NOISE REDUCTION PADA CITRA DIGITAL DENGAN

METODE GAUSSIAN FILTER

1
Hadifo Abda’i
1,2,3
Prodi Teknik Informatika Sekolah Tinggi Teknik Harapan Medan
Jl. HM Jhoni No 70 Medan, Indonesia
1
divo.16.10@gmail.com

Abstrak
Dewasa ini, dimana zaman sudah semakin canggih dan peran teknologi sangat berpengaruh bagi manusi.Pada
perkembangan citra digital yang sangat pesat mengakibatkan kualitas-kualitas pada citra digital semakin baik.
Akan tetapi terkadang menghasilkan kualitas citra yang kurang baik dan terdapat bintik bintik hitam pada citra
yang disebut noise. Dalam Tugas Akhir yang berjudul “noise reduction pada citra digital dengan metode
gaussian filter” ini dibuat dengan latar belakangpeningkatan kualitas citra yang bertujuan untuk menghapus
noise pada citra digital dan menghasilkan citra yang lebih baik dibandingkan dengan citra semula.

Kata Kunci : Pengolahan Citra, noise reduction, Gaussian filtering, Citra Digital

Abstract
Today, where the days are becoming more sophisticated and the role of technology is very influential for his
being. In the development of digital image very rapidly lead to the qualities of the digital image, the better. But
sometimes produce unfavorable image quality and there are specks of black spots on the image of the so-called
noise. Final Project titled "noise reduction in digital images by using a Gaussian filter" is made against the
background of the image quality improvement to eliminate noise in digital images and produce a better image
than the original image.

Keywords: image processing, noise reduction, Gaussian filtering, digital image

.

