Tujuan Pembelajaran

Mampu membangun image processing pipeline dengan sharp
Mampu mengimplementasikan on-the-fly image transformation
Memahami format modern: AVIF, WebP, dan kapan menggunakannya

Analogi

Diagram


      Image Processing = Dapur Fotografi:

Upload mentah (RAW): Foto 24MP, 15MB
↓
Dapur processing (sharp):
→ Resize: Thumbnail 150px, Medium 600px, Large 1200px
→ Convert: JPEG (kompatibel), WebP (modern), AVIF (next-gen)
→ Optimize: Quality 80% → visual sama, size 70% lebih kecil
→ Watermark (optional)
↓
Sajikan: User lihat thumbnail (5KB), klik → large (200KB)

Tanpa processing: User download 15MB setiap buka halaman → lambat, boros bandwidth.

Image processing pipeline seperti dapur fotografi — resize, convert, optimize sebelum disajikan ke user.

Penjelasan Konsep

User upload gambar dalam berbagai ukuran dan format. Tanpa processing, aplikasi akan menyajikan gambar 15MB sebagai thumbnail — memperlambat halaman dan boros bandwidth.

Processing pipeline dengan sharp (Node.js): Library image processing tercepat untuk Node.js. Operasi: resize, crop, rotate, format conversion, compression, metadata extraction.

Strategi transformasi: (1) Eager (saat upload) — generate semua ukuran saat upload. Pro: instant serving. Con: storage lebih besar, upload lebih lambat. (2) Lazy (on-the-fly) — generate saat pertama kali diakses, cache hasilnya. Pro: hemat storage. Con: first request lebih lambat. (3) Hybrid — eager untuk size paling umum (thumbnail, medium), lazy untuk size spesifik.

Format modern: (1) WebP — 25-35% lebih kecil dari JPEG, support transparency, support oleh 97% browser. (2) AVIF — 50% lebih kecil dari JPEG, HDR support, support oleh 93% browser. (3) Fallback: selalu sediakan JPEG/PNG untuk browser lawas. Gunakan <picture> element dengan multiple <source> untuk format detection.

Responsive images: Generate multiple sizes — 320w (mobile), 640w (tablet), 1280w (desktop), 2560w (retina). Gunakan srcset agar browser memilih ukuran yang tepat.

Inti yang Perlu Dipahami

Bagian ini berfokus pada mampu membangun image processing pipeline dengan sharp., mampu mengimplementasikan on-the-fly image transformation., dan memahami format modern: AVIF, WebP, dan kapan menggunakannya. Jangan terburu-buru menghafal istilahnya. Lebih penting untuk memahami peran setiap konsep dan kapan konsep itu muncul dalam pekerjaan web development.

Saat membaca Image Processing Pipeline, gunakan tujuan belajar sebagai penanda arah. Kalau kamu sudah bisa menjelaskan tujuan itu dengan kata-katamu sendiri, berarti fondasinya mulai terbentuk.

Cara Membayangkannya

Image processing pipeline seperti dapur fotografi — resize, convert, optimize sebelum disajikan ke user. Analogi ini dipakai supaya konsep teknis tidak terasa melayang. Hubungkan setiap istilah dengan perannya: siapa yang meminta, siapa yang memproses, data apa yang berpindah, dan hasil apa yang diharapkan.

Kalau analoginya sudah terasa masuk akal, barulah lihat istilah teknisnya. Cara ini membuat materi lebih mudah dipahami daripada langsung menghafal definisi.

Saat Melihat Contoh Kode

Contoh kode pada chapter ini memakai bahasa typescript. Bacalah contoh kode sebagai ilustrasi alur, bukan sebagai bagian yang harus langsung dihafal.

Perhatikan nama fungsi, urutan langkah, dan data yang berpindah. Biasanya tiga hal itu sudah cukup untuk memahami hubungan antara teori dan praktik.

Konteks dalam Perjalanan Belajar

Setiap konsep di platform ini dipilih karena dipakai di industri. Fokus pada pemahaman, bukan hafalan.

Kamu sudah di bagian lanjutan. Mulai pikirkan bagaimana konsep ini dipakai di dunia kerja — bukan hanya untuk belajar, tapi untuk membangun produk nyata.

Gunakan pertanyaan reflektif dan prompt AI di akhir chapter sebagai latihan aktif. Membaca saja tidak cukup — kamu perlu menjelaskan ulang dengan kata-katamu sendiri.

Contoh Kode

typescript

// Image processing pipeline dengan sharp
import sharp from 'sharp';

async function processImage(buffer: Buffer, key: string) {
  const sizes = { thumb: 150, medium: 600, large: 1200 };
  const formats = ['jpeg', 'webp', 'avif'] as const;
  
  const results: Record<string, string> = {};
  
  for (const [size, width] of Object.entries(sizes)) {
    for (const format of formats) {
      const outputKey = `${key}/${size}.${format === 'jpeg' ? 'jpg' : format}`;
      
      const processed = await sharp(buffer)
        .resize(width, undefined, { withoutEnlargement: true })
        .toFormat(format, { quality: 80 })
        .toBuffer();
      
      await uploadToS3(processed, outputKey, `image/${format}`);
      results[`${size}_${format}`] = outputKey;
    }
  }
  
  return results;
}

Prompt AI

Implementasi image processing pipeline: resize ke 3 ukuran, convert ke WebP + AVIF + JPEG fallback. Gunakan sharp. Benchmark: berapa % size reduction vs original?

Pertanyaan Reflektif

Cek halaman dengan gambar di aplikasi-mu. Apakah thumbnail 150px menampilkan gambar 3000px asli (yang di-resize browser)? Berapa bandwidth yang terbuang?