PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)"

Transkripsi

1 PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui Kupang, Telp (0380) Penelitian ini bertujuan untuk menghilangkan derau (noise) pada citra berwarna 4-bit dengan berukuran 51x51 bit menggunakan metode Discrete Wavelet Transform (DWT). Jenis wavelet yang digunakan dalam pengujian antara lain dari keluarga wavelet Haar, Daubechies, Symlet dan Coiflet. Sedangkan derau yang ditambahkan pada citra asli adalah derau sal t& pepper and gaussian dengan variasi kepadatan derau dari 0,01 sampai 0,5. Performansi sebuah metode perbaikan kualitas citra berdasarkan penilaian kuantitatif dan kualitatif. Penilaian kuantitatif ditentukan dengan MSE dan PSNR. Sedangan penilaian secara kualitatif berdasarkan HVS (Human Visual System). Hasil pengujian baik kuantitatif maupun kualitatif menunjukkan bahwa jenis wavelet terbaik dari keluarga coiflet. Semakin besar kepadatan noise (noise density), maka nilai MSE semakin besar dan nilai PSNR semakin kecil. Keunggulan metode wavelet adalah perbaikan kualitas citra pada level dekomposisi yang lebih tinggi, dimana nilai MSE menjadi lebih kecil dan terjadi peningkatan nilai PSNR. Salah stau hasil pengujian citra Sofi.bmp dengan perubahan level dekomposisi menunjukkan bahwa kepadatan noise Gaussian mean dan variance sebesar 0,5 diperoleh perubahan nilai PSNR dari 8,0 db (level 1) menjadi 11,5 db ( level 3). Penilaian secara kualitatif adalah kualitas cukup baik dan masih dapat diterima (passable) Penentuan level dekomposisi berdasarkan ukuran citra yang digunakan. Semakin besar ukuran citra maka dapat digunakan level dekomposisi yang lebih tinggi. Kata Kunci: Citra Berwarna, Noise, Discrete Wavelet Transform (DWT) 1. PENDAHULUAN Perbaikan kualitas citra (image enhancement) merupakan proses pengolahan citra untuk menghasilkan citra yang lebih mudah diinterpretasikan oleh mata manusia (Human Visual System/HVS). Perbaikan kualitas citra dapat digunakan sebagai proses awal dalam manipulasi dan analisa serta sintesis citra. Citra yang berkualitas akan sangat dibutuhkan untuk proses analisis lebih lanjut. Perbaikan kualitas citra dapat dilakukan dalam domain ruang maupun frekuensi. Dalam domain ruang akan menghasilkan waktu komputasi yang lama karena nilai-nilai diskrit citra mempunyai angka yang besar. Banyak penelitian dilakukan dalam domain frekuensi antara lain fourier transform, Discrete Cosinus Transform (DCT) dan Wavelet Transform. Untuk meningkatkan kualitas hasil proses perbaikan kualitas citra maka lebih baik manipulasi citra dilakukan dalam domain frekuensi. Citra yang terbentuk menjadi berkualitas buruk karena mengalami derau (noise) pada saat pengambilan gambar, akibat pengiriman melalui saluran transmisi, kurang cahaya sehingga gelap atau terang, kurang tajam, kabur akibat pergerakan horizontal atau vertikal dan sebagainya [Munir, 004]. Pada proses perbaikan kualitas citra, ciri-ciri tertentu dalam sebuah citra lebih diperjelas kemunculannya, dan secara matematis dinyatakan sebagai : T-30 f(x,y ) f (x,y) (1) Proses pelembutan dan penajaman citra merupakan operasi penapisan (filtering), sehingga dilakukan operasi konvolusi citra asli f(x,y) dan sebuah filter h(x,y) Secara matematis dalam domain spasial dirumuskan sebagai berikut: f (x,y) = h(x,y) * f(x,y) () dan dalam domain frekuensi F (u,v) = H(u,v) F(u,v) (3) Pemilihan filter H(u,v) yang tepat dalam rangka menonjolkan ciri citra f(x,y) mempengaruhi hasil perbaikan kualitas citra. Pemilihan filter h(x,y) yang tepat akan mendapatkan ciri tertentu dari citra asli. Pada umumnya dalam domain frekuensi, citra yang mengalami gangguan yaitu pada bagian frekuensi tinggi sehingga dilakukan proses penyaringan yang dapat menapis frekuensi tinggi High Pass Filter (HPF) dan meloloskan frekuensi rendah yaitu Low Pass Filter (LPF) [Gonzalez dkk., 00]. Telah dilakukan penelitian oleh Tena (011), dengan menggunakan metode linear filtering dan SWT dengan nilai varians dan mean untuk gausian noise bervariasi dari 0,01 sampai 0,5. Namun metode yang digunakan memberikan hasil terbaik hanya pada nilai varians dan mean sebesar 0,1. Kepadatan noise makin tinggi kualitas citra hasil perbaikan sangat menurun. Penelitian juga dilakukan oleh Prasetiyo (00), dengan memanfaatkan wavelet transform, namun hanya terbatas pada keluarga wavelet Haar dan citra grayscale. Dalam Sihag, dkk (011) menggunakan

