JURNAL

ANALISIS PERBANDINGAN METODE HISTOGRAM EQUALIZATION

DENGAN METODE MEDIAN FILTER UNTUK REDUKSI NOISE

THE COMPARISON ANALYSIS OF HISTOGRAM EQUALIZATION

WITH MEDIAN FILTER METHODS TO NOISE REDUCTION.

Oleh:
AHMAD BASYAR ZAKIA
12.1.03.02.0428

Dibimbing oleh :
1. Suratman, S.H., M.Pd
2. Ratih Kumalasari N, S.ST., M.Kom

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
TAHUN 2017
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id

FT – Teknik Informatika || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Analisis Perbandingan Metode Histogram Equalization

Dengan Metode Median Filter Untuk Reduksi Noise

Ahmad Basyar Zakia

12.1.03.02.0428
FT – Teknik Informatika
Ahmad.b.zakia@gmail.com
Suratman, S.H., M.Pd
Ratih Kumalasari N, S.ST., M.Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Ahmad Basyar Zakia : Analisis Perbandingan Metode Histogram equalization Dengan Metode
Median filter Untuk Reduksi Noise, Skripsi, Teknik Informatika, FT UN PGRI Kediri, 2017

Penelitian ini dilatar belakangi jarangnya penelitian yang menjelaskan kelebihan dan
kekurangan dari metode dalam pengolahan citra digital terutama metode histogram equalization dan
metode median filter dalam lingkup pengurangan noise.
Permasalahan penelitian adalah Bagaimana perbandingan metode Histogram equalization
dengan Median filter terhadap reduksi noise ?
Penelitian ini menggunakan Histogram equalization dan Median filter dengan subjek citra
digital yang mempunyai noise berformat bitmap.
Kesimpulan dari penelitian ini adalah, dengan menggunakan metode Histogram equalization
dan Median filter maka noise yang terdapat pada citra digital sedapat mungkin bisa berkurang. Metode
Median filter lebih baik dalam penggunaan reduksi noise. Semakin besar ukuran dimensi gambar
yang diproses, semakin lama waktu prosesnya. Hal ini disebabkan untuk mendeteksi dan memproses
citra yang memiliki noise.
Berdasarkan simpulan hasil penelitian ini, direkomendasikan, aplikasi yang dibuat berbasis
web. Jadi memungkinkan untuk digunakan dimana saja dan kapan saja. File citra yang digunakan
untuk analisis perbandingan berformat jpeg.

KATA KUNCI : CITRA, NOISE, HISTOGRAM EQUALIZATION, MEDIAN FILTER,

REDUKSI NOISE

I. PENDAHULUAN dilakukan analisis dari kedua metode

A. Latar Belakang tersebut. Dari beberapa metode tersebut
Selama ini jarang ada penelitian akan memberikan hasil pengurangan noise
yang menjelaskan kelebihan dan yang berbeda.
kekurangan dari metode histogram Dari penelitian sebelumnya yang
equalization dan metode median filter dilakukan (Asmaniatul, 2008) penelitian
dalam lingkup pengurangan noise. Perlu ini membahas tentang perbandingan
Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id
FT – Teknik Informatika || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

metode filter gaussian, mean dan median B. Median Filter

yang digunakan untuk mengurangi noise Median filter merupakan suatu
pada citra digital, tiga metode tersebut metode yang menitik beratkan pada nilai
memberikan hasil pengurangan noise yang median atau nilai tengah dari jumlah total
berbeda. Pada penelitian kali ini penulis nilai keseluruhan piksel yang ada di
mencoba untuk melakukan penelitian sekelilingnya. Pemrosesan median filter ini
dengan membandingkan kualitas citra hasil dilakukan dengan cara mencari nilai tengah
antara histogram equalization dan median dari nilai piksel tetangga yang
filter. mempengaruhi piksel tengah. Teknik ini
Melalui metode histogram bekerja dengan cara mengisi nilai dari
equalization dan median filter kualitas citra setiap piksel dengan nilai median
masukan dengan noise dapat diperbaiki tetangganya. Proses pemilihan median ini
dan membandingkan diantara filter diawali dengan terlebih dahulu
tersebut mana yang lebih baik untuk mengurutkan nilai-nilai piksel tetangga,
digunakan. baru kemudian dipilih nilai tengahnya.
Median filter bekerja dengan mengevaluasi
II. LANDASAN TEORI tingkat brightness dari suatu piksel dan
A. Histogram Equalization menentukan piksel mana yang tingkat
Histogram equalization adalah brightness-nya adalah nilai median (nilai
sebuah proses yang mengubah distribusi tengah) dari semua piksel. (Nazaruddin
nilai derajat keabuan pada sebuah citra Ahmad danArifyanto Hadinegoro, 2012).
sehingga menjadi seragam (uniform). Nilai median ditentukan dan
Tujuan dari histogram equalization adalah menempatkan brightness piksel pada
untuk memperoleh penyebaran histogram urutan yang bertingkat dan memilih nilai
yang merata sehingga setiap derajat tengah. sehingga angka yang didapat dari
keabuan memiliki jumlah piksel yang brightness pixel yang ada menjadi kurang
relatif sama. Perataan histogram diperoleh dari dan lebih dari nilai tengah yang
dengan cara mengubah derajat keabuan didapat (Nazaruddin Ahmad danArifyanto
sebuah piksel (r) dengan derajat keabuan Hadinegoro, 2012).
yang baru (s) dengan sebuah fungsi
transformasi T (Gonzalez, 2002).

Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id

FT – Teknik Informatika || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

C. Reduksi Noise filter, dan mean filter. Sementara jenis

Reduksi noise adalah proses untuk
menghilangkan noise yang terjadi pada
citra. Secara umum metode untuk
mereduksi noise dapat dilakukan dengan
cara melakukan operasi pada pixel citra
digital dengan menggunakan suatu jendela
ketetanggaan (neighborhood window).
Proses penerapan jendela ketetanggan
tersebut sering disebut sebagai proses
filtering (Koli, 2012).
Menurut Koli (2012), reduksi noise
dapat dibagi menjadi dua tipe yaitu reduksi
noise dengan filter linear dan reduksi noise
dengan filter non linear. Reduksi noise
dengan filter linear menerapkan filter pada
semua pixel dalam citra tanpa
mengklasifikasikan pixel yang terkorupsi
noise ataupun yang tidak. Hal ini tentunya
dapat menyebabkan pixel yang tidak
terkorupsi noise menjadi terkorupsi noise
setelah proses reduksi noise berlangsung.
Filter non linear menggunakan dua tahap,
tahap pertama adalah proses deteksi
terhadap pixel-pixel yang terkena noise,
dan tahap kedua adalah proses filtering
terhadap pixel-pixel yang sudah terdeteksi
pada tahap pertama.
Terdapat banyak jenis filter linear
dan filter non linear yang sudah ditemukan.
Lebih lanjut Koli (2012) mengemukakan
beberapa jenis filter linear yang sudah
dikenal, diantaranya average filter, median
filter non linear antara lain min-max
median filter, center weighted median
filter, adaptive median filter, progressive
switching median filter, tri-state median
filter, decision based median filter.
Sementara filter yang sudah menggunakan
dasar-dasar fuzzy yang dikenal diantaranya
adalah Arakawa’s Fuzzy Median filter
(Kaur, 2012).
III. IMPEMENTASI DAN
EVALUASI
A. Desain Proses
Desain proses digunakan untuk
mengetahui proses apa saja yang
berlangsung pada sistem. Diagram alir
menunjukkan hubungan antar proses, data
masukan, data selama proses dan data
keluaran yang terlibat dalam sistem. Secara
garis besar, jalannya sistem ini adalah
pengguna memasukkan citra yang tanpa
noise, kemudian sistem memberikan
noisepada citra, sistem melakukan proses
filtering pada citra bernoise, kemudian
hasil output yang akan ditampilkan ke
pengguna adalah citra hasil filtering.

Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id

FT – Teknik Informatika || 4||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

B. Evaluasi Sistem
1. Tampilan Utama
Tampilan utama adalah halaman
awal/utama ketika pengguna menjalankan
program analisis perbandingan.

Gambar 4.1 DFD sistem reduksi noise

Pada flowchart ini pengguna

memasukkan input data berupa citra
bernoise. Sistem akan membaca citra.
Kemudian citra diproses menggunakan Gambar 4.3 Tampilan utama
histogram equalizationdanmedian filter.
Sistem akan menampilkan masing-masing Dalam gambar 4.3 Tampilan utama
citra hasil filtering. Pengguna bisa terdapat tombol open picture, median
membandingkan hasil citra setelah filter, histogram equalization, simpan citra,
dilakukan proses filtering. data penulis, dan keluar. Kemudian di
samping tombol-tombol, terdapat tempat
start pemrosesan untuk citra asli yang di reduksi
noise dengan median filter dan histogram
input citra
bernoise equalization.

