Klasifikasi Tanaman Obat Herbal Menggunakan Metode Support Vector Machine

Arifin, Arifin; Hendyli, Janson; Herwindiati, Dyah Erny

doi:10.24912/computatio.v1i1.12811

Cited by 5 publications

(8 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Informasi dari sebuah citra diekstrak kemudian digunakan sebagai parameter masukan untuk membedakan antara objek atau citra satu dengan lainnya dalam proses identifikasi atau klasifikasi [5]. Dengan ekstraksi fitur, dapat diekstrak informasi atau fitur dari sebuah gambar yang dapat digunakan sebagai referensi untuk membedakan dengan gambar lain [6]. Ekstraksi fitur yang dapat diimplementasikan pada sebuah citra digital yaitu ekstraksi bentuk, ekstraksi tekstur, dan ekstraksi warna.…”

Section: Pendahuluanunclassified

“…Penelitian [6] Penelitian [12] membuat sistem dengan metode KNN (K-Nearest Neighbor) dan SVM (Support Vector Machine) untuk pengenalan jenis rimpang. Ada 3 jenis rimpang yang digunakan yaitu lengkuas, jahe, dan kunyit.…”

Section: Pendahuluanunclassified

“…GLCM memperhitungkan pasangan dua piksel citra didasarkan pada jarak dan orientasi sudut. Dengan jarak yang sudah ditentukan yaitu 1 piksel, orientasi dibuat dengan empat arah sudut: 0°, 45°, 90°, dan 135° [6]. GLCM digunakan karena memiliki kekuatan dalam menangkap citra dalam resolusi yang sama ketika ada proses rotasi [13].…”

Section: Gray Level Co-occurrence Matrix (Glcm)unclassified

See 2 more Smart Citations

Klasifikasi Rimpang Menggunakan Metode K-Nearest Neighbor dan Ekstraksi Ciri Gray Level Co-occurrence Matrix

Asep Zainal Alfarizi,

Enny Itje Sela

2024

View full text Add to dashboard Cite

Rhizome is a modification of plant stems that grow under the soil surface and function as a storage place for food reserves. This plants have internodes that function produce new shoots and roots. Rhizomes are commonly used by people as spices in cooking and herbal medicine. Rhizomes have many types, such as ginger, sand ginger, fingerroot, turmeric, galangal, and curcuma. These types have similarities to each other, such as texture, shape, and color. These similarities can cause problems such as difficulty in identifying the type of rhizome. The solution to this problem is a computer system that can classify the type of rhizomes. The system in this research was built using the K-Nearest Neighbor method and Gray Level Co-occurrence Matrix texture feature extraction. Research data amounted to 500 images with ginger, sand ginger, fingerroot, turmeric, and galangal classes. The stages of this research are data collection, image resizing, conversion to grayscale, GLCM feature extraction, storing the extraction results into dataframe, dividing data into train data and test data, classification with K-NN, and implement GUI to make operation easier. Accuracy results on this system get a value of 74% on test data and 64% on train data with value of K=11.

show abstract

Section: Pendahuluanunclassified

Section: Gray Level Co-occurrence Matrix (Glcm)unclassified

See 1 more Smart Citation

Klasifikasi Rimpang Menggunakan Metode K-Nearest Neighbor dan Ekstraksi Ciri Gray Level Co-occurrence Matrix

Asep Zainal Alfarizi,

Enny Itje Sela

2024

View full text Add to dashboard Cite

show abstract

“…Pada penelitian ini parameter pembeda yang digunakan adalah warna, bentuk serta tekstur. Metode ini dilakukan dengan pencarian parameter Randomized Search Cross Validation kernel rbf dengan train 83.9% dan test 77.6% [6].…”

Section: Pendahuluanunclassified

Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM

et al. 2022

View full text Add to dashboard Cite

Indonesia kaya dengan berbagai macam tanaman diantaranya buah pisang yang mempunyai beragam jenis. Untuk mengetahui tingkat kematangan pada suatu jenis pisang biasanya dilihat dari warna, akan tetapi karena faktor usia dan kelelahan dari para petani biasanya sering terjadi kesalahan pada saat pengukuran akurasi. Penelitian ini bertujuan untuk mengklasifikasi jenis pisang berdasarkan citra warna dengan menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan adalah citra pisang dengan total 1256, yang diklasifikasi menjadi 2 jenis pisang, Pisang ambon dan Pisang lady finger. Hasil yang didapat dari penelitian ini ditunjukan oleh confusion matrix dengan nilai True Positive (TP) = 0,82 dan False Positive (FP)= 0,18. serta False Negative (FN) = 0,02 dan True Negative (TN) = 0,98. Dari nilai yang ditunjukan oleh confusion matrix dapat diartikan bahwa algoritma SVM cukup baik digunakan dalam mengklasifikasi jenis pisang sehingga dapat memberikan jaminan mutu atas produk yang dihasilkan oleh petani.

show abstract

“…Terdapat beberapa penelitian mengenai klasifikasi citra tanaman obat. Dainataranya penelitian klasifikasi citra tanaman obat dengan menerapkan algoritma Support Vector Machine (SVM) [7]. Pada penelitian tersebut, hasil evaluasi model akurasi rata-rata untuk citra uji sebesar 77,6%.…”

Section: Pendahuluanunclassified

Klasifikasi Citra Tanaman Perdu Liar Berkhasiat Obat Menggunakan Jaringan Syaraf Tiruan Radial Basis Function

Borman,

Ahmad,

Rahmanto

2022

bids

View full text Add to dashboard Cite

Wild plants or what are usually called weeds are plants that are considered harmful because they grow in unwanted places. But it turns out that some wild plants have many benefits for the health of the human body. Wild plants have many forms of vegetation, one of which is often encountered is shrubs. There are many wild herbaceous plants that are efficacious as medicine. However, most of the people who do not have knowledge about the types of wild shrubs that have medicinal properties. This study aims to implement the Radial Basis Function (RBF) algorithm for the classification of wild herbaceous plant species with medicinal properties by extracting color and texture features. The color feature extraction is based on the average RGB value, while the texture feature extraction uses a Gabor filter with the mean, entropy, and variance parameters of the magnitude image. The result of feature extraction becomes input data which will be managed by the RBF artificial neural network. RBF is a neural network that has three layers that have feedforward properties that can assist in solving classification or pattern recognition problems. Based on the test results, the precision value is 91%, recall is 89% and accuracy is 90%. These results show that the Radial Basis Function (RBF) algorithm with color and texture feature extraction can classify wild shrubs with medicinal properties well.

show abstract

Klasifikasi Tanaman Obat Herbal Menggunakan Metode Support Vector Machine

Cited by 5 publications

References 0 publications

Klasifikasi Rimpang Menggunakan Metode K-Nearest Neighbor dan Ekstraksi Ciri Gray Level Co-occurrence Matrix

Klasifikasi Rimpang Menggunakan Metode K-Nearest Neighbor dan Ekstraksi Ciri Gray Level Co-occurrence Matrix

Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM

Klasifikasi Citra Tanaman Perdu Liar Berkhasiat Obat Menggunakan Jaringan Syaraf Tiruan Radial Basis Function

Contact Info

Product

Resources

About