Perbandingan Hasil Deteksi Tepi Laplacian Of Gaussian Dengan Laplacian Of Gaussian Kombinasi High Boost Filtering
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN
DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
RUTH MEYLINA MANIK
111401141
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN
DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
RUTH MEYLINA MANIK
111401141
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ii
PERSETUJUAN
Judul
:
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Fakultas
:
:
:
:
:
PERBANDINGAN HASIL DETEKSI TEPI
LAPLACIAN OF GAUSSIAN DENGAN
LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
RUTH MEYLINA MANIK
111401141
SARJANA (S1) ILMU KOMPUTER
ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dian Rachmawati, S.Si, M.Kom
NIP 198307232009122004
Dr. Poltak Sihombing, M.Kom
NIP 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP 196203171991031001
iii
PERNYATAAN
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN
LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Agustus 2015
Ruth Meylina Manik
111401141
iv
PENGHARGAAN
Puji dan syukur kepada Tuhan Yang Maha Esa atas berkat 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.
Penulis ingin menyampaikan ucapan terimakasih kepada :
1. Bapak Prof. Subhilhar, Ph.D selaku Pejabat 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 juga selaku dosen pembimbing I yang
telah memberikan saran dan dukungan kepada penulis dalam menyelesaikan
skripsi ini.
4. Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen pembimbing II yang telah
memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
5. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku dosen penguji II yang memberikan
kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
6. Bapak Amer Sharif, S.Si, M.Kom, 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. Orang tua penulis Purn. Ipda Manimbul Manik dan Anna Pininta Dahlia, S.Pd.
yang selalu menjadi penyemangat penulis dan selalu memberikan dukungan yang
sangat luar biasa di dalam setiap doanya untuk penulis dalam menyelesaikan
skripsi ini.
9. Abang penulis Daniel Frans Maulana Manik, adik penulis Grace Agustrina Manik
dan Venny Kartika Manik yang selalu memberikan dukungan, doa dan hiburan
kepada penulis dalam menyelesaikan skripsi.
v
10. Opung Lordup dan Opung Toba, Tulang/Nantulang Lady, Tulang/Nantulang
Tesya, Tulang/Nantulang Hotman, Tulang/Nantulang Josua dan Tulang/Nantulang
Evan yang selalu mendukung dan menyemangati penulis dalam menyelesaikan
skripsi ini.
11. Sahabat penulis Chindy Cahtrina Barus, Magdalena Siregar, Witty Sinaga yang
selalu mendukung menyemangati penulis dalam menyelesaikan skripsi ini.
12. Jonathan Simamora atas dukungan dan semangat kepada penulis selama proses
penyelesaian skripsi ini.
13. Teman-teman kuliah penulis stambuk 2011, Nurhayati, Ita, Tifany, Fildzah,
Syafura, Nurkholijah, Anandhini, Agita, Martina, Ivana, Shahira, Annisa, Abidah,
Rifai, Steven, Sandy, Adit, Henry, Tanta, Cholik, Nihe, Ridho, Edi, Andrio,
Simon, Fernandes, Edwin, Johan, Afif, Hanafi yang selalu menyemangati penulis
terkhusus kepada Farid Akbar Siregar dan Agung Putu Yoga yang membantu dan
mendukung penulis dalam menyelesaikan skripsi ini.
14. Teman-teman Beswan Djarum 29 Medan Tere, Dita, Sai, Dea, Ius, Dana, Darman,
Josiah, Acid, Cherry, dan Nicho yang selalu memberi semangat dan menjadi
penyemangat penulis dalam berjuang.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulis
menerima kritik dan saran yang membangun untuk menyempurnakan skripsi ini. Dan
semoga Tuhan Yang Maha Esa memberikan berkat dan karunia kepada seluruh pihak
yang membantu penulis dalam menyelesaikan skripsi ini
Medan, Agustus 2015
Penulis
vi
ABSTRAK
Pendeteksian tepi sebuah citra adalah bagian dari pengolahan citra. Pendeteksian tepi
pada citra berguna untuk mencirikan sebuah informasi atau citra. Kualitas citra dan
garis deteksi tepi dari hasil pendeteksian tepi terhadap sebuah citra sangatlah
diperlukan, terlebih kepada citra yang telah rusak dan yang telah mengalami
penurunan kualitas. Penurunan kualitas citra contohnya ialah noise yang terdapat pada
citra, dimana penurunan kualitas oleh noise ini disebabkan oleh gangguan pada teknik
pengambilan citra. Pada citra digital, noise yang sering ditemukan adalah Gaussian
noise dan Salt and Pepper noise. Akibat adanya noise pada citra, noise tersebut
menyebabkan hasil pendeteksian tepi yang kurang bagus ataupun kurang memenuhi
standard dari kualitas pendeteksian tepi sebuah citra. Maka dari itu, dilakukan
penelitian untuk mendeteksi tepi citra dari citra yang telah memiliki noise dengan
operator Laplacian of Gaussian. Pada operator ini terdapat metode Gaussian
smoothing yang berguna untuk memperhalus noise. Tetapi, citra yang halus belum
tentu baik untuk dideteksi tepi. Maka dari itu, penelitian ini melakukan
pengkombinasian operator deteksi tepi Laplacian of Gaussian dengan metode High
Boost filtering. Kemudian penelitian ini membandingkan hasil citra deteksi tepi antara
Laplacian of Gaussian dengan Laplacian of Gaussian kombinasi High Boost filtering.
