3.1.2.3. Proses membaca nilai piksel Pada citra bitmap 24-bit, setiap pikselnya mengandung 24-bit kandungan warna, dan
untuk tiap warna masing-masing terdiri dari 8-bit atau 1 byte yaitu R red, G green, dan B blue. Nilai yang terkandung tiap warna yaitu antara 0 sampai 255. Contoh
sebuah citra bitmap dengan nilai R = 00110110 biner, G = 01110111 biner, B = 01000010 biner.
3.2 Representasi Piksel Pada Citra
Citra dengan nilai RGB-nya 001101100111011101000010 = 24 bit mewakili 1 piksel dari citra tersebut. Jika jumlah bit citra tersebut adalah 1.440.000 bit, maka
jumlah piksel-nya adalah 1.440.00024 bit = 60.000 piksel. Pada penelitian ini dilakukan reduksi noise dengan ukuran kernelnya adalah 3 x 3 piksel atau dapat
dikatakan berjumlah 9 piksel, sehingga jumlah blok adalah 1.440.000 : 9 = 160.000 blok.
3.1.2.4. Proses penambahan noise Penambahan exponential noise dilakukan dengan menggunakan rumus. Noise
ditambahkan menggunakan bilangan random atau acak dengan nilai 0 sampai 255. Proses penambahan noise dapat dilihat pada gambar 3.3.
Gambar 3.3 Matriks Citra dengan Penambahan Noise
141 223 196 197 110 124
120 122 133 223 196
197 110 124 120
133
Universitas Sumatera Utara
3.1.2.5. Konvolusi matriks citra metode geometric mean filter Pada metode ini filter yang digunakan untuk mereduksi noise adalah kernel ukuran
3 x 3 dengan rumus : fˆ
�, � =
�∏
��, �
�,� ��
��
�
1 ��
………………………3.4
Semua intensitas piksel dikalikan, kemudian dipangkatkan dengan 1mn. Berikut contohnya dapat dilihat pada gambar 3.4 dan gambar 3.5.
Gambar 3.4 Matriks Citra Pada Blok 1
Hasil filter yang terbentuk = 02231961971101241200133
19
= 0
Gambar 3.5 Matriks Citra Blok 1 Hasil Reduksi Metode Geometric Mean Filter
Hal ini dilakukan terus pada tiap blok citra yang telah dibagi menjadi 9 piksel pada tiap blok citra. Penentuan blok citra 2 dan seterusnya dilakukan dengan menggeser 1
kolom ke kanan bila masih berada pada posisi baris yang sama. Berikut ilustrasinya.
Gambar 3.6 Matriks Blok Citra 1 Sebelum Digeser
223 196 197 110 124
120 133
223 196 197
124 120
133
223 196 197
124 120
133
Universitas Sumatera Utara
Gambar 3.7 Matriks Blok Citra 1 Setelah Digeser
3.1.2.6. Konvolusi matriks citra metode alpha-trimmed mean filter Pada metode ini filter yang digunakan untuk mereduksi noise adalah kernel ukuran
3 x 3 dengan rumus. Filter ini mengganti nilai sebuah piksel dengan nilai rata-rata dari dalam subimage di bawah jendela ketetanggaan ukuran mxn setelah dikurangi
nilai terkecil dan nilai terbesar, dengan rumus: fˆ
�, � =
1 ��−�
∑
�
�
�, �
�,� ��
�,�
……………..3.5
Dimana ≤ � ≤ �� − 1. Jika � = 0, filter ini bekerja seperti arithmetic
mean filter. Jika � = �� − 1, filter ini menjadi median filter. Semua intensitas
piksel pada blok 1 9 piksel diurutkan terlebih dahulu untuk mencari nilai piksel terkecil dan terbesar agar perhitungan dapat dilakukan dengan mengurangi kedua nilai
tersebut. Contoh reduksi dengan nilai � = 2 dapat dilihat pada gambar 3.8.
Gambar 3.8 Matriks Citra Pada Blok 1
Setelah diurutkan intensitas pikselnya dan dikurangi dengan intensitas terkecil dan terbesar, maka hasil perhitungan menjadi:
����� = 1
9 − 2 �
0 + 110 + 120 + 124 + 133 + 196 + 197 = 1
7 � 880
= 125,71 = 126 223 196
X 197
124 X
120 133
X
223 196 197 110 124
120 133
Universitas Sumatera Utara
Gambar 3.9 Matriks Citra Blok 1 Hasil Reduksi Metode Alpha-Trimmed Mean
Filter
Langkah selanjutnya adalah sama halnya seperti pada geometric mean filter yaitu menggeser menggeser 1 kolom ke kanan bila masih berada pada posisi baris
yang sama. Hal ini terus dilakukan hingga mencapai baris dan kolom yang terakhir.
