MEDIAN FILTER UNTUK MEREDUKSI GAUSSIAN NOISE, SALT AND PEPPER NOISE, SPECKLE NOISE, DAN EXPONENTIAL NOISE PADA CITRA DIGITAL
IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN
MEDIAN FILTER
UNTUK MEREDUKSI GAUSSIAN NOISE,
DAN EXPONENTIAL NOISE PADA CITRA DIGITAL
SKRIPSI
AZHAR FADILLAH
101401093
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014 IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN MEDIAN
FILTER UNTUK MEREDUKSI GAUSSIAN NOISE, SALT AND
PEPPER NOISE , SPECKLE NOISE, DAN EXPONENTIAL
NOISE PADA CITRA DIGITAL
SKRIPSI Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana
Ilmu Komputer AZHAR FADILLAH
101401093 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN
2014
PERSETUJUAN
Judul : IMPLEMENTASI METODE KOMBINASI MEAN
FILTER DAN MEDIAN FILTER UNTUK
MEREDUKSI GAUSSIAN NOISE, SALT AND PEPPER
NOISE , SPECKLE NOISE, DAN EXPONENTIAL NOISE PADA CITRA DIGITAL
Kategori : SKRIPSI Nama : AZHAR FADILLAH Nomor Induk Mahasiswa : 101401093 Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen : ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, September 2014
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dian Rachmawati,S.Si,M.Kom Maya Silvi Lydia, B.Sc, M.Sc NIP. 198307232009122004 NIP. 197401272002122001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 196203171991031001
PERNYATAAN
IMPLEMENTASI METODE KOMBINASI MEAN FILTER DAN MEDIAN
FILTER UNTUK MEREDUKSI GAUSSIAN NOISE, SALT AND
PEPPER NOISE , SPECKLE NOISE, DAN EXPONENTIAL
NOISE PADA CITRA DIGITAL
SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, September 2014 Azhar Fadillah 101401093
PENGHARGAAN
Puji dan syukur ke hadirat Allah SWT, yang hanya dengan rahmat dan izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada: 1. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing 1.
3. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing 2.
4. Bapak Syahriol Sitorus, S.Si, MIT dan Ibu Dian Wirdasari, S.Si, M.Kom selaku Dosen Pembanding.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, seluruh tenaga pengajar dan pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.
6. Ayahanda Abdul Rahim dan Ibunda Pujiati, serta adik-adik saya Alm. Ilham Iranda, Tri Satria dan Siti Umaimah yang selalu memberikan kasih sayang dan dukungannya kepada penulis.
7. Rekan-rekan kuliah, khususnya mahasiswa S1 Ilmu Komputer stambuk 2010 yang selalu memberikan semangat dan dorongan kepada penulis selama menyelesaikan skripsi ini. Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Akhirnya, semoga skripsi ini bermanfaat bagi pribadi, keluarga, masyarakat, organisasi dan negara.
Medan, September 2014 Penulis
ABSTRAK
Penggunaan citra sebagai bentuk informasi saat ini semakin meningkat. Kualitas citra yang buruk dapat mengurangi informasi yang terkandung pada citra. Misalnya citra tersebut mengandung noise sehingga informasi yang terkandung pada citra menjadi tidak jelas. Noise pada citra digital dapat berupa Gaussian Noise, Salt and Pepper
Noise, Speckle Noise, dan Exponential Noise. Salah satu mekanisme yang digunakan
untuk mengurangi noise adalah filtering. Metode Mean Filter dan Median Filter merupakan metode yang sangat bagus dalam mereduksi berbagai macam jenis noise jika dibandingkan dengan metode filtering lainnya. Penelitian ini mengkombinasikan kedua metode tersebut dan melakukan implementasi perbandingan antara kombinasi dari Mean Filter dan Median Filter dengan Mean Filter atau pun Median Filter untuk mereduksi Gaussian Noise, Salt and Pepper Noise, Speckle Noise, dan Exponential
Noise. Implementasi sistem menggunakan MATLAB R2012b. Hasil dari penelitan ini
diperoleh bahwa citra hasil kombinasi Mean Filter dan Median Filter lebih baik untuk mereduksi Gaussian Noise dan Exponential Noise, dengan nilai rata-rata MSE=485,2 dan rata-rata PSNR=21,28db pada Gaussian Noise dan rata-rata nilai MSE=1340,87 serta rata-rata PSNR=17,73db untuk Exponential Noise dibandingkan dengan citra hasil Mean Filter atau pun Median Filter. Citra hasil kombinasi Mean Filter dan
Median Filter juga lebih baik untuk mereduksi Salt and Pepper Noise dan Speckle
Noise dari pada citra hasil Median Filter. Namun citra hasil Mean Filter lebih baik
dari citra hasil kombinasi Mean Filter dan Median Filter untuk mereduksi Salt and
Pepper Noise dan Speckle Noise, dengan nilai rata-rata MSE=4451,28 dan rata-rata
PSNR= 12,1db pada Salt and Pepper Noise dan rata-rata nilai MSE=2354,19 serta
rata-rata PSNR=14,81db untuk Speckle Noise.
