SKRIPSI

REDUKSI NOISE CITRA FACE MENERAPKAN ALGORITMA

ARITHMETIC MEAN FILTER

Oleh :

SYAFATU RAHMAN
17451098

JENJANG PENDIDIKAN STRATA 1

PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
KAPUTAMA
BINJAI
2021
 SKRIPSI

REDUKSI NOISE CITRA FACE MENERAPKAN ALGORITMA

ARITHMETIC MEAN FILTER

Untuk Memperoleh Gelar Sarjana Komputer

Pada Program Studi Teknik Informatika
Di Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Kaputama

Oleh :

SYAFATU RAHMAN
17451098

JENJANG PENDIDIKAN STRATA 1

PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
KAPUTAMA
BINJAI
2021
 PERSETUJUAN SKRIPSI

Judul Skripsi : Reduksi Noise Citra Face Menerapkan Algoritma

Arithmetic Mean Filter
Nama : Syafatu Rahman
NPM : 17451098
Jenjang Pendidikan : Strata 1
Program Studi : Teknik Informatika

Menyetujui:

Pembimbing I Pembimbing II

Achmad Fauzi, S. Kom., M. Kom. Anton Sihombing, SE., MM.

NIDN. 0111088803 NIDN. 0118086401

Ketua STMIK Kaputama

Ketua Program Studi
Teknik Informatika

Budi Serasi Ginting, S. Kom., M.

Kom. Achmad Fauzi, S. Kom., M. Kom.
NIDN. 0116046803 NID. 0111088803

Telah Lulus dan Diuji Pada :

Hari / Tanggal : Jum’at/15 Oktober 2021
 SURAT PERNYATAAN

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.

Binjai, 8 Oktober 2021

Syafatu Rahman
NPM. 17451098
 ABSTRAK

Citra wajah (face image) banyak digunakan sebagai persyaratan

administrasi, contohnya mendaftar pekerjaan, masuk perguruan tinggi atau
sekolah dan sebagainya. Citra wajah digunakan oleh pihak kepolisian, salah
satunya untuk mengenali pelaku dalam sebuah kejahatan kriminal, juga bisa
digunakan dalam penyelidikan untuk mengkap menggunkan pecocokan wajah
pelaku kejahatan dengan data identitas yang terdapat pada kepolisian seperti KTP
dan tanda identitas lain yang menggunakan citra wajah didalamnya. Noise terjadi
akibat alat perekam yang menangkap gambar tersebut memiliki kualitas yang
rendah sehingga citra yang dihasilkan tidak memiliki 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. 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 nilai pixel tersebut. Sistem dirancang
dengan aplikasi pemrograman MATLAB R2014a, setelah melakukan proses
pengujian pada beberapa citra wajah, didapatkan hasil bahwa Proses yang
dilakukan pada citra “Citra Face 1.jpg” dengan size 96,9 KB meingkat menjadi
115 KB setelah proses reduksi yang telah dilakukan pada sistem yang telah
dibagun.

Kata Kunci: Aritheatic_Mean_Filter, Citra_Digital, Face.

i
 ABSTRACT

Face image is widely used as an administrative requirement, for example

applying for a job, entering college or school and so on. Facial images are used
by the police, one of which is to identify perpetrators in a criminal crime, it can
also be used in investigations to capture using matching the faces of the
perpetrators of crimes with identity data contained in the police such as ID cards
and other identity signs that use facial images in them. Noise occurs because the
recording device that captures the image has low quality so that the resulting
image does not have good quality, which results in reduced information on the
image obtained. Noise can be in the form of black spots on the image which can
be caused by dust or imperfect digital image storage processes. Noise in the
image is very disturbing because it has a bad effect on the image. One of the
algorithms or methods that can be used in the image noise reduction system is the
Arithmetic Mean Filter algorithm. Aritheatic Mean Filter Algorithm is a linear
filtering technique that functions to smooth and remove noise in the image, which
works by replacing the intensity of the pixel value with the average of the pixel
value. The system is designed with the MATLAB R2014a programming
application, after carrying out the testing process on several face images, the
results show that the process carried out on the "Face Image 1.jpg" image with a
size of 96.9 KB increases to 115 KB after the reduction process has been carried
out on the system. which has been built.

Keywords: Aritheatic_Mean_Filter, Citra_Digital, Face.

ii
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah

memberikan berkat, rahmat dan hidayahnya kepada penulis, sehingga dapat

menyelesaikan Skripsi yang merupakan salah satu syarat menyelesaikan Studi

pada jenjang pendidikan Strata 1 (S1) program studi Teknik Informatika. Adapun

judul dari skripsi ini adalah “Reduksi Noise Citra Face Menerapkan Algoritma

Arithmetic Mean Filter”.

Dalam penyusunan Skripsi ini, penulis banyak menerima bantuan, saran

petunjuk dalam menyelesaikan Skripsi ini, baik berupa bimbingan dan kritikan

yang membangun. Melalui kesempatan ini, penulis ingin menyampaikan terima

kasih yang sangat besar kepada:

1. Bapak Budi Serasi Ginting, S. Kom., M. Kom., selaku Ketua STMIK

Kaputama.

2. Bapak Achmad Fauzi, S. Kom., M. Kom., selaku Ketua Program Studi Teknik

Informatika sekaligus selaku dosen Pembimbing I yang telah memberikan

masukkan yang membantu penulis dalam menyelesaikan Skripsi ini selama

melakukan bimbingan.

3. Bapak Anton Sihombing, SE., MM., selaku dosen Pembimbing I yang

memberikan masukkan yang membantu penulis dalam menyelesaikan Skripsi

ini selama melakukan bimbingan.

4. Seluruh dosen pengajar STMIK Kaputama yang telah banyak memberikan

ilmu selama penulis mengikuti perkuliahan.

iii
5. Seluruh staf dan pegawai STMIK Kaputama yang telah memberikan semangat

dan pelayanan administrasi yang baik, selama penulis menyelesaikan

perkuliahan.

6. Teristimewa untuk Ayah, Ibu dan seluruh keluarga yang telah memberikan

semangat, kasih sayang, dukungan dan juga do’a yang ikhlas selama penulis

mengikuti perkuliahan di STMIK Kaputama.

7. Dan juga seluruh teman-teman Program Studi Teknik Informatika seangkatan

2017, yang telah memberikan dukungan, do’a yang ikhlas dan semangat

kepada penulis selama perkuliahan di STMIK Kaputama.

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

dan semua orang yang membutuhkannya.

Binjai, 8 Oktober 2021

Syafatu Rahman
NPM. 17451098

iv
 DAFTAR RIWAYAT HIDUP

Nama Lengkap : Syafatu Rahman

NPM : 17451098
Jenis Kelamin : Laki-laki
Tempat, Tanggal Lahir : Paluh Medan, 27 November 1997
Alamat : Dusun III Paluh Medan, Desa Besilam, Kec. Padang Tualang
Jenjang Pendidikan : Strata 1 (S1)
Program Studi : Teknik Informatika (TI)
Status Menikah : Belum Menikah
Agama : Islam
Pendidikan :
Kota/ Tahun
Jenjang Pendidikan Nama Sekolah
Kabupaten Pendidikan
SD MIS Halmimsyah Langkat 2005-2011
SMP Mts. Negeri 1 Stabat Langkat 2011-2014
SMA SMK Negeri 1 Stabat Langkat 2014-2017
Strata 1 STMIK Kaputama Binjai 2017-Sekarang

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

Binjai, 8 Oktober 2021

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

Tabel I.1 Rencana Kegiatan...................................................................................7

Tabel II.1 Simbol-Simbol Flowchart....................................................................25
Tabel II.2 Simbol-Simbol Use Case Diagram.....................................................28
Tabel III.1 Sampel Pixel Red Ukuran 5 x 5...........................................................35
Tabel III.2 Sampel Pixel Green Ukuran 5 x 5.......................................................35
Tabel III.3 Sampel Pixel Blue Ukuran 5 x 5..........................................................36
Tabel III.4 Hasil Proses Sampel Pixel Red Ukuran 5 x 5......................................42
Tabel III.5 Hasil Proses Sampel Pixel Green Ukuran 5 x 5..................................42
Tabel III.6 Hasil Proses Sampel Pixel Blue Ukuran 5 x 5.....................................43
Tabel IV.1 Citra Sebagai Data Input Sistem..........................................................52
Tabel IV.3 Citra Hasil Uji Coba Sistem................................................................69
 DAFTAR GAMBAR

