Perbandingan Performa Kernel RBF dan Kernel Linear pada Metode Support Vector Machine untuk Klasifikasi Jenis Buah Pisang
DOI:
https://doi.org/10.29407/0m1kqx45Abstract
Perkembangan teknologi computer vision dan machine learning telah mendorong pemanfaatan sistem klasifikasi citra pada sektor pertanian, termasuk untuk identifikasi jenis buah pisang. Penelitian ini bertujuan membandingkan performa kernel Radial Basis Function (RBF) dan kernel Linear pada algoritma Support Vector Machine (SVM) menggunakan kombinasi fitur warna dan bentuk. Dataset yang digunakan terdiri dari 1.140 citra buah pisang tanpa augmentasi yang terbagi ke dalam lima kelas, yaitu pisang ambon, pisang cavendish, pisang hijau, pisang morosebo, dan tidak dikenali. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur warna menggunakan Color Moments pada ruang warna HSV, ekstraksi fitur bentuk menggunakan Hu Moments dan fitur geometris, normalisasi data, pelatihan model, serta evaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa kernel RBF memberikan performa yang lebih baik dengan akurasi 93,42%, dibandingkan kernel Linear sebesar 91,66%. Selain itu, kernel RBF menghasilkan klasifikasi yang lebih stabil pada kelas dengan karakteristik visual serupa dan lebih efektif dalam menangani pola data non-linear pada citra buah pisang.
Keywords:
Computer vision, klasifikasi citra, Support Vector Machine, kernel RBF, kernel linear##plugins.themes.default.displayStats.downloads##
References
[1] S. D. P. Bahari and U. Latifa, "KLASIFIKASI BUAH SEGAR MENGGUNAKAN TEKNIK COMPUTER VISION UNTUK PENDETEKSIAN KUALITAS DAN KESEGARAN BUAH," JATI (Jurnal Mhs. Tek. Inform.), vol. 7, no. 3, pp. 1567-1573, 2023, doi: 10.36040/JATI.V713.6871.
[2] P. V. Komputer et al., "Penggunaan Visi Komputer untuk Mengidentifiksi Jenis Buah dari Gambar," Router J. Tek. Inform. dan Terap., vol. 2, no. 4, pp. 94-103, 2024, doi: 10.62951/ROUTER.V214.287.
[3] F. R. Chan, R. Yanti, and A. Ramadhanu, "PENINGKATAN METODE MEDIAN FILTER UNTUK IDENTIFIKASI DAN AKURASI JENIS PISANG EMAS DAN PISANG KAPAS," JOISIE (Journal Inf. Syst. Informatics Eng.), vol. 8, no. 2, pp. 314-322, 2024, doi: 10.35145/JOISIE.V8I2.4767.
[4] R. Yanti and A. Ramadhanu, "OPTIMASI HYBRID INTELLIGENT SYSTEM UNTUK IDENTIFIKASI BUAH: STUDI KASUS PISANG DAN APEL," INTI Nusa Mandiri, vol. 19, no. 2, pp. 211-220, 2025, doi: 10.33480/INTI.V1912.6382.
[5] B. Laoli, I. Muslem, and H. Asrawi, "Klasifikasi Tingkat Kematangan Buah Pisang Menggunakan Algoritma Support Vector Machine," J. Ilmu Komput. Aceh, vol. 3, no. 1, pp. 142-151, 2026, doi: 10.51179/ILKA.V311.45.
[6] S. Rabbani, D. Safitri, N. Rahmadhani, A. Amin, F. Sani, and M. K. Anam, "Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM," MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 153-160, 2023, doi: 10.57152/MALCOM.V312.897.
[7] D. Z. Robert, A. B. Setiawan, and D. W. Widodo, "Implementasi Metode Support Vector Machine untuk Klasifikasi Otomatis Pengaduan Publik di Kabupaten Trenggalek," Pros. SEMNAS INOTEK (Seminar Nas. Inov. Teknol.), vol. 9, no. 2, pp. 1617-1626, Jul. 2025, doi: 10.29407/BW7JD239.
[8] J. H. Saviola and N. D. Hendrawan, "IMPLEMENTASI KLASIFIKASI KUALITAS SUSU MENGGUNAKAN ALGORITMA DECISION TREE, K-NEAREST NEIGHBORS DAN NAIVE BAYES," JATI (Jurnal Mhs. Tek. Inform.), vol. 9, no. 5, pp. 8953-8960, 2025, doi: 10.36040/JATI.V9I5.15260.
[9] N. E. R. Pah, A. Y. Mauko, D. Sebastianus, and A. S. Mola, "EKSTRASI CIRI WARNA HSV DAN CIRI BENTUK MOMENT INVARIANT UNTUK KLASIFIKASI BUAH APEL MERAH," J-Icon J. Komput. dan Inform., vol. 9, no. 2, pp. 142-153, 2021, doi: 10.35508/ICON.V912.5043.
[10] L. W. Astuti, I. Saluza, F. Faradilla, and M. F. Alie, "Optimalisasi Klasifikasi Kanker Payudara Menggunakan Forward Selection pada Naive Bayes," J. Ilm. Inform. Glob., vol. 11, no. 2, 2020, doi: 10.36982/JIIG.V1112.1235.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
