LAPORAN TUGAS BESAR

PEMROSESAN SINYAL DIGITAL

PENGOLAHAN CITRA DIGITAL DENGAN METODE

NOISE EFFECT

NAMA : HENI KRISDIANTORO

NIM : 171910201024
PRAKTIKUM PEMROSESAN SINYAL DIGITAL
KELAS D

JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK

UNIVERSITAS JEMBER
2018

i
 LEMBAR PENGESAHAN

LAPORAN TUGAS BESAR

MATA PRAKTIKUM PEMROSESAN SINYAL DIGITAL

Diajukan sebagai prasyarat telah melaksanakan menempuh

Mata Praktikum Pemrosesan Sinyal Digital

LABORATORIUM SISTEM KENDALI

JURUSAN TEKNIK ELEKTRO STRATA 1
FAKULTAS TEKNIK
UNIVERSITAS JEMBER

Jember, 9 Desember 2018

Mengetahui Dosen Pengampu

Mata Praktikum

Catur Suko Sarwono, S.T., M.Si

NIP. 196801191997021001

ii
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT Yang Maha pengasih lagi maha
penyayang karena atas segala limpahan rahmat, taufik, serta hidayah-Nya
sehingga penulis dapat menyelesaikan Laporan Tugas Besar Praktikum
Pemrosesan Sinyal Digital ini tanpa hambatan sedikitpun sesuai dengan waktu
yang telah direncanakan.
Shalawat serta salam semoga senantiasa tercurahkan kepada Nabi besar
Muhammad SAW yang telah membawa umatnya dari jaman jahiliyah menuju
jaman islamiah seperti yang kita alami sekarang ini.
Kami menyadari ada keterbatasan dalam penyusunan laporan ini. Oleh
karena itu, Kami selaku penulis sangat mengharapkan kritik dan saran yang
membangun sehingga Kami dapat menyempurnakan kesalahan-kesalahan dalam
laporan ini.
Akhirnya hanya kepada Allah SWT kita kembalikan semua urusan dan
semoga laporan ini dapat bermanfaat bagi semua pihak, khususnya bagi penulis
dan para pembaca pada umumnya, semoga Allah SWT meridhoi dan dicatat
sebagai ibadah disisi-Nya, amin.

Jember, 9 Desember 2018

Penulis

iii
 DAFTAR ISI

HALAMAN SAMPUL ......................................................................... i

LEMBAR PENGESAHAN .................................................................. ii
KATA PENGANTAR .......................................................................... iii
DAFTAR ISI ......................................................................................... iv
DAFTAR GAMBAR ............................................................................ v
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah ........................................................ 1
1.2 Rumusan Masalah .................................................................. 2
1.3 Batasan Masalah .................................................................... 2
1.3 Tujuan Tugas Besar ............................................................... 2
1.4 Manfaat Tugas Besar ............................................................. 2
BAB II TINJAUAN PUSTAKA
2.1 Pengolahan citra digital ........................................................ 3
2.2 Noise effect ............................................................................. 5
2.3 Cara kerja Noise effect pada aplikasi matlab ............................. 5
BAB III METODOLOGI
3.1 Tempat dan Waktu ................................................................. 11
3.2 Alat dan Bahan ...................................................................... 11
3.3 Flowchart Tugas Besar .......................................................... 11
3.4 Blok Diagram Perencanaan Tugas Besar .............................. 12
3.4 Desain dan Perancangan Tugas Besar ................................... 12
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Hasil Pengujian Tugas Besar ................................................. 13
4.2 Analisis Pengujian Tugas Besar ............................................ 17
BAB V KESIMPULAN
5.1 Kesimpulan ............................................................................ 18
5.2 Saran ...................................................................................... 18
DAFTAR PUSTAKA ........................................................................... vi

iv
 DAFTAR GAMBAR

Gambar 2.1 Original Image ................................................................................ 6

Gambar 2.2 Salt & pepper 0.1 ............................................................................. 7

Gambar 2.3 Salt & pepper 0.2 ............................................................................. 7

Gambar 2.4 Gaussian 0.3 .................................................................................... 8

Gambar 2.5 Gaussian 0.5 .................................................................................... 8

Gambar 2.6 Poisson ............................................................................................ 9

Gambar 2.7 Speckle 0.06 ................................................................................... 10

Gambar 2.8 Speckle 0.2 ..................................................................................... 10

Gambar 3.1 Flowchart ...................................................................................... 11

Gambar 3.2 Block diagram................................................................................ 12

Gambar 4.1 Hasil pengujian .............................................................................. 13

