Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM

Yusuf Amrozi(1*), Dian Yuliati(2), Agung Susilo(3), Nur Novianto(4), Rikza Ramadhan(5)

(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


Indonesia kaya dengan berbagai macam tanaman diantaranya buah pisang yang mempunyai beragam jenis. Untuk mengetahui tingkat kematangan pada suatu jenis pisang biasanya dilihat dari warna, akan tetapi karena  faktor usia dan kelelahan dari para petani biasanya sering terjadi kesalahan pada saat pengukuran akurasi. Penelitian ini bertujuan untuk mengklasifikasi jenis pisang berdasarkan citra warna dengan menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan adalah citra pisang dengan total 1256, yang diklasifikasi menjadi 2 jenis pisang, Pisang ambon dan Pisang lady finger. Hasil yang didapat dari penelitian ini ditunjukan oleh confusion matrix dengan nilai True Positive (TP) = 0,82 dan False Positive (FP)= 0,18. serta False Negative (FN) = 0,02 dan True Negative (TN) = 0,98. Dari nilai yang ditunjukan oleh confusion matrix dapat diartikan bahwa algoritma SVM cukup baik digunakan dalam mengklasifikasi jenis pisang sehingga dapat memberikan jaminan mutu atas produk yang dihasilkan oleh petani.

Keywords


Klasifikasi, Support Vector Machine, Citra Warna

Full Text:

PDF

References


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.


Indexed By:

 


Creative Commons License
Jurnal Sisfokom (Sistem Informasi dan Komputer) has ISSN 2301-7988 and e-ISSN 2581-0588 which is published by Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) ISB Atma Luhur under a Creative Commons Attribution-ShareAlike 4.0 International License.
Web Analytics Made Easy - StatCounter