Citra hasil deteksi tepi terbaik dibandingkan berdasarkan parameter Mean Square
Error (MSE ) yang bernilai paling kecil, Peak Signal to-Noise Ratio (PSNR) yang
bernilai paling besar dan kualitas struktur garis tepi. Perbandingan dengan parameter
nilai MSE, PSNR dan kualitas struktur garis tepi, maka didapat hasil bahwa
pendeteksian tepi menggunakan operator Laplacian of Gaussian kombinasi High
Boost filtering lebih baik dengan nilai MSE terkecil yaitu, 28096,5 dan nilai PSNR
terbesar yaitu, 0,36864 dB.
Kata kunci : Deteksi tepi, Laplacian of Gaussian (LoG), High Boost Filtering,
Gaussian Noise, Salt and Pepper Noise
vii
THE COMPARISON BETWEEN THE RESULT OF EDGE DETECTION BY
THE LAPLACIAN OF GAUSSIAN WITH LAPLACIAN OF GAUSSIAN
COMBINATION OF HIGH BOOST FILTERING
ABSTRACT
Edge detection of an image is a part of the image processing. Edge detection on the
image useful to characterize an information or images. Image quality and edge
detection line quality of edge detection result to an image is necessary, especially to
the image that has been damaged and who have experienced loss of quality. The
example of image quality degradation is noise contained in the image, where a
decrease in the quality of the noise is caused by disturbances in the image-making
techniques. In the digital image, the noise that is often found is Gaussian noise and
Salt and Pepper noise. Due to the noise in the image, the noise causes the edge
detection result is less good or less meet the standards of the quality of an image edge
detection. Therefore, an examination to detect the image edge of the image already
has noise with Laplacian of Gaussian operator. At this operator, there is Gaussian
smoothing method that useful to soften the noise. However, a smooth image is not
necessarily good for the detected edge. Therefore, this study did the combination of
edge detection operator Laplacian of Gaussian with High Boost filtering method.
Then, this study compared the results of image edge detection between Laplacian of
Gaussian Laplacian of Gaussian combination with High Boost filtering. Image edge
detection best results were compared based on the parameters Mean Square Error
(MSE) is worth at least a small, Peak Signal to-Noise Ratio (PSNR) is the largest and
most valuable qualities edge line structure. Comparison with the parameter value of
MSE, PSNR and quality of the structure borders, then the examination got the result
that the operator Laplacian of Gaussian edge detection using a combination filtering
High Boost better with smallest MSE value is, 28096.5 and the largest PSNR value is,
0.36864 dB.
