Klasifikas Sampah Menggunakan Metode Naive Bayes
Aqsa Almaaidah Alimun(1*); harlinda harlinda(2); huzain Azis(3);
(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author
AbstractPengelolaan sampah merupakan permasalahan serius yang dihadapi di Indonesia akibat tingginya laju produksi sampah dari konsumsi masyarakat, perkembangan industri, serta rendahnya sistem pengelolaan yang berwawasan lingkungan. Salah satu pendekatan yang dapat digunakan untuk membantu pengelolaan sampah adalah klasifikasi otomatis menggunakan metode pembelajaran mesin. Pada penelitian ini, dilakukan klasifikasi citra sampah menggunakan algoritma Naïve Bayes dengan dua pendekatan, yaitu Gaussian Naïve Bayes dan Multinomial Naïve Bayes. Dataset yang digunakan terdiri dari 997 citra yang terbagi dalam dua kelas, yaitu kertas dan karton. Proses penelitian meliputi preprocessing berupa resize citra ke ukuran 64 × 64 piksel, normalisasi, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Gaussian Naïve Bayes memberikan kinerja yang lebih baik dengan accuracy sebesar 79.50%, sedangkan Multinomial Naïve Bayes hanya mencapai 59.50%. Nilai evaluasi lainnya juga memperlihatkan tren serupa, di mana Gaussian Naïve Bayes lebih unggul dibandingkan Multinomial Naïve Bayes. Dengan demikian, dapat disimpulkan bahwa Gaussian Naïve Bayes lebih sesuai untuk klasifikasi citra sampah pada penelitian ini, dan berpotensi diterapkan dalam mendukung sistem pengelolaan sampah yang lebih efisien
KeywordsNaïve Bayes; GaussianNB; MultinomialNB; Klasifikasi Citra Sampah
|
Full Text:PDF |
Article MetricsAbstract view: 6 timesPDF view: 1 times |
Digital Object Identifier https://doi.org/10.33096/linier.v2i3.3155
|
Cite |
References
R. Kurniawan, P. Wintoro, Y. Mulyani, and M. Komarudin, “Implemetasi Arsitektur XCeption pada Model Machine Learning Klasifikasi Sampah Anorganik,” J. Inform. dan Tek. Elektro Terap., vol. 11, Apr. 2023, doi: 10.23960/jitet.v11i2.3034.
Nurikah, E. R. Jajuli, H, and E. Furqon, “Waste Management Governance Based On Law Number 18 Of 2008 Of Waste Management Of Waste Based Citizen Participation In The Serang City,” Gorontalo Law Rev., vol. 5, no. 2, pp. 434–442, 2022.
G. Nugroho, M. Muslikh, A. Hidayah, U. D. Indrayani, and A. M. Marzuqi, “Sosialisasi Penanganan Sampah di Dukuh Sawahan, Pendowoharjo, Sewon Bantul, Daerah Istimewa Yogyakarta,” J. Pengabdi. Masy. Sains dan Teknol., vol. 3, no. 3, pp. 75–81, 2024.
H. Darwis, R. Puspitasari, Purnawansyah, W. Astuti, D. Atmajaya, and M. Hasnawi, “A Deep Learning Approach for Improving Waste Classification Accuracy with ResNet50 Feature Extraction,” in 2025 19th International Conference on Ubiquitous Information Management and Communication (IMCOM), 2025, pp. 1–8. doi: 10.1109/IMCOM64595.2025.10857536.
M. Lanotte and L. Desidery, “6 - Rutting of waste plastic-modified bitumen,” in Woodhead Publishing Series in Civil and Structural Engineering, F. Giustozzi and S. B. T.-P. W. for S. A. R. Nizamuddin, Eds., Woodhead Publishing, 2022, pp. 97–114. doi: https://doi.org/10.1016/B978-0-323-85789-5.00006-X.
M. Hassaballah, Y. M. Wazery, I. E. Ibrahim, and A. Farag, “ECG Heartbeat Classification Using Machine Learning and Metaheuristic Optimization for Smart Healthcare Systems,” Bioengineering, vol. 10, no. 4, pp. 1–16, 2023, doi: 10.3390/bioengineering10040429.
S. Khodijah and J. M. L. Tobing, “Tinjauan Plastik Biodegradable dari Limbah Tanaman Pangan sebagai Kantong Plastik Mudah Terurai,” Teknotan, vol. 17, no. 1, p. 21, 2023, doi: 10.24198/jt.vol17n1.3.
