Majalah Ilmiah Teknologi Elektro, Vol. 18, No. 2, Mei - Agustus 2019

DOI: https://doi.org/10.24843/MITE.2019.v18i01.P012                                                             235

Analisis Kualitas Citra Medis Terkompresi JPEG

Derry Suia1, Oka Widyantara2, Rukmi Hartati3

[Submission: 30-04-2019, Accepted: 04-07-2019]

Abstract—Image compression technology is a basic step to compress images so that they can be transmitted more quickly and save spaces in storage media. This is a breakthrough that was created in 1920. Various studies on image compression technology have been carried out including by research related to compression that has been carried out, such as [1], [2]. From the results of previous research shows that image processing can be used to improve image quality so that it can analyze and identify medical images properly. Based on this, researchers are interested in conducting research on the compression process in medical images using the JPEG method by optimizing the compression of X-Ray images in order to determine the optimal compression ratio of medical images based on the best PSNR values from image compression. This study uses X-Ray image data as input data, where the image will be searched for the optimal compression ratio of 9 compression ratios (10% -90%). A total of 10 test datas were used. From the results of testing the system using test images, it can be seen that the characteristics of PSNR are able to determine the compression ratio of medical images optimally. The higher the image compression ratio applied to the test image, the higher the quality of the reconstructed image.

Intisari—Teknologi kompresi citra merupakan langkah dasar untuk memampatkan citra sehingga mampu ditransmisikan dengan lebih cepat dan menghemat ruang penyimpanan dalam media penyimpan. Hal ini merupakan sebuat terobosan yang diciptakan pada tahun 1920. Berbagai penelitian mengenai teknologi kompresi citra sudah dilakukan diantaranya oleh Penelitian terkait dengan kompresi sudah banyak dilakukan, antara lain [1], [2]. Dari hasil penelitian terdahulu menunjukkan bahwa pengolahan citra dapat digunakan untuk meningkatkan kualitas citra sehingga dapat menganalisis dan mengidentifikasi citra medis dengan baik. Berdasarkan hal tersebut, peneliti tertarik melakukan penelitian mengenai proses kompresi pada citra medis menggunakan metode JPEG dengan mengoptimasi kompresi citra X-Ray dengan tujuan untuk menentukan rasio kompresi optimal dari citra medis berdasarkan nilai PSNR terbaik dari hasil kompresi citra. Penelitian ini menggunakan data citra X-Ray sebagai data input, dimana citra tersebut akan dicari rasio kompresi optimalnya dari 9 rasio kompresi (10%-90%). Sebanyak 10 data uji digunakan. Dari hasil pengujian sistem menggunakan citra uji, dapat dilihat bahwa karakteristik PSNR mampu menentukan rasio kompresi citra medis secara optimal. dan semakin tinggi rasio kompresi citra yang diterapkan pada citra uji, maka semakin tinggi kulitas dari citra

hasil rekonstruksi.

Kata Kunci— JPEG, kompresi, citra, X-Ray.

  • I.    PENDAHULUAN

Teknologi kompresi mengalami perkembangan yang sangat pesat, hal ini ditunjukkan dengan pemanfaatan kompresi citra dalam berbagai persoalan, diantaranya keperluan medis, forensik, hingga kebutuhan sosial masyarakat. Penggunaan file multimedia seluruhnya menggunakan basis text, audio, video, maupun citra digital. Penyimpanan data dalam bentuk digital terutama dalam dunia medis sudah sangat diperlukan, sehingga sebagian besar rumah sakit menggunakan komputer dalam pengolahan citra medis. Citra medis merupakan gambaran dari tubuh manusia, bagian dari fungsi tubuh untuk tujuan klinis (mendiagnosa dan memeriksa penyakit) [3]. Di bidang kedokteran citra medis pada umumnya mempunyai histogram yang cenderung berada disekitar dark nilai pada aras keabuan sehingga pemanfaatan pengolahan citra digital dirasakan belum optimal, padahal dengan menggunakan utilitas ini dapat membantu para professional radiolog dalam menentukan diagnostik suatu kelainan akibat kerusakan jaringan [4].

