KUALITAS CITRA DIGITAL
SKRIPSI
SITI AISYAH
111401126
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
SITI AISYAH 111401126
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI DAN PERBANDINGAN METODE
WIENER FILTER DAN ADAPTIVE MEDIAN FILTER UNTUK MEMPERBAIKI KUALITAS CITRA
DIGITAL
Kategori : SKRIPSI
Nama : SITI AISYAH
Nomor Induk Mahasiswa : 111401126
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA Diluluskan di
Medan, 26 Agustus 2016 Komisi Pembimbing :
Pembimbing 1 Pembimbing 2
Dr. Syahriol Sitorus, S.Si., M.IT Dian Rachmawati,S.Si,M.Kom
NIP. 197103101997031004 NIP.198307232009122004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI DAN PERBANDINGAN METODE WIENER FILTER DAN ADAPTIVE MEDIAN FILTER 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, 26 Agustus 2016
PENGHARGAAN
Puji dan syukur kehadirat 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 Prof. Dr. Runtung Sitepu, S.H, M.Hum selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Opim Salim Sitompul, M.Si 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.
4. Ibu Dr. Maya Silvi Lydia, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer sekaligus Dosen Pembanding 1 yang memberikan kritik dan masukan untuk penyempurnaan skripsi ini.
5. Bapak Dr. Syahriol Sitorus, S.Si., M.IT selaku Dosen Pembimbing 1 yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
6. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing 2 yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini..
7. Bapak Ade Candra, ST, M.Kom selaku Dosen Pembanding 2 yang memberikan kritik dan masukan untuk penyempurnaan skripsi ini.
8. 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.
Sri Muliani S.Si, Spd yang cerewet tapi selalu mengingatkan penulis untuk tetap semangat. Kepada keponakan tercinta, natra dan ilham yang selalu mewarnai hidup penulis.Sahabat lama Lili Defita Sari, yang tak pernah lupa pada penulis dan selalu memberikan dorongan dan semangat, serta murobbi luar biasa penulis, kakanda Ovalina Silvya.
10. Seluruh sahabat dan rekan-rekan kuliah khususnya mahasiswa S1 Ilmu Komputer terutama kepada Retri Witra Nastiti, Nurul Putri Yanti, Lestari Juwita Ningrum, Geubrina Rizky, Nurhaliza Nst, Nurkholija Harahap dan Annisa Olivia yang selalu memberikan semangat dan dorongan kepada penulis selama menyelesaikan skripsi ini. Terkhususnya untuk grup halaqoh “Qurrata A’yun” dan tak lupa para sahabat “PeMaLu” (Pemimpin Masa Lalu) .
11. Rekan-rekan dan adik-adik UKMI AL-KHWARIZMI yang telah memberikan banyak dukungan dan ilmu kepada penulis.
12. Para staff Tata Usaha S1 Ilmu Komputer.
13. Pihak-pihak yang terlibat langsung maupun tidak langsung yang membantu penyelesaian laporan 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, 26 Agustus 2016
ABSTRAK
Penggunaan citra digital memegang peranan penting sebagai bentuk informasi dikarenakan kelebihan-kelebihan yang dimilkinya. Meskipun kaya akan informasi, tak semua citra memiliki tampilan visual yang baik. Hal ini bisa disebabkan gangguan berupa noise, intensitas warna yang terlalu kontras atau kabur. Noise sendiri merupakan gangguan yang disebabkan oleh menyimpangnya data digital yang diterima oleh alat penerima data gambar, mulai dari kamera digital dan scanner. Noise dapat dihilangkan dengan menggunakan teknik filtering. Terdapat 2 jenis metode filtering yang digunakan, yaitu Wiener Filter yang termasuk salah satu jenis filter spasial non-linear (filter frekuensi) dan Adaptive Median Filter yang merupakan filter pengembangan dari Median Filter. Adapun noise yang disebutkan berupa noise asli yang dihasilkan dari capturing kamera digital, dan impulse noise. Dari hasil penelitian, menunjukkan bahwa metode Kombinasi dari WF dan AMF lebih baik dalam memperbaiki kualitas citra yang memiliki noise asli dan impulse noise dibandingkan metode Wiener Filter dan Adaptive Median Filter dilihat dari parameternya (MSE, PSNR, dan running time). Semakin besar ukuran citra yang diuji maka semakin besar pula running time yang dihasilkan. Adapun nilai running time pada metode Adaptive Median Filter jauh lebih besar dibanding dari Wiener Filter dan Kombinasi WF dan AMF. Jika dilihat dari tampilan visual, Adaptive Median Filter memberikan hasil lebih baik dibandingkan Wiener Filter dan Kombinasi WF dan AMF.