baca citra
2. Tampilan Input
Pada tampilan input ini, pengguna
histogram median akan menginputkan citra yang akan
equalization filter
diproses dengan cara meng-klik tombol

tampilkan hasil tampilkan hasil

“Open Picture”. Kemudian memilih citra
filtering filtering
yang akan diproses.

end

Gambar 4.2 Flowchart sistem reduksi noise

Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id

FT – Teknik Informatika || 5||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Gambar 4.4 Tampilan Input Program

Gambar 4.6 Tampilan data penulis

3. Tampilan Output
C. Uji Coba
Pada tampilan output ini, pengguna
a. Uji Coba dengan “citra noise 5.bmp”.
akan melakukan proses filtering, dengan
Citra noise 5.bmp mempunyai
cara meng klik “median filter” untuk
kondisi berupa noise yang banyak terdapat
proses median filtering dan “histogram
di objek utama citra. Setelah dilakukan
equalization” untuk proses histogram
reduksi noise, hasil dari metode median
equalization.
filter lebih baik karena mengurangi noise
yang banyak daripada metode histogram
equalization yang hanya sedikit
mengurangi noise.

Gambar 4.5 Tampilan output program

Menurut Gambar 4.5 Tampilan
output program, setelah diproses Gambar 4.7 Citra noise 5.bmp sebelum
menggunakan median filter dan histogram dilakukan reduksi noise
equalization, pengguna akan menyimpan
citra dengan cara mengklik simpan image.

4. Tampilan Data Penulis

Pada Tampilan Data Penulis
menginformasikan data penulis berupa Gambar 4.8 Citra noise 5.bmp setelah
nama, npm, program studi, kelaas, tempat dilakukan proses reduksi noise dengan
lahir, tanggal lahir, dan alamat e-mail. median filter
Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id
FT – Teknik Informatika || 6||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Gambar 4.9 Citra noise 5.bmp setelah

dilakukan proses reduksi noise dengan
histogram equalization
Gambar 4.11 Citra noise 28.bmp setelah
b. Uji Coba dengan “citra noise 28.bmp”.
dilakukan proses reduksi noise dengan
Citra noise 28.bmp mempunyai
median filter
kondisi berupa noise yang terdapat di
dalam objek utama citra sehingga setelah
dilakukan reduksi noise maka kualitas citra
akan berkurang. Setelah dilakukan reduksi
noise, hasil dari metode histogram
equalization lebih baik dari median filter
karena metode histogram equalization
dapat mengurangi noise dengan sedikit
merusak kualitas citra. Gambar 4.12 Citra noise 28.bmp setelah
dilakukan proses reduksi noise dengan
histogram equalization

c. Uji Coba dengan “citra noise 4.bmp”.

Citra noise 4.bmp mempunyai
kondisi noiseyang merata. Setelah
dilakukan reduksi noise, hasil dari metode
median filter lebih bersih karena
mengurangi noise yang banyak daripada
Gambar 4.10 Citra noise 28.bmp sebelum
metode histogram equalization. Karena
dilakukan reduksi noise
program menganggap bahwa warna hitam
pekat adalah noise maka warna hitam yang
terdapat pada citra noise 4.bmp banyak
berkurang.

Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id

FT – Teknik Informatika || 7||

Gambar 4.13 Citra noise 4.bmp sebelum
dilakukan reduksi noise
Gambar 4.14 Citra noise 4.bmp setelah
dilakukan proses reduksi noise dengan
median filter
Gambar 4.15 Citra noise 4.bmp setelah
dilakukan proses reduksi noise dengan
histogram equalization
Ahmad Basyar Zakia | 12.1.03.02.0428
FT – Teknik Informatika
Artikel Skripsi
Universitas Nusantara PGRI Kediri
d. Uji Coba dengan “citra noise 3.bmp”.
Citra noise 3.bmp mempunyai
kondisi noise yang banyak terdapat di
objek utama citra. Setelah dilakukan
reduksi noise, hasil dari metode median
filter lebih bersih karena mengurangi noise
yang banyak daripada metode histogram
equalization. Karena program menganggap
bahwa warna hitam pekat adalah noise
maka warna hitam yang terdapat pada citra
noise 3.bmp banyak berkurang.
Gambar 4.16 Citra noise 3.bmp sebelum
dilakukan reduksi noise
Gambar 4.17 Citra noise 3.bmp setelah
dilakukan proses reduksi noise dengan
median filter
simki.unpkediri.ac.id
|| 8||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

2. File citra yang digunakan untuk analisis

perbandingan berformat jpeg.

