BAB IV IMPLEMENTASI & EVALUASI

BAB IV IMPLEMENTASI & EVALUASI Pada bab ini membahas tentang bagaimana cara mengimplementasikan dan pengambilan data serta melakukan evaluasi terhadap data-data yang sudah didapatkan. Pertama disini digunakan sebuah PC dan mengunakan program matlab untuk membuat algoritma pendeteksian marka jalan serta mengestimasikan posisi dan sudut dari kamera. 4.1 Spesifikasi Sistem Menggunakan 1 unit webcam Logitech Menggunakan software Matlab Sistem operasi yang digunakan pada PC adalah Windows 7 4.2 Prosedur Operasional Langkah-langkah yang dilakukan dalam pengoperasian: 1. Pengambilan gambar Koneksi Webcam dengan PC Mengecek apakah webcam sudah terhubung dengan pc yang digunakan. Buka program Matlab Membuka program yang digunakan pada skripsi ini. Pada Matlab buka toolbox Image Acquisition Tool 33

34 Dapat dilihat caranya pada gambar (4.1) dibawah ini : Gambar 4.1 Cara Membuka Image Acquisition Tool Dan setelah dibuka Image Acquisition Tool akan muncul tampilan seperti gambar (4.2) dibawah ini : Gambar 4.2 Tampilan Image Acquisition Tool

35 Pada Hardware Browser, pilih ukuran gambar yang akan digunakan. Caranya dapat dilihat pada gambar (4.3) dibawah ini : Gambar 4.3 Tampilan hardware browser Pada Acquisition Parameter, ubah Color Space menjadi rgb Caranya dapat dilihat pada gambar (4.4) dibawah ini: Gambar 4.4 Tampilan Acquisition Parameter Klik Start Preview untuk menyesuaikan posisi kamera Dapat dilihat pada gambar (4.5) dibawah ini : Gambar 4.5 Tampilan Start Preview

36 Klik Start Acquisition untuk memulai pengambilan gambar Dapat dilihat pada gambar (4.6) dibawah ini : Gambar 4.6 Tampilan Start Acquisition Klik Export Data untuk menyimpan gambar Dapat dilihat pada gambar (4.7) dimana tombol export data, setelah itu akan muncul tampilan seperti gambar (4.8) pilih image file dan tekan ok. Gambar 4.7 Tampilan Export Data Gambar 4.8 Tampilan Data Exporter 2. Jalankan program Matlab yang telah di buat

37 4.3 Implementasi Implementasi yang dilakukan ditujukan untuk menguji sistem yang telah dirancang, sistem dikatakan stabil apabila output system dapat mendeteksi marka jalan yang ada serta dapat mengestimasikan posisi dan sudut dari kamera. Sistem ini diuji dengan membandingkan posisi dan sudut yang asli dengan estimasi posisi dan sudut yang didapatkan serta melihat hasil marka jalan yang ditemukan. Pada skripsi ini, dilakukan percobaan sebanyak 30 kali dengan posisi dan sudut yang berbeda-beda : - Posisi 0 cm sudut 0 0 - posisi 0 cm sudut 20 0 - posisi 24 cm sudut 0 0 - posisi 24 cm sudut 10 0 - posisi 24 cm sudut -10 0 - posisi 30 cm sudut 0 0 - posisi 30 cm sudut 10 0 - posisi 30 cm sudut -10 0 - posisi 48 cm sudut 0 0 - posisi 48 cm sudut -20 0 untuk lebih jelasnya tentang posisi dan sudut dapat dilihat pada contoh gambar (4.9) dibawah ini :

38 Gambar 4.9 Posisi Dan Sudut Pengambilan Data Keterangan: - Posisi kiri dari hasil yang didapatkan merupakan posisi real yang digunakan. - Garis merah merupakan marka jalan yang ditemukan sedangkan garis hijau merupakan semua garis yang ditemukan oleh Multiresolution Hough Transform - Masing-masing posisi memiliki 3 sample yang diambil error rataratanya - Fix error posisi maksimum = 10 cm - Fix error sudut maksimum = 5 o - Fix error sudut kemiringan antara 2 garis = 0.02 o - Fix jarak antara 2 garis = 48 cm

