Tekni k Informati ka, U niversitas Gunadarma Jalan Margonda Raya No. 100, Pondok Cina – Depok
1 [email protected] , 2 [email protected] d,3 [email protected]
Abstrak
Fotografi telah menyebar sebagai bentuk citra dalam media massa yang memberi konfirmasi legitimasi yang kuat terhadap informasi, sehingga dibangunlah konsep dokumentasi dari foto sejarah dengan pendekatan teknologi informasi. Foto yang didapat dari berbagai sumber, akan dialih mediakan dengan proses reproduksi foto digital kemudian disimpan dalam bentuk format digital dalam resolusi terbaik. Kedepannya kumpulan foto tersebut diharapkan dapat dipublikasikan ke masyarakat untuk menjadi pembelajaran sejarah serta membentuk komunitas peduli akan foto sejarah yang masih banyak tersimpan dan tersebar diwilayah nusantara. Tahap awal foto disimpan dalam sebuah database foto, dengan metoda pencarian berdasarkan kata kunci. Tentu saja cara ini tidak praktis, melelahkan dan mahal karena masih manual dalam mendeskripsikan gambar di database. Untuk itu diadaptasilah pencarian berdasarkan gambar. Kedepannya akan diterapkan metoda pencarian foto dengan Content-based image retrieval (CBIR), aplikasi computer vision, digunakan untuk melakukan pencarian gambar digital pada suatu database, yang dianalisa dalam proses pencarian adalah actual contents(kandungan aktual) sebuah gambar. Istilah content pada konteks ini merujuk pada warna, bentuk, tekstur, atau informasi lain yang didapatkan dari gambar tersebut. Untuk dapat melakukan proses pencarian harus dilakukan pengambilan gambar kemudian proses ekstraksi fitur sehingga dari hasil ekstraksi fitur tersebut dapat di ketahui i nformasi dari gambar. Proses ekstraksi fitur warna di gunakan metode histogram HSV.
Kata Kunci : fotografi, digital, sejarah, CBIR, pencarian.
1. Pendahuluan
Atas dasar sejarah yang sangat bernilai dan merupakan bukti dari banyak peristiwa yang tercecer dimasa lalu dalam media foto, sangat perlu untuk dirawat dan dilestarikan fakta beritanya. Untuk itu dimulailah sebuah gagasan sederhana dalam upaya mengumpul kan dokumentasi foto-foto sej arah tersebut. Dengan demikian dirasakan perlu sebuah aplikasi yang dapat menampung arsip foto tersebut dengan metoda arsip dokumentasi berbasis teknologi.
Dari latar belakang tersebut dapat diambil perumusan masalah sebagai berikut;
a) Upaya pelestarian foto sejarah dengan melakukan reproduksi ulang dalam format digital.
b) Membangun sebuah database foto sejarah dengan metoda pencarian tertentu c) Membangun kesadaran masyarakat akan
koleksi foto sejarah Indonesia
d) Terbangunnya komunitas yang peduli akan foto sejarah indonesia dan ikut dalam upaya menggali foto sejarah yang masih tersebar di mana-mana. e) Membuat alternatif cara pencarian foto
dengan foto (CBIR).
Foto-foto yang ada akan dikumpulkan untuk direproduksi ulang secara digital. Dengan memanfaatkan teknologi yang ada saat ini, proses reproduksi ulang foto dapat dilakukan melalui pemotretan digital ulang maupun dengan alat scanner digital [7].
Saat ini beberapa koleksi foto teroganisir dalam beberapa kelompok dokumentasi foto sejarah yang terkumpul yaitu; PETA, IPPHOS, IDAYU, RACH, VARIA, Negatif Film. Diantaranya merupakan koleksi yang dikoordinir oleh kelompok dokumentasi foto sejarah indonesia dalam dekade tertentu.
Proses awal yang dilakukan adalah pembuatan database foto secara komputerisasi dan digital,
dengan format digital. Saat ini proses yang berjalan masih dalam tahap pengumpulan dokumentasi dan alih media, dan permasalahan yang cukup sulit adalah membuat ‘key word’ untuk menentukan tema foto dalam proses pencarian. Aplikasi yang dibangun saat ini masih dalam tahap sederhana dengan proses reproduksi foto yang ada di dapat dari pinjaman koleksi pemilik foto sejarah,berdasarkan sumber nomor kode pemilik dokumen, dan akan dikembangkan pada tahap proses pencarian berdasarkan informasi foto hingga penerapan pencarian berdasarkan algoritma foto (content based image retrieval).
