Implementasi Sistem IMPLEMENTASI DAN PENGUJIAN SISTEM

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem

Setelah melakukan proses Analisis dan Perancangan Sistem, tahap selanjutnya adalah Implementasi dan Pengujian Sistem. Implementasi sistem merupakan penerapan fungsionalitas suatu sistem setelah selesai dilakukan pemodelan dan perancangan sistem. Impelementasi sistem ini dibangun dengan menggunakan bahasa pemrograman C dengan memakai IDE SharpDevelop. Sistem ini dirancang dalam 5 form, yaitu form Home, form Implementasi - Filtering, form Implementasi – Segmentasi, form Help, dan form About. 4.1.1 Form Home Form ini yang pertama kali muncul saat aplikasi dijalankan. Form Home menampilkan judul skripsi, logo Fasilkom-TI, dan menu strip yang didalamnya terdapat beberapa menu yang digunakan untuk memanggil form – form yang tersedia di sistem. Tampilan form Home dapat dilihat di Gambar 4.1 . Gambar 4.1 Tampilan Form Home 4.1.2 Form Implementasi – Filtering Form ini merupakan form yang akan melakukan implementasi filtering sebuah citra dengan metode Harmonic Mean Filter. Form ini menampilkan citra asli, citra bernoise, dan citra filter. Pada form ini citra asli akan diberi noise baik Gaussian Noise Universitas Sumatera Utara maupun Uniform Noise sesuai dengan persentase noise yang diinginkan setelah itu citra akan difilter dengan metode Harmonic Mean Filter. Pada form ini juga dihitung nilai MSE,PSNR dan Running Time sebagai parameter perbandingan baik pada saat pembangkitan noise maupun saat proses filtering. Tampilan Form Implementasi – Filtering dapat dilihat pada Gambar 4.2. Gambar 4.2 Tampilan Form Implementasi – Filtering 4.1.3 Form Implementasi – Segmentasi Form ini merupakan form yang akan melakukan proses implementasi segmentasi sebuah citra dengan metode Fuzzy C Means Clustering. Form ini akan menampilkan citra hasil segmentasi beserta hasil perhitungan MSE, PSNR, Running Time. Pada form ini citra yang dapat disegmentasi adalah citra asli, citra yang telah diberi noise, dan citra yang telah difilter. Tampilan form Implementasi – Segmentasi dapat dilihat pada Gambar 4.3. Universitas Sumatera Utara Gambar 4.3 Tampilan Form Implementasi – Segmentasi 4.1.4 Form Help Form ini merupakan panduan bagi pengguna agar dapat dengan mudah menggunakan aplikasi ini. Tampilan form Help dapat dilihat pada Gambar 4.4. Gambar 4.4 Tampilan Form Help Universitas Sumatera Utara 4.1.5 Form About Form ini berisi profil singkat penulispeneliti. Tampilan form About dapat dilihat pada Gambar 4.5. Gambar 4.5 Tampilan Form About 4.2 Pengujian Sistem Pengujian sistem merupakan tahapan selanjutannya setelah implementasi sistem. Pengujian sistem bertujuan untuk membuktikan sistem yang dibangun telah berjalan dengan baik dan mengetahui citra hasil segmentasi serta mengetahui perbandingan citra hasil segmentasi dengan metode Fuzzy C Means Clustering dimana sebelumnya telah difiltering dengan metode Harmonic Mean Filter dengan citra hasil segmentasi dengan metode Fuzzy C Means Clustering tanpa difiltering terlebih dahulu. Pengujian sistem ini dilakukan pada citra berwarna tanpa noise berformat .bmp dan .png dengan ukuran maksimal 300 x 300 piksel. 4.2.1 Proses Pengujian Reduksi Gaussian Noise Pengujian metode filter diawali dengan memilih citra yang akan digunakan dalam proses filtering. Dalam sistem ini terdapat dua jenis citra yang bisa dibaca oleh sistem yaitu citra .bmp dan citra .png. Setelah citra yang telah dipilih tampil pada sistem, langkah selanjutnya adalah memilih jenis noise yang akan dibangkitkan dengan tentukan terlebih dahulu persentase noise yang diinginkan. Noise yang akan dipakai adalah Gaussian Noise. Dan persentase noise yang bisa digunakan 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, untuk