39 4.4 Analisa Hasil Percobaan 4.4.1 Analisa Deteksi Marka Jalan No Posisi dan Sudut Persentase Sample Yang Terdeteksi Sebagai Marka Jalan 1 Posisi 0 cm, Sudut 0 O 0 % 2 Posisi 0 cm, Sudut 20 O 100% 3 Posisi 24 cm, Sudut 0 O 100% 4 Posisi 24 cm, Sudut 10 O 100% 5 Posisi 24 cm, Sudut -10 O 100% 6 Posisi 30 cm, Sudut 0 O 100% 7 Posisi 30 cm, Sudut 10 O 100% 8 Posisi 30 cm, Sudut -10 O 100% 9 Posisi 48 cm, Sudut 0 O 100% 10 Posisi 48 cm, Sudut -20 O 33.333% Tabel 4.1 Hasil Deteksi Marka Jalan Pada tabel (4.1) diatas terlihat rata-rata disemua posisi dapat terdeteksi marka jalan dengan 100% atau dapat dibilang semua marka jalan yang ada dapat terdeteksi dengan baik, namun pada beberapa posisi tertentu ada juga yang hanya terdeteksi 33,33% saja atau dapat dibilang hanya terdeteksi 1 sample dari total 3 sample yang ada bahkan ada juga yang tidak terdeteksi sama sekali. Pertama akan dilihat dari posisi yang tidak terdeteksi sama sekali terlebih dahulu yaitu pada posisi 0 dan sudut 0 0.

40 Gambar 4.10 Contoh Gambar Untuk Posisi 0 Cm Sudut 0 0 Gambar 4.11 Contoh Marka Jalan Yang Ditemukan Posisi 0 Cm Sudut 0 0 Dilihat dari hasil gambar (4.11) diatas ternyata masih dapat ditemukan marka jalan dengan baik. Namun sebenarnya pada percobaan ini garis marka jalan kanan yang ditemukan bukanlah marka jalan yang sebenarnya, ini dikarenakan marka jalan kanan yang asli yang diambil oleh kamera sangat tipis hampir tidak terlihat, dapat dilihat pada

41 gambar (4.10) diatas, ditambah adanya garis keramik yang lebih jelas dibandingkan garis marka jalanya sehingga mendapatkan garis marka jalan yang salah. Justru garis keramik yang terdeteksi sebagai garis jalan. Ini dapat terjadi dikarenakan oleh error posisi maksimum yang menggunakan 10 cm, apabila menggunakan 5 cm maka tidak akan salah dalam mengenali marka jalan yang sebenarnya, namun untuk pengambilan data kali ini semuanya mengunakan error posisi maksimum sebesar 10 cm, jadi pada percobaan ini juga harus menggunakan parameter yang sama. Sedangkan untuk posisi yang hanya terdeteksi 33,33% yaitu pada posisi 48 dan sudut -20 0. Gambar 4.12 Contoh Marka Jalan Yang Ditemukan Pada Posisi 48 Cm Sudut -20 0 Gambar 4.13 Contoh Marka Jalan Yang Tidak Ditemukan Pada Posisi 48 Cm Sudut -20 0

42 Gambar 4.14 Contoh Marka Jalan Yang Ditemukan Pada Posisi 48 Cm Sudut -20 0 Gambar 4.15 Contoh Marka Jalan Yang Tidak Ditemukan Pada Posisi 48 Cm Sudut -20 0 Posisi 48 cm Sudut -20 Posisi Error Posisi sudut Error Sudut Sample 1 46.2437 cm 2.2437 cm -0.5245 0.5245 Sample 2 - - - - Sample 3 - - - - Rata-rata 46.2437 cm 2.2437 cm -20.5245 0.5245 Tabel 4.2 Hasil Deteksi Posisi Dan Sudut Pada Posisi 48 Cm Sudut -20 0 Dilihat dari tabel (4.2) diatas ini hanya 1 sample yang terdeteksi marka jalannya dengan posisi sebesar 46,2437 cm, dan error posisi rata-

