Abstract
Indonesia has abundant natural resources, especially the results of its plantations. Lots of local fruit that
can be used starting from the root to the skin of the fruit. Local fruit can be consumed as fresh fruit and
can also be processed into drinks and food. This is reflected in the diversity of tropical fruits found in
Indonesia. Fruits that are rich in benefits and can be used as medicines such as Apples, Avocados, Apricots,
and Bananas. These fruits are often found around us. In Indonesia these fruits are produced and also
exported abroad. However, the limited methods and technology used to classify this fruit are interesting
things to discuss and become the main focus in this research. This study analyzed using the Naïve Bayes
algorithm and feature extraction of HOG (Oriented Gradient Histogram) to obtain more effective
classification results. The results showed that the collection of fruit using the Naïve Bayes method and HOG
feature extraction had not yet obtained maximum classification results, only with an accuracy of 56.52%.
Keywords – Apple, Avocado, Apricot, Banana, Naïve Bayes, HOG.
How to Cite: Muhathir. & Santoso, M.H. (2020). Analysis Naïve Bayes In Classifying Fruit by Utilizing Hog Feature
Extraction. JITE (Journal Of Informatics And Telecommunication Engineering). 4 (1): 250-259
JITE (Journal Of Informatics And Telecommunication Engineering), 4 (1) Juli 2020: 250-259
252
JITE (Journal Of Informatics And Telecommunication Engineering), 4 (1) Juli 2020: 250-259
sendiri dapat menangani kuantitatif dan Aneka ragam apel yang tidak sulit
data diskrit, tidak memerlukan data latih ditemukan dipasaran antara lain Red
dalam jumlah banyak untuk mengestimasi Delicius, Apple Fuji Jingle, Apple Golden
parameter-parameter yang dibutuhkan Delicious, Gala, Grannysmith, Manalagi,
untuk klasifikasi, dan cepat dalam dan Malang (Wijaya & Ridwan, 2019).
melakukan kalkulasi (Ciputra et al., 2018). Beberapa aneka ragam buah apel
Sementara HOG dihitung dalam jendela tersebut selain dapat disantap secara
persegi panjang kaku tanpa mentah atau langsung, buah-buahan
skala/orientasi normalisasi (Mondal, tersebut dapat dikonsumsi dengan
2018). Oleh sebab itu pada penelitian ini mengolahnya terlebih dahulu yaitu seperti
diusulkan klasifikasi buah berdasarkan contoh manisan, keripik buah apel dan
ekstrasi fitur HOG dan algoritma Naïve minuman. Buah apel sendiri mempunyai
Bayes. banyak nutrisi dan berbagai macam
vitamin diantaranya lemak, serta, energi,
II. STUDI PUSTAKA karbohidrat, protein vitamin C, vitamin A,
A. Buah-buahan vitamin B2, vitamin B1 dan masih banyak
Buah-buahan merupakan hasil lagi (Ciputra et al., 2018)(Wijaya &
tanaman yang sangat penting diperlukan Ridwan, 2019).
oleh tubuh manusia. Khasiat, manfaat, 2). Alpukat
serta vitamin yang terkandung dalam Alpukat adalah buah yang energik
buah-buahan dapat menetralisir racun dengan nilai gizi yang tinggi dan dianggap
dalam tubuh kita sebagai antioksidan. sebagai buah tropis besar, karena kaya
Selain itu buah-buahan juga dapat protein dan mengandung vitamin yang
dijadikan bahan kosmetik untuk wajah larut dalam lemak kurang buah-buahan
seperti buah Aprikot. Dalam penelitian ini lainnya, termasuk vitamin a dan B, dan
difokuskan membahas 4 jenis buah yaitu tingkat median vitamin D dan E. Ini berisi
Apel, Alpukat, Aprikot dan Pisang. tingkat minyak yang berbeda di pulp,
1). Apel sehingga secara luas dimanfaatkan dalam
Apel (Pyrus malus L) adalah buah industri farmasi dan kosmetik, dan untuk
yang dihasilkan tanaman apel. Buah apel mendapatkan minyak komersial mirip
biasanya berkulit merah, hijau atau dengan minyak zaitun, karena tersusun
kuning, sesuai jenis apelnya. Kulit buahnya dari asam lemak yang sama (Duarte et al.,
sedikit lembek, daging buahnya keras. 2017).