1. Pendahuluan intensitas tidak seragam, kontras citra terlalu rendah

Perkembangan teknologi pada era
globalisasi saat ini sangat cepat, peran teknologi
sangat berpengaruh bagi manusia untuk
mempermudah melakukan berbagai aktifitas dalam
kehidupan sehari-hari. Perkembangan teknologi itu
sendiri sudah tersedia dimana-mana, baik
dikalangan perkantoran, rumah tangga, bisnis, para
pendidik, transportasi, dan masih banyak lagi yang
lain.
Seiring dengan perkembangan teknologi
yang semakin pesat, maka semakin meningkat pula
aktifitas-aktifitas masyarakat salah satunya dalam
bidang fotografi. Kebutuhan masyarakat akan
penggunaan fotografi semakin antusias dengan
hadirnya berbagai macam media sosial.
Pada saat ini penggunaan sebuah citra
sangat meningkat untuk digunakan pada berbagai
kebutuhan.Hal ini dikarenakan banyak sekali
kelebihan yang ada pada citra digital seperti dapat
memberikan suatu informasi melalui gambar dan
kemudahan dalam pengolahan data gambar. Namun
terkadang sering kali terdapat beberapa gangguan
yang mungkin bisa saja terjadi pada citra digital,
seperti timbulnya bintik-bintik yang disebabkan
oleh proses capture yang tidak sempurna, adanya
pencahayaan yang tidak merata mengakibatkan
sehingga objek sulit untuk dipisahkan dari latar
belakangnya, ataupun adanya gangguan yang
disebabkan oleh kotoran-kotoran yang menempel
pada citra, dan lain sebagainya. Setiap gangguan
yang terdapat pada citra dinamakan noise.
Pada citra digital terdapat jenis noise
seperti laser yang dinamakan exponential noise.
Noise ini biasa terjadi akibat adanya efek
pencahayaan yang tidak merata maupun kontras
citra yang terlalu tinggi ataupun yang terlalu
rendah.Dengan adanya noise seperti exponential
noise ini, dapat menyebabkan informasi yang ada
pada citra menjadi berkurang dan sulit untuk
diinterpretasikan.Sehingga, citra yang mengandung
noise memerlukan adanya langkah-langkah
perbaikan agar dapat digunakan secara
maksimal.Salah satu langkah perbaikan itu adalah
dengan teknik filtering atau melakukan reduksi
noise. Jenis filtering atau reduksi noise terbagi
menjadi domain spasial dan domain frekuensi.
Teknik pemrosesan domain frekuensi merupakan
teknik berdasarkan perubahan transformasi fourier
pada citra. Sedangkan teknik pemrosesan domain
spasial merupakan teknik berdasarkan manipulasi
langsung dari piksel di dalam citra.
 Penelitian yang dilakukan oleh Bambang
Yuwono (2010), dengan judul penelitian
“imagesmoothing menggunakan meanfiltering,
medianfiltering, modusfiltering dan
gaussianfiltering” menyimpulkan bahwa Secara
garis besar timing-run untuk melakukan proses
smoothing yang lebih cepat adalah metode mean.
Hal ini terjadi karena metode mean hanya
mendeteksi intensitas warna piksel pada citra yang
meloloskan sinyal tinggi dan sinyal rendah nya
saja.
[3]
Dengan judul penelitian “implementasi
metode gaussian smoothing untuk penghalusan
citra (image smoothing)” menyimpulkan bahwa
setelah melakukan restorasi ternyata dapat
disimpulkan bahwa citra yang telah dilakukan
restorasi menghasilkan gambar yang bagus dan
sesuai dengan keinginan kita.
[5]
Dengan judul penelitian “pengolahan
citra digital menggunakan teknik filteringadaptive
noise removal pada gambar bernoise”
menyimpulkan bahwa Filter Adaptive Noise
Removal dapat mengurangi noise pada suatu citra,
idenya adalah mengupdate setiap piksel yang ada
dan merubah nilai piksel
tersebut dengan rata-rata nilai piksel tetangga yang
“mempengaruhi nilai piksel yang sedang diproses”.
Dengan mengaplikasikan image
processing dan dukungan HTML 5, PHP, CSS
sebagai media teknologi, membantu memperbaiki
ketajaman dan kualitas citra digital. Sehingga user
dapat memperbaiki kuliatas citra dan ketajaman
citra dengan Bahasa pemrograman PHP.Hal ini
yang ingin di capai oleh peneliti untuk merancang
“aplikasi noise reduction pada citra digital dengan
metode Gaussian filter”.
Perumusan Masalah
Berdasarkan latar belakang di atas, maka
rumusan masalah yang dapat diambil yaitu:
Bagaimana merancang aplikasi noise reduction
pada citra digital dengan metode gaussian filter.
Batasan Masalah
Batasan-batasan yang digunakan dalam
penelitian antar muka dan pengembangan aplikasi
