IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN HIGH-PASS FILTERING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI NURUL ULFAH PRIMADINI 101401020
IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN
HIGH-PASS FILTERING UNTUK MEREDUKSI NOISE
PADA CITRA DIGITAL
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh gelar dan ijazah Sarjana Ilmu Komputer
NURUL ULFAH PRIMADINI
101401020
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
PERSETUJUAN
Judul : IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN HIGH-PASS FILTERING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL
Kategori : SKRIPSI Nama : NURUL ULFAH PRIMADINI Nomor Induk Siswa : 101401020 Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Diluluskan di Medan, 9 Juli 2015 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Amer Sharif, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom NIP. -
NIP 196203171991031001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP 196203171991031001
PERNYATAAN
IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN HIGH-PASS FILTERING UNTUK MEREDUKSI 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, 9 Juli 2015 Nurul Ulfah Primadini 101401020
PENGHARGAAN
Puji dan syukur penulis ucapkan kepada Allah SWT atas limpahan rahmat dan karunia-Nya sehingga 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 Prof. Dr. dr. Syahril Pasaribu, D.T.M.&H., M.Sc.(C.T.M.), Sp.A.(K.) selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof.Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom, selaku ketua Program studi S1 Ilmu Komputer Universitas Sumatera Utara dan dosen pembimbing I yang telah memberikan masukan dalam menyelesaikan skripsi ini.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Sekretaris Program studi S1 Ilmu Komputer Universitas Sumatera Utara, dosen penguji I, dan pembimbing akademik yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
5. Bapak Amer Sharif, S.Si, M.Kom, selaku dosen pembimbing II yang telah memberikan masukan dalam menyelesaikan skripsi ini.
6. Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen penguji II yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
7. Seluruh dosen dan pegawai Program Studi S1 Ilmu Komputer Fasilkom-TI USU 8.
Ayahanda Ilmainir Tabrani dan Ibunda Meri Wahyu Utama, serta adik-adik penulis, Ihsanul Ahmadi dan Fajar Imamul Hanif yang selalu memberikan doa, dukungan dan semangat kepada penulis dalam menyelesaikan skripsi ini.
9. Sahabat-sahabat yang selalu menyemangati, dan saling mendoakan: Annissa Fadilla, Zulwita Hariyati, Fanny Fairina Nadyaningrum Nasution, Devina Pratiwi Halim, Uswatun Hasanah, Auliza Nanda Nasution, Aulia Akbar Harahap, Bernad Darius Tarigan. Abangda Ahmad Royhan P Siregar, Fauzana Sudirman serta Fauzur Rahmi yang telah memberi inspirasi, peringatan dan semangat kepada penulis.
10. Teman-teman stambuk 2010, adinda Nurhasbiah Nasution dan Dwi Puspita Sari Syahnan, serta rekan-rekan IKLC yang tidak bisa disebutkan satu persatu
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan doa, bantuan, perhatian, serta dukungan kepada penulis dalam penyelesaian skripsi ini. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna dan untuk itu penulis menerima kritik dan saran yang membangun agar dapat menyempurnakan skripsi ini agar dapat lebih bermanfaat untuk kedepannya.
Medan, Juli 2015 Penulis
ABSTRAK
Noise atau derau merupakan komponen yang tidak dikehendaki pada citra, yang
menyebabkan citra terdegradasi dan kualitas citra tersebut menurun. Kehadiran noise sulit untuk dihindari, namun dapat dikurangi dengan proses restorasi. Exponential dan Rayleigh
Noise merupakan beberapa contoh noise yang dapat ditemukan pada citra terdegradasi.
