Dengan, m,n = ukuran panjang dan lebar citra
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem pada dasarnya merupakan tahapan yang dilakukan untuk menghasilkan pemahaman yang menyeluruh terhadap kebutuhan sistem sehingga diperoleh tahap-tahap yang akan dikerjakan sistem. Analisis sistem terdiri dari 3 (tiga) fase yaitu analisis masalah untuk mempelajari dan memahami masalah, analisis persyaratan yang akan memenuhi kebutuhan dan permintaan pengguna (user) dan analisis proses yang akan mendeskripsikan tingkah laku sistem.
3.1.1 Analisis Masalah
Masalah utama yang diangkat dari penelitian ini adalah bagaimana pengaruh proses filtering terhadap metode deteksi tepi pada citra digital. Pada penelitian ini,
citra yang diperbaiki merupakan citra digital dalam format bitmap yang berukuran piksel. Didalam sistem akan dilakukan penambahan noise sesuai
dengan jenis noise yang dipilih, yaitu Gaussian Noise dan Salt-Pepper Noise, selanjutnya akan melakukan proses reduksi noise dengan menggunakan metode
Geometric Mean Filter. Setelah itu, sistem akan melakukan proses deteksi tepi dengan operator Sobel, Prewitt dan Robert pada citra yang telah mengalami proses
filtering.
Untuk mengidentifikasi masalah digunakan diagram ishikawa. Diagram
ishikawa adalah sebuah alat grafis yang digunakan untuk mengidentifikasi, mengeksplorasi dan menggambarkan suatu masalah serta sebab-akibat dari masalah tersebut. Diagram ini juga sering disebut sebagai diagram sebab-akibat atau diagram tulang ikan. Identifikasi terhadap permasalahan akan membantu analisis persyaratan sistem yang nantinya akan dikembangkan. Berikut diagram
Gambar 3.1 Ishikawa Diagram
Diagram Ishikawa yang ditunjukan pada Gambar 3.1 terbagi atas dua bagian yaitu head dan bone. Bone terdiri dari 4 aspek yaitu Material, Metode, User dan Sistem. Material adalah apa saja yang diperlukan dalam menjalankan sistem yaitu citra berwarna dengan format bitmap. Method merupakan kebutuhan yang spesifik dari proses terdapat dua bagian. Pertama berupa noise yaitu
Gaussian Noise dan Salt-Pepper noise serta method untuk mereduksi noise
tersebut yaitu dengan Geometric Mean Filter. Kedua dilakukan proses deteksi tepi yaitu dengan menggunakan operator Sobel, operator Prewitt dan operator Robert. User adalah apa saja yang dapat dilakukan oleh pengguna, yaitu menginput citra, memberikan presentasi noise, identifikasi objek. Sistem adalah apa saja yang dapat dilakukan oleh aplikasi, yakni membangkitkan noise, mereduksi noise dengan
filtering dan mendeteksi tepi. Head adalah masalah pokok dari sistem tersebut, yakni analisis perbandingan deteksi tepi.
3.1.2 Analisis Persyaratan
Analisis kebutuhan sistem ini meliputi analisis persyaratan fungsional dan analisis persyaratan non-fungsional. Material Sistem User Metode Analisis Perbandingan Deteksi Tepi Citra (.bmp) Gaussian Noise Salt-Pepper Noise
Geometric Mean Filter
Menginput Citra Memberikan Presentase Noise Identifikasi Objek
Membangkitkan Noise Mereduksi Noise dengan Filtering
Melakukan Deteksi Tepi Operator Sobel
Operator Prewitt Operator Robert
3.1.2.1 Persyaratan Fungsional
Persyaratan fungsional adalah segala sesuatu yang harus dimiliki oleh sistem. Dalam proses filtering pada citra digital dengan menggunakan Geometric Mean Filter dan proses deteksi tepi menggunakan operator Sobel, Prewitt dan Robert
terdapat beberapa hal yang menjadi persyaratan fungsional yang harus dipenuhi, antara lain :
1. Citra asli yang digunakan untuk melakukan proses adalah citra berwarna dengan format bitmap (*.bmp).
2. Operator pendekteksian tepi adalah operator Sobel, operator Prewitt dan operator Robert.
3. Jenis noise yang akan digunakan yaitu Gaussian Noise dan Salt-Pepper Noise dengan persentasi noise dalam range 10 – 50 %.