Kata kunci : Mean Filter, Median Filter, Kombinasi Mean Filter dan Median Filter,
Gaussian Noise, Salt and Pepper Noise, Speckle Noise, Exponential Noise
IMPLEMENTATION MEAN FILTER AND MEDIAN FILTER COMBINATION
METHOD TO REDUCE GAUSSIAN NOISE, SALT AND PEPPER NOISE,SPECKLE NOISE, AND EXPONENTIAL NOISE ON DIGITAL IMAGE
ABSTRACT
Nowadays, the use of image as form of information is currently increasing. Poor quality of image can reduce its information contained in image. For example, the image contains noise so the information that contained in the image are not clear. Noise on the digital image can be either Gaussian noise, Salt and Pepper Noise, Speckle Noise, and Exponential Noise. One of the mechanisms used to reduce the noise is filtering. Mean Filter method and Median Filter method are a very good method to reduce various types of noise when compared with other filtering methods. This research combines that two methods and make comparisons between the combination of Mean Filter and Median Filter between with Mean Filter or Median Filter to reduce Gaussian noise, Salt and Pepper Noise, Speckle Noise, and Exponential Noise. Implementation of this system using MATLAB R2012b. The results of this research showed that image result of combination Mean Filter and Median Filter method is better to reduce Gaussian noise and Exponential Noise, with the average value of MSE = 485,2 and the average PSNR = 21,28db on Gaussian noise and the average value of MSE = 1340.87 and the average PSNR = 17,73db on Exponential Noise, that compared with the image result of Mean filter or Median filter. The Mean Filter and Median Filter combination method image result also better to reduce Salt and Pepper Noise and Speckle Noise than the Median Filter image results. But the image result of the Mean Filter is better than the image of the combination of Mean Filter and Median Filter method to reduce Salt and Pepper Noise and Speckle Noise, with the average value of MSE = 4451.28 and the average PSNR = 12,1db on Salt and Pepper Noise and average MSE = 2354.19 and the average PSNR = 14,81db on Speckle Noise.
Keywords: Mean Filter, Median Filter, The Combination of Mean Filter and Median
Filter, Gaussian Noise, Salt and Pepper Noise, Speckle Noise, Exponential Noise
DAFTAR ISI
Halaman Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel x
Daftar Gambar xii
Daftar Lampiran xiv
Bab I Pendahuluan
1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3 Batasan Masalah
3
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
4
1.6 Metodologi Penelitian
4
1.7 Sistematika Penulisan
5 Bab II Landasan Teori
2.1 Citra
6
2.2 Citra Digital
6
2.2.1 Jenis Citra
7
2.2.1.1 Citra Biner
7
2.2.1.2 Citra Grayscale
8
2.2.1.3 Citra RGB
8
2.2.2 Citra Bitmap
9
2.2.3 Pixel (Picture Elements)
10
2.3 Noise
10
2.3.1 Gaussian Noise
11
2.3.2 Salt And Pepper Noise
11
2.3.3 Speckle Noise
11
2.3.4 Exponential Noise
11
2.4 Filtering
12
2.4.2 Median Filter
14
2.4.3 Metode Kombinasi Mean Filter dan Median Filter
15
2.5 Mean Square Error (MSE)
17
2.6 Peak Signal To Noise Ratio (PSNR)
18
2.7 Penelitian yang Relevan
19 Bab III Analisis dan Perancangan
3.1 Analisis Sistem
21
3.1.1 Analisis Masalah
21
3.1.2 Analisis Persyaratan
22
3.1.2.1 Persyaratan Fungsional
22
3.1.2.2 Persyaratan Nonfungsional
23
3.1.3 Analisis Proses
23
3.1.3.1 Use Case Diagram
