Judul Inpanting Citra Biner Menggunakan

Metode Modus Matrik

Volume & halaman Vol. 03, No. 01, hal 22- 26

Tahun Januari 2018

Penulis Aris Sudaryanto

Reviewer Yudha putra pratama
(17.01.071.127)
Tanggal 1 November 2019

Abstrak Gambar adalah salah satu elemen penting dari

multimedia. Gambar juga mengandung banyak
informasi data penting. Tetapi kadang-kadang
data di dalam gambar hilang karena
kebisingan, kerusakan, atau sesuatu. Image
Inpainting adalah proses merekonstruksi atau
memperbaiki bagian atau keseluruhan dari
kerusakan atau gambar yang tidak diinginkan.
Dalam penelitian ini, proses pewarnaan gambar
dilakukan dengan menggunakan modus nilai
gambarnya. Gambar data terdiri dari sepuluh
gambar biner dengan ukuran 10 x 10 piksel.
Kesalahan dihitung dengan mengurangi nilai
absolut dokumen asli dengan nilai absolut dari
proses pewarnaan. Metode yang kami usulkan
memiliki akurasi tinggi, yang dibuktikan
dengan 0% kesalahan, dan 100% kesesuaian
antara data asli dan data hasil pewarnaan.

Pendahuluan Citra merupakan salah satu komponen penting

dalam multimedia, juga menyimpan banyak
informasi didalamnya. Namun begitu
seringkali data sebuah citra mengalami
penurunan, baik mutu maupun jumlahnya.
Penurunan tersebut disebabkan karena banyak
faktor, antara lain adalah karena mengandung
cacat atau derau (noise), warna yang kurang
tajam, dan berbagai jenis kerusakan lainnya.
Berkurangnya data dalam sebuah citra tentu
merugikan proses pengolahan citra selanjutnya.
Maka dari itu peneliti melakukan penelitian
 inpainting citra biner menggunakan metode
modus matrik ini. Tujuannya adalah untuk
mengembalikan data yang hilang atau error
pada sebuah citra sehingga bernilai sama atau
mendekati dengan data sebenarnya.

Metode Penelitian Metode utama yang digunakan pada penelitian

ini adalah Modus Matrik. Artinya, nilai modus
dari matrik suatu citra digunakan untuk
menggantikan nilai satu titik yang rusak pada
citra tersebut. Namun secara keseluruhan,
penelitian ini meliputi beberapa tahap, yaitu
data citra biner, konversi nilai citra biner ke
matrik, penentuan titik eror citra, perbaikan
(inpainting) citra, dan kalkulasi akurasi dari
metode Modus Matrik.

Hasil dan Pembahasan Data yang digunakan pada penelitian ini adalah
10 buah data citra biner dengan ukuran 10 x 10
piksel. Data citra biner asli tersebut kemudian
dikonversi menjadi matrik dengan cara
mengambil nilai elemennya satu persatu,
kemudian digabungkan kembali dalam bentuk
matrik berukuran 10 x 10. Data matrik citra
asli ini masih asli dan tidak memiliki error,
sehingga data citra asli ini digunakan sebagai
referensi dalam menghitung akurasi metode
nantinya. Kemudian nilai error diberikan
dengan cara mengubah salah satu nilai elemen
matrik citra asli. Matrik citra error inilah yang
akan diperbaiki nilainya menggunakan proses
inpainting dengan metode modus matrik.

Kesimpulan Penelitian ini bertujuan untuk memperbaiki

error citra biner menggunakan metode modus
matrik. Kesimpulan dari penelitian ini adalah
proses inpainting dengan metode modus matrik
yang diusulkan terbukti mampu memperbaiki
data citra biner yang error dengan tingkat
keberhasilan 100%.

Daftar Pustaka Marcelo Bertalmio ,Guillermo Sapiro,Vicent

Caselles ,Coloma Ballester “Image Inpainting”
 Proceedings of SIGGRAPH 2000, pp. 417-
424. ACM Press, New York (2000)

Manuel, M. Oliveira ,Brian Bowen ,Richard

McKenna ,Yu-Sung Chang “Fast Digital
Image Inpainting” Appeared in the
Proceedings of the International Conference on
Visualization, Imaging and Image Processing
(VIIP 2001), Marbella, Spain. September 3-5,
2001

Mohiy M. Hadhoud, Kamel. A. Moustafa and

Sameh. Z. Shenoda “Digital Images Inpainting
using Modified Convolution Based Method”
International Journal of Signal Processing,
Image Processing and Pattern Recognition.

