11. Merupakan Text Box untuk keterangan nilai piksel Citra Awal..
12. Merupakan Text Box untuk keterangan nilai piksel Citra Bernoise.
13. Merupakan Text Box untuk keterangan nilai piksel Citra Hasil.
14. Merupakan Group box untuk mendeskripsikan Informasi Citra.
15. Merupakan Label untuk keterangan File Name.
16. Merupakan Text Box untuk keterangan File Name.
17. Merupakan Label untuk keterangan Size.
18. Merupakan Text Box untuk keterangan Size.
19. Merupakan Group box untuk mendeskripsikan Informasi Noise.
20. Merupakan Label untuk keterangan Probabilitas Noise.
21. Merupakan Text Box untuk keterangan Probabilitas Noise.
22. Merupakan Label untuk keterangan Jenis Noise.
23. Merupakan Text Box untuk keterangan Jenis Noise.
24. Merupakan Group box untuk mendeskripsikan Informasi Hasil Filtering.
25. Merupakan Label untuk keterangan MSE.
26. Merupakan Text Box untuk keterangan MSE.
27. Merupakan Label untuk keterangan PSNR.
28. Merupakan Text Box untuk keterangan PSNR.
29. Merupakan Button untuk melakukan proses Reset
d. Halaman menu help
Halaman menu help merupakan halaman yang berfungsi untuk memberikan panduan kepada pengguna apabila mengalami kesulitan dalam menjalankan
program.. Berikut tampilan rancangan halaman help pada Gambar 3.9
Universitas Sumatera Utara
Panduan Penggunaan Program
Pengujian Hasil
1 2
3
Gambar 3.9 Rancangan Antarmuka menu help
Keterangan: 1.
Merupakan Label untuk untuk keterangan Panduan Penggunaan Program 2.
Merupakan Group box untuk mendeskripsikan langkah-langkah penggunaan Pengujian.
3. Merupakan Group box untuk mendeskripsikan langkah-langkah penggunaan
Hasil.
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi Implementasi sistem merupakan lanjutan dari tahap analisis dan perancangan
sistem. Sistem ini dibangun dengan menggunakan bahasa pemrograman C dan menggunakan Software Microsoft Visual Studio 2010. Pada sistem ini terdapat 4
lima tampilan halaman, yaitu Halaman Home, ,Halaman Pengujian ,Halaman Hasil dan Halaman Help.
4.1.1 Tampilan Halaman Menu Home Halaman utama merupakan tampilan halaman yang muncul pertama sekali pada
saat sistem dijalankan. Halaman utama memiliki 4 menu bar, yaitu menu home, menu pengujian, menu help, dan exit . Tampilan Halaman menu utama dapat
dilihat pada gambar 4.1
Universitas Sumatera Utara
Gambar 4.1 Tampilan Menu Home
4.1.2 Tampilan Halaman Menu Pengujian
Tampilan Halaman Menu Pengujian merupakan halaman utama dimana terjadinaya proses penambahan noise, filtering, dan proses perhitungan pada
citra.. Gambar 4.2 dibawah ini menunjukkan tampilan halaman menu pengujian.
Universitas Sumatera Utara
Gambar 4.2 Tampilan Halaman Menu Pengujian 4.1.3 Tampilan Halaman Menu Hasil
Tampilan halaman menu Hasil merupakan menu yang berfungsi untuk menunjukkan hasil dari pengujian yang telah dilakukan sebelumnya pada Menu
Pengujian. Gambar 4.3 dibawah ini menunjukkan tampilan halaman menu hasil.
Universitas Sumatera Utara
Gambar 4.3 Tampilan Halaman Menu Hasil
4.1.4 Tampilan Halaman Menu Help
Tampilan halaman menu help merupakan menu yang berfungsi untuk membantu pengguna dalam menggunakan program melalui langkah-langkah yang
diurutkan. Gambar 4.4 dibawah ini menunjukkan tampilan halaman menu help.
Universitas Sumatera Utara
Gambar 4.4 Tampilan Halaman Menu Help
4.2 Pengujian
Pengujian sistem merupakan tahapan berikutnya yang dilakukan setelah implementasi sistem. Tujuan pengujian sistem untuk membuktikan sistem yang
dibangun telah berjalan dengan baik. Sistem ini diujikan pada citra grayscale tanpa noise berformat .bmp atau .png dengan ukuran 500 x 500 piksel.
4.2.1 Pengujian Proses Import Citra
Proses pengujian yang dilakukan pertama kali adalah dengan membuka file citrra grayscale awal yang dilakukan oleh user. Citra yang akan dibuka berformat
.bmp atau .png. Tampilan buka gambar .bmp dapat dilihat pada Gambar 4.5. dan tampilan buka gambar .png dapat dilihat pada Gambar 4.6.
