Naïve Bayes Classifier untuk Klasifikasi Cacat Biji Kopi Berdasarkan Warna dan Tekstur

Abstract

Pemilahan cacat biji kopi merupakan proses yang sangat penting untuk menjaga serta meningkatkan kualitas produksi, melihat kopi sebagai salah satu komoditas paling penting yang diperjual belikan. Penulis ingin meminimalisir kesalahan klasifikasi oleh manusia yang subjektif dengan mengimplementasi metode Naive Bayes untuk melakukan klasifikasi cacat biji kopi secara objektif. Biji kopi difoto sehingga menghasilkan citra biji kopi, ruang warna HSV digunakan untuk melakukan ekstraksi ciri warna biji, dan tekstur biji kopi diekstrak dengan metode GLCM. Pengujian terhadap model klasifikasi yang dibangun dengan 68 data latih menghasilkan akurasi 94.44% berdasarkan 36 data uji. Hasil akurasi menunjukkan ketika ada 36 data uji maka 2 data salah diklasifikasi atau ketika ada 100 data uji maka 5 hingga 6 biji akan salah diklasifikasi oleh model. Penelitian selanjutnya disarankan untuk melakukan pengamatan yang lebih dalam untuk mendapatkan fitur ciri yang dapat merepresentasikan perbedaan cacat pada biji dengan lebih representative, serta membandingkan metode klasifikasi Naive Bayes dengan metode klasifikasi lain untuk mendapatkan model klasifikasi yang lebih baik di masa depan.