IMPLEMENTASI DAN PERBANDINGAN METODE GEOMETRIC MEAN FILTER DAN ALPHA-TRIMMED MEAN FILTER UNTUK MEREDUKSI EXPONENTIAL NOISE PADA CITRA DIGITAL SKRIPSI AULIZA NANDA NASUTION 101401010 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
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 101401010 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
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 : 101401010 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. 197510082008011011 NIP. 197401272002121001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 196203171991031001
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. 101401010
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.
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. 101401010
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).
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. 0.01 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).
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 1 1.2. Rumusan Masalah 3 1.3. Batasan Masalah 3 1.4. Tujuan Penelitian 4 1.5. Manfaat Penelitian 4 1.6. Metode Penelitian 4 1.7. Sistematika Penulisan 5 BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital 6 2.2. Pengolahan Citra Digital 7 2.3. Jenis-jenis Citra Digital 7 2.3.1. Citra biner 8 2.3.2. Citra grayscale 8 2.3.3. Citra warna 8 2.4. Noise 8 2.4.1. Pengertian noise 8 2.4.2. Exponential noise 9 2.5. Restorasi Citra 10 2.5.1. Geometric mean filter 11
2.5.2. Alpha-trimmed mean filter 12 2.6. Pengukuran Kinerja Restorasi Citra 13 2.6.1. Mean squared error (MSE) 13 2.6.2. Peak signal-to-noise ratio (PSNR) 14 2.7. Relevansi Penelitian 14 BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem 16 3.1.1. Diagram Ishikawa 16 3.1.2. Analisis fungsional 17 3.1.2.1. Analisis masukan 17 3.1.2.2. Analisis keluaran 17 3.1.2.3. Proses membaca nilai piksel 18 3.1.2.4. Proses penambahan noise 18 3.1.2.5. Konvolusi matriks citra metode geometric mean filter 19 3.1.2.6. Konvolusi matriks citra metode alpha-trimmed mean 20 filter 3.1.2.7. Proses menghitung nilai MSE 21 3.1.2.8. Proses menghitung nilai PSNR 22 3.1.3. Analisis non fungsional 23 3.2. Perancangan Sistem 23 3.2.1. Unified Modeling Language (UML) 23 3.2.1.1. Use case diagram 24 3.2.1.2. Activity diagram 27 3.2.1.3. Sequence diagram 30 3.2.2. Pseudocode 33 3.2.3. Flowchart sistem 37 3.2.4. Perancangan antarmuka 40 3.2.4.1. Form menu utama 40 3.2.4.2. Form reduction undefined noise + exponential noise 41 3.2.4.3. Form reduction exponential noise 43 3.2.4.4. Form help 45 3.2.4.5. Form about 46
BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi Sistem 47 4.1.1. Spesifikasi perangkat keras 47 4.1.2. Spesifikasi perangkat lunak 47 4.2. Tampilan Antarmuka 48 4.2.1. Tampilan form menu utama 48 4.2.2. Tampilan form reduction undefined noise + exponential noise 48 4.2.3. Tampilan form reduction exponential noise 49 4.2.4. Tampilan form help 50 4.2.5. Tampilan form about 51 4.3. Pengujian Sistem 51 4.3.1. Pengujian black box 52 4.3.1.1. Rencana pengujian 52 4.3.1.2. Kasus dan hasil pengujian alpha 52 4.3.1.3. Kesimpulan hasil pengujian alpha 53 4.3.1.4. Kasus dan hasil pengujian betha 54 4.3.1.5. Kesimpulan hasil pengujian betha 54 4.3.2. Pengujian reduction undefined noise + exponential noise 52 4.3.3. Pengujian reduction exponential noise 61 4.4. Hasil Pengujian 63 4.4.1. Hasil pengujian reduction undefined noise + exponential 63 noise 4.4.2. Hasil pengujian reduction exponential noise 70 4.4.3. Perbandingan metode geometric mean filter dan alpha- 78 trimmed mean filter BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan 89 5.2. Saran 91 Daftar Pustaka 92