Keywor d : Edge Detection, Laplacian of Gaussian, High Boost Filtering, Gaussian
Noise, Salt and Pepper Noise
viii
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar isi
Daftar Gambar
Daftar Tabel
ii
iii
iv
vi
vii
viii
x
xii
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 Metodologi Penelitian
1.7 Sistematika penulisan
1
2
3
3
3
4
5
Bab 2 Landasan Teori
2.1 Citra
2.2 Citra Digital
2.2.1 Jenis Citra Digital
2.3 Citra Bitmap
2.4 Perngolahan Citra
2.4.1 Operasi Pengolahan Citra
2.5 Pendeteksian Tepi
2.5.1 Metode-metode dalam Deteksi Tepi
2.5.2 Operator Laplacian of Gaussian (LoG)
2.6 Derau (Noise)
2.7 Peningkatan Kualitas Citra (Image Enhancement)
2.7.1. Filter Spasial (Spatial Filter)
2.7.1.1 Filter Pelolos Rendah (Low Pass Filter)
2.7.1.2 Filter Pelolos Tinggi (High Pass Filter)
2.7.1.3 High Boost Filter
2.8 Perbaikan Citra (Image Restoration)
2.9 MSE dan PSNR
6
6
8
9
10
11
12
15
16
18
20
20
20
21
22
23
23
Bab 3 Analisis dan Perancangan sistem
3.1 Analisis sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan
3.1.2.1 Persyaratan Fungsional
25
25
26
26
ix
3.1.2.2 Persyaratan Non-Fungsional
3.1.3 Analisis Proses
3.2 Pemodelan
3.2.1 Use Case Diagram
3.2.2 Sequence Diagram
3.2.3 Activity Diagram
3.3 Pseudocode Program
3.3.1 Pseudocode Gaussian Noise
3.3.2 Pseudocode Salt and Pepper Noise
3.3.3 Pseudocode Laplacian of Gaussian
3.3.4 Pseudocode High Boost Filtering
3.3.5 Pseudocode Menghitung nilai MSE dan PSNR
3.4 Perancangan sistem
3.4.1 Flowchart Sistem
3.4.2 Perancangan Antarmuka (Interface)
3.4.2.1 Form Home
3.4.2.2 Form Menu Pengujian
3.4.2.3 Form Menu Hasil
3.4.2.4 Form Menu Help
3.4.2.5 Form Menu About
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem
4.1.1 Form Home
4.1.2 Form Pengujian
4.1.3 Form Hasil
4.1.4 Form Help
4.1.5 Form About
4.2 Pengujian
4.2.1 Pengujian Laplacian of Gaussian
4.2.2 Pengujian Laplacian of Gaussian kombinasi High Boost Filter
4.3 Hasil Pengujian
4.3.1 Hasil Pengujian Laplacian of Gaussian terhadap Gaussian Noise
4.3.2 Hasil Pengujian Laplacian of Gaussian terhadap Salt and Pepper
Noise
4.3.3 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost
Filtering terhadap Gaussian Noise
4.3.4 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost
Filtering terhadap Salt and Pepper Noise
4.3.5 Hasil Perbandingan Operator Laplacian of Gaussian dengan
Laplacian of Gaussian Kombinasi High Boost Filtering
27
28
28
28
33
34
35
35
35
36
36
37
38
37
40
40
41
42
43
44
46
46
47
49
50
50
51
51
55
57
57
60
64
66
69
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
74
75
Daftar Pustaka
Listing Program
Curriculum Vitae
76
78
97
x
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
3.10
3.11
3.12
3.13
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
Keterangan
Sistem koordinat citra
Citra biner
Citra abu-abu (grayscale)
Citra warna atau (RGB)
Citra bitmap (bunga.bmp)
Tahapan dalam Pengolahan Citra
Model Tepi Satu Dimensi
Jenis-jenis Tepi
Proses Deteksi Tepi Citra
Proses deteksi tepi metode LoG
gaussian noise (A) dan salt and pepper noise (B)
Peningkatan kualitas citra
Perbaikan citra
Diagram Ishikawa
Use Case Diagram
Sequence Diagram
Activity Diagram
Flowchart sistem secara umum
Flowchart Laplacian of Gaussian
Flowchart High Boost Filtering
Flowchart MSE dan PSNR
Form Home
Form Menu Pengujian
Form Menu Hasil
Form Menu Help
Form Menu About
Form Home
Form Menu Pengujian
Form Simulasi Pengujian
Form Hasil
Form Simulasi Hasil
Form Help
Form About
Pilih menu Pengujian
Browse citra *.bmp pada file direktori
Citra input-an yang ditampilkan oleh sistem
Citra dengan Gaussian Noise (probabilitas 30%)
Citra dengan Salt and Pepper Noise (probabilitas 30%)
Citra hasil deteksi tepi operator Laplacian of Gaussian
(Gaussian Noise 30%)
Halaman
8
8
9
10
10
10
13
14
15
18
19
20
23
26
29
33
34
38
38
39
39
40
41
42
44
44
46
47
47
48
48
49
49
50
51
52
52
53
53
xi
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
Citra hasil deteksi tepi operator Laplacian of Gaussian (Salt
and Pepper Noise 30%)
Citra hasil deteksi tepi operator Laplacian of Gaussian
kombinasi High Boost Filtering dengan nilai A = 1 (Gaussian
Noise 30%)
Citra hasil deteksi tepi operator Laplacian of Gaussian
