Search for collections on Undip Repository

Sistem Penentu Jenis Tembakau Racik Menggunakan Metode Pengolahan Citra Ekstrasi Ciri Gray Level Co-Occurrence Matrix (GLCM) dan Support Vector Machine (SVM)

RAMADHANI, Muchamad Ravi (2024) Sistem Penentu Jenis Tembakau Racik Menggunakan Metode Pengolahan Citra Ekstrasi Ciri Gray Level Co-Occurrence Matrix (GLCM) dan Support Vector Machine (SVM). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of 1. HALAMAN JUDUL.pdf] Text
1. HALAMAN JUDUL.pdf

Download (85kB)
[thumbnail of 2. HALAMAN PENGESAHAN.pdf] Text
2. HALAMAN PENGESAHAN.pdf

Download (681kB)
[thumbnail of 3. KATA PENGANTAR.pdf] Text
3. KATA PENGANTAR.pdf

Download (119kB)
[thumbnail of 4. DAFTAR ISI.pdf] Text
4. DAFTAR ISI.pdf

Download (99kB)
[thumbnail of 9. ABSTRAK.pdf] Text
9. ABSTRAK.pdf

Download (72kB)
[thumbnail of 10. ABSTRACT.pdf] Text
10. ABSTRACT.pdf

Download (53kB)
[thumbnail of 11. BAB I PENDAHULUAN.pdf] Text
11. BAB I PENDAHULUAN.pdf

Download (113kB)
[thumbnail of 16. DAFTAR PUSTAKA.pdf] Text
16. DAFTAR PUSTAKA.pdf

Download (207kB)

Abstract

Klasifikasi kualitas tembakau merupakan salah satu aspek penting dalam penilaian
mutu tembakau sebelum dipasarkan dalam kemasan rokok. Tujuan dari penelitian
ini adalah untuk mengembangkan sistem klasifikasi kualitas tembakau
menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi
fitur tekstur dan Support Vector Machine (SVM) sebagai model klasifikasi.
Penelitian ini mengklasifikasikan tiga jenis tembakau, yaitu Podai, Temanggung,
dan Weleri, berdasarkan standar kualitas Shin Tobacco sebagai produsen rokok
racikan. Fitur tekstur yang diekstraksi meliputi contrast, homogeneity, energy, dan
entropy. Proses pengujian dilakukan dengan menggunakan kombinasi parameter C
dan Gamma, parameter C berfungsi mengontrol keseimbangan antara margin yang
lebar dan tingkat kesalahan klasifikasi, sedangkan Gamma menentukan seberapa
jauh pengaruh sebuah data contoh terhadap keputusan model. Hasil penelitian
menunjukkan bahwa kombinasi parameter C = 100 dan Gamma = 1 memberikan
akurasi hasil pengujian model SVM tertinggi sebesar 95%. Selain itu, sistem juga
diuji dengan 10 citra baru yang berhasil mengidentifikasi dengan benar 100% sesuai
dengan hasil klasifikasi manual oleh peracik tembakau. Manfaat dari sistem ini
dapat digunakan sebagai alat bantu dalam klasifikasi kualitas tembakau dengan
akurasi yang tinggi, sehingga dapat mendukung proses otomatisasi klasifikasi
tembakau racik dalam industri peracikan tembakau Shin Tobacco.
Kata Kunci: Klasifikasi Tembakau, GLCM, SVM, Kualitas Tembakau

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Physics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 24 Feb 2026 02:34
Last Modified: 24 Feb 2026 02:34
URI: https://eprints2.undip.ac.id/id/eprint/45791

Actions (login required)

View Item View Item