4. multimedia design

Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978-602-19837-0-6

Multimedia Design 4-1

Perbaikan Kualitas Citra Digital Hasil Capture Webcam yang Terintegrasi dengan Software SIMAK UNWIRA

Paskalis Andrianus Nani

Program Studi Teknik Informatika Universitas Katolik Widya Mandira Kupang [email protected]

Abstrak Kualitas citra digital hasil capture webcam

yang terintegrasi dengan software SIMAK UNWIRA (Sistem Informasi Akademik dan Kemahasiswaan Universitas Katolik Widya Mandira) masih kurang baik. Hal ini mempengaruhi hasil cetakan kartu ujian sipenmaru, dimana foto calon mahasiswa terlihat agak gelap dan kabur. Bukan hanya sampai di situ saja, foto yang sama juga nantinya akan digunakan pada kartu identitas mahasiswa jika calon yang bersangkutan dinyatakan lulus.

Perbaikan kualitas citra (image enhancement) adalah proses memperjelas dan mempertajam ciri/fitur tertentu dari citra agar citra lebih mudah dipersepsi maupun dianalisis secara lebih teliti. Secara matematis, image enhancement dapat diartikan sebagai proses mengubah citra f(x,y) menjadi f’(x,y) sehingga cirri-ciri yang dilihat pada f(x,y) lebih ditonjolkan. Image enhancement tidak meningkatkan kandungan informasi, melainkan jangkauan dinamis dari ciri agar bisa dideteksi lebih mudah dan tepat.

Metode yang digunakan dalam penelitian ini adalah menggabungkan teknik image brightness dan histogram equlization. Hasil dari penelitian ini dapat menjadi solusi untuk diimplementasikan dalam proses perbaikan kualitas citra digital hasil capture webcam yang terintegrasi dengan software SIMAK UNWIRA. 1. Pendahuluan

SIMAK UNWIRA merupakan sebuah aplikasi sistem informasi kemahasiswaan dan akademik. Salah satu fungsi aplikasi tersebut adalah meng-capture foto calon mahasiswa dan menyimpannya dalam database untuk kemudian digunakan dalam pencetakan kartu ujian seleksi penerimaan mahasiswa baru (sipenmaru) dan kartu identitas mahasiswa.

Kualitas citra digital hasil capture webcam tersebut masih kurang baik. Hal ini mempengaruhi hasil cetakan kartu ujian sipenmaru, dimana foto calon mahasiswa terlihat agak gelap dan kabur.

Bukan hanya sampai di situ saja, foto yang sama juga nantinya akan digunakan pada kartu identitas mahasiswa jika calon yang bersangkutan dinyatakan lulus.

Banyak software pengolah gambar yang dapat digunakan untuk memperbaiki kualitas citra tersebut, misalnya adobe photoshop. Namun, penggunaan software tambahan tersebut menjadi tidak efektif karena operator harus secara manual meng-edit foto calon satu-persatu.

“Digital image processing” diperkenalkan pertama kali di New York, USA pada awal tahun 1920-an. Pertama kalinya digunakan untuk meningkatkan kualitas gambar Koran yang dikirimkan oleh kabel bawah laut yang terbentang antara London dan New York. Sampai tahun 1960-an perkembangannya tidaklah terlalu menggembirakan. Namun pada akhir tahun 1960-an, dimana perkembangan komputer yang pesat dan mampu menawarkan kecepatan dan kapasitas yang lebih tinggi memacu perkembangan dari implementasi algoritma pemrosesan citra yang lebih pesat lagi. Untuk saat ini penggunaan dari pemrosesan citra telah melingkupi berbagai macam disiplin ilmu diantaranya bidang Arsitektur, Geografi, Ilmu Komputer, Kedokteran, Fotografi, Arkeologi, dan lain sebagainya. [1]

Banyak teknik yang ditemukan oleh para peneliti untuk menghilangkan noise pada sebuah cita digital maupun untuk menghasilkan sebuah citra yang lebih jernih daripada aslinya. [2]

Uma[3], dalam tulisannya mengusulkan sebuah teknik untuk restorasi citra berwarna menggunakan highly nonlinear morphological neuron dalam pengolahan citra digital untuk mendapatkan hasil restorasi citra warna yang berkualitas tinggi. Dalam tulisannya, citra warna diperlakukan sebagai distribusi model warna RGB. Kemudian setiap level warna diproses layaknya citra grayscale.

