Pengaruh Ukuran Jendela Ketetanggaan (Window) Terhadap Hasil Redukasi Noise pada Metode Median Filter dan Gaussian Filter

Penulis

  • Maria Grasela Tatuin Teknologi Informatika, Pertanian Sains dan Kesehatan, Universitas Timor
  • Yoseph P.K Kelen Teknologi Informatika, Pertanian Sains dan Kesehatan, Universitas Timor
  • Seprianus Septian Manek Teknologi Informatika, Pertanian Sains dan Kesehatan, Universitas Timor

DOI:

https://doi.org/10.58982/krisnadana.v3i3.601

Kata Kunci:

Pengelolaan Citra Digital, Median Filter, Gaussian Filter, MSE, PSNR

Abstrak

Pada era sekarang, pengolahan citra merupakan bidang yang berkembangpesat dan banyak diterapkan pada berbagai ilmu pengetahuan. Pengolahan citra didefinisikan sebagai suatu proses pengolahan citra atau gambaran. untuk menghasilkan citra yang lebih tinggi kualitasnya, dalam arti lebih jelas menampilkan informasi yang diharapkan. Gambar  yang  kita miliki terkadang mempunyai kualitas yang kurang baik atau memiliki gangguan, sepertigangguan berupa  distorsi cahaya, noise atau derau, maupun gangguan lainnya yang menyebabkan objek dalam citra menjadi kurang jelas atau pun kabur. Gangguan yang sering terjadi atau mucul berupa noise atau derau, jenis Noise yang paling sering merusak citra adalah salt and pepper (noise impluse). Untuk  mengatasi hal seperti ini, maka dilakukan proses filtering dengan menggunakan metode median filter 3x3, 5x5, 7x7 dan metode gaussian filter dengan standar deviasi 1, 1,0, dan 0,5. Secara teoritis mengenai metode yang digunakan yakni menginput citra atau gambar setelah mengkonversi RGB ke Grayscale, menambahkan noise ke citra grayscale, menyimpan citra dengan noise dilanjutkan dengan proses noise filtering dengan menggunakan median dan gaussian filter. Hasil dari pengujian median filter dan gaussian filter dengan menggunakan parameter MSE dan PSNR bahwa rata-rata nilai MSE dan PSNR yang memiliki nilai tertinggi maka citra hasil dapat dikatakan bagus dan mirip dengan citra aslinya. Dari 5 gambar uji yang digunakan dalam penelitian ini, dapat disimpulkan bahwa dalam kasus ini metode median filter lebih baik dari pada gaussian filter dalam perbaikan kualitas gambar atau citra dengan jenis noise salt and pepper.

Referensi

I. A. Pardosi and A. A. Lubis, “Analisis Kualitas Citra Hasil Reduksi Noise Menggunakan Spatial Median Filter dan Adaptive Fuzzy Filter Terhadap Variasi Kedalaman Citra,” Indones. J. Inf. Syst., vol. 1, no. 2, pp. 78–89, 2019, doi: 10.24002/ijis.v1i2.1939.

A. Fauzi, “Pengurangan Derau (Noise) pada Citra Paper Dokumen menggunakan Metode Gaussian Filter dan Median Filter,” KAKIFIKOM (Kumpulan Artik. Karya Ilm. Fak. Ilmu Komputer), pp. 7–15, 2022.

D. Z. E. Prastya, D. P. Pamungkas, and R. K. Niswatin, “Implementasi Metode Gaussian Filter Dan Median Filter Untuk Penghalusan Gambar,” in Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2022, vol. 6, no. 2, pp. 178–187.

P. Novantara and J. Mutiara, “Perbandingan Metode Gaussian Filter dengan Median Filter dalam Mereduksi Noise Pada Citra Digital,” JEJARING J. Teknol. dan Manaj. Inform., vol. 6, no. 1, pp. 19–25, 2021.

I. G. A. Gunadi, “Analisis perbandingan metode filter mean, median, maximum, minimum, dan gaussian terhadap reduksi noise gaussian, salt&papper, speckle, poisson, dan localvar,” J. Ilm. SINUS, vol. 17, no. 1, pp. 15–22, 2019.

B. Baso, D. Nababan, and R. Y. Kolloh, “Segmentasi Citra Tenun Menggunakan Metode Otsu Thresholding dengan Median Filter,” J. Teknol. Dan Ilmu Komput. Prima, vol. 5, no. 1, pp. 1–6, 2022.

A. Yasir, W. Satria, and P. Yuanda, “DIGITAL IMAGE PROCESSING METODE MEDIAN FILTERING DAN MORFOLOGI OPENING DALAM REDUKSI NOISE CITRA,” War. Dharmawangsa, vol. 17, no. 4, pp. 1687–1701, 2023.

D. A. Malik and F. Damayanti, “Penerapan Operasi Morfologi Untuk Perbandingan Metode Gaussian Filter, Median dan Mean Dalam Reduksi Noise Citra Ultrasonografi,” in SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI, 2021, vol. 1, no. 1, pp. 407–414.

W. Wang, Z. Chen, X. Yuan, and X. Wu, “Adaptive image enhancement method for correcting low-illumination images,” Inf. Sci. (Ny)., vol. 496, pp. 25–41, 2019.

I. N. T. A. Putra, K. S. Kartini, Y. K. Suyitno, I. M. Sugiarta, and N. K. E. Puspita, “Penerapan Library Tensorflow, Cvzone, dan Numpy pada Sistem Deteksi Bahasa Isyarat Secara Real Time,” J. Krisnadana, vol. 2, no. 3, pp. 412–423, 2023.

R. C. Figiarti, “Reduksi Noise Pada Citra Biner Menggunakan Metode Median Filtering Dan Morfologi Opening,” 2021.

F. Ding, Y. Shi, G. Zhu, and Y. Shi, “Real-time estimation for the parameters of Gaussian filtering via deep learning,” J. real-time image Process., vol. 17, no. 1, pp. 17–27, 2020.

H. Fu, W. Liu, H. Chen, and Z. Wang, “An anisotropic Gaussian filtering model for image de-hazing,” IEEE Access, vol. 8, pp. 175140–175149, 2020.

I. G. I. Sudipa, R. A. Azdy, I. Arfiani, and N. M. Setiohardjo, “Leveraging K-Nearest Neighbors for Enhanced Fruit Classification and Quality Assessment,” Indones. J. Data Sci., vol. 5, no. 1, pp. 30–36, 2024.

N. Thakur, A. Koundal, and H. Jindal, “Image Reconstruction and Refinement,” 2023.

##submission.downloads##

Diterbitkan

2024-05-31

Cara Mengutip

Tatuin, M. G. ., Kelen, Y. P. ., & Manek, S. S. . (2024). Pengaruh Ukuran Jendela Ketetanggaan (Window) Terhadap Hasil Redukasi Noise pada Metode Median Filter dan Gaussian Filter. Jurnal Krisnadana, 3(3), 142-154. https://doi.org/10.58982/krisnadana.v3i3.601