Oleh karena itu citra medis merupakan informasi yang sangat penting. Namun permasalahan yang sering terjadi adalah ukuran file yang digunakan terkadang cukup besar, yang disebabkan oleh durasi, kualitas, maupun tingkat kompleksitas file tersebut. Permasalahan ini merupakan salah satu isu utama dalam melakukan file transfer terhadap suatu data, representasi file multimedia, maupun kapasitas media penyimpanan (media storage) [5]. Kapasitas saluran komunikasi yang ada berada jauh dari rate citra sumber merupakan permasalahan utamanya. Oleh sebab itu dibutuhkan sebuah teknik yang mampu untuk menurunkan kapasitas file. Teknik tersebut adalah metode kompresi digital, dimana ukuran file yang besar tersebut dapat dimampatkan (compress ) sehingga menghasilkan file dengan ukuran lebih kecil.

Metode kompresi citra memiliki berbagai jenis diantaranya Portable Network Graphic (PNG), Graphic Interchange Format (GIF) dan Joint Photographic Experts Group (JPEG). Dalam penelitian ini menggunakan metode kompresi citra JPEG untuk mengoptimasi kompresi citra X-Ray agar ukuran file terkompresi namun tidak menghilangkan kandungan informasi didalamnya. Oleh karena itu, proses identifikasi kualitas citra X-Ray mutlak diperlukan untuk membantu tenaga medis mengambil keputusan dalam menangani permasalahan pasien. Penelitian terkait dengan kompresi sudah banyak dilakukan, antara lain penelitian menggunakan metode Huffman, Run Length Encoding dan Lempel Ziv Welch,

Derry Suia: Analisis Kualitas Citra Medis


p-ISSN:1693 – 2951; e-ISSN: 2503-237



berdasarkan penelitian tersebut semua citra hasil dekompresi dapat dianalisa sehingga menunjukkan ada nilai MSE dan PSNR nya [1]. Selain itu penelitian menggunakan metode peregangan kontras berbasis image, dimana hasil penelitian mampu untuk membedakan normal MRI dan abnormal MRI [2]. Dari hasil penelitian terdahulu menunjukkan bahwa pengolahan citra dapat digunakan untuk meningkatkan kualitas citra sehingga dapat menganalisis dan mengidentifikasi citra medis dengan baik. Penelitian ini menggunakan motode JPEG untuk mengoptimasi kompresi citra X-Ray dengan tujuan menghasilkan ukuran file yang relatif lebih kecil, namun masih mengandung informasi yang cukup dalam proses pengambilan keputusan, berdasarkan karakteristik informasi yang tersedia. Keuntungan dari citra X-Ray adalah citra dari pasien mudah diobservasi, bias diterapkan teknik pengolahan citra dalam peningkatan kualitas gambar dapat disimpan dengan mudah sebagai basis data untuk pembelajaran maupun acuan diagnosis serta dapat dipertukarkan dengan mudah melalui internet [6].

Berdasarkan hal tersebut, peneliti tertarik melakukan penelitian mengenai proses kompresi pada citra medis menggunakan metode JPEG dengan mengoptimasi kompresi citra X-Ray dengan tujuan untuk menentukan rasio kompresi optimal dari citra medis berdasarkan nilai PSNR terbaik dari hasil kompresi citra.

  • II.    Kajian pustaka

  • A.    Kompresi Citra JPEG

Kompresi citra JPEG merupakan salah satu metode kompresi yang berbasis DCT (Discrete Cosine Transform). Desain kompresi ini memiliki keunggulan yang mampu melakukan proses kompresi pada citra diam berwarna [7]. Kompresi citra bertujuan untuk mengurangi jumlah data yang dibutuhkan untuk merepresentasikan sebuah citra digital.

Dalam kompresi JPEG lossy, nilai informasi yang terdapat pada citra output akan berkurang. Informasi yang dibuang pada proses ini adalah koefisien DCT frekuensi tinggi. Bagi mata manusia, pembuangan frekuensi tinggi tidak berpengaruh pada citra yang diamati [8]. Operasi kompresi meliputi DCT-2D dilanjutkan dengan kuantisasi, zig-zag dan penyandian entropi.

  • B.    Operasi Kuantisasi

Dasar operasi kuantisasi ini biasanya disebut dengan baseline coding. Dalam mode ini, gambar dipartisi menjadi blok-blok 1024×1024 pixel dari kiri ke kanan dan atas ke bawah. Setiap blok kode DCT, dan sebanyak 64 transformasi koefisien dikuantisasikan dengan kualitas yang diinginkan. Koefisien yang dikuantisasikan lalu dikodekan menggunakan kode entropi dan output sebagai bagian dari data gambar dikompresi, sehingga meminimalkan kebutuhan penyimpanan.

