Skripsi BAB I-V Lengkap Baru
Skripsi BAB I-V Lengkap Baru
Oleh :
SYAFATU RAHMAN
17451098
Oleh :
SYAFATU RAHMAN
17451098
Menyetujui:
Pembimbing I Pembimbing II
Saya yang bertanda tangan dibawah ini menyatakan bahwa Skripsi ini
merupakan karya saya sendiri (asli), tidak terdapat karya yang pernah diajukan
oleh orang lain untuk memperoleh gelar akademis di suatu Institusi Pendidikan
manapun, dan sepanjang pengetahuan saya juga tidak terdapat karya atau
pendapat yang pernah ditulis dan/atau diterbitkan oleh orang lain, kecuali yang
secara tertulis diacu dalam naskah ini dan disebutkan dalam Daftar Pustaka.
Syafatu Rahman
NPM. 17451098
ABSTRAK
i
ABSTRACT
ii
KATA PENGANTAR
pada jenjang pendidikan Strata 1 (S1) program studi Teknik Informatika. Adapun
judul dari skripsi ini adalah “Reduksi Noise Citra Face Menerapkan Algoritma
petunjuk dalam menyelesaikan Skripsi ini, baik berupa bimbingan dan kritikan
Kaputama.
2. Bapak Achmad Fauzi, S. Kom., M. Kom., selaku Ketua Program Studi Teknik
melakukan bimbingan.
iii
5. Seluruh staf dan pegawai STMIK Kaputama yang telah memberikan semangat
perkuliahan.
6. Teristimewa untuk Ayah, Ibu dan seluruh keluarga yang telah memberikan
semangat, kasih sayang, dukungan dan juga do’a yang ikhlas selama penulis
2017, yang telah memberikan dukungan, do’a yang ikhlas dan semangat
Penulis sangat menyadari bahwa Skripsi ini masih jauh dari sempurna,
untuk itu penulis mengharapkan kritikan dan saran yang membangun dari semua
pihak demi kesempurnaan dari Skripsi ini. Akhir kata penulis mengucapkan
banyak terima kasih dengan harapan semoga Skripsi ini bermafaat bagi pembaca
Syafatu Rahman
NPM. 17451098
iv
DAFTAR RIWAYAT HIDUP
Pekerjaan : Mahasiswa
Telepon / HP : 082167445362
Email : syafaturahman@gmail.com
Nama Ayah : Herman
Pekerjaan Ayah : Wiraswasta
Nama Ibu : Jalilah
Pekerjaan Ibu :-
Alamat Orang Tua : Dusun III Paluh Medan, Desa Besilam, Kec. Padang Tualang
Syafatu Rahman
NPM. 17451098
v
DAFTAR ISI
ABSTRAK...............................................................................................................i
ABSTRACT.............................................................................................................ii
KATA PENGANTAR..........................................................................................iii
DAFTAR RIWAYAT HIDUP..............................................................................v
DAFTAR ISI..........................................................................................................vi
DAFTAR TABEL...............................................................................................viii
DAFTAR GAMBAR.............................................................................................ix
DAFTAR LAMPIRAN.........................................................................................xi
BAB I PENDAHULUAN..................................................................................1
1.1 Latar Belakang Masalah.................................................................1
1.2 Rumusan Masalah..........................................................................3
1.3 Batasan Masalah............................................................................3
1.4 Tujuan Penelitian...........................................................................4
1.5 Manfaat Penelitian.........................................................................4
1.6 Sistematika Penulisan....................................................................5
1.1 Rencana Kegiatan..........................................................................6
BAB II LANDASAN TEORI.............................................................................8
2.1 Penelitian Terdahulu......................................................................8
2.2 Pengertian Reduksi........................................................................9
2.3 Pengertian Noise..........................................................................10
2.3.1 Jenis-Jenis Noise...............................................................11
2.3.2 Penyebab Noise.................................................................13
2.4 Pengertian Citra............................................................................14
2.4.1 Teknik Pengolahan Citra...................................................14
2.4.2 Jenis-Jenis Format Citra....................................................16
2.5 Pengertian Wajah.........................................................................19
2.5.1 Bagian-Bagian Wajah.......................................................19
2.5.2 Jenis-Jenis Bentuk Wajah.................................................20
2.6 Pengertian Algoritma Arithmetic Mean Filter.............................21
2.7 Pengertian MATLAB...................................................................22
2.8 Pengertian Flowchart...................................................................25
2.9 Pengertian Use Case Diagram.....................................................28
BAB III ANALISIS DAN PERANCANGAN..................................................30
3.1 Tinjauan Umum...........................................................................30
3.2 Metodologi Penelitian..................................................................30
3.3 Analisis Kebutuhan Sistem..........................................................32
3.3.1 Analisis Kebutuhan Perangkat Keras................................33
3.3.2 Analisis Kebutuhan Perangkat Lunak...............................33
3.4 Analisa Algoritma........................................................................33
3.5 Perancangan Sistem.....................................................................44
3.5.1 Rancangan Flowchart Sistem..........................................44
3.5.2 Rancangan Use Case Diagram Sistem.............................46
3.6 Perancangan Antarmuka Sistem..................................................47
vi
BAB IV PEMBAHASAN DAN IMPLEMENTASI........................................51
4.1 Pembahasan..................................................................................51
4.1.1 Pembahasan Data Input Sistem.........................................51
4.1.2 Pembahasan Antarmuka Sistem........................................54
4.2 Implementasi................................................................................59
4.2.1 Uji Coba Sistem................................................................60
4.2.2 Hasil Uji Coba Sistem.......................................................68
4.2.3 Pemeliharaan Sistem.........................................................72
BAB V KESIMPULAN DAN SARAN............................................................73
5.1 Kesimpulan..................................................................................73
5.2 Saran.............................................................................................74
DAFTAR PUSTAKA
LAMPIRAN
vii
DAFTAR TABEL
ix
DAFTAR LAMPIRAN
xi
BAB I
PENDAHULUAN
bidang komputer yang digunakan untuk menghasilkan suatu sistem yang hampir
merupakan salah satu jenis teknologi untuk menyelesaikan masalah tentang proses
pengolahan gambar digital. Dalam pengolahan citra, gambar yang ada diolah
citra pada komputer saat ini banyak dipergunakan pada perusahaan dan lembaga
untuk meningkatkan sistem keamanan berbasis data pada karakteristik tubuh atau
sekolah dan sebagainya. Citra wajah digunakan oleh pihak kepolisian, salah
satunya untuk mengenali pelaku dalam sebuah kejahatan kriminal, juga bisa
pelaku kejahatan dengan data identitas yang terdapat pada kepolisian seperti KTP
Dalam kondisi tertentu citra wajah (face image) tidak selamanya dalam
keadaan yang baik, karena sering terjadi pemburaman atau noise pada citra
tersebut. Noise terjadi akibat alat perekam yang menangkap gambar tersebut
memiliki kualitas yang rendah sehingga citra yang dihasilkan tidak memiliki
1
2
kualitas yang baik, yang mengakibatkan informasi pada citra yang di dapatkan
berkurang. Noise dapat berupa bintik-bintik hitam pada citra yang dapat
disebabkan oleh debu atau proses penyimpanan citra digital yang tidak sempurna.
