Perbaikan Citra Noise Dengan Menggunakan Algoritma World Cup Optimization
Elsa Laurika
Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Budi Darma, Jalan Sisingamangaraja No 338, Medan, Sumatera Utara, Indonesia
Email: [email protected]
Submitted 19-11-2021; Accepted 14-02-2022; Published 25-02-2022 Abstrak
Pada saat ini penggunaan teknologi perangkat komputer telah berkembang pesat dan memasyarakat. Sebagian besar masyarakat menggunakannya tidak hanya untuk kepentingan secara komersial saja, tetapi juga untuk mendapatkan informasi pendeteksian penyakit secara cepat dan efesien dengan aplikasi berbasis komputer. Metode world cup optimization bertujuan untuk mengurangi noise dengan cara menentukan kernel matriks dan bekerja dengan menggantikan nilai intensitas setiap pixel citra masukan dengan rata-rata dari nilai pembobotan kernel untuk setiap pixel-pixel tetangganya dan pixel itu sendiri. Pada proses pengurangan noise ukuran kernel sangat mempengaruhi dalam memperoleh hasil kualitas citra. Penelitian ini telah menghasilkan sebuah program aplikasi untuk mengurangi noise dengan world cup optimization. Citra uji yang digunakan pada penelitian ini menggunakan citra berwarna. Citra tersebut di masukan dan ditampilkan pada program.
Kata Kunci: Citra; Noise; World Cup; Optimization.
Abstract
At this time the use of computer technology has grown rapidly and in society. Most people use it not only for commercial purposes, but also to get disease detection information quickly and efficiently with computer-based applications. The world cup optimization method aims to reduce noise by determining the kernel matrix and works by replacing the intensity value of each input image pixel with the average of the kernel weighted value for each neighboring pixel and the pixel itself. In the process of reducing the kernel size noise greatly affects the image quality results. This research has produced an application program to reduce noise with world cup optimization. The test image used in this study uses a color image. The image is input and displayed on the program.
Keywords: Image; Noise; World Cup; Optimization.
1. PENDAHULUAN
Citra merupakan suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra yang dikenal dalam komputer adalah citra dalam format digital. Citra digital dapat mengalami penurunan kualitas atau beberapa gangguan yang mungkin terjadi, seperti kamera tidak fokus atau munculnya bintik-bintik yang bisa terjadi disebabkan oleh proses pengambilan gambar yang tidak sempurna maupun secara disengaja akibat proses pengolahan yang tidak sesuai dan bisa juga disebabkan oleh kotoran-kotoran yang menempel pada citra. Gangguan pada citra umumnya berupa variasi intensitas suatu pixel yang tidak berkolerasi dengan pixel tetanggannya, pixel yang mengalami gangguan umumnya memiliki frekuensi tinggi, setiap gangguan pada citra dinamakan noise.
Citra yang mengandung noise memerlukan langkah-langkah perbaikan untuk meningkatkan kualitas citra tanpa mengurangi lebih banyak kualitas detail citra serta menghasilkan citra dengan informasi yang cukup akurat, peningkatan kualitas citra adalah suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Tujuan utama dari peningkatan kualitas citra adalah untuk memproses citra sehingga citra yang dihasilkan lebih baik dari pada citra aslinya untuk aplikasi tertentu. Salah satu tekhnik perbaikan citra yaitu operasi filtering, operasi yang dilakukan adalah meloloskan atau menerima komponen dengan frekuensi tertentu dan menghilangkan atau menolak komponen dengan frekuensi yang lain dalam hal ini merupakan filter lolos rendah (low pass filter) yang berarti meloloskan komponen frekuensi yang rendah. Untuk pengurangan noise, terdapat beberapa metode yang dapat digunakan seperti mean filtering, median filtering, dan filter gaussian (gausian filtering), setiap metode mempunyai kelebihan dan kekurangan masing-masing tergantung kebutuhan dalam pengolahan citra sendiri, dalam penelitian ini, penulis menggunakan metode world cup optimization.
Menurut penelitian sebelumnya menyatakan bahwa World cup optimization secara meluas telah digunakan dalam bidang analisis citra terutama untuk proses penghalusan, pengaburan, menghilangkan detil dan menghilangkan derau (noise).
matrix dengan matrix asli sangat bagus sehingga hasil yang diberikan lebih mendekati citra aslinya sehingga sangat bagus untuk pengolahan pada citra yang ber noise dengan efektifitas cepat [1].
