Untuk pengujian nilai perhitungan nilai MSE dan PSNR dilakukan dengan membandingkan antara nilai MSE atau PSNR citra ber-noise yang dikurangkan dengan citra normal yang selanjutnya disebut sebagai MSE atau PSNR awal, dan nilai MSE atau PSNR citra hasil filter dikurangkan dengan citra yang normal yang selanjutnya disebut sebagai MSE atau PSNR akhir.
Jika nilai MSE awal lebih tinggi daripada MSE akhir maka citra tersebut memiliki penurunan nilai error sehingga dapat dikatakan citra tersebut semakin baik. Sebaliknya, jika nilai MSE awal lebih rendah daripada MSE akhir maka citra tersebut memiliki kenaikan nilai error sehingga dapat dikatakan citra tersebut semakin buruk.
Begitu juga dengan PSNR, jika nilai PSNR awal lebih rendah daripada PSNR akhir maka citra tersebut memiliki kenaikan kualitas citra sehingga dapat dikatakan citra tersebut semakin baik. Sebaliknya, jika nilai PSNR awal lebih tinggi daripada PSNR akhir maka citra tersebut memiliki penurunan kualitas citra sehingga dapat dikatakan citra tersebut semakin buruk.
3.4. Evaluasi Sistem Keseluruhan
Setelah melalui proses pengujian di atas maka perlu dilakukan pengujian sistem secara keseluruhan. Dimulai dari proses memasukkan citra masukan, kemudian melakukan penambahan jenis dan persentase noise yang diinginkan. Selanjutnya melakukan proses filter dengan menggunakan metode Adaptive
Median Filter dan menghitung berapa nilai MSE dan PSNR nya. Kemudian
sebagai tambahan yang tak kalah penting, kita juga harus dapat sedikit
STIKOM
menganalisa apakah terjadi perbaikan citra atau sebaliknya. Kedua kemungkinan tersebut mungkin saja terjadi pada proses filtering ini. Jika keseluruhan sistem telah berjalan sesuai dengan langkah – langkah tersebut, maka secara keseluruhan sistem ini sudah dikatakan baik.
STIKOM
42
IMPLEMENTASI DAN EVALUASI
Pengujian sistem yang dilakukan merupakan pengujian terhadap aplikasi yang telah selesai dibuat. Dimulai dari memasukkan data masukan ke dalam aplikasi, penambahan noise baik dari jenis maupun persentase yang diinginkan oleh user, proses pem-filter-an dengan menggunakan metode Adaptive Median
Filter, perhitungan dan perbandingan nilai MSE dan PSNR, kemudian yang
terakhir adalah pengujian secara keseluruhan yaitu aplikasi melakukan pengurangan noise dengan menggunakan metode adaptive median filter.
4.1. Pengujian Implementasi Metode Adaptive Median Filter pada Noise Uniform dengan Citra RGB
Pengujian metode adaptive median filter pada noise uniform dilakukan pada citra warna (RGB). Hal tersebut untuk diketahui apakah filter ini cocok untuk menghilangkan atau mengurangi noise pada citra tersebut. Berikut ini hasil pengujian implementasi metode adaptive median filter pada noise uniform dengan citra RGB :
Tabel 4.1 Hasil Pengujian dengan Noise Uniform pada Citra RGB No Besar Noise MSE awal MSE akhir MSE PSNR awal PSNR akhir PSNR 1 5% 2,9235 7,1778 4,2543 43,359 39,679 -3,68 2 10% 1,3099 8,7953 7,4854 48,13 38,588 -9,542 3 20% 4,8483 1,3619 -3,4864 41,141 48,13 6,989 4 40% 1,5545 3,1169 1,5624 45,12 43,359 -1,761 5 60% 3,1949 7,8755 4,6806 43,359 39,099 -4,26
STIKOM
SURABAYA
4.2. Pengujian Implementasi Metode Adaptive Median Filter pada Noise Uniform dengan Citra Grayscale
Pengujian metode adaptive median filter pada noise uniform dilakukan pada citra Grayscale. Hal tersebut untuk diketahui apakah filter ini cocok untuk menghilangkan atau mengurangi noise pada citra tersebut. Berikut ini hasil pengujian implementasi metode adaptive median filter pada noise uniform dengan citra grayscale :
