Penerapan Metode Harmonic Mean Filter Dalam Mereduksi Gaussian Noise Pada Citra Digital
Dhea Agusti1*, Adli Abdillah Nababan2
1,2Program Studi Teknik Informatika STMIK Pelita Nusantara Jl. ST. Iskandar Muda No.1 Medan, Indonesia Corresponding author‘s e-mail: [email protected]
Abstrak - Pada penelitian ini, noise dibangkitkan dengan menggunakan tools matlab dan dilakukan analisa.
oleh karena itu, untuk mereduksi derau (noise) perlu dilakukan suatu proses perbaikan kualitas citra terhadap citra yang mengalami derau atau noise tersebut sehingga citra dapat dengan mudah diinterpretasikan baik oleh manusia maupun mesin. Penelitian ini menggunakan metode harmonic mean filter. Harmonic mean filter merupakan salah satu metode untuk menghitung rata-rata dari citra yang rusak g(s,t) pada sebuah blok area citra yang didefinisikan oleh 𝑆𝑥𝑦. Nilai dari citra f(x,y) yang diperbaiki pada tiap titik (x,y) hanya dihitung dengan menggunakan piksel dalam daerah yang didefinisikan oleh 𝑆𝑥𝑦. Tipe noise yang digunakan dalam penelitian ini adalah gaussian noise. Gaussian noise memiliki intensitas yang sesuai dengan distribusi normal yang memiliki rerata (mean) dan varian tertentu. Penelitian ini menguji seberapa efektif metode harmonic mean filter dalam mereduksi gaussian noise menggunakan citra rontgen. penelitian ini menggunakan matriks 5 x 5 dalam sampel perhitungannya. Hasilnya yaitu berupa angka dari hasil metode perhitungan harmonic mean filter dalam bentuk tabel.
Kata kunci: Harmonic Mean Filter, Citra Digital, Gaussian Noise, Reduksi, Rontgen.
Abstract - In this research, noise is generated using MATLAB tools and analyzed. Therefore, to reduce noise, it is necessary to carry out an image quality improvement process for images that experience noise or noise so that the image can be easily interpreted by both humans and machines. This study uses the Harmonic Mean Filter method. Harmonic Mean Filter is one method to calculate the average of the damaged image g(s,t) in a block image area defined by . The value of the fixed f(x,y) image at each point (x,y) is calculated using only pixels in the area defined by . The type of noise used in this study is Gaussian Noise. Gaussian Noise has an intensity that corresponds to a normal distribution which has a certain mean (mean) and variance. This study examines how effective the Harmonic Mean Filter method is in reducing Gaussian Noise using X-ray images.
This study uses a 5 x 5 matrix in the calculation sample. The result is a number from the results of the Harmonic mean filter calculation method in tabular form.
Keywords: Harmonic Mean Filter, Digital Image, Gaussian Noise, Reduction, X-Ray.
1. Pendahuluan
Perkembangan teknologi komputer telah memasuki dihampir seluruh peradaban manusia pada saat ini.
Perkembangan tersebut meliputi ilmu dibidang teknologi yang semakin canggih yang semakin dibutuhkan manusia. Salah satu teknologi komputer yang terus mengalami perkembangan adalah teknologi dibidang pengolahan gambar (Image Processing). Image Processing (Pengolahan Citra Digital) adalah salah satu cabang ilmu komputer yang mempelajari hal-hal berkaitan dengan perbaikan kualitas terhadap suatu gambar (meningkatkan kontras, perubahan warna, restorasi citra), transformasi gambar (translasi, rotasi transformasi, skala, geometrik), melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis, melakukan penyimpanan data yang sebelumnya dilakukan reduksi dan kompresi, transmisi data, dan waktu proses data. Citra juga dapat diartikan sebagai gambar yang mirip dengan objek aslinya. Sebuah citra digital dapat diwakili oleh sebuah matriks yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris tersebut disebut dengan pixel (picture element) yang merupakan elemen terkecil dari sebuah citra.
