APLIKASI KOMPOSISI FOTO PORTRAIT MENGGUNAKAN ESTETIKA GOLDENRATIO

PORTRAIT PHOTO COMPOSITION APPLICATION USING GOLDEN RATIO AESTHETIC

Muhyiddin AM Hayat1,Salama Manjang2,Merna Baharuddin2

1Bagian Teknik Informatika, Fakultas Teknik, Universitas Pejuang Republik Indonesia, 2Bagian Teknik Elektro, Fakultas Teknik, Universitas Hasanuddin.

Alamat Korespondensi: Muhyiddin AM Hayat, S.Kom Fakultas Teknik Universitas Pejuang Republik Indonesia Makassar, 90423 HP: 08114100444 Email: middink@gmail.com

Abstrak

Komposisi objek dalam dunia fotografi merupakan hal yang sangat penting, dengan menerapkan aturan golden rasio maka nilai komposisi foto portrait dengan objek tunggal bisa diketahui. Penelitian ini bertujuan membuat aplikasi yang bisa melakukan validasi terhadap sebuah foto apakah komposisi subjeknya sesuai aturan golden rasio atau tidak. Aplikasi dibuat untuk menghasilkan data secara real time dimana data yang dihasilkan aplikasi bisa disimpan kedalam database. Objek penelitian merupakan foto portrait dengan subjek tunggal. Metode yang digunakan untuk bisa mendeteksi wajah adalah metode Viola-Jones dengan menerapkan algoritma Haar Casscade Classifier pada pose frontal view faces. Data yang dihasilkan sistem yaitu koordinat wajah terdeteksi, nilai power of point wajah, nilai power of phi objek, zona wajah terdeteksi, waktu yang digunakan aplikasi untuk bekerja dan hasil validasi aplikasi terhadap objek penelitian. Pengujian dilakukan terhadap 35 foto ptrait dengan subjek tunggal dengan ukuran piksel yang berbeda. Hasilnya sebanyak 28 file memiliki komposisi foto yang sesuai aturan golden rasio dan 7 file dinyatakan komposisi subjeknya tidak sesuai dengan aturan golden rasio. Secara umum aplikasi yang dibuat pada penelitian ini bisa melakukan validasi dengan baik. Adapun waktu yang digunakan aplikasi yaitu dibawah 1 detik meskipun ukuran piksel file berbeda-beda. Hal ini berarti sistem yang dihasilkan memberikan data yang bersifat real time.

Kata kunci: Golden Rasio, komposisi fotografi, Viola- Jones, HaarCasscade Classifier.

Abstract

The object composition in photography world represents a very important thing. By applying the golden ratio rules, the value of the portrait photo composition with single subject can be found out. The research aimed to make application which could perform the validation on a photo whether the object composition was suitable with the golden ratio rules or not. The application was made to generate real time data. In which the data produced by application could be saved into database. The research objects were the portrait photo with the single subject. Method used in order to be able to detect the faces was Viola – Jones method by applying the algorithm of Haar Casscade Classifier in the pose of frontal view face. The data produced by the system were the face coordinate detected, the face power of point value, object power of phi value, detected face zone, time used by the application to work out the object, application validation result on the research object. The testing was conducted on 35 portrait photos with the single subject and different pixel size. The result is that as many as 28 files have the photo composition which is in line with the golden ratio rules and 7 files are stated their subject are suitable the golden ratio rules. In general the application generated in the research can carry out the validation appropriately. Then the time used by the application is under 1 second although the file pixel are different. This means the system generated gives the real times data.

Key-words: Golden Ratio, photography composition, Viola- Jones, HaarCasscade Classifier

PENDAHULUAN

Fotografi merupakan bentuk komunikasi non-verbal,elemen-elemen visual diatur

sehingga harmonis dalam satu kesatuan yang menghasilkan pesan yang diinginkan oleh

fotografer, sebuah foto yang baik bisa menyampaikan pesan dan keindahan dari fotografer ke

orang lain atau yang melihatnya.