43 rata yang didapatkan sebesar 2,2437 cm. Error posisi disini bisa terjadi karena pada saat mengganti sudut kamera dari sudut 0 o ke sudut -20 o. Posisi dari kamera juga ikut tergeser sehingga menimbulkan error yang lebih besar dibandingkan pada saat kamera berada pada posisi yang sama dengan sudut 0 0. Berdasarkan dari sudutnya, didapat sudut sebesar -20,5245 o. Dan terjadi error sudut rata-rata sebesar 0,5245 o. Error sudut yang terjadi dipercobaan ini sangatlah kecil sehingga hampir tidak ada pengaruhnya. Sedangkan 2 sample lainnya tidak terdeteksi marka jalannya sama sekali, walaupun sudah dicoba beberapa kali lagi tetap tidak dapat menemukan marka jalannya. Ini dikarenakan terjadi pergeseran sudut dan posisi dari kamera yang terlalu jauh dengan sudut yang telah ditentukan, dapat dilihat perbedaannya pada gambar (4.12) dengan gambar (4.13). Pada kedua gambar tersebut seharusnya posisi dan sudutnya sama, tetapi disini terlihat posisi dan sudut kameranya sudah bergeser. Ini terjadi dikarenakan pada saat mengambil gambar tanpa sengaja posisi kamera tersebut tergeser sehingga diulang berapa kalipun tetap tidak dapat menemukan marka jalannya lagi. Namun seharusnya marka jalannya tetap dapat terdeteksi karena apabila dilihat dari gambar (4.13) diatas kedua marka jalannya masih kelihatan dengan jelas, tetapi disini marka jalan kanan memang tidak dapat terdeteksi, dapat dilihat pada gambar (4.15) diatas, ini dapat terjadi dikarenakan pada algoritma deteksi line segment yang telah dibuat hanya melakukan scanning terhadap koordinat y dan y+1 saja sehingga dapat dikatakan ketelitian dalam pendeteksian line segment masih kurang optimal. Untuk

mendapatkan pendeteksian line segment yang lebih optimal harus ditambahkan algoritma untuk melakukan scanning terhadap koordinat x 44 dan x+1 juga, sehingga semua kemungkinan garis yang ada akan terdeteksi namun akan mengakibatkan computional cost yang makin lama lagi. 4.4.2 Analisa Estimasi Posisi Dan Sudut No Posisi dan Sudut Absolut Rata-Rata Absolut Rata-Rata Error Posisi Error Sudut 1 Posisi 0 cm, Sudut 0 O 1.8507 cm 0.1437 0 2 Posisi 0 cm, Sudut 20 O 3.9204 cm 3.0462 0 3 Posisi 24 cm, Sudut 0 O 0.6280 cm 0.3992 0 4 Posisi 24 cm, Sudut 10 O 2.4972 cm 0.9910 0 5 Posisi 24 cm, Sudut -10 O 1.8123 cm 3.5323 0 6 Posisi 30 cm, Sudut 0 O 2.3016 cm 0.2324 0 7 Posisi 30 cm, Sudut 10 O 1.9448 cm 1.8946 0 8 Posisi 30 cm, Sudut -10 O 1.9468 cm 2.1042 0 9 Posisi 48 cm, Sudut 0 O 1.3749 cm 0.6869 0 10 Posisi 48 cm, Sudut -20 O 2.2437 cm 0.5245 0 Rata-Rata 2.0520 cm 1.3555 0 Tabel 4.3 Hasil Estimasi Posisi Dan Sudut Secara Keseluruhan Pada tabel (4.3) diatas dapat dilihat semua hasil pengambilan data yang didapatkan. Pertama dilihat dari error posisi yang terbesar ada pada posisi 0 cm sudut 20 o.

45 Gambar 4.16 Contoh Gambar Untuk Posisi 0 Cm Sudut 20 0 Gambar 4.17 Contoh Marka Jalan Yang Ditemukan Pada Posisi 0 Cm Sudut 20 0 Posisi 0 cm Sudut 20 Posisi Error Posisi sudut Error Sudut Sample 1 3.8517 cm 3.8517 cm 17.0543 2.9457 Sample 2 4.0578 cm 4.0578 cm 16.7528 3.2472 Sample 3 3.8517 cm 3.8517 cm 17.0543 2.9457 Rata-rata 3.9024 cm 3.9024 cm 16.9538 3.0462 Tabel 4.4 Hasil Estimasi Posisi Dan Sudut Pada Posisi 0 Cm Sudut 20 0

