Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM
(1) UIN Sunan Ampel Surabaya
(2) UIN Sunan Ampel Surabaya
(3) UIN Sunan Ampel Surabaya
(4) UIN Sunan Ampel Surabaya
(5) UIN Sunan Ampel Surabaya
(*) Corresponding Author
Abstract
Keywords
Full Text:
PDFReferences
A. A. Muhammad, A. Arkadia, S. NaufalRifqi, Trianto, and D. S. Prasvita, “Klasifikasi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna dengan Metode SVM,” J. Ilmu Komput. dan Desain Komun. Vis., vol. 4, no. 1, pp. 9–16, 2019.
Alfian Firlansyah, Andi Baso Kaswar, and Andi Akram Nur Risal, “Klasifikasi Tingkat Kematangan Buah Pepaya Berdasarkan Fitur Warna Menggunakan JST,” Techno Xplore J. Ilmu Komput. dan Teknol. Inf., vol. 6, no. 2, pp. 55–60, 2021, doi: 10.36805/technoxplore.v6i2.1438.
M. Arief, “Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM,” J. Ilmu Komput. dan Desain Komun. Vis., vol. 4, no. 1, pp. 9–16, 2019.
I. S. Areni, I. Amirullah, and N. Arifin, “Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna dengan Metode HSV,” J. Penelit. Enj., vol. 23, no. 2, pp. 113–116, 2019, doi: 10.25042/jpe.112019.03.
M. Ichwan, I. A. Dewi, and Z. M. S, “Klasifikasi Support Vector Machine (SVM) Untuk Menentukan TingkatKemanisan Mangga Berdasarkan Fitur Warna,” MIND J., vol. 3, no. 2, pp. 16–23, 2019, doi: 10.26760/mindjournal.v3i2.16-23.
A. Arifin, J. Hendyli, and D. E. Herwindiati, “Klasifikasi Tanaman Obat Herbal Menggunakan Metode Support Vector Machine,” Comput. J. Comput. Sci. Inf. Syst., vol. 5, no. 1, p. 25, 2021, doi: 10.24912/computatio.v1i1.12811.
T. Akhir, “Klasifikasi Jenis Dan Tingkat Kematangan Buah Pepaya Berdasarkan Fitur Warna , Tekstur Dan Bentuk Berdasarkan Fitur Warna , Tekstur Dan Bentuk,” 2020.
Y. E. Yana and N. Nafi’iyah, “Klasifikasi Jenis Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN,” Res. J. Comput. Inf. Syst. Technol. Manag., vol. 4, no. 1, p. 28, 2021, doi: 10.25273/research.v4i1.6687.
S. P. Adenugraha, V. Arinal, and D. I. Mulyana, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 9, 2022, doi: 10.30865/mib.v6i1.3287.
S. Agarwal, Data mining: Data mining concepts and techniques. 2014. doi: 10.1109/ICMIRA.2013.45.
P. R. Sihombing and I. F. Yuliati, “Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 417–426, 2021, doi: 10.30812/matrik.v20i2.1174.
R. Munir, “Pengantar Pengolahan Citra Interpretasi dan Pengolahan Citra,” no. Bagian 1, p. 49, 2019.
M. R. K. Huda, “Identifikasi Penyakit Daun Kentang Berdasarkan Fitur Warna , Tekstur , dan Bentuk dengan SVM dan KNN Identification of Potato Leaf Disease Based on Color , Texture , and Shape Features with,” pp. 100–106, 2020.
N. Hikmatia and M. I. Zul, “Jurnal Politeknik Caltex Riau,” J. Komput. Terap., vol. 7, no. 1, pp. 50–61, 2021, [Online]. Available: https://jurnal.pcr.ac.id/index.php/jkt/
D. Meilvinasvita, Safaruddin, and Yuliana, “Vocational education and technolgy journal,” Vocat. Educ. Technol. J., vol. 1, no. 2, pp. 21–27, 2020, [Online]. Available: http://ojs.aknacehbarat.ac.id/index.php/vocatech/index
N. A. Banyal, S. Surianti, and A. R. Dayat, “Klasifikasi Citra Plasmodium Penyebab Penyakit Malaria dalam Sel Darah Merah Manusia dengan Menggunakan Metode Multi Class Support Vector Machine (SVM),” Ilk. J. Ilm., vol. 8, no. 2, pp. 111–118, 2016, doi: 10.33096/ilkom.v8i2.54.111-118.
DOI: https://doi.org/10.32736/sisfokom.v11i3.1502
Refbacks
- There are currently no refbacks.