Gambar 4.2 Matriks Gaussian........................................................................... 14

Gambar 4.3 Matriks Salt and pepper ................................................................ 14

Gambar 4.4 Matriks Speckle ............................................................................. 15

Gambar 4.5 Matriks poisson ............................................................................. 15

Gambar 4.6 Matriks gray .................................................................................. 16

Gambar 4.7 Matriks gambar asli ....................................................................... 16

v
 BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Perkembangan teknologi komputer pada saat ini telah membawa kemajuan
yang sangat berarti dalam berbagai aspek terutama bagi negara yang sedang
berkembang. Perkembangan yang demikian di dukung tersedianya perangkat
keras dan perangkat lunak yang semakin hebat kemampuannya.
Salah satu teknologi yang mengalami perkembangan yang begitu pesat
adalah pengolahan citra. Banyak peralatan elektronik, misalnya scanner,
kamera digital, mikroskop digital, dan fingerprint reader (pembaca sidik jari)
yang menghasilkan citra digital. Perangkat lunak untuk mengolah citra digital
juga sangat populer dalam perkembangannya, digunakan oleh pengguna untuk
mengolah foto atau untuk berbagai keperluan lain sebagai contoh, Adobe
Photoshop dan GIMP (GNU Image Manipulation Program) yang menyajikan
berbagai fitur dalam memanipulasi citra digital
Dalam hal ini banyak juga dalam perkembangan pengolahan citra digital
membutuhkan teknik Noise effect dalam kebutuhan nya masing-masing
namun dalam hal ini agar lebih spesifik dalam proses Noise effect
digunakan berbagai macam program agar didapatkan hasil yang maksimal,
salah satu program nya yaitu menggunakan aplikasi matlab dengan
memperhatikan berbagai macam aspek dalam pemrograman nya diantara nya
sudut dan garis bantu x juga y.
Banyak contoh program yang sudah menerapkan proses Noise effect
tersebut dengan menggunakan matlab pada bentuk berbgai macam program
yang sesuai dengan kebutuhan programer atau sesuai keinginan programer.
1.2 Rumusan Masalah
a. Apa yang dimaksud dengan pengolahan citra digital?
b. Apa yang dimaksud dengan metode Noise effect ?
c. Bagaimana proses pemrogaman dan hasil dari metode Noise effect tersebut
dalam aplikasi matlab?

1
1.3 Batasan Masalah
Dalam tugas besar ini, pembahasan dibatasi pada :
a. Data yang digunakan adalah citra digital yang bersumber dari kamera HP
atau yang sudah tersimpan di dalam laptop/pc.
b. Metode yang digunakan adalah Noise effect.
c. Bahasa pemrograman yang digunakan adalah Matlab 2013.
1.4 Tujuan Tugas Besar
Adapun tujuan dari tugas besar ini adalah sebagai berikut :
a. Memenuhi tugas besar praktikum pemrosesan sinyal digital
b. Memberikan pemahaman mengenai citra digital
c. Mengetahui bagaimana pengolahan citra digital menggunakan metode
Noise effect menngunakan pemrograman matlab.
1.5 Manfaat Tugas Besar
Adapun manfaat dari tugas besar ini adalah sebagai berikut :
a. Dapat memahami apa itu citra digital
b. Dapat memahami elemen-elemen yang terdapat dalam citra digital
terutama dalam metode Noise effect.
c. Dapat mengoperasikan bahasa pemrograman matlab pada bidang citra
digital.

2
 BAB 2
TINJAUAN PUSTAKA
2.1 Pengolahan Citra Digital
Pengolahan citra digital merupakan proses yang bertujuan untuk
memanipulasi dan menganalisis citra dengan bantuan komputer.
Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :
1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah
diinterpretasi oleh mata manusia.
2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan
pengenalan objek secara otomatis.
Bidang aplikasi kedua yang sangat erat hubungannya dengan ilmu
pengetahuan pola (pattern recognition) yang umumnya bertujuan
mengenali suatu objek dengan cara mengekstrak informasi penting yang
terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan
pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat
memproses citra masukan sehingga citra tersebut dapat dikenali polanya.
Proses ini disebut pengenalan citra atau image recognition. Proses
pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari.
Pengolahan citra dan pengenalan pola menjadi bagian dari proses
pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk
mendapatkan ciri khas dari suatu citra yang hendak dikenali. Secara umum
tahapan pengolahan citra digital meliputi akusisi citra, peningkatan
kualitas citra, segmentasi citra, representasi dan uraian, pengenalan dan
interpretasi.
a. Akusisi citra
Pengambilan data dapat dilakukan dengan menggunakan berbagai
media seperti kamera analog, kamera digital, handycamp, scanner, optical
reader dan sebagainya. Citra yang dihasilkan belum tentu data digital,
sehingga perlu didigitalisasi.