kombinasi High Boost Filtering dengan nilai A = 1 (Salt and
Pepper Noise 30%)
Tampilan form hasil yang telah di-input citra
Grafik perbandingan nilai MSE pada Gaussian Noise
Grafik perbandingan nilai MSE pada Salt and Pepper Noise
Grafik perbandingan nilai PSNR pada Gaussian Noise
Grafik perbandingan nilai PSNR pada Salt and Pepper Noise
54
55
55
56
70
70
71
71
xii
DAFTAR TABEL
Nomor
tabel
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
Keterangan
Halaman
Dokumentasi Naratif Use Case Home
Dokumentasi Naratif Use Case Pengujian
Dokumentasi Naratif Use Case Hasil
Dokumentasi Naratif Use Case Help
Dokumentasi Naratif Use Case About
Pseudocode Gaussian Noise
Pseudocode Salt and Pepper Noise
Pseudocode Laplacian of Gaussian
Pseudocode High Boost Filtering
Pseudocode nilai MSE dan PSNR
Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra
Ber-noise Gaussian
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian terhadap citra ber-noise Gaussian
Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra
Ber-noise Salt and Pepper
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian terhadap citra ber-noise Gaussian
Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High
Boost Filtering Terhadap Citra Ber-noise Gaussian
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise
Gaussian
Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High
Boost Filtering Terhadap Citra Ber-noise Salt and Pepper
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise
Salt and Pepper
Perbandingan nilai rata-rata MSE, PSNR, dan running time
Perbandingan kualitas struktur garis tepi citra hasil deteksi tepi
29
30
31
32
32
35
35
36
36
37
57
59
59
61
62
64
65
68
72
73
DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
RUTH MEYLINA MANIK
111401141
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN
DENGAN LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
RUTH MEYLINA MANIK
111401141
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ii
PERSETUJUAN
Judul
:
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Fakultas
:
:
:
:
:
PERBANDINGAN HASIL DETEKSI TEPI
LAPLACIAN OF GAUSSIAN DENGAN
LAPLACIAN OF GAUSSIAN KOMBINASI
HIGH BOOST FILTERING
SKRIPSI
RUTH MEYLINA MANIK
111401141
SARJANA (S1) ILMU KOMPUTER
ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dian Rachmawati, S.Si, M.Kom
NIP 198307232009122004
Dr. Poltak Sihombing, M.Kom
NIP 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP 196203171991031001
iii
PERNYATAAN
PERBANDINGAN HASIL DETEKSI TEPI LAPLACIAN OF GAUSSIAN DENGAN
LAPLACIAN OF GAUSSIAN KOMBINASI HIGH BOOST FILTERING
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Agustus 2015
Ruth Meylina Manik
111401141
iv
PENGHARGAAN
Puji dan syukur kepada Tuhan Yang Maha Esa atas berkat 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.
Penulis ingin menyampaikan ucapan terimakasih kepada :
1. Bapak Prof. Subhilhar, Ph.D selaku Pejabat 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 juga selaku dosen pembimbing I yang
telah memberikan saran dan dukungan kepada penulis dalam menyelesaikan
skripsi ini.
4. Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen pembimbing II yang telah
memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
5. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku dosen penguji II yang memberikan
kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
6. Bapak Amer Sharif, S.Si, M.Kom, 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. Orang tua penulis Purn. Ipda Manimbul Manik dan Anna Pininta Dahlia, S.Pd.
yang selalu menjadi penyemangat penulis dan selalu memberikan dukungan yang
sangat luar biasa di dalam setiap doanya untuk penulis dalam menyelesaikan
skripsi ini.
9. Abang penulis Daniel Frans Maulana Manik, adik penulis Grace Agustrina Manik
dan Venny Kartika Manik yang selalu memberikan dukungan, doa dan hiburan
kepada penulis dalam menyelesaikan skripsi.
v
10. Opung Lordup dan Opung Toba, Tulang/Nantulang Lady, Tulang/Nantulang
Tesya, Tulang/Nantulang Hotman, Tulang/Nantulang Josua dan Tulang/Nantulang
Evan yang selalu mendukung dan menyemangati penulis dalam menyelesaikan
skripsi ini.
