PERANCANGAN DAN IMPLEMENTASI APLIKASI REDUKSI NOISE SALT & PEPPER DENGAN MENGGUNAKAN METODE IMPROVED MEDIAN FILTER

PERANCANGAN DAN IMPLEMENTASI APLIKASI REDUKSI NOISE SALT & PEPPER DENGAN MENGGUNAKAN METODE IMPROVED MEDIAN FILTER Amril Mukmin Harahap1 Ummul Khair2 Jurusan Teknik Informatika Sekolah Tinggi Teknik Harapan Medan Jl. HM Jhoni No 70 Medan, Indonesia 1 [email protected] Abstrak Penggunaan citra digital pada saat ini semakin meningkat karena kelebihan-kelebihan dari citra digital itu sendiri. Akan tetapi, citra digital tersebut juga dapat mengalami gangguan seperti timbulnya noise yang disebabkan oleh proses penangkapan gambar yang tidak sempurna. Oleh karena itu diperlukan suatu aplikasi pengolahan citra yang khusus untuk mereduksi noise. Metode yang digunakan untuk mereduksi noise pada penelitian ini adalah Improved Median Filter. Improved Median Filter di proses melalui Filter Minimum, Median, dan Maximum. Pengujian penggunaan Improved Median Filter untuk mereduksi Salt and Pepper Noise dilakukan dengan membangkitkan noise tersebut dengan menggunakan beberapa probabilitas noise. Probabilitas noise yang digunakan untuk membangkitkan noise tersebut, yaitu 1%, 5%, 10%, dan 30%. Dari pengujian yang dilakukan, Improved Median Filter lebih baik untuk mereduksi Salt and Pepper Noise. Sistem ini diimplementasikan menggunakan bahasa pemrograman Visual Basic.Net. Kata Kunci : citra, filter minimum, filter median, filter maximum, improved median filter Abstract The use of digital images at the moment is increasing because of the advantages of the digital image itself. However, digital images can also be susceptible to interference, such as the onset of noise caused by the image capture process is not perfect. Therefore we need a special application of image processing to reduce noise. The method used to reduce noise in this study is the Improved Median Filter. Improved Median Filter in the Filter through Minimum, Median, and Maximum. Testing the use of Improved Median Filter for Salt and Pepper Noise reduction is done by raising the noise by using a probability noise. Probability noise used to generate the noise, ie 1%, 5%, 10%, and 30%. Of the tests performed, the better the Improved Median Filter for Salt and Pepper Noise reduction. The system is implemented using the programming language Visual Basic.Net. Key Word : image, filter minimum, filter median, filter maximum, improved median filter 1. Pendahuluan Di zaman era globalisasi ini semua data dan informasi dapat disajikan dalam bentuk media, teks, citra (gambar), audio (suara) atau yang lainnya. Penyajian informasi dengan menggabungkan data tersebut disebut dengan multimedia. Salah satu komponen dari multimedia di atas adalah dalam bentuk citra. Citra membutuhkan pengolahan lebih lanjut seperti memperbaiki kualitasnya, bila citra terlihat kasar dan terdapat banyak titik yang mengganggu kualitasnya. Gangguan yang terdapat pada citra disebut dengan derau atau noise. Noise adalah gangguan yang terdapat banyak titik-titik pada citra. Ada beberapa jenis noise yang paling umum sering dijumpai adalah Gaussian Noise, adalah bentuk dari jenis noise yang sering terlihat titik-titik berwarna yang biasa berjumlah sama dengan persentase noise. Speckle Noise, adalah suatu model dari noise yang memberikan warna hitam pada titik noise dan Salt and Pepper noise Adalah bentuk suatu noise yang terlihat titik-titik hitam serta putih

pada citra tersebut dengan kata lain seperti terlihat tebaran garam dan merica. Pengurangan noise merupakan suatu langkah awal dalam proses untuk mereduksi atau mengurangi noise pada sebuah citra digital dalam meningkatkan kualitas citra tersebut, yang merupakan langkah awal dalam pengurangan noise. Metode yang digunakan untuk mengurangi atau mereduksi noise tersebut adalah dengan melakukan filtering pada citra digital, salah satu metode yang digunakan dalam mengurangi atau mereduksi noise yaitu dengan menggunakan Improved Median Filter. Improved Median Filter adalah merupakan suatu bentuk filter yang dimana filter tersebut mencari nilai pixel dari proses filter minimum, median, dan maximum [6]. Improved Median Filter menghasilkan citra blur (lembut/halus). Improved Median Filter bersifat linier, maksudnya terdapat korelasi garis lurus antara input dan output. Dari latar belakang dan landasan teori diatas, masalah yang dibahas dalam penelitian ini yaitu

