Publisher

UMMUMM

Journal KOMTIKAKOMTIKA Abstract

Citra digital memiliki peran penting dalam penyampaian informasi visual, namun kualitasnya sering menurun akibat gangguan berupa noise. Penelitian ini membahas tiga jenis noise utama, yaitu salt and pepper, gaussian, dan speckle, yang direduksi menggunakan tiga metode filter, yaitu median, gaussian, dan bilateral. Pengujian dilakukan dengan menerapkan setiap filter terhadap citra uji yang terkontaminasi berbagai jenis noise untuk mengevaluasi performa berdasarkan nilai Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR). Hasil menunjukkan bahwa filter median secara konsisten memberikan performa terbaik pada ketiga jenis noise, dengan nilai MSE terendah sebesar 7,007 dan PSNR tertinggi 39,675 dB pada noise salt and pepper, MSE 72,046 dan PSNR 29,554 dB pada noise gaussian, serta MSE 60,917 dan PSNR 30,283 dB pada noise speckle. Sementara itu, filter gaussian dan bilateral menghasilkan nilai yang relatif dekat, namun tidak melampaui performa filter median. Kombinasi beberapa filter juga tidak selalu meningkatkan kualitas citra secara signifikan. Dengan demikian, dapat disimpulkan bahwa filter median merupakan metode reduksi noise paling efektif secara umum dalam mempertahankan kualitas citra digital terhadap berbagai jenis noise.

Conclusion

Berdasarkan pengujian terhadap 20 citra wajah dengan tiga jenis noise (salt and pepper, gaussian, dan speckle) menggunakan tiga metode filter (median, gaussian, dan bilateral) serta kombinasinya, diperoleh bahwa Median Filter memberikan hasil paling optimal dalam mereduksi noise pada citra digital.Filter ini menghasilkan nilai MSE terendah dan PSNR tertinggi dibandingkan metode lainnya, menunjukkan kualitas citra hasil perbaikan yang paling mendekati citra asli.Metode ini masih dapat dikembangkan dengan menguji variasi ukuran kernel, seperti 5×5 atau 7×7, serta mengombinasikannya dengan pendekatan modern berbasis deep learning, seperti BM3D atau Non-Local Means (NLM), guna meningkatkan efektivitas reduksi noise pada dataset yang lebih beragam.

Future Research

Penelitian lanjutan dapat fokus pada pengembangan ukuran kernel filter median untuk meningkatkan efektivitasnya dalam menangani berbagai jenis noise. Selain itu, integrasi teknik deep learning seperti BM3D atau Non-Local Means (NLM) dengan metode tradisional seperti filter median bisa menjadi arah penelitian yang menarik untuk mengoptimalkan kualitas citra. Terakhir, eksplorasi kombinasi unik antara filter median dan algoritma berbasis AI untuk menangani noise kompleks dalam dataset yang lebih besar dan beragam juga layak diteliti.

References

1. Pengurangan Derau (Noise) pada Citra Paper Dokumen menggunakan Metode Gaussian Filter dan Median Filter... ejournal.ust.ac.id/index.php/KAKIFIKOM/article/view/1871Pengurangan Derau Noise pada Citra Paper Dokumen menggunakan Metode Gaussian Filter dan Median Filter ejournal ust ac index php KAKIFIKOM article view 1871
2. Penerapan Bilateral Filtering untuk Peningkatan Kualitas Citra Digital Fokus pada Gaussian, Salt-and-Pepper,... doi.org/10.30829/algoritma.v8i2.22130Penerapan Bilateral Filtering untuk Peningkatan Kualitas Citra Digital Fokus pada Gaussian Salt and Pepper doi 10 30829 algoritma v8i2 22130
3. Perbandingan Metode Reduksi Noise pada Citra Digital Berbasis Website | Jurnal Komtika (Komputasi dan... journal.unimma.ac.id/komtika/en/article/view/14966Perbandingan Metode Reduksi Noise pada Citra Digital Berbasis Website Jurnal Komtika Komputasi dan journal unimma ac komtika en article view 14966
4. Segmentasi Daun Cendana Berbasis Citra Menggunakan Otsu Thresholding | Journal of Information and Technology.... jurnal.unimor.ac.id/index.php/JITU/article/view/3868Segmentasi Daun Cendana Berbasis Citra Menggunakan Otsu Thresholding Journal of Information and Technology jurnal unimor ac index php JITU article view 3868

Metadata

File size	374.41 KB
Pages	10
DMCA	Report