Listing Program
private void pengujianToolStripMenuItem_Click(object sender, EventArgs e) {
this.Dispose();
Form2 frm2 = new Form2(); frm2.ShowDialog();
}
private void exitToolStripMenuItem_Click(object sender, EventArgs e) {
Application.Exit(); }
private void helpToolStripMenuItem_Click(object sender, EventArgs e) {
Form3 frm3 = new Form3(); this.Dispose();
frm3.ShowDialog();
}
Kode Program Menu Pengujian:
private void homeToolStripMenuItem_Click(object sender, EventArgs e) {
private void exitToolStripMenuItem_Click(object sender, EventArgs e) {
{-1,-1,-1}};
var kutup = Math.Sqrt(-2 * Math.Log(persegi) / persegi);
private Bitmap getGaussianNoise(Bitmap image) {
int Depth = System.Drawing.Bitmap.GetPixelFormatSize(image.PixelFormat); step = Depth / 8;
}
return true; }
private void btnImport_Click(object sender, EventArgs e) {
private void rbtSalt_CheckedChanged(object sender, EventArgs e) {
if (rbtGaussian.Checked)
private void btnReset_Click(object sender, EventArgs e) {
MessageBox.Show("Image Noise Tidak Ada"); }
}
private void btnFilter_Click(object sender, EventArgs e) {
private double hitungMSE(Bitmap imageAsli, Bitmap imageHasil) {
double pxAsli, pxHasil, MSE;
private void btnHitung_Click(object sender, EventArgs e) {
double MSE = hitungMSE((Bitmap)imgAwal.Image, (Bitmap)imgHasil.Image); double PSNR = hitungPSNR(MSE);
txtMSE.Text = Math.Round(Convert.ToDecimal(MSE.ToString()), 4).ToString(); txtPSNR.Text = Math.Round(Convert.ToDecimal(PSNR.ToString()), 4).ToString(); }
private void helpToolStripMenuItem_Click(object sender, EventArgs e) {
Form3 frm3 = new Form3(); this.Dispose();
frm3.ShowDialog();
}
private void hasilToolStripMenuItem_Click(object sender, EventArgs e) {
Form4 frm4 = new Form4(); this.Dispose();
frm4.ShowDialog(); }
private void textBox1_TextChanged(object sender, EventArgs e) {
}
imgNoise.Image.Save(simpan.FileName,
private void imgNoise_Click(object sender, EventArgs e) {
private void homeToolStripMenuItem_Click(object sender, EventArgs e) {
this.Dispose();
Form1 frm1 = new Form1(); frm1.ShowDialog();
private void pengujianToolStripMenuItem_Click(object sender, EventArgs e)
private void helpToolStripMenuItem_Click(object sender, EventArgs e) {
Form3 frm3 = new Form3(); this.Dispose();
frm3.ShowDialog(); }
private void exitToolStripMenuItem_Click(object sender, EventArgs e) {
if (MessageBox.Show("Keluar Aplilkasi?", "Keluar", MessageBoxButtons.YesNo, MessageBoxIcon.Question) == DialogResult.Yes)
Application.Exit(); }
}
private void groupBox1_Enter(object sender, EventArgs e) {
}
private void button3_Click(object sender, EventArgs e) {
private void button2_Click(object sender, EventArgs e) {
{
this.Dispose();
private void homeToolStripMenuItem_Click(object sender, EventArgs e) {
this.Dispose();
Form1 frm1 = new Form1(); frm1.ShowDialog();
}
private void pengujianToolStripMenuItem_Click(object sender, EventArgs e) {
this.Dispose();
Form2 frm2 = new Form2(); frm2.ShowDialog();
}
private void exitToolStripMenuItem_Click(object sender, EventArgs e) {
if (MessageBox.Show("Keluar Aplilkasi?", "Keluar", MessageBoxButtons.YesNo, MessageBoxIcon.Question) == DialogResult.Yes)
Application.Exit(); }
private void hasilToolStripMenuItem_Click(object sender, EventArgs e) {
Form4 frm4 = new Form4(); this.Dispose();
frm4.ShowDialog();
DAFTAR RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap : Azhar Indra Rifangi Jenis Kelamin : Laki-laki
Tempat, Tanggal Lahir : Medan,21 Januari 1992
Alamat : Jl.Jangka no.28
Agama : Islam
E-mail : azharrifangi@gmail.com
Pendidikan Terakhir : Universitas Sumatera Utara Medan, Fakultas Ilmu Komputer dan Teknologi Informasi Jurusan S1 Ilmu Komputer
PENDIDIKAN FORMAL
2009 – 2014 : S1 Ilmu Komputer Universitas Sumatera Utara, Medan 2006 – 2009 : SMA Negeri 2 Medan
2003 – 2006 : SMP Harapan 1 Medan 1997 – 2003 : SD Harapan 1 Medan
PENGALAMAN ORGANISASI DAN KEGIATAN ILMIAH
Anggota Departemen Hubungan Masyarakat Ikatan Mahasiswa S1 Ilmu Komputer (IMILKOM), 2010-2012
DAFTAR PUSTAKA
Acharya, T. & Ajoy, K. R. 2005. Image Processing Principles and
Applications. New Jersey: John Wiley & Sons, Inc.
Hermawati, F.A. 2013. Pengolahan Citra Digital Konsep dan Teori. Yogyakarta: ANDI.
Pannirselvam, S. & Raajan, P.2012. An Efficient Finger Print Enchancement Filtering Technique with High Boost Gaussian Filter. International Journal of Advanced Research in Computer
Science and Software Engineering.2(11):370-378.
Prasetyo, E. 2011. Pengolahan Citra Digital dan Aplikasinya
Menggunakan Matlab. Yogyakarta : ANDI.
Prihatini, T.A. 2011. Analisis Dan Implementasi Low Pass Filter Untuk
Mereduksi Noise Pada Citra Digital. Skripsi. Medan. Universitas
Sumatera Utara.
Putra, D. 2010. Pengolahan Citra Digital. Yogyakarta:ANDI.
Roopashree, S., Sachin, S. & Rohan, R. S.2012. Enchancement and Pre-Processing of Images Using Filtering.International Journal of
Engineering and Advanced Technology (IJEAT).1(5):111-113.
Sihotang, Juni Santo. 2013. Implementasi Order-Statistic Filter Untuk
Mereduksi Noise Pada Citra Digitral.Skripsi.Medan.Universitas
Sumatera Utara.
Siregar, M.A. 2009. Perancangan Perangkat Lunak untuk Perbaikan
Citra Digital dengan Menggunakan Lima (5) Teknik Penyaringan (Filtering). Skripsi. Medan. Universitas Sumatera
Utara.
Tampubolon, Efrienni. 2013. Implementasi Low Pass Filtering dengan
High Pass Filtering Untuk Perbaikan Kualitas Citra Digital.
Skripsi .Medan. Universitas Sumatera Utara
Wiliyana. 2013. Perbandingan Algoritma Arithmetic Dengan Geometric
Mean Filter Untuk Reduksi Noise Pada Citra.Skripsi. Medan.
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem merupakan suatu tahapan awal yang harus dilakukan untuk membantu dalam memahami suatu masalah yang menjadi kebutuhan dalam sebuah sistem. Tahapan ini dilakukan agar sistem yang dibuat dapat diketahui permasalahannya sehingga dapat membantu dalam proses pembuatan perancangan model suatu sistem yang akan dibangun sehingga sistem tersebut berguna.
