Analisis Perbandingan Geometric Mean Filter Dengan Operator Sobel, Operator Prewitt Dan Operator Robert Pada Citra Bitmap
ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER
DENGAN OPERATOR SOBEL, OPERATOR PREWITT
DAN OPERATOR ROBERT PADA CITRA BITMAP
SKRIPSI
MAGDALENA SIREGAR
111401109
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ii
ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN
OPERATOR SOBEL, OPERATOR PREWITT DAN
OPERATOR ROBERT PADA CITRA BITMAP
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
MAGDALENA SIREGAR
111401109
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
iii
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Fakultas
: ANALISIS PERBANDINGAN GEOMETRIC MEAN
FILTER
DENGAN
OPERATOR
SOBEL,
OPERATOR PREWITT DAN OPERATOR ROBERT
PADA CITRA BITMAP
: SKRIPSI
: MAGDALENA SIREGAR
: 111401109
: SARJANA (S1) ILMU KOMPUTER
: ILMU
KOMPUTER
DAN
TEKNOLOGI
INFORMASI (Fasilkom-TI)
Diluluskan di
Medan, 25 Agustus 2015
Komisi Pembimbing:
Dosen Pembimbing II
Dosen Pembimbing I
Dian Rachmawati, S.Si, M.Kom
Drs. Agus Salim Harahap, M.Si
NIP.19830723 200912 2 004
NIP.19540828 198103 1 004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 1962 0317 1991 0210 01
iv
PERNYATAAN
ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN
OPERATOR SOBEL, OPERATOR PREWITT DAN
OPERATOR ROBERT PADA CITRA BITMAP
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 25 Agustus 2015
Magdalena Siregar
111401109
v
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus yang telah
mencurahkan berkat dan kasih-Nya, sehingga Penulis dapat menyelesaikan
penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer
pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar–
besarnya kepada :
1. Bapak Prof. Subhilhar, Ph.D selaku Pj 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 serta Dosen Pembanding I yang
telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Drs. Agus Salim Harahap, M.Si selaku Dosen Pembimbing I yang telah
memberikan bimbingan, saran, masukan dan dukungan kepada penulis
dalam pengerjaan skripsi ini.
5. Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang dengan
sabar telah memberikan bimbingan, saran, dan masukan kepada penulis
dalam pengerjaan skripsi ini.
6. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembanding II yang
memberikan kritik dan saran untuk penyempurnaan skripsi ini.
7. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI
USU .
8. Mamak tersayang, Penti Nadapdap yang selalu memberikan doa dan
dukungan serta kasih sayang kepada penulis. Adik dan Keluarga besar
vi
Opung Sumihar terutama tulang-tulang yang terus memberikan dukungan
dan dorongan bagi penulis untuk menyelesaikan skripsi ini.
9. Bapak tercinta Alm. Nando Siregar yang selalu menjadi motivasi dan
inspirasi dalam pengerjaan skripsi ini.
10. Teman-teman terdekat, terutama Farid, Mey, Yatik yang telah membantu
penulis dalam menyelesaikan skripsi ini dan juga Witty, pengurus
IMILKOM 2014-2015 atas semangat serta Guru Sekolah Minggu HKBP
Perumnas Simalingkar atas dorongannya dan doanya sehingga penulis
dapat menyelesaikan skripsi ini
11. Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan
satu-persatu.
Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan
kepada penulis mendapatkan berkat yang melimpah dari Tuhan Yesus Kristus.
Medan, Agustus 2015
Penulis
vi
ABSTRAK
Mendeteksi tepi pada citra merupakan hal yang biasa dalam proses pengolahan citra,
namun disini dilakukan perbandingan hasil deteksi tepi pada citra asli dan citra yang
telah mengalami proses filtering. Hal ini dilakukan untuk melihat apakah ada
pengaruh proses filtering pada kinerja deteksi tepi. Metode filtering yang digunakan
adalah Geometric Mean Filter untuk mereduksi Gaussian Noise dan Salt-Pepper
Noise, sedangkan operator deteksi tepinya adalah Sobel, Prewitt dan Robert.