Restorasi citra merupakan proses untuk mendapatkan kembali sebuah citra yang cacat atau terdegradasi akibat adanya tambahan noise sehingga dapat mendekati keadaan aslinya. Untuk melakukan proses restorasi dapat memanfaatkan metode filtering pada domain frekuensi. Pada penelitian ini, metode Low-pass Filtering dan High-pass Filtering akan digunakan untuk mereduksi noise yang terdapat pada citra. Citra yang telah direduksi kemudian dibandingkan berdasarkan nilai Mean Squared Error (MSE), Peak Signal to Noise Ratio (PSNR), dan
runtime process hasil pemfilteran, sehingga dapat diketahui metode mana yang lebih baik
dalam mereduksi noise. Hasil yang diperoleh dari proses reduksi noise pada domain frekuensi adalah, dari ketiga metode Low-pass Filtering yang digunakan, metode Gaussian Low-pass
Filtering sangat baik digunakan untuk mereduksi Exponential dan Rayleigh Noise dengan
nilai MSE dan PSNR rata-rata hasil filtering untuk Exponential Noise adalah 197,3511 dan 25,8776 dB dan nilai MSE dan PSNR rata-rata sebelum filtering adalah 326,08 dan 23,903 dB. Sedangkan nilai MSE dan PSNR rata-rata hasil filtering untuk Rayleigh Noise adalah 460,9587 dan 22,0633 dB dengan nilai MSE dan PSNR rata-rata sebelum filtering adalah 463,868 dan 22,076 dB. Namun, metode High-pass Filtering tidak dapat digunakan untuk mereduksi noise pada citra dikarenakan noise memiliki frekuensi yang tinggi sehingga metode
High-pass Filtering tidak menyaring noise tersebut.
Kata kunci : Domain Frekuensi, Filtering, High-pass Filtering, Low-pass Filtering,
Pengolahan Citra, Restorasi Citra
ABSTRACT
Noise is an unwanted component in the image, which causes degraded image and the image quality decreases. The presence of noise is difficult to avoid, but can be reduced with the restoration process. Exponential and Rayleigh Noise are some examples of noise that can be found on the degraded image. An image restoration process to regain an defective image or degraded as a result of additional noise so as to approach its original state. To perform the restoration process can utilize filtering methods in the frequency domain. In this study, the method of the Low-pass Filtering and High-pass Filtering will be used to reduce noise contained in the image. The image that has been reduced then compared based on the Mean Squared Error (MSE), Peak Signal to Noise Ratio (PSNR), and the results of the filtering process runtime, so that can know which method is better in reducing noise. The results obtained from the noise reduction process on the frequency domain is, of the three methods Low-pass Filtering is used, the method of Gaussian Low-pass Filtering is best used to reduce Exponential and Rayleigh Noise with MSE and PSNR average filtering results for Exponential Noise is 197.3511 and 25.8776 dB and the MSE and PSNR on average before filtering is 326.08 and 23.903 dB, while the value of MSE and PSNR average filtering results for Rayleigh Noise is 460.9587 and 22.0633 dB with MSE and PSNR on average before filtering is 463.868 and 22.076 dB. However, High-pass Filtering method can not be used to reduce noise in the image due to noise having a high frequency so that High-pass Filtering method does not filter out the noise.
Keywords: Filtering, Frequency Domain, High-pass Filtering, Low-pass Filtering, Image