3.1.1 Analisis Masalah
Masalah yang akan diselesaikan pada penelitian ini adalah menghilangkan noise yang ada pada sebuah citra. Noise yang akan dihilangkan adalah Gaussian Noise dan Salt & Pepper Noise. Noise-noise tersebut akan dihilangkan melalui sebuah proses filtering yang dilakukan pada sebuah citra berformat .bmp atau .png dengan intensitas noise sebesar 10 % ,20 %,30% dan 40% . Metode filtering yang akan digunakan pada penelitian ini ialah High-Boost Filtering.
User Gaussian noise dan Salt &
Pepper noise
Gambar 3.1 Diagram Ishikawa
3.1.2 Analisis Persyaratan
Analisis persyaratan dibutuhkan untuk mengidentifikasi dan menyatakan persyaratan-persyaratan yang dibutuhkan dalam membangun suatu sistem. Analisis persyaratan terbagi dua bagian yaitu persyaratan fungsional (functional
requirement) dan persyaratan non-fungsional (nonfunctional requierementi).
3.1.2.1 Persyaratan Fungsional
Persyaratan fungsional adalah deskripsi mengenai aktivitas dan layanan yang harus disediakan oleh sebuah sistem. Pada sistem High-Boost Filtering yang akan dibangun ini persyaratan fungsional yang harus dipenuhi antara lain:
1. Citra digital yang akan diperbaiki kualitas citra adalah citra grayscale dengan format BMP dan PNG .
2. Ukuran citra yang akan diperbaiki adalah 500 x 500 pixel .
3. Noise yang akan digunakan adalah Gaussian Noise dan Salt & Pepper Noise.
4. Persentase probabilitas noise yang akan digunakan adalah 10 % ,20 %,30% dan 40%.
5. Metode yang akan digunakan untuk memperbaiki kualitas citra digital adalah
6. Parameter yang digunakan untuk membandingkan kualitas citra sebelum dan sesudah diperbaiki adalah Mean Square Error (MSE) dan Peak Signal to
Noise Ratio (PSNR) .
3.1.2.2 Persyaratan Nonfungsional
Persyaratan Nonfungsional yang harus dipenuhi adalah : 1. Performa
Sistem atau perangkat lunak yang akan dibangun harus dapat menunjukkan hasil dari perbaikan kualitas citra digital yang telah di proses.
2. Mudah digunakan (user friendly)
Sistem yang akan dibangun haruslah dapat dengan mudah dioperasikan, baik dari segi tampilan( interface) maupun kecepatan proses.
3. Hemat Biaya
Sistem yang dibangun tidak memerlukan perangkat tambahan sehingga tidak mengeluarkan biaya tambahan.
4. Dokumentasi
Sistem yang akan dibangun harus dapat menyimpan citra digital yang sebelum maupun setelah dilakukan proses.
5. Manajemen kualitas
Sistem yang dibangun harus memiliki kualitas yang baik yaitu dapat melakukan proses perbaikan kualitas citra dan dapat menghitung nilai MSE dan PSNR secara tepat dan akurat.
6. Kontrol
Sistem yang akan dibangun harus dapat memunculkan pesan error ketika gambar yang akan dimasukkan tidak tampil.
3.1.3 Analisis Proses
Dalam sistem ini akan dilakukan proses filtering dengan metode High-Boost
mempertahankan (mempertajam) komponen frekuensi dan menghilangkan (mengurangi) komponen frekuensi rendah. Citra Grayscale yang akan diproses, terlebih dahulu akan ditambah dengan Gaussian Noise atau Salt & Pepper Noise dengan pilihan nilai probabilitas 10 %, 15% dan 20 %.Setelah itu maka dilakukanlah proses filtering.
3.1.3.1 Use Case Diagram
Use case berfungsi untuk menggambarkan interaksi tipikal antara pengguna
sistem dengan sistem itu sendiri, dengan anggota sebuah narasi tentang bagaimana sistem tersebut digunakan. Berikut ini merupakan use case diagram dari sistem yang telah dibangun( Juni)
Pengujian Import Citra Awal
USER
SYSTEM
Hasil
Gambar 3.2 Use case diagram
Diagram pada gambar 3.2 menjelaskan aksi yang dapat dilakukan oleh
user, user melakukan import citra awal, kemudian citra awal yang telah diimport
sudah bernoise akan dilakukan filtering dengan menggunakan metode
High-Boost Filtering setelah dilakukan filtering maka akan muncul citra hasil.
Berikut ini merupakan spesifikasi use case untuk import citra awal Tabel 3.1 Spesifikasi Use Case Import Citra Awal
Name Import Citra Awal
Actors User
Trigger User menginputkan citra grayscale aawal.
Preconditions User mengakses menu import citra awal
Post Conditions User dapat melihat citra grayscale yang telah diimportkan
Success Scenario 1. User mengakses tombol import.
2. Sistem akan menampilkan pop-up window open untuk menampilkan lokasi penyimpanan gambar.
3. User akan memilih citra grayscale yang akan diimportkan
berformat .bmp atau .png.
4. System akan menampilkan citra grayscale yang telah dipilih oleh
user.
5. User melihat gambar yang telah diimport.
Alternative Flows -
Berikut ini merupakan spesifikasi use case untuk pengujian Tabel 3.2 Spesifikasi Use Case Pengujian
Name Pengujian
Actors User
Trigger User menginputkan probabilitas noise, memilih noise yang akan digunakan, dan melakukan proses filtering.
Preconditions User mengakses menu pengujian
Success Scenario 1. User menginputkan presentase noise.
2. User memilih jenis noise, Gaussian noise atau Salt and Pepper noise.
3. System akan menampilkan citra grayscale yang bernoise dengan
probabilitas yang telah ditentukan.
4. User akan mengeksekusi tombol High-Boost Filtering untuk
proses filtering pada citra grayscale bernoise.
5. System akan menampilkan citra grayscale telah melalui proses
filtering.
6. User melihat gambar yang telah di proses
Alternative Flows -
Berikut ini merupakan spesifikasi use case untuk hasil Tabel 3.3 Spesifikasi Use Case Hasil
Name Hasil
Actors User
Trigger User menginputkan citra grayscale awal, citra grayscale bernoise dan citra grayscale yang telah dilakukan proses filtering.
Preconditions User mengakses menu hasil.
Post Conditions User membandingkan tampilan citra grayscale awal, citra grayscale bernoise dan citra grayscale yang telah dilakukan proses filtering.
Success Scenario 1. User membuka citra grayscale awal.
2. System menampilkan citra grayscale awal.
3. User membuka citra grayscale bernoise.
4. System menampilkan citra grayscale bernoise dengan
probabilitas dan jenis noise.
5. User membuka citra grayscale hasil filtering.
6. System menampilkan citra grayscale hasil filtering dengan nilai
MSE dan PSNR .
7. User melihat hasil dari citra grayscale yang telah di proses.
3.1.3.2 Sequence Diagram
Squence diagram adalah diagram yang menampilkan sejumlah objek contoh dan
pesan-pesan yang melalui objek-objek tersebut didalam use case. Berikut ini merupakan sequence diagram dari sistem yang telah dibangun.