Hassan[4], memperkenalkan teknik contrast enhancement untuk citra yang kabur dan gelap. Tujuannya adalah menghasilkan teknik contrast enhancement untuk memperbaiki area citra digital yang kabur dan gelap serta meningkatkan kualitas



visual citra tersebut. Metode ini terdiri dari dua langkah utama yaitu: unsharp masking dan contrast enhancement. Proses yang dilakukan pada kedua tahapan ini adalah mempertajam tepi dan menonjolkan detail citra yang tersembunyi. Kemudian piksel-piksel tertentu akan ditentukan untuk dipetakan ulang atau tidak. Nilai baru dari piksel yang akan dipetakan diperoleh berdasarkan fungsi peta sigmoid.

Teknologi pengolahan citra digital yang sudah berkembang pesat ini dapat menjadi solusi untuk diimplementasikan dalam proses perbaikan kualitas citra digital hasil capture webcam yang terintegrasi dengan software SIMAK UNWIRA, salah satunya adalah menggunakan teknik image enhancement.

Penelitian ini mencoba menggabungkan teknik image brightness dan histogram equalization sebagai solusi yang efektif untuk perbaikan kualitas foto hasil capture wabcam yang terintegrasi dengan software SIMAK UNWIRA. 2. Landasan Teori

Pengolahan citra atau image processing adalah suatu proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer. Jadi, masukannya adalah citra dan keluarannya juga adalah citra, namun citra keluaran memiliki kualitas yang lebih baik dari citra masukan.[8]

Dasar dari pengolahan citra adalah pengolahan warna RGB pada posisi tertentu. Dalam pengolahan citra warna dipresentasikan dengan nilai hexadesimal dari 0x00000000 sampai 0x00ffffff. Warna hitam adalah 0x00000000 dan warna putih adalah 0x00ffffff. Definisi nilai warna di atas seperti gambar 3, variabel 0x00 menyatakan angka dibelakangnya adalah hexadecimal.[9]

Gambar 1. Nilai warna RGB dalam

heksadesimal

Perbaikan kualitas citra (image enhancement) merupakan salah satu proses awal dalam pengolahan citra (image preprocessing). Yang dimaksud dengan perbaikan kualitas citra adalah proses memperjelas dan mempertajam ciri/fitur tertentu dari citra agar citra lebih mudah dipersepsi maupun dianalisis secara lebih teliti. Secara matematis, image enhancement dapat diartikan sebagai proses mengubah citra f(x,y) menjadi

f’(x,y) sehingga cirri-ciri yang dilihat pada f(x,y) lebih ditonjolkan. Image enhancement tidak meningkatkan kandungan informasi, melainkan jangkauan dinamis dari ciri agar bisa dideteksi lebih mudah dan tepat. 3. Metode

Dari banyaknya teknik image enhancement yang diusulkan oleh para peneliti sebelumnya, dalam penelitian ini dua teknik sederhana yang lazim digunakan yaitu image brightness dan histogram equalization akan digabungkan. Berikut adalah diagram alur yang digunakan dalam proses perbaikan kualitas citra digital:

Gambar 2. Diagram alur yang digunakan dalam

proses perbaikan kualitas citra digital

Dari diagram di atas dapat dilihat bahwa pertama-tama proses image brightness akan dilakukan terhadap citra asli yaitu dengan menambahkan sebuah konstanta kepada setiap piksel di dalam citra, dengan nilai maksimum adalah 255 setelah operasi penjumlahan. Artinya akan terjadi proses clipping terhadap nilai intensitas piksel yang melebihi ambang batas. [5]

Setelah itu akan dilakukan proses histogram equalization untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat intensitas warna memiliki jumlah piksel yang relatif sama.

