PERBANDINGAN ALGORITMA BACKPROPAGATION DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI TINGKAT KEMATANGAN BUAH ALPUKAT MENTEGA

Aquari Purnama, Jimmy (2020) PERBANDINGAN ALGORITMA BACKPROPAGATION DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI TINGKAT KEMATANGAN BUAH ALPUKAT MENTEGA. Diploma thesis, STMIK Global Informatika Mdp.

Text Jimmy Aquari Purnama 1620250018_ok.pdf Download (748kB)

Abstract

Alpukat tergolong buah yang memiliki pola respirasi klimaterik, artinya pada periode tertentu buah akan mendadak mengalami perubahan biologis yang diawali pembentukan etilen sehingga terjadinya proses pematangan. Penentuan tingkat kematangan buah dapat dilakukan dengan berbagai cara yaitu mulai dari menghitung umur buah sejak penyerbukan bunga, melihat tanda-tanda fisik, metode berat jenis (metode volume air yang dipindahkan). Namun beberapa cara tersebut dianggap tidak efisien karena terlalu membutuhkan ketelitian dan banyak menyita waktu oleh sebab itu perlu dicari cara yang lebih efisien dan mudah dilakukan oleh setiap orang dengan menggunakan peralatan yang canggih misalnya perangkat komputer. Tujuan dari penelitian ini adalah untuk mengklasifikasi tingkat kematangan buah alpukat tersebut. Jenis alpukat yang digunakan adalah alpukat mentega yang difoto menggunakan kamera Smartphone 16MP dengan jarak pengambilan foto 15 cm antara kamera dengan objek alpukat. Metode pengenalan yang digunakan adalah algoritma Backpropagation dan Support Vector Machine, sedangkan untuk ekstraksi fitur menggunakan metode HSV (Hue Saturation Value) yang terdiri dari Hue, Saturation, dan Value. Pada perhitungan dengan confusion matrix hasil tertinggi didapatkan pada algoritma Backpropagation dengan rata-rata accuracy 94,7%, rata-rata precision 91,7% dan rata-rata recall sebesar 93,3% dibandingkan dengan algoritma Support Vector Machine yang hanya mendapat rata-rata accuracy 94,4%, rata-rata precision 93,3% dan rata-rata recall sebesar 91,7%.

Actions (login required)

View Item