Implementasi Kombinasi Artithmetic Mean Filter Dan High Boost Filtering Untuk Memperbaiki Kualitas Pada Citra Digital
IMPLEMENTASI KOMBINASI ARITHMETIC MEAN FILTER DAN HIGH BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS PADA CITRA DIGITAL SKRIPSI LORENT OLIVER BARUS 101401034
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015 IMPLEMENTASI KOMBINASI ARITHMETIC MEAN FILTER DAN HIGH BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS PADA CITRA DIGITAL SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana
Ilmu Komputer LORENT OLIVER BARUS
101401034 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN
2015 PERSETUJUAN Judul :
IMPLEMENTASI KOMBINASI ARITHMETIC MEAN FILTER DAN HIGH BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS PADA CITRA DIGITAL Kategori : SKRIPSI Nama : LORENT OLIVER BARUS Nomor Induk Mahasiswa : 101401034 Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas :
ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI Diluluskan di Medan, Januari 2015 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Siti Dara Fadilla, S.Si, MT Dian Rachmawati, S.Si, M.Kom NIP 197705162005012001 NIP 198307232009122004 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP 196203171991031001
PERNYATAAN
IMPLEMENTASI KOMBINASI ARITHMETIC MEAN FILTER DAN HIGH BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS 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, Januari 2015 Lorent Oliver Barus 101401034
PENGHARGAAN
Puji dan syukur penulis panjatkan 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.
Ucapan terima kasih penulis sampaikan kepada : 1. Tuhan Yesus Kristus yang sangat luar biasa yang selalu menyertai penulis setiap saat dalam menyelesaikan skripsi ini
2. Bapak saya Johan Barus dan Ibu saya Rosmawati br Bangun yang menjadi semangat hidup penulis untuk sukses dan selalu memberikan dukungan yang sangat luar biasa serta doa kepada penulis dalam menyelesaikan skripsi ini 3. Kakak saya Bella Rina Fitriany Barus dan Effrina Yuli Wijaya Barus yang selalu memberikan dukungan, doa dan bantuan kepada penulis dalam menyelesaikan skripsi ini 4. Bapak Prof.Dr.dr.Syahril Pasaribu, DTM&H, MSc(CTM), Sp.A(K) selaku
Rektor Universitas Sumatera Utara 5. Bapak Prof.Dr.Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan
Teknologi Informasi, Universitas Sumatera Utara dan dosen penguji I yang telah memberikan kritik, saran dan dukungan dalam menyelesaikan skripsi ini
6. Bapak Dr.Poltak Sihombing, M.Kom, selaku ketua Program studi S1 Ilmu
Komputer Universitas Sumatera Utara 7. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Sekretaris Program studi S1 Ilmu
Komputer Universitas Sumatera Utara dan sebagai dosen pembimbing akademik
8. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM, selaku dosen penguji II yang memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini 9. Ibu Dian Rachmawati, S.Si, M.Kom, selaku dosen pembimbing I yang telah memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini
10. Ibu Siti Dara Fadilla, S.Si, MT, selaku dosen pembimbing II yang memberikan saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini
11. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI USU 12.
Sahabat saya Anggia, Kristian, Jem, Sri, Bermanta dan Ris yang memberi semangat dan motivasi kepada penulis
13. Teman-teman saya khususnya LOGIC, bang suki, bang liman, bang jo, bang ijonk, bang angga, bang dave, bang muek, bang lagger, bang septian, yansen, hengky, rivai, johanes, kurniawan, gunalan, timothy, ardi, mahesa, andika, dan sora yang memberi inspirasi dan semangat kepada penulis
14. Teman-teman kuliah saya semua stambuk 2010, Andhika, Amel, Devina, Westy, Sunfirst, Lenora, Tetti, Janwandi, dan teman-teman lainnya yang memberikan dukungan kepada penulis
15. Junior saya khususnya Andrus yang telah memberikan dukungan, inspirasi, dan berbagi ilmu kepada penulis dalam menyelesaikan skripsi ini
16. Junior saya Evi, Evelin, Satya, Toni, Endang, Jay, Yenni, Juwita, Jeklin, Ita, Witty, Mey yang memberikan dukungan dan semangat kepada penulis 17.
Dan yang terkhusus untuk Vexil, Lexil, dan Luvis, yang selalu memberi dukungan, semangat dan menemani penulis dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna untuk itu penulias 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, Januari 2015 Penulis
ABSTRAK
Penurunan kualitas citra sering ditemukan pada citra digital. Noise merupakan salah satu contoh terjadinya penurunan kualitas citra disebabkan oleh gangguan pada teknik pengambilan citra. Noise Gaussian dan noise Salt-and-Pepper adalah noise yang sering ditemukan pada citra digital. Untuk memperbaiki citra yang mempunyai noise digunakan suatu metode filtering, salah satu contohnya adalah Arithmetic Mean Filter.
