IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL SKRIPSI

Transkripsi

1 IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL SKRIPSI AULIZA NANDA NASUTION PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

2 IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer AULIZA NANDA NASUTION PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 PERSETUJUAN Judul Kategori Nama : IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA- TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL : SKRIPSI : AULIZA NANDA NASUTION Nomor Induk Mahasiswa : Program Studi Fakultas : SARJANA (S1) ILMU KOMPUTER : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 15 Juli 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 M. Andri Budiman, S.T., M.Comp.Sc, MEM Maya Silvi Lydia, B.Sc, M.Sc NIP NIP Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP

4 PERNYATAAN IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL SKRIPSI Saya menyatakan bahwa skripsi ini hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 15 Juli 2014 Auliza Nanda Nasution NIM

5 PENGHARGAAN Puji syukur kehadirat Allah SWT atas segala rahmat dan karunia-nya sehingga penulis dapat menyelesaikan skripsi ini dalam waktu yang telah ditentukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Serta shalawat dan salam penulis hadiahkan kepada Nabi Besar Muhammad SAW. Dengan selesainya tugas akhir ini, penulis mengucapkan terima kasih kepada : 1. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu Komputer. 2. Ibu Maya Silvi Lydia, B.Sc, M.Sc sebagai dosen pembimbing 1 dan Sekretaris Program Studi Ilmu Komputer, dan Bapak Mohammad Andri Budiman, S.T., M.Comp.Sc, MEM sebagai dosen pembimbing 2 yang telah meluangkan waktu, tenaga, dan pikiran serta dalam membimbing, memotivasi, dan menyemangati penulis agar dapat menyelesaikan skripsi ini. 3. Bapak Syahriol Sitorus, S.Si, MIT sebagai dosen penguji 1 dan Ibu Dian Rachmawati, S.Si, M.Kom sebagai dosen penguji 2 yang telah memberikan kritik serta saran yang membangun untuk penyelesaian skripsi ini. 4. Dekan, Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, dan staf pegawai di program studi S1 Ilmu Komputer USU. 5. Orangtua tercinta Ayahanda Syaiful Bahri Nasution dan Ibunda Satinah yang telah memberikan kasih sayang, doa, semangat serta dukungan moril dan materil. 6. Keluarga tercinta kakak Ifna Riski Nasution dan adik penulis Ahmad Syafriza Nasution, Elsa Fadillah Nasution, dan Ashilla Fitri Nasution serta keluarga besar penulis yang selalu membuat hari-hari begitu berarti.

6 7. Pahri Zuhri, Amd.Sos, yang selalu memberikan dukungan, motivasi, perhatian, dan doa kepada penulis. 8. Keluarga besar Bapak M.Hendrianto, Ibu Paini, Wiji Kharisma dan Abang- Kakak. 9. Teman-teman seperjuangan mahasiswa S1 Ilmu Komputer stambuk 2010 khususnya Ca8in Corps Fanny Fairina N, Zulwita Hariyati, Annissa Fadilla, Uswatun Hasanah, Nurul Ulfah Primadini, Devina Pratiwi Halim, Aulia Akbar Harahap, dan Bernard Tarigan. 10. Adik-adik junior stambuk 2011 Annisa Olivia dan Dini Islami, serta sahabat terbaik penulis Sitti Kardina, S.Si yang telah memberikan motivasi kepada penulis. 11. Seluruh pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu persatu yang telah membantu penulis dalam menyelesaikan skripsi ini. Penulis menyadari bahwa masih banyak kekurangan maupun kesalahan dalam penulisan skripsi ini. Oleh karena itu penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Akhir kata, semoga skripsi ini dapat bermanfaat bagi penulis dan pembaca, khususnya rekan-rekan mahasiswa/i lainnya yang mengikuti perkuliahan di Universitas Sumatera Utara. Terima Kasih. Medan, 15 Juli 2014 Auliza Nanda Nasution NIM

7 ABSTRAK Pada citra digital sering kali terdapat beberapa gangguan yang dinamakan noise. Jenis noise seperti laser yang ada pada citra digital dinamakan exponential noise. Noise ini biasa terjadi akibat adanya efek pencahayaan yang tidak merata maupun kontras citra yang terlalu tinggi ataupun yang terlalu rendah. Dengan adanya noise dapat menyebabkan informasi yang ada pada citra menjadi berkurang dan sulit untuk diinterpretasikan. Filtering merupakan teknik untuk mereduksi noise. Metode yang akan digunakan untuk mereduksi noise yaitu geometric mean filter dan alpha-trimmed mean filter. Probabilitas noise yang diberikan yaitu 0.01 sampai 0.05 pada tiap kelompok citra. Hasil penelitian pada reduksi undefined noise ditambah exponential noise maupun pada reduksi hanya exponential noise menunjukkan nilai MSE lebih kecil dan nilai PSNR lebih besar selalu berada pada metode alpha-trimmed mean filter khusus untuk d = 0 dan d = 1. Namun untuk pengujian reduksi hanya exponential noise selalu memiliki nilai MSE lebih kecil dan nilai PSNR lebih besar daripada pengujian reduksi undefined noise ditambah exponential noise. Maka dapat disimpulkan bahwa metode alpha-trimmed mean filter untuk d = 0 dan d = 1 lebih baik untuk melakukan reduksi noise, dan pengujian untuk reduksi exponential noise lebih baik daripada pengujian untuk reduksi noise bebas ditambah exponential noise. Kata kunci : Geometric mean filter, Alpha-trimmed mean filter, Citra digital, Exponential noise, Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR).

