7/13/2019 BAB V & VI RTI

1/17

30

BAB V

IMPLEMENTASI DAN PENGUJIAN

A.ImplementasiImplementasi dan pengujian membahas mengenai analisis sistem yang

dikerjakan pada skripsi penulis. Tujuan pembuatan aplikasi pengolahan citra

untuk mengidentifikasi kualitas telur ayam ras menggunakan teknik segmentasi

citra bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan

suatu kriteria tertentu, serta memperbaiki kualitas citra dengan cara memanipulasi

parameter-parameter citra. Dengan ciri-ciri khusus yang terdapat didalam citra

lebih ditonjolkan. Contohnya pada perbaikan kontras gelap atau terang, tepian

objek (edge enhancement), penajaman (sharpening), pemberian warna semu

(pseudolocoring), penapisan derau (noise filtering), pengenalan pola dan

pendeteksian tepi (edge detection). Penulis akan mengimplementasikan aplikasi

yang dibuat dengan menggunakan teknik segmentasi pada pendetegsian tepi (edge

detection).

Teknik segmentasi adalah suatu proses pengelompokkan citra menjadi

beberapa regionsberdasarkan kriteria tertentu. Secara umum ada tiga pendekatan

yang banyak digunakan dalam proses segmentasi. Teknik threshold, yaitu

pengelompokkan citra sesuai dengan distribusi properti pixel penyusun citra.

Teknik region-basedyaitu pengelompokkan citra kedalam regionstertentu secara

langsung berdasarkan persamaan karakteristik suatu area citranya. Edge-based

methodsyaitu pengelompokkan citra kedalam wilayah berbeda yang terpisahkan

karena adanya perbedaan peru bahan warna tepi dan warna dasar citra yang men-

7/13/2019 BAB V & VI RTI

2/17

31

dadak. (Gudang ilmu 7shortcut).

1. Proses implementasi sistemPada sub bab implementasi, dibagi menjadi dua bagian yaitu bagian

operator dan bagian sistem. Gambar 6 berikut menunjukkan proses implementasi

pada citra SiTelur.

Oprator Sistem

Gambar 6. Proses implementasi citra SiTelur

Komponen-komponen yang terlihat dalam aplikasi pengolahan citra untuk

mengidentifikasi kualitas telur ayam ras adalah sebagai berikut: penyediaan

layanan aplikasi identifikasi kualitas telur ayam ras diterapkan atau dikelola oleh

pihak yang ingin melakukan proses identitifikasi kualitas telur ayam ras seperti:

peternak, distributor, dan konsumen telur ayam ras. Komputer yang terinstal

aplikasi program Matlab 7.1 yang digunakan untuk proses identifikasi kualitas

telur ayam ras. Berikut merupakan penjelasan dari gambar 6 di atas:

a. Proses tahap pertama (P1)Operator akan memulai interface yang terdapat pada sistem aplikasi

kualitas telur ayam ras, yang operator lakukan pertama kali adalah memasukan

image awal pada sistem yang seblum sudah terdapat dalam mikrokontrorel (data-

data yang telah ada dalam sistem).

b. Proses tahap kedua (P2)

Proses 1

Proses 2

7/13/2019 BAB V & VI RTI

3/17

32

Tahap pemrosesan dikerjakan oleh sistem sebelum mengeluarkan hasil.

Pekerjaan sistem diproses secara bertahap kemudian operator memasukan citra

kedua untuk melakukan proses eksekusi, selanjutnya sistem akan mengeluarkan

output (hasil) yang akan ditampilkan kepada operator yang mengunakannya.

2. File hasil implementasi sistemImplementasi sistem dikembangkan dengan program Matlab berbasis

GUI menggunakan form tunggal yang terdiri dari tombol-tombol (push button),

text editor, menu SiTelur yang berisi gambar dan histogram SiTelur. Menupush

button digunakan sebagai pemicu untuk mengakses inputan, memproses gambar,

dan menghasilkan output yang ditampung pada text editor dan tampilan grafik.

Citra yang diproses pada aplikasi Matlab 7.1 disimpan dalam file berekstensi

*.Mat.Filecitra lainnya seperti BMP, PNG, TIFF, IFF, FXG, PCX, dan lain-lain,

tidak dapat dibaca, dalam hal ini ditampilkan dalam menu utama SiTelur.

