Perbandingan Algoritma SVM dan CNN menggunakan PCA untuk Klasifikasi Kematangan Jeruk Keprok

https://doi.org/10.35912/jisted.v3i2.5034
Published: May 16, 2025

Abstract:

Purpose: This study aims to compare the SVM and CNN machine learning algorithms by combining PCA as data reduction to see which level of accuracy is higher with orange objects.

Methodology/approach: created using the waterfall model, the system used to create the model is matlab ver r2022a, using the help of the python programming language to separate the datasets used, the datasets used come from kaagle including the following (https://www.kaggle.com/datasets/raghavrpotdar/fresh-and-stale-images-of-fruits-and-vegetables), and Orange disease dataset(https://www.kaggle.com/datasets/jonathansilva2020/orange-diseases-dataset).

Results/findings: The results obtained from the Matlab test using the CNN and PCA algorithms obtained an accuracy of 76.4% and the SVM and PCA classification models obtained an accuracy of 98.89%.

Conclusions: This research was successful with the results of combining the SVM and PCA algorithms which had high accuracy results compared to CNN and PCA.

Limitations: In this study, the focus is only on comparing the SVM and CNN algorithms with the help of PCA to see which one has the higher level of accuracy between the two. The dataset was only taken from Kaagle, and the software used to create the model was Matlab.

Contribution: This research is expected to be a reference for creating models in the future that can be applied to the classification process of automated products.

Keywords:
1. Classification
2. CNN
3. Mandarin Orange
4. PCA
5. SVM
Authors:
1 . Sunarso Sunarso
2 . Chairani Chairani
3 . Joko Triloka
4 . Rio Kurniawan
View PDF
How to Cite
Sunarso, S., Chairani, C., Triloka, J., & Kurniawan, R. (2025). Perbandingan Algoritma SVM dan CNN menggunakan PCA untuk Klasifikasi Kematangan Jeruk Keprok. Jurnal Ilmu Siber Dan Teknologi Digital, 3(2), 203–221. https://doi.org/10.35912/jisted.v3i2.5034
Download Citation
  1. Endnote/Zotero/Mendeley (RIS)
  2. BibTeX

Downloads

Download data is not yet available.
Issue & Section
Vol. 3 No. 2 (2025): Mei
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

References

    Affifah, D. D., Permanasari, Y., Matematika, R. P., Matematika, F., Ilmu, D., & Alam, P. (2022). Bandung Conference Series: Mathematics Teknik Konvolusi pada Deep Learning untuk Image Processing. Bandung Conference Series: Mathematics, 2(2), 103–112. https://doi.org/10.29313/bcsm.v2i2.4527

    Akbar, J. M., Sabirin, M., Nugraha, G. S., & Alamsyah, N. (2022). Penerapan Metode Principal Component Analysis (Pca) Dan K-Nearest Neighbors (Knn) Untuk Klasifikasi Data Kanker Paru-Paru. Jurnal Teknologi Informasi, Komputer Dan Aplikasinya (JTIKA), 4(2), 144–151. http://jtika.if.unram.ac.id/index.php/JTIKA/

    Hendriyana, H., & Yazid Hilman Maulana. (2020). Identification of Types of Wood using Convolutional Neural Network with Mobilenet Architecture. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(1), 70–76. https://doi.org/10.29207/resti.v4i1.1445

    Kurniadi, B. W., Prasetyo, H., Ahmad, G. L., Aditya Wibisono, B., & Sandya Prasvita, D. (2021). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, September, 1–11.

    Limanseto, H. (2022). Terus Dorong Peningkatan Konsumsi Buah Nusantara, Pemerintah Gelar Kembali Gelar Buah Nusantara (GBN) ke-7 Tahun 2022 - Kementerian Koordinator Bidang Perekonomian Republik Indonesia. Kementrian Koordinator Bidang Perekonomian Republik Indonesia, 7–8. https://www.ekon.go.id/publikasi/detail/4450/terus-dorong-peningkatan-konsumsi-buah-nusantara-pemerintah-gelar-kembali-gelar-buah-nusantara-gbn-ke-7-tahun-2022

    Muwardi, F., & Fadlil, A. (2018). Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan Pengklasifikasi Jarak. Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika, 3(2), 124. https://doi.org/10.26555/jiteki.v3i2.7470

    Nugroho, A. S., Witarto, A. B., & Handoko, D. (2003). Support Vector Machine –Teori dan Aplikasinya dalam Bioinformatika. Proceeding of Indonesian Scientific Meeting in Central Japan, 2003., 842–847. https://doi.org/10.1109/CCDC.2011.5968300

    Siskandar, R., Indrawan, N. A., Kusumah, B. R., Santosa, S. H., Irmansyah, I., & Irzaman, I. (2020). Penerapan Rekayasa Mesin Sortir Sebagai Penentu Kematangan Buah Jeruk Dan Tomat Merah Berbasis Image Processing. Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering), 9(3), 222. https://doi.org/10.23960/jtep-l.v9i3.222-236

    Taslim, M. M., Gunadi, K., & Tjondrowiguno, A. N. (2019). Deteksi Rumus Matematika pada Halaman Dokumen Digital dengan Metode Convolutional Neural Network. Jurnal Infra, 7(2), 123–129.

