IMPLEMENTASI DAN PERBANDINGAN METODE HARMONIC- MEAN FILTER DAN CONTRAHARMONIC MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI AMALIA CHAIRY 101401085 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
IMPLEMENTASI DAN PERBANDINGAN METODE HARMONIC- MEAN FILTER DAN CONTRAHARMONIC MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai Ijazah Sarjana Komputer AMALIA CHAIRY 101401085 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
ii PERSETUJUAN Judul : IMPLEMENTASI DAN PERBANDINGAN METODE HARMONIC-MEAN FILTER DAN CONTRAHARMONIC-MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Kategori : SKRIPSI Nama : AMALIA CHAIRY Nomor Induk Mahasiswa : 101401085 Program Studi : SARJANA(S1) ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (Fasilkom-TI) Komisi Pembimbing: Dosen Pembimbing II Dosen Pembimbing I Dian Rachmawati,S.Si,M.Kom Drs.Marihat Situmorang, M.Kom NIP. 19830723 200912 2 004 NIP.19631214 198903 1 001 Diketahui/Disetujui oleh Program Studi S1 IlmuKomputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 19620317 199102 1 001
iii PERNYATAAN IMPLEMENTASI DAN PERBANDINGAN METODE HARMONIC-MEAN FILTER DAN CONTRAHARMONIC-MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, 1 Juli 2014 Amalia Chairy 101401085
iv PENGHARGAAN Puji syukur kehadirat Allah SWT yang telah memberikan Rahmat dan Hidayah kepada penulis 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,. Dalam penulisan ini tidak lupa penulis mengucapkan terima kasih kepada pihak-pihak yang telah banyak memberi motivasi hingga pada akhirnya penulis mampu menyelesaikan tugas akhir ini dengan baik. Oleh karena itu penulis mengucapkan banyak terima kasih kepada : 1. Allah SWT segala puji bagi-nya yang kalau sudah Berkehendak cukup bagi-nya mengatakan jadi(kun) maka jadilah(fayakun).sholawat dan salam untuk Nabi Muhammad SAW agar menjadi do a supaya semua bisa tetap istiqomah. 2. Ayahanda H.Arman Danus,SE dan Ibunda Hj.Riswita, S.Si yang menjadi motivasi penulis untuk sukses dan selalu memberikan dukungan baik materi maupun non-materi,perhatian serta doa tanpa henti kepada penulis. 3. Bapak Prof.Dr.dr. Syahril Pasaribu, DTM&H, MSc(CTM), Sp.A(K) selaku Rektor. 4. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi. 5. Bapak Dr.Poltak Sihombing,M.Kom selaku Ketua Program Studi S1 Ilmu Komputer. 6. Ibu Maya Silvi Lydia,B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer. 7. Bapak Drs.Marihat Situmorang, M.Kom selaku Dosen Pembimbing I yang telah banyak meluangkan waktunya dalam memberikan masukkanmasukkan kepada penulis. 8. Ibu Dian Rachmawati,S.Si,M.Kom selaku Dosen Pembimbing I yang telah banyak meluangkan waktunya dalam memberikan masukkanmasukkan kepada penulis. 9. Bapak Muhammad Andri Budiman, S.T.,M.Comp.Sc.,M.E.M selaku dosen Penguji I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 10. Bapak Romi Fadillah Rahmat,B.Comp.Sc,M.Sc selaku dosen Penguji II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 11. Semua dosen serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom- TI USU.
