PENERAPAN METODE NAIVE BAYES CLASSIFIER DALAM PEMILIHAN KUALITAS BIBIT KELAPA UNTUK MASYARAKAT PETANI KELAPA DI INDRAGIRI HILIR
Abstract
Penelitian ini bertujuan untuk membangun sistem klasifikasi bibit kelapa menggunakan NBC, target khususnya yaitu menyusun sistem klasifikasi bibit kelapa menggunakan NBC, melakukan identifikasi bibit kelapa yang berdasarkan warna RGB dan bentuk, membangun sistem klasifikasi bibit kelapa menggunakan NBC, melakukan evaluasi sistem klasifikasi yang dibangun, memberikan gambaran teknik pengolahan citra digital dan NBC untuk klasifikasi bibit kelapa, memberikan informasi klasifikasi bibit kelapa ke dalam bentuk kelas grade A, B dan, C sebagai bentuk luaran dari sistem klasifikasi bibit kelapa, mengevaluasi sistem klasifikasi yang dibangun. Mengukur tingkat klasifikasi kualitas bibit kelapa dan implementasikan data mining dengan NBC berdasarkan warna RGB pada citra bibit kelapa. Hasil klasifkasi sistem 10 x 10 – fold crossvalidation pada masing–masing katagori yaitu: a. katagori klasifikasi kualitas bibit kelapa Grade A (80–85 %) dihasilkan ketelitian rata-rata 66,521 % dengan simpangan baku 11,65715 %; b. katagori kualitas bibit kelapa Grade B (70–75 %) rata–rata dihasilkan ketelitian 58,025 % dengan simpangan baku 8,011074 %; c. katagori kualitas bibit kelapa Grade C(60–65 %) rata–rata dihasilkan ketelitian 63,021 % dengan simpangan baku 17,06763 %. Dari hasil 10 eksperimen diklasifikasikan menghasilkan informasi jarak dan prosentase kemiripan. Dari hasil didapat adalah Grade C yang memiliki persentase tertinggi dengan jarak 0,309% dan prosentase kemiripan 64 %.Hasil akhir evaluasi dari data eksperimen secara global, memiliki ketelitian rata-rata 87.02 %. Untuk mendapatkan persentase kemiripan yang tinggi harus dilakukan data latih yang banyak terhadap sistem klasifikasi kualitas bibit kelapa.
Downloads
References
D. L. Olson and D. Delen, Advanced Data Mining Techniques. Springer, 2008.
Joshi, C., Ruggeri, F., & Wilson, S. P. (2018). Prior Robustness for Bayesian Implementation of the Fault Tree Analysis. IEEE Transactions on Reliability, Vol.67(1), 170-183.
N. Sulistiyowati and M. Jajuli, “Integrasi Naive Bayes Dengan Teknik Sampling Smote Untuk Menangani Data Tidak Seimbang,” Nuansa Inform., vol. 14, no. 1, p. 34, 2020, doi: 10.25134/nuansa.v14i1.2411.
D. L. Rahmah, "Perancangan Aplikasi Sistem Persuratan Berbasis Web Pada PT. Dwi Pilar Pratama," Faktor Exacta, vol. 6, no. 2, pp. 282-292, 2014
F. A. Hermawati, Data Mining, Yogyakarta: Andi, 2013.
H. A. Musril, "Studi Komparasi Metode Aritmatic Coding dan Huffman Coding Dalam Algoritma Entropy Untuk Kompresi Citra Digital," Jurnal Teknologi Informasi & Pendidikan, vol. 5, no. 2, pp. 133-156, 2012.
Y. Permadi and Muritno, "Aplikasi Pengolahan Cotra Digital Untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik," Jurnal Informatika, vol. 9, no. 9, pp. 1028-1038, 2015.
M. Masril, "Implementasi Jaringan Saraf Tiruan Pada Pattern Recognition (Studi Kasus Huruf Jepang Katakana)," Jurnal Teknologi Informatika & Pendidikan, vol. 6, no. 1, pp. 55-65, 2013.
Bharathi S, Harini P (2020) Early detection of diseases in coconut tree leaves. In: 2020 6th international conference on advanced computing and communication systems (ICACCS). IEEE, pp 1265–1268
Pracaya and P. C. Kahono, Kiat Sukses Budidaya Kelapa, Klaten: PT Macanan Jaya, 2011
Abdullah, Usman and Efendi, "Sistem Klasifikasi Kualitas Kopra Berdasarkan Warna dan Tekstur Menggunakan Metode Nearest Mean Classifier (NMC)," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 4, pp. 297-303, 2017.
Copyright (c) 2023 Abdul Muni, Muhammad Jibril

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