Menurut penelitian sebelumnya menyatakan bahwa World cup optimization menjadikan pixel yang dicari nilai barunya sebagai pixel tengah dan bobotnya dikalikan dengan bobot pada pixel tengah matrik kernel, lalu dijumlahkan dengan hasil perkalian antara bobot pixel- pixel tetangga-tetangganya dengan bobot pixel matrix kernel. Untuk pixel yang berada disudut atau perbatasan, sebelum dilakukan perkalian, sebelumnya harus mencari bobot pada pixel- pixel luar (dummy) [2].
Berlandaskan uraian diatas maka penulis akan melakukan proses pengambilan citra, serta memperbaiki kualitas citra yang memiliki noise dengan mengurangi bintik-bintik pada citra sehingga membuat citra menjadi lebih baik dengan menggunakan metode world cup optimization
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom
2. METODE PENELITIAN
2.1 Tahapan Penelitian
Untuk mendukung kelancaran penelitian dalam mengumpulkan data, maka dilakukan metode penelitian sebagai berikut : 1. Metode Kepustakaan (Library Research)
Penulisan ini dimulai dengan studi kepustakaan, yaitu dengan mengumpulkan bahan–bahan referensi baik dari buku, artikel, paper, jurnal, makalah, situs internet dan konsep matematis yang mendasarinya, dan beberapa referensi lainnya.
2. Menganalisa permasalahan dan menyelesaikan dengan metode yang digunakan.
Hal yang dilakukan setelah tahap coding selesai langkah selanjutnya adalah melakukan proses dengan metode yang digunakan . Proses ini dapat dilakukan pada data yang didapat.
3. Perancangan Interface
Untuk menyelesaikan permasalah membuat perancangan atau design sistem serta membuat algoritma berdasarkan analisa yang didapat dari formula yang disiapkan.
4. Pengkodean Program Aplikasi
Agar dapat diolah terlebih dulu dilakukan proses pengkodean atau coding terhadap data untuk mendapatkan informasi data value.
5. Melakukan Pengujian Program
Langkah yang dilakukan untuk pengujian berbagai hasil kerja yang dilakukan, untuk menganalisis hasil akhir yang diperoleh dari sistem yang dirancang.
6. Penulisan Hasil Laporan Pengujian
Langkah terakhir yang harus dilakukan dan memeriksa hasil akhir yang diperoleh.
2.2 Citra Digital
Citra digital merupakan suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpan[3]. Citra dapat juga diartikan dengan istilah lain dari gambar, yang merupakan informasi berbentuk visual. Sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu atau degradasi, misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Agar citra yang mengalami gangguan mudah diinterpretasi baik oleh manusia maupun mesin, maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik[3][4].
2.3 Noise
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. Beberapa jenis-jenis noise yaitu [5] :
1. Noise gaussian : model Noise yang mengikuti distribusi normal standar dengan rata-rata nol dan standard deviasi.Efek dari gaussian Noise pada gambar adalah munculnya titik-titik berwarna yang jumlahnya sama dengan persentase Noise.
2. Noisespeckle : model Noise yang memberikan warna hitam pada titik yang terkena Noise. Noise salt and pepper adalah bentuk Noise yang biasanya terlihat titik-titik hitam dan putih pada citra seperti tebaran garam dan merica.
3. Noise salt and pepper : disebabkan karena terjadinya error bit dalam pengiriman data, pixel-pixel yang tidak berfungsi dan kerusakan pada lokasi memori.
2.4 World Cup Optimization
Secara meluas telah digunakan dalam bidang analisis citra terutama untuk proses penghalusan (smoothing), pengaburan (Bluring), menghilangkan detil, dan menghilangkan Noise [1]. Pada world cup optimization, nilai intensitas setiap pixel diganti dengan rata-rata dari nilai pembobotan untuk setiap pixel-pixel tetangganya dan pixel itu sendiri. Pixel tetangga adalah pixel yang berada disekeliling pixel yang dimaksud. Jumlah tetangga yang dilibatkan tergantung pada filter yang dirancang.
Untuk pengolahan citra digital dua variabel dinyatakan oleh persamaan berikut:
(1)
Dimana x dan y adalah posisi kordinat pada sumbu x dan y. Persamaan 2.4 inilah yang dipakai sebagai dasar untuk menentukan nilai-nilai setiap elemen dalam filter Gaussian yang akan dibuat.
