Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Aiti: Jurnal Teknologi Informasi
Leni Kusneti
Universitas Katolik Musi Charitas
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan metode SVM dengan fitur HSV dan HOG pada klasifikasi jenis tanaman hias Aglaonema Leni Kusneti; Sri Andayani
AITI Vol 23 No 3 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i3.482-495

Abstract

Aglaonema merupakan salah satu tanaman hias populer di Indonesia yang memiliki keanekaragaman bentuk, warna, dan corak daun. Variasi visual yang mirip antar varietas seringkali menyulitkan proses identifikasi secara manual. Penelitian ini bertujuan untuk mengklasifikasikan jenis Aglaonema menggunakan metode Support Vector Machine (SVM) dengan fitur segmentasi warna HSV dan fitur ekstraksi bentuk HOG. Dataset terdiri dari 1.400 citra daun yang terbagi ke dalam tujuh jenis Aglaonema, diantaranya Big Roy, Cochin, Dud Anjamani, Heng Heng, Snow White, Lipstik Merah dan Butterfly. Hasil pengujian metode SVM kernel linear pada validasi silang 5-K-Fold Cross Validation menunjukkan accuracy tertinggi pada Dud Anjamani sebesar 97,21% dan terendah pada Cochin sebesar 92,64%. Rata-rata precision tertinggi dicapai oleh Butterfly sebesar 95,79%, dan terendah pada Cochin sebesar 67,99%, sementara itu rata-rata recall tertinggi pada Big Roy sebesar 91,94%, dan terendah pada Butterfly dan Lipstik Merah sebesar 79,00%. Secara keseluruhan, model mencapai rata-rata accuracy 95,47%, precision 85,51%, dan recall 84,21%.
Co-Authors Andayani, Sri