Menurut kamus bahasa, komposisi (composition) berarti sebuah proses penggabungan

beberapa elemen menjadi satu kesatuan yang utuh. Dalam ilmu dasar fotografi, komposisi

merupakan sebuah proses yang sangat vital karena dari komposisi itulah sebuah foto bisa

bercerita. Komposisi sangat berkaitan dengan estetika sebab dari komposisi pula sebuah foto

terlihat indah dan enak dipandang untuk dinikmati. Berbeda dengan seni lukis yang memulai

komposisi dari bidang kosong, kemudian menambahkan elemen-elemen yang dirasa perlu

agar pesan lukisannya bisa sampai ketika dilihat orang lain. Komposisi dalam fotografi

dimulai dari bidang yang penuh, kemudian satu- persatu elemen yang tidak perlu disingkirkan

untuk mencapai tujuan yang sama (Krages, 2005).

Golden Ratio adalah sebuah panduan komposisi yang didasarkan pada perhitungan

matematika yang unik.Pada teorinya golden ratio ini bisa digunakan pada semua scene foto,

tapi pada prakteknya lebih mudah diaplikasikan pada foto portrait formal/klasik. Pada scene

lain lebih mudah menggunakan komposisi rule of third. Pada Foto portait wajah sebagai

object utama foto (point of interest – POI). Susunan elemen visual pada aturan golden ratio

adalah subyek utama diletakkan pada titik persimpangan dua garis horisontal yang memiliki

perbandingan 1:1,6 (Clement, 2005).

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek.

Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan

persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang

berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai

pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan

citra digital juga mencakup semua data dua dimensi. Citra direpresentasikan oleh matriks data

yang memuat berbagai informasi tentang nilai fungsi citra tersebut. Dengan kata lain, citra

yang tampak oleh mata kita sebenarnya merupakan kumpulan nilai-nilai tertentu yang

membentuk suatu pola berdasarkan keadaan yang telah dikondisikan (Fadlisyah & Rizal,

2011).

Suatu citra yang ditampilkan dari citra jenis ini terdiri dari warna abu-abu, yang

bervariasi pada warna hitam di bagian yang memiliki intensitas terlemah, dan bervariasi pada

warna putih di bagian yang memilki intensitas terkuat (Fatta & Hanif, 2007). Citra

grayscaleberbeda dengan citra hitam-putih, yang di mana pada konteks komputer, citra hitam-

putih hanya terdiri dari dua warna saja, yaitu warna hitam dan warna putih saja (Storring,

2004).

Dalam dunia komputer, citra hasil fotografi secara luas telah diteliti terutama dalam

hubungannya dengan grafika komputer (computer graphic), pengolahan citra digital (image

processing), dan visi komputer (computer vision). Bentuk aplikasi estetika dalam bidang

komputer menjadi sebuah bidang yang disebut sebagai “computational aesthetics” atau

estetika komputasi (Hoenig, 2005). Estetika komputasi sebagai usaha penelitian yang

memfokuskan pada metode komputasi yang memungkinkan penerapan keputusan estetik

sebagaimana yang dilakukan manusia. Sehingga ditetapkan fokus bidang ini adalah: (1)

Mengembangkan metode komputasi untuk mengambil keputusan-keputusan yang bersifat

estetik, (2) Mengetahui kecerdasan manusia dan sistem persepsinya berkaitan dengan estetika

yang terukur, (3) Memfokuskan pada nilai estetika bentuk, terutama yang berkaitan dengan

obyek-obyek dalam desain.

Citra digital adalah suatu citra f(x,y) yang memiliki koordinat spasial, dan tingkat

kecerahan yang diskrit. Citra yang terlihat merupakan cahaya yang direfleksikan dari sebuah

objek. Fungsi f (x, y) dapat dilihat sebagai fungsi dengan dua unsur. Unsur yang pertama

merupakan kekuatan sumber cahaya yang melingkupi pandangan mata terhadap objek

(illumination). Unsur yang kedua merupakan besarnya cahaya yang direfleksikan oleh objek

ke dalam pandangan mata manusia (Vidyaningrum & Prihandoko, 2009). Teknik-teknik

pengenalan wajah yang dilakukan selama ini banyak yang menggunakan asumsi bahwa data

wajah yang tersedia memiliki ukuran yang sama dan latar belakang yang seragam. Di dunia

nyata, asumsi ini tidak selalu berlaku karena wajah dapat muncul dengan berbagai ukuran dan

posisi di dalam citra dan dengan latar belakang yang bervariasi (Hjelmas & Low, 2001).