3. HASIL DAN PEMBAHASAN
Perbaikan kualitas citra merupakan suatu proses yang dilakukan untuk membuat citra yang kualitasnya turun akibat adanya gaungguan noise pada gambar diperbaiki agar menjadi lebih mirip dengan keadaan citra aslinya, dalam praktik kehadiran derau tidak dapat dihindari. Pada beberapa pengolahan citra terkadang untuk menguji suatu algoritma untuk dapat mengurangi noise yang disebabkan oleh faktor pengolahan gambar yang tidak sesuai atau disebabkan faktor alamiah yang menyebabkan gambar mengalami gangguan, namun diluar beberapa faktor tersebut berbagai jenis noise dapat digunakan atau dibangkitkan dengan tujuan untuk menurunkan kualitas citra untuk kepentingan khusus, yaitu untuk pengujian
pengurangan derau (noise). Untuk penerapan metode world cup optimization dapat dilakukan dengan tahapan-tahapan sebagai berikut.
Pada penelitian ini citra yang digunakan adalah citra berwarna yang memiliki noise, untuk proses perbaikan pada citra berwarna, citra dipisahkan menurut saluran warnanya menjadi 3 buah citra, masing-masing mewakili saluran Red, Green dan Blue, di asumsikan gambar memiliki ukuran 10x10 pixel, sebagai berikut:
Gambar 1. Citra berwarna dan saluran warnanya
Ekstraksi citra / merepresentasikan citra berwarna kedalam bentuk matrik. Setiap warna diekstrak dari masing- masing pixel yang terdapat dalam gambar, jadi setiap pixel dalam gambar yang sudah dipisahkan saluran warna Red, Green, Blue (RGB) akan diambil nilai dari warna R, G dan B nya. Dalam hal ini setiap saluran warna dasar menggunakan penyimpanan 8 bit atau sama dengan 1 byte, yang berarti setiap saluran warna Red, Green, Blue (RGB) mempunyai gradasi sebanyak 256 kombinasi warna keabuan. Pada bagian Red = Green = Blue nilai tersebut digunakan untuk menunjukan tingkat intensitas. Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkat keabuan disini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Adapun bentuk setelah diketahui dan diambil fitur warna Red, Green, Blue (RGB) citra ber-noise dari gambar 1. yang dihasilkan dalam tahap ekstraksi citra adalah seperti pada citra matrix untuk saluran warna Red berikut :
Gambar 2. Ekstraksi Citra berwarna untuk saluran warna Red
Dalam pengolahan citra digunakan untuk menekan frekuensi tinggi yang dalam citra digital berarti penghalusan dalam hal ini penghalusan juga berarti pengurangan noise, karena noise dapat disebut memiliki intensitas tinggi atau frekuensi tinggi. Untuk mencari konstanta yang harus ditentukan terlebih dahulu secara manual , yaitu menentukan nilai standart deviasidan ukuran filter yang dibuat, dalam hal ini efek gambar hasil dapat diatur dengan mengubah-ubah nilai standart deviasi , apabila semakin besar nilai standart deviasi maka semakin halus efek gambar yang dihasilkan dari pemfilteran menggunakan filter yang dirancang. Namun bila ukuran matriks filter terlalu besar maka citra yang dihasilkan tampak kabur, tapi pengaruh terhadap gambar asli tidak begitu tajam. Dibawah ini adalah langkah-langkah untuk merancang yakni :
a. Menentukan matrix
Sudah dibahas sebelumnya bahwa matrix yang digunakan adalah matriks berukuran 5x5, untuk mempermudah perhitungan maka dibuat tabel matrix 5x5 seperti tabel 1. dibawah ini :
Tabel 1. Matrix Filter Gaussian
(x,y) -2 -1 0 1 2
-2 ? ? ? ? ?
-1 ? ? ? ? ?
0 ? ? ? ? ?
1 ? ? ? ? ?
2 ? ? ? ? ?
b. Memberikan nilai elemen pada matrix
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Untuk proses pengurangan noise pada gambar dapat dinyatakan pada persamaan 1, persamaan 1 inilah yang dipakai sebagai dasar untuk menentukan nilai-nilai setiap elemen dalam filter Gaussian yang akan dibuat. penulis memberikan standard deviasi (σ) dengan besaran nilai 2 (dua). Jadi untuk memberikan nilai elemen pada masing-masing koordinat matriks filter g(x,y). maka, masing-masing koordinat dimasukkan kedalam rumus, adapun rumus dan perhitungannya dapat dilihat dibawah ini :
𝐺(0,0) = 𝑒−0202 2. 22= 1 𝐺(1,0) = 𝑒−1202
2. 22= 0,778800783 Maka diperoleh matriks sebagai berikut :
Tabel 2. Matrix setelah diisi
(x,y) -2 -1 0 1 2
-2 0,135335283 0,286504797 0,3678794 0,286504797 0,135335283 -1 0,286504797 0,60653066 0,778800783 0,60653066 0,286504797 0 0,367879441 0,778800783 1 0,778800783 0,367879441 1 0,286504797 0,60653066 0,778800783 0,60653066 0,286504797 2 0,135335283 0,286504797 0,3678794 0,286504797 0,135335283 c. Membuat nilai normalisasi
Jika dilihat atau dianalisa nilai matrix filter pada tabel 3.2 untuk nilai terkecil dalam matriks g(x,y) = 0,135335283, maka akan diperoleh nilai normalisasi (c) sebagai berikut :
c
= 1
0,135335283
= 7,389056096 = 7 (setelah dibulatkan keatas)Jadi nilai normalisasi yang didapat dari rumus diatas setelah proses pembulatan adalah 7 (tujuh).