Noise pada citra sangat menggangu karena memiliki efek yang tidak baik terhadap
citra.
citra digital yang dapat digunakan sebagai sistem reduksi noise pada citra, salah
satunya citra wajah, sehingga dapat meningkatkan kualitas citra wajah yang
dibutuh dalam kondisi tertentu dan dapat memberikan informasi yang baik
terhadap citra tersebut. Salah satu algoritma atau metode yang dapat digunakan
pada sistem reduksi noise pada citra adalah algoritma Arithmetic Mean Filter.
Algoritma Aritheatic Mean Filter merupakan salah satu teknik filtering linear
yang berfungsi untuk menghaluskan dan menghilangkan noise pada citra, yang
cara kerjanya dengan menggantikan intensitas nilai pixel dengan rata-rata dari
jurnal penelitian, diantaranya penelitian dari (Prayogi & Nababan, 2021) dengan
desktop untuk mereduksi noise pada citra rontgen, sistem ini menghasilkan
kualitas citra yang lebih baik dan lebih jelas dari citra sebelumnya. Selanjutnya
penelitian dari (Mulyani & Apriyanti, 2020) dengan judul “Penerapan Metode
Algoritma Arithmetic Mean Filter Untuk Mereduksi Noise Salt And Pepper Pada
3
Citra” yang menyimpulkan bahwa dengan algoritma yang dipakai aplikasi ini
menghasilkan sebuah program yang dapat mereduksi noise salt and pepper yang
ada pada citra tersebut, sehingga kualitas citra yang dihasilkan lebih baik dan
atas penulis mengambil penelitian dengan judul “Reduksi Noise Citra Face
akan dibahas. Adapun batasan masalah yang akan dibahas penulis adalah sebagai
berikut :
MATLAB.
3. Proses reduksi noise pada citra face akan mengolah nilai pixel RGB.
4. Proses analisa akan memanfaatkan ukuran pixel 5 x 5 pada sampel citra face.
5. Citra yang digunakan berekstensi atau berformat .JPG, .BMP dan .PNG.
1. Untuk merancang sistem reduksi noise pada citra face dengan menerapkan
3. Dengan algoritma Arithmetic Mean Filter proses reduksi noise pada citra
wajah (face) dapat diproses dengan cara yang efektif dan efesien.
5
4. Mengasilkan sistem yang dapat meningkatkan kualitas dari citra wajah (face),
kepolisian.
secara garis besar saya menyajikan laporan ini dalam 5 (lima) bab, yang setiap isi
BAB I : PENDAHULUAN
rancangan kegiatan.
pendukung penelitian.
penelitian ini.
6
penelitian berikutnya.
mulai dari tahap identifikasi masalah sampai dengan kegiatan sidang. Adapun
7
BAB II
LANDASAN TEORI
antara penelitian yang telah dilakukan dengan penelitian yang akan dilakukan.
dengan yang penulis akan buat, tetapi dengan objek yang berbeda.
Penelitian pertama oleh (Prayogi & Nababan, 2021, h.84-90) dengan judul
menggunakan sistem aplikasi berbasis desktop untuk mereduksi noise pada citra
rontgen sistem ini menghasilkan kualitas citra yang lebih baik dan lebih jelas dari
citra sebelumnya. Jadi sistem aplikasi ini sangat cocok untuk mereduksi noise.
Karena citra memang memegang peranan penting saat ini sebagai informasi
efisien.
Penelitian kedua oleh (Mulyani & Apriyanti, 2020, h.8-14) dengan judul
Salt And Pepper Pada Citra”, dalam penelitian tersebut hasil dari penelitian
8
9
sebuah program yang dapat mereduksi noise salt and pepper yang ada pada citra
tersebut, sehingga kualitas citra yang dihasilkan lebih baik dan lebih halus dari
sebelumnya. Program ini sangat cocok untuk mereduksi noise yaitu dengan
citra/gambar/foto yang jelas, perbaikan citra yang termasuk cara yang tepat untuk
perbaikan untuk menghasilkan gambar yang lebih jelas. restorasi citra sebagai
ragamnya. Salah satunya adalah Image Enhancement, yaitu suatu operasi atau
teknik untuk lebih mendetailkan sebuah citra. Proses peningkatan mutu citra ini
termasuk memperbaiki citra yang ketika proses akuisisi mengalami ganguan yang
faktor alam lainnya. Suatu metode pendekatan peningkatan mutu citra yang
terbaik untuk satu implementasi belum tentu baik untuk implementasi lainnya,
1. Operasi titik, yaitu operasi yang dilakukan terhadap setiap piksel pada citra
2. Operasi area, yaitu operasi yang dilakukan terhadap setiap piksel pada citra
yang keluarannya dipengaruhi oleh piksel tersebut dan piksel lainnya dalam
suatu daerah tertentu. Salah satu contoh dari operasi berbasis area adalah
operasi ketetanggaan yang nilai keluaran dari operasi tersebut ditentukan oleh
sedang diolah.
3. Operasi global, yaitu operasi yang dilakukan tehadap setiap piksel pada citra
(degradasi), sehingga sangat mengganggu apabila suatu foto ingin dicetak dan
disimpan pada album atau dipajang diruang tamu. Dalam beberapa aplikasi medis,
citra hasil pemindai MRI, CT Scan maupun USG, juga dapat terkena noise.
Terlebih lagi USG, citra hitam putih analog yang dihasilkan sangat banyak
gangguan yang bersifat akustik, elektris, maupun elektronis yang hadir dalam
suatu sistem dalam bentuk gangguan yang bukan merupakan sinyal yang
diinginkan.
Menurut (Tommy & Garuda, 2019, h.45), derau (noise) adalah sinyal-
sinyal yang tidak diinginkan dalam suatu citra. Sinyal-sinyal noise ini dapat
11
mengganggu kualitas citra dan reproduksi sinyal yang akan dipancarkan. Noise
menyimpangnya data digital yang diterima oleh alat penerima data gambar. Noise
karena noise itu sendiri dihasilkan dari beberapa efek yang berbeda. Menurut
(Anam et al., 2020, h.66), berdasarkan sumbernya, noise atau derau ini dapat
dibedakan menjadi 2 kategori utama yaitu Internal Noise dan External Noise dan
1. Internal Noise (Derau Internal), internal noise adalah noise yang dibangkitkan
ini terdiri dari Thermal Noise, Shot Noise, Flicker Noise dan Transit Time
Noise.
