BAB IV PERCOBAAN DAN ANALISIS. Percobaan metode kompresi citra fraktal menggunakan algoritma

dokumen-dokumen yang mirip
KOMPRESI CITRA FRAKTAL MENGGUNAKAN ALGORITMA GENETIKA LHUQITA FAZRY X

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah

BAB II LANDASAN TEORI. berawal dari suatu ide untuk menyimpan segitiga Sierpinski menggunakan

BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN

BAB 4 IMPLEMENTASI DAN EVALUASI. Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang

BAB 4 IMPLEMENTASI DAN EVALUASI. Dalam perancangan program aplikasi ini, penulis menggunakan komputer dan

BAB 4 IMPLEMENTASI DAN HASIL PENELITIAN

BAB III METODOLOGI PENELITIAN. Desain penelitian adalah tahapan atau gambaran yang akan dilakukan

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB III METODOLOGI PENELITIAN

BAB I PENDAHULUAN. dalam storage lebih sedikit. Dalam hal ini dirasakan sangat penting. untuk mengurangi penggunaan memori.

HASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah

PENDAHULUAN BAB I. 1.1 Latar Belakang Masalah

BAB IV IMPLEMENTASI DAN ANALISIS SISTEM

BAB 4 IMPLEMENTASI Implementasi

BAB 3 ANALISIS DAN PERANCANGAN APLIKASI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 4 IMPLEMENTASI DAN HASIL PENELITIAN. Pada bab 4 ini akan dijelaskan hasil rancangan sistem aplikasi optimizer, yaitu

BAB 4 IMPLEMENTASI DAN EVALUASI

PENGARUH PERBEDAAN STRATEGI METODE SELEKSI DALAM ALGORITMA GENETIKA UNTUK KOMPRESI CITRA FRAKTAL SKRIPSI

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB III METODOLOGI PENELITIAN

Pemampatan Citra. Esther Wibowo Erick Kurniawan

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI. Program aplikasi rute pengiriman barang dengan algoritma Genetik ini dibuat

BAB 3 METODOLOGI PENELITIAN

BAB IV HASIL DAN UJI COBA

OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG

BAB 4 HASIL DAN IMPLEMENTASI PROGRAM

BAB I PENDAHULUAN Latar Belakang

BAB 3 METODOLOGI PENELITIAN. Desain penelitian untuk Sistem Optimalisasi Produksi ini menggunakan

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN. pengembangan sistem pemugaran citra digital dengan algoritma exemplar-based

BAB IV HASIL DAN PEMBAHASAN

BAB 4 EVALUASI. Fraktal cukup rendah. Proses pembuatan di jalankan pada Komputer 1 dan diuji-cobakan pada. Monitor: VGA 15 resolusi 1024 x 768

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB VI PENGUJIAN. 6.1 Tujuan Pengujian. 6.2 Rancangan Pengujian

dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. akurasi =.

π merupakan suatu bilangan irasional yang menurut definisinya adalah

BAB 4 PENGUJIAN PROGRAM DAN HASIL PENGUJIAN

BAB III METODOLOGI PENELITIAN

BAB 4 IMPLEMENTASI DAN EVALUASI

Akurasi. Perangkat Lunak: Sistem operasi: Windows Vista Home Premium Aplikasi pemrograman: Matlab 7.0

BAB I PENDAHULUAN. Kemajuan teknologi informasi saat ini berdampak pada perkembangan ilmu

BAB IV IMPLEMENTASI DAN PENGUJIAN APLIKASI. Sistem pengolahan data merupakan satu kesatuan kegiatan pengolahan

BAB 4 IMPLEMENTASI DAN EVALUASI Implementasi Program Simulasi. mengevaluasi program simulasi adalah sebagai berikut :

BAB III METODOLOGI PENELITIAN

BAB 4 IMPLEMENTASI DAN EVALUASI. genetik yang dibuat. Dalam mengimplementasi program aplikasi diperlukan syarat

BAB IV IMPLEMENTASI DAN HASIL. Algoritma memetika untuk memprediksi kurs valuta asing pada tugas

BAB 1 PENDAHULUAN 1.1 Latar Belakang Adobe Photoshop Corel Draw 1.2 Rumusan Masalah

BAB V IMPLENTASI DAN PENGUJIAN

BAB I PENDAHULUAN 1.2. Latar Belakang Permasalahan

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB 1 PENDAHULUAN Pengantar

BAB 4 IMPLEMENTASI DAN EVALUASI. menjalankan aplikasi ini adalah : Prosesor Pentium IV 2.6 Ghz. Graphic Card dengan memori minimum 64 MB

BAB 1 PENDAHULUAN. perumusan persamaan integral tidak memerlukan syarat awal dan syarat batas.

