<![CDATA[Jamur tiram merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Penentuan kualitas jamur tiram umumnya masih dilakukan secara manual melalui pengamatan visual, sehingga rentan terhadap subjektivitas dan ketidakkonsistenan hasil. Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam mengklasifikasikan kualitas jamur tiram berdasarkan citra digital. Dataset penelitian berupa citra jamur tiram yang dikelompokkan ke dalam dua kelas, yaitu jamur berkualitas baik dan jamur berkualitas buruk. Proses penelitian dilakukan menggunakan aplikasi Orange Data Mining, dimulai dari impor citra menggunakan widget Import Images, ekstraksi fitur menggunakan Image Embedding berbasis Convolutional Neural Network (CNN) pralatih, kemudian dilanjutkan dengan proses klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi model dilakukan menggunakan metode 10-fold Cross Validation melalui widget Test & Score, dengan parameter pengujian meliputi Accuracy, Precision, Recall, dan F1-Score, serta analisis hasil klasifikasi menggunakan Confusion Matrix. Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan kualitas jamur tiram berdasarkan fitur citra digital dengan tingkat kinerja yang baik. Pemanfaatan Image Embedding menghasilkan representasi fitur yang efektif sehingga meningkatkan kemampuan SVM dalam membedakan kualitas jamur tiram. Kata kunci: Support Vector Machine, Klasifikasi Citra, Jamur Tiram, Orange Data Mining, Image Embedding.]]>
Copyrights © 2026
