BAB V KESIMPULAN DAN SARAN
IMPLEMENTASI DAN PENGUJIAN SISTEM
4.3 Hasil Pengujian
4.3.2 Hasil Pengujian Filtering dengan Citra yang memiliki Noise
Pengujian filtering dengan citra yang memiliki noise dilakukan untuk mendapatkan data yang diperlukan ketika membandingkan sampel uji. Hasil dari pengujian tersebut bertujuan untuk mengetahui kemampuan Low-pass Filtering dan High-pass Filtering dalam mereduksi noise yang dimiliki oleh citra. Noise yang terdapat pada citra ini merupakan hasil dari pengambilan citra dengan objek yang bergerak, sehingga citra yang didapatkan memiliki gangguan.
Tabel 4.8 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra
yang memiliki Noise dengan d0 = 0.1 dan 0.05
Tabel 4.8 (Lanjutan) Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering
terhadap Citra yang memiliki Noise dengan d0 = 0.1 dan 0.05
Citra Hasil Filtering dan Nilai Uji Keberhasilan Penghilangan Noise-nya
Low-pass Filtering High-pass Filtering
Ideal
MSE PSNR (dB) Runtime (s) MSE PSNR (dB) Runtime (s)
41.7618 31.923 4.92963 8452.74 8.86083 5.67844
Butterworth
MSE PSNR (dB) Runtime (s) MSE PSNR (dB) Runtime (s)
Tabel 4.8 (Lanjutan) Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering
terhadap Citra yang memiliki Noise dengan d0 = 0.1 dan 0.05
Citra Hasil Filtering dan Nilai Uji Keberhasilan Penghilangan Noise-nya
Low-pass Filtering High-pass Filtering
Gaussian
MSE PSNR (dB) Runtime (s) MSE PSNR (dB) Runtime (s)
27.7309 33.7012 3.29162 8531.18 8.82071 3.36962
Citra yang memiliki Noise yang difilter dengan d0 = 0.05
Citra Hasil Filtering dan Nilai Uji Keberhasilan Penghilangan Noise-nya
Ideal
MSE PSNR (dB) Runtime (s) MSE PSNR (dB) Runtime (s)
Tabel 4.8 (Lanjutan) Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering
terhadap Citra yang memiliki Noise dengan d0 = 0.1 dan 0.05
Citra Hasil Filtering dan Nilai Uji Keberhasilan Penghilangan Noise-nya
Low-pass Filtering High-pass Filtering
Butterworth
MSE PSNR (dB) Runtime (s) MSE PSNR (dB) Runtime (s)
73.2185 29.4846 6.41164 8315.18 8.93209 5.83444
Gaussian
MSE PSNR (dB) Runtime (s) MSE PSNR (dB) Runtime (s)
Tabel 4.9 Perbandingan Nilai MSE dan PSNR Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang memiliki Noise
Low-pass Filtering
d0 Nilai MSE Nilai PSNR
Ideal Butterworth Gaussian Ideal Butterworth Gaussian
0.1 41,7618 32,9688 27,7309 31,923 32,9498 33,7012
0.05 88,0773 73,2185 63,7572 28,6822 29,4846 30,0855
Rata-rata 64,9196 53,09 45,74 30,30 31,22 31,89
High-pass Filtering
d0 Nilai MSE Nilai PSNR
Ideal Butterworth Gaussian Ideal Butterworth Gaussian
0.1 8452,74 8517,61 8531,18 8,86083 8,82763 8,82071
0.05 8228,98 8315,18 8335,22 8,97734 8,93209 8,92163
Rata-rata 8340,86 8416,40 8433,20 8,9191 8,8799 8,8712
Tabel 4.10 Perbandingan Nilai Runtime Process Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang memiliki Noise
d0 Low-pass Filtering High-pass Filtering
Ideal Butterworth Gaussian Ideal Butterworth Gaussian
0.1 4,9296 6,6924 3,2916 5,6784 6,6300 3,3696
0.05 4,9452 6,4116 3,1200 2,8548 5,8344 3,2136
Rata-rata 4,94 6,55 3,21 4,2666 6,2322 3,2916
Tabel 4.8 menampilkan citra hasil pengujian metode Low-pass Filtering dan High- pass Filtering terhadap citra dengan ukuran dimensi 558 × 500 yang telah memiliki noise. Tabel 4.6 menunjukkan bahwa pada penerapan metode Low-pass Filtering dengan cut-off distance 0.1 menghasilkan efek ringing yang halus, sedangkan untuk cut-off distance 0.05 efek ringing terlihat lebih jelas. Pada dasarnya, setiap Ideal Filter menghasilkan efek ringing, tetapi hanya dapat terlihat lebih jelas pada citra dengan ukuran dimensi kecil atau menggunakan cut-off distance yang kecil.