Gambar II.1 Halaman Utama GUI MATLAB...................................................24

Gambar III.1 Metodologi Penelitian...................................................................32
Gambar III.2 Sampel Citra Face.........................................................................34
Gambar III.3 Potongan Citra Dari Sampel Citra Face........................................35
Gambar III.4 Hasil Proses Reduksi Noise Pada Sampel Citra Face...................43
Gambar III.5 Rancangan Flowchart Sistem Reduksi Noise Pada Citra Face
Menggunakan Algoritma Arithmetic Mean Filter.......................45
Gambar III.6 Rancangan Use Case Diagram Sistem Reduksi Noise Pada
Citra Face Menggunakan Algoritma Arithmetic Mean Filter.....46
Gambar III.7 Rancangan Tampilan Halaman Menu Utama..............................47
Gambar III.8 Rancangan Tampilan Halaman Reduksi Noise............................48
Gambar III.9 Rancangan Tampilan Halaman Pixel Citra..................................49
Gambar III.10 Rancangan Tampilan Halaman Grafik Pixel................................49
Gambar III.11 Rancangan Tampilan Halaman Informasi Sistem........................50
Gambar IV.1 Tampilan Halaman Menu Utama Pada Sistem............................55
Gambar IV.2 Tampilan Halaman Reduksi Noise Pada Sistem..........................56
Gambar IV.3 Tampilan Halaman Pixel Citra Pada Sistem................................57
Gambar IV.4 Tampilan Halaman Grafik Citra Pada Sistem..............................58
Gambar IV.5 Tampilan Halaman Informasi Sistem Pada Sistem......................59
Gambar IV.5 Tampilan Keluar Sistem..............................................................59
Gambar IV.6 Tampilan Setalah Input Citra.......................................................61
Gambar IV.8 Tampilan Setelah Proses Reduksi Noise Pada Citra....................62
Gambar IV.9 Tampilan Setelah Proses Simpan Citra........................................63
Gambar IV.10 Analisa Proses Pixel Red.............................................................64
Gambar IV.11 Analisa Proses Pixel Green..........................................................64
Gambar IV.11 Analisa Proses Pixel Blue............................................................65
Gambar IV.10 Pixel Red......................................................................................66
Gambar IV.11 Pixel Green..................................................................................66
Gambar IV.12 Pixel Blue.....................................................................................67
Gambar IV.13 Grafik Citra..................................................................................68

ix
 DAFTAR LAMPIRAN

Lampiran 1 : Surat Keputusan Dosen Pembimbing Skripsi

Lampiran 2 : Surat Bersedia Membimbing
Lampiran 3 : Litsing Program
Lampiran 4 : Kartu Bimbingan

xi
 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Pengolahan citra terhadap komputer merupakan sebuah penemuan di

bidang komputer yang digunakan untuk menghasilkan suatu sistem yang hampir

mendekati dengan sistem visual manusia pada umumnya. Pengolahan citra

merupakan salah satu jenis teknologi untuk menyelesaikan masalah tentang proses

pengolahan gambar digital. Dalam pengolahan citra, gambar yang ada diolah

sedemikian rupa sehingga gambar tersebut dapat diproses. Penerapan pengolahan

citra pada komputer saat ini banyak dipergunakan pada perusahaan dan lembaga

untuk meningkatkan sistem keamanan berbasis data pada karakteristik tubuh atau

perilaku yang disebut teknologi biometrik.

Citra wajah (face image) banyak digunakan sebagai persyaratan

administrasi, contohnya mendaftar pekerjaan, masuk perguruan tinggi atau

sekolah dan sebagainya. Citra wajah digunakan oleh pihak kepolisian, salah

satunya untuk mengenali pelaku dalam sebuah kejahatan kriminal, juga bisa

digunakan dalam penyelidikan untuk mengkap menggunkan pecocokan wajah

pelaku kejahatan dengan data identitas yang terdapat pada kepolisian seperti KTP

dan tanda identitas lain yang menggunakan citra wajah didalamnya.

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.

Berdasarkan pengamatan tersebut, dibutuhkan sebuah sistem pengolahan

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

nilai pixel tersebut.

Sebagai pendukung pada penelitian ini, penulis menggunakan beberapa

jurnal penelitian, diantaranya penelitian dari (Prayogi & Nababan, 2021) dengan

judul “Implementasi Reduksi Noise Pada Citra Rontgen Menggunakan Algoritma

Arithmetic Mean Filter” yang menyimpulkan bahwa sistem aplikasi berbasis

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

lebih halus dari sebelumnya.

Berdasarkan uraian latar belakang masalah dan penelitian pendukung di

atas penulis mengambil penelitian dengan judul “Reduksi Noise Citra Face

Menerapkan Algoritma Arithmetic Mean Filter”.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, maka penulis merumuskan

permasalahan sebagai berikut:

1. Bagaimana merancang sistem reduksi noise pada citra face dengan

menerapkan algoritma Aritmethic Mean Filter?

2. Bagaimana mengimplentasikan algoritma Arithmetic Mean Filter pada sistem

rekusi noise pada citra face?

3. Bagaimana hasil penerapan algoritma Arithmetic Mean Filter pada sistem

reduksi noise pada citra face?

1.3 Batasan Masalah

Dalam pelaksanaan penelitian ini penulis membatasi permasalahan yang

akan dibahas. Adapun batasan masalah yang akan dibahas penulis adalah sebagai

berikut :

1. Sistem akan dibangun menggunakan algoritma Arithmetic Mean Filter.

 4

2. Program tersebut akan dibangun menggunakan aplikasi pemrograman

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.

1.4 Tujuan Penelitian

Adapun tujuan penelitian ini adalah :

1. Untuk merancang sistem reduksi noise pada citra face dengan menerapkan

algoritma Aritmethic Mean Filter.

2. Untuk mengimplentasikan algoritma Arithmetic Mean Filter pada sistem

rekusi noise pada citra face.

3. Untuk mengetahui hasil penerapan algoritma Arithmetic Mean Filter pada

sistem reduksi noise pada citra face.

1.5 Manfaat Penelitian

Manfaat yang didapat dalam penelitian ini antara lain:

1. Mengetahui cara kerja algoritma Arithmetic Mean Filter dalam mereduksi

noise pada citra wajah (face).

2. Dengan sistem yang dihasilkan dapat mempermudah pengguna dalam proses

reduksi noise pada citra (face).

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),

untuk kebutuhan tertentu, terutama untuk kepentingan penyelidikan di

kepolisian.

1.6 Sistematika Penulisan

Agar hasil penelitian ini dapat digunakan semaksimal mungkin maka

secara garis besar saya menyajikan laporan ini dalam 5 (lima) bab, yang setiap isi

babnya adalah sebagai berikut:

BAB I : PENDAHULUAN

Dalam bab ini penulisan menguraikan secara singkat mengenai

latar belakang masalah, rumusan masalah, batasan masalah,

tujuan penelitian, manfaat penelitian, sistematika penulisan, dan

rancangan kegiatan.

BAB II : LANDASAN TEORI

Pada bab ini menerangkan teori dasar yang berhubungan dengan

penelitian seperti terori tentang citra, pengolahan citra, algoritma

yang digunakan dan aplikais pemrograman yang digunakan. Pada

bab ini juga mencantumkan penelitian terdahulu sebagai

pendukung penelitian.

BAB III : ANALISIS DAN PERANCANGAN

Pada bab ini mengemukakan analisa masalah algoritma yang

digunakan dan perancangan program yang akan dibuat pada

penelitian ini.
 6

BAB IV : PEMBAHASAN DAN IMPLEMENTASI

Pada bab ini mengemukakan pembahasan tentang hasil

implementasi sistem yang dirancang mencakup uji coba sistem,

tampilan serta pemeliharaan perangkat yang telah dibangun.

BAB V : KESIMPULAN DAN SARAN

Dalam bab ini penulis menguraikan kesimpulan dari hasil

penulisan laporan serta saran yang dapat digunakan sebagai

masukan baik kepada instansi tempat penulis demi kesempurnaan

penelitian berikutnya.