3
b. Peningkatan kualitas citra
Pada tahap ini dikenal dengan pre-processing dimana dalam
meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam
keberhasilan pada tahap pengolahan citra digital berikutnya.
c. Segmentasi citra
Segmentasi bertujuan untuk memilih dan mengisolasikan
(memisahkan) suatu objek dari keseluruhan citra. Segmentasi terdiri dari
down sampling, penapisan dan deteksi tepian. Tahap down sampling
merupakan proses untuk menurunkan jumlah piksel dan menghilangkan
sebagian informasi dari citra. Dengan resolusi citra yang tetap, down
sampling menghasilkan ukuran citra yang lebih kecil. Tahap segmentasi
selanjutnya adalah penapisan dengan filter median, hal ini dilakukan untuk
menghilangkan derau yang biasanya muncul pada frekuensi tinggi pada
spektrum citra. Pada penapisan dengan filter median, gray level citra pada
setiap piksel digantikan dengan nilai median dari gray level pada piksel
yang terdapat pada window filter. Tahap yang terakhir pada proses
segmentasi yaitu deteksi tepian. Pendekatan algoritma Canny dilakukan
berdasarkan konvolusi fungsi citra dengan operator Gaussian dan turunan-
turunannya. Pendeteksi tepi ini dirancang untuk merepresentasikan sebuah
tepian yang ideal, dengan ketebalan yang diinginkan. Secara umum, proses
segmentasi sangat penting dan secara langsung akan menentukan
keakurasian sistem dalam proses identifikasi iris mata.
d. Representasi dan Uraian
Representasi mengacu pada data konversi dari hasil segmentasi ke
bentuk yang lebih sesuai untuk proses pengolahan pada komputer.
Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data
yang akan diproses dalam batasan-batasan atau daerah yang lengkap.
Batas representasi digunakan ketika penekanannya pada karakteristik
bentuk luar, dan area representasi digunakan ketika penekanannya pada
karakteristik dalam, sebagai contoh tekstur. Setelah data telah
direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya
adalah menguraikan data.

4
 e. Pengenalan dan Interpretasi
Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra
dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan
bermacam-macam citra. Dari sejumlah citra diolah sehingga citra dengan
ciri yang sama akan dikelompokkan pada suatu kelompok tertentu.
Interpretasi meliputi penekanan dalam mengartikan objek yang dikenali.
2.2 Noise effect
Secara sederhana noise itu dapat diartikan sebagai gangguan atau
kecacatan dari suatu image/citra yang tidak kita harapkan yang
menyebabkan image itu menjadi tidak jelas, blur, berbintik, dan lain-
sebagainya. Sebagai contoh ketika kita mengambil foto misalnya foto
orang sedang berjalan atau bergerak kadangkala hasil pemotretan kamera
kita menjadi blur. Atau misalnya mengambil gambar dalam keadaan
malam hari, maka hasil pemotretan kamera menjadi tidak jelas atau gelap.
Atau juga misalnya kegagalan pixel penangkapan image oleh kamera yang
menjadikan hasilnya berbintik yang menjadikan image-nya tidak smooth.
Sekarang sudah banyak metode-metode yang bisa digunakan untuk
memperbaiki image/citra yang buruk atau disebut juga restorasi image.
Tapi pada posting ini sebaliknya, akan dibahas bagaimana cara untuk
membuat image yang bagus menjadi tidak bagus dengan cara
menambahkan noise.
2.3 Cara kerja Noise Effect pada aplikasi matlab
Pada percobaan yang di lakukan ialah menggunakan aplikasi
matlab yang akan mensimulasikan bagaimana cara kerja noise effect pada
matlab dan bagaimana hasil yang akan di dapat setelah suatu image itu di
beri effect berupa Noise , namun sebelum kita mengetahui bagaiman
hasilnya kita perlu tau apa saja noise effect yang akan di simulasikan pada
makalah ini .
Adapun beberapa noise effect yang akan kami gunakan akan di
jabarkan pada penjelasan di bawah ini:

5
a. Noise Salt & pepper
Noise Salt & pepper merupakan noise pada citra/image yang
berupa titik-titik. Untuk citra gray scale, maka noise nya berupa warna
hitam atau warna putih. Sedangkan untuk citra warna RGB, maka Noise
nya berup warna red, green, atau blue. Untuk tingkat banyak sedikitnya
Noise pada citra ditentukan oleh nilai density (d) yang nilainya dalam
rentang 0 sampai 1.
Sebagai contoh dengan menggunakan file pada matlab, misalkan
kita mempunyai image dengan nama prana1.jpg seperti gambar berikut.

