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
AZHAR FADILLAH
101401093
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
NOISE PADA CITRA DIGITAL
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
AZHAR FADILLAH 101401093
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN MEDIAN FILTER UNTUK
MEREDUKSI GAUSSIAN NOISE, SALT AND PEPPER NOISE, SPECKLE NOISE, DAN EXPONENTIAL NOISE PADA CITRA DIGITAL
Kategori : SKRIPSI
Nama : AZHAR FADILLAH Nomor Induk Mahasiswa : 101401093
Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, September 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dian Rachmawati,S.Si,M.Kom Maya Silvi Lydia, B.Sc, M.Sc NIP. 198307232009122004 NIP. 197401272002122001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
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
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, September 2014
PENGHARGAAN
Puji dan syukur ke hadirat Allah SWT, yang hanya dengan rahmat dan izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada:
1. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing 1.
3. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing 2.
4. Bapak Syahriol Sitorus, S.Si, MIT dan Ibu Dian Wirdasari, S.Si, M.Kom selaku Dosen Pembanding.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, seluruh tenaga pengajar dan pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.
6. Ayahanda Abdul Rahim dan Ibunda Pujiati, serta adik-adik saya Alm. Ilham Iranda, Tri Satria dan Siti Umaimah yang selalu memberikan kasih sayang dan dukungannya kepada penulis.
7. Rekan-rekan kuliah, khususnya mahasiswa S1 Ilmu Komputer stambuk 2010 yang selalu memberikan semangat dan dorongan kepada penulis selama menyelesaikan skripsi ini.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Akhirnya, semoga skripsi ini bermanfaat bagi pribadi, keluarga, masyarakat, organisasi dan negara.
Medan, September 2014
ABSTRAK
Penggunaan citra sebagai bentuk informasi saat ini semakin meningkat. Kualitas citra yang buruk dapat mengurangi informasi yang terkandung pada citra. Misalnya citra tersebut mengandung noise sehingga informasi yang terkandung pada citra menjadi tidak jelas. Noise pada citra digital dapat berupa Gaussian Noise, Salt and Pepper Noise, Speckle Noise, dan Exponential Noise. Salah satu mekanisme yang digunakan untuk mengurangi noise adalah filtering. Metode Mean Filter dan Median Filter merupakan metode yang sangat bagus dalam mereduksi berbagai macam jenis noise jika dibandingkan dengan metode filtering lainnya. Penelitian ini mengkombinasikan kedua metode tersebut dan melakukan implementasi perbandingan antara kombinasi dari Mean Filter dan Median Filter dengan Mean Filter atau pun Median Filter untuk mereduksi Gaussian Noise, Salt and Pepper Noise, Speckle Noise, dan Exponential Noise. Implementasi sistem menggunakan MATLAB R2012b. Hasil dari penelitan ini diperoleh bahwa citra hasil kombinasi Mean Filter dan Median Filter lebih baik untuk mereduksi Gaussian Noise dan Exponential Noise, dengan nilai rata-rata MSE=485,2 dan rata-rata PSNR=21,28db pada Gaussian Noise dan rata-rata nilai MSE=1340,87 serta rata-rata PSNR=17,73db untuk Exponential Noise dibandingkan dengan citra hasil Mean Filter atau pun Median Filter. Citra hasil kombinasi Mean Filter dan Median Filter juga lebih baik untuk mereduksi Salt and Pepper Noise dan Speckle Noise dari pada citra hasil Median Filter. Namun citra hasil Mean Filter lebih baik dari citra hasil kombinasi Mean Filter dan Median Filter untuk mereduksi Salt and Pepper Noise dan Speckle Noise, dengan nilai rata-rata MSE=4451,28 dan rata-rata PSNR=12,1db pada Salt and Pepper Noise dan rata-rata nilai MSE=2354,19 serta rata-rata PSNR=14,81db untuk Speckle Noise.
IMPLEMENTATION MEAN FILTER AND MEDIAN FILTER COMBINATION METHOD TO REDUCE GAUSSIAN NOISE, SALT AND PEPPER NOISE,
SPECKLE NOISE, AND EXPONENTIAL NOISE ON DIGITAL IMAGE
ABSTRACT method to reduce various types of noise when compared with other filtering methods. This research combines that two methods and make comparisons between the combination of Mean Filter and Median Filter between with Mean Filter or Median Filter to reduce Gaussian noise, Salt and Pepper Noise, Speckle Noise, and Exponential Noise. Implementation of this system using MATLAB R2012b. The results of this research showed that image result of combination Mean Filter and Median Filter method is better to reduce Gaussian noise and Exponential Noise, with the average value of MSE = 485,2 and the average PSNR = 21,28db on Gaussian noise and the average value of MSE = 1340.87 and the average PSNR = 17,73db on Exponential Noise, that compared with the image result of Mean filter or Median filter. The Mean Filter and Median Filter combination method image result also better to reduce Salt and Pepper Noise and Speckle Noise than the Median Filter image results. But the image result of the Mean Filter is better than the image of the combination of Mean Filter and Median Filter method to reduce Salt and Pepper Noise and Speckle Noise, with the average value of MSE = 4451.28 and the average PSNR = 12,1db on Salt and Pepper Noise and average MSE = 2354.19 and the average PSNR = 14,81db on Speckle Noise.