Input
Activity Diagram adalah sebuah diagram yang bertujuan untuk mendeskripsikan
aturan-aturan dasar yang harus diikuti untuk menjalankan sistem. Activity
Diagram memiliki fungsi yang mirip dengan sebuah diagram alir. Berikut ini
3.1.3.4 Analisis Proses Filtering dengan High-Boost Filtering
Berikut merupakan contoh penggunaan metode High-Boost Filtering dengan menggunakan suatu matriks citra input 5x5:
[ ]
Selanjutnya Matriks tersebut dikalikan dengan kernel:
[−− − −−
− − − ]
Nilai w pada matrik tersebut dihasilkan dengan melakukan perkalian 9A-1, dimana nilai A adalah 2.6 sehingg nilai w menjadi 2,5.
Untuk menghitung matriks tersebut kita menggunakan proses konvolusi,dimana nilai dari setiap piksel citra input dikalikan dengan dengan kernel. Nilai piksel baru dihitung dengan mengalikan setiap nilai piksel tetangga dengan bobot yang berhubungan pada kernel dan kemudian menjumlah hasil perkalian tersebut. Contoh perkalian konvolusi dapat dilihat sebagai berikut:
[ ]
f(1,1) = [ −
9).236]+ [ − 9).238]+ [ − 9).201]+ [ − 9).234]+[2,5.238]+ [ −
9).198]+ [ − 9).255]+ [ − 9).255]+ [ − 9).238] = 51
f(1,2) = [ −
9).238]+ [ − 9).201]+ [ − 9).120]+ [ − 9).238]+[2,5.198]+ [ −
9).109]+ [ − 9).255]+ [ − 9).238]+ [ − 9).144] = 86
f(1,3) = [ −
9).201]+ [ − 9).120]+ [ − 9).108]+ [ − 9).198]+[2,5.109]+ [ −
f(2,1) = [ − Setelah dilakukan operasi pengalian konvolusi maka didapat hasil:
[ ]
→
[ ]
Karena proses konvolusi diluar batas ukuran citra maka dilakukan penambahan nilai piksel untuk piksel yang berada diluar batas citra yang umumnya digunakan atau ditambahkan nilai 0 (zero padding). Setelah dilakukan proses konvolusi maka selanjutnya hasil dari perkalian konvolusi akan dilakukan proses berikutnya dengan menggunakan metode High-Boost Filtering. Contoh penggunaan rumus metode High-Boost Filtering dapat dilihat sebagai berikut:
(A-1).
[ ]
+
Nilai A pada rumus tersebut adalah 2.6, maka nilai A – 1 adalah 1,6. Maka hasil perkalian A dengan citra inputan awal adalah
[ ]
Setelah inputan awal dikali dengan A maka citra tersebut ditambahkan dengan hasil dari proses konvolusi
[ ]
+
[ ]
=
[ ]
Setelah perhitungan maka nilai piksel citra yang telah melalui proses perhitungan dengan matriks 5x5 maka didapat hasil citra output sebagai berikut.
3.2 Pseudocode Program
3.2.1 Pseudocode proses Tambah Gaussian Noise
for (int i = 0; i < Pixels.Length; i += step) if (i < Pixels.Length - step)
for (int j = 0; j < step; j++) gaussnumber = getGaussianNumber();
newpixel = Convert.ToInt32(gaussnumber * prob) + Convert.ToInt32(Pixels[i + j]);
if (newpixel < 0) newpixel = 0; if (newpixel > 255) newpixel = 255; Pixels[i + j] = Convert.ToByte(newpixel);
3.2.2 Pseudocode proses Tambah Salt and Pepper Noise
for (int i = 0; i < prob; i++) pixelx = rnd.Next(0, x - 1); pixely = rnd.Next(0, y - 1); val = rnd.Next(0, 10); if (val < 5)
image.SetPixel(pixelx, pixely, Color.FromArgb(255, 255, 255, 255)); else
image.SetPixel(pixelx, pixely, Color.FromArgb(255, 0, 0, 0));
3.2.3 Pseudocode proses High-Boost Filtering
3.3 Perancangan Sistem
3.3.2 Perancangan Antarmuka Sistem ( Interface)
Sistem ini dirancang dalam 3 form, yaitu form utama, form pengujian dan form
help.
a. Halaman Menu Utama
Form Utama adalah form yang akan muncul pertama kalinya ketika program
dieksekusi. Pada form ini terdapat beberapa pilihan menu bar untuk menjalankan aplikasi yaitu Menu Home, Menu pengujian, Menu About dan Exit . Menu Home merupakan tampilan awal aplikasi yang berisi kan judul, logo fakultas, nama, nim dan jurusan. Rancangan menu home dapat dilihat pada Gambar 3.6.
HOME Pengujian Help Exit
Judul Skripsi
Logo Fakultas
Nama dan Nim
Program Studi
1 2 3 4
6
7
8
9
Hasil
5
Gambar 3.6 Rancangan Antarmuka halaman home
Keterangan:
4. Merupakan Tool Strip Menu Item untuk membuka menu Help
5. Merupakan Tool Strip Menu Item untuk keluar dari program atau Exit. 6. Merupakan Label untuk keterangan judul skripsi.
7. Merupakan Label untuk keterangan logo fakultas. 8. Merupakan Label untuk keterangan nama dan nim. 9. Merupakan Label untuk keterangan program studi.
b. Halaman Menu Pengujian
Halaman menu Pengujian merupakan halaman yang berfungsi untuk melakukan proses filtering menggunakan metode High-Boost Filtering. Berikut tampilan rancangan halaman Pengujian pada Gambar 3.7.
Citra Grayscale Awal
Gambar 3.7 Rancangan Antarmuka halaman Pengujian
Keterangan:
1. Merupakan Label untuk keterangan Citra Grayscale awal.
4. Merupakan Label untuk keterangan Probabilitas Noise. 5. Merupakan Textbox untuk menampilkan Probabilitas Noise. 6. Merupakan Radio Button untuk memilih Gaussian Noise. 7. Merupakan Radio Button untuk memilih Salt & Pepper Noise. 8. Merupakan Label untuk keterangan Citra Bernoise.
9. Merupakan Picture Box untuk menampilkan Citra Bernoise. 10.Merupakan Button untuk melakukan proses Simpan Citra Bernoise 11.Merupakan Button untuk melakukan proses High-Boost Filtering. 12.Merupakan Label untuk keterangan Citra Hasil Filtering.
13.Merupakan Picture Box untuk menampilkan Citra Hasil Filtering. 14.Merupakan Button untuk melakukan proses Hitung.
15.Merupakan Group Box untuk MSE dan PSNR. 16.Merupakan Label untuk keterangan MSE. 17.Merupakan Label untuk keterangan PSNR.
18.Merupakan Text Box untuk keterangan hasil perhitungan MSE. 19.Merupakan Text Box untuk keterangan hasil perhitungan PSNR. 20.Merupakan Button untuk melakukan proses Simpan Citra Hasil 21.Merupakan Button untuk melakukan proses Reset.
c. Halaman menu Hasil
HASIL PERCOBAAN
Citra Grayscale Awal Citra Grayscale Bernoise Citra Grayscale Hasil Filtering
Buka Gambar Buka Gambar Buka Gambar
Size
Gambar 3.8 Rancangan Antarmuka menu Hasil
Keterangan:
1. Merupakan Label untuk keterangan Hasil Percobaan. 2. Merupakan Label untuk keterangan Citra Grayscale Awal.
3. Merupakan Picture Box untuk menampilkan Citra Grayscale Awal. 4. Merupakan Label untuk keterangan Citra Grayscale Bernoise .
