DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
RUTH MEYLINA MANIK
111401141
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
HIGH BOOST FILTERING
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
RUTH MEYLINA MANIK
111401141
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING
Kategori : SKRIPSI
Nama : RUTH MEYLINA MANIK
Nomor Induk Mahasiswa : 111401141
Program Studi : SARJANA (S1) ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dian Rachmawati, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom
NIP 198307232009122004 NIP 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2015
Ruth Meylina Manik
PENGHARGAAN
Puji dan syukur kepada Tuhan Yang Maha Esa atas berkat 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.
Penulis ingin menyampaikan ucapan terimakasih kepada :
1.
Bapak Prof. Subhilhar, Ph.D selaku Pejabat 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 juga selaku dosen pembimbing I yang
telah memberikan saran dan dukungan kepada penulis dalam menyelesaikan
skripsi ini.
4.
Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen pembimbing II yang telah
memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
5.
Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku dosen penguji II yang memberikan
kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
6.
Bapak Amer Sharif, S.Si, M.Kom, 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.
Orang tua penulis Purn. Ipda Manimbul Manik dan Anna Pininta Dahlia, S.Pd.
yang selalu menjadi penyemangat penulis dan selalu memberikan dukungan yang
sangat luar biasa di dalam setiap doanya untuk penulis dalam menyelesaikan
skripsi ini.
10.
Opung Lordup dan Opung Toba, Tulang/Nantulang Lady, Tulang/Nantulang
Tesya, Tulang/Nantulang Hotman, Tulang/Nantulang Josua dan Tulang/Nantulang
Evan yang selalu mendukung dan menyemangati penulis dalam menyelesaikan
skripsi ini.
11.
Sahabat penulis Chindy Cahtrina Barus, Magdalena Siregar, Witty Sinaga yang
selalu mendukung menyemangati penulis dalam menyelesaikan skripsi ini.
12.
Jonathan Simamora atas dukungan dan semangat kepada penulis selama proses
penyelesaian skripsi ini.
13.
Teman-teman kuliah penulis stambuk 2011, Nurhayati, Ita, Tifany, Fildzah,
Syafura, Nurkholijah, Anandhini, Agita, Martina, Ivana, Shahira, Annisa, Abidah,
Rifai, Steven, Sandy, Adit, Henry, Tanta, Cholik, Nihe, Ridho, Edi, Andrio,
Simon, Fernandes, Edwin, Johan, Afif, Hanafi yang selalu menyemangati penulis
terkhusus kepada Farid Akbar Siregar dan Agung Putu Yoga yang membantu dan
mendukung penulis dalam menyelesaikan skripsi ini.
14.
Teman-teman Beswan Djarum 29 Medan Tere, Dita, Sai, Dea, Ius, Dana, Darman,
Josiah, Acid, Cherry, dan Nicho yang selalu memberi semangat dan menjadi
penyemangat penulis dalam berjuang.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulis
menerima kritik dan saran yang membangun untuk menyempurnakan skripsi ini. Dan
semoga Tuhan Yang Maha Esa memberikan berkat dan karunia kepada seluruh pihak
yang membantu penulis dalam menyelesaikan skripsi ini
Medan, Agustus 2015
ABSTRAK
Pendeteksian tepi sebuah citra adalah bagian dari pengolahan citra. Pendeteksian tepi pada citra berguna untuk mencirikan sebuah informasi atau citra. Kualitas citra dan garis deteksi tepi dari hasil pendeteksian tepi terhadap sebuah citra sangatlah diperlukan, terlebih kepada citra yang telah rusak dan yang telah mengalami penurunan kualitas. Penurunan kualitas citra contohnya ialah noise yang terdapat pada citra, dimana penurunan kualitas oleh noise ini disebabkan oleh gangguan pada teknik pengambilan citra. Pada citra digital, noise yang sering ditemukan adalah Gaussian noise dan Salt and Pepper noise. Akibat adanya noise pada citra, noise tersebut menyebabkan hasil pendeteksian tepi yang kurang bagus ataupun kurang memenuhi standard dari kualitas pendeteksian tepi sebuah citra. Maka dari itu, dilakukan penelitian untuk mendeteksi tepi citra dari citra yang telah memiliki noise dengan operator Laplacian of Gaussian. Pada operator ini terdapat metode Gaussian smoothing yang berguna untuk memperhalus noise. Tetapi, citra yang halus belum tentu baik untuk dideteksi tepi. Maka dari itu, penelitian ini melakukan pengkombinasian operator deteksi tepi Laplacian of Gaussian dengan metode High Boost filtering. Kemudian penelitian ini membandingkan hasil citra deteksi tepi antara Laplacian of Gaussian dengan Laplacian of Gaussian kombinasi High Boost filtering. Citra hasil deteksi tepi terbaik dibandingkan berdasarkan parameter Mean Square Error (MSE ) yang bernilai paling kecil, Peak Signal to-Noise Ratio (PSNR) yang bernilai paling besar dan kualitas struktur garis tepi. Perbandingan dengan parameter nilai MSE, PSNR dan kualitas struktur garis tepi, maka didapat hasil bahwa pendeteksian tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering lebih baik dengan nilai MSE terkecil yaitu, 28096,5 dan nilai PSNR terbesar yaitu, 0,36864 dB.
