Analisis Perbandingan Algoritma SVM dan CNN Untuk Klasifikasi Buah

Ghifari Ahmad Lustiansyah, Hariyanto Prasetyo, Bobby Kurniadi Widodo, Bagas Aditya Wibisono, Desta Sandya Prasvita

Abstract


Buah adalah makanan alami yang dapat dijumpai dan sangat mudah diperoleh.Dari data yang berasal dari Badan Pusat Statistik di Indonesia sudah memproduksi 2,4 ton buah pada tahun 2020.Oleh karena itu, diperlukan program mengimplementasikan klasifikasi buah demi memudahkan para petani agar tidak perlu memisahkan buah yang dipanen secara manual. Penelitian ini dilakukan untuk membantu menyempurnakan penelitian sebelumnya dan memberikan rekomendasi algoritma terbaik untuk klasifikasi buah.  Pada penelitian ini penulis ingin membandingkan Algoritma SVM dan CNN untuk klasifikasi buah. Proses yang dilakukan yaitu dengan mengumpulkandataset dengan data yang berasal dari kaggle berjumlah 11,219 yang memiliki 17 label. Klasifikasi menggunakan Algoritma SVM dan CNN, mencari akurasi dan menganalisis perbedaan akurasi. Hasil dari penelitian ini untuk Algoritma SVM menghasilkan akurasi sejumlah 93,09%, untuk Algoritma CNN sejumlah 96,87 %. Dari penelitian ini didapat kesimpulan bahwa Algoritma CNN lebih baik dalam hal klasifikasi buah dengan perolehan akurasi sejumlah 96,87%.

Keywords


SVM; CNN; Buah; Algoritma

References


Badan Pusat Statistik. 2020. “Produksi Tanaman Buah-buahan 2020” https://www.bps.go.id/indicator/55/62/1/produksi-tanaman-buah-buahan.html, diakses pada 8 Agustus 2021 Pukul 8:00.Huang, G.-B., Zhu, Q.-Y., & Siew, C.-K. (2006), Extreme learning machine: theory and applications Neurocomputing.

https://www.kaggle.com/moltean/fruits, Version 2020.05.18.0 (Diakses pada 14-6-2021)

Meiriyama. (2018), Klasifikasi Citra Buah berbasis fitur warna HSV dengan klasifikator SVM. Jurnal Komputer Terapan. Vol. 4, No. 1

Muaris, Hidah. 2014. Bahaya Makan Buah dan Sayur. JakPT. Gramedia Pustaka Utama

Nithya Devaraj (2019), Feature Selection using Genetic Algorithm to improve SVM Classifier.

Ridho Aji Pengestu, Basuki Rahmat. (2020). IMPLEMENTASI ALGORITMA CNN UNTUK KLASIFIKASI CITRA LAHAN DAN PERHITUNGAN LUAS. Jurnal Informatika dan Sistem Informasi. Vol. 1, No.1

Suartika, I. W., Wijaya, A. Y. and Soelaiman, R. (2016) ‘Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101’, Jurnal Teknik ITS,

Wikaningrum, A. dan Ratnasari, E.K. (2016), Pengenalan Jenis Buah pada Citra Menggunakan Pendekatan Klasifikasi Berdasarkan Fitur Warna Lab dan Tekstur CoOccurrence. Jurnal INFORM. Vol.1 No.2

Yudianto, Muhammad Resa Arif. (2020). ANALISIS PENGARUH TINGKAT AKURASI KLASIFIKASI CITRA WAYANG DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Jurnal Teknologi Informasi. Vol.4, No.2


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.