BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1. Implementasi Sistem
Tahap implementasi sistem merupakan lanjutan dari tahap perancangan sistem. Pada tahap ini dilakukan implementasi sistem ke dalam bahasa pemrograman berdasarkan
hasil analisis dan perancangan sistem. Pada tahap implementasi ini digunakan perangkat lunak dan perangkat keras. Implementasi dilakukan dengan menggunakan
bahasa pemrograman Matlab R2012a. Perancangan sistem yang baik akan memudahkan pengembangan sistem dalam tahap implementasi.
4.1.1. Spesifikasi perangkat keras
Perangkat keras yang dibutuhkan dalam melakukan penelitian ini agar berjalan dengan lancar yaitu:
1. Laptop Intel ® Core 2 Duo CPU 2. Memory RAM 2 GB
3. Hardisk 65.0 GB 4. Mouse
4.1.2. Spesifikasi perangkat lunak
Perangkat lunak yang digunakan untuk mendukung penelitian ini yaitu: 1. Matlab R2012a untuk pembuatan aplikasi.
2. Microsoft Visio 2007 untuk pembuatan flowchart dan UML. 3. Microsoft Word 2007 untuk penulisan hasil penelitian.
Universitas Sumatera Utara
4.2. Tampilan Antarmuka
Tampilan antarmuka dari sistem ini diimplementasikan berdasarkan dari tahap analisis dan perancangan sistem. Tampilan antarmuka sistem ini terdiri dari 5
lima form, yaitu : 6.
Form Menu Utama 7.
Form Reduction Undefined Noise + Exponential Noise 8.
Form Reduction Exponential Noise 9.
Form Help 10. Form About
4.2.1. Tampilan form menu utama Tampilan form menu utama merupakan awal dari mulainya program. Pada menu
utama terdapat 5 lima buah menu bar, yaitu Reduction Undefined Noise + Exponential Noise, Reduction Exponential Noise, Help, About, Exit. Tampilan
form menu utama dapat dilihat pada gambar 4.1.
Gambar 4.1 Tampilan Menu Utama
4.2.2. Tampilan form reduction undefined noise + exponential noise
Form reduction undefined noise + exponential noise untuk mereduksi noise yang telah ada pada citra sebelumnya dan exponential noise yang di-generate dari
sistem, dapat dilihat pada gambar 4.2.
Universitas Sumatera Utara
Gambar 4.2 Tampilan Reduction Undefined Noise + Exponential Noise
4.2.3. Tampilan form exponential noise
Form exponential noise untuk mereduksi exponential noise yang di-generate dari sistem, dapat dilihat pada gambar 4.3.
Gambar 4.3 Tampilan Reduction Exponential Noise
Universitas Sumatera Utara
4.2.4. Tampilan form help
Tampilan form help untuk tata cara penggunaan sistem dapat dilihat pada gambar 4.4.
Gambar 4.4 Tampilan Menu Help
Universitas Sumatera Utara
4.2.5. Tampilan form about
Tampilan form about untuk informasi programmer dapat dilihat pada gambar 4.5.
Gambar 4.5 Tampilan Menu About
4.3.
Pengujian Sistem
Tahap pengujian sistem merupakan lanjutan dari tahap implementasi sistem. Fungsi dari tahap pengujian sistem adalah untuk membuktikan bahwa sistem yang
telah diimplementasikan dari hasil analisis dan perancangan sistem telah berjalan dengan baik. Pengujian akan dilakukan pada citra digital berformat BMP
Bitmap. Citra digital yang akan diuji adalah citra yang telah terdegradasi noise bebas dan citra yang tidak terdegradasi noise bebas, kemudian citra ditambahkan
exponential noise 1 - 5. Citra yang telah terdegradasi noise bebas adalah citra
Universitas Sumatera Utara
yang telah ditambahkan noise seperti salt and pepper noise, gaussian noise, speckle noise, poisson noise maupun jenis noise lain yang ditambahkan dengan
menggunakan sistem lain. Jenis citra yang akan diuji terbagi menjadi 3 tiga kelompok yaitu citra dengan kontras gelap, citra dengan kontras terang dan citra
beragam warna. Citra dengan kontras gelap yang akan diuji adalah cilla.bmp, cube.bmp, splash.bmp, batik.bmp, dan apple.bmp. Citra dengan kontras terang
yang akan diuji adalah lighting.bmp, green.bmp, view.bmp, yellow.bmp, falls.bmp. Citra beragam warna yang akan diuji adalah pelangi.bmp, crayons.bmp,
batikwarna.bmp, windows.bmp, bird.bmp.