Arithmetic Mean Filter merupakan metode filtering yang mengubah semua nilai titik
tengah pada seluruh blok area citra dan membuat citra menjadi halus. Citra halus dapat menyebabkan tampilan objek pada citra menjadi kabur. Untuk memperbaiki citra kabur digunakan metode High Boost Filtering untuk mempertajam tampilan citra. Hasil terbaik yang diperoleh dari proses perbaikan citra menggunakan
Arithmetic Mean Filter dan High Boost Filtering dapat dibuktikan bedasarkan
parameter Mean Square Error (MSE) dan Peak Signal to-Noise Ratio (PSNR). Dari hasil perhitungan rata-rata Mean Square Error (MSE) dan Peak Signal to-Noise Ratio (PSNR), maka dapat disimpulkan metode Arithmetic Mean Filter lebih baik mereduksi noise gaussian. Sedangkan metode High Boost Filtering lebih baik memperbaiki citra pada jenis noise gaussian.
Kata kunci : Kualitas Citra, Arithmetic Mean Filter , High Boost Filtering, Mean
Square Error (MSE) dan Peak Signal to-Noise Ratio (PSNR).
IMPLEMENTATION AND COMBINATION OF ARITHMETIC MEAN
FILTER AND HIGH BOOST FILTERING TO RESTORE QUALITY OF
DIGITAL IMAGE
ABSTRACT
Degradation of image quality often found in digital image. Noise is one example of a image quality degradation caused by interference with the image retrieval techniques. Gaussian noise and Salt and Pepper noise can often be found in digital image. To improve and image that has noise a filtering method is used, one of its example is the Arithmetic Mean Filter. Arithmetic Mean Filter is a filtering method that convert all the midpoint value of entire image block area and make the image becomes smooth. Smooth image can cause object display on image becomes blur. To improve the blur image High Boost Filtering method is used to sharpen the image display. The best results obtained from the image improvement process using Arithmetic Mean Filter and High Boost Filtering can be proved from Mean Square Error (MSE) and Peak Signal to-Noise Ratio (PSNR) parameters. From the average calculation result of Mean Square Error (MSE) and Peak Signal to-Noise Ratio (PSNR) it can be concluded that Arithmetic Mean Filter method is better to reduce gaussian noise. While the High Boost Filtering method is better to improve the image of the gaussian noise type.
Keyword : Image Quality, Arithmetic Mean Filter , High Boost Filtering, Mean
Square Error (MSE) dan Peak Signal to-Noise Ratio (PSNR).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
1 Latar Belakang
1.2
3 Rumusan Masalah
1.3
3 Batasan Masalah
1.4
4 Tujuan Penelitian
1.5
4 Manfaat Penelitian
1.6
4 Metodologi Penelitian
1.7
4 Sistematika penulisan
Bab 2 Tinjauan Pustaka
2.1
6 Pengertian Citra
2.1.1
6 Resolusi Citra
2.2
8 Jenis –jenis Citra Digital
2.3
10 Pengolahan Citra
2.4
11 Operasi Perngolahan Citra
2.5
13 Format File Citra
2.6
14 Peningkatan Kualitas Citra (Image Enhancement)
2.6.1
14 Filter Spasial (Spatial Filtering)
2.6.2
15 Kernel
2.6.3
16 Filter Pelolos Rendah (Low Pass Filter)
2.6.4
16 Filter Pelolos Tinggi (CMYK)
2.6.5
18 High Boost Filter
2.7
18 Perbaikan Citra (Image Restoration)
2.8
19 Derau Noise
2.8.1
20 Gaussian Noise
2.8.2
21 Salt & Pepper Noise
2.9
22 Mean Filter
2.10
24 MSE dan PSNR
Bab 3 Analisis dan Perancangan sistem
3.1
25 Analisis sistem
3.1.1
25 Analisis Masalah
3.1.2
