Text
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) DALAM MENGELOMPOKKAN JENIS KALENG BERDASARKAN CITRA RED GREEN BLUE (RGB)
Pada zaman sekarang, kemasan kaleng menjadi salah satu masalah bagian kehidupan masyarakat sehari-hari. Salah satu ciri kemasan kaleng adalah tidak dapat didaur ulang secara alami atau biologis karena kaleng termasuk limbah anorganik. Oleh sebab itu, untuk mengurangi pencemaran lingkungan kaleng perlu didaur ulang berdasarkan jenisnya. Tujuan penelitian ini adalah untuk mengklasifikasi jenis kaleng dan mengetahui seberapa akurat metode Support Vector Machine dalam pengklasifikasiannya. Data yang digunakan pada penelitian ini adalah 250 sampel kaleng yang dibagi secara acak menjadi 10 bagian. Masing-masing bagian terdiri dari 25 sampel kaleng. Kernel SVM yang digunakan adalah kernel Linier, Polinomial, dan RBF. Setiap bagian sampel kaleng akan berperan sebagai data latih dan bagian sampel lainnya berperan sebagai data uji. Pada kernel Linier, tingkat akurasi paling tinggi diperoleh pada data sampel bagian 1 sebesar 92,89% dan varian paling tinggi pada data sampel bagian 2 sebesar 116. Pada kernel Polinomial, tingkat akurasi paling tinggi diperoleh pada data sampel bagian 5 sebesar 46,67% dan varian paling tinggi pada data sampel bagian 7 sebesar 37,78. Pada kernel RBF, tingkat akurasi dan varian paling tinggi diperoleh pada data sampel bagian 4 sebesar 37,33% dan 16.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2007001823 | T41164 | T411642020 | Central Library (REFERENCES) | Available but not for loan - Not for Loan |
No other version available