Saran - KESIMPULAN DAN SARAN - Perancangan Aplikasi Pengolahan Citra Untuk mendiagnosa penyakit

BAB V KESIMPULAN DAN SARAN

5.2 Saran

Beberapa saran untuk pengembangan selanjutnya, diantaranya: 1. Dapat mendeteksi berbagai macam ikan selain ikan kakap.

2. Membuat sistem pendeteksian gambar yang dapat dilakukan dengan secara

realtime.

3. Menggunakan metode lain yang lebih akurat ketika gambar di miringkan tidak wajar.

[1] Direktorat produksi direktorat jendral perikanan budidaya departemen kelautan dan perikanan. 2007. Petunjuk teknis budidaya ikan kakap putih (Lates calcarufer). Jakarta.

[2] Agus, B. M. 1997. Budidaya kakap dalam tambak dan keramba. Yogyakarta : Kanisius.

[3] Safaat, Nazruddin H (2012). Pemrograman aplikasi smartphone dan tablet PC berbasis android. Bandung: INFORMATIKA Bandung. [4] Hermawan, Julius, (Tanpa tahun). Analisa Desain & Pemrograman

Berorientasi Obyek dengan UML dan Visual Basic.NETBandung:

ANDI

[5] Putra, Darma (2010). Pengolahan citra digital. Yogyakarta: ANDI [6] Pandinasa, Frans (2004). Pengambangan dengan metode otsu, diakses

pada tanggal 26 April 2015, dari world wide web: http://www.academia.edu/7564414/BINERISASI_CITRA_TANGAN DENGAN_METODE_OTSU.

[7] Heriyanto, 2013. “Perancangan Aplikasi Pengolahan Citra Teks Arab

Dan Penerjemahaannya Ke Dalam Bahasa Indonesia Menggunakan

Smartphone Android”. Skripsi. Bandung: Fakultas Teknik dan Ilmu

Komputer, Universitas Komputer Indonesia.

1. Sampel gambar yang di tanam pada server a. Sampel ekor yang berpenyakit

73 c. Sampel insang yang berpenyakit

74 d. Sampel sirip yang berpenyakit

75 e. Sampel anus yang berpenyakit

No Gambar grayscale biner Hasil

77 7

No Gambar grayscale biner Hasil

79 7

No Gambar grayscale biner Hasil

81 7

No Gambar grayscale biner Hasil

83 7

No Gambar grayscale biner Hasil

85 7

No Gambar grayscale biner Hasil

87 7

No Gambar 1 2 3 4 5 88

89 7

No Gambar 1 2 3 4 5 90

91 7

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

3 Data 3 68.6 68-69.9 Teridentifikasi 4 Data 4 68.2 68-69.9 Teridentifikasi 5 Data 5 68.9 68-69.9 Teridentifikasi 6 Data 6 69 68-69.9 Teridentifikasi 7 Data 7 69.4 68-69.9 Teridentifikasi 8 Data 8 68.8 68-69.9 Teridentifikasi 9 Data 9 69.3 68-69.9 Teridentifikasi 10 Data 10 69.6 68-69.9 Teridentifikasi

Data Pengujian Pengkondisian Warna Tahap Pertama Kondisi Kedua

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

3 Data 3 68.6 68-69.9 Teridentifikasi

4 Data 4 68.2 68-69.9 Teridentifikasi

5 Data 5 68.9 68-69.9 Teridentifikasi

9 Data 9 69.3 68-69.9 Teridentifikasi

10 Data 10 69.6 68-69.9 Teridentifikasi

Data Pengujian Pengkondisian Warna Tahap Pertama Kondisi Ketiga

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

Data Pengujian Pengkondisian Warna Tahap Kedua Kondisi Pertama

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

94 4 Data 4 68.2 68-69.9 Teridentifikasi 5 Data 5 68.9 68-69.9 Teridentifikasi 6 Data 6 69 68-69.9 Teridentifikasi 7 Data 7 69.4 68-69.9 Teridentifikasi 8 Data 8 68.8 68-69.9 Teridentifikasi 9 Data 9 69.3 68-69.9 Teridentifikasi 10 Data 10 69.6 68-69.9 Teridentifikasi