DAFTAR TABEL Hal. 3.1 Spesifikasi Use Case Reduction Undefined Noise + Exponential noise 25 3.2 Spesifikasi Use Case Reduction Exponential Noise 26 4.1 Rencana Pengujian 52 4.2 Pengujian Hasil Input Citra oleh User 52 4.3 Pengujian Hasil Citra dengan Noise 53 4.4 Pengujian Hasil Proses Filter 53 4.5 Hasil Kuisoner 54 4.6 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
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
DAFTAR GAMBAR Hal. 2.1 Posisi Letak Piksel 7 2.2 Blok Diagram Pengolahan Citra 7 2.3 Citra dengan Exponential Noise 9 2.4 Grafik Exponential Noise 10 2.5 Contoh Noise Eksponensial Negatif 10 2.6 Contoh Noise Filtering 11 2.7 Piksel Citra Awal 11 2.8 Piksel Citra Hasil 12 2.9 Piksel Awal 13 2.10 Hasil Filter dengan d = 1 13 3.1 Diagram Ishikawa Permasalahan 16 3.2 Representasi Piksel Pada Citra 18 3.3 Matriks Citra dengan Penambahan Noise 18 3.4 Matriks Citra Pada Blok 1 19 3.5 Matriks Citra Blok 1 Hasil Reduksi Metode Geometric Mean Filter 19 3.6 Matriks Blok Citra 1 Sebelum Digeser 19 3.7 Matriks Blok Citra 1 Setelah Digeser 20 3.8 Matriks Citra Pada Blok 1 20 3.9 Matriks Citra Blok 1 Hasil Reduksi Metode Alpha-Trimmed Mean Filter 21 3.10 Matriks Citra Sebelum Reduksi Noise 21 3.11 Matriks Citra Setelah Reduksi Noise 22 3.12 Use Case Diagram Sistem 24 3.13 Activity Diagram Reduction Undefined Noise + Exponential Noise 28 3.14 Activity Diagram Reduction Exponential Noise 29 3.15 Sequence Diagram Reduction Undefined Noise + Exponential Noise 31 3.16 Sequence Diagram Exponential Noise 32 3.17 Flowchart Metode Geometric Mean Filter 38 3.18 Flowchart Metode Alpha-Trimmed Mean Filter 39
3.19 Rancangan Form Menu Utama 40 3.20 Rancangan Form Reduction Undefined Noise + Exponential Noise 41 3.21 Rancangan Form Reduction Exponential Noise 43 3.22 Rancangan Form Help 45 3.23 Rancangan Form About 46 4.1 Tampilan Menu Utama 48 4.2 Tampilan Reduction Undefined Noise + Exponential Noise 49 4.3 Tampilan Reduction Exponential Noise 49 4.4 Tampilan Menu Help 50 4.5 Tampilan Menu About 51 4.6 Hasil Pemilihan Citra Bernoise 55 4.7 Hasil Generate Noise dengan Probabilitas 0.01 56 4.8 Peringatan Bila Probabilitas Belum Dipilih 56 4.9 Processing Bar Tombol Reduce Noise 56 4.10 Hasil Reduce Noise 57 4.11 Proses Menyimpan Citra Hasil Reduksi 57 4.12 Peringatan File Berhasil Disimpan 58 4.13 Help Dialog Apabila Nilai d Belum Dipilih 58 4.14 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 0 59 4.15 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 1 59 4.16 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 8 60 4.17 Dialog Box Kembali Ke Menu Utama 60 4.18 Hasil Reduksi Noise Metode Geometric Mean Filter 61 4.19 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 0 62 4.20 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 1 62 4.21 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 8 63 4.22 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
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
DAFTAR LAMPIRAN Hal. Lampiran A Listing Program A-1