Klasifikasi Biji Jagung Berondong dan Biji Jagung Pakan Ayam Menggunakan Support Vector Machine (SVM)

Jagung merupakan komoditas penting dalam sektor pangan dan pakan ternak, dengan varietas yang memiliki karakteristik fisik yang berbeda. Salah satu tantangan di lapangan adalah membedakan biji jagung berondong dan biji jagung pakan ayam secara akurat, terutama ketika perbedaan visualnya sangat tipis. Penelitian ini bertujuan mengembangkan sistem klasifikasi berbasis citra menggunakan algoritma Support Vector Machine (SVM) untuk membedakan kedua jenis jagung tersebut. Dataset yang digunakan terdiri dari 400 citra biji jagung dengan dua kelas, yaitu jagung berondong dan jagung pakan ayam. Tahapan penelitian meliputi prapemrosesan citra, segmentasi, serta ekstraksi fitur tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM), dengan enam fitur utama: kontras, energi, homogenitas, korelasi, varians, dan dissimilarity. Model SVM diuji dengan beberapa jenis kernel, dan evaluasi dilakukan menggunakan confusion matrix. Hasil akurasi klasifikasi biji jagung berondong dan biji jagung pakan dengan algoritma SVM mencapai 68,18% dengan pembagian data 80:20 dan menggunakan kernel Polynomial. Hasil akurasi ini menunjukkan bahwa SVM belum cukup andal dalam melakukan klasifikasi, masih terdapat ruang untuk perbaikan, terutama dalam menggunakan tuning parameter SVM.

Kata Kunci: Support Vector Machine (SVM), Jagung Berondong, Jagung Pakan Ayam, Gray Level Co-occurrence Matrix (GLCM), Klasifikasi Citra.