2 metode wavelet untuk mereduksi noise, tetapi terbatas pada citra grayscale. Dalam penelitian ini menggunakan metode Discrete Wavelet Transform (DWT) dengan beberapa jenis keluarga wavelet dan level dekomposisi yang lebih tinggi. Keuntungan pemulihan citra dalam kawasan gelombang-singkat (wavelet transform) adalah waktu komputasi lebih cepat karena daerah dukungan (region of support) lebih kecil separuhnya. Selain itu juga hasil transformasi memiliki koefisien-koefisien wavelet yang bersifat jarang dan kecil pada komponen detail sehingga dapat diterapkan proses thresholding. Terdapat dua () jenis thresholding yaitu hard thresholding dan soft thresholding [Bovik, 000]. Persamaan hard thresholding adalah; ( τ λ p)( y) = p ( y ), jika p ( y ) > λ (4) 0 Sedangkan jenis soft thresholding sebagai berikut: ( τ p)( y) = λ p ( y ) λ, jika p ( y ) + λ, jika p ( y ) p ( y ) > λ < λ (5) 0 Implementasi algoritma DWT untuk mereduksi gangguan sinyal (denoising) yang terjadi pada data sinyal baik citra, suara maupun video dapat dilihat pada Gambar 1 dan Gambar. CA Lo_D Hi_D 1 1 Lo_D Hi_D Lo_D Hi_D Gambar 1 Proses Dekomposisi DWT -D CA j aproks + horiso Proses dekomposisi pada sinyal -D dilakukan dengan dua langkah, (1) menerapkan penapisan terhadap seluruh sinyal (Lo_D dan Hi_D; konvolusi vektor dan tapis LPF dan HPF), yang menghasilkan dua buah sinyal dengan banyaknya adalah setengah dari sinyal aslinya, sedangkan banyaknya sama dengan semula, () melakukan penapisan terhadap dari kedua bagian sinyal tersebut sehingga dihasilkan empat bagian sinyal atau subband (f LL, f LH, f HL,c f HH ) dengan ukurannya menjadi setengah [Misiti dkk., 001]. (h j ( v j + verti + (d j diagon CA j+1 aproksimasi (h) j + 1 horisontal (v) j + 1 vertikal (d) j + 1 diagonal Lo_R Hi_R Lo_R Hi_R Gambar Proses Invers DWT -D Wavelet transform merupakan fungsi matematika yang digunakan untuk membagi frekuensi suatu isyarat, yaitu gelombang-singkat dengan skala besar diterapkan pada sebuah isyarat untuk mengetahui lebih detail tentang informasi yang terkandung dalam frekuensi rendahnya dan gelombang-singkat dengan skala kecil diterapkan pada sebuah isyarat untuk mengetahui informasi yang terkandung dalam frekuensi tingginya. Metode wavelet transform dapat mereduksi derau dengan noise density yang cukup besar pada data citra berwarna.. METODE PENULISAN Penelitian ini menggunakan metode DWT D untuk menghilangkan derau pada data citra berwarna 4-bit berukuran 51x51 piksel. Penelitian ini menggunakan beberapa jenis keluarga wavelet antara lain Haar, Daubechies, Symlet dan Coiflet. Jenis derau yang digunakan untuk uji coba adalah gaussian noise dan salt&pepper noise dengan perubahan nilai mean dan variance berkisar antara 0,01 sampai 1,0. Perubahan kepadatan derau (noise density) dilakukan pada kedua jenis derau. Pengolahan dan analisis data citra diperlukan perangkat-lunak (software) yaitu program MATLAB dan sebuah Personal Computer. Sedangkan data citra yang digunakan yakni citra sofi.bmp dan bird.bmp. (a) (b) Gambar 3 Data Citra (a) Sofi.bmp; (b) bird.bmp 1 Lo_R Hi_R CA j T-31