8 IMPLEMENTATION AND COMPARISON OF GEOMETRIC MEAN FILTER AND ALPHA-TRIMMED MEAN FILTER TO REDUCE EXPONENTIAL NOISE IN DIGITAL IMAGES ABSTRACT On digital image there are often several disturbance that are called noise. This type of noise which is like a laser on the digital image is called exponential noise. This noise is common due to uneven lighting effects as well as the contrast of an image that is too high or too low. The presence of noise, can cause the information in the image being reduced and difficult to interpret. Filtering is a technique to reduce noise. The method to be used for the noise reduction are geometric mean filter and alphatrimmed mean filter. The probability of a given noise i.e up to 0.05 for every image group. Research is results on the reduction of undefined noise and exponential noise as well as the reduction of exponential noise only show the value of MSE which is smaller and the value of PSNR is bigger always in the method alpha-trimmed mean filters exclusively for d = 0 and d = 1. However, reduction of exponential noise has smaller value of MSE and the value of PSNR is bigger than reduction of undefined noise and exponential noise. Hence it can be inferred that alpha-trimmed mean filters for d = 0 and d = 1 is better to do the reduction of noise, and reduction of exponential noise only is better than reduction undefined noise and exponential noise. Keywords: Geometric mean filter, Alpha-trimmed mean filter, Digital image, Exponential noise, Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR).

9 Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Daftar Lampiran DAFTAR ISI Hal. ii iii iv vi vii viii xi xiii xvi BAB 1 PENDAHULUAN 1.1. Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metode Penelitian Sistematika Penulisan 5 BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Pengolahan Citra Digital Jenis-jenis Citra Digital Citra biner Citra grayscale Citra warna Noise Pengertian noise Exponential noise Restorasi Citra Geometric mean filter 11

10 Alpha-trimmed mean filter Pengukuran Kinerja Restorasi Citra Mean squared error (MSE) Peak signal-to-noise ratio (PSNR) Relevansi Penelitian 14 BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem Diagram Ishikawa Analisis fungsional Analisis masukan Analisis keluaran Proses membaca nilai piksel Proses penambahan noise Konvolusi matriks citra metode geometric mean filter Konvolusi matriks citra metode alpha-trimmed mean 20 filter Proses menghitung nilai MSE Proses menghitung nilai PSNR Analisis non fungsional Perancangan Sistem Unified Modeling Language (UML) Use case diagram Activity diagram Sequence diagram Pseudocode Flowchart sistem Perancangan antarmuka Form menu utama Form reduction undefined noise + exponential noise Form reduction exponential noise Form help Form about 46

11 BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi Sistem Spesifikasi perangkat keras Spesifikasi perangkat lunak Tampilan Antarmuka Tampilan form menu utama Tampilan form reduction undefined noise + exponential noise Tampilan form reduction exponential noise Tampilan form help Tampilan form about Pengujian Sistem Pengujian black box Rencana pengujian Kasus dan hasil pengujian alpha Kesimpulan hasil pengujian alpha Kasus dan hasil pengujian betha Kesimpulan hasil pengujian betha Pengujian reduction undefined noise + exponential noise Pengujian reduction exponential noise Hasil Pengujian Hasil pengujian reduction undefined noise + exponential 63 noise Hasil pengujian reduction exponential noise Perbandingan metode geometric mean filter dan alpha- 78 trimmed mean filter BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan Saran 91 Daftar Pustaka 92