ini adalah sebagai berikut:
1. Hanya membahas
pemrosesannoisereduction pada citra
digital dengan metode gaussianfilter.
2. Sistem upload foto pemrosesan foto serta
dapat mengubah dan meng-upload foto.
3. Foto yang di upload harus dengan extensi
.JPG, .PNG.
4. Ukuran foto yang di upload harus dibawah
1 MB.
5. Sistem yang dibangun dijalankan di
serverlocal.
Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Merancang aplikasinoisereduction pada
citra digital dengan metode gaussianfilter.
2. Memberikan informasi kepada pembaca
bagaimana implementasinoisereduction
pada citra digital dengan metode
gaussianfilter .
Pengolahan Citra
Pengolahan citra digital adalah sebuah
disiplin ilmu yang mempelajari hal-hal yang
berkaitan dengan perbaikan kualitas gambar
(peningkatan kontras, transformasi warna, restorasi
citra) transformasi gambar (rotasi, translasi, skala,
transforamsi geometric), melakukan pemilihan citra
ciri (feature images) yang optimal untuk tujuan
analisis, melakukan proses penarikan informasi
atau deskripsi objek atau pengenalan objek yang
terkandung pada citra, melakukan kompresi atau
reduksi data untuk tujuan penyimpanan data,
transmisi data, dan waktu proses data. Input dari
pengolahan citra adalah citra sedangkan output-nya
adalah citra hasil pengolahan,[6].
Penerapan Pengolahan Citra Digital
Pengolahan citra digital dimulai sekitar
awal tahun 1920-an dari dunia pemberitaan media
cetak, dimana sebuah citra dikirim melalui kabel
bawah laut di London menuju ke New York. Proses
transmisi ini menghemat waktu pengiriman dari
seminggu menjadi kurang dari tiga jam. Sebelum
dikirim citra terlebih dahulu di kodekan dan setelah
diterima citra direkonstruksi ulang.
[1]
Pengolahan citra digital sebenarnya
mulai dari sekitar tahun 1960-an ketika saat itu
diluncurkan computer yang mampu melakukan
pengolahan citra. Komputer tersebut adalah pemicu
cepatnya perkembangan teknologi pengolahan citra
digital. Pada tahun 1964 terjadi proses pengolahan
citra berupa perbaikan kualitas citra bulan dari
distorsi di laboratorium jet propulsion. Citra bulan
kemudian dikirim oleh pesawat ulang alik Ranger 7
[2]
Berikut adalah berbagai aplikasi
pengolahan citra digital:
1. Bidang Biomedis (Biomedical)
2. Bidang Penginderaan Jarak Jauh (Remote
Sensing)
3. Bidang Biometrika
4. Bidang Fotografi
5. Bidang Desain Visual
6. Bidang Volumetrik
Gaussian Filter 2. Metode Penelitian
Mask lain yang sering pula digunakan Penelitian tugas akhir ini dilakukan dengan
untuk penghalusan citra adalah mask penghalusan menggunakan metode analisis deskriptif kualitatif
Gaussian (gaussian smoothing). Bobot pada mask yang didukung dengan data primer dan data
penghalusan gaussian mengikuti distribusi normal. sekunder. Adapun teknik pengumpulan data
Gaussian filtering didapat dari operasi dilakukan melalui beberapa kegiatan antara lain
konvolusi.Operasi perkalian yang dilakukan ialah sebagai berikut:
perkalian antara matriks kernel dengan matriks 1. Penelitian lapangan, yaitu survei secara
gambar asli. Matriks kernel gauss didapat dari langsung ke objek penelitian untuk
fungsi komputasi dari distribusi gaussian, seperti memperoleh data yang relevan, aktual dan
pada persamaan di bawah ini: valid baik data kualitatif (kebijakan) serta
(𝑖 − 𝑢)2 +(𝑗 − 𝑣)2 melakukan wawancara dengan beberapa
𝐺(𝑖, 𝑗) = 𝑐. 𝑒 − pelajar, dan mahasiswa serta masyarakat
2𝜎 2
c dan 𝜎 = konstanta sekitar.
G (i,j) = elemen matriks kernel gauss 2. Studi komprehensif yaitu melakukan studi
pada posisi (i,j) dengan cara membaca dan mengkaji bahan-
(u,v) = indeks tengah dari matriks bahan dari buku/literatur, artikel, teori, dan
kernel gauss jurnal yang berhubungan dengan materi
1 2 1 penelitian.
2 3 2 3. Untuk pengumpulan data sekunder
1 2 1 dilakukan melalui data publikasi resmi yang
Gambar 2.18 Matrisk Kernel Gauss 3x3 dengan dikeluarkan oleh instansi terkait baik
𝜎 = 1.0 pemerintah dan swasta.
Sumber (Bayu, 2010) 4. Tahapan Kegiatan
Adapun kegiatan ini dilaksanakan dengan
Perkalian antara bobot matriks gambar asli dengan tahapan sebagai berikut:
bobot matrik kernel gauss dapat dirumuskan a. Studi literatur.
seperti pada di bawah ini: b. Identifikasi permasalahan yang dituangkan
𝑁−1 𝑀−1