3 Diagram alir penelitian perbaikan kualitas citra berwarna dapat dilihat pada Gambar 4. digunakan. Ukuran matriks citra m x n, B1 dan B merupakan matriks citra. MSE dapat dirumuskan sebagai berikut: m n ( B ( ) ( ) ) 1 i, j B i, j MSE = (6) mn i= 0 j= 0. Kriteria Subjektif (Kualitatif) Kriteria kualitatif diberikan kepada hasil perbaikan kualitas citra dibandingkan dengan citra asli. Penilaian dengan cara pengamatan visual (Human Visual System) ini lebih bersifat subjektif karena penerimaan dan penilaian setiap orang berbeda. Penilaian subyektif tersebut dapat dibagi menjadi: (a) excellent (kualitas terbaik); (b) fine (kualitas tinggi, dapat dinikmati); (c) passable (kualitas cukup baik, masih dapat diterima); (d) marginal (kualitas buruk, masih bisa diperbaiki); (e) inferior (kualitas sangat buruk, namun masih bisa diamati); (f) unusable (sudah tidak dapat dinikmati lagi) [Yonata, 00]. 3. HASIL DAN DISKUSI Gambar 4 Diagram Alir Proses Perbaikan Kualitas Citra Berwarna Dalam proses analisa data perbaikan kualitas citra digunakan kriteria penilaian performansi metode baik secara kuantitatif maupun kualitatif. 3.1 Hasil Pengujian Pengujian dilakukan pada citra Bird dan Citra Sofi dengan jenis noise salt&pepper, variasi kepadatan derau dari 0,01 sampai 1,0. Untuk gaussian noise variasi mean dan varians dari 0,01 sampai 0,5. Selanjutnya dilakukan uji coba pada level dekomposisi yang lebih tinggi dengan noise density 1,0. Secara kualitatif berdasarkan HVS bahwa hasil perbaikan kualitas citra terlihat sama dari beberapa metode yang digunakan. Namun secara kuantitatif terjadi perbedaan yang signifikan baik MSE maupun PSNR. Semakin tinggi nilai MSE maka kualitas citra hasil rekonstruksi akan makin jelek seiring dengan penurunan nilai PSNR. 1. Kriteria Objektif (Kuantitatif) Peak Signal-to-Noise Ratio (PSNR) Tingkat keberhasilan sebuah metode perbaikan kualitas citra dpat dihitung menggunakan persamaan PSNR (dinyatakan dengan satuan db). PSNR berfungsi untuk mengukur kualitas sinyal antara sinyal asli dan sinyal hasil denoising. PSNR sangat berkaitan dengan Mean Square Errror (MSE), dan didefinisikan sebagai b 1 PSNR= 10x 10 log (5) (3.) MSE dengan b adalah jumlah bit per piksel. Mean Square Error (MSE) MSE merupakan tolok ukur analisis kuantitatif yang digunakan untuk menilai kualitas sebuah citra hasil dan keunggulan sebuah metode yang T-3 Perbaikan Kualitas Citra Sofi Pada Gambar 5 terlihat hasil image enhancement menggunakan wavelet coif5 dari keluarga coiflet dengan kepadatan derau salt&pepper sebesar 0,01. Gambar tersebut merupakan contoh penilaian secara kualitatif bahwa hasil rekonstruksi citranya relatif sama. Untuk proses penilaian secara kuantitatif dengan variasi kepadatan derau dan beberapa jenis wavelet dapat dilihat pada Gambar 6 dan Gambar.

4 Gambar 5 Perbaikan Kualitas Citra Sofi, dengan Sal t& Pepper Noise, d=0,01 Untuk lebih jelasnya dapat dilihat pada grafik yang menunjukkan hubungan antara nilai MSE maupun PSNR dengan variasi nilai kepadatan derau untuk salt&pepper noise dan gaussian noise Gambar 8 Perbaikan Kualitas Citra Sofi, Salt & Pepper Noise, Noise Density = 0, Gaussian noise(m,v) Gambar 9 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Sofi Gambar 6 Grafik Hubungan antara Density Noise Salt & Pepper dengan untuk Citra Sofi Gambar Grafik Hubungan antara Noise Sal t& Pepper dengan untuk Citra Sofi Selanjutnya contoh hasil image enhancement citra Sofi dengan noise salt&pepper dan kepadatan derau sebesar 0, Gaussian noise(m,v) Gambar 10 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Sofi Perbaikan Kualitas Citra Bird Pada Gambar 11 terlihat hasil perbaikan kualitas citra menggunakan wavelet coif5 dari keluarga coiflet dengan kepadatan derau Gaussian sebesar 0,01. Penilaian dilakukan secara kualitatif dan kuantitatif. Penilaian secara kuantitatif dengan jelas terlihat pada Gambar 1 dan Gambar 13. T-33

