PERBANDINGAN FILTER COLOR FILTER ARRAY (CFA) BAYER, BEAN, DAN HAMILTON UNTUK DETEKSI PEMALSUAN CITRA DIGITAL

Tujuan penelitian ini adalah menghasilkan aplikasi yang digunakan untuk deteksi
pemalsuan citra digital dengan filter Color Filter Array (CFA) Bayer, Bean, dan
Hamilton. Serta memperoleh filter terbaik di antara filter CFA Bayer, Bean, dan
Hamilton dalam mendeteksi pemalsuan citra digital. Algoritma interpolasi yang
digunakan dalam penelitian ini adalah algoritma Biliniear dan transformasi wavelet
yang digunakan adalah wavelet Haar. Pengembangan sistem dilakukan dengan
model sekuensial linear. Tahapan penelitian ini meliputi, pengumpulan sampel citra,
analisis sistem, perancangan Data Flow Diagram (DFD), perancangan antarmuka,
implementasi, pengujian implementasi sistem, pengujian sistem, dan uji kelayakan
sistem. Data masukan dalam penelitian ini berupa citra yang didapat dari Columbia
Data Set dan pengambilan langsung, sedangkan data keluaran berupa citra keluaran,
nilai Peak Signal Noise Ratio (PSNR), dan Running Time. Pengujian dilakukan
dengan membandingkan nilai PSNR dan Running Time pada setiap filter CFA.
Pembandingan dilakukan dengan menggunakan statistika ANOVA satu jalur melalui
aplikasi SPSS 22. Dari penelitian yang telah dilakukan, filter terbaik yang didapatkan
berdasarkan nilai PSNR adalah filter CFA Bayer dengan nilai mean difference
tertinggi terhadap dua filter lainnya yaitu 17.2661. Sedangkan berdasarkan Running
Time, tidak ada perbedaan signifikan di antara ketiga filter CFA tersebut.
Kata kunci: Color Filter Array, filter Bayer, filter Bean, filter Hamilton, algoritma
Bilinear, Wavelet Haar, Peak Signal Noise Ratio, Running Time,
Pemalsuan Citra Dig