Pada grafik diatas dapat dilihat bahwa nilai PSNR semakin menurun apabila nilai persentasi noise nya bernilai besar. Kemudian setelah difilter nilai
PSNR nya menjadi semakin besar dibandingkan dengan nilai PSNR sebelum dilakukan filtering.
Dapat dilihat pada Gambar 4.6. dan Gambar 4.7. bahwa pengujian Gamma noise dengan metode Weighted Mean Filtering sesuai dengan teori
berdasarkan pada perbandingan nilai parameter MSE dan PSNR sebelum dan setelah dilakukan proses reduksi noise.
4.2.1.2. Pengujian Metode Weighted Mean Filter dengan Rayleigh noise
Pengujian ini menguji hasil reduksi Rayleigh noise dengan menggunakan metode Weighted Mean Filtering. Dalam pengujian ini nanti akan diambil data berupa
nilai dari MSE dan PSNR sebelum dan setelah dilakukan proses filtering, serta Running time saat direduksi. Pada penelitian ini dipakai persentasi noise antara
1 sampai 50, untuk itu akan digunakan persentasi 10, 20, 30, 40 dan 50 sebagai sampel pengujian.
Pengujian Weighted Mean Filtering pada Rayleigh noise dapat ditunjukkan pada tabel 4.2 berikut :
Tabel 4.2.Pengujian Metode Weighted Mean Filter dengan Rayleigh noise
Persentasi noise
Citra Terkena Rayleigh noise Citra setelah direduksi dengan
Metode Weighted Mean Filtering 10
nilai MSE = 80.4656 nilai PSNR = 29.0747dB
nilai MSE = 840.095 nilai PSNR = 18.8875dB
Running time = 0.140625s
20
nilai MSE = 143.891 nilai PSNR = 26.5505dB
nilai MSE = 860.436 nilai PSNR = 18.7836dB
Running time = 0.078125s 30
nilai MSE = 207.01 nilai PSNR = 24.9709 dB
nilai MSE = 874.251 nilai PSNR = 18.7144 dB
Running time = 0.09375s 40
nilai MSE = 267.933 nilai PSNR = 23.8505dB
nilai MSE = 888.8 nilai PSNR = 18.6428dB
Running time = 0.078125s
50
nilai MSE = 324.321 nilai PSNR = 23.0211 dB
nilai MSE = 900.352 nilai PSNR = 18.5867 dB
Running time = 0.078125s
Citra pada tabel diatas merupakan citra asli yang sudah dikonversi ke grayscale kemudian diberi noise dengan persentasi 1 sampai 50. Terlihat pada
tabel diatas citra dengan noise 10 memiliki nilai MSE sebesar 80.4656 dan nilai PSNR sebesar 29.0747 dB. Citra yang terkena noise 10 kemudian di filtering
sehingga didapat nilai MSE sebesar 840.095 dan nilai PSNR sebesar 18.8875 dB. Citra dengan noise 20 memiliki nilai MSE sebesar 143.891 dan nilai PSNR
sebesar 26.5505 dB. Citra yang terkena noise 20 kemudian di filtering sehingga didapat nilai MSE sebesar 860.436 dan nilai PSNR sebesar 18.7836 dB. Citra
dengan noise 30 memiliki nilai MSE sebesar 207.01 dan nilai PSNR sebesar 24.9709 dB. Citra yang terkena noise 30 kemudian di filtering sehingga didapat
nilai MSE sebesar 874.251 dan nilai PSNR sebesar 18.7144 dB. Citra dengan noise 40 memiliki nilai MSE sebesar 267.933 dan nilai PSNR sebesar 23.8505
dB. Citra yang terkena noise 40 kemudian di filtering sehingga didapat nilai MSE sebesar 888.8 dan nilai PSNR sebesar 18.6428 dB. Citra dengan noise 50
memiliki nilai MSE sebesar 324.321 dan nilai PSNR sebesar 23.0211 dB. Citra yang terkena noise 50 kemudian di filtering sehingga didapat nilai MSE sebesar
900.352 dan nilai PSNR sebesar 18.5867 dB.
100 200
300 400
500 600
700 800
900 1000
10 20
30 40
50 MSE sebelum difilter
MSE setelah difilter
Perbandingan nilai MSE dan PSNR citra yang terkena Rayleigh noise dengan citra ber-noise yang sudah dilakukan proses filtering dapat dilihat pada
grafik di gambar 4.8 dan gambar 4.9 berikut ini:
Gambar 4.8. Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering
Pada grafik diatas dapat dilihat bahwa nilai MSE semakin meningkat apabila nilai persentasi noise nya juga bernilai besar. Kemudian setelah di filter
nilai MSE nya menjadi semakin besar dibandingkan dengan nilai MSE sebelum dilakukan filtering.
5 10
15 20
25 30
35
10 20
30 40
50 PSNR sebelum difilter
PSNR setelah difilter
Gambar 4.9. Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering
Pada grafik diatas dapat dilihat bahwa nilai PSNR semakin menurun apabila nilai persentasi noise nya bernilai besar. Kemudian setelah di filter nilai
PSNR nya menjadi semakin kecil dibandingkan dengan nilai PSNR sebelum dilakukan filtering.
Dapat dilihat pada Gambar 4.8. dan Gambar 4.9. bahwa pengujian Rayleigh noise dengan metode Weighted Mean Filtering tidak sesuai dengan teori
berdasarkan pada perbandingan nilai parameter MSE dan PSNR sebelum dan setelah dilakukan proses reduksi noise.
4.2.2 Pengujian Harmonic Mean Filtering
