Implementasi Sistem Pengujian Sistem

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem

Setelah melakukan proses analisis dan perancangan sistem, proses selanjutnya dalam penerapan pembuatan sistem adalah proses implementasi dan pengujian sistem. Implementasi sistem merupakan hasil dari penerapan proses analisis dan perancangan sehingga mendapatkan sebuah sistem yang utuh. Sistem pada penelitian ini dirancang dengan menggunakan bahasa pemrograman C dan menggunakan software SharpDevelop 4.2. Sistem ini memiliki 4 menu yaitu menu Home, menu Implementation, menu Help, menu About. 4.1.1 Menu Home Menu home merupakan form yang ditampilkan pertama kali pada saat sistem dijalankan. Form ini berisi menu bar dan tentang informasi mengenai judul penelitian, logo fakultas, nama dan nim penulis, dan program studi. Berikut ini tampilan menu home dapat dilihat pada Gambar 4.1 sebagai berikut : Universitas Sumatera Utara Gambar 4.1 Menu Home 4.1.2 Menu Implementation Menu implementation merupakan tampilan yang berisi segala proses pengolahan citra yang terjadi pada sistem yaitu proses metode dan segala perhitungan dari metode yang digunakan pada penelitian yaitu metode Image Averaging dan parameter Mean Square Error MSE, Peak Signal to Noise Ratio PSNR dan running time. Tampilan dari form implementasi ini dapat dilihat pada Gambar 4.2 dan simulasinya pada Gambar 4.3 dibawah ini : Universitas Sumatera Utara Gambar 4.2 Menu Implementation Gambar 4.3 Simulasi Menu Implementation Universitas Sumatera Utara 4.1.3 Menu Help Menu help merupakan form yang berisi tentang penjelasan dari cara penggunaan sistem. Berikut ini tampilan dari menu help dapat dilihat pada Gambar 4.4 sebagai berikut : Gambar 4.4 Menu Help 4.1.4 Menu About Menu about merupakan form yang berisi foto dan biodata pembuat sistem. Tampilan menu about dapat dilihat pada Gambar 4.5 sebagai berikut : Universitas Sumatera Utara Gambar 4.5 Menu About