    Rina. (2023). Memahami Confusion Matrix: Accuracy, Precision, Recall, Specificity, dan F1-Score untuk Evaluasi Model Klasifikasi. https://esairina.medium.com/memahami-confusion-matrix-accuracy-precision-recall-specificity-dan-f1-score-610d4f0db7cf

    Qolbiyatul Lina. (2019). Apa itu Convolutional Neural Network?. https://medium.com/@16611110/apa-itu-convolutional-neural-network-836f70b193a4

  1. Affifah, D. D., Permanasari, Y., Matematika, R. P., Matematika, F., Ilmu, D., & Alam, P. (2022). Bandung Conference Series: Mathematics Teknik Konvolusi pada Deep Learning untuk Image Processing. Bandung Conference Series: Mathematics, 2(2), 103–112. https://doi.org/10.29313/bcsm.v2i2.4527
  2. Akbar, J. M., Sabirin, M., Nugraha, G. S., & Alamsyah, N. (2022). Penerapan Metode Principal Component Analysis (Pca) Dan K-Nearest Neighbors (Knn) Untuk Klasifikasi Data Kanker Paru-Paru. Jurnal Teknologi Informasi, Komputer Dan Aplikasinya (JTIKA), 4(2), 144–151. http://jtika.if.unram.ac.id/index.php/JTIKA/
  3. Hendriyana, H., & Yazid Hilman Maulana. (2020). Identification of Types of Wood using Convolutional Neural Network with Mobilenet Architecture. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(1), 70–76. https://doi.org/10.29207/resti.v4i1.1445
  4. Kurniadi, B. W., Prasetyo, H., Ahmad, G. L., Aditya Wibisono, B., & Sandya Prasvita, D. (2021). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, September, 1–11.
  5. Limanseto, H. (2022). Terus Dorong Peningkatan Konsumsi Buah Nusantara, Pemerintah Gelar Kembali Gelar Buah Nusantara (GBN) ke-7 Tahun 2022 - Kementerian Koordinator Bidang Perekonomian Republik Indonesia. Kementrian Koordinator Bidang Perekonomian Republik Indonesia, 7–8. https://www.ekon.go.id/publikasi/detail/4450/terus-dorong-peningkatan-konsumsi-buah-nusantara-pemerintah-gelar-kembali-gelar-buah-nusantara-gbn-ke-7-tahun-2022
  6. Muwardi, F., & Fadlil, A. (2018). Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan Pengklasifikasi Jarak. Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika, 3(2), 124. https://doi.org/10.26555/jiteki.v3i2.7470
  7. Nugroho, A. S., Witarto, A. B., & Handoko, D. (2003). Support Vector Machine –Teori dan Aplikasinya dalam Bioinformatika. Proceeding of Indonesian Scientific Meeting in Central Japan, 2003., 842–847. https://doi.org/10.1109/CCDC.2011.5968300
  8. Siskandar, R., Indrawan, N. A., Kusumah, B. R., Santosa, S. H., Irmansyah, I., & Irzaman, I. (2020). Penerapan Rekayasa Mesin Sortir Sebagai Penentu Kematangan Buah Jeruk Dan Tomat Merah Berbasis Image Processing. Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering), 9(3), 222. https://doi.org/10.23960/jtep-l.v9i3.222-236
  9. Taslim, M. M., Gunadi, K., & Tjondrowiguno, A. N. (2019). Deteksi Rumus Matematika pada Halaman Dokumen Digital dengan Metode Convolutional Neural Network. Jurnal Infra, 7(2), 123–129.
  10. Rina. (2023). Memahami Confusion Matrix: Accuracy, Precision, Recall, Specificity, dan F1-Score untuk Evaluasi Model Klasifikasi. https://esairina.medium.com/memahami-confusion-matrix-accuracy-precision-recall-specificity-dan-f1-score-610d4f0db7cf
  11. Qolbiyatul Lina. (2019). Apa itu Convolutional Neural Network?. https://medium.com/@16611110/apa-itu-convolutional-neural-network-836f70b193a4