5. Merupakan Picture Box untuk menampilkan Citra Grayscale Bernoise . 6. Merupakan Label untuk keterangan Citra Grayscale Hasil Filtering.
7. Merupakan Picture Box untuk menampilkan Citra Grayscale Hasil Filtering. 8. Merupakan Button untuk melakukan proses Buka Gambar.
11.Merupakan Text Box untuk keterangan nilai piksel Citra Awal.. 12.Merupakan Text Box untuk keterangan nilai piksel Citra Bernoise. 13.Merupakan Text Box untuk keterangan nilai piksel Citra Hasil. 14.Merupakan Group box untuk mendeskripsikan Informasi Citra. 15.Merupakan Label untuk keterangan File Name.
16.Merupakan Text Box untuk keterangan File Name. 17.Merupakan Label untuk keterangan Size.
18.Merupakan Text Box untuk keterangan Size.
19.Merupakan Group box untuk mendeskripsikan Informasi Noise. 20.Merupakan Label untuk keterangan Probabilitas Noise.
21.Merupakan Text Box untuk keterangan Probabilitas Noise. 22.Merupakan Label untuk keterangan Jenis Noise.
23.Merupakan Text Box untuk keterangan Jenis Noise.
24.Merupakan Group box untuk mendeskripsikan Informasi Hasil Filtering. 25.Merupakan Label untuk keterangan MSE.
26.Merupakan Text Box untuk keterangan MSE. 27.Merupakan Label untuk keterangan PSNR. 28.Merupakan Text Box untuk keterangan PSNR. 29.Merupakan Button untuk melakukan proses Reset
d. Halaman menu help
Panduan Penggunaan Program
Pengujian Hasil
1
2 3
Gambar 3.9 Rancangan Antarmuka menu help
Keterangan:
1. Merupakan Label untuk untuk keterangan Panduan Penggunaan Program 2. Merupakan Group box untuk mendeskripsikan langkah-langkah penggunaan
Pengujian.
BAB 4
IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi
Implementasi sistem merupakan lanjutan dari tahap analisis dan perancangan sistem. Sistem ini dibangun dengan menggunakan bahasa pemrograman C# dan menggunakan Software Microsoft Visual Studio 2010. Pada sistem ini terdapat 4 (lima) tampilan halaman, yaitu Halaman Home, ,Halaman Pengujian ,Halaman Hasil dan Halaman Help.
4.1.1 Tampilan Halaman Menu Home
Halaman utama merupakan tampilan halaman yang muncul pertama sekali pada saat sistem dijalankan. Halaman utama memiliki 4 menu bar, yaitu menu home, menu pengujian, menu help, dan exit . Tampilan Halaman menu utama dapat dilihat pada gambar 4.1
Gambar 4.1 Tampilan Menu Home
4.1.2 Tampilan Halaman Menu Pengujian
Gambar 4.2 Tampilan Halaman Menu Pengujian
4.1.3 Tampilan Halaman Menu Hasil
Gambar 4.3 Tampilan Halaman Menu Hasil
4.1.4 Tampilan Halaman Menu Help
Gambar 4.4 Tampilan Halaman Menu Help
4.2 Pengujian
Pengujian sistem merupakan tahapan berikutnya yang dilakukan setelah implementasi sistem. Tujuan pengujian sistem untuk membuktikan sistem yang dibangun telah berjalan dengan baik. Sistem ini diujikan pada citra grayscale tanpa noise berformat .bmp atau .png dengan ukuran 500 x 500 piksel.
4.2.1 Pengujian Proses Import Citra
Proses pengujian yang dilakukan pertama kali adalah dengan membuka file citrra
grayscale awal yang dilakukan oleh user. Citra yang akan dibuka berformat
Gambar 4.5 Tampilan Pemilihan Citra berformat .bmp
User hanya dapat membuka file citra grayscale yang berformat .bmp atau .png,
apabila user mencoba membuka file citra yang bukan grayscale maka akan muncul peringatan seperti pada Gambar 4.7.
Gambar 4.7 Tampilan Dialog box
Setelah user membuka file citra grayscale awal maka sistem akan menampilkan file citra grayscale awal yang telah dipilih sebelumnya. Tampilan citra grayscale
Gambar 4.8 Tampilan Citra Grayscale awal
4.2.2 Pengujian proses Tambah Noise
Setelah citra grayscale awal dibuka maka proses selanjutnya adalah proses tambah noise.Sebelum kita menambahkan noise terlebih dahulu kita menentukan probabilitas noise yang akan kita ujikan pada citra grayscale awal. Probabilitas
noise yang akan diujikan ialah 10 % - 100 % .Tampilan probabilitas noise pada
Gambar 4.9 Tampilan Probabilitas Noise
Setelah kita menentukan probabilitas noise, maka selanjutnya kita menentukan jenis noise yang akan kita gunakan . Jenis noise yang akan dipilih ialah Gaussian
Noise atau Salt and Pepper Noise. Setelah kita memilih salah satu diantara 2
Gambar 4.10 Tampilan Citra Grayscale berformat BMP dengan Gaussian Noise 20 %
Tampilan citra grayscle yang telah melalui proses tambah noise dengan probabilitas 20% yang berformat .png dapat dilihat pada Gambar 4.12 dan Gambar 4.13.
Gambar 4.13 Tampilan Citra Grayscale berformat PNG dengan Salt and Pepper Noise 20%
4.2.3 Pengujian proses High-Boost Filtering
Gambar 4.14 Tampilan Hasil Citra Grayscale dengan Gaussian Noise dengan citra berformat .bmp setelah melalui proses filtering .
Berikut tampilan hasil filtering pada citra grayscale yang mengalami Gaussian
.
Gambar 4.15 Tampilan Hasil Citra Grayscale dengan Gaussian Noise dengan citra berformat .png setelah melalui proses filtering .
Berikut tampilan hasil filtering pada citra grayscale yang mengalami Salt and
Gambar 4.16 Tampilan Hasil Citra Grayscale dengan Salt and Pepper Noise dengan citra berformat .bmp setelah melalui proses filtering .
Berikut tampilan hasil filtering pada citra grayscale yang mengalami Salt and
Gambar 4.17 Tampilan Hasil Citra Grayscale dengan Salt and Pepper Noise dengan citra berformat .png setelah melalui proses filtering .
4.2.4 Hasil dari Proses yang Filtering yang telah dilakukan
Gambar 4.18. Hasil dari Proses yang Filtering yang telah dilakukan
4.2.5 Pengujian proses Filtering Gaussian Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering.
Tabel 4.1 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Gaussian Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format BMP.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-noise
Citra Grayscale Hasil Filtering
MSE PSNR
10 % 3276,7 1,297
20% 3914,9 1,220
30% 4663,7 1,144
40%
Tabel 4.2 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Gaussian Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format PNG.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-noise
Citra Grayscale Hasil Filtering
MSE PSNR
10 % 3168,8 1,3122
20% 3649,2 1,2509
30% 4120.9 1,1981
40%
Dari tabel 4.1 dan tabel 4.2 diatas kita dapat melihat bahwa nilai MSE yang didapat setelah dilakukan filtering pada citra grayscale berformat .bmp lebih besar dibandingkan nilai MSE pada citra grayscale berfotmat .png. Namun terjadi hal yang sebaliknya terhadap nilai PSNR, nilai PSNR pada citra grayscale berformat .bmp lebih kecil dari pada nilai PSNR pada citra grayscale berformat PNG.