24
3.1.3.2 Squence Diagram
25
3.1.3.3 Actifity Diagram
26
3.1.3.4 Flowchart Sistem
28
3.2 Pseudocode Program
29
3.2.1 Pseudocode Gaussian Noise
29
3.2.2 Pseudocode Salt and Pepper Noise
30
3.2.3 Pseudocode Speckle Noise
30
3.2.4 Pseudocode Exponential Noise
31
3.2.5 Pseudocode Mean Filter
31
3.2.6 Pseudocode Median Filter
33
3.2.7 Pseudocode Kombinasi Mean Filter dan Median Filter
34
3.2.8 Pseudocode MSE
35
3.2.9 Pseudocode PSNR
35
3.3 Perancangan Sistem
36
3.3.1 Form Home
36
3.3.2 Form Implementasi
37
3.3.3 Form Perbandingan
40
3.3.4 Form About
41
3.3.5 Form Help
42 Bab IV Implementasi dan Pengujian
4.1 Implementasi
44
4.1.1 Form Home
44
4.1.2 Form Implementasi
45
4.1.3 Form Perbandingan
46
4.1.4 Form About
46
4.1.5 Form Help
47
4.2 Pengujian
48
4.2.1 Pengujian Form Implementasi
48
4.2.1.1 Proses Generate Noise pada Form Implementasi
50
4.2.1.2 Proses Kombinasi Mean dan Median Filter pada Form Implementasi
51
4.2.2 Pengujian Form Perbandingan
52
4.2.2.1 Proses Generate Noise pada Form Perbandingan
4.3.1 Hasil Pengujian Form Implementasi
78 Daftar Pustaka
5.2 Saran
77
5.1 Kesimpulan
66 Bab V Kesimpulan dan Saran
4.3.2 HasilPengujian Form Perbandingan
57
57
53
4.3 Hasil Pengujian
56
4.2.2.4 Proses Kombinasi Mean dan Median Filtering Pada Form Perbandingan
55
4.2.2.3 Proses Median Filtering Pada Form Perbandingan
54
4.2.2.2 Proses Mean Filtering Pada Form Perbandingan
79
DAFTAR TABEL
61 Tabel 4.4 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
72 Tabel 4.14 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Median Filtering Terhadap Gaussian Noise
71 Tabel 4.13 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Mean Filtering Terhadap Gaussian Noise
69 Tabel 4.12 Perbandingan Hasil Filtering Terhadap Citra ber-noise Exponential dengan Probabilitas Berbeda
68 Tabel 4.11 Perbandingan Hasil Filtering Terhadap Citra ber-noise Speckle dengan Probabilitas Berbeda
Pepper dengan Probabilitas Berbeda
66 Tabel 4.10 Perbandingan Hasil Filtering Terhadap Citra ber-noise Salt and
65 Tabel 4.9 Perbandingan Hasil Filtering Terhadap Citra ber-noise Gaussian dengan Probabilitas Berbeda
65 Tabel 4.8 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Exponential Noise
64 Tabel 4.7 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Speckle Noise
64 Tabel 4.6 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Salt and Pepper Noise
62 Tabel 4.5 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Gaussian Noise
40%
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
30%
Halaman
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
59 Tabel 4.3 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
20%
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
58 Tabel 4.2 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
10%
Median Filtering Terhadap Citra Ber-noise dengan Probabilitas
43 Tabel 4.1 Perbandingan Hasil Reduksi Noise dengan Kombinasi Mean dan
42 Tabel 3.5 Keterangan Gambar Rancangan Interface Form Help
40 Tabel 3.4 Keterangan Gambar Rancangan Interface Form About
37 Tabel 3.3 Keterangan Gambar Rancangan Interface Form Perbandingan
37 Tabel 3.2 Keterangan Gambar Rancangan Interface Form Implementasi
Tabel 3.1 Keterangan Gambar Rancangan Interface Form Home73
Tabel 4.15 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime HasilReduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Gaussian Noise
