Klasifikasi Kematangan Buah Ciplukan dengan Metode Naive Bayes dan Ekstraksi Fitur GLCM

Setyanto, Riky Ananda (Universitas Teknologi Yogyakarta)
Sela, Enny Itje (Universitas Teknologi Yogyakarta)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 12, No 3: Desember 2023

Ciplukan fruit has high nutritional value, but is often considered a weed or wild plant by the public. The lack of public knowledge about this fruit causes them to not know whether this fruit is ripe or unripe, which results in errors in consuming it. This research aims to develop a ciplukan fruit ripeness classification system, the method used is Naive Bayes and GLCM. Image data of unripe and ripe ciplukan as many as 100 samples were collected and processed. The preprocessing results, including Grayscale, Cropping, and Resize, help prepare the images for classification. GLCM feature extraction produces relevant special features. The Naive Bayes method provides sufficient accuracy in classifying the ripeness of ciplukan fruit. This system can help people choose ripe fruits more accurately, improve consumption quality, and understand their health benefits. The accuracy obtained was 67.3%. However, this research has data and method limitations that can be improved with further data collection and the development of more sophisticated image processing techniques.Keywords: Naive Bayes; GLCM; Classification; Ciplukan Fruit AbstrakBuah ciplukan memiliki nilai gizi yang tinggi, tetapi sering dianggap sebagai gulma atau tanaman liar oleh masyarakat. Kurangnya pengetahuan masyarakat tentang buah ini menyebabkan mereka tidak tahu apakah buah ini sudah matang atau masih mentah, yang mengakibatkan kesalahan dalam mengkonsumsinya. Penelitian ini bertujuan mengembangkan sistem klasifikasi kematangan buah ciplukan, metode yang digunakan Naive Bayes dan GLCM. Data gambar ciplukan mentah dan matang sebanyak 100 sampel dikumpulkan dan diolah. Hasil preprocessing, termasuk Grayscale, Cropping, dan Resize, membantu mempersiapkan gambar untuk klasifikasi. Ekstraksi fitur GLCM menghasilkan ciri khusus yang relevan. Metode Naive Bayes memberikan akurasi yang memadai dalam mengklasifikasikan kematangan buah ciplukan. Sistem ini dapat membantu masyarakat memilih buah yang matang secara lebih akurat, meningkatkan kualitas konsumsi, dan memahami manfaat kesehatannya. Akurasi yang diperoleh sebesar 67.3%. Namun, penelitian ini memiliki keterbatasan data dan metode yang dapat ditingkatkan dengan pengumpulan data lebih lanjut dan pengembangan teknik pemrosesan citra yang lebih canggih.