𝑃𝑖𝑥𝑒𝑙 𝐵(𝐼, 𝐽) =
1
. ∑ ( ∑ 𝐺(𝑝, 𝑞). 𝑃𝑖𝑥𝑒𝑙 𝐴 (𝑖 + 𝑝 −
(𝑁 − 1)
,𝑗 + 𝑞 −
(𝑀 − 1)
))
dalam Kerangka Acuan Kegiatan.
𝐾 2 2
𝑝=0 𝑞=0
c. Pengumpulan data primer.
d. Pengumpulan data sekunder.
Dimana : e. Kompilasi data.
Pixel A = gambar A (Gambar Asli) f. Pengolahan data.
Pixel B(i,j) = bobot hasil perkalian pada g. Analisis data (deskriptif dan tabuler).
posisi (i,j) h. Penyajian hasil analisis (teks naratif dan
N = jumlah kolom matriks kernel tabel matrik).
M = jumlah baris matriks kernel i. Penyajian rumusan kebijakanan.
K = penjumlahan semua bobot di G
G(p,q) = elemen matriks kernel gauss pada posisi 3. Pembahasan
(p,q) 3.1 Analisis Sistem
Untuk piksel yang berada di dalam, Analisis sistem merupakan uraian
perkalian dilakukan menggunakan rumus no 5, keseluruhan bagaimana sistem yang berjalan baik
yaitu menjadikan piksel yang dicari nilai barunya dilihat dari analisis non fungsional dan analisis
sebagai piksel tengah dan bobotnya dikalikan fungsional yang terdiri dari analisis perangkat lunak
dengan bobot pada piksel tengah matrik kernel, lalu dan analisis perangkat keras serta analisis user yang
dijumlahkan dengan hasil perkalian antara bobot terlibat.
piksel-piksel tetangga-tetangganya dengan bobot
piksel matrik kernel.Untuk piksel yang berada 3.2 Analisis Masalah
disudut atau perbatasan, sebelum dilakukan Mengidentifikasi masalah merupakan
perkalian, sebelumnya harus mencari bobot pada langkah pertama yang dilakukan dalam tahap
piksel-piksel luar (dummy). analisis sistem.Masalah dapat diidentifikasikan
Bobot piksel-piksel ini dicari dengan sebagai suatu pertanyaan yang ingin dipecahkan.
menggunakaninterpolasi yaitu dengan melihat dua Oleh karena itu, langkah awal yang harus dilakukan
piksel di dekatnya yang searah (horizontal atau adalah mengidentifikasikan terlebih dahulu masalah
vertikal). yang terjadi (identify).
Apabila ada piksel yang memiliki bobot lebih kecil Berdasarkan hasil observasi dan
dari 0 maka bobot dijadikan 0.Apabila ada piksel wawancara yang dilakukan pada mahasiswa teknik
yang memiliki bobot lebih besar dari 255 maka informatika harapan, didapat kesimpulan
bobotnya dijadikan 255. Sumber (Bayu, 2010) permasalahan yang nantinya akan dijadikan
landasan perancangan operasi pengolahan
noisereduction pada citra digital dengan metode Gambar 3.3 Nilai Pixel Gambar
gaussian filter.. Adapun permasalahannya yaitu 1 2 1
kurangnya pengetahuan bagaimana melakukan 2 3 2
operasi pengolahan noise reduction pada citra 1 2 1
digital dengan metode gaussian filter.untuk Gambar 3.4 Matrisk Kernel Gauss 3x3 dengan 𝜎 =
menghasilkan kualitas citra yang lebih baik dengan 1.0
menghapus noise pada citra. Hal ini disebabkan Perkalian dengan metode konvolusi matriks Kernel
karena kurangnya pengenalan dan pembelajaran Gaus:
yang dilakukan mahasiswa terhadap pengolahan 0 5 70 45 0 0 0
citra dan juga sulitnya mendapatkan informasi
terhadap pengolahan citra. 0 20 55 30 10 5 0

