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
4.3.1 Hasil Pengujian Filtering
Pengujian metode filter dilakukan terhadap 2 citra dengan format .bmp dan png dengan ukuran dimensi citra yang berbeda. Berikut adalah citra asli yang akan
digunakan untuk menguji metode filter pada penelitian ini :
a Koala.bmp 250x215 pixels b Tulip.png 260x285 pixels
Gambar 4.15 Citra yang akan digunakan dalam pengujian Harmonic Mean Filter
Universitas Sumatera Utara
Hasil pengujian metode Harmonic Mean Filter pada citra dengan format .bmp dan .png dapat dilihat pada tabel 4.1 dan 4.2.
Tabel 4.1 Hasil Pengujian Harmonic Mean Filter terhadap Gaussian Noise dan Uniform Noise pada Citra .bmp
Prob abili
tas Citra Gaussian
Noise Citra Hasil
Harmonic Mean Filter terhadap
Gaussian Noise Citra Uniform
Noise Citra Hasil
Harmonic Mean Filter terhadap
Uniform Noise
5
MSE : 15,165 PSNR: 3,632
MSE : 602,428 PSNR:
2,033 MSE : 141,505
PSNR: 2,662
MSE : 529,384 PSNR:
2,089 Running Time:
0,509 Running Time:
1,155 Running Time :
0,464 Running Time :
1,138
MSE : 16,646 PSNR: 3,591
MSE : 446,709 PSNR:
2,163 MSE : 125,229
PSNR: 2,715
MSE : 460,638 PSNR:
2,149 Running Time:
0,701 Running Time:
1,654 Running Time:
0,67 Running Time:
1,557
10
MSE : 60,009 PSNR: 3,034
MSE : 609,233 PSNR:
2,028 MSE : 597,290
PSNR: 2,036
MSE : 590,347 PSNR:
2,041
Universitas Sumatera Utara
Running Time: 0,491
Running Time: 1,142
Running Time : 0,477
Running Time : 1,159
MSE : 67,871 PSNR: 2,981
MSE : 450,232 PSNR: 2,159
MSE : 525,620 PSNR:
2,092 MSE : 501,780
PSNR: 2,112
Running Time: 0,697
Running Time: 1,581
Running Time: 0,639
Running Time: 1,572
15
MSE : 149,694 PSNR:
2,637 MSE : 702,863
PSNR: 1,966
MSE : 1340,397 PSNR:
1,685 MSE : 673,735
PSNR: 1,984
Running Time : 0,499
Running Time: 1,13
Running Time : 0,473
Running Time: 1,128
MSE : 153,586 PSNR:
2,626 MSE : 545,632
PSNR: 2,076
MSE : 1180,551 PSNR:
1,740 MSE : 565,303
PSNR: 2,060
Running Time: 0,687
Running Time: 1,551
Running Time: 0,622
Running Time: 1,526
20
MSE : 238,745 PSNR:
2,435 MSE : 755,664
PSNR: 1,934
MSE : 2410,599 PSNR:
1,430 MSE : 783,745
PSNR: 1,918
Universitas Sumatera Utara
Running Time : 0,509
Running Time : 1,151
Running Time : 0,474
Running Time : 1,148
MSE : 245,674 PSNR:
2,422 MSE : 579,625
PSNR: 2,049
MSE : 2113,091 PSNR:
1,448 MSE : 647,319
PSNR: 2,001
Running Time: 0,677
Running Time: 1,559
Running Time: 0,619
Running Time: 1,548
25
MSE : 358,882 PSNR:
2,258 MSE : 918,585
PSNR: 1,849
MSE : 3752,681 PSNR:
1,238 MSE : 906,971
PSNR: 1,855
Running Time: 0,538
Running Time: 1,146
Running Time: 0,482
Running Time: 1,146
MSE : 384,448 PSNR:
2,228 MSE : 652,849
PSNR: 1,998
MSE : 3209,992 PSNR:
1,306 MSE : 743,044
PSNR: 1,942
Running Time: 0,718
Running Time: 1,569
Running Time: 0,621
Running Time: 1,549
30
MSE : 556,111 PSNR:
2,067 MSE : 967,766
PSNR: 1,827
MSE : 5317,523 PSNR:
1,087 MSE : 1062,975
PSNR: 1,786
Universitas Sumatera Utara
Running Time: 0,55
Running Time: 1,145
Running Time: 0,465
Running Time: 1,136
MSE : 586,336 PSNR:
2,044 MSE : 779,066
PSNR: 1,921
MSE : 4495,192 PSNR:
1,160 MSE : 857,349
PSNR: 1,879
Running Time: 0,731
Running Time: 1,556
Running Time: 0,62
Running Time: 1,542
35
MSE : 710,500 PSNR:
1,961 MSE : 1214,466
PSNR: 1,728
MSE : 7116,070 PSNR:
0,960 MSE : 1228,720
PSNR: 1,723
Running Time: 0,529
Running Time: 1,144
Running Time: 0,498
Running Time: 1,145
MSE : 658,770 PSNR:
1,994 MSE : 944,753
PSNR: 1,837
MSE : 5954,940 PSNR:
1,038 MSE : 979,718
PSNR: 1,821
Running Time: 0,675
Running Time: 1,57
Running Time: 0,629
Running Time: 1,546
40
MSE : 947,575 PSNR:
1,836 MSE : 1565,903
PSNR: 1,618
MSE : 9267,037 PSNR:
0,846 MSE : 1403,889
PSNR: 1,665
Running Time: Running Time:
Running Time: Running Time:
Universitas Sumatera Utara
0,496 1,139
0,431 1,13
MSE : 921,197 PSNR:
1,848 MSE : 1401,355
PSNR: 1,705
MSE : 7561,545 PSNR:
0,934 MSE : 1092,640
PSNR: 1,774
Running Time: 0,69
Running Time: 1,569
Running Time: 0,68
Running Time: 1,564
45
MSE : 1226,225 PSNR:
1,724 MSE : 1738,534
PSNR: 1,572
MSE : 11461,434 PSNR:
0,753 MSE : 1605,260
PSNR: 1,607
Running Time: 0,515
Running Time: 1,158
Running Time: 0,454
Running Time: 1,128
MSE : 1304,307 PSNR:
1,697 MSE : 1682,026
PSNR: 1,587
MSE : 9234,531 PSNR:
0,847 MSE : 1197,773
PSNR: 1,734
Running Time: 0,678
Running Time: 1,538
Running Time: 0,653
Running Time: 1,558
50
MSE : 1659,468 PSNR:
1,593 MSE : 2363,394
PSNR: 1,439
MSE : 13918,952 PSNR:
0,669 MSE : 1789,291
PSNR: 1,560
Running Time: 0,504
Running Time: 1,127
Running Time: 0,46
Running Time: 1,135
Universitas Sumatera Utara
MSE : 1745,329 PSNR:
1,571 MSE : 2357,325
PSNR: 1,402
MSE : 11154,208 PSNR:
0,765 MSE : 1328,872
PSNR: 1,689
Running Time: 0,683
Running Time: 1,567
Running Time: 0,673
Running Time: 1,564
Tabel 4.2 Hasil Pengujian Harmonic Mean Filter terhadap Gaussian Noise dan Uniform Noise pada Citra .png
Prob abili