4. Ukuran citra piksel.
5. Menggunakan perhitungan untuk analisis dengan metode Mean Squared Error (MSE), Peak Signal to Noise Rasio (PSNR) dan Running Time
sebagai pembanding proses waktu kerja pada bagian citra tertentu. 6. Menggunakan kernel untuk Geometric Mean Filter.
7. Sistem melakukan proses deteksi tepi dengan operator Sobel, Prewitt dan
Robert.
3.1.2.2 Persyaratan Non-Fungsional
Persyaratan non-fungsional adalah beberapa persyaratan yang harus dilakukan oleh sistem. Beberapa persyaratan non-fungsional yang dirancang untuk sistem ini adalah sebagai berikut :
1. Performa
Sistem atau perangkat lunak yang akan dibangun harus dapat menunjukkan hasil dari proses filtering dan deteksi tepi pada citra bitmap.
2. Mudah digunakan (User friendly)
Sistem yang akan dibangun harus user friendly, artinya bahwa sistem mudah digunakan oleh user dengan tampilan (interface) yang sederhana dan mudah dimengerti.
3. Hemat Biaya
Sistem atau perangkat lunak yang digunakan tidak memerlukan perangkat tambahan yang dapat mengeluarkan biaya.
4. Dokumentasi
Sistem yang akan dibangun harus bisa menyimpan citra hasil proses perbaikan citra digital dan citra hawsil deteksi tepi.
5. Kontrol
Sistem yang akan dibangun harus dapat menampilkan kotak dialog eror ketika
user salah dalam melakukan penginputan.
6. Manajemen Kualitas
Sistem atau perangkat lunak yang akan dibangun harus memiliki kualitas yang baik yaitu dapat menghitung nilai MSE dan PSNR secara tepat serta dapat menghitung nilai Running Time .
3.1.3 Analisis Proses
Dalam bagian ini ada 2 proses dasar yaitu filtering dan deteksi tepi. Teknik filter
yang digunakan untuk memperbaiki kualitas adalah Geometric Mean Filter setelah citra bitmap diberikan noise Gaussian dan Salt-Pepper . Kemudian dilakukan deteksi tepi dengan operator Sobel, Prewitt dan Robert. Setelah itu dilakukan proses perhitungan MSE, PSNR dan running time pada masing-masing proses.
3.2 Pemodelan
Pada bagian ini digunakan Unified Modeling Language (UML) sebagai bahasa spesifikasi standar suatu model yang berfungsi untuk membantu merancang
sistem. Beberapa jenis UML yang digunakan dalam penelitian ini yaitu use case diagram, sequence diagram dan activity digaram.
3.2.1 Use Case Diagram
Use case diagram adalah rangkaian/uraian sekelompok yang saling terkait dan membentuk sistem secara teratur yang dilakukan atau diawasi oleh sebuah aktor.
Use case diagram biasanya menggambarkan proses sistem yaitu kebutuhan sistem dari sudut pandang user. Berikut use case diagram dapat dilihat pada Gambar 3.2.
3.2.1.1 Use Case Filtering
Spesifikasi use case Filtering dapat dilihat pada Tabel 3.1.
Tabel 3.1 Spesifikasi Use Case Filtering
Name Filtering
Actors Pengguna
Trigger Pengguna memilih menu Filtering.
Preconditions Pengguna menggunakan Aplikasi Analisis Perbandingan
Filtering dan Deteksi Tepi.
