Lewati ke konten utama
Beranda / Modul 06
06 2D · CPMK-3

Transformasi Geometri 2D

Mempelajari translasi, rotasi, skala, shear, matriks homogen, dan komposisi transformasi untuk memanipulasi objek 2D secara efisien.

Pertemuan

Minggu 6

Estimasi

2×50' + 1×50'

Metode

Praktikum

Bobot

5%

Capaian Pembelajaran

Sub-CPMK

Mahasiswa mampu menerapkan transformasi geometri 2D (translasi, rotasi, skala, shear) menggunakan matriks homogen, serta mengomposisikan beberapa transformasi.

Indikator Capaian

  • Menjelaskan matriks transformasi untuk translasi, rotasi, skala, dan shear.
  • Menerapkan matriks homogen 3×3 untuk transformasi 2D.
  • Mengomposisikan beberapa transformasi menjadi satu matriks.
  • Mengimplementasikan transformasi dalam Python/NumPy.
💡

Catatan Penting untuk Modul Ini

Praktikum modul ini tidak mewajibkan Anda menulis kode Python dari nol. Fokus pada pemahaman konsep melalui simulator interaktif dan trace manual di kertas. Kode hanya disediakan sebagai bonus bagi yang ingin mendalami lebih lanjut.

1. Mengapa Transformasi Geometri Penting?

Di dunia nyata, objek jarang diam di tempat. Mereka bergerak, berputar, membesar, mengecil, atau berubah bentuk. Di grafika komputer, semua operasi ini disebut transformasi geometri.

Ada empat transformasi dasar:

➡️ Translasi

Menggeser objek sejauh $(t_x, t_y)$. Bentuk dan ukuran tidak berubah.

🔄 Rotasi

Memutar objek sebesar sudut $\theta$ terhadap titik pusat (biasanya origin).

📐 Skala

Memperbesar atau memperkecil objek dengan faktor $(s_x, s_y)$.

↘️ Shear

Memiringkan objek searah sumbu X atau Y. Seperti "menarik" sisi atas ke kanan.

Mengapa Pakai Matriks?

Kita bisa saja menghitung transformasi satu per satu dengan rumus langsung:

$x' = x + t_x$,   $y' = y + t_y$

Tapi masalahnya: kalau kita punya ribuan titik (misal polygon 3D dengan 10.000 vertex), menghitung satu per satu sangat lambat. Selain itu, kalau kita ingin menggabungkan beberapa transformasi (geser → putar → perbesar), kita harus menghitung berulang kali.

Solusinya: gunakan matriks homogen 3×3. Semua transformasi bisa diwakili satu matriks, dan beberapa transformasi bisa dikomposisikan menjadi satu matriks tunggal. Cukup satu perkalian matriks per titik!

2. Simulator Transformasi 2D

Geser slider untuk menerapkan translasi, rotasi, skala, dan shear pada objek huruf "F". Matriks gabungan ditampilkan secara real-time.

3. Matriks Transformasi 2D (Homogen 3×3)

Untuk bisa menggabungkan translasi dengan transformasi lain (rotasi, skala, shear), kita menggunakan koordinat homogen. Titik 2D $(x, y)$ direpresentasikan sebagai $(x, y, 1)$ — dengan tambahan komponen $w = 1$.

Dengan cara ini, semua transformasi bisa diwakili oleh matriks 3×3:

➡️ Translasi

$\begin{bmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{bmatrix}$

Menambah $t_x$ ke x dan $t_y$ ke y.

🔄 Rotasi (θ)

$\begin{bmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix}$

Memutar objek sebesar θ terhadap origin.

📐 Skala

$\begin{bmatrix} s_x & 0 & 0 \\ 0 & s_y & 0 \\ 0 & 0 & 1 \end{bmatrix}$

Mengalikan x dengan $s_x$ dan y dengan $s_y$.

↘️ Shear

$\begin{bmatrix} 1 & sh_x & 0 \\ sh_y & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$

Memiringkan objek searah sumbu X/Y.

Komposisi: Jika kita ingin menerapkan beberapa transformasi $M_1, M_2, \ldots, M_n$ secara berurutan, kita cukup mengalikan matriksnya: $M_{total} = M_n \cdots M_2 \cdot M_1$. Satu matriks hasil, satu perkalian per titik.