4.2.6 Pengujian proses Filtering Salt and Pepper Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering.
Pengujian proses Filtering Salt and Pepper Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering dapat ditunjukkan pada tabel 4.3 dan 4.4 berikut ini.
Tabel 4.3 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Salt and Pepper Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format BMP.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-noise
Citra Grayscale Hasil Filtering
MSE PSNR
20% 7050,2 0,9649
30% 8815,5 0,8678
40%
10417,06 0,7929
Tabel 4.4 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Salt and Pepper Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format PNG.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-noise
Citra Grayscale Hasil Filtering
MSE PSNR
20% 7032,09 0,9660
30% 8836,8 0,8668
40%
10482,06 0,7926
Dari tabel 4.3 dan tabel 4.4 diatas kita dapat melihat bahwa nilai MSE dan PSNR yang didapat setelah dilakukan filtering pada citra grayscale yang mengalami Salt and Pepper noise berformat .bmp lebih kecil dibandingkan nilai MSE dan PSNR pada citra grayscale berfotmat .png.
4.2.7 Perbandingan Rata-rata Nilai MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise
Berikut nilai rata-rata yang didapat MSE dan PSNR pada citra hasil filtering
noise dengan Gaussian noise berformat .bmp dan .png dengan persentase noise
Tabel 4.5 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise pada Citra Berformat BMP.
Persentase Noise
MSE PSNR
10% 3276,7 1,297
20% 3914,9 1,220
30% 4663,7 1,144
40% 5614,2 1,063
Nilai Rata-rata
4367,37 1,181
Tabel 4.6 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise pada Citra Berformat PNG
Persentase Noise
MSE PSNR
10% 3168,8 1,312
20% 3649,2 1,250
30% 4120,9 1,198
40% 4635,6 1,147
Nilai Rata-rata
3893,6 1,226
Dari Tabel 4.5 dan Tabel 4.6 dapat dilihat bahwa nilai rata-rata MSE pada citra
grayscale berformat .bmp lebih besar dari pada citra berformat .png sedangkan
citra grayscale berformat .png lebih baik dibandingkan dengan Gaussian Noise berformat .bmp.
4.2.8 Perbandingan Rata-rata Nilai MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Salt And Pepper Noise.
Berikut nilai rata-rata yang didapat MSE dan PSNR pada citra hasil filtering
noise dengan Salt and Pepper noise berformat .bmp dan .png dengan persentase
noise 10%, 15%, dan 20% dapat dilihat pada Tabel 4.7 dan Tabel 4.8 berikut.
Tabel 4.7 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Salt And Pepper Noise pada Citra Berformat BMP
Persentase Noise
MSE PSNR
10% 5116,1 1,1401
20% 7050,2 0,9649
30% 8815,5 0,8678
40% 10417,06 0,7929
Nilai Rata-rata
Tabel 4.8 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Salt And Pepper Noise pada Citra Berformat PNG
Persentase Noise
MSE PSNR
10% 5147,01 1,2105
20% 7032,09 0,9660
30% 8836,8 0,8668
40% 10482,06 0,7926
Nilai Rata-rata
7874,4 0,9589
Dari Tabel 4.7 dan Tabel 4.8 diatas dapat dilihat bahwa nilai rata-rata MSE pada citra grayscale berformat .bmp lebih kecil dari pada citra berformat .png sedangkan pada nilai rata-rata PSNR citra grayscale berformat .bmp lebih besar dari pada citra grayscale berformat .png Dapat disimpulkan bahwa Salt and
Pepper Noise pada citra grayscale berformat .bmp lebih baik dibandingkan
dengan Salt and Pepper Noise berformat .png.
Tabel 4.9 Perbandingan Nilai Rata-rata MSE dan PSNR, pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise dan Salt and Pepper
Noise pada Citra Berformat BMP
Gaussian
Noise
Salt and Pepper Noise
MSE 4367,37 7849,7
Tabel 4.10 Nilai Rata-rata MSE, PSNR, dan Running Time pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise dan Salt and Pepper
Noise pada Citra Berformat PNG
Gaussian
Noise
Salt and Pepper Noise
MSE 3893,6 7874,4
PSNR 1,226 0,9589
Berdasarkan Tabel 4.9 dan Tabel 4.10 dapat disimpulkan bahwa citra grayscale hasil filtering pada Gaussian noise menghasilkan nilai MSE dan PSNR lebih baik dari pada citra grayscale hasil filtering noise Salt and Pepper baik itu pada format .bmp maupun .png.
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil studi literatur, analisis, perancangan, implementasi, dan pengujian sistem ini, maka kesimpulan yang didapat adalah sebagai berikut:
1. Pada citra grayscale hasil filtering dengan Gaussian Noise berformat .png menghasilkan nilai rata-rata MSE, dan PSNR lebih baik dari pada citra
grayscale dengan Gaussian Noise berformat .bmp.
2. Pada citra grayscale hasil filtering dengan Salt and Pepper Noise berformat .png menghasilkan nilai rata-rata MSE dan PSNR lebih baik dari pada citra dengan Salt and Pepper Noise berformat .bmp.
3. Berdasarkan nilai MSE dan PSNR yang didapat dari pengujian yang dilakukan High-Boost Filtering lebih baik digunakan pada citra grayscale dengan format .png dibandingkan dengan formbat.bmp, baik pada Gaussian
Noise dan Salt and Pepper Noise.
4. Berdasarkan nilai MSE dan PSNR yang didapat dari pengujian yang dilakukan High-Boost Filtering lebih baik digunakan pada citra grayscale dengan Gaussian Noise dibandingkan dengan citra grayscale dengan Salt
5.2 Saran
Adapun saran-saran yang diperlukan untuk penelitian maupun pengembangan berikutnya adalah:
1. Sistem ini sebaiknya dikembangkan dengan menggunakan citra berwarna. 2. Sistem ini dapat dikembangkan dengan menggunakan jenis format citra
digital yang lain yaitu TIFF,JPEG dan GIF..
3. Noise yang digunakan pada sistem ini terdiri atas 2 jenis yaitu Gaussian
Noise dan Salt and Pepper Noise. Untuk pengembangan berikutnya dapat
menambahkan jenis noise yang lainnya.
4. Sistem ini menggunakan metode High-Boost Filtering untuk perkembangan selanjutnya dapat dilakukan penelitian dengan menambahkan metode Low
BAB II
LANDASAN TEORI
2.1 Citra
Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi , atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan. (Sutoyo , 2009)
Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering kali citra yang dimiliki mengalami penurunan mutu, misalnya mengandung cacat atau noise. Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang.(Wiliyana, 2013)
2.2 Citra Digital
Citra digital adalah pemrosesan gambar 2 dimensi yang mengacu pada pemrosesan setiap data 2 dimensi yang terdiri dari sebuah larik (array) yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan deretan bit tertentu.
Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitude f di titik koordinat
(x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila
sendiri dibentuk oleh kombinasi citra 2-D incividual . Misalnya dalam sistem warna
Red Green Blue ( RGB) , warna citra terdiri dari tiga komponen individu warna (
merah, hijau,biru).