BAB III METODOLOGI PENELITIAN

UKDW BAB 1 PENDAHULUAN

BAB I. PENDAHULUAN Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Pengantar 1.2 Latar Belakang Masalah

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODOLOGI PENELITIAN

BAB I PENDAHULUAN I.1. Latar Belakang

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB III METODOLOGI PENELITIAN

BAB V HASIL SIMULASI

BAB IV HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN. Generalisasi =

PENGGUNAAN FITUR ANGULAR INVARIANT UNTUK REGISTRASI OBYEK 3D

BAB III METODOLOGI PENELITIAN

BAB 4 IMPLEMENTASI DAN HASIL PENELITIAN

ALTERNATIF MODEL PEMAMPATAN MATRIKS JARANG DENGAN MENGGUNAKAN ALGORITMA GENETIK

BAB V PEMBAHASAN DAN UJI COBA HASIL PENELITIAN

BAB I PENDAHULUAN. oleh Allah swt di dalam Al Qur annya pada Surah At-Tin Ayat 4, yaitu: bentuk yang sebaik-baiknya. (QS. At-Tin:4).

BAB 4 HASIL DAN PEMBAHASAN. komputer dan sistem operasi dengan spesifikasi sebagai berikut : 2. Memory : 4,00 GB (3,85 GB usable)

BAB 1 PENDAHULUAN Latar Belakang

BAB 4 HASIL DAN PEMBAHASAN

BAB IV HASIL DAN UJI COBA

HASIL DAN PEMBAHASAN. B fch a. d b

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN. simulasi untuk mengetahui bagaimana performanya dan berapa besar memori

BAB III METODOLOGI PENELITIAN. 1. Spesifikasi laptop yang digunakan dalam penelitian ini adalah sebagai. Processor AMD Turion 64 X2 Dual Core 1,66 Ghz

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM. Processor : Intel Pentium IV 1.60 GHz RAM : 256 MB

BAB III METODOLOGI PENELITIAN

BAB 1 PENDAHULUAN 1.1 Pengantar 1.2 Latar Belakang Masalah

BAB 1 PENDAHULUAN. menggunakan sistem komputerisasi. Salah satu bentuk perusahaan yang sangat

BAB III METODOLOGI PENELITIAN

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. 1.2 Latar Belakang Masalah

Transkripsi:

BAB IV PERCOBAAN DAN ANALISIS Percobaan metode kompresi citra fraktal menggunakan algoritma genetika dilakukan menggunakan bahasa pemrograman Matlab 7.6.0.324 (R2008a). Percobaan dilakukan pada komputer dengan spesifikasi sebagai berikut: 1. Intel (R) Pentium (R) M Processor 1330 MHz 2. 768 MB RAM 3. Operating System: Windows XP Professional Service Pack 2 Percobaan dilakukan pada beberapa citra target. Semua citra target merupakan hasil download dari internet [19]. Berikut adalah daftar citra terget: 1. Citra Lenna 2. Citra Barbara 3. Citra Peppers 4. Citra Baboon 55

56 Berikut adalah gambar dari citra target: Citra Lenna Citra Baboon Citra Barbara Citra Peppers Gambar 19. Citra target 4.1 PEROBAAN KOMPRESI Percobaan dilakukan untuk mengetahui waktu kompresi dan tingkat kompresi yang dicapai. Percobaan dilakukan dengan memvariasikan

57 beberapa parameter diantaranya adalah ukuran blok ranah dan ukuran blok jelajah, maksimum generasi, jumlah kromosom, probabilitas pindah silang serta probabilitas mutasi. Waktu kompresi dihitung dengan menggunakan fungsi tic dan toc pada Matlab. Perhitungan waktu dimulai pada saat melakukan partisi citra dan berakhir setelah diperoleh transformasi untuk blok jelajah terakhir. Percobaan kompresi terhadap citra target dibagi menjadi beberapa percobaan sebagai berikut: 1. Percobaan pertama Percobaan pertama adalah percobaan kompresi terhadap semua citra target dengan parameter kompresi sebagai berikut: a. Ukuran blok ranah = 32 pixel dan ukuran blok jelajah = 16 pixel. b. Maksimum generasi = 5 c. Jumlah kromosom = 20 Parameter lain yang divariasikan adalah probabilitas pindah silang dan probabilitas mutasi. Waktu kompresi untuk beberapa citra target diberikan pada Gambar 20 sampai Gambar 23. 2. Percobaan kedua Percobaan kedua adalah percobaan kompresi terhadap Citra Pepers dengan parameter kompresi sebagai berikut: a. Ukuran blok ranah = 16 pixel dan ukuran blok jelajah = 8 pixel. b. Maksimum generasi = 5 c. Jumlah kromosom = 20

58 Parameter lain yang divariasikan adalah probabilitas pindah silang dan probabilitas mutasi. Waktu kompresi percobaan kedua diberikan pada Gambar 24. 3. Percobaan ketiga Percobaan ketiga adalah percobaan kompresi terhadap Citra Pepers dengan parameter kompresi sebagai berikut: a. Ukuran blok ranah = 64 pixel dan ukuran blok jelajah = 32 pixel. b. Maksimum generasi = 5 c. Jumlah kromosom = 20 Parameter lain yang divariasikan adalah probabilitas pindah silang dan probabilitas mutasi. Waktu kompresi percobaan ketiga diberikan pada Gambar 25. 4. Percobaan keempat Percobaan keempat adalah percobaan kompresi terhadap Citra Pepers dengan parameter kompresi sebagai berikut: a. Ukuran blok ranah = 32 pixel dan ukuran blok jelajah = 16 pixel. b. Probabilitas pindah silang = 0,7 c. Probabilitas mutasi = 0,1 Parameter lain yang divariasikan adalah maksimum generasi dan jumlah kromosom. Waktu kompresi percobaan keempat diberikan pada Gambar 26.

59 340 339 Probabilitas Mutasi = 0.7 338 337 waktu (s) 336 335 334 333 332 Gambar 20. Grafik waktu (Citra Peppers) 356 355 354 Probabilitas Mutasi = 0.8 353 waktu (s) 352 351 350 349 348 347 Gambar 21. Grafik waktu (Citra Barbara)

60 387 386.5 Probabilitas Mutasi = 0.8 386 waktu (s) 385.5 385 384.5 Gambar 22. Grafik waktu (Citra Baboon) 320 310 300 290 waktu (s) 280 270 260 250 Probabilitas Mutasi = 0.8 240 Gambar 23. Grafik waktu (Citra Lenna)

61 975 970 Probabilitas Mutasi = 0.8 965 waktu (s) 960 955 950 Gambar 24. Grafik waktu (Citra Peppers16) 157 156 155 Probabilitas Mutasi = 0.8 154 waktu (s) 153 152 151 150 Gambar 25. Grafik waktu (Citra Peppers64)

62 9000 8000 7000 Maksimum Generasi = 5 Maksimum Generasi = 10 Maksimum Generasi = 15 6000 waktu (s) 5000 4000 3000 2000 1000 0 20 40 60 80 100 120 140 160 180 Jumlah Kromosom Gambar 26. Grafik waktu (variasi maksimum generasi dan jumlah kromosom) Waktu yang dibutuhkan untuk kompresi berbanding lurus dengan jumlah pemasangan blok ranah dan blok jelajah. Semakin besar pemasangan jumlah blok ranah dan blok jelajah yang dilakukan maka akan semakin besar waktu kompresi. Berdasarkan percobaan, 1 juta pemasangan blok ranah dan blok jelajah setara dengan waktu 4.178,17 detik. Rasio kompresi yang dicapai diberikan pada Tabel 3.

63 Tabel 3. Rasio kompresi (ukuran blok ranah adalah 16 16 pixel) No Citra Target Rasio Kompresi (%) 1 Lenna 512 512 pixel 78,22 2 Barbara 512 512 pixel 78,22 3 Peppers 512 512 pixel 78,22 4 Baboon 512 512 pixel 78,22 5 Lenna 256 256 pixel 83,08 6 Barbara 256 256 pixel 83,08 7 Peppers 256 256 pixel 83,08 8 Baboon 256 256 pixel 83,08 9 Lena 128 128 pixel 83,83 10 Barbara 128 128 pixel 83,83 11 Peppers 128 128 pixel 83,83 12 Baboon 128 128 pixel 83,83 Tabel 4. Rasio kompresi (ukuran blok ranah adalah 32 32 pixel) No Citra Target Rasio Kompresi (%) 1 Lenna 512 512 pixel 94,56 2 Barbara 512 512 pixel 94,56 3 Peppers 512 512 pixel 94,56 4 Baboon 512 512 pixel 94,56 5 Lenna 256 256 pixel 95,76 6 Barbara 256 256 pixel 95,76 7 Peppers 256 256 pixel 95,76 8 Baboon 256 256 pixel 95,76 9 Lena 128 128 pixel 95,93 10 Barbara 128 128 pixel 95,93 11 Peppers 128 128 pixel 95,93 12 Baboon 128 128 pixel 95,93

64 Tabel 5. Rasio kompresi (ukuran blok ranah adalah 64 64 pixel) No Citra Target Rasio Kompresi (%) 1 Lenna 512 512 pixel 98,64 2 Barbara 512 512 pixel 98,64 3 Peppers 512 512 pixel 98,64 4 Baboon 512 512 pixel 98,64 5 Lenna 256 256 pixel 98,93 6 Barbara 256 256 pixel 98,93 7 Peppers 256 256 pixel 98,93 8 Baboon 256 256 pixel 98,93 9 Lena 128 128 pixel 98,95 10 Barbara 128 128 pixel 98,95 11 Peppers 128 128 pixel 98,95 12 Baboon 128 128 pixel 98,95 4.2 PERCOBAAN DEKOMPRESI Proses dekompresi dilakukan terhadap citra terkompresi pada percobaan yang telah dilakukan pada subbab 4.1. Proses dekompresi ini akan menghasilkan citra dekompresi yang merupakan pendekatan terhadap citra asli. Dikatakan pendekatan, karena antara citra asli dan citra hasil dekompresi terdapat sedikit kesalahan (error). Seberapa baik kualitas citra hasil dekompresi mendekati kualitas citra asli diukur oleh PSNR.

65 Grafik PSNR dari citra hasil dekompresi diberikan pada Gambar 24 sampai Gambar 29, sedangkan proses rekonstruksi citra diberikan pada Gambar 30 sampai Gambar 33. 23.6 23.5 23.4 23.3 PSNR (db) 23.2 23.1 23 22.9 22.8 Probabilitas Mutasi = 0.7 Gambar 27. Grafik PSNR (Citra Peppers)

66 22.4 22.3 22.2 Probabilitas Mutasi = 0.8 PSNR (db) 22.1 22 21.9 21.8 Gambar 28. Grafik PSNR (Citra Barbara) 19.8 19.75 19.7 PSNR (db) 19.65 19.6 19.55 19.5 Probabilitas Mutasi = 0.8 Gambar 29. Grafik PSNR (Citra Baboon)

67 24.9 24.8 24.7 PSNR (db) 24.6 24.5 24.4 24.3 Probabilitas Mutasi = 0.8 Gambar 30. Grafik PSNR (Citra Lenna) 28 27.8 27.6 PSNR (db) 27.4 27.2 27 26.8 Probabilitas Mutasi = 0.8 26.6 Gambar 31. Grafik PSNR (Citra Peppers16)

68 20.2 20.1 20 19.9 PSNR (db) 19.8 19.7 19.6 19.5 19.4 Probabilitas Mutasi = 0.8 19.3 Gambar 32. Grafik PSNR (Citra Peppers64) 26 25.5 25 PSNR (db) 24.5 24 23.5 Maksimum Generasi = 5 Maksimum Generasi = 10 Maksimum Generasi = 15 23 20 40 60 80 100 120 140 160 180 Jumlah Kromosom Gambar 33. Grafik PSNR (variasi maksimum generasi dan jumlah kromosom)