  • C.    Operasi Zig-Zag

Data hasil kompresi akan dikeluarkan secara sekuensial pada kompresi JPEG standar. Urutan pengeluaran data disusun secara zig-zag [8]. dan secara grafis ditunjukkan oleh Gambar 1 dengan visualisasi output pada Gambar 2.

0

1

5

6

14

15

27

28

2

4

7

13

16

26

29

42

3

8

12

17

25

30

41

43

9

11

18

24

31

40

44

53

10

19

23

32

39

45

52

54

20

22

33

38

46

51

55

60

21

34

37

47

50

56

59

61

35

35

48

49

57

58

62

63

Gambar 2 : Visualisasi Output Data Zig-Zag Secara Numeris

  • D.    Entropy Coding

Koefisien yang menjadi output unit zig-zag akan dijadikan input bagi unit entropy coding. Pada bagian inilah proses kompresi data berlangsung. Kode yang digunakan dalam penyandian koefisien adalah kode Huffman. Kode Huffman secara eksplisit memetakan simbol input pada suatu kata sandi. Simbol input yang mempunyai peluang paling besar dikodekan dengan kata sandi yang paling pendek. Sementara itu, simbol input dengan peluang terkecil dikodekan dengan kata sandi yang panjang. Penyandian Huffman untuk JPEG tidak dilakukan melalui operasi matematis atau perhitungan probabilitas, melainkan langsung menggunakan suatu look-up table [9].

  • III.    Metode Penelitian

  • A.    Studi Literatur

Tahap ini merupakan tahap awal dimana bertujuan untuk melakukan pemahaman terhadap teori kepustakaan mengenai kompresi citra, pemrosesan citra digital, dan algoritma kompresi JPEG yang bertujuan untuk mendukung proses dan pelaksanaan penelitian ini. Studi literatur adalah pengumpulan data ataupun referensi mengenai teori yang akan dipakai sebagai acuan terhadap penelitian yang direncanakan [10]. Dalam penelitian ini, referensi didapat dari jurnal, artikel laporan penelitian dan buku yang berhubungan dengan penelitian.

Majalah Ilmiah Teknologi Elektro, Vol. 18, No. 2, Mei - Agustus 2019 DOI: https://doi.org/10.24843/MITE.2019.v18i01.P012

Gambar 3 : Visualisasi Skema Kompresi JPEG yang Diusulkan


Secara umum, teknik kompresi dibagi menjadi dua kelompok, yaitu metode lossless dan lossy [11]. JPEG merupakan salah satu teknik kompresi lossy, dimana memiliki keunggulan menghasilkan data terkompres yang lebih kecil namun masih tetap memenuhi syarat untuk digunakan [12]. Teknik kompresi ini mampu mengkompres objek dengan tingkat kualitas sesuai dengan pilihan yang disediakan. [13].

Penentuan rasio merupakan sebuah cara untuk menentukan kinerja dari metode kompresi [14]. Penelitian ini menggunakan 10 data set yang dikompres sebanyak 9 kali dengan rasio 10%-90% kemudian diukur nilai PSNR dan MSE per masing-masing kompresi.

  • B.    Implementasi Algoritma

Dalam tahap ini dilakukan perencanaan penerapan algoritma yang akan digunakan dalam uji coba. Proses perencanaan ini bertujuan untuk mensimulasikan algoritma yang akan digunakan dalam penelitian. Rancangan sistem yang diusulkan dalam penelitian ini dapat dilihat pada Gambar 3.

  • C.    Uji Coba

Dalam tahap ini, implementasi dari algoritma yang dirancang dalam tahap sebelumnya diuji untuk memenuhi kriteria optimal berdasarkan dengan nilai PSNR dan ukuran citra dari output dalam kompresi citra yang dilakukan menggunakan algoritma terkait.

  • D.    Analisis

Pada tahap ini dilakukan analisis terhadap data serta proses identifikasi terhadap citra yang akan dikompres. Tahap ini membantu peneliti untuk memahami data yang akan dikompresi serta memberikan gambaran akan hasil dari penelitian secara umum.

JPEG adalah salah satu jenis dari teknik kompresi lossy. Algoritma ini memiliki 2 tahap, pertama, adalah tahap encoding yang merupakan proses untuk mengubah sinyal asal

kedalam bentuk data yang selanjutnya akan diolah. Kedua, adalah tahap decoding, adalah proses data yang diubah dalam proses sebelumnya sehingga dapat dipahami oleh penerima.

Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kualitatif, dimana metode ini dilakukan dengan cara identifikasi, observasi, dan simulasi penerapan metode klasifikasI kompresi JPEG Nilai PSNR merupakan dasar dari penentuan nilai kompresi optimal. Peak Signal to Noise Ratio (PSNR) adalahperbandingan antara nilai maksimum dari sinyal yang diukur besarnya derau (noise) yang berpengaruh pada sinyal tersebut [15]. Persamaan (1) merupakan perhitungan PSNR dari suatu gambar.

F^-ια⅛ffκ⅛ (1)

Dimana 255 merupakan nilai maksimum dari suatu pixel, MSE (Mean Square Error) merupakan nilai error kuadrat rata-rata dari citra asli dengan citra sisipan. Perhitungan MSE dapat dilihat pada (2).

M5E-⅛∑M>⅛-⅛)a (2)

Dimana x dan y merupakan koordinat dari gambar, dimensi gambar merupakan definisi dari M dan N, serta Sxy adalah citra sisipan dan Cxy adalah citra asli sebelum dikompres.

  • E.    Inputan Citra

Dalam penelitian ini digunakan input 10 citra uji, dimana masing-masing citra input memiliki karakteristik dan komposisi warna yang sama, sehingga mampu memberikan data sesuai dengan kebutuhan sistem uji. Citra yang digunakan dalam tahap preprosesing ini adalah citra dengan format .TIF, yang merupakan keluaran dari aplikasi XC

Derry Suia: Analisis Kualitas Citra Medis


p-ISSN:1693 – 2951; e-ISSN: 2503-237



DICOM™ dan digunakan dalam pengambilan citra X-Ray, untuk selanjutnya diproses dengan keluaran format “.bmp”. Proses reduksi citra input dapat dilihat pada Gambar 4,

dimana citra input X-Ray gray scale yang memiliki nilai pixel beragam, direduksi sehingga menjadi 1024x1024 pixel.

TABEL I

DATA NILAI PSNR DARI MASING-MASING CITRA UJI

No

Nama

10%

20%

30%

40%

50%

60%

70%

80%

90%

PSNR

PSNR

PSNR

PSNR

PSNR

PSNR

PSNR

PSNR

PSNR

1

Citra 1

79.3709

80.3557

79.6125

82.6207

82.8895

85.4237

86.8542

90.4305

92.7582

2

Citra 2

75.8237

77.6434

80.0044

80.7017

82.3202

82.3255

82.8151

84.6530

86.6901

3

Citra 3

61.2672

61.7866

61.8022

61.1066

61.6219

62.2133

61.9763

62.0233

62.2031

4

Citra 4

72.1759

72.1057

76.5267

78.8744

78.8703

79.4900

81.5386

76.9339

83.6482

5

Citra 5

68.3390

69.5635

70.0054

73.1173

70.7475

73.4383

73.0430

75.2108

81.6422

6

Citra 6

71.2152

71.0142

73.2839

72.9774

72.4526

74.5621

76.4321

78.7364

82.1083

7

Citra 7

69.6697

69.2300

71.0493

69.7889

69.7941

74.7009

75.4881

77.9086

78.6593

8

Citra 8

66.9193

70.9659

71.2712

72.5374

73.0785

73.1389

73.3964

74.9174

81.2698

9

Citra 9

66.2525

67.5571

67.9233

71.9488

72.9528

72.7716

69.5283

74.2685

78.2194

10

Citra 10

67.2965

71.6864

74.1104

72.2695

72.6937

73.6161

75.9465

75.7408

82.6822

Rata-Rata

69.8330

71.1908

72.5589

73.5943

73.7421

75.1680

75.7019

77.0823

80.9881

Gambar 4 : Contoh Tahap Reduksi Pixel Citra Uji

  • F.    Penentuan Rasio Kompresi

Penentuan rasio kompresi merupakan langkah yang dilakukan setelah menentukan input citra latih. Proses kompresi citra dilakukan sebanyak sembilan kali dengan menggunakan sembilan rasio yaitu rasio 10% hingga 90% yang ditunjukkan pada Gambar 5. Langkah selanjutnya adalah mencatat nilai PSNR dan nilai MSE dari masing-masing citra terkompresi. Penentuan rasio kompresi ditentukan berdasarkan nilai PSNR tertinggi dan nilai MSE terendah [16].