Parameter yang digunakan untuk mengukur nilai perbandingan antara ketiga operator
deteksi tepi yaitu nilai MSE, PSNR dan Running Time. Implementasi sistem
menggunakan SharpDevelop 4.3 dengan bahasa pemogaraman C#. Pada sistem ini
objek yang digunakan adalah citra dengan format bitmap atau *.bmp. Proses
pengujian ini dilakukan dengan nilai probabilitas noise antara 10%, 20%, 30%, 40%,
dan 50%. Berdasarkan hasil pengujian diperoleh bahwa citra asli memiliki proses
deteksi tepi lebih baik dibandingkan dengan citra hasil filtering dengan nilai MSE =
628,723 dan PSNR = 1,0149 dB pada operator Sobel. Sedangkan proses yang relatif
paling cepat dalam mendeteksi tepi dengan nilai Running Rime = 0,263 s pada
operator Prewitt.
Kata kunci : Deteksi Tepi, Geomeric Mean Filter, Gaussian Noise, Salt-Pepper
Noise, Sobel, Prewitt, Robert.
vii
COMPARATIVE ANALYSIS OF GEOMETRIC MEAN FILTER WITH
SOBEL OPERATOR, PREWITT OPERATOR AND
ROBERT OPERATOR ON BITMAP IMAGE
ABSTRACT
Edge detection is a common thing in image processing, but here done to compare the
edge detection on the original image and the image filtering result. This cas was done
to see if there was an effect of the filtering process on the edge detection performance.
The method of filtering is Geometric Mean filter to reduce Gaussian Noise and SaltPepper Noise and edge detection operators are Sobel, Prewitt and Robert. The
parameter used to measure the value of comparisons between the third edge detection
operators are MSE, PSNR and Running Time. Implementation of the system using
SharpDevelop 4.3 with C# programming language. In this system, the object that was
used is image with bitmap format or (*. bmp). This testing process was done with the
probability noise about 10%, 20%, 30%, 40% and 50%. Based on the test results
obtained that the edge detection process on the original image is better than the image
filtering result with MSE = 628,723 and PSNR = 1,0149 dB on Sobel operator. Then
the process of the most rapidly in detecting the edge with Running Time = 0,263 s on
Prewitt operator.
Keyword :
Edge Detection, Geomeric Mean Filter, Gaussian Noise, SaltPepper Noise, Sobel, Prewitt, Robert.
viii
DAFTAR ISI
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metode Penelitian
1.7 Sistematika Penelitian
BAB 2 TINJUAN PUSTAKA
2.1 Citra Digital
2.2 Jenis-Jenis Citra Digital
2.2.1 Citra Biner (Monokrom)
2.2.2 Citra Grayscale (Skala Keabuan)
2.2.3 Citra Warna (True Color )
2.3 Format Citra
2.3.1 Format File Bitmap (*.bmp)
2.4 Pengolahan Citra Digital
2.5 Derau (Noise)
2.6 Perbaikan Citra (Image Restoration)
2.7 Mean Filter
2.8 Pendeteksian Tepi
2.8.1 Operator Sobel
2.8.2 Operator Prewitt
2.8.3 Operator Robert
2.9 Mean Square Error (MSE), Peak Signal to Noise
Ratio (PSNR) dan Running Time
2.9.1 Mean Square Error (MSE)
2.9.2 Peak Signal to Noise Ratio (PSNR)
2.9.3 Running Time
Hal.
