Implementasi Smooth Support Vector Machine Untuk Kasus Kualitas Beras

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.