v 12. Abangda tercinta Aulia Ardy, S.Kom, M.Kom, Adik tercinta Andria Sufy, dan Annisa Zuhdy yang selalu mendoakan penulis. 13. Abang Mahadi Zikry Arnanda, S.Kom dan Kakak Riri Indriati Purba, S.Kom yang selalu memberikan saran serta motivasi dalam penulisan tugas akhir ini kepada penulis. 14. Abang Mukhammad Bagus Muslim, S.Kom yang selalu memberikan semangat motivasi dalam penulisan tugas akhir ini kepada penulis. 15. Sahabat tercintaku Muza Selvia Lingga dan Nurbaya Mentari Rambe, yang selalu memberikan semangat kepada penulis. 16. Sahabat tercintaku Nurul Nasution,Poppy Tania,Andhika Fajar,Lorent,dan Timothy yang selalu memberikan semangat kepada penulis. 17. Teman-teman KOMDIS 2010 (Nurhennida,Azizah,Dhamdham,Sunfirst,Westhyma,Lennora,Helen,Novri,Uun,Aulia,Yayang,Samsul, Aditya,Tetti,Reni) yang telah memberikan semangat kepada penulis. 18. Teman-teman Stambuk 2010 (Kom-A&B) yang telah memberikan semangat kepada penulis. 19. Teman-teman pengurus KPLI-Medan, RTIK-Sumut, IKLC dan IMILKOM yang telah memberikan semangat kepada penulis. Penulis menyadari bahwa penulisan tugas akhir ini masih banyak keterbatasan dan kekurangan seperti pepatah Tak ada akar yang tak lapuk. Untuk itu kritik serta saran yang sifatnya membangun sangat penulis harapkan.akhirnya penulis ucapkan semoga tugas akhir ini dapat berguna bagi pembaca dan bagi penulis khususnya. Medan, 1 Juli 2014 Penulis
vi ABSTRAK Noise Salt-and-Pepper dan noise Speckle adalah noise yang sering ada dijumpai pada citra digital. Citra yang memiliki noise biasanya terjadi karena kesalahan tehnik pengambilan citra. Untuk mereduksi noise dibutuhkan suatu metode filter yang tepat agar citra yang dihasilkan sesuai dengan aslinya. Metode Harmonic Mean Filter dan Contra-Harmonic Mean Filter adalah salah satu metode filter untuk mereduksi sebuah noise. Dari hasil perhitungan rata-rata Mean Square Error (MSE) dan Peak Signal to-noise Ratio (PSNR) maka dapat disimpulkan metode Harmonic Mean Filter lebih baik mereduksi salt & pepper noise, sedangkan metode Contra-Harmonic Mean Filter lebih baik mereduksi speckle noise dengan nilai order filter(q) adalah nol(q=0). Kata kunci : Pengolahan Citra, Harmonic Mean Filter, Contra-Harmonic Mean Filter, Mean Square Error (MSE), Peak Signal to-noise Ratio (PSNR).
vii IMPLEMENTATION AND COMPARISON OF HARMONIC MEAN FILTER AND CONTRA HARMONIC MEAN FILTER METHODS TO REDUCE NOISE IN DIGITAL IMAGES ABSTRACT Salt-and-Pepper and Speckle noise are two kinds of noise usually found in digital images and occur due to errors in image acquisition technique. To reduce noise we need a proper filter method so that the real image restored. Harmonic mean-filter method and Contra - harmonic mean filter are two method to reduce noise. From the calculation of the average Mean Square Error (MSE) and Peak Signal to-noise Ratio (PSNR) it can be concluded that Harmonic Mean Filter method is better to reduce salt & pepper noise. if the method of Contra-Harmonic Mean Filter is better to reduce Speckle noise the value of the order filter (Q) is zero (Q = 0). Keyword : Image Processing, Harmonic Mean Filter, Contra-Harmonic Mean Filter, Mean Square Error (MSE), Peak Signal to-noise Ratio (PSNR).