Berdasarkan tabel 4.9, metode Low-pass Filtering hanya dapat menghaluskan citra tanpa mengurangi gangguan yang ada pada citra, sedangkan metode High-pass Filtering yang memiliki efek menghilangkan latar belakang citra, hanya dapat mendeteksi objek-objek yang terdapat pada citra, sehingga dapat disimpukan bahwa metode Low-pass Filtering dan High-pass Filtering tidak dapat menghilangkan gangguan yang dihasilkan dari pengambilan citra bergerak.
BAB 5
KESIMPULAN DAN SARAN
5.1Kesimpulan
Setelah melakukan tahap analisis, perancangan, implementasi dan pengujian terhadap Sistem Implementasi Perbandingan Low-pass Filtering dan High-pass Filtering untuk Mereduksi Noise pada Citra Digital, maka diperoleh kesimpulan sebagai berikut:
1. Citra terdegradasi dapat direstorasi menggunakan metode Low-pass Filtering dan High-pass Filtering pada domain frekuensi.
2. Berdasarkan hasil perbandingan dari pengujian yang telah dilakukan, didapatkan beberapa poin, antara lain:
a. Seluruh metode Low-pass Filtering sangat baik mereduksi Exponential Noise. Hal tersebut dibuktikan dengan nilai MSE rata-rata sebelum filtering yaitu 326,08 dan nilai MSE rata-rata setelah filtering untuk Ideal = 207,6144, Butterworth = 200,6350, Gaussian = 197,3511. Untuk nilai PSNR rata-rata sebelum filtering adalah 23,903 dB, dan nilai PSNR rata-rata setelah filtering untuk Ideal = 25,2872 dB, Butterworth = 25,7765 dB, Gaussian = 25,8776 dB. Nilai MSE setelah filtering lebih kecil daripada sebelum filtering dan nilai PSNR setelah filtering lebih besar daripada sebelum filtering menunjukkan bahwa, dari ketiga metode Low-pass Filtering yang digunakan, kinerja metode Gaussian Low-pass Filtering sangat baik untuk mereduksi Exponential Noise.
b. Seluruh metode Low-pass Filtering cukup baik mereduksi Rayleigh Noise. Hal tersebut dibuktikan dengan nilai MSE rata-rata sebelum filtering adalah 463,868 dan nilai MSE rata-rata setelah filtering untuk Ideal = 471,8243, Butterworth = 465,4823, Gaussian = 460,9587. Untuk nilai PSNR rata-rata sebelum filtering adalah 22,076 dB dan nilai PSNR rata-rata setelah filtering
untuk Ideal = 21,9241 dB, Butterworth = 22,0098 dB, Gaussian = 22,0633 dB. Beberapa metode memiliki nilai MSE setelah filtering yang mendekati atau lebih kecil daripada sebelum filtering dan nilai PSNR setelah filtering yang mendekati atau lebih besar daripada sebelum filtering menunjukkan bahwa, dari ketiga metode Low-pass Filtering yang digunakan, kinerja metode Gaussian Low-pass Filtering baik untuk mereduksi Rayleigh Noise. c. Seluruh metode High-pass Filtering tidak dapat menghilangkan Exponential
dan Rayleigh Noise karena noise memiliki nilai frekuensi tinggi sehingga High-pass Filtering meloloskan noise tersebut.
d. Metode Low-pass Filtering dan High-pass Filtering tidak dapat menghilangkan gangguan pada citra hasil pengambilan objek bergerak. 5.2Saran
Berikut saran-saran yang dapat dipertimbangkan untuk mengembangkan penelitian yang berhubungan dengan topik ini:
1. Pengujian metode filtering sebaiknya dilakukan dengan lebih banyak variasi nilai probabilitas dan parameter noise, serta variasi citra untuk mendapatkan hasil analisis yang lebih baik.
2. Mencoba untuk mengkombinasikan beberapa metode pada domain frekuensi untuk mereduksi noise pada citra.
3. Mengembangkan sistem agar dapat digunakan untuk citra dengan ekstensi yang lebih bervariasi.
4. Mengembangkan sistem agar dapat menyimpan seluruh data, seperti nilai MSE, PSNR, dan runtime process ke dalam format dokumen.