Data Pengujian Pengkondisian Warna Tahap Kedua Kondisi Kedua

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

Data Pengujian Pengkondisian Warna Tahap Kedua Kondisi Ketiga

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

Data Pengujian Gambar Dengan Kemiringan Wajar

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

3 Data 3 68.6 68-69.9 Teridentifikasi

7 Data 7 69.4 68-69.9 Teridentifikasi

8 Data 8 68.8 68-69.9 Teridentifikasi

9 Data 9 69.3 68-69.9 Teridentifikasi

10 Data 10 69.6 68-69.9 Teridentifikasi

Data Pengujian Gambar Dengan Kemiringan Tidak Wajar

No Hasil Pengujian Data Penyakit Ekor Hasil Identifikasi

1 Data 1 68 68-69.9 Teridentifikasi

2 Data 2 50 68-69.9 Tidak teridentifikasi

3 Data 3 68.6 68-69.9 Teridentifikasi

4 Data 4 50.3 68-69.9 Tidak teridentifikasi

5 Data 5 50.5 68-69.9 Tidak teridentifikasi

6 Data 6 69 68-69.9 Teridentifikasi

7 Data 7 69.4 68-69.9 Teridentifikasi

8 Data 8 68.8 68-69.9 Teridentifikasi

9 Data 9 69.3 68-69.9 Teridentifikasi

DATA PRIBADI

Nama Lengkap : Firdaus Puji Anshari

Tempat, Tanggal Lahir : Situbondo, 10 Mei 1993

Jenis Kelamin : Laki-Laki

Kewarganegaraan : Indonesia

Agama : Islam

Status : Belum Menikah

Alamat : Dusun Sukajadi RT/001 RW/004 Desa Pusaka Jaya

Utara Kec.Cilebar Kota Karawang

No. Telpon : 085721632012/08988678869

Email : [email protected]

PENDIDIKAN FORMAL

1. SD Negeri 3 Labuan : Tahun 1998 - 2004

2. SMP Negeri 1 Labuan : Tahun 2004 - 2007

3. SMA Negeri 1 Pandeglang : Tahun 2007 - 2010

4. S1 Fakultas Teknik dan Ilmu Komputer

Universitas Komputer Indonesia : Tahun 2010 - 2015

RIWAYAT PEKERJAAN

1. Asisten Laboraotorium Fisika 2011 - 2013

Demikian riwayat hidup ini saya buat dengan sebenarnya.

Bandung, 13 Agustus 2015

TUGAS AKHIR

Disusun Untuk Memenuhi Syarat Kelulusan PadaProgram Studi Strata Satu Sistem

Komputer di Jurusan Teknik Komputer

Oleh

Firdaus Puji Anshari

10210077

Pembimbing

Sri Nurhayati, M.T

JURUSAN TEKNIK KOMPUTER

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

BANDUNG

2015

viii

LEMBAR PERNYATAAN ... iv

ABSTRAK ... v

ABSTRACT ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... viii

DAFTAR TABEL ... xi

DAFTAR GAMBAR ... xiii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Maksud dan Tujuan ... 2

1.3 Batasan Masalah ... 2

1.4 Metode Penelitian ... 3

1.5 Sistematika Penulisan ... 4

BAB II TINJAUAN PUSTAKA ... 5

2.1 Pengolahan Citra Digital ... 5

2.1.1 Jenis Citra ... 6 2.1.1.1 Citra Warna ... 6 2.1.1.2 Citra Grayscale ... 7 2.1.1.3 Citra Biner ... 7 2.1.2 Segmentasi Citra ... 8 2.1.3 Pengambangan (Thresholding) ... 8