1.1 Rencana Kegiatan

Rencana kegiatan merupakan menjadwalkan kegiatan yang direncanakan

mulai dari tahap identifikasi masalah sampai dengan kegiatan sidang. Adapun

rancangan kegiatan seperti pada tabel berikut :

 Tabel I.1 Rencana Kegiatan
Juni 2021 Juli 2021 Agustus 2021 September 2021 Oktober 2021
No Keterangan
I II III IV I II III IV I II III IV I II III IV I II III IV
Identifikasi
1
Masalah
Analisis Kebutuhan
2
Sistem
3 Pengumpulan Data
Membuat
4
Rancangan Sistem
Rancangan Bangun
5
Program
Uji Coba Program
6
(Testing)
Revisi Konsep
7 Desain Rancangan
dan Kode Program

8 Sidang Meja Hijau

7
 BAB II
LANDASAN TEORI

2.1 Penelitian Terdahulu

Dalam penelitian terdahulu ini diharapkan penulis dapat melihat perbedaan

antara penelitian yang telah dilakukan dengan penelitian yang akan dilakukan.

Penulis mencantumkan beberapa hasil penelitian terkait topik yang berkesesuaian

dengan yang penulis akan buat, tetapi dengan objek yang berbeda.

Penelitian pertama oleh (Prayogi & Nababan, 2021, h.84-90) dengan judul

“Implementasi Reduksi Noise Pada Citra Rontgen Menggunakan Algoritma

Arithmetic Mean Filter”, dalam penelitian tersebut hasil dari penelitian

menyimpulkan bahwa dengan penerapan algoritma yang di pakai dan

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

visual, dan seiring perkembangan teknologi dibidang komputerisasi, pengolahan

citra juga banyak digunakan di berbagai bidang, salah satunya dibidang

kedokteran. Untuk dapat membantu pengerjaan sehingga mendapatkan hasil yang

efisien.

Penelitian kedua oleh (Mulyani & Apriyanti, 2020, h.8-14) dengan judul

“Penerapan Metode Algoritma Arithmetic Mean Filter Untuk Mereduksi Noise

Salt And Pepper Pada Citra”, dalam penelitian tersebut hasil dari penelitian

menyimpulkan bahwa dengan algoritma yang dipakai aplikasi ini menghasilkan

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

MATLAB R2013a for windows.

2.2 Pengertian Reduksi

Menurut (Simanjuntak, 2019, h.258), pengurangan noise atau denois

adalah salah satu proses dalam perbaikan citra untuk menghasilkan

citra/gambar/foto yang jelas, perbaikan citra yang termasuk cara yang tepat untuk

perbaikan untuk menghasilkan gambar yang lebih jelas. restorasi citra sebagai

proses sebagai proses yang berusaha merekonstruksi atau mengembalikan suatu

citra yang mengalami degradasi.

Operasi-operasi yang dilakukan di dalam pengolahan citra banyak

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

signifikan seperti noise, gangguan geometris, radiometrik dan beberapa gangguan

faktor alam lainnya. Suatu metode pendekatan peningkatan mutu citra yang

terbaik untuk satu implementasi belum tentu baik untuk implementasi lainnya,

sebab karakteristik citra dapat saling berbeda.

Berdasarkan cakupan operasi yang dilakukan terhadap citra, Operasi

reduksi citra dikategorikan sebagai berikut:

1. Operasi titik, yaitu operasi yang dilakukan terhadap setiap piksel pada citra

yang keluarannya hanya ditentukan oleh nilai piksel itu sendiri.

 10

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

nilai piksel-piksel yang memiliki hubungan ketetanggaan dengan piksel yang

sedang diolah.

3. Operasi global, yaitu operasi yang dilakukan tehadap setiap piksel pada citra

yang keluarannya ditentukan oleh keseluruhan piksel yang membentuk citra.

2.3 Pengertian Noise

Noise (derau) merupakan penyebab utama penurunan kualitas 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

memiliki noise, sehingga bila dibutuhkan analisa berbantuan komputer, perlu

dilakukan preproses untuk memperbaiki kualitas citra (enhancement), agar deteksi

selanjutnya bisa lebih tepat atau presisi.

Menurut (Simangunsong, 2019, h.26), derau (noise) adalah suatu sinyal

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

juga dapat membatasi informasi pada citra, mempengaruhi sensitivitas/kepekaan

citra dan bahkan akan mengakibatkan pengurangan kualitas pada citra.

Menurut (Mulyani & Apriyanti, 2020, h.10) derau (noise) dalam

pengolahan citra digital merupakan gangguan yang disebabkan oleh

menyimpangnya data digital yang diterima oleh alat penerima data gambar. Noise

memiliki tiga jenis yakni noise Aditif, Gaussian dan Speckle.

2.3.1 Jenis-Jenis Noise

Noise atau derau yang dihasilkan perangkat elektronik sangat bervariasi

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

Berikut ini adalah jenis-jenis noise berdasarkan kategori tersebut:

1. Internal Noise (Derau Internal), internal noise adalah noise yang dibangkitkan

oleh komponen-komponen dalam sistem komunikasi itu sendiri. Internal Noise

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

bukan disebabkan oleh komponen dari rangkaian atau perangkat

elektronik/listrik. Eksternal noise ini terdiri dari Atmospheric Noise, Industrial

Noise dan Extraterrestrial Noise.

 12

Menurut (Mulyani & Apriyanti, 2020, h.11) berdasarkan bentuk dan

karakteristiknya, derau pada citra dibedakan menjadi beberapa macam yaitu:

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

yang tersebar pada citra.

2. Derau Gaussian, derau gaussian merupakan bentuk ideal dari derau putih,

Derau Gaussian dikatakan derau putih karena mempunyai distribusi normal.

3. Derau Speckle, derau Speckle dapat disebut juga dengan derau multiplikatif

(multiplicative noise). Derau speckle sering dijumpai pada aplikasi radar.

4. Derau Periodik, derau periodik sifatnya periodik (bukan acak) menghasilkan

derau periodik. Citra yang terkorupsi oleh derau periodik secara visual tampak

terdapat garis-garis pada citra.

Menurut (Irwansyah, 2017, h.56), berdasarkan tipenya, ada 3 tipe noise

yang umum pada pemrosesan citra digital, yaitu sebagai berikut :

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

window yang dievaluasi.

2. Additive Noise, adalah sinyal-sinyal dengan magnitude acak yang terdistribusi

secara gauss pada suatu citra digital.

 13

3. Multiplicative Noise, adalah suatu multiplikasi atau konvolusi dari beberapa

noise dengan magnitude, distribusi dan intensitas yang berbeda.

2.3.2 Penyebab Noise

Menurut (Prayogi & Nababan, 2021, h.82), sumber dasar dari noise dalam

citra digital muncul selama pengambilan citra (image acquisition) kemudian

mendigitalisasikannya (digitization) atau mengirimkan (transmission). Performa

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

berapa besar noise yang dihasilkan pada citra yang dihasilkan.

Citra yang terkorupsi selama transmisi pada dasarnya disebabkan karena

adanya interferensi pada kanal yang digunakan untuk transmisi, misalnya

transmisi menggunakan kanal tembaga secara analog, kemudian didigitalisasi,

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.

Menurut (Simangunsong, 2019, h.28), noise juga dapat disebabkan oleh

pengambilan foto yang digunakan menggunakan kamera handphone ataupun

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

pengambilan citra sehingga dapat menyebabkan terjadinya derau (noise) pada

citra yang dihasilkan.

2.4 Pengertian Citra

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.

Menurut (Prayogi & Nababan, 2021, h.84), citra merupakan kombinasi

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,

citra (gambar) digunakan sebagai alat untuk mengungkapkan pertimbangan

(reason), interpretasi, ilustrasi, penggambaran (represent), ingatan (memorise),

pendidikan, komunikasi, evaluasi, navigasi, survai, hiburan, dan lain sebagainya.

2.4.1 Teknik Pengolahan Citra

Menurut (Nurhidayah et al., 2020, h.34), teknik pengolahan citra digital

dibagi menjadi 3 tingkat pengolahan, yakni sebagai berikut :

 15

1. Low-Level Processing (pengolahan tingkat rendah), pengolahan ini

merupakan operasi dasar dalam pengolahan citra, seperti pengurangan noise,

perbaikan citra dan restorasi citra.

2. Mid-Level Processing (pengolahan tingkat menengah), meliputi segmentasi

pada citra, deskripsi objek, dan klasifikasi objek secara terpisah.

