ANALISIS PERBANDINGAN TINGKAT AKURASI ALGORITMA CNN DAN SVM DALAM KLASIFIKASI PADA DAUN GEDI, DAUN PEPAYA DAN DAUN UBI

Abstract

Daun merupakan salah satu aplikasi penting dalam pengenalan pola dan pengolahan citra. Identifikasi dan klasifikasi daun dapat digunakan dalam berbagai bidang, seperti pertanian, penginderaan jauh, dan penelitian lingkungan. Penelitian ini mengeksplorasi perbandingan tingkat akurasi antara dua algoritma klasifikasi, yaitu Convolutional Neural Network (CNN) dengan arsitektur VGG16 dan Support Vector Machine (SVM), dalam konteks klasifikasi daun Gedi, daun Pepaya, dan daun Ubi. Data citra daun dikumpulkan dan dibagi menjadi kelompok pelatihan, validasi, dan pengujian. CNN diimplementasikan dengan arsitektur VGG16 untuk mengeksplorasi potensi penggunaan arsitektur yang lebih kompleks untuk memahami fitur daun. Hasilnya menunjukkan tingkat akurasi yang sangat baik untuk CNN, mencapai 100%, sedangkan SVM memiliki tingkat akurasi 44,07%.