REPOSITORY

Universitas Pembangunan Panca Budi
  1. Home
  2. Klasifikasi Jenis Pisang dengan Gray Level Co-occurrence Matrix, Color Moment dan Metode LS-SVM

Klasifikasi Jenis Pisang dengan Gray Level Co-occurrence Matrix, Color Moment dan Metode LS-SVM

WAHYU PRATAMA (2023)

penelitian-klasifikasi-jenis-pisang-dengan-gray-level-cooccurrence-matrix-color-moment-dan-metode-lssvm

Klasifikasi Jenis Pisang dengan Gray Level Co-occurrence Matrix, Color Moment dan Metode LS-SVM

Klasifikasi Jenis Pisang dengan Gray Level Co-occurrence Matrix, Color Moment dan Metode LS-SVM, Klasifikasi, Deteksi Jenis Pisang, LS-SVM, GLCM, Color Moments...

Author: WAHYU PRATAMA
Date: 2023
Keywords: Klasifikasi, Deteksi Jenis Pisang, LS-SVM, GLCM, Color Moments
Type: Skripsi
Category: penelitian

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 karenamanusia 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 LeastSquares Support Vector Machine(LS-SVM) untuk klasifikasi jenis buah pisang. LS-SVM merupakan modifikasi dari SVM yang digunakan meningkatkan kinerja klasifikasi. Pada algoritmaSVM terdapat quadratic programming yang digunakan untuk memperoleh solusioptimal 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%.

Files:
LEMBAR JUDUL 1
DAFTAR PUSTAKA
ABSTRAK

Collections:
Digital Library UNPAB