bagaimana merancang dan menganalisis penerapan Improved Median Filter untuk mereduksi noise salt & pepper pada citra digital. Dari latar belakang dan rumusan masalah di atas, maka tujuan penelitian adalah merancang serta mengimplementasikan penggunaan Improved Median Filter untuk mereduksi noise salt & pepper pada citra digital. 2. Metodologi Penelitian Pada tahap penelitian ini, yaitu sistem reservasi kamar hotel berbasis client server, dilakukan hal-hal sebagai berikut : a. Metode Observasi Metode ini dilakukan dengan cara penulis melakukan pengamatan terhadap obyek yang akan diteliti. b. Studi Literatur Mempelajari buku referensi yang berkaitan dengan pengolahan citra dan metode filtering. c. Analisis dan Perancangan sistem Menganalisis algoritma - algoritma metode filtering yang berkaitan dengan metode improved median filtering sebelum melakukan perancangan system, seperti : filter minimum, filter median, dan filter maximum. d. Implementasi/coding Mengimplementasikan kedalam bentuk program komputer. Program yang akan dibangun menggunakan Visual Basic.Net. 2.1 Pengenalan Citra Citra ada dua macam, yaitu citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi sehingga ia mampu menghasilkan citra diskrit, misalnya kamera digital dan scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum dipakai saat ini hanya dapat mengolah citra digital. Citra merupakan istilah lain untuk gambar, sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Ada sebuah peribahasa yang berbunyi “sebuah gambar bermakna lebih dari seribu kata” (a picture is more than a thousand words). Maksudnya tentu sebuah gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut disajikan dalam bentuk kata-kata (tekstual). Citra atau gambar dapat didefinisikan sebagai sebuah fungsi dua dimensi f(x,y), dimana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap pasangan koordinat (x,y) disebut intensitas atau level keabuan (grey level) dari gambar di titik itu. Jika x, y, dan f semuanya berhingga (finite), dan nilainya disktrit, maka gambarnya disebut citra digital. Sebuah citra digital

terdiri dari sejumlah elemen yang berhingga, dimana masing-masing mempunyai lokasi dan nilai tertentu. Elemen-elemen ini disebut sebagai picture element, image element, pels atau pixel [1]. Pengolahan citra digital menunjuk pada pemrosesan gambar dua dimensi menggunakan komputer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data dua dimensi. Citra digital merupakan larik (array) yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan bit tertentu [2]. 2.1.1 Citra Warna RGB image terkadang dianggap sebagai truecolor image. RGB image merupakan kumpulan komponen warna red, green, dan blue dari masingmasing pixel. Warna dari tiap pixel detentukan dengan kombinasi intensitas red, green, dan blue yang disimpan di tiap saluran warna lokasi pixel tertentu. Format file grafik menyimpan RGB image sebagai 24-bit image, dimana komponen red, green, dan blue masing-masing 8-bit [1]. Setiap pixel pada citra warna mewakili warna yang merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan penyimpanan 8-bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna. Berarti setiap pixel mempunyai kombinasi warna sebanyak 28. 28. 28 = 224 = 16 juta warna lebih. Oleh karena itu format ini dinamakan true color karena mempunyai jumlah warna yang cukup besar sehingga bias dikatakan hamper mencakup semua warna di alam [3]. 2.1.2 Citra Monokrom Citra monokrom adalah citra dengan suatu sistem grafik yang tidak memiliki kemampuan warna selain warna hitam atau warna putih. Citra monokrom juga disebut sebagai citra B&W (Black & White) atau citra biner. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap pixel dari citra biner [2]. Binary image, tiap pixel hanya bernilai satu dari dua nilai diskrit. Pada dasarnya, nilai-nilai ini berhubungan dengan „on‟ dan „off‟. Sebuah binary image disimpan sebagai matriks atau array 2dimensi dari nilai 0 (pixel „off‟) dan nilai 1 (pixel „on‟). Binary image dapat dianggap sebagai jenis dari intensity image, yang terdiri dari warna hitam dan putih saja. Kita juga bias menganggap binary image sebagai indexed image dengan dua warna [1].

2.2 Noise Pada saat proses capture (pengambilan gambar), ada beberapa gangguan yang mungkin terjadi, seperti kamera tidak fokus atau munculnya bintik-bintik yang bias jadi disebabkan oleh proses