3.3 Analisis Prosedur 30 35 40 15 60 45 30

Analisis Prosedur atau proses sistem 0 15 50 85 23 37 51
memberikan gambaran tentang sistem yang sedang
dibuat guna untuk mengetahui bagaimana cara 44 52 66 16 33 44 55
kerja sistem. Analisis prosedur sistem dijelaskan
pada flowchart berikut: 46 47 28 36 7 51 3
Mulai

0 62 0 56 0 56 0
Loading

Menu Halaman
Gambar 3.5 Perkalian Matris Konvolusi
1. Home
2. Profil

Pilih
X
Menu

Home Profil

Pilih File
Tampil Profil
Penulis
1 2 1
Input Gambar;
Aray Gausian
1.0 2.0 1.0
2.0 4.0 2.0
2 3 2
1.0 2.0 1.0

Baca Perpixel X,Y 1 2 1

Ouput
Pixel : X =< Gambar X No Create FIle Selesai
Gambar

No Yes

Pixel : Y <= Gambar Y

G(2,2)=
Yes

Panggil Warna RGB

(1x0)+(2x5)+(1x70)+(2x0)+(3x20)+(2x55)+(1x30)
+(2x35)+(1x40) = 390
RGB =$val * (RGB - $vas) -$vas
G(2,3)
=(1x5)+(2x70)+(1x45)+(2x20)+(3x55)+(2
Gambar 3.1 Flowchart sistem noise reduction
x30)+(1x35)+(2x40)+(1x15)
dengan metode Gasussian Filter
= 6585
3.4 Perhitungan Gaussian Filter pada citra
0 5 70 45 0 0 0
Contoh penggunaan algoritma Gaussian
pada citra adalah misalkan pada citra berwarna 0 390 6585 510 325 215 0
dengan ukuran 15x20 piksel dapat dilihat pada
gambar 3.6 di bawah ini yang akan diproses 30 440 570 523 503 483 30
menjadi citra baru yang dinamakan citra HDR.
0 529 660 602 579 615 51
44 644 663 556 468 568 55
46 627 486 415 435 649 3
0 62 0 56 0 56 0
Gambar 3.2 Gambar Citra
Berikut adalah nilai pixel nya: Gambar 3.6 Hasil Perkalian Matriks
0 5 70 45 0 0 0
0 20 55 30 10 5 0 390 6585 510 325 215
30 35 40 15 60 45 30
0 15 50 85 23 37 51 440 570 523 503 483 X 1
44 52 66 16 33 44 55
15
529 660 602 579 615
46 47 28 36 7 51 3
0 62 0 56 0 56 0
 644 663 556 468 568 menggunakan php, css, javascript dan
lain–lain.
627 486 415 435 649 3. Software xampp untuk webserver apache,
phpmyadmin.
Gambar 3.7 Perkalian Hasil Matriks dengan nilai 4. Web browser seperti Mozilla dan Google
bobot K Chrome
0 5 70 45 0 0 0
3.5.2 Analisis Kebutuhan Fungsional
0 26 39 34 22 14 0 Analisis kebutuhan fungsional merupakan
analisis terhadap kebutuhan secara fungsional baik
30 39 30 35 34 32 30
dalam aliran data ataupun informasi. Analisis
0 35 44 40 39 47 51 kebutuhan fungsional digambarkan dalam analisis
terstruktur yang akan digambarkan pada tahapan
44 43 44 37 31 38 55 berikut.
46 42 31 28 29 43 3
0 62 0 56 0 56 0 Hasil Pengujian
Setelah pembuatan dan instalsi aplikasi
selesai, selanjutnya dilakukan pengujian gambar
Gambar 3.8 Citra Hasil Setelah Di Proses noise.Tujuan dari pengujian ini adalah untuk
memastikan penghapusan noise berjalan sesuai
3.5 Analisis Kebutuhan dengan perancangan.
Analisis kebutuhan sistem merupakan
uraian keseluruhan bagaimana sistem yang berjalan Tabel.4.1 Uji Gambar Dengan Nilai value
baik dilihat dari analisis non fungsional dan analisis N Nilai
fungsional yang terdiri dari analisis perangkat lunak Gambar Asli Gambar Hasil
o Value
dan analisis perangkat keras serta analisis user yang 1 16
terlibat.