Tabel 4.2 Hasil Pengujian dengan Noise Uniform pada Citra Grayscale No Besar Noise MSE awal MSE akhir MSE PSNR awal PSNR akhir PSNR 1 5% 2,973 5,0939 2,1209 43,359 41,141 -2,218 2 10% 1,279 6,6542 5,3752 48,13 39,679 -8,451 3 20% 4,475 1,1646 -3,3104 42,11 48,13 6,02 4 40% 1,4951 3,347 1,8519 48,13 43,359 -4,771 5 60% 3,156 9,1471 5,9911 43,359 38,588 -4,771
4.3. Pengujian Implementasi Metode Adaptive Median Filter pada Noise Gaussian dengan Citra RGB
Pengujian metode adaptive median filter pada noise gaussian dilakukan pada citra warna (RGB). Hal tersebut untuk diketahui apakah filter ini cocok untuk menghilangkan atau mengurangi noise pada citra tersebut. Berikut ini hasil pengujian implementasi metode adaptive median filter pada noise gaussian dengan citra RGB:
Tabel 4.3 Hasil Pengujian dengan Noise Gaussian pada Citra RGB No Besar Noise MSE awal MSE akhir MSE PSNR awal PSNR akhir PSNR 1 5% 6,6008 7,9221 1,3213 39,679 39,099 -0,58 2 10% 3,229 1,1691 -2,0599 43,359 48,13 4,771 3 20% 1,1079 2,4163 1,3084 48,13 45,12 -3,01
STIKOM
SURABAYA
4 40% 3,1222 7,2349 4,1127 43,359 39,679 -3,68 5 60% 5,2285 1,5815 -3,647 41,141 45,12 3,979
4.4. Pengujian Implementasii Metode Adaptive Median Filter pada Noise Gaussian dengan Citra Grayscale
Pengujian metode adaptive median filter pada noise gaussian dilakukan pada citra Grayscale. Hal tersebut untuk diketahui apakah filter ini cocok untuk menghilangkan atau mengurangi noise pada citra tersebut. Berikut ini hasil pengujian implementasi metode adaptive median filter pada noise gaussian dengan citra grayscale:
Tabel 4.4 Hasil Pengujian dengan Noise Gaussian pada Citra Grayscale No Besar Noise MSE awal MSE akhir MSE PSNR awal PSNR akhir PSNR 1 5% 6,5867 5,723 -0,8637 39,679 40,349 0,67 2 10% 3,0429 9,4375 6,3946 43,359 38,589 -4,77 3 20% 1,0477 2,3665 1,3188 48,13 45,12 -3,01 4 40% 2,995 8,0924 5,0974 43,359 39,099 -4,26 5 60% 5,5104 1,9788 -3,5316 40,349 45,12 4,771
4.5. Pengujian Implementasi Metode Adaptive Median Filter pada Tes Coret Citra RGB
Pengujian metode adaptive median filter pada tes coret dilakukan pada citra warna (RGB). Hal tersebut untuk diketahui apakah filter ini cocok untuk menghilangkan atau mengurangi noise coretan pada citra tersebut. Berikut ini hasil pengujian implementasi metode adaptive median filter pada noise coretan dengan citra RGB:
STIKOM
Tabel 4.5 Hasil Pengujian dengan Noise Coretan pada Citra RGB No Besar Noise MSE awal MSE akhir MSE PSNR awal PSNR akhir PSNR 1 3,8893 1,9319 -1,9574 42,11 45,12 3,01
4.6. Pengujian Implementasi Metode Adaptive Median Filter pada Tes Coret Citra Grayscale
Pengujian metode adaptive median filter pada tes coret dilakukan pada citra
Grayscale. Hal tersebut untuk diketahui apakah filter ini cocok untuk
menghilangkan atau mengurangi noise coretan pada citra tersebut. Berikut ini hasil pengujian implementasi metode adaptive median filter pada noise coretan dengan citra grayscale:
Tabel 4.6 Hasil Pengujian dengan Noise Coretan pada Citra Grayscale No Besar Noise MSE awal MSE akhir MSE PSNR awal PSNR akhir PSNR 1 1,9867 2,3468 0,3601 45,12 45,12 0
4.7. Analisis Hasil Implementasi
Berdasarkan tabel 4.1 terlihat bahwa metode adaptive median filter pada penerapan noise uniform pada citra RGB memberikan hasil MSE = -3,4864 dan
PSNR = 6,989 dengan besar noise 20%. Pada pengujian pada metode adaptive
median filter pada penerapan noise uniform pada citra grayscale memberikan
hasil MSE = -3,3104 dan PSNR = 6,02 dengan besar noise 20% yang ditunjukkan pada tabel 4.2. Dari penjelasan tersebut terlihat bahwa MSE keduanya bernilai negatif sedagkan PSNR keduanya bernilai positif, terjadi
STIKOM
penurunan nilai MSE dan peningkatan nilai PSNR yang artinya telah terjadi perbaikan kualitas citra.
