Selanjutnya dilakukan proses filtering yang diawali dengan pemberian noise Gamma dan noiseRayleigh pada citra yang telah diubah ke grayscale.
Kemudian noise direduksi dengan menekan tombol Weighted Mean Filter.
4.2.1.1. Pengujian Metode Weighted Mean Filter dengan Gamma noise
Pengujian ini menguji hasil reduksi Gamma noise dengan menggunakan metode Weighted Mean Filtering. Dalam pengujian ini nanti akan diambil data berupa
nilai dari MSE dan PSNR sebelum dan setelah dilakukan proses filtering, serta Running time saat direduksi. Pada penelitian ini dipakai persentasi noise antara
1 sampai 50, untuk itu akan digunakan persentasi 10, 20, 30, 40 dan 50 sebagai sampel pengujian.
Pengujian Weighted Mean Filtering pada Gamma noise dapat ditunjukkan pada tabel 4.1 berikut :
Tabel 4.1.Pengujian Metode Weighted Mean Filter dengan Gamma noise
Persentasi noise
Citra Terkena Gamma noise Citra setelah direduksi dengan
Metode Weighted Mean Filtering 10
nilai MSE = 992.129 nilai PSNR = 18.1651 dB
nilai MSE = 892.689 nilai PSNR = 18.6238 dB
Running time = 0.078125s
20
nilai MSE = 3633.74 nilai PSNR = 12.5273 dB
nilai MSE = 940.939 nilai PSNR =18.3952 dB
Running time =0.078125s 30
nilai MSE = 7773.87 nilai PSNR = 9.22443 dB
nilai MSE = 1003.86 nilai PSNR = 18.1141 dB
Running time = 0.109375s 40
nilai MSE = 13291.8 nilai PSNR = 6.89495 dB
nilai MSE = 1077.39 nilai PSNR = 17.8071 dB
Running time = 0.09375s
50
nilai MSE =19973.3 nilai PSNR =5.12631 dB
nilai MSE = 1177.41 nilai PSNR = 17.4215 dB
Running time = 0.078125s
Citra pada tabel diatas merupakan citra asli yang sudah dikonversi ke grayscale kemudian diberi noise dengan persentasi 1 sampai 50. Terlihat pada
tabel diatas citra dengan noise 10 memiliki nilai MSE sebesar 992.129 dan nilai PSNR sebesar 18.1651 dB. Citra yang terkena noise 10 kemudian di filtering
sehingga didapat nilai MSE sebesar 892.689 dan nilai PSNR sebesar 18.6238 dB. Citra dengan noise 20 memiliki nilai MSE sebesar 3633.74 dan nilai PSNR
sebesar 12.5273 dB. Citra yang terkena noise 20 kemudian di filtering sehingga didapat nilai MSE sebesar 940.939 dan nilai PSNR sebesar 18.3952 dB. Citra
dengan noise 30 memiliki nilai MSE sebesar 7773.87 dan nilai PSNR sebesar 9.22443 dB. Citra yang terkena noise 30 kemudian di filtering sehingga didapat
nilai MSE sebesar 1003.86 dan nilai PSNR sebesar 18.1141 dB. Citra dengan noise 40 memiliki nilai MSE sebesar 13291.8 dan nilai PSNR sebesar 6.89495
dB. Citra yang terkena noise 40 kemudian di filtering sehingga didapat nilai MSE sebesar 1077.39 dan nilai PSNR sebesar 17.8071 dB. Citra dengan noise
50 memiliki nilai MSE sebesar 19973.3 dan nilai PSNR sebesar 5.12631 dB. Citra yang terkena noise 50 kemudian di filtering sehingga didapat nilai MSE
sebesar 1177.41 dan nilai PSNR sebesar 17.4215 dB. Perbandingan nilai MSE dan PSNR citra yang terkena Gamma noise
dengan citra ber-noise yang sudah dilakukan proses filtering dapat dilihat pada grafik-grafik di gambar 4.6 dan gambar 4.7 berikut ini :
2 4
6 8
10 12
14 16
18 20
10 20
30 40
50 PSNR sebelum difilter
PSNR setelah difilter
Gambar 4.6. Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering
Pada grafik diatas dapat dilihat bahwa nilai MSE semakin meningkat apabila nilai persentasi noise nya jug bernilai besar. Kemudian setelah di filter
nilai MSE nya menjadi semakin kecil dibandingkan dengan nilai MSE sebelum dilakukan filtering.
Gambar 4.7. Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering
5000 10000
15000 20000
25000
10 20
30 40
50 MSE sebelum difilter
MSE setelah difilter
Pada grafik diatas dapat dilihat bahwa nilai PSNR semakin menurun apabila nilai persentasi noise nya bernilai besar. Kemudian setelah difilter nilai
PSNR nya menjadi semakin besar dibandingkan dengan nilai PSNR sebelum dilakukan filtering.
Dapat dilihat pada Gambar 4.6. dan Gambar 4.7. bahwa pengujian Gamma noise dengan metode Weighted Mean Filtering sesuai dengan teori
berdasarkan pada perbandingan nilai parameter MSE dan PSNR sebelum dan setelah dilakukan proses reduksi noise.
4.2.1.2. Pengujian Metode Weighted Mean Filter dengan Rayleigh noise