tas Citra Gaussian
Noise Citra Hasil
Harmonic Mean Filter terhadap
Gaussian Noise Citra Uniform
Noise Citra Hasil
Harmonic Mean Filter terhadap
Uniform Noise
5
MSE : 16,064 PSNR: 3,607
MSE : 674,774 PSNR:
1,983 MSE : 141,826
PSNR: 2,661
MSE : 529,186 PSNR:
2.089 Running Time:
0,526 Running Time:
1,129 Running Time:
0,459 Running Time:
1,127
MSE : 17,492 PSNR: 3,570
MSE : 450,380 PSNR:
2,159 MSE : 125,114
PSNR: 2,715
MSE : 460,072 PSNR:
2,149 Running Time:
0,691 Running Time:
1,554 Running Time:
0,653 Running Time:
1,568
Universitas Sumatera Utara
10
MSE : 68,083 PSNR: 2,980
MSE : 595,069 PSNR:
2,038 MSE : 596,339
PSNR: 2,037
MSE : 588,848 PSNR:
2,043 Running Time:
0,707 Running Time:
1,554 Running Time:
0,485 Running Time:
1,147
MSE : 67,488 PSNR: 2,983
MSE : 500,726 PSNR:
2,113 MSE : 525,891
PSNR: 2,092
MSE : 501,457 PSNR:
2,112 Running Time: 0,7 Running Time:
1,571 Running Time:
0,689 Running Time:
1,563
15
MSE : 120,559 PSNR:
2,731 MSE : 731,694
PSNR: 1,948 MSE : 1351,150
PSNR: 1,682
MSE : 672,745 PSNR:
1,985 Running Time:
0,505 Running Time:
1,132 Running Time:
0,484 Running Time:
1,144
MSE : 155,790 PSNR:
2,620 MSE : 534,042
PSNR: 2,085
MSE : 1181,983 PSNR:
1,740 MSE : 562,616
PSNR: 2,062
Running Time: 0,67
Running Time: 1,575
Running Time: 0,639
Running Time: 1,585
Universitas Sumatera Utara
20
MSE : 276,451 PSNR:
2,371 MSE : 878,402
PSNR: 1,869 MSE : 2407,672
PSNR: 1,431
MSE : 782,639 PSNR:
1,919 Running Time:
0,521 Running Time:
1,179 Running Time:
0,483 Running Time:
1,167
MSE : 272,804 PSNR:
2,377 MSE : 705,431
PSNR: 1,964
MSE : 2110,249 PSNR:
1,488 MSE : 646,673
PSNR: 2,002
Running Time: 0,719
Running Time: 1,544
Running Time: 0,642
Running Time: 1,55
25
MSE : 347,589 PSNR:
2,272 MSE : 1101,590
PSNR: 1,770
MSE : 3758,135 PSNR:
1,238 MSE : 906,294
PSNR: 1,855
Running Time: 0,521
Running Time: 1,145
Running Time: 0,467
Running Time: 1,143
MSE : 392,249 PSNR:
2,219 MSE : 846,341
PSNR: 1,885
MSE : 3214,358 PSNR:
1,305 MSE : 742,033
PSNR: 1,942
Running Time: 0,725
Running Time: 1,551
Running Time: 0,597
Running Time: 1,56
Universitas Sumatera Utara
30
MSE : 564,336 PSNR:
2,061 MSE : 1194,344
PSNR: 1,735
MSE : 5329,611 PSNR:
1,086 MSE : 1047,600
PSNR: 1,792
Running Time: 0,524
Running Time: 1,105
Running Time: 0,468
Running Time: 1,186
MSE : 618,764 PSNR:
2,021 MSE : 1174,518
PSNR: 1,743
MSE : 4505,027 PSNR:
1,159 MSE : 856,899
PSNR: 1,880
Running Time: 0,697
Running Time: 1,568
Running Time: 0,631
Running Time: 1,589
35
MSE : 747,965 PSNR:
1,939 MSE : 1321,420
PSNR: 1,692
MSE : 7167,376 PSNR:
0,957 MSE : 1220,873
PSNR: 1,726
Running Time: 0,532
Running Time: 1,17
Running Time: 0,474
Running Time: 1,177
MSE : 688,961 PSNR:
1,974 MSE : 1309,622
PSNR: 1,695
MSE : 5946,233 PSNR:
1,038 MSE : 975,517
PSNR: 1,823
Running Time: Running Time:
Running Time: Running Time:
Universitas Sumatera Utara
0,748 1,63
0,642 1,567
40
MSE : 816,545 PSNR:
1,901 MSE : 1837,092
PSNR: 1,548
MSE : 9283,372 PSNR:
0,845 MSE : 1397,996
PSNR: 1,667
Running Time: 0,495
Running Time: 1,123
Running Time: 0,466
Runnning Time: 1,119
MSE : 1097,814 PSNR:
1,772 MSE : 1476,546
PSNR: 1,643
MSE : 7533,024 PSNR:
0,936 MSE : 1090,721
PSNR: 1,775
Running Time: 0,693
Running Time: 1,519
Running Time: 0,628
Running Time: 1,559
45
MSE : 1245,252 PSNR:
1,717 MSE : 2232,843
PSNR: 1,464
MSE : 11486,131 PSNR:
0,752 MSE : 1591,411
PSNR: 1,611
Running Time: 0,497
Running Time: 1,114
Running Time: 0,466
Running Time: 1,125
MSE : 1386,242 PSNR:
1,671 MSE : 2036,539
PSNR: 1,504
MSE : 9262,271 PSNR:
0,846 MSE : 1194,538
PSNR: 1,735
Universitas Sumatera Utara
Running Time: 0,733
Running Time: 1,589
Running Time: 0,636
Running Time: 1,568
50
MSE : 1594,032 PSNR:
1,610 MSE : 2473,157
PSNR: 1,419
MSE : 13949,549 PSNR:
0,668 MSE :1784,562
PSNR: 1,561
Running Time: 0,533
Running Time: 1,159
Running Time: 0,461
Running Time: 1,131
MSE : 1793,058 PSNR:
1,559 MSE : 2603,547
PSNR: 1,397
MSE : 11139,402 PSNR:
0,776 MSE : 1323,972
PSNR: 1,691
Running Time: 0,679
Running Time: 1,546
Running Time: 0,654
Running Time: 1,553
Dari Tabel 4.1 dan 4.2 menunjukan metode Harmonic Mean Filter bekerja baik pada kedua jenis noise yaitu Gaussian Noise dan Uniform Noise. Hal ini
ditunjukan oleh nilai parameter MSE,PSNR dan Running Time yang berubah setelah proses filtering. Harmonic Mean Filter bekerja lebih baik pada Uniform Noise
dibandingkan dengan Gaussian Noise. Hal ini dapat dilihat dari proses pembangkitan noise dan proses filtering dimana nilai parameter MSE citra hasil filtering lebih kecil
daripada nilai MSE pada citra bernoise. Dan nilai parameter PSNR citra hasil filtering yang lebih besar daripada nilai PSNR pada citra bernoise. Sedangkan pada Gaussian
Noise nilai parameter MSE cira hasil filtering lebih besar daripada nilai MSE citra bernoise. Dan nilai PSNR citra hasil filtering lebih kecil daripada citra bernoise.