3. High-Level Processing (pengolahan tingkat tinggi), meliputi analisis citra.

Pengolahan yang dapat dilakukkan pada citra yaitu sebagai berikut :

a. Image Enhacement, berupa proses perbaikan citra dengan meningkatkan

kualitas citra baik kontras maupun kecerahan. Salah satu tekniknya adalah

dengan cara modifikasi histogram.

b. Image Restoration, proses memperbaiki model citra, biasanya

bergubungan dengan bentuk citra yang sesuai.

c. Color Image Processing, suatu proses yang melibatkan citra berwarna,

baik berupa image enhacement, image restoration, atau yang lainnya.

d. Wavelet dan Multiresolution Processing, merupakan suatu proses yang

menyatakan citra dalam bentuk beberapa resolusi.

e. Image Compression, merupakan proses yang digunakan untuk mengubah

ukuran data pada citra.

f. Morphological Processing, merupakan proses untuk memperoleh

informasi yang menyatakan deskripsi dari suatu bentuk pada citra.

g. Segmentation, merupakan proses untuk membedakan atau memisahkan

objek-objek yang ada dalam suatu citra, seperti memisahkan objek dari
 16

latar belakangnya. Salah satu tekniknya adalah dengan menggunakan

operasi binerisasi otomatis.

h. Object Recognition, merupakan suatu proses yang dilakukan untuk

mengenali objek-objek apa saja yang ada dalam suatu citra.

2.4.2 Jenis-Jenis Format Citra

Menurut (Ashari et al., 2019, h.32), format citra terdiri dari 2 jenis sebagai

penyimpanan dari file citra yaitu:

1. Raster Image Files

Raster adalah format gambar yang paling umum dan banyak ditemukan di

internet. Gambar-gambar dalam tipe ini dibentuk dari serangkaian titik-titik

kecil atau disebut dengan piksel. Adapun beberapa format gambar yang masuk

ke dalam kategori raster diantaranya adalah sebagai berikut:

a. PNG (Portable Network Graphics)

PNG adalah salah satu format terpopuler yang bisa menampilkan gambar

dengan latar belakang transparan. Format ini digunakan untuk membuat

infografis, banner, chart, logo, ilustrasi, komik, dan banyak produk grafis

lainnya. Selain itu, PNG juga mendukung lossless compression dan

menawarkan warna yang tajam.

b. JPEG/JPG (Joint Photographic Experts Group)

JPEG adalah format yang paling banyak digunakan di internet. Beberapa

platform sosial media seperti Facebook dan Instagram bahkan secara

otomatis akan mengubah format gambar yang diunggah menjadi JPEG.

JPEG kompatibel dengan berbagai browser, image viewers, dan berbagai

 17

editor software; serta mempunyai ukuran file yang kecil. Namun sisi

kekurangannya adalah, JPEG masuk ke dalam tipe lossy compression,

sehingga kualitasnya akan menurun jika diperbesar.

c. GIF (Graphics Interchange Format)

GIF dikenal karena kemampuannya dalam menampilkan animasi yang

menarik dan kekinian, sehingga banyak digunakan dalam strategi social

media marketing. GIF mempunyai ukuran file yang kecil, mendukung mode

transparan, dan termasuk ke dalam lossless compression. Namun di sisi lain,

format ini sayangnya tidak dibekali dengan kualitas gambar yang tinggi

serta mempunyai dukungan warna yang terbatas.

d. TIFF (Tagged Image File Format)

Dengan kualitas gambar yang sangat tinggi, TIFF banyak digunakan dalam

industri cetak maupun penerbitan. Tapi ingat, jangan pernah menggunakan

format ini untuk web; karena selain tidak kompatibel dengan berbagai

browser, TIFF juga mempunyai ukuran file yang besar.

e. PSD (Photoshop Document)

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,

sehingga tidak disarankan untuk konten web.

2. Vector Image File Formats

Gambar-gambar dalam format vektor dihasilkan dari titik, garis, maupun kurva

berdasarkan formula matematis dalam komputer. Setiap bentuk dan warna

 18

yang dihasilkan dari susunan-susunan vektor tidak terikat pada piksel, sehingga

dapat diperbesar tanpa mempengaruhi kualitas atau resolusinya. Beberapa

format gambar yang termasuk ke dalam kategori vector antara lain:

a. SVG (Scalable Vector Graphics)

SVG merupakan format grafis berbasis XML (Extensible Markup

Language) dan banyak digunakan untuk membuatkan ilustrasi, diagram,

logo, ikon, hingga animasi untuk website. SVG menawarkan ukuran file

yang kecil dan dapat diakses dari berbagai web browsers.

b. AI (Adobe Illustrator)

AI merupakan format gambar yang dihasilkan dari aplikasi Adobe

Illustrator. Format AI memang tidak bisa diunggah secara langsung untuk

web. Anda dapat mengubahnya menjadi format lain seperti JPEG, PNG, dan

GIF; sehingga pada akhirnya tetap bisa dimanfaatkan untuk konten web.

Berbeda dengan PSD, AI bisa ditingkatkan atau dikurangi skalanya tanpa

mengurangi kualitasnya.

c. PDF (Portable Document Format)

Format ini termasuk ke dalam kategori vector dan bisa digunakan untuk

menampilkan ilustrasi, poster, desain sampul, serta konten grafis lainnya.

Anda juga bisa menambahkan animasi, tombol call-to-action, serta elemen-

elemen lainnya dalam PDF. PDF hanya dijadikan lampiran atau pelengkap

konten website dalam file terpisah, dan tidak bisa ditampilkan secara

langsung layaknya JPEG maupun PNG.

 19

2.5 Pengertian Wajah

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

serupa mutlak, bahkan pada manusia kembar identik sekalipun.

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.

2.5.1 Bagian-Bagian 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

berbatasan dengan alis mata.

2. Mata merupakan berada di dalam rongga mata dan dilindungi oleh bulu dan

kelopak mata.

3. Hidung merupakan termasuk lubang hidung dan septum.

4. Pipi merupakan bagian yang melindungi rahang dan tulang maxilla.

5. Mulut merupakan bagian di mana dapat ditemukan lidah dan gigi.

 20

Wajah juga memiliki simpul kulit unik yang akan bereaksi pada berbagai

rangsangan melalui jaringan ujung saraf yang luas. Wajah juga merupakan bagian

tubuh utama yang menjalankan proses melihat, makan, dan berbicara.

2.5.2 Jenis-Jenis Bentuk Wajah

Menurut (Budi et al., 2018, h.10), bentuk wajah manusia terdiri dari:

1. Oval, bentuk wajah ini adalah bentuk wajah ideal dengan perbandingan

porposional. Wajah ini meimiliki rahang yang ditidak terlalu menonjol.

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

tidak menajam akan tetapi membulat. Garis pertumbuhan rambut juga

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

berbentuk lancip, dan semakin menyempir dari bagian pelipis ke dahi.

5. Heart (bentuk hati), bentuk wajah ini memiliki dahi lebih lebar dan bentuk

wajahnya semakin menyempit kearah dagu.

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.

Bagian dahi datar dan lebar.

 21

2.6 Pengertian Algoritma Arithmetic Mean Filter

Menurut (Fitri, 2019, h.44), 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.

Menurut (Prayogi & Nababan, 2021, h.83), algoritma Arithmetic Mean

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,

hubungan kedua fungsi tersebut adalah sebagai berikut:

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

2. g (s, t) adalah garis dari kolom pixel yang akan di proses

Arithmetic Mean Filter dapat diimplementasikan dengan menggunakan

konvolusi. Contoh perhitungan digital dari algoritma Arithmetic Mean Filter,

diketahui Sxy adalah subimage dari sebuah citra dan Sxy berukuran 3 × 3 dengan

nilai intensitas sebagai berikut:

 22

5 6 7
5 10 4
4 4 5

Maka prosesnya adalah :

1 50
f ( x , y )= ( 5+6+7+ 5+10+4 + 4+ 4+5 ) =
3∗3 9

= 5,55  6

Dari proses perbaikan nilai pixel diatas menggunakan algoritma Arithmetic

Mean Filter, maka didapatkan nilai pixel baru sebagai berikut :

5 6 7
5 6 4
4 4 5

2.7 Pengertian MATLAB

MATLAB adalah singkatan dari Matrix Laboratory karena mampu

menyelesaikan masalah perhitungan dalam bentuk matriks. MATLAB versi

pertama dirilis pada tahun 1970 oleh Cleve Moler. Pada awalnya, MATLAB

didesain untuk menyelesaikan masalah-masalah persamaan aljabar linear. Seiring

berjalannya waktu, program ini terus mengalami perkembangan dari segi fungsi

dan performa komputasi.

