PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING SKRIPSI RUTH MEYLINA MANIK 111401141 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer RUTH MEYLINA MANIK 111401141 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
ii PERSETUJUAN Judul : PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING Kategori : SKRIPSI Nama : RUTH MEYLINA MANIK Nomor Induk Mahasiswa : 111401141 Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Diluluskan di Medan, Agustus 2015 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dian Rachmawati, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom NIP 198307232009122004 NIP 196203171991031001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP 196203171991031001
iii PERNYATAAN PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Agustus 2015 Ruth Meylina Manik 111401141
iv PENGHARGAAN Puji dan syukur kepada Tuhan Yang Maha Esa atas berkat 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, Universitas Sumatera Utara. Penulis ingin menyampaikan ucapan terimakasih kepada : 1. Bapak Prof. Subhilhar, Ph.D selaku Pejabat 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 dan juga selaku dosen pembimbing I yang telah memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini. 4. Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen pembimbing II yang telah memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini. 5. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku dosen penguji II yang memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini. 6. Bapak Amer Sharif, S.Si, M.Kom, 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. Orang tua penulis Purn. Ipda Manimbul Manik dan Anna Pininta Dahlia, S.Pd. yang selalu menjadi penyemangat penulis dan selalu memberikan dukungan yang sangat luar biasa di dalam setiap doanya untuk penulis dalam menyelesaikan skripsi ini. 9. Abang penulis Daniel Frans Maulana Manik, adik penulis Grace Agustrina Manik dan Venny Kartika Manik yang selalu memberikan dukungan, doa dan hiburan kepada penulis dalam menyelesaikan skripsi.
v 10. Opung Lordup dan Opung Toba, Tulang/Nantulang Lady, Tulang/Nantulang Tesya, Tulang/Nantulang Hotman, Tulang/Nantulang Josua dan Tulang/Nantulang Evan yang selalu mendukung dan menyemangati penulis dalam menyelesaikan skripsi ini. 11. Sahabat penulis Chindy Cahtrina Barus, Magdalena Siregar, Witty Sinaga yang selalu mendukung menyemangati penulis dalam menyelesaikan skripsi ini. 12. Jonathan Simamora atas dukungan dan semangat kepada penulis selama proses penyelesaian skripsi ini. 13. Teman-teman kuliah penulis stambuk 2011, Nurhayati, Ita, Tifany, Fildzah, Syafura, Nurkholijah, Anandhini, Agita, Martina, Ivana, Shahira, Annisa, Abidah, Rifai, Steven, Sandy, Adit, Henry, Tanta, Cholik, Nihe, Ridho, Edi, Andrio, Simon, Fernandes, Edwin, Johan, Afif, Hanafi yang selalu menyemangati penulis terkhusus kepada Farid Akbar Siregar dan Agung Putu Yoga yang membantu dan mendukung penulis dalam menyelesaikan skripsi ini. 14. Teman-teman Beswan Djarum 29 Medan Tere, Dita, Sai, Dea, Ius, Dana, Darman, Josiah, Acid, Cherry, dan Nicho yang selalu memberi semangat dan menjadi penyemangat penulis dalam berjuang. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulis menerima kritik dan saran yang membangun untuk menyempurnakan skripsi ini. Dan semoga Tuhan Yang Maha Esa memberikan berkat dan karunia kepada seluruh pihak yang membantu penulis dalam menyelesaikan skripsi ini Medan, Agustus 2015 Penulis