Post Conditions Sistem menampilkan gambar hasil filtering dengan
metode Geometric Mean Filter.
Success Scenario 1. Pengguna mengeksekusi menu Filtering.
2. Sistem menampilkan halaman Filtering. 3. Pengguna memilih file citra asli.
4. Pengguna menginputkan nilai probabilitas noise.
5. Pengguna memilih noise yang akan diberikan pada citra.
6. Sistem menampilkan cita yang telah terkena noise. 7. Pengguna mengeksekusi tombol Geometric Mean
Filter.
8. Sistem melakukan proses filtering dengan metode
Geometric Mean Filter dan menampilkan gambar hasil filtering.
9. Pengguna dapat melihat hasil gambar yang telah difiltering dengan metode Geometric Mean Filter.
Alternative Flows -
3.2.1.2 Use Case Input File Citra Asli
Spesifikasi use case Input File Asli Awal dapat dilihat pada Tabel 3.2.
Tabel 3.2 Spesifikasi Use Case Input File Citra Asli
Name Input File Citra Asli
Actors Pengguna
Trigger Pengguna memilih menu Filtering.
Preconditions Pengguna menggunakan Aplikasi Analisis Perbandingan
Filtering dan Deteksi Tepi.
Post Conditions Sistem menampilkan gambar yang telah dipilih untuk
digenerate.
Success Scenario 1. Pengguna memilih menu Filtering.
3. Sistem menampilkan pop-up window Open Image
untuk menampilkan lokasi penyimpanan gambar. 4. Pengguna memilih gambar yang akan digenerate. 5. Sistem akan menampilkan gambar yang telah dipilih
untuk digenerate.
6. Pengguna dapat melihat gambar yang telah dipilih untuk digenerate.
Alternative Flows -
3.2.1.3 Use Case Input Presentase Noise
Spesifikasi use case Input Presentase Noise dapat dilihat pada Tabel 3.3.
Tabel 3.3 Spesifikasi Use Case Input Presentase Noise
Name Input Probabilitas Noise
Actors Pengguna
Trigger Pengguna telah memilih file citra awal yang akan
digenerate.
Preconditions Pengguna memilih menu Filtering.
Post Conditions Sistem menampilkan nilai presentase noise yang telah diinputkan.
Success Scenario 1. Pengguna telah memilih file citra awal yang akan digenerate.
2. Pengguna memilih nilai presentase yang akan digunakan untuk proses generate noise.
3. Sistem akan menampilkan nilai probabilitas yang telah dipilih.
4. Pengguna dapat melihat nilai probabilitas yang telah dipilih.
Alternative Flows -
3.2.1.4 Use Case Pilih Noise
Spesifikasi use case pilih noise dapat dilihat pada Tabel 3.4.
Tabel 3.4 Spesifikasi Use Case Pilih Noise
Name Pilih Noise
Actors Pengguna
Trigger Pengguna telah memilih nilai presentase noise.
Preconditions Pengguna memilih menu Filtering.
Post Conditions Sistem menampilkan button Gaussian Noise dan Salt-
Pepper Noise.
2. Pengguna dapat melihat button Gaussian Noise dan
Salt-Pepper Noise.
Alternative Flows -
3.2.1.5 Use Case Gaussian Noise
Spesifikasi use case Gaussian Noise dapat dilihat pada Tabel 3.5.
Tabel 3.5 Spesifikasi Use Case Gaussian Noise
Name Gaussian Noise
Actors Pengguna
Trigger Pengguna telah melihat button Gaussian Noise dan Salt-
Pepper Noise.
Preconditions Pengguna melihat nilai probabilitas noise yang telah
dipilih.
Post Conditions Sistem akan menampilkan gambar hasil generate gaussian
noise.
Success Scenario 1. Pengguna telah melihat button Gaussian Noise dan
Salt-Pepper Noise.
