Perbandingan Weighted Mean Filtering Dan Harmonic Mean Filtering Dalam Mereduksi Rayleigh Noise Dan Gamma Noise Pada Citra Digital

NOISE PADA CITRA DIGITAL

SKRIPSI

WAHYU EKO PUTRA 101401044

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2016

PADA CITRA DIGITAL

DRAFT SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer

WAHYU EKO PUTRA 101401044

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2016

PERSETUJUAN

Judul : PERBANDINGAN WEIGHTED MEAN

F ILTERING DAN HARMONIC MEAN F ILTERING DALAM MEREDUKSI RAYLEIGH NOISE DAN GAMMA NOISE PADA CITRA DIGITAL

Kategori : SKRIPSI

Nama : WAHYU EKO PUTRA Nomor Induk Mahasiswa : 101401044

Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 27 Januari 20166

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dian Rachmawati, S.Si, M.Kom. Dr. Poltak Sihombing, M.Kom. NIP. 198307232009122004 NIP.196203171991031001

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom. NIP.196203171991031001

PERNYATAAN

PERBANDINGAN WEIGHTED MEAN F ILTERING DAN HARMONIC MEAN F ILTERING DALAM MEREDUKSI RAYLEIGH NOISE DAN

GAMMA NOISE PADA CITRA DIGITAL

SKRIPSI

Penulis mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa ringkasan dan kutipan yang masing- masing disebutkan sumbernya.

Medan, 27 Januari 2016

WAHYU EKO PUTRA 101401044

PENGHARGAAN

Alhamdulillah. Puji dan syukur penulis ucapkan kepada Allah Subha na hu Wa

Ta’ala atas limpahan rahmat dan karunia-Nya senantiasa memberikan yang terbaik

untuk hamba-Nya, sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Kemudian Shalawat serta salam juga tak lupa penulis ucapkan kepada teladan terbaik yang menjadi anugerah semesta alam, Rasulullah Shalallahu ‘Alaihi Wassalam.

Dengan segala kerendahan hati, pada kesempatan ini penulis menyampaikan terima kasih kepada semua pihak yang telah membantu penyelesaian skripsi ini. Penulis mengucapkan terima kasih kepada:

1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum 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 sebagai Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing I yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

4. Ibu Maya Silvi Lydia, B.Sc., M.Sc. sebagai Sekretaris Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.

5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

6. Bapak Ade Candra, S.T., M.Kom selaku Dosen Pembanding I yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

7. Bapak Drs. Dahlan Sitompul, M.Eng selaku Dosen Pembanding II yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini kepada penulis.

8. Bapak M. Andri Budiman, S.T., M.Comp.Sc., M.E.M. selaku Dosen Pembimbing Akademik yang telah banyak memberikan ilmu serta motivasi yg luar biasa.

9. Seluruh tenaga pengajar dan pegawai pada Fakultas Ilmu Komputer dan Teknologi Informasi USU, khususnya Program Studi S-1 Ilmu Komputer.

10.Kedua orangtua penulis Bapak Drs. Fauzal Azim dan Ibu Dewasmaiza, serta Adik penulis Ryan Denofal dan Elsa Priska yang telah memberikan dukungan berupa doa, semangat, dan kasih sayang yang luar biasa.

11.Teman-teman seperjuangan Ahmad Rasyidi,S.Kom, Dwi Rizki Ananda,S.Kom, Mego Suntoro,S.Kom, Ali Huseini Siambaton,S.Kom, Arief Try Hidayat,S.Kom, Edo Affan, Andri Agasi, Sobirin,S.Kom, M.Pristian Rulliyansyah, Yohanes Silitonga,S.Kom, Suhaili Hamdi, Safriatullah,S.Kom, M.Khairil, Gunalan Anggirasa, S.Kom, Ivan Grace Halim, M Reza Nasution,S.Kom, Septy Diana Sari Saragih, Arifin,S,Kom, Sutandi Azhari Malau,S.Kom serta seluruh stambuk 2010 yang tidak dapat disebut satu-persatu yang juga telah banyak membantu dalam pengerjaan skripsi ini.

