SKRIPSI
RETRI WITRA NASTITI 111401116
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
RETRI WITRA NASTITI 111401116
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI METODE ARITHMETIC MEAN
FILTER DAN KOMPRESI CITRA
MENGGUNAKAN METODE RUN LENGTH
ENCODING
Kategori : SKRIPSI
Nama : RETRI WITRA NASTITI
Nomor Induk Mahasiswa : 111401116
Program Studi : SARJANA (S-1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, Januari 2016
Komisi Pembimbing :
Pembimbing 1 Pembimbing 2
Maya Silvi Lydia, B.Sc, M.Sc Dian Rachmawati, S.Si, M.Kom
Diketahui/Disetujui oleh
Program Studi S-1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI METODEARITHMETIC MEAN FILTERDAN KOMPRESI CITRA MENGGUNAKAN METODERUN LENGTH ENCODING
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 5 Januari 2016
PENGHARGAAN
Alhamdulillah, puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya, sehingga Penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.
Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar– besarnya kepada :
1. Bapak Prof. Drs. Subhilhar, M.A, Ph.D selaku Plt 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 S-1 Ilmu Komputer Universitas Sumatera Utara.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II dan Kepala Laboraturium TA S-1 Ilmu Komputer yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
6. Bapak Dr. Syahril Efendi, SSi, MIT selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
7. Bapak Herriyance, ST, M.Kom selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8. Wakil Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, seluruh tenaga pengajar serta pegawai di Program Studi S-1 Ilmu Komputer Fasilkom-TI USU.
10. Teman-teman terdekat, terutama, Siti Aisyah, Nurul Putri Yanti, Lestari Juwita Ningrum, Geubrina Rizky, Kh. Nisa Dewi, Khairani, Susi Suryani Panggabean, Nur Kholija Harahap, Dini Islami serta teman-teman seperjuangan stambuk 2011 lainnya terkhusus teman-teman UKMI Al-Khuwarizmi 2013. Dan Dias Tia Ramadhani, Agung Putu Yoga, serta kakanda Yayang Kurniati yang telah banyak membantu dalam menyelesaikan skripsi ini. Serta kakak-kakak senior dan adik-adik junior yang senantiasa memberikan doa dan dukungannya.
11. Keluarga besar UKMI Al-Khuwarizmi dan UKMI Ad-Dakwah USU khususnya keluarga kaderisasi UKMI Ad-Dakwah USU yang senantiasa memberikan doa dan dukungannya.
12. Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-persatu.
Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan pahala yang melimpah dari Allah SWT.
Medan, 5 Januari 2015
ABSTRAK
Citra merupakan salah satu visualisasi data dan informasi yang dituangkan dalam bentuk 2 dimensi. Manajemen data dalam bentuk citra digital merupakan bagian dari kehidupan masyarakat saat ini. Hal terpenting dalam manajemen data digital terutama citra adalah pengaturan memori yang berkaitan dengan ukuran citra baik dalam hal pemanfaatan ruang memori maupun kecepatan dalam tranmisi file pada keperluan tertentu. Oleh karenanya diperlukan suatu metode dan sistem yang baik untuk dapat melakukan kompresi pada file citra. Salah satu metode kompresi pada citra adalah metode run length encoding. Metode run length encoding adalah metode kompresi yang memanfaatkan perulangan dari nilai matriks citra yang berurutan untuk kemudian dikompresi menjadi satu nilai matriks. Tetapi metode ini kurang efektif, karena berdasarkan penelitian sebelumnya didapatkan bahwa hasil kompresi citra menggunakan metode run length encoding sangat buruk dibandingkan metode kompresi lainnya yakni huffman, lempel ziv welch, dan shanon-fano. Penambahan proses filtering diharapkan dapat membantu meningkatkan kinerja dari metode ini. Salah satu metode filtering yang cukup bagus untuk diterapkan adalah metode arithmetic mean filter. Berdasarkan dari hasil pengujian diperoleh bahwa penambahan proses filtering dengan menggunakan metode arithmetic mean filter dapat membantu metode run length encoding untuk melakukan kompresi pada citra hingga 15% namun, ukuran citra hasil kompresi tidak lebih kecil dari citra asli disebabkan proses filtering menggunakan metode arithmetic mean filter ternyata menambah ukuran citra. Sehingga proses filtering menggunakan metode arithmetic mean filter juga tidak dapat membantu meningkatkan efektifitas dari kinerja metode kompresi run length encoding.
IMPLEMENTATION OF ARITHMETIC MEAN FILTER METHOD AND IMAGE COMPRESSION USING RUN LENGTH ENCODING METHOD
ABSTRACT
The image is one of visualization of data and information applied in two-dimensional form. And the management of data in digital image form is a part of people’s life today. The most important thing in a management of digital data especially of image is the setting of memory that related with size of image in memory space utilization and speed of files transmission at specipic puposes. Then the required thing in this case is a good method and system to perform compression of image files. One of image compression method is run length encoding. Run length encoding method can do compression of citra with utilizes iteration of a sequence image matrix value and then compressing them into one image matrix value. But this method is not effective, because based on the previous research showed that the result of image compression using run length encoding method is very bad compared to the other compression method, it is huffman, lempel ziv welch, and shanon-fano. The writer hopes the additional of filtering process can increase performance of this compression method. One of the good filtering method that can be applied is arithmetic mean filter method. Based on the result of the test showed that the additional of filtering process using arithmetic mean filter method can help run length encoding method to compress image until 15%, but the result of image size is not smaller than the true image size because filtering process using arithmetic mean filter actually add the image size. So the additional of filtering process with using arithmetic mean filter also can not help to increase the effectiveness and performance of run length encoding method.