2. External Noise (derau eksternal), external noise atau derau eksternal adalah
derau yang dihasilkan dari luar rangkaian elektronik itu sendiri. Noise ini
1. Derau Salt And Papper, derau ini disebut juga dengan derau impulse (impulse
noise), shout noise atau derau biner (binary noise). Degradasi derau ini
disebabkan oleh gangguan yang tajam atau tiba-tiba (sharp and sudden) pada
sinyal citra. Kenampakan pada citra berupa titik-titik (piksel) hitam atau putih
2. Derau Gaussian, derau gaussian merupakan bentuk ideal dari derau putih,
3. Derau Speckle, derau Speckle dapat disebut juga dengan derau multiplikatif
derau periodik. Citra yang terkorupsi oleh derau periodik secara visual tampak
1. Impulse Noise, merupakan noise yang berbentuk sinyal impuls acak dan
terdistribusi secara acak pula pada suatu citra digital. Adanya sinyal impuls ini
menyebabkan diskontinuitas pada suatu segmen citra, atau pada suatu spatial
Menurut (Prayogi & Nababan, 2021, h.82), sumber dasar dari noise dalam
dari sensor citra dipengaruhi oleh banyak faktor yang berbeda, seperti kondisi
lingkungan (cerah, terang atau kurang cahaya), dan kualitas dari elemen sensor
pencitraan sendiri. Sebagai contoh, memperoleh citra dengan suatu kamera CCD,
level pencahayaan, dan sensor temperature adalah faktor utama yang menentukan
maka citra yang dihasilkan tentu akan terdegradasi. Untuk memberikan efek noise
pada suatu penelitian di bidang citra digital, maka suatu citra yang bersih
dikenakan noise dengan memodifikasi setiap piksel di dalam citra melalui suatu
operasi matematika.
kamera DSLR akan mempengharui hasil dari foto tersebut, Pengambilan citra atau
foto yang tidak sempurna atau salah pada saat menggunakan kamera akan
mengalami gangguan seperti noise atau derau pada citra, salah satu faktor
14
penyebab noise adalah lensa kamera yang buruk ataupun posisi kamera saat
Citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek.
Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
foto, bersifat analog berupa sinyal-sinyal video seperti gambaran pada monitor
televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media
penyimpanan.
antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu
objek–biasanya objek fisik atau manusia. Citra bisa berwujud gambar (picture)
dua dimensi, seperti lukisan, foto, dan berwujud tiga dimensi, seperti patung.
Menurut (Dian et al., 2019, h.90), citra (image) merupakan hal yang vital
dan menjadi bagian integral dari kehidupan sehari-hari. Pada kepentingan tertentu,
kualitas citra baik kontras maupun kecerahan. Salah satu tekniknya adalah
objek-objek yang ada dalam suatu citra, seperti memisahkan objek dari
16
Menurut (Ashari et al., 2019, h.32), format citra terdiri dari 2 jenis sebagai
Raster adalah format gambar yang paling umum dan banyak ditemukan di
kecil atau disebut dengan piksel. Adapun beberapa format gambar yang masuk
PNG adalah salah satu format terpopuler yang bisa menampilkan gambar
infografis, banner, chart, logo, ilustrasi, komik, dan banyak produk grafis
editor software; serta mempunyai ukuran file yang kecil. Namun sisi
media marketing. GIF mempunyai ukuran file yang kecil, mendukung mode
format ini sayangnya tidak dibekali dengan kualitas gambar yang tinggi
Dengan kualitas gambar yang sangat tinggi, TIFF banyak digunakan dalam
format ini untuk web; karena selain tidak kompatibel dengan berbagai
PSD adalah format file gambar yang dibuat maupun disimpan di aplikasi
Adobe Photoshop. PSD bisa diubah ke format lain seperti JPEG dan PNG.
format ini tidak bisa dilihat dari browser maupun aplikasi image viewers,
Gambar-gambar dalam format vektor dihasilkan dari titik, garis, maupun kurva
yang dihasilkan dari susunan-susunan vektor tidak terikat pada piksel, sehingga
logo, ikon, hingga animasi untuk website. SVG menawarkan ukuran file
b. AI (Adobe Illustrator)
web. Anda dapat mengubahnya menjadi format lain seperti JPEG, PNG, dan
GIF; sehingga pada akhirnya tetap bisa dimanfaatkan untuk konten web.
mengurangi kualitasnya.
Format ini termasuk ke dalam kategori vector dan bisa digunakan untuk
elemen lainnya dalam PDF. PDF hanya dijadikan lampiran atau pelengkap
konten website dalam file terpisah, dan tidak bisa ditampilkan secara
Wajah atau muka (face) adalah bagian depan dari kepala, pada manusia
meliputi wilayah dari dahi hingga dagu, termasuk rambut, dahi, alis, pelipis, mata,
hidung, pipi, mulut, bibir, gigi, kulit, termasuk dagu. Wajah terutama digunakan
untuk ekspresi wajah, penampilan, serta identitas. Tidak ada satu wajahpun yang
Menurut (Budi et al., 2018, h.9), wajah adalah organ pusat untuk ekspresi,
pengenalan, dan komunikasi manusia. Wajah terdiri dari empat organ perasa yang
sangat penting, yaitu hidung, mata, telinga, dan lidah. Pada tubuh manusia, wajah
berada di bagian anterior (depan) kepala dan memanjang dari dahi hingga ke
dagu. Bentuk dan rupa wajah dinilai berdasarkan struktur tulang dan otot wajah.
Menurut (Budi et al., 2018, h.12), bagian-bagian dari wajah adalah sebagai
berikut:
1. Dahi merupakan kulit yang berada tepat di bawah batas tumbuh rambut dan
2. Mata merupakan berada di dalam rongga mata dan dilindungi oleh bulu dan
kelopak mata.
Wajah juga memiliki simpul kulit unik yang akan bereaksi pada berbagai
rangsangan melalui jaringan ujung saraf yang luas. Wajah juga merupakan bagian
Menurut (Budi et al., 2018, h.10), bentuk wajah manusia terdiri dari:
1. Oval, bentuk wajah ini adalah bentuk wajah ideal dengan perbandingan
2. Round (bulat), bentuk wajah ini memiliki jarak dari dahi ke dagu sama dengan
jarak antara pelipis kiri dan pelipis kanan. Pipi berbentuk bulan dan rahang
melengkung.
