KLASIFIKASI TINGKAT KEMANISAN NANAS BERDASARKAN FITUR HUE SATURATION VALUE (HSV) MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)
Total View This Week0
Total View This Week0
Institusion
STMIK Global Informatika Mdp
Author
Firman Afandi, Daniel
Subject
QA75 Electronic computers. Computer science
Datestamp
2021-09-01 03:34:03
Abstract :
Dalam proses penetuan mutu atau tingkat kemanisan buah nanas di pasaran pada umumnya dilakukan dengan dua cara yaitu menggunakan pakar-pakar untuk pemilihan / sortasi kemanisan nanas atau menggunakan metode destruktif dengan cara pengambilan sampel, uji coba kemanisan nanas tersebut seperti menggunakan Refractometer. Permasalahan yang terjadi pada kedua proses tersebut yaitu memiliki cost yang relatif besar dan tidak menghasilkan mutu yang seragam karena sortasi tingkat kemanisan nanas oleh pakar bersifat subjektif dan kemungkinan terjadinya kesalahan pengamatan sangat besar. Support Vector Machine (SVM) diimplementasikan pada penelitian ini menggunakan kernel linear, polynomial, dan gaussian. Proses pengujian menggunakan K-Fold Cross Validation. Fold yang digunakanyaitu 3-fold, 4-fold, 5-fold. Performa fitur HSV dan metode SVM yang mendapatkan hasil terbaik adalah pada 4-fold dengan nilai accuracy sebesar 98.06% dengan menggunakan kernel polynomial, kernel linear, dan kernel gaussian, precision sebesar 97.36% pada kernel linear dan kernel gaussian, dan recall sebesar 97.09% pada kernel linear dan kernel polynomial. Sedangkan hasil terendah terdapat pada kernel gaussian 3-¬fold dengan nilai accuracy sebesar 96.65%, precision sebesar 95.56%, dan recall sebesar 94.98%.
Dalam proses penetuan mutu atau tingkat kemanisan buah nanas di pasaran pada umumnya dilakukan dengan dua cara yaitu menggunakan pakar-pakar untuk pemilihan / sortasi kemanisan nanas atau menggunakan metode destruktif dengan cara pengambilan sampel, uji coba kemanisan nanas tersebut seperti menggunakan Refractometer. Permasalahan yang terjadi pada kedua proses tersebut yaitu memiliki cost yang relatif besar dan tidak menghasilkan mutu yang seragam karena sortasi tingkat kemanisan nanas oleh pakar bersifat subjektif dan kemungkinan terjadinya kesalahan pengamatan sangat besar. Support Vector Machine (SVM) diimplementasikan pada penelitian ini menggunakan kernel linear, polynomial, dan gaussian. Proses pengujian menggunakan K-Fold Cross Validation. Fold yang digunakanyaitu 3-fold, 4-fold, 5-fold. Performa fitur HSV dan metode SVM yang mendapatkan hasil terbaik adalah pada 4-fold dengan nilai accuracy sebesar 98.06% dengan menggunakan kernel polynomial, kernel linear, dan kernel gaussian, precision sebesar 97.36% pada kernel linear dan kernel gaussian, dan recall sebesar 97.09% pada kernel linear dan kernel polynomial. Sedangkan hasil terendah terdapat pada kernel gaussian 3-¬fold dengan nilai accuracy sebesar 96.65%, precision sebesar 95.56%, dan recall sebesar 94.98%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