ii
iii
iv
vi
vii
viii
xi
xiii
1
2
2
2
3
3
4
6
7
7
7
8
9
9
9
11
12
12
14
16
19
21
24
24
24
24
ix
DAFTAR TABEL
Nomor
Tabel
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
3.20
3.21
3.22
3.23
4.1
4.2
4.3
4.4
4.5
Nama Tabel
Spesifikasi Use Case Filtering
Spesifikasi Use Case Input File Citra Asli Spesifikasi
Use Case Input Presentase Noise Spesifikasi Use
Case Pilih Noise
Spesifikasi Use Case Gaussian Noise
Spesifikasi Use Case Salt and Pepper Noise
Spesifikasi Use Case Geometric Mean Filter
Spesifikasi Use Case Simpan Citra
Spesifikasi Use Case Deteksi Tepi
Spesifikasi Use Case Input Citra
Spesifikasi Use Case Deteksi Tepi Operator Sobel
Citra Asli
Spesifikasi Use Case Deteksi Tepi Operator Prewitt
Citra Asli
Spesifikasi Use Case Deteksi Tepi Operator Robert
Citra Asli
Spesifikasi Use Case Input File Citra
Spesifikasi Use Case Deteksi Tepi Operator Sobel
Citra Filtering
Spesifikasi Use Case Deteksi Tepi Operator Prewitt
Citra Asli
Spesifikasi Use Case Deteksi Tepi Operator Robert
Citra Filtering
Spesifikasi Use Case Simpan Citra
Spesifikasi Use Case Menghitung MSE, PSNR dan
Running Time
Pseudocode Geometric Mean Filter
Pseudocode Operator Sobel
Pseudocode Operator Prewitt
Pseudocode Operator Robert
Perbandingan Hasil Reduksi Noise terhadap Citra
Bernoise Gaussian Noise
Perbandingan Hasil Reduksi Noise terhadap Citra
Bernoise Salt and Pepper Noise
Perbandingan Hasil Deteksi Tepi Terhadap Citra Asli
Perbandingan Hasil Deteksi Tepi Terhadap Citra
Hasil Filtering dari Gausssian Noise dengan
Probabilitas Berbeda
Perbandingan Hasil Deteksi Tepi Terhadap Citra
Hasil Filtering dari Salt-Pepper Noise dengan
Probabilitas Berbeda
Halaman
30
30
31
31
32
32
33
33
34
34
35
35
36
36
37
37
38
39
39
42
44
46
47
65
66
68
68
70
x
4.6
4.7
4.8
4.9
Perbandingan Nilai MSE, PSNR, dan Runtime Hasil
Deteksi Tepi Pada Citra Asli
Perbandingan Rata-rata Nilai MSE, PSNR, dan
Runtime Hasil Deteksi Tepi Pada Citra Hasil Reduksi
Gaussian Noise pada Citra Hasil Filtering
Perbandingan Rata-rata Nilai MSE, PSNR, dan
Runtime Hasil Deteksi Tepi Pada Citra Hasil Reduksi
Salt-Pepper Noise pada Citra Hasil Filtering
Perbandingan Nilai MSE, PSNR, dan Runtime Hasil
Deteksi Tepi Pada Citra Asli, Hasil Reduksi
Gaussian Mean Filter dan Hasil Reduksi pada Citra
Hasil Reduksi Salt-Pepper Noise.
72
74
76
78
xi
DAFTAR GAMBAR
Nomor
Gambar
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.1
4.2
4.3
4.3
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
Nama Gambar
Halaman
Contoh Citra Biner
Contoh Citra Grayscale
Contoh Citra Warna
Citra Bitmap (.bmp)
Blok Diagram Pengolahan Citra
Contoh Citra dengan Gaussian Noise
Contoh Citra dengan salt and pepper noise
Model Tepi Satu Dimensi
Jenis Jenis Tepi
Proses Deteksi Tepi
Contoh Deteksi Tepi Sobel
Contoh Deteksi Tepi Prewitt
Contoh Deteksi Tepi Robert
Ishikawa Diagram
Use Case Diagram
Activity Diagram filtering
Activity Diagram Deteksi Tepi
Sequence Diagram
Flowchart sistem secara umum
Form Cover
Form Menu Filtering
Form Menu Deteksi Tepi
Form Home
Form filtering
Form Deteksi Tepi
Form Help
Form About
Proses Filtering dengan Geometric Mean Filter
Proses Deteksi Tepi Operator Sobel, Prewitt dan
Robert pada Form Deteksi Tepi
Hasil Pengujian Deteksi Tepi Pada Citra Asli
Hasil Pengujian Deteksi Tepi Pada Citra Hasil
Filtering dengan Gaussian Noise
Hasil Pengujian Deteksi Tepi Pada Citra Hasil
Filtering dengan Salt-Pepper Noise
Perbandingan Nilai MSE pada Deteksi Tepi Citra
Asli, Citra Hasil Filtering dengan Gaussian Noise
dan Citra Hasil Filtering dengan Salt-Pepper Noise
Perbandingan Nilai PSNR pada Deteksi Tepi Citra
Asli, Citra Hasil Filtering dengan Gaussian Noise
dan Citra Hasil Filtering dengan Salt-Pepper Noise
Perbandingan Nilai Running Time pada Deteksi
7
8
8
9
10
11
12
15
15
16
17
20
22
26
29
40
41
42
50
52
53
54
60