11. Sahabat penulis Chindy Cahtrina Barus, Magdalena Siregar, Witty Sinaga yang
selalu mendukung menyemangati penulis dalam menyelesaikan skripsi ini.
12. Jonathan Simamora atas dukungan dan semangat kepada penulis selama proses
penyelesaian skripsi ini.
13. Teman-teman kuliah penulis stambuk 2011, Nurhayati, Ita, Tifany, Fildzah,
Syafura, Nurkholijah, Anandhini, Agita, Martina, Ivana, Shahira, Annisa, Abidah,
Rifai, Steven, Sandy, Adit, Henry, Tanta, Cholik, Nihe, Ridho, Edi, Andrio,
Simon, Fernandes, Edwin, Johan, Afif, Hanafi yang selalu menyemangati penulis
terkhusus kepada Farid Akbar Siregar dan Agung Putu Yoga yang membantu dan
mendukung penulis dalam menyelesaikan skripsi ini.
14. Teman-teman Beswan Djarum 29 Medan Tere, Dita, Sai, Dea, Ius, Dana, Darman,
Josiah, Acid, Cherry, dan Nicho yang selalu memberi semangat dan menjadi
penyemangat penulis dalam berjuang.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulis
menerima kritik dan saran yang membangun untuk menyempurnakan skripsi ini. Dan
semoga Tuhan Yang Maha Esa memberikan berkat dan karunia kepada seluruh pihak
yang membantu penulis dalam menyelesaikan skripsi ini
Medan, Agustus 2015
Penulis
vi
ABSTRAK
Pendeteksian tepi sebuah citra adalah bagian dari pengolahan citra. Pendeteksian tepi
pada citra berguna untuk mencirikan sebuah informasi atau citra. Kualitas citra dan
garis deteksi tepi dari hasil pendeteksian tepi terhadap sebuah citra sangatlah
diperlukan, terlebih kepada citra yang telah rusak dan yang telah mengalami
penurunan kualitas. Penurunan kualitas citra contohnya ialah noise yang terdapat pada
citra, dimana penurunan kualitas oleh noise ini disebabkan oleh gangguan pada teknik
pengambilan citra. Pada citra digital, noise yang sering ditemukan adalah Gaussian
noise dan Salt and Pepper noise. Akibat adanya noise pada citra, noise tersebut
menyebabkan hasil pendeteksian tepi yang kurang bagus ataupun kurang memenuhi
standard dari kualitas pendeteksian tepi sebuah citra. Maka dari itu, dilakukan
penelitian untuk mendeteksi tepi citra dari citra yang telah memiliki noise dengan
operator Laplacian of Gaussian. Pada operator ini terdapat metode Gaussian
smoothing yang berguna untuk memperhalus noise. Tetapi, citra yang halus belum
tentu baik untuk dideteksi tepi. Maka dari itu, penelitian ini melakukan
pengkombinasian operator deteksi tepi Laplacian of Gaussian dengan metode High
Boost filtering. Kemudian penelitian ini membandingkan hasil citra deteksi tepi antara
Laplacian of Gaussian dengan Laplacian of Gaussian kombinasi High Boost filtering.
Citra hasil deteksi tepi terbaik dibandingkan berdasarkan parameter Mean Square
Error (MSE ) yang bernilai paling kecil, Peak Signal to-Noise Ratio (PSNR) yang
bernilai paling besar dan kualitas struktur garis tepi. Perbandingan dengan parameter
nilai MSE, PSNR dan kualitas struktur garis tepi, maka didapat hasil bahwa
pendeteksian tepi menggunakan operator Laplacian of Gaussian kombinasi High
Boost filtering lebih baik dengan nilai MSE terkecil yaitu, 28096,5 dan nilai PSNR
terbesar yaitu, 0,36864 dB.
