IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI FANNY FAIRINA N 101401088 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer FANNY FAIRINA N 101401088 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
PERSETUJUAN Judul : IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Kategori : SKRIPSI Nama : FANNY FAIRINA N Nomor Induk Mahasiswa : 101401088 Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Diluluskan di Medan, Juli 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Maya Silvi Lydia, B.Sc.,M.Sc Dr. Poltak Sihombing, M.Kom NIP 197401272002122001 NIP 196203171991031001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP 196203171991031001
PERNYATAAN IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Juli 2014 Fanny Fairina N 101401088
PENGHARGAAN Puji dan syukur penulis panjatkan kepada Allah SWT atas nikmat dan karunia-nya sehingga penulis dapat menyelesaikan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi,. Ucapan terima kasih penulis sampaikan kepada : 1. Bapak Prof.Dr.dr.Syahril Pasaribu, DTM&H, MSc(CTM), Sp.A(K) selaku Rektor 2. Bapak Prof.Dr.Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, 3. Bapak Dr.Poltak Sihombing, M.Kom, selaku ketua Program studi S1 Ilmu Komputer dan dosen pembimbing I yang telah memberikan masukan dalam menyelesaikan skripsi ini 4. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Sekretaris Program studi S1 Ilmu Komputer dan dosen pembimbing II yang telah memberikan masukan dalam menyelesaikan skripsi ini 5. Bapak Drs. Marihat Situmorang, M.Kom, selaku dosen penguji I yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini 6. Bapak Jos Timanta Tarigan, M.Sc, selaku dosen penguji II yang memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini 7. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI USU 8. Ayah saya Iklanuddin, SE, Ibu saya Yetty B. Pardede S.Pd, Abang saya Fajar Ferdian Nugraha, S.Kom dan Adik saya Febby Faudina Nestia yang selalu memberikan dukungan dan bantuan kepada penulis dalam menyelesaikan skripsi ini 9. Teman-teman kuliah saya khususnya C8, Liza, Nisa, Uswah, Wita, kak Din, Aul, kak Nana, bang Ane, Berr dan tim di IKLC yang memberi inspirasi dan semangat kepada penulis.
10. Dan yang terkhusus Sobirin, yang selalu memberi dukungan dan motivasi kepada penulis dalam menyelesaikan skripsi ini. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulias menerima kritik dan saran yang membangun agar dapat menyempurnakan skripsi ini. Dan semoga Allah memberikan nikmat dan karunia kepada seluruh pihak yang membantu penulis dalam menyelesaikan skripsi ini Medan, Juli 2014 Penulis
ABSTRAK Noise pada citra digital dapat berupa Specklenoise, Uniformnoise dan noise yang memang sudah ada dari proses akuisisi citra. Salah satu cara mereduksi noise tersebut adalah dengan menggunakan teknik filtering. Adapun metode filtering yang digunakan penulis untuk mereduksi noise adalah metode Midpointfilter dan Yp Meanfilter. Midpointfilter merupakan metode filter yang menekankan pada nilai ratarata intensitas piksel terbesar dan terkecil kernel sedangkan Yp Meanfilter, metode filter yang menekankan pada rata-rata seluruh intensitas piksel. Kedua metode tersebut bekerja pada domain spasial nonlinier. Citra digital yang diinputkan berformat.bmp dan citra hasil reduksi metode Midpointfilter dan Yp Meanfilter dapat disimpan dengan format.bmp. Implementasi sistem menggunakan bahasa pemrograman MatLab 2012. Hasil yang diperoleh dari proses reduksi noise adalah metode Yp Meanfilter merupakan metode yang paling baik dalam mereduksi Speckle dan Uniformnoise, hal itu dibuktikan dengan nilai MSE yang lebih kecil, nilai PSNR yang lebih besar dan nilai runtime proses yang lebih singkat dibanding metode Midpointfilter. Sedangkan pada citra yang sudah memiliki noise yang berasal dari proses akuisisi citra kedua metode ini dapat mengurangi tampilan noise, namun citra terlihat agak kabur. Kata kunci : Citra, Midpoint filter, Yp Mean filter, Speckle noise, Uniform noise, MSE, PSNR
