implementasi metode kombinasi mean filter dan median filter untuk

IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN
MEDIAN FILTER UNTUK MEREDUKSI GAUSSIAN NOISE,
SALT AND PEPPER NOISE, SPECKLE NOISE, DAN
EXPONENTIAL NOISE PADA CITRA DIGITAL
SKRIPSI
AZHAR FADILLAH
101401093
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN MEDIAN
FILTER UNTUK MEREDUKSI GAUSSIAN NOISE, SALT AND
PEPPER NOISE, SPECKLE NOISE, DAN EXPONENTIAL
NOISE PADA CITRA DIGITAL
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana
Ilmu Komputer
AZHAR FADILLAH
101401093
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
ii
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: IMPLEMENTASI METODE KOMBINASI MEAN
FILTER DAN MEDIAN FILTER UNTUK
MEREDUKSI GAUSSIAN NOISE, SALT AND PEPPER
NOISE, SPECKLE NOISE, DAN EXPONENTIAL
NOISE PADA CITRA DIGITAL
: SKRIPSI
: AZHAR FADILLAH
: 101401093
: SARJANA (S1) ILMU KOMPUTER
: ILMU KOMPUTER
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, September 2014
Komisi Pembimbing
:
Pembimbing 2
Dian Rachmawati,S.Si,M.Kom
NIP. 198307232009122004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Pembimbing 1
Maya Silvi Lydia, B.Sc, M.Sc
NIP. 197401272002122001
iii
PERNYATAAN
IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN MEDIAN
FILTER UNTUK MEREDUKSI GAUSSIAN NOISE, SALT AND
PEPPER NOISE, SPECKLE NOISE, DAN EXPONENTIAL
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,
September 2014
Azhar Fadillah
101401093
iv
PENGHARGAAN
Puji dan syukur ke hadirat Allah SWT, yang hanya dengan rahmat dan izin-Nya
penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh
gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu
Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada:
1.
Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara.
2.
Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara dan Dosen Pembimbing 1.
3.
Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing 2.
4.
Bapak Syahriol Sitorus, S.Si, MIT dan Ibu Dian Wirdasari, S.Si, M.Kom selaku
Dosen Pembanding.
5.
Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara, seluruh tenaga pengajar dan pegawai di Program
Studi S1 Ilmu Komputer Fasilkom-TI USU.
6.
Ayahanda Abdul Rahim dan Ibunda Pujiati, serta adik-adik saya Alm. Ilham
Iranda, Tri Satria dan Siti Umaimah yang selalu memberikan kasih sayang dan
dukungannya kepada penulis.
7.
Rekan-rekan kuliah, khususnya mahasiswa S1 Ilmu Komputer stambuk 2010
yang selalu memberikan semangat dan dorongan kepada penulis selama
menyelesaikan skripsi ini.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah
memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan
skripsi ini. Akhirnya, semoga skripsi ini bermanfaat bagi pribadi, keluarga,
masyarakat, organisasi dan negara.
Medan,
September 2014
Penulis
v
ABSTRAK
Penggunaan citra sebagai bentuk informasi saat ini semakin meningkat. Kualitas citra
yang buruk dapat mengurangi informasi yang terkandung pada citra. Misalnya citra
tersebut mengandung noise sehingga informasi yang terkandung pada citra menjadi
tidak jelas. Noise pada citra digital dapat berupa Gaussian Noise, Salt and Pepper
Noise, Speckle Noise, dan Exponential Noise. Salah satu mekanisme yang digunakan
untuk mengurangi noise adalah filtering. Metode Mean Filter dan Median Filter
merupakan metode yang sangat bagus dalam mereduksi berbagai macam jenis noise
jika dibandingkan dengan metode filtering lainnya. Penelitian ini mengkombinasikan
kedua metode tersebut dan melakukan implementasi perbandingan antara kombinasi
dari Mean Filter dan Median Filter dengan Mean Filter atau pun Median Filter untuk
mereduksi Gaussian Noise, Salt and Pepper Noise, Speckle Noise, dan Exponential
Noise. Implementasi sistem menggunakan MATLAB R2012b. Hasil dari penelitan ini
diperoleh bahwa citra hasil kombinasi Mean Filter dan Median Filter lebih baik untuk
mereduksi Gaussian Noise dan Exponential Noise, dengan nilai rata-rata MSE=485,2
dan rata-rata PSNR=21,28db pada Gaussian Noise dan rata-rata nilai MSE=1340,87
serta rata-rata PSNR=17,73db untuk Exponential Noise dibandingkan dengan citra
hasil Mean Filter atau pun Median Filter. Citra hasil kombinasi Mean Filter dan
Median Filter juga lebih baik untuk mereduksi Salt and Pepper Noise dan Speckle
Noise dari pada citra hasil Median Filter. Namun citra hasil Mean Filter lebih baik
dari citra hasil kombinasi Mean Filter dan Median Filter untuk mereduksi Salt and
Pepper Noise dan Speckle Noise, dengan nilai rata-rata MSE=4451,28 dan rata-rata
PSNR=12,1db pada Salt and Pepper Noise dan rata-rata nilai MSE=2354,19 serta
rata-rata PSNR=14,81db untuk Speckle Noise.
