Buku Prosiding Seminar Nasional Tahun 2012 - ELEKTRO ...

T I | 61Untuk setiap citra uji dilakukan perhitungan TimingRun dan SNR. Perhitungan Timing Run masih dalamorde ms (mili sekon) sehingga dilakukan perhitungandari CPU komputer sedangkan untuk SNR terdapat duaperhitungan yakni SNR noise yang dihitung saat citramendapat noise dan SNR filter yang dihitung saat citrayang mendapat noise dikenakan filter. Perhitungantersebut bertujuan untuk mendapatkan analisa efektifitasdari setiap filter terhadap noise. SNR digunakan untukmenentukan kualitas citra setelah dilakukan operasipengurangan noise. Besarnya SNR filter dibandingkandengan SNR noise yang apabila SNR filter lebih besardari SNR noise berarti noise mengecil sehingga filterefektif untuk melakukan reduksi noise danmeningkatkan kualitas citra. Nilai SNR yang tinggiadalah lebih baik karena berarti rasio sinyal terhadapnoise juga tinggi, dimana sinyal adalah citra asli. SNRbiasanya diukur dengan satuan decibles (dB). Percobaandilakukan pada berbagai ukuran citra uji untukmendapatkan rataan data yang seimbang. Selain itu, dari50 citra uji telah dilakukan perhitungan rata-rata untukseluruh besaran yang diinginkan. Berikut ini adalahcontoh tabel hasil perhitungan SNR dan timing rununtuk berbagai macam citra uji sample8.jpg dan tabelhasil perhitungan rata-rata untuk 50 citra uji.MacamNoiseMacamFilterSNRnoiseTabel 1. Tabel perhitungan sample8.jpgSNR (dB)Aditif Gaussian SpeckleT-Run(ms)SNR(dB)T-Run(ms)SNR(dB)19.194 9.1306 10.723Tabel 2. Tabel perhitungan rata-rata 50 citra ujiT-Run(ms)LPF 17.289 718.8 13.698 812.5 15.742 718.8HPF12.066 31.3 4.3918 46.95.137646.9MeanFilter16.365 31.3 13.868 46.9 15.811 46.9MedianFilter23.148 109.4 12.771 187.5 13.722 203.1GaussianFilter18.481 46.9 10.903 46.9 12.678 46.9MacamNoiseMacamFilterSNR(dB)Aditif Gaussian SpeckleT-Run(ms)SNR(dB)T-Run(ms)SNR(dB)T-Run(ms)SNRnoise19.077 9.200 11.213LPF 15.041 170.63 13.307 171.1 14.503 169.38HPF 10.745 19.38 4.599 18.76 5.900 19.07MeanFilter14.107 18.76 13.046 19.07 14.319 19.38MedianFilter18.970 44.69 12.311 48.13 13.694 48.44Gaussian Filter17.190 20.01 11.011 19.38 13.149 20.01asli tidak jauh berbeda, terdistribusi merata ke seluruhdaerah dengan derajat keabuan. Perbedaan terdapat padadaerah tumpukan histogram yakni adanya gunung danlembah. Histogram tampak berbeda pada citra dengannoise Gaussian dan Speckle yang disebabkan jenis noiseitu sendiri. Noise Gaussian memiliki distribusi normaldengan rerata dan varian tertentu sedangkan noiseSpeckle merupakan noise yang muncul pada saatpengambilan citra tidak sempurna. Selanjutnya untukhistogram citra yang terfilter dengan filter Mean,Median, LPF dan Gaussian tidak ada perbedaan berarti,namun histogram untuk citra yang terfilter dengan filterHPF mengalami perbedaan yang signifikan yang secaraumum menjadi berbeda. Hal ini tampak pada citra yangterfilter dengan HPF menjadi lebih kabur daripada citraasli untuk seluruh jenis noise (Aditif, Gaussian danSpeckle). Histogram pada citra filter Gaussian memilikipuncak yang hampir sama dengan citra asli dan tampakbahwa citra filter Gaussian lebih jelas dan baik daripadacitra asli.Hasil perhitungan Timing Run yakni berapa lama waktuyang diperlukan untuk melakukan reduksi noise padasuatu citra dengan menggunakan filter tampak bahwaorde perhitungan adalah mili sekon. selain itu, semakinbesar ukuran citra (pixel) maka semakin besar pulaTiming-Run nya. Dari perhitungan seluruh citra uji (50)dan hasil perhitungan rata-rata yang didapatkan denganmenjumlahkan nilai tiap citra dari suatu metode filterlalu membaginya dengan jumlah sampel citra yang adadidapatkan bahwa reduksi noise dengan metode HPFmembutuhkan waktu yang paling cepat. Sedangkanfilter LPF membutuhkan waktu yang lebih lama.Namun efektifitas filter LPF belum dapat ditentukandari perhitungan timing run saja.SNR merupakan perbandingan dari rata-rata nilai pixeluntuk standar deviasi dari nilai-nilai pixel. SNR inibiasanya dipakai untuk mengukur kinerja suatu filter.Apabila SNR filter lebih besar dari SNR noise berartinoise mengecil sehingga filter efektif untuk melakukanreduksi noise dan meningkatkan kualitas citra. Dariperhitungan SNR filter dan SNR noise untuk 50 citra ujiuntuk ketiga jenis noise yakni Aditif, Gaussian danSpeckle didapatkan grafik seperti pada gambar 4, 5 dan6.Hasil penelitian dengan menggunakan 50 citra ujimenunjukkan bahwa histogram didapatkan dari setiapcitra uji yang terkena noise maupun yang sudah terfilter.Secara umum, histogram untuk citra noise dengan citraSNTE-2012 ISBN: 978-602-97832-0-9