ABSTRAKSI: Saat ini citra digital menjadi hal yang penting dan berguna dalam berbagai bidang kehidupan sehingga kebutuhan terhadap citra digital semakin banyak dan beragam. Seringkali perbaikan terhadap kerusakan pada citra digital menjadi sangat diperlukan akibat dari keterbatasan alat akusisi yang digunakan. Lingkungan dan alat akusisi yang tidak ideal akan mengakibatkan kerusakan berupa blur dan noise pada citra digital yang dihasilkan.
Dalam tugas akhir ini, citra digital akan didegradasi menggunakan Gaussian blur dan Gaussian noise, kemudian direstorasi menggunakan jaringan Hopfield yang merupakan salah satu cabang dari Jaringan Syaraf Tiruan yang termasuk kategori unsupervised learning.
Pertama-tama parameter-parameter dihitung dengan membandingkan fungsi energi dari jaringan Hopfield dengan fungsi error. Kemudian algoritma restorasi diterapkan, menggunakan algoritma iteratif untuk meminimalkan fungsi energi dari jaringan Hopfield atau memperbaharui neuron hingga tidak ada lagi neuron yang diperbaharui.
Pada proses analisis dilakukan perbandingan antara jaringan Hopfield original (JHO), jaringan Hopfield sekuensial (JHS) dan jaringan Hopfield modifikasi (JHM). Untuk perhitungan performansi citra hasil restorasi, digunakan PSNR, SNR dan similarity.
Secara keseluruhan, untuk performansi citra hasil restorasi berdasarkan PSNR, SNR dan similarity, JHM lebih baik daripada JHO dan JHS. Kelebihan JHM lainnya adalah proses restorasi citra yang terdegradasi lebih cepat dari JHO dan JHS, karena fungsi energi dari JHM lebih cepat konvergen minimum atau pembaharuan neuronnya lebih cepat hingga tidak ada lagi neuron yang diperbaharui.Kata Kunci : gaussian blur, gaussian noise, jaringan hopfield, PSNR, similarity, SNRABSTRACT: In this time digital image become important thing and useful in many area of our life and it make the need of digital image become much more and various. Very often reparation of damage digital image is needed because the limit of acquisition tool these day. Environment and acquisition tool which is not ideal will result damage to digital image in the form of blur and noise.
In this final project, digital image will be degraded using Gaussian noise and Gaussian blur, then restoring using Hopfield network that one of branch from Artificial Neural Network which including unsupervised learning category.
First, parameters calculated by comparing energy function from Hopfield network with error function. Then restoration algorithm applied, using iteration algorithm for minimization of energy function from Hopfield network or updating neuron until nothing updating neuron.
In analysis process conducted by comparison between original Hopfield network (JHO), sequential Hopfield network (JHS) and modified Hopfield network (JHM). For the calculation performance of image restoration, used PSNR, SNR and similarity.
Totally, image restoration performance of PSNR, SNR and similarity, JHM more better than JHO and JHS. Other specialty of JHM is degraded image restoration process more faster than JHO and JHS, because energy function of JHM is more faster convergent to minimum or updating neuron more faster until updating neuron no more.Keyword: gaussian blur, gaussian noise, hopfield network, PSNR, similarity, SNR