Asumsikan bahwa citra dicoba sehingga menghasilkan citra yang mempunyai baris M dan kolom N, sehingga disebut citra berukuran M x N. Nilai dari koordinat (x.y) adalah kuantitas diskrit. Untuk kejelasan notasi dan kemudahan maka digunakan nilai integer untuk koordinat ini. Titik awal citra didefenisikan pada (x,y) =(0,0).NIlai koordinat berikutnya sepanjang baris pertama citra adalah (x,y)=(0,1). Jadi penting untuk diingat bahwa notasi (0,1) digunakan untuk menandai contoh kedua sepanjang baris pertama. (Prasetyo, 2011)
Gambar 2.1 Sistem koordinat citra
Sistem koordinat citra digital pada Gambar 2.1 tersbut dapat ditulis dalam bentuk matriks sebagai berikut:
Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y) disebut dengan picture
elements, image elements, pels ,atau pixels. Namun istilah yang sering digunakan
dalam citra digital adalah pixels.(Sutoyo , 2009)
2.3 Jenis - Jenis Citra
Ada beberapa jenis citra digital yang sering digunakan, diantaranya adalah citra biner, citra grayscale, dan citra warna.
2.3.1 Citra Biner
Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai pixel yaitu hitam dan putih. Citra biner juga disebut sebagai citra B&W (black and white) atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap pixel dari citra biner. Citra biner sering kali muncul sebagai hasil dari proses pengolahan seperti segmentasi ,pengambangan, morfologi, ataupun dithering. (Putra, 2010)
Gambar 2.2 Contoh Citra Biner
2.3.2 Citra Grayscale
Gambar 2.3 Contoh Citra Grayscale
2.3.3 Citra Warna
Setiap pixel pada citra warna yang merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna.Format ini dinamakan true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam. (Sutoyo , 2009)
Gambar 2.4 Contoh Citra Warna
2.4 Format File Citra
2.4.1 Format File Bitmap (.bmp)
Bitmap sering disebut juga dengan citra raster. Bitmap menyimpan data kode citra
secara digital dan lengkap (cara penyimpanannya adalah per pixel). Bitmap dipresentasikan dalam bentuk matriks atau dipetakan dengan menggunakan bilangan biner atau sistem bilangan lain. Citra ini memiliki kelebihan untuk memanipulasi warna, tetapi untuk mengubah objek sulit. Tampilan bitmap mampu menunjukan kehalusan gradasi bayangan dan warna dari sebuah gambar. Oleh karena itu, bitmap merupakan media elektronik yang paling tepat untuk gambar-gambar dengan perpaduan gradasi warna yang rumit, seperti foto dan lukisan digital. Bitmap biasanya diperoleh dengan cara Scanner, Camera Digital, Video Capture, dan lain-lain. (Sutoyo , 2009)
Gambar 2.5 Citra Bitmap (.bmp)
2.4.2 Format File Citra Portable Networks Graphic(.png)
jauh lebih baik untuk transparansi daripada GIF, yang memungkinkan untuk memiliki berbagai tingkat transparansi untuk setiap pixel (alpha channel). Dukungan untuk format ini dimulai sejak tahun 1995, dan saat ini penggunaannya sudah cukup luas.
Secara keseluruhan, PNG adalah format yang lebih baik daripada GIF, yang menawarkan kompresi yang lebih baik, dapat menyimpan banyak warna, memiliki dukungan transparansi yang lebih baik, dan sebagainya. Satu-satunya kelemahan dari PNG dibandingkan GIFF adalah tidak bisa menyimpan gambar animasi. Karena kedalaman warna yang besar, kompatibilitas browser, dan kompresi yang kecil, format ini disarankan untuk digital fotografi. Dibandingkan dengan JPG, PNG mempunyai kualitas gambar yang lebih baik dengan ukuran file yang lebih besar.(Tampubolon,2013)
Gambar 2.5 Citra Png (.png)
2.5 Noise
Noise adalah sebuah gangguan yang terjadi akibat dari kurang sempurnanya proses
capture yang dilakukan sehingga mengakibatkan terjadinya pencahayaan yang tidak
2.5.1 Gaussian Noise
Gaussian noise adalah model noise yang mengikuti distribusi normal standar dengan
rata-rata nol dan standar deviasi 1. Noise ini merupakan mathemathical tractability dalam domain spasial dan domain frekuensi, model noise Gaussian yang paling sering digunakan dalam prakteknya. Faktanya, tractability ini tepat dan sering menghasilkan model Gaussian yang digunakan dalam situasi dimana secara garis besar dapat diaplikasikan dengan baik.
Fungsi kepadatan probabilitas (probabilty density function) adalah suatu fungsi yang menyatakan nilai kemungkinan terjadinya kejadian tertentu. Probability Density
Function ( PDF) variabel random Gaussian adalah :
� = √ �� − �−� / � ...(2)
Dimana z merepresentasikan gray-level, � adalah nilai tengah (mean), dan � adalah standart deviasi. (Hermawati, 2013)
2.5.2 Salt and Pepper Noise ( Impulse Noise)
Salt and Pepper Noise adalah jenis noise yang biasanya terlihat titik-titik hitam atau
putih yang terjadi pada citra seperti tebaran garam atau merica dikarenakan adanya variabel acak yang terjadi karena karakteristik Fungsi Probabilitas Kepadatan (Probability Density Function).
Probability Density Function (PDF) Salt and Pepper Noise :
� = {
�
� ...(3)
Jika b > a, intensitas b akan tampak sebagai titik terang pada citra. Sebaliknya, level a akan tampak seperti titik gelap. Jika selain Pa atau Pb nol, impulse noise disebut
juga unipolar . Jika probability selain nol, dan khususnya diperkirakan sama,nilai
citra. Karena alasan ini noise bipolar impulse disebut juga noise salt and pepper. (Prasetyo , 2011)
2.6 Perbaikan Citra
Perbaikian citra bertujuan meningkatkan tampilan citra untuk pandangan manusia atau untuk mengkonversi suatu citra agar memiliki format yang lebih baik sehingga citra tersebut menjadi lebih mudah diolah dengan mesin (komputer). Perbaikan terhadap suatu citra dapat dilakukan dengan operasi titik (point operation) , operasi spasial (spasial operation) , operasi geometri (geometric operation) , dan operasi aritmatic (aritmatic operation).
2.6.1 Operasi Spasial (Filtering)
Pentapisan pada pengolahan citra biasa disebut dengan pentapisan spasial( spasial
filtering).Pada proses pentapisan, nilai piksel baru umumnya dihitung berdasarkan
piksel tetangga. Cara perhitungan nilai piksel baru dapat dikelompokkan menjai 2, yaitu pertama piksel baru diperoleh melalui kombinasi linier tetangga dan kedua piksel diperoleh langsung dari salah satu piksel tetangga. Proses pentapisan spasial tidak dapat dilepaskan dari teori kernel (mask) dan konvolusi.
2.6.1.1 Kernel (mask)
Kernel adalah matrik yang pada umumnya berukuran kecil dengan elemen-elemennya
adalah berupa bilangan. Kernel digunakan pada proses konvolusi. Oleh karena itu
kernel juga disebut dengan convolution window (jendela konvolusi ).Ukuran kernel
dapat berbeda-beda seperti 2x2, 3x3, 5x5, dan sebagainya.
[
−
−
−
−
]
Gambar 2.6 Contoh kernel berukuran 3x3 (sel dengan warna abu-abu menyatakan pusat koordinat {0,0}
2.6.1.2 Konvolusi (Convolution)
Konvolusi merupakan operator sentral pengolah citra dan telah digunakan secara luas pada berbagai piranti lunak pengolah citra. Proses konvolusi terjadi dengan cara
kernel diletakkan pada setiap piksel dari citra input dan menghasilkan piksel baru.