Kata kunci : Mean Filter, Median Filter, Kombinasi Mean Filter dan Median Filter,
Gaussian Noise, Salt and Pepper Noise, Speckle Noise, Exponential Noise
vi
IMPLEMENTATION MEAN FILTER AND MEDIAN FILTER COMBINATION
METHOD TO REDUCE GAUSSIAN NOISE, SALT AND PEPPER NOISE,
SPECKLE NOISE, AND EXPONENTIAL NOISE ON DIGITAL IMAGE
ABSTRACT
Nowadays, the use of image as form of information is currently increasing. Poor
quality of image can reduce its information contained in image. For example, the
image contains noise so the information that contained in the image are not clear.
Noise on the digital image can be either Gaussian noise, Salt and Pepper Noise,
Speckle Noise, and Exponential Noise. One of the mechanisms used to reduce the
noise is filtering. Mean Filter method and Median Filter method are a very good
method to reduce various types of noise when compared with other filtering methods.
This research combines that two methods and make comparisons between the
combination of Mean Filter and Median Filter between with Mean Filter or Median
Filter to reduce Gaussian noise, Salt and Pepper Noise, Speckle Noise, and
Exponential Noise. Implementation of this system using MATLAB R2012b. The
results of this research showed that image result of combination Mean Filter and
Median Filter method is better to reduce Gaussian noise and Exponential Noise, with
the average value of MSE = 485,2 and the average PSNR = 21,28db on Gaussian
noise and the average value of MSE = 1340.87 and the average PSNR = 17,73db on
Exponential Noise, that compared with the image result of Mean filter or Median
filter. The Mean Filter and Median Filter combination method image result also better
to reduce Salt and Pepper Noise and Speckle Noise than the Median Filter image
results. But the image result of the Mean Filter is better than the image of the
combination of Mean Filter and Median Filter method to reduce Salt and Pepper
Noise and Speckle Noise, with the average value of MSE = 4451.28 and the average
PSNR = 12,1db on Salt and Pepper Noise and average MSE = 2354.19 and the
average PSNR = 14,81db on Speckle Noise.