26 Analisis Persyaratan
3.1.2.1
26 Persyaratan Fungsional
3.1.2.2
27 Persyaratan Non-Fungsional
3.1.3
28 Analisis Proses
3.2
28 Pemodelan
3.2.1
28 Use Case Diagram
3.2.2
32 Sequence Diagram
3.2.3
33 Activity Diagram
3.3
34 Pseudocode Program
3.3.1
34 Pseudocode Arithmetic Mean Filter
3.3.2
36 Pseudocode High Boost Filtering
3.3.3
38 Pseudocode Menghitung nilai MSE dan PSNR
3.4
38 Perancangan sistem
3.4.1
38 Flowchart Sistem
3.4.2
43 Perancangan Antarmuka (Interface)
3.4.2.1
43 Form Cover
3.4.2.2
44 Form Process
Bab 4 Implementasi dan Pengujian Sistem
4.1
46 Implementasi Sistem
4.1.1
46 Form Cover
4.1.2
47 Form Process
4.1.3
49 Form Help
4.2
49 Pengujian
4.2.1
50 Pengujian Arithmetic Mean Filter
4.2.1.1 Pengujian Gaussian noise terhadap
Arithmetic Mean Filter
51
4.2.1.2 Pengujian Salt and Pepper noise terhadap
Arithmetic Mean Filter
55
4.2.2 Pengujian kombinasi Arithmetic Mean-Filter dan
High Boost Filtering
59
4.2.2.1 Pengujian kombinasi Arithmetic Mean-Filter dan
High Boost Filtering pada Gaussian noise
60
4.2.2.2 Pengujian kombinasi Arithmetic Mean-Filter dan
High Boost Filtering pada Salt and Pepper noise
64
4.2.3
68 Pengujian Black Box
4.2.3.1
68 Rencana Pengujian
4.2.3.2
68 Kasus dan Hasil Pengujian Alpha
4.2.3.3
69 Kesimpulan Hasil Pengujian Alpha
4.2.3.4
69 Kasus dan Hasil Pengujian Betha
Bab 5 Kesimpulan dan Saran
5.1
71 Kesimpulan
5.2
72 Saran Daftar Pustaka
73 Lampiran A-1
DAFTAR GAMBAR
4.4 Form Help
53
Noise)
4.6 Grafik PSNR sebelum dan sesudah filtering (Gaussian
50
4.5 Gambaran sistem Arithmetic Mean Filter
49
48
Noise)
4.3 Form Simulasi Procces
48
4.2 Form Process
47
4.1 Form Cover
44
4.7 Grafik MSE sebelum dan sesudah filtering (Gaussian
54
43
62
4.15 Grafik kuesioner
65
4.14 Grafik MSE citra kombinasi pada Salt and pepper noise
4.13 Grafik PSNR citra kombinasi pada Salt and pepper noise 66
63
4.12 Grafik MSE citra kombinasi pada Gaussian noise
4.11 Grafik PSNR citra kombinasi pada Gaussian noise
4.8 Grafik PSNR sebelum dan sesudah filtering (Salt and
59
4.10 Gambaran sistem High Boost Filtering
58
Pepper Noise)
4.9 Grafik MSE sebelum dan sesudah filtering (Salt and
57
Pepper Noise)
3.10 Form Menu Process
3.9 Form Cover
Nomor gambar Keterangan Halaman
14 2.5 a Kernel (2x2)
20
2.7 Gaussian Noise
19
2.6 Perbaikan citra
15
15 2.5 b Kernel (3x3)
2.4 Peningkatan kualitas citra
21
10
2.3 Citra warna (RGB)
9
2.2 Citra abu-abu (Grayscale)
8
2.1 Citra biner
2.8 Salt and Pepper Noise
2.9 Citra dengan nilai piksel
42
3.5 Flowchart sistem secara umum
3.8 Flowchart MSE dan PSNR
41
3.7 Flowchart High Boost Filtering
40
3.6 Flowchart Arithmetic Mean Filter
39
33
23
3.4 Activity Diagram
32
3.3 Sequence Diagram
29
3.2 Use Case Diagram
26
3.1 Diagram Ishikawa
70
DAFTAR TABEL
Nomor Keterangan Halaman tabel
3.1 Dokumentasi Naratif Use Case Cover
30
3.2 Dokumentasi Naratif Use Case Proses
30
3.3 Dokumentasi Naratif Use Case Help
31
3.4 Pseudocode Arithmetic Mean Filter
34
3.5 Pseudocode High Boost Filtering
36
3.6 Pseudocode nilai MSE dan PSNR
38
4.1 Citra digital grayscale terhadap persentase noise (Gaussian
52
noise)
4.2 Citra digital grayscale terhadap persentase noise (Salt and
56
pepper noise)
4.3 Kernel 3x3 terhadap persentase noise (Gaussian noise)
61
4.4 Kernel 3x3 terhadapat persentase noise (Salt and pepper
65
noise)