IMPLEMENTASI ALGORITMA NAIVE BAYES BERBASIS GLCM PADA KLASIFIKASI CITRA VARIETAS KOPI

IMPLEMENTASI ALGORITMA NAIVE BAYES BERBASIS GLCM PADA KLASIFIKASI CITRA VARIETAS KOPI

• By Athariqsyah, Abiyan;
• Skripsi
• 7

Penelitian ini bertujuan untuk mengembangkan model prediksi varietas kopi menggunakan metode Naïve bayes berbasis GLCM. Metode pengolahan citra dan analisis citra akan digunakan untuk mengekstraksi fitur-fitur GLCM dari citra kopi. Selanjutnya, metode pembelajaran mesin seperti algoritma klasifikasi akan diterapkan untuk melatih model prediksi aroma dan rasa kopi berdasarkan fitur-fitur GLCM.Pada bagian ini menjelaskan metode penelitian yang diterapkan dalam peneltian ini. Dataset yang digunakan adalah data foto atau gambar biji kopi Arabika dan Robusta, Kemudian dataset tersebut diklasifikasi menggunakan metode Naïve Bayes untuk menentukan keakuratan pada dataset tersebut Hasil penelitian ini menunjukkan bahwa ekstraksi fitur GLCM dikombinasikan dengan algoritma Naive Bayes dapat menjadi metode yang efektif untuk klasifikasi varietas kopi. Dengan akurasi keseluruhan 83% Model yang dilatih dari data citra sebanyak 90 data mampu membedakan antara biji kopi arabika dan robusta dengan 20% data diuji berdasarkan informasi warna dan intensitas yang diekstraksi. dengan analisis yang menyatakan bahwa penggunaan GLCM dalam kombinasi dengan Naïve Bayes menghasilkan klasifikasi yang baik. Meskipun hasil yang diperoleh cukup memuaskan, masih terdapat ruang untuk perbaikan. Penelitian selanjutnya disarankan untuk meningkatkan jumlah dataset dan mencoba kombinasi metode lain untuk mengatasi kelemahan yang ada

• Katakunci Naive Bayes , Machine Learning , Pengolahan CItra, Biji Kopi , GLCM , Varietas Kopi
• URL http://
• Penerbit ,

REFERENSI

ALFIONITA SA ’ ADAH. (2020). Penerapan Analisis Tekstur Image Pada Citra Berkabut Sintesis Menggunakan Metode Gray Level Co-Occurrence Matrix Skripsi.

Aripin, J. J. (2019). Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi pada BPR Pantura. https://repository.nusamandiri.ac.id/index.php/repo/viewitem/13890

BPS. (2022). Statistik Kopi Indonesia 2022. https://www.bps.go.id/id/publication/2023/11/30/abde293e6c0fc5d45aaa9fe8/statistik-kopi-indonesia-2022.html

Budiarto, T., Ayun, L., & Nurulhaq, M. I. (2023). PEMBERDAYAAN PETANI PADA PENGOLAHAN PASCAPANEN KOPI Metode. File:///C:/Users/User/Downloads/47867-Article%20Text-226244-1-10-20230701.Pdf, 8(1), 11–20.

Cahyono, B. E., Nugroho, A. T., & Maulinida, I. W. (2023). Klasifikasi Jenis Biji Kopi dengan Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM). Teknotan, 16(3), 191. https://doi.org/10.24198/jt.vol16n3.9

Fitriaty, I., & Mustofa, Y. A. (2019). Deteksi Penyakit Tanaman Daun Bayam Menggunakan Metode GLCM dan Artificial Neural Network (ANN). Cosphijournal.Unisan.Ac.Id, 3(1), 2597–9329. https://www.cosphijournal.unisan.ac.id/index.php/cosphihome/article/view/83

Geoffrey I Webb. (2019). Bayes Naif. 508. https://www.researchgate.net/publication/306313918

Géron, A. (2019). Hands-on Machine Learning whith Scikit-Learing, Keras and Tensorfow. In O’Reilly Media, Inc.

Hardiyanti, E. (2021). TA Pengendalian Mutu Biji Kopi Pada Proses Persiapan Pengiriman Produk Di Pt Ldc Coffee Indonesia (Doctoral dissertation, Politeknik Negeri Lampung). 2020, 32. https://www.amazon.com/s=books&sr=1-3

Hidayat, M. M., Prasetyo, E., & Wicaksono, B. T. (2023). Classification of Roasting Rates in Coffee Beans By Digital Image Processing Using the Naive Bayes Classifier (Nbc) Method. Jurnal IPTEK, 27(1), 23–30. https://doi.org/10.31284/j.iptek.2023.v27i1.3697

Kanani, P., & Padole, M. (2019). Deep learning to detect skin cancer using google colab. International Journal of Engineering and Advanced Technology, 8(6), 2176–2183. https://doi.org/10.35940/ijeat.F8587.088619

Luttinger, N., & Dicum, G. (2020). The Coffee Book. The New Press. https://books.google.co.id/books/about/The_Coffee_Book.html?id=Gbmhwpxe9usC&redir_esc=y

Manek, P. G., Baso, B., & Meidyani, B. (2023). Identifikasi Tingkat Kematangan Buah Pinang Menggunakan K-Nearest Neighbor Berdasarkan Fitur Tekstur dan Warna. Journal of Information and Technology, 2(2), 75–79. https://doi.org/10.32938/jitu.v2i2.4205

Matthes, E. (2020). Python Crash Course-third edition. In Suparyanto dan Rosad (2015 (Vol. 5, Issue 3).

