Aiti: Jurnal Teknologi Informasi
Vol 23 No 3 (2026)

Penerapan metode SVM dengan fitur HSV dan HOG pada klasifikasi jenis tanaman hias Aglaonema

Leni Kusneti (Universitas Katolik Musi Charitas)
Sri Andayani (Universitas Katolik Musi Charitas)



Article Info

Publish Date
01 Oct 2026

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%.

Copyrights © 2026






Journal Info

Abbrev

aiti

Publisher

Subject

Computer Science & IT

Description

AITI: Jurnal Teknologi Informasi is a peer-review journal focusing on information system and technology issues. AITI invites academics and researchers who do original research in information system and technology, including but not limited to: Cryptography Networking Internet of Things Big Data Data ...