ANALISIS SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI JENIS KELAMIN PADA IKAN CUPANG DENGAN BANTUAN LOCAL BINARY PATTERN (LBP)

Abstract

Ikan cupang (Betta splendens) merupakan salah satu jenis ikan hias yang banyak diminati karena keindahan warnanya serta daya tahan tubuhnya yang kuat. Klasifikasi jenis kelamin ikan cupang adalah proses penting dalam budidaya ikan, terutama dalam memisahkan antara ikan jantan dan betina untuk tujuan pembiakan. Metode manual untuk klasifikasi ini sering kali memakan waktu dan rentan terhadap kesalahan, Penelitian ini mengembangkan metode klasifikasi jenis kelamin ikan cupang (Betta splendens) menggunakan kombinasi Local Binary Pattern (LBP) dan Support Vector Machine (SVM) Clustering untuk meningkatkan efisiensi dan akurasi dibandingkan metode manual. LBP digunakan untuk ekstraksi fitur visual dari gambar ikan, sementara SVM Clustering mengelompokkan jenis kelamin berdasarkan fitur tersebut. Dengan sampel gambar dari berbagai sudut, pendekatan ini mencapai akurasi hingga 80%, menunjukkan efektivitasnya dalam membedakan ikan jantan dan betina serta kemampuannya beradaptasi terhadap variasi bentuk dan warna ikan. Metode ini berpotensi meningkatkan produktivitas dan mengurangi kesalahan dalam industri budidaya ikan hias