Nilai piksel baru dihitung dengan mengalikan setiap nilai piksel tetangga dengan bobot yang berhubungan pada kernel dan kemudian menjumlah hasil perkalian tersebut. Berikut ini di disajikan citra input 4x5 yang dikonvolusikan dengan kernel 2x2 dan dihasilkan citra input 3x4.
*
=
Dengan 0 menyatakan bukan nilai. Nilai 5 pada pikesl pada hasil konvolusi diatas diperoleh dari:
(1 x 1) + (0 x 3) + (0 x 1) + (1 x 4)
Nilai 0 pada hasil keluaran diatas dinyatakan sebagai bukan nilai karena untuk melakukan proses konvolusi pada piksel tersebut, sebagian kernel berada diluar batas ukuran citra sementara tidak ada nilai pikesl diluar batas ukuran citra .( Putra D, 2010)
2.6.2 High-Boost Filtering
High-Boost merupakan salah satu bagian dari operasi yang dapat dilakukan untuk
(mempertajam) komponen frekuensi tinggi dan menghilangkan (mengurangi) komponen frekuensi rendah.
High –Boost Filtering dapat dinyatakan sebagai:
High Boost = ( A – 1) O + H ...(4)
Keterangan :
A = faktor penguatan (amplification factor) O = citra asli
H = hasil dari high-pass
Nilai A≥1, apabila A = 1 maka hasil high-boost adalah sama dengan hasil dari high-pass ,bila A > 1 makas citra output merupakan citra high-pass yang ditambahkan
dengan bagian dari citra asli.(Putra D , 2010)
2.7 Parameter Perbandingan Kualitas Citra
Berikut terdapat beberapa parameter perbandingan yang digunakan untuk menghitung kualitas citra.
2.7.1 Mean Square Error (MSE)
Mean Square Error (MSE) adalah kesalahan kuadrat rata-rata. Nilai MSE didapat
� = ∑=− ∑=− x[i, j] − y[i, j] ...(5)
dimana: x[i,j] adalah citra asal dengan dimensi M x N,
y[i,j] adalah citra hasil yang telah mengalami proses.
2.7.2 Peak Signal to Noise Ratio (PSNR)
Peak Signal to Noise Ratio (PSNR) adalah sebuah perhitungan yang menentukan nilai
dari sebuah citra yang dihasilkan. Nilai PSNR ditentukan oleh besar atau kecilnya nilai MSE yang terjadi pada citra. Semakin besar nilai PSNR, semakin baik pula hasil yang diperoleh pada tampilan citra hasil. Sebaliknya, semakin kecil nilai PSNR, maka semakin buruk pula hasil yang diperoleh pada tampilan citra hasil. PSNR dihitung dengan menggunakan rumus: (Putra, 2010)
� = log���55 ...(6)
Atau:
� = log 55
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi pada saat ini mempunyai dampak yang sangat besar dalam kehidupan manusia. Salah satu perkembangan yang paling pesat adalah perkembangan teknologi pada bidang multimedia. Untuk teknologi multimedia sendiri merupakan gabungan dari media-media yang ada. Media-media tersebut terbagi atas beberapa jenis, yaitu teks, citra (gambar), suara, video dan lain sebagainya. Citra adalah reprentasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog, berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan.
Dalam perkembangannnya citra yang bersifat digital atau biasa disebut dengan citra digital, memiliki beragam kualitas gambar. Citra yang dihasilkan bergantung pada resolusi pixel terhadap gambar tersebut. Semakin banyak jumlah pixel pada sebuah citra maka akan semakin bagus pula gambar yang akan dihasilkan.(Acharya & Ajoy, 2005).
Namun, tidak semua gambar yang dihasilkan akan sesuai dengan objek gambar tersebut, hal ini diakibatkan adanya derau (noise) yang menyebabkan tidak maksimalnya hasil gambar yang didapat. Noise yang terjadi dapat berupa tingkat kecerahan yang terlalu tinggi, warna yang terlalu kontras, atau kurang tajamnya gambar tersebut dan lain sebagainya.
Beberapa jenis tipe noise yang sering kita jumpai pada citra digital yakni,
Gaussian Noise dan Salt and Pepper Noise. Gaussian Noise merupakan model noise
Ada beberapa metode dalam mengurangi atau mereduksi noise pada citra digital, salah satunya adalah dengan melakukan teknik filtering. Adapun teknik filtering yang digunakan adalah High-Boost Filtering.
Pada penelitian yang dilakukan oleh Roopashree. S, Sachin Saini, Rohan Ranjan
Singh dengan judul “ Enchancement and Pre-Processing of Images Using Filtering”.
Dalam implementasinya High-Boost Filtering digunakan untuk memperbaiki sebuah citra yang ada tanpa memiliki noise. (Roopashree. S ,2012).
Selanjutnya, pada penelitian yang dilakukan oleh Dr. S . Pannirselvam dan P.
Raajan dengan judul “An Efficient Finger Print Enchancement Filtering Technique
with High Boost Gaussian Filter”. Dalam implementasinya High-Boost Filtering digunakan untuk memperjelas sidik jari yang telah diproses menggunakan metode
High-Pass Filtering sehingga gambar sidik jari menjadi semakin tajam. (Pannirselvam
S ,2012)
Berdasarkan latar belakang yang telah penulis uraikan, maka dilakukan penelitian
dengan judul “Implementasi High-Boost Filtering untuk Memperbaiki Kualitas Citra
Digital.”
1.2 Perumusan Masalah
Permasalahan yang akan diteliti dan diuraikan dalam Skripsi ini adalah penggunaan metode High-Boost Filtering pada sebuah citra yang mengalami 2 jenis noise yaitu
Gaussian Noise dan Salt & Pepper Noise sehingga citra yang dihasilkan menjadi lebih
baik.
1.3 Batasan Masalah
Batasan masalah yang akan menjadi acuan adalah:
1. Jenis citra digital yang akan digunakan adalah citra digital dengan format .bmp dan citra digital dengan format .png .
2. Noise yang digunakan adalah Gaussian Noise dan Salt & Pepper Noise .
4. Parameter yang digunakan untuk membandingkan kualitas citra adalah Mean
Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR)
5. Bahasa pemrograman yang akan digunakan adalah C#.
1.4 Tujuan Penelitian
Tujuan dari penelitian adalah agar dapat memperoleh sebuah aplikasi yang dapat memperbaiki kualitas citra yang mengalami noise yaitu Gaussian Noise dan Salt &
Pepper Noise dengan menggunakan metode High-Boost Filtering.
1.5 Manfaat Penelitian
Manfaat penelitian ini sebagai berikut: 1. Manfaat bagi penulis:
a. Menambah pengetahuan penulis dalam bidang pengolahan citra digital khususnya pada metode High-Boost Filtering.
b. Menambah pengetahuan penulis dalam melakukan penerapan metode
High-Boost Filtering untuk memperbaiki kualitas citra.
2. Manfaat bagi bidang ilmu adalah sebagai bahan referensi yang dapat digunakan bagi peneliti lain yang menggunakan citra digital sejenis.
3. Manfaat bagi masyarakat adalah membantu masyarakat dalam melakukan proses perbaikan kualitas citra digital.
1.6 Metodelogi Penelitian
Tahapan yang dilakukan dalam penelitian ini adalah: 1. Studi Literatur
Penelitian ini terlebih dahulu dipelajari literatur yang didapat melalui buku, jurnal, artikel, makalah maupun situs internet yang membahas perbaikan citra digital dengan metode High-Boost Filtering.