vi ABSTRAK Pendeteksian tepi sebuah citra adalah bagian dari pengolahan citra. Pendeteksian tepi pada citra berguna untuk mencirikan sebuah informasi atau citra. Kualitas citra dan garis deteksi tepi dari hasil pendeteksian tepi terhadap sebuah citra sangatlah diperlukan, terlebih kepada citra yang telah rusak dan yang telah mengalami penurunan kualitas. Penurunan kualitas citra contohnya ialah noise yang terdapat pada citra, dimana penurunan kualitas oleh noise ini disebabkan oleh gangguan pada teknik pengambilan citra. Pada citra digital, noise yang sering ditemukan adalah Gaussian noise dan Salt and Pepper noise. Akibat adanya noise pada citra, noise tersebut menyebabkan hasil pendeteksian tepi yang kurang bagus ataupun kurang memenuhi standard dari kualitas pendeteksian tepi sebuah citra. Maka dari itu, dilakukan penelitian untuk mendeteksi tepi citra dari citra yang telah memiliki noise dengan operator Laplacian of Gaussian. Pada operator ini terdapat metode Gaussian smoothing yang berguna untuk memperhalus noise. Tetapi, citra yang halus belum tentu baik untuk dideteksi tepi. Maka dari itu, penelitian ini melakukan pengkombinasian operator deteksi tepi Laplacian of Gaussian dengan metode High Boost filtering. Kemudian penelitian ini membandingkan hasil citra deteksi tepi antara Laplacian of Gaussian dengan Laplacian of Gaussian kombinasi High Boost filtering. Citra hasil deteksi tepi terbaik dibandingkan berdasarkan parameter Mean Square Error (MSE ) yang bernilai paling kecil, Peak Signal to-noise Ratio (PSNR) yang bernilai paling besar dan kualitas struktur garis tepi. Perbandingan dengan parameter nilai MSE, PSNR dan kualitas struktur garis tepi, maka didapat hasil bahwa pendeteksian tepi menggunakan operator Laplacian of Gaussian kombinasi High Boost filtering lebih baik dengan nilai MSE terkecil yaitu, 28096,5 dan nilai PSNR terbesar yaitu, 0,36864 db. Kata kunci : Deteksi tepi, Laplacian of Gaussian (LoG), High Boost Filtering, Gaussian Noise, Salt and Pepper Noise
vii THE COMPARISON BETWEEN THE RESULT OF EDGE DETECTION BY THE LAPLACIAN OF GAUSSIAN WITH LAPLACIAN OF GAUSSIAN COMBINATION OF HIGH BOOST FILTERING ABSTRACT Edge detection of an image is a part of the image processing. Edge detection on the image useful to characterize an information or images. Image quality and edge detection line quality of edge detection result to an image is necessary, especially to the image that has been damaged and who have experienced loss of quality. The example of image quality degradation is noise contained in the image, where a decrease in the quality of the noise is caused by disturbances in the image-making techniques. In the digital image, the noise that is often found is Gaussian noise and Salt and Pepper noise. Due to the noise in the image, the noise causes the edge detection result is less good or less meet the standards of the quality of an image edge detection. Therefore, an examination to detect the image edge of the image already has noise with Laplacian of Gaussian operator. At this operator, there is Gaussian smoothing method that useful to soften the noise. However, a smooth image is not necessarily good for the detected edge. Therefore, this study did the combination of edge detection operator Laplacian of Gaussian with High Boost filtering method. Then, this