46 Apabila dilihat dari hasil tabel (4.4) diatas didapatkan posisi rata-rata sebesar 3,9204 cm. Dan error posisi rata-rata yang didapatkan sebesar 3,9204 cm juga. Error posisi yang terjadi pada percobaan ini dikarenakan pada saat mengganti sudut kamera dari sudut 0 o ke sudut 20 o, posisi dari kamera juga ikut tergeser sehingga menimbulkan error yang lebih besar dibandingkan pada saat kamera berada pada posisi yang sama dengan sudut 0 0. Berdasarkan dari sudutnya, didapat sudut rata-rata sebesar 16.9538 o, dan terjadi error sudut rata-rata sebesar 3,0462 o, error yang terjadi pada percobaan ini dikarenakan pada saat pengaturan sudut dari kamera, kurang teliti dalam menempatkannya sehingga pada saat pengambilan gambar sudutnya tidak pas benar-benar ada di sudut 20 0. Kemudian dilihat dari error posisi yang terkecil ada pada posisi 24 cm sudut 0 o Gambar 4.18 Contoh Gambar Untuk Posisi 24 Cm Sudut 0 0

47 Gambar 4.19 Contoh Marka Jalan Yang Ditemukan Pada Posisi 24 Cm Sudut 0 0 Posisi 24 cm Sudut 0 Posisi Error Posisi sudut Error Sudut Sample 1 23.5672 cm 0.4328 cm 0.4920 0.4920 Sample 2 24.7251 cm 0.7251 cm 0.5308 0.5308 Sample 3 24.7260 cm 0.7260 cm 0.1747 0.1747 Rata-rata 24.3394 cm 0.6280 cm 0.3992 0.3992 Tabel 4.5 Hasil Estimasi Posisi Dan Sudut Pada Posisi 24 Cm Sudut 0 0 Apabila dilihat pada tabel (4.5) diatas didapat posisi rata-rata sebesar 24.3394 cm. Dan error posisi rata-rata yang didapat sebesar 0.6280 cm. Berdasarkan dari sudutnya, didapat sudut rata-rata sebesar 0,3992 o, dan terjadi error sudut rata-rata sebesar 0,3992 o. Error posisi dan error sudut yang terjadi dipercobaan ini sangatlah kecil dan apabila dilihat dari gambar (4.19), marka jalan dapat terdeteksi dengan tepat sehingga dapat

dikatakan pada percobaan ini dapat mendeteksi posisi dan sudut serta menemukan marka jalan dengan sangat baik. 48 Kemudian dilihat dari error sudut yang terbesar ada pada posisi 24 cm sudut -10 o. Gambar 4.20 Contoh Gambar Untuk Posisi 24 Cm Sudut -10 0 Gambar 4.21 Contoh Marka Jalan Yang Ditemukan Pada Posisi 24 Cm Sudut -10 0

49 Posisi 24 cm Sudut -10 Posisi Error Posisi sudut Error Sudut Sample 1 25.8123 cm 1.8123 cm -6.4677 3.5323 Sample 2 25.8123 cm 1.8123 cm -6.4677 3.5323 Sample 3 25.8123 cm 1.8123 cm -6.4677 3.5323 Rata-rata 25.8123 cm 1.8123 cm -6.4677 3.5323 Tabel 4.6 Hasil Estimasi Posisi Dan Sudut Pada Posisi 24 Cm Sudut -10 0 Apabila dilihat dari tabel (4.6) diatas didapatkan posisi rata-rata sebesar 25,8123 cm. Dan error posisi rata-rata yang didapatkan sebesar 1,8123 cm. Error posisi yang terjadi pada percobaan ini sama seperti pada percobaan yang sebelumnya juga dimana pada saat menganti sudut kamera dari sudut 10 o ke sudut -10 o, posisi dari kamera juga ikut tergeser sehingga menimbulkan error. Berdasarkan dari sudutnya, didapatkan sudut rata-rata sebesar -6.4677 o, dan terjadi error sudut rata-rata sebesar 3.5323 o. Error yang terjadi Pada percobaan ini cukup besar, ini terjadi karena pada saat pengaturan sudut dari kamera, kurang teliti dalam menempatkannya sehingga pada saat pengambilan gambar sudutnya tidak dapat benar-benar pas pada sudut -10 0. Namun walaupun terdapat error sudut yang paling besar apabila dilihat dari gambar (4.21) marka jalan pada posisi ini tetap masih dapat terdeteksi dengan sangat baik. Kemudian dilihat dari error sudut yang terkecil ada pada posisi 30 cm sudut 0 o.