Gambar 4.18 Citra noise 3.bmp setelah
dilakukan proses reduksi noise dengan
histogram equalization
IV. KESIMPULAN DAN SARAN
V. DAFTAR PUSTAKA
Ahmad, Nazaruddin, dan Arifyanto
Hadinegoro. 2012. Metode histogram
equalization untuk perbaikan citra
digital. Jurnal. Yogyakarta: Teknik
Informatika, Universitas Atma Jaya
Yogyakarta
Ahmad, Usman. 2005. Pengolahan Citra
Digital dan Teknik
Pemrogramannya.
Edisi Pertama. Yogyakarta. Graha ilmu.

A. SIMPULAN Balza, A. Kartika. 2005. Teknik

Berdasarkan aplikasi yang telah Pengolahan Citra Menggunakan
Delphi. Yogyakarta. Ardi Publishing.
dibuat beserta ujicoba yang telah
dilakukan, maka maka kesimpulannya Elia, Tiara. 2015. Aplikasi peningkatan
kualitas citra menggunakan metode
adalah Dengan menggunakan metode histogram equalization. Skripsi.
histogram equalization dan median filter Medan: Teknik Informatika, Sekolah
Tinggi Manajemen Informatika Dan
maka noise yang terdapat pada citra digital Komputer.
sedapat mungkin bisa berkurang. Metode
Jannah, Asmaniatul. 2008. Analisis
median filter lebih baik dalam penggunaan perbandingan metode filter gaussian,
reduksi noise. mean dan median terhadap reduksi
noise salt and peppers. Skripsi.
Malang: Teknik Informatika,
B. SARAN Universitas Islam Negeri Malang.

Setelah menyelesaikan skripsi ini, Laskevitch, Stephen. 2013. Adobe Photoshop

terutama di dalam pembuatan aplikasi ini
masih banyak yang harus diperbaiki, oleh
karena itu diperlukan saran-saran untuk
memperbaikinya apabila
pengembangan lebih lanjut dari penulis
CS6 & Lightroom 4. Jakarta.
Serambi Ilmu Semesta.
Martina, Inge. 2004. 36 Jam Belajar
Komputer Pemrograman Visual
ada Borland Delphi 7. Jakarta. Penerbit
Elex Media Komputindo.

terhadap skripsi ini, sebagai berikut : Munir, Rinaldi. 2004. Pengolahan Citra
1. Aplikasi yang dibuat berbasis web. Jadi Digital. Jakarta. Serambi Ilmu
Semesta.
memungkinkan untuk digunakan
dimana saja dan kapan saja.
Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id
FT – Teknik Informatika || 9||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Murinto, Eko Aribowo, dan Risnadi

Syazali. 2007. Analisis perbandingan
metode intensity filtering dengan
metode frequency filtering sebagai
reduksi noise pada citra digital.
Jurnal. Yogyakarta: Teknik
Informatika, Universitas Ahmad
Dahlan Jogjakarta.

Putra, Damar. 2010. Pengolahan Citra

Digital. Yogyakarta. Penerbit Andi.

Sholihin dan Ricky Aprias. 2013.

Implementasi median filter dan
metode histogram equalization
dalam perbaikan citra (image
enhancement). Jurnal. Surakarta:
Teknik Elektro, Universitas
Muhammadiyah Surakarta.

Sholiq. 2006. Pemodelan Sistem Informasi

Berorientasi Objek dengan UML.
Yogyakarta. Penerbit Graha Ilmu.

Susilo, Djoko. 2009. Grafika Komputer

Dengan Delphi. Jakarta. Penerbit
Graha Ilmu.

Sutoyo, T., Mulyanto dan Edy. 2009. Teori

Pengolahan Citra Digital. Semarang.
C.V. Andi Offset.

Syarifuddin dan Sony Nuryadin. 2006.

Analisis Filtering Citra Dengan
Metode Mean Filter Dan Median
Filter

Yuwono, Bambang. 2010. Image

smoothing menggunakan mean
filtering, median filtering, modus
filtering dan gaussian filtering.
Jurnal. Yogyakarta: Teknik
Informatika, UPN Veteran
Yogyakarta.

Ahmad Basyar Zakia | 12.1.03.02.0428 simki.unpkediri.ac.id

FT – Teknik Informatika || 10||