60
61
62
62
63
64
73
75
77
78
79
80
xii
Tepi Citra Asli, Citra Hasil Filtering dengan
Gaussian Noise dan Citra Hasil Filtering dengan
Salt-Pepper Noise
DENGAN OPERATOR SOBEL, OPERATOR PREWITT
DAN OPERATOR ROBERT PADA CITRA BITMAP
SKRIPSI
MAGDALENA SIREGAR
111401109
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ii
ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN
OPERATOR SOBEL, OPERATOR PREWITT DAN
OPERATOR ROBERT PADA CITRA BITMAP
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
MAGDALENA SIREGAR
111401109
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
iii
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Fakultas
: ANALISIS PERBANDINGAN GEOMETRIC MEAN
FILTER
DENGAN
OPERATOR
SOBEL,
OPERATOR PREWITT DAN OPERATOR ROBERT
PADA CITRA BITMAP
: SKRIPSI
: MAGDALENA SIREGAR
: 111401109
: SARJANA (S1) ILMU KOMPUTER
: ILMU
KOMPUTER
DAN
TEKNOLOGI
INFORMASI (Fasilkom-TI)
Diluluskan di
Medan, 25 Agustus 2015
Komisi Pembimbing:
Dosen Pembimbing II
Dosen Pembimbing I
Dian Rachmawati, S.Si, M.Kom
Drs. Agus Salim Harahap, M.Si
NIP.19830723 200912 2 004
NIP.19540828 198103 1 004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 1962 0317 1991 0210 01
iv
PERNYATAAN
ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN
OPERATOR SOBEL, OPERATOR PREWITT DAN
OPERATOR ROBERT PADA CITRA BITMAP
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 25 Agustus 2015
Magdalena Siregar
111401109
v
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus yang telah
mencurahkan berkat dan kasih-Nya, sehingga Penulis dapat menyelesaikan
penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer
pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar–
besarnya kepada :
1. Bapak Prof. Subhilhar, Ph.D selaku Pj 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 serta Dosen Pembanding I yang
telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Drs. Agus Salim Harahap, M.Si selaku Dosen Pembimbing I yang telah
memberikan bimbingan, saran, masukan dan dukungan kepada penulis
dalam pengerjaan skripsi ini.
5. Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang dengan
sabar telah memberikan bimbingan, saran, dan masukan kepada penulis
dalam pengerjaan skripsi ini.
6. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembanding II yang
memberikan kritik dan saran untuk penyempurnaan skripsi ini.
7. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI
USU .
8. Mamak tersayang, Penti Nadapdap yang selalu memberikan doa dan
dukungan serta kasih sayang kepada penulis. Adik dan Keluarga besar
vi
Opung Sumihar terutama tulang-tulang yang terus memberikan dukungan
dan dorongan bagi penulis untuk menyelesaikan skripsi ini.
9. Bapak tercinta Alm. Nando Siregar yang selalu menjadi motivasi dan
inspirasi dalam pengerjaan skripsi ini.
10. Teman-teman terdekat, terutama Farid, Mey, Yatik yang telah membantu
penulis dalam menyelesaikan skripsi ini dan juga Witty, pengurus
IMILKOM 2014-2015 atas semangat serta Guru Sekolah Minggu HKBP
Perumnas Simalingkar atas dorongannya dan doanya sehingga penulis
dapat menyelesaikan skripsi ini
11. Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan
satu-persatu.
Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan
kepada penulis mendapatkan berkat yang melimpah dari Tuhan Yesus Kristus.
Medan, Agustus 2015
Penulis
vi
ABSTRAK
Mendeteksi tepi pada citra merupakan hal yang biasa dalam proses pengolahan citra,
namun disini dilakukan perbandingan hasil deteksi tepi pada citra asli dan citra yang
telah mengalami proses filtering. Hal ini dilakukan untuk melihat apakah ada
pengaruh proses filtering pada kinerja deteksi tepi. Metode filtering yang digunakan
adalah Geometric Mean Filter untuk mereduksi Gaussian Noise dan Salt-Pepper
Noise, sedangkan operator deteksi tepinya adalah Sobel, Prewitt dan Robert.