Menurut (Dian et al., 2019, h.95), MATLAB merupakan perangkat lunak

yang digunakan untuk pemrograman, analisis, serta komputasi teknis dan

matematis berbasis matriks. Bahasa pemrograman yang kini dikembangkan oleh

MathWorks Inc. menggabungkan proses pemrograman, komputasi, dan visualisasi

melalui lingkungan kerja yang mudah digunakan.

 23

MATLAB juga memiliki keunggulan umum lainnya, seperti analisis dan

eksplorasi data, pengembangan algoritma, pemodelan dan simulasi, visualisasi

plot dalam bentuk 2D dan 3D, hingga pengembangan aplikasi antar muka grafis.

Dalam ruang lingkup perguruan tinggi, MATLAB digunakan sebagai alat

pembelajaran pemrograman matematika, teknik, dan sains pada level pengenalan

dan lanjutan, sedangkan dalam dunia industri, MATLAB dipilih sebagai alat

penelitian, pengembangan, dan analisis produk industri.

Terdapat beberapa bidang yang paling sering menggunakan Matlab

sebagai software pembantu:

1. Bidang MIPA, terutama matematika termasuk statistik (aljabar linier,

diferensial, integrasi numerik, probability, forecasting), fisika (analisis

gelombang), dan biologi (computational biology, matematika genetika)

2. Bidang teknik (engineering), terutama elektro (analisis rangkaian, sistem

kontrol, pengolahan citra dan pengolahan sinyal digital), mesin (disain bentuk

alat/mesin, analisis sistem kalor)

3. Bidang ekonomi dan bisnis, terutama dalam hal pemodelan ekonomi, analisis

finansial, dan peramalan (forecasting)

MATLAB dapat dioperasikan pada sistem operasi Windows, Linux,

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

digunakan untuk aplikasi-aplikasi khusus, seperti pengolahan sinyal, sistem

 24

kontrol, logika fuzzy, jaringan syaraf tiruan, optimasi, pengolahan citra digital,

bioinformatika, simulasi, dan berbagai teknologi lainnya.

Menurut (Dian et al., 2019, h.95), graphical user interface adalah sebuah

aplikasi display dari MATLAB yang mengandung tugas, perintah, atau komponen

program yang mempermudah user (pengguna) dalam menjalankan sebuah

program dalam MATLAB.

Proses-proses perubahan nilai variabel tidak perlu dilakukan lagi di dalam

core program (m-file) sehingga proses pun akan semakin mudah dan cepat Dalam

tutorial pertama ini, kita akan membuat sebuah GUI sederhana yang akan

menjalankan program menjumlahkan dua angka input.

Gambar II.1 Halaman Utama GUI MATLAB

(Dian et al., 2019, h.96)
 25

2.8 Pengertian Flowchart

Menurut (Suhardi et al., 2019, h.45), flowchart merupakan penyajian yang

sistematis tentang proses dan logika dari kegiatan penanganan informasi atau

penggambaran secara grafik dari langkah-langkah dan urut-urutan prosedur dari

suatu program. Bagan alir (flowchart) adalah bagan (chart) yang menunjukkan

alir (flow) di dalam program atau prosedur sistem secara logika. Bagan alir

digunakan terutama untuk alat bantu komunikasi dan untuk dokumentasi.

Flowchart memiliki simbol-simbol tersendiri dari setiap anotasi- anotasi

geometri yang digunakan. Beberapa simbol flowchart sering digunakan dalam

pembuatan sebuah sistem, sedangkan lainnya jarang digunakan, kecuali dalam

pembuatan proses yang komplek dan rumit. Simbol-simbol flowchart yang

standart yang dikeluarkan oleh ANSI dan ISO adalah sebagai berikut :

Tabel II.1 Simbol-Simbol Flowchart

No Simbol Nama Simbol Keterangan

Terminal Point Menunjukkan permulaan

1 Symbol / Simbol (start) atau akhir (stop) dari
Titik Terminal suatu proses.

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

inspeksi atau yang biasa

dikenal dengan simbol
inspeksi.
Merupakan simbol yang
digunakan untuk memilih
Decision Symbol proses atau keputusan
4 / Simbol
berdasarkan kondisi yang ada.
Keputusan
Simbol ini biasanya ditemui
pada flowchart program.
Menunjukkan proses input-
Input-Output / output yang terjadi tanpa
5 Simbol Keluar-
bergantung dari jenis
Masuk
peralatannya.
Merupakan simbol yang
digunakan untuk
Predefined menunjukkan pelaksanaan
Process / suatu bagian prosedur (sub-
6
Simbol Proses proses). Dengan kata lain,
Terdefinisi prosedur yang terinformasi di
sini belum detail dan akan
dirinci di tempat lain.
Simbol ini fungsinya adalah
untuk menyederhanakan
Connector (On- hubungan antar simbol yang
7 page)
letaknya berjauhan atau rumit
bila dihubungkan dengan
garis dalam satu halaman.
Sama seperti on-page
connector, hanya saya simbol
ini digunakan untuk
Connector (Off- menghubungkan simbol
8
page) dalam halaman berbeda. label
dari simbol ini dapat
menggunakan huruf atau
angka.
Merupakan simbol yang
Preparation digunakan untuk
9 Symbol / Simbol
mempersiapkan penyimpanan
Persiapan
di dalam storage.
 27

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.

Sesuai dengan namanya

digunakan untuk
Delay Symbol menunjukkan proses delay
15
(menunggu) yang perlu
dilakukan. Seperti menunggu
surat untuk diarsipkan dll.
(Suhardi et al., 2019, h.43-44)

2.9 Pengertian Use Case Diagram

Menurut (Rully et al., 2020, h.76), Use Case Diagram menggambarkan

sejumlah external actors dan hubungannya ke use case yang diberikan oleh

sistem. Use case adalah deskripsi fungsi yang disediakan oleh sistem dalam

bentuk teks sebagai dokumentasi dari use case symbol namun dapat juga
dilakukan dalam activity diagrams. Simbol-simbol use case diagram adalah
sebagai berikut :
Tabel II.2 Simbol-Simbol Use Case Diagram
No Simbol Nama Simbol
1 Actor
2 Dependency
3 Generalization
4 Extend
5 Association
6 System
7 Use Case
28
Keterangan
Menspesifikasikan himpuan peran
yang pengguna mainkan ketika
berinteraksi dengan use case.
Hubungan dimana perubahan yang
terjadi pada suatu elemen mandiri
(independent) akan mempengaruhi
elemen yang bergantung padanya
elemen yang tidak mandiri
(independent).
Hubungan dimana objek anak
(descendent) berbagi perilaku dan
struktur data dari objek yang ada di
atasnya objek induk (ancestor).
Menspesifikasikan bahwa use case
target memperluas perilaku dari use
case sumber pada suatu titik yang
diberikan.
Apa yang menghubungkan antara
objek satu dengan objek lainnya.
Menspesifikasikan paket yang
menampilkan sistem secara terbatas.
Deskripsi dari urutan aksi-aksi
yang ditampilkan sistem yang
menghasilkan suatu hasil yang terukur
bagi suatu aktor.
 29

Interaksi aturan-aturan dan elemen

lain yang bekerja sama untuk
8 Collaboration menyediakan prilaku yang lebih besar
dari jumlah dan elemen - elemennya
(sinergi).

Elemen fisik yang eksis saat aplikasi

9 Note dijalankan dan mencerminkan suatu
sumber daya komputasi

(Rully et al., 2020, h.76-77)

 BAB III
ANALISIS DAN PERANCANGAN

3.1 Tinjauan Umum

Pengolahan citra merupakan salah satu jenis teknologi untuk

menyelesaikan masalah tentang proses pengolahan gambar digital. Dalam

pengolahan citra, gambar yang ada diolah sedemikian rupa sehingga gambar

tersebut dapat diproses. Penerapan pengolahan citra pada komputer saat ini

banyak dipergunakan pada perusahaan dan lembaga untuk meningkatkan sistem

keamanan berbasis data pada karakteristik tubuh atau perilaku yang disebut

teknologi biometrik.

Penelitian ini akan membahas bagaimana penerapan dan perancangan

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.

3.2 Metodologi Penelitian

Metodologi penelitian merupakan tahapan yang digunakan untuk

memperoleh kebenaran menggunakan penelusuran dengan tata cara tertentu.