Morris, J. (2019). coffe a global history.pdf.

Mutawalli, L., Zaen, M. T. A., & Bagye, W. (2019). KLASIFIKASI TEKS SOSIAL MEDIA TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE (Studi Kasus Penusukan Wiranto). Jurnal Informatika Dan Rekayasa Elektronik, 2(2), 43. https://doi.org/10.36595/jire.v2i2.117

Nugroho, M. A., & Sebatubun, M. M. (2020). Klasifikasi Varietas Kopi Berdasarkan Green Bean Coffee Menggunakan Metode Machine Learning. Journal of Information System Management (JOISM), 1(2), 1–5. https://doi.org/10.24076/joism.2020v1i2.24

Pandia, M. (2024). Kajian Literatur Multimedia Retrieval : Machine Learning Untuk Pengenalan Wajah. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 7(1), 161–166. https://doi.org/10.55338/jikomsi.v7i1.2758

Patel, A. A. (2019). Hands-On Unsupervised Learning Using Python. In O’Reilly. https://www.oreilly.com/library/view/hands-on-unsupervised-learning/9781492035633/

Pattekari, S.A.; Parveen, A. (2012). Prediction system for heart disease using Naïve Bayes. International Journal of Advanced Computer and Mathematical Sciences, 3(3), 290–294.

Poerwanty, H., Nildayanti, Thamrin, S., Fadliah, A. N., & Alfian. (2020). PENGARUH SUHU DAN LAMA PENYANGRAIAN TERHADAP TOTAL ASAM KOPI ARABIKA. J. Agroplantae, Vol.9 No.2, 9(2), 76–81.

PRASTYO, D. (2021). Klasifikasi Tingkat Sangrai Kopi Gayo Menggunakan Electronic Nose Dengan Metode Naive Bayes. 78–79. http://etd.repository.ugm.ac.id/penelitian/detail/202323

Putra, I. K. N. (2016). KLASIFIKASI KUALITAS BIJI KOPI ROBUSTA DENGAN METODE NAIVE BAYES BERDASARKAN UKURAN BIJI, TEKSTUR, DAN WARNA. 14(5), 1–23.

Putra, I. K. N., & Suari, G. A. M. S. (2023). Naïve Bayes Classifier untuk Klasifikasi Cacat Biji Kopi Berdasarkan Warna dan Tekstur. InComTech : Jurnal Telekomunikasi Dan Komputer, 13(2), 125. https://doi.org/10.22441/incomtech.v13i2.17307

Ramalho Luciano. (2022). Fluent Python (Amanda Quinn (ed.); Edisi Kedu).

Saputra, I. G. P. A., Gunadi, I. G. A., & Sunarya, I. M. G. (2023). Analisis Tingkat Kematangan Dan Kualitas Sangraian Biji Kopi Berdasarkan Ekstraksi Fitur Warna, Bentuk Dan Glcm. Jurnal Teknik Informatika Unika ST. Thomas (JTIUST), 8(1), 63–69. https://repo.undiksha.ac.id/10456/%0Ahttps://repo.undiksha.ac.id/10456/8/1729101052-LAMPIRAN.pdf

Siregar, S. J., & Sari, K. (2022). Sistem Pakar Menggunakan Teorema Bayes Dalam Rekomendasi Penentuan Jenis Anestesi Pada Pasien. Building of Informatics, Technology and Science (BITS), 4(2), 1104–1109. https://doi.org/10.47065/bits.v4i2.2226

Srg, S. A. R., Irhamna, Aldi, M. F., Ramadhan, M., & Siregar, N. L. (2023). Ekstraksi Fitur Citra Berdasarkan Tekstur Dengan Glcm (Gray Level Co-Occurrence). JUTISAL (Jurnal Teknik Informatika Komputer Universal), 3(1), 44–51.

Suhendri, S., & Rahayu, P. (2019). Metode Grayscale Co-occurrence Matrix (GLCM) Untuk Klasifikasi Jenis Daun Jambu Air Menggunakan Algoritma Neural Network. Journal of Information Technology, 1(1), 15–22. https://doi.org/10.47292/joint.v1i1.4

Ulfa, M., Wibisono, K. A., Studi, P., Elektro, T., Teknik, F., Trunojoyo, U., Raya, J., Bangkalan, T., Timur, J., & Nose, E. (2019). Desain Sistem Pengenalan dan Klasifikasi Kopi Bubuk Bermerek Dengan Menggunakan Electronic Nose Berbasis Artifical Neural Network. 1(2), 51–60.

Wardana, R. R., Hakim, T., & Sulardi. (2023). Budidaya Tanaman Kopi Arabika (Issue January).

Wijoyo, A., Saputra, A. Y., Ristanti, S., Sya’Ban, S. R., Amalia, M., & Febriansyah, R. (2024). Pembelajaran Machine Learning. OKTAL: Jurnal Ilmu Komputer Dan Sains, 3(02), 375–380.