PSNR LoG
PSNR LoG + HB(A=0) PSNR LoG + HB(A=1) PSNR LoG + HB(A=2)
Grafik menunjukkan bahwa bahwa nilai PSNR terbesar didapat dengan melakukan pendeteksian tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering. Dari hasil setiap pengujian diatas maka diperoleh nilai rata-rata dari setiap parameter yaitu MSE, PSNR dan running time. Hasil nilai rata- rata tersebut dapat dilihat pada tabel 4.9 dibawah ini.
Tabel 4.9 Perbandingan nilai rata-rata MSE, PSNR, dan running time Operator
Deteksi Tepi pada HB Nilai A Noise
Parameter MSE PSNR Running Time Laplacian of Gaussian Gaussian Noise 28455,725 0,3590 dB 2,874s
Salt and Pepper Noise 28363,578 0.3603 dB 2.905s
Laplacian of Gaussian + High Boost Filtering
0 Gaussian Noise 28775,57 0,35408dB 2,9854s
0 Salt and Pepper Noise 28720,03 0,35488 dB 3,733s
1 Gaussian Noise 28925,88 0,35182dB 2,5404s
1 Salt and Pepper Noise 28096,5 0,36864 dB 3,698s
2 Gaussian Noise 28737,95 0,35464dB 2,633s
2 Salt and Pepper Noise 28624,28 0,35634 dB 3,8214s
Hasil penghitungan rata-rata nilai MSE,PSNR dan running time sebagai paramater pembanding di peroleh bahwa, dengan nilai MSE terkecil yaitu, 28096,5 dan nilai PSNR terbesar yaitu, 0,36864. Nilai MSE terkecil dan PSNR terbesar di peroleh dari hasil pengujian operator Laplacian of Gaussian kombinasi High Boost filtering terhadap citra ber-noiseSalt and Pepper dan dengan nilai A = 1. Sedangkan proses tercepat diperoleh dari hasil pengujian operator Laplacian of Gaussian kombinasi High Boost filtering terhadap citra ber-noiseGaussian dengan proses rata- rata selama 2,5404s.
Kualitas dari garis struktur deteksi tepi pada citra yang telah di deteksi tepi dapat juga dinilai secara visual mana yang terlihat lebih baik. Lebih baik berarti dimana citra hasil deteksi tepi memang mencirikan citra awal. Perbandingan garis struktur deteksi tepi tersebut dapat dilihat pada tabel 4.10 dibawah ini.
Tabel 4.10 Perbandingan kualitas struktur garis tepi citra hasil deteksi tepi Noise Laplacian of Gaussian Laplacian of Gaussian +
High Boost filtering
Gaussian Noise
Salt and Pepper Noise
Tabel 4.10 diatas menunjukkan bahwa kualitas garis strukrur dari citra hasil deteksi tepi yang baik dilihat secara visual adalah citra hasil deteksi tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost Filtering. Operator Laplacian of Gaussian kombinasi High Boost Filtering mendeteksi tepi dengan baik terhadap citra yang memiliki Gaussian noise maupun Salt and Pepper noise.
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melakukan beberapa tahap, yang dimulai dari studi literatur, analisis dan penelitian, perancangan hingga tahap implementasi dan pengujian sistem perbandingan hasil deteksi tepi Laplacian of Gaussian dengan Laplacian of Gaussian kombinasi High Boost filtering, maka dapat disimpulkan bahwa:
1. Pada citra hasil deteksi tepi yang memiliki nilai MSE dan PSNR yang baik adalah citra dengan Salt and Pepper noise dan di deteksi tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering dengan A bernilai 1.
2. Pada citra hasil deteksi tepi yang memiliki kualitas struktur garis tepi yang baik adalah citra dengan Gaussian noise yang memiliki probabilitas 10% dan dideteksi tepi dengan menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering dimana A bernilai 1.
3. Pada citra yang memiliki Gaussian noise lebih baik di deteksi tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering dimana rentang nilai A bekisar 1,00 – 1,99 dengan melihat dari kualitas struktur garis tepi yang lebih mencirikan citra asli sebelum diberi Gaussian noise.
4. Pada citra yang memiliki Salt and Pepper noise lebih baik dideteksi tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering dimana rentang nilai A bekisar (0,00 – 0,99) – (2,0) dengan
melihat dari kualitas struktur garis tepi yang lebih mencirikan citra asli sebelum diberi Salt and Pepper noise.