Sedangkan nilai parameter Running Time pada citra Tulip.bmp lebih besar daripada citra Koala.bmp karena citra Tulip.bmp mempunyai dimensi citra 260x285 pixels
lebih besar dari citra Koala.bmp yang mempunyai dimensi citra 250x215 pixels.
Universitas Sumatera Utara
Dari Tabel 4.1 dan 4.2 dapat disimpulkan bahwa pada proses pembangkitan Gaussian noise nilai MSE citra berformat .bmp cenderung lebih besar daripada citra
berformat .png, nilai PSNR citra berformat .bmp cenderung lebih kecil daripada citra berformat .png, dan Running Time pada proses pembangkitan noise citra berformat
.bmp lebih kecil daripada citra berformat .png. Pada proses filtering Gaussian Noise, nilai MSE citra berformat .bmp lebih kecil daripada citra berformat .png, nilai PSNR
citra berformat .bmp lebih besar daripada citra berformat .png, dan Running Time citra berformat .bmp lebih besar daripada citra berformat .png. Sedangkan pada proses
pembangkitan Uniform Noise nilai MSE pada citra berformat .bmp lebih kecil daripada citra berformat .png, nilai PSNR pada citra berformat .bmp lebih besar
daripada citra berformat .png, dan Running Time pada citra berformat .bmp lebih kecil daripada citra berformat .png. Pada proses filtering Uniform Noise, nilai MSE pada
citra berformat .bmp lebih besar daripada citra berformat .png, nilai PSNR citra berformat .bmp lebih kecil daripada citra berformat .png, Running Time citra
berformat .bmp lebih kecil daripada citra berformat png.
4.3.2 Hasil Pengujian Segmentasi Hasil pengujian segmentasi citra terhadap citra asli, citra bernoise Gaussian
Noise, citra bernoise Uniform Noise .bmp dan .png, serta citra hasil reduksi Harmonic Mean Filter dapat dilihat pada tabel 4.3, tabel 4.4, dan tabel 4.5
Tabel 4.3 Hasil Pengujian Fuzzy C Means Clustering terhadap Citra Asli .bmp dan .png
Juml ah
Clust er
Citra Asli
Koala.bmp 250x215 pixels
Citra Asli
Koala.png 250x215 pixels
Citra Asli
Tulip.bmp 260x285 pixels
Citra Asli
Tulip .png 260x285 pixels
1
Universitas Sumatera Utara
MSE : 3799,800 PSNR:
1,233 MSE : 3799,800
PSNR: 1,233
MSE : 5204,898 PSNR:
1,096 MSE : 5204,898
PSNR: 1,096
Running Time: 1,117
Running Time: 0,846
Running Time : 1,182
Running Time : 1,182
2
MSE : 1402,022 PSNR:
1,666 MSE : 1705,097
PSNR: 1,581
MSE : 2479,616 PSNR:
1,418 MSE : 2611,222
PSNR: 1,396
Running Time: 1,873
Running Time: 1,592
Running Time: 2,207
Running Time: 2,192
3
MSE : 1184,812 PSNR:
1,739 MSE : 1488,764
PSNR: 1,640
MSE : 1976,665 PSNR:
1,571 MSE : 2337,816
PSNR: 1,444
Running Time: 2,756
Running Time: 2,514
Running Time : 3,443
Running Time : 3,424
4
MSE : 1007,725 PSNR:
1,809 MSE : 1245,778
PSNR: 1,724
MSE : 1404,710 PSNR:
1,665 MSE : 2029,464
PSNR: 1,505
Running Time: 3,984
Running Time: 3,703
Running Time: 4,917
Running Time: 4,916
5
Universitas Sumatera Utara
MSE : 570,509 PSNR:
2,056 MSE : 798,455
PSNR: 1,910
MSE : 1110,710 PSNR:
1,767 MSE : 1542,433
PSNR: 1,624
Running Time : 5,114
Running Time: 4,851
Running Time : 6,641
Running Time: 6,63
6
MSE : 519,549 PSNR:
2,097 MSE : 643,589
PSNR: 2,004
MSE : 922,883 PSNR: 1,847
MSE : 1138,685 PSNR:
1,756 Running Time:
6,65 Running Time:
6,308 Running Time:
8,671 Running Time:
8,666
7
MSE : 463,735 PSNR:
2,146 MSE : 535,481
PSNR: 2,084
MSE : 894,811 PSNR:
1,861 MSE : 1072,179
PSNR: 1,782
Running Time : 8,305
Running Time : 7,897
Running Time : 10,892
Running Time : 10,802
8
MSE : 450,904 PSNR:
2,158 MSE : 507,559
PSNR: 2,107
MSE : 876,752 PSNR:
1,870 MSE : 911,917
PSNR: 1,853
Running Time: 10,083
Running Time: 9,743
Running Time: 13,733
Running Time: 13,729
9
Universitas Sumatera Utara
MSE : 428,849 PSNR:
2,180 MSE : 500,064
PSNR: 2,114
MSE : 743,140 PSNR:
1,942 MSE : 878,354
PSNR: 1,869
Running Time: 12,182
Running Time: 11,68
Running Time: 16,09
Running Time: 16,678
10
MSE : 397,529 PSNR:
2,213 MSE : 433,699
PSNR: 2,175
MSE : 494,441 PSNR:
2,118 MSE : 661,495
PSNR: 1,992
Running Time: 14,307
Running Time: 13,866
Running Time: 19,149
Running Time: 19,382
Dari Tabel 4.3 menunjukan bahwa segmentasi citra dengan metode Fuzzy C Means Clustering bekerja lebih baik pada citra .bmp daripada citra .png. Hal itu dapat
dilihat dari nilai MSE citra .bmp lebih kecil dari nilai MSE citra .png, nilai PSNR citra .bmp lebih besar dari nilai PSNR citra .png, sedangkan nilai Running Time citra .bmp
lebih besar dari citra .png. Jumlah cluster juga mempengaruhi kualitas citra yang dihasilkan oleh segmentasi fuzzy c means clustering. Hal ini dapat dilihat dari semakin
banyak jumlah cluster maka semakin bagus kualitas citra yang dihasilkan yang dapat dilihat dari nilai MSE yang semakin kecil dan nilai PSNR yang semakin besar. Nilai
Running Time dari proses segmentasi dipengaruhi oleh besar dimensi citra yang akan disegmentasi, semakin besar dimensi citra tersebut maka semakin besar pula nilai
Running Time.