capture yang tidak sempurna. Setiap gangguan pada citra dinamakan dengan noise. Noise pada citra tidak hanya terjadi karena ketidak-sempurnaan dalam proses capture, tetapi bisa juga disebabkan oleh kotoran-kotoran yang terjadi pada citra [4]. Berdasarkan bentuk dan karakteristiknya, noise pada citra dibedakan menjadi beberapa macam yaitu : Ada tiga jenis noise, yaitu Gaussian Noise, Speckle Noise, dan Salt and Pepper Noise. a. Gaussian Noise merupakan model noise yang mengikuti distribusi normal standar dengan rata-rata nol dan standar deviasi 1. Efek dari Gaussian Noise ini pada gambar adalah munculnya titik-titik berwarna yang jumlahnya sama dengan persentase noise. b. Speckle Noise merupakan model noise yang memberikan warna hitam pada titik yang terkena noise. c. Salt and Pepper Noise adalah bentuk noise yang biasanya terlihat titik-titik hitam dan putih pada citra seperti tebaran garam dan merica. Salt and pepper ada 2 jenis noise : pepper (noise: gelap) dan salt (salt terang). Dalam grayscale biasanya salt berintensitas 255, dan pepper berintensitas 0. Pixel noise ini akan disebarkan dalam presentase tertentu diatas citra secara random. Probabilitas kemunculan noise biasanya < 0.1 < untuk tiap-tiap pixel, jika lebih dari ini, maka gambar akan didominasi oleh noise. Pada beberapa pengolahan citra, terkadang untuk menguji suatu algoritma untuk dapat mereduksi noise, maka noise dihasilkan dari proses pembangkitan noise. Untuk membangkitkan noise digunakan suatu bilangan acak sebagai pengganti noise yang dihasilkan. 2.3 Filtering Filter penyunting citra banyak dipakai pada pengeditan photo, seperti misalnya menghaluskan gambar, memperbesar/memperkecil citra. Ada beberapa penyunting citra antara lain adalah: a. Filter Minimum dan Maximum b. Negative Filtering c. Mean Filtering d. Median Filtering e. Mozaik Filtering dan Modus Filtering f. Improved Median Fitering. 2.3.1 Filter Minimum dan Maximum Jenis filter minimum ini digunakan untuk mengganti nilai sebuah pixel terkecil dari gray-level dalam subimage di bawah jendela ketetanggaan ukuran M x N. Filter minimum berguna untuk mencari titik-titik paling gelap dalam sebuah citra. Filter ini baik untuk menghilangkan noise salt yang mempunyai nilai-nilai gray-level noise yang tinggi. Sedangkan filter maximum ini merupakan kebalikan

dari proses filter minimum. Dimana filter maximum mengganti nilai sebuah pixel dengan nilai terbesar dari gray-level dalam subimage di bawah jendela ketetanggaan ukuran M x N. Filter maximum berguna untuk mencari titik-titik paling terang dalam sebuah citra. Filter ini baik untuk menghilangkan noise pepper yang mempunyai nilai-nilai gray-level noise yang rendah [1]. 2.3.2 Negative Filtering Filter ini merupakan kebalikan dari proses pencucian film. Dimana dari film negatif dibuat menjadi film berwarna. Disini dilakukan proses sebaliknya yaitu dari gambar berwarna menjadi gambar negatif. Proses pembuatannya adalah untuk gambar yang berwarna harus dibuat dahulu menjadi gambar hitam-putih agar dapat diperoleh negatifnya. Negatif ini didapat dari hasil perhitungan intensitas warna terhadap warna titik (255 – warna titik). Jika ditinjau dari image histogramnya maka hasil dari negatif filtering ini adalah pencerminan horizontal, dimana intensitas warna yang berada disebelah kiri pada image histogram gambar asli akan berpindah pada bagian kanan dari image histogram yang merupakan hasil negatif filter [5]. 2.3.2 Mean Filtering Mean filtering ini adalah filter yang digunakan untuk menghaluskan gambar yang terlalu kasar. Jika filter ini dilakukan pada gambar yang sudah halus, maka hasilnya gambar tersebut akan semakin kabur. Mean filtering ini termasuk jenis spatial filtering yang artinya untuk memproses sebuah titik, juga mengikut sertakan titik-titik sekitar dalam kalkulasi. Sebenarnya hal ini telah dilakukan pada bagian pembersihan gambar dimana digunakan titik-titik sekitar noise untuk memperkirakan titik yang akan digunakan untuk mengganti noise tersebut [5]. 2.3.4 Median Filtering Kegunaan filter ini adalah memperhalus gambar tetapi tidak sehalus mem-filtering. Gambar yang dihasilkan terlihat tidak rapi, karena tidak dilakukan proses rata-rata tetapi dilakukan proses mencari nilai tengah dari titik yang direkam dalam matriks. Nilai tengah dari beberapa nilai dapat dicari sebagai berikut: misalkan ada sejumlah nilai sebagai berikut : 9, 5, 8, 3, 5, 2, 1, 4, 2 dan untuk mencari nilai tengah, harus mengurutkan nilai-nilai tersebut menjadi 1, 2, 2, 3, 4, 5, 5, 8, 9. Karena ada sembilan angka maka nilai tengah ialah angka yang berada pada urutan tengah yaitu 9/2 = 5, yaitu angka 4 [5]. 2.3.5 Mozaik Filtering dan Modus Filtering Filter ini merupakan spatial filtering yang tidak menggunakan mask. Filter ini sangat sering digunakan dalam acara televisi terutama untuk menutupi wajah orang-orang yang tidak mau