Judul PENGOLAHAN CITRA DIGITAL

UNTUK MENDETEKSI OBYEK
MENGGUNAKAN PENGOLAHAN
WARNA MODEL NORMALISASI RGB
Volume & halaman
Tahun Januari 2011

Penulis RD. Kusumanto, Alan Novi Tompunu

Reviewer Yudha putra pratama
(17.01.071.127)
Tanggal 1 November 2019

Abstrak Pengolahan citra digital (Digital Image

Processing) adalah sebuah disiplin ilmu yang
mempelajari tentang teknik-teknik mengolah
citra. Citra yang dimaksud pada penelitian ini
adalah gambar statis yang berasal sensor vision
berupa webcam. Secara matematis, citra
merupakan fungsi kontinyu dengan intensitas
cahaya pada bidang dua dimensi. Agar dapat
diolah dengan komputer digital, maka suatu
citra harus dipresentasikan secara numerik
dengan nilai-nilai diskrit. Sebuah citra digital
dapat diwakili oleh sebuah matriks dua dimensi
f(x,y) yang terdiri dari M kolom dan N baris.
 Pada pengolahan warna gambar, ada
bermacam-macam model salah satunya adalah
model rgb atau normalisai RGB. Model
pengolahan ini merupakan pengolahan warna
dengan menghitung prosentase warna RGB
dalam sebuah citra.

Pendahuluan Pengolahan citra digital (Digital Image

Processing) adalah sebuah disiplin ilmu yang
mempelajari tentang teknik-teknik mengolah
citra. Citra yang dimaksud disini adalah
gambar diam (foto) maupun gambar bergerak
(yang berasal dari webcam). Sedangkan digital
disini mempunyai maksud bahwa pengolahan
citra/gambar dilakukan secara digital
menggunakan komputer [1]. Secara
matematis, citra merupakan fungsi kontinyu
(continue) dengan intensitas cahaya pada
bidang dua dimensi. Agar dapat diolah dengan
komputer digital, maka suatu citra harus
dipresentasikan secara numerik dengan nilai-
nilai diskrit. Repersentasi dari fungsi kontinyu
menjadi nilai-nilai diskrit disebut digitalisasi
citra. Sebuah citra digital dapat diwakili oleh
sebuah matriks dua dimensi f(x,y) yang terdiri
dari M kolom dan N baris, dimana perpotongan
antara kolom dan baris disebut piksel (pixel =
picture element) atau elemen terkecil dari
sebuah citra.

Metode Penelitian Pada aplikasi pengolahan citra digital pada

umumnya, citra digital dapat dibagi menjadi 3,
color image, balck and white image dan binary
image.
1. Color Image atau RGB (Red, Green, Blue).
Pada color image ini masing-masing piksel
memiliki warna tertentu, warna tersebut adalah
merah (Red), hijau (Green) dan biru (Blue).
Jika masing-masing warna memiliki range 0 -
255, maka totalnya adalah 2553 = 16.581.375
(16 K) variasi warna berbeda pada gambar,
dimana variasi warna ini cukup untuk gambar
apapun. Karena jumlah bit yang diperlukan
untuk setiap pixel, gambar tersebut juga
 disebut gambar-bit warna. Color image ini
terdiri dari tiga matriks yang mewakili nilai-
nilai merah, hijau dan biru untuk setiap
pikselnya.
2. Black and White. Citra digital black and
white (grayscale) setiap pikselnya mempunyai
warna gradasi mulai dari putih sampai hitam.
Rentang tersebut berarti bahwa setiap piksel
dapat diwakili oleh 8 bit, atau 1 byte. Rentang
warna pada black and white sangat cocok
digunakan untuk pengolahan file gambar.
Salah satu bentuk fungsinya digunakan dalam
kedokteran (X-ray). Black and white
sebenarnya merupakan hasil rata-rata dari color
imag
3. Binary Image. Setiap piksel hanya terdiri
dari warna hitam atau putih, karena hanya ada
dua warna untuk setiap piksel, maka hanya
perlu 1 bit per piksel (0 dan 1) atau apabila
dalam 8 bit ( 0 dan 255), sehingga sangat
efisien dalam hal penyimpanan. Gambar yang
direpresentasikan dengan biner sangat cocok
untuk teks (dicetak atau tulisan tangan), sidik
jari (finger print), atau gambar arsitektur.