5 Gambar 11 Perbaikan Kualitas Citra Bird, Gaussian Noise, Mean & Variance =0,01 Berikut ditampilkan grafik hubungan antara Nilai MSE dan PSNR terhadap variasi nilai noise baik untuk salt&pepper maupun gaussian Gaussian noise (M,V) Gambar 14 Perbaikan Kualitas Citra Bird, Salt & Pepperer Noise, Noise Density= 0, Gambar 15 Grafik Hubungan antara Density Noise Salt & Pepper dengan untuk Citra Bird Gambar 1 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Bird gaussian noise(m,v) Gambar 13 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Bird Selanjutnya contoh hasil perbaikan kualitas citra citra bird dengan kepadatan derau salt&pepper sebesar 0,1. Gambar 16 Grafik Hubungan antara Noise Salt & Pepper dengan untuk Citra Bird Pengaruh Level Dekomposisi Terhadap Perbaikan Kualitas Citra Perubahan level dekomposisi wavelet juga berpengaruh pada kualitas citra hasil baik dinilai secara kualitatif maupun kuantitatif. Penilaian secara kualitatif bahwa citra yang diberi derau masih dapat dikenali setelah proses perbaikan. Berdasarkan hasil pengujian untuk citra bird dengan wavelet coif5 dan nilai kepadatan sebesar 0,5 maka dapat dilihat perubahan nilai PSNR pada Gambar 16. T-34

6 Gambar 1 Pengaruh Level Dekomposisi DWT Terhadap Kualitas Perbaikan Citra (Perbandingan Level 1 dan ) level 1 level level 3 citra bird level dekomposisi citra Sofi Gambar 18 Pengaruh Perubahan Level Dekomposisi Terhadap pada Citra Bird dan Citra Sofi dengan Noise Gaussian M&V = 0, level 1 level level 3 citra bird level dekomposisi citra Sofi Gambar 19 Pengaruh Perubahan Level Dekomposisi Terhadap pada Citra Bird dan Citra Sofi dengan Noise Density Salt & Pepper Sebesar 0,5 3. Diskusi Berdasarkan hasil pengujian untuk citra Sofi dan citra Bird dengan variasi pembangkitan derau T-35 pada citra masukan dapat dijelaskan bahwa semakin besar kepadatan derau (noise density) yang diberikan akan mempengaruhi kualitas citra hasil. Hal ini akan membuktikan keunggulan beberapa keluarga wavelet untuk mereduksi derau yang ditambahkan pada citra asli. Dari grafik MSE maupun PSNR terlihat bahwa perbaikan kualitas citra dengan wavelet coif5 dari keluarga wavelet coiflet memberikan hasil yang cukup baik dibandingkan jenis wavelet yang lain. Perbedaan kualitas baik secara kualitatif maupun kuantitatif antara beberapa keluarga wavelet tidak signifikan. Kualitas metode yang digunakan dalam penelitian ini dapat terlihat jelas pada grafik hubungan antara PSNR dan MSE terhadap variasi derau. Keunggulan metode wavelet adalah proses dekomposisi yang membagi citra menjadi beberapa kelompok frekuensi sehingga memudahkan proses thresholding terhadap komponen frekuensi tinggi karena mata manusia lebih peka terhadap luminansi dari pada warna. Proses thresholding dilakukan pada komponen frekuensi HL,LH dan HH setelah proses dekomposisi baik untuk level 1 maupun level yang lebih tinggi. Jumlah level disesuaikan dengan ukuran citra. Perubahan level dekomposisi sampai citra berukuran 18x18 piksel masih memberikan hasil yang baik berdasarkan penilaian kualitatif dengan nilai kepadatan derau yang besar. Dalam penelitian ini citra berukuran 51x51 piksel maka pengujian level dekomposisi sampai pada level 3. Semakin besar nilai kepadatan gangguan (noise density) akan mempengaruhi kualitas perbaikan citra yang ditandai dengan meningkatnya nilai MSE dan sebaliknya nilai PSNR semakin menurun. Keunggulan metode wavelet juga bergantung pada jenis citra dan derau. Berdasarkan pengujian terlihat bahwa metode wavelet lebih baik dalam menghilangkan derau jenis salt&pepper jika dibandingkan dengan derau Gaussian. Untuk citra yang diberi kepadatan derau sebesar 1,0 masih dapat dikenali berdasarkan penilaian kualitatif. Pada penelitian lebih lanjut dapat dikembangkan metode hybrid antara wavelet dan metode lainnya untuk memberikan hasil perbaikan yang lebih baik dengan kepadatan derau yang lebih besar. 4. SIMPULAN Berdasarkan hasil pengujian dan bahasan terdapat beberapa kesimpulan antara lain: 1. Metode DWT memberikan hasil perbaikan kualitas citra yang baik terutama citra dengan kepadatan derau (noise density) yang besar. Keluarga wavelet coiflet (coif5) memberikan performansi yang lebih baik dibandingkan dengan jenis wavelet yang lain.. Pemilihan nilai thresholding yang tepat memberikan hasil perbaikan citra cukup baik.

