IMPLEMENTASI DAN PENGUJIAN
4.3. Pengujian Sistem
Tahap pengujian sistem merupakan lanjutan dari tahap implementasi sistem. Fungsi dari tahap pengujian sistem adalah untuk membuktikan bahwa sistem yang telah diimplementasikan dari hasil analisis dan perancangan sistem telah berjalan dengan baik. Pengujian akan dilakukan pada citra digital berformat BMP (Bitmap). Citra digital yang akan diuji adalah citra yang telah terdegradasi noise bebas dan citra yang tidak terdegradasi noise bebas, kemudian citra ditambahkan exponentialnoise 1% - 5%. Citra yang telah terdegradasi noise bebas adalah citra
yang telah ditambahkan noise seperti salt and pepper noise, gaussian noise, speckle noise, poisson noise maupun jenis noise lain yang ditambahkan dengan menggunakan sistem lain. Jenis citra yang akan diuji terbagi menjadi 3 (tiga) kelompok yaitu citra dengan kontras gelap, citra dengan kontras terang dan citra beragam warna. Citra dengan kontras gelap yang akan diuji adalah cilla.bmp, cube.bmp, splash.bmp, batik.bmp, dan apple.bmp. Citra dengan kontras terang yang akan diuji adalah lighting.bmp, green.bmp, view.bmp, yellow.bmp, falls.bmp. Citra beragam warna yang akan diuji adalah pelangi.bmp, crayons.bmp, batikwarna.bmp, windows.bmp, bird.bmp.
4.3.1. Pengujian black box
Penelitian ini melakukan pengujian dengan Black Box testing dimana pengujian yang dilakukan berfokus pada persyaratan fungsional perangkat lunak.
4.3.1.1. Rencana pengujian
Pada tahap ini akan dilakukan proses pengujian sistem secara Alpha dan Betha.
Tabel 4.1 Rencana Pengujian
Item Pengujian Detail Pengujian Jenis Pengujian Proses Filter dengan
Geometric Mean Filter dan Alpha-Trimmed Mean Filter
Lakukan input citra Black Box Tampilkan citra dengan noise Black Box Tampilkan hasil proses filter Black Box
4.3.1.2. Kasus dan hasil pengujian alpha
Berdasarkan tabel rencana pengujian, maka akan dilakukan pengujian Alpha pada perangkat lunak yang ditampilkan pada table berikut:
Tabel 4.2 Pengujian Hasil Input Citra oleh User
Kasus dan Hasil Uji
Masukan Hal yang diharapkan Pengamatan Kesimpulan
Citra digital berformat .bmp
Sistem menampilkan citra digital
Sistem menampilkan citra digital
Tabel 4.3 Pengujian Hasil Citra dengan Noise Kasus dan Hasil Uji (Parameter noise dimasukan)
Masukan Hal yang diharapkan Pengamatan Kesimpulan Probabilitas penentu noise Sistem menampilkan
citra dengan noise
Sistem menampilkan
citra dengan noise Diterima
Kasus dan Hasil Uji (Parameter noise tidak dimasukan)
Masukan Hal yang diharapkan Pengamatan Kesimpulan Probabilitas noise
dikosongkan
Sistem menampilkan message box sebagai peringatan dan tidak melanjutkan proses
Sistem menampilkan message box sebagai peringatan dan tidak melanjutkan proses
Diterima
Tabel 4.4 Pengujian Hasil Proses Filter
Kasus dan Hasil Uji
Masukan Hal yang diharapkan Pengamatan Kesimpulan Citra dengan noise Sistem menampilkan
citra hasil filter dan parameter pembanding
kinerja restorasi citra (MSE,PSNR dan
Runtime)
Sistem menampilkan citra hasil filter dan parameter pembanding
kinerja restorasi citra (MSE,PSNR dan
Runtime)
Diterima
4.3.1.3. Kesimpulan hasil pengujian alpha
Berdasarkan hasil pengujian Alpha dapat disimpulkan bahwa sistem sudah berjalan dengan baik dan sesuai yang diharapkan dan menunjukkan bahwa metode alpha- trimmed mean filter dengan nilai d = 0 dan nilai d = 1 yang paling bagus untuk melakukan reduksi.
4.3.1.4. Kasus dan hasil pengujian betha
Pengujian Betha ini merupakan pengujian yang bertujuan mengetahui kesimpulan hasil citra terbaik secara visualisasi dengan cara langsung memberi kuisioner kepada pengguna untuk memilih citra yang paling bagus. Adapun kuisioner tersebut terdapat 9 (sembilan) nomor citra hasil reduksi. Tiap nomor citra terdiri dari huruf a sampai d yang merupakan hasil filter metode geometric mean filter, alpha-trimmed mean filter d = 0, alpha-trimmed mean filter d = 1 dan alpha-trimmed mean filter d = 8 yang diletakkan secara acak. Kuisioner diberikan kepada 20 orang, dengan pertanyaan sebagai berikut: Pilihlah 1 (satu) citra pada gambar dengan cara melingkari huruf a, b, c ataupun d untuk citra yang menurut anda paling bagus secara visualisasi.
