Penerapan Metode Support Vector Machine Terhadap Klasifikasi Jenis Jambu Biji

Ferry Putrawansyah
{"title":"Penerapan Metode Support Vector Machine Terhadap Klasifikasi Jenis Jambu Biji","authors":"Ferry Putrawansyah","doi":"10.26798/jiko.v8i1.988","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk menghasilkan  Klasifikasi Jenis Jambu Biji dengan Metode Support Vector Machine dengan Image Processing. Penelitian ini dilatar belakangi dengan proses pengklasifikasian jenis jambu biji masih dilakukan secara konvensional yakni pengklasifikasian jambu biji masih berdasarkan pengamatan, warna dan bentuk dari jambu biji. Hal ini tentu saja membutuhkan waktu yang lama dan masih sering terjadi kesalahan, sehingga penelitian ini dapat membantu pengklasifikasian jambu biji menggunakan metode Support Vector Machine (SVM) dengan cepat. Sistem yang dibangun menggunakan Software MATLAB, dalam metode pengembangan sistem dalam penelitian ini adalah metode SDLC (Software Development Life Cycle), dimana tahapan meliputi analisis, desain, pengkodean dan pengujian, untuk metode pengujian menggunakan Confusion Matrix yang dibagi menjadi 2 yaitu data training dan data testing. Hasil dari penelitian ini yakni sistem Klasifikasi Jenis Jambu Biji dengan metode Support Vector Machine dengan Image Processing dimana pada 80 data training, menghasilkan 56 data berhasil dikenali dan 24 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 70%. Kemudian setelah dilakukan holdout validation dengan 20 data testin, menghasilkan 16 data berhasil dikenali dan 4 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 80%. Akhirnya sistem yang menerapkan support vector machine terhadap klasifikasi jambu biji dengan image processing mendapat akurasi yang tinggi ","PeriodicalId":243297,"journal":{"name":"JIKO (Jurnal Informatika dan Komputer)","volume":"59 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JIKO (Jurnal Informatika dan Komputer)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26798/jiko.v8i1.988","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Penelitian ini bertujuan untuk menghasilkan  Klasifikasi Jenis Jambu Biji dengan Metode Support Vector Machine dengan Image Processing. Penelitian ini dilatar belakangi dengan proses pengklasifikasian jenis jambu biji masih dilakukan secara konvensional yakni pengklasifikasian jambu biji masih berdasarkan pengamatan, warna dan bentuk dari jambu biji. Hal ini tentu saja membutuhkan waktu yang lama dan masih sering terjadi kesalahan, sehingga penelitian ini dapat membantu pengklasifikasian jambu biji menggunakan metode Support Vector Machine (SVM) dengan cepat. Sistem yang dibangun menggunakan Software MATLAB, dalam metode pengembangan sistem dalam penelitian ini adalah metode SDLC (Software Development Life Cycle), dimana tahapan meliputi analisis, desain, pengkodean dan pengujian, untuk metode pengujian menggunakan Confusion Matrix yang dibagi menjadi 2 yaitu data training dan data testing. Hasil dari penelitian ini yakni sistem Klasifikasi Jenis Jambu Biji dengan metode Support Vector Machine dengan Image Processing dimana pada 80 data training, menghasilkan 56 data berhasil dikenali dan 24 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 70%. Kemudian setelah dilakukan holdout validation dengan 20 data testin, menghasilkan 16 data berhasil dikenali dan 4 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 80%. Akhirnya sistem yang menerapkan support vector machine terhadap klasifikasi jambu biji dengan image processing mendapat akurasi yang tinggi 
支持向量机方法在番石榴类型分类中的应用
本研究旨在利用支持向量机方法和图像处理技术进行番石榴类型分类。这项研究的动机是,对番石榴类型进行分类的过程仍然沿用传统方法,即番石榴的分类仍然基于对番石榴的观察、颜色和形状。这当然需要很长时间,而且经常出现错误,因此本研究可以使用支持向量机(SVM)方法帮助快速对番石榴进行分类。系统使用 MATLAB 软件构建,本研究中的系统开发方法是 SDLC(软件开发生命周期)方法,其中包括分析、设计、编码和测试等阶段,测试方法使用混淆矩阵,混淆矩阵分为 2 个部分,即训练数据和测试数据。本研究的结果是使用图像处理支持向量机方法的番石榴类型分类系统,在 80 个训练数据中,56 个数据被成功识别,24 个数据未被成功识别,因此识别率为 70%。在对 20 个测试数据进行保留验证后,16 个数据被成功识别,4 个数据未被成功识别,识别率为 80%。最后,应用支持向量机对番石榴进行图像处理分类的系统获得了较高的准确率。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信