Karena histogram menyatakan peluang piksel dengan derajat keabuan tertentu, maka rumus menghitung histogram ditulis kembali sebagai peluang[6]

( )nnrP k

kr == ……… (1)



yang dalam hal ini,

1−=

Lkrk , 0 ≤ rk ≥ 1 …..….. (2)

Dengan mengubah derajat keabuan suatu

piksel (r) menjadi derajat keabuan yang baru (s) dengan suatu fungsi transformasi T yang dalam hal ini s=T(r), maka untuk perataan histogram digunakan rumus: [7]

( ) ( )∑ ∑= =

===k

j

k

jjr

jkk rP

nn

rTs0 0

….…… (3)

4. Hasil dan Pembahasan

Bedasarkan diagram alur yang dijelaskan di atas, maka pada imlementasinya, pertama-tama dilakukan proses penjumlahan pada setiap piksel citra digital dengan prosedur berikut: Procedure imgBright(I: TImage, C: integer); var i,j,r,g,b:Integer; color:Longint; Begin I2:=I; for i:=0 to I.Picture.Height-1 do begin for j:=0 to I.Picture.Width-1 do begin color:=ColorToRGB(I.Picture.Bitmap.Canvas.Pixels[j,i]); r:=GetRValue(color); g:=GetGValue(color); b:=GetBValue(color); r:=r + C; g:=g + C; b:=b + C; if r<0 then r:=0; if r>255 then r:=255; if g<0 then g:=0; if g>255 then g:=255; if b<0 then b:=0; if b>255 then b:=255; I2.Canvas.Pixels[j,i]:=RGB(r,g,b); end; end; I2.Refresh; End;

Prosedur di atas memiliki dua parameter yaitu variabel I dan C. Variabel I merupakan citra asli sedangkan variabel C merupakan nilai yang akan dijumlahkan dengan nilai setiap piksel.

Nilai dari variabel C pun dicoba antara 0 sampai dengan 50. Hasil terbaik yang didapat adalah jika variabel C bernilai 17 sampai dengan

25. Sehingga ditetapkan nilai konstanta yang digunakan adalah 22.

Setelah proses penjumlahan setiap piksel, dilanjutkan dengan proses histogram equalization. Citra asli merupakan citra warna, karena itu proses ini dilakukan terhadap ketiga komponen warna yaitu Red, Green dan Blue. Berikut prosedurnya:

Procedure histoEqual(I: TImage); var i,j,r,g,b,x,y:Integer; sumr,sumg,sumb: double; color:Longint; Begin x:=I.Picture.Height; y:= I.Picture.Width; for i:=0 to 255 do begin HistogramRed[i]:=0; HistogramGreen[i]:=0; HistogramBlue[i]:=0; end; for i:=0 to I.Picture.Height-1 do begin for j:=0 to I.Picture.Width-1 do begin color:=ColorToRGB(I.Picture.Bitmap.Canvas.Pixels[j,i]); r:=GetRValue(color); g:=GetGValue(color); b:=GetBValue(color); Inc(HistogramBlue[b]); Inc(HistogramGreen[g]); Inc(HistogramRed[r]);,g,b); end; end; for i:=0 to 255 do begin sumr:=0; sumg:=0; sumb:=0; for j:=0 to i do begin sumr:=sumr+(HistogramRed[j]/(x*y)); sumg:=sumg+(HistogramGreen[j]/(x*y)); sumb:=sumb+(HistogramBlue[j]/(x*y)); end; HistogramRed1[i]:=round(255*sumr); HistogramGreen1[i]:=round(255*sumg); HistogramBlue1[i]:=round(255*sumb); end; I2.Refresh; End;

Pada tahapan ini, histogram dari level warna R, G dan B masing-masing dihitung lalu dilakukan proses histogram equalization untuk masing-masing level warna tersebut.



Berikut ini adalah tampilan citra asli dan citra hasil perbaikan:

Gambar 3. citra asli sebelum proses enhancement

Gambar 4. citra hasil proses enhancement

Sebelum proses image brightness dilakukan,

histogram citra dihitung untuk dilihat hasil perubahannya. Berikut merupakan histogram citra sebelum image brightness:

Gambar 5. histogram citra sebelum proses image

brightness

Setelah dilakukan proses image brightness, terlihat perubahan signifikan dari histogram citra, dimana seluruh level warna mengalami kenaikan. Berikut disajikan histogram citra setelah proses image brightness:

Gambar 6. histogram citra setelah proses image

brightness

Selesai dengan image brightness, sekarang dilanjutkan dengan proses histogram equalization. Histogram citra setelah proses histogram equalization akan terlihat lebih berbeda lagi. Berikut histogram citra setelah proses histogram equalization:

Gambar 7. histogram citra setelah proses histogram

equalization

Pada gambar di atas dapat dilihat bahwa distribusi niali B yang lebih mencolok perbedaannya karena sebelumnya sebagian besar hanya berkumpul di tengah-tengah.

