4.2. Pengujian
Pengujian sistem merupakan hasil dari proses implementasi sistem. Pengujian dilakukan dengan menggunakan citra yang berisi noise asli yang dalam hal ini noise tidak
dibangkitkan dari sistem sehingga tidak akan ada probabilitas noise dan ditambah citra dengan impulse noise. Citra dengan noise asli didapat dari hasil capturing kamera digital.
Citra yang akan diuji memiliki format bitmap .bmp yang berukuran 256x256 piksel atau 512x512 piksel.
4.2.1. Pengujian Proses Filtering Pengujian metode filter diawali dengan memilih citra dengan noise asli atau citra
dengan impulse noise yang akan digunakan dalam proses filtering. Setelah citra tampil pada sistem, maka akan ditampilkan informasi citra. Kemudian citra noise tersebut di-
filter menggunakan metode Wiener Filter, Adaptive Median Filter dan kombinasi keduanya. Nilai MSE, PSNR, dan running time akan muncul bersamaan dengan citra
hasil filtering. Setelah proses filter selesai, sistem akan menampilkan message box
yang menyatakan bahwa proses filter telah berhasil dilakukan seperti terlihat pada gambar 4.8.
Gambar 4.8. Message Box Filtering berhasil
Untuk nilai MSE, PSNR, dan running time akan digunakan untuk membandingkan metode filter yang digunakan sistem. Proses pengujian Filtering dapat dilihat pada
Gambar 4.9 dan Gambar 4.10
Universitas Sumatera Utara
Gambar 4.9. Proses pemfilteran citra yang memiliki noise asli dengan Wiener Filter,
Adaptive Median Filter dan kombinasi keduanya
Gambar 4.10. Proses pemfilteran citra yang berisi impulse noise dengan Wiener
Filter, Adaptive Median Filter dan kombinasi keduanya
Universitas Sumatera Utara
4.3. Hasil Pengujian
Pengujian metode filtering dilakukan terhadap beberapa gambar berformat bitmap dengan ukuran dimensi yang bervariasi pada masing-masing citra. Citra dengan noise
asli dan impulse noise yang diuji pada penelitian ini dapat dilihat pada gambar 4.11 dan gambar 4.12.
Gambar 4.11. Citra yang terdegradasi noise asli hasil capturing kamera digital
Universitas Sumatera Utara
Gambar 4.12. Beberapa citra yang berisi impulse noise
Hasil pengujian metode Wiener Filter, Adaptive Median Filter dan kombinasi keduanya dapat dilihat pada tabel 4.1, tabel 4.2, tabel 4.3 dan tabel 4.4.
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Sekilas citra dari Wiener Filter yang ditunjukkan pada tabel 4.1 dan tabel 4.2 memperlihatkan hasil yang sedikit lebih gelap dari citra asalnya dibandingkan dengan
hasil Adapative Median Filter. Hal ini disebabkan perubahan piksel dari pemrosesan Wiener Filter lebih kecil dari piksel awal sehingga mengakibatkan citra hasil menjadi
sedikit lebih gelap. Hal ini dapat ditunjukkan oleh gambar 4.13.
a
b Gambar 4.13. a Nilai piksel awal red sebelum difilter dan b nilai piksel akhir red
setelah difilter dengan Wiener Filter
147 157
152 155
153 156
156 148
147 151
152 155
153 162
147 152
152 155
153 152
157 162
153 153
158
130 139
134 137
153 138
138 131
130 151
134 137
135 144
147 135
134 137
135 135
139 144
136 136
140
Universitas Sumatera Utara
Nilai MSE, PSNR, dan running time filtering beserta rata-ratanya untuk citra noise asli dapat dilihat lebih jelas pada tabel 4.4, tabel 4.5, dan tabel 4.6 berikut.