4.3.1. Pengujian black box Penelitian ini melakukan pengujian dengan Black Box testing dimana pengujian yang
dilakukan berfokus pada persyaratan fungsional perangkat lunak. 4.3.1.1. Rencana pengujian
Pada tahap ini akan dilakukan proses pengujian sistem secara Alpha dan Betha.
Tabel 4.1 Rencana Pengujian
Item Pengujian Detail Pengujian
Jenis Pengujian Proses Filter dengan
Geometric Mean Filter dan Alpha-Trimmed Mean Filter
Lakukan input citra Black Box
Tampilkan citra dengan noise Black Box
Tampilkan hasil proses filter Black Box
4.3.1.2. Kasus dan hasil pengujian alpha Berdasarkan tabel rencana pengujian, maka akan dilakukan pengujian Alpha pada
perangkat lunak yang ditampilkan pada table berikut:
Tabel 4.2 Pengujian Hasil Input Citra oleh User
Kasus dan Hasil Uji Masukan
Hal yang diharapkan Pengamatan
Kesimpulan Citra digital
berformat .bmp Sistem menampilkan citra
digital Sistem menampilkan citra
digital Diterima
Universitas Sumatera Utara
Tabel 4.3 Pengujian Hasil Citra dengan Noise
Kasus dan Hasil Uji Parameter noise dimasukan Masukan
Hal yang diharapkan Pengamatan
Kesimpulan Probabilitas penentu noise
Sistem menampilkan citra dengan noise
Sistem menampilkan citra dengan noise
Diterima
Kasus dan Hasil Uji Parameter noise tidak dimasukan Masukan
Hal yang diharapkan Pengamatan
Kesimpulan Probabilitas noise
dikosongkan Sistem menampilkan
message box sebagai peringatan dan tidak
melanjutkan proses Sistem menampilkan
message box sebagai peringatan dan tidak
melanjutkan proses Diterima
Tabel 4.4 Pengujian Hasil Proses Filter
Kasus dan Hasil Uji Masukan
Hal yang diharapkan Pengamatan
Kesimpulan Citra dengan noise
Sistem menampilkan citra hasil filter dan
parameter pembanding kinerja restorasi citra
MSE,PSNR dan Runtime
Sistem menampilkan citra hasil filter dan
parameter pembanding kinerja restorasi citra
MSE,PSNR dan Runtime
Diterima
4.3.1.3. Kesimpulan hasil pengujian alpha Berdasarkan hasil pengujian Alpha dapat disimpulkan bahwa sistem sudah berjalan
dengan baik dan sesuai yang diharapkan dan menunjukkan bahwa metode alpha- trimmed mean filter dengan nilai d = 0 dan nilai d = 1 yang paling bagus untuk
melakukan reduksi.
Universitas Sumatera Utara
4.3.1.4. Kasus dan hasil pengujian betha Pengujian Betha ini merupakan pengujian yang bertujuan mengetahui kesimpulan
hasil citra terbaik secara visualisasi dengan cara langsung memberi kuisioner kepada pengguna untuk memilih citra yang paling bagus. Adapun kuisioner tersebut terdapat
9 sembilan nomor citra hasil reduksi. Tiap nomor citra terdiri dari huruf a sampai d yang merupakan hasil filter metode geometric mean filter, alpha-trimmed mean filter
d = 0, alpha-trimmed mean filter d = 1 dan alpha-trimmed mean filter d = 8 yang diletakkan secara acak. Kuisioner diberikan kepada 20 orang, dengan pertanyaan
sebagai berikut: Pilihlah 1 satu citra pada gambar dengan cara melingkari huruf a, b, c ataupun d untuk citra yang menurut anda paling bagus secara visualisasi.
Berdasarkan data dari hasil kuisioner dapat dihitung persentasi pilihan dengan rumus: Persentase = Jumlah jawaban terpilih Total jawaban x 100
Hasil kuisioner dapat dilihat pada tabel 4.5.
Tabel 4.5 Hasil Kuisioner
Metode Jumlah Jawaban
Terpilih Total Jawaban
9 x 20 Persentase
GMF 74
180 41
ATMF d = 0 19
180 11
ATMF d = 1 29
180 16
ATMF d = 8 58
180 32
4.3.1.5.Kesimpulan hasil pengujian betha Berdasarkan hasil pengujian betha dapat disimpulkan bahwa citra hasil reduksi secara
visualisasi yang paling bagus adalah dengan metode geometric mean filter.
Universitas Sumatera Utara
4.3.2. Pengujian reduction undefined noise + exponential noise Pada pengujian ini dilakukan untuk mereduksi noise bebas yang telah ada pada citra
dan exponential noise dengan probabilitas 0.01 menggunakan metode Geometric Mean Filter dan Alpha-Trimmed Mean Filter dapat dilihat pada gambar 4.6.