50 Gambar 4.22 Contoh Gambar Untuk Posisi 30 Cm Sudut 0 0 Gambar 4.23 Contoh Marka Jalan Yang Ditemukan Pada Posisi 30 Cm Sudut 0 0 Posisi 30 cm Sudut 0 Posisi Error Posisi sudut Error Sudut Sample 1 32.3013 cm 2.3013 cm 0.2721 0.2721 Sample 2 32.3013 cm 2.3013 cm 0.2721 0.2721 Sample 3 32.3021 cm 2.3021 cm 0.1529 0.1529 Rata-rata 32.3016 cm 2.3016 cm 0.2324 0.2324 Tabel 4.7 Hasil Estimasi Posisi Dan Sudut Pada Posisi 30 Cm Sudut 0 0 Apabila dilhat dari tabel (4.7) diatas didapatkan posisi rata-rata sebesar 32,3016 cm. Dan error posisi rata-rata yang didapatkan sebesar

51 2.3016 cm. Ini terjadi akibat pada saat mengambil data kurang tepat dalam menempatkan posisinya sehingga masih terdapat error. Berdasarkan dari sudutnya, didapatkan sudut rata-rata sebesar 0.2324 o, dan terjadi error sudut rata-rata sebesar 0.2324 o. Error sudut yang terjadi dipercobaan merupakan yang terkecil sehingga dapat dibilang tidak ada pengaruhnya Namun apabila dilihat kembali ke tabel (4.3) diatas posisi dan sudut yang mendapatkan error yang besar kebanyakan pada saat sudut kameranya tidak pada 0 0 melainkan sudah berubah dari 0 0 ke 20 0 maupun dari 0 0 ke ±10 0, sehingga dapat disimpulkan perubahan sudut pada kamera dapat menyebabkan kenaikan error posisi pada hasil yang didapatkan dan sebaliknya apabila sudut kamera pada 0 0 maka error posisi dan sudut yang didapatkan akan semakin kecil. Kemudian dilihat secara keseluruhan dari rata-rata error posisi dan sudut didapatkan error rata-rata posisi sebesar 2,0520 dan error rata-rata sudut sebesar 1,3555 0. Dan sebagian besar error yang terjadi dari pengambilan data diatas dikarenakan pada saat melakukan pengambilan data memang sulit untuk mendapatkan posisi dan sudut yang benar-benar tepat dengan hanya mengunakan pengaris dan busur. Sisanya rata-rata dapat mendeteksi marka jalan yang ada dengan baik, dan apabila dilihat dari error rata-rata yang didapatkan sebenarnya sudah sangat kecil. Sehingga tidak berpengaruh terhadap hasil yang

didapatkan atau dapat dibilang sudah berhasil menemukan marka jalan dan mengestimasikan posisi dengan baik. 52 4.4.3 Analisa Waktu Proses Yang Dibutuhkan Posisi dan Sudut Posisi 0 cm, Sudut 0 O Posisi 0 cm, Sudut 20 O Posisi 24 cm, Sudut 0 O Posisi 24 cm, Sudut 10 O Posisi 24 cm, Sudut -10 O Posisi 30 cm, Sudut 0 O Posisi 30 cm, Sudut 10 O Posisi 30 cm, Sudut -10 O Posisi 48 cm, Sudut 0 O Posisi 48 cm, Sudut -20 O Rata-Rata Rata-rata Waktu Proses 5.773571 s 4.34416 s 4.365669 s 4.958834 s 4.666439 s 4.193517 s 5.277289 s 4.102325 s 1.974166 s 3.63704 s 4.329301 s Tabel 4.8 Hasil Perhitungan Waktu Yang Dibutuhkan Dalam Pemrosesan Terakhir dilihat pada tabel (4.8), disini rata-rata waktu yang dibutuhkan sebesar 4-5 detik, kecuali pada posisi 48 cm sudut 0 0. Ini dikarenakan jumlah garis yang terdeteksi pada posisi ini sangat sedikit yaitu hanya 9 garis sedangkan pada posisi lain rata-rata garis yang terdeteksi diatas 20 garis sehingga waktu yang dibutuhkan untuk posisi ini untuk menyelesaikan algoritma ini dua kali lipat lebih cepat dibandingkan dengan posisi lainnya. Untuk keseluruhannya waktu rata-rata pemrosesan yang dibutuhkan pada percobaan pengambilan data adalah 4.329301 s. Yang

