Penerapan Metode Support Vector Machine Terhadap Klasifikasi Jenis Jambu Biji

Ferry Putrawansyah

Abstract


Penelitian ini bertujuan untuk menghasilkan  Klasifikasi Jenis Jambu Biji dengan Metode Support Vector Machine dengan Image Processing. Penelitian ini dilatar belakangi dengan proses pengklasifikasian jenis jambu biji masih dilakukan secara konvensional yakni pengklasifikasian jambu biji masih berdasarkan pengamatan, warna dan bentuk dari jambu biji. Hal ini tentu saja membutuhkan waktu yang lama dan masih sering terjadi kesalahan, sehingga penelitian ini dapat membantu pengklasifikasian jambu biji menggunakan metode Support Vector Machine (SVM) dengan cepat. Sistem yang dibangun menggunakan Software MATLAB, dalam metode pengembangan sistem dalam penelitian ini adalah metode SDLC (Software Development Life Cycle), dimana tahapan meliputi analisis, desain, pengkodean dan pengujian, untuk metode pengujian menggunakan Confusion Matrix yang dibagi menjadi 2 yaitu data training dan data testing. Hasil dari penelitian ini yakni sistem Klasifikasi Jenis Jambu Biji dengan metode Support Vector Machine dengan Image Processing dimana pada 80 data training, menghasilkan 56 data berhasil dikenali dan 24 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 70%. Kemudian setelah dilakukan holdout validation dengan 20 data testin, menghasilkan 16 data berhasil dikenali dan 4 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 80%. Akhirnya sistem yang menerapkan support vector machine terhadap klasifikasi jambu biji dengan image processing mendapat akurasi yang tinggi

 

Keywords


Image Processing, Jambu Biji, Support Vector Machine

References


A. Sadli, "Simulasi Pengenalan Karakter Menggunakan Neural Network," Jurnal Sistem Informasi Dan Teknologi Informasi, P. 90, 2018.

A. H. Hasibuan, T. Zebua And K. R. Hondro, "Penerapan Metode Sobel Edge Detection Dan Image Processing Untuk Mengetahui Diameter Apel Fuji Menggunakan Aplikasi Matlab," Jurikom (Jurnal Riset Komputer), Pp. 450-454, 2020.

F. Annisa , S. Susanti And T. Gultom, "Karakterisasi Tanaman Jambu Biji Di Desa Namoriam Pancur Batu Kabupaten Deli Serdang Sumatera Utara," Prosiding Seminar Nasional Biologi Dan Pembelajaranny, P. 8, 2018.

K. Malik, "Klasifikasi Jenis Jambu Biji Berdasarkan Tekstur Daun Menggunakan Convolutional Neural Networks (Cnn)," Njca, P. 27, 2021.

S. R. Husna, "Penerapan Learning Vector Quantization (Lvq) Untuk Klasifikasi Daun Mangga Menggunakan Modified Direction Feature (Mdf)," Skripsi Universitas Islam Negeri Sultan Syarif Kasim Riau, P. Ii 21, 2019.

L. Khalid, J. And Y. Widiastiwi, "Implementasi Learning Vector Quantization (Lvq) Untuk Model Identifikasi Mangga Matang Alami," Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (Senamika), Pp. 607-608, 2020.

Irhami, C. Anwar And M. Kemalawaty, "Karakteristik Sifat Fisikokimia Pati Ubi Jalar Dengan Mengkaji Jenis Varietas Dan Suhu Pengeringan," Jurnal Teknologi Pertanian, Pp. 33-44, 20

F. P. F. R. R. M. Alfis Arif, “Penerapan Neural Network Menggunakan Metode Learning Quantization Untuk Klasifikasi Ubi Jalar,” Jusikom : Jurnal Sistem Komputer Musirawas, Vol. 7 No.2 Tahun 2023, Pp. 156-167, 2023.

N. C. Dewi, F. Putrawansyah, and D. Puspita, “Implementasi Algoritma FP-Growth Pada E-Commerce Kopi Pagar Alam Menggunakan Framework Codeigniter,” Indones. J. Comput. Sci., vol. 10, no. 2, 2021.

N. C. D. Ferry Putrawansyah, “Implementasi Algoritma K-Means dengan menggunakan Metode Profile Matching Pada Alumni STT Pagar Alam,” Jurnal Ilmiah Binary, vol. 3 No 2, 2021




DOI: http://dx.doi.org/10.26798/jiko.v8i1.988

Article Metrics

Abstract view : 47 times
PDF (Bahasa Indonesia) - 32 times

Refbacks

  • There are currently no refbacks.




Copyright (c) 2024 Ferry Putrawansyah


JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413