Abstrak
Penelitian ini bertujuan untuk mengetahui cara
membuat aplikasi untuk klasifikasi lidah buaya
dengan metode SVM dan cara mengimplementasi
program aplikasi klasifikasi yang telah dibuat. Sistem
pada penelitian ini akan melakukan klasifikasi
kesehatan pelepah lidah buaya. Yang mana klasifikasi
Kata Kunci: Klasifikasi, ini akan mengolah data pelepah lidah buaya
Lidah Buaya, Support Vector berdasarkan 3 kelas, yaitu pelepah dengan kondisi
Machine sehat, kering, dan busuk. Dalam mengolah data
kesehatan lidah buaya menggunakan aplikasi Matlab
Hasil penelitian ini menunjukkan untuk membuat
aplikasi klasifikasi lidah buaya membutuhkan
beberapa data gambar lidah buaya sebagai dataset dan
beberapa perancangan sistem yang akan dibuat.
Dalam proses implementasi dapat dilalui ketika
menjalankan beberapa tahap pengumpulan dataset,
melakukan ekstraksi citra RGB, membuat batasan
kelas klasifikasi, dan mengetahui hasil klasifikasi
yang dibuktikan dengan nilai tingkat akurasi. Hasil
dari pengujian aplikasi dengan data Latih sebanyak
300, dan data Uji sebanyak 30, memperoleh nilai
akurasi dari pengujian sebesar 77%.
Pendahuluan
Lidah buaya memiliki nama latin Aloe barbadensis Milleer, tanaman ini merupakan
spesies tumbuhan dengan daun berdaging tebal, tanaman ini mudah untuk
dikembangbiakkan, namun jika terjadi kesalahan saat menangani tanaman ini pada kondisi
tertentu, tanaman ini akan mengalami penghambatan pada pertumbuhan, bahkan bisa
mengakibatkan tanaman ini mati.
Untuk merawat sebuah tanaman, khususnya tanaman lidah buaya, sebaiknya untuk
mengenali tanaman itu sendiri, karena setiap tanaman memiliki beberapa kondisi yang
berbeda, dan tanaman itu pasti memiliki kondisi dimana harus diberikan penanganan khusus,
yang mana tanaman tersebut harus ditangani dengan tepat sesuai kondisi, dan untuk
mengetahui kondisi tersebut kita membutuhkan sebuah metode untuk mengklasifikasikan
kondisi-kondisi tanaman tersebut.
Pada penelitian sebelumnya dilakukan oleh Hilda Amaliah yang melakukan
perbandingan antara metode SVM (Support Vector Machine) dan metode ANN (Artificial
Neural Network) untuk klasifikasi penyakit ginjal kronis, dari penelitian tersebut metode
ANN memperoleh nilai akurasi 93,36% dan metode SVM memperoleh nilai akurasi 95.16%.
dan penelitian selanjutnya dilakukan oleh Indri Monika Parapat, Muhammad Tanzil Furqon,
dan Sutrisno yang menggunakan metode SVM dalam melakukan klasifikasi penyimpangan
tumbuh kembang anak, dari penelitian tersebut menghasilkan tingkat akurasi sebesar 77,8%
pada jumlah iterasi 10, dan memiliki tingkat akurasi sebesar 63,11% pada jumlah iterasi 200.
Dari penelitian diatas, penulis akan menggunakan metode serupa yang dirasa
memiliki nilai akurasi yang tinggi yaitu metode SVM (Support Vector Machine) dengan
mengunakan objek penelitian yang berbeda, yaitu pada tanaman lidah buaya, dengan
menggunakan metode ini penulis akan melakukan penelitian tentang klasifikasi tanaman
lidah buaya pada beberapa kondisi. sehingga dari kondisi tersebut tanaman lidah buaya akan
mendapat perawatan yang layak sesuai dengan kondisinya .