Kata kunci : Deteksi tepi, Laplacian of Gaussian (LoG), High Boost Filtering,
Gaussian Noise, Salt and Pepper Noise
vii
THE COMPARISON BETWEEN THE RESULT OF EDGE DETECTION BY
THE LAPLACIAN OF GAUSSIAN WITH LAPLACIAN OF GAUSSIAN
COMBINATION OF HIGH BOOST FILTERING
ABSTRACT
Edge detection of an image is a part of the image processing. Edge detection on the
image useful to characterize an information or images. Image quality and edge
detection line quality of edge detection result to an image is necessary, especially to
the image that has been damaged and who have experienced loss of quality. The
example of image quality degradation is noise contained in the image, where a
decrease in the quality of the noise is caused by disturbances in the image-making
techniques. In the digital image, the noise that is often found is Gaussian noise and
Salt and Pepper noise. Due to the noise in the image, the noise causes the edge
detection result is less good or less meet the standards of the quality of an image edge
detection. Therefore, an examination to detect the image edge of the image already
has noise with Laplacian of Gaussian operator. At this operator, there is Gaussian
smoothing method that useful to soften the noise. However, a smooth image is not
necessarily good for the detected edge. Therefore, this study did the combination of
edge detection operator Laplacian of Gaussian with High Boost filtering method.
Then, this study compared the results of image edge detection between Laplacian of
Gaussian Laplacian of Gaussian combination with High Boost filtering. Image edge
detection best results were compared based on the parameters Mean Square Error
(MSE) is worth at least a small, Peak Signal to-Noise Ratio (PSNR) is the largest and
most valuable qualities edge line structure. Comparison with the parameter value of
MSE, PSNR and quality of the structure borders, then the examination got the result
that the operator Laplacian of Gaussian edge detection using a combination filtering
High Boost better with smallest MSE value is, 28096.5 and the largest PSNR value is,
0.36864 dB.
Keywor d : Edge Detection, Laplacian of Gaussian, High Boost Filtering, Gaussian
Noise, Salt and Pepper Noise
viii
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar isi
Daftar Gambar
Daftar Tabel
ii
iii
iv
vi
vii
viii
x
xii
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 Metodologi Penelitian
1.7 Sistematika penulisan
1
2
3
3
3
4
5
Bab 2 Landasan Teori
2.1 Citra
2.2 Citra Digital
2.2.1 Jenis Citra Digital
2.3 Citra Bitmap
2.4 Perngolahan Citra
2.4.1 Operasi Pengolahan Citra
2.5 Pendeteksian Tepi
2.5.1 Metode-metode dalam Deteksi Tepi
2.5.2 Operator Laplacian of Gaussian (LoG)
2.6 Derau (Noise)
2.7 Peningkatan Kualitas Citra (Image Enhancement)
2.7.1. Filter Spasial (Spatial Filter)
2.7.1.1 Filter Pelolos Rendah (Low Pass Filter)
2.7.1.2 Filter Pelolos Tinggi (High Pass Filter)
2.7.1.3 High Boost Filter
2.8 Perbaikan Citra (Image Restoration)
2.9 MSE dan PSNR
6
6
8
9
10
11
12
15
16
18
20
20
20
21
22
23
23
Bab 3 Analisis dan Perancangan sistem
3.1 Analisis sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan
3.1.2.1 Persyaratan Fungsional
25
25
26
26
ix
3.1.2.2 Persyaratan Non-Fungsional
3.1.3 Analisis Proses
3.2 Pemodelan
3.2.1 Use Case Diagram
3.2.2 Sequence Diagram
3.2.3 Activity Diagram
3.3 Pseudocode Program
3.3.1 Pseudocode Gaussian Noise
3.3.2 Pseudocode Salt and Pepper Noise
3.3.3 Pseudocode Laplacian of Gaussian
3.3.4 Pseudocode High Boost Filtering
3.3.5 Pseudocode Menghitung nilai MSE dan PSNR
3.4 Perancangan sistem
3.4.1 Flowchart Sistem
3.4.2 Perancangan Antarmuka (Interface)
3.4.2.1 Form Home
3.4.2.2 Form Menu Pengujian
3.4.2.3 Form Menu Hasil
3.4.2.4 Form Menu Help
3.4.2.5 Form Menu About
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem
4.1.1 Form Home
4.1.2 Form Pengujian
4.1.3 Form Hasil
4.1.4 Form Help
4.1.5 Form About
4.2 Pengujian
4.2.1 Pengujian Laplacian of Gaussian
4.2.2 Pengujian Laplacian of Gaussian kombinasi High Boost Filter
4.3 Hasil Pengujian