Processing, Image Restoration.Halaman Persetujuan ii
12
9
2.1.2.3 Citra Warna (Truecolor)
9
2.1.3 Format File Citra
10
2.1.3.1 Format File Citra Bitmap
10
2.2 Pengolahan Citra Digital
11
2.2.1 Pengolahan Citra pada Domain Frekuensi
11
2.2.1.1 Transformasi Fourier
11
2.2.1.2 Fast Fourier Transform (FFT)
2.2.2 Penapisan pada Domain Frekuensi
8
13
2.2.2.1 Low-pass Filtering
13
2.2.2.2 High-pass Filtering
14
2.2.3 Noise dalam Citra
16
2.2.3.1 Exponential Noise
16
2.2.3.2 Rayleigh Noise
17
2.2.4 Ukuran Keberhasilan Penghilangan Noise
18
2.2.4.1 Mean Squared Error (MSE)
2.1.2.1 Citra Berskala Keabuan
2.1.2.1 Citra Biner
Pernyataan iii
1.4 Tujuan Penelitian
Penghargaan iv
Abstrak vi
Abstract vii
Daftar Isi viii
Daftar Tabel x
Daftar Gambar xi
Daftar Lampiran xii
Bab 1 Pendahuluan
1.1 Latar Belakang
1
1.2 Rumusan Masalah
2
1.3 Ruang Lingkup Penelitian
3
3
8
2.1.1 Definisi Citra
2.1.2 Jenis Citra Digital
6
2.1.1.2 Citra Digital
6
2.1.1.1 Citra Analog
6
6
1.5 Manfaat Penelitian
2.1 Citra
5 Bab II Landasan Teori
1.7 Sistematika Penulisan
4
1.6 Metodologi Penelitian
3
18
2.2.4.2 Peak Signat to Noise Ratio (PSNR)
4.1.1 Menu Utama
43
4.1.4 Menu Help
42
4.1.3 Menu Filtering dengan Citra yang memiliki Noise
42
4.1.2 Menu Filtering dengan Citra yang diberi Noise
41
41
43
4.1 Implementasi Sistem
40 Bab IV Implementasi dan Pengujian
3.3.2.5 Menu About
39
3.3.2.4 Menu Help
38
3.3.2.3 Menu Filtering dengan Citra yang memiliki Noise
36
4.1.5 Menu About
4.2 Pengujian Sistem
35
47
69 Daftar Pustaka
5.2 Saran
68
5.1 Kesimpulan
63 Bab V Kesimpulan dan Saran
4.3.2 Hasil Pengujian Filtering dengan Citra yang memiliki Noise
55
4.3.1.2 Pengujian Filtering dengan Rayleigh Noise
4.3.1.1 Pengujian Filtering dengan Exponential Noise
44
47
4.3.1 Hasil Pengujian Filtering dengan Citra yang diberi Noise
46
4.3 Hasil Pengujian
45
4.2.2 Pengujian Filtering dengan Citra yang memiliki Noise
44
4.2.1 Pengujian Filtering dengan Citra yang diberi Noise
3.3.2.2 Menu Filtering dengan Citra yang diberi Noise
3.3.2.1 Menu Utama
18 Bab III Analisis dan Perancangan
21
3.1.3.3 Sequence Diagram
24
3.1.3.2 Activity Diagram
22
3.1.3.1 Use Case Diagram
22
3.1.3 Analisis Proses
3.1.2.2 Kebutuhan Non-Fungsional
3.2 Pseudocode Program
20
3.1.2.1 Kebutuhan Fungsional
20
3.1.2 Analisis Kebutuhan
19
3.1.1 Analisis Masalah
19
3.1 Analisis Sistem
25
26
35
3.2.3 Pseudocode Mean Squared Error (MSE)
3.3.2 Perancangan Interface Sistem
33
3.3.1 Perancangan Flowchart Sistem
33
3.3 Perancangan Sistem
33
3.2.3 Pseudocode Peak Signal to Noise Ratio (PSNR)
32
32
3.2.1 Pseudocode Program Filtering
3.2.5 Pseudocode Rayleigh Noise
32
3.2.4 Pseudocode Exponential Noise
30
3.2.3 Pseudocode Fungsi High-pass Filtering
28
3.2.2 Pseudocode Fungsi Low-pass Filtering
27
70
DAFTAR TABEL
pass Filtering terhadap Citra yang diberi Exponential Noise
High-pass Filtering terhadap Citra yang memiliki Noise
67 Tabel 4.10 Perbandingan nilai Runtime Process Metode Metode Low-pass Filtering dan
pass Filtering terhadap Citra yang memiliki Noise
63 Tabel 4.9 Perbandingan Nilai MSE dan PSNR Metode Metode Low-pass Filtering dan High-
62 Tabel 4.8 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang memiliki Noise dengan d0 = 0.1 dan 0.05
pass Filtering terhadap Citra yang diberi Rayleigh Noise
