KLASIFIKASI BOTOL PLASTIK MENGGUNAKAN MULTICLASS SUPPORT VECTOR MACHINE

Arief Setyo Nugroho; Rusydi Umar; Abdul Fadlil

doi:10.31294/jki.v9i2.11058

KLASIFIKASI BOTOL PLASTIK MENGGUNAKAN MULTICLASS SUPPORT VECTOR MACHINE

Arief Setyo Nugroho, Rusydi Umar, Abdul Fadlil

Sari

Sampah botol plastik perlu dipilah berdasarkan mereknya untuk mengurangi polusi terutama botol plastik. Namun saat ini proses pemilahan tersebut masih dilakukan secara manual. Jika pemilahan dilakukan secara manual maka membutuhkan waktu yang lama, sehingga perlu dibuat cara agar pemilahan dapat dilakukan dengan bantuan teknologi. Teknologi pengolahan citra dapat mengklasifikasi beberapa merek botol plastik. Klasfikasi citra botol plastik dilakukan dengan menggunakan metode Multiclass Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF). Klasifikasi botol plastik lebih dari 1 kelas dapat menggunakan pendekatan One vs All. Kelas yang digunakan berjumlah 5 kelas berdasarkan merek botol plastik yang berbeda seperti Aqua, Coca-Cola, Fanta, Minute-Maid dan Sprite. Proses yang dilakukan meliputi Pre-procesing Ekstraksi Ciri, Training dan Testing model. Pre-processing dilakukan untuk menyiapkan citra sebelum proses Training dan Testing. Ekstraksi ciri untuk mengetahui ciri dari masing-masing kelas. Training dan Testing dilakukan dengan menggunakan 500 data citra yang dibagi menjadi 3 kombinasi data citra latih dan data citra uji. Data citra latih digunakan untuk Training model sedangkan data citra uji digunakan untuk Testing model. Kombinasi data citra latih dan data citra uji yang digunakan adalah 75% data citra latih dan 25% data citra uji, 50% data citra latih dan data citra uji, serta 25% data citra latih dan 75% data citra uji, sehingga menghasilkan 3 model yang berbeda. Hasil Testing klasifikasi dari 3 kombinasi data cita latih dan data citra uji menghasilkan prosentase keberhasilan berturut-turut sebesar 56%, 70%, dan 84%.

Kata Kunci

Klasifikasi Citra;Support Vector Machine;Multiclass;One vs All;Radial Basis Function

Teks Lengkap:

PDF

Referensi

AULIA, S., HADIYOSO, S., & RAMADAN, D. N. (2015). Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 3(1), 75. https://doi.org/10.26760/elkomika.v3i1.75

Banyal, N. A., Surianti, S., & Dayat, A. R. (2016). Klasifikasi Citra Plasmodium Penyebab Penyakit Malaria dalam Sel Darah Merah Manusia dengan Menggunakan Metode Multi Class Support Vector Machine (SVM). ILKOM Jurnal Ilmiah, 8(2), 111–118. https://doi.org/10.33096/ilkom.v8i2.54.111-118

Gitasari, R. A., Hidayat, B., & Aulia, S. (2015). Klasifikasi Penyakit Diabetes Retinopati Berdasarkan Citra Digital Dengan Menggunakan Metode Wavelet Dan Support Vector Machine. Jurnal Teknik Elektro, 2(1), 1–5.

Ibrahim, S., Zulkifli, N. A., Sabri, N., Shari, A. A., & Noordin, M. R. M. (2019). Rice grain classification using multi-class support vector machine (SVM). IAES International Journal of Artificial Intelligence, 8(3), 215–220. https://doi.org/10.11591/ijai.v8.i3.pp215-220

Neneng, N., Adi, K., & Isnanto, R. (2016). Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM). Jurnal Sistem Informasi Bisnis, 6(1), 1. https://doi.org/10.21456/vol6iss1pp1-10

P, I. W. S. E., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network ( Cnn ) pada Caltech 101. Jurnal Teknik ITS, 5(1), 65–69.

Riadi, I., Umar, R., & Aini, F. D. (2019). Analisis Perbandingan Detection Traffic Anomaly Dengan Metode Naive Bayes Dan Support Vector Machine (Svm). ILKOM Jurnal Ilmiah, 11(1), 17–24. https://doi.org/10.33096/ilkom.v11i1.361.17-24

Thai, L. H., Hai, T. S., & Thuy, N. T. (2012). Image Classification using Support Vector Machine and Artificial Neural Network. International Journal of Information Technology and Computer Science, 4(5), 32–38. https://doi.org/10.5815/ijitcs.2012.05.05

Umar, R., Riadi, I., & Faroek, D. A. (2020). Komparasi Image Matching Menggunakan Metode K-Nearest Neighbor ( KNN ) dan Metode Support Vector Machine ( SVM ). Jurnal of Applied Informatics and Computing (JAIC), 4(2), 124–131.

Wang, Z., Peng, B., Huang, Y., & Sun, G. (2019). Classification for plastic bottles recycling based on image recognition. Waste Management, 88, 170–181. https://doi.org/10.1016/j.wasman.2019.03.032

DOI: https://doi.org/10.31294/jki.v9i2.11058

DOI (PDF): https://doi.org/10.31294/jki.v9i2.11058.g5236

##submission.copyrightStatement##

p-ISSN 2339-1928

e-ISSN 2579-633X