THE COMPARISON BETWEEN THE RESULT OF EDGE DETECTION BY
THE LAPLACIAN OF GAUSSIAN WITH LAPLACIAN OF GAUSSIAN
COMBINATION OF HIGH BOOST FILTERING
ABSTRACT
Edge detection of an image is a part of the image processing. Edge detection on the image useful to characterize an information or images. Image quality and edge detection line quality of edge detection result to an image is necessary, especially to the image that has been damaged and who have experienced loss of quality. The example of image quality degradation is noise contained in the image, where a decrease in the quality of the noise is caused by disturbances in the image-making techniques. In the digital image, the noise that is often found is Gaussian noise and Salt and Pepper noise. Due to the noise in the image, the noise causes the edge detection result is less good or less meet the standards of the quality of an image edge detection. Therefore, an examination to detect the image edge of the image already has noise with Laplacian of Gaussian operator. At this operator, there is Gaussian smoothing method that useful to soften the noise. However, a smooth image is not necessarily good for the detected edge. Therefore, this study did the combination of edge detection operator Laplacian of Gaussian with High Boost filtering method. Then, this study compared the results of image edge detection between Laplacian of Gaussian Laplacian of Gaussian combination with High Boost filtering. Image edge detection best results were compared based on the parameters Mean Square Error (MSE) is worth at least a small, Peak Signal to-Noise Ratio (PSNR) is the largest and most valuable qualities edge line structure. Comparison with the parameter value of MSE, PSNR and quality of the structure borders, then the examination got the result that the operator Laplacian of Gaussian edge detection using a combination filtering High Boost better with smallest MSE value is, 28096.5 and the largest PSNR value is, 0.36864 dB.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak vi
Abstract vii
Daftar isi viii
Daftar Gambar x
Daftar Tabel xii
Bab 1 Pendahuluan
1.1Latar Belakang 1
1.2Rumusan Masalah 2
1.3Batasan Masalah 3
1.4Tujuan Penelitian 3
1.5Manfaat Penelitian 3
1.6Metodologi Penelitian 4
1.7Sistematika penulisan 5
Bab 2 Landasan Teori
2.1Citra 6
2.2Citra Digital 6
2.2.1 Jenis Citra Digital 8
2.3Citra Bitmap 9
2.4Perngolahan Citra 10
2.4.1 Operasi Pengolahan Citra 11
2.5Pendeteksian Tepi 12
2.5.1 Metode-metode dalam Deteksi Tepi 15 2.5.2 Operator Laplacian of Gaussian (LoG) 16
2.6Derau (Noise) 18
2.7Peningkatan Kualitas Citra (Image Enhancement) 20 2.7.1. Filter Spasial (Spatial Filter) 20 2.7.1.1 Filter Pelolos Rendah (Low Pass Filter) 20 2.7.1.2 Filter Pelolos Tinggi (High Pass Filter) 21
2.7.1.3 High Boost Filter 22
2.8Perbaikan Citra (Image Restoration) 23
2.9 MSE dan PSNR 23
Bab 3 Analisis dan Perancangan sistem
3.1Analisis sistem 25
3.1.1 Analisis Masalah 25
3.1.2 Analisis Persyaratan 26
3.1.2.2Persyaratan Non-Fungsional 27
3.1.3 Analisis Proses 28
3.2Pemodelan 28
3.2.1 Use Case Diagram 28
3.2.2 Sequence Diagram 33
3.2.3 Activity Diagram 34
3.3Pseudocode Program 35
3.3.1 Pseudocode Gaussian Noise 35
3.3.2 Pseudocode Salt and Pepper Noise 35
3.3.3 Pseudocode Laplacian of Gaussian 36
3.3.4 Pseudocode High Boost Filtering 36
3.3.5 Pseudocode Menghitung nilai MSE dan PSNR 37
3.4Perancangan sistem 38
3.4.1 Flowchart Sistem 37
3.4.2 Perancangan Antarmuka (Interface) 40
3.4.2.1Form Home 40
3.4.2.2Form Menu Pengujian 41
3.4.2.3Form Menu Hasil 42
3.4.2.4Form Menu Help 43
3.4.2.5Form Menu About 44
Bab 4 Implementasi dan Pengujian Sistem
4.1Implementasi Sistem 46
4.1.1 Form Home 46