d. Mengalikan matrix kernel dengan nilai normalisasi
Mengalikan matriks dengan nilai normalisasi bertujuan untuk menyederhanakan angka yang digunakan dalam matrix dengan mengalikan masing-masing nilai filter g(x,y) dengan nilai normalisasi yang sudah didapat, sehingga menghasilkan matrix baru. Berdasarkan persamaan 2.5 dengan menggunakan nilai c = 7, maka:
g (x,y) = c.
𝑒 −
𝑥2+ 𝑦2 2.σ2
G (0,0) = 7 x 1 = 7
G (1,0) = 7 x 0,778800783 = 6
Maka matrix baru yang telah dinormalisasi seperti pada tabel 3. dibawah ini : Tabel 3. Matrix setelah dinormalisasikan
(x,y) -2 -1 0 1 2
-2 1 2 3 2 1
-1 2 4 6 4 2
0 3 6 7 6 3
1 2 4 6 4 2
2 1 2 3 2 1
Setelah mendapatkan nilai elemen pada matrix filter, selanjutnya adalah mencari jumlah semua elemen nilai pembobot g(x,y) pada matrik filter sebagai pembagi matrix filter yang sudah didapat, tujuan nya agar nilai intensitas citra tetap seperti semula dan menjaga agar nilai baru tidak berada di luar batas nilai grayscale artinya nilai pixel citra hasil perhitungan harus dinormalkan. Berdasarkan matrix tersebut jumlah semua elemen nilai pembobot pada filter adalah = 79, jadi filter hasil adalah :
e. Pengurangan Noise
Operasi ini dilakukan dengan cara konvolusi, konvolusi sering kali dilibatkan dalam operasi ketetanggan pixel..
ℎ(𝑥, 𝑦) = 𝑓(𝑥, 𝑦) ∗ 𝑔(𝑥, 𝑦) = ∑
𝑀
𝑘=2
∑ 𝑓(𝑘, 𝑙). 𝑔(𝑥 − 𝑘, 𝑦 − 𝑙)
𝑁
𝑙=2
Jadi secara umum rumus diatas adalah jumlah dari perkalian antara pixel citra dengan hasilnya dibagi dengan jumlah atau Sum dari matriks filter agar selang nilai intensitas tetap seperti semula. Untuk penjelasan proses konvolusi penulis membuat sebuah perumpamaan matriks citra warna saluran warna Red yang sebelumnya sudah diekstraksi yang terdapat pada gambar 3. sebelumnya, dengan resolusi matriks 10x10 yang akan dikonvolusikan dengan dengan ukuran matriks 5x5 sebagai berikut :
Gambar 3. Proses Konvolusi
Diatas merupakan matrix citra untuk nilai R atau warna merah dari data citra masukan yang sudah di ekstraksi kedalam bentuk matriks dan filter yang sudah dirancang dan ditentukan, kemudian untuk digunakan proses pengurangan noise yang bekerja pada cara konvolusi. Langkah selanjutnya adalah melakukan operasi konvolusi dengan cara menempatkan / menumpangkan suatu filter/kernel pada setiap pixel yang ditimpali, kemudian nilai rerata diambil dari hasil-hasil tersebut. Pada proses pelaksanaan konvolusi kernel digeser sepanjang baris dan kolom dalam citra sehingga diperoleh nilai baru pada citra keluaran. Letakan filter g(x,y) mulai dari titik (x-2,y-2) dari titik (x,y) citra yang akan di filtering, kemudian hitung berdasarkan sel-sel pada titik tersebut dan titik tetanggannya dengan bobot pada sel-sel matriks filter g(x,y) sesuai posisi sel-selnya maka nilai pixel :
G(x,y) = (1x79) + (2x230) + (3x231) + (2x164) + (1x86) + (2x229) + (4x236) +(6x152) + (4x31) + (2x61) + (3x229) + (6x237) + (7x136) + (6x116) + (3x211) + (2x89) + (4x233) + (6x70) + (4x168) + (2x195) + (1x229) + (2x230) + (3x211) + (2x163) + (1x75)
= 79 + 460 + 693 + 328 + 86 + 458 + 944 + 912 + 124 + 122 + 687 + 1422 + 952 + 696 + 633 + 178 + 932 + 420 + 672 + 390 + 229 + 460 + 633 + 326 + 75