5. Kesimpulan dan Saran Berdasarkan hasil penelitian, dapat

disimpulkan bahwa teknik image brightness dan histogram equalization dapat digabungkan dan menghasilkan output yang kualitasnya jauh lebih bagus dari citra asli. Teknik ini perlu diimplementasikan dalam software SIMAK UNWIRA agar kualitas foto calon mahasiswa dapat menjadi lebih baik.



Daftar Pustaka [1] Antonius Aditya Hartanto, “Pengolahan Citra

Pada Pemrograman Java”, 2010. [2] V. Saradhadevi and Dr. V. Sundaram, “Survey

On Digital Image Enhancement Techniques”. International Journal of Computer Science And Information Security, Vol.8, No.8, November 2010.

[3] S. Uma and S. Annadurai, "Color Image Restoration Using Morphological Neural Network", ICGST.

[4] Naglaa Yehya Hassan and Norio Aakamatsu, "Contrast Enhancement Technique of Dark Blurred Image", IJCSNS International Journal of Computer Science and Network Security, Vol.6, No.2A, February 2006.

[5] T. Sutoyo dkk, “Teori Pengolahan Citra Digital”, Andi, Yogyakarta, 2007.

[6] Rinaldi Munir, “Pengolahan Citra Digital Dengan Pendekatan ALgoritmik”, Informatika, Bandung, 2004.

[7] Carl Steven Rapp and Dr. Wiliam L. Joyner, “Image Processing And Image Enchancement”, East Tennessee University, Texas, 1996.

[8] Murni, Dr. Aniati dan Cahyati, Dina, M.Kom. 2004. Pengolahan Citra Berwarna. Fakultas Ilmu Komputer Universitas Indonesia. Download at http://eri.staff.gunadarma.ac.id/Downloads/files/4918/citrawar.pdf

[9] Rapp, Carl Steven and Joyner, Dr. Wiliam L. 1996. Image Processing And Image Enchancement. East Tennessee University, Johnson City, Texas. Download at http://www.the-aps.org/education/k12curric/activities/pdfs/rapp.pdf



Grafika Komputer dalam Implementasi Sistem Informasi Penjaminan Mutu menggunakan PHP

Tulus

Departemen Matematika FMIPA USU, Medan

Abstrak Objek grafik merupakan bagian penting di

dalam pengembangan sebuah sistem informasi. Tulisan ini mempresentasikan penyampaian informasi dalam bentuk grafik di dalam analisis Ishikawa dari sistem penjaminan mutu universitas. Pemrograman yang digunakan adalah PHP yang sekaligus untuk mengelola data dalam sistem manajemen basis data mySQL dan mebentuk grafik. Diagram Fishbone dihasilkan dari implementasi objek grafik dengan mengabungkan beberapa citra siap pakai dengan citra hasil pengelolaan basis data. Hasil menunjukkan, bahwa representasi grafik dapat menampilkan diagram yang diharapkan untuk informasi yang diharapkan. 1. Pendahuluan

Bidang grafika komputer sangat dibutuhkan dalam sistem informasi manajemen, terutama sistem informasi berbasis citra. Hongo et al. [1] telah membangun sistem informasi berbasis citra untuk restorasi lahan pertanian.

Kepentingan penggunaan teknologi informasi (TI) dalam manajemen penjaminan mutu telah diuraikan oleh pengamat dalam beberapa literatur. Wu dan Gu [2] mengeksplorasi efek dari Quality Management (QM) dan IT pada unjuk kerja organisasi dan aturan IT dalam implementasi QM. IT berkontribusi faktor seperti halnya unjuk kerja secara menyeluruh, pemenuhan kebutuhan pelanggan, dan produktifitas pegawai. Ada beberapa tingkatan faktor dengan level penggunaan yang tinggi dan faktor yang sedang. Faktor-faktor seperti halnya manajemen pelanggan, komunikasi, kerja tim, pengukuran perbaikan proses menunjukkan level tinggi dari penggunaan IT. Faktor-faktor seperti halnya perencanaan mutu operasional dan manajemen mutu strategis menunjukkan penggunaan IT yang sedang. IT berperan juga dalam faktor seperti halnya supplier management, culture, empowerment, and quality citizenship.

