IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI FANNY FAIRINA N 101401088

  IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL

  SKRIPSI FANNY FAIRINA N 101401088

  PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

  

IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT

FILTER

DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE

PADA CITRA DIGITAL

  

SKRIPSI

  Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

  

FANNY FAIRINA N

101401088

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

  

2014 PERSETUJUAN Judul :

  IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL

  Kategori : SKRIPSI Nama : FANNY FAIRINA N Nomor Induk Mahasiswa : 101401088 Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas :

  ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI Diluluskan di Medan, Juli 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Maya Silvi Lydia, B.Sc.,M.Sc Dr. Poltak Sihombing, M.Kom NIP 197401272002122001 NIP 196203171991031001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP 196203171991031001

  

PERNYATAAN

  IMPLEMENTASI DAN PERBANDINGAN METODE MIDPOINT FILTER DAN Yp MEAN FILTER 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, Juli 2014 Fanny Fairina N 101401088

  

PENGHARGAAN

  Puji dan syukur penulis panjatkan kepada Allah SWT atas nikmat dan karunia-Nya sehingga penulis dapat menyelesaikan 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, DTM&H, MSc(CTM), 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 dan dosen pembimbing II yang telah memberikan masukan dalam menyelesaikan skripsi ini

  5. Bapak Drs. Marihat Situmorang, M.Kom, selaku dosen penguji I yang telah memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini 6. Bapak Jos Timanta Tarigan, M.Sc, selaku dosen penguji II yang 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.

  Ayah saya Iklanuddin, SE, Ibu saya Yetty B. Pardede S.Pd, Abang saya Fajar Ferdian Nugraha, S.Kom dan Adik saya Febby Faudina Nestia yang selalu memberikan dukungan dan bantuan kepada penulis dalam menyelesaikan skripsi ini 9.

  Teman-teman kuliah saya khususnya C8, Liza, Nisa, Uswah, Wita, kak Din, Aul, kak Nana, bang Ane, Berr dan tim di IKLC yang memberi inspirasi dan semangat kepada penulis.

10. Dan yang terkhusus Sobirin, yang selalu memberi dukungan dan motivasi kepada penulis dalam menyelesaikan skripsi ini.

  Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulias menerima kritik dan saran yang membangun agar dapat menyempurnakan skripsi ini. Dan semoga Allah memberikan nikmat dan karunia kepada seluruh pihak yang membantu penulis dalam menyelesaikan skripsi ini

  Medan, Juli 2014 Penulis

  

ABSTRAK

Noise pada citra digital dapat berupa Specklenoise, Uniformnoise dan noise yang

  memang sudah ada dari proses akuisisi citra. Salah satu cara mereduksi noise tersebut adalah dengan menggunakan teknik filtering. Adapun metode filtering yang digunakan penulis untuk mereduksi noise adalah metode Midpointfilter dan Yp

  Meanfilter . Midpointfilter merupakan metode filter yang menekankan pada nilai rata-

  rata intensitas piksel terbesar dan terkecil kernel sedangkan Yp Meanfilter, metode filter yang menekankan pada rata-rata seluruh intensitas piksel. Kedua metode tersebut bekerja pada domain spasial nonlinier. Citra digital yang diinputkan berformat .bmp dan citra hasil reduksi metode Midpointfilter dan Yp Meanfilter dapat disimpan dengan format .bmp. Implementasi sistem menggunakan bahasa pemrograman MatLab 2012. Hasil yang diperoleh dari proses reduksi noise adalah metode Yp Meanfilter merupakan metode yang paling baik dalam mereduksi Speckle dan Uniformnoise, hal itu dibuktikan dengan nilai MSE yang lebih kecil, nilai PSNR yang lebih besar dan nilai runtime proses yang lebih singkat dibanding metode

  

Midpointfilter . Sedangkan pada citra yang sudah memiliki noise yang berasal dari

  proses akuisisi citra kedua metode ini dapat mengurangi tampilan noise, namun citra terlihat agak kabur.