4. Bedah Kode: Transformasi 2D dengan NumPy

Kode Python

1import numpy as np
2
3def mat_translate(tx, ty):
4 return np.array([[1, 0, tx],
5 [0, 1, ty],
6 [0, 0, 1]])
7
8def mat_rotate(deg):
9 rad = np.radians(deg)
10 c, s = np.cos(rad), np.sin(rad)
11 return np.array([[c, -s, 0],
12 [s, c, 0],
13 [0, 0, 1]])
14
15def mat_scale(sx, sy):
16 return np.array([[sx, 0, 0],
17 [0, sy, 0],
18 [0, 0, 1]])
19
20def apply_transform(points, M):
21 # points: array Nx2 (x, y)
22 ones = np.ones((points.shape[0], 1))
23 pts_h = np.hstack([points, ones])
24 pts_t = (M @ pts_h.T).T
25 return pts_t[:, :2]
IMPORTImpor NumPy untuk operasi matriks.
FUNCFungsi untuk membuat matriks translasi 3×3.
OPMatriks dengan $t_x$ di kolom ketiga baris pertama, $t_y$ di baris kedua.
FUNCFungsi untuk membuat matriks rotasi.
FUNCKonversi derajat ke radian. NumPy menggunakan radian untuk sin/cos.
VARHitung cos dan sin sekali saja, simpan di variabel.
OPMatriks rotasi 2D standar.
FUNCFungsi untuk membuat matriks skala.
FUNCFungsi untuk menerapkan matriks ke kumpulan titik.
VARBuat array kolom berisi 1 untuk koordinat homogen.
FUNCGabungkan titik (Nx2) dengan kolom 1 → menjadi Nx3.
OPPerkalian matriks: (3×3) @ (3×N) → hasil 3×N, lalu transpose ke Nx3.
FUNCAmbil hanya kolom x dan y (buang kolom w).

Keunggulan: Dengan matriks homogen, kita bisa mengomposisikan beberapa transformasi hanya dengan mengalikan matriksnya. Contoh: M = mat_translate(3,2) @ mat_rotate(45) @ mat_scale(1.5,0.8). Satu operasi, semua transformasi.

5. Step-by-Step Komposisi Transformasi

Klik "Next Step" untuk melihat bagaimana objek berubah ketika beberapa transformasi dikomposisikan secara berurutan.

6. Komposisi Transformasi

Komposisi transformasi berarti menggabungkan beberapa transformasi menjadi satu matriks tunggal. Karena perkalian matriks bersifat asosiatif, kita bisa mengalikan semua matriks terlebih dahulu, lalu menerapkan hasilnya ke titik.

$M_{total} = M_n \cdot \ldots \cdot M_2 \cdot M_1$

Perhatikan urutan! Perkalian matriks tidak komutatif. $M_1 \cdot M_2 \neq M_2 \cdot M_1$. Artinya, urutan transformasi sangat berpengaruh.

Contoh perbedaan urutan: Geser lalu putar ≠ putar lalu geser. Coba bayangkan: jika Anda menggeser objek ke kanan, lalu memutar terhadap origin, hasilnya berbeda dengan memutar dulu, baru menggeser.

7. Perbandingan: Manual vs Matriks

Grafik di bawah membandingkan jumlah operasi untuk mentransformasi N titik. Pendekatan manual (rumus langsung) vs pendekatan matriks homogen.

Manual (rumus langsung) Matriks (3×3)

Catatan: Meskipun matriks membutuhkan operasi lebih banyak per titik (9 vs 4), keunggulannya adalah kemampuan komposisi. Beberapa transformasi cukup dihitung sekali di awal, lalu diterapkan ke semua titik. Untuk N besar, ini lebih efisien.

8. Aktivitas Praktikum: Eksplorasi & Trace

🎯

Praktikum Kali Ini Berbeda

Praktikum ini tidak mewajibkan Anda menulis kode dari nol. Fokus kita adalah memahami perilaku transformasi melalui eksplorasi simulator, perbandingan, dan trace manual di kertas.

Yang dinilai: kemampuan menjelaskan, membandingkan, dan memprediksi hasil transformasi — bukan sintaks Python.