Pada tahap ini akan dilaksanakan perancangan flowchart, antar muka, UML dan perancangan sistem perbaikan kualitas citra digital dengan menggunakan metode
High-Boost Filtering
3. Implementasi Sistem
Pada tahap ini akan dilaksanakan pengkodean (coding). 4. Pengujian Sistem
Dalam tahap ini dilakukan pengujian terhadap sistem yang telah dibangun. 5. Dokumentasi
Dalam tahapan ini dilakukan penyusunan laporan dari hasil analisis dan perancangan sistem dalam format penulisan penelitian.
1.7 Sistematika Penulisan
Agar pembahasan lebih sistematis, maka tulisan ini dibuat dalam lima bab, yaitu : Bab I Pendahuluan
Berisi latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat penelitian dan sistematika penulisan.
Bab II Landasan Teori
Berisi tentang penjelasan singkat mengenai definisi pengolahan citra,
noise dan metode Order-Statistic Filters.
Bab III Analisis dan Perancangan
Berisi tentang analisis mengenai proses kerja dari teknik
Order-Statistic Filters yang terdiri dari Use Case Diagram, Squential
Diagram, Activity Diagram, Pseudocode Program, Flowchart dan
perancangan tampilan form dari aplikasi. Bab IV Implementasi dan Pengujian
Bab V Kesimpulan dan Saran
menyelesaikan skripsi ini.
11.Noer Inda Chayanie atas semangat, dukungan, perhatian, kasih sayang dan pengertian terhadap penulis selama proses penyelesaian skripsi ini.
12.Teman-teman terdekat, terutama Gamal Nasir, Dewa Made Suryadharma, S.Kom dan Mustika Agung Maulana S, Kom ,atas semangat dan para kru Raja Risol atas dorongannya sehingga penulis dapat menyelesaikan skripsi ini. Dan juga untuk Ismail Fata Lubis, Dewi Ayu Pratami, S.kom , dan teman-teman seangkatan 2009 lainnya yang telah membantu penulis dalam menyelesaikan skripsi ini.
13.Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-persatu.
Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan pahala yang melimpah dari Allah SWT.
Medan, April 2014
ABSTRAK
Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog, berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan. Citra yang dihasilkan bergantung pada resolusi pixel terhadap gambar tersebut. Akan tetapi ,tidak semua citra yang dihasilkan akan sesuai dengan objek gambar tersebut, hal ini diakibatkan adanya derau (noise) yang menyebabkan tidak maksimalnya hasil gambar yang didapat. Noise yang terjadi dapat berupa tingkat kecerahan yang terlalu tinggi, warna yang terlalu kontras, atau kurang tajamnya gambar tersebut dan lain sebagainya. Noise yang terjadi pada sebuah citra dapat berupa Gaussian Noise ataupun Salt and Pepper
Noise.Untuk memperbaiki citra tersebut kita dapat menggunakan salah satu
metode yaitu High-Boost Filtering. Dalam High-Boost Filtering citra diproses dengan tetap mempertahankan komponen frekuensi tinggi dan menghilangkan (mengurangi) komponen frekuensi rendah. Proses pengujian ini dilakukan dengan nilai probabilitas noise antara 10%,15% dan 20%, yang diujikan dengan citra berformat.bmp dan .png yang menghasilkan nilai MSE dan PSNR. Berdasarkan hasil pengujian High-Boost Filtering lebih baik digunakan pada citra grayscale berformat .bmp maupun berformat .png dengan Gaussian noise karena nilai MSE dan PSNR yang relatif kecil dibanding Salt And Pepper Noise
MEMPERBAIKI KUALITAS CITRA DIGITAL
DRAFT SKRIPSI
AZHAR INDRA RIFANGI 091401038
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI HIGH-BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS CITRA DIGITAL
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
AZHAR INDRA RIFANGI 091401038
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI HIGH-BOOST FILTERING UNTUK
MEMPERBAIKI KUALITAS CITRA DIGITAL
Kategori : SKRIPSI
Nama : AZHAR INDRA RIFANGI
Nomor Induk Mahasiswa : 091401038
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di Medan,
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Herriyance , ST, M.Kom Syahriol Sitorus, S.Si,MIT NIP. 19801024 201012 1 002 NIP. 19710310 199703 1 004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI HIGH-BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS CITRA DIGITAL
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, April 2014
Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya, sehingga Penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar– besarnya kepada :
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 4. Bapak Syahriol Sitorus , S.Si, MIT selaku Dosen Pembimbing I yang telah
memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
5. Bapak Herriyance , ST, M.Kom selaku Dosen Pembimbing II yang dengan sabar telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
6. Bapak Dr. Syahril Effendi, S.Si, MIT selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 7. Bapak Amer Sharif ,S.Si, M.Kom selaku Dosen Pembanding II yang
memberikan kritik dan saran untuk penyempurnaan skripsi ini
8. Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, seluruh tenaga pengajar serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.
9. Ibunda tercinta Alm. Nuzullaila Rahman yang selalu menjadi motivasi dan inspirasi dalam pengerjaan skripsi ini.
menyelesaikan skripsi ini.
11.Noer Inda Chayanie atas semangat, dukungan, perhatian, kasih sayang dan pengertian terhadap penulis selama proses penyelesaian skripsi ini.
12.Teman-teman terdekat, terutama Gamal Nasir, Dewa Made Suryadharma, S.Kom dan Mustika Agung Maulana S, Kom ,atas semangat dan para kru Raja Risol atas dorongannya sehingga penulis dapat menyelesaikan skripsi ini. Dan juga untuk Ismail Fata Lubis, Dewi Ayu Pratami, S.kom , dan teman-teman seangkatan 2009 lainnya yang telah membantu penulis dalam menyelesaikan skripsi ini.
13.Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-persatu.
Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan pahala yang melimpah dari Allah SWT.
Medan, April 2014
ABSTRAK
Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog, berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan. Citra yang dihasilkan bergantung pada resolusi pixel terhadap gambar tersebut. Akan tetapi ,tidak semua citra yang dihasilkan akan sesuai dengan objek gambar tersebut, hal ini diakibatkan adanya derau (noise) yang menyebabkan tidak maksimalnya hasil gambar yang didapat. Noise yang terjadi dapat berupa tingkat kecerahan yang terlalu tinggi, warna yang terlalu kontras, atau kurang tajamnya gambar tersebut dan lain sebagainya. Noise yang terjadi pada sebuah citra dapat berupa Gaussian Noise ataupun Salt and Pepper
Noise.Untuk memperbaiki citra tersebut kita dapat menggunakan salah satu
metode yaitu High-Boost Filtering. Dalam High-Boost Filtering citra diproses dengan tetap mempertahankan komponen frekuensi tinggi dan menghilangkan (mengurangi) komponen frekuensi rendah. Proses pengujian ini dilakukan dengan nilai probabilitas noise antara 10%,15% dan 20%, yang diujikan dengan citra berformat.bmp dan .png yang menghasilkan nilai MSE dan PSNR. Berdasarkan hasil pengujian High-Boost Filtering lebih baik digunakan pada citra grayscale berformat .bmp maupun berformat .png dengan Gaussian noise karena nilai MSE dan PSNR yang relatif kecil dibanding Salt And Pepper Noise
