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.

	Text Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (192kB)
	Text Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (535kB)
	Text Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (187kB)
	Text Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (323kB)
	Text Bab 1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (329kB)
	Text Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (326kB)
	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

Actions (login required)

View Item