Universitas Sumatera Utara
Tabel 4.4 Hasil Pengujian Fuzzy C Means Clustering terhadap Citra bernoise Gaussian Noise dan Citra Hasil Reduksi terhadap Citra Gaussian Noise pada
Citra .bmp dan .png dengan Persentase Noise 30 Juml
ah Clust
er Citra BerNoise
Koala.bmp 250x215 pixels
Citra BerNoise
Koala.png 250x215 pixels
Citra Filtering
Koala.bmp 250x215 pixels
Citra Filtering
Koala.png 250x215 pixels
1
MSE : 4040,687 PSNR:
1,206 MSE : 4191,553
PSNR: 1,190
MSE : 3941,029 PSNR:
1,217 MSE : 4073,505
PSNR: 1,203
Running Time: 0,853
Running Time: 0,844
Running Time : 0,846
Running Time : 0,881
2
MSE : 1711,754 PSNR:
1,579 MSE : 1546,362
PSNR: 1,623
MSE : 1710,543 PSNR:
1,579 MSE : 1540,866
PSNR: 1,625
Running Time: 1,585
Running Time: 1,604
Running Time: 1,594
Running Time: 1,649
3
MSE : 1284,450 PSNR:
1,704 MSE : 1249,929
PSNR: 1,716
MSE : 1274,372 PSNR:
1,738 MSE : 1191,328
PSNR: 1,737
Running Time: 2,484
Running Time: 2,5
Running Time : 2,515
Running Time : 2,507
Universitas Sumatera Utara
4
MSE : 1083,327 PSNR:
1,778 MSE : 1015,866
PSNR: 1,806
MSE : 1051,673 PSNR:
1,791 MSE : 982,856
PSNR: 1,820
Running Time: 3,557
Running Time: 3,575
Running Time: 3,582
Running Time: 3,588
5
MSE : 1011,897 PSNR:
1,807 MSE : 914,709
PSNR: 1,851
MSE : 1030,243 PSNR:
1,800 MSE : 904,174
PSNR: 1,856
Running Time : 4,822
Running Time: 4,847
Running Time : 4,847
Running Time: 4,85
6
MSE : 992,438 PSNR:
1,816 MSE : 846,817
PSNR: 1,885
MSE : 902,120 PSNR: 1,857
MSE : 823,387 PSNR:
1,897 Running Time:
6,384 Running Time:
6,288 Running Time:
6,301 Running Time:
6,38
7
MSE : 924,391 PSNR:
1,847 MSE : 765,217
PSNR: 1,929
MSE : 876,929 PSNR:
1,870 MSE : 750,141
PSNR: 1,937
Running Time : 7,919
Running Time : 7,939
Running Time : 7,926
Running Time : 7,966
Universitas Sumatera Utara
8
MSE : 762,054 PSNR:
1,931 MSE : 662,236
PSNR: 1,992
MSE : 760,456 PSNR:
1,933 MSE : 661,639
PSNR: 1,992
Running Time: 9,761
Running Time: 9,781
Running Time: 9,754
Running Time: 10,025
9
MSE : 669,201 PSNR:
1,987 MSE : 644,711
PSNR: 2,003
MSE : 666,356 PSNR:
1,991 MSE : 643,005
PSNR: 2,009
Running Time: 11,773
Running Time: 11,744
Running Time: 11,725
Running Time: 11,752
10
MSE : 612,678 PSNR:
2,025 MSE : 594,082
PSNR: 2,039
MSE : 764,695 PSNR:
1,929 MSE : 592,539
PSNR: 2,043
Running Time: 13,897
Running Time: 13,91
Running Time: 13,992
Running Time: 13,996
Dari Tabel 4.4 menunjukan bahwa segmentasi citra Fuzzy C Means Clustering lebih baik bekerja pada citra Gaussian Noise .png daripada citra Gaussian Noise .bmp.
Hal ini dapat dilihat dari nilai MSE citra Gaussian Noise .png yang lebih kecil daripada nilai MSE citra Gaussian Noise .bmp dan nilai PSNR citra Gaussian Noise
.png lebih besar daripada nilai PSNR pada citra Gaussian Noise .bmp. Pada segmentasi citra hasil reduksi Harmonic Mean Filter, citra hasil reduksi Gaussian
Noise .png lebih baik daripada citra hasil reduksi Gaussian Noise .bmp. Hal ini dapat dilihat dari nilai MSE citra hasil reduksi Gaussian Noise .png yang lebih kecil
Universitas Sumatera Utara
daripada nilai MSE citra hasil reduksi Gaussian Noise .bmp dan nilai PSNR citra hasil reduksi Gaussian Noise .png lebih besar daripada nilai PSNR pada citra hasil reduksi
Gaussian Noise .bmp. Segmentasi citra pada citra hasil reduksi baik citra .bmp maupun citra .png memiliki hasil yang lebih baik daripada citra bernoise Gaussian
Noise baik citra.bmp maupun citra .png karena citra hasil reduksi memiliki nilai MSE yang lebih kecil dan nilai PSNR yang lebih besar daripada citra bernoise Gaussian
Noise.