3. Square (persegi), perbandingan panjang dan lebar wajah sama, memiliki dagu
lancip serta rahang yang tajam. Pertumbuhan garis rambut berbentuk siku.
4. Triangle (segitiga), bentuk wajah segitiga ini ciri cirinya adalah dagu
5. Heart (bentuk hati), bentuk wajah ini memiliki dahi lebih lebar dan bentuk
6. Diamond atau belah ketupat, bentuk wajah ini memiliki dahi yang sempit,
bagian pipi dan pelipis sedikit membesar dan kembali runcing pada bagian
dagu.
7. Oblong (panjang), bentuk wajah ini memiliki dahi dan rahang yang cenderung
panjang. Jarak mata ke dahi jauh. Dan rahang agak menonjol dan lancip.
dengan menghitung nilai rata-rata dari intensitas piksel citra yang rusak atau yang
terkena noise, kemudian nilai piksel pada citra yang terkena noise digantikan
Filter merupakan salah satu filtering linear yang berfungsi untuk menghaluskan
dan menghilangkan noise pada suatu citra yang bekerja dengan menggantikan
intensitas nilai pixel dengan rata-rata dari nilai pixel tersebut dengan nilai pixel-
pixel tetangganya.
Nilai citra f(x,y) yang diperbaiki pada tiap titik (x,y) hanya dihitung
dengan menggunakan piksel dalam daerah yang didefinisikan oleh Sxy. Jika g
menyatakan citra yang terkena noise dan f yaitu citra yang deraunya dihilangkan,
1
f ( x , y )=
m∗n
∑ ( s ,t ) ∈ Sxy g(s ,t) (2.1)
Dimana:
1. m x n adalah baris (m) dalam kolom (n) dari Subimage atau kernel pada citra
diketahui Sxy adalah subimage dari sebuah citra dan Sxy berukuran 3 × 3 dengan
5 6 7
5 10 4
4 4 5
1 50
f ( x , y )= ( 5+6+7+ 5+10+4 + 4+ 4+5 ) =
3∗3 9
= 5,55 6
5 6 7
5 6 4
4 4 5
pertama dirilis pada tahun 1970 oleh Cleve Moler. Pada awalnya, MATLAB
berjalannya waktu, program ini terus mengalami perkembangan dari segi fungsi
plot dalam bentuk 2D dan 3D, hingga pengembangan aplikasi antar muka grafis.
dan lanjutan, sedangkan dalam dunia industri, MATLAB dipilih sebagai alat
kontrol, pengolahan citra dan pengolahan sinyal digital), mesin (disain bentuk
3. Bidang ekonomi dan bisnis, terutama dalam hal pemodelan ekonomi, analisis
maupun macOS. Selain itu, MATLAB juga bisa dihubungkan dengan aplikasi
atau bahasa pemrograman eksternal lainnya, seperti C, Java, .NET, dan Microsoft
Excel. Dalam MATLAB tersedia pula kotak kakas (toolbox) yang dapat
kontrol, logika fuzzy, jaringan syaraf tiruan, optimasi, pengolahan citra digital,
Menurut (Dian et al., 2019, h.95), graphical user interface adalah sebuah
aplikasi display dari MATLAB yang mengandung tugas, perintah, atau komponen
core program (m-file) sehingga proses pun akan semakin mudah dan cepat Dalam
tutorial pertama ini, kita akan membuat sebuah GUI sederhana yang akan
sistematis tentang proses dan logika dari kegiatan penanganan informasi atau
suatu program. Bagan alir (flowchart) adalah bagan (chart) yang menunjukkan
alir (flow) di dalam program atau prosedur sistem secara logika. Bagan alir
standart yang dikeluarkan oleh ANSI dan ISO adalah sebagai berikut :
Digunakan untuk
menghubungkan antara
Flow Direction simbol yang satu dengan
2 Symbol / Simbol simbol yang lain (connecting
Arus line). Simbol ini juga
berfungsi untuk menunjukkan
garis alir dari proses.
Digunakan untuk
menunjukkan kegiatan yang
Processing dilakukan oleh komputer.
3 Symbol / Simbol
Proses Pada bidang industri (proses
produksi barang), simbol ini
menggambarkan kegiatan
26
Digunakan untuk
Manual Input menunjukkan input data
10
Symbol secara manual menggunakan
online keyboard.
Manual Digunakan untuk
Operation menunjukkan kegiatan/proses
11 Symbol / Simbol
yang tidak dilakukan oleh
Kegiatan
Manual komputer.
Jika Anda menemukan simbol
Document ini artinya input berasal dari
12 Symbol dokumen dalam bentuk
kertas, atau output yang perlu
dicetak di atas kertas.
Sama seperti document
Multiple symbol hanya saja dokumen
13 Documents
yg digunakan lebih dari satu
dalam simbol ini.
Merupakan simbol yang
menyatakan penggunaan
Display Symbol peralatan output, seperti layar
14
monitor, printer, plotter dan
lain sebagainya.
sejumlah external actors dan hubungannya ke use case yang diberikan oleh
sistem. Use case adalah deskripsi fungsi yang disediakan oleh sistem dalam
28
bentuk teks sebagai dokumentasi dari use case symbol namun dapat juga
sebagai berikut :
pengolahan citra, gambar yang ada diolah sedemikian rupa sehingga gambar
tersebut dapat diproses. Penerapan pengolahan citra pada komputer saat ini
keamanan berbasis data pada karakteristik tubuh atau perilaku yang disebut
teknologi biometrik.
sistem reduksi noise pada citra wajah (face) dengan analisa algoritma Arithmetic
Mean Filter. Algoritma Arithmetic Mean Filter dimulai dengan menghitung nilai
rata-rata dari intensitas piksel citra yang rusak atau yang terkena noise, kemudian
nilai piksel pada citra yang terkena noise digantikan dengan hasil dari nilai rata-
rata tersebut. Dengan penelitian ini diharapkan citra wajah (face) tersebut dapat
diperbaiki dengan proses reduksi noise pada citra untuk meningkatkan kualitas
citra menjadi lebih baik, agar gambar dapat digunakan untuk keperluan tertentu.
Tahap-tahap dalam proses reduksi noise pada citra face adalah sebagai berikut:
30
31
1. Identifikasi Masalah
2. Mengkaji Teori
referesi lainnya.
3. Analisa Algoritma
Pada tahap ini peneliti akan menguji algoritma yang digunakan dalam proses
reduksi noise sebelum merancang sistem, dengan panduan yang sudah ada
4. Perancangan Sistem
seperti rancangan flowchart dan use case diagram serta merancang desain
dari tampilan tatap muka (interface) dari sistem yang akan dibuat. Sistem
5. Implementasi Algoritma
sistem tersebut.
6. Pengujian Sistem
Pada tahap akhir, dilakukan serangkaian pengujian terhadap sistem yang telah
Identifikasi Masalah
Mengkaji Teori
Pengujian Algoritma
Perancangan Sistem
Implementasi Algoritma
Pengujian Sistem
Gambar III.1 Metodologi Penelitian
dari sistem yang akan dibagun. Kebutuhan pada sistem yang akan dijelaskan yaitu
33
spesifikasi minimum manufacturer : Asus; processor : Intel (R) Core (TM) i3-
yang berfungsi untuk menghaluskan dan menghilangkan noise pada suatu citra
yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai
pixel tersebut dengan nilai pixel-pixel tetangganya. Nilai citra f(x,y) yang
diperbaiki pada tiap titik (x,y) hanya dihitung dengan menggunakan pixel dalam
Analisa pengujian algoritma dalam sistem reduksi noise pada citra akan
analisa algoritma yang akan digunakan pada citra face dengan noise yang kualitas
yang buruk, maka diperlukan citra wajah (face) sebagai citra untuk analisa
pengujian algoritma, pada penelitian ini penulis menggunakan citra face sebagai
berikut:
dalam proses perbaikan nilai pixel pada citra terdapat pada langkah-langkah
berikut:
Berikut ini adalah potongan citra dari sampel citra yang akan dianalisa dengan
proses algoritma Arithmetic Mean Filter, potongan yang akan diambil adalah
sebagai berikut:
35
Dalam susunan sebuah pixel dari citra berwarna terdiri dari pixel RGB (Red,
Green, Blue). Pixel diatas mempunyai ukuran 404 x 500 pixel. Analisa akan
mengambil potongan pixel 5 x 5 dari potongan citra diatas, susunan pixel dari
potongan citra berwarna diatas, dapat dilihat pada tabel-tabel pixel dibawah ini:
2 82 74 72 83 93
3 66 79 89 89 93
4 101 115 119 109 99
Dalam proses filtering citra, kernel yang penulis menggunakan adalah kernel
1
3 x 3 dengan persamaan f ( x , y )=
m∗n
∑ ( s ,t ) ∈ Sxy g ( s , t ) , proses perbaikan
nilai pixel pada citra face tersebut adalah sebagai berikut:
15
154 8 159
R(1,1) = 14
173 9 160
137 82 150
1
F ( 1 , 1 )= ∗( 154+158+159+ 173+149+160+137+ 82+ 150 )
3∗3
1
¿ ∗( 1322 )=146,889 ≈ 147
9
15
158 9 161
R(1,2) = 16
149 0 164
15
82 0 155
1
F ( 1 , 2 )= ∗( 158+159+161+149+160+164 +82+150+155 )
3∗3
37
1
¿ ∗( 1338 ) =148,667 ≈ 149
9
16
159 1 161
R(1,3) = 16
160 4 160
15
150 5 167
1
F ( 1 , 3 )= ∗( 159+161+161+160+164+ 160+150+155+167 )
3∗3
1
¿ ∗( 1437 )=159,667 ≈ 160
9
14
173 9 160
R(2,1) = 137 82 150
14
155 2 159
1
F ( 2 , 1 )= ∗( 173+149+160+137+ 82+150+155+142+159 )
3∗3
1
¿ ∗( 1307 )=145,222≈ 145
9
16
149 0 164
R(2,2) = 15
82 0 155
15
142 9 171
1
F ( 2 , 2 )= ∗( 149+160+164 +82+150+155+142+159+171 )
3∗3
1
¿ ∗( 1332 )=148,000 ≈ 148
9
R(2,3) = 16
160 4 160
150 15 167
5
38
17
159 1 158
1
F ( 2 , 3 )= ∗( 160+164 +160+150+155+167+ 159+171+158 )
3∗3
1
¿ ∗( 1444 )=160,444 ≈ 160
9
137 82 150
14
R(3,1) = 155 2 159
16
148 6 144
1
F ( 3 , 1 )= ∗( 137+82+150+ 155+142+ 159+148+166+144 )
3∗3
1
¿ ∗( 1283 ) =142,556 ≈143
9
137 82 150
14
R(3,2) = 155 2 159
16
148 6 144
1
F ( 3 , 2 )= ∗( 137+82+150+ 155+142+159+148+166+144 )
3∗3
1
¿ ∗( 1283 ) =142,556 ≈143
9
15
150 5 167
R(3,3) = 17
159 1 158
16
144 4 163
1
F ( 3 , 3 )= ∗( 150+155+167 +159+171+158+144+ 164+163 )
3∗3
1
¿ ∗( 1431 )=159,000 ≈ 159
9
39
1
F ( 1 , 1 )= ∗( 200+138+105+111+105+111+82+74+ 72 )
3∗3
1
¿ ∗( 998 )=110,889 ≈ 111
9
1
F ( 1 , 2 )= ∗( 138+105+122+105+111+116+ 74+72+83 )
3∗3
1
¿ ∗( 926 )=102,889 ≈ 103
9
1
F ( 1 , 3 )= ∗( 105+122+128+111+116+ 110+72+83+ 93 )
3∗3
1
¿ ∗( 940 )=104,444 ≈ 104
9
1
F ( 2 , 1 )= ∗( 111+105+ 111+ 82+ 74+72+66+79+ 89 )
3∗3
1
¿ ∗( 789 ) =87,666 ≈ 88
9
1
F ( 2 , 2 )= ∗( 105+111+116+74 +72+83+79+ 89+89 )
3∗3
1
¿ ∗( 818 )=90,888 ≈ 91
9
1
F ( 2 , 3 )= ∗( 111+116+110+72+83+ 93+89+89+ 93 )
3∗3
1
¿ ∗( 856 )=95,111 ≈ 95
9
82 74 72
G(3,1) = 66 79 89
101 115 119
1
F ( 3 , 1 )= ∗( 82+74+ 72+ 66+79+89+101+115+119 )
3∗3
1
¿ ∗( 797 )=88,555 ≈ 89
9
74 72 83
G(3,2) = 79 89 89
115 119 109
1
F ( 3 , 2 )= ∗( 74+72+ 83+79+89+89+ 115+119 +109 )
3∗3
1
¿ ∗( 829 )=92,111 ≈ 92
9
72 83 93
G(3,3) = 89 89 93
119 109 99
1
F ( 3 , 3 )= ∗( 72+83+ 93+89+89+ 93+119+109+ 99 )
3∗3
41
1
¿ ∗( 846 )=94,000 ≈ 94
9
57 81 109
B(1,1) = 69 72 92
13
86 3 200
1
F ( 1 , 1 )= ∗( 57+81+109+69+72+ 92+ 86+133+200 )
3∗3
1
¿ ∗( 899 )=99,889 ≈ 100
9
10
81 9 57
B(1,2) = 72 92 79
20
133 0 196
1
F ( 1 , 2 )= ∗( 81+109+57+72+ 92+79+ 133+200+196 )
3∗3
1
¿ ∗( 1019 ) =113,222≈113
9
109 57 48
B(1,3) = 92 79 78
19
200 6 129
1
F ( 1 , 3 )= ∗( 109+57+ 48+92+79+78+ 200+196+129 )
3∗3
1
¿ ∗( 988 )=109,778 ≈ 110
9
69 72 92
13
B(2,1) = 86 3 200
13
66 1 212
42
1
F ( 2 , 1 )= ∗( 69+72+92+86+ 133+200+66+ 131+ 212 )
3∗3
1
