Implementasi Dan Perbandingan Metode Geometric Mean Filter Dan Alpha-Trimmed Mean Filter Untuk Mereduksi Exponential Noise Pada Citra Digital

(1)

IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC

MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER

UNTUK MEREDUKSI EXPONENTIAL NOISE

PADA CITRA DIGITAL

SKRIPSI

AULIZA NANDA NASUTION

101401010

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER

DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI

EXPONENTIAL NOISE PADA CITRA DIGITAL

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Sarjana Ilmu Komputer

AULIZA NANDA NASUTION

101401010

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

(3)

PERSETUJUAN

Judul : IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-

TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL

Kategori : SKRIPSI

Nama : AULIZA NANDA NASUTION

Nomor Induk Mahasiswa : 101401010

Program Studi : SARJANA (S1) ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, 15 Juli 2014

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

M. Andri Budiman, S.T., M.Comp.Sc, MEM Maya Silvi Lydia, B.Sc, M.Sc NIP. 197510082008011011 NIP. 197401272002121001

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

(4)

PERNYATAAN

IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI

EXPONENTIAL NOISE PADA CITRA DIGITAL

SKRIPSI

Saya menyatakan bahwa skripsi ini hasil karya saya sendiri, kecuali beberapa kutipan

dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 15 Juli 2014

(5)

PENGHARGAAN

Puji syukur kehadirat Allah SWT atas segala rahmat dan karunia-Nya sehingga

penulis dapat menyelesaikan skripsi ini dalam waktu yang telah ditentukan sebagai

salah satu syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu

Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera

Utara. Serta shalawat dan salam penulis hadiahkan kepada Nabi Besar Muhammad

SAW.

Dengan selesainya tugas akhir ini, penulis mengucapkan terima kasih kepada :

1. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu

Komputer.

2. Ibu Maya Silvi Lydia, B.Sc, M.Sc sebagai dosen pembimbing 1 dan Sekretaris

Program Studi Ilmu Komputer, dan Bapak Mohammad Andri Budiman, S.T.,

M.Comp.Sc, MEM sebagai dosen pembimbing 2 yang telah meluangkan

waktu, tenaga, dan pikiran serta dalam membimbing, memotivasi, dan

menyemangati penulis agar dapat menyelesaikan skripsi ini.

3. Bapak Syahriol Sitorus, S.Si, MIT sebagai dosen penguji 1 dan Ibu Dian

Rachmawati, S.Si, M.Kom sebagai dosen penguji 2 yang telah memberikan

kritik serta saran yang membangun untuk penyelesaian skripsi ini.

4. Dekan, Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi,

dan staf pegawai di program studi S1 Ilmu Komputer USU.

5. Orangtua tercinta Ayahanda Syaiful Bahri Nasution dan Ibunda Satinah yang

telah memberikan kasih sayang, doa, semangat serta dukungan moril dan

materil.

6. Keluarga tercinta kakak Ifna Riski Nasution dan adik penulis Ahmad Syafriza

Nasution, Elsa Fadillah Nasution, dan Ashilla Fitri Nasution serta keluarga

(6)

7. Pahri Zuhri, Amd.Sos, yang selalu memberikan dukungan, motivasi, perhatian,

dan doa kepada penulis.

8. Keluarga besar Bapak M.Hendrianto, Ibu Paini, Wiji Kharisma dan

Abang-Kakak.

9. Teman-teman seperjuangan mahasiswa S1 Ilmu Komputer stambuk 2010

khususnya Ca8in Corps Fanny Fairina N, Zulwita Hariyati, Annissa Fadilla,

Uswatun Hasanah, Nurul Ulfah Primadini, Devina Pratiwi Halim, Aulia Akbar

Harahap, dan Bernard Tarigan.

10.Adik-adik junior stambuk 2011 Annisa Olivia dan Dini Islami, serta sahabat

terbaik penulis Sitti Kardina, S.Si yang telah memberikan motivasi kepada

penulis.