Progress Praktikum

0 / 3

Selesaikan 3 aktivitas utama untuk mendapat tanda "siap".

1

Eksplorasi Simulator Transformasi

Estimasi: 15 menit · Individual

Gunakan simulator di atas (section 2). Lakukan percobaan berikut dan catat pengamatan Anda.

🧪 Percobaan 1: Translasi Saja

  1. Reset simulator, atur Translasi X = 3, Translasi Y = 1, lainnya tetap (0 / 1).
  2. Amati posisi objek "F".

🧪 Percobaan 2: Rotasi Saja

  1. Reset simulator, atur Rotasi = 90°, lainnya tetap.
  2. Amati objek "F".

🧪 Percobaan 3: Skala Saja

  1. Reset simulator, atur Skala X = 2, Skala Y = 0.5, lainnya tetap.
  2. Amati objek "F".
2

Demo: Urutan Itu Penting!

Estimasi: 15 menit · Berpasangan

Ini konsep paling penting di transformasi: urutan transformasi mengubah hasil akhir. Geser slider rotasi di bawah dan perhatikan dua urutan yang berbeda.

Objek Asli

Geser (3,0) → Putar θ

Putar θ → Geser (3,0)

Amati: Coba sudut 0°, 90°, 180°, dan 270°. Kapan kedua hasilnya paling berbeda?

💭 Pertanyaan Refleksi

3

Trace Transformasi di Kertas

Estimasi: 20 menit · Individual

Kita akan hitung manual: Rotasi 90° dari titik (2, 0), lalu Translasi (3, 1).

📐 Matriks Rotasi 90°

⎡ 0 −1 ⎤
⎣ 1 0 ⎦

Cara pakai: x' = 0×x + (−1)×y  |  y' = 1×x + 0×y

Langkah 1: Rotasi 90° dari titik (2, 0) → ?

Langkah 2: Translasi (3, 1) dari hasil langkah 1

Langkah 3: Jika urutan DIBALIK (translasi dulu, baru rotasi), hasil akhirnya...

Verifikasi: Buka demo "Urutan Itu Penting" di atas. Set rotasi ke 90°, bandingkan dengan perhitungan Anda.

4

Bonus: Modifikasi Kode (Opsional)

Estimasi: 10 menit · Tidak dinilai

Untuk yang penasaran saja. Lihat "Bedah Kode" di atas (section 4) yang berisi kode Python. Jika tertarik, minta file grafkom.py dari dosen dan coba ubah 1 baris.

Tugas 1: Ubah Sudut

Cari mat_rotate(45) di kode, ganti jadi 90. Jalankan. Amati perbedaannya.

Tugas 2: Tukar Urutan

Cari baris M3 = mat_scale(...) @ mat_rotate(30) @ mat_translate(2, 1). Tukar posisi translate dan rotate. Jalankan.

🎓 Rangkuman Praktikum

Selesaikan aktivitas di atas untuk melihat rangkuman.

9. Kuis

1. Mengapa kita menggunakan matriks homogen 3×3 untuk transformasi 2D?

2. Apa yang terjadi jika urutan transformasi ditukar?

3. Transformasi apa yang membuat objek terlihat "miring"?

4. Jika ingin menerapkan translasi dulu, baru rotasi, bagaimana urutan matriksnya?

Diskusi Kelompok

  1. Mengapa perkalian matriks tidak komutatif? Berikan contoh nyata di grafika komputer.
  2. Bagaimana cara memutar objek terhadap titik tertentu (bukan origin)? Petunjuk: gunakan kombinasi translasi.
  3. Jika Anda membuat aplikasi animasi 2D, urutan transformasi apa yang paling masuk akal untuk objek yang bergerak dan berputar?

Referensi Modul

  1. Hearn, D., Baker, M. P., & Carithers, W. R. (2014). Computer Graphics with OpenGL (4th Ed). Pearson. (Bab 5)
  2. Shirley, P., & Marschner, S. (2009). Fundamentals of Computer Graphics (3rd Ed). A K Peters/CRC Press. (Bab 5)
  3. Foley, J. D., van Dam, A., Feiner, S. K., & Hughes, J. F. (1990). Computer Graphics: Principles and Practice (2nd Ed). Addison-Wesley. (Bab 5)