PERBANDINGAN AKURASI KLASIFIKASI PADA BIJI KOPI MENGGUNAKAN METODE K-NN DAN NAIVE BAYES

Febriansyah, Muhammad Hafiz (2026) PERBANDINGAN AKURASI KLASIFIKASI PADA BIJI KOPI MENGGUNAKAN METODE K-NN DAN NAIVE BAYES. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

	Text (Full text) Muhammad Hafiz Pebriansyah_2155201201_Full text.pdf - Submitted Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (Turnitin) M_Hafiz_Pebriansyah_2155201201_Turnitin.pdf - Submitted Version Restricted to Repository staff only Download (10MB) | Request a copy
	Text (Abstrak+Bab1) Muhammad Hafiz Pebriansyah_2155201201_Abstrak+Bab1.pdf - Submitted Version Download (468kB)
	Text (Bab 2) Muhammad Hafiz Pebriansyah_2155201201_Bab 2.pdf - Submitted Version Download (319kB)
	Text (Bab 3) Muhammad Hafiz Pebriansyah_2155201201_Bab 3.pdf - Submitted Version Restricted to Repository staff only Download (390kB) | Request a copy
	Text (Bab 4) Muhammad Hafiz Pebriansyah_2155201201_Bab 4.pdf - Submitted Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (Bab 5) Muhammad Hafiz Pebriansyah_2155201201_Bab 5.pdf - Submitted Version Download (211kB)
	Text (ref+lamp) Muhammad Hafiz Pebriansyah_2155201201_Ref+lamp.pdf - Submitted Version Download (398kB)

Abstract

Klasifikasi biji kopi Arabika dan Robusta merupakan salah satu permasalahan penting dalam bidang pengolahan citra digital dan pembelajaran mesin, mengingat perbedaan jenis kopi berpengaruh terhadap kualitas dan nilai jual. Penelitian ini bertujuan untuk membandingkan tingkat akurasi metode K-Nearest Neighbor (KNN) dan Naïve Bayes dalam mengklasifikasikan biji kopi Arabika dan Robusta berdasarkan citra digital. Dataset yang digunakan terdiri dari 240 data latih dan 80 data uji, yang masing-masing terbagi secara seimbang antara kelas Arabika dan Robusta. Tahapan penelitian meliputi pra-pemrosesan citra berupa resize, konversi grayscale, dan normalisasi, dilanjutkan dengan ekstraksi fitur menggunakan metode Histogram of Oriented Gradients (HOG). Proses klasifikasi dilakukan menggunakan metode KNN dan Naïve Bayes, kemudian dievaluasi menggunakan confusion matrix dan perhitungan akurasi. Hasil pengujian menunjukkan bahwa metode KNN mampu mengklasifikasikan 68 dari 80 data uji dengan tingkat akurasi sebesar 85%, sedangkan metode Naïve Bayes mengklasifikasikan 63 data dengan tingkat akurasi sebesar 78,75%. Perbedaan performa ini disebabkan oleh karakteristik metode KNN yang lebih sesuai untuk fitur HOG yang memiliki keterkaitan antar fitur, dibandingkan dengan asumsi independensi fitur pada Naïve Bayes. Berdasarkan hasil penelitian, dapat disimpulkan bahwa metode K-Nearest Neighbor memiliki performa yang lebih baik dibandingkan Naïve Bayes dalam klasifikasi biji kopi Arabika dan Robusta pada penelitian ini. Kata Kunci: Klasifikasi Biji Kopi, Pengolahan Citra Digital, K-Nearest Neighbor, Naïve Bayes, Histogram of Oriented Gradients.

Item Type:	Thesis (Skripsi (Bachelor))
Additional Information:	Pembimbing : Yulia Darnita, S.Kom., M.Kom.
Uncontrolled Keywords:	Klasifikasi Biji Kopi, Pengolahan Citra Digital, K-Nearest Neighbor, Naïve Bayes, Histogram of Oriented Gradients.
Subjects:	Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions:	02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User:	Mrs Meri Susanti R
Date Deposited:	21 Aug 2026 06:46
Last Modified:	21 Aug 2026 06:46
URI:	http://repository.umb.ac.id/id/eprint/3304

Actions (login required)

View Item