Prosedur deteksi wajah Viola-Jones mengklasifikasikan gambar berdasarkan pada nilai fitur

sederhana. Proses deteksi wajah dengan menggunakan metode Viola-Jones di mulai dengan

mengenali fitur Haar dalam gambar dan dilakukan integral gambar untuk mempercepat

pembacaan fitur. Untuk memilih fitur Haar yang spesifik yang akan digunakan dan untuk

mengatur nilai ambangnya (threshold), Viola dan Jones menggunakan sebuah metode

machine learning yang disebut Adaboost. Adaboost menggabungkan banyak classifier lemah

untuk membuat sebuah classifier kuat. Lemah disini berarti urutan filter pada classifier hanya

mendapatkan jawaban benar lebih sedikit (Viola & Jones, 2004). Metode Viola-Jones

mengkombinasikan empat kunci utama yaitu Haar Like Feature, Integral Image, Adaboost

learning dan Cascade classifier (Triatmoko dkk., 2014).

Adapun elemen – elemen yang terdapat dalam citra digital berupa kecerahan, kontras, kontur,

warna, bentuk dan tekstur (Sutoyo dkk., 2009).

Pemanfaatan aturan golden rasio masih terus dikembangkan karena pemanfaatannya

dibidang teknologi semakin luas. Penelitian ini bertujuan untuk membuat aplikasi yang

mampu melakukan validasi terhadap sebuah foto potrait dengan objek tunggal apakah

memenuhi konsep estetika fotografi dengan menerapkan aturan golden rasio.

METODOLOGI PENELITIAN

Lokasi dan RancanganPenelitian

Penelitian ini dilakukan di Universitas Hasanuddin pada laboratorium Multimedia

Jurusan Teknik Elektro. Metode penelitian yang digunakan yaitu eksperimen, melakukan

kajian studi pustaka, menganalisa, merancang dan membuat aplikasi. Pengambilan data

dilakukan dengan menguji 35 file foto potrait dengan subjek manusia tunggal.

Tahapan Pemodelan

Tahapan ini merupakan tahapan memodelkan sistem agar aplikasi mampu mendeteksi

dan menetukan area wajah pada objek penelitian. Aplikasi akan menentukan koordinat –

koordinat wajah yang terdeteksi, menentukan wajah apakah berada pada empat zona golden

rasio atau tidak, kemudian menentukan power of point wajah terdeteksi apakah berada

didalam zona golden rasio atau tidak. (Gambar 1) merupakan flowchart alur kerja aplikasi

yang dibuat, yaitu (1) File foto dalam format jpeg sebegai input ke sistem. (2) Subjek wajah

pada foto diekstrak menggunaka metode Viola-Jones sehingga dapat ditentukan lokasi objek

wajah. (3) Menggambar garis-garis golden ratio diatas object foto sehingga didapatkan zona

golden ratio. (4) Melakukan pemeriksaan apakah objek wajah berada pada zona golden ratio.

(5) Memberikan penilaian estetika berdasarkan golden ratio rule pada gambar inputan. Suatu

Citra fotografi yang sesuai dengan estetika golden ratio, jika subjeck utama atau point of

interest (POI) berada pada titik Power Point Golden Ratio atau titik dimana persegi panjang

yang dihasilkan terlalu kecil untuk secara signifikan dibagi lebih lanjut atau mempunyai nilai

kisaran panjang sisi persegi 0,5 dengan menggunakan persamaan (1).

Tahapan Pengembangan Aplikasi

Tahapan pengembangan Aplikasi terdiri dari lima tahap yaitu (1)Analisis kebutuhan

sistem dengan melakukan kajian pustaka (2) Perancangan sistem meliputi perancangan

metode dan implementasi pemrograman menggunakan bahasa C++ (3) Penerapan sistem

untuk melihat kinerja sistem (4) Pengujian sistem untuk menganalisa hasil dari sistem yang

dibuat dengan melakukan validasi secara empiris (5) Dokumentasi terhadap hasil penelitian

yang dilakukan.