3. Antarmuka sistemMenu utama pada gambar browsecitra SiTelur merupakan tampilan menu

program berisi tombol-tombol (command) inputan data yang terdiri dari tombol

ambil data jika mengambil gambar data, format JPG dan PNG dengan ukuran

tertentu. Tombol-tombol lain untuk memanipulasi gambar terdiri dari konversi

deteksi tepi dan derajat keabuan untuk mengubah atau mengkonversi gambar

yang sudah di ambil ke dalam deteksi tepi dan derajat kebuan. Tombol hitung

mean dan variansi untuk menghitung nilai rata-rata dan variansi dari citra

grayscale. Menu segmentasi digunakan untuk mendeteksi nilai-nilai pixel yang

ada pada SiTelur.

7/13/2019 BAB V & VI RTI

4/17

33

Hasil segmentasi ditampilkan pada menu inputan dan histogram

ditampilkan menu inputan kedua. Tombol perbandingan digunakan untuk

memmicu proses perbandingan antar gambar deteksi tepi dengan gambar

grayscale hasil segmentasi. Selain itu terdapat beberapa menu edit text untuk

menampung data inputdan outputserta menu SiTelur untuk menampilkan gambar

hasil segmentasi dan juga tombol keluar dari program terlihat pada gambar di

bawah.

Gambar 7.Formmenu inputSiTelur

4. Implementasi data inputanInputan berupa gambar yang di simpan dalam file format JPG. Pada

penelitian digunakan ukuran 128x128pixel. Gambar dari citra SiTelur di simpan

dalam folder atau yang sama dengan program aplikasi pengolahan citra. Masing-

masing di simpan sebanyak empat citra untuk ukuran citra 128x128 dan ukuran

citra 256 x 256.

7/13/2019 BAB V & VI RTI

5/17

34

5. Implementasi data proses dan outputImplementasi data proses merupakan rancangan aplikasi yang dibuat

penulis untuk melakukan pemrosesan data untuk menghasilkan output yang akan

ditampilkan pada menu utama SiTelur. Untuk menjalankan program klik matlab,

masuk menu GUI dan memilih menu run figureatau controlT. Langkah pertama

yang dilakukan adalah sebagai berikut.

a. Menu browseSiTelurKlik menu browsecitra secara otomatis akan muncul menu browse dengan

defaultnya adalah folder yang berisifileprogram danfilegambar. User mengklik

salah satu file gambar dan mengklik open, secara otomatis pada menu SiTelur

muncul gambar 8 seperti dibawah.

Gambar 8. Menu browse citra SiTelur

b. Menu konversi citra SiTelurMenu konversi citra SiTelur dan histogram digunakan untuk memicu

proses konversi citra ke histogram. Hasil konversi digunakan untuk proses

7/13/2019 BAB V & VI RTI

6/17

35

selanjutnya yakni perhitungan nilai deteksi tepi (edge detection) dan histogram

yang tampak pada gambar 10.

Tutup

Citra dan Histogram SiTelur

Histogram intensitas citra SiTelur

Gambar 9. Menu konversi citra SiTelur

c. Menu klik histogram SiTelurMenu klik digunakan memproses identifikasi setiap nilai pixel citra citra

yang dianalisa adalah citra yang nilaipixelpada histogram dibawah batas ambang.

Menu inputanbatas ambang histogram diproses dengan menghitung setiap nilai

pixel. Hasil ditampilkan pada menu SiTelur dan histogram. Pada menu edit text, di

isi dengan menu nilai citra hasil pada histogram.

Gambar 10. Menu klik histogram SiTelur

7/13/2019 BAB V & VI RTI

7/17

36

d. Menu klik tutup SiTelurMenu klik digunakan untuk menutup program pengolahan citra.

Konfirmasi Keluar

Apakah Tutup Aplikasi ?

TidakYa

Gambar 11. Gambar menu klik tutup SiTelur

B.Pengujian SistemPengujian sistem yang dilakukan mserupakan pengujian terhadap aplikasi

yang telah selesai dibuat. Dimulai dari memasukkan data masukan ke dalam

aplikasi, pengaturan skala sesuai dengan yang diinginkan oleh pengguna, proses

pendeteksi tepi dengan menggunakan metode deteksi tepi (edge detection),

perhitungan dan perbandingan nilai MSE dan PSNR, kemudian yang terakhir

adalah pengujian pengguna yaitu pengujian dengan angket yang diberikan kepada

para pengguna dalam hal ini masyarakat awam dan pakar IT.

