optimization untuk perbaikan citra daun bawang merah . Ada dua tahap yang akan
A. Analisa Sistem
1. Data Input
2
Tabel 3. 1 Data Input
Citra Daun Citra Daun Citra Daun Citra Daun
Citra Daun
Bawang Merah Bawang Merah Bawang Merah Bawang merah
Bawang merah
Baground putih Baground putih Baground tanah Baground tanah
outdor
terang terang Terang Gelap
CPU @ 1,7GHz
2. Harddisk 500 GB
3. RAM 4 GB
5. Poco x3 NFC
3. Visual Studio Co
3
B. Desain Sistem (Perancangan)
Pada penelitian ini akan dilakukan pada jenis data citra digital yang umumnya
sering dipakai dan memiliki ukuran yang relatif kecil serta dapat memberikan
informasi. Penelitian ini meliputi 20 data indor input citra daun bawang merah
dan 10 data outdor yang telah diambil sendiri dan selanjutnya akan dikonversi
menjadi format RGB berukuran piksel 160 x 160 dan berekstensi JPG dalam
kondisi pencahayaan dan background berbeda - beda. Pada proses ini, seringkali
sebuah citra yang didapat tidak sesuai dengan yang diharapkan seperti memiliki
darau (noise). Untuk itu perlu dilakukan pengurangan (noise) melalui proses
Optimization. Dan proses akhir adalah menghitung nilai MSE dan PSNR sebagai
ukuran keberhasilan suatu metode dalam perbaikan citra. Adapun alur penelitian
implementasi pengurangan noise pada citra daun bawang merah dapat dilihat
4
Flowchart :
5
3. Rekondisi Citra adalah proses rekondisi (greyscale) yang perlu
sebuah aplikasi yang dapat memperbaiki suatu citra dan menghilangkan noise atau
gangguan yang berupa bintik putih, dengan mengunakan metode Particle Swarm
perhitungan nilai Mean Squared Error (MSE) dan Peak Signal to Noise Ratio
6
(PSNR). Berikut ini gambar rancangan aplikasi tersebut seperti diperlihatkan
gambar (3.2).
Proses
sudah dibuat.
2. Citra Asli sebuah tampilan awal dimana citra sudah dikonversi kedalam
Optimization.
4. Citra Filtering adalah sebuah gambaran dari hasil citra setelah proses
5. Hitung MSE dan PSNR adalah tombol untuk menghitung suatu nilai
dari proses perbaikan citra menggunakan metode nilai MSE dan PSNR.
7
6. Perhitungan MSE dan PSNR adalah gambaran hasil nilai dari MSE
dan PSNR.
1. Simulasi Algoritma
pada matrik 3 x 3. Citra awal adalah citra yang belum melalui proses filtering,
7 1 1 6 1 1
Proses Filtering
2 3 4 3 3 3
menggunakan
5 0 6 persamaan 5 3 6
Citra Awal Citra Akhir
penjelasanya :
1+0+0+1+0+1+0+9+0
MSE : = 0,33
9
7
PSNR : 20 log10 ( ) =15.665
√0,33
8
Gambar 2.4 Perhitungan Matrik
python
Gambar
Gambar 2.4 Perhitungan Matrik 3. 42 Perhitungan Matrik python
python 1
Citra asli ada pada sebelah kiri, kemudian juga memiliki citra yang sudah
terfilter pada sebelah kanan. Perhitungan pertama mulai dari menghitung nilai
MSE. Untuk mendapatkan besaran error dari citra asli dan citra hasil
pada baris 1, kolom 1 citra asli dikurangi baris 1, kolom 1 citra hasil filterisasi
dijumlahkan dan dibagi dengan jumlah piksel. Rumus ini mirip dengan rumus
mencari rata-rata dalam suatu data. Kemudian hasil error yang didapat
Hasil dari PSNR memiliki satuan db (desibel) dengan nilai terbaik yaitu pada