53 dimana termasuk cukup lambat dibandingkan dengan pemrosesan MHT yang sudah pernah ada, ini dikarenakan disini ditambahkan algoritma untuk mengestimasikan posisi dari kamera terhadap marka jalan sehingga tentunya computational cost jadi lebih besar. 4.4.4 Analisa Perbandingan HT Dengan MHT Hasil pendeteksian HT : Posisi & Sudut Threshold 375 150 75 waktu 0cm & 0 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 0cm & 20 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 24cm & 0 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.7s 24cm & 10 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 24cm & -10 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.8s 30cm & 0 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.6s 30cm & 10 Tidak terdeteksi Terdeteksi Tidak terdeteksi 2s 30cm & -10 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.8s 48cm & 0 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 48cm & -20 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - Tabel 4.9 Hasil Pendeteksian Marka Jalan Dan Waktu Yang Dibutuhkan Dengan Menggunakan HT Pertama akan dibandingkan hasil pendeteksian marka jalan dengan menggunakan HT dan MHT, bisa dilihat pada tabel 4.1 diatas merupakan hasil pendeteksian marka jalan dengan menggunakan MHT yang dimana hanya 1 posisi saja yang tidak bisa terdeteksi dengan menggunakan threshold 375, namun pada hasil pendeteksian marka jalan pada HT dengan mengunakan threshold 375, tidak bisa mendeteksi sama sekali dari semua posisi yang ada, sehingga disini dicoba untuk mengubah nilai threshold nya menjadi lebih kecil agar bisa terdeteksi marka jalannya dan digunakan threshold sebesar 150 yang dimana sudah mulai bisa terdeteksi marka jalannya namun hanya 5 posisi saja yang kedeteksi sedangkan 5

54 posisi lainnya belum bisa kedeteksi dan apabila dibandingkan waktu yang dibutuhkan untuk proses pada MHT yaitu pada tabel 4.8 diatas waktu yang dibutuhkan sekitar 4-5 detik, sedangkan pada HT yaitu pada tabel 4.9 diatas hanya membutuhkan waktu sekitar 1-2 detik saja, berarti computional cost yang dibutuhkan oleh HT lebih kecil dibandingkan MHT, padahal kelebihan MHT adalah computional costnya lebih cepat dibandingkan HT. Ini bisa terjadi karena pada proses HT dengan threshold sebesar 150 masih mendeteksi edge yang sangat sedikit sehingga keakurasian dari pendeteksian marka jalan hanya 50%. Walaupun computional cost nya lebih cepat namun apabila tidak bisa mendeteksi dengan baik tentu saja tidak bisa digunakan, sehingga untuk membuktikan computional cost pada MHT lebih cepat dibandingkan HT maka dicoba lagi diturunkan threshold pada HT menjadi sebesar 75. Disini threshold nya diturunin dikarenakan untuk meningkatkan keakurasian pendeteksian marka jalan threshold yang semakin kecil bisa mendapatkan edge yang semakin banyak dan detail sehingga kemungkinan untuk bisa mendeteksi marka jalan dengan baik semakin tinggi. Dan hasil yang didapatkan pada semua posisi dengan menggunakan threshold sebesar 75 adalah tidak terdeteksi semuanya, ini dikarenakan computional cost yang dibutuhkan untuk mendeteksi semua garis pada threshold sebesar 75 sangatlah lama sampai matlab juga tidak bisa mengerjakannya. Dari sini bisa dilihat pada HT tidak bisa mendapatkan keakurasian dan computional cost yang sebagus MHT.