1. Pengujian fungsionalitas

Pengujian fungsionalitas perangkat lunak dilakukan oleh pembuat sistem

untuk menguji fungsi-fungsi yang terdapat pada sistem. Saat pengujian dilakukan,

penulis menggunakan hardware seperti laptop Toshiba Satelite L745 Intel (R)

Core (TM) i3, CPU 2.10 GHZ, Memory2GB dan Harddisk500GB, sedangkan

software yang digunakan adalah Microsoft Windows 7 Ultimate sebagai sistem

operasi dan Matlab 7.1 sebagai bahasa pemrograman.

7/13/2019 BAB V & VI RTI

8/17

37

Pengujian fungsionalitas meliputi pengujian kemampuan sistem dan

pengujian algoritma yang digunakan dalam sistem.

a. Pengujian kemampuan sistem

Pengujian kemampuan sistem dilakukan untuk mengetahui sejauh mana

sistem mampu memberikan hasil sesuai kriteria evaluasi kerja yang di uji.

Pengujian ini berisi deskripsi dan prosedur pengujian, masukan dan keluaran,

kriteria evaluasi kerja, hasil yang didapat, dan kesimpulan dari pengujian tersebut.

Hasil pengujian kemampuan SiTelur dapat di lihat pada tabel berikut.

7/13/2019 BAB V & VI RTI

9/17

38

Tabel 3. Hasil pengujian kemampuan sistem SiTelur

DeskripsiProsedur

pengujianMasukan

Keluaran yang

diharapkan

Kriteria evaluasi

kerja

Hasil yang di dapatKesimpulan

Menampilkancitra inputan

pada SiTelur

Membukafilecitra yang ada

pada folder

Filecitra ataugambar

berekstensi

JPG

Dapat menampilkancitra yang di input

pada SiTelur

Dapat menampilkancitra yang di input

pada SiTelur

Citra yang diinput,ditampilkan pada

SiTelur

Berhasil

Menampilkanform atur skala

Menekan tombolatur skala

- Dapat menampilkanform atur skala saat

pengguna menekan

tombol atur skala

Dapat menampilkanform atur skala saat

pengguna menekan

tombol atur skala

Form atur skalatampil saat pengguna

menekan tombol atur

skala

Berhasil

Memprosesfile

citra dengan

segmentasidandeteksi tepi

(edge detection)

Menekan tombol

proses

Besaran skala

segmentasidan deteksitepi (edge

detection)

Dapat memproses

filecitra denganmenggunakan

segmentasi dandeteksi tepi (edgedetection)

Dapat memproses

filecitra denganmenggunakan

metode segmentasidan deteksi tepi

(edge detection)

Sistem mampu

memprosesfilecitradengan

menggunakan

metode segmentasidan deteksi tepi

(edge detection)

Berhasil

Menampilkan

citra hasil pada

SiTelur

Menekan tombol

proses

Citra hasil

proses

Dapat menampilkan

citra hasil proses

pada SiTelur

Dapat menampilkan

citra hasil proses

pada SiTelur

Citra yang telah di

proses, dapat

ditampilkan padaSiTelur

Berhasil

Menyimpanfilecitra hasil Menekan tombolsimpan Citra hasilproses Dapat menyimpancitra hasil Dapat menyimpancitra hasil Sistem mampumenyimpanfilecitra

hasil pada folder

Berhasil

Mencetakfile

citra hasil

Menekan tombol

cetak

Citra hasil

proses

Dapat mencetak citra

hasil pada printer

Dapat mencetak citra

hasil pada printer

Sistem mampu

mencetak citra hasilpada printer

Berhasil

7/13/2019 BAB V & VI RTI

10/17

39

b. Pengujian algoritma histogram

Pengujian algoritma histogram dilakukan terhadap empat citra uji yang

tidak mengandung noise, kemudian citra tersebut diberi noise dengan jenis dan

kepadatan noise yang berbeda-beda. Dalam proses histogram, dilakukan

perubahan ukuran penapis yang digunakan. Ukuran penapis di dapat dari

pengaturan skala histogram yang ada pada formatur skala.Pixel tepi dalam citra

tidak dioperasikan dengan kata lain penapis tidak boleh berada di luar area citra.

Secara keseluruhan, proses pengujian algoritma histogram dapat di lihat pada

flowchartberikut.