Berdasarkan data dari hasil kuisioner dapat dihitung persentasi pilihan dengan rumus: Persentase = ( Jumlah jawaban terpilih / Total jawaban ) x 100%
Hasil kuisioner dapat dilihat pada tabel 4.5.
Tabel 4.5 Hasil Kuisioner
Metode Jumlah Jawaban Terpilih Total Jawaban ( 9 x 20 ) Persentase GMF 74 180 41 % ATMF d = 0 19 180 11 % ATMF d = 1 29 180 16 % ATMF d = 8 58 180 32 %
4.3.1.5.Kesimpulan hasil pengujian betha
Berdasarkan hasil pengujian betha dapat disimpulkan bahwa citra hasil reduksi secara visualisasi yang paling bagus adalah dengan metode geometric mean filter.
4.3.2. Pengujian reduction undefined noise + exponential noise
Pada pengujian ini dilakukan untuk mereduksi noise bebas yang telah ada pada citra dan exponential noise dengan probabilitas 0.01 menggunakan metode Geometric Mean Filter dan Alpha-Trimmed Mean Filter dapat dilihat pada gambar 4.6.
Gambar 4.6 Hasil Pemilihan Citra Bernoise
Kemudian pilih tombol generate noise seperti pada gambar 4.7, dan apabila probabilitas noise belum dipilih, maka muncul form peringatan seperti pada gambar 4.8. Nilai probabilitas yang dapat dipilih adalah 0.01 sampai 0.05.
Gambar 4.7 Hasil Generate Noise dengan Probabilitas 0.01
Gambar 4.8 Peringatan Bila Probabilitas Belum Dipilih
Setelah noise dibangkitkan, maka citra dapat direduksi dengan memilih tombol reduce noise seperti pada gambar 4.10, dan pada saat tombol reduce noise dipilih, maka akan muncul processing bar seperti pada gambar 4.9.
Gambar 4.10 Hasil Reduce Noise
Setelah proses reduksi selesai, maka akan muncul nilai MSE, PSNR dan running time-nya. Kemudian citra hasil reduksi dapat disimpan seperti gambar 4.11. dan bila berhasil disimpan maka akan muncul peringatan seperti pada gambar 4.12.
Gambar 4.12 Peringatan File Berhasil Disimpan
Setelah proses reduksi noise untuk metode Geometric Mean Filter selesai, maka akan dilakukan reduksi noise dengan metode Alpha-Trimmed Mean Filter. Langkah-langkah yang dilakukan untuk metode Alpha-Trimmed Mean Filter juga sama seperti yang dilakukan pada proses metode Geometric Mean Filter. Namun, pada metode ini dilakukan pemilihan nilai d untuk mereduksi noise. Nilai d yang dipilih antara 0 sampai 8.
Saat memilih tombol reduce noise, apabila nilai d belum dipilih maka akan muncul help dialog seperti pada gambar 4.13.
Gambar 4.13 Help Dialog Apabila Nilai d Belum Dipilih
Berikut ini adalah hasil pengujiannya dengan nilai d yaitu 0, 1, dan 8. Untuk reduksi dengan nilai d = 0 dapat dilihat pada gambar 4.14, untuk reduksi dengan nilai d = 1 dapat dilihat pada gambar 4.15, dan untuk reduksi dengan nilai d = 8 dapat dilihat pada gambar 4.16.
Gambar 4.14 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filterd = 0
Gambar 4.16 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filterd = 8
Setelah noise dengan probabilitas yang sama direduksi dengan kedua metode ini, maka selanjutnya akan dilakukan perbandingan berdasarkan nilai MSE, PSNR, dan running time tiap-tiap metode. Apabila nilai MSE lebih kecil dan PSNR lebih besar, artinya citra hasil reduksi semakin mendekati citra aslinya, sehingga metode tersebut yang lebih baik untuk melakukan reduksi. Khusus untuk metode Alpha- Trimmed Mean Filter dilakukan proses reduksi dengan nilai d yang berbeda-beda, karena setiap nilai d dapat menghasilkan nilai MSE dan PSNR yang berbeda pula dan bahkan dapat lebih rendah untuk nilai d tertentu. Hal ini dikarenakan untuk tiap nilai d tertentu dilakukan dengan algoritma yang berbeda-beda. Untuk kembali ke menu utama dapat dipilih tombol back to main menu, maka akan muncul dialog box seperti pada gambar 4.17.
4.3.3. Pengujian reduction exponential noise
Pada pengujian ini dilakukan untuk mereduksi exponential noise dengan menggunakan metode Geometric Mean Filter dan Alpha-Trimmed Mean Filter. Langkah-langkah yang dilakukan pada proses reduksi ini, sama seperti yang dilakukan pada reduksi noise bebas dan exponential noise. Namun pada pengujian ini, citra awal yang akan diuji adalah citra tanpa noise. Berikut ini hasil reduksi exponential noise dengan probabilitas 0.01 menggunakan metode Geometric Mean Filter yang dapat dilihat pada gambar 4.18. Hasil reduksi noise dengan metode Alpha-Trimmed Mean Filter untuk d = 0 dapat dilihat pada gambar 4.19, reduksi dengan d = 1 dapat dilihat pada gambar 4.20, reduksi dengan d = 8 dapat dilihat pada gambar 4.21.
4.19 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filterd = 0