Berdasarkan tabel 4.3 terlihat bahwa metode adaptive median filter pada penerapan noise gaussian pada citra RGB memberikan hasil MSE = -2,0599 dan
PSNR = 4,771 dengan besar noise 10%, sedangkan pada pengujian dengan besar
noise 60%, memberikan hasil MSE = -3,647 dan PSNR = 3,979. Pada pengujian pada metode adaptive median filter pada penerapan noise gaussian pada citra grayscale memberikan hasil MSE = -0,8637 dan PSNR = 0,67 dengan besar noise 5%, sedangkan pada pengujian dengan besar noise 60%, memberikan hasil MSE = -3,5316 dan PSNR = 4,771 yang ditunjukkan pada tabel 4.4. Dari penjelasan tersebut terlihat bahwa MSE keduanya bernilai negatif sedagkan PSNR keduanya bernilai positif, terjadi penurunan nilai MSE dan peningkatan nilai PSNR yang artinya telah terjadi perbaikan kualitas citra.
Berdasarkan tabel 4.5 terlihat bahwa metode adaptive median filter pada penerapan noise coretan pada citra RGB memberikan hasil MSE = -1,9574 dan
PSNR = 3,01, sedangkan pengujian pada citra grayscale memberikan hasil
MSE = 0,3601 dan PSNR = 0. Dari penjelasan tersebut terlihat bahwa pada
noise coretan dengan citra RGB MSE bernilai negatif sedagkan PSNR bernilai positif, terjadi penurunan nilai MSE dan peningkatan nilai PSNR yang artinya telah terjadi perbaikan kualitas citra. Sedangkan pada noise coretan dengan citra
grayscale terjadi sebaliknya yaitu MSE bernilai positif dan PSNR bernilai 0, terjadi penurunan nilai MSE dan tidak ada peningkatan nilai PSNR yang artinya tidak terjadi perbaikan kualitas citra,
STIKOM
Pada tabel 4.1, 4.2, 4.3, dan 4.4 terlihat bahwa ada 6 pengujian yang hasilnya sesuai dengan apa yang kami harapkan yaitu perbaikan kualitas citra yang dapat dilihat dari penurunan nilai MSE dan peningkatan nilai PSNR. Ada 6 pengujian yang mengalami perbaikan citra dari 20 pengujian yang dilakukan, artinya efektivitas penerapan metode adaptive median filter terhadap pengurangan
noise uniform dan gaussian pada citra digital adalah sebesar 30%.
Sedangkan pada tabel 4.5 dan 4.6 terlihat bahwa ada 1 dari 2 pengujian yang mengalami perbaikan kualitas citra, artinya efektivitas penerapan metode adaptive
median filter terhadap pengurangan coretan pada citra digital adalah sebesar 50%.
STIKOM
48
PENUTUP
5.1. Kesimpulan
Aplikasi Adaptive Median Filter dapat digunakan untuk mengurangi noise
uniform dan gaussian, pada citra RGB dan grayscale dengan hasil sebagai
berikut:
1. Penerapan noise uniform pada citra RGB memberikan hasil MSE = -3,4864 dan PSNR = 6,989, pada citra grayscale memberikan hasil MSE = -3,3104 dan PSNR = 6,02 dengan besar noise 20%.