7 3. Pada level dekomposisi yang lebih tinggi dan kepadatan derau yang besar akan menghasilkan citra yang masih dapat diterima (passable). 4. Semakin besar kepadatan derau (noise density) maka nilai MSE akan makin besar dan nilai PSNR semakin kecil. DAFTAR PUSTAKA Bovik Al. Handbook of Image and Video Processing. Academic Press Gonzalez R. C. dan Woods R.E,. Digital Image Processing. Prentice Hall. New Jersey, USA Prasetyo R. Pemulihan citra dalam kawasan gelombangsingkat. Master Thesis Teknik Elektro Universitas Gadjah Mada, Yogyakarta Rinaldi Munir. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Penerbit Informatika, Bandung Sihag R., Sharma R., Setia V. Wavelet Thresholding for image De-noising. International Conference on VLSI, Communication & Instrumentation (ICVCI). 01. International Journal of Computer Applications (IJCA) (0-3). Tena S. Image Enhancement Mengggunakan Metode Linear Filtering Dan Stationary Wavelet Transform (SWT). Jurnal Teknologi Elektro Udayana, Misiti M., Georges Oppenheim. Wavelet Toolbox for use with Matlab.User Guide version.1. The MathWorks inc Yonata Y., Kompresi Video, Elex Media Komputindo, Jakarta: T-36

IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM

IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM Staff Pengajar Jurusan Teknik Elektro Fakultas Sains dan Teknik Universitas Nusa Cendana, Kupang Abstrak The aim

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan

Lebih terperinci

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi

Lebih terperinci

Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian

Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan

Lebih terperinci

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Arif Senja Fitrani 1, Hindarto 2, Endang Setyati 3 1,2, Jurusan Teknik Informatika Universitas Muhammadiyah Sidoarjo,

Lebih terperinci

Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE)

Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Disusun Oleh : Nama : Abner Natanael R Nrp : 0522034 Jurusan Teknik Elektro,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang

Lebih terperinci

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan

Lebih terperinci

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai

Lebih terperinci

BAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment

BAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment BAB PERUMUSAN PENELITIAN.1 Blok Diagram Signal Sparse Coding Dictionary Reconstruction Reconstructed Signal Assessment Gambar.1 Blok Diagram secara Umum Secara umum tujuan penelitian ini akan mencari dictionary

Lebih terperinci

Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson

Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai

Lebih terperinci

TEK IK PEMBUKTIA KEPEMILIKA CITRA DIGITAL DE GA WATERMARKI G PADA DOMAI WAVELET

TEK IK PEMBUKTIA KEPEMILIKA CITRA DIGITAL DE GA WATERMARKI G PADA DOMAI WAVELET TEK IK PEMBUKTIA KEPEMILIKA CITRA DIGITAL DE GA WATERMARKI G PADA DOMAI WAVELET Ady Priyoyudo, Aris Sugiharto, Indriyati Jurusan Matematika FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP Tembalang, Semarang

Lebih terperinci

DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS

DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS MAKALAH SEMINAR TUGAS AKHIR DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS Sulistono*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Kadangkala hasil

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam

Lebih terperinci

WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION

WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.

Lebih terperinci

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2 Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada saat ini penggunaan sebuah citra sangat meningkat untuk digunakan pada berbagai kebutuhan. Hal ini dikarenakan banyak sekali kelebihan yang ada pada citra digital

Lebih terperinci

PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract

PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT- DAN Qurrota Ayun Majid, T. Sutojo, S.Si, M.Kom Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 111201207118@mhs.dinus.ac.id

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak

Lebih terperinci

BAB 1 PENDAHULUAN. kemampuan hardware untuk pengambilan / pencuplikan citra serta

BAB 1 PENDAHULUAN. kemampuan hardware untuk pengambilan / pencuplikan citra serta BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan jaman penggunaan citra dalam suatu sistem komputer memiliki peran yang semakin penting. Hal ini dikarenakan kemajuan teknik dan kemampuan hardware