Universitas Sumatera Utara
Gambar 4.5 Tampilan Pemilihan Citra berformat .bmp
Gambar 4.6 Tampilan Pemilihan Citra berformat .png
Universitas Sumatera Utara
User hanya dapat membuka file citra grayscale yang berformat .bmp atau .png, apabila user mencoba membuka file citra yang bukan grayscale maka akan
muncul peringatan seperti pada Gambar 4.7.
Gambar 4.7 Tampilan Dialog box
Setelah user membuka file citra grayscale awal maka sistem akan menampilkan file citra grayscale awal yang telah dipilih sebelumnya. Tampilan citra grayscale
awal dapat dapat dilihat pada Gambar 4.8.
Universitas Sumatera Utara
Gambar 4.8 Tampilan Citra Grayscale awal
4.2.2 Pengujian proses Tambah Noise
Setelah citra grayscale awal dibuka maka proses selanjutnya adalah proses tambah noise.Sebelum kita menambahkan noise terlebih dahulu kita menentukan
probabilitas noise yang akan kita ujikan pada citra grayscale awal. Probabilitas noise yang akan diujikan ialah 10 - 100 .Tampilan probabilitas noise pada
Gambar 4.9.
Universitas Sumatera Utara
Gambar 4.9 Tampilan Probabilitas Noise
Setelah kita menentukan probabilitas noise, maka selanjutnya kita menentukan jenis noise yang akan kita gunakan . Jenis noise yang akan dipilih ialah Gaussian
Noise atau Salt and Pepper Noise. Setelah kita memilih salah satu diantara 2 jenis noise tersebut maka citra grayscale awal menjadi citra grayscale yang
mengalami Gaussian Noise atau Salt and Pepper Noise. Tampilan citra grayscle yang telah melalui proses tambah noise dengan probabilitas 20 yang berformat
.bmp dapat dilihat pada Gambar 4.10 dan Gambar 4.11.
Universitas Sumatera Utara
Gambar 4.10 Tampilan Citra Grayscale berformat BMP dengan Gaussian Noise 20
Gambar 4.11 Tampilan Citra Grayscale berformat BMP dengan Salt and Pepper Noise 20
Universitas Sumatera Utara
Tampilan citra grayscle yang telah melalui proses tambah noise dengan probabilitas 20 yang berformat .png dapat dilihat pada Gambar 4.12 dan
Gambar 4.13.
Gambar 4.12 Tampilan Citra Grayscale berformat PNG dengan Gaussian Noise 20
Universitas Sumatera Utara
Gambar 4.13 Tampilan Citra Grayscale berformat PNG dengan Salt and Pepper Noise 20
4.2.3 Pengujian proses High-Boost Filtering
Setelah citra grayscale mengalami Gaussian noise atau Salt and Pepper noise maka citra tersebut selanjutnya akan melalui proses filtering. Proses filtering
menggunakan High-Boost Filtering yang akan menghasilkan citra grayscale yang baru setelah melalui proses filtering. Berikut tampilan hasil filtering pada
citra grayscale yang mengalami Gaussian Noise dengan format .bmp dapat dilihat pada Gambar 4.14.
Universitas Sumatera Utara
Gambar 4.14 Tampilan Hasil Citra Grayscale dengan Gaussian Noise dengan citra berformat .bmp setelah melalui proses filtering .
Berikut tampilan hasil filtering pada citra grayscale yang mengalami Gaussian Noise dengan format .png dapat dilihat pada Gambar 4.15
Universitas Sumatera Utara
.
Gambar 4.15 Tampilan Hasil Citra Grayscale dengan Gaussian Noise dengan citra berformat .png setelah melalui proses filtering .
Berikut tampilan hasil filtering pada citra grayscale yang mengalami Salt and Pepper Noise dengan citra berformat .bmp dapat dilihat pada Gambar 4.16
Universitas Sumatera Utara
Gambar 4.16 Tampilan Hasil Citra Grayscale dengan Salt and Pepper Noise dengan citra berformat .bmp setelah melalui proses filtering .
Berikut tampilan hasil filtering pada citra grayscale yang mengalami Salt and Pepper Noise dengan citra berformat .png dapat dilihat pada Gambar 4.17
Universitas Sumatera Utara
Gambar 4.17 Tampilan Hasil Citra Grayscale dengan Salt and Pepper Noise dengan citra berformat .png setelah melalui proses filtering .
