BAB IV:HASIL DAN PEMBAHASAN
4.2. Pengujian Program Software
Pengujian program bertujuan untuk memastikan apakah program yang telah dibuat dapat bekerja dan sesuai dengan yang telah dirancang pada bab sebelumnya. Pengujian program menggunakan laptop dengan spesifikasi:
Processor : Intel® Core™ i3 CPU M330 @2.13GHz RAM : 2.00 GB
Program pengenalan dapat dijalankan dengan langkah-langkah di bawah ini:
1. Mengarahkan kursor dan menekan sebanyak dua kali pada icon Matlab seperti gambar 4.1. (7.0.4 merupakan versi dan tahun keluaran dari Matlab):
Gambar 4.1. Icon matlab pada desktop
2. Setelah icon Matlab ditekan sebanyak dua kali maka akan keluar tampilan awal Matlab seperti gambar 4.2:
Gambar 4.2. Tampilan utama Matlab
3. Kemudian ganti current directory sesuai dengan directory dimana program tersebut disimpan seperti yang ditunjukkan tanda panah pada gambar 4.2. Setelah itu ketik guide ta pada command window, maka akan keluar tampilan interface GUI seperti gambar 4.3 Kemudian klik run untuk menjalankan program serta interface GUI.
Gambar 4.3. Tampilan Interface GUI yang dibuat Run
Current directory
4. Setelah menekan tombol run, maka akan muncul tampilan Interface GUI seperti pada gambar 4.4.
Gambar 4.4. Tampilan interface GUI setelah di-run
5. User dapat memulai pengenalan dengan menekan tombol “Pencarian” yang berfungsi untuk membaca dan memasukkan motif batik Yogyakarta. Sejumlah 20 Motif batik beserta citra variasinya akan keluar di jendela file selector seperti pada gambar 4.5. User dapat memasukkan citra motif batik Yogyakarta yang dipilih, melalui file selector yang muncul ketika tombol “Pencarian” ditekan.
Gambar 4.5. Jendela file selector untuk memasukkan motif batik Yogyakarta
Berikut perintah program tombol “Pencarian” yang digunakan untuk memanggil file selector, citra yang dipilih dari file selector nama batiknya akan ditampilkan di
“edit 3” dan citra batik ditampilkan di “axes 1”. Pada proses ini sesuai dengan yang telah dirancang seperti pada gambar 3.6 diagram alir pemasukan dan pemilihan citra. Apabila citra motif Yogyakarta sudah ditampilkan di “axes 1” simbol suara dengan tanda silang, yang artinya tidak ada suara yang keluar akan ditampilkan di “axes 6”. untuk menjalankan program sebagai berikut:
Citra yang telah dipilih akan diinisialisasi dengan menggunakan perintah handles dan akan ditampilkan pada “axes 1”. Handles adalah sebuah inisialisasi yang digunakan agar dapat dipanggil dalam file figure maupun file.m
6. Selanjutnya salah satu motif batik Yogyakarta yang dipilih oleh user akan muncul di “axes 1” seperti pada gambar 4.6a. Nama dari citra yang dipilih dari file selector akan tampil di “edit3” seperti pada gambar 4.6b dan simbol tidak bersuara akan ditampilkan di “axes 6” seperti gambar 4.6e.
Gambar 4.6. Proses-proses pada interface GUI (a) Motif batik yang dipilih (b) Nama batik yang dipilih (c) Ukuran variasi resizing (d) Ukuran variasi jendela
ekstraksi ciri (e) Simbol suara
[filename, pathname] = uigetfile({'*.bmp'}, 'File Selector'); charfilename = char(filename)
set(handles.edit3,'string',charfilename); axes(handles.axes6);
img5=imread ('speaker volume mute copy.jpg'); imshow(img5) axes(handles.axes1); img0=imread (charfilename); imshow(img0) axis on handles.img0=img0; guidata(hObject,handles); A C B D E
7. Kemudian user harus memilih ukuran variasi resizing “Popupmenu1” digunakan untuk mengubah besar atau kecilnya ukuran citra dalam piksel dengan ukuran yang bervariasi seperti 200×200 (ukuran asli), 128×128, 64×64, 32×32, dan 16×16 piksel. Selanjutnya user memilih ukuran variasi dari jendela ekstraksi ciri “Popupmenu2” digunakan untuk pengambilan hasil ekstraksi ciri Discrete Cosine Transform Two Dimension (DCT 2-D), pengambilan dengan jendela ekstraksi ciri atau window terdapat di sisi kiri atas dengan ukuran yang bervariasi seperti 4×4, 5×5, 6×6, 7×7, 8×8, 9×9, dan 10×10 piksel. Variasi ukuran dari resizing dan jendela ekstraksi ciri digunakan untuk pengenalan motif batik Yogyakarta yang akan dikenali, seperti pada gambar 4.6c dan gambar 4.6d.