5.2 Saran
Berikut ini adalah beberapa saran yang dapat digunakan untuk tahap pengembangan sistem ini kedepannya, antara lain:
1. Sistem ini dapat dikembangkan dengan menambah pengujian jenis format cira digital lain seperti *.png, *.jpg dan *.jpeg.
2. Sistem ini menggunakan Gaussian noise dan Salt and Pepper noise, sehingga untuk pengembangan sistem selanjutnya dapat menambahkan jenis noise lain yaitu seperti, Exponential noise, Uniform noise, Speckel noise, dan lain-lain.
3. Sistem ini menggunakan operator Laplacian of Gaussian untuk mendeteksi tepi, selanjutnya dapat dilakukan penelitian dengan menggunakan operator deteksi tepi lainnya seperti Canny, Robert, Prewitt, Sobel dan lain-lain sebagai perbandingan yang akan dikombinasikan dengan High Boost filtering.
DAFTAR PUSTAKA
Ahmad, Usman. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya. Yogyakarta: Graha Ilmu.
Ainun, Nur. 2014. Analisis Pengaruh Kombinasi Gaussian Noise dan Speckle Noise Pada Citra Terhadap Kinerja Metode Deteksi Tepi. Skripsi. Universitas Sumatera Utara.
Annisa,Citra. 2010. Deteksi Tepi Citra Kanker Kulit Menggunakan Metode Laplacian of Gaussian. Skripsi. Universitas Islam Negeri Syarif Hidayatullah.
Apriyana, Delta Sri, Shinta Puspasari, Renni Angreni (2013). “Perbandingan Metode Sobel, Metode Prewitt dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital”. Jurnal Teknik Informatika. Vol 1 (1) : hal 2.
Bangun,Melly. 2010. Analisis Kinerja Metode Canny Dalam Mendeteksi Tepi Karies Gigi. Skripsi. Universitas Sumatera Utara.
Barus,Lorent O. 2015. Implementasi Kombinasi Arithmetic Mean Filter dan High Boost Filtering untuk memperbaiki kualitas citra digital. Skripsi. Universitas Sumatera Utara.
Fadilllah, Azhar. 2014. Implementasi Metode Kombinasi Mean Filter dan Median Filter Untuk Mereduksi Gaussian Noise, Salt and Pepper Noise, Speckle Noise, dan Exponential Noise Pada Citra Digital. Skripsi. Universitas Sumatera Utara. Gonzalez, R. C dan Woods, R. E. 2010. Digital Image Processing. New Jersey: Pearson
Education.
Hermawati, F.A. 2013. Pengolahan Citra Digital Konsep dan Teori. Yogyakarta: ANDI. Kadir, A. & Susanto, A. 2013. Teori dan Aplikasi Pengolahan Citra. Yogyakarta :
Penerbit ANDI.
Munir,Renaldi. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung : Informatika.
Munir, R. 2007. Pengantar Pratikum pengolahan Citra. Bandung: Penerbit ANDI.
Najarian, K. & Splinter, R. 2012. Biomedical Signal and Image Processing Second Edition. Boca Raton Florida : CRC Press
Prasetyo, E. 2011. Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab. Yogyakarta : ANDI.
Putra, Agfianto dan Rama Ali. 2008. Implementasi Metode Penapis High-Pass dan Penapis High-Boost dalam Penajaman Citra dengan Menggunakan Kernel Konvolusi.Yogyakarta : Universitas Gajah Mada.
Putra, D. 2010. Pengolahan Citra Digital. Yogyakarta: ANDI.
Rifangi, Azhar I. 2014. Implemenetasi High Boost Filtering untuk Memperbaiki Kualitas Citra. Skripsi. Universitas Sumatera Utara.
Sianipar, R. 2013. Pemograman MATLAB Dalam Contoh dan Terapan. Bandung : Penerbit Informatika Bandung.
Sutoyo, T. & Mulyanto, E. 2009. Teori Pengolahan Citra Digital. Yogyakarta : Penerbit ANDI.
Taurisna, A. 2009. Analisis Pengaruh Resolusi Citra Terhadap Kinerja Metode Pendeteksi Tepi. Skripsi. Medan: Universitas Sumatera Utara.
Wibowo, Rico, Rizal Isnanto, Ajub Ajulian (2014). “Perbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) Terhadap Acuan Canny untuk Mendeteksi Tepi Citra”. Jurnal Teknik Elektro.Vol 3 (1) : 2-4.