Klasifikasi Biji Kopi Arabika dan Robusta Menggunakan Gaussian Naive Bayes Berbasis Fitur HOG
Keywords:
klasifikasi_biji_kopi, Gaussian_Naive_Bayes, HOG, Arabika Robusta, Pengolahan citraAbstract
Klasifikasi biji kopi Arabika dan Robusta diperlukan untuk mendukung identifikasi jenis kopi yang lebih konsisten berbasis citra digital. Penelitian ini menerapkan Gaussian Naive Bayes menggunakan fitur Histogram of Oriented Gradients (HOG). Dataset terdiri atas 240 citra latih dan 80 citra uji yang terbagi seimbang antara Arabika dan Robusta. Citra diubah menjadi 64x64 piksel, dikonversi ke grayscale, kemudian diekstraksi menggunakan HOG dengan CellSize 8x8 sehingga menghasilkan 1.764 fitur. Fitur distandarkan sebelum parameter prior, mean, dan varians setiap kelas dihitung. Pada 80 data uji, model menghasilkan 63 prediksi benar dengan akurasi 78,75%. Confusion matrix menunjukkan 35 dari 40 Arabika dan 28 dari 40 Robusta terklasifikasi benar. Precision, recall, dan F1-score masing-masing adalah 0,745; 0,875; 0,805 untuk Arabika serta 0,848; 0,700; 0,767 untuk Robusta. Hasil menunjukkan bahwa Gaussian Naive Bayes dapat digunakan untuk klasifikasi dua jenis biji kopi, meskipun kesalahan masih dominan pada Robusta yang diprediksi sebagai Arabika.
References
FTNews, “Indonesia Jadi Negara Penghasil Kopi Terbesar Ketiga di Dunia”, 2023.
N. Fata and D. Avianto, “Klasifikasi Mutu Biji Kopi Robusta Menggunakan Algoritma Naive Bayes”, Jurnal Ilmiah Teknologi Pertanian dan Komputer, vol. 9, no. 1, pp. 33-41, 2024.
A. Fadjeri, “Klasifikasi bentuk biji kopi menggunakan metode K-Nearest Neighbor (K-NN) berbasis fitur morfologis”, Jurnal Informatika, vol. 10, no. 2, pp. 115-123, 2023.
A. Loka and E. Marsal, “Perbandingan Algoritma K-NN dan Naive Bayes dalam Klasifikasi Status Gizi Balita”, Jurnal Informatika dan Sistem Cerdas, vol. 7, no. 3, pp. 152-160, 2023.
N. Sahar, “Analisis Kinerja Naive Bayes dan K-NN dalam Klasifikasi Penyakit Jantung”, Jurnal Ilmu Komputer dan Aplikasi, vol. 14, no. 1, pp. 22-30, 2020.
R. Pemungkas and M. Asnawi, “Analisis Naive Bayes dan K-NN dalam Klasifikasi Keluarga Miskin Berdasarkan Data Sosial Ekonomi”, Jurnal Data Mining Indonesia, vol. 6, no. 2, pp. 98-106, 2024.
I. B. A. I. Iswara, I. B. G. Anandita, and M. Dahul, “Comparative analysis of Naïve Bayes and K-Nearest Neighbor (KNN) algorithms in stroke classification”, Journal of Computer Networks, Architecture and High Performance Computing, vol. 6, no. 3, pp. 1415-1424, 2024.
B. I. Nugroho, M. W. Khusni, P. S. Ananda, and G. Gunawan, “Comparison of Naïve Bayes and KNN for herbal leaf classification”, Jurnal Mandiri IT, vol. 13, no. 1, pp. 18-27, 2024.
A. S. Ramadhan, L. Magdalena, and M. Febima, “Perbandingan kinerja algoritma K-Nearest Neighbor dan Naive Bayes untuk klasifikasi loyalitas pelanggan”, RIGGS: Journal of Artificial Intelligence and Digital Business, 2025.
Y. N. Rumbia et al., “Perbandingan metode KNN dan Naive Bayes untuk klasifikasi kelulusan mahasiswa”, Jurnal PTI, vol. 12, no. 1, pp. 7-13, 2025.
Y. C. Tapidingan and D. Paseru, “Comparative analysis of classification methods of KNN and Naïve Bayes to determine stress level”, Indonesian Journal of Information Systems, vol. 2, no. 2, 2023.
D. Wisdayani, “Klasifikasi Tingkat Keparahan Korban Kecelakaan Lalu Lintas Menggunakan Algoritma K-NN dan Naive Bayes”, Jurnal Rekayasa Sistem dan Informatika, vol. 5, no. 4, pp. 187-196, 2019.
M. Bachtiar, Pengolahan Citra Digital: Teori dan Implementasi. Andi Publisher
J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed.. Morgan Kaufmann
I. H. Witten, E. Frank, M. A. Hall, and C. J. Pal, Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann
E. Budianita, A. Rahman, and B. Santoso, “Analisis Performa Algoritma K-Nearest Neighbor pada Klasifikasi Data Citra”, Jurnal Teknologi Informasi dan Sains, vol. 8, no. 2, pp. 115-124, 2024.
I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning. MIT Press
D. Putra and J. Santoso, “Penerapan Metode KNN untuk Klasifikasi Mutu Biji Kopi Arabika dan Robusta”, Jurnal Teknologi Pertanian Indonesia, vol. 12, no. 2, pp. 45-52, 2021.
M. Sari and A. Nugroho, “Pengenalan Jenis Biji Kopi Menggunakan CNN”, Jurnal Informatika dan Sains Komputer, vol. 14, no. 3, pp. 210-218, 2022.