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Teori Dasar Layanan Pesan Multimedia (MMS) Layanan pesan multimedia (MMS/Multimedia Messaging Service) merupakan puncak dari evolusi layanan pesan singkat (SMS/Short Messaging

Lebih terperinci

WATERMARKING PADA BEBERAPA KELUARGA WAVELET

WATERMARKING PADA BEBERAPA KELUARGA WAVELET JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro

Lebih terperinci

ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI

ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALYSIS AND SIMULATION OF VIDEO RECONSTRUCTION BASED ON SUPER-RESOLUTION METHOD Kusuma Nindia Rizki 1, Iwan Iwut, ST., MT. 2, Suryo

Lebih terperinci

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas

Lebih terperinci

IMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL

IMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL IMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL Suma inna 1 dan Gugun Gumilar 2 1,2 Program Studi Matematika Fakultas Sains dan Teknologi UIN Syarif Hidayatulallah Jakarta ABSTRAK

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi

Lebih terperinci

Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering

Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Berkala MIPA, 23(3), September 2014 Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Muhammad Safrizal 1 dan Agus Harjoko 2 1,2 Universitas

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54 Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa

Lebih terperinci

PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK

PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Okada Arle Sandi, T. Sutojo, S.Si, M.Kom Teknik Informatika S1 Fakultas Ilmu Komputer Universitas

Lebih terperinci

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009 IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING DENGAN FORMAT VIDEO MPEG BERBASIS WAVELET TRANSFORM (Implementation and Analysis Watermarking MPEG Video Base on Wavelet Transform) Eriel Mar 1, Koredianto

Lebih terperinci

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER. PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas

Lebih terperinci

Digital Watermarking Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling

Digital Watermarking Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling Digital ing Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling Nur Anisah Jurusan Informatika Universitas Sebelas Maret Jl. Ir. Sutami

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah

Lebih terperinci

ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR

ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat

Lebih terperinci

Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography

Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Abdul Haris 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan

Lebih terperinci

ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL.

ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL. ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL. Rika Novita Wardhani, Mera Kartika Delimayanti Electrical Engineering Department, Politeknik Negeri Jakarta Kampus UI Depok,

Lebih terperinci

COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION

COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan

Lebih terperinci

STUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH

STUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH STUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH Fahmi Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha No.

Lebih terperinci

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital Sebuah citra memiliki kaya informasi, meskipun demikian citra sering mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise),

Lebih terperinci

ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM

ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.

Lebih terperinci

Penyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.

Penyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun merupakan imitasi dari sebuah objek atau benda. Citra memiliki beberapa karakteristik yang

Lebih terperinci

Ekstraksi Ciri Berbasis Wavelet Untuk Membedakan Bakteri Lactobacillus Bulgaricus Dan Streptococcus Thermophilus Pada Yogurt

Ekstraksi Ciri Berbasis Wavelet Untuk Membedakan Bakteri Lactobacillus Bulgaricus Dan Streptococcus Thermophilus Pada Yogurt Ekstraksi Ciri Berbasis Wavelet Untuk Membedakan Bakteri Lactobacillus Bulgaricus Dan Streptococcus Thermophilus Pada Yogurt Andi Sri Irtawaty 1, Adhi Susanto, Indah Soesanti 3 Jurusan Teknik Elektro dan

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1 JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 27-59 (201-9271 Print) 1 Implementasi Citra dengan Menggunakan Regresi Linier dan Metode Wavelet Rina Kharisma Juwitasari, Diana Purwitasari, dan Rully Soelaiman

Lebih terperinci

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,

Lebih terperinci

Image Restoration. Aditya Wikan Mahastama

Image Restoration. Aditya Wikan Mahastama Image Restoration Aditya Wikan Mahastama Image Restoration Image restoration: usaha-usaha untuk memulihkan citra yang mengalami degradasi. Contoh degradasi diantaranya: blur (gambar( tidak jelas) karena

Lebih terperinci

ANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE

ANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE ANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE Muhamad Sofwan & Dadang Gunawan Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia ABSTRAK Teknik watermarking dibagi menjadi dua, yaitu

Lebih terperinci

Kompresi Citra Berwarna Menggunakan Transformasi Wavelet

Kompresi Citra Berwarna Menggunakan Transformasi Wavelet Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 1, April 2014, hal 55-62 Kompresi Citra Berwarna Menggunakan Transformasi Wavelet Suma inna, Dipo Alam Program Studi Matematika Fakultas Sains dan