Gambar 2.1 Original Image

Untuk membaca image dan memasukkannya kedalam variabel, kita
bisa gunakan dan tuliskan syntax seperti berikut.
image = imread(‘prana.jpg’);
Kemudian berikan Noise salt & pepper dengan menggunakan syntax
berikut.
im_Noise= imNoise(image,’salt & pepper’,d);
Dengan variabel d adalah density. Semakin tinggi nilainya, maka
akan semakin banyak Noise yang diberikan pada image.
Berikut contoh hasil citra dengan penambahan Noise salt & pepper dengan
nilai density (d) sebesar 0.1 dan 0.2.

6
 Gambar 2.2 Salt & pepper 0.1

Gambar 2.3 Salt & pepper 0.2

Kita bisa lihat perbedaan yang terjadi dengan variasi nilai density nya.
Semakin besar nilai density nya, maka noise nya akan semakin banyak pula.
a. Noise Gaussian
Sama seperti namanya, noise gaussian adalah noise yang mengikuti
distribusi gaussian. Noise gaussian biasanya disebut juga White Noise
karena seluruh frekuensi spektral nya adalah sebagai cahaya putih. Besar
sedikitnya noise ini ditentukan oleh nilai rata-rata (mean) dan nilai variasi .
Besar nilainya bisa positif bisa juga negatif. Untuk nilai default-nya, rata-
rata (mean) nilainya adalah 0 dan untuk variasi (variance) nilai default-nya
adalah 0.01. Semakin besar nilai rata-rata (mean) dan variasi

7
(variance) nya, maka image hasil penambahan noise nya akan semakin
kabur dan akan semakin mendekati putih warnanya. Berikut ini adalah
contoh listing program untuk pemanggilan Noise effect Gaussian ini :
Gaussian = imNoise(gray,'Gaussian',0.5);

Gambar 2.4 Gaussian 0.3

Gambar 2.5 Gaussian 0.5

Dari gambar di atas kita dapat melihat bahwa semakin besarnya rasio yang
di berikan maka efek cahaya dan bercak putih pada gambar akan semakin
tampak.

8
a. Noise Poisson
Noise poisson merupakan noise yang memiliki efek yang tetap.
Artinya, tidak ada parameter yang perlu kita tambahkan atau kita ubah pada
saat penambahan noise pada citra. Ini berbeda dengan noise salt & pepper
dan Noise Gaussian yang memiliki parameter seperti density, mean, dan
varian. Berikut contoh syntax untuk penambahan Noise Poisson.
im_Noise= imNoise(image,’poisson’,);

Gambar 2.6 Poisson

4.Speckle
Speckle merupakan Noise ganda. Noise ini ditambahkan pada citra
menggunakan persamaan J=I+n*I, dimana n terdistribusi random seragam
dengan mean 0 dan variance V. V adalah konstanta non negative yang
besarnya dapat berubah-ubah. Default nilai untuk V adalah 0.04. Makin
besar nilai V maka citra akan semakiin kabur. Adapun untuk
pemanggilannya bias sebagai berikut :
Speckle = imNoise(gray,'Speckle',1);

9
Contoh gambarnya bisa di lihat seperti di bawah ini:

Gambar 2.7 speckle 0.06

Gambar 2.8 Speckle 0.2

Apabila di perhatikan dari perbandingan kedua gambar tersebut maka
sangat signifikan sekali perbedaaan dari kedua gambar tersebut yaitu semakin
besar rasio yang di berikan maka efek kaburnya akan sangat jelas.

10
 BAB 3
METODELOGI
3.1 Tempat dan Waktu
Penelitian ini dilakukan pada kamis, 06 Desember 2018 Laboratorium
pribadi, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jember, Jl. Semeru
gang Maya no 1A Sumbersari, Jember 68111.
3.2 Alat dan Bahan
a. Laptop / PC
b. Software Matlab 2009
3.3 Flowchart Tugas Besar