wajahnya terlihat dalam televisi misalnya wajah kriminal. Sebenarnya teknik mozaik filtering ini hampir sama dengan teknik mean filtering, hanya saja tidak semua titik yang diproses melainkan titik setiap kelipatan N (dimana N adalah ukuran spatial yang digunakan). Kemudian warna hasilnya tidak dicetakkan sebagai balok sebesar NxN sehingga efek kotak-kotak muncul pada gambar setelah difilter. Semakin besar spatial yang digunakan, semakin besar kotak-kotak yang dihasilkan. Setelah dilakukan proses perekaman titik-titik sekitar dan titik yang sedang diperiksa kedalam matriks, dicari warna apa yang paling banyak dipakai dalam tabel warna tersebut. Warna inilah yang akan digunakan sebagai warna titik yang akan diletakkan pada layar output. Tujuan utama dari filter ini adalah membuat gambar ini menjadi berbintik-bintik seperti dicat dengan cat minyak [5]. 2.3.6 Improved Median Filtering Improved Median Filter merupakan peningkatan bentuk median filtering yang mencari nilai pixel T dari proses filter minimum, median, dan maximum. Improved Median Filter menghasilkan citra blur (lembut/halus). Improved Median Filter merupakan tingkatan dari Median Filter yang mengklasifikasikan pixel sebagai noise dengan membandingkan setiap pixel dalam gambar [6]. 3. Perancangan Sistem Perancangan sistem adalah merupakan upaya perusahaan untuk memulai memiliki sistem baik yang lama maupun untuk memiliki sistem yang baru. Perancangan sistem dilakukan setelah mendapat gambaran dengan jelas apa yang harus dikerjakan. 3.1 Analisis Aplikasi pengolahan citra untuk mereduksi noise salt & pepper pada citra digital ini dirancang dengan menggunakan metode improved median filter. Improved Median Filter adalah merupakan suatu bentuk filter yang dimana filter tersebut mencari nilai pixel dari proses filter minimum, median, dan maximum. Proses aplikasi yang menyangkut proses input dan output akan diperjelas dengan diagram alir (flowchart). Diagram alir (flowchart) digunakan untuk menggambarkan sistem baru yang akan dikembangkan secara logis tanpa mempertimbangkan terlebih dahulu lingkungan fisik dimana sistem ini akan digunakan.

3.1.1 Membangkitkan noise salt & pepper Noise salt & pepper seperti halnya taburan garam, akan memberikan warna putih pada titik yang terkena noise. Noise salt & pepper dapat dibangkitkan dengan cara membangkitkan bilangan

255 (warna putih) pada titik-titik yang secara probabilitas lebih kecil dari nilai probabilitas noise, dan dirumuskan dengan: F(x,y)=255 jika p(x,y) < ProbNoise Dimana: F(x,y) adalah nilai gray-scale pada titik (x,y). p(x,y) adalah probabilitas acak. 3.1.2 Filter Minimum Filter minimum merupakan fungsi non-linear dengan pengurutan statistika, dengan mencari nilai terkecil. Filter minimum merupakan metode yang sangat sederhana dan mudah diimplementasikan serta berguna untuk menemukan titik tergelap dalam citra. Filter ini baik untuk noise spikes seperti salt & pepper. Secara matematis, filter minimum dengan semua pixel tetangga memiliki bobot yang sama, dapat dinyatakan sebagai berikut. (

)

(

)

* (

)+

Dimana : a. f(x,y) adalah nilai hasil pada titik (x,y) b. g(s,t) adalah nilai asli dari pixel yang diikutkan dalam komputasi minimum. c. Sxy adalah subimage dari sebuah citra dan Sxy berukuran 3x3 yang mempunyai nilainilai intensitas. 3.1.3 Filter Maximum Filter maksimum juga menggunakan fungsi non-linier dengan pengurutan statistika, dengan mencari nilai terbesar. Filter maximum juga merupakan metode yang sangat sederhana dan mudah diimplementasikan serta berguna untuk menemukan titik terterang dalam citra. Filter ini juga baik untuk noise spikes seperti salt & pepper. Secara matematis, filter maximum dengan semua pixel tetangga memiliki bobot yang sama, dapat dinyatakan sebagai berikut. (

)

(

)

* (

)+

Dimana : a. f(x,y) adalah nilai hasil pada titik (x,y) b. g(s,t) adalah nilai asli dari pixel yang diikutkan dalam komputasi maximum. c. Sxy adalah subimage dari sebuah citra dan Sxy berukuran 3x3 yang mempunyai nilainilai intensitas. 3.1.4 Median Filter Median filter adalah merupakan filter spasial nonlinear, yang hasil prosesnya berdasarkan pada peringkat (rangking) nilai pixel. Secara statistik median berarti mencari nilai yang berada di tengah deretan semua angka yang telah diurutkan. Filter median menggunakan fungsi non-linier dengan pengurutan statistika, sehingga termasuk dalam

golongan ordering filter bersama dengan modus, maksimum dan minimum. Median filter mempertahankan detail lebih baik dari mean. Secara matematis, filter median dapat dinyatakan sebagai berikut. (

)

(

)

