IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JAMUR BERACUN DAN TIDAK BERACUN

HUSIN, CUT NAYLA (2025) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JAMUR BERACUN DAN TIDAK BERACUN. Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (1MB)
	Text BAB 1 2 3.pdf Download (1MB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Jamur merupakan organisme yang banyak ditemukan di berbagai ekosistem, namun kemampuan masyarakat untuk membedakan antara jamur beracun dan tidak beracun masih terbatas. Kesalahan identifikasi sering menyebabkan kasus keracunan yang berakibat fatal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jamur beracun dan tidak beracun menggunakan algoritma Support Vector Machine (SVM) berbasis pengolahan citra digital. Dataset penelitian terdiri atas 8.000 gambar jamur yang diperoleh dari platform Kaggle dan Roboflow, masing-masing terdiri dari 4.000 gambar jamur beracun dan 4.000 gambar jamur tidak beracun. Citra diproses menggunakan model ResNet50 yang telah dilatih pada dataset ImageNet untuk mengekstraksi fitur, kemudian hasil ekstraksi diklasifikasikan menggunakan algoritma SVM dengan Radial Basis Function (RBF) kernel. Data dibagi menjadi data latih dan validasi dengan rasio 80:20. Hasil pengujian menunjukkan tingkat akurasi validasi sebesar 93% dengan performa yang konsisten pada sebagian besar kelas jamur. Evaluasi menggunakan confusion matrix serta metrik precision, recall, dan F1-score memperlihatkan bahwa sistem mampu mengklasifikasikan gambar jamur dengan baik, meskipun beberapa kesalahan masih terjadi akibat kemiripan morfologi antarspesies. Sistem diimplementasikan dalam bentuk aplikasi web berbasis Streamlit yang memungkinkan pengguna mengunggah gambar jamur dan memperoleh hasil klasifikasi secara real-time. Berdasarkan hasil penelitian, penerapan algoritma SVM dengan ekstraksi fitur ResNet 50 efektif dalam membedakan jamur beracun dan tidak beracun, sehingga dapat membantu masyarakat dalam mengenali jamur secara cepat dan akurat.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Jamur Beracun, Klasifikasi, Pengolahan Citra, ResNet 50, Support Vector Machine.
Subjects:	Dewey decimal Classification Subject Areas > 000 Karya Umum > 000-009 Ilmu Umum dan Komputer
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Pustaka - -
Date Deposited:	11 Sep 2026 02:17
Last Modified:	11 Sep 2026 02:17
URI:	http://repository.upp.ac.id/id/eprint/4707

Actions (login required)

View Item