KNSI 2014
389
2. Metodologi
2.1 Database Katalog Foto
Teknologi yang dikembangkan saat ini masih berupa penyimpanan digital dalam bentuk aplikasi webbase. Setiap foto yang didapat akan direproduksi ulang melalui proses Photorepro dan scanning digital. Setiap file yang dihasilkan dalam format image berupa jpeg, dan tiff. Pemilihan format gambar ini dengan alasan sebagai berikut;
JPG / JPEG (Joint Photographic Experts Assemble). Kompresi JPG mempunyai kekurangan yang bersifat permanen, namun teknologi ini hanya digunakan untuk menyimpan data yang besar di media penyimpanan yang terbatas, bukan untuk manipulasi foto [8]. JPG sudah digunakan dan menjadi standar gambar di internet karena ia bisa dikompresi hingga ukuran kecil. Untuk itu dipilih JPG bila aplikasi ini akan diintegrasikan dimedia internet online.
TIFF (Tagged Image Format File) merupakan format gambar terbaik dengan pengertian bahwa semua data dan informasi (data RGB, data CMYK, dan lainnya) yang berkaitan dengan koreksi atau manipulasi terhadap gambar tersebut tidak hilang [8]. Format TIFF biasa digunakan untuk kebutuhan pencetakan dengan kualitas gambar yang sangat tinggi sehingga ukuran berkas untuk format ini biasanya sangat besar, karena dalam file ini gambar tidak dikompresi. Format ini juga mudah digunakan untuk transfer antar program.
2.2. Metode pencarian
Pencarian dokumentasi foto digital yang disimpan pada database akan disimpan dalam dua jenis format diatas dengan kualitas terbaik pada format TIFF. a. Kata kunci
Pada umumnya dokumentasi digital yang disimpan dengan aplikasi yang memiliki database disimpan dengan nama file dan kata kunci yang mengikuti keterangan dari gambar. Tahap awal penelitian ini masih diutamakan mengalih mediakan semua dokumentasi yang ada dari bentuk fisik ke bentuk digital dengan kualitas yang terbaik. Penyimpanan dilakukan dengan pengkodean nama file sesuai sumber foto. Berlanjut dengan
menambahkan informasi yang berupa ‘kata kunci’ dari peristiwa foto yang ada, dan permasalahan disini pun muncul.
Sulitnya menentukan kata kunci yang dapat beragam dari ‘kata kunci’ yang terdapat pada foto tersebut, hingga membuat ‘kata kunci’ pencarian dari gambar dapat lebih dari satu, dua bahkan lebih banyak. Kerancuan tema dalam setiap foto berdasarkan informasi yang terdapat didalam foto akan menjadi kendala bagi pengelola dokumentasi foto yang disimpan dalam database informasi pencarian foto.
Gambar 1. Pencarian Gambar Berdasarkan Keyword
Sumber : Perpus Nas Bagian Reproduksi Foto Tag dan kata kunci itu berupa antara lain, Objek yang menj adi fokus foto, suasana dan kejadian foto, waktu kejadian foto, berita yang menyangkut kejadian foto, yang bisa jadi kata digunakan sangat banyak sinonim yang terjadi. Penginputan kata yang dilakukan akan sangat banyak beragam dan saling keterkaitan, selain itu waktu yang digunakanpun menjadi lebih banyak dalam proses penyimpanan setiap foto kedalam database.
b. Berdasarkan gambar
Kedepannya aplikasi ini akan menerapkan metode Konten berbasis Image Retrieval (CBIR) terdiri dari mengambil gambar yang paling mirip secara visual dengan gambar query yang diberikan dari database gambar. "Content-based" berarti bahwa pencarian akan menganalisis isi sebenarnya dari gambar dari pada metadata seperti kata kunci, tag, dan / atau deskripsi terkait dengan gambar. Istilah 'konten' dalam konteks ini merujuk pada warna, bentuk, tekstur atau lainnya. Informasi yang dapat diperoleh dari gambar itu sendiri [5, 6]
Dalam penelitian A. Komali, 2012 [3] menyatakan bahwa kebanyakan gambar dalam mesin pencari berbasis web mengandalkan murni pada metadata dan menghasilkan banyak sampah ketika hasil ditampilkan. Juga, secara manual memasukkan kata kunci untuk gambar dalam database yang besar tidak efisien, mahal dan mungkin tidak menangkap setiap kata kunci yang menjelaskan gambar. Demikian sebuah sistem yang dapat menyaring gambar berdasarkan konten yang akan memberikan pengindeksan lebih baik dan memberikan hasil yang lebih akurat.
