IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT
FILTER
DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE
PADA CITRA DIGITAL
SKRIPSI
FANNY FAIRINA N
101401088
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT
FILTER
DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE
PADA CITRA DIGITAL
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana
Ilmu Komputer
FANNY FAIRINA N
101401088
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
PERSETUJUAN
Judul : IMPLEMENTASI DAN PERBANDINGAN
METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL
Kategori : SKRIPSI
Nama : FANNY FAIRINA N
Nomor Induk Mahasiswa : 101401088
Program Studi : SARJANA (S1) ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di Medan, Juli 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Maya Silvi Lydia, B.Sc.,M.Sc Dr. Poltak Sihombing, M.Kom
NIP 197401272002122001 NIP 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER 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, Juli 2014
Fanny Fairina N
101401088
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT atas nikmat dan karunia-Nya sehingga penulis dapat menyelesaikan 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, DTM&H, MSc(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 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 dan dosen pembimbing II yang telah memberikan masukan dalam menyelesaikan skripsi ini
5. Bapak Drs. Marihat Situmorang, M.Kom, selaku dosen penguji I yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini
6. Bapak Jos Timanta Tarigan, M.Sc, selaku dosen penguji II yang memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini
7. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI USU
8. Ayah saya Iklanuddin, SE, Ibu saya Yetty B. Pardede S.Pd, Abang saya Fajar Ferdian Nugraha, S.Kom dan Adik saya Febby Faudina Nestia yang selalu memberikan dukungan dan bantuan kepada penulis dalam menyelesaikan skripsi ini
10.Dan yang terkhusus Sobirin, yang selalu memberi dukungan dan motivasi kepada penulis dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulias menerima kritik dan saran yang membangun agar dapat menyempurnakan skripsi ini. Dan semoga Allah memberikan nikmat dan karunia kepada seluruh pihak yang membantu penulis dalam menyelesaikan skripsi ini
Medan, Juli 2014
Penulis
ABSTRAK
Noise pada citra digital dapat berupa Specklenoise, Uniformnoise dan noise yang
memang sudah ada dari proses akuisisi citra. Salah satu cara mereduksi noise tersebut adalah dengan menggunakan teknik filtering. Adapun metode filtering yang digunakan penulis untuk mereduksi noise adalah metode Midpointfilter dan Yp
Meanfilter. Midpointfilter merupakan metode filter yang menekankan pada nilai
rata-rata intensitas piksel terbesar dan terkecil kernel sedangkan Yp Meanfilter, metode filter yang menekankan pada rata-rata seluruh intensitas piksel. Kedua metode tersebut bekerja pada domain spasial nonlinier. Citra digital yang diinputkan berformat .bmp dan citra hasil reduksi metode Midpointfilter dan Yp Meanfilter dapat disimpan dengan format .bmp. Implementasi sistem menggunakan bahasa pemrograman MatLab 2012. Hasil yang diperoleh dari proses reduksi noise adalah metode Yp Meanfilter merupakan metode yang paling baik dalam mereduksi Speckle
dan Uniformnoise, hal itu dibuktikan dengan nilai MSE yang lebih kecil, nilai PSNR
yang lebih besar dan nilai runtime proses yang lebih singkat dibanding metode
Midpointfilter. Sedangkan pada citra yang sudah memiliki noise yang berasal dari
proses akuisisi citra kedua metode ini dapat mengurangi tampilan noise, namun citra terlihat agak kabur.
IMPLEMENTATION AND COMPARISON OF MIDPOINT FILTER AND Yp
MEAN FILTER TO REDUCE NOISE ON DIGITAL IMAGE
ABSTRACT
Noiseon digital image can be a Speckle noise, Uniform noise and the noise that appears on digital image from the image acquisition. One of the way to reduce the noise is use filtering method. The method that used to reduce noise were Midpoint filter and Yp Mean filter. The Midpoint is the method which use mean of the biggest and the smallest pixel of the kernel but Yp Mean filter use the mean of the square of all pixel on the kernel. Both of the filter are processed in the nonlinier spatial domain. The image’s format that input to this system is .bmp and the reduction image that saved as .bmp. System is implemented by using MatLab 2012. The result from the noise reduction is Yp Mean filter is better than Midpoint filter to reduce noise, that shown the result of the MSE is lower, the PSNR is higher and the runtime process is
faster than the Midoint filter. But for noisy image that get from the acquisition process, both of the method can reduce the noise, but the image became blurred.