Perintah program untuk indeks ukuran variasi resizing yang akan digunakan adalah sebagai berikut:
Selanjutnya perintah program untuk indeks ukuran variasi jendela ekstraksi ciri yang akan digunakan adalah sebagai berikut:
indeks=get(handles.popupmenu1,'Value'); switch indeks case 2 resizing=200; case 3 resizing=128; case 4 resizing=64; case 5 resizing=32; case 6 resizing=16; end handles.resizing=resizing; guidata(hObject,handles); indeks=get(handles.popupmenu2,'Value'); switch indeks case 2 jendela=4; case 3 jendela=5; case 4 jendela=6; case 5 jendela=7; case 6 jendela=8; case 7 jendela=9; case 8 jendela=10; end handles.jendela=jendela; guidata(hObject,handles);
8. Setelah memilih ukuran variasi dari resizing dan jendela ekstraksi ciri maka user harus menekan tombol “Proses” yang digunakan untuk melihat hasil keluaran dari grayscale, resizing, Discrete Discrete Cosine Transform Two Dimension (DCT 2-D), jendela ekstraksi ciri dan keluaran teks serta suara dengan simbol suara tanpa tanda silang yang artinya adanya keluaran suara dari motif yang dikenal seperti pada gambar 4.7. User dapat menekan tombol “Reset” bila ingin memulai pengenalan citra yang baru ataupun sama dan dapat menekan tombol ”Selesai” bila ingin mengakhiri pengenalan. Untuk gambar 4.7 ini berkaitan dengan yang sudah dibahas pada bab sebelumnya pada gambar 3.5 yaitu dari diagram alir secara keseluruhan. Dari penjelasan di bab tersebut sudah sesuai dengan yang sudah dibuat pada GUI dan perancangan dari proses awal masukan sampai keluaran.
Gambar 4.7. Pengenalan saat tombol “Proses” ditekan
Tabel 4.1. menampilkan hasil pengenalan yang telah dilakukan ketika tombol “Proses” ditekan. Dari hasil gambar 4.7 terlihat bahwa program sudah dapat berjalan dengan baik ketika dilakukan pengujian pada program interface. Dari gambar 4.7 tertampil contoh hasil dari motif yang akan dikenali, citra yang akan dikenali melewati proses grayscale untuk mempermudah proses kemudian masuk ke proses resizing dengan ukuran
variasi 200×200 piksel. Selanjutnya citra resizing akan di transformasikan ke Discrete Cosine Transform Two Dimension (DCT 2-D) yang ukurannya akan menyesuaikan dengan ukuran resizing. Sesudah resizing melewati tahap proses ekstraksi ciri Discrete Cosine Transform Two Dimension (DCT 2-D), hasil dari ekstraksi ciri Discrete Cosine Transform Two Dimension (DCT 2-D) akan diambil sisi kiri atasnya dengan metode jendela ekstraksi ciri seperti gambar 4.7 digunakan variasi 4×4 piksel dan kolom tempat hasil keluaran akhir berupa tulisan dan suara “Kawung_Picis” sesuai dengan masukan citra yang dipilih dengan nama “Kawung_Picis.bmp”.
Berikut program dari tombol “Proses” yang di dalamnya terdapat beberapa program seperti proses grayscale, resizing, Discrete Cosine Transform Two Dimension (DCT 2-D), jendela ekstraksi ciri, jarak Dice serta k-Nearest Neighbor (k-NN) dan hasilnya akan ditampilkan pada GUI. Tombol proses dapat dilakukan setelah memilih variasi dari resizing dan jendela ekstraksi ciri yang diinginkan.