2. Penerapan noise gaussian pada citra RGB memberikan hasil MSE = -2,0599 dan PSNR = 4,771 dengan besar noise 10%, sedangkan pada pengujian dengan besar noise 60%, memberikan hasil MSE = -3,647 dan PSNR = 3,979. Penerapan noise gaussian pada citra grayscale memberikan hasil
MSE = -0,8637 dan PSNR = 0,67 dengan besar noise 5%, sedangkan pada pengujian dengan besar noise 60%, memberikan hasil MSE = -3,5316 dan
PSNR = 4,771.
3. Penerapan noise coretan pada citra RGB memberikan hasil MSE = -1,9574 dan PSNR = 3,01, sedangkan pengujian pada citra grayscale memberikan hasil MSE = 0,3601 dan PSNR = 0.
4. Perbaikan kualitas citra dilihat dari penurunan nilai MSE dan peningkatan nilai PSNR.
5. Efektivitas penerapan metode adaptive median filter terhadap pengurangan
noise uniform dan gaussian pada citra digital adalah sebesar 30%.
STIKOM
6. Efektivitas penerapan metode adaptive median filter terhadap pengurangan
noise coretan pada citra digital adalah sebesar 50%.
5.2. Saran
Agar pada penelitian selanjutnya aplikasi ini dapat dikembangkan lebih sempurna, maka penulis memberikan saran sebagai berikut :
1. Penerapan pada noise yang lain yaitu noise salt&pepper, sehingga dapat melihat perbandingan perbaikan kualitas citra.
2. Perlu dilakukan uji coba pada citra tiga dimensi untuk mengetahui kemampuan filter dengan metode adaptive median dalam mengurangi noise untuk melakukan perbaikan citra.
STIKOM
50
Achmad, B. & Firdausy, K. 2005. Teknik Pengolahan Citra Digital
Menggunakan Delphi. Jogjakarta: Ardi Publishing.
Ahmad, Usman. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya. Edisi Pertama. Yogyakarta : Graha Ilmu.
Arunachalam, A. & Bharat, Shyam, B. Adaptive Median Filtering of Still
Images. (Online).
(http://homepages.cae.wisc.edu/~ece533/project/f03/arjunshyam.doc, diakses pada 18 November 2012)
Basuki, A. & Palandi, J.F.F. 2005. Pengolahan Citra Digital Menggunakan
Visual Basic. Jogjakarta: Graha Ilmu.
H, Hwang & Haddad R. A. 1995. Adaptive Median Filters : New Algorithm
and Result.
Intan Permatasari, Desy. 2007. Perbaikan Citra Dengan Menggunakan
Metode Transformasi Dual-Tree Complex Wavelet
Jannah, Asmaniatul. 2008. Analisis Perbandingan Metode Filter Gaussian,
Mean, dan Median Terhadap Reduksi Noise Salt and Pepper
Lestari, Desi. 2003. Implementasi Teknik Watermarking Digital pada
Domain Dct Untuk Citra Berwarna. Yogyakarta
Lei, Peng. 1995. Seminar Report : Adaptive Median Filtering
Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan Pendekatan
Algoritmik. Bandung : Informatika.
Nuryadin, Sony. 2006. Analisis Filtering Citra dengan Metode Mean Filter
dan Median Filter.
R.C. Gonzalez, R.E. Woods. 1992. Digital Image Processing. USA : Addison-Wesley Publishing Company.
Rheinadi, Ryan. 2009. Analisis Algoritma Bubble Sort.
Sigit, Riyanto, dkk. 2005. Step by Step Pengolahan Citra Digital. Yogyakarta : ANDI Offset.
Sulistyo, Wiwin, dkk, 2011. Analisis Penerapan Metode Median Filter
Untuk Mengurangi Noise pada Citra Digital
STIKOM
51
Tidak ada nama. Praktikum 7-Mereduksi Noise. (Online). (http://lecturer.eepis-its.edu/~riyanto/citra-bab7.pdf , diakses tanggal 20 Agustus 2012)
TIdak ada nama. Praktikum 9-Reduksi Noise. (Online). ( http://lecturer.eepis-its.edu/~nana/index_files/materi/Prak_Citra/PrakReduksiNoise.pdf
diakses tanggal 20 Agustus 2012)