2.1.4 Pengambangan dengan Metode Otsu ... 8

2.3.1 Arsitektur Android ... 11

2.3.2 Struktur Aplikasi Android ... 12

2.4 Pemrograman Berorientasi Objek ... 13

2.5 UML ... 15

2.5.1 Diagram UML ... 15

2.5.2 Use Case Diagram ... 16

2.5.3 Activity Diagram ... 17

2.5.4 Sequence Diagram ... 19

2.5.5 Class Diagram ... 19

2.6 SaaS (Software as a Service) ... 20

BAB III PERANCANGAN SISTEM ... 24

3.1 Analisis Masalah ... 24

3.2 Analisis Data Penyakit ... 24

3.3 Analisis Pengolahan Citra ... 24

3.4 Analisis Kebutuhan Non Fungsional ... 29

3.4.1 Analisis Kebutuhan Perangkat Keras ... 29

3.4.2 Analisis Kebutuhan Perangkat Lunak ... 29

3.4.3 Analisis Pengguna ... 30

3.5 Analisis Kebutuhan Fungsional ... 30

3.5.1 Diagram Use Case ... 30

3.5.2 Diagram Activity ... 38

3.5.3 Diagram Class ... 42

3.6.2 Rancangan Antarmuka ... 47

3.7 Data Ikan ... 51

BAB IV HASIL PENGUJIAN DAN ANALISA ... 56

4.1 Cara Kerja dan Penggunaan Aplikasi ... 56

4.2 Pengujian dan Analisa ... 61

4.2.1 Pengujian Pengkondisian Warna ... 61

4.2.2 Pengujian Gambar Miring ... 63

4.2.3 Pengujian Gambar Selain Ikan Kakap ... 64

4.3 Hasil Pengujian ... 66

BAB V KESIMPULAN DAN SARAN ... 70

5.1 Kesimpulan ... 70

5.2 Saran ... 70

DAFTAR PUSTAKA ... 71

Tabel 3.1. Spesifikasi naratif untuk use case ambil foto melalui kamera ... 31

Tabel 3.2. Spesifikasi naratif untuk use case pilih foto dari galeri ... 32

Tabel 3.3. Spesifikasi naratif untuk use case penentuan area tubuh ikan pada foto ... 32

Tabel 3.4. Spesifikasi naratif untuk use case hasil diagnosa pada tubuh ikan ... 33

Tabel 3.5. Spesifikasi naratif untuk use case informasi cara pengguaan aplikasi ... 33