IMPLEMENTATION AND COMPARISON OF MIDPOINT FILTER AND Yp MEAN FILTER TO REDUCE NOISE ON DIGITAL IMAGE ABSTRACT Noiseon digital image can be a Speckle noise, Uniform noise and the noise that appears on digital image from the image acquisition. One of the way to reduce the noise is use filtering method. The method that used to reduce noise were Midpoint filter and Yp Mean filter. The Midpoint is the method which use mean of the biggest and the smallest pixel of the kernel but Yp Mean filter use the mean of the square of all pixel on the kernel. Both of the filter are processed in the nonlinier spatial domain. The image s format that input to this system is.bmp and the reduction image that saved as.bmp. System is implemented by using MatLab 2012. The result from the noise reduction is Yp Mean filter is better than Midpoint filter to reduce noise, that shown the result of the MSE is lower, the PSNR is higher and the runtime process is faster than the Midoint filter. But for noisy image that get from the acquisition process, both of the method can reduce the noise, but the image became blurred. Keyword : Digital image, Midpoint filter, Yp Mean filter, Speckle noise, Uniform noise, MSE, PSNR
DAFTAR ISI Halaman Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar isi Daftar Tabel Daftar Gambar ii iii iv vi vii viii x xi Bab I Pendahuluan 1.1 Latar Belakang 1 1.2 Perumusan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 2 1.5 Manfaat Penelitian 2 1.6 Metodologi Penelitian 3 1.7 Sistematika penulisan 3 Bab II Landasan Teori 2.1 Citra digital 2.1.1 Pengertian citra digital 5 2.1.2 Jenis citra 5 2.1.2.1 Citra biner 6 2.1.2.2 Citra grayscale 6 2.1.2.3 Citra Warna 7 2.1.3 Format file citra 7 2.1.3.1 Bitmap 7 2.2 Pengolahan citra digital 8 2.2.1 Restorasi citra 8 2.2.2 Filter Spasial 8 2.2.3 Midpoint filter 9 2.2.4 Yp Mean filter 10 2.2.5 Noise 11 2.2.5.1 Uniform noise 11 2.2.5.2 Speckle noise 12 2.3 Penilaian kinerja restorasi citra 13 2.3.1 MSE 13 2.3.2 PSNR 13 Bab III Analisis dan Perancangan sistem 3.1 Analisis sistem 14 3.1.1 Analisis Permasalahan 14
3.1.2 Analisis kebutuhan 15 3.1.2.1 Kebutuhan fungsional 15 3.1.2.2 Kebutuhan nonfungsional 16 3.1.3 Analisis Proses 16 3.1.3.1 Use Case diagram 17 3.1.3.2 Activity diagram 18 3.1.3.3 Sequence diagram 21 3.1.3.4 Pseudocode program 23 3.1.3.4.1 Pseudocode Midpoint filter 23 3.1.3.4.2 Pseudocode Yp Mean filter 24 3.1.3.4.3 Pseudocode Speckle noise 24 3.1.3.4.4 Pseudocode Uniform noise 25 3.1.3.4.5 Pseudocode MSE 25 3.1.3.4.6 Pseudocode PSNR 26 3.2 Perancangan sistem 26 3.2.1 Perancangan Flowchart 26 3.2.2 Perancangan Interface 28 3.2.2.1 Rancangan interface form utama 28 3.2.2.2 Rancangan interface form proses filter dengan citra yang dibangkitkan noise 29 3.2.2.3 Rancangan interface form proses filter dengan citra yang sudah memiliki noise 30 3.2.2.4 Rancangan interface form About 31 3.2.2.5 Rancangan interface form Help 32 Bab IV Implementasi dan Pengujian 4.1 Implementasi 33 4.1.1 Form Utama 33 4.1.2 Form Proses filter dengan citra yang dibangkitkan noise 34 4.1.3 Form proses filter dengan citra yang sudah memiliki noise 34 4.1.4 Form Help 35 4.1.5 Form About 36 4.2 Pengujian 36 4.2.1 Proses filter dengan citra yang dibangkitkan noise 36 4.2.2 Proses filter dengan citra yang sudah memiliki noise 37 4.2.3 Hasil pengujian metode Midpoint filter dan Yp Mean filter dalam mereduksi noise 38 Bab V Kesimpulan dan Saran 5.1 Kesimpulan 55 5.2 Saran 56 Daftar Pustaka 57