Tabel 4.4. Rata-rata Nilai MSE, PSNR, dan running time pada citra 256x256 piksel
dan 512x512 piksel dengan Wiener Filter Ukuran
citra piksel Nama citra
.bmp Citra Hasil Wiener Filter
MSE PSNR db
RT s
256 x
256
books 144
4 3,068
ayin 258
3 2,997
pas photo 318
3 2,811
home 215
3 2,99
Rata-rata 233,75
3,25 2,967
512 x
512
books 234
3 11,665
ayin 246
3 11,631
pas photo 318
3 12,293
home 312
3 12,117
Rata-rata 277,5
3 11,927
Tabel 4.5. Rata-rata Nilai MSE, PSNR, dan running time pada citra 256x256 piksel
dan 512x512 piksel dengan Adaptive Median Filter Ukuran
citra piksel Nama citra
.bmp Citra Hasil Adaptive Median Filter
MSE PSNR db
RT s
256 x
256
books 129
4 25,953
ayin 275
3 26,689
pas photo 33
4 25,847
home 269
3 25,856
Rata-rata 176,5
3,5 26,086
512 x
512
books 28
4 98,945
ayin 154
4 110,86
pas photo 10
5 103,702
home 11
5 61,087
Rata-rata 50,75
4,5 93,648
Universitas Sumatera Utara
Tabel 4.6. Rata-rata Nilai MSE, PSNR, dan running time pada citra 256x256 piksel
dan 512x512 piksel dengan Kombinasi WF dan AMF
Ukuran citra piksel
Nama citra .bmp
Citra Hasil Kombinasi MSE
PSNR db RT s
256 x
256
books 276
4 14,648
ayin 528
3 14,920
pas photo 352
4 14,519
home 463
3 15,453
Rata-rata 404,75
3,5 14,885
512 x
512
books 266
4 58,145
ayin 405
4 61,491
pas photo 709
5 59,229
home 325
5 61,087
Rata-rata 426,25
4,5 59,988
Sementara pada citra impulse noise, nilai MSE, PSNR, dan running time filtering dan rata-ratanya untuk dapat dilihat lebih jelas pada tabel 4.7, tabel 4.8, dan tabel 4.9
berikut.
Universitas Sumatera Utara
Tabel 4.7. Rata-rata Nilai MSE, PSNR, dan running time pada citra impulse noise
256x256 piksel dan 512x512 piksel dengan Wiener Filter Ukuran
citra piksel Nama citra
.bmp Citra Hasil Wiener Filter
MSE PSNR db
RT s
256 x
256
cat impulse 154
4 2,933
dedek impulse 168
4 2,95
natra impulse 223
3 2,921
jamur impulse 95
4 2,998
Rata-rata 160
3,5 2,950
512 x
512
cat impulse 157
4 12,231
dedek impulse 121
4 11,638
natra impulse 149
4 12,036
jamur impulse 93
4 11,583
Rata-rata 130
4 11,872
Tabel 4.8. Rata-rata Nilai MSE, PSNR, dan running time pada citra impulse noise
256x256 piksel dan 512x512 piksel dengan Adaptive Median Filter Ukuran
citra piksel Nama citra
.bmp Citra Hasil Adaptive Median Filter
MSE PSNR db
RT s
256 x
256
cat impulse 884
3 26,428
dedek impulse 425
3 26,791
natra impulse 1043
3 27,673
jamur impulse 531
3 15,365
Rata-rata 720,75
3 24,064
512 x
512
cat impulse 891
3 112,37
dedek impulse 1010
3 99,244
natra impulse 962
3 114,082
jamur impulse 906
3 103,318
Rata-rata 942,25
3 107,253
Universitas Sumatera Utara
Tabel 4.9. Rata-rata Nilai MSE, PSNR, dan running time pada citra impulse noise
256x256 piksel dan 512x512 piksel dengan Kombinasi WF dan AMF Ukuran
citra piksel Nama citra
.bmp Citra Hasil Kombinasi
MSE PSNR db
RT s
256 x
256
cat impulse 1009
3 15,071
dedek impulse 582
3 15,348
natra impulse 1203
3 15,568
jamur impulse 620
3 15,365
Rata-rata 853,5
3 15,338
512 x
512
cat impulse 1018
3 63,694
dedek impulse 1097
3 60,993
natra impulse 1065
3 68,151
jamur impulse 983
3 63,095
Rata-rata 1040,75
3 63,983
Perbandingan rata-rata MSE, PSNR, dan RT untuk ketiga filtering dapat dilihat pada tabel 4.10.
Universitas Sumatera Utara
Tabel 4.10. Perbandingan rata-rata nilai MSE, PSNR, dan running time pada citra
256x256 piksel dan 512x512 piksel dengan ketiga filtering
Ukuran citra piksel
Filtering Rata-rata nilai MSE, PSNR, dan RT
MSE PSNR db
RT s
256 x 256 Noise asli
WF 233,75
3,25 2,967
AMF 176,5
3,5 26,086
Kombinasi 404,75
3,5 14,885
256 x 256 Impulse noise
WF 160
3,5 2,950
AMF 720,75
3 24,064
Kombinasi 853,5
3 15,338
512 x 512 Noise asli
WF 277,5
3 11,927
AMF 50,75
4,5 93,648
Kombinasi 426,25
4,5 59,988
512 x 512 Impulse noise
WF 130
4 11,872
AMF 942,25
3 107,253
Kombinasi 1040,75
3 63,983
Bila dilihat dari tabel 4.1, citra yang memiliki noise asli ketika difilter oleh ketiga metode tidak memperlihatkan hasil yang mencolok antara citra sebelum dan sesudah
filtering. Akan tetapi jika dibandingkan dengan tabel 4.2, citra yang berisi impulse noise ketika difilter memperlihatkan hasil yang cukup baik, terutama pada Adaptive
Median Filter dan kombinasi. Ini artinya, metode filtering tersebut lebih efektif digunakan pada citra impulse noise ketimbang pada citra noise asli.