Gambar 5 : Contoh Tahap Kompresi 10%-90%

Proses akhir adalah proses rekonstruksi citra dalam format JPEG. Dari hasil tersebut dapat dilihat dan dianalisis kualitas dari citra yang dikompresi sesuai dengan rasio kompresi dengan hasil rekonstruksi yang memiliki nilai PSNR terbaik.

  • IV.    Analisa Data

Hasil uji coba 10 citra medis diatas menunjukan perubahan nilai PSNR yang meningkat secara konstan. Hal tersebut dapat dilihat berdasarkan rata-rata perubahan nilai PSNR dari Tabel I.

Dari hasil rata-rata 10 citra uji menghasilkan nilai PSNR yang berbanding lurus dengan peningkatan rasio kompresi. Gambar 4 merupakan grafik dari Nilai PSNR rata-rata setiap rasio kompresi. Selain PSNR, nilai MSE juga dicatat dan diamati. Data MSE merupakan dasar dalam perhitungan PSNR sesuai dengan rumus dalam (1). Nilai MSE merupakan nilai error dari citra hasil rekonstruksi, dimana nilai tersebut berpengaruh pada penentuan rasio kompresi optimal menggunakan algoritma JPEG. Sehingga nilai MSE yang baik adalah nilai yang terkecil dari masing-masing hasil kompresi citra uji. Gambar 5 merupakan grafik dari nilai MSE rata-rata setiap rasio kompresi.

Gambar 4 : Hasil Perhitungan Rata-rata PSNR Citra Uji (dB)

G. Rekonstruksi Citra Berdasarkan Algoritma JPEG


Dari hasil pengamatan pada Gambar 4 dan Gambar 5, nilai PSNR terbaik berada pada Rasio kompresi 90%, dengan rata-rata rasio komrpesi 80,9881 dB dan nilai rata-rata MSE

Majalah Ilmiah Teknologi Elektro, Vol. 18, No. 2, Mei - Agustus 2019 DOI: https://doi.org/10.24843/MITE.2019.v18i01.P012 0,2776. Pada rasio 20%, nilai rata-rata MSE merupakan nilai terkecil, namun nilai PSNR pada rasio 90% merupakan nilai PSNR terbaik. Sehingga Rasio kompresi terbaik untuk citra medis dapat ditentukan pada rasio 90% berdasarkan nilai PSNR hasil kompresi citra tersebut.

TABEL III

DATA NILAI MSE DARI MASING-MASING CITRA UJI

No

Nama

10%

20%

30%

40%

50%

60%

70%

80%

90%

MSE

MSE

MSE

MSE

MSE

MSE

MSE

MSE

MSE

1

Citra 1

0.3470

0.3429

0.3364

0.3466

0.3455

0.3522

0.3544

0.3601

0.3596

2

Citra 2

0.2139

0.2114

0.2198

0.2227

0.2260

0.2243

0.2275

0.2254

0.2257

3

Citra 3

0.2666

0.2555

0.2554

0.2725

0.2601

0.2462

0.2519

0.2508

0.2470

4

Citra 4

0.3741

0.3688

0.4024

0.4162

0.4106

0.4137

0.4221

0.3994

0.4244

5

Citra 5

0.1574

0.1489

0.1540

0.1405

0.1541

0.1321

0.1508

0.1475

0.1383

6

Citra 6

0.3163

0.2953

0.3290

0.3208

0.3078

0.3169

0.3228

0.3378

0.3440

7

Citra 7

0.1613

0.1689

0.1633

0.1714

0.1744

0.1461

0.1483

0.1474

0.1507

8

Citra 8

0.2532

0.2253

0.2279

0.2153

0.2090

0.2017

0.1872

0.2232

0.2069

9

Citra 9

0.0690

0.0630

0.0643

0.0503

0.0487

0.0499

0.0605

0.0500

0.0458

10

Citra 10

0.1760

0.1514

0.1375

0.1467

0.1514

0.1472

0.1413

0.1441

0.1340

Rata-Rata

0.2335

0.2231

0.2290

0.2303

0.2288

0.2230

0.2267

0.2286

0.2276

Gambar 5 : Hasil Perhitungan Rata-rata MSE Citra Uji

  • V.    Kesimpulan

Berdasarkan hasil uji coba algoritma JPEG dengan menggunakan sistem terhadap data uji citra X-Ray, dapat disimpulkan bahwa sistem ini mampu melakukan kompresi JPEG pada citra X-Ray, dimana rasio kompresi terbaik terdapat pada rasio kompresi 90%. Hal ini disebabkan nilai PSNR dan MSE terbaik terdapat pada rasio tersebut, yaitu sebesar 80.9881 dB.

