Sistem Cerdas Klasifikasi Kematangan Dan Harga Buah Pepaya Berdasarkan Ekstraksi Fitur Gray Level Co-Occurence Matrix Dengan Metode Naive Bayes

Abstract

Kabupaten Boyolali merupakan produsen pepaya terbesar di Jawa Tengah dengan 268.043 kuintal di mana varietas unggulan adalah pepaya jenis California dan pepaya jenis Thailand. Salah satu wilayah di Kabupaten Boyolali yaitu Desa Keposong rata-rata warga bekerja sebagai petani dengan sistem lahan milik pribadi ataupun sewa lahan milik bengkok pemerintah desa. Dengan luas lahan berkisar 1000M² memiliki hasil pepaya pasca panen yang cukup banyak dengan berbagai kondisi pepaya yang ada maka pepaya harus dikelompokan menurut kondisinya yaitu matang dan tidak matang untuk menghindari adanya kerugian baik untuk pihak petani ataupun pihak pengepul dikarenakan pepaya dengan kondisi belum matang tidak memiliki nilai jual. Selain pengelompokan hasil panen, perkiraan harga jual pepaya pasca panen juga diperlukan oleh petani untuk mengetahui potensi hasil tanamnya dalam kurun waktu tertentu. Sistem cerdas klasifikasi pepaya dapat membantu petani dalam mengelompokkan hasil panen pepaya pasca panen sekaligus mengetahui prediksi harga jual untuk setiap buahnya. Metode klasifikasi Naive Bayes digunakan untuk mengklasifikasikan pepaya sesuai dengan kondisinya ke dalam dua kelas yaitu matang dan belum matang. Ciri pepaya matang dan belum matang diperoleh dari ekstraksi ciri nilai Gray Level Co-occurence Matrix (GLCM) untuk setiap data set citra pepaya. Data pakar diperoleh pada saat tahap pengujian dengan menggunakan 70 data set citra untuk pepaya Caliornia dan Thailand dengan kondisi matang dan belum matang yang kemudian disimpan dalam database bernama Mdl. Data inilah yang menjadi nilai pembanding untuk klasifikasi kelas baik untuk tahap pengujian ataupun pada tahap program utama. Prediksi nilai jual diperoleh dari ekstraksi luas pepaya dengan menghitung jumlah piksel yang ada di dalam obyek pepaya dimana untuk mengidentifikasi batas antara obyek dengan latar belakang alas potret menggunakan metode deteksi tepi dengan operator Prewitt. Hasil akhir dari sistem cerdas ini adalah hasil klasifikasi kematangan serta prediksi nilai jual yang ditampilkan dalam bentuk tabel pada GUI MATLAB dengan nilai akurasi program dihitung menggunakan metode Confusion Matrix pada tahap pelatihan sebesar 82% dan tahap uji sebesar 86% serta memproleh rata-rata nilai AUC dalam 6 kali percobaan sebesar 0.87 untuk pelatihan dan 0.82 untuk pengujian sehingga metode Naive Bayes yang digunakan masuk dalam kategori klasifikasi baik.