DAFTAR ISI
Daftar Isi viii
Daftar Tabel xi
Daftar Gambar xii
Daftar Lampiran xiii
Bab 1 Pendahuluan
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah Atau Ruang Lingkup Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metode Penelitian 3
1.7 Sistematika Penulisan 4
Bab 2 Landasan Teori
2.1 Citra 6
2.1.1 Definisi Citra 6
2.1.2Picture Element (Pixel) 6
2.1.3 Matriks Bitmap 7
2.1.4 Jenis Citra 7
2.1.4.1 Citra Biner (Monokrom) 7 2.1.4.2 Citra Skala Keabuan (Grayscale) 8 2.1.4.3 Citra Warna (True Color) 8 2.1.4.4 Citra Warna Berindeks 9
2.2 Pengolahan Citra 10
2.2.1 Definisi Pengolahan Citra 10 2.2.2 Aplikasi dan Prinsip Dasar Pengolahan Citra 10 2.2.3 Peningkatan Kualitas Citra (Image Enhancement) 11 2.2.4 Perbaikan Citra (Image Restoration) 11
2.2.5 Transformasi Fourier 12
2.2.6 Segmentasi 12
2.3Filtering 13
2.3.1Arithmetic Mean Filter 13
2.4 Kompresi Citra 14
2.4.1 Pengertian Kompresi 14
2.4.3 MetodeRun Length Encoding 17 2.4.4Ratio Of Compression(Rc) 18 2.4.5Compression Ratio(CR) 18 2.4.6 Data Berlebihan (Data Redudency) 18 2.5Mean Square Error(MSE) danPeak Signal to Noise Ratio(PSNR) 19
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem 21
3.1.1 Analisis Masalah 21
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 22
3.1.3.1Use CaseDiagram 23
3.1.3.2ActivityDiagram 26
3.1.3.3SequanceDiagram 29
3.1.3.4 Analisis Proses MetodeArithmetic Mean Filter 29 3.1.3.5 Analisis Proses MetodeRun Length Encoding(RLE) 32
3.2PseudocodeProgram 34
3.2.1Pseudocode Arithmetic Mean Filter 34 3.2.2Pseudocode Run Length Encoding 35 3.2.3PseudocodeDekompresi Metode RunLength Encoding 37
3.3 Perancangan Sistem 37
3.3.1FlowchartSistem 38
3.3.2 Perancangan Antarmuka Sistem 39 3.3.2.1 Tampilan Menu Utama 39 3.3.2.2 Tampilan MenuTesting 40 3.3.2.3 Tampilan MenuHelp 42
Bab 4 Implementasi dan Pengujian
4.1 Implementasi 44
4.1.1Form Home 45
4.1.2Form Testing 45
4.1.3Form Help 46
4.2 Pengujian 47
4.2.1 PengujianForm Testing 47 4.2.1.1 ProsesFilteringMenggunakan Metode
Arithmetic Mean Filter 48
4.2.1.2 Proses Kompresi Menggunakan Metode
Run Length Encoding(RLE) pada Citra HasilFiltering 48 4.2.1.3 Proses Kompresi Menggunakan Metode
Run Length Encoding(RLE) pada Citra Asli 49 4.2.1.4 Proses Dekompresi Citra Hasil Kompresi CitraFiltering 50 4.2.1.5 Proses Dekompresi Citra Hasil Kompresi Citra Asli 51
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 58
5.2. Saran 59
DAFTAR TABEL
Nomor
Tabel Nama Tabel Halaman
3.1
SpesifikasiUse CaseProsesFilteringdenganArithmetic Mean Filter
SpesifikasiUse CaseProses Kompresi denganRun Length Encoding(RLE)
SpesifikasiUse CaseProses Dekompresi Matriks Citra 6x6
HasilFilteringMatriks 6x6 Matriks Citra Hasil Filtering
Nilai Matriks Citra Setelah Dikompresi
Jumlah Masing-Masing Nilai Piksel Citra Terkompres Hasil Kompresi Citra Asli dan CitraFiltering
Hasil Dekompresi Citra Asli Terkompres dan Citra Filtering Terkompres
Hasil Perhitungan Dimensi, Ukuran dan Rasio Kompresi pada Citra Asli Terkompres dan CitraFilteringTerkompres
Hasil Perhitungan MSE, PSNR, Dimensi, dan Ukuran dari Citra Filtering, Citra Dekompresi dari Citra Asli Terkompres, dan Citra Dekompresi dari CitraFilteringTerkompres
DAFTARGAMBAR
Nomor
Gambar Nama Gambar Halaman
2.1
Bitmap dengan Nilai Matrisknya Citra Biner
Citra Grayscale Citra Warna
Citra Warna Berindeks Pemilihan Kernel 3x3
Proses Kompresi Citra Analog ke Citra Digital dan Pengirimannya
Kompresi Citra Menggunakan 7-Zip Use CaseDiagram
Activity DiagramProsesFiltering Activity DiagramProses Kompresi Activity DiagramProses Dekompresi Sequence DiagramSistem
FlowchartSistem Tampilan Menu Utama Tampilan MenuTesting Tampilan MenuHelp DiagramIshikawa Halaman MenuHome MenuTesting
MenuHelp
ProsesOpen File Image ProsesFilteringpada Citra
Proses Kompresi Menggunakan Metode Run Length Encoding (RLE) pada Citra HasilFiltering
Proses Kompresi Menggunakan Metode Run Length Encoding (RLE) pada Citra Asli
Proses Dekompresi Citra Hasil Kompresi CitraFiltering Proses Dekompresi Citra Hasil Kompresi Citra Asli
DAFTARLAMPIRAN
Halaman
A.ListingProgram A-1