12 DAFTAR TABEL Hal. 3.1 Spesifikasi Use Case Reduction Undefined Noise + Exponential noise Spesifikasi Use Case Reduction Exponential Noise Rencana Pengujian Pengujian Hasil Input Citra oleh User Pengujian Hasil Citra dengan Noise Pengujian Hasil Proses Filter Hasil Kuisoner Hasil Reduksi Noise pada Citra Berkontras Gelap dengan Metode 65 Geometric Mean Filter 4.7 Hasil Reduksi Noise pada Citra Berkontras Gelap dengan Metode Alpha- 66 Trimmed Mean Filter 4.8 Hasil Reduksi Noise pada Citra Berkontras Terang dengan Metode 67 Geometric Mean Filter 4.9 Hasil Reduksi Noise pada Citra Berkontras Terang dengan Metode Alpha- 68 Trimmed Mean Filter 4.10 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode 69 Geometric Mean Filter 4.11 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode Alpha- 70 Trimmed Mean Filter 4.12 Hasil Reduksi Noise pada Citra Berkontras Gelap dengan Metode 72 Geometric Mean Filter 4.13 Hasil Reduksi Noise pada Citra Berkontras Gelap dengan Metode Alpha- 73 Trimmed Mean Filter 4.14 Hasil Reduksi Noise pada Citra Berkontras Terang dengan Metode 74 Geometric Mean Filter 4.15 Hasil Reduksi Noise pada Citra Berkontras Terang dengan Metode Alpha- 75 Trimmed Mean Filter

13 4.16 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode 76 Geometric Mean Filter 4.17 Hasil Reduksi Noise pada Citra Beragam Warna dengan Metode Alpha- 77 Trimmed Mean Filter 4.18 Perbandingan MSE Metode GMF dan ATMF untuk Reduksi Undefined 79 Berkontras Gelap 4.19 Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi Undefined 79 Berkontras Gelap 4.20 Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi Undefined 80 Berkontras Gelap 4.21 Perbandingan MSE Metode GMF dan ATMF untuk Reduksi Undefined 80 Berkontras Terang 4.22 Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi Undefined 81 Berkontras Terang 4.23 Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi Undefined 81 Berkontras Terang 4.24 Perbandingan MSE Metode GMF dan ATMF untuk Reduksi Undefined 82 Beragam Warna 4.25 Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi Undefined 82 Beragam Warna 4.26 Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi Undefined 83 Beragam Warna

14 DAFTAR GAMBAR Hal. 2.1 Posisi Letak Piksel Blok Diagram Pengolahan Citra Citra dengan Exponential Noise Grafik Exponential Noise Contoh Noise Eksponensial Negatif Contoh Noise Filtering Piksel Citra Awal Piksel Citra Hasil Piksel Awal Hasil Filter dengan d = Diagram Ishikawa Permasalahan Representasi Piksel Pada Citra Matriks Citra dengan Penambahan Noise Matriks Citra Pada Blok Matriks Citra Blok 1 Hasil Reduksi Metode Geometric Mean Filter Matriks Blok Citra 1 Sebelum Digeser Matriks Blok Citra 1 Setelah Digeser Matriks Citra Pada Blok Matriks Citra Blok 1 Hasil Reduksi Metode Alpha-Trimmed Mean Filter Matriks Citra Sebelum Reduksi Noise Matriks Citra Setelah Reduksi Noise Use Case Diagram Sistem Activity Diagram Reduction Undefined Noise + Exponential Noise Activity Diagram Reduction Exponential Noise Sequence Diagram Reduction Undefined Noise + Exponential Noise Sequence Diagram Exponential Noise Flowchart Metode Geometric Mean Filter Flowchart Metode Alpha-Trimmed Mean Filter 39

15 3.19 Rancangan Form Menu Utama Rancangan Form Reduction Undefined Noise + Exponential Noise Rancangan Form Reduction Exponential Noise Rancangan Form Help Rancangan Form About Tampilan Menu Utama Tampilan Reduction Undefined Noise + Exponential Noise Tampilan Reduction Exponential Noise Tampilan Menu Help Tampilan Menu About Hasil Pemilihan Citra Bernoise Hasil Generate Noise dengan Probabilitas Peringatan Bila Probabilitas Belum Dipilih Processing Bar Tombol Reduce Noise Hasil Reduce Noise Proses Menyimpan Citra Hasil Reduksi Peringatan File Berhasil Disimpan Help Dialog Apabila Nilai d Belum Dipilih Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = Dialog Box Kembali Ke Menu Utama Hasil Reduksi Noise Metode Geometric Mean Filter Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = Grafik Perbandingan MSE Metode GMF dan ATMF untuk Reduksi 84 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Gelap 4.23 Grafik Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi 84 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Gelap 4.24 Grafik Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi 85

16 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Gelap 4.25 Grafik Perbandingan MSE Metode GMF dan ATMF untuk Reduksi 85 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Terang 4.26 Grafik Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi 86 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Terang 4.27 Grafik Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi 86 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Berkontras Terang 4.28 Grafik Perbandingan MSE Metode GMF dan ATMF untuk Reduksi 87 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Beragam Warna 4.29 Grafik Perbandingan PSNR Metode GMF dan ATMF untuk Reduksi 87 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Beragam Warna 4.30 Grafik Perbandingan Runtime Metode GMF dan ATMF untuk Reduksi 88 Undefined Noise + Exponential Noise dengan Reduksi Exponential Noise pada Citra Beragam Warna

17 DAFTAR LAMPIRAN Hal. Lampiran A Listing Program A-1