3.5.1 Analisis Kebutuhan Non Fungsional

Analisis kebutuhan non fungsional
merupakan suatu analisis untuk mengetahui 2 99
elemen-elemen apa saja yang berhubungan dengan
sistem yang dibuat.

3.5.1.1 Kebutuhan Pengguna

Sistem yang akan dibangun akan 3 12
digunakan oleh user. User dapat melakukan operasi
noisereduction pada citra digital dengan metode
gaussian filter. yang terdiri dari input citra,
melakukan proses dan menyimpan hasil file citra
kedalam file JPG. 4 72

3.5.1.2 Kebutuhan Perangkat Keras

Perangkat keras komputer atau hardware
sangat mendukung dalam kinerja sistem. Semakin
baik spesifikasi perangkat keras yang ada maka 5 50
kinerja sistem pun akan semakin baik. Spesifikasi
perangkat keras yang digunakan berupa Laptop/PC
dengan processor Intel Core i.3 2,4 GHz, Memory 2
GB, VGA Intel HD Graphics, HDD 500 GB,
Monitor : 14”. 6 99

3.5.1.3 Kebutuhan Perangkat Lunak

Selain perangkat keras (hardware)
diperlukan perangkat lunak (software) untuk
membangun sistem ini, diantaranya:
1. Sistem operasi Windows 7 Ultimate
2. Software untility Adobe Dreamweaver
CS6 untuk pembuatan website dengan
7 84 2. Tampilan Histogram sesuai dengan
gambar.
3. Tampilan slider sesuai dengan
perancangan.

8 50 iv. Pengujian Pada Halaman Setelah Di

Proses
Pada tampilan halaman setelah di di proses
penulis tidak menemukan kesalahan.
1. Tampilan gambar sesuai dengan css
9 38 yang diatur.
2. Tampilan gambar yang di proses
sesuai dengan nilai value yang di
pilih.
1 74 3. Tampilan histogram pada gambar asli
0 dan gambar sesudah di lakukan noise
reduction sesuai dengan proses.
v. Pengujian Pada Halaman Profil
Pada tampilan halaman profil penulis tidak
a. Pengujian Dengan Metode Black Box menemukan kesalahan
Setelah pembuatan dan instalasi aplikasi 1. Tampilan foto dan data diri sesuai
selesai, selanjutnya dilakukan pengujian aplikasi dengan perancangan
yang dibuat.Tujuan dari pengujian aplikasi adalah 2.
untuk memastikan komponen-komponen dari
aplikasi telah berfungsi sesuai dengan yang telah vi. Hasil Pengujian
dirancang.Pengujian yang dilakukan pada aplikasi Berdasarkan hasil pengujian yang
ini menggunakan metode Black Box. dilakukan maka diperoleh kesimpulan hasil:
Metode Blackbox digunakan untuk a. Aspek Desain : Dalam pembuatan
mengetahui apakah perangkat lunak berfungsi aplikasi ini Desain
dengan benar.Pengujian dilakukan di Laptop Acer sudah berjalan
Aspire 4740G. Dengan XAMPP v. 3.2.2 dan PHP semestinya.
v. 5.6.15 b. Aspek Fungsi : Setiap isi dan fungsi
berjalan dengan
i. Pengujian Pada Halaman Utama semestinya.
Pada tampilan halaman utama penulis c. Aspek Tujuan : Setiap isi dan fungsi
tidak menemukan kesalahan: sesuai dengan tujuan
1. Tombol Profil bekerja secara aplikasi yaitu sebagai
semestinya sarana perbaikan
2. Tombol Home bekerja secara kualitas citra digital
semestinya dengan cara noise
3. Proses dapat berjalan dengan reduction dengan
semestinya pada penghapusan noise metode Gaussian filter
terlihat jelas noise yang di hapus. .

