PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI IKAN HIAS CHANNA

  • Fariz Putra Rizki Teknik Informatika, Universitas Muhammadiyah Sukabumi
  • Asril Adi Sunarto Teknik Informatika, Universitas Muhammadiyah Sukabumi
  • Winda Apriandari Teknik Informatika, Universitas Muhammadiyah Sukabumi

Abstract

Ikan Channa, atau yang dikenal sebagai ikan gabus, merupakan ikan air tawar yang mendiami berbagai habitat seperti sungai, danau, serta rawa. Ikan ini memiliki nilai ekonomi yang tinggi dan sangat digemari oleh para pecinta ikan hias karena warna tubuhnya yang menarik, yang terdiri dari perpaduan warna oranye kekuningan dan hitam dengan pola bunga. Budidaya ikan Channa telah menjadi sumber pendapatan yang signifikan bagi banyak petani ikan, terutama karena prospeknya yang menguntungkan bahkan pada lahan terbatas dengan sumber daya air yang minimal. Salah satu tantangan utama dalam budidaya ini adalah melakukan klasifikasi ikan secara akurat berdasarkan karakteristik fisiknya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ikan Channa dengan memanfaatkan algoritma Support Vector Machine (SVM), yang telah terbukti efektif dalam berbagai aplikasi lain, termasuk diagnosis medis. Sistem yang dikembangkan memanfaatkan data non-linier dengan enam variabel fisik: panjang, berat, warna, bentuk sirip, panjang sirip, dan bentuk kepala. Hasil penelitian ini menunjukkan bahwa penerapan algoritma Support Vector Machine (SVM) untuk klasifikasi ikan hias Channa memberikan hasil dengan akurasi sebesar 69%, presisi 66%, recall 69%, dan F1-score 67%. Algoritma SVM terbukti mampu mengklasifikasikan ikan Channa berdasarkan karakteristik fisik seperti panjang, berat, warna, bentuk sirip, panjang sirip, dan bentuk kepala secara akurat dan efisien.

Downloads

Download data is not yet available.
Published
2024-10-01