Keywords: Mean Filter, Median Filter, The Combination of Mean Filter and Median
DAFTAR ISI
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 4
1.6 Metodologi Penelitian 4
1.7 Sistematika Penulisan 5
Bab II Landasan Teori
2.1 Citra 6
2.2 Citra Digital 6
2.2.1 Jenis Citra 7
2.2.1.1 Citra Biner 7
2.2.1.2 Citra Grayscale 8
2.2.1.3 Citra RGB 8
2.2.2 Citra Bitmap 9
2.2.3 Pixel (Picture Elements) 10
2.3 Noise 10
2.3.1 Gaussian Noise 11
2.3.2 Salt And Pepper Noise 11
2.3.3 Speckle Noise 11
2.3.4 Exponential Noise 11
2.4 Filtering 12
2.4.2 Median Filter 14 2.4.3 Metode Kombinasi Mean Filter dan Median Filter 15 2.5 Mean Square Error (MSE) 17 2.6 Peak Signal To Noise Ratio (PSNR) 18 2.7 Penelitian yang Relevan 19
Bab III Analisis dan Perancangan
3.1 Analisis Sistem 21
3.1.1 Analisis Masalah 21 3.1.2 Analisis Persyaratan 22 3.1.2.1 Persyaratan Fungsional 22 3.1.2.2 Persyaratan Nonfungsional 23 3.1.3 Analisis Proses 23 3.1.3.1 Use Case Diagram 24 3.1.3.2 Squence Diagram 25 3.1.3.3 Actifity Diagram 26 3.1.3.4 Flowchart Sistem 28
3.2 Pseudocode Program 29
3.2.1 Pseudocode Gaussian Noise 29 3.2.2 Pseudocode Salt and Pepper Noise 30 3.2.3 Pseudocode Speckle Noise 30 3.2.4 Pseudocode Exponential Noise 31 3.2.5 Pseudocode Mean Filter 31 3.2.6 Pseudocode Median Filter 33 3.2.7 Pseudocode Kombinasi Mean Filter dan Median Filter 34
3.2.8 Pseudocode MSE 35
3.2.9 Pseudocode PSNR 35
3.3 Perancangan Sistem 36
3.3.1 Form Home 36
3.3.2 Form Implementasi 37 3.3.3 Form Perbandingan 40
3.3.4 Form About 41
3.3.5 Form Help 42
Bab IV Implementasi dan Pengujian
4.1 Implementasi 44
4.2.1 Pengujian Form Implementasi 48 4.2.1.1 Proses Generate Noise pada Form Implementasi 50 4.2.1.2 Proses Kombinasi Mean dan Median Filter pada Form
Implementasi 51
4.2.2.1 Proses Generate Noise pada Form Perbandingan 53 4.2.2.2 Proses Mean Filtering Pada Form Perbandingan 54 4.2.2.3 Proses Median Filtering Pada Form Perbandingan 55 4.2.2.4 Proses Kombinasi Mean dan Median Filtering Pada Form
Perbandingan 56
4.3 Hasil Pengujian 57
4.3.1 Hasil Pengujian Form Implementasi 57 4.3.2 HasilPengujian Form Perbandingan 66
Bab V Kesimpulan dan Saran
5.1 Kesimpulan 77
5.2 Saran 78
DAFTAR TABEL
Halaman
Tabel 3.1 Keterangan Gambar Rancangan Interface Form Home 37 Tabel 3.2 Keterangan Gambar Rancangan Interface Form Implementasi 37 Tabel 3.3 Keterangan Gambar Rancangan Interface Form Perbandingan 40 Tabel 3.4 Keterangan Gambar Rancangan Interface Form About 42 Tabel 3.5 Keterangan Gambar Rancangan Interface Form Help 43 Tabel 4.1 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
10% 58
Tabel 4.2 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
20% 59
Tabel 4.3 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
30% 61
Tabel 4.4 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
40% 62
Tabel 4.5 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Gaussian Noise 64 Tabel 4.6 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Salt and Pepper Noise 64 Tabel 4.7 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Speckle Noise 65
Tabel 4.8 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Exponential Noise 65 Tabel 4.9 Perbandingan Hasil Filtering Terhadap Citra ber-noise Gaussian
dengan Probabilitas Berbeda 66 Tabel 4.10 Perbandingan Hasil Filtering Terhadap Citra ber-noise Salt and
Pepper dengan Probabilitas Berbeda 68 Tabel 4.11 Perbandingan Hasil Filtering Terhadap Citra ber-noise Speckle