12.Teman-teman penulis Debi Pratama, Harry Affandi, Bobby, Alfred, Liza, Lino, Kak Winda, Mabruri, Yudha danjuga semua teman-teman sepermainan dan seperantauan lainnya yang tidak dapat disebutkan satu persatu, terimakasih atas dukungan dan semangatnya selama penulis mengerjakan skripsi ini.

13.Teman-teman satu permainan Clash Of Clans yang tergabung dalam Clan Ilkom USU COC. Yang telah memberikan hiburan bagi penulis yang terkadang jenuh dalam mengerjakan skripsi ini.

14.Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian skripsi ini.

Semoga Allah SWT melimpahkan berkah, karunia, kasih sayang kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.

Medan, 27 Januari 2016

ABSTRAK

Pengolahan Citra pada era digital ini dibutuhkan untuk mendapatkan kualitas citra/image yang lebih bagus. Kebanyakan citra yang mengalami penurunan kualitas disebabkan oleh noise. Banyak hal yang menyebabkan suatu citra bisa terkena noise, diantaranya yaitu debu yang menempel pada lensa, tingkat pengaturan ISO (International Organization of Standardization) kamera yang tinggi, ataupun karena ada piksel gambar yang error/mati. Namun masalah tersebut dapat diselesaikan oleh suatu teknik pengolahan citra yang disebut dengan Reduksi Noise (filtering). Dalam teknik reduksi noise juga terdapat metode yang menggunakan rumus dan cara-cara tersendiri dalam mereduksi berbagai noise, beberapa diantaranya adalah metode Weighted Mean Filtering dan Harmonic Mean Filtering. Kedua metode ini merupakan bagian dari metode Mean Filtering, hanya saja pada kedua metode ini menggunakan rumus yang telah dimodifikasi sehingga diharapkan dapat mereduksi noise dengan lebih baik. Pada penelitian ini diteliti bagaimana cara kedua metode dalam mereduksi noise yang telah dipilih, jenis noise yang dipilih adalah Gamma Noise dan Rayleigh Noise dengan format citra *.bmp, kemudian dilakukan perbandingan pada kedua metode berdasarkan parameter MSE, PSNR dan Running Time saat dilakukan reduksi noise. Pada penelitian ini didapatkan hasil perbandingan kedua metode. Pada pengujian Gamma noise dapat direduksi dengan baik oleh kedua metode, baik itu Weighted Mean Filtering maupun Harmonic Mean Filtering, sedangkan Rayleigh noise tidak dapat direduksi dengan baik oleh kedua metode ini.

COMPARISON OF WEIGHTED MEAN FILTERING AND HARMONIC MEAN FILTERING TO REDUCE RAYLEIGH NOISE AND

GAMMA NOISE ON DIGITAL IMAGE ABSTRACT

The image processing in the digital age is required to obtain the image quality better. Most image quality degraded due to noise. Many things can cause an image affected by noise, among which dust attaches to the lens, the camera ISO (International Organization of Standardization) setting level is high, or because pixel image error / died. However, these problems can be solved by an image processing technique called Noise Reduction (filtering). In noise reduction techniques also include a method of using formulas and special way in reducing a variety of noises, some of the filtering methods are Weighted Mean Filtering and Harmonic Mean Filtering. Both of these methods are part of the Mean Filtering method, but both methods are to use a formula that has been modified so that it is expected to reduce noise better. In this study investigated how both methods in reducing the noise that has been selected, the type of noise chosen was Gamma Noise and Rayleigh Noise and the file type of image is *.bmp, then made comparisons at both methods based on the parameters MSE, PSNR and Running Time when the noise reduction is done. In this study, the comparison results obtained both methods . On testing Gamma noise can be reduced by both methods , either Weighted Harmonic Mean and Mean Filtering Filtering, while Rayleigh noise can not be reduced by both of these methods.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Sistematika Penulisan 4