Keywords: Mean Filter, Median Filter, The Combination of Mean Filter and Median
Filter, Gaussian Noise, Salt and Pepper Noise, Speckle Noise, Exponential Noise
vii
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Daftar Lampiran
Bab I Pendahuluan
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1.7 Sistematika Penulisan
Bab II Landasan Teori
2.1 Citra
2.2 Citra Digital
2.2.1 Jenis Citra
2.2.1.1 Citra Biner
2.2.1.2 Citra Grayscale
2.2.1.3 Citra RGB
2.2.2 Citra Bitmap
2.2.3 Pixel (Picture Elements)
2.3 Noise
2.3.1 Gaussian Noise
2.3.2 Salt And Pepper Noise
2.3.3 Speckle Noise
2.3.4 Exponential Noise
2.4 Filtering
2.4.1 Mean Filter
ii
iii
iv
v
vi
vii
x
xii
xiv
1
3
3
3
4
4
5
6
6
7
7
8
8
9
10
10
11
11
11
11
12
12
viii
2.4.2 Median Filter
2.4.3 Metode Kombinasi Mean Filter dan Median Filter
2.5 Mean Square Error (MSE)
2.6 Peak Signal To Noise Ratio (PSNR)
2.7 Penelitian yang Relevan
Bab III Analisis dan Perancangan
3.1 Analisis Sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan
3.1.2.1 Persyaratan Fungsional
3.1.2.2 Persyaratan Nonfungsional
3.1.3 Analisis Proses
3.1.3.1 Use Case Diagram
3.1.3.2 Squence Diagram
3.1.3.3 Actifity Diagram
3.1.3.4 Flowchart Sistem
3.2 Pseudocode Program
3.2.1 Pseudocode Gaussian Noise
3.2.2 Pseudocode Salt and Pepper Noise
3.2.3 Pseudocode Speckle Noise
3.2.4 Pseudocode Exponential Noise
3.2.5 Pseudocode Mean Filter
3.2.6 Pseudocode Median Filter
3.2.7 Pseudocode Kombinasi Mean Filter dan Median Filter
3.2.8 Pseudocode MSE
3.2.9 Pseudocode PSNR
3.3 Perancangan Sistem
3.3.1 Form Home
3.3.2 Form Implementasi
3.3.3 Form Perbandingan
3.3.4 Form About
3.3.5 Form Help
Bab IV Implementasi dan Pengujian
4.1 Implementasi
4.1.1 Form Home
4.1.2 Form Implementasi
4.1.3 Form Perbandingan
4.1.4 Form About
4.1.5 Form Help
4.2 Pengujian
4.2.1 Pengujian Form Implementasi
4.2.1.1 Proses Generate Noise pada Form Implementasi
4.2.1.2 Proses Kombinasi Mean dan Median Filter pada Form
Implementasi
4.2.2 Pengujian Form Perbandingan
14
15
17
18
19
21
21
22
22
23
23
24
25
26
28
29
29
30
30
31
31
33
34
35
35
36
36
37
40
41
42
44
44
45
46
46
47
48
48
50
51
52
ix
4.2.2.1 Proses Generate Noise pada Form Perbandingan
4.2.2.2 Proses Mean Filtering Pada Form Perbandingan
4.2.2.3 Proses Median Filtering Pada Form Perbandingan
4.2.2.4 Proses Kombinasi Mean dan Median Filtering Pada Form
Perbandingan
4.3 Hasil Pengujian
4.3.1 Hasil Pengujian Form Implementasi
4.3.2 HasilPengujian Form Perbandingan
53
54
55
56
57
57
66
Bab V Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
77
78
Daftar Pustaka
79
x
DAFTAR TABEL
Halaman
Tabel 3.1
Tabel 3.2
Tabel 3.3
Tabel 3.4
Tabel 3.5
Tabel 4.1
Keterangan Gambar Rancangan Interface Form Home
Keterangan Gambar Rancangan Interface Form Implementasi
Keterangan Gambar Rancangan Interface Form Perbandingan
Keterangan Gambar Rancangan Interface Form About
Keterangan Gambar Rancangan Interface Form Help
Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
10%
Tabel 4.2 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
20%
Tabel 4.3 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
30%
Tabel 4.4 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
40%
Tabel 4.5 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Gaussian Noise
Tabel 4.6 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Salt and Pepper Noise
Tabel 4.7 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Speckle Noise
Tabel 4.8 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Exponential Noise
Tabel 4.9 Perbandingan Hasil Filtering Terhadap Citra ber-noise Gaussian
dengan Probabilitas Berbeda
Tabel 4.10 Perbandingan Hasil Filtering Terhadap Citra ber-noise Salt and
Pepper dengan Probabilitas Berbeda
Tabel 4.11 Perbandingan Hasil Filtering Terhadap Citra ber-noise Speckle
dengan Probabilitas Berbeda