Gambar 4.6 Hasil Pemilihan Citra Bernoise
Kemudian pilih tombol generate noise seperti pada gambar 4.7, dan apabila probabilitas noise belum dipilih, maka muncul form peringatan seperti pada gambar
4.8. Nilai probabilitas yang dapat dipilih adalah 0.01 sampai 0.05.
Universitas Sumatera Utara
Gambar 4.7 Hasil Generate Noise dengan Probabilitas 0.01
Gambar 4.8 Peringatan Bila Probabilitas Belum Dipilih
Setelah noise dibangkitkan, maka citra dapat direduksi dengan memilih tombol reduce noise seperti pada gambar 4.10, dan pada saat tombol reduce noise dipilih,
maka akan muncul processing bar seperti pada gambar 4.9.
Gambar 4.9 Processing Bar Tombol Reduce Noise
Universitas Sumatera Utara
Gambar 4.10 Hasil Reduce Noise
Setelah proses reduksi selesai, maka akan muncul nilai MSE, PSNR dan running time-nya. Kemudian citra hasil reduksi dapat disimpan seperti gambar 4.11.
dan bila berhasil disimpan maka akan muncul peringatan seperti pada gambar 4.12.
Gambar 4.11 Proses Menyimpan Citra Hasil Reduksi
Universitas Sumatera Utara
Gambar 4.12 Peringatan File Berhasil Disimpan
Setelah proses reduksi noise untuk metode Geometric Mean Filter selesai, maka akan dilakukan reduksi noise dengan metode Alpha-Trimmed Mean Filter.
Langkah-langkah yang dilakukan untuk metode Alpha-Trimmed Mean Filter juga sama seperti yang dilakukan pada proses metode Geometric Mean Filter. Namun,
pada metode ini dilakukan pemilihan nilai d untuk mereduksi noise. Nilai d yang dipilih antara 0 sampai 8.
Saat memilih tombol reduce noise, apabila nilai d belum dipilih maka akan muncul help dialog seperti pada gambar 4.13.
Gambar 4.13 Help Dialog Apabila Nilai d Belum Dipilih
Berikut ini adalah hasil pengujiannya dengan nilai d yaitu 0, 1, dan 8. Untuk reduksi dengan nilai d = 0 dapat dilihat pada gambar 4.14, untuk reduksi dengan nilai
d = 1 dapat dilihat pada gambar 4.15, dan untuk reduksi dengan nilai d = 8 dapat dilihat pada gambar 4.16.
Universitas Sumatera Utara
Gambar 4.14 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 0
Gambar 4.15 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 1
Universitas Sumatera Utara
Gambar 4.16 Hasil Reduksi Noise Metode Alpha-Trimmed Mean Filter d = 8
Setelah noise dengan probabilitas yang sama direduksi dengan kedua metode ini, maka selanjutnya akan dilakukan perbandingan berdasarkan nilai MSE, PSNR,
dan running time tiap-tiap metode. Apabila nilai MSE lebih kecil dan PSNR lebih besar, artinya citra hasil reduksi semakin mendekati citra aslinya, sehingga metode
tersebut yang lebih baik untuk melakukan reduksi. Khusus untuk metode Alpha- Trimmed Mean Filter dilakukan proses reduksi dengan nilai d yang berbeda-beda,
karena setiap nilai d dapat menghasilkan nilai MSE dan PSNR yang berbeda pula dan bahkan dapat lebih rendah untuk nilai d tertentu. Hal ini dikarenakan untuk tiap nilai d
tertentu dilakukan dengan algoritma yang berbeda-beda. Untuk kembali ke menu utama dapat dipilih tombol back to main menu, maka akan muncul dialog box seperti
pada gambar 4.17.
Gambar 4.17 Dialog Box Kembali Ke Menu Utama
Universitas Sumatera Utara
4.3.3. Pengujian reduction exponential noise Pada pengujian ini dilakukan untuk mereduksi exponential noise dengan
menggunakan metode Geometric Mean Filter dan Alpha-Trimmed Mean Filter. Langkah-langkah yang dilakukan pada proses reduksi ini, sama seperti yang dilakukan
pada reduksi noise bebas dan exponential noise. Namun pada pengujian ini, citra awal yang akan diuji adalah citra tanpa noise. Berikut ini hasil reduksi exponential noise
dengan probabilitas 0.01 menggunakan metode Geometric Mean Filter yang dapat dilihat pada gambar 4.18. Hasil reduksi noise dengan metode Alpha-Trimmed Mean
Filter untuk d = 0 dapat dilihat pada gambar 4.19, reduksi dengan d = 1 dapat dilihat pada gambar 4.20, reduksi dengan d = 8 dapat dilihat pada gambar 4.21.
4.18 Hasil Reduksi Noise Metode Geometric Mean Filter