IMPLEMENTATION AND COMPARISON OF WIENER FILTER AND ADAPTIVE MEDIAN FILTER TO IMPROVE THE QUALITY OF DIGITAL
IMAGE
ABSTRACT
The use of digital image takes the necessary role as the form of information since its has so many advantages. Despite of being rich of information, not all images have good visual to display. This may be caused by the disturbances such as noises, the color intensity that is too contrast or blurred. The noise itself, is a disturbance caused by the diverged of digital data which is received by image receiver device, starts from digital camera and scanner. Noise can be reduced by using filtering technique. There are 2 types of filtering method used, those are Wiener Filter that included in one of non-spatial filter type (frequency filter) and Adaptive Median Filter the development filter from Median Filter. As for the noise in this case is the original noise obtained from camera digital capturing, and impulse noise. From the result of research shows that Combination of Wiener Filter and Adaptive Median Filter method is better in improving image quality that contains original noise and impulse noise compared to Wiener Filter and Adaptive Median Filter refered by its parameter (MSE, PSNR, and running time). The bigger an image’s size then the bigger that running time outcame. While in a process of running time, Adaptive Median Filter took so much time compared to Wiener Filter and the combination of WF and AMF. Yet for the visual display, Adaptive Median Filter shows better result than Wiener Filter and the both Combination.
DAFTAR ISI
1.4. Batasan atau Rang Lingkup Penelitian 3
1.5. Manfaat Penelitian 4
1.6. Metodologi Penelitian 4
1.7. Sistematika Penulisan 5
Bab 2 Landasan Teori 7
2.1. Citra Digital 7
2.2. Representasi Citra Digital 7
2.3. Jenis-jenis Citra 8
2.3.1. Citra Biner (Monokrom) 8
2.3.2. Citra Grayscale (skala keabuan) 9
2.3.3. Citra warna (true color) 9
2.7.1. Pengolahan Citra di Kawasan Spasial dan Kawasan
Frekuensi 15
2.7.1.1. Adaptive Median Filter 15
2.7.1.2. Wiener Filter 18
2.8. Parameter Pembanding Kualitas Citra 18
2.8.1. Mean Square Error (MSE) 18
2.8.2. Peak Signal to Noise Ratio (PSNR) 19
Bab 3 Analisis dan Perancangan Sistem 20
3.1.2. Analisis persyaratan 21
3.1.2.1. Persyaratan fungsional 21
3.1.2.2. Persyaratan non-fungsional 22
3.1.3. Analisis proses 23
3.1.3.1. Use Case diagram 23
3.1.3.2. Activity diagram 28
3.1.3.3. Sequence diagram 30
3.1.3.4. Flowchart sistem 32
3.1.3.5. Pseudocode 36
3.1.3.5.1. Pseudocode Wiener Filter 37 3.1.3.5.2. Pseudocode Adaptive Median Filter 39
3.2. Perancangan Sistem 40
3.2.1. Perancangan Interface 40
3.2.1.1. Rancangan Menu Utama (Form Home) 40
3.2.1.2. Halaman Filtering 41
3.2.1.3. halaman Help 42
Bab 4 Implementasi dan Pengujian 44
4.1. Implementasi 44
4.1.1. Implementasi Algoritma 44
4.1.1.1. Implementasi Wiener Filter 44
4.1.1.2. Implementasi Adaptive Median Filter 46
4.1.2. Implementasi User Interface 48
4.1.2.1. Form Home (Main form) 48
4.1.2.2. Form Filtering 48
4.1.2.3. Form Help 49
4.2. Pengujian 51
4.2.1. Proses Pengujian Filtering 51
DAFTAR TABEL
Halaman
Tabel 2.1 Warna dan nilai penyusun warna 10
Tabel 3.1 Spesifikasi Use Case Pilih Citra 24-25
Tabel 3.2 Spesifikasi Use Case Filtering Citra 25
Tabel 3.3 Spesifikasi Use Case Wiener Filter 25-26
Tabel 3.4 Spesifikasi Use Case Adaptive Median Filter 26 Tabel 3.5 Spesifikasi Use Case kombinasi Wiener Filter dan Adaptive