* (

)+

Dimana : a. f(x,y) adalah nilai hasil pada titik (x,y) b. g(s,t) adalah nilai asli dari pixel yang diikutkan dalam komputasi median. c. Sxy adalah subimage dari sebuah citra dan Sxy berukuran 3x3 yang mempunyai nilainilai intensitas. 3.1.5 Improved Median Filter Filter ini juga merupakan filter spasial nonlinear, yang hasil prosesnya berdasarkan pada peringkat (rangking) nilai pixel. Improved Median Filter adalah peningkatan dari filter median yang merupakan suatu bentuk filter yang dimana filter tersebut mencari nilai pixel dari proses filter minimum, median, dan maximum. Improved Median Filter menghasilkan citra blur (lembut/halus). Improved Median Filter bersifat linier, maksudnya terdapat korelasi garis lurus antara input dan output. Berikut algoritma improved median filter [6]: Langkah 1 : Sebuah jendela dua dimensi ukuran 3x3 dipilih dan berpusat di sekitar pixel diproses P(x,y) pada gambar rusak. Langkah 2 : Urutkan pixel dalam jendela yang dipilih sesuai dengan urutan menaik dan menemukan nilai pixel median dilambangkan dengan Pmed), nilai pixel maksimum (Pmax) dan nilai pixel minimum (Pmin) dari vektor diurutkan V0. Sekarang elemen pertama dan terakhir dari vektor V0 adalah Pmin dan Pmax masing-masing dan unsur tengah vektor adalah Pmed. Langkah 3 : Jika pixel diproses dalam rentang Pmin < P(x, y) < Pmax, Pmin > 0 dan Pmax < 255, itu diklasifikasikan sebagai pixel uncorrupted dan dibiarkan tidak berubah. Jika P(x,y) diklasifikasikan sebagai pixel rusak maka kerjakan langkah 4. Langkah 4 : Jika P(x,y) pixel rusak, maka kita memiliki dua kasus berikut: Cara 1 : Jika Pmin < Pmed < Pmax dan 0 < Pmed < 255, menggantikan pixel P(x,y) yang rusak dengan Pmed. Cara 2 : Jika kondisi dalam cara 1 tidak puas maka Pmed adalah pixel berisik. Dalam kasus ini menghitung perbedaan antara setiap pasangan pixel yang berdekatan di vektor

diurutkan V0 dan memperoleh perbedaan vektor VD. Kemudian cari perbedaan maksimum dalam VD dan menandai pixel yang sesuai dalam V0 ke pixel diproses. Langkah 5 : Ulangi langkah 1 hingga langkah 4 sampai proses selesai untuk menghasilkan suatu citra keluaran. Dimana : V0 : merupakan elemen/pixel pertama dan terakhir dari vector. VD : merupakan elemen/pixel tengah dari vector. Pmin : merupakan nilai pixel minimum. Pmax : merupakan nilai pixel maximum. Pmed : merupakan nilai pixel median. P(x,y) : merupakan nilai pixel yang akan diproses/reduksi. 3.2 Flowchart Flowchart adalah bagan-bagan yang mempunyai arus yang menggambarkan langkahlangkah penyelesaian suatu masalah. Untuk proses manipulasi citra digital, hal penting yang dilakukan adalah dengan mempengaruhi nilai-nilai penyusun intensitas pixel tersebut. Flowchart sistem untuk proses manipulasi tersebut seperti berikut ini. START

Pic,i,j,RGB,noise, probabilitas,hasil

Ambil Citra Y Citra =0

Pesan Error

T Input probabilitas

i=0 to height-1

j=0 to width-1

RGB=Pic.Getpixel(I,j).RGB Noise=RND() RGB = Abs(RGB + noise * 255 * probabilitas) Hasil = RGB

Citra Hasil

Y J<width

T I
Y

T STOP

Gambar 1 Flowchart Metode Pembangkitan Noise Salt & Pepper

START Pic,i,j,RGB, RGBmin,RGBmedian ,RGBmax,hasil

Ambil Citra Y Citra =0

Pesan Error

T i=0 to height-1

j=0 to width-1

RGB=Pic.Getpixel(I,j).RGB RGBmin, RGB median, RGBmax

Gambar 3 Rancangan Tampilan Form

(RGBmin0 And RGBmax< 255)

Y

Hasil =RGB

T (RGBmin
Y

Hasil =RGBmedian

T Hasil =RGBmedian

Citra Hasil

Y J<width

T I
Y

T STOP

Gambar 2 Flowchart Metode Improved Median Filter Improved Median Filter adalah peningkatan dari filter median yang merupakan suatu bentuk filter yang dimana filter tersebut mencari nilai pixel dari proses filter minimum, median, dan maximum. Improved Median Filter menghasilkan citra blur (lembut/halus). Seperti yang digambarkan pada flowchart gambar 2 diatas. 3.3 Perancangan Program yang dirancang ditujukan untuk melakukan manipulasi pada citra digital agar citra yang dihasilkan sesuai dengan keinginan pengguna. Saat program dijalankan, pengguna akan memilih sebuah citra yang menjadi objek untuk dimanipulasi. Pada objek citra yang dipilih tersebut dapat dilakukan beberapa manipulasi sesuai dengan fasilitas menu pilihan yang telah disediakan. 3.3.1 Perancangan Form Perancangan yang telah dibuat untuk aplikasi yang dibangun dapat dilihat dalam gambar berikut ini.

