<![CDATA[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.]]>
Copyrights © 2026