Metodologi tersusun dari cara-cara yang terstruktur untuk memperoleh ilmu.

Tahap-tahap dalam proses reduksi noise pada citra face adalah sebagai berikut:

30
 31

1. Identifikasi Masalah

Tahap ini merupakan tahap awal yang digunakan untuk mengidentifikasi

masalah dengan tujuan untuk mengamati dan mencari permasalahan yang

sedang dihadapi dalam teknologi digital, terutama pada bidang pengolahan

citra digital dalam penggunaan citra untuk kebutuhan tertentu.

2. Mengkaji Teori

Pada tahap ini pengumpulan teori-teori yang berhubungan dengan pokok

permasalahan seperti teori tentang citra, algoritma yang digunakan dan

aplikasi perancangan dari sistem yang akan dibuat dan sebagainya

berdasarkan dari beberapa sumber seperti buku-buku, jurnal, artikel dan

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

pada teori-teori pendukung dari buku-buku maupun jurnal terkait dengan

pokok permasalahan. Algoritma yang digunakan dalam proses reduksi noise

pada citra yaitu algoritma Arithmetic Mean Filter.

4. Perancangan Sistem

Setelah melakukan pengujian terhadap algoritma yang digunakan, pada tahap

ini dilakukan perancangan sistem terhadap masalah yang sedang diteliti,

seperti rancangan flowchart dan use case diagram serta merancang desain

dari tampilan tatap muka (interface) dari sistem yang akan dibuat. Sistem

akan dirancang dengan aplikasi pemrograman MATLAB.

 32

5. Implementasi Algoritma

Pada tahap ini mengimplementasikan algoritma yang sudah diuji sebelumnya

dengan rancangan sistem yang telah dibuat serta melakukan pengkodean

sesuai dengan aplikasi pemrograman yang digunakan untuk membangun

sistem tersebut.

6. Pengujian Sistem

Pada tahap akhir, dilakukan serangkaian pengujian terhadap sistem yang telah

dibuat, pengujian-pengujian dilakukan agar dapat menemukan error pada

sistem dan melakukan perbaikan-perbaikan yang diperlukan.

Tahapan metodologi penelitian yang telah dijelaskan diatas dapat dilihat

pada struktur gambar berikut ini:

Identifikasi Masalah

Mengkaji Teori

Pengujian Algoritma

Perancangan Sistem

Implementasi Algoritma

Pengujian Sistem
Gambar III.1 Metodologi Penelitian

3.3 Analisis Kebutuhan Sistem

Dalam bagian ini penulis akan menerangkan keperluan atau kebutuhan

dari sistem yang akan dibagun. Kebutuhan pada sistem yang akan dijelaskan yaitu
 33

kebutuhan perangkat keras (hardware) dan kebutuhan perangkat lunak (software)

yang akan mendukung dalam perancangan dari sistem.

3.3.1 Analisis Kebutuhan Perangkat Keras

Dalam perancangan sistem reduksi noise yang akan dibangun, maka

diperlukan perangkat keras sebagai pendukung untuk membuat sistem reduksi

noise pada citra, perangkat keras tersebut diantaranya PC/laptop dengan

spesifikasi minimum manufacturer : Asus; processor : Intel (R) Core (TM) i3-

3217U; RAM : 4,00 GB; dan System type : 64-bit.

3.3.2 Analisis Kebutuhan Perangkat Lunak

Dalam membangun sistem reduksi noise pada citra, diperlukan perangkat

lunak untuk merancang dan membangun sistem tersebut, perangkat lunak

(software) yang digunakan diantaranya Windows 10 Ultimate 64-bit dan

MATLAB R2014a 64-bit.

3.4 Analisa Algoritma

Algoritma Arithmetic Mean 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 pixel dalam

daerah yang didefinisikan oleh Sxy.

Analisa pengujian algoritma dalam sistem reduksi noise pada citra akan

dilakukan dengan algoritma Arithmetic Mean Filter. Sebelum melakukan proses

 34

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:

Gambar III.2 Sampel Citra Face

Selanjutnya untuk menganalisa algoritma Arithmetic Mean Filter, tahapan

dalam proses perbaikan nilai pixel pada citra terdapat pada langkah-langkah

berikut:

1. Mengambil Potongan Citra Dari Sampel Citra

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

Gambar III.3 Potongan Citra Dari Sampel Citra Face

2. Mengambil Nilai Pixel RGB

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:

Tabel III.1 Sampel Pixel Red Ukuran 5 x 5

(x,y) 0 1 2 3 4
0 154 158 159 161 161
1 173 149 160 164 160
2 137 82 150 155 167
3 155 142 159 171 158
4 148 166 144 164 163

Tabel III.2 Sampel Pixel Green Ukuran 5 x 5

(x,y) 0 1 2 3 4
0 200 138 105 122 128
1 111 105 111 116 110
 36

2 82 74 72 83 93
3 66 79 89 89 93
4 101 115 119 109 99

Tabel III.3 Sampel Pixel Blue Ukuran 5 x 5

(x,y) 0 1 2 3 4
0 57 81 109 57 48
1 69 72 92 79 78
2 86 133 200 196 129
3 66 131 212 195 125
4 49 50 65 42 57

3. Proses Perbaikan Nilai Pixel Citra

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:

Proses Pixel Red:

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

Proses Pixel Green:

200 138 105

G(1,1) = 111 105 111
82 74 72

1
F ( 1 , 1 )= ∗( 200+138+105+111+105+111+82+74+ 72 )
3∗3

1
¿ ∗( 998 )=110,889 ≈ 111
9

138 105 122

G(1,2) = 105 111 116
74 72 83

1
F ( 1 , 2 )= ∗( 138+105+122+105+111+116+ 74+72+83 )
3∗3

1
¿ ∗( 926 )=102,889 ≈ 103
9

105 122 128

G(1,3) = 111 116 110
72 83 93

1
F ( 1 , 3 )= ∗( 105+122+128+111+116+ 110+72+83+ 93 )
3∗3

1
¿ ∗( 940 )=104,444 ≈ 104
9

111 105 111

G(2,1) = 82 74 72
66 79 89

1
F ( 2 , 1 )= ∗( 111+105+ 111+ 82+ 74+72+66+79+ 89 )
3∗3

1
¿ ∗( 789 ) =87,666 ≈ 88
9

105 111 116

G(2,2) = 74 72 83
79 89 89
 40

1
F ( 2 , 2 )= ∗( 105+111+116+74 +72+83+79+ 89+89 )
3∗3

1
¿ ∗( 818 )=90,888 ≈ 91
9

111 116 110

G(2,3) = 72 83 93
89 89 93

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

Proses Pixel Blue:

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

Filter dapat dilihat pada tabel-tabel berikut ini:

Tabel III.4 Hasil Proses Sampel Pixel Red Ukuran 5 x 5

(x,y) 0 1 2 3 4
0 154 158 159 161 161
1 173 147 149 160 160
2 137 145 148 160 167
3 155 143 148 159 158
4 148 166 144 164 163

Tabel III.5 Hasil Proses Sampel Pixel Green Ukuran 5 x 5

(x,y) 0 1 2 3 4
0 200 138 105 122 128
1 111 111 103 104 110
2 82 88 91 95 93
3 66 89 92 94 93
4 101 115 119 109 99

Tabel III.6 Hasil Proses Sampel Pixel Blue Ukuran 5 x 5

(x,y) 57 81 109 57 48
0 69 100 113 110 78
1 86 118 146 145 129
 44

2 66 110 136 136 125

3 49 50 65 42 57
4 57 81 109 57 48

4. Citra Hasil Penelitian

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

adalah sebagai berikut:

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

dengan penerapan algoritma Arithmetic Mean Filter dipengaruhi oleh nilai

ketetanggan dari nilai pixel yang akan diolah, sehingga dapat menghasilkan nilai

pixel baru.

3.5 Perancangan Sistem

Sistem yang akan dibangun adalah sistem reduksi noise pada citra digital

yang akan dibangun dengan aplikasi pemrograman MATLAB, untuk

mempermudah dalam mengetahui alur dari sistem yang akan dibangun, maka

dibuat rancangan sistem untuk mengetahui alur kerja dari sistem tersebut.