Tabel 4.5 Hasil Pengujian Fuzzy C Means Clustering terhadap Citra bernoise Uniform Noise dan Citra Hasil Reduksi terhadap Citra Uniform Noise pada Citra
.bmp dan .png dengan Persentase Noise 30 Juml
ah Clust
er Citra BerNoise
Koala.bmp 250x215 pixels
Citra BerNoise
Koala.png 250x215 pixels
Citra Filtering
Koala.bmp 250x215 pixels
Citra Filtering
Koala.png 250x215 pixels
1
MSE : 3744,863 PSNR:
1,239 MSE : 3764,439
PSNR: 1,237
MSE : 3847,238 PSNR:
1,227 MSE : 3871,726
PSNR: 1,225
Running Time: 0,854
Running Time: 0,843
Running Time : 0,861
Running Time : 0,854
2
MSE : 1300,558 PSNR:
1,698 MSE : 1304,358
PSNR: 1,697
MSE : 1343,313 PSNR:
1,684 MSE : 1450,942
PSNR: 1,651
Running Time: 1,582
Running Time: 1,595
Running Time: 1,599
Running Time: 1,59
Universitas Sumatera Utara
3
MSE : 1235,595 PSNR:
1,783 MSE : 1266,104
PSNR: 1,761
MSE : 1239,246 PSNR:
1,778 MSE : 1435,485
PSNR: 1,656
Running Time: 2,492
Running Time: 2,496
Running Time : 2,494
Running Time : 2,492
4
MSE : 806,575 PSNR:
1,906 MSE : 1050,998
PSNR: 1,791
MSE : 854,462 PSNR:
1,881 MSE : 1240,573
PSNR: 1,719
Running Time: 3,57
Running Time: 3,57
Running Time: 3,578
Running Time: 3,574
5
MSE : 651,862 PSNR:
1,998 MSE : 710,869
PSNR: 1,961
MSE : 676,572 PSNR:
2,014 MSE : 848,144
PSNR: 1,884
Running Time : 4,849
Running Time: 4,847
Running Time : 4,845
Running Time: 4,83
6
MSE : 567,466 PSNR:
2,059 MSE : 589,347
PSNR: 2,042
MSE : 586,058 PSNR: 2,045
MSE : 820,030 PSNR:
1,899 Running Time:
6,303 Running Time:
6,352 Running Time:
6,431 Running Time:
6,278
Universitas Sumatera Utara
7
MSE : 416,086 PSNR:
2,193 MSE : 472,943
PSNR: 2,138
MSE : 434,923 PSNR:
2,174 MSE : 617,803
PSNR: 2,022
Running Time : 8,162
Running Time : 7,923
Running Time : 7,887
Running Time : 7,918
8
MSE : 367,480 PSNR:
2,247 MSE : 443,159
PSNR: 2,166
MSE : 394,211 PSNR:
2,217 MSE : 513,814
PSNR: 2,102
Running Time: 9,708
Running Time: 9,752
Running Time: 9,75
Running Time: 9,543
9
MSE : 366,682 PSNR:
2,248 MSE : 431,651
PSNR: 2,177
MSE : 377,508 PSNR:
2,236 MSE : 496,008
PSNR: 2,117
Running Time: 11,741
Running Time: 11,807
Running Time: 11,783
Running Time: 11,748
10
MSE : 355,991 PSNR:
2,261 MSE : 371,796
PSNR: 2,242
MSE : 360,524 PSNR:
2,256 MSE : 477,549
PSNR: 2,134
Running Time: 13,887
Running Time: 13,938
Running Time: 14,111
Running Time: 13,922
Universitas Sumatera Utara
Dari Tabel 4.5 menunjukan bahwa segmentasi citra Fuzzy C Means Clustering lebih baik bekerja pada citra Uniform Noise .bmp daripada citra Uniform Noise .png.
Hal ini dapat dilihat dari nilai MSE citra Uniform Noise .bmp yang lebih kecil daripada nilai MSE citra Gaussian Noise .png dan nilai PSNR citra Uniform Noise
.bmp lebih besar daripada nilai PSNR pada citra Uniform Noise .png. Pada segmentasi citra hasil reduksi Harmonic Mean Filter, citra hasil reduksi Uniform Noise .bmp
lebih baik daripada citra hasil reduksi Gaussian Noise .png. Hal ini dapat dilihat dari nilai MSE citra hasil reduksi Uniform Noise .bmp yang lebih kecil daripada nilai MSE
citra hasil reduksi Gaussian Noise .png dan nilai PSNR citra hasil reduksi Uniform Noise .bmp lebih besar daripada nilai PSNR pada citra hasil reduksi Uniform Noise
.png. Segmentasi citra pada citra bernoise Uniform Noise baik citra .bmp maupun citra .png memiliki hasil yang lebih baik daripada citra hasil reduksi baik citra.bmp maupun
citra .png karena citra bernoise Uniform Noise memiliki nilai MSE yang lebih kecil dan nilai PSNR yang lebih besar daripada citra hasil reduksi.
Tabel 4.6. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Gaussian Noise pada Citra .bmp
Prob abilit
as Gaussian Noise
Citra Gaussian Noise Citra Hasil Harmonic Mean Filter
MSE PSNR
Running Time MSE
PSNR Running Time
5 15,165
3,632 0,509
602,428 2,033
1,155 10
60,009 3,034
0,491 609,233
2,028 1,142
15 149,694
2,637 0,499
702,863 1,966
1,13 20
238,745 2,435
0,509 755,664
1,934 1,151
25 358,882
2,258 0,538
918,585 1,849
1,146 30
556,111 2,067
0,55 967,766
1,827 1,145
35 710,500
1,961 0,529
1214,466 1,728
1,144 40
947,575 1,836
0,496 1565,903
1,618 1,139
45 1226,225
1,724 0,515
1738,534 1,572
1,158 50
1659,468 1,593
0,504 2363,394
1,439 1,127
Rata -rata
592,237 2,317
0,514 1143,884
1,799 1,143
Universitas Sumatera Utara
Berdasarkan Tabel 4.6 dapat dilihat bahwa Harmonic Mean Filter tidak bekerja cukup baik pada citra Gaussian Noise. Hal ini dapat dilihat dari nilai rata-rata
MSE citra hasil filtering lebih besar daripada nilai rata-rata MSE citra noise. Nilai rata-rata PSNR citra hasil filtering lebih kecil daripada nilai rata-rata PSNR citra
noise. Sehingga dapat disimpulkan Harmonic Mean Filter tidak bekerja baik pada citra Gaussian Noise. Rata-rata nilai Running Time yang diperlukan untuk mereduksi
citra Gaussian Noise yaitu 1,143 s.
Tabel 4.7. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Uniform Noise pada Citra .bmp
Prob abilit
as Uniform Noise
Citra Uniform Noise Citra Hasil Harmonic Mean Filter
MSE PSNR
Running Time MSE PSNR
Running Time 5
141,505 2,662
0,464 529,384
2,089 1,138
10 597,290
2,036 0,477
590,347 2,041
1,159 15
1340,397 1,685
0,473 673,735
1,984 1,128
20 2410,599
1,430 0,474
783,745 1,918
1,148 25
3752,681 1,238
0,482 906,971
1,855 1,146
30 5317,523
1,087 0,465
1062,975 1,786
1,136 35
7116,070 0,960
0,498 1228,720
1,723 1,145
40 9267,037
0,846 0,431
1403,889 1,665
1,13 45 11461,434
0,753 0,454
1605,260 1,607
1,128 50 13918,952
0,669 0,46
1789,291 1,560
1,135 Rata
-rata 5532,249
1,337 0,468
1057,432 1,823
1,139
Berdasarkan Tabel 4.7 dapat dilihat bahwa Harmonic Mean Filter bekerja baik pada citra Uniform Noise. Hal ini dapat dilihat dari nilai rata-rata MSE citra hasil
filtering lebih kecil daripada nilai rata-rata MSE citra noise. Nilai rata-rata PSNR citra hasil filtering lebih besar daripada nilai rata-rata PSNR citra noise. Sehingga dapat
disimpulkan Harmonic Mean Filter bekerja baik pada citra Uniform Noise. Rata-rata ilai Running Time yang diperlukan untuk mereduksi citra Uniform Noise yaitu 1,139s.