Muhathir. & Santoso, M.H, Analysis Naïve Bayes In Classifying Fruit by Utilizing Hog Feature Extraction
254
JITE (Journal Of Informatics And Telecommunication Engineering), 4 (1) Juli 2020: 250-259
Testing Pola
(a)
Input Buah
Simpan Model
Pola Trianing
Grayscale
(b)
Ekstraksi HOG Naïve Bayes Hasil Klasifikasi
Fitur Buah
256
JITE (Journal Of Informatics And Telecommunication Engineering), 4 (1) Juli 2020: 250-259
258
JITE (Journal Of Informatics And Telecommunication Engineering), 4 (1) Juli 2020: 250-259
Teknologi Informatika. 2, pp. 42-47. Wijaya, N., & Ridwan, A. (2019). Klasifikasi Jenis
Politeknik Ganesha Medan.. Buah Apel Dengan Metode K-Nearest
Raja Sekar L, Ambika N, D. V. and, & T, K. (2018). Neighbors. Jurnal SISFOKOM, 08(01), 74–78.
Fruit Classification System Using Computer Yulianto, D., Whidhiasih, R. N., & Maimunah, M.
Vision : A Review. International Journal of (2018). Klasifikasi Tahap Kematangan
Trend in Research and Development, 5(1), Pisang Ambon Berdasarkan Warna
22–26. Menggunakan Naive Bayes. PIKSEL :
Randa, A. F., Suciati, N., & Navastara, D. A. (2016). Penelitian Ilmu Komputer Sistem Embedded
Implementasi Metode Kombinasi Histogram and Logic, 5(2), 60–67.
of Oriented Gradients dan Hierarchical https://doi.org/10.33558/piksel.v5i2.268.
Centroid untuk Sketch Based Image
Retrieval. Jurnal Teknik ITS, 5(2).
https://doi.org/10.12962/j23373539.v5i2.1
6984
Rosandy, T. (2016). PERBANDINGAN METODE
NAIVE BAYES CLASSIFIER DENGAN
METODE DECISION TREE (C4.5) UNTUK
MENGANALISA KELANCARAN PEMBIAYAAN
(Study Kasus : KSPPS / BMT AL-FADHILA.
Jurnal Teknologi Informasi Magister
Darmajaya, 2(01), 52–62.
Safri, Y. F., Arifudin, R., & Muslim, M. A. (2018). K-
Nearest Neighbor and Naive Bayes Classifier
Algorithm in Determining The Classification
of Healthy Card Indonesia Giving to The
Poor. Scientific Journal of Informatics, 5(1),
18. https://doi.org/10.15294/sji.v5i1.12057
Sandi, B., Siahaan, J. K., Permana, P., & Muhathir.
(2019). Klasifikasi Citra Wayang Dengan
Menggunakan Metode k-NN & GLCM.
(Semantika) Seminar Nasional Teknologi
Informatika. 2, pp. 71-77. Politeknik Ganesha
Medan.
Sartiah, M. B., Studi. (2017) PENGARUH
PENGGUNAAN MASKER BUAH APRIKOT (
Prunus armeniaca ) KERING TERHADAP
KELEMBAPAN. 24–30.
Suwarto, A. (2014). Buah dan Sayur Sakti.
Syarifah, A., & Muslim, M. A. (2015). Pemanfaatan
Naïve Bayes Untuk Merespon Emosi Dari
Kalimat Berbahasa Indonesia. Unnes Journal
of Mathematics, 4(2).
Tanjung, J. P., & Muhathir, M. (2020). Classification
of facial expressions using SVM and HOG.
Journal of Informatics and
Telecommunication Engineering, 3(2), 210–
215.
https://doi.org/10.31289/jite.v3i2.3182
Ugwuishiwu, N. & E. (2016). Transylvanian Review.
Transylvanian Review, XXIV(8), 926–939.
Wibawa, A. P., Kurniawan, A. C., Murti, D. M. P.,
Adiperkasa, R. P., Putra, S. M., Kurniawan, S.
A., & Nugraha, Y. R. (2019). Naïve Bayes
Classifier for Journal Quartile Classification.
International Journal of Recent
Contributions from Engineering, Science & IT
(IJES), 7(2), 91.
https://doi.org/10.3991/ijes.v7i2.10659