IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JENIS BERAS BERDASARKAN FITUR INVARIANT DAN COLOR MOMENTS

EGA AULIA, BAIQ (2025) IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JENIS BERAS BERDASARKAN FITUR INVARIANT DAN COLOR MOMENTS. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

[img] Text
Cover.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (192kB)
[img] Text
Lembar Pengesahan.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (535kB)
[img] Text
Lembar Pernyataan.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (187kB)
[img] Text
Abstrak.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (323kB)
[img] Text
Bab 1.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (329kB)
[img] Text
Skripsi Full.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (4MB) | Request a copy
[img] Text
Daftar Pustaka.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (326kB)
[img] Text
Surat Keterangan Hasil Cek Plagiasi.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (156kB)

Abstract

Beras merupakan salah satu bahan pangan pokok di Indonesia yang memiliki berbagai jenis dengan karakteristik bentuk dan warna yang berbeda. Kemiripan visual antarjenis sering kali menyulitkan proses identifikasi secara manual dan berpotensi menimbulkan inkonsistensi dalam klasifikasi yang bersifat subjektif. Pada penelitian ini, dirancang sistem klasifikasi otomatis berbasis web untuk mengidentifikasi jenis beras menggunakan pendekatan pengolahan citra digital. Metode yang digunakan melibatkan proses preprocessing citra, ekstraksi fitur bentuk menggunakan Hu Moments dan fitur warna menggunakan Color Moments, serta normalisasi data. Dataset diperoleh melalui dokumentasi langsung dan diperluas dengan teknik augmentasi untuk meningkatkan variasi data. Model klasifikasi dilatih menggunakan algoritma Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF), serta dilakukan optimasi parameter menggunakan GridSearchCV. Hasil pengujian menunjukkan bahwa model SVM mampu mencapai akurasi sebesar 98,24% pada data uji. Sistem ini kemudian diimplementasikan ke dalam aplikasi web berbasis Streamlit, yang memungkinkan pengguna mengunggah citra beras dan memperoleh hasil klasifikasi secara cepat dan akurat. Dengan akurasi tinggi dan kemudahan penggunaan, sistem ini diharapkan dapat menjadi alat bantu dalam proses klasifikasi jenis beras, khususnya bagi masyarakat umum, pedagang, maupun sektor pertanian

Item Type: Thesis (Skripsi)
Additional Information: STF.23.0060
Uncontrolled Keywords: Klasifikasi Beras, Support Vector Machine, Hu Moments, Color Moments, Pengolahan Citra Digital
Subjects: Skripsi S1 > Teknik Informatika
Divisions: Fakultas Teknik > Teknik Informatika (S1)
Depositing User: Mr Baiq Ega Aulia Aulia
Date Deposited: 22 Sep 2025 03:52
Last Modified: 22 Sep 2025 03:52
URI: http://repository.usbypkp.ac.id/id/eprint/6750

Actions (login required)

View Item View Item