V. Situmeang, R. S. Santoso, and H. Warsono, “No Title,” J. Public Policy Manag. Rev. Vol 12, No 4 Oktober 2023DO - 10.14710/jppmr.v12i4.41393 , Oct. 2023, [Online]. Available: https://ejournal3.undip.ac.id/index.php/jppmr/article/view/41393
D. A. S. Ermal et al., “Penyuluhan Pemanfaatan Limbah Organik Sisa Dapur menjadi Eco Enzyme dengan Teknik Persuasif kepada Masyarakat di Perumahan Griya Rumaisha Tenayan Raya,” J. Pengabdi. UntukMu NegeRI, vol. 7, no. 1, 2023, doi: 10.37859/jpumri.v7i1.4639.
U. M. Khoir et al., “Pengelolaan Sampah Anorganik Melalui Alat Pembakar Sampah Alternatif untuk Mewujudkan Lingkungan Sehat,” Pros. Semin. Nas. Progr. Pengabdi. Masy. Univ. Muhammadiyah Yogyakarta, vol. 8, no. 1, pp. 307–317, 2025, [Online]. Available: https://prosiding.umy.ac.id/semnasppm/index.php/psppm/article/view/1297/1259
A. E. Minarno, I. Soesanti, and H. A. Nugroho, “Batik Classification using Microstructure Co-occurrence Histogram,” Int. J. Informatics Vis., vol. 8, no. 1, pp. 134–140, 2024, doi: 10.62527/joiv.8.1.2152.
S. Sharma and K. Guleria, “A Deep Learning based model for the Detection of Pneumonia from Chest X-Ray Images using VGG-16 and Neural Networks,” Procedia Comput. Sci., vol. 218, pp. 357–366, 2023, doi: https://doi.org/10.1016/j.procs.2023.01.018.
Marthin Luter Laia and Yudi Setyawan, “Perbandingan Hasil Klasifikasi Curah Hujan Menggunakan Metode SVM dan NBC,” J. Stat. Ind. dan Komputasi, vol. 5, no. 2, pp. 51–61, 2020.
A. M. Jon, “Analisis Sentimen Pada Media Sosial Instagram Klub Persija Jakarta Menggunakan Metode Naive Bayes,” Automata, vol. 958, pp. 1–8, 2022.
M. Y. Prabudifa, O. S. Mayangsari, A. Desiani, D. A. Zayanti, R. Primartha, and D. Novita, “Ensemble Classifier dengan Teknik Weighted Voting untuk Klasifikasi Jamur Beracun,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 12, no. 2, pp. 39–50, 2025, doi: 10.35957/jatisi.v12i2.10168.
R. Hayami, Soni, and I. Gunawan, “Klasifikasi Jamur Menggunakan Algoritma Naïve Bayes,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 1, pp. 28–33, 2022, doi: 10.37859/coscitech.v3i1.3685.
M. Edalati, A. S. Imran, Z. Kastrati, and ..., “The potential of machine learning algorithms for sentiment classification of students’ feedback on MOOC,” Intell. Syst. …, 2022, doi: 10.1007/978-3-030-82199-9_2.
O. Yaman and K. Demir, “A HOG Feature Extractor and KNN-Based Method for Underwater Image Classification TT - Su Altı Görüntü Sınıflandırma için HOG Özellik Çıkarıcı ve KNN Tabanlı Bir Yöntem,” Firat Univ. J. Exp. Comput. Eng., vol. 3, no. 1, pp. 1–10, 2024, doi: 10.62520/fujece.1443818.
S. Naiem, A. E. Khedr, A. M. Idrees, and M. I. Marie, “Enhancing the Efficiency of Gaussian Naïve Bayes Machine Learning Classifier in the Detection of DDOS in Cloud Computing,” IEEE Access, vol. 11, pp. 124597–124608, 2023, doi: 10.1109/ACCESS.2023.3328951.
R. Islam, M. K. Devnath, M. D. Samad, and S. M. Jaffrey Al Kadry, “GGNB: Graph-based Gaussian naive Bayes intrusion detection system for CAN bus,” Veh. Commun., vol. 33, p. 100442, 2022, doi: https://doi.org/10.1016/j.vehcom.2021.100442.
M. Samir, Purnawansyah, H. Darwis, and F. Umar, “Fourier Descriptor Pada Klasifikasi Daun Herbal Menggunakan Support Vector Machine Dan Naive Bayes,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, pp. 1205–1212, Dec. 2023, doi: 10.25126/jtiik.1067309.
H. Darwis, Z. Ali, Y. Salim, and P. L. L. Belluano, “Max Feature Map CNN with Support Vector Guided SoftMax for Face Recognition,” Int. J. Informatics Vis., vol. 7, no. 3, pp. 959–966, 2023, doi: 10.30630/joiv.7.3.1751.
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Aqsa Almaaidah Alimun, harlinda harlinda, huzain Azis
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Literatur Informatika dan Komputer
Diterbitkan oleh Fakultas Ilmu Komputer
Website : https://jurnal.fikom.umi.ac.id/index.php/LINIER/
Email : linier@umi.ac.id
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0