DAFTAR GAMBAR Nomor Keterangan Halaman gambar 2.1 Citra Biner 6 2.2 Citra Grayscale 6 2.3 Citra warna 7 2.4 Ilustrasi Midpoint filter 9 2.5 Ilustrasi Yp Mean filter 10 2.6 a Citra asli 12 2.6 b Citra dengan Uniform noise 12 2.7 a Citra asli 12 2.7 b Citra dengan Uniform noise 12 3.1 Diagram Ishikawa 15 3.2 Use case diagram sistem 18 3.3 Activity diagram proses filter dengan citra yang 19 dibangkitkan noise 3.4 Activity diagram proses filter dengan citra yang sudah 20 memiliki noise 3.5 Sequence diagram proses filter dengan citra yang 21 dibangkitkan noise 3.6 Sequence diagram proses filter dengan citra yang 22 dibangkitkan noise 3.7 Pseudocode Midpoint filter 23 3.8 Pseudocode Yp Mean filter 24 3.9 Pseudocode Speckle noise 25 3.10 Pseudocode Uniform noise 25 3.11 Pseudocode MSE 26 3.12 Pseudocode PSNR 26 3.13 Flowchart sistem 27 3.14 Perancangan interface form utama 28 3.15 Perancangan interface form proses filter dengan citra 29 yang dibangkitkan noise 3.16 Perancangan interface form proses filter dengan citra 30 yang sudah memiliki noise 3.17 Perancangan interface form About 31 3.18 Perancangan interface form Help 32 4.1 Form Utama 33 4.2 Form proses filter dengan citra yang dibangkitkan noise 34 4.3 Form proses filter dengan citra yang sudah memiliki 35 noise 4.4 Form Help 35 4.5 Form About 36
4.6 Proses pengujian filter untuk citra yang dibangkitkan noise 4.7 Proses pengujian filter untuk citra yang sudah memiliki noise 37 38
DAFTAR TABEL Nomor tabel Keterangan Halaman 3.1 Keterangan gambar form utama 28 3.2 Keterangan form proses filter dengan citra yang dibangkitkan noise 29 3.3 Keterangan form proses filter dengan citra yang sudah memiliki noise 31 3.4 Keterangan gambar form about 32 3.5 Keterangan gambar form Help 32 4.1 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam 39 mereduksi citra yang dibangkitkan speckle noise 4.2 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam 43 mereduksi citra yang dibangkitkan Uniform noise 4.3 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam 49 mereduksi citra yang sudah memiliki noise 4.4 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan 51 Yp Mean filter dalam mereduksi Speckle noise pada citra Dog.bmp dengan ukuran dimensi 225 x 225 4.5 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan 51 Yp Mean filter dalam mereduksi Speckle noise pada citra Eagle.bmp dengan ukuran dimensi 500 x 500 4.6 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan 52 Yp Mean filter dalam mereduksi Speckle noise pada citra Fuji.bmp dengan ukuran dimensi 1024 x 768 4.7 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan 52 Yp Mean filter dalam mereduksi Uniform noise pada citra Dog.bmp dengan ukuran dimensi 225 x 225 4.8 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan 53 Yp Mean filter dalam mereduksi Uniform noise pada citra Eagle.bmp dengan ukuran dimensi 500 x 500 4.9 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan Yp Mean filter dalam mereduksi Uniform noise pada citra Fuji.bmp dengan ukuran dimensi 1024 x 768 54