HASIL

(Gambar 2) merupakan tampilan konsol yang menyajikan data yang dihasilkan oleh

aplikasi. Adapaun data yang dihasilkan aplikasi yaitu koordinat wajah terdeteksi, zona wajah

terdeteksi, power of phi, koordinat power of point wajah, waktu yang digunakan untuk

mendeteksi wajah (t) dan kesimpulan apakah komposisi foto sesuai aturan golden rasio atau

tidak. Tampilan konsol memperlihatkan secara real time data – data yang diamati pada

penelitian ini yaitu dengan waktu deteksi dibawah satu detik. (Gambar 3) memperlihatkan

hasil capture aplikasi yang dibuat yang memperlihatkan aplikasi yang validasi YES dimana

sesuai dengan estetika komposisi golden ratio, dan (Gambar 4) memperlihatkan hasil capture

applikasi yang validasi NO. Adapaun wajah yang berhasil dideteksi akan diberi kotak

berwarna hijau. Hasil analisis aplikasi akan tampil pada konsol. (Tabel 1) menunjukkan hasil

yang diperoleh aplikasi dengan melakukan pengujian terhadap 35 file foto portrait dengan

subjek manusia tunggal.

PEMBAHASAN

Penelitian ini memperlihatkan bahwa aplikasi yang dibuat berhasil melakukan validasi

apakah sebuah foto portrait dengan subjek manusia tunggal berada pada zona golden rasio

atau tidak. Aplikasi memberikan validasi YES berarti komposisi wajah objek foto sesuai

dengan aturan golden rasio, artinya koordinat power of point wajah objek pada foto berada

didalam zona golden rasio. Aplikasi juga memberikan validasi NO terhadap objek yang

diteliti. Ada dua kondisi dimana aplikasi memberikan validasi NO. Hal itu disebabkan oleh

(1) letak power of point wajah berada diluar zona golden rasio, (2) wajah pada foto yang

diteliti tidak terdeteksi akibat pose maupun atribut yang digunakan objek. Aplikasi yang

dibuat bekerja secara real timekarena kecepatan aplikasi mendeteksi bekerja semuanya

dibawah 1 detik meskipun ukuran piksel foto berbeda. Sebanyak 35 file diuji dengan hasil 28

file dinyatakan YES yang berarti estetika foto sesuai dengan aturan golden rasio, 2 file

dinyatakan NO akibat wajah tidak terdeteksi dan 5 file dinyatakan NO karena estetika foto

tidak sesuai dengan aturan golden rasio.

KESIMPULAN DAN SARAN

Aplikasi yang dibuat bisamendet

eksi wajah dan melakukan validasi terhadap foto portrait dengan objek tunggal apakah

komposisi objek sesuai dengan aturan golden rasio atau tidak. Kecepatan sistem bekerja

terhadap ukuran file yang berbeda yaitu dibawah 1 detik dengan demikian kecepatan sistem

bekerja bisa memberikan data secara real time.Penelitian selanjutnya diharapkan bisa

melakukan optimasi terhadap algoritma deteksi wajah yang digunakan dengan menerapkan

metode yang berbeda sehingga semakin banyak pose wajah yang bisa terdeteksi.

DAFTAR PUSTAKA

Clement F. (2005). The Golden Ratio : A Contrary View Point. The College Mathematics Journal Vol.36 No.2, pp. 123.

Fadlisyah & Rizal. (2011), Pemrograman Computer Vision pada Video Menggunakan Delphi+Vison Lab VCL 4.0.1. Penerbit Graha Ilmu.

Fatta Al & Hanif. (2007). Konversi Format Citra RGB ke Format Grayscale Visual Basic. Yogyakarta : Seminar Nasional Teknologi ISSN : 1978 – 977.

Hjelmas E. & Low B.K. (2001). Face Detection: A Survey , Computer Vision and Image Understanding. 83, pp. 236-274.

Hoenig F. (2005). Defining Computational Aesthetics. Austria : Johannes Kepler Universitaet, Linz.

Störring M. (2004). Computer vision and human skin color. Ph.D. (dissertation). Denmark : Aalborg University.

Sutoyo T., Mulyono E., Suhartono V., Nurhayati OD., & Wijanarto. (2009). Teori Pengolahan Citra Digital. Yogyakarta: Penerbit Andi.

Krages B. (2005). Photography: The Art of Composition. Allworth Press. Triatmoko A.H., Pramono S.H., & Dachlan H.S. (2014). Penggunaan Metode Viola-Jones

dan Algoritma Eigen Eyes Dalam Sistem Kehadiran Pegawai, Jurnal EECCIS, Vol. 8, No. 1.

Vidyaningrum E. & Prihandoko. (2009). Human Face Detection by using Eigenface Methode for Various Pose of Human Face.

Viola P. & Jones M. (2004). Robust Real-Time Face Detection.International Journal of Computer Vision 57(2), 137–154.