4.1.2 Form Pengujian 47
4.1.3 Form Hasil 49
4.1.4 Form Help 50
4.1.5 Form About 50
4.2Pengujian 51
4.2.1 Pengujian Laplacian of Gaussian 51
4.2.2 Pengujian Laplacian of Gaussian kombinasi High Boost Filter 55
4.3 Hasil Pengujian 57
4.3.1 Hasil Pengujian Laplacian of Gaussian terhadap Gaussian Noise 57 4.3.2 Hasil Pengujian Laplacian of Gaussian terhadap Salt and Pepper
Noise 60
4.3.3 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost Filtering terhadap Gaussian Noise 64 4.3.4 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost
Filtering terhadap Salt and Pepper Noise 66 4.3.5 Hasil Perbandingan Operator Laplacian of Gaussian dengan
Laplacian of Gaussian Kombinasi High Boost Filtering 69
Bab 5 Kesimpulan dan Saran
5.1Kesimpulan 74
5.2Saran 75
Daftar Pustaka 76
Listing Program 78
DAFTAR GAMBAR
Nomor gambar Keterangan Halaman
2.1 Sistem koordinat citra 8
2.2 Citra biner 8
2.3 Citra abu-abu (grayscale) 9
2.4 Citra warna atau (RGB) 10
2.5 Citra bitmap (bunga.bmp) 10
2.6 Tahapan dalam Pengolahan Citra 10
2.7 Model Tepi Satu Dimensi 13
2.8 Jenis-jenis Tepi 14
2.9 Proses Deteksi Tepi Citra 15
2.10 Proses deteksi tepi metode LoG 18
2.11 gaussian noise (A) dan salt and pepper noise (B) 19
2.12 Peningkatan kualitas citra 20
2.13 Perbaikan citra 23
3.1 Diagram Ishikawa 26
3.2 Use Case Diagram 29
3.3 Sequence Diagram 33
3.4 Activity Diagram 34
3.5 Flowchart sistem secara umum 38
3.6 Flowchart Laplacian of Gaussian 38
3.7 Flowchart High Boost Filtering 39
3.8 Flowchart MSE dan PSNR 39
3.9 Form Home 40
3.10 Form Menu Pengujian 41
3.11 Form Menu Hasil 42
3.12 Form Menu Help 44
3.13 Form Menu About 44
4.1 Form Home 46
4.2 Form Menu Pengujian 47
4.3 Form Simulasi Pengujian 47
4.4 Form Hasil 48
4.5 Form Simulasi Hasil 48
4.6 Form Help 49
4.7 Form About 49
4.8 Pilih menu Pengujian 50
4.9 Browse citra *.bmp pada file direktori 51
4.10 Citra input-an yang ditampilkan oleh sistem 52 4.11 Citra dengan Gaussian Noise (probabilitas 30%) 52 4.12 Citra dengan Salt and Pepper Noise (probabilitas 30%) 53 4.13 Citra hasil deteksi tepi operator Laplacian of Gaussian
(Gaussian Noise 30%)
4.14 Citra hasil deteksi tepi operator Laplacian of Gaussian (Salt and Pepper Noise 30%)
54
4.15 Citra hasil deteksi tepi operator Laplacian of Gaussian kombinasi High Boost Filtering dengan nilai A = 1 (Gaussian Noise 30%)
55
4.16 Citra hasil deteksi tepi operator Laplacian of Gaussian kombinasi High Boost Filtering dengan nilai A = 1 (Salt and Pepper Noise 30%)
55
DAFTAR TABEL
Nomor
tabel
Keterangan
Halaman
3.1
Dokumentasi Naratif Use Case Home
29
3.2
Dokumentasi Naratif Use Case Pengujian
30
3.3
Dokumentasi Naratif Use Case Hasil
31
3.4
Dokumentasi Naratif Use Case Help
32
3.5
Dokumentasi Naratif Use Case About
32
3.6
Pseudocode Gaussian Noise
35
3.7
Pseudocode Salt and Pepper Noise
35
3.8
Pseudocode Laplacian of Gaussian
36
3.9
Pseudocode High Boost Filtering
36
3.10
Pseudocode nilai MSE dan PSNR
37
4.1
Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra
Ber-noise Gaussian
57
4.2
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian terhadap citra ber-noise Gaussian
59
4.3
Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra
Ber-noise Salt and Pepper
59
4.4
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian terhadap citra ber-noise Gaussian
61
4.5
Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High
Boost Filtering Terhadap Citra Ber-noise Gaussian
62
4.6
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise
Gaussian
64
4.7
Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High
Boost Filtering Terhadap Citra Ber-noise Salt and Pepper
65
4.8
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise
Salt and Pepper
68