Implementasi Smooth Support Vector Machine Untuk Kasus Kualitas Beras

Febriansyah, Febriansyah (2020) Implementasi Smooth Support Vector Machine Untuk Kasus Kualitas Beras. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1. 10114348_FEBRIANSYAH_COVER.pdf - Published Version Download (34kB) | Preview
Preview	Text 19. 10114348_FEBRIANSYAH_LEMBAR PENGESAHAN.pdf - Published Version Download (208kB) | Preview
Preview	Text 17. 10114348_FEBRIANSYAH_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (130kB) | Preview
Preview	Text 20. 10114348_FEBRIANSYAH_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (121kB) | Preview
Preview	Text 4. 10114348_FEBRIANSYAH_KATA PENGANTAR.pdf - Published Version Download (72kB) | Preview
Preview	Text 5. 10114348_FEBRIANSYAH_DAFTAR ISI.pdf - Published Version Download (25kB) | Preview
Preview	Text 11. 10114348_FEBRIANSYAH_BAB 1.pdf - Published Version Download (49kB) | Preview
Preview	Text 12. 10114348_FEBRIANSYAH_BAB 2.pdf - Published Version Download (489kB) | Preview
	Text 13. 10114348_FEBRIANSYAH_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text 14. 10114348_FEBRIANSYAH_BAB 4.pdf - Published Version Restricted to Repository staff only Download (187kB) | Request a copy
Preview	Text 15. 10114348_FEBRIANSYAH_BAB 5.pdf - Published Version Download (10kB) | Preview
Preview	Text 10. 10114348_FEBRIANSYAH_DAFTAR PUSTAKA.pdf - Published Version Download (74kB) | Preview

Abstract

Penelitian ini bertujuan untuk mengetahui tingkat akurasi kualitas beras menggunakan metode klasifikasi Smooth Support Vector Machine (SSVM) dan metode ekstraksi ciri Gray Level Co-occurrence Matrix (GLCM). Adapun tahapan dalam penelitian ini yaitu tahap pengumpulan data citra beras terdiri dari pandan wangi, rojolele, kurmo, setera ds, petruk, jembar nj, dll. Dalam penelitian ini sebelum melakukan proses klasifikasi, citra beras akan melalui tahap preprocessing yaitu resize, grayscale dan ekstraksi fitur Gray Level Co-occurrence Matrix. Selanjutnya dilakukan proses pelatihan dan pengujian dengan metode Smooth Support Vector Machine. Sample citra beras di peroleh 15 merek dari berbagai pasar dan akan digunakan sebagai data latih dan data uji. hasil pengujian metode SSVM yang dilakukan terhadap 120 data latih dan 30 data uji, dengan proporsi data 80:20 dan menggunakan parameter C=10 dan gamma=0,5, maka didapatkan akurasi terbaik 80%. Hasil yang didapatkan kurang baik karena pada penelitian sebelumnya yang bisa mencapai akurasi 97,03%. Menurut peneliti ada 3 hal yang bisa mempengaruhi hasil akurasi, yaitu parameter, proporsi data, dan fungsi kernel.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kecerdasan buatan, Smooth Support Vector Machine, Gray Level Co-occurrence Matrix, Feature extraction, pengolahan citra beras, pengolahan citra, SSVM.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	07 Jul 2021 08:00
Last Modified:	07 Jul 2021 08:00
URI:	http://elibrary.unikom.ac.id/id/eprint/4051

Actions (login required)

View Item