ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI

Transkripsi

1 ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI MAGDALENA SIREGAR PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 ii ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer MAGDALENA SIREGAR PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

3 iii PERSETUJUAN Judul : ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP Kategori : SKRIPSI Nama : MAGDALENA SIREGAR Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (Fasilkom-TI) Diluluskan di Medan, 25 Agustus 2015 Komisi Pembimbing: Dosen Pembimbing II Dosen Pembimbing I Dian Rachmawati, S.Si, M.Kom Drs. Agus Salim Harahap, M.Si NIP NIP Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP

4 iv PERNYATAAN ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 25 Agustus 2015 Magdalena Siregar

5 v PENGHARGAAN Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus yang telah mencurahkan berkat dan kasih-nya, sehingga Penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara. Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar besarnya kepada : 1. Bapak Prof. Subhilhar, Ph.D selaku Pj Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara. 3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara serta Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 4. Drs. Agus Salim Harahap, M.Si selaku Dosen Pembimbing I yang telah memberikan bimbingan, saran, masukan dan dukungan kepada penulis dalam pengerjaan skripsi ini. 5. Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang dengan sabar telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini. 6. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembanding II yang memberikan kritik dan saran untuk penyempurnaan skripsi ini. 7. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI USU. 8. Mamak tersayang, Penti Nadapdap yang selalu memberikan doa dan dukungan serta kasih sayang kepada penulis. Adik dan Keluarga besar

6 vi Opung Sumihar terutama tulang-tulang yang terus memberikan dukungan dan dorongan bagi penulis untuk menyelesaikan skripsi ini. 9. Bapak tercinta Alm. Nando Siregar yang selalu menjadi motivasi dan inspirasi dalam pengerjaan skripsi ini. 10. Teman-teman terdekat, terutama Farid, Mey, Yatik yang telah membantu penulis dalam menyelesaikan skripsi ini dan juga Witty, pengurus IMILKOM atas semangat serta Guru Sekolah Minggu HKBP Perumnas Simalingkar atas dorongannya dan doanya sehingga penulis dapat menyelesaikan skripsi ini 11. Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-persatu. Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan berkat yang melimpah dari Tuhan Yesus Kristus. Medan, Agustus 2015 Penulis

7 vi ABSTRAK Mendeteksi tepi pada citra merupakan hal yang biasa dalam proses pengolahan citra, namun disini dilakukan perbandingan hasil deteksi tepi pada citra asli dan citra yang telah mengalami proses filtering. Hal ini dilakukan untuk melihat apakah ada pengaruh proses filtering pada kinerja deteksi tepi. Metode filtering yang digunakan adalah Geometric Mean Filter untuk mereduksi Gaussian Noise dan Salt-Pepper Noise, sedangkan operator deteksi tepinya adalah Sobel, Prewitt dan Robert. Parameter yang digunakan untuk mengukur nilai perbandingan antara ketiga operator deteksi tepi yaitu nilai MSE, PSNR dan Running Time. Implementasi sistem menggunakan SharpDevelop 4.3 dengan bahasa pemogaraman C#. Pada sistem ini objek yang digunakan adalah citra dengan format bitmap atau *.bmp. Proses pengujian ini dilakukan dengan nilai probabilitas noise antara 10%, 20%, 30%, 40%, dan 50%. Berdasarkan hasil pengujian diperoleh bahwa citra asli memiliki proses deteksi tepi lebih baik dibandingkan dengan citra hasil filtering dengan nilai MSE = 628,723 dan PSNR = 1,0149 db pada operator Sobel. Sedangkan proses yang relatif paling cepat dalam mendeteksi tepi dengan nilai Running Rime = 0,263 s pada operator Prewitt. Kata kunci : Deteksi Tepi, Geomeric Mean Filter, Gaussian Noise, Salt-Pepper Noise, Sobel, Prewitt, Robert.

8 vii COMPARATIVE ANALYSIS OF GEOMETRIC MEAN FILTER WITH SOBEL OPERATOR, PREWITT OPERATOR AND ROBERT OPERATOR ON BITMAP IMAGE ABSTRACT Edge detection is a common thing in image processing, but here done to compare the edge detection on the original image and the image filtering result. This cas was done to see if there was an effect of the filtering process on the edge detection performance. The method of filtering is Geometric Mean filter to reduce Gaussian Noise and Salt- Pepper Noise and edge detection operators are Sobel, Prewitt and Robert. The parameter used to measure the value of comparisons between the third edge detection operators are MSE, PSNR and Running Time. Implementation of the system using SharpDevelop 4.3 with C# programming language. In this system, the object that was used is image with bitmap format or (*. bmp). This testing process was done with the probability noise about 10%, 20%, 30%, 40% and 50%. Based on the test results obtained that the edge detection process on the original image is better than the image filtering result with MSE = 628,723 and PSNR = 1,0149 db on Sobel operator. Then the process of the most rapidly in detecting the edge with Running Time = 0,263 s on Prewitt operator. Keyword : Edge Detection, Geomeric Mean Filter, Gaussian Noise, Salt- Pepper Noise, Sobel, Prewitt, Robert.