Pixel mempunyai dua parameter, yaitu koordinat dan intensitas atau warna. Nilai yang terdapat pada koordinat (x,y) adalah f(x,y) yang merupakan besar intensitas atau warna dari pixel di titik itu. Adakalanya, gambar juga dapat mengalami noise sehingga kualitas gambar mengalami penurunan. Pada penelitian ini, perbaikan noise menggunakan tools MATLAB dan setelah itu dilakukan proses analisa. Oleh karena itu, untuk mereduksi derau (noise) perlu dilakukan suatu proses perbaikan kualitas citra terhadap citra yang mengalami derau atau noise tersebut sehingga citra dapat dengan mudah diinterpretasikan baik oleh manusia maupun mesin. Penelitian ini menggunakan metode Harmonic Mean Filter. Harmonic Mean Filter merupakan salah satu metode untuk menghitung rata-rata dari citra yang rusak g(s,t) pada sebuah blok area citra yang didefinisikan oleh 𝑆𝑥𝑦. Nilai dari citra f(x,y) yang diperbaiki pada tiap titik (x,y) hanya dihitung dengan menggunakan piksel dalam daerah yang didefinisikan oleh 𝑆𝑥𝑦. Tipe noise yang digunakan dalam penelitian ini adalah Gaussian Noise. Gaussian Noise memiliki intensitas yang sesuai dengan distribusi normal yang memiliki rerata (mean) dan varian tertentu. Penelitian ini menguji seberapa efektif metode Harmonic Mean Filter dalam mereduksi Gaussian
Noise tersebut.
Hasil prosesnya ditampilkan dalam bentuk citra dan histogram untuk mengukur tingkat keefektifan metode tersebut. Beberapa penelitian yang menerapkan metode Harmonic Mean Filter yang dilakukan oleh Supiyandi, dan Barany Fachri (2018) dengan judul penelitian “Aplikasi Pengolahan Citra Perbaikan Kualitas Image Citra Digital Menggunakan Metode Harmonic Mean Filter”. Hasil dari penelitian ini yaitu mendapatkan hasil efektif untuk mereduksi noise salt. Martha Banjarnahor (2018) dengan judul penelitian “Reduksi Noise Salt And Paper Pada Citra Pankromatik Menggunakan Metode Harmonic Mean Filter”. Hasil dari penelitian tersebut dapat mereduksi noise salt and papper memiliki tingkat keberhasilan diatas 80% dan memiliki kecepatan saat proses pengerjaan. Pandi Barita Nauli Simangunsong (2017) dengan judul penelitian “Reduksi Noise Pada Citra Digital Menggunakan Metode Arithmatic Mean Filter”. Hasil dari penelitian tersebut berupa reduksi citra yang bernoise dapat dilakukan dengan teknik konvolusi yang memudahkan untuk prose reduksi, mereduksi citra digital dengan menggunakan bantuan arithmetic mean filter dapat diterapkan pada citra dan hasil reduksinya juga baik.
2. Tinjauan Pustaka 2.1 Citra
Citra merupakan salah satu komponen dari multimedia yang memegang peranan penting karena mengandung informasi dalam bentuk visual. Citra memiliki lebih banyak informasi yang dapat disampaikan dibandingkan dengan informasi dalam bentuk teks [22][1]. Citra ada dua macam yaitu citra kontinu dan citra diskrit.Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi sehingga mampu menghasilkan citra diskrit, misalnya kamera digital dan scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum dipakai saat ini hanya dapat mengolah citra digital. Menurut Nurlailah, dan Siti, dalam jurnal Wibowo, dan Firman menyatakan bahwa Citra sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual[3]. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Sebuah citra digital dapat diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (pixel = picture element) atau elemen terkecil dari sebuah citra[4].
2.2 Citra Digital
Citra yang ditangkap oleh kamera dan telah dikuantisasi dalam bentuk nilai diskrit sisebut sebagai citra digital (digital image)[5]. Citra digital dapat diolah dengan komputer karena berbentuk data numeris. Suatu citra digital melalui pengolahan citra digital (digital image processing) menghasilkan citra digital yang baru termasuk di dalamnya adalah perbaikan citra (image restoration) dan peningkatan kualitas citra (image enhancement) [6][21]. Menurut I Dewa Gede Aditya Pemayun at all citra digital adalah gambar dua dimensi yang dapat ditampilkan pada layar monitor komputer sebagai himpunan berhingga (diskrit) nilai digital yang disebut pixel (picture elements)[7]. Pixel adalah elemen citra yang memiliki nilai yang menunjukkan intensitas warna. Citra digital (diskrit) dihasilkan dari citra analog (kontinu) melalui digitalisasi.Digitalisasi citra analog terdiri atas penerokan (sampling) dan kuantisasi (quantization). Penerokan adalah pembagian citra ke dalam elemen-elemen diskrit (pixel), sedangkan kuantisasi adalah pemberian nilai intensitas warna pada setiap pixel dengan nilai yang berupa bilangan bulat.