3.5.1 Rancangan Flowchart Sistem

Flowchart merupakan penyajian yang sistematis tentang proses dan logika

dari kegiatan penanganan informasi atau penggambaran secara grafik dari

langkah-langkah dan urut-urutan prosedur dari suatu program. Flowchart yang

dibuat adalah untuk mengetahui bagaimana sistem melakukan proses reduksi

noise pada citra, rancangan flowchart sistem tersebut adalah sebagai berikut:

Mulai

Input Citra Face

Memisahkan Pixel RGB

Pada Citra Face

Proses Perbaikan Nilai Pixel Dengan Algoritma

Arithmetic Mean Filter Dengan Persamaan:
 46

Gambar III.5 Rancangan Flowchart Sistem Reduksi Noise Pada Citra Face
Menggunakan Algoritma Arithmetic Mean Filter

Keterangan flowchart diatas adalah sebagai berikut :

1. Mulai dengan menginputkan citra face yang kualitasnya buruk akibat noise.

2. Selanjutnya sistem akan mengambil nilai pixel RGB dari citra yang di

inputkan selanjutnya sistem akan memisahkan pixel RGB tersebut.

3. Kemudian sistem akan memproses masing-masing dari pixel citra tersebut

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.

5. Selanjutnya sistem akan menampilkan hasil reduksi noise yang telah

dilakukan.

6. Selanjutnya citra baru dapat disimpan.

 47

7. Jika hasil proses reduksi noise pada citra yang telah disimpan sudah baik,

maka citra telah selesai di proses. Proses Selesai.

3.5.2 Rancangan Use Case Diagram Sistem

Rancangan use case diagram ini untuk menunjukan bagaimana interaksi

antara aktor (pengguna) dengan sistem, rancangan use case diagram dalam sistem

reduksi noise pada citra adalah sebagai berikut :

Menginputkan Citra Face

Proses Pengambilan Pixel

Proses Reduksi Noise

User Menyimpan Citra Baru

Gambar III.6 Rancangan Use Case Diagram Sistem Reduksi Noise Pada
Citra Face Menggunakan Algoritma Arithmetic Mean Filter

Keterangan use case diagram diatas adalah sebagai berikut :

1. User dapat menginputkan citra face pada sistem yang berkualitas buruk

akibat noise.

2. Selanjutnya sistem akan mengambil nilai masing-masing dari pixel berwarna

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.

3.6 Perancangan Antarmuka Sistem

Antarmuka pengguna merupakan bentuk tampilan grafis yang

berhubungan langsung dengan pengguna, menginputkan data yang diperlukan

 48

pada sistem, menampilkan penjelasan sistem dan memberikan panduan pemakai

sistem secara menyeluruh, sehingga user mengerti apa yang akan dilakukan

terhadap suatu sistem, rancangan sistem tersebut sebagai berikut :

1. Rancangan Tampilan Halaman Menu Utama

Rancangan ini adalah tampilan dari menu utama pada sistem yang akan

dibangun, setiap tampilan pada sistem terdiri dari 6 menu, yaitu “Menu

Utama”, “Reduksi Noise”, “Pixel Citra”, “Grafik Pixel”, “Informasi Sitem”

dan “Keluar” , rancangan tersebut adalah sebagai berikut:

Gambar III.7 Rancangan Tampilan Halaman Menu Utama

2. Rancangan Tampilan Halaman Reduksi Noise

Pada rancangan ini terdapat tombol “Cari” yang digunakan untuk

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

reduksi noise pada citra pada tampilan sistem :

Gambar III.8 Rancangan Tampilan Halaman Reduksi Noise

3. Rancangan Tampilan Halaman Pixel Citra

Tampilan halaman pixel citra digunakan untuk menampilkan pixel-pixel citra

asli dan pixel-pixel hasil proses proses reduksi yang telah dilakukan. Pada

tampilan ini terdapat 2 tabel data yang digunakan untuk menampilkan nilai

pixel tersebut, tampilan tersebut yaitu sebagai berikut:

 50

Gambar III.9 Rancangan Tampilan Halaman Pixel Citra

4. Rancangan Tampilan Halaman Grafik Pixel

Halaman grafik citra digunakan untuk menampilan dari grafik nilai pixel citra

sebelum dan setelah proses reduksi noise, berikut rancangan tersebut:

Gambar III.10 Rancangan Tampilan Halaman Grafik Pixel

 51

5. Rancangan Tampilan Halaman Informasi Sistem

Halaman tentang sistem digunakan untuk memberikan informasi yang

berguna bagi pengguna dari sistem, rancangan tampilan tersebut adalah

sebagai berikut:

Gambar III.11 Rancangan Tampilan Halaman Informasi Sistem

 BAB IV
PEMBAHASAN DAN IMPLEMENTASI

4.1 Pembahasan

Sistem reduksi noise pada citra digital dengan menggunakan metode

Arithmetic Mean Filter dirancangan dengan aplikasi pemrograman MATLAB

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

perbaikan citra untuk menghasilkan citra/gambar/foto yang jelas, perbaikan citra

yang termasuk cara yang tepat untuk perbaikan untuk menghasilkan gambar yang

lebih jelas serta merupakan bagian dari Image enhancement, yaitu pemrosesan

citra, khususnya menggunakan komputer dengan tujuan meningkatkan kualitas

citra dengan proses pengurangan noise pada citra. Pada citra yang diproses akan

memperbaiki nilai pixel RGB (Red, Green, Blue) dengan memanfaatkan kernel 3

x 3 setiap proses perbaikan nilai pixel yang dilakukan.

4.1.1 Pembahasan Data Input Sistem

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

Tabel IV.1 Citra Sebagai Data Input Sistem

Nam Size
No Citra
a File Citra

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

4.1.2 Pembahasan Antarmuka Sistem

Antarmuka (interface) dari sistem reduksi noise pada citra yang telah

dirancang menggunakan aplikasi pemrograman MATLAB R2014a dengan

 55

penerapan metode Arithmetic Mean Filter dalam proses reduksi noise pada citra

face (wajah), terdapat beberapa menu yang digunakan untuk menampilkan

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

yang telah dibangan adalah sebagai berikut:

1. Tampilan Halaman Menu Utama Pada Sistem

Setelah program dijalankan maka sistem akan menampilkan halaman utama

dari sistem yang telah dibangun, halaman ini terdapat pada menu “Menu

Utama” pada sistem yang telah dibangun, tampilan halaman utama sistem

tersebut adalah sebagai berikut:

Gambar IV.1 Tampilan Halaman Menu Utama Pada Sistem

2. Tampilan Halaman Reduksi Noise Pada Sistem

 56

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

pengolahan citra tersebut. Terdapat tombol “Cari” yang digunakan untuk

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

perbaikan yang telah dilakukan, tombol “Analisa Proses” yang digunakan

untuk menampilkan halaman dengan proses perhitungan dari metode pada

sistem dan tombol “Reset” yang digunakan untuk mereset pengolahan yang

telah dilakukan pada sistem, tampilan halaman proses perbaikan citra sistem

adalah sebagai berikut:

Gambar IV.2 Tampilan Halaman Reduksi Noise Pada Sistem

 57

3. Tampilan Halaman Pixel Citra Pada Sistem

Pada tampilan ini sistem akan menampilkan pixel RGB pada citra sebelum

dan setelah diproses oleh sistem, tampilan ini terdapat pada menu “Pixel

Citra”, setiap pixel yang akan ditampilan dapat menggunakan tombol-tombol

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

setelah diolah, tampilan tersebut adalah sebagai berikut:

Gambar IV.3 Tampilan Halaman Pixel Citra Pada Sistem

4. Tampilan Halaman Grafik Citra Pada Sistem

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

garis biru untuk pixel blue berikut tampilan halaman tersebut:

Gambar IV.4 Tampilan Halaman Grafik Citra Pada Sistem

5. Tampilan Halaman Informasi Sistem Pada Sistem

Pada tampilan ini berisikan informasi latar belakang perangcangan sistem dan

perancang sistem, tampilan ini membantu pengguna sistem dalam mengetahui

alasan sistem ini dirancang, tampilan ini terdapat pada menu “Informasi

Sistem”. Halaman informasi sistem tersebut adalah sebagai berikut:

 59

Gambar IV.5 Tampilan Halaman Informasi Sistem Pada Sistem

6. Tampilan Keluar Sistem

Berikut pesan yang akan dikeluarkan oleh sistem ketika pengguna akan

keluar dari sistem, tampilan ini akan muncul ketika pengguna mengklik menu

“Keluar” pada sistem, tampilan pesan tersebut adalah sebagai berikut:

Gambar IV.6 Tampilan Keluar Sistem

4.2 Implementasi

Implementasi merupakan proses lanjutan dari penerapan metode perbaikan

citra yang digunakan dan perancangan antarmuka pada sistem. Penerapan metode
 60

reduksi noise pada citra dan perancangan antarmuka sistem citra yang sudah

dibahas pada bab sebelumnya diimplementasi pada program sistem perbaikan

citra digital yang sudah dapat digunakan. Implementasi tersebut dilakukan pada

aplikasi pemrograman MATLAB R2014a dengan menerapkan metode Arithmetic

Mean Filter pada script program sehingga sistem dapat melakukan proses reduksi

noise pada citra face (wajah) yang diinputkan pada sistem.