Tabel 4.1. Hasil Pengenalan Citra Motif Batik Yogyakarta
No. Masukan Citra Citra Yang Dikenali
1. Ceplok_Dempel.bmp Ceplok_Dempel 2. Ceplok_Kece.bmp Ceplok_Kece 3. Kawung_Galar.bmp Kawung_Galar 4. Kawung_Kembang_Cempoko_Hitam.bmp Kawung_Kembang_Cempoko_Hitam 5. Kawung_Picis.bmp Kawung_Picis 6. Lereng_Kusuma.bmp Lereng_Kusuma 7. Nitik_Cengkeh.bmp Nitik_Cengkeh 8. Nitik_Cengkeh.bmp Nitik_Cengkeh 9. Parang_Curigo.bmp Parang_Curigo 10. Parang_Kawung_Picis.bmp Parang_Kawung_Picis 11. Parang_Kembang_Sawut_Cecek.bmp Parang_Kembang_Sawut_Cecek 12. Parang_Keris.bmp Parang_Keris 13. Parang_Klitik.bmp Parang_Klitik 14. Parang_Kunci.bmp Parang_Kunci 15. Parang_Kusumo_Ukel.bmp Parang_Kusumo_Ukel 16. Parang_Pancing.bmp Parang_Pancing 17. Parang_Tuding.bmp Parang_Tuding 18. Parisewuli_Seling_Pamor.bmp Parisewuli_Seling_Pamor 19. Tambal.bmp Tambal 20. Truntum.bmp Truntum
Perintah program grayscale atau bahasa program rgb2gray adalah proses untuk menyederhanakan model citra dari citra berwarna menjadi keabu-abuan, agar proses selanjutnya lebih mudah diproses. Program grayscale adalah sebagai berikut:
Perintah program resizing atau bahasa program imresize adalah proses untuk mengubah ukuran dari citra, baik itu untuk memperbesar ataupun memperkecil ukuran citra. Program resizing adalah sebagai berikut:
Proses grayscale dan resizing ini berkaitan dengan perancangan pada gambar 3.7 diagram alir pemprosesan yang bertujuan untuk mempersiapkan citra yang akan diekstraksi ciri agar dapat dilanjutkan ke proses selanjutnya. Grayscale dan resizing merupakan proses preprocessing.
Perintah program Discrete Cosine Transform Two Dimension (DCT 2-D) atau bahasa pemrograman dct2 adalah DCT 2-D yang digunakan untuk membagi citra dengan ukuran resizing yang bervariasi, yang dipilih oleh user yang akan dimasukkan ke dalam beberapa blok-blok kecil. Program di bawah adalah perintah untuk menjalankan proses Discrete Cosine Transform Two Dimension (DCT 2-D):
Program di atas adalah perintah untuk menjalankan proses Discrete Cosine Transform Two Dimension (DCT 2-D). Citra masukan sebelum ekstraksi ciri yaitu
%=======================Proses Grayscale============================ img0=handles.img0; img1=rgb2gray(img0); axes(handles.axes2); imshow(img1) axis on %===============================Proses Resizing=========================== resizing=handles.resizing; if (resizing==200) img2=imresize(img1,[200 200]); elseif (resizing==128) img2=imresize(img1,[128 128]); elseif (resizing==64) img2=imresize(img1,[64 64]); elseif (resizing==32) img2=imresize(img1,[32 32]); elseif (resizing==16) img2=imresize(img1,[16 16]); end axes(handles.axes3); imshow(img2) axis on %================================Proses DCT============================ img2=double(img2)/255; img3=abs(dct2(img2)); axes(handles.axes4); imshow(img3) axis on
preprocessing dari hasil resizing terlebih dahulu dibagi dengan 255. Tujuan dari dibagi dengan 255 adalah untuk normalisasi, digunakan untuk mendapatkan hasil yang lebih baik. Ukuran dari variasi resizing tersebut akan membuat ukuran Discrete Cosine Transform Two Dimension (DCT 2-D) berubah dan menyesuaikan ukurannya dengan variasi resizing yang dipilih atau digunakan oleh user.