  

Kata kunci : Citra, Midpoint filter, Yp Mean filter, Speckle noise, Uniform noise,

  MSE, PSNR

  

IMPLEMENTATION AND COMPARISON OF MIDPOINT FILTER AND Yp

MEAN FILTER TO REDUCE NOISE ON DIGITAL IMAGE

ABSTRACT

  Noiseon digital image can be a Speckle noise, Uniform noise and the noise that appears on digital image from the image acquisition. One of the way to reduce the noise is use filtering method. The method that used to reduce noise were Midpoint filter and Yp Mean filter. The Midpoint is the method which use mean of the biggest and the smallest pixel of the kernel but Yp Mean filter use the mean of the square of all pixel on the kernel. Both of the filter are processed in the nonlinier spatial domain. The image’s format that input to this system is .bmp and the reduction image that saved as .bmp. System is implemented by using MatLab 2012. The result from the noise reduction is Yp Mean filter is better than Midpoint filter to reduce noise, that shown the result of the MSE is lower, the PSNR is higher and the runtime process is faster than the Midoint filter. But for noisy image that get from the acquisition process, both of the method can reduce the noise, but the image became blurred.

  

Keyword : Digital image, Midpoint filter, Yp Mean filter, Speckle noise, Uniform

  noise, MSE, PSNR

DAFTAR ISI

  Halaman Persetujuan ii

  Pernyataan iii

  Penghargaan iv

  Abstrak vi

  Abstract vii

  Daftar isi viii

  Daftar Tabel x

  Daftar Gambar xi

  Bab I Pendahuluan

  1.1

  1 Latar Belakang

  1.2

  2 Perumusan Masalah

  1.3

  2 Batasan Masalah

  1.4

  2 Tujuan Penelitian

  1.5

  2 Manfaat Penelitian

  1.6

  3 Metodologi Penelitian

  1.7

  3 Sistematika penulisan

  Bab II Landasan Teori

2.1 Citra digital

  2.1.1

  5 Pengertian citra digital

  2.1.2

  5 Jenis citra

  2.1.2.1

  6 Citra biner

  2.1.2.2

  6 Citra grayscale

  2.1.2.3

  7 Citra Warna

  2.1.3

  7 Format file citra

  2.1.3.1

  7 Bitmap

  2.2

  8 Pengolahan citra digital

  2.2.1

  8 Restorasi citra

  2.2.2

  8 Filter Spasial

  2.2.3

  9 Midpoint filter

  2.2.4

  10 Yp Mean filter

  2.2.5

  11 Noise

  2.2.5.1

  11 Uniform noise

  2.2.5.2

  12 Speckle noise

  2.3

  13 Penilaian kinerja restorasi citra

  2.3.1

  13 MSE

  2.3.2

  13 PSNR

  Bab III Analisis dan Perancangan sistem

  3.1

  14 Analisis sistem

  3.1.1

  14 Analisis Permasalahan

  3.1.2

  15 Analisis kebutuhan

  3.1.2.1

  15 Kebutuhan fungsional

  3.1.2.2

  16 Kebutuhan nonfungsional

  3.1.3

  16 Analisis Proses

  3.1.3.1

  17 Use Case diagram

  3.1.3.2

  18 Activity diagram

  3.1.3.3

  21 Sequence diagram

  3.1.3.4

  23 Pseudocode program

  3.1.3.4.1

  23 Pseudocode Midpoint filter

  3.1.3.4.2

  24 Pseudocode Yp Mean filter

  3.1.3.4.3

  24 Pseudocode Speckle noise

  3.1.3.4.4

  25 Pseudocode Uniform noise

  3.1.3.4.5

  25 Pseudocode MSE

  3.1.3.4.6

  26 Pseudocode PSNR

  3.2

  26 Perancangan sistem

  3.2.1

  26 Perancangan Flowchart

  3.2.2

  28 Perancangan Interface

  3.2.2.1

  28 Rancangan interface form utama

  3.2.2.2 Rancangan interface form proses filter dengan citra yang dibangkitkan noise

  29

  3.2.2.3 Rancangan interface form proses filter dengan citra yang sudah memiliki noise

  30

  3.2.2.4

  31 Rancangan interface form About

  3.2.2.5

  32 Rancangan interface form Help

  Bab IV Implementasi dan Pengujian

  4.1

  33 Implementasi

  4.1.1

  33 Form Utama

  4.1.2

  34 Form Proses filter dengan citra yang dibangkitkan noise

  4.1.3

  34 Form proses filter dengan citra yang sudah memiliki noise

  4.1.4

  35 Form Help

  4.1.5

  36 Form About

  4.2

  36 Pengujian

  4.2.1

  36 Proses filter dengan citra yang dibangkitkan noise

  4.2.2

  37 Proses filter dengan citra yang sudah memiliki noise

  4.2.3 Hasil pengujian metode Midpoint filter dan Yp Mean filter dalam mereduksi noise

  38 Bab V Kesimpulan dan Saran

  5.1

  55 Kesimpulan

  5.2

  56 Saran Daftar Pustaka

  57

  