62 Tabel 4.7 Perbandingan nilai Runtime Process Metode Metode Low-pass Filtering dan High-
pass Filtering terhadap Citra yang diberi Rayleigh Noise
56 Tabel 4.6 Perbandingan Nilai MSE dan PSNR Metode Metode Low-pass Filtering dan High-
54 Tabel 4.5 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang diberi Noise dengan d0 = 0.09
54 Tabel 4.4 Perbandingan nilai Runtime Process Metode Metode Low-pass Filtering dan High-
Halaman
pass Filtering terhadap Citra yang diberi Exponential Noise
48 Tabel 4.3 Perbandingan Nilai MSE dan PSNR Metode Metode Low-pass Filtering dan High-
47 Tabel 4.2 Hasil Pengujian Metode Low-pass Filtering dan High-pass Filtering terhadap Citra yang diberi Noise dengan d0 = 0.09
40 Tabel 4.1 Daftar Gambar yang digunakan pada Pengujian
39 Tabel 3.7 Keterangan Gambar Menu About
38 Tabel 3.6 Keterangan Gambar Menu Help
37 Tabel 3.5 Keterangan Gambar Menu Filtering dengan Citra yang memiliki Noise
36 Tabel 3.4 Keterangan Gambar Menu Filtering dengan Citra yang diberi Noise
23 Tabel 3.3 Keterangan Gambar Menu Utama
23 Tabel 3.2 Use case Diagram Narrative Filtering dengan Citra yang memiliki Noise
Tabel 3.1 Use case Diagram Narrative Filtering dengan Citra yang diberi Noise67
DAFTAR GAMBAR
32 Gambar 3.15 Pseudocode Rayleigh Noise
29 Gambar 3.10 Pseudocode Gaussian Low-pass Filtering
29 Gambar 3.11 Pseudocode Ideal High-pass Filtering
30 Gambar 3.12 (a) Pseudocode Butterworth High-pass Filtering
30 (b) Lanjutan Pseudocode Butterworth High-pass Filtering
31 Gambar 3.13 Pseudocode Gaussian High-pass Filtering
31 Gambar 3.14 Pseudocode Exponential Noise
32 Gambar 3.16 Pseudocode Mean Squared Error (MSE)
28 Gambar 3.9 (a) Pseudocode Butterworth Low-pass Filtering
33 Gambar 3.17 Pseudocode Peak Signal to Noise Ratio (PSNR)
33 Gambar 3.18 Flowchart Sistem
34 Gambar 3.19 Rancangan Menu Utama
36 Gambar 3.20 Rancangan Menu Program Filtering dengan Citra yang diberi Noise
36 Gambar 3.21 Rancangan Menu Program Filtering dengan Citra yang memiliki Noise
38 Gambar 3.22 Rancangan Menu Help
39 Gambar 3.23 Rancangan Menu About
28 (b) Lanjutan Pseudocode Butterworth Low-pass Filtering
27 Gambar 3.8 Pseudocode Ideal Low-pass Filtering
Halaman
10 Gambar 2.4 Proses Transformasi Citra
Gambar 2.1 Contoh Citra Digital dan Matriks Penyusunnya7 Gambar 2.2 Contoh Tipe Citra (a) Citra Tipe Raster
8 (b) Citra Tipe Vektor
8 Gambar 2.3 Contoh Jenis Citra Digital (a) Citra Tipe Raster
9 (b) Citra Tipe Vektor
9 (c) Citra Tipe Vektor
11 Gambar 2.5 (a) Citra Asli (b) Citra dengan Exponential Noise
26 Gambar 3.7 Pseudocode Program Filtering
17 Gambar 2.6 (a) Citra Asli (b) Citra dengan Rayleigh Noise
17 Gambar 3.1 Diagram Ishikawa Analisis Masalah
20 Gambar 3.2 Use case Diagram Sistem
22 Gambar 3.3 Activity Diagram Filtering dengan Citra yang diberi Noise
24 Gambar 3.4 Activity Diagram Filtering dengan Citra yang memiliki Noise
25 Gambar 3.5 Sequence Diagram Filtering dengan Citra yang diberi Noise
26 Gambar 3.6 Sequence Diagram Filtering dengan Citra yang memiliki Noise
40
Gambar 4.1 Menu Utama41 Gambar 4.2 Menu Program Filtering dengan Citra yang diberi Noise
42 Gambar 4.3 Menu Program Filtering dengan Citra yang memiliki Noise
43 Gambar 4.4 Menu Help
43 Gambar 4.5 Menu About
44 Gambar 4.6 Pengujian Filtering dengan Citra yang diberi Noise
45 Gambar 4.7 Pengujian Filtering dengan Citra yang memiliki Noise
46