Width*Image2.Picture.Height) equ_grayscale_histo[i]:=round(prob_gray[i]*441) i End Gambar 3.10 Flowchart Perataan Histogram Proses tersebut menghasilkan histogram gambar warna dan gambar grayscale yang telah diratakan. d. Penyesuaian histogram Dalam langkah ini, yang disesuaikan adalah histogram gambar warna. Proses ini memiliki flowchart sebagai berikut (Gambar 3.11).

19 45 Start i:=0 to 441 Spec_warna_histo[i]:=0 Selisih_min:=441 Temp_index:=0 j:=0 to 441 abs(equ_warna_histo[i]- equ_grayscale_histo[j])<selisih_min No Yes Selisih_min:=abs(equ_warna_histo[i]-equ_grayscale_histo[j]) temp_index:=j j spec_warna_histo[i]:=temp_index i End Gambar 3.11 Flowchart Penyesuaian Histogram Dengan mengolah nilai histogram yang telah diratakan, proses penyesuaian histogram ini akan menghasilkan histogram gambar berwarna yang tingkat kecerahannya menyerupai gambar grayscale yang diinputkan oleh user.

20 46 e. Perhitungan statistika Perhitungan statistika terdiri dari perhitungan rata-rata dan simpangan baku sekeliling pixel yang dilakukan sebanyak dua kali, yaitu untuk proses warna yang telah disesuaikan dan untuk gambar grayscale. Ukuran sekeliling pixel yang diperhitungkan adalah sesuai dengan input dari user. Secara default, ukuran panjang dan lebar sekeliling pixel yang diperhitungkan adalah 5x5. sedangkan batas ukuran panjang dan lebarnya adalah 3x3 sampai dengan 15x15. Perhitungan ini dilakukan terhadap komponen L, α, dan β sekeliling beberapa sampel pixel yang diambil secara acak. Secara default, sampel pixel berjumlah 200 buah. Sedangkan jumlah minimalnya adalah 50 pixel dan jumlah maksimalnya adalah 500 pixel. Berikut ini adalah flowchart untuk proses pengambilan sampel pixel gambar warna (Gambar 3.12) dan flowchart untuk proses perhitungan statistika (Gambar 3.13). Start Randomize i:=0 to jum_sampel -1 sample[i].p:=random(image1.picture.width-1) sample[i].l:=random(image1.picture.height-1) i End Gambar 3.12 Flowchart Pengambilan Sampel Pixel Gambar Warna.

21 47 Start i:=1 to jum_sample Perhitungan rata-rata Warna_mean[i-1]:=mean_warna/ctr a_mean[i-1]:=mean_a/ctr b_mean[i-1]:=mean_b/ctr Perhitungan simpangan baku warna_stdev[i-1]:=sqrt(stdev_warna) i End Gambar 3.13 Flowchart Perhitungan Statistika Gambar Warna Perhitungan ini akan menghasilkan rata-rata komponen L, rata-rata komponen α, rata-rata komponen β, dan simpangan baku komponen L Sedangkan untuk gambar grayscale, dilakukan perhitungan rata-rata dan simpangan baku terhadap komponen L untuk sekeliling setiap pixel gambar grayscale (Gambar 3.14).

22 48 Start l:= 0 to Image2.Picture.Width-1 i:= 0 to Image2.Picture.Height-1 Perhitungan rata-rata gray_mean[l,i]:=mean_gray Perhitungan simpangan baku gray_stdev[l,i]:=sqrt(stdev_gray) i l End Gambar 3.14 Flowchart Perhitungan Statistika Gambar Grayscale f. Pencocokan pixel Proses pencocokan pixel dilakukan dengan mencari jarak yang terpendek antara titik rata-rata dan simpangan baku gambar warna dengan gambar grayscale. Proses ini memiliki flowchart sebagai berikut (Gambar 3.15).