Universitas Sumatera Utara
Tabel 4.8. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Gaussian Noise pada Citra .png
Prob abilit
as Gaussian Noise
Citra Gaussian Noise Citra Hasil Harmonic Mean Filter
MSE PSNR
Running Time MSE
PSNR Running Time
5 16,064
3,607 0,526
674,774 1,983
1,129 10
68,083 2,980
0,707 595,069
2,038 1,154
15 120,559
2,731 0,505
731,694 1,948
1,132 20
276,451 2,371
0,521 878,402
1,869 1,179
25 347,589
2,272 0,521
1101,590 1,770
1,145 30
564,336 2,061
0,524 1194,344
1,735 1,105
35 747,965
1,939 0,532
1321,420 1,692
1,17 40
816,545 1,901
0,495 1837,092
1,548 1,123
45 1245,252
1,717 0,497
2232,843 1,464
1,114 50
1594,032 1,610
0,533 2473,157
1,419 1,159
Rata -rata
579,688 2,355
0,536 1304,038
1,747 1,141
Berdasarkan Tabel 4.8 dapat dilihat bahwa sama seperti citra .bmp, pada citra .png Harmonic Mean Filter tidak bekerja cukup baik pada citra Gaussian Noise. Hal
ini dapat dilihat dari nilai rata-rata MSE citra hasil filtering lebih besar daripada nilai rata-rata MSE citra noise. Nilai rata-rata PSNR citra hasil filtering lebih kecil daripada
nilai rata-rata PSNR citra noise. Sehingga dapat disimpulkan Harmonic Mean Filter tidak bekerja baik pada citra Gaussian Noise. Rata-rata nilai Running Time yang
diperlukan untuk mereduksi citra Gaussian Noise yaitu 1,141 s.
Tabel 4.9. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Uniform Noise pada Citra .png
Prob abilit
as Uniform Noise
Citra Uniform Noise Citra Hasil Harmonic Mean Filter
MSE PSNR
Running Time MSE
PSNR Running-Time
5 141,826
2,661 0,459
529,186 2,089
1,127
Universitas Sumatera Utara
10 596,339
2,037 0,485
588,848 2,043
1,147 15
1351,150 1,682
0,484 672,745
1,985 1,144
20 2407,672
1,431 0,483
782,639 1,919
1,167 25
3758,135 1,238
0,482 906,971
1,855 1,146
30 5329,611
1,086 0,468
1047,600 1,792
1,186 35
7167,376 0,957
0,474 1220,873
1,726 1,177
40 9283,372
0,845 0,466
1397,996 1,667
1,119 45 11486,131
0,752 0,466
1591,411 1,611
1,125 50 13949,549
0,668 0,461
1784,562 1,561
1,131 Rata
-rata 5547,116
1,336 0,473
1052,283 1,825
1,147
Berdasarkan Tabel 4.9 dapat dilihat bahwa Harmonic Mean Filter bekerja baik pada citra Uniform Noise. Hal ini dapat dilihat dari nilai rata-rata MSE citra hasil sama
seperti citra .bmp, pada citra .png filtering lebih kecil daripada nilai rata-rata MSE citra noise. Nilai rata-rata PSNR citra hasil filtering lebih besar daripada nilai rata-rata
PSNR citra noise. Sehingga dapat disimpulkan Harmonic Mean Filter bekerja baik pada citra Uniform Noise. Rata-rata nilai Running Time yang diperlukan untuk
mereduksi citra Uniform Noise yaitu 1,147 s.
Tabel 4.10. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Gaussian Noise pada Citra .bmp dan Citra
.png
Prob abilit
as Gaussian Noise
Citra Hasil Harmonic Mean Filter pada citra .bmp
Citra Hasil Harmonic Mean Filter pada citra .png
MSE PSNR
Running Time MSE
PSNR Running Time
5 602,428
2,033 1,155
674,774 1,983
1,129 10
609,233 2,028
1,142 595,069
2,038 1,154
15 702,863
1,966 1,13
731,694 1,948
1,132 20
755,664 1,934
1,151 878,402
1,869 1,179
25 918,585
1,849 1,146
1101,590 1,770
1,145
Universitas Sumatera Utara
30 967,766
1,827 1,145
1194,344 1,735
1,105 35
1214,466 1,728
1,144 1321,420
1,692 1,17
40 1565,903
1,618 1,139
1837,092 1,548
1,123 45
1738,534 1,572
1,158 2232,843
1,464 1,114
50 2363,394
1,439 1,127
2473,157 1,419
1,159 Rata
-rata 1143,884
1,799 1,143
1304,038 1,747
1,141 Berdasarkan tabel 4.10 dapat dilihat bahwa pada reduksi Gaussian Noise nilai
rata-rata MSE citra hasil filtering pada citra .bmp lebih kecil daripada nilai rata-rata MSE citra hasil filtering pada citra .png. Nilai rata-rata PSNR citra hasil filtering pada
citra .bmp lebih besar daripada nilai rata-rata PSNR citra hasil filtering pada citra .png. Rata-rata Running Time pada citra .bmp lebih besar daripada rata-rata Running
Time pada citra .png.
Tabel 4.11. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Uniform Noise pada Citra .bmp dan citra .png
Prob abilit
as Uniform Noise
Citra Hasil Harmonic Mean Filter pada citra .bmp
Citra Hasil Harmonic Mean Filter pada citra .png
MSE PSNR
Running Time MSE
PSNR Running-Time
5 529,384
2,089 1,138
529,186 2,089
1,127 10
590,347 2,041
1,159 588,848
2,043 1,147
15 673,735
1,984 1,128
672,745 1,985
1,144 20
783,745 1,918
1,148 782,639
1,919 1,167
25 906,971
1,855 1,146
906,971 1,855
1,146 30
1062,975 1,786
1,136 1047,600
1,792 1,186
35 1228,720
1,723 1,145
1220,873 1,726
1,177 40
1403,889 1,665
1,13 1397,996
1,667 1,119
45 1605,260
1,607 1,128
1591,411 1,611
1,125 50
1789,291 1,560
1,135 1784,562
1,561 1,131
Rata -rata
1057,432 1,823
1,139 1052,283
1,825 1,147
Universitas Sumatera Utara
Berdasarkan tabel 4.11 dapat dilihat bahwa pada reduksi Uniform Noise nilai rata-rata MSE citra hasil filtering pada citra .bmp lebih besar daripada nilai rata-rata
MSE citra hasil filtering pada citra .png. Nilai rata-rata PSNR citra hasil filtering pada citra .bmp lebih kecil daripada nilai rata-rata PSNR citra hasil filtering pada citra .png.