Bab 2 Landasan Teori

2.1 Citra 5

2.2 Citra Digital 5

2.2.1 Jenis Citra 7

2.2.2 Format File Citra 9

2.3 Noise (Derau) 9

2.3.1 Gamma (Erlang) Noise 10 2.3.2 Rayleigh Noise 10

2.4 Filtering 11

2.4.1 Weighted Mean Filtering (Filter Rata -rata

Berbobot) 11 2.4.2 Harmonic Mean F iltering 13 2.5 Mean Square Error (MSE) 15 2.6 Peak Signal to Noise Ratio (PNSR) 16 Bab 3 Analisis dan Perancangan Sistem

3.1 Analisis Sistem 17

3.1.1 Analisis Masalah 17

3.1.2 Analisis Kebutuhan Sistem 18 3.1.2.1 Kebutuhan Fungsional Sistem 19 3.1.2.2 Kebutuhan Non Fungsiona l Sistem 19

3.1.3 Analisis Proses 19

3.1.3.1 Proses Noising 20 3.1.3.2 Proses Filtering 20

3.2 Pemodelan 20

3.2.2 Sequence Diagram 27

3.2.3 Activity Diagram 27

3.3 Perancangan Sistem 29

3.3.1 Perancangan Flowchart Sistem 29 3.3.2 Perancangan Antarmuka Sistem 31 3.3.2.1 Perancangan Tampilan Awal Aplikasi 31 3.3.2.2 Perancangan Halaman Pengujian 32 3.3.2.3 Perancangan Halaman Tentang 34 Bab 4 Implementasi dan Pengujian Sistem

4.1 Implementasi 35

4.1.1 Halaman Utama 35

4.1.2 Halaman Pengujian 36

4.1.3 Halaman Tentang 37

4.2 Pengujian Sistem 38

4.2.1 Pengujian Weighted Mean Filtering 39 4.2.1.1 Pengujian Metode Weighted Mean Filter

dengan Gamma noise 40 4.2.1.2 Pengujian Metode Weighted Mean Filter

dengan Rayleigh noise 44 4.2.2 Pengujian Harmonic Mean F iltering 49

4.2.2.1 Pengujian Metode Harmonic Mean Filter

dengan Gamma noise 49 4.2.2.2 Pengujian Metode Harmonic Mean Filter

dengan Rayleigh noise 53 4.2.3 Pengujian Black Box 59 4.2.3.1 Rencana Pengujian 59 4.2.3.2 Kasus dan Hasil Pengujian Alpha 59 4.2.2.2 Kesimpulan Pengujian Alpha 60 Bab 5 Kesimpulan dan Saran

5.1 Kesimpulan 61

5.2 Saran 62

Daftar Pustaka 63

Listing Program A-1

DAFTAR GAMBAR

Nomor

Gambar Nama Gambar Halaman

2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8

Contoh Citra Digital. Citra Biner

Citra Grayscale Citra Berwarna

(a) Citra sebelum terkena noise, (b) Citra setelah terkena Gamma Noise

(a) Citra sebelum terkena noise, (b) Citra setelah terkena Rayleigh Noise.

Contoh proses perhitungan Weighted Mean Filtering. Contoh proses perhitungan Harmonic Mean Filtering Diagram Ishikawa.

Use case Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital

Sequence Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital.

Activity Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital.

Flowchart Gambaran Umum Sistem Rancangan Tampilan Awal Aplikasi. Rancangan Tampilan Halaman Pengujian Rancangan Tampilan Halaman Tentang Tampilan Halaman Utama

Tampilan Halaman Pengujian Tampilan Halaman Tentang Pilih tombol Pengujian

Buka citra *.bmp pada form Pengujian

Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering 6 7 8 8 10 11 13 15 18 21 27 28 30 31 32 34 36 37 38 39 39 43 43 47

4.9

4.10

4.11

4.12

4.13

4.14 4.15

Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering

Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering.

Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering

Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering

Grafik perbandingan Running Time masing-masing metode dengan Gamma noise

Grafik perbandingan Running Time masing-masing metode dengan Rayleigh noise

48

52

52

56

57 58 58

DAFTAR TABEL

Nomor

Tabel Nama Tabel Halaman

3.1 3.2 4.1 4.2 4.3 4.4 4.5 4.6 4.7

Dokumentasi Naratif Use case

Dokumentasi Naratif Use case Filtering

Pengujian Metode Weighted Mean Filter dengan Gamma noise Pengujian Metode Weighted Mean Filter dengan Rayleigh noise Pengujian Metode Harmonic Mean Filter dengan Gamma noise Pengujian Metode Harmonic Mean Filter dengan Rayleigh noise Rencana Pengujian

Pengujian hasil input citra digital oleh user Pengujian hasil filter oleh sistem.

22 23 40 44 49 54 59 59 60

vii

COMPARISON OF WEIGHTED MEAN FILTERING AND HARMONIC MEAN FILTERING TO REDUCE RAYLEIGH NOISE AND

GAMMA NOISE ON DIGITAL IMAGE

ABSTRACT

The image processing in the digital age is required to obtain the image quality better. Most image quality degraded due to noise. Many things can cause an image affected by noise, among which dust attaches to the lens, the camera ISO (International Organization of Standardization) setting level is high, or because pixel image error / died. However, these problems can be solved by an image processing technique called Noise Reduction (filtering). In noise reduction techniques also include a method of using formulas and special way in reducing a variety of noises, some of the filtering methods are Weighted Mean Filtering and Harmonic Mean Filtering. Both of these methods are part of the Mean Filtering method, but both methods are to use a formula that has been modified so that it is expected to reduce noise better. In this study investigated how both methods in reducing the noise that has been selected, the type of noise chosen was Gamma Noise and Rayleigh Noise and the file type of image is *.bmp, then made comparisons at both methods based on the parameters MSE, PSNR and Running Time when the noise reduction is done. In this study, the comparison results obtained both methods . On testing Gamma noise can be reduced by both methods , either Weighted Harmonic Mean and Mean Filtering Filtering, while Rayleigh noise can not be reduced by both of these methods.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Sistematika Penulisan 4

Bab 2 Landasan Teori

2.1 Citra 5

2.2 Citra Digital 5

2.2.1 Jenis Citra 7

2.2.2 Format File Citra 9

2.3 Noise (Derau) 9

2.3.1 Gamma (Erlang) Noise 10

2.3.2 Rayleigh Noise 10

2.4 Filtering 11

2.4.1 Weighted Mean Filtering (Filter Rata -rata

Berbobot) 11

2.4.2 Harmonic Mean F iltering 13

2.5 Mean Square Error (MSE) 15

2.6 Peak Signal to Noise Ratio (PNSR) 16

Bab 3 Analisis dan Perancangan Sistem

3.1 Analisis Sistem 17

3.1.1 Analisis Masalah 17

3.1.2 Analisis Kebutuhan Sistem 18

3.1.2.1 Kebutuhan Fungsional Sistem 19 3.1.2.2 Kebutuhan Non Fungsiona l Sistem 19

3.1.3 Analisis Proses 19

3.1.3.1 Proses Noising 20

3.1.3.2 Proses Filtering 20

3.2 Pemodelan 20

ix

3.2.2 Sequence Diagram 27

3.2.3 Activity Diagram 27

3.3 Perancangan Sistem 29

3.3.1 Perancangan Flowchart Sistem 29

3.3.2 Perancangan Antarmuka Sistem 31

3.3.2.1 Perancangan Tampilan Awal Aplikasi 31 3.3.2.2 Perancangan Halaman Pengujian 32 3.3.2.3 Perancangan Halaman Tentang 34 Bab 4 Implementasi dan Pengujian Sistem