Kemudian bagian kiri atas dari hasil Discrete Cosine Transform Two Dimension (DCT 2-D) akan diambil sebagai ekstraksi ciri. Pengambilan bagian kiri atas ini menggunakan metode jendela ekstraksi ciri atau window. Hasil dari pengambilan bagian kiri atas Discrete Cosine Transform Two Dimension (DCT 2-D) akan menyesuaikan dengan variasi ukuran jendela ekstraksi ciri yang dipilih oleh user. Hasil dari salah satu pemilihan dari ukuran variasi jendela ekstraksi ciri tersebut akan diambil sebagai hasil ekstraksi ciri. Proses ini berkaitan dengan gambar 3.8 diagram alir ekstraksi ciri yang sudah dirancang terdiri dari Discrete Cosine Transform Two Dimension (DCT 2-D) dan jendela ekstraksi ciri yang bervariasi. Berikut perintah program dari proses jendela ekstraksi ciri:
Perintah program di bawah adalah untuk pemilihan atau mengeluarkan database yang akan dibandingkan dengan salah satu citra masukan motif batik Yogyakarta menggunakan perhitungan jarak. Pengeluaran database pembanding akan menyesuaikan dengan pemilihan variasi dari popupmenu seperti variasi resizing dan jendela ekstraksi ciri yang telah dipilih oleh user. Untuk pembuatan database harus benar agar tidak ada error di dalam pengenalan. Pembuatan database harus melalui proses dari masukan citra, preprocessing, dan ekstraksi ciri Discrete Cosine Transform Two Dimension (DCT 2-D) untuk diambil data matriknya dan disimpan dalam format .mat. Proses ini seperti yang sudah dirancang pada gambar 3.4 diagram alir pembuatan database. Berikut perintah program pemilihan atau mengeluarkan database:
%=============================Proses Window============================= jendela=handles.jendela; img4=img3(1:jendela,1:jendela); axes(handles.axes5); imshow(img4) axis on %==============================Pemilihan database========================= resizing=handles.resizing; jendela=handles.jendela; if (resizing==200) &(jendela==4) load x200ciri16;
elseif (resizing==200) &(jendela==5) load x200ciri25;
elseif (resizing==200) &(jendela==6) load x200ciri36;
elseif (resizing==200) &(jendela==7) load x200ciri49;
elseif (resizing==200) &(jendela==8) load x200ciri64;
elseif (resizing==200) &(jendela==9) load x200ciri81;
elseif (resizing==200) &(jendela==10) load x200ciri100;
elseif (resizing==128) &(jendela==4) load x128ciri16;
elseif (resizing==128) &(jendela==5) load x128ciri25;
elseif (resizing==128) &(jendela==6) load x128ciri36;
elseif (resizing==128) &(jendela==7) load x128ciri49;
elseif (resizing==128) &(jendela==8) load x128ciri64;
elseif (resizing==128) &(jendela==9) load x128ciri81;
elseif (resizing==128) &(jendela==10) load x128ciri100;
elseif (resizing==64) &(jendela==4) load x64ciri16;
elseif (resizing==64) &(jendela==5) load x64ciri25;
elseif (resizing==64) &(jendela==6) load x64ciri36;
elseif (resizing==64) &(jendela==7) load x64ciri49;
elseif (resizing==64) &(jendela==8) load x64ciri64;
elseif (resizing==64) &(jendela==9) load x64ciri81;
elseif (resizing==64) &(jendela==10) load x64ciri100;
elseif (resizing==32) &(jendela==4) load x32ciri16;
elseif (resizing==32) &(jendela==5) load x32ciri25;
elseif (resizing==32) &(jendela==6) load x32ciri36;
elseif (resizing==32) &(jendela==7) load x32ciri49;
elseif (resizing==32) &(jendela==8) load x32ciri64;
elseif (resizing==32) &(jendela==9) load x32ciri81;
elseif (resizing==32) &(jendela==10) load x32ciri100;
elseif (resizing==16) &(jendela==4) load x16ciri16;
elseif (resizing==16) &(jendela==5) load x16ciri25;
Proses yang dilakukan selanjutnya adalah membandingkan database dengan citra masukan motif batik Yogyakarta yang telah dipilih dari salah satunya menggunakan perhitungan jarak. Dari hasil perhitungan jarak tersebut akan didapatkan nilai jarak dari semua 20 citra motif batik Yogyakarta. Untuk perhitungan jarak sesuai dengan perancangan yang telah dibuat pada gambar 3.9.