Keyword : Digital image, Midpoint filter, Yp Mean filter, Speckle noise, Uniform
noise, MSE, PSNR
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Bab I Pendahuluan
1.1Latar Belakang 1
1.2Perumusan Masalah 2
1.3Batasan Masalah 2
1.4Tujuan Penelitian 2
1.5Manfaat Penelitian 2
1.6Metodologi Penelitian 3
1.7Sistematika penulisan 3
Bab II Landasan Teori 2.1Citra digital
2.1.1 Pengertian citra digital 5
2.1.2 Jenis citra 5
2.1.2.1Citra biner 6
2.1.2.2Citra grayscale 6
2.1.2.3Citra Warna 7
2.1.3 Format file citra 7
2.1.3.1Bitmap 7
2.2Pengolahan citra digital 8
2.2.1 Restorasi citra 8
2.2.2 Filter Spasial 8
2.2.3 Midpoint filter 9
2.2.4 Yp Mean filter 10
2.2.5 Noise 11
2.2.5.1Uniform noise 11
2.2.5.2Speckle noise 12
2.3Penilaian kinerja restorasi citra 13
2.3.1 MSE 13
2.3.2 PSNR 13
Bab III Analisis dan Perancangan sistem
3.1Analisis sistem 14
3.1.2 Analisis kebutuhan 15
3.1.2.1Kebutuhan fungsional 15
3.1.2.2Kebutuhan nonfungsional 16
3.1.3 Analisis Proses 16
3.1.3.1Use Case diagram 17
3.1.3.2Activity diagram 18
3.1.3.3Sequence diagram 21
3.1.3.4Pseudocode program 23
3.1.3.4.1 Pseudocode Midpoint filter 23
3.1.3.4.2 Pseudocode Yp Mean filter 24
3.1.3.4.3 Pseudocode Speckle noise 24
3.1.3.4.4 Pseudocode Uniform noise 25
3.1.3.4.5 Pseudocode MSE 25
3.1.3.4.6 Pseudocode PSNR 26
3.2Perancangan sistem 26
3.2.1 Perancangan Flowchart 26
3.2.2 Perancangan Interface 28
3.2.2.1Rancangan interface form utama 28
3.2.2.2Rancangan interface form proses filter dengan citra yang
dibangkitkan noise 29
3.2.2.3Rancangan interface form proses filter dengan citra yang sudah
memiliki noise 30
3.2.2.4Rancangan interface form About 31
3.2.2.5Rancangan interface form Help 32
Bab IV Implementasi dan Pengujian
4.1Implementasi 33
4.1.1 Form Utama 33
4.1.2 Form Proses filter dengan citra yang dibangkitkan noise 34 4.1.3 Form proses filter dengan citra yang sudah memiliki noise 34
4.1.4 Form Help 35
4.1.5 Form About 36
4.2Pengujian 36
4.2.1 Proses filter dengan citra yang dibangkitkan noise 36 4.2.2 Proses filter dengan citra yang sudah memiliki noise 37 4.2.3 Hasil pengujian metode Midpoint filter dan Yp Mean filter dalam
mereduksi noise 38
Bab V Kesimpulan dan Saran
5.1Kesimpulan 55
5.2Saran 56
Daftar Pustaka 57
DAFTAR GAMBAR
Nomor gambar
Keterangan Halaman
2.1 Citra Biner 6
2.2 Citra Grayscale 6
2.3 Citra warna 7
2.4 Ilustrasi Midpoint filter 9
2.5 Ilustrasi Yp Mean filter 10
3.3 Activity diagram proses filter dengan citra yang dibangkitkan noise
19
3.4 Activity diagram proses filter dengan citra yang sudah memiliki noise
20
3.5 Sequence diagram proses filter dengan citra yang dibangkitkan noise
21
3.6 Sequence diagram proses filter dengan citra yang dibangkitkan noise
22
3.7 Pseudocode Midpoint filter 23
3.8 Pseudocode Yp Mean filter 24
3.9 Pseudocode Speckle noise 25
3.10 Pseudocode Uniform noise 25
3.11 Pseudocode MSE 26
3.12 Pseudocode PSNR 26
3.13 Flowchart sistem 27
3.14 Perancangan interface form utama 28
3.15 Perancangan interface form proses filter dengan citra yang dibangkitkan noise
29
3.16 Perancangan interface form proses filter dengan citra yang sudah memiliki noise
30
3.17 Perancangan interface form About 31
3.18 Perancangan interface form Help 32
4.1 Form Utama 33
4.2 Form proses filter dengan citra yang dibangkitkan noise 34 4.3 Form proses filter dengan citra yang sudah memiliki
noise
35
4.4 Form Help 35
4.6 Proses pengujian filter untuk citra yang dibangkitkan noise
37
4.7 Proses pengujian filter untuk citra yang sudah memiliki noise
38
DAFTAR TABEL
Nomor tabel Keterangan Halaman
3.1 Keterangan gambar form utama 28
3.2 Keterangan form proses filter dengan citra yang dibangkitkan noise 29 3.3 Keterangan form proses filter dengan citra yang sudah memiliki noise 31
3.4 Keterangan gambar form about 32
3.5 Keterangan gambar form Help 32
4.1 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam mereduksi citra yang dibangkitkan speckle noise
39
4.2 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam mereduksi citra yang dibangkitkan Uniform noise
43
4.3 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam mereduksi citra yang sudah memiliki noise
49
4.4 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Speckle noise pada citra Dog.bmp dengan ukuran dimensi 225 x 225
51
4.5 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Speckle noise pada citra Eagle.bmp dengan ukuran dimensi 500 x 500
51
4.6 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Speckle noise pada citra Fuji.bmp dengan ukuran dimensi 1024 x 768
52
4.7 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Uniform noise pada citra Dog.bmp dengan ukuran dimensi 225 x 225
52
4.8 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Uniform noise pada citra Eagle.bmp dengan ukuran dimensi 500 x 500
53
4.9 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Uniform noise pada citra Fuji.bmp dengan ukuran dimensi 1024 x 768