Tabel 3.6. Use case scenario ambil foto melalui kamera ... 34

Tabel 3.7. Use case scenario pilih foto dari galeri ... 35

Tabel 3.8. Use case scenario penentuan area tubuh ikan pada foto ... 35

Tabel 3.9. Use case scenario hasil diagnosa pada tubuh ikan ... 36

Tabel 3.10. use case scenario informasi cara penggunaan aplikasi ... 38

Tabel 3.11. Index similarity insang yang sakit ... 51

Tabel 3.12. Index similarity badan yang sakit ... 52

Tabel 3.13. Index similarity ekor yang sakit ... 53

Tabel 3.14. Index similarity sirip sakit... 54

Tabel 3.15. Index similarity anus sakit ... 54

Tabel 4.1. Pengujian gambar selain ikan ... 64

Tabel 4.2. Perbandingan Index similarity sebelum diurutkan ... 67

Tabel 4.3. Perbandingan index similarity setelah diurutkan ... 67

xiii

Gambar 2.1. Koordinat citra digital ... 5

Gambar 2.2. Citra warna ... 6

Gambar 2.3. Citra grayscale ... 7

Gambar 2.4. Citra biner... 7

Gambar 2.5. Monogenia ... 10

Gambar 2.6. Trematoda ... 11

Gambar 2.7. Cryptocaryon ... 12

Gambar 2.8. Tricodiniasis ... 12

Gambar 2.9. Bakteri Vibrio sp ... 13

Gambar 2.10. Arsitektur Android ... 14

Gambar 2.11. Contoh Diagram Use Case ... 20

Gambar 2.12. Contoh Diagram Activity ... 21

Gambar 2.13. Contoh Diagram Sequence ... 22

Gambar 2.14. Contoh Diagram Class ... 23

Gambar 3.1. Flowchart struktur pengolahan citra ... 25

Gambar 3.2. Ilustrasi cropping ... 26

Gambar 3.3 Flowchart grayscaling ... 27

Gambar 3.4 Flowchart Thresholding ... 28

xiv

Gambar 3.7. Diagram Activity ambil foto dari galeri ... 41

Gambar 3.8. Diagram Activity lihat cara penggunaan aplikasi ... 42

Gambar 3.9. Diagram Class ... 43

Gambar 3.10. Diagram Sequence ambil foto melalui kamera ... 44

Gambar 3.11. Diagram Sequence pilih foto dari galeri ... 45

Gambar 3.12. Diagram Sequence cara penggunaan aplikasi ... 46

Gambar 3.13. Diagram blok rancangan sistem aplikasi Android ... 46

Gambar 3.14. Antarmuka aplikasi Android Form 1 ... 48

Gambar 3.15. Antarmuka aplikasi Android Form 2 ... 49

Gambar 3.16. Antarmuka aplikasi Android Form 3 ... 49

Gambar 3.17. Antarmuka aplikasi Android Form 4 ... 50

Gambar 3.18. Antarmuka aplikasi Android Form 5 ... 50

Gambar 3.19. Antarmuka aplikasi Android Form 6 ... 51

Gambar 4.1. Tampilan awal aplikasi ... 56

Gambar 4.2. Tampilan Image View ... 57

Gambar 4.3. Tampilan Dialog ... 58

Gambar 4.4 Tampilan pada saat aplikasi melakukan proses pengolahan citra ... 59

Segala puji bagi Allah SWT., Pencipta dan Pemelihara alam semesta, shalawat serta salam semoga terlimpah bagi Muhammad SAW., keluarga dan para pengikutnya yang setia hingga akhir masa.

Atas rahmat Allah SWT., akhirnya Penulis dapat menyelesaikan Tugas Akhir ini, meskipun proses belajar sesungguhnya tak akan pernah berhenti. Tugas Akhir ini sesungguhnya bukanlah sebuah kerja individual dan akan sulit terlaksana tanpa bantuan banyak pihak yang tak mungkin Penulis sebutkan satu persatu, namun dengan segala kerendahan hati, Penulis mengucapkan terima kasih kepada :

1. Bapak dan Ibu tercinta, yang telah memberikan doa yang tulus, motivasi, bimbingan serta dorongan moril dan materil yang tidak mungkin bisa dibalas sampai kapanpun. 2. Ibu Sri Nurhayati., selaku dosen Pembimbing.

3. Prof. Dr. Ir Denny Kurniadie, M.Sc., selaku Dekan Fakultas Teknik dan Ilmu Komputer.

4. Bapak Wendi Zarman, M.Si., selaku Ketua Jurusan Teknik Komputer. 5. Ibu Susmini I. Lestariningati, M.T., selaku Dosen Wali Kelas 10 SK 2.

6. Seluruh Dosen Jurusan Teknik Komputer dan Staf Administrasi yang telah membantu

Penulis dalam menyelesaikan Tugas Akhir ini.

7. Seluruh Teman Teknik Komputer angkatan 2010 terutama kelas 10 SK 2 yang tidak dapat Penulis sebutkan satu persatu serta Alifah Kurniawati Rosya yang telah membantu menyemangati untuk penyelesaian Tugas Akhir ini.

8. Adik-adikku yang telah banyak mendoakan Penulis dalam menyelesaikan Tugas Akhir

ini

Akhirnya, Penulis berharap semoga penelitian ini menjadi sumbangsih yang bermanfaat bagi dunia sains dan teknologi di indonesia. Khususnya disiplin keilmuan yang Penulis dalami.

Bandung, 13 Agustus 2015

Dalam dokumen Perancangan Aplikasi Pengolahan Citra Untuk mendiagnosa penyakit Ikan Kakap berbasis Android (Halaman 72-108)