METODE PENELITIAN
Metodologi penelitian yaitu sebuah upaya untuk mengetahui solusi dari suatu
perusahaan, sehingga dapat diterapkan dalam sebuah penelitian. Analisis penelitian melalui
tahap perencanaan, analisis, desain dan implementasi. Metode pengumpulan data pada
penelitian ini melalui studi pustaka dan dokumentasi.
HASIL DAN PEMBAHASAN
1. Fitur Klasifikasi SVM
Fitur ini berfungsi untuk pembuatan model dataset yang merupakan pemisah
antar kelas klasifikasi, yang mana dataset tersebut digunakan sebagai acuan penentu
kelas dalam proses klasifikasi, untuk membaca data latih dan data target kelas dalam
pengujian ini menggunakan persamaan:
1 2 1
‖w‖ = (w 12+ w22)
2 2
Untuk penerapan persamaan svm diatas memerlukan target pelatihan untuk
dijadikan acuan dalam pembuatan model dataset klasifikasi, dalam penelitian kali ini
kita menggunakan data latih berjumlah 300 data dan terdapat 3 kelas target latih,
sehingga memerlukan input data target seperti dibahan ini:
Selain data target yang diinput, kita juga memerlukan nilai ciri dari setiap
komponen yang akan dilatih, dari persamaan diatas memerlukan ≥ 2 nilai ciri dari
setiap komponen untuk pembuatan dataset, untuk itu dalam penerapan kali ini kita
menggunakan 3 nilai ciri yaitu citra red, citra green, dan citra blue dari hasil
ekstraksi pada data latih yang berupa citra gambar, 3 nilai ciri bisa dilihat pada
gambar dibawah ini.
Kanker Kulit Berdasarkan Fitur Tekstur, Fitur Warna Citra Menggunakan SVM dan
KNN” dengan membandingkan tiga metode dan memperoleh hasil 69,85% untuk
Metode SVM, 67,27% untuk metode Naive Bayes dan 69,55% untuk metode KNN,
dengan data pengujian sejumlah 3297 data, berupa 2637 data latih, dan 660 data uji,
hasil ini merupakan alasan kami untuk menggunakan Metode SVM.
KESIMPULAN
1. Untuk membuat aplikasi klasifikasi lidah buaya membutuhkan beberapa data gambar
lidah buaya sebagai dataset dan beberapa perancangan sistem yang akan dibuat.
2. Dalam proses implementasi dapat dilalui ketika menjalankan beberapa tahap
pengumpulan dataset, melakukan ekstraksi citra RGB, membuat batasan kelas
klasifikasi, dan mengetahui hasil klasifikasi yang dibuktikan dengan nilai tingkat
akurasi.
3. Hasil dari pengujian aplikasi dengan data Latih sebanyak 300, dan data Uji sebanyak
30, memperoleh nilai akurasi dari pengujian sebesar 77%.
DAFTAR PUSTAKA
Amalia, Hilda. 2018. “Perbandingan Metode Data Mining Svm Dan Nn Untuk Klasifikasi
Penyakit Ginjal Kronis.” Maret 14 (1): 1. www.bsi.ac.id.
Faruk, Muhammad, Program Studi, Teknik Informatika, Fakultas Teknik, and Universitas
Islam Lamongan. 2020. “Telematika Klasifikasi Kanker Kulit Berdasarkan Fitur
Tekstur , Fitur Warna Citra Menggunakan SVM Dan KNN.” Telematika 13 (2):
100–109.
Fatmawati. 2021. “Mengenal Activity Diagram.” 2021.
https://smktarunabangsa.sch.id/artikel/detail/activity-diagram.
Pamungkas, Adi. 2015. “Pengolahan Citra Digital (RGB, Grayscale, Dan Biner)
Menggunakan GUI Matlab.” 2015.
https://pemrogramanmatlab.com/2015/12/27/pengolahan-citra-digital-rgb-
grayscale-biner-menggunakan-gui-matlab/.