Mulai

Masukkan citra (gambar) asli

Noise effect

Hasil sebelum dan sesudah proses

Noise effect

Selesai

Gambar 3.1 Flowchart

11
3.4 Block Diagram Perencanaan Tugas Besar

Citra (gambar) Pengolahan citra dengan noise effect

asli

Hasil gambar pengolahan pengolahan citra menggunakan

Noise effect sebelum dan sesudah

Gambar 3.2 Block diagram

3.5 Desain dan Perancangan Tugas Besar
gambar = imread('prana1.jpg');
gray = rgb2gray (gambar);
hk = imnoise(gray,'Salt & Pepper', 0.2);
Gaussian = imnoise(gray,'Gaussian',0.5);
Speckle = imnoise(gray,'Speckle',0.2);
Poison = imnoise(gray,'poisson');
subplot (2,3,1), imshow (gambar);
title ('Gambar Asli')
subplot (2,3,2), imshow (hk);
title ('Salt & Paper')
subplot (2,3,3), imshow (Gaussian);
title ('Gaussian')
subplot (2,3,4), imshow (Speckle);
title ('Speckle')
subplot (2,3,5), imshow (Poison);
title ('Poisson')
subplot (2,3,6), imshow (gray);
title ('Gray Scale')

12
 BAB 4
ANALISIS DAN PEMBAHASAN

4.1 Hasil Pengujian Tugas Besar

Gambar 4.1 Hasil pengujian

13
 Gambar 4.2 Matriks Gaussian

Gambar 4.3 Matriks Salt and pepper

14
Gambar 4.4 Matriks Speckle

Gambar 4.5 Matriks Poisson

15
 Gambar 4.6 Matriks gray

Gambar 4.7 Matriks gambar asli

16
4.2 Analisis Pengujian Tugas Besar
Pada tugas besar pemrosesan sinyal digital kali ini penulis menggunakan
metode Noise effect pada matlab dengan melakukan simulasi menggunakan
listing program sesuai dengan 3.5 Desain dan Perancangan Tugas Besar
kemudian di dapatkan hasil berupa gambar. Dari hasil tersebut kita tahu
bahwa perbedaan antara Noise salt and pepper , Gaussian , speckle , dan
poisson. Perbedaan-perbedaan tersebut dapat kita ketahui dari gambar hasil
simulasi yang telah di cantumkan pada 2.3 Cara kerja Noise effect pada
aplikasi matlab dan juga pada penjelasannya . Tidak hanya itu ,untuk lebih
melihat secara detail gambar gambar hasil dari simulasi kita bisa
menggunakan pemunculan matriks , yaitu pada matriks ini kita di jabarkan
pada setiap pixelnya tentang pembagian porsi RGB nya, matriks dari setiap
gambar dapat kita lihat pada 4.1 Data hasil pengujian tugas besar, dimana
penulis menggunakan gambar dengan resolusi yang rendah agar pada matriks
dapat terbaca , karena apabila gambar tersebut menggunakan resolusi yang
sangat tinggi maka tidak dapat terbaca pada matriks karena keterbatasan
ruang .

17
 BAB 5
PENUTUP
5.1 Kesimpulan
Dari data yang telah di dapatkan dari percobaan , maka dapat di
tarik kesimpulan sebagai berikut:
1. Salt & pepper adalah effect yang menimbulkan bintik bintik putih seperti
garam pada gambar.
2. Noise effect dengan jenis Gaussian memunculkan bercak putih pada piksel
gambar secara random.
3. Noise Speckle merubah piksel gambar menjadi warna hitam yang tersebar
secara random dan dapat diatur porsinya dengan rasio tertentu.
4. Noise Poisson merupakan metode Noise effect yang merubah warna setiap
warna dari pixel gambar dengan menaikkan dan menurunkan nilai warna tiap
piksel secara acak dengan mengalikan nilai tiap pixel gambar tersebut dengan
nilai tertentu sesuai dengan yang ditentukan oleh pengolah citra digital.
5. Dari semua effect yang di gunakan semakin besar rasio yang di masukkan
pada listing programnya maka efeknya pada gambar hasil akan semakin
terlihat.
5.2 Saran
Apabila ingin memberikan effect Noise pada gambar sebaiknya
menggukan aplikasi matlab karena dengan menggunakan metode Noise pada
matlab maka kita dapat melihat bagaimana pembagian warna RGB pada
setiap pixelnya, dan juga mengatur rasio supaya efeknya sesuai dengan apa
yang kita inginkan.

18
 DAFTAR PUSTAKA

http://deckasouza.blogspot.com/2008/11/Noise-pada-citra.html
http://hwsmartsolution.com/blog/2016/01/28/menambahkan-Noise-pada-
citraimage-menampilkannya-dengan-menggunakan-matlab/
https://jaming89.wordpress.com/2010/09/28/pengolahan-citra-digital/

vii