ABSTRAKSI: Citra digital adalah salah satu bentuk citra yang paling sering dan mudah dipergunakan dari segi pengiriman, pengolahan dan pemrosesan citra itu sendiri. Ketika citra diimplementasikan dalam kehidupan, sering kali dalam proses pengiriman citra, baik melalui satelit maupun melalui kabel, akan mengalami interferensi atau gangguan dari luar yang mengakibatkan citra terkena noise atau warna yang tidak sesuai.
Dalam tugas akhir ini dilakukan implementasi dan analisis penggunaan metode AntShrink yang berbasis wavelet dengan teknik ACO (Ant Colony Optimization) untuk mengklasifikasikan koefisien wavelet yang digunakan dalam proses denoising. Noise yang digunakan adalah additive gaussian.
Dari hasil percobaan yang diperoleh, metode AntShrink dinilai cukup baik dalam menghilangkan noise, serta diperoleh kesimpulan mengenai proses denoising yang baik dengan menggunakan filter Daubechies db8 dan level dekomposisi 5. Peningkatan rata-rata PSNR yang diperoleh sebesar 5.208db.KATA KUNCI: Wavelet, denoising, AntShrink, ACO, Ant Colony Optimization, Additive Gaussian NoiseABSTRACT: Digital image is a kind of image that is very often and easy to used, like for image transmission as data, enhancement and processing. When image is implemented in our life, example in sending process through satelite or near cable, it often happened interference that causing noise into the images.
In this final project, it has been implemented and analysed the used of Ant Shrink method based on wavelet using ACO(Ant Colony Optimization) technique to classify the wavelet coefficients which is used for denoising process. The noise which is used in this final project is additive gaussian noise which is generated by noise generator.
From the experimental results obtained, bayes shrink method was considered good in removing noise, as well as the conclusion of the better denoising using Daubechies db8 and 5-level decomposition. Average improvement of PSNR obtained is 5.208db.KEYWORD: Wavelet, denoising, AntShrink, ACO, Ant Colony Optimization, Additive Gaussian Noise