Perbandingan Metode Arithmetic Mean Filter dan Kernel Konvolusi untuk Mereduksi Noise

Adela Rizky Oktavyani, Citra Nurina Prabiantissa, Gusti Eka Yuliastuti

Abstract

Dalam lingkungan pemantauan keamanan, kamera CCTV sering kali terpengaruh oleh noise yang dapat mengurangi kualitas citra dan mengganggu interpretasi informasi yang penting. Penelitian ini memiliki tujuan untuk melakukan perbandingan antara dua metode yaitu metode Arithmetic Mean Filter dan Kernel Konvolusi dalam mereduksi noise pada CCTV. Metode Arithmetic Mean Filter melibatkan perhitungan rata-rata intensitas piksel di sekitar setiap piksel dalam citra, dengan harapan mengurangi noise dan meningkatkan kualitas keseluruhan citra. Sedangkan, Kernel Konvolusi melibatkan penerapan matriks konvolusi pada citra, di mana setiap elemen matriks memiliki bobot yang ditentukan untuk menghasilkan nilai piksel baru. Kedua metode ini telah terbukti efektif dalam mereduksi noise. Penelitian ini menguji citra CCTV dari berbagai situasi pemantauan keamanan yang mengandung tingkat noise yang berbeda. Data hasil eksperimen kemudian dianalisis menggunakan Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR) untuk mengukur efektivitas masing-masing metode dalam mereduksi noise dan memperbaiki kualitas citra. Hasil analisis ini mengungkapkan bahwa metode Arithmetic Mean Filter menghasilkan nilai MSE terendah yaitu 12.727965, dibandingkan dengan metode Kernel Konvolusi yang menghasilkan nilai MSE 13.555175 dan 89.3394. Adapun PSNR metode Arithmetic Mean Filter menghasilkan nilai 37.395895, sedangkan metode Kernel Konvolusi menghasilkan nilai 37.389005 dan 28.302805.

Keywords

Arithmetic Mean Filter; CCTV; Citra; Kernel Konvolusi; Perbaikan Citra; Reduksi Noise

Full Text:

PDF

References

P. B. N. Simangunsong, “Peningkatan Kualitas Citra Pada Studio Photography Dengan Menggunakan Metode Gaussian Filter,” J. Tek. Inform. UNIKA St. Thomas, vol. 3, no. 1, pp. 59–63, 2018.

R. E. Manalu, “Analisis Metode Histogram Equalization Dalam Proses Perbaikan Gambar Closed Circuit Television ( CCTV ),” TIN Terap. Inform. Nusant., vol. 2, no. 1, pp. 1–5, 2021.

C. N. Prabiantissa and G. E. Yuliastuti, “Prediksi Pergerakan Ikan Di Pesisir Pulau Madura Menggunakan Metode Gaussian Mixture Model Dan K-Means Clustering,” J. Teknol. Inf. dan Terap., vol. 8, no. 2, pp. 121–128, 2021, doi: 10.25047/jtit.v8i2.244.

A. Azan, M. Simanjuntak, and R. Saragih, “PERBAIKAN CITRA CLOSED CIRCUIT TELEVISION ( CCTV ) DENGAN METODE ARITHMETIC MEAN FILTER,” J. Tek. Inform. Kaputama, vol. 6, no. 2, pp. 680–690, 2022.

D. Widayat, S. D. Nasution, and S. R. Siregar, “Penerapan Metode Harmonic Mean Filter Untuk Mereduksi Noise Speckle Dan Salt And Pepper Pada Citra Ortokromatik,” J. Pelita Inform., vol. 7, no. 1, pp. 16–20, 2018, [Online]. Available: https://ejurnal.stmik-budidarma.ac.id/index.php/pelita/article/view/877

P. Faradilla, S. F. Rezky, and R. Hamdani, “Implementasi Metode Kernel Konvolusi Dan Contrast Stretching Untuk Perbaikan Kualitas Citra Digital,” vol. 1, no. November, pp. 865–875, 2022.

T. Indriyani, M. I. Utoyo, and R. Rulaningtyas, “Comparison of Image Smoothing Methods on Potholes Road Images,” J. Phys. Conf. Ser., vol. 1477, no. 5, 2020, doi: 10.1088/1742-6596/1477/5/052056.

P. Nabilla, M. F. Saputra, and R. A. Saputra, “Perbandingan Ruang Warna RGB, HSV Dan YCbCr Untuk Segmentasi Citra Ikan Kembung Menggunakan K-Means Clustering,” J. Mhs. Tek. Inform., vol. 6, no. 2, pp. 476–481, 2022.

Refbacks

  • There are currently no refbacks.