Melola Discovery

← Melola Discovery

Jurnal SINTA 2

PENGHILANGAN NOISE PADA CITRA BERWARNA DENGAN METODE TOTAL VARIATION

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 5 No. 1 (2006) · pp. 1–6

DOI
10.12962/j24068535.v5i1.a199
ISSN
2406-8535, 1412-6389
Published
2006-01-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Saat ini multimedia telah menjadi teknologi yang cukup dominan. Tukar menukar informasi dalam bentuk citra sudah banyak dilakukan oleh masyarakat. Citra dengan kualitas yang baik sangat diperlukan dalam penyajian informasi. Citra yang memiliki noise kurang baik digunakan sebagai sarana informasi, oleh karena itu diperlukan suatu metode untuk memperbaiki kualitas citra. Metode yang digunakan dalam penelitian ini adalah metode total variation untuk penghilangan noise yang dapat diterapkan untuk model warna nonlinier, yaitu Chromaticity-Brightness (CB) dan Hue-Saturation-Value (HSV). Filter total variation disebut filter yang bergantung pada data citra karena koefisien filternya diperoleh dari pemrosesan data citra dengan rumusan yang baku. Sehingga filter mask untuk masing-masing piksel memiliki kombinasi koefisien yang berbeda. Metode ini menggunakan proses iterasi untuk menyelesaikan persamaan dasar yang nonlinier. Uji coba dilakukan dengan menggunakan 30 data dengan berbagai jenis noise, yaitu gaussian, salt and pepper dan speckle. Uji coba pembandingan dengan metode filter median dan filter rata-rata. Dari percobaan ini menunjukkan bahwa metode total variation menghasilkan citra yang lebih baik daripada metode filter median maupun filter rata-rata, terutama pada citra yang terdegradasi dengan noise gaussian dan speckle. Kata kunci: Denoising, Total variation, Nonlinear Color Model

Collaboration network of the authors

40 authors · 88 co-authorship links · 4 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • Islamic University of Indonesia
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Chastine FatichahInstitut Teknologi Sepuluh Nopember12
Agus Zainal ArifinInstitut Teknologi Sepuluh Nopember3
Imam KuswardayanInstitut Teknologi Sepuluh Nopember3
Yuna SugianelaInstitut Teknologi Sepuluh Nopember2
Handayani TjandrasaInstitut Teknologi Sepuluh Nopember2
Isye ArieshantiInstitut Teknologi Sepuluh Nopember2
Syavira Tiara ZulkarnainInstitut Teknologi Sepuluh Nopember2
Diana PurwitasariInstitut Teknologi Sepuluh Nopember2
Arya Yudhi WijayaInstitut Teknologi Sepuluh Nopember2
Dini Adni NavastaraInstitut Teknologi Sepuluh Nopember2
Wijayanti Nurul KhotimahInstitut Teknologi Sepuluh Nopember2
Andi Baso KaswarInstitut Teknologi Sepuluh Nopember1
Saprina MamaseInstitut Teknologi Sepuluh Nopember1
Saiful Bahri MusaInstitut Teknologi Sepuluh Nopember1
Ahmad Mustofa HadiInstitut Teknologi Sepuluh Nopember1
Jayanti Yusmah SariInstitut Teknologi Sepuluh Nopember1
Mutmainnah MuchtarInstitut Teknologi Sepuluh Nopember1
Bernardinus ArisandiAffiliation unknown1
Lim Yohanes StefanusAffiliation unknown1
Aris TjahyantoInstitut Teknologi Sepuluh Nopember1
Faida RoyaniAffiliation unknown1
Lalu Muhammad DzakiAffiliation unknown1
Dewi RosidaAffiliation unknown1
Rosdiana RahmawatiAffiliation unknown1
Rizky Yuniar HakkunAffiliation unknown1
Darlis Heru MurtiInstitut Teknologi Sepuluh Nopember1
Daru Jani NanjayaAffiliation unknown1
Dody Rachmat WicaksonoAffiliation unknown1
Nunut Priyo JatmikoAffiliation unknown1
Kavin AndiAffiliation unknown1
Sarwosri SarwosriInstitut Teknologi Sepuluh Nopember1
Myke Noor ArianiAffiliation unknown1
Ricky Eka PutraAffiliation unknown1
Arrie KurniawardhaniIslamic University of Indonesia1
Fitri BimantoroAffiliation unknown1
Gulpi Qorik Oktagalu PratamasunuAffiliation unknown1
Mirza Galih KurniawanInstitut Teknologi Sepuluh Nopember1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">PENGHILANGAN NOISE PADA CITRA BERWARNA DENGAN METODE TOTAL VARIATION</dc:title>
	<dc:creator xml:lang="en">Yuniarti, Anny</dc:creator>
	<dc:creator xml:lang="en">Suciati, Nanik</dc:creator>
	<dc:creator xml:lang="en">A., Fetty Tri</dc:creator>
	<dc:description xml:lang="en">   Saat ini multimedia telah menjadi teknologi yang cukup dominan. Tukar menukar informasi dalam bentuk citra sudah banyak dilakukan oleh masyarakat. Citra dengan kualitas yang baik sangat diperlukan dalam penyajian informasi. Citra yang memiliki noise kurang baik digunakan sebagai sarana informasi, oleh karena itu diperlukan suatu metode untuk memperbaiki kualitas citra.  Metode yang digunakan dalam penelitian ini adalah metode total variation untuk penghilangan noise yang dapat diterapkan untuk model warna nonlinier, yaitu Chromaticity-Brightness (CB) dan Hue-Saturation-Value (HSV). Filter total variation disebut filter yang bergantung pada data citra karena koefisien filternya diperoleh dari pemrosesan data citra dengan rumusan yang baku. Sehingga  filter mask untuk masing-masing piksel memiliki kombinasi koefisien yang berbeda. Metode ini menggunakan proses iterasi untuk menyelesaikan persamaan dasar yang  nonlinier. Uji coba dilakukan dengan menggunakan 30 data dengan berbagai jenis noise, yaitu gaussian, salt and pepper dan speckle. Uji coba pembandingan dengan metode filter median dan filter rata-rata. Dari percobaan ini menunjukkan bahwa metode total variation menghasilkan citra yang lebih baik daripada metode filter median maupun filter rata-rata, terutama pada citra yang terdegradasi dengan noise gaussian dan speckle.   Kata kunci : Denoising, Total variation, Nonlinear Color Model</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2006-01-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/199</dc:identifier>
	<dc:identifier>10.12962/j24068535.v5i1.a199</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 5, No 1 Januari 2006; 1-6</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v5i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/199/152</dc:relation>
</oai_dc:dc>