Lebih terperinci

ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA

ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA Muhammad Ardiansyah Agusstiawan Mahasiswa Program Studi Teknik Informatika, FT UMRAH

Lebih terperinci

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis

Lebih terperinci

WATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL

WATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Citra Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas

Lebih terperinci

SEGMENTASI CITRA MENGGUNAKAN HAAR WAVELET UNTUK DETEKSI PENYAKIT TBC DARI CITRA BERNOISE

SEGMENTASI CITRA MENGGUNAKAN HAAR WAVELET UNTUK DETEKSI PENYAKIT TBC DARI CITRA BERNOISE SEGMENTASI CITRA MENGGUNAKAN HAAR WAVELET UNTUK DETEKSI PENYAKIT TBC DARI CITRA BERNOISE Christine Wulandari Jurusan Informatika, Fakultas MIPA, Universitas Sebelas Maret Jl. Ir. Sutami 36 A Surakarta

Lebih terperinci

BABI PENDAHULUAN 1.1 Latar Belakang

BABI PENDAHULUAN 1.1 Latar Belakang BABI PENDAHULUAN 1.1 Latar Belakang Saat ini transformasi wavelet banyak sekali digunakan dan bermanfaat untuk analisis numerik, analisis isyarat, aplikasi kontrol dan aplikasi audio [1]. Dalam analisis

Lebih terperinci

PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION

PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION KARYA ILMIAH Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Muhammadiyah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,

Lebih terperinci

TUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT )

TUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT ) TUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT ) Diajukan untuk Melengkapi Tugas Akhir dan Memenuhi Syarat-syarat untuk Mencapai Gelar Sarjana Teknik Fakultas Teknik

Lebih terperinci

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk 6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada

Lebih terperinci

8 2.4 Derau dalam citra Pada saat proses capture (pengambilan gambar), beberapa gangguan mungkin terjadi, seperti kamera tidak focus atau munculnya bi

8 2.4 Derau dalam citra Pada saat proses capture (pengambilan gambar), beberapa gangguan mungkin terjadi, seperti kamera tidak focus atau munculnya bi BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,

Lebih terperinci

MATHunesa (Volume 3: No 2) 2014

MATHunesa (Volume 3: No 2) 2014 APLIKASI DETEKSI TEPI SOBEL UNTUK IDENTIFIKASI TEPI CITRA MEDIS Mochamad Nor Cholis Jurusan Matematika, FMIPA, Universitas Negeri Surabaya, email : cholis029@gmail.com Yusuf Fuad Jurusan Matematika, FMIPA,

Lebih terperinci

BAB 1 PENDAHULUAN. Bab 1 Pendahuluan

BAB 1 PENDAHULUAN. Bab 1 Pendahuluan BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi terutama pada dunia digital pada saat ini memungkinkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa batas ruang

Lebih terperinci

BAB 2 LANDASAN TEORI Closed Circuit Television (CCTV)

BAB 2 LANDASAN TEORI Closed Circuit Television (CCTV) 6 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas mengenai teori pendukung dan penelitian sebelumnya yang berhubungan dengan metode Median Filter dalam peningkatan kualitas video. 2.1. Closed Circuit Television

Lebih terperinci

ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI

ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI Beni Hartanto Program Studi Teknik Informatika, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang,

Lebih terperinci

Operasi Bertetangga (1)

Operasi Bertetangga (1) Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga

Lebih terperinci

KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET

KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET Allen Dick Scott / 0222033 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl.Prof.Drg.Suria Sumantri 65, Bandung 40164, Indonesia

Lebih terperinci

Analisis Perbandingan Kompresi Haar Wavelet Transform dengan Embedded Zerotree Wavelet pada Citra

Analisis Perbandingan Kompresi Haar Wavelet Transform dengan Embedded Zerotree Wavelet pada Citra Jurnal ELKOMIKA Teknik Elektro Itenas No. 2 Vol. 3 ISSN: 2338-8323 Juli - Desember 2015 Analisis Perbandingan Kompresi Haar Wavelet Transform dengan Embedded Zerotree Wavelet pada Citra LEDYA NOVAMIZANTI,

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Pemfilteran Citra; Sharpening, Blurring dan Noise Reduction 5 UNIV KRISTEN DUTA WACANA GENAP 1213 Pemfilteran Citra (Image Filtering) Pada

Lebih terperinci

Teknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis

Teknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis Teknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis Mulaab Email : mulaab@if.trunojoyo.ac.id Laboratorium Pemrograman, Jurusan Teknik Informatika Universitas Trunojoyo