Median Filter 26-27
Tabel 3.6 Spesifikasi Use Case hitung MSE, PSNR dan Running Time 27 Tabel 3.7 Spesifikasi Use Case Simpan Citra Hasil 27-28 Tabel 3.8 Keterangan gambar rancangan interface Menu Home 41 Tabel 3.9 Keterangan gambar rancangan interface Filtering 41-42 Tabel 3.10 Keterangan gambar rancangan interface Help 43 Tabel 4.1 Hasil Pengujian Filtering untuk citra berukuran 256x256
piksel (noise asli) 55-58
Tabel 4.2 Hasil Pengujian Filtering untuk citra berukuran 256x256
piksel (impulse noise) 59-62
Tabel 4.3 Hasil Pengujian Filtering untuk citra berukuran 512x512
(Noise asli dan impulse noise) 63
Tabel 4.4 Rata-rata Nilai MSE, PSNR, dan Running Time pada
citra 256x256 piksel dan 512x512 piksel dengan Wiener Filter 65 Tabel 4.5 Rata-rata Nilai MSE, PSNR, dan Running Time pada
citra 256x256 piksel dan 512x512 piksel dengan Adaptive
Median Filter 65
Tabel 4.6 Rata-rata Nilai MSE, PSNR, dan Running Time pada citra 256x256 piksel dan 512x512 piksel dengan Kombinasi WF dan
AMF 66
Tabel 4.7 Rata-rata Nilai MSE, PSNR, dan Running Time pada citra impulse
noise 256x256 piksel dan 512x512 piksel dengan Wiener Filter 67
Tabel 4.8 Rata-rata Nilai MSE, PSNR, dan Running Time pada citra impulse noise 256x256 piksel dan 512x512 piksel dengan Adaptive
Median Filter 67
Tabel 4.9 Rata-rata Nilai MSE, PSNR, dan Running Time pada citra impulse noise 256x256 piksel dan 512x512 piksel dengan Kombinasi WF
dan AMF 68
Tabel 4.10 Perbandingan rata-rata nilai MSE, PSNR, dan Running Time pada
DAFTAR GAMBAR
Halaman
Gambar 2.1 Citra grayscale dalam bentuk matriks 8
Gambar 2.2 Cita Biner 9
Gambar 2.3 Citra Grayscale 9
Gambar 2.4 Citra warna (true color) 10
Gambar 2.5 Citra dengan impulse noise 12
Gambar 2.6 Citra usg.bmp yang berisi noise 13
Gambar 2.7 Proses Transformasi Citra 15
Gambar 3.1 Diagram Ishikawa 21
Gambar 3.2 Use case diagram 24
Gambar 3.3 Activity Diagram Filtering 29
Gambar 3.4 Sequence Diagram Wiener Filter 30
Gambar 3.5 Sequence Diagram Adaptive Median Filter 31 Gambar 3.6 Sequence Diagram Kombinasi kombinasi Wiener Filter dan
Adaptive Median Filter 32
Gambar 3.7 Flowchart keseluruhan sistem 33
Gambar 3.8 Flowchart Wiener Filter 34
Gambar 3.9 Flowchart Adaptive Median Filter 35
Gambar 3.10 Flowchart Kombinasi Wiener Filter dan Adaptive Median Filter 36
Gambar 3.11 Rancangan Interface Menu Utama 40
Gambar 3.12 Rancangan Interface Filtering 41
Gambar 3.13 Rancangan Interface Help 42
Gambar 4.1 Citra dimensi satu dan hasil transformasi Fourier 46 Gambar 4.2 Matriks citra 3x3 sebelum difiltering 47 Gambar 4.3 Matriks citra 3x3 setelah difiltering 48 Gambar 4.4 Matriks citra 4x4 sebelum filtering dan Matriks citra 4x4
setelah filtering dengan Adaptive Median Filter 48
Gambar 4.5 Form Home 49
Gambar 4.6 Form Filtering 50
Gambar 4.7 Form Help 50
Gambar 4.8 Message Box Filtering berhasil 51
Gambar 4.9 Proses pemfilteran citra yang memiliki noise asli dengan Wiener
Filter, Adaptive Median Filter dan kombinasi keduanya 52
Gambar 4.10 Proses pemfilteran citra yang berisi impulse noise dengan
Wiener Filter, Adaptive Median Filter dan kombinasi keduanya 52
Gambar 4.11 Citra yang terdegradasi noise asli hasil capturing kamera digital 53 Gambar 4.12 Beberapa citra yang berisi impulse noise 54 Gambar 4.13 (a) Nilai piksel awal red sebelum difilter dan (b) nilai piksel
DAFTAR LAMPIRAN
Halaman
A. Listing Program A-1