2. Pengguna memilih buttonGaussian Noise.
3. Sistem akan melakukan proses generate noise dan menampilkan hasil generate noise.
4. Pengguna dapat melihat hasil generate gaussian noise.
Alternative Flows -
3.2.1.6 Use Case Salt and Pepper Noise
Spesifikasi use case Salt and Pepper Noise dapat dilihat pada Tabel 3.6.
Tabel 3.6 Spesifikasi Use Case Salt and Pepper Noise
Name Salt and Pepper Noise
Actors Pengguna
Trigger Pengguna telah melihat button Gaussian Noise dan Salt-
Pepper Noise.
Preconditions Pengguna melihat nilai probabilitas noise yang telah
dipilih.
Post Conditions Sistem akan menampilkan gambar hasil generate Salt-
Pepper Noise.
Success Scenario 1. Pengguna telah melihat button Gaussian Noise dan
Salt-Pepper Noise.
2. Pengguna memilih buttonSalt and Pepper Noise. 3. Sistem akan melakukan proses generate noise dan
4. Pengguna dapat melihat hasil generate Salt and Pepper Noise.
Alternative Flows -
3.2.1.7 Use Case Geometric Mean Filter
Spesifikasi use case Geometric Mean Filter dapat dilihat pada Tabel 3.7.
Tabel 3.7 Spesifikasi Use Case Geometric Mean Filter
Name Geometric Mean Filter
Actors Pengguna
Trigger Pengguna telah melihat citra yang digenerate noise.
Preconditions Pengguna telah melihat button Gaussian Noise dan Salt- Pepper Noise.
Post Conditions Sistem menampilkan hasil gambar yang telah difiltering
dengan metode Geometric Mean Filter.
Success Scenario 1. Pengguna telah melihat citra yang digenerate noise. 2. Pengguna mengeksekusi tombol Geometric Mean. 3. Sistem melakukan proses filtering dengan metode
Geometric Mean Filter.
4. Pengguna dapat melihat hasil gambar yang telah difiltering dengan metode Geometric Mean Filter.
Alternative Flows -
3.2.1.8 Use Case Simpan Citra
Spesifikasi use case Simpan Citradapat dilihat pada Tabel 3.8.
Tabel 3.8 Spesifikasi Use Case SimpanCitra
Name Simpan Citra
Actors Pengguna
Trigger Pengguna telah melihat hasil citra hasil filtering dengan
metode Geometric Mean Filter.
Preconditions Pengguna telah melihat citra terkena noise.
Post Conditions Sistem menyimpan file citra hasil filtering.
Success Scenario 1. Pengguna telah melihat hasil citra hasil filtering
dengan metode Geometric Mean Filter. 2. Pengguna mengeksekusi tombol Save.
3. Sistem menampilkan pop-up window Save Image
untuk menampilkan lokasi penyimpanan gambar. 4. Pengguna menyimpan citra hasil filtering.
5. Sistem akan menyimpan citra hasil filtering.
3.2.1.9 Use Case Deteksi Tepi
Spesifikasi use case Deteksi Tepidapat dilihat pada Tabel 3.9.
Tabel 3.9 Spesifikasi Use Case Deteksi Tepi
Name Filtering
Actors Pengguna
Trigger Pengguna memilih menu Deteksi Tepi.
Preconditions Pengguna menggunakan Aplikasi Analisis Perbandingan
Filtering dan Deteksi Tepi.
Post Conditions Sistem menampilkan gambar hasil deteksi tepi.
Success Scenario 1. Pengguna mengeksekusi menu Deteksi Tepi.
2. Sistem menampilkan halaman Deteksi Tepi. 3. Pengguna memilih file citra asli.
5. Pengguna memilih salah satu operator deteksi tepi yang tersedia.
7. Sistem melakukan proses deteksi tepi dengan operator yang telah dipilih.
8. Pengguna dapat melihat hasil gambar deteksi tepi.
Alternative Flows -
3.2.1.10 Use Case Input Citra
Spesifikasi use case Input Citradapat dilihat pada Tabel 3.10.