Nilai perhitungan jarak tersebut dimasukkan ke dalam metode penentuan keluaran yaitu k-Nearest Neighbor (k-NN), dimana k-Nearest Neighbor (k-NN) akan mengurutkan dari kecil sampai besar nilai dari hasil perhitungan jarak. Setelah mendapatkan nilai yang paling minimum dari pengurutan nilai hasil penghitungan jarak akan diambil nilai minimum sebanyak k pada k-Nearest Neighbor (k-NN), sesuai dengan urutan sampel dari database. Kemudian dari urutan sampel database tersebut, akan keluar urutan motif batik sesuai dengan tabel 4.1. Dari nilai pengurutan motif batik tersebut maka akan diambil nilai yang sama sesuai dengan urutan citra motif batik Yogyakarta. Nilai kelas yang paling banyak muncul akan menjadi penentuan keluaran motif batik yang dikenal. Perintah program perhitungan jarak sebagai berikut:
Kelas yang digunakan k-Nearest Neighbor (k-NN) adalah bilangan ganjil seperti 1, 3, 5, dan 7. Kelas k=1 sama dengan tidak menggunakan k-Nearest Neighbor (k-NN) karena nilai minimumnya hanya mencari satu nilai sampel dari database dan juga kelasnya hanya ada satu. k=1 tidak bisa mencari nilai yang paling minimum dari citra lain, sedangkan kelas k=3, 5, 7 menggunakan k-Nearest Neighbor (k-NN) karena mencari nilai minimum dari sampel database disetiap variasi motif batik Yogyakarta sesuai dengan nilai k nya. k-Nearest Neighbor (k-NN) yang diambil sebagai keluaran adalah kelas yang paling banyak. Perhitungan pengurutan nilai minimum ini menggunakan jarak dice yang digunakan sebagai perhitungan nilai jarak minimum yang didapatkan dari perbandingan
%=========================== Perhitungan Jarak ============================ y=img4(:);
for n=1:180
r(n)=fjarak(y,z(:,n)); end
elseif (resizing==16) &(jendela==6) load x16ciri36;
elseif (resizing==16) &(jendela==7) load x16ciri49;
elseif (resizing==16) &(jendela==8) load x16ciri64;
elseif (resizing==16) &(jendela==9) load x16ciri81;
elseif (resizing==16) &(jendela==10) load x16ciri100;
citra masukan dengan database. Karena keterbatasan Matlab 7.0.4 perintah program ditambah modus yang digunakan untuk mencari nilai yang paling sering muncul, di dalam modus terdapat sampel sesuai dengan variasi citra asli, rotasi, dan skala dari database. Berikut perintah program k-Nearest Neighbor (k-NN):
Perintah program di bawah adalah penamaan keluaran teks dari 20 motif batik Yogyakarta. Variabel y1 adalah inisialisasi 20 motif batik Yogyakarta. Nilai kelas yang paling banyak muncul akan dipanggil sebagai keluaran sesuai dengan nama yang telah diinisialisasi sebagai berikut:
Perintah program di bawah adalah mencari nilai kelas yang paling banyak muncul akan menjadi penentuan keluar motif batik yang akan dikenal dan diinisialisi dari 20 motif batik Yogyakarta. Kemudian nilai yang paling banyak muncul akan ditampilkan ke dalam file figure dengan menggunakan perintah set. Berikut perintah program mencari nilai yang paling banyak muncul:
Perintah di bawah untuk mengeluarkan suara dari nama pengenalan motif batik Yogyakarta dari nilai yang paling banyak muncul. Suara tersebut akan bersamaan keluar dengan keluaran teks dari 20 motif batik Yogyakarta. Untuk keluaran suara dari pengenalan motif batik Yogyakarta ini menggunakan suara penulis dengan format rekaman suara wav. Setiap citra batik Yogyakarta akan ada keluaran suaranya masing-masing, sesuai dengan nama batiknya. Untuk sampling suara menggunakan 8000Hz, karena sampling menggunakan 8000Hz suara keluaran menjadi normal suaranya dan sama seperti suara yang direkam oleh penulis. Perintahnya sebagai berikut:
%===========================Pembagian kelas KNN========================== k=1; % k pada knn= 1, 3, 5, dan 7
