PERBANDINGAN WEIGHTED MEAN FILTERING DAN HARMONIC MEAN FILTERING DALAM MEREDUKSI RAYLEIGH NOISE DAN GAMMA NOISE PADA CITRA DIGITAL SKRIPSI

PERBANDINGAN WEIGHTED MEAN FILTERING DAN HARMONIC MEAN FILTERING DALAM MEREDUKSI RAYLEIGH NOISE DAN GAMMA NOISE PADA CITRA DIGITAL

SKRIPSI

WAHYU EKO PUTRA 101401044

PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016


DRAFT SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer


PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016

i

PERSETUJUAN

Judul

:


Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas

: : : : : :

SKRIPSI WAHYU EKO PUTRA 101401044 SARJANA (S1) ILMU KOMPUTER ILMU KOMPUTER ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, 27 Januari 20166

Komisi Pembimbing

:

Pembimbing 2

Pembimbing 1

Dian Rachmawati, S.Si, M.Kom. NIP. 198307232009122004

Dr. Poltak Sihombing, M.Kom. NIP. 196203171991031001

Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom. NIP. 196203171991031001

ii

PERNYATAAN


SKRIPSI

Penulis mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa ringkasan dan kutipan yang masing- masing disebutkan sumbernya.

Medan, 27 Januari 2016


iii

PENGHARGAAN

Alhamdulillah. Puji dan syukur penulis ucapkan kepada Allah Subhanahu Wa Ta’ala atas limpahan rahmat dan karunia-Nya senantiasa memberikan yang terbaik

untuk hamba-Nya, sehingga penulis dapat menyelesaikan

skripsi

ini sebagai syarat

untuk memperoleh gelar Sarjana Komputer, Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Kemudian Shalawat serta salam juga tak lupa penulis ucapkan kepada teladan terbaik yang menjadi anugerah semesta alam, Rasulullah Shalallahu ‘Alaihi Wassalam.

Dengan segala kerendahan hati, pada kesempatan ini penulis menyampaikan terima kasih kepada semua pihak yang telah membantu penyelesaian skripsi ini. Penulis mengucapkan terima kasih kepada:

1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku 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 sebagai Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing I yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

4. Ibu Maya Silvi Lydia, B.Sc., M.Sc. sebagai Sekretaris Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara. 5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

iv

6. Bapak Ade Candra, S.T., M.Kom selaku Dosen Pembanding I yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

7. Bapak Drs. Dahlan Sitompul, M.Eng selaku Dosen Pembanding II yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

8. Bapak M. Andri Budiman, S.T., M.Comp.Sc., M.E.M. selaku Dosen Pembimbing Akademik yang telah banyak memberikan ilmu serta motivasi yg luar biasa.

9. Seluruh tenaga pengajar dan pegawai pada Fakultas Ilmu Komputer dan Teknologi Informasi USU, khususnya Program Studi S-1 Ilmu Komputer.

10. Kedua orangtua penulis Bapak Drs. Fauzal Azim dan Ibu Dewasmaiza, serta Adik penulis Ryan Denofal dan Elsa Priska yang telah memberikan dukungan berupa doa, semangat, dan kasih sayang yang luar biasa.

11. Teman-teman

seperjuangan

Ahmad

Rasyidi,S.Kom,

Dwi

Rizki

Ananda,S.Kom, Mego Suntoro,S.Kom, Ali Huseini Siambaton,S.Kom, Arief Try Hidayat,S.Kom, Edo Affan, Andri Agasi, Sobirin,S.Kom, M.Pristian Rulliyansyah, Yohanes Silitonga,S.Kom, Suhaili Hamdi, Safriatullah,S.Kom, M.Khairil,

Gunalan

Anggirasa,

S.Kom,

Ivan

Grace

Halim,

M

Reza

Nasution,S.Kom, Septy Diana Sari Saragih, Arifin,S,Kom, Sutandi Azhari Malau,S.Kom serta seluruh stambuk 2010 yang tidak dapat disebut satupersatu yang juga telah banyak membantu dalam pengerjaan skripsi ini.

12. Teman-teman penulis Debi Pratama, Harry Affandi, Bobby, Alfred, Liza, Lino, Kak Winda, Mabruri, Yudha danjuga semua teman-teman sepermainan dan seperantauan lainnya yang tidak dapat disebutkan satu persatu, terimakasih atas dukungan dan semangatnya selama penulis mengerjakan skripsi ini.

v

13. Teman-teman satu permainan Clash Of Clans yang tergabung dalam Clan Ilkom USU COC. Yang telah memberikan hiburan bagi penulis yang terkadang jenuh dalam mengerjakan skripsi ini. 14. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian skripsi ini.

