PERBANDINGAN NILAI AKURASI EKSTRAKSI FITUR WARNA RGB DAN GLCM PADA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JENIS BATUAN PERIDOTIT

Alfiantoro, Affan Harits (2024) PERBANDINGAN NILAI AKURASI EKSTRAKSI FITUR WARNA RGB DAN GLCM PADA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JENIS BATUAN PERIDOTIT. Other thesis, UPN "Veteran" Yogyakarta.

[thumbnail of COVER_123190154_AFFAN HARITS A.pdf] Text
COVER_123190154_AFFAN HARITS A.pdf

Download (163kB)
[thumbnail of ABSTRAK_123190154_AFFAN HARITS A.pdf] Text
ABSTRAK_123190154_AFFAN HARITS A.pdf

Download (265kB)
[thumbnail of HALAMAN PENGESAHAN PEMBIMBING_123190154_AFFAN HARITS A.pdf] Text
HALAMAN PENGESAHAN PEMBIMBING_123190154_AFFAN HARITS A.pdf

Download (502kB)
[thumbnail of HALAMAN PENGESAHAN PENGUJI_123190154_AFFAN HARITS A.pdf] Text
HALAMAN PENGESAHAN PENGUJI_123190154_AFFAN HARITS A.pdf

Download (331kB)
[thumbnail of DAFTAR ISI_123190154_AFFAN HARITS A.pdf] Text
DAFTAR ISI_123190154_AFFAN HARITS A.pdf

Download (124kB)
[thumbnail of DAFTAR PUSTAKA_123190154_AFFAN HARITS A.pdf] Text
DAFTAR PUSTAKA_123190154_AFFAN HARITS A.pdf

Download (136kB)
[thumbnail of SKRIPSI FULL_123190154_AFFAN HARITS A.pdf] Text
SKRIPSI FULL_123190154_AFFAN HARITS A.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Penelitian ini bertujuan untuk membandingkan akurasi metode ekstraksi fitur warna
RGB dan Gray Level Co-occurrence Matrix (GLCM) dalam klasifikasi jenis batuan
peridotite menggunakan algoritma Support Vector Machine (SVM). Objek penelitian adalah
citra sayatan tipis batuan peridotite yang terdiri dari tiga jenis: Dunite, Harzburgite, dan
Lherzolite, dengan total dataset sebanyak 162 citra. Citra-citra ini diperoleh dari data
sekunder yang telah divalidasi oleh ahli geologi. Setiap citra diproses untuk ekstraksi fitur
menggunakan dua metode, yakni RGB yang berfokus pada informasi warna dan GLCM
yang mengekstrak tekstur dari pasangan piksel pada intensitas tertentu.
Metode penelitian melibatkan beberapa tahapan, yaitu pengumpulan data,
preprocessing untuk meningkatkan kualitas citra melalui resizing, rotate, dan peningkatan
kontras, serta ekstraksi fitur RGB dan GLCM. Model klasifikasi SVM dilatih menggunakan
pendekatan One-vs-All dengan kernel Radial Basis Function (RBF). Evaluasi model
dilakukan menggunakan confusion matrix untuk menghitung metrik performa seperti
akurasi, presisi, dan recall. Penelitian juga membandingkan hasil dari kedua metode
ekstraksi fitur untuk menentukan metode yang paling efektif dalam klasifikasi batuan.
Hasil penelitian menunjukkan bahwa metode GLCM memiliki akurasi yang lebih
tinggi, yaitu 97%, dibandingkan metode RGB yang hanya mencapai 69%. GLCM
memberikan keunggulan signifikan dalam analisis tekstur, di mana fitur seperti kontras,
homogenitas, energi, dan korelasi membantu mengenali pola kompleks pada batuan
peridotit. Penelitian ini memberikan kontribusi pada bidang petrografi dengan menyediakan
pendekatan berbasis teknologi yang lebih efisien dan akurat dalam mengklasifikasi batuan
berdasarkan citra digital. Hasil ini diharapkan dapat dimanfaatkan untuk studi lanjutan di
bidang geologi dan pengembangan metode klasifikasi lainnya.
Kata Kunci : GLCM, RGB, SVM, RBF, Klasifikasi, Sayatan Tipis, Batuan Peridotit.

Item Type: Thesis (Other)
Uncontrolled Keywords: GLCM, RGB, SVM, RBF, Klasifikasi, Sayatan Tipis, Batuan Peridotit.
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: A.Md.SI Indah Lestari Wulan Aji
Date Deposited: 19 Mar 2025 01:31
Last Modified: 19 Mar 2025 01:31
URI: http://eprints.upnyk.ac.id/id/eprint/42243

Actions (login required)

View Item View Item