Parameter yang digunakan untuk mengukur nilai perbandingan antara ketiga operator
deteksi tepi yaitu nilai MSE, PSNR dan Running Time. Implementasi sistem
menggunakan SharpDevelop 4.3 dengan bahasa pemogaraman C#. Pada sistem ini
objek yang digunakan adalah citra dengan format bitmap atau *.bmp. Proses
pengujian ini dilakukan dengan nilai probabilitas noise antara 10%, 20%, 30%, 40%,
dan 50%. Berdasarkan hasil pengujian diperoleh bahwa citra asli memiliki proses
deteksi tepi lebih baik dibandingkan dengan citra hasil filtering dengan nilai MSE =
628,723 dan PSNR = 1,0149 dB pada operator Sobel. Sedangkan proses yang relatif
paling cepat dalam mendeteksi tepi dengan nilai Running Rime = 0,263 s pada
operator Prewitt.
Kata kunci : Deteksi Tepi, Geomeric Mean Filter, Gaussian Noise, Salt-Pepper
Noise, Sobel, Prewitt, Robert.
vii
COMPARATIVE ANALYSIS OF GEOMETRIC MEAN FILTER WITH
SOBEL OPERATOR, PREWITT OPERATOR AND
ROBERT OPERATOR ON BITMAP IMAGE
ABSTRACT
Edge detection is a common thing in image processing, but here done to compare the
edge detection on the original image and the image filtering result. This cas was done
to see if there was an effect of the filtering process on the edge detection performance.
The method of filtering is Geometric Mean filter to reduce Gaussian Noise and SaltPepper Noise and edge detection operators are Sobel, Prewitt and Robert. The
parameter used to measure the value of comparisons between the third edge detection
operators are MSE, PSNR and Running Time. Implementation of the system using
SharpDevelop 4.3 with C# programming language. In this system, the object that was
used is image with bitmap format or (*. bmp). This testing process was done with the
probability noise about 10%, 20%, 30%, 40% and 50%. Based on the test results
obtained that the edge detection process on the original image is better than the image
filtering result with MSE = 628,723 and PSNR = 1,0149 dB on Sobel operator. Then
the process of the most rapidly in detecting the edge with Running Time = 0,263 s on
Prewitt operator.
Keyword :
Edge Detection, Geomeric Mean Filter, Gaussian Noise, SaltPepper Noise, Sobel, Prewitt, Robert.
viii
DAFTAR ISI
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metode Penelitian
1.7 Sistematika Penelitian
BAB 2 TINJUAN PUSTAKA
2.1 Citra Digital
2.2 Jenis-Jenis Citra Digital
2.2.1 Citra Biner (Monokrom)
2.2.2 Citra Grayscale (Skala Keabuan)
2.2.3 Citra Warna (True Color )
2.3 Format Citra
2.3.1 Format File Bitmap (*.bmp)
2.4 Pengolahan Citra Digital
2.5 Derau (Noise)
2.6 Perbaikan Citra (Image Restoration)
2.7 Mean Filter
2.8 Pendeteksian Tepi
2.8.1 Operator Sobel
2.8.2 Operator Prewitt
2.8.3 Operator Robert
2.9 Mean Square Error (MSE), Peak Signal to Noise
Ratio (PSNR) dan Running Time
2.9.1 Mean Square Error (MSE)
2.9.2 Peak Signal to Noise Ratio (PSNR)
2.9.3 Running Time
Hal.