Semoga Allah SWT melimpahkan berkah, karunia, kasih sayang kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.

Medan, 27 Januari 2016

Penulis,

vi

ABSTRAK

Pengolahan Citra pada era digital ini dibutuhkan untuk mendapatkan kualitas citra/image yang lebih bagus. Kebanyakan citra yang mengalami penurunan kualitas disebabkan oleh noise. Banyak hal yang menyebabkan suatu citra bisa terkena noise, diantaranya yaitu debu yang menempel pada lensa, tingkat pengaturan ISO (International Organization of Standardization) kamera yang tinggi, ataupun karena ada piksel gambar yang error/mati. Namun masalah tersebut dapat diselesaikan oleh suatu teknik pengolahan citra yang disebut dengan Reduksi Noise (filtering). Dalam teknik reduksi noise juga terdapat metode yang menggunakan rumus dan cara-cara tersendiri dalam mereduksi berbagai noise, beberapa diantaranya adalah metode Weighted Mean Filtering dan Harmonic Mean Filtering. Kedua metode ini merupakan bagian dari metode Mean Filtering, hanya saja pada kedua metode ini menggunakan rumus yang telah dimodifikasi sehingga diharapkan dapat mereduksi noise dengan lebih baik. Pada penelitian ini diteliti bagaimana cara kedua metode dalam mereduksi noise yang telah dipilih, jenis noise yang dipilih adalah Gamma Noise dan Rayleigh Noise dengan format citra *.bmp, kemudian dilakukan perbandingan pada kedua metode berdasarkan parameter MSE, PSNR dan Running Time saat dilakukan reduksi noise. Pada penelitian ini didapatkan hasil perbandingan kedua metode. Pada pengujian Gamma noise dapat direduksi dengan baik oleh kedua metode, baik itu Weighted Mean Filtering maupun Harmonic Mean Filtering, sedangkan Rayleigh noise tidak dapat direduksi dengan baik oleh kedua metode ini. Kata Kunci: Pengolahan Citra, Image Processing, Mean Filtering, noise, .

vii

COMPARISON OF WEIGHTED MEAN FILTERING AND HARMONIC MEAN FILTERING TO REDUCE RAYLEIGH NOISE AND GAMMA NOISE ON DIGITAL IMAGE

ABSTRACT

The image processing in the digital age is required to obtain the image quality better. Most image quality degraded due to noise. Many things can cause an image affected by noise, among which dust attaches to the lens, the camera ISO (International Organization of Standardization) setting level is high, or because pixel image error / died. However, these problems can be solved by an image processing technique called Noise Reduction (filtering). In noise reduction techniques also include a method of using formulas and special way in reducing a variety of noises, some of the filtering methods are Weighted Mean Filtering and Harmonic Mean Filtering. Both of these methods are part of the Mean Filtering method, but both methods are to use a formula that has been modified so that it is expected to reduce noise better. In this study investigated how both methods in reducing the noise that has been selected, the type of noise chosen was Gamma Noise and Rayleigh Noise and the file type of image is *.bmp, then made comparisons at both methods based on the parameters MSE, PSNR and Running Time when the noise reduction is done. In this study, the comparison results obtained both methods . On testing Gamma noise can be reduced by both methods , either Weighted Harmonic Mean and Mean Filtering Filtering, while Rayleigh noise can not be reduced by both of these methods.

Keyword: Image Processing, Mean Filtering, noise.

viii DAFTAR ISI

Halaman

Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Bab 1 Pendahuluan 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Sistematika Penulisan Bab 2 Landasan Teori 2.1 Citra 2.2 Citra Digital 2.2.1 Jenis Citra 2.2.2 Format File Citra 2.3 Noise (Derau) 2.3.1 Gamma (Erlang) Noise 2.3.2 Rayleigh Noise 2.4 Filtering 2.4.1 Weighted Mean Filtering (Filter Rata-rata Berbobot) 2.4.2 Harmonic Mean Filtering 2.5 Mean Square Error (MSE) 2.6 Peak Signal to Noise Ratio (PNSR) Bab 3 Analisis dan Perancangan Sistem 3.1 Analisis Sistem 3.1.1 Analisis Masalah 3.1.2 Analisis Kebutuhan Sistem 3.1.2.1 Kebutuhan Fungsional Sistem 3.1.2.2 Kebutuhan Non Fungsional Sistem 3.1.3 Analisis Proses 3.1.3.1 Proses Noising 3.1.3.2 Proses Filtering 3.2 Pemodelan 3.2.1 Use case Diagram