4.2.4 Hasil dari Proses yang Filtering yang telah dilakukan
Berikut tampilan hasil dari proses filtering yang telah dilakaukan dengan menampilkan nilai perubahan piksel yang terjadi dari sebelum proses filtering
hingga setelah proses filtering.
Universitas Sumatera Utara
Gambar 4.18. Hasil dari Proses yang Filtering yang telah dilakukan
4.2.5 Pengujian proses Filtering Gaussian Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering.
Pengujian proses Filtering Gaussian Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering dapat ditunjukkan pada
tabel 4.1 dan 4.2 berikut ini.
Universitas Sumatera Utara
Tabel 4.1 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Gaussian Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format BMP.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-
noise Citra Grayscale Hasil
Filtering MSE
PSNR 10
3276,7 1,297
20 3914,9
1,220
30 4663,7
1,144
40
5614,2 1,0638
Universitas Sumatera Utara
Tabel 4.2 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Gaussian Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format PNG.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-
noise Citra Grayscale Hasil
Filtering MSE
PSNR 10
3168,8 1,3122
20
3649,2 1,2509
30 4120.9
1,1981
40
4635,6 1,1471
Universitas Sumatera Utara
Dari tabel 4.1 dan tabel 4.2 diatas kita dapat melihat bahwa nilai MSE yang didapat setelah dilakukan filtering pada citra grayscale berformat .bmp lebih
besar dibandingkan nilai MSE pada citra grayscale berfotmat .png. Namun terjadi hal yang sebaliknya terhadap nilai PSNR, nilai PSNR pada citra grayscale
berformat .bmp lebih kecil dari pada nilai PSNR pada citra grayscale berformat PNG.
4.2.6 Pengujian proses Filtering Salt and Pepper Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering.
Pengujian proses Filtering Salt and Pepper Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan High-Boost Filtering dapat ditunjukkan
pada tabel 4.3 dan 4.4 berikut ini.
Tabel 4.3 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Salt and Pepper Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format BMP.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-
noise Citra Grayscale Hasil
Filtering MSE
PSNR 10
5116,1 1,1401
Universitas Sumatera Utara
20 7050,2
0,9649
30
8815,5 0,8678
40
10417,06 0,7929
Tabel 4.4 Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Salt and Pepper Noise dan Citra Hasil Filtering dengan High-Boost Filtering
dengan Format PNG.
Probabilitas Noise
Citra Grayscale Awal Citra Grayscale ber-
noise Citra Grayscale Hasil
Filtering MSE
PSNR 10
5147,01 1,2105
Universitas Sumatera Utara
20 7032,09
0,9660
30 8836,8
0,8668
40
10482,06 0,7926
Dari tabel 4.3 dan tabel 4.4 diatas kita dapat melihat bahwa nilai MSE dan PSNR yang didapat setelah dilakukan filtering pada citra grayscale yang
mengalami Salt and Pepper noise berformat .bmp lebih kecil dibandingkan nilai MSE dan PSNR pada citra grayscale berfotmat .png.
4.2.7 Perbandingan Rata-rata Nilai MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise
Berikut nilai rata-rata yang didapat MSE dan PSNR pada citra hasil filtering noise dengan Gaussian noise berformat .bmp dan .png dengan persentase noise
10, 20, ,30 dan 40 dapat dilihat pada Tabel 4.5 dan Tabel 4.6 berikut.
Universitas Sumatera Utara
Tabel 4.5 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise pada Citra Berformat BMP.
Persentase Noise
MSE PSNR
10 3276,7
1,297 20
3914,9 1,220
30 4663,7
1,144 40
5614,2 1,063
Nilai Rata-rata
4367,37 1,181
Tabel 4.6 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise pada Citra Berformat PNG
Persentase Noise
MSE PSNR
10 3168,8
1,312 20
3649,2 1,250
30 4120,9
1,198 40
4635,6 1,147
Nilai Rata-rata
3893,6 1,226
Dari Tabel 4.5 dan Tabel 4.6 dapat dilihat bahwa nilai rata-rata MSE pada citra grayscale berformat .bmp lebih besar dari pada citra berformat .png sedangkan
pada nilai rata-rata PSNR citra grayscale berformat .bmp lebih kecil dari pada citra grayscale berformat .png Maka disimpulkan bahwa Gaussian Noise pada
Universitas Sumatera Utara
citra grayscale berformat .png lebih baik dibandingkan dengan Gaussian Noise berformat .bmp.