73 Tabel 4.16 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Mean Filtering Terhadap Salt and Pepper
Noise
74 Tabel 4.17 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Median Filtering Terhadap Salt and Pepper
Noise
74 Tabel 4.18 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Salt and Pepper Noise
75 Tabel 4.19 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Mean Filtering Terhadap Speckle Noise
75 Tabel 4.20 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Median Filtering Terhadap Speckle Noise
75 Tabel 4.21 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Speckle Noise
76 Tabel 4.22 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Mean Filtering Terhadap Exponential Noise
76 Tabel 4.23 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Median Filtering Terhadap Exponential
Noise
77 Tabel 4.24 Perbandingan Rata-rata Nilai MSE, PSNR, dan Runtime Hasil Reduksi Noise dengan Kombinasi Mean dan Median Filtering Terhadap Exponential Noise
77
DAFTAR GAMBAR
36 Gambar 3.17 Rancangan Interface Form Implementasi
30 Gambar 3.9 Pseudocode Speckle Noise
30 Gambar 3.10 Pseudocode Exponential Noise
31 Gambar 3.11 Pseudocode Mean Filter
32 Gambar 3.12 Pseudocode Median Filter
33 Gambar 3.13 Pseudocode Kombinasi dari Mean Filter dan Median Filter
34 Gambar 3.14 Pseudocode MSE
35 Gambar 3.15 Pseudocode PSNR
35 Gambar 3.16 Rancangan Interface Form Home
37 Gambar 3.18 Rancangan Interface Form Perbandingan
28 Gambar 3.7 Pseudocode Gaussian Noise
40 Gambar 3.19 Rancangan Interface Form About
42 Gambar 3.20 Rancangan Interface Form Help
43 Gambar 4.1 Form Home
45 Gambar 4.2 Form Implementasi
45 Gambar 4.3 Form Perbandingan
46 Gambar 4.4 Form About
47 Gambar 4.5 Form Help
47 Gambar 4.6 mister_azhar.bmp
29 Gambar 3.8 Pseudocode Salt And Pepper Noise
27 Gambar 3.6 Flowchart Sistem
Halaman
13 Gambar 2.8 Pemilihan kernel 3x3 dan Operasi Median Filter
Gambar 2.1 Contoh Citra Biner7 Gambar 2.2 Contoh Citra Grayscale
8 Gambar 2.3 Contoh Citra RGB
9 Gambar 2.4 fadil.bmp
10 Gambar 2.5 (a) Citra asli, (b) Gaussian Noise, (c) Salt and Pepper Noise, (d)
Speckle Noise dan (e) Exponential Noise
12 Gambar 2.6 Pemilihan kernel 3x3 dan Operasi Mean Filter
13 Gambar 2.7 Penempatan hasil Mean Filter Untuk Kernel 3x3 Pertama
14 Gambar 2.9 Penempatan hasil Median Filter Untuk Kernel 3x3 Pertama
26 Gambar 3.5 Actifity Diagram
15 Gambar 2.10 Pemilihan kernel 3x3 dan Operasi Metode Kombinasi Mean
Filter dan Median Filter
16 Gambar 2.11 Penempatan Hasil Kombinasi Metode Mean Filter dan Median
Filter Untuk Kernel 3x3 Pertama
17 Gambar 3.1 Diagram Ishikawa
22 Gambar 3.2 Use Case Diagram Sistem
24 Gambar 3.3 Squence Diagram Tahap Pertama
25 Gambar 3.4 Squence Diagram Tahap Kedua
48
Gambar 4.8 Tampilan Proses Generate Noise pada Form Implementasi50 Gambar 4.9 Tampilan Proses Kombinasi Mean Filter dan Median Filter pada
Form Implementasi
51 Gambar 4.10 Tampilan Proses Input Citra pada Form Perbandingan
52 Gambar 4.11 Citra Hasil Input-an Tampil
53 Gambar 4.12 Tampilan Proses Generate Noise pada Form Perbandingan
54 Gambar 4.13 Tampilan Proses Mean Filtering pada Form Perbandingan
55 Gambar 4.14 Tampilan Proses Median Filtering pada Form Perbandingan
56 Gambar 4.15 Tampilan Proses Kombinasi dari Mean Filter dan Median Filter pada Form Perbandingan
57