PADA CITRA DIGITAL
SKRIPSI
NURUL ULFAH PRIMADINI
101401020
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN
HIGH-PASS FILTERING UNTUK MEREDUKSI NOISE
PADA CITRA DIGITAL
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh gelar dan ijazah Sarjana Ilmu Komputer
NURUL ULFAH PRIMADINI
101401020
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN HIGH-PASS FILTERING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL
Kategori : SKRIPSI
Nama : NURUL ULFAH PRIMADINI Nomor Induk Siswa : 101401020
Program Studi : SARJANA (S1) ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Diluluskan di Medan, 9 Juli 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom
NIP. - NIP 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN HIGH-PASS FILTERING UNTUK MEREDUKSI 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, 9 Juli 2015
PENGHARGAAN
Puji dan syukur penulis ucapkan kepada Allah SWT atas limpahan rahmat dan karunia-Nya sehingga 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 Prof. Dr. dr. Syahril Pasaribu, D.T.M.&H., M.Sc.(C.T.M.), 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 pembimbing I yang telah memberikan masukan dalam menyelesaikan skripsi ini.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Sekretaris Program studi S1 Ilmu Komputer Universitas Sumatera Utara, dosen penguji I, dan pembimbing akademik yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
5. Bapak Amer Sharif, S.Si, M.Kom, selaku dosen pembimbing II yang telah memberikan masukan dalam menyelesaikan skripsi ini.
6. Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen penguji II yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
7. Seluruh dosen dan pegawai Program Studi S1 Ilmu Komputer Fasilkom-TI USU
9. Sahabat-sahabat yang selalu menyemangati, dan saling mendoakan: Annissa Fadilla, Zulwita Hariyati, Fanny Fairina Nadyaningrum Nasution, Devina Pratiwi Halim, Uswatun Hasanah, Auliza Nanda Nasution, Aulia Akbar Harahap, Bernad Darius Tarigan. Abangda Ahmad Royhan P Siregar, Fauzana Sudirman serta Fauzur Rahmi yang telah memberi inspirasi, peringatan dan semangat kepada penulis.
10.Teman-teman stambuk 2010, adinda Nurhasbiah Nasution dan Dwi Puspita Sari Syahnan, serta rekan-rekan IKLC yang tidak bisa disebutkan satu persatu
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan doa, bantuan, perhatian, serta dukungan kepada penulis dalam penyelesaian skripsi ini. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna dan untuk itu penulis menerima kritik dan saran yang membangun agar dapat menyempurnakan skripsi ini agar dapat lebih bermanfaat untuk kedepannya.
Medan, Juli 2015
ABSTRAK
Noise atau derau merupakan komponen yang tidak dikehendaki pada citra, yang
menyebabkan citra terdegradasi dan kualitas citra tersebut menurun. Kehadiran noise sulit untuk dihindari, namun dapat dikurangi dengan proses restorasi. Exponential dan Rayleigh Noise merupakan beberapa contoh noise yang dapat ditemukan pada citra terdegradasi. Restorasi citra merupakan proses untuk mendapatkan kembali sebuah citra yang cacat atau terdegradasi akibat adanya tambahan noise sehingga dapat mendekati keadaan aslinya. Untuk melakukan proses restorasi dapat memanfaatkan metode filtering pada domain frekuensi. Pada penelitian ini, metode Low-pass Filtering dan High-pass Filtering akan digunakan untuk mereduksi noise yang terdapat pada citra. Citra yang telah direduksi kemudian dibandingkan berdasarkan nilai Mean Squared Error (MSE), Peak Signal to Noise Ratio (PSNR), dan
runtime process hasil pemfilteran, sehingga dapat diketahui metode mana yang lebih baik dalam mereduksi noise. Hasil yang diperoleh dari proses reduksi noise pada domain frekuensi adalah, dari ketiga metode Low-pass Filtering yang digunakan, metode Gaussian Low-pass Filtering sangat baik digunakan untuk mereduksi Exponential dan Rayleigh Noise dengan nilai MSE dan PSNR rata-rata hasil filtering untuk Exponential Noise adalah 197,3511 dan 25,8776 dB dan nilai MSE dan PSNR rata-rata sebelum filtering adalah 326,08 dan 23,903 dB. Sedangkan nilai MSE dan PSNR rata-rata hasil filtering untuk Rayleigh Noise adalah 460,9587 dan 22,0633 dB dengan nilai MSE dan PSNR rata-rata sebelum filtering adalah 463,868 dan 22,076 dB. Namun, metode High-pass Filtering tidak dapat digunakan untuk mereduksi noise pada citra dikarenakan noise memiliki frekuensi yang tinggi sehingga metode
High-pass Filtering tidak menyaring noise tersebut.