study compared the results of image edge detection between Laplacian of Gaussian Laplacian of Gaussian combination with High Boost filtering. Image edge detection best results were compared based on the parameters Mean Square Error (MSE) is worth at least a small, Peak Signal to-noise Ratio (PSNR) is the largest and most valuable qualities edge line structure. Comparison with the parameter value of MSE, PSNR and quality of the structure borders, then the examination got the result that the operator Laplacian of Gaussian edge detection using a combination filtering High Boost better with smallest MSE value is, 28096.5 and the largest PSNR value is, 0.36864 db. Keyword : Edge Detection, Laplacian of Gaussian, High Boost Filtering, Gaussian Noise, Salt and Pepper Noise
viii DAFTAR ISI Halaman Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar isi Daftar Gambar Daftar Tabel ii iii iv vi vii viii x xii Bab 1 Pendahuluan 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 3 1.6 Metodologi Penelitian 4 1.7 Sistematika penulisan 5 Bab 2 Landasan Teori 2.1 Citra 6 2.2 Citra Digital 6 2.2.1 Jenis Citra Digital 8 2.3 Citra Bitmap 9 2.4 Perngolahan Citra 10 2.4.1 Operasi Pengolahan Citra 11 2.5 Pendeteksian Tepi 12 2.5.1 Metode-metode dalam Deteksi Tepi 15 2.5.2 Operator Laplacian of Gaussian (LoG) 16 2.6 Derau (Noise) 18 2.7 Peningkatan Kualitas Citra (Image Enhancement) 20 2.7.1. Filter Spasial (Spatial Filter) 20 2.7.1.1 Filter Pelolos Rendah (Low Pass Filter) 20 2.7.1.2 Filter Pelolos Tinggi (High Pass Filter) 21 2.7.1.3 High Boost Filter 22 2.8 Perbaikan Citra (Image Restoration) 23 2.9 MSE dan PSNR 23 Bab 3 Analisis dan Perancangan sistem 3.1 Analisis sistem 25 3.1.1 Analisis Masalah 25 3.1.2 Analisis Persyaratan 26 3.1.2.1 Persyaratan Fungsional 26
ix 3.1.2.2 Persyaratan Non-Fungsional 27 3.1.3 Analisis Proses 28 3.2 Pemodelan 28 3.2.1 Use Case Diagram 28 3.2.2 Sequence Diagram 33 3.2.3 Activity Diagram 34 3.3 Pseudocode Program 35 3.3.1 Pseudocode Gaussian Noise 35 3.3.2 Pseudocode Salt and Pepper Noise 35 3.3.3 Pseudocode Laplacian of Gaussian 36 3.3.4 Pseudocode High Boost Filtering 36 3.3.5 Pseudocode Menghitung nilai MSE dan PSNR 37 3.4 Perancangan sistem 38 3.4.1 Flowchart Sistem 37 3.4.2 Perancangan Antarmuka (Interface) 40 3.4.2.1 Form Home 40 3.4.2.2 Form Menu Pengujian 41 3.4.2.3 Form Menu Hasil 42 3.4.2.4 Form Menu Help 43 3.4.2.5 Form Menu About 44 Bab 4 Implementasi dan Pengujian Sistem 4.1 Implementasi Sistem 46 4.1.1 Form Home 46 4.1.2 Form Pengujian 47 4.1.3 Form Hasil 49 4.1.4 Form Help 50 4.1.5 Form About 50 4.2 Pengujian 51 4.2.1 Pengujian Laplacian of Gaussian 51 4.2.2 Pengujian Laplacian of Gaussian kombinasi High Boost Filter 55 4.3 Hasil Pengujian 57 4.3.1 Hasil Pengujian Laplacian of Gaussian terhadap Gaussian Noise 57 4.3.2 Hasil Pengujian Laplacian of Gaussian terhadap Salt and Pepper Noise 60 4.3.3 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost Filtering terhadap Gaussian Noise 64 4.3.4 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost Filtering terhadap Salt and Pepper Noise 66 4.3.5 Hasil Perbandingan Operator Laplacian of Gaussian dengan Laplacian of Gaussian Kombinasi High Boost Filtering 69 Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 74 5.2 Saran 75 Daftar Pustaka 76 Listing Program 78 Curriculum Vitae 97