9 viii DAFTAR ISI Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Hal. ii iii iv vi vii viii xi xiii BAB 1 PENDAHULUAN 1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian 1.6 Metode Penelitian 1.7 Sistematika Penelitian BAB 2 TINJUAN PUSTAKA 2.1 Citra Digital Jenis-Jenis Citra Digital Citra Biner (Monokrom) Citra Grayscale (Skala Keabuan) Citra Warna (True Color) Format Citra Format File Bitmap (*.bmp) Pengolahan Citra Digital 2.5 Derau (Noise) 2.6 Perbaikan Citra (Image Restoration) 2.7 Mean Filter 2.8 Pendeteksian Tepi Operator Sobel Operator Prewitt Operator Robert 2.9 Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR) dan Running Time Mean Square Error (MSE) Peak Signal to Noise Ratio (PSNR) Running Time

10 ix DAFTAR TABEL Nomor Tabel Nama Tabel Spesifikasi Use Case Filtering Spesifikasi Use Case Input File Citra Asli Spesifikasi Use Case Input Presentase Noise Spesifikasi Use Case Pilih Noise Spesifikasi Use Case Gaussian Noise Spesifikasi Use Case Salt and Pepper Noise Spesifikasi Use Case Geometric Mean Filter Spesifikasi Use Case Simpan Citra Spesifikasi Use Case Deteksi Tepi Spesifikasi Use Case Input Citra Spesifikasi Use Case Deteksi Tepi Operator Sobel Citra Asli Spesifikasi Use Case Deteksi Tepi Operator Prewitt Citra Asli Spesifikasi Use Case Deteksi Tepi Operator Robert Citra Asli Spesifikasi Use Case Input File Citra Spesifikasi Use Case Deteksi Tepi Operator Sobel Citra Filtering Spesifikasi Use Case Deteksi Tepi Operator Prewitt Citra Asli Spesifikasi Use Case Deteksi Tepi Operator Robert Citra Filtering Spesifikasi Use Case Simpan Citra Spesifikasi Use Case Menghitung MSE, PSNR dan Running Time Pseudocode Geometric Mean Filter Pseudocode Operator Sobel Pseudocode Operator Prewitt Pseudocode Operator Robert Perbandingan Hasil Reduksi Noise terhadap Citra Bernoise Gaussian Noise Perbandingan Hasil Reduksi Noise terhadap Citra Bernoise Salt and Pepper Noise Perbandingan Hasil Deteksi Tepi Terhadap Citra Asli Perbandingan Hasil Deteksi Tepi Terhadap Citra Hasil Filtering dari Gausssian Noise dengan Probabilitas Berbeda Perbandingan Hasil Deteksi Tepi Terhadap Citra Hasil Filtering dari Salt-Pepper Noise dengan Probabilitas Berbeda Halaman

11 x Perbandingan Nilai MSE, PSNR, dan Runtime Hasil Deteksi Tepi Pada Citra Asli Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Deteksi Tepi Pada Citra Hasil Reduksi Gaussian Noise pada Citra Hasil Filtering Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Deteksi Tepi Pada Citra Hasil Reduksi Salt-Pepper Noise pada Citra Hasil Filtering Perbandingan Nilai MSE, PSNR, dan Runtime Hasil Deteksi Tepi Pada Citra Asli, Hasil Reduksi Gaussian Mean Filter dan Hasil Reduksi pada Citra Hasil Reduksi Salt-Pepper Noise

12 xi DAFTAR GAMBAR Nomor Gambar Nama Gambar Contoh Citra Biner Contoh Citra Grayscale Contoh Citra Warna Citra Bitmap (.bmp) Blok Diagram Pengolahan Citra Contoh Citra dengan Gaussian Noise Contoh Citra dengan salt and pepper noise Model Tepi Satu Dimensi Jenis Jenis Tepi Proses Deteksi Tepi Contoh Deteksi Tepi Sobel Contoh Deteksi Tepi Prewitt Contoh Deteksi Tepi Robert Ishikawa Diagram Use Case Diagram Activity Diagram filtering Activity Diagram Deteksi Tepi Sequence Diagram Flowchart sistem secara umum Form Cover Form Menu Filtering Form Menu Deteksi Tepi Form Home Form filtering Form Deteksi Tepi Form Help Form About Proses Filtering dengan Geometric Mean Filter Proses Deteksi Tepi Operator Sobel, Prewitt dan Robert pada Form Deteksi Tepi Hasil Pengujian Deteksi Tepi Pada Citra Asli Hasil Pengujian Deteksi Tepi Pada Citra Hasil Filtering dengan Gaussian Noise Hasil Pengujian Deteksi Tepi Pada Citra Hasil Filtering dengan Salt-Pepper Noise Perbandingan Nilai MSE pada Deteksi Tepi Citra Asli, Citra Hasil Filtering dengan Gaussian Noise dan Citra Hasil Filtering dengan Salt-Pepper Noise Perbandingan Nilai PSNR pada Deteksi Tepi Citra Asli, Citra Hasil Filtering dengan Gaussian Noise dan Citra Hasil Filtering dengan Salt-Pepper Noise Perbandingan Nilai Running Time pada Deteksi Halaman

13 Tepi Citra Asli, Citra Hasil Filtering dengan Gaussian Noise dan Citra Hasil Filtering dengan Salt-Pepper Noise xii