REDUKSI GANGGUAN IMPULSE PADA CITRA SATELIT BERBASIS ALJABAR MANY-VALUES GUNA MENINGKATKAN RESILIENSI INFORMASI VISUAL

Citra satelit Synthetic Aperture Radar (SAR) dan optik memiliki peran penting dalam bidang pertahanan, namun rentan terhadap gangguan impulsif salt and pepper akibat malfungsi elektronik. Salah satu metode yang telah dikembangkan untuk mengatasi gangguan ini adalah Lukasiewicz Algebra with Square Root Noise-removal Method (LASRNM), berbasis aljabar many-values. Meskipun efektif pada kepadatan gangguan rendah, metode ini memiliki keterbatasan dalam merestorasi citra pada kepadatan gangguan tinggi, ditandai dengan munculnya blok-blok residual noise. Guna mengatasi kelemahan tersebut, penelitian ini mengusulkan dua metode baru berbasis aljabar many-values, yaitu Adaptive Many-Values Fuzzy Filtering (AMVFF) dengan pendekatan kernel adaptif tertarget dan Randomized Iterative Many-Values Fuzzy Filtering (RIMVFF) dengan pendekatan pengacakan iteratif pada kernel tetap. Pengujian menggunakan citra benchmark dan citra satelit menunjukkan bahwa kedua metode yang diusulkan
mampu meningkatkan kualitas restorasi citra berdasarkan metrik PSNR dan SSIM. AMVFF menunjukkan performa optimal pada kepadatan gangguan rendah, sementara RIMVFF unggul secara konsisten di seluruh tingkat kepadatan gangguan. Temuan ini menunjukkan bahwa integrasi konsep aljabar many-values dengan pendekatan adaptif dan iteratif mampu meningkatkan efektivitas restorasi citra dan memperkuat ketahanan informasi visual pada skenario gangguan berat,
yang relevan untuk aplikasi pertahanan dan pemantauan strategis.