KLASIFIKASI JENIS BIBIT ANGGUR DENGAN METODE SUPPORT VECTOR MACHINE MENGGUNAKAN FITUR GLCM BERDASARKAN TEKSTUR TULANG DAUN

Pratama, Edward (2023) KLASIFIKASI JENIS BIBIT ANGGUR DENGAN METODE SUPPORT VECTOR MACHINE MENGGUNAKAN FITUR GLCM BERDASARKAN TEKSTUR TULANG DAUN. Diploma thesis, Universitas Multi Data Palembang.

Text Edward Pratama 1923250022.pdf Download (2MB)

Abstract

Anggur merupakan tanaman asli dari Eropa yang saat ini banyak ditanam dan dibudidayakan di berbagai negara termasuk Indonesia. Anggur dapat dibedakan jenisnya melalui warna, bentuk, ukuran, rasa, dan daunnya. Penelitian ini dilakukan agar tidak terjadi kerugian berupa waktu dan uang akibat kesalahan dalam membeli bibit anggur yang ingin ditanam oleh petani. Jenis bibit anggur yang digunakan yaitu Akademik, Baikonur, Blackpanther, Gozv, Heliodor, Julian, Jupiter, Livia, Lorano, Moondrop, Ninel, Sonaka, Taldun. Dataset yang digunakan berjumlah 1300 citra tekstur tulang daun yang terdiri dari 100 citra tiap jenisnya dan dibagi menjadi 70% data training dan 30% data uji. Penelitian ini menggunakan fitur ekstraksi tekstur Gray Level Co-occurrence Matrix dengan sudut 0°, 45°, 90°, 135° dan fitur Energy, Contrast, Correlation, Homogeneity dengan jarak antar pixel = 1. Metode klasifikasi yang digunakan adalah Support Vector Machine dengan kernel Polynomial. Hasil klasifikasi keseluruhan jenis anggur menggunakan metode Support Vector Machine kernel Polynomial memiliki tingkat Accuracy rata – rata senilai 93,84%, Precision 60,06%, Recall 60,00%, dan F1 – Score 60,02%. Manfaat dari hasil penelitian ini adalah sebagai bahan perbandingan apabila terdapat penelitian selanjutnya mengenai tekstur tulang daun anggur dan menghasilkan model klasifikasi jenis bibit anggur yang optimal

Actions (login required)

View Item