Rata-rata Running Time pada citra .bmp lebih kecil daripada rata-rata Running Time pada citra .png.
Tabel 4.12. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Citra .bmp pada Citra Gaussian Noise .bmp
dan Citra Uniform Noise .bmp
Prob abilit
as Citra .bmp
Citra Hasil Harmonic Mean Filter terhadap citra Gaussian Noise
Citra Hasil Harmonic Mean Filter terhadap citra Uniform
MSE PSNR
Running Time MSE
PSNR Running-Time
5 602,428
2,033 1,155
529,384 2,089
1,138 10
609,233 2,028
1,142 590,347
2,041 1,159
15 702,863
1,966 1,13
673,735 1,984
1,128 20
755,664 1,934
1,151 783,745
1,918 1,148
25 918,585
1,849 1,146
906,971 1,855
1,146 30
967,766 1,827
1,145 1062,975
1,786 1,136
35 1214,466
1,728 1,144
1228,720 1,723
1,145 40
1565,903 1,618
1,139 1403,889
1,665 1,13
45 1738,534
1,572 1,158
1605,260 1,607
1,128 50
2363,394 1,439
1,127 1789,291
1,560 1,135
Rata -rata
1143,884 1,799
1,143 1057,432
1,823 1,139
Berdasarkan Tabel 4.12 dapat dilihat bahwa pada citra .bmp, citra hasil proses reduksi Gaussian Noise memiliki nilai rata-rata MSE lebih besar daripada citra hasil
proses reduksi Uniform Noise, citra hasil proses reduksi Gaussian Noise memiliki nilai PSNR yang lebih kecil daripada citra hasil proses reduksi Uniform Noise, dan
citra hasil proses reduksi Gaussian Noise memiliki nilai rata-rata Running Time yang lebih besar daripada citra hasil proses reduksi Uniform Noise.
Universitas Sumatera Utara
Tabel 4.13. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Metode Harmonic Mean Filter terhadap Citra .png pada Citra Gaussian Noise .png
dan Citra Uniform Noise .png
Prob abilit
as Citra .png
Citra Hasil Harmonic Mean Filter terhadap citra Gaussian Noise
Citra Hasil Harmonic Mean Filter terhadap citra Uniform
MSE PSNR
Running Time MSE
PSNR Running-Time
5 674,774
1,983 1,129
529,186 2,089
1,127 10
595,069 2,038
1,154 588,848
2,043 1,147
15 731,694
1,948 1,132
672,745 1,985
1,144 20
878,402 1,869
1,179 782,639
1,919 1,167
25 1101,590
1,770 1,145
906,971 1,855
1,146 30
1194,344 1,735
1,105 1047,600
1,792 1,186
35 1321,420
1,692 1,17
1220,873 1,726
1,177 40
1837,092 1,548
1,123 1397,996
1,667 1,119
45 2232,843
1,464 1,114
1591,411 1,611
1,125 50
2473,157 1,419
1,159 1784,562
1,561 1,131
Rata -rata
1304,038 1,747
1,141 1052,283
1,825 1,147
Berdasarkan Tabel 4.13 dapat dilihat bahwa pada citra .bmp, citra hasil proses reduksi Gaussian Noise memiliki nilai rata-rata MSE lebih besar daripada citra hasil
proses reduksi Uniform Noise, citra hasil proses reduksi Gaussian Noise memiliki nilai PSNR yang lebih kecil daripada citra hasil proses reduksi Uniform Noise, dan
citra hasil proses reduksi Gaussian Noise memiliki nilai rata-rata Running Time yang lebih kecil daripada citra hasil proses reduksi Uniform Noise.
Universitas Sumatera Utara
Tabel 4.14. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Segmentasi Metode Fuzzy C Means Clustering pada Citra Asli .bmp dan .png
Juml ah
Clus ter
Segmentasi Citra Asli Segmentasi Fuzzy C Means
Clustering pada Citra Asli .bmp Segmentasi Fuzzy C Means Clustering
pada Citra Asli .png MSE
PSNR Running Time
MSE PSNR
Running-Time 1
3799,800 1,233
1,117 3799,800
1,233 0,846
2 1402,022
1,666 1,873
1705,097 1,581
1,592 3
1184,812 1,739
2,756 1488,764
1,640 2,514
4 1007,725
1,809 3,984
1245,778 1,724
3,703 5
570,509 2,056
5,114 798,455
1,910 4,851
6 519,549
2,097 6,65
643,589 2,004
6,308 7
463,735 2,146
8,305 535,481
2,084 7,897
8 450,904
2,158 10,083
507,559 2,107
9,743 9
428,849 2,180
12,182 500,064
2,114 11,68
10 397,529
2,213 14,307
433,699 2,175
13,866 Rata
-rata 1022,5431
1,929 6,637
1165.829 1,857
6,3
Berdasarkan Tabel 4.14, segmentasi citra dengan Fuzzy C Means Clustering bekerja lebih baik pada citra asli .bmp daripada citra asli .png. Hal ini dapat dilihat
dari nilai rata-rata MSE citra asli .bmp lebih kecil daripada nilai rata-rata MSE citra asli .png dan nilai rata-rata PSNR citra asli .bmp lebih besar daripada nilai rata-rata
PSNR citra asli .png. Nilai rata-rata Running Time pada citra asli .bmp lebih besar daripada citra asli .png
Universitas Sumatera Utara
Tabel 4.15. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Segmentasi Metode Fuzzy C Means Clustering pada Citra Gaussian Noise dan
citra hasil Filtering pada Citra .bmp
Juml ah
Clus ter
Segmentasi Citra Gaussian Noise .bmp Segmentasi Fuzzy C Means
Clustering pada Citra Gaussian Noise Segmentasi Fuzzy C Means Clustering
pada Citra Filtering MSE
PSNR Running Time
MSE PSNR
Running-Time 1
4040,687 1,206
0,853 3941,029
1,217 0,846
2 1711,754
1,579 1,585
1710,543 1,579
1,594 3
1284,450 1,704
2,484 1274,372
1,738 2,515
4 1083,327
1,778 3,557
1051,673 1,791
3,582 5
1011,897 1,807
4,822 1030,243
1,800 4,847
6 992,438
1,816 6,384
902,120 1,857
6,301 7
924,391 1,847
7,919 876,929
1,870 7,926
8 762,054
1,931 9,761
760,456 1,933
9,754 9
669,201 1,987
11,773 770,597
1,991 11,725
10 612,678
2,025 13,897
764,695 1,929
13,992 Rata
-rata 1309,288
1,768 6,303
1308.266 1,770
6,308
Dari Tabel 4.15 segmentasi citra Fuzzy C Means Clustering bekerja lebih baik pada citra hasil filtering daripada citra Gaussian Noise pada citra .bmp. Hal ini dapat
dilihat dari nilai MSE citra hasil filtering lebih kecil daripada nilai MSE citra Gaussian Noise dan nilai PSNR citra hasil filtering lebih besar daripada nilai PSNR
citra Gaussian Noise. Nilai rata-rata Running Time pada citra hasil filtering lebih besar daripada citra Gaussian Noise.