23 49 Start i:=0 to Image1.Picture.Height-1 j:=0 to Image1.Picture.Width-1 selisih_jarak_min:=1000 k:=0 to jum_sample-1 temp1:=sqr(warna_mean[k]-gray_mean[j,i]) temp2:=sqr(warna stdev[k]-gray stdev[j,i]) (sqrt(temp1+temp2))<selisih_jarak_min Yes kord[i,j]:=k selisih jarak min:=sqrt(temp1+temp2) k j i End Gambar 3.15 Flowchart Pencocokan Pixel Hasil yang diperoleh dari proses ini adalah urutan sampel pixel gambar warna yang paling cocok untuk setiap pixel gambar grayscale.

24 50 g. Pentransferan warna Proses ini bertujuan memberi warna (nilai kromatikα dan β ) ke gambar grayscale dan menampilkan gambar tersebut dalam RGB color space. Untuk itu, perlu dilakukan proses untuk mengkonversi l αβ ke RGB (Gambar 3.16). Start i:=0 to Image1.Picture.Height-1 scan:=image1.picture.bitmap.scanline[i] j:=0 to Image1.Picture.Width-1 l:=(grayscale_l[i,j]/(sqrt(3))) + (a_mean[kord[i,j]]/(sqrt(6))) + (b_mean[kord[i,j]]/(sqrt(2))) m:=(grayscale_l[i,j]/(sqrt(3))) + (a_mean[kord[i,j]]/(sqrt(6))) - (b_mean[kord[i,j]]/(sqrt(2))) s:=(grayscale_l[i,j]/(sqrt(3))) - (2*a_mean[kord[i,j]]/(sqrt(6))) scan^[j].r:=round(4.4679*l *m *s) scan^[j].g:=round( *l *m *s) scan^[j].b:=round(0.0497*l *m *s) j i End Gambar 3.16 Flowchart Pentransferan Warna Proses pentransferan warna menghasilkan gambar akhir hasil dari keseluruhan proses yang telah dijalankan, yaitu gambar grayscale yang telah diwarnai.

25 Perancangan User Interface Berikut ini adalah rancangan layar yang akan dibuat dalam aplikasi pewarnaan dengan Algoritma Image Matching. Form utama dari aplikasi pewrnaan pada gambar grayscale adalah sebagai berikut (Gambar 3.17). User dapat memilih menu New Colorization untuk memulai aplikasi. Colorize File Colorization Help New Colorization Exit Gambar 3.17 Perancangan Form Utama Setelah menu New Colorization dipilih, akan ditampilkan form untuk menginput gambar warna dan gambar grayscale yang akan diproses (Gambar 3.18).

26 52 Input Image Gambar Warna Gambar Grayscale Source Image : Source Image : Open Color Image Open Grayscale Image Gambar 3.18 Perancangan Form untuk Menginputkan Gambar Proses pewarnaan dapat mulai dijalankan dengan memilih menu Start Coloring. Form pertama yang ditampilkan setelah dipilih menu Start Coloring adalah form Color Image-LAB Convertion from RGB (Gambar 3.19).

27 53 Color Image - LAB Convertion from RGB Convert RGB to LAB Num ber Long Wavelengths Middle Wavelengths Short Wavelengths ^ Num ber Lumin ance Alpha Beta ^ v v BACK NEXT EXIT Gambar 3.19 Perancangan Form Color Image-LAB Convertion from RGB Proses ini mulai dijalankan ketika ditekan tombol Convert RGB to LAB. Proses akan dihentikan dan aplikasi ditutup, jika tombol exit ditekan. Jika ditekan tombol back, maka kembali ke form sebelumnya. Proses akan dilanjutkan ketika ditekan tombol next. Setelah proses konversi RGB ke l αβ gambar warna, dilakukan proses konversi RGB ke l αβ gambar grayscale (Gambar 3.20). Setelah itu dibuat histogram dari gambar warna (Gambar 3.21) dan gambar grayscale (Gambar 3.22).