Form ini berfungsi sebagai tempat berlangsungnya proses reduksi noise pada citra digital. Dimana pengguna akan memanggil citra yang akan direduksi kemudian dapat memilih fasilitas menu yang disediakan untuk melakukan mereduksi noise tersebut dan menyimpan hasil citra yang telah direduksi. Pada form utama ini terdapat beberapa fasilitas menu yang didalamnya memiliki beberapa sub menu lagi dengan fungsi-fungsi sebagai berikut: a. Menu File Menu file berisi sub menu New untuk membuat project baru, menu Open untuk mengambil citra objek, menu Save As untuk menyimpan citra, dan menu Exit untuk keluar dari program aplikasi. b. Menu Proses Menu Proses berisi sub menu yang menjadi fasilitas utama dari pengangkatan judul skripsi ini. Misalnya reduksi noise 1%, 5%, 10%, dan 30% yang dimana hasil perubahan setelah menggunakan proses tersebut dapat disimpan menjadi suatu objek citra digital baru. c. Menu About Menu About berisi sub menu About Me untuk menampilkan informasi tentang penulis. 4.1 Implementasi Sistem Implementasi merupakan langkah-langkah yang dilakukan untuk mengoperasikan sistem yang telah dibangun. Dalam bab ini akan dijelaskan bagaimana menjalankan program tersebut. Perancangan perangkat lunak untuk mereduksi noise salt & pepper ini berjalan pada sistem operasi Microsoft Windows, dan pembuatan program aplikasi ini menggunakan Microsoft Visual Basic 2010. Dalam implementasi berikut akan ditampilkan hasil perancangan yang telah dibuat. 4.1.1 Implementasi Perangkat Lunak Perangkat lunak yang digunakan dalam pembuatan aplikasi ini sebagai berikut :

a.

b.

Perangkat lunak sebagai bahasa pemrograman yang digunakan adalah Microsoft Visual Basic.Net. Microsoft windows 7 sebagai sistem operasi.

4.1.2 Implementasi Perangkat Keras Perangkat keras yang dibutuhkan berdasarkan kebutuhan minimal yang harus dipenuhi adalah sebagai berikut : a. Processor yang dipergunakan adalah Intel Pentium 2.50 GHz. Rekomendasi minimum adalah processor Intel Pentium, 2.00 GHz atau setara. b. Memory terpasang 2 GB, rekomendasi minimum adalah 1 GB. c. Hard disk terpasang 320 GB, rekomendasi minimum adalah 160 GB.

Gambar 5 Citra Awal

4.1.3 Tampilan Form Proses Form Proses merupakan form utama yang berfungsi untuk memproses manipulasi citra digital dalam mereduksi noise salt & pepper menggunakan metode improved median filter.

Gambar 6 Hasil Pembangkitan Noise 1%

Gambar 4 Tampilan Form Proses Gambar 7 Hasil Reduksi Noise 1% 4.2 Pengujian Pengujian ini dilakukan pada noise salt & pepper. Probabilitas noise yang digunakan untuk mereduksi noise tersebut adalah 1%, 5%, 10% dan 30%. Pengujian pertama akan dilakukan pada implementasi reduksi noise 1% dengan improved median filter dan selanjutnya diikuti dengan probabilitas noise 5%, 10%, dan 30%. 4.2.1 Pengujian Dengan Probabilitas Noise 1% Pada pengujian penggunaan improved median filter untuk mereduksi noise dapat dilihat pada gambar dibawah ini. Berikut gambar awal yang akan di proses.

Pada gambar 6 dapat dilihat dari hasil pembangkitan noise dengan probabilitas 1%, pada citra terlihat adanya sedikit bintik-bintik noise yang timbul karena proses pembangkitan noise yang mengakibatkan perubahan kapasitas size citra tersebut dan pada gambar 7 dapat dilihat hasil reduksi noise menggunakan improved median filter dengan probabilitas noise 1%, akan tetapi pada gambar hasil filter masih terlihat salt and pepper noise berupa bintik-bintik putih walaupun sedikit tersamarkan atau blur. Dan pada tabel 1 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan sebelum dan sesudah proses reduksi.