Hitung Histogram

Tempatkan posisi (0,0) penapis pada

pixel yang diperiksa

Beri Noise

Input Citra

Citra hasil, histogram,

MSE, PSNR

Hitung MSE, PSNR

Akhir

Mulai

Hitung nilai rata-rata dan

gantikan nilai pixel yang diperiksa

dengan nilai tersebut

pixel-pixel diluar area citra

disi nol

Penapis berada di luar area citra?

Ya

Tidak

Gambar 12.Flowchartpengujian algoritma histogram

Dari 4 buah citra uji yang telah diberi noise, dilakukan perhitungan MSE

dan PSNR dengan persamaan sebagai berikut.

7/13/2019 BAB V & VI RTI

11/17

40

1

0

1

0

2,,

1 M

x

N

y

yxgyxfMN

MSE ...................................................................... (1)

MSE

PSNR 25510log

20............................................................................................. (2)

Dari hasil persamaan diatas kemudian dirata-ratakan dan nilai tersebut

dijadikan nilai acuan untuk mengetahui seberapa besar nilai penurunan MSE dan

peningkatan PSNR dari citra hasil histogram dan deteksi tepi (edge detection).

Hasil perhitungan dapat di lihat pada tabel dan grafik berikut.

Tabel 4.Nilai rata-rata MSE dan PSNR dari empat citra yang telah diberi noise.

Noise MSE PSNR (dB)

Gaussian 5% 158,981 26,118

Gaussian 10% 615,783 20,239

Gaussian 15% 1309,030 16,966

Salt 5% 659,685 20,102

Salt 10% 1377,200 16,937

Salt 15% 2000,934 15,278

Pepper 5% 322,274 23,575

Pepper 10% 632,578 20,636

Pepper 15% 940,369 18,924

Salt&Pepper 5% 972,896 18,262

Salt&Pepper 10% 2010,742 15,112

Salt&Pepper 15% 3002,355 13,368

Gambar 13.Grafik MSEdan PSNRuntuk citra noise

Dari empat citra dengan noiseyang berbeda tersebut, kemudian dilakukan

proses segmentasi dan deteksi tepi (edge detection) dengan ukuran penapis 3x3,

5x5, dan 7x7.Hasil perhitungan dapat dilihat pada tabel dan grafik berikut.

0

500

1000

1500

2000

2500

3000

3500

Gaussian Salt Pepper Salt & Pepper

Noise

MSE

5%

10%

15%

0

5

10

15

20

25

30

Gaussian Salt Pepper Salt & Pepper

Noise

PSNR

5%

10%

15%

7/13/2019 BAB V & VI RTI

12/17

41

Tabel 5. Nilai rata-rata MSE dan PSNR hasil metode segementasi.

Noise MSE PSNR (dB)3 x 3 5 x 5 7 x 7 3 x 3 5 x 5 7 x 7

Gaussian 5% 143,660 164,768 222,778 26,699 26,109 24,762

10% 279,487 221,212 264,431 23,708 24,770 23,983

15% 481,354 299,741 298,720 21,326 23,380 23,083

Salt 5% 89,930 140,437 205,896 28,940 26,868 25,132

10% 88,973 139,025 205,816 29,002 26,918 25,139

15% 89,222 141,188 209,419 28,982 26,850 25,059

Pepper 5% 136,641 157,664 218,505 26,996 26,334 24,867

10% 175,392 188,834 249,676 25,890 25,543 24,282

15% 236,505 222,269 286,181 24,572 24,812 23,682

Salt & Pepper 5% 131,256 154,845 215,966 27,189 26,426 24,91210% 178,164 188,278 242,898 25,852 25,586 24,436

15% 241,212 210,669 274,733 24,510 25,085 23,897

Gambar 14. Grafik MSE dan PSNR

Dari tabel dan grafik di atas, perubahan ukuran penapis yang digunakan

memberikan pengaruh yang sangat besar terhadap proses segmentasi. Semakin

besar skala histogram yang digunakan maka semakin kecil nilai PSNR dan

semakin besar nilai MSE.