Tabel 3.10 Spesifikasi Use Case Input Citra
Name Input Citra
Actors Pengguna
Trigger Pengguna memilih menu Deteksi Tepi.
Preconditions Pengguna menggunakan aplikasi Analisis Perbandingan
Filtering dan Deteksi Tepi.
Post Conditions Sistem menampilkan gambar yang telah dipilih untuk
proses deteksi tepi.
Success Scenario 1. Pengguna memilih menu Deteksi Tepi.
2. Pengguna mengeksekusi tombol Open Image.
3. Sistem menampilkan pop-up window Open Image
untuk menampilkan lokasi penyimpanan gambar. 4. Pengguna memilih gambar asli yang akan dideteksi
tepi.
5. Sistem akan menampilkan gambar yang telah dipilih untuk proses deteksi tepi.
6. Pengguna dapat melihat gambar yang telah dipilih untuk proses deteksi tepi.
Alternative Flows -
3.2.1.11 Use Case Deteksi Tepi Operator Sobel Citra Asli
Spesifikasi use case Deteksi Tepi Operator Sobel Citra Asli dapat dilihat pada Tabel 3.11.
Tabel 3.11 Spesifikasi Use Case Deteksi Tepi Operator Sobel Citra Asli
Name Deteksi Tepi Operator Sobel Citra Asli
Actors Pengguna
Trigger Pengguna telah melihat citra asli yang dipilih untuk proses
deteksi tepi.
Preconditions Pengguna memilih menu Deteksi Tepi.
Post Conditions Sistem akan menampilkan citra hasil deteksi tepi operator
Sobel
Success Scenario 1. Pengguna telah melihat citra asli yang dipilih untuk proses deteksi tepi.
2. Pengguna memilih button Deteksi Tepi Operator Sobel
Citra Asli.
3. Sistem akan melakukan proses deteksi tepi dengan operator Sobel dan menampilkan hasil deteksi tepi. 4. Pengguna dapat melihat hasil deteksi tepi dengan
operator Sobel.
Alternative Flows -
3.2.1.12 Use Case Deteksi Tepi Operator Prewitt Citra Asli
Spesifikasi use case Deteksi Tepi Operator Prewitt Citra Asli dapat dilihat pada Tabel 3.12.
Tabel 3.12 Spesifikasi Use Case Deteksi Tepi Operator Prewitt Citra Asli
Name Deteksi Tepi Operator Prewitt Citra Asli
Actors Pengguna
Trigger Pengguna telah melihat citra asli yang dipilih untuk proses
deteksi tepi.
Preconditions Pengguna memilih menu Deteksi Tepi.
Post Conditions Sistem akan menampilkan citra hasil deteksi tepi operator
Prewitt.
Success Scenario 1. Pengguna telah melihat citra asli yang dipilih untuk proses deteksi tepi.
2. Pengguna memilih button Deteksi Tepi Operator
3. Sistem akan melakukan proses deteksi tepi dengan operator Prewitt dan menampilkan hasil deteksi tepi. 4. Pengguna dapat melihat hasil deteksi tepi dengan
operator Prewitt.
Alternative Flows -
3.2.1.13 Use Case Deteksi Tepi Operator Robert Citra Asli
Spesifikasi use case Deteksi Tepi Operator Robert Citra Asli dapat dilihat pada Tabel 3.13.
Tabel 3.13 Spesifikasi Use Case Deteksi Tepi Operator Robert Citra Asli
Name Deteksi Tepi Operator Robert Citra Asli
Actors Pengguna
Trigger Pengguna telah melihat citra asli yang dipilih untuk proses
deteksi tepi.
Preconditions Pengguna memilih menu Deteksi Tepi.
Post Conditions Sistem akan menampilkan citra hasil deteksi tepi operator
Robert.