ii iii iv vi vii viii x xi

1 2 2 3 3 4

5 5 7 9 9 10 10 11 11 13 15 16

17 17 18 19 19 19 20 20 20 20

ix 3.2.2 Sequence Diagram 3.2.3 Activity Diagram 3.3 Perancangan Sistem 3.3.1 Perancangan Flowchart Sistem 3.3.2 Perancangan Antarmuka Sistem 3.3.2.1 Perancangan Tampilan Awal Aplikasi 3.3.2.2 Perancangan Halaman Pengujian 3.3.2.3 Perancangan Halaman Tentang Bab 4 Implementasi dan Pengujian Sistem 4.1 Implementasi 4.1.1 Halaman Utama 4.1.2 Halaman Pengujian 4.1.3 Halaman Tentang 4.2 Pengujian Sistem 4.2.1 Pengujian Weighted Mean Filtering 4.2.1.1 Pengujian Metode Weighted Mean Filter dengan Gamma noise 4.2.1.2 Pengujian Metode Weighted Mean Filter dengan Rayleigh noise 4.2.2 Pengujian Harmonic Mean Filtering 4.2.2.1 Pengujian Metode Harmonic Mean Filter dengan Gamma noise 4.2.2.2 Pengujian Metode Harmonic Mean Filter dengan Rayleigh noise 4.2.3 Pengujian Black Box 4.2.3.1 Rencana Pengujian 4.2.3.2 Kasus dan Hasil Pengujian Alpha 4.2.2.2 Kesimpulan Pengujian Alpha

27 27 29 29 31 31 32 34

35 35 36 37 38 39 40 44 49 49 53 59 59 59 60

Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 5.2 Saran

61 62

Daftar Pustaka Listing Program Curriculum Vitae

63 A-1 B-1

xi

DAFTAR GAMBAR

Nomor Gambar 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 3.1 3.2

3.3

3.4

3.5 3.6 3.7 3.8 4.1 4.2 4.3 4.4 4.5 4.6

4.7

4.8

Nama Gambar

Halaman

Contoh Citra Digital. Citra Biner Citra Grayscale Citra Berwarna (a) Citra sebelum terkena noise, (b) Citra setelah terkena Gamma Noise (a) Citra sebelum terkena noise, (b) Citra setelah terkena Rayleigh Noise. Contoh proses perhitungan Weighted Mean Filtering. Contoh proses perhitungan Harmonic Mean Filtering Diagram Ishikawa. Use case Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital Sequence Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital. Activity Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital. Flowchart Gambaran Umum Sistem Rancangan Tampilan Awal Aplikasi. Rancangan Tampilan Halaman Pengujian Rancangan Tampilan Halaman Tentang Tampilan Halaman Utama Tampilan Halaman Pengujian Tampilan Halaman Tentang Pilih tombol Pengujian Buka citra *.bmp pada form Pengujian Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

6 7 8 8 10 11 13 15 18

21

27

28 30 31 32 34 36 37 38 39 39

43

43

47

xi 4.9

4.10

4.11

4.12

4.13

4.14 4.15

Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering. Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering Grafik perbandingan Running Time masing-masing metode dengan Gamma noise Grafik perbandingan Running Time masing-masing metode dengan Rayleigh noise

48

52

52

56

57 58 58

x

DAFTAR TABEL

Nomor Tabel 3.1 3.2 4.1 4.2 4.3 4.4 4.5 4.6 4.7

Nama Tabel Dokumentasi Naratif Use case Dokumentasi Naratif Use case Filtering Pengujian Metode Weighted Mean Filter dengan Gamma noise Pengujian Metode Weighted Mean Filter dengan Rayleigh noise Pengujian Metode Harmonic Mean Filter dengan Gamma noise Pengujian Metode Harmonic Mean Filter dengan Rayleigh noise Rencana Pengujian Pengujian hasil input citra digital oleh user Pengujian hasil filter oleh sistem.

Halaman 22 23 40 44 49 54 59 59 60

PERBANDINGAN WEIGHTED MEAN FILTERING DAN HARMONIC MEAN FILTERING DALAM MEREDUKSI RAYLEIGH NOISE DAN GAMMA NOISE PADA CITRA DIGITAL SKRIPSI

Recommend Documents