viii DAFTAR ISI PERSETUJUAN... ii PERNYATAAN... iii PENGHARGAAN... iv ABSTRAK... vi ABSTRACT... vii DAFTAR ISI... viii DAFTAR TABEL... xi DAFTAR GAMBAR... xii BAB 1 PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah... 2 1.4 Tujuan Penelitian... 3 1.5 Manfaat Penelitian... 3 1.6 Metodologi Penelitian... 3 1.7 Sistematika Penulisan... 3 BAB 2 TINJAUAN PUSTAKA... 5 2.1 Pengertian Citra... 5 2.1.1 Citra Analog... 5 2.1.2 Citra Digital... 6 2.2 Jenis-jenis Citra Digital... 7 2.3 Pengolahan Citra... 8 2.4 Aspek Perngolahan Citra... 8 2.5 Citra digital berformat bitmap(.bmp)... 10 2.6 Warna... 10 2.6.1 Red,Green, and Blue(RGB)... 11 2.6.2 Hue,Saturation, and Value(HSV)... 12 2.6.3 Hue,Saturation, and Lightness(HSL)... 13 2.6.4 Cyan Magenta Yellow Key(CMYK)... 13 2.7 Perbaikan Citra(Image Restoration)... 14 2.8 Noise... 16 2.8.1 Salt & Pepper Noise... 17 2.8.2 Speckle Noise... 17 2.9 NonLinier Filters... 18 2.9.1 Kernel... 18 2.9.2 Harmonic Mean Filter... 19 2.9.3 Contra-Harmonic Mean Filter... 20
ix 2.10 MSE,RMSE dan PSNR... 22 BAB 3 ANALISIS DAN PERANCANGAN SISTEM... 24 3.1 Analisis Sistem... 24 3.1.1 Analisis Masalah... 24 3.1.2 Analisis Persyaratan... 25 3.1.2.1 Persyaratan Fungsional... 25 3.1.2.2 Persyaratan Non-Fungsional... 26 3.1.3 Analisis Proses... 26 3.2 Pemodelan... 27 3.2.1 Use Case Diagram... 27 3.2.2 Sequence Diagram... 31 3.2.3 Activity Diagram... 31 3.3 Pseudocode... 34 3.3.1 Pseudocode Harmonic Mean Filter... 34 3.3.2 Pseudocode Contra-Harmonic Mean Filter... 35 3.3.3 Pseudocode Menghitung nilai MSE,RMSE dan PSNR... 36 3.4 Perancangan Sistem... 37 3.4.1 Flowchart Sistem... 37 3.4.2 Perancangan Antar Muka (Interface)... 41 3.4.2.1 Form Awal... 41 3.4.2.2 Form Menu Harmonic Mean Filter... 42 3.4.2.3 Form Menu Contra-Harmonic Mean Filter... 44 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM... 47 4.1 Implementasi Sistem... 47 4.1.1 Form Menu Awal... 47 4.1.2 Form Harmonic Mean-Filter... 48 4.1.3 Form Contra- Harmonic Mean-Filter... 49 4.1.4 Form Help... 50 4.2 Pengujian... 51 4.2.1 Pengujian Harmonic Mean-Filter... 51 4.2.1.1 Pengujian salt & pepper noise terhadap ukuran citra dan masing- masing kernel pada Harmonic Mean Filter... 52 4.2.1.2 Pengujian Speckle noise terhadap ukuran citra dan masing-masing kernel pada Harmonic Mean Filter... 57 4.2.2 Pengujian Contra-Harmonic Mean-Filter... 63 4.2.2.1 Pengujian salt & pepper noise terhadap ukuran citra dan masing- masing kernel pada Contra-Harmonic Mean Filter... 64 4.2.2.2 Pengujian Speckle noise terhadap ukuran citra dan masing-masing kernel pada Contra-Harmonic Mean Filter... 70
x 4.2.3 Pengujian Black Box... 77 4.2.3.1 Rencana Pengujian... 77 4.2.3.2 Kasus dan Hasil Pengujian Alpha... 77 4.2.3.3 Kesimpulan Hasil Pengujian Alpha... 78 4.2.3.4 Kesimpulan Hasil Pengujian Betha... 78 BAB 5 KESIMPULAN DAN SARAN... 80 Kesimpulan... 80 Saran... 81 DAFTAR PUSTAKA LAMPIRAN