3.1.2.7.Proses menghitung nilai MSE Perbaikan citra pada dasarnya merupakan proses yang bersifat subjektif sehingga
parameter keberhasilannya bersifat subjektif pula. MSE citra hasil reduksi noise adalah rata-rata kuadrat nilai kesalahan antara citra asli dengan citra hasil reduksi
noise. Semakin kecil nilai MSE maka citra hasil reduksi semakin mendekati citra aslinya. Persamaannya:
��� =
1 ���
∑ ∑ �
�
�, � − �
�
�, �
2 �
� =1 �
�=1
………………..3.6
Keterangan : M dan N = ukuran panjang dan lebar citra.
�
�
�, � = intensitas citra di titik �, � sebelum terkena noise. �
�
�, � = intensitas citra di titik �, � setelah noise dihilangkan.
Gambar 3.10 Matriks Citra Sebelum Reduksi Noise
223 196 197 126 124
120 133
223 196 197 110 124
120 133
Universitas Sumatera Utara
Gambar 3.11 Matriks Citra Setelah Reduksi Noise
MSE =
1 ���
∑ ∑ �
�
�, � − �
�
�, �
2 �
� =1 �
�=1
MSE 1.1 = 0 MSE 1.2 = 223 -223
2
= 0 MSE 1.2 = 0
2
MSE 1.3 = 196 -196
2
= 0 MSE 1.3 = 0
2
MSE 2.1 = 197 -197
2
= 0 MSE 2.1 = 0
2
MSE 2.2 = 110 -0
2
= 110 MSE 2.2 = 12100
2
MSE 2.3 = 124-124
2
= 0 MSE 2.3 = 0
2
MSE 3.1 = 120 -120
2
= 0 MSE 3.1 = 0
2
MSE 3.2 = 0 MSE 3.3 = 133 -133
2
= 0 MSE 3.3 = 0
2
MSE Total = 19 12100 = 1344
3.1.2.8. Proses menghitung nilai PSNR Semakin besar nilai PSNR maka citra hasil reduksi semakin mendekati citra aslinya,
dengan kata lain semakin bagus kualitas citra hasil reduksi tersebut, dan berlaku sebaliknya. Persamaannya:
���� = 20 � ���
10
�
255 √���
� ………………..3.7
Dengan nilai MSE yang telah didapatkan, maka PSNR-nya adalah : PSNR = 20
� ���
10
�
255 √1344
� = 16,8468 = 17 223
196 197
124 120
133
Universitas Sumatera Utara
3.1.3. Analisis non fungsional
Persyaratan analisis non fungsional meliputi performa, mudah untuk digunakan user friendly, hemat biaya, dokumentasi, manajemen kualitas, dan kontrol.
1. Performa Sistem yang dibangun harus dapat mengimplementasikan metode geometric
mean filter dan alpha-trimmed mean filter, dan menunjukkan hasil perbandingannya dengan MSE dan PSNR.
2. Mudah digunakan user friendly Sistem yang dibangun harus sederhana agar mudah digunakan oleh pengguna
user. Sistem yang memiliki interface yang menarik dan memiliki cara penggunaan yang mudah dalam pengoperasian sistem.
3. Hemat biaya Sistem yang dibangun tidak memerlukan perangkat tambahan ataupun
perangkat pendukung lainnya yang dapat mengeluarkan biaya. 4. Dokumentasi
Sistem yang dibangun menunjukkan waktu pemrosesan data running time penyimpanan citra yang telah dilakukan reduksi noise.
5. Manajemen kualitas Sistem yang dibangun harus dapat menghasilkan citra dengan kualitas yang
baik ataupun yang mendekati citra aslinya. 6. Kontrol
Sistem yang dibangun memiliki tombol-tombol yang enable secara berurutan sesuai dengan tahap-tahap reduksi. Dengan kata lain, apabila tahap awal yaitu
browse citra belum dilakukan, maka tombol lain masih dalam status disable.
3.2. Perancangan Sistem