¿ ∗( 1061 )=117,889 ≈ 118
9
72 92 79
20
B(2,2) = 133 0 196
21
131 2 195
1
F ( 2 , 2 )= ∗( 172+92+79+133+200+ 196+131+212+195 )
3∗3
1
¿ ∗( 1310 ) =145,556 ≈146
9
92 79 78
19
B(2,3) = 200 6 129
19
212 5 125
1
F ( 2 , 3 )= ∗( 92+79+78+ 200+196+129+212+195+125 )
3∗3
1
¿ ∗( 1306 )=145,111≈ 145
9
13
86 3 200
B(3,1) = 13
66 1 212
49 50 65
1
F ( 3 , 1 )= ∗( 86+133+ 200+66+131+212+ 49+50+65 )
3∗3
1
¿ ∗( 992 ) =110,222 ≈ 110
9
B(3,2) = 20
133 0 196
131 21 195
43
2
50 65 42
1
F ( 3 , 2 )= ∗( 137+82+150+ 155+142+159+148+166+144 )
3∗3
1
¿ ∗( 1224 )=136,000 ≈ 136
9
19
200 6 129
B(3,3) = 19
212 5 125
65 42 57
1
F ( 3 , 3 )= ∗( 200+196+ 129+212+195+125+65+ 42+57 )
3∗3
1
¿ ∗( 1221 )=135,667 ≈ 136
9
Hasil dari perhitungan nilai pixel diatas dengan algoritma Arithmetic Mean
Setelah semua pixel RGB pada citra face telah diolah dengan algoritma
Arithmetic Mean Filter, dan nilai pixel telah disusun menjadi sebuah warna
untuk menmapilkan sebuah citra, maka citra baru hasil perbaikan nilai pixel
Gambar III.4 Hasil Proses Reduksi Noise Pada Sampel Citra Face
Berdasarkan hasil perbaikan nilai pixel pada sampel citra wajah (face) yang
telah dilakukan, diketahui bahwa nilai pixel setelah proses perbaikan mengalami
peningkatan dan ada juga yang mengalami penurunan nilai pixel, nilai pixel baru
didapatkan dari nilai rata-rata (mean) pada nilai pixel yang di proses dengan nilai
45
tetangganya. Nilai pixel tetangga pada pixel yang akan diperbaiki rendah akan
menghasilkan pixel baru yang rendah, sedangkan nilai tetangga pixel yang tinggi
akan menghasilkan nilai pixel baru yang tinggi. Dengan demikian disimpulkan
bahwa perubahan nilai pixel pada citra dengan proses reduksi noise pada citra face
ketetanggan dari nilai pixel yang akan diolah, sehingga dapat menghasilkan nilai
pixel baru.
Sistem yang akan dibangun adalah sistem reduksi noise pada citra digital
mempermudah dalam mengetahui alur dari sistem yang akan dibangun, maka
dibuat rancangan sistem untuk mengetahui alur kerja dari sistem tersebut.
noise pada citra, rancangan flowchart sistem tersebut adalah sebagai berikut:
Mulai
Gambar III.5 Rancangan Flowchart Sistem Reduksi Noise Pada Citra Face
Menggunakan Algoritma Arithmetic Mean Filter
1. Mulai dengan menginputkan citra face yang kualitasnya buruk akibat noise.
2. Selanjutnya sistem akan mengambil nilai pixel RGB dari citra yang di
1
dengan persamaan f ( x , y )=
m∗n
∑ ( s ,t ) ∈ Sxy g ( s , t ) .
4. Setelah selesai sistem akan menggabungkan nilai pixel yang telah diproses
sebelumnya.
dilakukan.
7. Jika hasil proses reduksi noise pada citra yang telah disimpan sudah baik,
antara aktor (pengguna) dengan sistem, rancangan use case diagram dalam sistem
Gambar III.6 Rancangan Use Case Diagram Sistem Reduksi Noise Pada
Citra Face Menggunakan Algoritma Arithmetic Mean Filter
1. User dapat menginputkan citra face pada sistem yang berkualitas buruk
akibat noise.
RGB.
3. User memproses pixel citra tersebut dengan proses reduksi noise pada citra.
4. User dapat menyimpan citra baru hasil proses reduksi noise pada citra.
sistem secara menyeluruh, sehingga user mengerti apa yang akan dilakukan
Rancangan ini adalah tampilan dari menu utama pada sistem yang akan
dibangun, setiap tampilan pada sistem terdiri dari 6 menu, yaitu “Menu
menginputkan citra yang akan di proses oleh sistem, tombol “Reduksi” yang
digunakan untuk memulai proses reduksi noise pada citra dengan sistem,
tombol “Reset” untuk mereset hasil pengolahan yang telah dilakukan dan
49
tombol “Simpan” yang digunakan untuk menimpan citra hasil proses yang
telah dilakukan. Berikut ini adalah rancangan untuk tampilan halaman proses
asli dan pixel-pixel hasil proses proses reduksi yang telah dilakukan. Pada
tampilan ini terdapat 2 tabel data yang digunakan untuk menampilkan nilai
Halaman grafik citra digunakan untuk menampilan dari grafik nilai pixel citra
sebagai berikut:
4.1 Pembahasan
R2014a, untuk memperbaiki kualitas citra face (wajah). Pada sistem ini citra face
yang berkualitas tidak baik akibat noise akan diperbaiki dengan proses reduksi
pada citra. Pengurangan noise atau denois merupakan salah satu proses dalam
yang termasuk cara yang tepat untuk perbaikan untuk menghasilkan gambar yang
lebih jelas serta merupakan bagian dari Image enhancement, yaitu pemrosesan
citra dengan proses pengurangan noise pada citra. Pada citra yang diproses akan
memperbaiki nilai pixel RGB (Red, Green, Blue) dengan memanfaatkan kernel 3
Data input sistem merupakan data yang akan diproses melalui sebuah.