4.2.1 Uji Coba Sistem

Setelah melakukan implementasi metode reduksi noise pada citra dan

rancangan sistem terhadap sistem perbaikan citra, maka untuk mengetahui hasil

dari implementasi sistem tersebut maka perlu dilakukan uji coba terhadap sistem

yang telah selesai dirancang.

1. Tahapan Proses Reduksi Noise Pada Citra

Proses reduksi noise pada citra meggunakan sistem yang telah dibangun

adalah sebagai berikut:

a. Tahap inputkan citra

Proses reduksi noise pada citra terdapat di menu “Reduksi Noise”, pada

tahap ini pengguna harus penginputkan citra face pada sistem dengan

menekan tombol “Cari”, tampilan setelah gambar diinputkan pada sistem

adalah sebagai berikut:

 61

Gambar IV.7 Tampilan Setalah Input Citra

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

yang diinputkan, diantaranya:

- Nama file : Citra Face 1.jpg

- Lokasi file : D:\Citra Face\

- Format file : .jpg

- Dimensi : 500 x 404 (pixel)

- Tipe warna : RGB (Red, Green, Blue)

b. Tahap proses reduksi noise pada citra

Setelah citra berhasil diinputkan pada sistem, selanjutnya untuk proses

reduksi noise yang akan dilakukan, pengguna harus menekan tombol

 62

“Reduksi” pada sistem, setelah pengguna melakukan proses reduksi citra

face, maka hasil reduksi noise pada citra yang diinputkan dapat dilihat

pada kolom “Citra Reduksi Noise” pada sistem, berikut ini tampilan

setelah proses reduksi noise pada citra “Citra Face 1.jpg”:

Gambar IV.8 Tampilan Setelah Proses Reduksi Noise Pada Citra

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”.

c. Tahap simpan citra

Pada tahap ini pengguna akan melakukan proses penyimpanan citra hasil

proses reduksi noise pada citra menggunakan sistem yag telah dibangun.

Penyimpanan citra dapat dilakukan dengan menekan tombol “Simpan

 63

Citra”, selanjutnya pengguna harus menentukan lokasi penyimpanan dari

citra, dan memberikan nama file sesuai dengan keinginan pengguna

sistem, berikut tampilan setelah proses penyimpanan citra berhasil:

Gambar IV.9 Tampilan Setelah Proses Simpan Citra

2. Analisa Proses Reduksi Noise Pada Citra

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

“Analisa Proses” pada tampilan halaman “Reduksi Noise” pada sistem,

tampilan dari proses-proses tersebut dapat dilihat sebagai berikut:

a. Analisa Proses Pixel Red

 64

Gambar IV.10 Analisa Proses Pixel Red

b. Analisa Proses Pixel Green

Gambar IV.11 Analisa Proses Pixel Green

 65

c. Analisa Proses Pixel Blue

Gambar IV.12 Analisa Proses Pixel Blue

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

yang diperlukan untuk menampilkan pixel-pixel pada citra yang sesudah

ataupun sebelum diproses. Berikut ini nilai pixel pada citra “Citra Face 1.jpg”

yang telah diproses dan sebelum diproses dengan sistem:

 66

a. Pixel Red

Gambar IV.13 Pixel Red

b. Pixel Green

Gambar IV.14 Pixel Green

 67

c. Pixel Blue

Gambar IV.15 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

yang belum ataupun telah diproses menggunakan metode Arithmetic Mean

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

yang telah diproses pada sistem:

 68

Gambar IV.16 Grafik Citra

4.2.2 Hasil Uji Coba Sistem

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

Tabel IV.2 Citra Hasil Uji Coba Sistem

Nama Size
No Citra
File Citra

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

4.2.3 Pemeliharaan Sistem

Pemeliharaan Sistem adalah suatu kombinasi dari berbagai tindakan yang

dilakukan untuk menjaga suatu sistem atau memperbaikinya sampai suatu kondisi

yang bisa diterima oleh pengguna, maka tahap-tahap dalam pemeliharaan sistem

adalah sebagai berikut:

1. Pengguna sistem harus memperhatikan citra (image) face (wajah) yang

diinput ke sistem, karena tidak semua format citra dapat di input ke sistem,

dan sistem memiliki batasan size yang dapat diinputkan.

2. Jika terjadi kesalahan pada operasi proses reduksi noise pada citra

meggunakan sistem, maka perlu dilakukan perbaikan sistem, dengan melihat

kesalahan yang terjadi pada sistem.

3. Peningkatan serta perbaikan sistem dapat dilakukan jika terdapat kesalahan

yang dapat proses dengan memperhatikan segala aspek yang berguna bagi

pengembangan sistem yang telah dibangun.

 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah penulis melakukan penguraian pembahasan pada bab-bab

sebelumnya, maka sebagai penutup penulisan skripsi ini, penulis mengambil

kesimpulan terhadap sistem reduksi noise pada citra, kesimpulan tersebut sebagai

berikut:

1. Perancangan dari sistem memnfaatkan aplikasi pemergraman MATLAB

R2014a. Sistem dibangun dengan mengimplementasikan metode Arithmetic

Mean Filter pada proses pemrograman.

2. Proses implementasi terhadap metode Arithmetic Mean Filter dilakukan pada

script program. Metode Arithmetic Mean 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.

Untuk memperjelas objek pada citra face (wajah) yang diinputkan maka

metode Arithmetic Mean Filter melakukan perbaikan terhadap nilai-nilai

RGB pada citra yang diinput.

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

reduksi yang telah dilakukan pada sistem yang telah dibagun.

73
 74

5.2 Saran

Setelah penulis melakukan penguraian pembahasan dan memberi

kesimpulan terhadap uraian pembahasan tersebut, maka penulis memberikan

beberapa saran yang dapat berguna dimasa yang akan datang, saran tersebut

sebagai berikut:

1. Metode peningkatan kualitas dari sebuah citra dapat meggunakan beberapa

metode sekaligus tidak hanya metode Arithmetic Mean Filter, dan diterapkan

secara bersamaan, sehingga menghasilkan citra yang lebih baik.

2. Pada masa yang akan datang diharapkan sistem pengolahan citra digital yang

digunakan dapat dikembangkan menjadi aplikasi yang lebih efesien lagi

untuk banyak pengguna.

3. Diharapkan untuk pengembangan dari sistem, citra yang didinputkan tidak

hanya memiliki batasan berformat, tetapi dapat luas lagi, sesuai dengan

kebutuhan dari pengguna.

 DAFTAR PUSTAKA

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.

Tommy, A., & Garuda, G. (2019). Peningkatan Kualitas Citra Ultrasonografi

(USG) dengan menggunakan Metode Gaussian Filter. Jurnal Pelita
Informatika, 7(3).
 SURAT PERNYATAAN BERSEDIA MEMBIMBING

Yang bertanda tangan dibawah ini:

Pembimbing I:

Nama : Achmad Fauzi, S. Kom., M. Kom.

NIDN : 0111088803

Pembimbing II:

Nama : Anton Sihombing, SE., MM.

NIDN : 0118086401

Dengan ini menyatakan kesediaan saya untuk memberikan bimbingan

penulisan Skripsi atas nama mahasiswa sebagai berikut:

Nama : Syafatu Rahman

NPM : 17451098

Jenjang Pendidikan : Strata 1 (S1)

Program Studi : Teknik Informatika (TI)

Pernyataan ini diperbuat dengan sebenarnya untuk dapat digunakan

seperlunya.

Binjai, 16 Juni 2021

Pembimbing I Pembimbing II

Achmad Fauzi, S. Kom., M. Kom. Anton Sihombing, SE., MM.

NIDN. 0111088803 NIDN. 0118086401