4.2.1 Pengujian Arithmetic Mean Filter
Pada pengujian Arithmetic Mean Filter, hal pertama yang dilakukan setelah memilih citra yaitu mengubah citra berwarna RGB menjadi citra grayscale. Kemudian
memberikan noise dengan batasan noise yang dapat dipilih dalam range 0 - 50 . Jenis noise yang dipilih ada dua yaitu Gaussian noise dan Salt and Pepper noise. Pada
pengujian Arithmetic Mean Filter ini membuat citra yang memiliki noise menjadi berkurang noise tersebut.
Adapun gambaran sistem ini dapat dilihat pada gambar 4.5 berikut ini:
Gambar 4.5 Gambaran sistem Arithmetic Mean Filter
Universitas Sumatera Utara
4.2.1.1 Pengujian Gaussian noise terhadap Arithmetic Mean Filter
Dibawah ini merupakan tabel gambar pengujian dengan persentasi noise 10 , 20 ,30 , 40 dan 50.
Tabel 4.1 Citra digital grayscale terhadap persentase noise
Persentasi Noise
Proses Generate noise
Citra Terkena Noise
Proses Filtering
Citra Hasil
10
PSNR : 28.0976 dB MSE : 100.766
PSNR : 25.6314 dB MSE : 177.802
Running Time : 6.79937 s 20
PSNR : 22.2072dB MSE : 391.161
PSNR : 24.8658 dB MSE : 212.082
Running Time : 6.80387 s
Universitas Sumatera Utara
30
PSNR : 18.9062 dB MSE : 841.156
PSNR : 23.9121 dB MSE : 264.167
Running Time : 6.50572 s 40
PSNR : 16.7279 dB MSE : 1381.31
PSNR : 22.9069 dB MSE : 332.961
Running Time : 6.06767 s 50
PSNR : 15.0262 dB MSE : 2043.91
PSNR : 21.8111 dB MSE : 428.529
Running Time : 6.37812 s
Universitas Sumatera Utara
Sebuah citra asli diubah menjadi citra grayscale kemudian di generate probalitas noise sebesar 10-50. Sebagaimana terlihat pada tabel 4.1. noise yang tergenerate 10
memiliki nilai PSNR sebesar 28.0976 dB dan MSE sebesar 100.766, citra yang terkena generate noise 10 melakukan proses filtering kemudian memiliki nilai
PSNR sebesar 25.6314 dB dan MSE sebesar 177.802. noise yang tergenerate 20 memiliki nilai PSNR sebesar 22.2072 dB dan MSE sebesar 391.161, citra yang
terkena generate noise 20 melakukan proses filtering kemudian memiliki nilai PSNR sebesar 24.8658 dB dan MSE sebesar 212.082. noise yang tergenerate 30
memiliki nilai PSNR sebesar 18.9062 dB dan MSE sebesar 841.156, citra yang terkena generate noise 30 melakukan proses filtering kemudian memiliki nilai
PSNR sebesar 23.9121 dB dan MSE sebesar 264.167. noise yang tergenerate 40 memiliki nilai PSNR sebesar 16.7279 dB dan MSE sebesar 1381.31, citra yang
terkena generate noise 40 melakukan proses filtering kemudian memiliki nilai PSNR sebesar 22.9069 dB dan MSE sebesar 332.961. noise yang tergenerate 50
memiliki nilai PSNR sebesar 15.0262 dB dan MSE sebesar 2043.91, citra yang terkena generate noise 50 melakukan proses filtering kemudian memiliki nilai
PSNR sebesar 21.8111 dB dan MSE sebesar 428.529.
Untuk melihat secara matematis perbandingan nilai PSNR sebelum dan sesudah filtering mengenerate noise sebesar 10-50. Dapat dilihat gambar 4.6
grafik sebelum dilakukan filtering dengan Gaussian noise.
Gambar 4.6 Grafik PSNR sebelum dan sesudah filtering
5 10
15 20
25 30
10 20
30 40
50
PSNR
Grafik PSNR Gaussian Noise
Awal Arithmetic
Universitas Sumatera Utara
Dapat dilihat pada gambar 4.6, secara grafik dilihat bahwa nilai PSNR semakin menurun apabila generate noise bernilai besar. Nilai PSNR sebelum filtering yang
digenerate noise sebesar 10 adalah 28.0976 dB, 20 adalah 22.2072 dB, 30 adalah 18.9062 dB, 40 adalah 16.7279 dB dan 50 adalah 15.0262 dB. nilai PSNR
sesudah filtering yang digenerate noise sebesar 10 adalah 25.6314 dB, 20 adalah 24.8658 dB, 30 adalah 23.9121 dB, 40 adalah 22.9069 dB dan 50 adalah
21.8111 dB.
Untuk melihat secara matematis perbandingan nilai MSE sebelum dan sesudah filtering mengenerate noise sebesar 10-50. Dapat dilihat gambar 4.7 grafik
sesudah filtering dengan Gaussian noise.