Untuk parameter yang dihasilkan dari masing-masing filtering pada tabel 4.6, terlihat pada citra dengan ukuran 256x256 piksel untuk noise asli, nilai rata-rata MSE
tertinggi dihasilkan oleh kombinasi WF dan AMF yakni sebesar 404,75. Namun nilai rata-rata PSNR terendah dihasilkan oleh Wiener Filter yakni sebesar 3,25 db dimana
dalam kasus ini ketika nilai MSE tinggi menandakan bahwa hasil filtering menunjukkan hasil yang baik, sementara untuk nilai PSNR adalah kebalikan dari
MSE, semakin kecil nilainya maka semakin baik citra yang dihasilkan. Dan pada citra dengan ukuran 256x256 piksel untuk impulse noise, rata-rata MSE tertinggi juga
dihasilkan oleh kombinasi WF dan AMF sebesar 853,5 dan PSNR sebesar 3 db. Lalu
Universitas Sumatera Utara
Adaptive Median Filter yang rata-rata MSE yang dihasilkan sebesar 720,75 dan PSNR sebesar 3 db. Sedangkan pada Wiener Filter malah menghasilkan rata-rata MSE
terendah yakni hanya sebesar 160 dengan PSNR 3,25 db. Hal yang sama juga terjadi untuk ukuran citra yang lebih besar, yaitu 512x512
piksel. Akan tetapi, dalam proses running time, waktu tercepat dimiliki oleh metode Wiener Filter dan yang terlama adalah Adaptive Median Filter. Rata-rata waktu yang
dihasilkan AMF hampir sekitar 10 kali lipat dari Wiener Filter dan waktu kombinasi hampir 5 sampai 7 kali lipat dari Wiener Filter.
Jika dilihat dari nilai MSE dan PSNR untuk masing-masing ukuran citra yang diujikan, baik noise asli maupun impulse noise maka kombinasi Wiener Filter dan
Adaptive Median Filter lebih baik dalam memperbaiki kualitas citra bila dibandingkan dengan Wiener Filter dan Adaptive Median Filter. Namun secara visual, Adaptive
Median Filter memberikan hasil citra yang lebih baik dibanding Wiener Filter dan Kombinasi keduanya.
Universitas Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan
Setelah melakukan tahap analisis, perancangan, implementasi dan pengujian pada sistem, hasil penelitian dapat disimpulkan sebagai berikut :
1. Metode Kombinasi Wiener Filter dan Adaptive Median Filter lebih baik dalam
memperbaiki kualitas citra dibandingkan dengan metode Wiener Filter dan Adaptive Median Filter terhadap citra yang memiliki noise asli dan impulse noise
berukuran 256x256 piksel. Hal ini dibuktikan dengan nilai rata-rata MSE dan PSNR sebesar 404,75 dan 3,5 dB untuk noise asli serta rata-rata MSE dan PSNR
sebesar 853,5 dan 3 db untuk impulse noise dibandingkan dengan Wiener Filter yang sebesar 233,75 dan 3,25 dB untuk noise asli serta 160 dan 3,5 db untuk
impulse noise, dan Adaptive Median Filter sebesar 176,5 dan 3,5 dB untuk noise asli serta 720,75 dan 3 db untuk impulse noise.
2. Metode Kombinasi Wiener Filter dan Adaptive Median Filter lebih baik dalam
memperbaiki kualitas citra dibandingkan dengan metode Wiener Filter dan Adaptive Median Filter terhadap citra yang memiliki noise asli dan impulse noise
berukuran 512x512 piksel. Hal ini dibuktikan dengan nilai rata-rata MSE dan PSNR sebesar 426,25 dan 4,5 dB untuk noise asli serta rata-rata MSE dan PSNR
sebesar 1040,75 dan 3 db untuk impulse noise dibandingkan dengan Wiener Filter yang sebesar 277,5 dan 3 dB untuk noise asli serta 130 dan 4 db untuk impulse
noise, dan Adaptive Median Filter sebesar 50,75 dan 4,5 dB untuk noise asli serta 942,25 dan 3 db untuk impulse noise.
3. Semakin besar ukuran citra, maka semakin besar pula waktu yang dihasilkan.
Universitas Sumatera Utara
4. Nilai running time pada metode Adaptive Median Filter jauh lebih besar yakni 10
kali lipat dari Wiener Filter dan kombinasi WF dan AMF besarnya 5-7 kali lebih besar dari Wiener Filter.
5.2. Saran
Kategori