Analisis Perbandingan K-Nearest Neighbor dan Support Vector Machine pada Klasifikasi Jenis Sapi dengan Metode Gray Level Coocurrence Matrix

Abstract

Sapi merupakan hewan ternak yang banyak dibudidayakan di Indonesia mulai dari daging, susu, kotoran, kulit, hingga membantu bercocok tanam. Menurut Badan Pusat Statistik pada tahun 2020 terdapat 17.466.792 ekor populasi sapi potong yang ada di Indonesia. Dari 17.466.792 ekor populasi sapi potong yang ada di Indonesia terdapat 896.200 ekor populasi sapi yang ada di Sumatera Utara yang merupakan provinsi 6 teratas yang memiliki populasi sapi potong terbanyak. Tetapi permasalahannya masih banyak peternak yang tidak mengetahui jenis dari sapi yang dimiliki sehingga perawatan yang salah pada sapi yang dimiliki tentu akan berpengaruh terhadap kualitas sapi yang dihasilkan. Dalam penelitian merancang sistem klasifikasi jenis sapi dengan metode Gray Level Cooccurrence Matrix (GLCM) menggunakan klasifikasi K-Nearest Neighbor dan Support Vector Machine (SVM) menggunakan 2 jenis klasifikasi yaitu klasifikasi K-NN dan klasifikasi SVM. Dalam pengujian ini didapatkan akurasi sebesar 100% pada klasifikasi K-NN dengan waktu komputasi sebesar 0.967 s dengan menggunakan jenis distance mahalonobis dengan nilai k =1 dan pada klasifikasi SVM didapatkan tingkat akurasi 80% dengan waktu komputasi sebesar 1.570 s dengan menggunakan jenis kernel polynomial dengan kelas SVM OAO. Dari hasil pengujian yang didapatkan sistem klasifikasi jenis sapi lebih mendapatkan nilai akurasi terbaik pada klasifikasi K-NN dengan nilai K=1 dan jenis distance mahalanobis.