Gambar 4.7 Grafik MSE sebelum dan sesudah filtering
Dapat dilihat pada gambar 4.7, Nilai MSE sebelum filtering yang digenerate noise sebesar 10 adalah 100.766, 20 adalah 391.161, 30 adalah 841.156, 40 adalah
1381.31 dan 50 adalah 2043.91. Nilai MSE sesudah filtering yang digenerate noise sebesar 10 adalah 177.802, 20 adalah 212.082, 30 adalah 264.167, 40 adalah
332.961 dan 50 adalah 428.529.
500 1000
1500 2000
2500
10 20
30 40
50
MSE
Grafik MSE Gaussian noise
Awal Arithmetic
Universitas Sumatera Utara
4.2.1.2 Pengujian Salt and Pepper noise terhadap Arithmetic Mean Filter.
Dibawah ini merupakan table gambar pengujian dengan persentasi noise 10, 20 ,30 , 40 dan 50.
Tabel 4.2 Citra digital grayscale terhadap persentase noise
Persentasi Noise
Proses Generate noise
Citra Terkena Noise
Proses Filtering
Citra Hasil
10
PSNR : 14.8913 dB MSE : 2108.37
PSNR : 21.5086 dB MSE : 459.428
Running Time : 6.45085 s 20
PSNR : 11.8682 dB MSE : 4229.26
PSNR : 18.9624 dB MSE : 825.726
Running Time : 7.90713 s
Universitas Sumatera Utara
30
PSNR : 10.1514 dB MSE : 6279.66
PSNR : 17.0771 dB MSE : 1274.61
Running Time : 6.50033 s 40
PSNR : 8.92041 dB MSE : 8337.57
PSNR : 15.6673 dB MSE : 1763.41
Running Time : 6.6844 s 50
PSNR : 7.99541 dB MSE : 10316.7
PSNR : 14.5199 dB MSE : 2296.64
Running Time : 6.82706 s
Universitas Sumatera Utara
Sebuah citra asli diubah menjadi citra grayscale kemudian di generate probalitas noise sebesar 10-50 .Sebagaimana terlihat pada tabel 4.2. noise yang tergenerate 10
memiliki nilai PSNR sebesar 14.8913 dB dan MSE sebesar 2108.37, setelah melakukan proses filtering kemudian memiliki nilai PSNR sebesar 21.5086 dB dan
MSE sebesar 459.428. Noise yang tergenerate 20 memiliki nilai PSNR sebesar 11.8682 dB dan MSE sebesar 4229.26, setelah melakukan proses filtering kemudian
memiliki nilai PSNR sebesar 18.9624 dB dan MSE sebesar 825.726. Noise yang tergenerate 30 memiliki nilai PSNR sebesar 10.1514 dB dan MSE sebesar 6279.66,
setelah melakukan proses filtering kemudian memiliki nilai PSNR sebesar 17.0771 dB dan MSE sebesar 1274.61. Noise yang tergenerate 40 memiliki nilai PSNR sebesar
8.92041 dB dan MSE sebesar 8337.57, setelah melakukan proses filtering kemudian memiliki nilai PSNR sebesar 15.6673 dB dan MSE sebesar 1763.41. Noise yang
tergenerate 50 memiliki nilai PSNR sebesar 7.99541 dB dan MSE sebesar 10316.7, setelah melakukan proses filtering kemudian memiliki nilai PSNR sebesar 14.5199 dB
dan MSE sebesar 2296.64.
Untuk melihat secara matematis perbandingan nilai PSNR dan MSE sebelum dilakukan filtering dan sesudah dilakukan filtering dengan mengenerate noise sebesar
10-50. Dapat dilihat gambar 4.8 dan 4.9 grafik sebelum dan sesudah dilakukan filtering.
Gambar 4.8 Grafik PSNR sebelum dan sesudah filtering
5 10
15 20
25
10 20
30 40
50
PSNR
Grafik PSNR Salt and Pepper Noise
Awal Arithmetic
Universitas Sumatera Utara
Dapat dilihat pada gambar 4.8, nilai PSNR sebelum filtering yang digenerate noise sebesar 10 adalah 14.8913 dB, 20 adalah 11.8682 dB, 30 adalah 10.1514
dB, 40 adalah 8.92041 dB dan 50 adalah 7.99541 dB. nilai PSNR yang digenerate noise sebesar 10 adalah 21.5086 dB, 20 adalah 18.9624 dB, 30 adalah 17.0771
dB, 40 adalah 15.6673 dB dan 50 adalah 14.5199 dB.
Gambar 4.9 Grafik MSE sebelum dan sesudah filtering
Dapat dilihat pada gambar 4.9, Nilai MSE sebelum filtering yang digenerate noise sebesar 10 adalah 2108.37, 20 adalah 4229.26, 30 adalah 6279.66, 40 adalah
8337.57 dan 50 adalah 10316.7. Nilai MSE sesudah filtering yang digenerate noise sebesar 10 adalah 459.428, 20 adalah 825.726, 30 adalah 1274.61, 40 adalah
1763.41 dan 50 adalah 2296.64.
2000 4000
6000 8000
10000 12000
10 20
30 40
50
MSE
Grafik MSE Salt and Pepper Noise
Awal Arithmetic
Universitas Sumatera Utara
4.2.2 Pengujian Kombinasi Arithmetic Mean Filter dan High Boost Filtering
Kategori