contoh persentase noise yang dipilih Universitas Sumatera Utara yaitu 10 dan 50. Lalu sistem akan menampilkan citra bernoise berdasarkan persentase noise yang telah ditentukan. Nilai MSE, PSNR, dan Running Time dari citra bernoise tersebut akan dihitung oleh sistem dan akan muncul bersamaan dengan tampilan citra bernoise. Proses pembangkitan Gaussian Noise dapat dilihat pada Gambar 4.6 untuk persentase noise 10 dan Gambar 4.7 untuk persentase noise 50. a b Gambar 4.6 Tampilan Citra yang diberi Gaussian Noise dengan persentase noise 10 a Citra .bmp b Citra .png a b Gambar 4.7 Tampilan Citra yang diberi Gaussian Noise dengan persentase noise 50 a Citra .bmp b Citra .png Universitas Sumatera Utara Tahap selanjutnya adalah proses filtering dengan Harmonic Mean Filter dengan menekan button Filtering. Dimana citra yang telah diberi Gaussian Noise dengan persentase noise 10 dan 50 akan direduksi dengan metode Harmonic Mean Filter. Lalu sistem akan menampilkan citra hasil filtering beserta nilai MSE,PSNR dan Running Time yang sebelumnya telah dihitung oleh sistem. Tampilan proses filtering Gaussian Noise dapat dilihat pada Gambar 4.8 dan Gambar 4.9. a b Gambar 4.8 Tampilan proses filtering terhadap citra Gaussian Noise dengan persentase noise 10 a Citra .bmp b Citra .png a b Gambar 4.9 Tampilan proses filtering terhadap citra Gaussian Noise dengan persentase noise 50 a Citra .bmp b Citra .png Universitas Sumatera Utara 4.2.2 Proses Pengujian Reduksi Uniform Noise Proses Pengujian metode filter dalam mereduksi Uniform Noise sama seperti proses pengujian pada Gaussian Noise. Perbedaan hanya terletak pada noise yang akan digunakan. Pada proses pengujian reduksi Uniform Noise, noise yang dipilih adalah Uniform Noise. Proses pembangkitan Uniform Noise dapat dilihat pada Gambar 4.10 untuk persentase noise 10 dan Gambar 4.11 untuk persentase noise 50 a b Gambar 4.10 Tampilan citra yang diberi Uniform Noise dengan persentase noise 10 a Citra .bmp b Citra .png a b Gambar 4.11 Tampilan citra yang diberi Uniform Noise dengan persentase noise 50 a Citra .bmp b Citra .png Tampilan proses filtering Uniform Noise dapat dilihat pada Gambar 4.12 untuk reduksi noise dengan persentase 10 dan Gambar 4.13 untuk reduksi noise dengan persentase 50. Universitas Sumatera Utara a b Gambar 4.12 Tampilan proses filtering terhadap citra Uniform Noise dengan persentase noise 10 a Citra .bmp b Citra .png a b Gambar 4.13 Tampilan proses filtering terhadap citra Uniform Noise dengan persentase noise 50 a Citra .bmp b Citra .png 4.2.3 Proses Pengujian Segmentasi Citra Proses pengujian segmentasi citra dapat dilakukan terhadap beberapa citra, baik citra asli, citra bernoise, dan citra hasil proses reduksi noise. Proses pengujian segmentasi citra diawali dengan memilih jumlah cluster yang diinginkan. Pada sistem jumlah Universitas Sumatera Utara cluster yang tersedia adalah 1 sampai 10. Lalu sistem akan melakukan proses segmentasi dengan menekan button segmentasi. Setelah itu sistem akan menampilkan citra hasil segmentasi beserta nilai MSE, PSNR, dan Running Time. Proses pengujian segmentasi citra dapat dilihat pada Gambar 4.14 yaitu proses segmentasi citra terhadap citra asli, citra bernoise Gaussian Noise, Uniform Noise, dan citra hasil reduksi dengan metode Harmonic Mean Filter dengan jumlah cluster 7. a b c d Universitas Sumatera Utara e Gambar 4.14 Tampilan proses segmentasi citra a Segmentasi citra terhadap citra asli b Segmentasi citra terhadap citra bernoise Gaussian dengan persentase 30 c Segmentasi citra terhadap citra hasil reduksi Gaussian Noise d Segmentasi citra terhadap citra bernoise Uniform dengan persentase 30 e Segmentasi citra terhadap citra hasil reduksi Uniform Noise

4.3 Hasil Pengujian