Tabel 1 Nilai Kapasitas Size Citra Hasil Reduksi 1% No

1

Citra Awal Size : 50 Kb

Hasil Pembangkitan Noise Size : 69 Kb

Hasil Reduksi Noise Size : 54 Kb

Pada tabel 1 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan. Sebelum citra diproses (citra awal), size citra tersebut 50Kb dan setelah citra awal diproses pembangkitan noise dengan probabilitas 1% maka size citra mengalami perubahan meningkat menjadi 69Kb atau lebih kurang 38% dari citra aslinya. Dan setelah hasil citra pembangkitan noise direduksi menggunakan improved median filter, size citra juga mengalami perubahan mendekati size citra aslinya menjadi 54Kb atau lebih kurang 8% dari citra aslinya. 4.2.2 Pengujian Dengan Probabilitas Noise 5% Pada pengujian penggunaan improved median filter untuk mereduksi noise dapat dilihat bahwa pada probabilitas noise 5% terlihat sedikit lebih banyak titik-titik noise yang dibangkitkan dari pada 1%. Hasil pengujian dapat dilihat pada gambar 8 dan 9.

Gambar 9 Hasil Reduksi Noise 5% Pada gambar 9 dapat dilihat hasil reduksi noise menggunakan improved median filter dengan probabilitas noise 5%, akan tetapi pada gambar hasil filter masih terlihat sedikit salt and pepper noise berupa bintik-bintik putih dan pada tabel 2 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan sebelum dan sesudah proses reduksi noise. Tabel 2 Nilai Kapasitas Size Citra Hasil Reduksi 5% No

1

Gambar 8 Hasil Pembangkitan Noise 5% Pada gambar 8 dapat dilihat dari hasil pembangkitan noise dengan probabilitas 5%, pada citra terlihat lebih banyak bintik-bintik noise yang timbul dari pada probrabilitas 1% karena proses pembangkitan noise. Proses pembangkitan noise yang mengakibatkan perubahan kapasitas size citra tersebut dapat dilihat pada tabel 2.

Citra Awal Size : 50 Kb

Hasil Pembangkitan Noise Size : 74 Kb

Hasil Reduksi Noise Size : 60 Kb

Pada tabel 2 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan. Sebelum citra diproses (citra awal), size citra tersebut 50Kb dan setelah citra awal diproses pembangkitan noise dengan probabilitas 5% maka size citra mengalami perubahan menjadi 74Kb atau lebih kurang 48% dari citra aslinya. Dan setelah hasil citra pembangkitan noise direduksi menggunakan improved median filter, size citra juga mengalami perubahan menjadi 60Kb atau lebih kurang 20% dari citra aslinya. 4.2.3 Pengujian Dengan Probabilitas Noise 10% Pada pengujian penggunaan improved median filter untuk mereduksi noise dapat dilihat bahwa pada probabilitas noise 10% sedikit kasar hasil citra yang dibangkitkan noise. Hasil pengujian dapat dilihat pada gambar 10 dan 11.

lebih kurang 80% dari citra aslinya. Dan setelah hasil citra pembangkitan noise direduksi menggunakan improved median filter, size citra juga mengalami perubahan menjadi 78Kb atau lebih kurang 56% dari citra aslinya.

Gambar 10 Hasil Pembangkitan Noise 10%

4.2.4 Pengujian Dengan Probabilitas Noise 30% Pada pengujian penggunaan improved median filter untuk mereduksi noise dapat dilihat bahwa pada probabilitas noise 30% terlihat jelas bintikbintik noise yang dibangkitkan. Hasil pengujian pembangkitan dan reduksi noise dapat dilihat pada gambar 12 dan 13 berikut.

Gambar 11 Hasil Reduksi Noise 10% Pada gambar 10 dapat dilihat dari hasil pembangkitan noise dengan probabilitas 10%, pada citra terlihat semakin banyak bintik-bintik noise yang timbul dari pada probrabilitas 1% karena proses pembangkitan noise. Proses pembangkitan noise yang mengakibatkan perubahan kapasitas size citra tersebut dapat dilihat pada tabel 3. Dan pada gambar 11 dapat dilihat hasil reduksi noise menggunakan improved median filter dengan probabilitas noise 10%, dimana improved median filter masih dapat mereduksi citra dengan probabilitas noise 10% dan pada tabel 3 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan sebelum dan sesudah proses reduksi noise.

Gambar 12 Hasil Pembangkitan Noise 30% Pada gambar diatas, terlihat citra hasil pembangkitan noise dengan probabilitas 30% lebih kasar dari citra awalnya dan membuat kualitas citra tersebut menurun sehingga informasi dari citra tersebut menjadi kurang jelas karena bintik-bintik noise timbul hampir menutupi seluruh bagian citra. Dan membuat nilai size dari kapasitas citra tersebut meningkat jauh dari citra awalnya, perbedaan ini dapat dilihat pada tabel 4.

