Klasifikasi Tingkat Kematangan Buah Jambu Bol Berdasarkan Warna Kulit Menggunakkan Metode Naïve Bayes

Authors

  • Calvin Bill Roring Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
  • Dadang Iskandar Mulyana Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
  • Yunita T Lubis Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
  • Agung Rizki Zamzami Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia

DOI:

https://doi.org/10.31004/jptam.v6i1.3335

Keywords:

Jambu Bol, Klasifikasi, Naive Bayes

Abstract

Jambu bol merupakan buah asal indonesia yang sangat digemari oleh masyarakat indonesia, jambu bol merupakan kerabat dari buah jambu-jambu lainya. Buah jambu bol memiliki tektur buah dengan daging yang lembut dan isi lebih padat dibandingkan buah jambu lainnya, karena sangat digemari banyak petani buah yang mulai mengelola perkebunan jambu bol untuk dijual dipasaran bahkan hingga diekspor keluar negeri. Jambu bol sendiri memiliki warna merah jika jambu tersebut mentah dan akan berubah menjadi merah pekat apabila dia matang.sekilas jika terlihat dari kasat mata sangat mudah membedakannya, namun pada implementasinya beberapa petani dan pedagang buah jambu bol masih sulit membedakan mana jambu matang dan mana jambu mentah, hal ini menjadikan peneliti berniat membuat sebuah aplikasi klasifikasi dan penelitian terhadap tingkat kematangan buah jambu bol. Penelitian ini menggunakkan metode naive bayes, Dengan klasifikasi menggunakan ekstraksi fitur RGB (Red Green Blue) dan metode Naïve Bayes, masalah kematangan buah jambu bol dapat diselesaikan. Dengan menggunakan data citra buah jambu bol sebanyak 30 citra, yang terdiri dari 10 citra buah masih mentah, 10 buah citra setengah mentah, dan 10 buah citra matang. Kemudian data diolah dan dijadikan dataset yang berupa data training dan data testing. Data training digunakan untuk proses pembuatan model dan acuan untuk data testing. Sedangkan data testing merupakan citra yang digunakan untuk menguji performa dari model yang telah dibuat. Dalam penelitian ini mendapatkan nilai akurasi mencapai 75%.

References

A. Syarifudin et al., “Sistem Pakar Diagnosis Penyakit Pada Tanaman Jagung Menggunakan Metode Naive Bayes Berbasis Android,” Semesta Tek., vol. 21, no. 2, pp. 1492–1500, 2018.

A. Wibowo, D. M. C. Hermanto, K. I. Lestari, and H. Wijoyo, “Deteksi Kematangan Buah Jambu Kristal Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna Hsv (Hue Saturation Value) Dan K-Nearest Neighbor,” INCODING J. Informatics Comput. Sci. Eng., vol. 1, no. 2, pp. 76–88, 2021, doi: 10.34007/incoding.v2i1.131.

A. Muslih, M. F. Ahadi, and M. I. Rasyid, “Klasifikasi Kematangan Pada Buah Mangga Garifta Merah dengan Transformasi Ruang Warna HSI,” vol. 5, no. 2, pp. 117–121, 2021.

A. R. Hermawan, A. E. Wibowo, D. A. F, D. F. Ningrum, and N. S. Liman, “Pengklasifikasian Daun Mangga , Salam Dan Sawo Dengan Menggunakan Metode Naive Bayes,” Progr. Stud. Inform. Progr. Teknol. Inf. dan Ilmu Komputer, Univ. Brawijaya, 2009.

A. Ciputra, D. R. I. M. Setiadi, E. H. Rachmawanto, and A. Susanto, “Klasifikasi Tingkat Kematangan Buah Apel Manalagi Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 465–472, 2018, doi: 10.24176/simet.v9i1.2000.

A. Saputra, “Klasifikasi Pengenalan Buah Menggunakan Algoritma Naive Baiyes,” J. Resist. (Rekayasa Sist. Komputer), vol. 2, no. 2, pp. 83–88, 2019, doi: 10.31598/jurnalresistor.v2i2.434.

A. A. Mahran, R. K. Hapsari, and H. Nugroho, “Penerapan Naive Bayes Gaussian Pada Klasifikasi Jenis Jamur Berdasarkan Ciri Statistik Orde Pertama,” Netw. Eng. Res. Oper., vol. 5, no. 2, p. 91, 2020, doi: 10.21107/nero.v5i2.165.

B. Yanto, L. Fimawahib, A. Supriyanto, B. H. Hayadi, and R. R. Pratama, “Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network,” INOVTEK Polbeng - Seri Inform., vol. 6, no. 2, p. 259, 2021, doi: 10.35314/isi.v6i2.2104.

C. Paramita, E. Hari Rachmawanto, C. Atika Sari, and D. R. Ignatius Moses Setiadi, “Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 4, no. 1, pp. 1–6, 2019, doi: 10.30591/jpit.v4i1.1267.

D. Srianto and E. Mulyanto, “Perbandingan K-Nearest Neighbor Dan Naive Bayes,” Techno.COM, vol. 15, no. 3, pp. 241–245, 2016.

D. Yulianto, R. N. Whidhiasih, and M. Maimunah, “Klasifikasi Tahap Kematangan Pisang Ambon Berdasarkan Warna Menggunakan Naive Bayes,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 5, no. 2, pp. 60–67, 2018, doi: 10.33558/piksel.v5i2.268.

E. Nuraharjo, “Implementasi Metode Center Plotting of Image Pixels (CPIP) untuk Mendeteksi Warna Citra Bidang Datar 2-D 94 Implementasi Metode Center Plotting of Image Pixels (CPIP) untuk Mendeteksi Warna Citra Bidang Datar 2-D,” J. Teknol. Inf. Din., vol. 21, no. 2, pp. 94–98, 2016.

E. , Rosalina and S. Agustin, “Klasifikasi Umur Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Berdasarkan Tekstur Menggunakan Metode Naïve Bayes,” INDEXIA Infomatic Comput. Intell. J., vol. 1, no. 1, p. 6, 2019, doi: 10.30587/indexia.v1i1.820.

E. R. Anandita, “Klasifikasi Tebu Dengan Menggunakan Algoritma Naive Bayes Clasification pada Dinas Kehutanan dan Perkebunan Pati,” Ilmu Komput., vol. vol.1, pp. 1–13, 2014.

F. Liantoni and H. Nugroho, “Klasifikasi Daun Herbal Menggunakan Metode Naïve Bayes Classifier Dan Knearest Neighbor,” J. Simantec, vol. 5, no. 1, pp. 9–16, 2015.

J. S. Wibowo, “Deteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV,” J. Teknol. Inf. Din., vol. 16, no. 2, pp. 118–123, 2011.

M. Irfan, “Rancang Bangun Alat Pendeteksi Tingkat Kematangan Buah Durian Dengan Metode Naïve Bayes Rancang Bangun Alat Pendeteksi Tingkat Kematangan Buah Durian Dengan Metode Naïve Bayes,” no. June, 2019, doi: 10.13140/RG.2.2.32828.39047.

S. R. Raysyah, Veri Arinal, and Dadang Iskandar Mulyana, “Klasifikasi Tingkat Kematangan Buah Kopi Berdasarkan Deteksi Warna Menggunakan Metode Knn Dan Pca,” JSiI (Jurnal Sist. Informasi), vol. 8, no. 2, pp. 88–95, 2021, doi: 10.30656/jsii.v8i2.3638.

D. I. M. Istianah, “Jurnal Sosial dan Teknologi ( SOSTECH ) Klasifikasi Kejernihan Air Menggunakan Metode LBPH e-ISSN 2774-5155 Berbasis Android,” vol. 1, no. 9, pp. 80–92, 2021.

Downloads

Published

15-03-2022

How to Cite

Roring, C. B. ., Mulyana, D. I. ., Lubis, Y. T. ., & Zamzami, A. R. (2022). Klasifikasi Tingkat Kematangan Buah Jambu Bol Berdasarkan Warna Kulit Menggunakkan Metode Naïve Bayes. Jurnal Pendidikan Tambusai, 6(1), 2938–2948. https://doi.org/10.31004/jptam.v6i1.3335

Issue

Vol. 6 No. 1 (2022): April 2022

Section

Articles of Research

Citation Check

License

Copyright (c) 2022 Calvin Bill Roring, Dadang Iskandar Mulyana, Yunita T Lubis, Agung Rizki Zamzami

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).