Hasil dan Pembahasan Pada pengujian untuk menentukan klasifikasi

warna dengan menggunakan model segmentasi
warna normalisasi RGB ini menggunakan
program Visual Studio 2008 yang telah
dilengkapi dengan program pendukung
EmguCV. Obyek yang digunakan adalah
berupa bola. Pemilihan obyek ini dikarenakan
mulai 2011 ini event robosoccer mulai
dilombakan secara nasional, dimana bola yang
digunakan berwarna orange

Kesimpulan Berdasarkan pengujian yang telah dilakukan

dapatkan kesimpulan sebagai berikut :
1. Model normalisasi RGB ini sangat mudah
untuk diaplikasikan khususnya untuk
mendeteksi obyek dengan warna-warna
tertentu.
2. Berdasarkan persamaan 6, warna putih dan
hitam sulit dibedakan karena memiliki nilai
 r,g,b yang sama untuk kedua warna.
3. Pada saat nilai brightness 0 hasil yang
dicapai untuk pengenalan obyek berupa bola
adalah maksimal

Daftar Pustaka Sutoyo. T, Mulyanto. Edy, Suhartono. Vincent,

Dwi Nurhayati Oky, Wijanarto, “ Teori
Pengolahan Citra Digital ”, Andi Yogyakarta
dan UDINUS Semarang, 2009.

Purnomo Mauridhi Hery, Muntasa Arif, “

Konsep Pengolahan Citra Digital dan Ektraksi
Fitur “, Graha Ilmu Yogyakarta, 2010.

Jähne Bernd, Haußecker Horst, “Computer

Vision and Applications “, San Diego,
California, Academic Press, 2000.

Aryuanto, Somawirata Komang, Limpraptono.

F. Yudi, “A New Color Segmentation Method
Based on Normalized RGB Chromaticity
DiagramI” , ISSN 2085 – 973, Seminar on
Intelligent Technology and Its Applications,
2009.

Judul IMPLEMENTASI PENGURANGAN

NOISE PADA CITRA TULANG
MENGGUNAKAN METODE MEDIAN
FILTER DAN GAUSSIAN FILTER
Volume & halaman Volume 03, Nomor 02 : 116 - 121

Tahun Desember 2018

Penulis Muhammad Rizqi Khilmawan, Aditya

Akbar Riadi
Reviewer Yudha putra pratama
(17.01.071.127)
Tanggal 1 November 2019

Abstrak Citra yang kita miliki sering mengalami

penurunan kualitas atau mutu, karena
mengandung cacat atau terkena derau (noise).
 Warnanya kurang kontras, kurang tajam, kabur
(bluring) dan sebagainya. Dalam kondisi yang
demikian diperlukan perbaikan citra, yang
bertujuan untuk mendapatkan tampilan citra
dengan bentuk visualisasi yang lebih baik.
Banyak teknik atau metode yang yang
digunakan dalam perbaikan citra, antara lain
dengan menggunakan metode median filtering
dan gaussian filtering.

Pendahuluan Pada Citra digital sangat rentan terjadi Noise

(derau) karena banyak faktor yang
mempengaruhi, seperti kurangnya pencahayaan
saat pengambilan gambar, interferensi
gelombang elektromagnetik pada peralatan
pencitraan kedokteran, dan sebagainya. Noise
mengganggu karena mengurangi kualitas citra
saat percetakan dan juga menyulitkan saat
mendekteksi penyakit pada citra kedokteran
(MRI, CTScan, XRay). Banyak penelitian
tentang metode penggurangan noise sampai
saat ini, dan terus akan berlanjut sebagai
pengembangan Teknik pemrosesan citra
digital, seperti yang dilakukan oleh James
Church (2008), yang menggembangkan spatial
median filter untuk mengurangi noise pada
citra digital. Noise yang paling sering merusak
citra adalah gaussian noise. Gaussian noise
disebabkan oleh sumbersumber alam seperti
getaran termal atom dan sifat diskrit dari
radiasi benda hangat. Gaussian noise
mengganggu nilai abu-abu dalam citra digital.
Untuk mengurangi noise tersebut, ada beberapa
metode yang dapat dilakukan agar kuaitas citra
lebih baik, yaitu mean filter, median filter,
gaussian filter, adaptive median filter, dll.
Perbaikan citra disebut juga dengan restoration
image di proses menggunakan kernel dan no-
kernel. Kernel merupakan matrik berukuran
kecil yang berisi angka-angka. Ukuran kernel
dapat berbeda-beda, yaitu 3x3, 5x5 dan
sebagainya. Filter yang termasuk
menggunakan kernel yaitu gaussian filter
sedangkan yang tidak menggunakan kernel
yaitu median filter
 Metode Penelitian A. Rancang Bangun Aplikasi
Untuk melakukan pengujian dari metode
tersebut maka akan dirancang sebuah aplikasi
yang dapat mereduksi gaussian noise dengan
mengunakan metode gaussian filter dan
median fiter dengan mengunakan metode
perhitungan Peak Signal to Noise Ratio
(PSNR).
B. Noise
Noise adalah sebuah komponen yang tidak
dikehendaki karna menganggu sebuah gambar.
Dalam praktik, ada unsur derau dan tidak dapat
dihindari. sebagai contoh derau gaussian noise
dapat menganggu kecerahan gambar dan
terdapat bitnik- bitnik disuatu citra.
C. Metode Median Filter
Metode median filter merupakan filter no-
linear, Dikatakan non-linear karena cara
bekerja metode ini tidak termasuk dalam
kategori operasi kovolusi. Untuk perhitungan
operasi non-linear ini dengan cara
mengurutkan nilai pixel, kemudial mengganti
nilai pixel yang telah diproses dengan nilai
tertentu.
D. Metode Gaussian Filter
Metode gaussian filtering termasuk dalam
kelas low-pass filters, yang didasarkan pada
fungsi distribusi peluang gaussian. Prinsip
dasar dari metode ini adalah operasi perkalian
yang dilakukan ialah perkalian antara matriks
kernel dengan matriks gambar asli.
E. Peak Signal to Noise Ratio (PSNR)
Metode analisis pada penelitian ini
menggunakan teknik evaluasi kinerja dari
mencari nilai PSNR, untuk mengetahui mana
metode yang lebih baik saat mereduksi
gaussian noise untuk memperbaiki kualitas
citra.