Referensi

  • [1]    Anandita, IB., Aris, Indrawan. 2018. Analisis Kinerja dan Kualitas Hasil Kompresi Pada Citra Medis Sinar X Menggunakan Algoritma Huffman, Lempel Ziv Welchdan Run Length Encoding. Sintech Journal, Vol: 1, No. 1 April 2018.

  • [2]    Budiani, D., Andi Kurniawan, Sri. 2018. Analisa Citra Medis Pada Pasien Stroke dengan Metode Peregangan Kontras Berbasis ImageJ. Jurnal eLektrikal, Vol: 10, No 1, Tahun 2018, hal 15-18.

  • [3]    Lussy. 2017. “Perbaikan Kualitas Citra Medis Menggunakan Metode Difusi Nonlinear Anisotropik”. (Skripsi). Universitas Andalas

  • [4]    Nurhayati, OD., A.. Susanto. 2008. The Applicationof a Proper SegmentationMethod In The Analysis Of Head CT Scan Images. International Joint Symposium Frontierin Biomedical Sciences: From Genes to Applications, UGM Yogyakarta.

  • [5]    Krasmala, R., Budimansyah, A., dan Lenggana. 2017. Kompresi Citra Dengan Menggabungkan Metode Discrete Cosine Transform (DCT) dan Algoritma Huffman. JOIN, Vol: 2, No. 1 Juni 2017.

  • [6]    Susila, Wiranto, Istofa. 2013. Karakterisasi Flat-Panel Detector Untuk Pesawat Sinar-X Digital. Jurnal Prima, Vol: 10, No. 2 November 2013.

  • [7]    Munir, R. dkk. 2003. Metode Blind Image-Watermarking Berbasis Chaos Dalam Ranah Discrete Cosine Transform (DCT). Jurnal Ilmu Komputer dan Informasi. Vol: 3 No.2, p. 1-6.

  • [8]    Wallace, Gregory K. 1992. The JPEG Still Picture Compression Standard. IEEE Transactions on Consumer Electronics. Vol: 38 No.1. p. 18-34.

  • [9]    Salomon, D. 2004. Data Compression: The Complete Reference. Edisi Ketiga. Springer-Verlag New York, Inc. p. 77.

  • [10]    Ghozali, Imam. 2016. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbitan Universitas Diponegoro.

  • [11]    Sutoyo, T., Eddy. M., Vincent, Wijanarto. 2009. Teori Pengolahan Citra Digital. Yogyakarta: Andi.

  • [12]    Maricar, M. Azman; Widyantara, Oka. Pemampatan Citra Pas Foto dengan Menggunakan Algoritma Kompresi Joint-Photograpic Experts Group (JPEG) dan Principal Component Analysis (PCA). Majalah Ilmiah Teknologi Elektro, [S.l.], v.17, n.1, p.102-106, Mei 2018. ISSN 2503-2372.

  • [13]    Pandapotan. 2014. Kompresi Citra JPEG Dengan Algoritma Zig Jag. Jurnal Ilmiah Media Processor, Vol: 9, No 1, Februari 2014.

  • [14]    Santi, Widyantara. 2018. Pemilihan Algoritma Kompresi Optimal Untuk Citra Digital Bitmap. Majalah Ilmiah Teknologi Elektro, Vol: 17 No 1, Januari-April 2018.

  • [15]    Yoanda, Weeka, dan Syefrida. Algoritma Penyisipan Frame Untuk Peningkatan Akurasi Metode Aligned Peak Signal-to-Noise Ra tio Dalam Pengukuran Kualitas Video. Jurnal Komputer Terapan, Vol: 1, No 2 Mei 2015, hal: 45-56.

  • [16]    Munandar, Maria, Alb, Joko. Analisa PSNR, Rasio Kompresi Warna Dan MSE Terhadap Kompresi Image Menggunakan 31 Fungsi Wavelet. Digital Information & System Conference 2011.

    Derry Suia: Analisis Kualitas Citra Medis


p-ISSN:1693 – 2951; e-ISSN: 2503-237

{Halaman ini sengaja dikosongkan }

ISSN 1693– 2951

Derry Suia: Analisis Kualitas Citra Medis