Success Scenario 1. Pengguna telah melihat citra asli yang dipilih untuk proses deteksi tepi.
2. Pengguna memilih button Deteksi Tepi Operator
Robert Citra Asli.
3. Sistem akan melakukan proses deteksi tepi dengan operator Robert dan menampilkan hasil deteksi tepi. 4. Pengguna dapat melihat hasil deteksi tepi dengan
operator Robert.
Alternative Flows -
3.2.1.14 Use Case Input Citra Filtering
Spesifikasi use case Input Citra Filtering dapat dilihat pada Tabel 3.14.
Tabel 3.14 Spesifikasi Use Case Input File Citra
Name Input Citra Filtering
Actors Pengguna
Trigger Pengguna memilih menu Deteksi Tepi.
Preconditions Pengguna menggunakan aplikasi Analisis Perbandingan
Filtering dan Deteksi Tepi.
Post Conditions Sistem menampilkan citra hasil filtering yang telah dipilih untuk proses deteksi tepi.
2. Pengguna mengeksekusi tombol Open Image.
3. Sistem menampilkan pop-up window Open Image
untuk menampilkan lokasi penyimpanan gambar. 4. Pengguna memilih citra hasil filtering yang akan
dideteksi tepi.
5. Sistem akan menampilkan gambar yang telah dipilih untuk proses deteksi tepi.
6. Pengguna dapat melihat gambar yang telah dipilih untuk proses deteksi tepi.
Alternative Flows -
3.2.1.15 Use Case Deteksi Tepi Operator Sobel Citra Filtering
Spesifikasi use case Deteksi Tepi Operator Sobel Citra Filtering dapat dilihat pada Tabel 3.15.
Tabel 3.15 Spesifikasi Use Case Deteksi Tepi Operator Sobel Citra Filtering
Name Deteksi Tepi Operator Sobel Citra Filtering
Actors Pengguna
Trigger Pengguna telah melihat citra hasil filtering yang dipilih
untuk proses deteksi tepi.
Preconditions Pengguna memilih menu Deteksi Tepi.
Post Conditions Sistem akan menampilkan citra hasil filtering deteksi tepi operator Sobel.
Success Scenario 1. Pengguna telah melihat citra filtering yang dipilih untuk proses deteksi tepi.
2. Pengguna memilih button Deteksi Tepi Operator
Sobel Citra Filtering.
3. Sistem akan melakukan proses deteksi tepi dengan operator Sobel dan menampilkan hasil deteksi tepi. 4. Pengguna dapat melihat hasil deteksi tepi dengan
operator Sobel.
Alternative Flows -
3.2.1.16 Use Case Deteksi Tepi Operator Prewitt Citra Filtering
Spesifikasi use case Deteksi Tepi Operator Prewitt Citra Filtering dapat dilihat pada Tabel 3.16.
Tabel 3.16 Spesifikasi Use Case Deteksi Tepi Operator Prewitt Citra Asli
Name Deteksi Tepi Operator Prewitt Citra Asli
Trigger Pengguna telah melihat citra filtering yang dipilih untuk proses deteksi tepi.
Preconditions Pengguna memilih menu Deteksi Tepi.
Post Conditions Sistem akan menampilkan citra hasil deteksi tepi operator
Prewitt.
Success Scenario 1. Pengguna telah melihat citra hasil filtering yang dipilih untuk proses deteksi tepi.
2. Pengguna memilih button Deteksi Tepi Operator
Prewitt Citra Filtering.
3. Sistem akan melakukan proses deteksi tepi dengan operator Prewitt dan menampilkan hasil deteksi tepi. 4. Pengguna dapat melihat hasil deteksi tepi dengan
operator Prewitt.
Alternative Flows -
3.2.1.17 Use Case Deteksi Tepi Operator Robert Citra Filtering
Spesifikasi use case Deteksi Tepi Operator Robert Citra Filtering dapat dilihat pada Tabel 3.17.