Lebih terperinci

DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT

DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT Mayo Ama Kella Loing, Koredianto Usman, Rita Magdalena Institut Teknologi

Lebih terperinci

Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)

Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) ISSN : 1693 1173 Abstrak Penelitian ini menekankan pada pentingnya teknik simuasi pada pengolahan citra digital. Simulasi

Lebih terperinci

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi

Lebih terperinci

BAB IV ANALISIS. Tabel IV-1 Perbandingan Nilai Korelasi Antar Induk Wavelet pada Daerah Homogen. Wavelet

BAB IV ANALISIS. Tabel IV-1 Perbandingan Nilai Korelasi Antar Induk Wavelet pada Daerah Homogen. Wavelet BAB IV ANALISIS IV.1 Perbandingan Nilai Antar Induk Pada daerah homogen, penggunaan transformasi satu dimensi hanya meningkatkan sedikit nilai korelasi, dilihat dari nilai korelasi sebelum dilakukan transformasi

Lebih terperinci

ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET

ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET Agung Wicaksono, R. Rizal Isnanto, and Achmad Hidayatno Jurusan teknik Elektro, Fakultas Teknik,

Lebih terperinci

Analisa Multiwavelet untuk Kompresi Suara

Analisa Multiwavelet untuk Kompresi Suara 1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Definisi Pengolahan Citra Pengolahan citra adalah pemrosesan citra, khususnya menggunakan komputer, menjadi citra yang kualitasnya lebih baik dan sesuai dengan keinginan pemakai.

Lebih terperinci

Penerapan Metode Kirsch Dalam Mendeteksi Tepi Objek Citra Digital

Penerapan Metode Kirsch Dalam Mendeteksi Tepi Objek Citra Digital Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Metode Kirsch Dalam Mendeteksi Tepi Objek Citra Digital Edy Victor Haryanto Universitas Potensi Utama Jl. K.L.

Lebih terperinci

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,

Lebih terperinci

PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT

PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Abstrak PEBERIAN TANDA AIR ENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOAIN TRANSFORASI WAVELET DISKRIT Nama ahasiswa : Tulus Sepdianto NRP : 1206 100 002 Jurusan : atematika FIPA-ITS Dosen Pembimbing

Lebih terperinci

WATERMARKI G PADA DOMAI FREKUE SI U TUK MEMBERIKA IDE TITAS (WATERMARK) PADA CITRA DIGITAL

WATERMARKI G PADA DOMAI FREKUE SI U TUK MEMBERIKA IDE TITAS (WATERMARK) PADA CITRA DIGITAL WATERMARKI G PADA DOMAI FREKUE SI U TUK MEMBERIKA IDE TITAS (WATERMARK) PADA CITRA DIGITAL Zaki Rakhmatulloh, Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP

Lebih terperinci

100% Akurasi = (11) Lingkungan Pengembangan

100% Akurasi = (11) Lingkungan Pengembangan Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang

Lebih terperinci

RESTORASI CITRA. Budi s

RESTORASI CITRA. Budi s RESTORASI CITRA Budi s Sumber Noise Setiap gangguan pada citra dinamakan dengan noise Noise bisa terjadi : Pada saat proses capture (pengambilan gambar), ada beberapa gangguan yang mungkin terjadi, seperti

Lebih terperinci

Implementasi Teknik Watermarking menggunakan FFT dan Spread Spectrum Watermark pada Data Audio Digital

Implementasi Teknik Watermarking menggunakan FFT dan Spread Spectrum Watermark pada Data Audio Digital Jurnal ELKOMIKA Vol. 4 No. 1 Halaman 98-109 ISSN (p): 2338-8323 Januari - Juni 2016 ISSN (e): 2459-9638 Implementasi Teknik Watermarking menggunakan FFT dan Spread Spectrum Watermark pada Data Audio Digital

Lebih terperinci

ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL

ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.

Lebih terperinci

PERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT)

PERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT) PERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT) DAN METODE WAVELET (DWT) Suparti dan Farikhin Jurusan Matematika FMIPA Undip Abstrak Dalam perkembangan IPTEK seringkali

Lebih terperinci

Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension (DCT 2D)

Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension (DCT 2D) 1 Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension ( 2D) Nadia Printa Tearani, Member, IEEE Abstract Digital image compression is a data compression application that

Lebih terperinci

APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL

APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL Sriani, ISSN : Ali 9780 Ikhwan, Yusnidah, Aplikasi Metode Transformasi Wavelet Diskrit APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL Sriani *, Ali Ikhwan

Lebih terperinci