x DAFTAR GAMBAR Nomor gambar Keterangan Halaman 2.1 Sistem koordinat citra 8 2.2 Citra biner 8 2.3 Citra abu-abu (grayscale) 9 2.4 Citra warna atau (RGB) 10 2.5 Citra bitmap (bunga.bmp) 10 2.6 Tahapan dalam Pengolahan Citra 10 2.7 Model Tepi Satu Dimensi 13 2.8 Jenis-jenis Tepi 14 2.9 Proses Deteksi Tepi Citra 15 2.10 Proses deteksi tepi metode LoG 18 2.11 gaussian noise (A) dan salt and pepper noise (B) 19 2.12 Peningkatan kualitas citra 20 2.13 Perbaikan citra 23 3.1 Diagram Ishikawa 26 3.2 Use Case Diagram 29 3.3 Sequence Diagram 33 3.4 Activity Diagram 34 3.5 Flowchart sistem secara umum 38 3.6 Flowchart Laplacian of Gaussian 38 3.7 Flowchart High Boost Filtering 39 3.8 Flowchart MSE dan PSNR 39 3.9 Form Home 40 3.10 Form Menu Pengujian 41 3.11 Form Menu Hasil 42 3.12 Form Menu Help 44 3.13 Form Menu About 44 4.1 Form Home 46 4.2 Form Menu Pengujian 47 4.3 Form Simulasi Pengujian 47 4.4 Form Hasil 48 4.5 Form Simulasi Hasil 48 4.6 Form Help 49 4.7 Form About 49 4.8 Pilih menu Pengujian 50 4.9 Browse citra *.bmp pada file direktori 51 4.10 Citra input-an yang ditampilkan oleh sistem 52 4.11 Citra dengan Gaussian Noise (probabilitas 30%) 52 4.12 Citra dengan Salt and Pepper Noise (probabilitas 30%) 53 4.13 Citra hasil deteksi tepi operator Laplacian of Gaussian (Gaussian Noise 30%) 53
xi 4.14 Citra hasil deteksi tepi operator Laplacian of Gaussian (Salt 54 and Pepper Noise 30%) 4.15 Citra hasil deteksi tepi operator Laplacian of Gaussian 55 kombinasi High Boost Filtering dengan nilai A = 1 (Gaussian Noise 30%) 4.16 Citra hasil deteksi tepi operator Laplacian of Gaussian 55 kombinasi High Boost Filtering dengan nilai A = 1 (Salt and Pepper Noise 30%) 4.17 Tampilan form hasil yang telah di-input citra 56 4.18 Grafik perbandingan nilai MSE pada Gaussian Noise 70 4.19 Grafik perbandingan nilai MSE pada Salt and Pepper Noise 70 4.20 Grafik perbandingan nilai PSNR pada Gaussian Noise 71 4.21 Grafik perbandingan nilai PSNR pada Salt and Pepper Noise 71
xii DAFTAR TABEL Nomor Keterangan Halaman tabel 3.1 Dokumentasi Naratif Use Case Home 29 3.2 Dokumentasi Naratif Use Case Pengujian 30 3.3 Dokumentasi Naratif Use Case Hasil 31 3.4 Dokumentasi Naratif Use Case Help 32 3.5 Dokumentasi Naratif Use Case About 32 3.6 Pseudocode Gaussian Noise 35 3.7 Pseudocode Salt and Pepper Noise 35 3.8 Pseudocode Laplacian of Gaussian 36 3.9 Pseudocode High Boost Filtering 36 3.10 Pseudocode nilai MSE dan PSNR 37 4.1 Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra 57 Ber-noise Gaussian 4.2 Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi 59 Laplacian of Gaussian terhadap citra ber-noise Gaussian 4.3 Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra 59 Ber-noise Salt and Pepper 4.4 Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi 61 Laplacian of Gaussian terhadap citra ber-noise Gaussian 4.5 Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High 62 Boost Filtering Terhadap Citra Ber-noise Gaussian 4.6 Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi 64 Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise Gaussian 4.7 Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High 65 Boost Filtering Terhadap Citra Ber-noise Salt and Pepper 4.8 Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi 68 Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise Salt and Pepper 4.9 Perbandingan nilai rata-rata MSE, PSNR, dan running time 72 4.10 Perbandingan kualitas struktur garis tepi citra hasil deteksi tepi 73