Universitas Sumatera Utara
Tabel 4.16. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Segmentasi Metode Fuzzy C Means Clustering pada Citra Gaussian Noise dan
Citra Hasil Filtering pada Citra .png
Juml ah
Clus ter
Segmentasi Citra Gaussian Noise .png Segmentasi Fuzzy C Means
Clustering pada Citra Gaussian Noise Segmentasi Fuzzy C Means Clustering
pada Citra Filtering MSE
PSNR Running Time
MSE PSNR
Running-Time 1
4191,553 1,190
0,844 4073,505
1,203 0,881
2 1546,362
1,623 1,604
1540,866 1,625
1,649 3
1249,929 1,716
2,5 1191,328
1,737 2,507
4 1015,866
1,806 3,575
982,856 1,820
3,588 5
914,709 1,851
4,847 904,174
1,856 4,85
6 846,817
1,885 6,288
823,387 1,897
6,38 7
765,217 1,929
7,939 750,141
1,937 7,966
8 662,236
1,992 9,781
661,639 1,992
10,025 9
644,711 2,003
11,744 643,005
2,009 11,752
10 594,082
2,039 13,91
592,539 2,043
13,996 Rata
-rata 1243,148
1,803 6,303
1216,344 1,812
6,359
Dari Tabel 4.16 segmentasi citra Fuzzy C Means Clustering bekerja lebih baik pada citra hasil filtering daripada citra Gaussian Noise pada citra .png. Hal ini dapat
dilihat dari nilai MSE citra hasil filtering lebih kecil daripada nilai MSE citra Gaussian Noise dan nilai PSNR citra hasil filtering lebih besar daripada nilai PSNR
citra Gaussian Noise. Nilai rata-rata Running Time pada citra hasil filtering lebih besar daripada citra Gaussian Noise.
Universitas Sumatera Utara
Tabel 4.17. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Segmentasi Metode Fuzzy C Means Clustering pada Citra Uniform Noise dan
Citra Hasil Filtering pada Citra .bmp
Juml ah
Clus ter
Segmentasi Citra Uniform Noise .bmp Segmentasi Fuzzy C Means
Clustering pada Citra Uniform Noise Segmentasi Fuzzy C Means Clustering
pada Citra Filtering MSE
PSNR Running Time
MSE PSNR
Running-Time 1
3744,863 1,239
0,854 3847,238
1,227 0,861
2 1300,558
1,698 1,582
1343,313 1,684
1,599 3
1235,595 1,783
2,492 1239,246
1,778 2,494
4 806,575
1,906 3,57
854,462 1,881
3,578 5
651,862 1,998
4,849 676,572
2,014 4,845
6 567,466
2,059 6,303
586,058 2,045
6,431 7
416,086 2,193
8,162 434,923
2,174 7,887
8 367,480
2,247 9,708
394,211 2,217
9,75 9
366,682 2,248
11,741 377,508
2,236 11,783
10 355,991
2,261 13,887
360,524 2,256
14,111 Rata
-rata 981,316
1,963 6,315
1011.406 1,951
6,334
Dari 4.17 menunjukan bahwa segmentasi Fuzzy C Means Clustering bekerja lebih baik pada citra Uniform Noise daripada citra filtering. Hal ini dapat dilihat dari
nilai rata-rata MSE citra Uniform Noise lebih kecil daripada nilai rata-rata MSE citra filtering dan nilai rata-rata PSNR citra Uniform Noise lebih besar daripada nilai rata-
rata PSNR citra filtering. Nilai Running Time pada proses segmentasi pada citra filtering lebih besar daripada proses segmentasi pada citra Uniform Noise.
Universitas Sumatera Utara
Tabel 4.18. Perbandingan Nilai MSE, PSNR, dan Running Time Hasil Segmentasi Metode Fuzzy C Means Clustering pada Citra Uniform Noise dan
citra hasil Filtering pada Citra .png
Juml ah
Clus ter
Segmentasi Citra Uniform Noise .png Segmentasi Fuzzy C Means
Clustering pada Citra Uniform Noise Segmentasi Fuzzy C Means Clustering
pada Citra Filtering MSE
PSNR Running Time
MSE PSNR
Running-Time 1
3764.439 1.237
0.843 3871.726
1.225 0.854
2 1304.358
1.697 1,595
1450,942 1,651
1,59 3
1266,104 1,761
2,496 1435,485
1,656 2,492
4 1050,998
1,791 3,57
1240,573 1,719
3,574 5
710,869 1,961
4,847 848,144
1,884 4,88
6 589,058
2,042 6,352
820,030 1,899
6,382 7
472,943 2,138
7,923 617,803
2,022 7,956
8 443,159
2,166 9,752
513,814 2,102
9,785 9
431,651 2,177
11,807 496,008
2,117 11,838
10 371,796
2,242 13,938
477,549 2,134
13,967 Rata
-rata 1040,538
1,921 6,312
1177,207 1.841
6,319
Dari Tabel 4.18 menunjukan bahwa hasil segmentasi pada citra Uniform Noise dan citra hasil filtering Uniform Noise pada citra .png sama dengan citra .bmp dimana
segmentasi citra Fuzzy C Means Clustering bekerja lebih baik pada citra Uniform Noise daripada citra filtering. Hal ini dapat dilihat dari nilai rata-rata MSE pada citra
Uniform Noise dan nilai rata-rata MSE pada citra filtering dan nilai rata-rata PSNR pada citra Uniform Noise lebih besar daripada nilai rata-rata PSNR pada citra filtering.
Nilai rata-rata Running Time pada proses segmentasi pada citra filtering lebih besar daripada nilai rata-rata Running Time pada proses segmentasi pada citra Uniform
Noise.
Universitas Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN