PENERAPAN ALGORITMA SVM DENGAN FITUR WARNA HSV PADA KLASIFIKASI IKAN ARWANA

Erica Aprilia Sutrisni, Anggraini Puspita Sari, Hendra Maulana

Abstract


Identifikasi jenis ikan arwana secara manual kerap menimbulkan kesalahan akibat kemiripan visual antar jenis, terutama bagi kolektor pemula. Kesalahan dalam mengenali jenis ikan dapat berujung pada keputusan pembelian yang keliru. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis jenis ikan arwana berbasis citra digital menggunakan metode Support Vector Machine (SVM) dan ekstraksi fitur warna HSV (Hue, Saturation, Value). Proses penelitian mencakup akuisisi citra dari enam jenis arwana, pra-pemrosesan (resize, segmentasi menggunakan model U²-Net, dan augmentasi data), konversi citra ke ruang warna HSV, serta ekstraksi fitur berupa rata-rata dan standar deviasi dari komponen H, S, dan V. Dataset yang digunakan terdiri dari 1.260 citra setelah augmentasi. Pengujian model dilakukan dengan variasi kernel dan parameter pada algoritma SVM. Hasil terbaik diperoleh dengan kernel linear dan nilai parameter C=10, yang menghasilkan akurasi klasifikasi sebesar 89%. Evaluasi metrik klasifikasi menunjukkan nilai precision, recall, dan F1-score rata-rata sebesar 0,89, dengan distribusi prediksi yang cukup baik untuk semua kelas. Sistem ini menunjukkan performa yang andal dalam membedakan jenis ikan arwana berbasis fitur warna, dan dapat menjadi solusi yang efektif dan objektif dalam membantu identifikasi ikan hias di kalangan masyarakat umum.

Keywords


Arwana; Ekstraksi fitur warna; Identifikasi ikan; HSV; SVM

Full Text:

PDF

References


M. Hariani, Y. Syahra, M. Suryanata, P. Studi Mahasiswa, S. Triguna Dharma, and P. Studi Dosen Pembimbing, “SISTEM PAKAR DALAM MENDIAGNOSA PENYAKIT SCLEROPAGES FORMOSUS (ARWANA) TAWAR DENGAN MENGGUNAKAN METODE DEMPSTER SHAFER,” Jurnal CyberTech, vol. 1, no. 6, 2018.

W. Bismi, D. Novianti, and M. Qomaruddin, “Jurnal Informatika dan Rekayasa Perangkat Lunak Analisis Per-bandingan Klasifikasi Citra Genus Panthera dengan Pendekatan Deep learning Model MobileNet”.

I. Ariawan, W. Aprizal Arifin, A. Armelita Rosalia, and N. Tufailah, “Department of Marine Science and Tech-nology FPIK-IPB, ISOI, and HAPPI 205 KLASIFIKASI TIGA GENUS IKAN KARANG MENGGUNAKAN CONVOLUTION NEURAL NETWORK CLASSIFICATION OF THREE GENERA OF CORAL FISH USING CONVOLUTIONAL NEURAL NETWORK”, doi: 10.29244/jitkt.v14i1.33633.

N. Rachmat, A. Mahendra, P. Studi Informatika, and F. Imu Komputer dan Rekayasa, “Klasifikasi Jenis Ikan Laut Menggunakan Metode SVM Dengan Fitur HOG Dan HSV,” 2021. [Online]. Available: http://jurnal.mdp.ac.id

A. Azis, “IDENTIFIKASI JENIS IKAN MENGGUNAKAN MODEL HYBRID DEEP LEARNING DAN ALGORITMA KLASIFIKASI”, [Online]. Available: http://groups.inf.ed.ac.uk/f4k/GROUNDTRUTH/

R. Nuraini, “Implementasi Jaringan Syaraf Tiruan Menggunakan Metode Self-Organizing Map Pada Klasifikasi Citra Jenis Ikan Kakap,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, Dec. 2022, doi: 10.47065/bits.v4i3.2558.

“Studi Perbandingan KombinasiGMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal”.