Hasil dan Pembahasan A. Aplikasi Pengurangan Noise Pada Citra

Tulang Menggunakan Matlab
Dari rancang aplikasi sebelumnya, berikut ini
 adalah implementasi aplikasi pengurangan
noise yang akan digunakan untuk proses
mengurangi noise. Dimana hasil pengurangan
noise akan dibandingkan mana metode yang
lebih baik yaitu gaussian filter dan median
filter.
B. Hasil Pengujian Metode Pengurangan Noise
Pada bagian ini merupakan hasil dari pengujian
untuk mengurangi gaussian noise dengan
menggunakan metode median filter dan
gaussian filter. Proses pengujian menggunakan
10 citra x-ray yang mana beberapa dapat kita
tunjukkan pada citra01.jpg sampai citra05.jpg,
dimana citra tersebut didapatkan dari halaman
website oldwww.iiests.ac.in. Hasil dari
pengujian tersebut digunakan untuk
menganilisa dan membandingkan kinerja
kedua metode dalam melakukan proses reduksi
gaussian noise.
C. Perhitungan PSNR Hasil Pengujian Metode
Pengurangan Noise
Untuk mengevaluasi teknik pengukuran
kualitas citra ini dilakukan mengunakan
perhitungan Peak Signal-toNoise Ratio(PSNR),
dimana PSNR adalah sebuah perhitungan yang
menentukan sebuah nilai dari kecil besarnya
nilai MSE yang terjadi. Semakin besar nilai
PSNR semakin baik kualitas citra dan
sebaliknya semakin kecil nilai PSNR maka
akan semakin buruk hasilnya. Berikut rumus
yang menjelaskan perhitungan PSNR.

Kesimpulan Penelitian ini menerapkan metode gausssian

filter dan median filter untuk mengurangi
gaussian noise. Berdasarkan dari hasil
pengujian secara kualitatif dan kuantitatif pada
citra hasil pengurangan gaussian noise dapat
disimpulkan bahwa metode gaussian filter dan
metode median filter dapat diterapkan untuk
mengurangi gaussian noise. Dimana metode
median filter memiliki kinerja yang lebih baik
daripada gaussian filter dalam mengurangi
gaussian noise.
Daftar Pustaka S. N. A. Capah, S. D. Nasution and R. K. Hondro, "Penerapan
Metode Median Filter Untuk Mereduksi Noise Pada Citra
Ultraviolet," Jurnal Pelita Informatika, vol. 17, no. 1, Januari
2018.

I. N. G. A. Astawa and E. Rudiastari, "Perbaikan Citra Wajah

dengan Metode Histogram Equalization dan Gaussian Filtering,"
Proceedings Seminar Nasional Riset Ilmu Komputer (SNRIK
2016) Universitas Muslim Indonesia Makassar, Desember 2016.

I. Maulana and P. N. Andono, "Analisa Perbandingan Adaptif

Median Filter Dan Median Filter Dalam Reduksi Noise Salt &
Pepper," Cogito Smart Journal, vol. 2, no. 2, Desember 2016.

H. R. Fajrin, "Perbandingan Metode Untuk Perbaikan Kualitas

Citra Mammogram," Jurnal SIMETRIS, vol. 7, no. 2, November
2016.