Gambar 2. Content Based Image Retriecal System Sumber : Dr. Nagaraja, Samir Sheriff, Raunaq
Kaumar, 2013
Content Based Image Retrieval System (CBIR) merupakan suatu tekni k pencari an kembali
KNSI 2014
390
gambar yang mempunyai kemi ri pan karakteri sti k atau content dari sekumpulan gambar. Proses umum dari CBIR adalah gambar yang menjadi query dilakukan proses ekstraksi fitur, begitu halnya dengan gambar yang ada pada sekumpul an gambar juga dilakukan proses seperti pada gambar query. Fitur gambar yang dapat digunakan untuk retrieval pada system ini misalnya histogram, susunan warna, teksture, dan shape, ti pe spesifi k dari obyeç ti pe event tertentu, nama i ndividu, lokasi, emosi.
Fokus pembahasan pada bagian ini adalah penggunaan color histogram pada image retrieval. > Pengukuran Jarak Antar Dua Histogram
Fitur warna merupakan fitur yang paling banyak digunakan pada sistem CBIR. Banyak diantaranya mengunakan image color histogram. Color histogram antara dua gambar tadi kemudian di hitung jaraknya. Gambar yang memi li ki jarak paling kei l, merupakan sol usi nya.
Sebagai penjelasan, dimisalkan ada dua gambar dengan histogram 4 warna yang sudah terkuanti sasi sebagai berikut:
HA = {20%, 30%, 10%, 40%} HB = {10%, 10%, 50%, 30%}
Literatur [11] menyebutkan cara termudah untuk menghitungnya, yaitu dengan dengan menggunakan rumus:
Ji ka ni lai 2 histogram tersebut di masukkan ke dal am rumus di atas, maka hasi l nya adalah sebagai beri kut: d(A,B) = |0.2 - 0.1| + |0.3 - 0.1| + |0.1 - 0.5| + |0.4 - 0.3| = 0.8
Cara lain untuk mel akukan perhitungan jarak antar dua histogram adal ah menggunakan rumus jarak Euclidan. Rumusnya:
Jika nilai dua histogram diatas dimasukkan ke dal am rumus, maka hasi l nya adalah sebagai beri kut: > Colour Histogram Type
Histogram warna terdi ri dari dua ti pe, Global colour histograms (GCHs) dan Local colour histograms (LCHs). Pada penggunaan GCH, distri busi warna global suatu gambar di ambi l dan digunakan sebagai metada. Jika pengguna mencari gambar dengan yang dalam sistem databasenya hanya memperhati kan distri busi warna global suatu gambar, memang, GCH adalah pilihan terbaik. Walaupun demikian, karena GCH hanya mengambil distribusi warna global suatu gambar sebagai perti mbangan untuk membandi ngkan gambar, i ni bisa mengembal i kan hasi l yang tidak sesuai dengan persepsi visual [7].
M isal kan ada ti ga gambar yang tel ah dikuantisasi menjadi tiga warna: hitam, abu-abu, dan putih (gambar 3). M isalkan gambar A adalah query image, sedangkan gambar B dan C adalah gambargambar dalam database.
Gambar 3. Tiga Gambar yang Terkuantisasi Menjadi 3 Warna
Sumber : Yanu Widodo, 2003 Tabel 1. GCH Image A, B dan C
Sumber : Yanu Widodo, 2003 Sedangkan Distribusi warna (GCH) tiga gambar diatas adalah seperti pada tabel. M aka, jarak antara gambar A dengan gambar B dan C adal ah:
d(A,B) = |0.375 - 0.3125 | + |0.375 - 0.375 | + |0.25- 0.3125 | = 0. 125
d(A,C) = |0.375 - 0.375 | + |0.375 - 0.375 | + |0.25 - 0.25| = 0 Dari hasil pembandingan, gambar C ternyata ditemukan l ebi h mi rip dari pada gambar B (karena jarak C lebih keil). Padahal, sesuai dengan persepsi, yang l ebi h mi rip dengan gambar A sebenarnya adalah gambar B [11].
