Optimasi Seleksi Fitur Dan Parameter Ensemble Kernel Pada Pelatihan Support Vector Machine (SVM) Menggunakan Improved Eliminate Particle Swarm Optimization (IEPSO)Untuk Identifikasi Jenis Penyakit Pada Tanaman Padi

Yulianto, Fendy and Prof. Wayan Firdaus Mahmudy,, S.Si, M.T, Ph.D (2022) Optimasi Seleksi Fitur Dan Parameter Ensemble Kernel Pada Pelatihan Support Vector Machine (SVM) Menggunakan Improved Eliminate Particle Swarm Optimization (IEPSO)Untuk Identifikasi Jenis Penyakit Pada Tanaman Padi. Magister thesis, Universitas Brawijaya.

Abstract

Padi merupakan salah satu makanan pokok yang banyak dikonsumsi oleh banyak orang, akan tetapi dikarenakan seringnya penyakit yang menyerang tanaman padi terkadang membuat hasil panen menjadi tidak maksimal. Penyakit yang menyerang tanaman padi terkadang memiliki gejala yang hampir sama, sehingga observasi langsung yang dilakukan terkadang membuat para petani masih salah dalam mengidentifikasi jenis penyakit yang menyerang tanaman padi mereka. Diperlukan suatu cara untuk dapat menentukan jenis penyakit yang menyerang tanaman padi berdasarkan gejala yang ada, salah satu caranya adalah dengan membuat suatu sistem yang dapat mengidentifikasi jenis penyakit yang menyerang tanaman padi secara otomatis berdasarkan gejala yang ada. Machine Learning merupakan salah satu cara yang dapat diterapkan untuk melakukan identifikasi jenis penyakit dengan tepat berdasarkan gejala yang ada. Salah satu metode Machine Learning yang dapat digunakan adalah metode Support Vector Machine (SVM). Metode SVM berfungsi untuk memetakan garis hyperplane yang berbeda untuk menentukan kelas yang akan digunakan, selain itu terdapat fungsi Kernel pada metode SVM yang menjadi inti dari proses klasifikasi menggunakan metode SVM. Terdapat banyak Kernel yang pada metode SVM, sehingga diperlukan suatu konsep untuk memilih Kernel yang tepat pada metode SVM untuk melakukan suatu proses klasifikasi yang baik. Selain itu metode SVM masih memiliki kekurangan dalam menentukan fitur dan nilai parameter yang akan digunakan, sehingga dibutuhkan suatu cara yang dapat menentukan fitur dan parameter metode SVM secara tepat. Metode Improved Eliminate Particle Swarm Optimization (IEPSO) merupakan salah satu metode optimasi yang dapat digunakan untuk melakukan seleksi fitur dan optimasi parameter sehingga menghasilkan nilai akurasi yang lebih baik pada proses klasifikasi yang akan dilakukan. Pada penelitian ini metode yang digunakan adalah Ensemble Kernel SVM dengan seleksi fitur dan optimasi parameter menggunakan metode IEPSO dalam melakukan identifikasi jenis penyakit pada tanaman padi. Masukan yang digunakan pada penelitian ini terdiri dari 43 gejala penyakit tanaman padi dengan luaran berupa 7 jenis penyakit tanaman padi. Hasil yang didapatkan menunjukkan dengan nilai akurasi sebesar 84.55%, metode Ensemble Kernel SVM menggunakan Kernel ANOVA pada proses pengujiaannya dan tambahan seleksi fitur serta optimasi parameter yang dilakukan secara bersamaan menggunakan IEPSO mendapatkan hasil yang paling baik dari 12 konsep metode lainnya. Akan tetapi nilai akurasi tertinggi yang didapatkan dengan konsep Ensemble Kernel dengan tambahan optimasi IEPSO tersebut harus dibayar dengan waktu komputasi yang paling lama dari konsep lainnya.

English Abstract

Rice is one of the staple foods consumed by many people, but often diseases that attack rice plants make crop yields not optimal. Diseases that attack rice plants have almost the same symptoms, so that direct observations made farmers are still wrong in identifying the types of diseases that attack rice plants. Need a way to be able to determine the types of diseases that attack rice plants based on existing symptoms, one way is to create a system that can identify the types of diseases that attack rice plants automatically based on existing symptoms. Machine Learning is one way that can be applied to determine the exact type of disease based on the existing symptoms. One of the Machine Learning methods that can be used is the Support Vector Machine (SVM) method. The SVM method functions for different hyperplane lines to determine the class to be used, besides that there is a Kernel function in SVM which is the core of the classification process using SVM. There are many Kernels in the SVM method, so a concept is needed to choose the right Kernel in the SVM method to carry out a good classification process. In addition, the SVM method still has shortcomings in determining the features and parameter values to be used, so we need a way that can determine the features and parameters of the SVM method correctly. Improved Method of Eliminating Particle Swarm Optimization (IEPSO) is one of the optimization methods that can be used to select features and optimization parameters so as to produce better accuracy values in the classification process to be carried out. In this study, the method used is Ensemble Kernel SVM by selecting features and optimization parameters using the IEPSO method in determining the type of disease in rice plants. The troops used in this study consisted of 43 symptoms of rice plant diseases with an output of 7 types of rice plant diseases. The results obtained show that with an accuracy value of 84.55%, the Ensemble Kernel SVM method uses Kernel ANOVA in the testing process and additional feature selection and parameter optimization carried out simultaneously using IEPSO get the best results from the other 12 concept methods. However, the highest accuracy value obtained with the Ensemble Kernel concept with the addition of IEPSO optimization must be paid for with the longest computation time of other concepts.

Item Type:	Thesis (Magister)
Identification Number:	042315
Uncontrolled Keywords:	Penyakit tanaman Padi, Ensemble, Kernel, Support Vector Machine, Improved Eliminate Particle Swarm Optimization-padi plant disease, Ensemble, Kernel, Support Vector Machine, Improved Eliminate Particle Swarm Optimization
Divisions:	S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer
Depositing User:	Unnamed user with username suprihatin
Date Deposited:	12 Jan 2024 06:10
Last Modified:	12 Jan 2024 06:10
URI:	http://repository.ub.ac.id/id/eprint/209097

Text (DALAM MASA EMBARGO) Fendy Yulianto.pdf Restricted to Registered users only until 31 December 2024. Download (3MB)

Actions (login required)

View Item