11.Seluruh pihak yang terlibat langsung maupun tidak langsung yang tidak dapat

penulis ucapkan satu persatu yang telah membantu penulis dalam

menyelesaikan skripsi ini.

Penulis menyadari bahwa masih banyak kekurangan maupun kesalahan dalam

penulisan skripsi ini. Oleh karena itu penulis mengharapkan kritik dan saran

yang bersifat membangun demi kesempurnaan skripsi ini. Akhir kata, semoga

skripsi ini dapat bermanfaat bagi penulis dan pembaca, khususnya rekan-rekan

mahasiswa/i lainnya yang mengikuti perkuliahan di Universitas Sumatera

Utara. Terima Kasih.

Medan, 15 Juli 2014

(7)

ABSTRAK

Pada citra digital sering kali terdapat beberapa gangguan yang dinamakan noise. Jenis noise seperti laser yang ada pada citra digital dinamakan exponential noise. Noise ini biasa terjadi akibat adanya efek pencahayaan yang tidak merata maupun kontras citra

yang terlalu tinggi ataupun yang terlalu rendah. Dengan adanya noise dapat menyebabkan informasi yang ada pada citra menjadi berkurang dan sulit untuk

diinterpretasikan. Filtering merupakan teknik untuk mereduksi noise. Metode yang akan digunakan untuk mereduksi noise yaitu geometric mean filter dan alpha-trimmed mean filter. Probabilitas noise yang diberikan yaitu 0.01 sampai 0.05 pada tiap kelompok citra. Hasil penelitian pada reduksi undefined noise ditambah exponential noise maupun pada reduksi hanya exponential noise menunjukkan nilai MSE lebih kecil dan nilai PSNR lebih besar selalu berada pada metode alpha-trimmed mean filter khusus untuk d = 0 dan d = 1. Namun untuk pengujian reduksi hanya exponential

noise selalu memiliki nilai MSE lebih kecil dan nilai PSNR lebih besar daripada pengujian reduksi undefined noise ditambah exponential noise. Maka dapat disimpulkan bahwa metode alpha-trimmed mean filter untuk d = 0 dan d = 1 lebih baik untuk melakukan reduksi noise, dan pengujian untuk reduksi exponential noise lebih baik daripada pengujian untuk reduksi noise bebas ditambah exponential noise.

Kata kunci : Geometric mean filter, Alpha-trimmed mean filter, Citra digital,

Exponential noise, Mean Squared Error (MSE), Peak Signal-to-Noise Ratio

(8)

IMPLEMENTATION AND COMPARISON OF GEOMETRIC MEAN FILTER

AND ALPHA-TRIMMED MEAN FILTER TO REDUCE

EXPONENTIAL NOISE IN DIGITAL IMAGES

ABSTRACT

On digital image there are often several disturbance that are called noise. This type of

noise which is like a laser on the digital image is called exponential noise. This noise

is common due to uneven lighting effects as well as the contrast of an image that is

too high or too low. The presence of noise, can cause the information in the image

being reduced and difficult to interpret. Filtering is a technique to reduce noise. The

method to be used for the noise reduction are geometric mean filter and

alpha-trimmed mean filter. The probability of a given noise i.e. 0.01 up to 0.05 for every

image group. Research is results on the reduction of undefined noise and exponential

noise as well as the reduction of exponential noise only show the value of MSE which

is smaller and the value of PSNR is bigger always in the method alpha-trimmed mean

filters exclusively for d = 0 and d = 1. However, reduction of exponential noise has

smaller value of MSE and the value of PSNR is bigger than reduction of undefined

noise and exponential noise. Hence it can be inferred that alpha-trimmed mean filters

for d = 0 and d = 1 is better to do the reduction of noise, and reduction of exponential

noise only is better than reduction undefined noise and exponential noise.