2.3 Pengolahan Citra Digital
Pengolahan citra adalah disiplin ilmu yang mempelajari hal-hal yang berkaitan dengan perbaikan kualitas gambar (peningkatan kontras, transformasi warna, restorasi), transformasi gambar (rotasi, translasi, skala, transformasi geometrik), melakukan pemilihan ciri citra (feature extraction) yang optimal untuk bertujuan analisis, melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra, melakukan kompresi atau reduksi data untuk tujuan penyimpanan, transmisi dan waktu proses data [8][20]. Secara umum pengolahan citra digital menunjuk pada pemrosesan gambar dua dimensi (2D) menggunakan komputer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data dua dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun komplek yang direpsentasikan dengan deretan bit tertentu [9][19]. Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan operasi yang dilakukan terhadap citra. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :
1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.
2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.
Bidang aplikasi kedua yang sangat erat hubungannya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra
tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari. Pengolahan citra dan pengenalan pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali [10][18].
2.4 Restorasi Citra
Restorasi citra adalah proses perbaikan atau pengembalian citra yang mengalami degradasi ataupun noise. Namun, proses penghilangan noise ini terkadang justru menyamarkan citra asli dan menyebabkan turunnya kualitas citra hasil [11][17].
2.4.1 Metode Restorasi Citra Harmonic Mean Filter
Metode harmonic mean filter adalah satu teknik filtering yang bekerja dengan cara menggantikan intensitas suatu pixel dengan pixel rata-rata nilai pixel dari pixel-pixel tetangganya. Jika suatu citra f(x,y) yang berukuran M x N dilakukan proses filtering dengan penapis h(x,y) maka akan menghasilkan citra g(x,y), dimana penapis h(x,y) merupakan matrik yang berisi nilai 1 / ukuran penapis [16].
Dengan rumus:
Gambar 1. Rumus Harmonic Mean Filter Keterangan :
f’(x,y) : Hasil Harmonic Mean Filter
Q : Nilai Harmonic Mean Filter pada window g(s,t) : sub-image Sxy
Sxy : window daerah yang diliputi oleh filter 2.5 Derau (Noise) Citra
Noise adalah suatu gangguan yang disebabkan oleh penyimpanan data digital yang diterima oleh alat penerima data gambar yang dapat mengganggu kualitas citra. Noise dapat disebabkan oleh gangguan fisik (optik) pada alat penangkap citra misalnya kotoran debu yang menempel pada lensa foto maupun akibat proses pengolahan yang tidak sesuai [12][15].
2.5.1 Gaussian Noise
Gaussian noise menunjukan bentuk ideal white noise yang mengakibatkan fluktuasi acak pada suatu sinyal.
Gaussian noise adalah white noise yang jika dipresentasikan dengan I dan gaussian noise dengan N, maka bentuk noise image sebagai berikut : I + N [13][14].
3. Metode Penelitian
Metode penelitian dapat dikatakan Kerangka kerja penelitian membahas tentang model pelaksanaan penelitian yang merupakan langkah-langkah untuk membahas tentang proses yang dilakukan dalam penyelesaian masalah penelitian.
Gambar 2. Kerangka Kerja Penelitian
4. Hasil dan Pembahasan
Noise merupakan suatu gangguan yang tidak diinginkan pada sebuah citra. Oleh karena itu, untuk
mereduksi derau (noise) perlu dilakukan suatu proses perbaikan kualitas citra terhadap citra yang mengalami derau atau noise tersebut sehingga citra dapat dengan mudah diinterpretasikan baik oleh manusia maupun mesin. Hal itu menjadi masalah bidang kedokteran untuk dapat mengetauhi penyakit yang ada di dalam tubuh manusia akibat dari kualitas hasil foto rontgen yang hasilnya kurang baik.
Berdasarkan uraian permasalahan di atas, maka dapat di atasi dengan memanfaatkan pengolahan citra untuk mereduksi noise dengan menggunakan algoritma harmonic mean filter. Harmonic Mean Filter merupakan salah satu metode untuk menghitung rata-rata dari citra yang rusak g(s,t) pada sebuah blok area citra yang didefinisikan oleh 𝑆𝑥𝑦. Nilai dari citra f(x,y) yang diperbaiki pada tiap titik (x,y) hanya dihitung dengan menggunakan piksel dalam daerah yang didefinisikan oleh 𝑆𝑥𝑦. Maka dari itu penulis tertarik untuk melakukan penelitian menggunakan algoritma harmonic mean filter untuk melakukan reduksi noise. Untuk merancang dan membangun sistem ini menggunakan data yang bersumber dari hasil citra rontgen yang berukuran 224 x 225 piksel, yang berformat file JPG.