Selain itu, dari pengujian di atas juga di dapat disimpulkan bahwa, sebesar

5,888 dB dan 11,717 dB. Hal ini menunjukan bahwa perbaikan kualitas untuk

citra dengan noise jenis salt noise, pepper noise, dan salt & pepper noisedapat

0

100

200

300

400

500

600

Gau

ssian

5%

Gau

ssian

10%

Gau

ssian

15%

Salt5%

Salt

10%

Salt

15%

Pepp

er5%

Pepp

er10%

Pepp

er15%

Salt

&Pe

pper

5%

Salt

&Pe

pper

10%

Salt

&Pe

pper

15%

Noise

MSE

3 x 3

5 x 5

7 x 7

0

5

10

15

20

25

30

35

Gau

ssian

5%

Gau

ssian

10%

Gau

ssian

15%Salt5%

Salt

10%

Salt

15%

Pepp

er5%

Pepp

er10%

Pepp

er15%

Salt

&Pe

pper

5%

Salt

&Pe

pper

10%

Salt

&Pe

pper

15%

Noise

PSNR

3 x 3

5 x 5

7 x 7

7/13/2019 BAB V & VI RTI

13/17

42

diperbaiki kualitasnya dengan menggunakan metode segmentasi dan deteksi tepi

(edge detection).

2. Pengujian penggunaPengujian pengguna dilakukan dengan angket yang dibagikan kepada 15

orang pengguna SiTelur dan 5 orang pakar IT dari STIKOM Uyelindo Kupang,

terkait kelebihan dan kekurangan dari SiTelur. Berikut merupakan hasil pengujian

pakar.

Tabel 6. Hasil angket pakar

NoPernyataan

SS S KS TS J

RSI

CI

%Ket.

4 3 2 1

1 Rancangan aplikasi

SiTelur sangat

memuaskan

0 8 1 1 13 20 65 Baik

2 Arsitektur hardware

yang digunakan Sitelur

sangat tepat

7 2 1 0 14 20 70 Baik

3 Kualitas dan kuantitas

informasi SiTelur

sangat membantu

konsumen telur ayam

5 3 1 0 14 20 70 Cukup

4 Fitur yang dimiliki

Sitelur sangat jelas

6 3 1 0 14 20 70 Baik

5 Sitelur hanya dapat

dikembangkan dalam

aplikasi Matlab 7.1

5 5 0 0 19 20 95 Sangat

baik

Total 140 74 Baik

0

2

4

6

8

10

Sangat setuju

Setuju

Kurang setuju

Tidak setuju

7/13/2019 BAB V & VI RTI

14/17

43

Berdasarkan hasil pengujian pakar menunjukkan delapan dari sembilan

orang pakar setuju dengan desain antar muka dan arsitektur hardware SiTelur,

sedangkan yang lain menyatakan tidak setuju dan kurang setuju. Pada pernyataan

mengenai kemungkinan bahwa SiTelur dapat dikembangkan lagi dalam aplikasi

soft computinglainnya, delapan dari sembilan orang menyatakan sangat setujuan

sedangkan seseorangnya lagi menyatakan setuju. Hasil respon pakar akan

dicocokan dengan hasil respon pengguna yang merupakan karyawan peternak

telur ayam ras Matani milik Bapak Yahya Madeali.

Tabel 7. Hasil angket pengguna

NoPernyataan

SS S KS TSJR SI CI% Ket.

4 3 2 1

1 Tampilan dan

kemudahan

penggunaan SiTelur

sangat membantupeminat telur ayam

6 8 1 0 50 60 93 Sangat

baik

2 Kemampuan aplikasi

SiTelur

meningkatkan

kualitas citra telur

ayam

3 9 3 0 45 60 78 Baik

3 Informasi yang

disediakan SiTelur

dapat membantu

peternak, distributor

dan konsumen telurayam

2 8 5 0 42 60 74 Cukup

4 SiTelur dapat

dikembangkan untuk

dapat dimanfaatkan

pada instansi

peternakan telur

ayam

10 4 1 0 54 60 95 Sangat

baik

Total 122 140 80 Baik

7/13/2019 BAB V & VI RTI

15/17

44

Berdasarkan tabel hasil pengujian pengguna, dapat disimpulkan bahwa

kemudahan dalam penggunaan, dan desain tampilan SiTelur telah mendapat

dukungan pengguna sebanyak 93% dan 78%. Sedangkan untuk kemampuan dan

fitur yang dimiliki SiTelur, selanjutnya pada pernyataan mengenai kemungkinan

SiTelur dapat dikembangkan dan dimanfaatkan pada instansi-instansi pemerintah

mendapat dukungan pengguna sebanyak 95%.