Parapat, Indri Monika, Muhammad Tanzil Furqon, and Sutrisno. 2018. “Penerapan
Metode Support Vector Machine ( SVM ) Pada Klasifikasi Penyimpangan Tumbuh
Kembang Anak.” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer
2 (10): 3163–69. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2577.
Rahmalia, Nadiya. 2021. “MATLAB, Platform Pemrograman Dengan Segudang
Kegunaan.” Glints.Com. 2021.
https://glints.com/id/lowongan/matlab-adalah/#.YhUQMzUVS01.
Robith, Muhammad. 2021. “Mengenal Apa Itu Use Case Dan Teknik Pembuatannya.”
2021. https://www.sekawanmedia.co.id/blog/use-case-diagram/.
Samsudiney. 2019. “Penjelasan Sederhana Tentang Apa Itu SVM?” Medium.Com. 2019.
https://medium.com/@samsudiney/penjelasan-sederhana-tentang-apa-itu-svm-
149fec72bd02.
Sendari, anugerah ayu. 2021. “Klasifikasi Adalah Pengelompokan, Kenali Contohnya.”
2021. https://hot.liputan6.com/read/4725225/klasifikasi-adalah-pengelompokan-
kenali-contohnya.
Amalia, Hilda. 2018. “Perbandingan Metode Data Mining Svm Dan Nn Untuk Klasifikasi
Penyakit Ginjal Kronis.” Maret 14 (1): 1. www.bsi.ac.id.
Faruk, Muhammad, Program Studi, Teknik Informatika, Fakultas Teknik, and Universitas
Islam Lamongan. 2020. “Telematika Klasifikasi Kanker Kulit Berdasarkan Fitur
Tekstur , Fitur Warna Citra Menggunakan SVM Dan KNN.” Telematika 13 (2):
100–109.
Pamungkas, Adi. 2015. “Pengolahan Citra Digital (RGB, Grayscale, Dan Biner)
Menggunakan GUI Matlab.” 2015.
https://pemrogramanmatlab.com/2015/12/27/pengolahan-citra-digital-rgb-
grayscale-biner-menggunakan-gui-matlab/.
Parapat, Indri Monika, Muhammad Tanzil Furqon, and Sutrisno. 2018. “Penerapan
Metode Support Vector Machine ( SVM ) Pada Klasifikasi Penyimpangan Tumbuh
Kembang Anak.” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer
2 (10): 3163–69. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2577.
Rahmalia, Nadiya. 2021. “MATLAB, Platform Pemrograman Dengan Segudang
Kegunaan.” Glints.Com. 2021.
https://glints.com/id/lowongan/matlab-adalah/#.YhUQMzUVS01.
Robith, Muhammad. 2021. “Mengenal Apa Itu Use Case Dan Teknik Pembuatannya.”
2021. https://www.sekawanmedia.co.id/blog/use-case-diagram/.
Samsudiney. 2019. “Penjelasan Sederhana Tentang Apa Itu SVM?” Medium.Com. 2019.
https://medium.com/@samsudiney/penjelasan-sederhana-tentang-apa-itu-svm-
149fec72bd02.
Sendari, anugerah ayu. 2021. “Klasifikasi Adalah Pengelompokan, Kenali Contohnya.”
2021. https://hot.liputan6.com/read/4725225/klasifikasi-adalah-pengelompokan-
kenali-contohnya.
Amalia, H. (2018). Perbandingan Metode Data Mining Svm Dan Nn Untuk Klasifikasi
Penyakit Ginjal Kronis. Maret, 14(1), 1. www.bsi.ac.id
Faruk, M., Studi, P., Informatika, T., Teknik, F., & Lamongan, U. I. (2020). Telematika
Klasifikasi Kanker Kulit Berdasarkan Fitur Tekstur , Fitur Warna Citra
Menggunakan SVM dan KNN. Telematika, 13(2), 100–109.