m=9; % Jumlah sampel per kelas [s1,s2]=sort(r,'ascend'); % s urut naik (fungsi jarak) kn=s2(1:k) % Pilih k nearest neighbour
hk=ceil(kn/m) % Penentuan kelas-kelas yang terpilih x1=modus(hk) % Pilih kelas yang paling sering muncul
%=========================Deskripsi string inisialisasi=========================
y1={'Ceplok_Dempel';'Ceplok_Kece';'Kawung_Galar';'Kawung_Kembang_Cempoko_Hitam';'Kawung_Pic is';'Lereng_Kusuma';'Nitik_Cengkeh';'Parang_Barong';'Parang_Curigo';'Parang_Kawung_Picis';'Parang_ Kembang_Sawut_Cecek';'Parang_Keris';'Parang_Klitik';'Parang_Kunci';'Parang_Kusumo_Ukel';'Parang_ Pancing';'Parang_Tuding';'Parisewuli_Seling_Pamor';'Tambal';'Truntum'};
%=========================Penentuan keluaran minimum====================== b1=y1(x1);
set(handles.edit1,'string',b1);
%=====================Penentuan Keluaran Suara============================ if (x1==1);
y=wavread('Ceplok_Dempel1.wav'); sound(y,8000)
Untuk keluaran suara dari motif batik Yogyakarta akan digunakan simbol suara, simbolnya seperti keluaran bersuara dan tidak bersuara. Ketika ada proses keluaran, akan ditampilkan teks keluaran dan simbol suara tanpa tanda silang. Ketika tidak ada proses
elseif (x1==2); y=wavread('Ceplok_Kece1.wav'); sound(y,8000) elseif (x1==3); y=wavread('Kawung_Galar1.wav'); sound(y,8000) elseif (x1==4); y=wavread('Kawung_Kembang_Cempoko_Hitam1.wav'); sound(y,8000) elseif (x1==5); y=wavread('Kawung_Picis1.wav'); sound(y,8000) elseif (x1==6); y=wavread('Lereng_Kusuma1.wav'); sound(y,8000) elseif (x1==7); y=wavread('Nitik_Cengkeh1.wav'); sound(y,8000) elseif (x1==8); y=wavread('Parang_Barong1.wav'); sound(y,8000) elseif (x1==9); y=wavread('Parang_Curigo1.wav'); sound(y,8000) elseif (x1==10); y=wavread('Parang_Kawung_Picis1.wav'); sound(y,8000) elseif (x1==11); y=wavread('Parang_Kembang_Sawut_Cecek1.wav'); sound(y,8000) elseif (x1==12); y=wavread('Parang_Keris1.wav'); sound(y,8000) elseif (x1==13); y=wavread('Parang_Klitik1.wav'); sound(y,8000) elseif (x1==14); y=wavread('Parang_Kunci1.wav'); sound(y,8000) elseif (x1==15); y=wavread('Parang_Kusumo_Ukel1.wav'); sound(y,8000) elseif (x1==16); y=wavread('Parang_Pancing1.wav'); sound(y,8000) elseif (x1==17); y=wavread('Parang_Tuding1.wav'); sound(y,8000) elseif (x1==18); y=wavread('Parisewuli_Seling_Pamor1.wav'); sound(y,8000) elseif (x1==19); y=wavread('Tambal1.wav'); sound(y,8000) elseif (x1==20); y=wavread('Truntum1.wav'); sound(y,8000) end
keluaran, akan terlihat simbol suara dengan tanda silang. Berikut perintah program dan simbol yang digunakan:
Proses penentuan suara ini sudah sesuai dengan perancangan pada gambar 3.11 diagram alir penentuan keluaran yang dibuat, dari masukan hasil perhitungan jarak, proses k-Nearest Neighbor (k-NN), inisialisasi dari 20 citra motif batik Yogyakarta dan keluaran teks serta suara.
9. Tombol “Reset” digunakan apabila user ingin mengulangi pengenalan citra motif batik Yogyakarta menggunakan citra yang baru atau yang sama. Tombol reset akan mengembalikan kembali tampilan program atau GUI seperti awal mula user membuka program pengenalan. Perintah program pada tombol reset sebagai berikut:
10.Tombol “Selesai” digunakan apabila user ingin mengakhiri dan keluar dari program atau tampilan GUI pengenalan citra motif batik Yogyakarta. Perintah program tombol “Selesai” sebagai berikut:
Kesimpulan yang dapat diambil dari hasil pengujian adalah tombol yang terdapat pada tampilan program pengenalan motif batik Yogyakarta telah dapat berjalan dengan baik dan alur program secara keseluruhan telah sesuai dengan perancangan yang dibuat pada bab sebelumnya.
