KLASIFIKASI KUALITAS BIJI JAGUNG DENGAN METODE HSV DAN GLRLM MENGGUNAKAN SVM

Akmal, Muhammad Hafizh (2024) KLASIFIKASI KUALITAS BIJI JAGUNG DENGAN METODE HSV DAN GLRLM MENGGUNAKAN SVM. Other thesis, UPN Veteran Yogyakarta.

	Text 2. Cover_123200012_Muhammad Hafizh Akmal.pdf Download (237kB)
	Text 3. Abstrak_123200012_Muhammad Hafizh Akmal.pdf Download (270kB)
	Text 4. Lembar Pengesahan_123200012_Muhammad Hafizh Akmal.pdf Download (843kB)
	Text 5. Daftar Isi_123200012_Muhammad Hafizh Akmal.pdf Download (546kB)
	Text 6. Daftar Pustaka_123200012_Muhammad Hafizh Akmal.pdf Download (418kB)
	Text 1. Skripsi Fulltext_123200012_Muhammad Hafizh Akmal.pdf Restricted to Repository staff only Download (3MB)

Abstract

Jagung (Zea Mays L.) merupakan tanaman pertanian yang popular di masyarakat
Indonesia selain padi dan kedelai, karena hampir dari seluruh daerah di Indonesia subur
untuk bibit tanaman pertanian. Petani penghasil panen pasti memerlukan kualitas biji
jagung yang terbaik agar memenuhi syarat sebagai bahan baku. Kualitas dari biji jagung
sangat penting untuk pengolahan selanjutnya. Metode evaluasi manual sering kali
menghasilkan penilaian kualitas yang subjektif dan tidak konsisten. Pengolahan citra
merupakan salah satu cara untuk mengatasi masalah tersebut. Cara ini mampu memproses
penampilan suatu bahan berdasarkan ukuran, bentuk dan warna yang bisa dipastikan akan
lebih tepat dan objektif dibandingkan dengan cara visual yang bersifat subjektif. Oleh
karena itu, pengolahan citra dapat mengatasi kekurangan visual manusia untuk
mendapatkan kualitas biji jagung yang tepat dan objektif.
Penelitian ini bertujuan untuk mengklasifikasikan kualitas biji jagung dengan 2
kategori yaitu pure dan broken. Penelitian ini memanfaatkan ekstraksi fitur Hue
Saturation Value dan Gray Level Run Length Matrix menggunakan Support Vector
Machine sebagai algoritma klasifikasi. Hue Saturation Value dipilih karena dapat
mendeteksi warna lebih detail dengan tingkatan di atas RGB. Gray Level Run Length
Matrix dipilih karena dapat mengenali tekstur yang lebih baik dengan memanfaatkan
kesamaan derajat keabuan pada piksel-pikselnya. Support Vector Machine dipilih karena
keunggulannya dalam menangani data dengan dimensi tinggi dan kompleks.
Temuan dalam penelitian ini, menunjukkan bahwa klasifikasi kualitas biji jagung
dengan metode Hue Saturation Value dan Gray Level Run Length Matrix menggunakan
Support Vector Machine berhasil dilakukan. Klasifikasi kualitas biji jagung dengan
metode Hue Saturation Value dan Gray Level Run Length Matrix menggunakan Support
Vector Machine menghasilkan kinerja terbaik dengan akurasi sebesar 81%, precision
sebesar 81%, recall sebesar 81%, dan F1-Score sebesar 81%. Hasil penelitian
menunjukkan bahwa penggabungan metode ekstraksi fitur Hue Saturation Value dan
Gray Level Run Length Matrix menggunakan Support Vector Machine mendapatkan
akurasi tertinggi dibandingkan dengan Hue Saturation Value menggunakan Support
Vector Machine dan Gray Level Run Length Matrix menggunakan Support Vector
Machine.
Kata Kunci: Klasifikasi Citra, SVM, HSV, GLRLM, Biji Jagung

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi Citra, SVM, HSV, GLRLM, Biji Jagung
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Eko Suprapti
Date Deposited:	30 Jan 2025 03:45
Last Modified:	30 Jan 2025 03:45
URI:	http://eprints.upnyk.ac.id/id/eprint/42125

Actions (login required)

View Item