Terkait data yang cukup besar yang dikelola, kesuksesan dari program Total Quality Management (TQM) bergantung pada penggunaan

TI. TI akan meningkatkan manajemen kualitas dalam organisasi, apabila TI direncanakan dan diimplementasikan dengan baik. Sementara TI memperhatikan perintah-perintah rutin dan biasa terhadap input data, komputasi, pengukuran, dan output, pengguna dapat berkonsentrasi kepada kerja mereka dalam pemenuhan tujuan yang lebih penting mengenai perbaikan kualitas. Au dan Choi [3] telah merancang aplikasi IT dalam proses TQM dan bagaimana manajemen dapat menggunakan output untuk mendukung keputusan yang membantu mencapai perbaikan yang berterusan terhadap organisasi berorientasi layanan.

Know Center [4], menyatakan bahwa manajemen mutu yang sukses sangat bergantung pada aplikasi teknologi informasi yang efektif. Organisasi yang dengan baik memanfaatkan teknologi informasi untuk manajemen mutu secara kontinu mengintegrasikan mutu dari informasi dengan mutu dari produknya.

Pasal 91 ayat (2) PP.No.19 Tahun 2005 menyatakan bahwa penjaminan mutu di perguruan tinggi bertujuan untuk memenuhi atau melampaui SNP (standar mutu minimal perguruan tinggi). Untuk mencapainya, di beberapa perguruan tinggi telah dibentuk lembaga penjaminan mutu perguruan tinggi. Di dalam pengelolaannya, beberapa perguruan tinggi telah menggunakan sistem informasi untuk mendukung tercapainya hasil yang optimal.

PHP merupakan perangkat lunak yang pada masa sekarang ini termasuk di dalam kumpulan produk open source. Perangkat ini banyak digunakan oleh pengembang web untuk yang dilekatkan pada HTML untuk mendapatkan sistem informasi yang dinamis. Dalam tulisan ini dipaparkan cara merancang sebuah sistem informasi berbasis citra menggunakan PHP.

2. Pengembangan Sistem Informasi

berbasis grafik 2.1 Analisis kebutuhan

Salah satu bagian penting dari proses pelaksanaan penjaminan mutu perguruan tinggi adalah monitoring di dalam terhadap standar mutu



yang dituangkan di dalam Pasal 2 ayat (1) PP.No.19 Tahun 2005, yang meliputi delapan butir standar, yaitu Standar isi, Standar proses, Standar kompetensi lulusan, Standar pendidik dan tenaga kependidikan, Standar sarana dan prasarana, Standar pengelolaan, Standar pembiayaan; dan Standar penilaian pendidikan. Dalam pelaksanaannya, perlu disediakan pertanyaan-pertanyaan mutu yang sesuai dengan setiap butir mutu tersebut, sehingga didapat nilai skor dari setiap butir. Nilai skor ini diharapkan dapat menjadi pedoman bagi perguruan tinggi, sudah sejauh mana proses pendidikan telah dilaksanakan.

Setiap pertanyaan yang diajukan harus dijawab oleh setiap unsur dari pengelola pendidikan, yaitu oleh tingkat fakultas atau bahkan sampai pada program studi. Hasil integrasi nilai mutu dari keseluruhan unsur dapat dianggap sebagai nilai mutu perguruan tinggi yang menaunginya. Deskripsi nilai mutu yang paling baik adalah dengan menampilkan nilai dalam bentuk penggabungan, yaitu dalam bentuk tabel nilai dan grafik visual, sehingga dengan segera telihat ketercapaian dari mutu pendidikan di setiap siklus pelaksanaannya.