dengan Probabilitas Berbeda 69 Tabel 4.12 Perbandingan Hasil Filtering Terhadap Citra ber-noise Exponential
dengan Probabilitas Berbeda 71 Tabel 4.13 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Gaussian Noise 72 Tabel 4.14 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Tabel 4.15 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Gaussian Noise 73 Tabel 4.16 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Salt and Pepper
Noise 74
Tabel 4.17 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Median Filtering Terhadap Salt and Pepper
Noise 74
Tabel 4.18 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Salt and Pepper Noise 75 Tabel 4.19 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Speckle Noise 75 Tabel 4.20 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Median Filtering Terhadap Speckle Noise 75 Tabel 4.21 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Speckle Noise 76
Tabel 4.22 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Mean Filtering Terhadap Exponential Noise 76 Tabel 4.23 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Median Filtering Terhadap Exponential
Noise 77
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Citra Biner 7 Gambar 2.2 Contoh Citra Grayscale 8
Gambar 2.3 Contoh Citra RGB 9
Gambar 2.4 fadil.bmp 10
Gambar 2.5 (a) Citra asli, (b) Gaussian Noise, (c) Salt and Pepper Noise, (d) Speckle Noise dan (e) Exponential Noise 12 Gambar 2.6 Pemilihan kernel 3x3 dan Operasi Mean Filter 13 Gambar 2.7 Penempatan hasil Mean Filter Untuk Kernel 3x3 Pertama 13 Gambar 2.8 Pemilihan kernel 3x3 dan Operasi Median Filter 14 Gambar 2.9 Penempatan hasil Median Filter Untuk Kernel 3x3 Pertama 15 Gambar 2.10 Pemilihan kernel 3x3 dan Operasi Metode Kombinasi Mean
Filter dan Median Filter 16
Gambar 2.11 Penempatan Hasil Kombinasi Metode Mean Filter dan Median
Filter Untuk Kernel 3x3 Pertama 17
Gambar 3.1 Diagram Ishikawa 22
Gambar 3.2 Use Case Diagram Sistem 24 Gambar 3.3 Squence Diagram Tahap Pertama 25 Gambar 3.4 Squence Diagram Tahap Kedua 26
Gambar 3.5 Actifity Diagram 27
Gambar 3.6 Flowchart Sistem 28
Gambar 3.7 Pseudocode Gaussian Noise 29 Gambar 3.8 Pseudocode Salt And Pepper Noise 30 Gambar 3.9 Pseudocode Speckle Noise 30 Gambar 3.10 Pseudocode Exponential Noise 31 Gambar 3.11 Pseudocode Mean Filter 32 Gambar 3.12 Pseudocode Median Filter 33 Gambar 3.13 Pseudocode Kombinasi dari Mean Filter dan Median Filter 34
Gambar 3.14 Pseudocode MSE 35
Gambar 3.15 Pseudocode PSNR 35
Gambar 3.16 Rancangan Interface Form Home 36 Gambar 3.17 Rancangan Interface Form Implementasi 37 Gambar 3.18 Rancangan Interface Form Perbandingan 40 Gambar 3.19 Rancangan Interface Form About 42 Gambar 3.20 Rancangan Interface Form Help 43
Gambar 4.1 Form Home 45
Gambar 4.2 Form Implementasi 45 Gambar 4.3 Form Perbandingan 46
Gambar 4.4 Form About 47
Gambar 4.5 Form Help 47
Gambar 4.6 mister_azhar.bmp 48
Gambar 4.8 Tampilan Proses Generate Noise pada Form Implementasi 50 Gambar 4.9 Tampilan Proses Kombinasi Mean Filter dan Median Filter pada
Form Implementasi 51
Gambar 4.10 Tampilan Proses Input Citra pada Form Perbandingan 52 Gambar 4.11 Citra Hasil Input-an Tampil 53 Gambar 4.12 Tampilan Proses Generate Noise pada Form Perbandingan 54 Gambar 4.13 Tampilan Proses Mean Filtering pada Form Perbandingan 55 Gambar 4.14 Tampilan Proses Median Filtering pada Form Perbandingan 56 Gambar 4.15 Tampilan Proses Kombinasi dari Mean Filter dan Median Filter
DAFTAR LAMPIRAN
Halaman
A. Listing Program A-1