Gambar 1. Flowchart alur kerja aplikasi

Gambar 2. Tampilan Konsol

Gambar 3. Hasil Capture Sistem Golden Ratio

Gambar 4. Hasil Capture Sistem Non Golden Ratio

! " = $, &' ≤ &)*+,- < &/ ∧ 2' ≤ 2)*+,- < 2/ = 14, &' ≤ &)*+,- < &/ ∧ 2' ≤ 2)*+,- < 2/ ≠ 1 (1)

Tabel 1 Hasil Pengujian

No ImageFileName

ImageSize FaceArea Zone PowerPoint(x,y)

Phi^n GR TimeTaken

TopLeft(x,y) BottomRight(x,y)

1 sample01.jpg 2000x1236 1333,198 1506,371 2 1441,336 17 YES 0.0962s

2 sample02.jpg 2000x1236 1314,212 1553,451 2 1441,336 17 YES 0.0915s

3 sample03.jpg 900x556 591,75 705,189 2 645,149 15 YES 0.0593s

4 sample04.jpg 900x556 202,100 339,237 0 243,149 15 YES 0.0619s

5 sample05.jpg 900x556 594,107 703,216 2 645,149 15 YES 0.0614s

6 sample06.jpg 900x556 382,113 513,244 N/A N/A N/A NO 0.0598s

7 sample07.jpg 1000x618 693,68 831,206 2 718,166 15 YES 0.0684s

8 sample08.jpg 1920x1186 1259,217 1512,470 2 1383,322 15 YES 0.0890s

9 sample09.jpg 900x556 587,66 719,198 2 645,149 17 YES 0.0601s

10 sample10.jpg 1024x632 513,81 796,364 2 734,170 15 YES 0.0634s

11 sample11.jpg 1920x1186 441,157 657,373 0 525,322 17 YES 0.0873s

12 sample12.jpg 1920x1186 1256,191 1630,565 2 1383,322 17 YES 0.0882s

13 sample13.jpg 1200x741 893,99 1040,246 2 862,200 16 NO 0.0695s

14 sample14.jpg 2000x1236 529,182 837,490 0 547,336 17 YES 0.0888s

15 sample15.jpg 1024x632 693,94 823,224 2 734,170 15 YES 0.0736s

16 sample16.jpg 1200x741 262,96 421,255 0 327,200 16 YES 0.0777s

17 sample17.jpg 960x593 653,145 764,256 2 688,159 15 YES 0.0664s

18 sample18.jpg 1000x618 657,87 772,202 2 718,166 15 YES 0.0643

19 sample19.jpg 1000x618 408,97 525,214 N/A N/A N/A NO 0.0636s

20 sample20.jpg 1500x927 867,206 1213,552 2 1079,250 16 YES 0.0774s

21 sample21.jpg 2000x1236 1144,173 1574,603 2 1441,336 17 YES 0.0893s

22 sample22.jpg 1000x618 695,67 835,207 2 718,166 15 YES 0.0637s

23 sample23.jpg 950x587 187,130 345,288 0 257,157 15 YES 0.0618s

24 sample24.jpg 1200x741 770,336 898,464 3 862,530 16 YES 0.0705s

25 sample25.jpg 1024x632 638,106 779,247 2 734,170 15 YES 0.0645s

26 sample26.jpg 1600x988 421,152 567,298 0 438,268 16 YES 0.0777s

27 sample27.jpg 4757x2939 1038,471 1719,1152 0 1307,807 19 YES 0.2495s

28 sample28.jpg 5022x3103 1341,403 2282,1344 0 1381,851 19 YES 0.2622s

29 sample29.jpg 5184x3203 3506,439 4043,976 2 3743,880 19 YES 0.2807s

30 sample30.jpg 1024x632 328,141 465,278 0 278,170 15 NO 0.0624s

31 sample31.jpg 1024x632 565,62 684,181 2 734,170 15 NO 0.0644s

32 sample32.jpg 1200x741 750,346 982,578 3 862,530 16 YES 0.0752s

33 sample33.jpg 900x556 195,72 346,223 0 243,149 15 YES 0.0615s

34 sample34.jpg 1920x1186 924,206 1190,472 2 1383,322 17 NO 0.0838s

35 sample35.jpg 1920x1186 510,80 738,308 0 525,322 17 NO 0.0870s