ii. Pengujian Pada Halaman Pemilihan 4. Kesimpulan

Gambar
Pada tampilan halaman pemilihan gambar
penulis tidak menemukan kesalahan.
1. Tampilan desain forminputfile sejajar
dengan tombol upload.
2. File dapat dipilih dan di unggah
dengan baik.
iii. Pengujian Pada Halaman Setelah Di
Upload
Pada tampilan halaman setelah di upload
penulis tidak menemukan kesalahan
1. Tampilan gambar sesuai dengan css
yang di atur.
Berdasarkan hasil penelitian, analisis data,
dan pembahasan dalam penelitian ini, dapat
disimpulkan bahwa:
1. Aplikasiimplementasi noisereduction
pada citra digital dengan metode gaussian
filter telah berhasil dikembangkan meliputi
tampilan Input Gambar, tampilan proses
penghapusan noise, serta Histogram
gambar normal maupun gambar setelah di
lakukan penghapusan noise.
2. Noise terjadi karna kurangnya cahaya pada
cahaya, semakin terang pencahayaan pada
citra maka semakin rendah noise citra
tersebut.
3. Semakin besar nilai value maka gambar
semakin cerah dan noise semakin hilang.
4. Semakin besar dimensi citra, maka
runtime proses reduksi juga akan semakin
lama dan membutuhkan kapasitas memori
yang cukup besar.
5. Kecepatan dalam pengaksesan aplikasi
dipengaruhi oleh dukungan ketersediaan
perangkat keras dan perangkat lunak.
4.1 Saran
Berdasarkan hasil penelitian dan
pembahasan serta kesimpulan yang telah
dikemukakan, berikut ini adalah beberapa saran
yang diharapkan dapat menjadi masukan bagi
pengembang sistem ini untuk menjadi lebih baik
adalah sebagai berikut:
1. Sistem di upload ke dalam hosting
sehingga dapat di akses oleh banyak user.
2. Pembuatan aplikasi ini dapat
dikembangkan lagi dengan menggunakan
metode yang lain, sehingga bisa
dibandingkan hasilnya jika menggunakan
metode yang lain.
DAFTAR PUSTAKA
Prihatna, Henky. 2005. Kiat Praktis Menjadi Web
Master Professional.Jakarta.
Primadini, NurulUlfa. (2015). Perbandingan
Lowpass Filtering dan Highpass Filtering
Untuk Mereduksi Noise Pada Citra Digital.
Medan.
Purba, Riri. (2015). USU: Medan :Analisis Dan
Implementasi Algoritma Gausian Dan
Highpass Untuk Hasil Citra High Dinamic
Range.
Putra, Darma. 2010. Pengolahan Citra Digital.
Yogyakarta.
Saputra, Agus. 2012. Web Tips PHP, HTML5 dan
CSS3. Cirebon.
Sutabri, Tata. 2012. Analisis Sistem
Informasi.Yogyakarta : PenerbitAndi.
Sutoyo T, dkk. 2009. Teori Pengolahan Citra
Digital.Yogyakarta : Penerbit Andi.

AS, Rosa dan Shalahuddin, M. 2013.Rekayasa

Perangkat Lunak Informatika. Bandung

Fitri, Anisa.2014. Perbandingan Metode Lowpass

Filter Dan Median Filter Dalam
Penghalusan Citra Untuk Peningkatan
Kualitas Citra. Jakarta.:Universitas
KomputerIndonesia.

Gonzales, Rafael. 2010. Digital Image Processing

Second Edition. New Jersey: Prentice Hall.

Hermawati, FajarAstuti.2013. Pengolahan Citra

Digital Konsep & Teori.Yogyakarta.

Jogiyanto.2009. Analisis & Disain.Yogyakarta.

Kurnianto, Denny.2015. Belajar Image
Processing- Mengenal 4 Jenis Tipe
Citra.Tersedia Online: Diakses Tanggal 02
Februari 2016.

Kusbianto, Deddy. 2010.Analisis dan

Perancangan Sistem Informasi. STMIK:
Yadika Bangil. Pasuruan.

Munir.R, 2010.Pengolahan Citra Digital dengan

Pendekatan Algoritmik Informatika.
Bandung.

Nugroho, Adi, 2009. Rekayasa Perangkat Lunak

Menggunakan UML dan Java. Jakarta.