28 54 Grayscale Image - LAB Convertion from RGB Convert RGB to LAB Num ber Long Wavelengths Middle Wavelengths Short Wavelengths ^ Num ber Lumin ance Alpha Beta ^ v v BACK NEXT EXIT Gambar 3.20 Perancangan Form Grayscale Image-LAB Convertion from RGB Histogram of Color Image Color Image Histogram of Color Image BACK NEXT EXIT Gambar 3.21 Perancangan Form Histogram of Color Image

29 55 Histogram of Grayscale Image Grayscale Image Histogram of Grayscale Image BACK NEXT EXIT Gambar 3.22 Perancangan Form Histogram of Grayscale Image Pada Form Histogram of Grayscale Image, ditampilkan gambar histogram dari gambar grayscale yang diinputkan oleh user. Jika pada form ini dipilih tombol back, maka akan ditampilkan kembali Form Histogram of Color Image, sedangkan jika tombol next yang dipilih, maka akan ditampilkan form selanjutnya, yaitu Form Specification Result of Histogram s Color Image (Gambar 3.23). Jika dipilih tombol exit, maka semua aplikasi akan ditutup. Setelah ditampilkan Form Specification Result of Histogram s Color Image, form selanjutnya yang akan ditampilkan adalah Form Input Number Pixel s Sample of Color Image (Gambar 3.24) dan Form Input Neighborhood Size (Gambar 3.25).

30 56 Specification Result of Histogram's Color Image Histogram of Color Image Specification Result BACK NEXT EXIT Gambar 3.23 Perancangan Form Specification Result of Histogram s Color Image Input Number Pixel's Samples of Color Image Number of Samples : 200 ( ) samples BACK NEXT EXIT Gambar 3.24 Perancangan Form Input Number Pixel s Sample of Color Image

31 57 Input Neighborhood Size Neighborhood Size : 5 x 5 pixels (3x3 until 15x15) BACK NEXT EXIT Gambar 3.25 Perancangan Form Input Neighborhood Size Setelah user memberikan inputan berupa jumlah sampel dan ukuran sampel pixel, maka form selanjutnya adalah Form Statistic Calculation (Gambar 3.26), yang menampilkan perhitungan statistika dengan mengikutkan jumlah dan ukuran sampel pixel yang telah diinput oleh user dalam perhitungannya. Proses selanjutnya adalah mencocokan antara pixel gambar warna dengan pixel gambar grayscale. Form ini menampilkan urutan pixel gambar warna dari yang paling cocok dengan pixel gambar grayscale (Gambar 3.27).

32 58 Statistic Calculation Statistic of Color Image Number Mean of Luminance Mean of Alpha Mean of Beta Standard Deviation ^ v Statistic of Grayscale Image Number Mean of Luminance Standard Deviation ^ v BACK NEXT EXIT Gambar 3.26 Perancangan Form Statistic Calculation Match The Pixels [i] [j] Matchng Pixels Kord [i,j] (The Matching Pixels) ^ v BACK NEXT EXIT Gambar 3.27 Perancangan Form Match The Pixels

33 59 Form terakhir yang ditampilkan adalah Form Result of Colorization (Gambar 3.28), yang memiliki fasilitas untuk menyimpan gambar hasil pewarnaan. Final Result of Colorizing Grayscale Image Save Gambar 3.28 Perancangan Form Result of Colorization Perancangan Spesifikasi Proses a. Perancangan spesifikasi proses menu utama Modul Menu Utama Tampilkan Layar Utama Menunggu Pilihan Jika Pilihan adalah Menu New Colorization maka Panggil Modul Input Image Jika Pilihan adalah Menu Start Coloring maka Panggil Modul Color Image-LAB Convertion from RGB Jika Pilihan adalah Menu Help Topic maka Tampilkan Layar Help Topic Jika Pilihan adalah Menu About maka Tampilkan Layar About

