IDENTIFIKASI JENIS PISANG DENGAN METODE LEAST-SQUARES SUPPORT VECTOR MACHINE (LS-SVM)

MICHAEL FRANCH, JETLY, RONALDO GOZALI (2022) IDENTIFIKASI JENIS PISANG DENGAN METODE LEAST-SQUARES SUPPORT VECTOR MACHINE (LS-SVM) , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Klasifikasi jenis pisang masih dilakukan para petani pisang secara manual. Proses identifikasi seperti ini memiliki kelemahan yaitu membutuhkan tenaga kerja yang lebih banyak untuk memilah, tingkat persepsi jenis buah yang dihasilkan bisa berbeda karena manusia dapat mengalami kelelahan, tidak selalu konsisten, dan penilaian manusia juga bersifat subjektif. Dengan demikian, dibutuhkan alat bantu yang dapat mengidentifikasi jenis buah pisang secara tepat dan akurat. Salah satunya dengan membuat sistem berbasis komputer menggunakan metode ekstraksi ciri statistik citra digital. Dengan melakukan ekstraksi fitur warna menggunakan Color Moments (RGBHSVYCbCr) kemudian melakukan ekstraksi tekstur menggunakan Gray-Level Co-occurence Matrix (GLCM), dan menggunakan metode Least-Squares Support Vector Machine(LS-SVM) untuk klasifikasi jenis buah pisang. LS-SVM merupakan modifikasi dari SVM yang digunakan meningkatkan kinerja klasifikasi. Pada algoritma SVM terdapat quadratic programming yang digunakan untuk memperoleh solusi optimal dalam menentukan fungsi lagrange, dari fungsi lagrange akan digunakan dalam perhitungan nilai paramter bobot dan bias. Quadratic programming tidak efesien apabila diterapkan pada dimensi ruang yang lebih tinggi karena komputasi akan sangat kompleks dan sangat lama. LS-SVM lebih baik dibandingkan dengan SVM standart dalam hal proses perhitungan, konvergensi lebih cepat dan presisi yang lebih tinggi. Pada hasil akhir percobaan, metode LS-SVM berhasil melakukan deteksi mengenali jenis pisang dengan nilai akurasi pengujian yang diperoleh sebesar 90%.

JURNAL