Perbandingan algoritma SVM dan SVM berbasis particle swarm optimization pada klasifikasi beras Mekongga

Beras merupakan bahan makanan pokok paling penting di Indonesia. Terdapat berbagai macam jenis varietas yang ada, salah satunya ialah varietas Mekongga. Di karawang jenis beras Mekongga paling banyak diminati dan unggul dibandingkan dengan yang lainnya. Namun, jenis beras tersebut sering sekali tercampur dengan jenis beras lainnya dikarenakan terlalu banyak varietas yang ada dan berbagai macam permasalahan lain. Mengklasifikasikan varietas jenis beras dapat dilakukan guna mengidentifikasi jenis dari beras tersebut. Klasifikasi varietas jenis beras pada penelitian yang dilakukan dibagi menjadi 2 kelas yaitu Mekongga dan Bukan Mekongga. Metode yang digunakan pada penelitian ini ialah Support Vector Machine dan Particle Swarm Optimatizon. Metode Support Vector Machine dipilih karna metode ini pada dasarnya menangani klasifikasi dua keas. Sedangkan metode Particle Swarm Optimatizon digunakan untuk mengoptimasikan tingkat akurasi dari metode Support Vector Machine. Kombinasi dua metode tersebut sangat baik digunakan dalam data klasifikasi karna dapat meningkatkan tingkat akurasi menjadi lebih baik. Tujuan penelitian ini ialah membandingkan tingkat akurasi dari 2 metode yang digunakan. Dari hasil penelitian klasifikasi beras mekongga dengan Support Vector Machine dihasilkan nilai akurasi sebesar 46.67% dengan AUC 0.475. sedangkan hasil Support Vector Machine (SVM) berbasis Particle Swarm Optimatizon (PSO) dapat membantu dalam meningkatkan klasifikasi beras mekongga ini dengan hasil akurasi 70.83% dan AUC 0.671. Particle Swarm Optimatizon (PSO) pada algoritma yang sudah ada membantu meningkatkan nilai akurasi sebesar 24.16% dan dengan nilai AUC sebesar 0.916 dan termasuk kedalam excellent classification