<![CDATA[Verifikasi Verifikasi kualitas gambar pada aplikasi DiTenun sebelumnya dilakukan menggunakan algoritma Fast Four Transform (FFT) dan Principle Componen Analysis (PCA). Pada penelitian ini dilakukan verifikasi kualitas gambar menggunakan algoritma Support Vector Machine (SVM) untuk dapat digunakan pada aplikasi DiTenun. SVM digunakan untuk membentuk model klasifikasi kualitas gambar ke dalam kategori baik dan buruk. Algoritma SVM yang digunakan adalah non-linear SVM dengan kernel yang berbeda, yaitu kernel gaussian rbf, polynomial, dan sigmoid. Sebelum dilakukan klasifikasi, terlebih dahulu gambar dilabeli menjads dua label yaitu kualitas baik dan kualitas buruk dengan menggunakan metode cohen kappa.Klasifikasi kualitas gambar dilakukan berdasarkan fitur tekstur gambar, yaitu fitur contrast, dissimilarity, homogeneity, energy, dan correlation yang diperoleh menggunakan metode Grey Level Co-occurrence Matrix (GLCM). Pada dataset berupa fitur-fitur tekstur gambar diterapkan data preprocessing seperti data integration, custom transformation, dan data reduction. Penentuan kombinasi fitur dan jumlah fitur agar diperoleh model klasifikasi dengan akurasi tertinggi dilakukan menggunakan metode chi square.Data pada penelitian ini dibagi menjadi train set dan test set dengan perbandingan sebesar 80:20. Penilaian performansi model adalah berdasarkan akurasi, precision, recall, dan F1-Score yang diperoleh melalui confusion matrix. Hasil penelitian ini adalah model hasil penggunaan SVM dengan kernel gaussian rbf yang memiliki performansi paling baik dibandingkan dengan penggunaan kernel polynomial dan sigmoid. Model terbaik tersebut termasuk dalam kategori good classification. Dari hasil tersebut maka dapat disimpulkan bahwa pendekatan machine learning khususnya dengan algoritma SVM efektif dan dapat digunakan untuk verifikasi kualitas gambar pada aplikasi DiTenun]]>