4.3.1 Hasil Pengujian Laplacian of Gaussian terhadap Gaussian Noise
4.3.2 Hasil Pengujian Laplacian of Gaussian terhadap Salt and Pepper
Noise
4.3.3 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost
Filtering terhadap Gaussian Noise
4.3.4 Hasil Pengujian Laplacian of Gaussian Kombinasi High Boost
Filtering terhadap Salt and Pepper Noise
4.3.5 Hasil Perbandingan Operator Laplacian of Gaussian dengan
Laplacian of Gaussian Kombinasi High Boost Filtering
27
28
28
28
33
34
35
35
35
36
36
37
38
37
40
40
41
42
43
44
46
46
47
49
50
50
51
51
55
57
57
60
64
66
69
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
74
75
Daftar Pustaka
Listing Program
Curriculum Vitae
76
78
97
x
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
3.10
3.11
3.12
3.13
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
Keterangan
Sistem koordinat citra
Citra biner
Citra abu-abu (grayscale)
Citra warna atau (RGB)
Citra bitmap (bunga.bmp)
Tahapan dalam Pengolahan Citra
Model Tepi Satu Dimensi
Jenis-jenis Tepi
Proses Deteksi Tepi Citra
Proses deteksi tepi metode LoG
gaussian noise (A) dan salt and pepper noise (B)
Peningkatan kualitas citra
Perbaikan citra
Diagram Ishikawa
Use Case Diagram
Sequence Diagram
Activity Diagram
Flowchart sistem secara umum
Flowchart Laplacian of Gaussian
Flowchart High Boost Filtering
Flowchart MSE dan PSNR
Form Home
Form Menu Pengujian
Form Menu Hasil
Form Menu Help
Form Menu About
Form Home
Form Menu Pengujian
Form Simulasi Pengujian
Form Hasil
Form Simulasi Hasil
Form Help
Form About
Pilih menu Pengujian
Browse citra *.bmp pada file direktori
Citra input-an yang ditampilkan oleh sistem
Citra dengan Gaussian Noise (probabilitas 30%)
Citra dengan Salt and Pepper Noise (probabilitas 30%)
Citra hasil deteksi tepi operator Laplacian of Gaussian
(Gaussian Noise 30%)
Halaman
8
8
9
10
10
10
13
14
15
18
19
20
23
26
29
33
34
38
38
39
39
40
41
42
44
44
46
47
47
48
48
49
49
50
51
52
52
53
53
xi
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
Citra hasil deteksi tepi operator Laplacian of Gaussian (Salt
and Pepper Noise 30%)
Citra hasil deteksi tepi operator Laplacian of Gaussian
kombinasi High Boost Filtering dengan nilai A = 1 (Gaussian
Noise 30%)
Citra hasil deteksi tepi operator Laplacian of Gaussian
kombinasi High Boost Filtering dengan nilai A = 1 (Salt and
Pepper Noise 30%)
Tampilan form hasil yang telah di-input citra
Grafik perbandingan nilai MSE pada Gaussian Noise
Grafik perbandingan nilai MSE pada Salt and Pepper Noise
Grafik perbandingan nilai PSNR pada Gaussian Noise
Grafik perbandingan nilai PSNR pada Salt and Pepper Noise
54
55
55
56
70
70
71
71
xii
DAFTAR TABEL
Nomor
tabel
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
Keterangan
Halaman
Dokumentasi Naratif Use Case Home
Dokumentasi Naratif Use Case Pengujian
Dokumentasi Naratif Use Case Hasil
Dokumentasi Naratif Use Case Help
Dokumentasi Naratif Use Case About
Pseudocode Gaussian Noise
Pseudocode Salt and Pepper Noise
Pseudocode Laplacian of Gaussian
Pseudocode High Boost Filtering
Pseudocode nilai MSE dan PSNR
Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra
Ber-noise Gaussian
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian terhadap citra ber-noise Gaussian
Hasil Deteksi Tepi Operator Laplacian of Gaussian Terhadap Citra
Ber-noise Salt and Pepper
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian terhadap citra ber-noise Gaussian
Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High
Boost Filtering Terhadap Citra Ber-noise Gaussian
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise
Gaussian
Hasil Deteksi Tepi Operator Laplacian of Gaussian Kombinasi High
Boost Filtering Terhadap Citra Ber-noise Salt and Pepper
Nilai rata-rata MSE, PSNR, dan running time citra hasil deteksi tepi
Laplacian of Gaussian+High Boost Filtering terhadap citra ber-noise
Salt and Pepper
Perbandingan nilai rata-rata MSE, PSNR, dan running time
Perbandingan kualitas struktur garis tepi citra hasil deteksi tepi
29
30
31
32
32
35
35
36
36
37
57
59
59
61
62
64
65
68
72
73