4.2 Pengujian Sistem

Pengujian sistem dilakukan untuk mengetahui apakah sistem yang dibangun telah berjalan dengan baik untuk memperbaiki kualitas citra digital yang telah ditanamkan visible watermark dengan menggunakan photo editor seperti Adobe Photoshop. Pengujian akan dilakukan dengan menggunakan citra digital yang berformat .bmp citra digital tersebut merupakan citra warna citra RGB dan berukuran maksimal 500 x 500 piksel. Kemudian akan dilakukan proses eksekusi piksel daerah citra yang ber-watermark dengan cropping terlebih dahulu kemudian proses metode Image Averaging akan dieksekusi pada piksel citra daerah watermark. Universitas Sumatera Utara 4.2.1 Pengujian Image Averaging Pengujian sistem pada metode Image Averaging ini menggunakan matrik kernel 5 x 5 kemudian dibagi menjadi 2 pengujian yaitu pada piksel-piksel citra daerah visible watermark dengan ukuran 200 x 100 piksel dan 250 x 150 piksel. 4.2.1.1 Image Averaging 200 x 100 piksel Pada pengujian Image Averaging ini bertujuan untuk mengimplementasikan kinerja dari metode Image Averaging pada piksel citra daerah visible watermark dengan ukuran 200 x 100 piksel. Hal pertama yang dilakukan ketika sistem dijalankan yaitu memilih menu Implementation pada form Home. Selanjutnya pilih citra dengan format .bmp yang akan diproses dengan menekan tombol Browse. Adapun proses tersebut dapat dilihat pada Gambar 4.6 dan Gambar 4.7 sebagai berikut : Gambar 4.6 Pilih menu Implementation Universitas Sumatera Utara Gambar 4.7 Browse citra .bmp pada file direktori Selanjutnya sistem akan menampilkan citra yang telah dipilih oleh user, dimana citra akan langsung masuk ke dalam picture box citra visible watermark sehingga nama file dan ukuran citra akan tampil pada text box nama file dan ukuran file. Pada proses ini akan ditampilkan dengan memilih citra dengan nama file “burung watermark.bmp” yang memiliki ukuran file “500 x 500 piksel”. Proses menampilkan citra yang telah di-input dapat dilihat pada Gambar 4.8 sebagai berikut : Universitas Sumatera Utara Gambar 4.8 Hasil input citra visible watermark Setelah proses input citra berhasil, maka dilakukan proses eksekusi piksel citra daerah visible watermark pada picture box dengan cara menekan tombol generate sehingga citra yang memiliki daerah piksel visible watermark akan melakukan proses cropping dengan ukuran 200 x 100 piksel kemudian citra ini akan memproses metode Image Averaging yang hasilnya akan ditampilkan pada picture box. Proses ini dapat dilihat pada Gambar 4.9 sebagai berikut : Universitas Sumatera Utara Gambar 4.9 Hasil citra daerah visible watermark 200 x 100 piksel Setelah proses cropping citra piksel daerah visible watermark dan proses Image Averaging diatas berhasil kemudian citra akan memulai untuk proses perbaikan citra keseluruhan yang akan ditampilkan pada picture box dengan menekan tombol result, kemudian sistem akan menghitung nilai Mean Square Error MSE, Peak Signal to Noise Ratio PSNR dan running time selama proses berlangsung. Proses ini dapat dilihat pada Gambar 4.10 sebagai berikut : Universitas Sumatera Utara Gambar 4.10 Hasil perbaikan citra 200 x 100 piksel Setelah hasil perbaikan citra telah didapatkan dan telah mengetahui nilai dari MSE, PSNR, dan running time pada citra selama proses berlangsung citra dapat langsung disimpan pada direktori dengan menekan tombol save. 4.2.1.2 Image Averaging 250 x 150 piksel Pada pengujian Image Averaging bagian ini yang akan diproses yaitu piksel citra daerah visible watermark dengan ukuran 250 x 150 piksel. Hal ini dapat dilakukan berlanjut dari proses-proses yang telah dilakukan sebelumnya. Hal pertama yang dilakukan adalah dengan menekan tombol generate untuk menampilkan citra proses cropping piksel 250 x 150 piksel citra daerah visible watermark yang kemudian citra ini akan diproses menggunakan metode Image Averaging. Citra yang telah diproses akan tampil pada picture box, proses ini dapat dilihat pada Gambar 4.11 sebagai berikut : Universitas Sumatera Utara Gambar 4.11 Hasil citra daerah visible watermark 250 x 150 piksel Setelah proses cropping citra piksel daerah visible watermark dan proses Image Averaging diatas berhasil kemudian citra akan memulai untuk proses perbaikan citra keseluruhan yang akan ditampilkan pada picture box dengan menekan tombol result, kemudian sistem akan menghitung nilai Mean Square Error MSE, Peak Signal to Noise Ratio PSNR dan running time selama proses berlangsung. Proses ini dapat dilihat pada Gambar 4.12 sebagai berikut : Universitas Sumatera Utara Gambar 4.12 Hasil perbaikan citra 250 x 150 piksel Setelah hasil perbaikan citra telah didapatkan dan telah mengetahui nilai dari MSE, PSNR, dan running time pada citra selama proses berlangsung citra dapat langsung disimpan pada direktori dengan menekan tombol save. 4.2.2 Pengujian Analisis Citra Pengujian analisis citra ini bertujuan untuk menganalisis citra asli citra tanpa visible watermark dan citra yang telah diperbaiki kualitas citranya. Pengujian ini dilakukan dengan membandingkan citra menggunakan parameter Mean Square Error MSE, Peak Signal to Noise Ratio dan juga running time yang akan menghitung waktu selama proses berlangsung. Hal pertama yang dilakukan adalah memilih citra asli tanpa visible watermark dengan format .bmp dengan cara menekan tombol browse sehingga citra akan tampil pada picture box dan identitas citra akan tampil berupa nama file dan ukuran citra tersebut pada text box , dimana pada pengujian ini dipilih citra dengan nama file “burung asli.bmp” dengan ukuran “500 x 500 piksel”. Citra ini merupakan citra asli tanpa visible watermark Universitas Sumatera Utara dari citra yang telah ditanam visible watermark yang telah diproses sebelumnya. Proses ini dapat dilihat pada Gambar 4.13 sebagai berikut : Gambar 4.13 Hasil input citra asli Setelah input citra asli berhasil, citra ini akan dibandingkan dengan citra yang telah di-input sebelumnya yaitu citra yang telah ditanam visible watermark dengan cara menekan tombol result, maka hasil dari citra akan tampil pada picture box dan hasil nilai MSE, PSNR, running time akan tampil pada text box. Proses ini dapat dilihat pada Gambar 4.14 sebagai berikut : Universitas Sumatera Utara Gambar 4.14 Hasil analisis citra asli dan citra visible watermark Pada gambar 4.14 dapat dilihat bahwa nilai Mean Square Error MSE yang didapat lebih besar dari nilai Mean Square Error pada citra yang telah diperbaiki. Maka dari yang telah diketahui bahwa besarnya terjadi nilai error pada citra yang telah ditanamkan visible watermark. Dan kecilnya nilai dari Peak Signal to Noise Ratio nya.

4.3 Hasil Pengujian