IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE TERHADAP PENGUJIAN CITRA KELAPA SAWIT

Rekzadianto, Mikhael Rivandio (2024) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE TERHADAP PENGUJIAN CITRA KELAPA SAWIT. Other thesis, UPN Veteran Yogyakarta.

	Text Cover_123200078_Mikhael Rivandio Rekzadianto.pdf Download (264kB)
	Text Abstrak_123200078_Mikhael Rivandio Rekzadianto.pdf Download (5kB)
	Text Abstract_123200078_Mikhael Rivandio Rekzadianto.pdf Download (6kB)
	Text Halaman Pengesahan Pembimbing_123200078_Mikhael Rivandio Rekzadianto.pdf Download (349kB)
	Text Halaman Pengesahan Penguji_123200078_Mikhael Rivandio Rekzadianto.pdf Download (386kB)
	Text Daftar Isi_123200078_Mikhael Rivandio Rekzadianto.pdf Download (11kB)
	Text Daftar Pustaka_123200078_Mikhael Rivandio Rekzadianto.pdf Download (131kB)
	Text Skripsi Fulltext_123200078_Mikhael Rivandio Rekzadianto.pdf Restricted to Repository staff only Download (3MB)

Abstract

Kelapa sawit (elaeis guineensis) menjadi komponen penting dalam perekonomian Indonesia terutama pada produksi minyak kelapa sawitnya. Pengujian kualitas kematangan buah kelapa sawit secara manual memerlukan waktu dan tenaga yang besar dan berpotensi menimbulkan kesalahan. Maka dari itu dibuatlah teknologi untuk membantu otomatisasi pengujian untuk meningkatkan produktivitas. Penelitian ini bertujuan mengimplementasikan algoritma Support Vector Machine (SVM) dalam memprediksi citra buah kelapa sawit dan mencari nilai akurasi pada pengujian modelnya. Penelitian ini juga menggunakan Histogram of Oriented Gradients untuk ekstraksi fiturnya. Penelitian dilakukan dengan preprocessing data citra berjumlah 1389 buah lalu hasilnya akan digunakan dalam ekstraksi fitur HOG. Hasil ekstraksi fitur kemudian dibagi menjadi 80% data latih dan 20% data uji. Data latih kemudian digunakan untuk melatih model SVM dan data uji akan digunakan untuk menguji model SVM yang sudah dilatih. Hasil yang didapatkan dari penelitian ini yaitu implementasi algoritma Support Vector Machine berhasil memprediksi kelas citra buah kelapa sawit juga menghasilkan nilai akurasi sebesar 89,57% dalam mengklasifikasi citra buah kelapa sawit berlabel matang, mentah, dan busuk.

Kata Kunci: Kelapa Sawit, Support Vector Machine, Histogram of Oriented Gradients, Citra

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kelapa Sawit, Support Vector Machine, Histogram of Oriented Gradients, Citra
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software S Agriculture > SB Plant culture
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	12 Dec 2024 02:16
Last Modified:	12 Dec 2024 02:16
URI:	http://eprints.upnyk.ac.id/id/eprint/41857

Actions (login required)

View Item