Keywords: Geometric mean filter, Alpha-trimmed mean filter, Digital image,

Exponential noise, Mean Squared Error (MSE), Peak Signal-to-Noise Ratio

(9)

(10)

2.5.2. Alpha-trimmed mean filter 12 2.6. Pengukuran Kinerja Restorasi Citra 13

2.6.1. Mean squared error (MSE) 13

3.1.2.3. Proses membaca nilai piksel 18 3.1.2.4. Proses penambahan noise 18 3.1.2.5. Konvolusi matriks citra metode geometric mean filter 19

3.1.2.6. Konvolusi matriks citra metode alpha-trimmed mean 20 filter

3.1.2.7. Proses menghitung nilai MSE 21 3.1.2.8. Proses menghitung nilai PSNR 22

3.1.3. Analisis non fungsional 23

3.2.Perancangan Sistem 23

3.2.1.Unified Modeling Language (UML) 23

3.2.1.1. Use case diagram 24

3.2.4.2. Form reduction undefined noise + exponential noise 41 3.2.4.3. Form reduction exponential noise 43

3.2.4.4. Form help 45

(11)

BAB 4 IMPLEMENTASI DAN PENGUJIAN

4.1. Implementasi Sistem 47

4.1.1. Spesifikasi perangkat keras 47

4.1.2. Spesifikasi perangkat lunak 47

4.2. Tampilan Antarmuka 48

4.2.1. Tampilan form menu utama 48

4.2.2. Tampilan form reduction undefined noise + exponential noise 48 4.2.3. Tampilan form reduction exponential noise 49

4.2.4. Tampilan form help 50

(12)

DAFTAR TABEL

Hal.

3.1 Spesifikasi Use CaseReduction Undefined Noise + Exponential noise 25 3.2 Spesifikasi Use CaseReduction Exponential Noise 26

4.11 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode Alpha- 70 Trimmed Mean Filter

4.12 Hasil Reduksi Noise pada Citra Berkontras Gelap dengan Metode 72 Geometric Mean Filter

4.13 Hasil Reduksi Noise pada Citra Berkontras Gelap dengan Metode Alpha- 73 Trimmed Mean Filter

4.14 Hasil Reduksi Noise pada Citra Berkontras Terang dengan Metode 74 Geometric Mean Filter

(13)

4.16 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode 76 Geometric Mean Filter

4.17 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode Alpha- 77 Trimmed Mean Filter

4.18 Perbandingan MSE MetodeGMF dan ATMF untuk Reduksi Undefined 79 Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra

Berkontras Gelap

4.19 Perbandingan PSNR MetodeGMF dan ATMF untuk Reduksi Undefined 79 Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra

Berkontras Gelap

4.20 Perbandingan Runtime MetodeGMF dan ATMF untuk Reduksi Undefined 80 Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra

Berkontras Gelap

Berkontras Terang

Beragam Warna

(14)

DAFTAR GAMBAR

(15)

3.19 Rancangan Form Menu Utama 40 4.8 Peringatan Bila Probabilitas Belum Dipilih 56

4.9 Processing Bar Tombol Reduce Noise 56

4.10 Hasil Reduce Noise 57

4.11 Proses Menyimpan Citra Hasil Reduksi 57

4.12 Peringatan File Berhasil Disimpan 58

4.13 Help Dialog Apabila Nilai d Belum Dipilih 58 4.22 Grafik Perbandingan MSE Metode GMF dan ATMF untuk Reduksi 84

Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Gelap

4.23 Grafik Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi 84

(16)

4.25 Grafik Perbandingan MSE Metode GMF dan ATMF untuk Reduksi 85

Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Terang

4.27 Grafik Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi 86 Undefined Noise + Exponential Noise dengan Reduksi Exponential

Noise pada Citra Berkontras Terang

4.28 Grafik Perbandingan MSE Metode GMF dan ATMF untuk Reduksi 87

Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Beragam Warna

4.30 Grafik Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi 88 Undefined Noise + Exponential Noise dengan Reduksi Exponential

(17)

DAFTAR LAMPIRAN

Hal.