Klasifikasi Jenis Jamur Menggunakan SVM dengan Fitur HSV dan HOG

Abstract

Mushrooms are one of the plants that have so many varieties. Every variety has a different shape and color. But most people still feel difficult to know and classify every mushroom. Therefore, classification for mushroom is needed. Method for this research are Hue Saturation Value (HSV) as color segmentation, then Histogram of Oriented Gradient (HOG) as feature extraction, and Support Vector Machine (SVM) as a classification method. Mushrooms that being use are Agaricus, Amanita, Boletus, Cortinarius, Entoloma, Hygrocybe, Lactarius, Russula, Suillus. Total of mushrooms for this research are 900, with 100 each genus. This research using the k-fold Cross Validation method for 4-fold. From 900 images there are 675 for the training phase and 225 for the testing phase. Overall for this research got precision, recall, accuracy respectively 23.80%, 22.94%, and 82.69%. The best mushroom was Boletus with precision, recall, accuracy respectively 55.37%, 46.84%, and 89.69%.

Klasifikasi Jenis Terung Menggunakan Metode SVM dengan Fitur HSV dan HOG

“…Fold yang digunakan pada fitur HOG dan metode SVM yang mendapatkan hasil terbaik adalah pada 10-Fold dengan nilai accuracy sebesar 96,55%. Selanjutnya penelitian [10] Klasifikasi Jenis Jamur dengan dataset yang digunakan yaitu 900 citra. Hasil dari tahap untuk mencari nilai precision, recall, accuracy dengan metode Confusion Matrix.…”

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

“…Jamur memiliki banyak jenis dengan bentuk, ukuran, dan warna yang beragam. Walaupun demikian, terdapat kesamaan dalam beberapa hal seperti ukuran yang bervariasi dari yang kecil hingga besar, bentuk yang menyerupai payung terbuka ke atas, dan warna yang dapat beragam dari gelap hingga terang [2]. Maka dalam membedakan antara jamur yang dapat dimakan dan beracun bisa jadi rumit karena tampilan yang hampir identik dari berbagai spesies jamur.…”

“…Hasil dari penelitian tersebut bahwa prediksi tingkat kelulusan siswa didapatkan dengan rata-rata akurasi sebesar 96,49% [11]. Ada beberapa penelitian yang telah melakukan penelitian terkait kasus jamur seperti salah satu penelitian yang dilakukan Yohannes1 dkk tahun 2022 dengan judul "Klasifikasi Jenis Jamur Menggunakan SVM dengan Fitur HSV dan HOG" dan mendapatkan hasil bahwa SVM mampu mengklasifikasikan jenis jamur pada citra dengan fitur HSV dan HOG dengan akurasi 82,69% dengan jenis jamur yang mendapatkan hasil terbaik, yaitu jamur boletus dengan akurasi 89,69% [2]. Penelitian yang dilakukan Aisha Alfani W dkk dengan judul "Prediksi penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor" tahun 2021dan mendapatkan hasil penjualan tertinggi dengan akurasi 86,66% dan akurasi terendah 40% [12].…”