4.1 Implementasi 35

4.1.1 Halaman Utama 35

4.1.2 Halaman Pengujian 36

4.1.3 Halaman Tentang 37

4.2 Pengujian Sistem 38

4.2.1 Pengujian Weighted Mean Filtering 39

4.2.1.1 Pengujian Metode Weighted Mean Filter

dengan Gamma noise 40

4.2.1.2 Pengujian Metode Weighted Mean Filter

dengan Rayleigh noise 44 4.2.2 Pengujian Harmonic Mean F iltering 49

4.2.2.1 Pengujian Metode Harmonic Mean Filter

dengan Gamma noise 49 4.2.2.2 Pengujian Metode Harmonic Mean Filter

dengan Rayleigh noise 53

4.2.3 Pengujian Black Box 59

4.2.3.1 Rencana Pengujian 59

4.2.3.2 Kasus dan Hasil Pengujian Alpha 59

4.2.2.2 Kesimpulan Pengujian Alpha 60

Bab 5 Kesimpulan dan Saran

5.1 Kesimpulan 61

5.2 Saran 62

Daftar Pustaka 63

Listing Program A-1

DAFTAR GAMBAR

Nomor

Gambar Nama Gambar Halaman

2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8

Contoh Citra Digital. Citra Biner

Citra Grayscale Citra Berwarna

(a) Citra sebelum terkena noise, (b) Citra setelah terkena Gamma Noise

(a) Citra sebelum terkena noise, (b) Citra setelah terkena Rayleigh Noise.

Contoh proses perhitungan Weighted Mean Filtering. Contoh proses perhitungan Harmonic Mean Filtering Diagram Ishikawa.

Use case Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital

Sequence Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital.

Activity Diagram Sistem Perbandingan Weighted Mean Filtering dan Harmonic Mean Filtering dalam Mereduksi Rayleigh Noise dan Gamma Noise pada Citra Digital.

Flowchart Gambaran Umum Sistem Rancangan Tampilan Awal Aplikasi. Rancangan Tampilan Halaman Pengujian Rancangan Tampilan Halaman Tentang Tampilan Halaman Utama

Tampilan Halaman Pengujian Tampilan Halaman Tentang Pilih tombol Pengujian

Buka citra *.bmp pada form Pengujian

Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering 6 7 8 8 10 11 13 15 18 21 27 28 30 31 32 34 36 37 38 39 39 43 43 47

xi

4.9

4.10

4.11

4.12

4.13

4.14 4.15

Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Weighted Mean Filtering

Grafik Perbandingan nilai MSE Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering

Grafik Perbandingan nilai PSNR Gamma noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering.

Grafik Perbandingan nilai MSE Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering

Grafik Perbandingan nilai PSNR Rayleigh noise sebelum dan setelah dilakukan proses filtering dengan metode Harmonic Mean Filtering

Grafik perbandingan Running Time masing-masing metode dengan Gamma noise

Grafik perbandingan Running Time masing-masing metode dengan Rayleigh noise

48

52

52

56

57 58 58

DAFTAR TABEL

Nomor

Tabel Nama Tabel Halaman

3.1 3.2 4.1 4.2 4.3 4.4 4.5 4.6 4.7

Dokumentasi Naratif Use case

Dokumentasi Naratif Use case Filtering

Pengujian Metode Weighted Mean Filter dengan Gamma noise Pengujian Metode Weighted Mean Filter dengan Rayleigh noise Pengujian Metode Harmonic Mean Filter dengan Gamma noise Pengujian Metode Harmonic Mean Filter dengan Rayleigh noise Rencana Pengujian

Pengujian hasil input citra digital oleh user Pengujian hasil filter oleh sistem.

22 23 40 44 49 54 59 59 60