Data input pada sistem yang telah dibangun berupa citra face yang terdapat noise
didalamnya sehingga citra tidak dapat munggambarkan dengan baik sebuah citra
face (wajah), sehingga objek-objek pada citra tidak terlihat dengan jelas. Berikut
ini beberapa citra face (wajah) sebagai data input pada sistem:
51
52
Citra
1 Face 96 KB
1.jpg
Citra
2 Face 133 KB
2.jpg
53
Citra
3 Face 122 KB
3.jpg
Citra
4 Face 119 KB
4.jpg
54
Citra
5 Face 139 KB
5.jpg
Citra
6 Face 106 KB
6.jpg
Antarmuka (interface) dari sistem reduksi noise pada citra yang telah
penerapan metode Arithmetic Mean Filter dalam proses reduksi noise pada citra
halaman-halaman lain pada sistem ini, menu tersebut diantaranya adalah menu
“Menu Utama”, menu “Reduksi Noise”, menu “Pixel Citra”, menu “Grafik Citra”,
menu “Informasi Sistem” dan menu “Keluar”, tampilan antarmuka dari sistem
dari sistem yang telah dibangun, halaman ini terdapat pada menu “Menu
Utama” pada sistem yang telah dibangun, tampilan halaman utama sistem
Tampilan ini terdapat pada menu “Reduksi Noise”, pada tampilan ini
pengguna (user) sistem harus menginputkan citra yang akan di proses oleh
sistem, pada tampilan ini sistem akan menampilkan hasil dari proses
memasukkan citra yang akan diproses oleh sistem, tombol “Reduksi” yang
digunakan untuk proses reduksi noise pada citra yang telah di input ke sistem,
tombol “Simpan Citra” yang digunakan untuk menyimpan citra hasil proses
sistem dan tombol “Reset” yang digunakan untuk mereset pengolahan yang
telah dilakukan pada sistem, tampilan halaman proses perbaikan citra sistem
Pada tampilan ini sistem akan menampilkan pixel RGB pada citra sebelum
dan setelah diproses oleh sistem, tampilan ini terdapat pada menu “Pixel
pixel, tombol tersebut diantaranya: tombol “Pixel Red” yang digunakan untuk
menampilkan pixel red dari citra, tombol “Pixel Green” yang digunakan
untuk untuk menampilkan pixel green dari citra dan tombol “Pixel Blue”
yang digunakan untuk menampilkan pixel blue dari citra yang sebelum dan
Pada tampilan ini sistem akan memberikan informasi hasil pengolahan citra
yang telah dilakukan dengan sistem reduksi noise pada citra dengan bentuk
58
grafik pixel dari citra sebelum dan setelah diproses, tampilan ini terdapat pada
menu “Grafik Citra”. Terdapat 2 tampilan grafik yang akan ditampilkan pada
halaman ini, pertama untuk grafik citra yang belum diproses dan yang ke dua
untuk tampilan citra yang telah diproses oleh sistem melalui proses reduksi
noise. Terdapat garis pixel yang mewakili setiap pixel yang ditampilkan
diantaranya garis merah untuk pixel red, garis hijau untuk pixel green dan
Pada tampilan ini berisikan informasi latar belakang perangcangan sistem dan
alasan sistem ini dirancang, tampilan ini terdapat pada menu “Informasi
Berikut pesan yang akan dikeluarkan oleh sistem ketika pengguna akan
keluar dari sistem, tampilan ini akan muncul ketika pengguna mengklik menu
4.2 Implementasi
citra yang digunakan dan perancangan antarmuka pada sistem. Penerapan metode
60
reduksi noise pada citra dan perancangan antarmuka sistem citra yang sudah
citra digital yang sudah dapat digunakan. Implementasi tersebut dilakukan pada
Mean Filter pada script program sehingga sistem dapat melakukan proses reduksi
rancangan sistem terhadap sistem perbaikan citra, maka untuk mengetahui hasil
dari implementasi sistem tersebut maka perlu dilakukan uji coba terhadap sistem
Proses reduksi noise pada citra meggunakan sistem yang telah dibangun
Proses reduksi noise pada citra terdapat di menu “Reduksi Noise”, pada
tahap ini pengguna harus penginputkan citra face pada sistem dengan
Pada tampilan gambar diatas, dapat dilihat citra yang berhasil diinputkan
pada sistem akan ditampilkan pada kolom “Citra Input”, dengan size citra
“96,6 KB” pada tampilan tersebut juga menampilkan informasi dari citra
face, maka hasil reduksi noise pada citra yang diinputkan dapat dilihat
pada kolom “Citra Reduksi Noise” pada sistem, berikut ini tampilan
Dapat dilhat pada tampilan sistem diatas setelah proses redukasi noise
pada citra face dengan nama file “Citra Face 1.jpg” berhasil nemapilkan
hasil citra yang lebih baik dari pada citra sebelumnya dengan size
“115,9KB”.
Pada tahap ini pengguna akan melakukan proses penyimpanan citra hasil
proses reduksi noise pada citra menggunakan sistem yag telah dibangun.