Gambar 3. Data Citra Rontgen 4.1 Analisis Algoritma Harmonic Mean Filter
Pada tahap ini melakukan proses perubahan data, dengan merubah gambar menjadi sebuah matriks yang bertujuan agar data dapat diolah dengan menggunakan algoritma harmonic mean filter dan algoritma ini hanya dapat menghitung dengan menggunakan nilai pixel.
Gambar 4. Pixel
Gambar 5. Pixel 10 x10
Gambar tersebut selanjutnya diberikan warna untuk proses perhitungan Harmonic Mean Filter. Sehingga menjadi sebagai berikut
:
Gambar 6. Proses Perhitungan Harmonic Mean Filter Harmonic Mean Filter dengan ukuran 5 x 5:
Iterasi 1:
Iterasi diambil dari data piksel pada table 4.2 dengan ukuran 5 x 5 karena menggunakan Harmonic Mean Filter berukuran 5 x 5 ditandai dengan arsiran warna orange. Dan sampai pada iterasi terakhir yaitu kesepuluh, sehingga didapatkan hasil perhitungan metode harmonic mean filter dengan menggunakan ukuran ordo 5 x 5 dalam melakukan perhitungan metodenya.
Gambar 7. Hasil Akhir 1. Form Login
Form login merupakan halaman yang ditampilkan pertama kali pada saat sistem dijalankan oleh pengguna untuk masuk kedalam sistem. Pengguna memasukkan username dan password yang telah disediakan didalam database. Jika benar maka sistem akan menampilkan menu utama, sedangkan jika salah maka sistem akan menolak. Gambar form login dapat dilihat pada gambar 5.1.
Gambar 8.Form Login
Form utama merupakan halaman yang ditampilkan setelah pengguna berhasil melakukan login. Form utama berisi halaman utama pada sistem dan menu-menu yang dapat digunakan oleh pihak pengguna. Pada form utama terdapat beberapa menu, diantaranya:
Gambar 9. Menu Utama 2. Form Algoritma
Form ini merupakan halaman yang digunakan untuk menampilkan hasil dari proses perhitungan algoritma Hasil yang ditampilkan merupakan perhitungan antara. Gambar form perhitungan dapat dilihat pada gambar 10
Gambar 10. Proses Algoritma
Gambar 11. Proses Keputusan 5. Kesimpulan
Berdasarkan penelitian dan uraian diatas, maka didapatkan kesimpulan dan saran sebagai berikut:
1. Metode Harmonic dapat meminimalisir Gaussian Noise pada citra rontgen.
2. Dalam algortimanya, gaussian noise memiliki bilangan acak yang terdiri dari 0 sampai 255 angka acak.
3. Untuk mengetahui intensitasnya, dapat menggunakan grafik sebagai tingkat akurasi.
Untuk penelitian selanjutnya juga disarankan beberapa hal sebagai berikut:
1. Pada penelitian selanjutnya dapat menggunakan database lain seperti MySql, Oracle dan database yang lain.
2. Dapat menerapkan beberapa metode sebagai perbandingan agar lebih akurat lagi.
3. Dapat dilakukan perbandingan tipe harmonic dan tipe noise untuk mendapatkan tingkat akurasi yang lebih tinggi.
Daftar Pustaka
[1] Alfrina, P., Pesik, L., Poekoel, V. C., Putro, M. D., Elektro, T., Sam, U., Manado, R., & Manado, J. K. B.
(2018). Penilaian Mutu Cengkih Menggunakan Citra Digital. Jurnal Teknik Elektro Dan Komputer, 7(2), 161–166. https://doi.org/10.35793/jtek.7.2.2018.19902
[2] Fachri, B. (2018). Seminar Nasional Royal (SENAR) 2018 ISSN 2622-9986 (cetak) STMIK Royal- AMIK Royal. Online) Kisaran, Asahan, 9986(September).
[3] Husna, A., Teknik, J., & Universitasmalikussaleh, I. (n.d.). Ibadah Ke Dalam Bahasa Indonesia. 76–83.
