KLASIFIKASI KEMATANGAN BUAH KELAPA SAWIT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

PUTRA, ANDIKA WYLISTA and Fachrurrozi, Muhammad and Rachmatullah, M Naufal (2022) KLASIFIKASI KEMATANGAN BUAH KELAPA SAWIT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Undergraduate thesis, Sriwijaya University.

[thumbnail of RAMA_55201_09021281722041.pdf] Text
RAMA_55201_09021281722041.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_TURNITIN.pdf] Text
RAMA_55201_09021281722041_TURNITIN.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (13MB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_01_Front_Ref.pdf]
Preview
Text
RAMA_55201_09021281722041_0222058001_0001129204_01_Front_Ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (844kB) | Preview
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_02.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_02.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_03.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_03.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (287kB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_04.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_04.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (571kB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_05.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_05.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (800kB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_06.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_06.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (115kB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_07_ref.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_07_ref.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (121kB) | Request a copy
[thumbnail of RAMA_55201_09021281722041_0222058001_0001129204_08_lamp.pdf] Text
RAMA_55201_09021281722041_0222058001_0001129204_08_lamp.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (156kB) | Request a copy

Abstract

Buah kelapa sawit memiliki suatu keunikan yang berasal dari warna buah yang hampir sama yaitu berwarna hitam pekat atau hitam agak kekuning-kuningan saat mentah, dan berwarna merah tua saat matang. Hal ini menyebabkan sulitnya untuk membedakan mana buah kelapa sawit yang matang dan mentah. Buah kelapa sawit memiliki jumlah yang tidak sedikit di setiap buahnya. Diperlukannya sebuah sistem untuk melakukan klasifikasi kematangan buah kelapa sawit secara otomatis. Metode Support Vector Machine (SVM) dapat digunakan untuk klasifikasi buah kelapa sawit yang matang dan mentah. Metode ini memiliki kelebihan menawarkan akurasi tinggi dan bekerja baik dangan ruang dimensi yang tinggi dengan bantuan Hue Saturation Value (HSV) sebagai ekstraksi fitur agar permasalahan tersebut dapat teratasi. Empat skenario dalam proses pelatihan dan pengujian. Setiap Skenario akan dilatih dan diuji menggunakan kernel yang berbeda, yaitu Linear, Polinomial, dan RBF. Hasil yang diperoleh adalah pada skenario satu, kernel polinomial mendapatkan nilai akurasi yang sangat baik, yaitu 99,4%. Pada skenario dua, kernel polinomial mendapatkan nilai akurasi yang sangat baik sebesar 99,25%. Pada skenario tiga, kernel polinomial dan kernel RBF mendapatkan nilai akurasi yang sama, yaitu 99,2%. Pada skenario empat, kernel polinomial mendapatkan nilai akurasi 99%. Hal ini membuktikan bahwa metode Support Vector Machine (SVM) dengan ekstraksi fitur Hue Saturation Value (HSV) dapat digunakan untuk mengklasifikasikan kematangan buah kelapa sawit dengan hasil yang sangat baik.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Buah Kelapa Sawit, Hue Saturation Value (HSV), Pembelajaran Mesin, Klasifikasi, Support Vector Machine (SVM)
Subjects: Q Science > Q Science (General) > Q334-342 Computer science. Artificial intelligence. Algorithms. Robotics. Automation.
Q Science > QA Mathematics > QA299.6-433 Analysis > Q334.A755 Artificial intelligence. Computational linguistics. Computer science.
Q Science > QA Mathematics > QA8.9-QA10.3 Computer science. Artificial intelligence. Computational complexity. Data structures (Computer scienc. Mathematical Logic and Formal Languages
Divisions: 09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User: Mr. Andika Wylista Putra
Date Deposited: 08 Sep 2022 06:44
Last Modified: 08 Sep 2022 06:44
URI: http://repository.unsri.ac.id/id/eprint/78541

Actions (login required)

View Item View Item