Hasil pengujian pengguna dan pakar dapat disimpulkan bahwa totalitas

dari suatu bentuk perangkat lunak dalam bentuk rancangan GUI, arsitektur

hardwaremaupunsoftware, kemampuan sistem, fitur atau informasi yang SiTelur

disajikan, dan ekspektasi ke depan mengenai pengembangan perangkat lunak.

C.Analisis Kelebihan dan Kekurangan Sistem1. Kelebihan

Adapun analisis kelebihan sistem aplikasi SiTelur yang dibuat oleh penulis

adalah sebagai berikut:

0

1

2

3

4

5

6

7

8

9

Tampilan dan

kemudahan

penggunaan SiTelur

sangat membantu

peminat telur ayam

Kemampuan aplikasi

SiTelur

memningkatkan

kualitas citra telur

ayam

Iinformasi yang

disediakan SiTelur

dapat membantu

peternak, distributor

dan konsumen telur

ayam

SiTelur dapat

dikembangkan untuk

dapat dimanfaatkan

pada instansi

peternakan telur ayam

Sangat setuju Setuju kurang setuju Tidak setuju

7/13/2019 BAB V & VI RTI

16/17

45

a. Sistem pengolahan citra mudah digunakan. Aplikasi ini dibuat dengan desainyang sederhana, pengguna tidak perlu lagi mengedit lagi citra yang telah di

input dengan tools-toolsyang banyak seperti pada Photoshop. Hanya dengan

mengatur skala dan menekan tombol proses, citra inputan yang sebelumnya

bermasalah dengan noise, langsung bersih dan terbebas dari noise.

b.Implementasi algoritma histogram dapat meningkatkan kualitas dari sebuahcitra, dalam hal ini memiliki kemampuan dalam menghilangkan noise dari

segmentasi deteksi tepi (edge detection).

c. Sistem dapat dikembangkan untuk digunakan dalam aplikasi soft computinglainnya, sehingga dapat di gunakan pada instansi-instansi lainnya.

2. KekuranganAdapun analisis kekurangan sistem aplikasi SiTelur yang dibuat oleh

penulis adalah sebagai berikut:

a. Implementasi algoritma histogram dan deteksi tepi (edge detection) hanyauntuk menghilangkan mengetahui kualitas telur yang baik. Citra yang di input

tidak bisa di tambah tingkat kecerahan maupun kontras yang umumnya di atur

untuk meningkatkan kualitas citra. Sehingga sebelum citra tersebut di input

terlebih dahulu citra tersebut harus diatur tingkat kontras dan kecerahannya.

b.Citra yang di proses hanya yang berekstensi *.Mat. File citra lainnya sepertiBMP, PNG, TIFF, IFF, FXG, PCX, dan lain-lain, tidak dapat dibaca, dalam hal

ini ditampilkan dalam menu utama SiTelur.

7/13/2019 BAB V & VI RTI

17/17

46

BAB Vl

KESIMPULAN DAN SARAN

A.KesimpulanBerdasarkan permasalahan yang ada maka dapat disimpulkan bahwa

dengan adanya aplikasi pengolahan citra untuk mengidentifikasi kualitas telur

ayam ras dengan menggunakan metode segmentasi dan deteksi tepi (edge

detection) berhasil digunakan setelah melakukan proses pengujian. Berdasarkan

hasil uji responden dapat disimpulkan bahwa secara umum sistem yang di buat

sudah memenuhi tujuan utamanya yaitu dapat membantu para peternak,

distributor, dan konsumen telur ayam ras dalam memilih telur yang berkualitas

tanpa khawatir karena telur yang dipilih rusak (tidak layak untuk dikonsumsi).

Penulis menggunakan metode segmentasi dan deteksi tepi (edge detection) karena

metode tersebut paling pas untuk mengidentifikasi kualitas telur ayam ras.

B.SaranDari kesimpulan yang telah diambil, maka dapat dikemukakan saran-saran

yang akan sangat membantu untuk pengembangan perangkat lunak ini,

selanjutnya dapat dilakukan pengembangan aplikasi penelitian selanjutnya dapat

menggunakan data yang lebih akurat dengan pola data yang bervariasi selain data

segmentasi. Penelitian selanjutnya juga dapat menggunakan metode selain

segmentasi dan deteksi tepi (edge detection).z