ANALISIS KINERJA METODE GLCM DAN LS-SVM DALAM KLASIFIKASI CITRA SAMPAH ORGANIK DAN ANORGANIK

• MICHELYN ANGELA SABATINI R
• 2025

---

Michelyn Angela Sabatini Rajagukguk (15210361), Analisis Kinerja Metode GLCM dan LS SVM dalam Klasifikasi Citra Sampah Organik dan Anorganik

Permasalahan pengelolaan sampah, khususnya pada proses pemilahan antara sampah organik dan anorganik, masih menjadi tantangan serius di berbagai wilayah. Proses pemisahan manual dinilai tidak efisien dan rentan terhadap kesalahan klasifikasi. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra sampah secara otomatis dengan memanfaatkan kombinasi metode Gray Level Co-occurrence Matrix (GLCM) dan algoritma Least Squares Support Vector Machine (LS SVM). Dataset berjumlah 1.060 gambar diperoleh dari repositori publik dan telah dikelompokkan dalam dua kategori utama. Proses ekstraksi fitur dilakukan berdasarkan karakteristik tekstur (kontras, korelasi, homogenitas, energi) dan nilai rata-rata warna RGB. Model klasifikasi dilatih dan dievaluasi menggunakan platform Google Colaboratory, dengan metrik pengukuran performa meliputi akurasi, presisi, recall, F1 score, dan AUC. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi sebesar 87 persen, yang mencerminkan kinerja yang baik dalam membedakan jenis sampah berdasarkan citra digital. Model ini kemudian diimplementasikan ke dalam aplikasi web berbasis Flask agar dapat digunakan secara interaktif oleh pengguna dalam proses klasifikasi citra sampah secara instan.

Kata Kunci: Pengolahan Citra, Sampah Organik dan Anorganik, GLCM, LS SVM, Aplikasi Web Flask

• Pengolahan Citra
• Sampah Organik dan Anorganik
• GLCM
• LS SVM
• Aplikasi Web Flask

https://repository.bsi.ac.id/repo/65567/ANALISIS-KINERJA-METODE-GLCM-DAN-LS-SVM--DALAM-KLASIFIKASI-CITRA-SAMPAH--ORGANIK-DAN-ANORGANIK
Anda dapat membaca file tugas akhir ini di repository.