DAFTAR GAMBAR

  3.16 Perancangan interface form proses filter dengan citra yang sudah memiliki noise

  25

  3.10 Pseudocode Uniform noise

  25

  3.11 Pseudocode MSE

  26

  3.12 Pseudocode PSNR

  26

  3.13 Flowchart sistem

  27

  3.14 Perancangan interface form utama

  28

  3.15 Perancangan interface form proses filter dengan citra yang dibangkitkan noise

  29

  30

  24

  3.17 Perancangan interface form About

  31

  3.18 Perancangan interface form Help

  32

  4.1 Form Utama

  33

  4.2 Form proses filter dengan citra yang dibangkitkan noise

  34

  4.3 Form proses filter dengan citra yang sudah memiliki noise

  35

  4.4 Form Help

  35

  4.5 Form About

  3.9 Pseudocode Speckle noise

  3.8 Pseudocode Yp Mean filter

  Nomor gambar Keterangan

  12 2.7 b Citra dengan Uniform noise

  Halaman

  2.1 Citra Biner

  6

  2.2 Citra Grayscale

  6

  2.3 Citra warna

  7

  2.4 Ilustrasi Midpoint filter

  9

  2.5 Ilustrasi Yp Mean filter

  10 2.6 a Citra asli

  12 2.6 b Citra dengan Uniform noise

  12 2.7 a Citra asli

  12

  23

  3.1 Diagram Ishikawa

  15

  3.2 Use case diagram sistem

  18

  3.3 Activity diagram proses filter dengan citra yang dibangkitkan noise

  19

  3.4 Activity diagram proses filter dengan citra yang sudah memiliki noise

  20

  3.5 Sequence diagram proses filter dengan citra yang dibangkitkan noise

  21

  3.6 Sequence diagram proses filter dengan citra yang dibangkitkan noise

  22

  3.7 Pseudocode Midpoint filter

  36

  4.6 Proses pengujian filter untuk citra yang dibangkitkan

  37 noise

  4.7 Proses pengujian filter untuk citra yang sudah memiliki

  38 noise

  DAFTAR TABEL

  Nomor tabel Keterangan Halaman

  3.1 Keterangan gambar form utama

  28

  3.2 Keterangan form proses filter dengan citra yang dibangkitkan noise

  29

  3.3 Keterangan form proses filter dengan citra yang sudah memiliki noise

  31

  3.4 Keterangan gambar form about

  32

  3.5 Keterangan gambar form Help

  32

  4.1 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam

  39 mereduksi citra yang dibangkitkan speckle noise

  4.2 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam

  43 mereduksi citra yang dibangkitkan Uniform noise

  4.3 Hasil pengujian metode midpoint filter dan Yp Mean filter dalam

  49 mereduksi citra yang sudah memiliki noise

  4.4 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan

  51 Yp Mean filter dalam mereduksi Speckle noise pada citra Dog.bmp dengan ukuran dimensi 225 x 225

  4.5 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan

  51 Yp Mean filter dalam mereduksi Speckle noise pada citra Eagle.bmp dengan ukuran dimensi 500 x 500

  4.6 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan

  52 Yp Mean filter dalam mereduksi Speckle noise pada citra Fuji.bmp dengan ukuran dimensi 1024 x 768

  4.7 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan

  52 Yp Mean filter dalam mereduksi Uniform noise pada citra Dog.bmp dengan ukuran dimensi 225 x 225

  4.8 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan

  53 Yp Mean filter dalam mereduksi Uniform noise pada citra Eagle.bmp dengan ukuran dimensi 500 x 500

  4.9 Perbandingan MSE, PSNR dan runtime proses metode Midpoint dan

  54 Yp Mean filter dalam mereduksi Uniform noise pada citra Fuji.bmp dengan ukuran dimensi 1024 x 768