4.2.8 Perbandingan Rata-rata Nilai MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Salt And Pepper Noise.
Berikut nilai rata-rata yang didapat MSE dan PSNR pada citra hasil filtering noise dengan Salt and Pepper noise berformat .bmp dan .png dengan persentase
noise 10, 15, dan 20 dapat dilihat pada Tabel 4.7 dan Tabel 4.8 berikut.
Tabel 4.7 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Salt And Pepper Noise pada Citra Berformat BMP
Persentase Noise
MSE PSNR
10 5116,1
1,1401 20
7050,2 0,9649
30 8815,5
0,8678 40
10417,06 0,7929
Nilai Rata-rata
7849,7 0,9414
Universitas Sumatera Utara
Tabel 4.8 Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil Filtering Noise dengan Salt And Pepper Noise pada Citra Berformat PNG
Persentase Noise
MSE PSNR
10 5147,01
1,2105 20
7032,09 0,9660
30 8836,8
0,8668 40
10482,06 0,7926
Nilai Rata-rata
7874,4 0,9589
Dari Tabel 4.7 dan Tabel 4.8 diatas dapat dilihat bahwa nilai rata-rata MSE pada citra grayscale berformat .bmp lebih kecil dari pada citra berformat .png
sedangkan pada nilai rata-rata PSNR citra grayscale berformat .bmp lebih besar dari pada citra grayscale berformat .png Dapat disimpulkan bahwa Salt and
Pepper Noise pada citra grayscale berformat .bmp lebih baik dibandingkan dengan Salt and Pepper Noise berformat .png.
Tabel 4.9 Perbandingan Nilai Rata-rata MSE dan PSNR, pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise dan Salt and Pepper
Noise pada Citra Berformat BMP Gaussian
Noise Salt and Pepper
Noise MSE
4367,37 7849,7
PSNR 1,181
0,9414
Universitas Sumatera Utara
Tabel 4.10 Nilai Rata-rata MSE, PSNR, dan Running Time pada Citra Grayscale Hasil Filtering Noise dengan Gaussian Noise dan Salt and Pepper
Noise pada Citra Berformat PNG
Gaussian Noise
Salt and Pepper Noise
MSE 3893,6
7874,4 PSNR
1,226 0,9589
Berdasarkan Tabel 4.9 dan Tabel 4.10 dapat disimpulkan bahwa citra grayscale hasil filtering pada Gaussian noise menghasilkan nilai MSE dan PSNR lebih
baik dari pada citra grayscale hasil filtering noise Salt and Pepper baik itu pada format .bmp maupun .png.
.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil studi literatur, analisis, perancangan, implementasi, dan pengujian sistem ini, maka kesimpulan yang didapat adalah sebagai berikut:
1. Pada citra grayscale hasil filtering dengan Gaussian Noise berformat .png
menghasilkan nilai rata-rata MSE, dan PSNR lebih baik dari pada citra grayscale dengan Gaussian Noise berformat .bmp.
2. Pada citra grayscale hasil filtering dengan Salt and Pepper Noise berformat
.png menghasilkan nilai rata-rata MSE dan PSNR lebih baik dari pada citra dengan Salt and Pepper Noise berformat .bmp.
3. Berdasarkan nilai MSE dan PSNR yang didapat dari pengujian yang
dilakukan High-Boost Filtering lebih baik digunakan pada citra grayscale dengan format .png dibandingkan dengan formbat.bmp, baik pada Gaussian
Noise dan Salt and Pepper Noise. 4.
Berdasarkan nilai MSE dan PSNR yang didapat dari pengujian yang dilakukan High-Boost Filtering lebih baik digunakan pada citra grayscale
dengan Gaussian Noise dibandingkan dengan citra grayscale dengan Salt and Pepper Noise, baik itu dalam format .bmp maupun .png.
Universitas Sumatera Utara
5.2 Saran
Adapun saran-saran yang diperlukan untuk penelitian maupun pengembangan berikutnya adalah:
1. Sistem ini sebaiknya dikembangkan dengan menggunakan citra berwarna.
2. Sistem ini dapat dikembangkan dengan menggunakan jenis format citra
digital yang lain yaitu TIFF,JPEG dan GIF.. 3.
Noise yang digunakan pada sistem ini terdiri atas 2 jenis yaitu Gaussian Noise dan Salt and Pepper Noise. Untuk pengembangan berikutnya dapat
menambahkan jenis noise yang lainnya. 4.
Sistem ini menggunakan metode High-Boost Filtering untuk perkembangan selanjutnya dapat dilakukan penelitian dengan menambahkan metode Low
Pass Filtering dan High Pass sebagai perbandingan
Universitas Sumatera Utara
BAB II
LANDASAN TEORI
2.1 Citra