ii
iii
iv
vi
vii
viii
xi
xiii
1
2
2
2
3
3
4
6
7
7
7
8
9
9
9
11
12
12
14
16
19
21
24
24
24
24
ix
DAFTAR TABEL
Nomor
Tabel
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
3.20
3.21
3.22
3.23
4.1
4.2
4.3
4.4
4.5
Nama Tabel
Spesifikasi Use Case Filtering
Spesifikasi Use Case Input File Citra Asli Spesifikasi
Use Case Input Presentase Noise Spesifikasi Use
Case Pilih Noise
Spesifikasi Use Case Gaussian Noise
Spesifikasi Use Case Salt and Pepper Noise
Spesifikasi Use Case Geometric Mean Filter
Spesifikasi Use Case Simpan Citra
Spesifikasi Use Case Deteksi Tepi
Spesifikasi Use Case Input Citra
Spesifikasi Use Case Deteksi Tepi Operator Sobel
Citra Asli
Spesifikasi Use Case Deteksi Tepi Operator Prewitt
Citra Asli
Spesifikasi Use Case Deteksi Tepi Operator Robert
Citra Asli
Spesifikasi Use Case Input File Citra
Spesifikasi Use Case Deteksi Tepi Operator Sobel
Citra Filtering
Spesifikasi Use Case Deteksi Tepi Operator Prewitt
Citra Asli
Spesifikasi Use Case Deteksi Tepi Operator Robert
Citra Filtering
Spesifikasi Use Case Simpan Citra
Spesifikasi Use Case Menghitung MSE, PSNR dan
Running Time
Pseudocode Geometric Mean Filter
Pseudocode Operator Sobel
Pseudocode Operator Prewitt
Pseudocode Operator Robert
Perbandingan Hasil Reduksi Noise terhadap Citra
Bernoise Gaussian Noise
Perbandingan Hasil Reduksi Noise terhadap Citra
Bernoise Salt and Pepper Noise
Perbandingan Hasil Deteksi Tepi Terhadap Citra Asli
Perbandingan Hasil Deteksi Tepi Terhadap Citra
Hasil Filtering dari Gausssian Noise dengan
Probabilitas Berbeda
Perbandingan Hasil Deteksi Tepi Terhadap Citra
Hasil Filtering dari Salt-Pepper Noise dengan
Probabilitas Berbeda
Halaman
30
30
31
31
32
32
33
33
34
34
35
35
36
36
37
37
38
39
39
42
44
46
47
65
66
68
68
70
x
4.6
4.7
4.8
4.9
Perbandingan Nilai MSE, PSNR, dan Runtime Hasil
Deteksi Tepi Pada Citra Asli
Perbandingan Rata-rata Nilai MSE, PSNR, dan
Runtime Hasil Deteksi Tepi Pada Citra Hasil Reduksi
Gaussian Noise pada Citra Hasil Filtering
Perbandingan Rata-rata Nilai MSE, PSNR, dan
Runtime Hasil Deteksi Tepi Pada Citra Hasil Reduksi
Salt-Pepper Noise pada Citra Hasil Filtering
Perbandingan Nilai MSE, PSNR, dan Runtime Hasil
Deteksi Tepi Pada Citra Asli, Hasil Reduksi
Gaussian Mean Filter dan Hasil Reduksi pada Citra
Hasil Reduksi Salt-Pepper Noise.
72
74
76
78
xi
DAFTAR GAMBAR
Nomor
Gambar
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.1
4.2
4.3
4.3
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
Nama Gambar
Halaman
Contoh Citra Biner
Contoh Citra Grayscale
Contoh Citra Warna
Citra Bitmap (.bmp)
Blok Diagram Pengolahan Citra
Contoh Citra dengan Gaussian Noise
Contoh Citra dengan salt and pepper noise
Model Tepi Satu Dimensi
Jenis Jenis Tepi
Proses Deteksi Tepi
Contoh Deteksi Tepi Sobel
Contoh Deteksi Tepi Prewitt
Contoh Deteksi Tepi Robert
Ishikawa Diagram
Use Case Diagram
Activity Diagram filtering
Activity Diagram Deteksi Tepi
Sequence Diagram
Flowchart sistem secara umum
Form Cover
Form Menu Filtering
Form Menu Deteksi Tepi
Form Home
Form filtering
Form Deteksi Tepi
Form Help
Form About
Proses Filtering dengan Geometric Mean Filter
Proses Deteksi Tepi Operator Sobel, Prewitt dan
Robert pada Form Deteksi Tepi
Hasil Pengujian Deteksi Tepi Pada Citra Asli
Hasil Pengujian Deteksi Tepi Pada Citra Hasil
Filtering dengan Gaussian Noise
Hasil Pengujian Deteksi Tepi Pada Citra Hasil
Filtering dengan Salt-Pepper Noise
Perbandingan Nilai MSE pada Deteksi Tepi Citra
Asli, Citra Hasil Filtering dengan Gaussian Noise
dan Citra Hasil Filtering dengan Salt-Pepper Noise
Perbandingan Nilai PSNR pada Deteksi Tepi Citra
Asli, Citra Hasil Filtering dengan Gaussian Noise
dan Citra Hasil Filtering dengan Salt-Pepper Noise
Perbandingan Nilai Running Time pada Deteksi
7
8
8
9
10
11
12
15
15
16
17
20
22
26
29
40
41
42
50
52
53
54
60
60
61
62
62
63
64
73
75
77
78
79
80
xii
Tepi Citra Asli, Citra Hasil Filtering dengan
Gaussian Noise dan Citra Hasil Filtering dengan
Salt-Pepper Noise