Putra, I Kadek Nurcahyo (2023) KLASIFIKASI KUALITAS BIJI KOPI ROBUSTA DENGAN METODE NAIVE BAYES BERDASARKAN UKURAN BIJI, TEKSTUR, DAN WARNA. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2129101024-COVER.pdf Download (677kB) |
|
Text (ABSTRAK)
2129101024-ABSTRAK.pdf Download (205kB) |
|
Text (BAB 1 PENDAHULUAN)
2129101024-BAB 1 PENDAHULUAN.pdf Download (328kB) |
|
Text (BAB 2 KAJIAN TEORI)
2129101024-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (745kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2129101024-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (508kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2129101024-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (902kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2129101024-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (202kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2129101024-DAFTAR PUSTAKA.pdf Download (444kB) |
|
Text (LAMPIRAN)
2129101024-LAMPIRAN.pdf Download (269kB) |
Abstract
Sortasi biji kopi merupakan proses yang sangat penting untuk memisahkan biji sesuai kualitas, sortasi yang dilakukan secara manual rentan terhadap kesalahan disebabkan fokus mata yang berkurang serta subjektifitas manusia yang membuat kesalahan dalam klasifikasi, hal ini akan sangat merugikan. Penulis ingin menyelesaikan permasalahan ini dengan mengimplementasi metode Machine Learning Naive Bayes Classifier untuk melakukan klasifikasi kualitas biji kopi secara objektif. Biji kopi difoto menghasilkan data citra. Citra biji kopi di pra-proses sehingga siap untuk dilakukan proses ekstraksi fitur yang mencirikan biji kopi robusta. Ciri warna pada citra biji kopi diekstrak pada ruang warna HSV, ciri tekstur diekstrak dengan metode GLCM, dan ukuran biji kopi dihitung dengan mengakumulasi nilai piksel pada objek citra biner biji kopi robusta. Dataset citra biji kopi robusta dibagi dengan rasio 80% dari dataset digunakan untuk melatih data dengan algoritma Naive Bayes sehingga menghasilkan model classifier. Model diuji menggunakan 20% data dari dataset serta dikomparasi dengan metode klasifikasi Decission Tree untuk mengetahui performa dari model classifier yang dibangun. Hasil pengujian terhadap model Klasifikasi Naive Bayes memperoleh akurasi 93.75% sedangkan akurasi pengujian pada model klasifikasi Decission Tree memperoleh nilai 88.5%, menunjukkan bahwa model Naive Bayes yang dibangun dengan dataset dari hasil ekstraksi ciri warna, tekstur, dan ukuran dari citra biji kopi robusta dapat merepresentasikan masing-masing segmen kualitas biji kopi robusta dengan cukup baik. Hasil akurasi 93.75% menunjukkan bahwa dari 160 biji kopi akan ada 9 hingga 11 biji yang salah diklasifikasi, untuk meningkatkan akurasi dipenelitian selanjutnya bisa dilakukan pemilihan biji kopi secara lebih detail karena ada kemungkinan biji kopi telah salah disegmentasi dari pengolah, disamping itu bisa dilakukan pengamatan lebih dalam fitur ciri yang dapat merepresentasikan biji kopi dengan lebih representative, serta mencoba metode klasifikasi lain untuk meningkatkan akurasi dimasa depan.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Naive Bayes, HSV, GLCM, Kopi, Klasifikasi |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | I Kadek Nurcahyo Putra |
| Date Deposited: | 20 Feb 2023 02:50 |
| Last Modified: | 20 Feb 2023 02:50 |
| URI: | http://repo.undiksha.ac.id/id/eprint/14198 |
Actions (login required)
 |
View Item |