Perbandingan Kinerja Fungsi Kernel Algoritma Support Vector Machine Pada Klasifikasi Penyakit Padi

Abstract

Penelitian ini bertujuan untuk mengukur dan membandingkan kinerja fungsi kernel algoritma Support Vector Machine (SVM) pada klasifikasi penyakit tanaman padi. Fungsi kernel yang dibandingkan adalah : linear, polinomial, RBF, dan sigmoid. Tahapan penelitian: 1) Pengumpulan data penyakit tanaman padi, 2) Melakukan data embedding, 3) Pembagian data testing dan training yang dikelompokkan dalam beberapa perbandingan  yaitu: 60%:40%, 70%:30%, 80%:20%, dan 90%:10%, 4) Evaluasi menggunakan matrik konfusi, untuk mendapatkan nilai akurasi, presisi, dan recall. Hasil penelitian menunjukkan nilai akurasi tertinggi 89% pada fungsi kernel linear untuk komposisi data 70%:30% dan polinomial untuk komposisi data 80%:20%. Nilai akurasi terendah pada fungsi kernel RBF dengan komposisi data training dan testing 80%:20%  dan 90%:10% senilai 38%. Presisi terbaik pada fungsi kernel linear 90% untuk komposisi data 70%:30%. Nilai presisi terendah pada fungsi kernel RBF dengan komposisi data training dan testing 80%:20% senilai 41%. Untuk recall terbaik 89% pada fungsi kernel linear untuk komposisi data 60%:40%, 70%:30%, dan 80%:20%. Nilai recall terendah pada fungsi kernel RBF dengan komposisi data training dan testing 80%:20%  dan 90%:10% senilai 38%. Penelitian ini menyimpulkan bahwa SVM dengan fungsi kernel linier memberikan hasil yang baik untuk klasifikasi penyakit tanaman padi.