Setelah diperoleh nilai butir mutu, perlu dilakukan analisis masalah yang mengakibatkan kurangnya mutu dari suatu butir tertentu dalam rangka perbaikan mutu. Salah satu yang dapat diterapkan adalah analisis berdasar diagram Ishikawa, atau diagram fishbone. Unsur mutu tersebut dianalisa untuk melihat faktor-faktor yang mempengaruhinya. Teknik ini memungkinkan analisa dilakukan dengan memetakan semua faktor yang menimbulkan masalah atau mempengaruhi keadaan suatu unsur mutu. Identifikasi faktor faktor ini biasanya dilakukan dengan cara brainstorming didalam suatu team. Tujuan brainstorming adalah mendaftar semua faktor yang mempengaruhi unsur mutu dan kemudian memetakan keterkaitan faktor-faktor ini. Diagram Ishikawa menyajikan faktor faktor ini dalam bentuk yang terstruktur sebagai tulang ikan. Diagram ini menyajikan berbagai penyebab yang mempengaruhi suatu proses dengan memilah dan mengelompokkannya.

Untuk setiap unsur mutu ada sejumlah penyebab yang dapat dikelompokkan kedalam beberapa kelompok besar. Diagram ini digunakan bila suatu institusi atau tim perlu mengidentifikasi dan meneliti kemungkinan penyebab suatu masalah atau untuk melihat faktor faktor yang dapat memperbaiki suatu unsur mutu.

2.2 Perancangan sistem

Ada dua sistem bagian yang dipaparkan dalam tulisan ini, yaitu sistem skoring dan sistem diagram

Ishikawa. Dalam bagian ini tahapan perancangan sistem yang dikemukakan hanya yang terkait dengan pembentukan grafik. Secara garis besar sistem skoring digambarkan dalam diagram konteks seperti pada Gambar 1. Setiap fakultas/program studi memasukkan nilai-nilai dari pertanyaan yang disediakan. Dalam sistem informasi, data tersebut disimpan ke dalam sistem database untuk dikelola ketika diperlukan.

Gambar 1. Diagram Konteks sistem skoring

a) Diagram laba-laba

Dianggap bahwa telah tersedia data nilai skor hasil dari input setiap pengelola Fakultas/Program Studi. Setiap data diidentifikasi dari kode unit dan kode butir standar. Untuk setiap standar mutu dihitung rata-rata dengan skala 0 sampai dengan 4. Dalam kasus ini jumlah standar mutu yang diperhatikan ada sebanyak 15 standar, yaitu mengikut pada rincian standar mutu pendidikan. Untuk menayangkan diagram laba-laba dari seluruh standar mutu, dibangun sebuah lingkaran yang dibagi sebanyak 15 busur yang sama, seperti pada Gambar 2. Panjang jari-jari untuk diagram laba-laba di dalam lingkaran bergantung pada nilai standar rata-rata yang telah dihitung.

Gambar 2. Penyiapan diagram laba-laba

b) Diagram Ishikawa

Untuk kasus diagram Ishikawa, dianggap bahwa masing-masing unit telah mengisi kasus-kasus untuk keperluan analisis menggunakan



diagram Ishikawa. Kasus-kasus tersebut biasanya berisi kalimat-kalimat kasus dari hasil brainstorming. Selanjutnya disediakan image gambar diagram Ishikawa yang masih kosong, yang terdiri dari tulang besar dan tulang halus, sesuai dengan keperluan, seperti terlihat pada Gambar 3.

Gambar 3. Fishbone yang siap untuk diisi

informasi sesuai data.

Pada gambar akan diisi dengan Nama standar mutu pada bagian atasnya, Kasus-kasus pada setiap tulang-tulang halus yang sesuai, Nama Program Studi di bagian bawah, dan nomor standar pada bagian tujuan. Keseluruhannya merupakan informasi sesuai nilai data yang ada di database. 3. Implementasi

Implementasi dilakukan menggunakan script PHP yang dilekatkan pada HTML. Jenis citra yang digunakan adalah JPEG. Data disimpan di dalam sistem database yang dikelola menggunakan MySQL.

Untuk menampilkan informasi yang berasal dari database, pertama dilakukan query yang mengambil data nilai skor yang sesuai dengan program studi dan nomor butir standar. Setelah data diperoleh, maka dihitung jumlah seluruh nilai dan dibagi dengan jumlah data yang diperoleh. Proses ini dilakukan berturut-turut dari nomor standar 1 sampai 15. Berikut adalah sebagian script untuk mengambil data dari database dan menghitung jumlah skor. Script disimpan ke dalam satu file khusus yang akan dipanggil ketika diperlukan.

