bab v & vi rti
Post on 14-Oct-2015
22 Views
Preview:
DESCRIPTION
TRANSCRIPT
-
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
top related