KLASIFIKASI CITRA BIBIT UNGGUL SAPI BALI BERDASARKAN PERFORMA WARNA MENGGUNAKAN METODE FUZZY ADDITIVE SUPPORT VECTOR MACHINE (FASVM) Imam Cholissodin 1 , Arief Andy Soebroto 1 , Nurul Hidayat 1 1 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya Gedung A PTIIK Lt. 1 JL. Veteran No.8, Malang, 65145, Indonesia Telp. : +62-341-577911; Fax : +62-341-577911. http://www.ptiik.ub.ac.id Email : ptiik@ub.ac.id 1 imamcs@ub.ac.id, 2 ariefas@ub.ac.id, 3 ntayadih@ub.ac.id Abstrak Sapi merupakan hewan budidaya yang cukup mahal. Oleh karena itu, pelestarian sapi sangat menarik untuk dikembangkan terutama dari segi kesejahteraan ekonomi rakyat. Selama ini budidaya sapi sangat identik dengan pemilihan bibit unggul, namun permasalahannya adalah bagaimana mengidentifikasi bibit unggul tersebut dengan mudah, cepat dan hasilnya akurat. Karena banyak dari peternak masih menggunakan cara konvensional, yaitu dengan melihat secara langsung warna kulit dan melihat coraknya tanpa adanya dukungan teknologi. Untuk itu, perlu dibuat suatu sistem yang mampu menghasilkan klasifikasi bibit unggul Sapi berdasarkan warna dan coraknya dengan menggunakan data citra, untuk membantu para peternak di Balai Pembibitan Ternak Unggul (BPTU) Sapi Bali. Sistem tersebut menerapkan metode Fuzzy Additive Support Vector Machine (FASVM) untuk mengklasifikasikan citra Sapi berdasarkan fitur rata-rata dari nilai red, green dan blue (RGB) ke dalam 3 kelas yaitu Baik, Sedang dan Buruk. Dari hasil pengujian didapatkan rata-rata akurasi pada Sapi Betina sebesar 55.53% dan pada Sapi Jantan 99.22% dengan ukuran citra masing-masing 64px. Meskipun ruang warna pada citra Sapi Betina sangat mirip diantara kelas-kelas yang ada, akan tetapi metode ini masih mampu memberikan hasil akurasi di atas rata-rata. Hal tersebut menunjukkan bahwa metode yang diusulkan sangat handal, jika data citra yang diolah memiliki beda pola warna yang signifikan. Kata kunci : sapi bali, additive kernel, fuzzy additive SVM, sequential training SVM 1. Pendahuluan Citra saat ini menjadi salah satu objek yang banyak dipelajari dalam menyelesaikan masalah. Warna merupakan bagian dari penyusun pola citra yang memberikan dasar perbedaan objek bila dilihat dengan mata manusia secara langsung. Misalkan warna merah, hijau, biru dan banyak variansi lainnya. Sistem yang dapat membedakan pola citra atau warna sangat diperlukan jika objek yang diteliti berjumlah banyak. Objek dari penelitian ini yaitu warna Sapi Bali. Pada umumnya, Sapi Bali berwarna cokelat. Sehingga apabila ada warna cokelat yang berbeda dari warna cokelat pada umumnya, maka terjadi penyimpangan. Hal ini dapat digunakan untuk klasifikasi dalam tiga kelas yaitu Sapi dengan kualitas sangat baik, sedang dan buruk. Alasan memilih Sapi sebagai objek, karena Sapi merupakan hewan budidaya yang cukup mahal harganya. Dengan adanya sistem yang mampu menghasilkan klasifikasi Sapi berdasarkan warna yang diambil menggunakan data citra, maka diharapkan dapat membantu di Balai Pembibitan Ternak Unggul (BPTU) Sapi Bali dan para peternak sapi Bali untuk lebih cepat dalam mengidentifikasi jenis Sapi yang rata-rata memiliki jumlah yang cukup banyak di dalam satu peternakan. Additive termasuk kernel yang digunakan untuk analisis citra berdasarkan histogramnya (Subhransu Maji, Alexander C. Berg, Jitendra Malik, 2013). Additive Kernel Support Vector Machine (SVM) tersebut menawarkan perbaikan yang signifikan dalam hasil akurasi pada berbagai dataset yang sama dibandingkan dengan kernel lainnya. Sehingga kernel ini sangat praktis untuk mengelola klasifikasi data pada skala besar atau bersifat realtime. Penelitian tersebut menyajikan percobaan pada berbagai dataset, termasuk INRIA person, Daimler-Chrysler Pedestrians, UIUC Cars, Caltech-101, MNIST dan USPS digits, untuk menunjukkan efektivitas dan efisiensi dari algoritma SVM dengan Additive kernel. Selain itu, Additive 163