Klasifikasi Rempah Rimpang Berdasarkan Ciri Warna Rgb Dan Tekstur Menggunakan Algoritma Naive Bayes

Abstract

Rempah rimpang memiliki peran penting dalam bidang kesehatan dan kuliner, namun ketiga jenis jahe — Zingiber officinale var. amarum (jahe emprit), Zingiber officinale var. rubrum (jahe merah), dan Zingiber officinale var. officinarum (jahe gajah) — seringkali sulit dibedakan secara visual oleh masyarakat umum. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis berdasarkan fitur warna dan tekstur citra menggunakan algoritma Gaussian Naive Bayes. Dataset terdiri dari 3.000 citra dengan distribusi seimbang dari ketiga kelas. Proses penelitian mencakup tahapan pra-pemrosesan (ubah ukuran, peningkatan saturasi, penghapusan latar belakang, dan augmentasi), ekstraksi fitur warna RGB dan tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM), serta klasifikasi menggunakan skema validasi silang K-Fold (K = 10, K = 5), dan pembagian data latih-uji 80:20. Tiga pendekatan digunakan: tanpa reduksi dimensi, dengan reduksi menggunakan Principal Component Analysis (PCA), dan Linear Discriminant Analysis (LDA). Hasil menunjukkan bahwa model tanpa reduksi hanya mencapai akurasi maksimum 70,25%, PCA mencapai 76%, sedangkan LDA menghasilkan akurasi tertinggi sebesar 98,67%. Temuan ini mengindikasikan bahwa LDA secara signifikan meningkatkan performa klasifikasi. Meskipun Naive Bayes cukup efektif, performanya sangat bergantung pada kualitas fitur yang diekstraksi. Oleh karena itu, pemrosesan citra yang optimal dan penggunaan metode klasifikasi yang lebih kompleks disarankan untuk penelitian lanjutan.