Analisa proses reduksi noise pada analisa sistem akan menampilkan proses
reduksi noise pada citra menggunakan metode Arithmetic Mean Filter. Proses
yang akan ditampilkan merupakan proses dari pixel RGB yang diolah, untuk
mengetahui proses yang terjadi pada sistem, pengguna dapat menekan tombol
3. Pixel Citra
Pada bagian ini sistem akan menampilkan nilai keseluruhan dari pixel yang
telah diolah oleh sistem, tampilan ini dapat dilihat pada men “Pixel Citra”,
pada halaman tersebut sistem akan menampilkan 2 kolom nilai pixel, kolom
pertama untuk pixel dari citra yang belum diolah, kolom kedua untuk pixel
yang sudah melalui proses reduksi noise dengan metode Arithmetic Mean
Filter. Pada tampilan ini pengguna dapat menggunakan tombol pixel sesuai
ataupun sebelum diproses. Berikut ini nilai pixel pada citra “Citra Face 1.jpg”
a. Pixel Red
c. Pixel Blue
4. Grafik Citra
Grafik citra yang akan ditampilkan oleh sistem merupakan hasil proses dari
citra “Citra Face 1.jpg”, pada tampilan ini sistem akan membandingkan citra
Filter berdasarkan grafik dari pixel citra. Setiap grafik dari nilai pixel citra
mewakili nilai dari pixel yang ditampilkan, seperti pixel Red yang diwalkan
oleh garis merah, pixel Green yang diwakili oleh garis hijau dan pixel Blue
yang diwakili oleh garis biru. Tampilan grafik citra dapat dilihat setelah
pengguna melakukan proses terhadap citra yang, tampilan ini terdapa pada
menu “Grafik Citra”. Berikut ini adalah tampilan dari grafik citra pada citra
Hasil uji coba sistem merupakan data keluaran hasil proses yang telah
dilakukan pada sistem terhadap data input yang di berikan pada sistem. Setelah
melakukan beberapa uji coba bada sistem yang telah dibangun dengan
menggunakan metode Arithmetic Mean Filter untuk mereduksi noise pada citra
yang diinputkan pada sistem. Dalam hasil coba ini pengguna dapat melihat hasil
citra yang lebih baik dari proses reduksi noise yang telah dilakukan menggunakan
sistem serta perubahan dari size citra yang telah dirposes, maka citra hasil proses
yang telah dilakukan terhadap sistem yang telah dibangun dapat dilihat pada tabel
berikut:
69
Citra
1 Face 1 115 KB
baru.jpg
Citra
2 Face 2 159 KB
baru.jpg
70
Citra
3 Face 3 147 KB
baru.jpg
Citra
4 Face 4 142 KB
baru.jpg
71
Citra
5 Face 5 166 KB
baru.jpg
Citra
6 Face 6
baru.jpg
72
dilakukan untuk menjaga suatu sistem atau memperbaikinya sampai suatu kondisi
yang bisa diterima oleh pengguna, maka tahap-tahap dalam pemeliharaan sistem
diinput ke sistem, karena tidak semua format citra dapat di input ke sistem,
2. Jika terjadi kesalahan pada operasi proses reduksi noise pada citra
yang dapat proses dengan memperhatikan segala aspek yang berguna bagi
5.1 Kesimpulan
kesimpulan terhadap sistem reduksi noise pada citra, kesimpulan tersebut sebagai
berikut:
pada suatu citra yang bekerja dengan menggantikan intensitas nilai pixel
dengan rata-rata dari nilai pixel tersebut dengan nilai pixel-pixel tetangganya.
Untuk memperjelas objek pada citra face (wajah) yang diinputkan maka
3. Dari hasil uji coba yang dilakukan pada sistem yang telah dibangun
menghasilkan citra baru yang memiliki kualitas yang lebih baik dari pada
citra yang diinputkan pada sistem. Proses yang dilakukan pada citra “Citra
Face 1.jpg” dengan size 96,9 KB meingkat menjadi 115 KB setelah proses
73
74
5.2 Saran
beberapa saran yang dapat berguna dimasa yang akan datang, saran tersebut
sebagai berikut:
metode sekaligus tidak hanya metode Arithmetic Mean Filter, dan diterapkan
2. Pada masa yang akan datang diharapkan sistem pengolahan citra digital yang
hanya memiliki batasan berformat, tetapi dapat luas lagi, sesuai dengan
Anam, C., Haryanto, F., Widita, R., Arif, I., Dougherty, G., Fisika, D.,
Diponegoro, U., & Fisika, D. (2020). Reduksi Noise Pada Citra Ct Scan
Hasil Rekonstruksi Metode Filtered Back-Projection (FBP) Menggunakan
Filter Wiener Dan Median Filter. Prosiding Seminar Nasional Keselamatan
Kesehatan Dan Lingkungan Dan Pengembangan Teknologi Nuklir, January
2020.
Ashari, Latif, N., & Astuti, A. (2019). Pengolahan Citra Digital Untuk
Menentukan Bobot Sapi Menggunakan Metode Canny Edge Detection
Berdasarkan Jenis Format Citra. JURNAL ILMIAH ILMU KOMPUTER,
5(1). https://doi.org/10.35329/jiik.v5i1.24
Budi, A., Suma’inna, S., & Maulana, H. (2018). Pengenalan Citra Wajah Sebagai
Identifier Menggunakan Metode Principal Component Analysis (PCA).
JURNAL TEKNIK INFORMATIKA, 9(2).
https://doi.org/10.15408/jti.v9i2.5608
Dian, J. P., Liam, A. J., Josua, K. A., & Lilis, H. (2019). Penggunaan MATLAB
Dalam Proses Pengolahan Citra Digital. In Advanced Textbooks in Control
and Signal Processing. https://doi.org/10.1007/978-981-10-8321-1_1
Fitri, M. (2019). Implementasi Reduksi Noise Pada Citra Ultrasonografi (USG)
Menggunakan Metode Arithmetic Mean Filter. Jurnal Pelita Informatika,
3(Januari).
Irwansyah, M. (2017). Implementasi Order-Statistic Filter untuk Mereduksi Noise
pada Citra Digital. Informasi Dan Teknologi Ilmiah (INTI).
Mulyani, A., & Apriyanti, G. (2020). Penerapan Metode Algoritma Arithmetic
Mean Filter Untuk Mereduksi Noise Salt And Pepper Pada Citra. Jurnal
TECHNO Nusa Mandiri, 13(2).
Nurhidayah, Abdul Samad, B., & Abdullah, B. (2020). Perbandingan Metode
Contrast Enhancement pada Citra CT-Scan Kanker Paru-paru Dengan Proses
Teknik Pengolahan Citra Digital. Gravitasi, 19(2).
https://doi.org/10.22487/gravitasi.v19i2.15360
Prayogi, M. D., & Nababan, A. A. (2021). Implementasi Reduksi Noise Pada
Citra Rontgen Menggunakan Algoritma Arithmetic Mean Filter. JIKOMSI
[Jurnal Ilmu Komputer Dan Sistem Informasi], 3(3).
https://doi.org/10.1109/TCSII.2012.2218473
Rully, M., Sokibi, P., & Adam, R. (2020). Rancang Bangun Sistem Informasi
Pengelolaan Arsip Data Kerjasama Tri Dharma Perguruan Tinggi
Menggunakan Metode Alphabetical Filing System. JURNAL PETIK, 6(2).
https://doi.org/10.31980/jpetik.v6i2.839
Simangunsong, M. (2019). Implementasi Reduksi Noise Pada Citra
Ultrasonografi (USG) Menggunakan Metode Harmonic Mean Filter.
Majalah Ilmiah INTI, 14(1), 26–28.
Simanjuntak, D. Y. (2019). Reduksi Noise Salt And Paper Pada Citra
Pankromatik. Majalah Ilmiah INTI, 258–263.
Suhardi, A., Mukaf, R. A., & Hendro, A. (2019). Optimasi Flowchart Untuk
Mendukung Sistem Pendidikan Sekolah Menengah Pertama (SMP). Pelita
Jurnal, 3(3), 43–50.
Pembimbing I:
NIDN : 0111088803
Pembimbing II:
NIDN : 0118086401
NPM : 17451098
seperlunya.