Tabel 3.17 Spesifikasi Use Case Deteksi Tepi Operator Robert Citra Filtering
Name Deteksi Tepi Operator Robert Citra Filtering
Actors Pengguna
Trigger Pengguna telah melihat citra filtering yang dipilih untuk
proses deteksi tepi.
Preconditions Pengguna memilih menu Deteksi Tepi.
Post Conditions Sistem akan menampilkan citra hasil deteksi tepi operator
Robert.
Success Scenario 1. Pengguna telah melihat citra filtering yang dipilih untuk proses deteksi tepi.
2. Pengguna memilih button Deteksi Tepi Operator
Robert Citra Filtering.
3. Sistem akan melakukan proses deteksi tepi dengan operator Robert dan menampilkan hasil deteksi tepi. 4. Pengguna dapat melihat hasil deteksi tepi dengan
operator Robert.
3.1.2.18 Use Case Simpan Citra
Spesifikasi use case Simpan Citradapat dilihat pada Tabel 3.18.
Tabel 3.18 Spesifikasi Use Case SimpanCitra
Name Simpan Citra
Actors Pengguna
Trigger Pengguna telah melihat citra hasil deteksi tepi.
Preconditions Pengguna telah melihat nilai MSE, PSNR dan Running
Time
Post Conditions Sistem menyimpan file citra hasil deteksi tepi.
Success Scenario 1. Pengguna telah melihat hasil citra deteksi tepi. 2. Pengguna mengeksekusi tombol Save.
3. Sistem menampilkan pop-up window Save Image
untuk menampilkan lokasi penyimpanan gambar. 4. Pengguna menyimpan citra hasil deteksi tepi. 5. Sistem akan menyimpan citra hasil deteksi tepi.
Alternative Flows -
3.2.1.19 Use Case Menghitung MSE, PSNR dan Running Time
Spesifikasi use case Hitung MSE, PSNR dan Running Time dapat dilihat pada Tabel 3.19.
Tabel 3.19 Spesifikasi Use Case Menghitung MSE, PSNR dan Running Time
Name Menghitung MSE, PSNR dan Running Time
Actors Pengguna
Trigger Pengguna telah melihat citra hasil deteksi tepi.
Preconditions Pengguna telah melihat citra yang dipilih untuk proses deteksi tepi.
Post Conditions Pengguna dapat melihat hasil perhitungan nilai MSE,
PSNR dan Running Time.
Success Scenario 1. Pengguna telah melihat citra hasil deteksi tepi.
2. Pengguna memlih dan mengeksekusi tombol deteksi tepi.
3. Sistem melakukan proses perhitungan nilai MSE, PSNR dan Running Time.
4. Sistem menampilkan hasil perhitungan nilai MSE, PSNR dan Running Time.
5. Pengguna dapat melihat hasil perhitungan nilai MSE, PSNR dan Running Time.
3.2.2 Activity Diagram
Activity Diagram menggambarkan berbagai alir aktivitas dalam system yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin tejadi, dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi. Dalam diagram aktivitas ini akan dijelaskan proses filtering dan deteksi tepi dalam sistem yang sedang dirancang. Berikut Activity Diagram Filtering dapat dilihat pada Gambar 3.3 dan Activity Diagram Deteksi Tepi pada Gambar 3.4.
Gambar 3.4 Activity Diagram Deteksi Tepi
3.2.3 Sequence Diagram
Sequence diagram (diagram urutan) adalah sutau diagram yang memperlihatkan atau menampilkan interaksi-interaksi antar objek di dalam sistem yang disusun pada sebuah urutan atau rangkaian waktu. Sequence diagram digunakan untuk menggambarkan skenario atau rangkaian langkah-langkah yang dilakukan sebagai sebuah respon dari suatu kejadian/event untuk menghasilkan output apa yang dihasilkan. Berikut Sequence Diagram dapat dilihat pada Gambar 3.5.
Gambar 3.5 Sequence Diagram