ANALISIS PENERAPAN METODE SVM PADA KLASIFIKASI JENIS CITRA JAHE DAN KENCUR MENGGUNAKAN FITUR WARNA HSV DAN TEKSTUR GLCM
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
FAHMI, FATTAHUL
Hayaty, Nurul
Bettiza, Martaleli
Hayaty, Nurul
Bettiza, Martaleli
Subject
005.1.Pemrograman
Datestamp
2023-08-04 04:47:34
Abstract :
Rimpang jahe dan kencur termasuk dalam famili yang sama. Untuk mengklasifikasikannya, data citra dari kedua rimpang dikumpulkan. Fitur warna HSV dan tekstur GLCM dari citra rimpang digunakan untuk mewakili karakteristik masing-masing. Dalam penelitian ini, Metode Support Vector Machine (SVM) dipilih dari kelompok metode pembelajaran mesin untuk mengklasifikasikan citra rimpang. Tujuan utama dari penelitian ini adalah menganalisis hasil implementasi metode SVM dalam mengklasifikasikan citra rimpang berdasarkan data fitur yang ada. Total terdapat 300 data citra yang digunakan, dengan masing-masing jenis rimpang terdiri dari 150 citra. Hasil penelitian ini menunjukkan pengujian klasifikasi SVM yang menggunakan perbandingan masing masing parameter C, pada nilai 1, 10, 100, 1000, dan 10000 dengan kernel linear. Dari masing masing 3 sesi pada setiap nilai parameter C yang digunakan, rata-rata akurasi tertinggi yang dicapai dalam penelitian ini adalah 96%, dengan nilai tertinggi mencapai 96.67% pada nilai parameter C=1000. Kemudian, pada nilai C=10000, C=100, 10, dan 1 berturut turut, akurasinya mencapai 94%, 88%, 80% dan sebesar 76%. Akurasi terendah yang dicapai adalah 71.11% pada nilai C=1.
Rimpang jahe dan kencur termasuk dalam famili yang sama. Untuk mengklasifikasikannya, data citra dari kedua rimpang dikumpulkan. Fitur warna HSV dan tekstur GLCM dari citra rimpang digunakan untuk mewakili karakteristik masing-masing. Dalam penelitian ini, Metode Support Vector Machine (SVM) dipilih dari kelompok metode pembelajaran mesin untuk mengklasifikasikan citra rimpang. Tujuan utama dari penelitian ini adalah menganalisis hasil implementasi metode SVM dalam mengklasifikasikan citra rimpang berdasarkan data fitur yang ada. Total terdapat 300 data citra yang digunakan, dengan masing-masing jenis rimpang terdiri dari 150 citra. Hasil penelitian ini menunjukkan pengujian klasifikasi SVM yang menggunakan perbandingan masing masing parameter C, pada nilai 1, 10, 100, 1000, dan 10000 dengan kernel linear. Dari masing masing 3 sesi pada setiap nilai parameter C yang digunakan, rata-rata akurasi tertinggi yang dicapai dalam penelitian ini adalah 96%, dengan nilai tertinggi mencapai 96.67% pada nilai parameter C=1000. Kemudian, pada nilai C=10000, C=100, 10, dan 1 berturut turut, akurasinya mencapai 94%, 88%, 80% dan sebesar 76%. Akurasi terendah yang dicapai adalah 71.11% pada nilai C=1.
File :
FATTAHUL_FAHMI_160155201003_Teknik_Informatika_Cover.pdf
FATTAHUL_FAHMI_160155201003_Teknik_Informatika_Abstrak.pdf
FATTAHUL_FAHMI_160155201003_Teknik_Informatika_BAB I.pdf
FATTAHUL_FAHMI_160155201003_Teknik_Informatika_Daftar Pustaka.pdf
FATTAHUL_FAHMI_160155201003_Teknik_Informatika_Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