J. Homepage, S. Windharta Oei, L. Yahya, I. Wiranto, and P. Korespondensi, “Research in the Mathematical and Natural Sciences Deteksi Citra Ikan Nila dan Mujair Menggunakan Metode Jaringan Syaraf Tiruan Propa-gasi Balik,” Res. Math. Nat. Sci, vol. 2, no. 1, pp. 32–36, 2023, doi: 10.55657/rmns.v2i1.85.

N. A. Mahmud and B. Hartono, “IMPLEMENTASI DEEP LEARNING DENGAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MENGIDENTIFIKASI JENIS IKAN LAUT,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 2, pp. 438–447, May 2024, doi: 10.29100/jipi.v9i2.4477.

R. Nuraini, “KLIK: Kajian Ilmiah Informatika dan Komputer Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jenis Ikan Nila,” Media Online, vol. 3, no. 1, pp. 2022–2023, 2022, [Online]. Available: https://djournals.com/klik

J. Shao, K. Zhou, Y. H. Cai, and D. Y. Geng, “Application of an Improved U2-Net Model in Ultrasound Median Neural Image Segmentation,” Ultrasound Med Biol, vol. 48, no. 12, pp. 2512–2520, Dec. 2022, doi: 10.1016/j.ultrasmedbio.2022.08.003.

T. Kusnandar, J. Santoso, and K. Surendro, “Enhancing Color Selection in HSV Color Space,” Ingenierie des Systemes d’Information, vol. 29, no. 4, pp. 1483–1491, Aug. 2024, doi: 10.18280/isi.290421.

I. Rafi Diesta, W. Fawwaz, and A. Maki, “Klasifikasi Ikan Cupang Menggunakan Support Vector Machine.”

D. Hardiyanto, D. Anggun Sartika, J. Teknik Elektro, F. Teknologi Industri, and I. AKPRIND Yogyakarta, “EKSTRAKSI FITUR CITRA API BERBASIS EKSTRAKSI WARNA PADA RUANG WARNA HSV dan RGB.”

N. E. R. Pah, S. A. S. Mola, and A. Y. Mauko, “EKSTRASI CIRI WARNA HSV DAN CIRI BENTUK MOMENT INVARIANT UNTUK KLASIFIKASI BUAH APEL MERAH,” Jurnal Komputer dan Informatika, vol. 9, no. 2, pp. 142–153, Sep. 2021, doi: 10.35508/jicon.v9i2.5043.

M. Muhathir, M. H. Santoso, and D. A. Larasati, “Wayang Image Classification Using SVM Method and GLCM Feature Extraction,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 4, no. 2, pp. 373–382, Jan. 2021, doi: 10.31289/jite.v4i2.4524.

M. Muchtar and R. A. Muchtar, “PERBANDINGAN METODE KNN DAN SVM DALAM KLASIFIKASI KEMATANGAN BUAH MANGGA BERDASARKAN CITRA HSV DAN FITUR STATISTIK,” Jurnal Informat-ika dan Teknik Elektro Terapan, vol. 12, no. 2, Apr. 2024, doi: 10.23960/jitet.v12i2.4010.

I. A. Muis and M. Affandes, “Penerapan Metode Support Vector Machine (SVM) Menggunakan Kernel Radial Basis Function (RBF) Pada Klasifikasi Tweet,” Jurnal Sains, Teknologi dan Industri, vol. 12, no. 2, pp. 189–197, 2015, [Online]. Available: http://ejournal.uin-suska.ac.id/index.php/sitekin

“PERBANDINGAN KINERJA KERNEL LINEAR DAN RBF SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA KAI ACCESS”.

M. M. Siregar, R. Hizria, and D. Pardede, “Perbandingan Kinerja Kernel SVM dalam Klasifikasi Kategori Kanker Kulit Menggunakan Transfer Learning,” Data Sciences Indonesia (DSI), vol. 4, no. 1, pp. 83–90, Sep. 2024, doi: 10.47709/dsi.v4i1.4665.

H. Darmanto AMIK Taruna Probolinggo, “PENGENALAN SPESIES IKAN BERDASARKAN KONTUR OTOLITH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK,” 2019.




DOI: https://doi.org/10.29100/jipi.v11i1.7842

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.