Tabel 4.12 Perbandingan Hasil Filtering Terhadap Citra ber-noise Exponential
dengan Probabilitas Berbeda
Tabel 4.13 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Gaussian Noise
Tabel 4.14 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Median Filtering Terhadap Gaussian Noise
37
37
40
42
43
58
59
61
62
64
64
65
65
66
68
69
71
72
73
xi
Tabel 4.15 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Gaussian Noise
Tabel 4.16 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Salt and Pepper
Noise
Tabel 4.17 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Median Filtering Terhadap Salt and Pepper
Noise
Tabel 4.18 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Salt and Pepper Noise
Tabel 4.19 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Speckle Noise
Tabel 4.20 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Median Filtering Terhadap Speckle Noise
Tabel 4.21 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Speckle Noise
Tabel 4.22 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Mean Filtering Terhadap Exponential Noise
Tabel 4.23 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Median Filtering Terhadap Exponential
Noise
Tabel 4.24 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil
Reduksi Noise dengan Kombinasi Mean dan Median Filtering
Terhadap Exponential Noise
73
74
74
75
75
75
76
76
77
77
xii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Citra Biner
Gambar 2.2 Contoh Citra Grayscale
Gambar 2.3 Contoh Citra RGB
Gambar 2.4 fadil.bmp
Gambar 2.5 (a) Citra asli, (b) Gaussian Noise, (c) Salt and Pepper Noise, (d)
Speckle Noise dan (e) Exponential Noise
Gambar 2.6 Pemilihan kernel 3x3 dan Operasi Mean Filter
Gambar 2.7 Penempatan hasil Mean Filter Untuk Kernel 3x3 Pertama
Gambar 2.8 Pemilihan kernel 3x3 dan Operasi Median Filter
Gambar 2.9 Penempatan hasil Median Filter Untuk Kernel 3x3 Pertama
Gambar 2.10 Pemilihan kernel 3x3 dan Operasi Metode Kombinasi Mean
Filter dan Median Filter
Gambar 2.11 Penempatan Hasil Kombinasi Metode Mean Filter dan Median
Filter Untuk Kernel 3x3 Pertama
Gambar 3.1 Diagram Ishikawa
Gambar 3.2 Use Case Diagram Sistem
Gambar 3.3 Squence Diagram Tahap Pertama
Gambar 3.4 Squence Diagram Tahap Kedua
Gambar 3.5 Actifity Diagram
Gambar 3.6 Flowchart Sistem
Gambar 3.7 Pseudocode Gaussian Noise
Gambar 3.8 Pseudocode Salt And Pepper Noise
Gambar 3.9 Pseudocode Speckle Noise
Gambar 3.10 Pseudocode Exponential Noise
Gambar 3.11 Pseudocode Mean Filter
Gambar 3.12 Pseudocode Median Filter
Gambar 3.13 Pseudocode Kombinasi dari Mean Filter dan Median Filter
Gambar 3.14 Pseudocode MSE
Gambar 3.15 Pseudocode PSNR
Gambar 3.16 Rancangan Interface Form Home
Gambar 3.17 Rancangan Interface Form Implementasi
Gambar 3.18 Rancangan Interface Form Perbandingan
Gambar 3.19 Rancangan Interface Form About
Gambar 3.20 Rancangan Interface Form Help
Gambar 4.1 Form Home
Gambar 4.2 Form Implementasi
Gambar 4.3 Form Perbandingan
Gambar 4.4 Form About
Gambar 4.5 Form Help
Gambar 4.6 mister_azhar.bmp
Gambar 4.7 Tampilan Proses Input File Citra pada Form Implementasi
7
8
9
10
12
13
13
14
15
16
17
22
24
25
26
27
28
29
30
30
31
32
33
34
35
35
36
37
40
42
43
45
45
46
47
47
48
49
xiii
Gambar 4.8 Tampilan Proses Generate Noise pada Form Implementasi
Gambar 4.9 Tampilan Proses Kombinasi Mean Filter dan Median Filter pada
Form Implementasi
Gambar 4.10 Tampilan Proses Input Citra pada Form Perbandingan
Gambar 4.11 Citra Hasil Input-an Tampil
Gambar 4.12 Tampilan Proses Generate Noise pada Form Perbandingan
Gambar 4.13 Tampilan Proses Mean Filtering pada Form Perbandingan
Gambar 4.14 Tampilan Proses Median Filtering pada Form Perbandingan
Gambar 4.15 Tampilan Proses Kombinasi dari Mean Filter dan Median Filter
pada Form Perbandingan
50
51
52
53
54
55
56
57
xiv
DAFTAR LAMPIRAN
Halaman
A. Listing Program
B. Curriculum Vitae
A-1
B-1