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

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.