= 12911/ 79
= 163,4304
= 163 (maka 136 diganti oleh 163, tempatkan nilai pada matrix yang baru)
Gambar 4. Hasil Konvolusi Iterasi 1
Untuk mendapatkan hasil semua matriks maka semua matrix citra warna harus dikonvolusi hingga koordinat (10,10) dalam kasus ini, jika resolusi citra yang dikonvolusi lebih besar tentu akan lebih besar/banyak juga proses konvolusi
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom yang dihasilkan. Apabila sudah semua pixel citra dikonvolusi maka akan terlihat hasil citra baru hasil untuk warna R (red) seperti dibawah ini :
Tabel 3. Hasil Konvolusi Keseluruhan Piksel
x/y 0 1 2 3 4 5 6 7 8 9
0 79 230 231 164 86 116 198 231 229 229 1 229 236 152 31 61 49 70 224 231 229 2 229 237 163 145 135 141 159 178 231 229 3 89 233 166 150 145 155 168 181 230 90 4 229 230 169 159 159 166 180 187 68 229 5 230 80 159 152 154 166 176 184 234 231 6 225 193 149 144 148 157 162 167 173 212 7 123 101 127 128 135 140 142 142 68 124 8 98 114 125 126 118 120 98 126 130 122 9 83 84 117 89 115 115 138 124 118 110
Ukuran citra hasil konvolusi lebih kecil dari citra awal, karena sebagian kernel berada diluar batas ukuran citra sementara tidak ada nilai pixel diluar batas ukuran citra maka proses konvolusi tidak dilakukan. Karena hasil diatas hanyalah untuk saluran warna R artinya harus dilakukan lagi perhitungan untuk saluran warna G dan B. Setelah dilakukan kembali perhitungan nilai warna tersebut kemudian dilakukan pemanggilan saluran warna hingga membentuk gambar kembali.
Setelah membentuk menjadi gambar kembali, suatu citra yang memiliki noise (derau) setelah diperbaiki akan terlihat perbedaan dari gambar yang dihasilkan tersebut, selain berkurang noise pada gambar yang dihasilkan akan tampak terlihat lebih halus dan kabur. Adapun penerpan metode world cup optimization seperti gambar dibawah ini:
Gambar 5. Hasil Metode World Cup Optimization
4. KESIMPULAN
Adapun hasil kesimpulan dalam melakukan perbaikan citra noise dengan menggunakan algoritma World Cup Optimization.
Dimana proses pengurangan noise ukuran kernel sangat mempengaruhi dalam memperoleh hasil kualitas citra. Nilai intensitas pixel pada citra baru dari hasil pengurangan noise diperoleh dengan mengganti nilai intensitas citra asal dengan rata-rata nilai pembobotan matrix kernel. Citra yang memiliki noise (derau) setelah diperbaiki gambar yang dihasilkan akan terlihat lebih halus dan kabur.
REFERENCES
[1] Wedianto, Andre, 2016, “Analisa Perbandingan Metode Mean, Median dan World cup optimization Terhadap Reduksi Noise”, Jurnal Media Infotama, Vol. 12, No. 1
[2] Yuwono, Bambang, 2010, “Image Smothing Mean Filtering, Median Filtering, Modus Filtering, Gaussian Filtering dan World Cup Optimization”, Jurnal Telematika, Vol. 7 No. 1, ISSN : 1829-667X
[3] Kadir, Abdul; Susanto, Adhi, 2018, “Teori dan Aplikasi Pengolahan Citra”, Penerbit Andi, Yogyakarta, Edisi 1.
[4] Andono, Pulungan; Sutojo. T; Muljono, 2018, “Pengolahan Citra Digital”, Penerbit Andi, Yogyakarta, Edisi 1 [5] Hidayatullah, Priyatno, 2018, “Dekripsi Pengolahan Citra Digital Teori Aplikasi Nyata, Penerbit : Informatika, Jakarta
