PERANCANGAN APLIKASI KOMPRESI CITRA MENGGUNAKAN ALGORITMA TRANSFORMASI WASH - HADAMARD

Transkripsi

1 PERANCANGAN APLIKASI KOMPRESI CITRA MENGGUNAKAN ALGORITMA TRANSFORMASI WASH - HADAMARD Inra Marta Batubara Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan http :// // batubara@yahoo.co.id ABSTRAK Kompresi citra dikembangkan untuk memudahkan penyimpanan dan pengiriman citra.teknik kompresi yang ada sekarang memungkinkan citra dikompresi sehingga ukurannya menjadi jauh lebih kecil dari pada ukuran asli. Secara umum,metode kompresi data dapat dibagi ke dalam dua kelompok yaitu lossy dan losseless. Lossy merupakan kompresi citra dimana hasil kompresi dari citra yang terkompresi tidak sama dengan citra aslinya karena ada informasi yang hilang,tetapi masih bisa ditolerir oleh persepsi mata. Mata dapat membedakan perubahan kecil pada gambar. Metode ini menghasilkan rasio kompresi lebih tinggi dari pada metode lossless.transformasi citra merupakan pokok bahasan yang sangat penting dalam pengolahan citra. Citra hasil proses transformasi dapat dianalisis kembali,di interpretasikan dan dijadikan acuan untuk melakukan pemrosesan selanjutnya. Tujuan diterapkannya transformasi citra adalah untuk memperoleh informasi (featureextraction) yang lebih jelas yang terkandung dalam suatu citra Transfromasi walsh-hadamard merupakan suatu transformasi orthogonal yang menjadikan suatu signal menjadi suatu himpunan gelombang yang berbentuk tegak lurus (orthogonal) dan segi empat (rectangluar).kompresi citra bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Kompresi citra adalah waktu pengiriman data pada saluran komunikasi lebih singkat dan membutuhkan ruang memori dalam storage yang lebih sedikit. Kompresi citra dikembangkan untuk memudahkan penyimpanan dan pengiriman citra. Teknik kompresi yang ada sekarang memungkinkan citra dikompresi sehingga ukurannya menjadi jauh lebih kecil dari pada ukuran asli. Secara umum, metode kompresi data dapat dibagi ke dalam dua kelompok yaitu lossy dan losseless. Lossy merupakan kompresi citra dimana hasil kompresi dari citra yang terkompresi tidak sama dengan citra aslinya karena ada informasi yang hilang, tetapi masih bisa ditolerir oleh persepsi mata. Mata dapat membedakan perubahan kecil pada gambar. Metode ini menghasilkan rasio kompresi lebih tinggi dari pada metode lossless. Contohnya adalah transformasi walsh-hadamard, transformasi fourier, wavelet, dan lainlain. Kata Kunci : Aplikasi Kompresi Citra, Walsh-Hadamard 1. Pendahuluan 1.1 Latar Belakang Masalah Citra (image) adalah gambar pada bidang dwi matra atau dua dimensi. Citra juga dapat di artikan sebagai kumpulan titik-titik dengan intesitas warna tertentu yang membentuk suatu kesatuan dan mempunyai pengertian artistik. Citra sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai salah satu bentuk informasi visual. Citra tidak sama dengan teks yang hanya memberikan informasi secara jelas dengan kata-kata yang dipaparkan, sedangkan citra memberikan informasi yang jelas dengan memberikan gambaran visual dan terkadang informasi yang diberikan dapat memacu imajinasi dari orang yang melihat citra untuk menyimpulkan informasi dari citra tersebut. Kompresi citra bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Kompresi citra adalah waktu pengiriman data pada saluran komunikasi 33 lebih singkat dan membutuhkan ruang memori dalam storage yang lebih sedikit. Kompresi citra dikembangkan untuk memudahkan penyimpanan dan pengiriman citra. Teknik kompresi yang ada sekarang memungkinkan citra dikompresi sehingga ukurannya menjadi jauh lebih kecil dari pada ukuran asli. Secara umum, metode kompresi data dapat dibagi ke dalam dua kelompok yaitu lossy dan losseless. Lossy merupakan kompresi citra dimana hasil kompresi dari citra yang terkompresi tidak sama dengan citra aslinya karena ada informasi yang hilang, tetapi masih bisa ditolerir oleh persepsi mata. Mata dapat membedakan perubahan kecil pada gambar. Metode ini menghasilkan rasio kompresi lebih tinggi dari pada metode lossless. Contohnya adalah transformasi walsh-hadamard, transformasi fourier, wavelet, dan lain-lain. Dalam kompresi data terkait proses transmisi gambar dan penyimpanan. Diantara transformasi orthogonal diskrit lainnya, HT memiliki biaya komputasi terendah. HT sangat

2 34 berguna untuk aplikasi pemrosesan gambar dan sinyal dimana implementasi waktu nyata sangatlah penting. Karhunen-Loeve Transform (KLT) secara statistik merupakan transformasi yang optimal karena matrixnya yang diagonal, tapi tidak optimal dari segi biaya komputasi dan generasi transform. Sementara Discrete Cosine Transform (DCT) telah menunjukkan bahwa performasi statistik-nya adalah yang paling mendekati KLT. Ketika beroperasi pada gambar residual pada beberapa bit rate, DCT tidak bekerja secara signifikan lebih baik dibanding transformasi yang lebih sederhana, seperti WHT. Dengan demikian, ada kebutuhan untuk menganalisa transformasi matematik yang lebih sederhana untuk aplikasi pemrosesan berbagai macam sinyal. Dalam jurnal penelitian ini Satyanaryana Volume, 3 No. 3, ISSN : (2012), yang berjudul Pengurangan Aritmatika Kompleksitas Menggunakan Algoritma Transformasi Walsh- Hadamard- Fourier, Transformasi Walsh- Hadamard (WHT) adalah transformasi yang sederhana dan diaplikasikan dalam kompresi data terkait proses transmisi gambar dan penyimpanan. Diantara transformasi orthogonal diskrit lainnya, HT memiliki biaya komputasi terendah. HT sangat berguna untuk aplikasi pemrosesan gambar dan sinyal dimana implementasi waktu nyata sangatlah penting. Karhunen-Loeve Transform (KLT) secara statistik merupakan transformasi yang optimal karena matrixnya yang diagonal, tapi tidak optimal dari segi biaya komputasi dan generasi transform. Sementara Discrete Cosine Transform (DCT) telah menunjukkan bahwa performasi statistik-nya adalah yang paling mendekati KLT. Ketika beroperasi pada gambar residual pada beberapa bit rate, DCT tidak bekerja secara signifikan lebih baik dibanding transformasi yang lebih sederhana, seperti WHT. Berdasarkan hal yang telah di uraikan diatas maka pada penelitian ini penulis mengambil judul Perancangan Aplikasi Kompresi Citra Menggunakan Algoritma Transformasi Walsh- Hadamard. 1.2 Perumusan Masalah Adapun Perumusan masalah didalam penyusunan skripsi ini yang dilakukan oleh penulis adalah: 1. Bagaimana proses kompresi citra untuk algoritma Transformasi Walsh-Hadamard? 2. Bagaimana menerapkan metode algoritma Transformasi Walsh-Hadamard? 3. Bagaimana menerapkan metode walshhadamard kedalam aplikasi menggunakan visual basic net Batasan Masalah Adapun yang menjadi batasan masalah dalam penelitian ini adalah: 1. File citra yang dikompresi bertipe. JPG 2. Metode Walsh-Hadamard yang digunakan metode transformasi 1 dimensi. 3. Resolusi minimal citra 32 x 32 pixel. 4. Bahasa pemrograman yang digunakan adalah Microsoft Visual Basic.Net Tujuan Dan Manfaat Penelitian Tujuan Penelitian Adapun tujuan dari penelitian ini adalah: 1. Untuk mengetahui kompresi masing-masing file citra dengan Transformasi Walsh- Hadamard. 2. Untuk mendapatkan hasil yang diinginkan mengkompres gambar untuk masing-masing algoritma Transformasi Walsh-Hadamard. 3. Untuk membangun sebuah aplikasi perangkat lunak kompresi fie citra dengan bahasa pemograman Visual Basic Net Manfaat Penelitian Manfaat yang diharapkan dari penelitian ini adalah: 1. Menghasilkan sebuah perangkat lunak yang mampu melakukan kompresi file citra digital dengan algoritma Transformasi Walsh- Hadamard. 2. Mengetahui tingkat efisiensi kompresi menggunakan metode Transformasi Walsh- Hadamard 2. Landasan Teori 2.1 Pengertian Citra Digital Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data 2 dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilainilai real maupun komplek yang di representasikan dengan deretan bit tertentu ( Darma Putra, 2010,19). Suatu citra dapat di definisikan sebagai fungsif (x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitude f di titik koordinat (x,y) di namakan intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila nilai x,y, dan nilai amplitude f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital. Gambar

3 menunjukkan posisi koordinat citra digital ( Darma Putra, 2009, 21). Gambar 2.1. Posisi Koordinat Citra Digital Sumber : Darma Putra, 2010, Kompresi Proses kompresi merupakan proses mereduksi ukuran suatu data untuk menghasilkan representasi digital yang padat atau mampat namun tetap dapat mewakili kuantitas informasi yang terkandung pada data tersebut. Pada citra,video, dan audio, kompresi mengarah pada minimisasi jumlah bit rate untuk representasi digital. Pada beberapa literatur, istilah kompresi sering disebut juga source coding, data compression, band width compression, dan signal compression ( Darma Putra, 2010 : 267). Kompresi data adalah proses mengubah suatu input data menjadi data lain dengan format berbeda dan ukuran yang lebih kecil, atau proses pengkodean dari suatu data untuk mengurangi kebutuhan akan media penyimpanan. Salah satu jenis berkas yang paling banyak membutuhkan proses kompresi adalah berkas citra. Citra asli umumnya disimpan dalam format Bitmap. Format ini menghasilkan ukuran berkas yang besar dan tidak efektif untuk disimpan atau ditransfer. Teknik dan algoritma kompresi dapat digunakan untuk menghasilkan berkas baru dari citra yang asli dengan ukuran yang lebih kecil dari berkas aslinya tanpa mengurangi kualitas dari citranya ( Prabowo, 2012,345). Data dan informasi adalah dua hal yang berbeda pada data terkandung suatu informasi. Namun tidak semua bagian data terkait dengan informasi tersebut atau pada suatu data terdapat bagian-bagian data yang berulang untuk mewakili informasi yang sama. Bagian data yang tidak terkait atau bagian data yang berulang tersebut disebut dengan data berlebihan (redundancy data). Tujuan dari pada kompresi data tiada lain adalah untuk mengurangi data berlebihan tersebut sehingga ukuran data menjadi lebih kecil dan lebih ringan dalam proses transmisi (Darma Putra, 2010,267). Kompresi citra dapat di modelkan dan dibuat menjadi dua bagian utama yaitu bagian encoder dan decoder. Encoder berfungsi membuat representasi simbol-simbol (kode) dari citra input f (x,y). Dengan kata lain encoder berfungsi membuat citra kompresi dari citra input. Setelah melalui transmisi pada kanal (channel), citra terkompresi tersebut masuk kesistem decoder. Pada sistem ini citra terkompresiakan di rekonstruksi kembali untuk menghasilkan citra output f (x,y) ( Darma Putra, 2010, 268). Berdasarkan kandungan informasi pada citra hasil maka sifat kompresi data dapat dikelompokkan menjadi dua yaitu kompresi lossless dan kompresi lossy. 2.3 Walsh Hadamard Transform Transformasi Walsh Hadamard merupakan transformasi yang hanya memiliki fungsi basis dalam dua jenis nilai yaitu-1dan1. Transformasi Walsh Hadamard dapat di gunakan untuk melakukan kompresi citra dengan sifat kompresi yaitu lossy dimana di perbolehkan terjadinya kehilangan beberapa data maupun sebagian besar data pada citra. Transformasi Walsh Hadamard 1 dimensi pada citra f (x) dapat dinyatakan dengan rumus walsh maupun rumus hadamard (Munir,2006). Untuk fungsi basis (kernel) dari transformasi hadamard dapat menggunakan rumus sebagai berikut. 1 g(x,u) = (-1) bi x bi(u)...(2.1) i=0 N Dengan u = 0,1,2,...,N-1, dan x=0,1,2,...,n- 1, sedangkan nilai n mengikuti aturan N=2 n. Dari rumus di atas. N merupakan banyak nya data,bi (x) menyatakan bit ke-i dari representasi biner x. Begitu juga berlaku untuk bi (u) dimana nilai bitbitnya tergantung pada nilai u. Setelah diperoleh matriks walsh hadamard kemudian matriks tersebut di kalikan dengan nilai pixel pada citra kemudian dilakukan proses perhitungan walsh hadamard. Dalam metode ini rumus yang di gunakan adalah rumus hadamard. Rumus hadamard didalam pembentukan matriks transformasinya adalah sebagai berikut. 1 H(u) = f x ( 1) u=0 N bi x bi(u)...(2.2) i=0 Persamaan (2.2) di atas digunakan untuk melakukan proses kompresi citra, dimana bi merupakan posisi nilai biner dari x maupu nu. Dimana f(x) merupakan nilai fungsi citra yang asli sebelum dilakukan proses kompres. Sedangkan nilai-1 merupakan nilai ketetapan dari metode walsh-hadamard. Untuk fungsi balik menggunakan metode hadamard dapat menggunakan rumus berikut.

4 36 1 f(x) = H u ( 1) u=0 N bi x bi(u)...(2.3) i=0 Persamaan (2.3) diatas menunjukkan rumus yang digunakan untuk melakukan proses dekompresi terhadap citra yang telah dikompres. Yang membedakan fungsi kompresi dan dekompresi hanya terletak dari nilai yang diproses, dimana pada proses dekompresi ini nilai yang diproses merupakan hasil kompresi citra yang mana nilai tersebut disimbolkan dengan H(u). Nilai H(u) inilah yang digunakan untuk mendapatkan nilai balik yang menjadi hasil dari proses dekompresi menggunakan metode walshhadamard. 3. ANALISA DAN PERANCANGAN 3.1 Analisa Perancangan Aplikasi Algoritma Transformasi WalsHadamard Dalam melakukan kompresi dengan menggunakan metode kompresi Walsh Hadamard terlebih dahulu dilakukan analisis terhadap metode ini. Untuk melakukan proses kompresi metode ini terlebih dahulu diambil nilai-nilai citra yang di butuhkan seperti nilai pixel, informasi header dan lain sebagai nya yang terdapat pada file citra ber format BMP. Setelah dilakukan pembacaan terhadap nilai-nilai tersebut, kemudian nilai-nilai ini di simpan secara sementara pada variable yang telah di tentukan. Kemudian di lakukan pemilihan metode kompresi untuk memproses nilai-nilai tersebut. Untuk Walsh Hadamard digunakan salah satu kernel, di sini digunakan kernel dari Hadamard. Untuk lebih jelas nya lihat langkahlangkah proses kompresi sebagai berikut. 1. Ambil nilai data yang terdapat didalam citra 2. Hitung kernel sesuai dengan panjang data yang terdapat pada citra input 3. Lakukan proses perhitungan dengan menggunakan rumus yang telah ditentukan dengan memanfaatkan nilai data citra dan nilai kernel yang telah dibuat sebelumnya 4. Setelah nilai perhitungan diperoleh kemudian simpan nilai dari perhitungan tersebut, ingat bahwa nilai 0 tidak perlu disimpan Proses Kompresi Di dalam melakukan kompresi terhadap citra digital terdapat proses-proses perhitungan yang perlu diketahui, terlebih dahulu diambil sebuah citra dengan ukuran 3x2. Proses perhitungan ini digunakan untuk mempermudah di dalam menganalisa kemampuan dari setiap metode sejauh mana metode-metode yang digunakan bekerja dari segi kemampuan mengkompres citra, dan seberapa cepat metode tersebut dapat mengkompres citra input. Untuk lebih jelasnya lihat proses perhitungan untuk metode Walsh Hadamard. Kemudian masih dengan citra masukan yang sama dilakukan kompresi citra menggunakan metode Walsh-Hadamard dengan kernel Hadamard. Langkah pertama gabungkan seluruh data pada citra seperti sebelumnya. Kemudian hitung nilai kernel dari citra tersebut. Pertama sekali cari nilai b, untuk lebih jelasnya perhitungan kernel dari citra tersebut dapat dilihat pada perhitungan berikut ini. Gambar 3.1 Citra Asli f(x)= N=6 n=3 b(0) = 000 b(1) = 001 b(2) = 010 b(3) = 011 Setelah nilai b diperoleh langkah selanjutnya cari nilai g (x,u), nilai g (x,u) ini lah yang nanti nya akan digunakan untuk membentuk kernel dari metode Walsh-Hadamard. Untuk lebih jelasnya lihat perhitungan berikut ini g(0,0)=(-1) (0)(0)+(0)(0)+(0)(0) = -1 0 =1 g(1,0)=(-1) (1)(0)+(0)(0)+(0)(0) = -1 0 =1 g(2,0)=(-1) (0)(0)+(1)(0)+(0)(0) = -1 0 =1 g(3,0)=(-1) (1)(0)+(1)(0)+(0)(0) = -1 0 =1 g(4,0)=(-1) (0)(0)+(0)(0)+(1)(0) = -1 0 =1 g(5,0)=(-1) (1)(0)+(0)(0)+(1)(0) = -1 0 =1 g(0,1)=(-1) (0)(1)+(0)(0)+(0)(0) =-1 0 =1 g(0,2)=(-1) (0)(0)+(1)(0)+(0)(0) = -1 0 =1 g(0,3)=(-1) (0)(1)+(0)(1)+(0)(0) = -1 0 =1 g(0,4)=(-1) (0)(0)+(0)(0)+(0)(1) = -1 0 =1 g(1,1)=(-1) (1)(1)+(0)(0)+(0)(0) = -1 0 =1 g(1,2)=(-1) (1)(0)+(0)(1)+(0)(0) = -1 0 =1 g(1,3)=(-1) (1)(1)+(0)(1)+(0)(0) = -1 1 = -1 g(1,4)=(-1) (1)(0)+(0)(0)+(0)(1) = -1 0 = -1 g(1,5)=(-1) (1)(1)+(0)(0)+(0)(1) = -1 1 = -1

5 37 g(2,1)=(-1) (0)(1)+(1)(0)+(0)(0) = -1 0 = -1 g(2,2)=(-1) (0)(0)+(1)(1)+(0)(0) = -1 1 = -1 Lakukan perhitungan sampai g (5,5), setelah dilakukan perhitungan pencarian kernel Walsh- Hadamard diperoleh hasilnya pada tabel 3.1 berikut ini. Tabel 3.1Hasil kernel Walsh- Hadamard x u Setelah kernel terbentuk langkah selanjutnya yaitu memproses nilai data di ikuti dengan nilai pada kernel..f(x) = ( ). Transformasi Hadamard dari citra f(x) tersebut dapat di hitung dengan cara berikut. H(u=0)= ( )/6 =98 H(u=1)= ( )/6=-0,33 H(u=2)= ( )/6 = 33 H(u=3)= ( )/6 =0 H(u=4)= ( )/6 =32 H(u=5)= ( )/6 = -0,33 Dari perhitungan di atas terdapat nilai 0, nilai 0 ini nantinya tidak akan di simpan. Hal ini di karenakan citra akan dilakukan kompresi. Untuk lebih jelas nya perhitungan rasio dari citra input menggunakan metode Walsh-Hadamard adalah sebagai berikut: Ukuran Asli Ukuran Kompersi R = x 100% Ukuran Asli 6 3 R = x 100% = 50 % 6 Jadi dari hasil perhitugan metode menggunakan citra masukan yang sama diperoleh bahwa citra lebih baik di kompres menggunakan metode Walsh-Hadamard ini. Metode ini cocok digunakan untuk contoh kasus seperti diatas, hal ini di sebabkan rasio kompres dari metode ini jauh lebih tinggi yaitu sebesar 50% di banding kan dengan nilai rasio percobaan sebelum nya yang mencapai nilai 16.67% Proses Hasil Dekompresi Dalam melakukan proses kompresi pastilah setelah itu dilakukan proses dekompresi ulang, proses dekompresi dilakukan untuk mengembalikan file citra ke bentuk aslinya dengan menggunakan metode yang sama pada saat melakukan kompresi terhadap file citra tersebut. Kemudian dilakukan proses dekompresi pada file citra hasi kompresi menggunakan metode Walsh- Hadamard dan masih menggunakan kernel Hadamard seperti sebelumnya. Data dari proses kompresi sebelumnya adalah sebagai berikut. f(x)= (98-0, ,33). Langkah selanjutnya lakukan proses dekompresi ulang dengan memanfaatkan kernal yang ada. Untuk lebih jelasnya mengenai perhitungan dekompresi Walsh- Hadamard ini dapat di lihat pada hasil perhitungan berikut ini. H(u=0)= (98 +(-0,33) (- 0,33))/6=27 H(u=1)= (98 -(-0,33) (- 0,33))/6=27 H(u=2)= (98 +(-0,33) (- 0,33))6=16 H(u=3)= (98 -(-0,33) (- 0,33))/6=16 H(u=4)= (98 +(-0,33) (-0,33))/6 =16 H(u=5)= (98 -(-0,33) (-0,33))/6 =16 Dari hasil dekompresi diperoleh nilainilai pada citra sebagai berikut dan juga di sertakan nilai asli dari citra tersebut sebagai perbandingan. Hasil Dekompresi = Citra Asli = Dari hasil dekompresi menggunakan metode Walsh-Hadamard di peroleh bahwa citra tersebut mengalami kehilangan data hal ini di sebabkan metode kompresi Walsh- Hadamard bersifat lossy yang arti nya metode ini mengizinkan terjadi nya kehilangan data pada saat proses kompresi terhadap file citra tersebut. Jadi dapat di simpulkan bahwa metode Walsh-Hadamard ini tidak cocok untuk di terapkan pada citra digital, karena metode Walsh-Hadamard ini menyebabkan terjadi nya kehilangan data terhadap citra yang di kompres. Hasil akhir dari kompresi bisa di lihat pada table berikut: Gambar Jenis Ukuran

6 Jpg Jpg 496 KB Sebelum kompresi 79,8 KB Setelah di kompresi Implementasi Implementasi perangkat lunak merupakan hasil tampilan akhir dari proses perancangan dimana program dimulai dari tampilan utama kemudian terdapat tampilan profil pemrogram Tampilan Utama Tampilan menu utama merupakan tampilan yang digunakan untuk melakukan proses kompresi terhadap citra, pada tampilan ini terdapat pilihan metode yang digunakan untuk melakukan proses kompresi citra. Tampilan utama ini dapat dilihat pada gambar berikut ini. Gambar 3.2 Akhir dari kompresi 4. Algoritma dan Implementasi 4.1 Algoritma Transformasi Walsh-Hadamard Algoritma adalah urutan langkah-langkah logika yang diperlukan untuk penyelesaian masalah dan penyusunan program. Algoritma digunakan untuk menganalisa serta menjelaskan urutan dan hubungan antara kegiatan yang akan ditempuh. Penyusunan algoritma ini sangat penting dalam perancangan suatu program. Selain itu algoritma juga berfungsi untuk menyelesaikan suatu permasalah hingga tercapai suatu tujuan. Proses ini merupakan proses mengkompres gambar kedalam yang dapat mengetahui hasil kompresi menggunakan metode walsh-hadamard. Adapun algoritmanya adalah sebagai berikut: Input Nilai f Citra Awal Nilai x Rosulusi Nilai R Hasil Kompres Output Hasil Dari Proses Kompersi Proses For i 1 to j if i 1 then {untuk citra } For j i to 1 M 1j char(( asc(crec ( j ) )) + (K * R[1])) Mod 256) Endfor h 1 char (M 1j ) elseif i >=2 {untuk citra dan seterusnya } j >= i Rasio kompresi f, x For x= 1 to n do Seek x If found() Proses menghitung hasil kompresi dan kecepatan kompresi f, x = kompresi Else End Gambar 4.1 Tampilan Program Utama Tampilan Form Proses Kompresi Kemudian tekan tombol OK, langkah selanjutnya pilih metode yang akan digunakan untuk melakukan kompresi data. Pilih metode yang terdapat pada frame, metode tersebut berupa komponen radiobutton. Untuk yang pertama digunakan metode walsh-hadamard, kemudian klik tombol compression. Ketika tombol ditekan maka pointer berubah menjadi lingkaran yang menandakan bahwa sedang terjadi proses pada tampilan tersebut. Setelah proses selesai maka akan muncul pesan seperti pada gambar berikut ini. Gambar 4.2 Tampilan Proses Kompresi Tampilan Form Proses Dekompresi Kemudian tekan tombol OK, langkah selanjutnya pilih metode yang akan digunakan untuk melakukan kompresi data. Pilih metode yang terdapat pada frame, metode tersebut berupa

7 39 komponen radiobutton. Untuk yang pertama digunakan metode walsh-hadamard, kemudian klik tombol compression. Ketika tombol ditekan maka pointer berubah menjadi lingkaran yang menandakan bahwa sedang terjadi proses pada tampilan tersebut. Setelah proses selesai maka akan muncul pesan seperti pada gambar berikut ini. Gambar 4.3 Tampilan Proses Dekompresi 5. Kesimpulan dan Saran 5.1 Kesimpulan Berdasarkan pengembangan yang telah dilakukan dalam proses parancangan Aplikasi Kompresi Citra Menggunakan Algoritma Transformasi Walsh-Hadamard maka dapat diambil kesimpulan sebagai berikut : 1. Menggunakan metode kompresi Walsh Hadamard terlebih dahulu dilakukan analisis terhadap metode ini. Untuk melakukan proses kompresi metode ini diambil nilai-nilai citra yang di butuhkan seperti nilai pixel, informasi header dan lain sebagai nya yang terdapat pada file citra ber format JPG. Setelah dilakukan pembacaan terhadap nilai-nilai tersebut, kemudian nilai-nilai ini di simpan secara sementara pada variable yang telah di tentukan. Kemudian di lakukan pemilihan metode kompresi untuk memproses nilai-nilai tersebut. 2. Untuk Walsh Hadamard digunakan salah satu kernel, di sini digunakan kernel dari Hadamard. 3. Dalam perancangan aplikasi ini menggunakan bahasa pemrograman Visual Basic 2008 citra lebih baik di kompres menggunakan metode Walsh-Hadamard di sebabkan rasio kompres dari metode ini jauh lebih tinggi yaitu sebesar 50% di banding kan dengan nilai rasio percobaan sebelum nya yang mencapai nilai 16.67%. 5.2 Saran Berdasarkan kesimpulan diatas, maka dapat dikemukakan saram untuk mengembangkan sekripsi ini lebih lanjut yaitu sebagai berikut: 1. Kompresi citra menggunakan metode menggunakan metode transformasi walsh hadamard ini optimal untuk digunakan pada system yang membutuhkan proses kompresi file citra yang mengutamakan waktu kompresi dan dekompresi yang cepat, biasanya real time. 2. Karena struktur logic-nya yang sederhana diharapkan kompresi dengan metode walsh hadamard ini bisa diimplementasikan ke alat kompresi yang berbentuk perangkat keras (hardware). DAFTAR FUSTAKA 1. Arifin, Pengenalan Dasar-Dasar Citra Digital. Penerbit Andi Yogyakarta, Munir Rinaldi, Pengolahan Citra Digital, Informatika, Bandung, Munir Rinaldi, Aplikasi Sistem Citra Digital Penerbit Bandung, Darma Putra, Pengolahan Citra Digital, Penerbit Andi Yogyakarta, Santi, Pengolahan Citra, Penerbit Andi Yogyakarta, Jogiyanto, Hartono, Analisis dan Desain Sistem Informasi, Penerbit Andi, Yogyakarta, Widodo, Herlawati, Menggunakan UML, Penerbit Andi Yogyakarta, Kurniawan, Pengolahan citra, Rahmat Priyanto, Mengenal Visual Basic.Net, 2008, Penerbit PT. Alex Media Komputindo, Jakarta, Jurnal penelitian ini Satyanaryana Volume, 3 No. 3, ISSN : Pengurangan Aritmatika Kompleksitas Menggunakan Algoritma Transformasi Walsh- Hadamard- Fourier, 2010