xi DAFTAR TABEL Tabel 3.1 Dokumentasi Naratif Use Case Filter... 28 Tabel 3.2 Dokumentasi Naratif Proses Harmonic Mean Filter... 28 Tabel 3.3 Dokumentasi Naratif Use Case Contraharmonic Mean Filter... 29 Tabel 3.4 Dokumentasi Naratif Use Case HELP... 30 Tabel 4.1 Ukuran Citra 256x256 piksel, kernel 3x3 terhadap persentasi noise... 52 Tabel 4.2 Ukuran Citra 128x128 piksel, kernel 3x3 terhadap persentasi noise... 58 Tabel 4.3 Ukuran Citra 256x256 piksel, kernel 3x3 terhadap persentasi noise... 64 Tabel 4.4 Ukuran Citra 256x256 piksel, kernel 3x3 terhadap persentasi noise... 71 Tabel 4.5 Rencana Pengujian... 78 Tabel 4.6 Pengujian hasil input citra digital oleh user... 78 Tabel 4.7 Pengujian hasil filter oleh sistem... 78
xii DAFTAR GAMBAR Gambar 2.1 Citra Analog... 6 Gambar 2.2 Citra Digital... 6 Gambar 2.3 Citra Binner... 7 Gambar 2.4 Citra grayscale... 7 Gambar 2.5 Citra warna 24bit... 8 Gambar 2.6 Image Enchancement.... 9 Gambar 2.7 Image Restoration... 9 Gambar 2.8 Image Segmentation... 10 Gambar 2.9 pemandangan.bmp... 10 Gambar 2.10 Struktur Warna RGB... 11 Gambar 2.11 Model Warna HSV... 12 Gambar 2.12 Struktur Warna CMYK... 14 Gambar 2.13 Citra ber-noise... 15 Gambar 2.14 Citra Kabur (blur)... 15 Gambar 2.15 Model Proses degradasi / restorasi citra... 16 Gambar 2.16 Ilustrasi Gambar Model Proses Degradasi / Restorasi Citra... 16 Gambar 2.17 Salt & Pepper Noise... 17 Gambar 2.18 Speckle noise... 18 Gambar 2.19 (a) Citra terdegradasi dengan Salt and Pepper Noise and (b) Harmonic Mean Filter 3 x 3... 19 Gambar 2.20 (a) Citra terdegradasi Salt Noise dengan Probabilitas 0.45 (b) Contraharmonic mean filter 3 x 3 dan Q = 1.0... 22 Gambar 3.1 Diagram Ishikaw... 25 Gambar 3.2 Use Case Diagram Sistem... 27 Gambar 3.3 Sequence Diagram Proses Restorasi Citra... 31 Gambar 3.4 Activity Diagram Harmonic Mean Filter... 32 Gambar 3.5 Activity Diagram Contraharmonic Mean Filter... 33 Gambar 3.6 Flowchart Sistem Secara Umum... 38 Gambar 3.7 Proses Harmonic Mean Filter... 39 Gambar 3.8 Proses Contraharmonic Mean Filter... 40 Gambar 3.9 Form Awal... 41 Gambar 3.10 Form Menu Harmonic Mean Filter... 42 Gambar 3.11 Form Menu Contraharmonic Mean Filter... 44 Gambar 4.1 Form Awal... 47 Gambar 4.2 Form Harmonic Mean Filter... 48 Gambar 4.3 Form Simulasi Harmonic Mean Filter... 48 Gambar 4.4 Form Contra Harmonic Mean Filter... 49 Gambar 4.5 Form Simulasi Contra Harmonic Mean Filter... 50 Gambar 4.6 Form Help... 50 Gambar 4.7 Gambaran Sistem Harmonic Mean Filter... 51 Gambar 4.8 grafik sebelum dilakukan filtering... 55 Gambar 4.9 grafik sesudah dilakukan filtering menggunakan kernel 3x3... 56
xiii Gambar 4.10 grafik sesudah dilakukan filtering menggunakan kernel 5x5... 57 Gambar 4.11 grafik sebelum dilakukan filtering... 61 Gambar 4.12 grafik sesudah dilakukan filtering menggunakan kernel 3x3... 61 Gambar 4.13 grafik sesudah dilakukan filtering menggunakan kernel 5x5... 62 Gambar 4.14 Gambaran Sistem Contra-Harmonic Mean Filter... 63 Gambar 4.15 grafik sebelum dilakukan filtering... 67 Gambar 4.16 Grafik Sesudah Filtering dengan Order Filter (Q) = -1... 68 Gambar 4.17 Grafik Sesudah Filtering dengan Order Filter (Q) = 0... 69 Gambar 4.18 Grafik Sesudah Filtering dengan Order Filter (Q) = 1... 70 Gambar 4.19 grafik sebelum dilakukan filtering... 74 Gambar 4.20 Grafik Sesudah Filtering dengan Order Filter (Q) = -1... 75 Gambar 4.21 Grafik Sesudah Filtering dengan Order Filter (Q) = 0... 76 Gambar 4.22 Grafik Sesudah Filtering dengan Order Filter (Q) = 1... 77 Gambar 4.23 Grafik Kuisioner... 79