Penelitian yang Relevan LatarBelakang

2.18.2 Peak Signal to Noise Ratio PNSR

Peak Signal to Noise Ratio PSNR adalah sebuah perhitungan yang menentukan nilai dari sebuah citra yang dihasilkan. Nilai PSNR ditentukan oleh besar atau kecilnya nilai MSE yang terjadi pada citra.Semakin besar nilai PSNR, semakin baik pula hasil yang diperoleh pada tampilan citra hasil.Sebaliknya, semakin kecil nilai PSNR, maka semakin buruk pula hasil yang diperoleh pada tampilan citra hasil Lestari, 2006. PSNR dihitung dengan menggunakan rumus Putra, 2010: ���� = 20 ��� 10 ��� �′�, � ∑ ∑ �′�, �− �′�, � 2 � �=1 � �=1 . = 20 ��� 10 ⁡ 255 √��� .. ...............7 Keterangan : M, N : Panjang, lebar citra PSNR : nilai Peak Sgnal to Noise Ratio MSE : nilai Mean Squared Error 255 : nilai skala keabuan citra ��� 10 : Logaritma basis 10 ��, � : Citra Asli �’�, � : Citra Hasil ��� �′�, �: nilai maksimum keabuan citra hasil

2.19 Penelitian yang Relevan

Berikut penelitian tentang Pengolahan Citra yang membahas tentang teknik deteksi tepi: 1. Dalam Penelitian Barus, Oktavianus 2011.”Identifikasi Tepi Citra Menggunakan Algoritma Sobel Edge Detection”. Deteksi tepi menggunakan operator Sobel menghasilkan titik-titik tepi yang lebih halus selain itu mampu mengurangi noise sebelum melakukan deteksi tepi sehingga hasil tepi yang dihasilkan lebih banyak. 2. Dalam penelitian Fahzuanta, Putra Marifad Qalbi 2010.” Analisis Perbandingan Pendeteksian Garis Tepi pada Citra Digital antara Metode Edge Linking dan Operator Sobel”. Kualitas tepi yang dihasilkan operator Sobel adalah berupa tepi ganda dan tepi tunggal. Kecepatan deteksi tepi dengan metode Edge Linking lebih cepat jika dibandingkan operator Sobel. 3. Dalam penelitian Isnanto, R.Rizal 2003.” Teknik-Teknik Analisis pada Citra Tulang Sebagai Alat Bantu Identifikasi Medis”. Kombinasi Operator Frei-Chen dan Dilasi menghasilkan deteksi tepi yang paling jelas diantara operator berbasis gradient lainnya. BAB I PENDAHULUAN

1.1 LatarBelakang

Saat ini teknologi informasi berkembang dengan sangat pesat. Seiring dengan perkembangan teknologi tersebut citra digital banyak digunakan dalam berbagai bidang salah satunya dibidang kesehatan. Dalam hal ini, citra banyak digunakan para tenaga medis untuk menentukan diagnosis yang lebih akurat yakni dengan menggunakan hasil citra radiografi atau foto rontgen dari anatomi tubuh pasien. Seperti halnya dibidang kedokteran gigi pemeriksaan radiografis merupakan bagian pemeriksaan yang menunjang hasil pemeriksaan fisik dan mempertegas diagnosa sementara yang sudah ditentukan sebelumnya, seperti untuk mengetahui kelainan ataupun penyakit pada rongga mulut yang tidak dapat diamati secara langsung. Penyakit rongga mulut yang memerlukan foto rontgen gigi diantaranya, gangguan kista pada rongga mulut. Kista adalah suatu benjolan yang tumbuh pada jaringan normal yang dibatasi oleh jaringan ikat. Kista yang sering terjadi pada rongga mulut diantaranya Kista Dentigerous, Ameloblastoma, dan Odontogenik Keratocyst. Kista pada rongga mulut banyak ditemukan pada pasien dari berbagai usia dan sekitar 60 kasusnya ditemukan pada pasien antara usia 10-40 tahun. Sekitar 60 kasus kista terjadi pada rahang bawah Surya, 2009. Format citra yang banyak digunakan dan telah diterima secara umum adalah citra dengan format JPG. Meskipun bersifat lossy citra dengan format JPG memiliki beberapa keunggulan diantaranya cocok digunakan untuk gambar atau citra yang memiliki banyak warna dan size yang kecil Putra, 2010. Seperti diketahui citra radiografi rontgen berbentuk bayangan, yaitu citra yang diperoleh sebagai akibat dari sinar x melalui tubuh, namun pada prakteknya hasil dari citra radiografi itu sendiri sering diikuti oleh pengaburan dimana bentuk gambar dari gradasi warna objek tidak terlihat jelas, hal ini disebabkan oleh beberapa factor seperti jarak pengambilan foto, gerakan objek, atau factor instrinsik yang berhubungan dengan bahan perekam citra itu sendiri. Untuk itu diperlukan suatu metode pengolahan citra yang dapat mendeskripsikan bentuk atau batas tepian citra sehingga citra dapat diamati dengan jelas. Pada pengolahan citra digital, tepian citra dapat diperjelas dengan menggunakan teknik deteksi tepi, teknik deteksi tepi merupakan teknik yang digunakan untuk memperoleh tepian objek. Deteksi tepi memanaatkan perubahan nilai intensitas yang derastis pada batas dua area. Teknik deteksi tepi telah banyak digunakan dalam pengolahan citra seperti metode Robert, Prewitt, Frei-Chen dan Sobel yang termasuk deteksi tepi orde pertama dimana kedua teknik ini menggunakan dua macam detector yaitu detector baris dan detector kolom x,y. Metode Sobel merupakan pengembangan metode Robert. Kelebihan metode Sobel ini adalah mampu untuk mengurangi noise sebelum melakukan pendeteksian sisi Wijaya,2013. Sedangkan metode Frei-Chen mampu menghasilkan deteksi tepi lebih jelas jika dibandingkan dengan metode deteksi tepi berbasis gradient lainnya Isnanto, 2003. Metode Morphologi biasanya digunakan untuk menyempurnakan hasil pemrosesan citra baik sesudah maupun sebelum pemrosesan citra. Morphologi memiliki dua operasi dasar yaitu Dilasi dan Erosi . Metode dilasi digunakan untuk mendapatkan efek pelebaran citra. Sedangkan metode erosi mempunyai efek memperkecil struktur citra Kadir,2013. Dari pemaparan diatas, penulis tertarik untuk mengimplementasikan dan membandingkan metode Frei-Chen, Morphologi dan Sobel, mengkombinasikan metode Sobel dan Morphologi serta Frei-Chen dan Morphologi untuk deteksi tepi pada citra foto rontgen gigi untuk memudahkan dalam mengamati kista pada rongga mulut dengan format citra JPG.

1.2 Perumusan Masalah