69 Berikut adalah beberapa proses dekompresi citra 1. Dekompresi Citra Lenna Citra awal Iterasi pertama Iterasi ke dua Iterasi ke enam Gambar 34. Dekompresi Citra Lenna

70 2. Dekompresi Citra Peppers Citra awal Iterasi pertama Iterasi ke dua Iterasi ke enam Gambar 35. Dekompresi Citra Peppers

71 3. Dekompresi Citra Barbara Citra awal Iterasi pertama Iterasi ke tiga Iterasi ke enam Gambar 36. Dekompresi Citra Barbara

72 4. Dekompresi Citra Baboon Citra awal Iterasi pertama Iterasi ke tiga Iterasi ke enam Gambar 37. Dekompresi Citra Baboon

73 4.3 ANALISIS HASIL KOMPRESI DAN DEKOMPRESI Dari beberapa percobaan kompresi dan dekompresi menggunakan metode kompresi citra fraktal dengan algoritma genetika dapat disimpulkan beberapa hal sebagai berikut: a. Algoritma genetika secara signifikan dapat mempersingkat waktu kompresi. Percobaan kompresi pada citra berukuran 256 256 pixel dengan ukuran blok ranah 16 pixel tanpa algoritma genetika membutuhkan jumlah pemasangan blok ranah dan blok jelajah sebanyak 475.799.552 pemasangan atau setara dengan 1.987.973,34 detik. Jika menggunakan algoritma genetika hanya dibutuhkan waktu sekitar 950-973 detik (tergantung pada probabilitas pindah silang dan probabilitas mutasi yang digunakan). Untuk lebih jelasnya perhatikan Gambar 24. Dalam hal ini, algoritma genetika mampu mengurangi waktu kompresi hingga 99,95%. b. Rasio kompresi yang dicapai oleh metode kompresi citra fraktal tergantung pada ukuran blok jelajah dan ukuran blok ranah yang digunakan serta dimensi dari citra target. Semakin besar ukuran blok jelajah dan blok ranah yang digunakan, semakin tinggi tingkat kompresi yang dicapai. Semakin kecil dimensi suatu citra -dengan ukuran blok ranah tetap- maka semakin tinggi tingkat kompresi. Jika ukuran blok jelajah dan blok ranah semakin besar maka jumlah blok ranah dan blok jelajah yang terbentuk semakin sedikit sehingga jumlah transformasi yang digunakan semakin

74 sedikit yang mengakibatkan besar memori untuk menyimpan transformasi juga semakin sedikit. Akan tetapi, semakin besar ukuran blok jelajah dan blok ranah maka kualitas citra hasil dekompresi akan semakin berkurang. Untuk lebih jelasnya perhatikan Gambar 24, Gambar 27 dan Gambar 28 yang semuanya adalah grafik PSNR hasil dekompresi Citra Peppers dengan ukuran blok ranah berturut-turut 32 pixel, 16 pixel dan 64 pixel. Terlihat bahwa kualitas citra semakin berkurang jika ukuran blok ranah dan blok jelajah semakin besar. c. Waktu kompresi citra yang dibutuhkan tergantung pada probabilitas pindah silang dan probabilitas mutasi. Secara umum, semakin besar probabilitas pindah silang dan probabilitas mutasi maka semakin sedikit waktu yang dibutuhkan. Perhatikan Gambar 20 sampai Gambar 26. d. PSNR yang dicapai tergantung juga tergantung pada probabilitas pindah silang dan probabilitas mutasi. Semakin besar probabilitas pindah silang dan probabilitas mutasi maka PSNR akan semakin besar. Perhatikan Gambar 27 sampai Gambar 33. e. PSNR dan waktu kompresi juga tergantung pada maksimum generasi dan jumlah kromosom yang digunakan. Semakin besar maksimum generasi dan jumlah kromosom maka PSNR dan waktu kompresi akan semakin besar. Untuk lebih jelasnya perhatikan Gambar 26 dan Gambar 29. f. PSNR dan waktu kompresi juga tergantung pada citra target. Citra target yang memiliki banyak kemiripan lokal akan menghasilkan PSNR yang besar dengan waktu kompresi yang sedikit, contoh: Citra Lenna dan Citra Peppers.

75 Sedangkan citra yang memiliki sedikit kemiripan lokal akan menghasilkan PSNR yang kecil dan waktu kompresi yang besar.