[4] Imanuddin, I., Oktafian, R., & Munawir, M. (2019). Image Smoothing Menggunakan Metode Mean Filtering. JOINTECS (Journal of Information Technology and Computer Science), 4(2), 57.
https://doi.org/10.31328/jointecs.v4i2.1007
[5] Khairunnisa, K., Nurkamilia, N., & Zuraidah, Z. (2018). Analisis Signal-To-Noise Ratio Pada Sinyal
Audio Dengan Teknik Konvolusi. Jurnal ELTIKOM, 2(2), 78–86.
https://doi.org/10.31961/eltikom.v2i2.84
[6] Khilmawan, M. R., & Riadi, A. A. (2018). Implementasi Pengurangan Noise Pada Citra Tulang Menggunakan Metode Median Filter Dan Gaussian Filter. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 3(2), 116–121. https://doi.org/10.29100/jipi.v3i2.865
[7] Mahardika, F., Purwanto, K. A., & Surya Saputra, D. I. (2017). Implementasi Metode Waterfall pada Proses Digitalisasi Citra Analog. VOLT : Jurnal Ilmiah Pendidikan Teknik Elektro, 2(1), 63.
https://doi.org/10.30870/volt.v2i1.948
[8] Manurung, W. V. (2019). Penerapan Metode Harmonic Mean Filter Untuk Mereduksi Noise Speckle Pada Citra Ultraviolet. Jurnal Pelita Informatika, 7(4), 548–551. https://ejurnal.stmik- budidarma.ac.id/index.php/pelita/article/view/877
[9] Manurung, W. V. (2019). Penerapan Metode Harmonic Mean Filter Untuk Mereduksi Noise Speckle Pada Citra Ultraviolet. Jurnal Pelita Informatika, 7(4), 548–551. https://ejurnal.stmik- budidarma.ac.id/index.php/pelita/article/view/877
[10] Matlab, M. G. U. I. (n.d.). Restorasi citra dengan tapis rerata harmonis menggunakan gui matlab.
[11] Munantri, N. Z., Sofyan, H., & Florestiyanto, M. Y. (2020). Aplikasi Pengolahan Citra Digital Untuk Identifikasi Umur Pohon. Telematika, 16(2), 97. https://doi.org/10.31315/telematika.v16i2.3183
[12] Muwardi, F., & Fadlil, A. (2018). Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan Pengklasifikasi Jarak. Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika, 3(2), 124.
https://doi.org/10.26555/jiteki.v3i2.7470
[13] Priadana, A., & Murdiyanto, A. W. (2019). Metode SURF dan FLANN untuk Identifikasi Nominal Uang Kertas Rupiah Tahun Emisi 2016 pada Variasi Rotasi. Jurnal Teknologi Dan Sistem Komputer, 7(1), 19–
24. https://doi.org/10.14710/jtsiskom.7.1.2019.19-24
[14] Riandari, Fristi(Fadlisyah, 2007). (2018). Implementasi Metode Geometric Mean Filter Untuk Perbaikan Dengan Reduksi Noise Pada Citra Digital. Jurnal Mantik Penusa, 2(2), 175–179.
[15] Satelit, D., Npp, S., & Tahun, C. (2018). Terakreditasi Sinta2 ISSN 1412 – 8098 Nomor 21 / E / KPT / 2018 Vol . 15 No . 1 Juni 2018 Terakreditasi Sinta2 ISSN 1412 – 8098. 15(1).
[16] Shpakov, O. N., & Bogomolov, G. V. (1981). Technogenic activity of man and local sources of environmental pollution. Studies in Environmental Science, 17(C), 329–332.
https://doi.org/10.1016/S0166-1116(08)71924-1
[17] Sindar, A., & Sinaga, R. M. (2017). DIGITAL. 1(2), 48–51.
[18] Sumijan, S. S., Purnama, A. W., & Arlis, S. (2019). Peningkatan Kualitas Citra CT-Scan dengan Penggabungan Metode Filter Gaussian dan Filter Median. Jurnal Teknologi Informasi Dan Ilmu Komputer, 6(6), 591. https://doi.org/10.25126/jtiik.201966870
[19] Teheri, D., Wijaya, D., Lunoto, S., Fawwaz, I., Teknologi, F., & Indonesia, U. P. (2019). Implementasi Restorasi Citra Menggunakan Algoritma Interpolasi Radial Basis Functions. 3(1), 92–96.
[20] Wedianto, A., Sari, H. L., & H, Y. S. (2016). Analisa Perbandingan Metode Filter Gaussian, Mean Dan Median Terhadap Reduksi Noise. Jurnal Media Infotama, 12(1), 21–30.
https://doi.org/10.37676/jmi.v12i1.269
[21] Wibowo, S. H., & Susanto, F. (2016). Penerapan Metode Gaussian Smoothing Untuk. Jurnal Media Infotama, 12(2), 129–135.
[22] F. Arnia and R. Muharar, “Deteksi Pemalsuan Citra dengan Teknik Copy-Move Menggunakan Metode Ordinal Measure dari Koefisien Discrete Cosine Transform,” J. Nas. Tek. Elektro, vol. 5, no. 2, pp. 165–
174, 2016.