GCH merepresentasikan keseluruhan bagian gambar dengan satu histogram. Sedangkan LCH membagi gambar menjadi beberapa bagian dan kemudian mengambi l histogram warna tiap bagian tadi. L CH memang beri si lebi h banyak i nformasi tentang gambar, namun metode i ni membutuhkan lebih banyak proses komputasi [1,9].
3. Hasil Penelitan dan Analisa
Dalam merealisasikan Pengembangan Sistem Pelacakan dan Dokumentasi Foto Sejarah Indonesia dengan pendekatan Content Based Image Retrieval i n i , m e m i l i k i b e b e r a p a t a h a p a n d a l a m pengimplementasiannya. Tahapan-tahapan tersebut adalah sebagai berikut :
1. Melakukan Reproduksi Foto dalam format digital.
2. Mengumpulkan foto dalam satu database. 3. Menyimpan dengan menambahkan
informasi keyword (terbatas) disetiap foto yang dii nput.
4. Pengembangan pelacakan foto menggunakan CB IR.
Foto disimpan dalam format TIFF untuk menjaga kualitas terbaik dari proses Reproduksi Foto. Disini kami melihat bagaimana penyimpanan koleksi foto dalam format digital yang disimpan dengan menyertakan informasi kata kunci membutuhkan waktu yang cukup banyak. Penentuan kata kunci untuk dimasukkan pada saat gambar disimpanpun sering muncul kerancuan atas sinonim kata yang di maksud.
KNSI 2014
391
Database yang dibuat pada tahap perancangan dibentuk diagram UM L. Melalui diagram dapat menentukan tindakan dan langkah yang harus diambil pada tahap selanjutnya. Untuk penyimpanan database foto , akan disimpan pada MySQL. Dalam pembuatan sistem pelacakan dan dokumentasi foto sejarah Indonesia, menggunakan bahasa pemrograman PHP.
3.1 Rancangan Sistem
Untuk rancangan sistem, Diagram Start Unified Modeling Language (UML). Start UML dikembangkan sebagai suatu alat untuk analisis dan rancangan berorientasi objek. Diagram yang digunakan dalam perancangan sistem penggajian adalah diagram Use Case Diagram, Sequence Diagram, Activity Diagram, dan Class Diagram. > Use Case Diagram
Use case diagram terdiri atas diagram untuk use case dan actor. Actor merepresentasi kan orang yang akan mengoperasikan atau orang yang berinteraksi dengan sistem aplikasi. Actor yang melakukan operasi dihubungkan dengan garis lurus ke use case. Menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan “bagaimana” [2].
Admin dapat melakukan upload foto per kategori dimana terlebih dahulu melakukan login. Sedangkan untuk pengguna dapat menyi mpan foto yang sudah didapatkan dari hasil pelacakan fotonya.
Gambar 4. Diagram Use Case
Sistem Pelacakan dan Dokumentasi Foto Sejarah Indonesia > Activity Diagram
Ac t i v i t y d ia gra m l e b i h fo k us kep ada menggambarkan proses bisnis dan urutan aktivitas dalam sebuah proses. Dipakai pada business modeling untuk memperlihatkan urutan aktifitas proses bisnis. Memiliki pula manfaat yaitu apabila membuat diagram ini terlebih dahulu dalam memodelkan sebuah proses untuk membantu memahami proses secara kesel uruhan.
1. Proses Penguploadan Foto oleh Admin
Gambar 5. Diagram Activity Admin 2. Proses Pelacakan dan Dokumentasi Foto oleh
Pengguna
Gambar 6. Diagram Activity Pengguna
Sistem Pelacakan dan Dokumentasi Foto Sejarah Indonesia
Upload Photo <<include>> Login Admin <<include>> Searching Photo <<extend>> Simpan Photo Pengguna
Gambar 4. Diagram Use Case
KNSI 2014
392
> Class Diagram
Class Diagram adalah suatu diagram yang memperl i hatkan atau menampi l kan struktur dari sebuah sistem,sistem tersebut akan menampilkan system kelas,atribut dan hubungan antara kelas ketika suatu sistem telah selesai membuat diagram. Secara umum kelas dalam UM L dinotasikan sebagai beri kut Nama Class, Daftar Atri but, Daftar Operasi.
Gambar 7. Diagram Class untuk Sistemn Pelacakan dan Dokumentasi Foto Sejarah
Indonesia 4. Proses dan Hasil
Foto yang di upload oleh Admin tersebut akan tersi mpan dalam database dan akan di cari berdasarkan kode dari nama pemi li k foto (V aria, iPPhos, iDayu, Rach, Peta, Negatif Film) yang di digitalisasikan.