include ("db_config.php"); $db31 = new DBmysql(_dbhost, _dbuser, _dbpass, 'NamaDB'); $skor01 = $db31->query("SELECT DISTINCT * FROM jawabgjkm WHERE id_gjkm=$gjkm and id_standar LIKE \"01%\" "); $numskor01 = $db31->num(); for ($j = 0; $j < $numskor01; $j++)

{ $skorstandar01 = mysql_result( $skor01,$j,"jawab024"); $ts01 = $ts01 + $skorstandar01; }

Setelah hasil penghitungan dari data ke-15 nomor standar diperoleh, dilakukan penggambaran titik pada diagram laba-laba, yang letaknya dari titik pusat sejauh nilai data ke arah letak nomor standar yang telah disediakan. Untuk menayangkan gambar grafik di web yang sesuai dengan data yang diperoleh, perintah di HTML cukup dilakukan dengan mengirim data hasil penghitungan sebelumnya yang dilakukan seperti berikut. echo "<br><img src='../laba-laba.php? a1=$ts01&a2=$ts02&a3=$ts03&a4=$ts04&a5=$ts05&a6=$ts06&a7=$ts07&a8=$ts08&a9=$ts09&a10=$ts10&a11=$ts11&a12=$ts12&a13=$ts13&a14=$ts14&a15=$ts15' /><br>";

Untuk membangkitkan mode citra dalam halaman web perlu dibangun fungsi-fungsi khusus yang dapat menggambar grafik, seperti misalnya menggambar lingkaran, mengisi warna pada suatu area, menggambar garis yang menghubungkan dua titik sehingga terbentuk segi banyak, dan menampilkan text pada citra. Untuk ini perlu penghitungan secara geometri untuk citra. Beberapa perintah yang dapat dilakukan adalah seperti berikut.

header("Content-type: image/jpeg"); imagejpeg($this->chart, $this->save, $this->quality); imageline($image, $x1, $y1, $x2, $y2,

$color ); imagefill($this->chart, 0, 0, $bg_color);

4. Pembahasan Dengan menggunakan data yang telah diinput

oleh pengguna di Fakultas/Program Studi, diperileh hasil seperti berikut. Gambar 4 menunjukkan grafik diagram laba-laba dari 15 butir standar. Data yang setara dengan gambar diagram laba-laba ini adalah yang ada di dalam tabel. Dengan membandingkan informasi melalui tayangan citra dan tayangan tabel, maka tayangan citra lebih mudah analisis berbanding tayangan tabel.



Gambar 4. Diagram laba-laba skoring

Gambar 5. Tampilan sistem berbasis citra.

Pada bagian lain, Gambar 5 menunjukkan citra

yang dihasilkan dari diagram Ishikawa. Dalam gambar tersebut terlihat data isian kasus dalam suatu standar 10 dari suatu Program Studi (pada Gambar 4 nilai skornya adalah 2.67). Setiap kasus diletak pada posisi yang telah ditentukan di dalam gambar awal yang sudah disediakan pada Gambar 3 di atas. Dari Gambar 5 terlihat juga informasi dari nomor dan nama standar, nama program studi yang bersangkutan. 5. Kesimpulan

Dari hasil pembahasan dapat disimpulkan bahwa PHP dapat digunakan untuk mengolah citra terkait dengan keperluan di dalam sistem informasi penjaminan mutu perguruan tinggi.

Dari hasil ini ternyata data dari database dapat digabungkan kepada citra awal yang sudah dipersiapkan.

References [1] Kenji Hongo, Ryuji Matsuoka, Seiju Fujiwara,

Katsuhiko Masuda dan Shigeo Aoki. 2000. Development of Imaged-based Information System for Restoration of Agricultural Heritage. International Archives of Photogrametry and Remote Sensing, Vol XXXIII. Part B5. Amserdam. 372-379.

[2] Xiaojun Wu and Yu Gu. 2009. Influence Mechanism of Information Technology on Quality Management and Organizational Performance. Intelligent Information Systems, IASTED International Conference on, pp. 251-254.

[3] Grace Au, Ivan Choi. 1999. Facilitating implementation of total quality management through information technology. Int. Journal of Information & Management 36, pp. 287-299.

[4] Markus Strohmaier, Johannes Farmer and Stefanie Lindstaedt. 2005. The Gap Between Information Technology and Quality Management. Graz: Know-Center.