Tabel 3 Nilai Kapasitas Size Citra Hasil Reduksi 10% No

1

Citra Awal Size : 50 Kb

Hasil Pembangkitan Noise Size : 90 Kb

Hasil Reduksi Noise Size : 78 Kb

Pada tabel 3 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan. Sebelum citra diproses (citra awal), size citra tersebut 50Kb dan setelah citra awal diproses pembangkitan noise dengan probabilitas 10% maka size citra mengalami perubahan menjadi 90Kb atau

Gambar 13 Hasil Reduksi Noise 30% Pada gambar 13, citra hasil reduksi menggunakan improved median filter pada noise dengan probabilitas 30% masih dapat di filter, akan tetapi noise masih terlihat jelas dan menutupi hampir seluruh bagian citra hasil filter serta kualitas citra juga tampak lebih menurun dari hasil filter sebelumnya sehingga informasi dari citra tersebut kurang jelas dari pada citra awalnya. Dan membuat

nilai size dari kapasitas citra tersebut tidak dapat mendekati dari nilai size citra awalnya, perbedaan ini dapat dilihat pada tabel 4. Tabel 4 Nilai Kapasitas Size Citra Hasil Reduksi 30% No

1

Citra Awal Size : 50 Kb

Hasil Pembangkitan Noise Size : 123 Kb

Hasil Reduksi Noise Size : 111 Kb

Pada tabel 4 dapat dilihat perbedaan nilai kapasitas size citra yang mengalami perubahan. Sebelum citra diproses (citra awal), size citra tersebut 50Kb dan setelah citra awal diproses pembangkitan noise dengan probabilitas 10% maka size citra mengalami perubahan peningkatan drastis menjadi 123Kb atau lebih kurang 146% dari citra aslinya. Dan setelah hasil citra pembangkitan noise direduksi menggunakan improved median filter, size citra tidak dapat mendekati nilai size citra aslinya karena mengalami perubahan menjadi 111Kb atau lebih kurang 122% dari citra aslinya. 5. Penutup 5.1 Kesimpulan Berdasarkan analisis dan implementasi yang telah dilakukan dalam perancangan perangkat lunak untuk mereduksi noise pada citra digital dengan menggunakan metode adaptive median filter ini, penulis mengambil beberapa kesimpulan sebagai berikut : a. Hasil citra keluaran dari reduksi noise salt & pepper dengan menggunakan improved median filter masih terlihat seperti citra aslinya walaupun adanya gangguan titiktitik noise. b. Dengan menggunakan metode filter minimum citra yang dihasilkan menjadi sedikit gelap dari citra aslinya. Dengan menggunakan metode filter maximum citra yang dihasilkan menjadi lebih terang dari citra aslinya. Dengan menggunakan metode median filtering citra yang kasar akibat pembangkitan noise dapat dihaluskan seminimum mungkin. Sedangkan dengan menggunakan metode improved median filter citra yang dibangkitkan noise dapat direduksi sebaik mungkin. c. Hasil reduksi noise dari pembangkitan noise 1%, 5%, 10% maka citra yang direduksi dengan improved median filter masih terlihat seperti citra aslinya. Sedangkan dengan pembangkitan noise 30% maka citra yang direduksi dengan improved median filter terlihat informasi

dari citra tersebut kurang jelas karena kualitas citra sedikit kabur akibat adanya gangguan noise. 5.2 Saran Adapun saran yang dapat diberikan setelah melakukan pembahasan ini antara lain : a. Pengembangan perangkat lunak pereduksi noise ini masih dapat dilakukan dengan menambahkan fasilitas pereduksi noise ataupun perbaikan citra selain menggunakan teknik filtering yang dibahas di dalam Tugas Akhir ini, sehingga diperoleh sebuah perangkat pengolahan citra yang lebih berdaya guna. b. Penerapan metode filtering hendaknya dapat diterapkan pada bagian tertentu citra saja yakni hanya pada bagian citra yang tampak mengalami noise saja. Di dalam pembahasan Tugas Akhir ini, metode filtering diterapkan pada seluruh citra. c. Melengkapi alat bantu seperti histogram untuk menganalisis dan mengamati perubahan kualitas citra setelah proses pengolahan seperti kurva dari masingmasing warna RGB. d. Diharapkan untuk lanjutan penelitian ini dapat ditambahkan fasilitas pengolah citra lainnya seperti mereduksi noise Uniform dengan metode improved median filter. e. Diharapkan untuk melanjutkan penelitian ini agar dapat meningkatkan ke tahapan proses yang lebih cepat prosesnya Daftar Pustaka [1] Fajar Astuti Hermawati, 2013. Pengolahan Citra Digital. Yogyakarta: Andi. [2] Darma Putra, 2010. Pengolahan Citra Digital. Yogyakarta: Andi. [3] Sutoyo T et al, 2009. Teori Pengolahan Citra Digital. Yogayakarta: Andi. [4] Asmaniatul Jannah, 2008. Analisis Perbandingan Metode Filter Gaussian, Mean dan Median terhadap Reduksi Noise Salt and peppers. http://repository.usu.ac.id/ Diakses pada tanggal 24 Mei, 2013. [5] Ewin, 2012. Perancangan Dan Implementasi Aplikasi Perbaikan Citra Digital Dengan Menggunakan Metode Mean, Median Dan Modus Filtering. Medan : Program Studi Teknik Informatika, Sekolah Teknik Teknik Harapan. [6] Gajanand Gupta, 2008. Algorithm for Image Processing Using Improved Median Filter and Comparison of Mean, Median and Improved Median Filter. Jaipur National University.