Gambar 8. Pencarian oleh Pengguna dari Aplikasi Mengakses
Server Database Foto Sejarah
Apl i kasi i ni berbasis web untuk mudah diti ngkatkan pada tahap publ i kasi secara online dan penyesuaian teknologi internet mobile. Setiap foto yang tersi mpan akan dapat diakses oleh pengguna dengan kata kunci yang dii ngi nkan.
5. Penutup
Tahap sel anjutnya yang akan di kembangkan adalah penerapan pencarian dengan memasukkan berdasarkan kata informasi yang ada pada foto. Dan di l anjutkan dengan proses pencarian dengan foto yang sejenis atau di si ngkat CBIR. Proses umum dari CBIR
adalah pada gambar yang menjadi query di lakukan proses ekstraksi feature (image contents), begitu halnya dengan gambar yang ada pada sekumpulan gambar juga di lakukan proses seperti pada gambar query. Parameter feature gambar yang dapat di gunakan untuk retrieval pada system i ni dapat berupa histogram, susunan warna, teksture, dan shape, ti pe spesifi k dari obyek, ti pe event tertentu, nama individu, lokasi, emosi
Gambar 9. Penerapan CBIR pada database foto
Sumber : www.google.com
Database yang yang di bangun akan tetap disinergikan dengan pengembanagan teknologi metode pencarian CBIR. Dalam tahap serangkaian ujicoba dan analisis, dan kita berkesimpulan proses CBIR berdasarkan ekstraksi fitur warna yaitu metode Local Color Histogram, menghasilkan citra hasi l pencarian yang banyak secara jumlah namun tidak sesuai secara kualitas karena pengaruh citra geometri mi sal nya citra yang di rotasi, karena ada citra yang penyebaran warnanya jauh namun tetap ditampi l kan sebagai hasi l pencarian. Sedangkan metode Global Color Histogram, menghasilkan citra hasil pencarian yang sebaliknya. Kualitas pencarian Local Color Histogram, dan hasil pencariannya tidak terpengaruhi ol eh citra geometri. Sehi ngga l ebih
efektif karena hanya menampi l kan citra yang mempunyai penyebaran warna yang mi rip dengan citra query nya dan hal tersebut l ebi h cocok dengan foto sejarah yang hitam putih.
Daftar Pustaka:
[1] Al-Thayeche dan Khalil Ahmed, 2003,“CBIR : Content Based Image Retrieval” Deaprtment of System and Computer Engineering, Faculty of Engineering, Carleton University.
[2] Dharwiyanti Sri dan Wahono Romi Satria, 2003, Pengantar Unified Modelling Language,
http://ikc.dinus.ac.id/, 12 Desember 2013.
[3] Komali A and Kumar V. Satih and Babu K. Ganapathi Babu and Ratman A.S.K, 2012, 3D Color Feature Extraction in Content-Based Image Retrieva, International Journal of Soft Computing and Engineering (IJSCE).
[4] Kumar A. Rames and Saravanan D, 2013, Content Based Image Retrieval Using Color Histogram, International Journal of Computer Science and Information Technologies (IJCSIT).
KNSI 2014
393
Raunaq, 2013, Implementation of Content- B as e d I m a ge R e t ri e v al Us i ng C F S D Algorithm, IJRET.
[6] Qi Hairong and Snyder Wesley E, 1999, Content Based Image Retrieval in Picture Archiving and Communication Systems, Journal of Digital Imaging, Vo112, No 2. [7] Ti sawalad A hmad 2009, Sejarah Fotografi di
Indonesia, http://dinofz.blogspot.com , 10 Desember 2013.
[8] Vitale Tim, 2010, Digital Image File Formats and their Storage--TIFF, JPEG & JPEG2000,
http://vitaleartconservation.com/PDF/digital i mage file formats n storage v20a.pdf,
1 2
Desember 2013.
[9] Wang Shengjiu, “A Robust CBIR Approach Using Local Color Histogram” Department of Computer Science, University of Alberta, Edmonton, Alberta, Canada, Tech. Rep. TR 01-13, October 2001.
[10] Widodo Y uda, 2003, Penggunaan Color Histogram dalam CBIR, http://ikc.dinus.ac.id/, 12 Desember 2013.
[11] Zhang Yue, "On the use of CBIR in Image Mosaic Generation”, University of Alberta, Edmonton, Alberta, Canada, 2002.