34 60 Jika Pilihan adalah Menu Exit maka Keluar dari Aplikasi Akhir Modul b. Perancangan spesifikasi proses menu New Colorization Modul New Colorization Menunggu Pilihan Jika Pilihan adalah Open Color Image maka Tampilkan Isi File Jika Pilihan adalah Open Grayscale Image maka Tampilkan Isi File Akhir Modul c. Perancangan spesifikasi proses menu Start Coloring Modul menu Start Coloring Menunggu Pilihan Jika Pilihan adalah Start Coloring maka Tampilkan Modul Color Image-LAB Convertion from RGB Akhir Modul d. Perancangan spesifikasi proses menu Color Image- LAB Convertion from RGB Modul Color Image-LAB Convertion from RGB Menunggu Pilihan Jika Pilihan adalah Convert RGB to LAB maka Tampilkan Nilai LMS dan Nilai LAB dari gambar warna Jika Pilihan adalah Next maka Tampilkan Modul Grayscale Image-LAB Convertion from RGB Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul

35 61 e. Perancangan spesifikasi proses menu Grayscale Image - LAB Convertion from RGB Modul Grayscale Image - LAB Convertion from RGB Menunggu Pilihan Jika Pilihan adalah Convert RGB to LAB maka Tampilkan Nilai LMS dan Nilai LAB dari gambar Grayscale Jika Pilihan adalah Back maka Tampilkan Modul Color Image-LAB Convertion from RGB Jika Pilihan adalah Next maka Tampilkan Modul Histogram of Color Image Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul f. Perancangan spesifikasi proses menu Histogram of Color Image Modul Histogram of Color Image Menunggu Pilihan Jika Pilihan adalah Back maka Tampilkan Modul Grayscale Image-LAB Convertion from RGB Jika Pilihan adalah Next maka Tampilkan Modul Histogram of Grayscale Image Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul g. Perancangan spesifikasi proses menu Histogram of Grayscale Image Modul Histogram of Grayscale Image Menunggu Pilihan Jika Pilihan adalah Back maka Tampilkan Modul Histogram of Color Image Jika Pilihan adalah Next maka

36 62 Tampilkan Modul Spesification Result of Histogram s Color Image Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul h. Perancangan spesifikasi proses menu Specification Result of Histogram s Color Image Modul Specification Result of Histogram s Color Image Menunggu Pilihan Jika Pilihan adalah Back maka Tampilkan Modul Histogram of Grayscale Image Jika Pilihan adalah Next maka Tampilkan Modul Input Number Pixels Samples of Color Image Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul i. Perancangan spesifikasi proses menu Input Number Pixels Samples of Color Image Modul Input Number Pixels Samples of Color Image Masukkan Jumlah Sampel Pixel Jika Pilihan adalah Back maka Tampilkan Modul Specification Result of Histogram s Color Image Jika Pilihan adalah Next maka Tampilkan Modul Input Neighborhood Size Jika Pilihan adalah Exit maka Tutup Semua Aplikasi

37 63 Akhir Modul j. Perancangan spesifikasi proses menu Input Neighborhood Size Modul Input Neighborhood Size Masukkan Ukuran Pixel Jika Pilihan adalah Back maka Tampilkan Modul Input Number Pixels Samples of Color Image Jika Pilihan adalah Next maka Tampilkan Modul Statistic Calculation Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul k. Perancangan spesifikasi proses menu Statistic Calculation Modul Statistic Calculation Jika Pilihan adalah Back maka Tampilkan Modul Input Neighborhood Size Jika Pilihan adalah Next maka Tampilkan Modul Match of Pixels Jika Pilihan adalah Exit maka Tutup Semua Aplikasi Akhir Modul l. Perancangan spesifikasi proses menu Match of Pixels Modul Match of Pixels Jika Pilihan adalah Cancel maka Tutup Semua Aplikasi Jika Pilihan adalah Back maka Tampilkan Modul Statistic Calculation Jika Pilihan adalah Exit maka Tutup Semua Aplikasi

38 Akhir Modul 64