ABSTRACT
Noise is an unwanted component in the image, which causes degraded image and the image quality decreases. The presence of noise is difficult to avoid, but can be reduced with the restoration process. Exponential and Rayleigh Noise are some examples of noise that can be found on the degraded image. An image restoration process to regain an defective image or degraded as a result of additional noise so as to approach its original state. To perform the restoration process can utilize filtering methods in the frequency domain. In this study, the method of the Low-pass Filtering and High-pass Filtering will be used to reduce noise contained in the image. The image that has been reduced then compared based on the Mean Squared Error (MSE), Peak Signal to Noise Ratio (PSNR), and the results of the filtering process runtime, so that can know which method is better in reducing noise. The results obtained from the noise reduction process on the frequency domain is, of the three methods Low-pass Filtering is used, the method of Gaussian Low-pass Filtering is best used to reduce Exponential and Rayleigh Noise with MSE and PSNR average filtering results for Exponential Noise is 197.3511 and 25.8776 dB and the MSE and PSNR on average before filtering is 326.08 and 23.903 dB, while the value of MSE and PSNR average filtering results for Rayleigh Noise is 460.9587 and 22.0633 dB with MSE and PSNR on average before filtering is 463.868 and 22.076 dB. However, High-pass Filtering method can not be used to reduce noise in the image due to noise having a high frequency so that High-pass Filtering method does not filter out the noise.
DAFTAR ISI
1.3 Ruang Lingkup Penelitian 3
1.4 Tujuan Penelitian 3
2.1.2 Jenis Citra Digital 8
2.1.2.1 Citra Biner 8
2.1.2.1 Citra Berskala Keabuan 9 2.1.2.3 Citra Warna (Truecolor) 9
2.1.3 Format File Citra 10
2.1.3.1 Format File Citra Bitmap 10
2.2 Pengolahan Citra Digital 11
2.2.1 Pengolahan Citra pada Domain Frekuensi 11 2.2.1.1 Transformasi Fourier 11 2.2.1.2 Fast Fourier Transform (FFT) 12 2.2.2 Penapisan pada Domain Frekuensi 13
2.2.2.1 Low-pass Filtering 13
2.2.2.2 High-pass Filtering 14
2.2.3 Noise dalam Citra 16
2.2.3.1 Exponential Noise 16
2.2.3.2 Rayleigh Noise 17
2.2.4.2 Peak Signat to Noise Ratio (PSNR) 18
3.2.1 Pseudocode Program Filtering 27 3.2.2 Pseudocode Fungsi Low-pass Filtering 28 3.2.3 Pseudocode Fungsi High-pass Filtering 30 3.2.4 Pseudocode Exponential Noise 32 3.2.5 Pseudocode Rayleigh Noise 32 3.2.3 Pseudocode Mean Squared Error (MSE) 32 3.2.3 Pseudocode Peak Signal to Noise Ratio (PSNR) 33
3.3 Perancangan Sistem 33
3.3.1 Perancangan Flowchart Sistem 33 3.3.2 Perancangan Interface Sistem 35
3.3.2.1 Menu Utama 35 Bab V Kesimpulan dan Saran
5.1 Kesimpulan 68
5.2 Saran 69
DAFTAR TABEL
Halaman Tabel 3.1 Use case Diagram Narrative Filtering dengan Citra yang diberi Noise 23 Tabel 3.2 Use case Diagram Narrative Filtering dengan Citra yang memiliki Noise 23 Tabel 3.3 Keterangan Gambar Menu Utama 36 Tabel 3.4 Keterangan Gambar Menu Filtering dengan Citra yang diberi Noise 37 Tabel 3.5 Keterangan Gambar Menu Filtering dengan Citra yang memiliki Noise 38 Tabel 3.6 Keterangan Gambar Menu Help 39 Tabel 3.7 Keterangan Gambar Menu About 40 Tabel 4.1 Daftar Gambar yang digunakan pada Pengujian 47 Tabel 4.2 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra
yang diberi Noise dengan d0 = 0.09 48 Tabel 4.3 Perbandingan Nilai MSE dan PSNR Metode Metode Low-pass Filtering dan
High-pass Filtering terhadap Citra yang diberi Exponential Noise 54
Tabel 4.4 Perbandingan nilai Runtime Process Metode Metode Low-pass Filtering dan
High-pass Filtering terhadap Citra yang diberi Exponential Noise 54
Tabel 4.5 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang diberi Noise dengan d0 = 0.09 56 Tabel 4.6 Perbandingan Nilai MSE dan PSNR Metode Metode Low-pass Filtering dan
High-pass Filtering terhadap Citra yang diberi Rayleigh Noise 62
Tabel 4.7 Perbandingan nilai Runtime Process Metode Metode Low-pass Filtering dan
High-pass Filtering terhadap Citra yang diberi Rayleigh Noise 62
Tabel 4.8 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang memiliki Noise dengan d0 = 0.1 dan 0.05 63 Tabel 4.9 Perbandingan Nilai MSE dan PSNR Metode Metode Low-pass Filtering dan
High-pass Filtering terhadap Citra yang memiliki Noise 67
Tabel 4.10 Perbandingan nilai Runtime Process Metode Metode Low-pass Filtering dan
DAFTAR GAMBAR
Halaman Gambar 2.1 Contoh Citra Digital dan Matriks Penyusunnya 7 Gambar 2.2 Contoh Tipe Citra
(a) Citra Tipe Raster 8 (b) Citra Tipe Vektor 8 Gambar 2.3 Contoh Jenis Citra Digital
(a) Citra Tipe Raster 9 (b) Citra Tipe Vektor 9 (c) Citra Tipe Vektor 10 Gambar 2.4 Proses Transformasi Citra 11 Gambar 2.5 (a) Citra Asli (b) Citra dengan Exponential Noise 17 Gambar 2.6 (a) Citra Asli (b) Citra dengan Rayleigh Noise 17 Gambar 3.1 Diagram Ishikawa Analisis Masalah 20 Gambar 3.2 Use case Diagram Sistem 22 Gambar 3.3 Activity Diagram Filtering dengan Citra yang diberi Noise 24 Gambar 3.4 Activity Diagram Filtering dengan Citra yang memiliki Noise 25 Gambar 3.5 Sequence Diagram Filtering dengan Citra yang diberi Noise 26 Gambar 3.6 Sequence Diagram Filtering dengan Citra yang memiliki Noise 26 Gambar 3.7 Pseudocode Program Filtering 27 Gambar 3.8 Pseudocode Ideal Low-pass Filtering 28 Gambar 3.9 (a) Pseudocode Butterworth Low-pass Filtering 28 (b) Lanjutan Pseudocode Butterworth Low-pass Filtering 29 Gambar 3.10 Pseudocode Gaussian Low-pass Filtering 29 Gambar 3.11 Pseudocode Ideal High-pass Filtering 30 Gambar 3.12 (a) Pseudocode Butterworth High-pass Filtering 30 (b) Lanjutan Pseudocode Butterworth High-pass Filtering 31 Gambar 3.13 Pseudocode Gaussian High-pass Filtering 31 Gambar 3.14 Pseudocode Exponential Noise 32 Gambar 3.15 Pseudocode Rayleigh Noise 32 Gambar 3.16 Pseudocode Mean Squared Error (MSE) 33 Gambar 3.17 Pseudocode Peak Signal to Noise Ratio (PSNR) 33
Gambar 3.18 Flowchart Sistem 34
Gambar 3.19 Rancangan Menu Utama 36
Gambar 3.20 Rancangan Menu Program Filtering dengan Citra yang diberi Noise 36 Gambar 3.21 Rancangan Menu Program Filtering dengan Citra yang memiliki Noise 38
Gambar 3.22 Rancangan Menu Help 39
Gambar 4.1 Menu Utama 41 Gambar 4.2 Menu Program Filtering dengan Citra yang diberi Noise 42 Gambar 4.3 Menu Program Filtering dengan Citra yang memiliki Noise 43
Gambar 4.4 Menu Help 43
Gambar 4.5 Menu About 44
DAFTAR LAMPIRAN
Halaman
A. Listing Program A-1
