Implementasi Algoritma Supervised Machine Learning Metode Naive Bayes dan K-Nearest Neighbor untuk Memprediksi Data Citra Buah = Implementation Of Supervised Machine Learning Algorithm Naive Bayes and K-Nearest Neighbor Method for Predicting Fruit Image Data

Buah-buahan menampilkan keragaman yang mencolok dalam berbagai aspek seperti warna, bentuk, luas, dan keliling, yang mencerminkan kandungan gizi dan keindahan visualnya. Klasifikasi buah menjadi integral dalam industri pertanian, pengolahan makanan, dan distribusi produk. Penggunaan pembelajaran mesin, khususnya algoritma supervised, semakin mendominasi dalam mengklasifikasikan buah, memberikan akurasi dan efisiensi yang tinggi. Penelitian ini bertujuan untuk menghasilkan model yang mampu mengidentifikasi data citra buah dengan menggunakan algoritma supervised machine learning serta menganalisis tingkat akurasinya. Metode yang digunakan adalah K-Nearest Neighbour (KNN) dan Naïve Bayes untuk memprediksi 128 data uji untuk 8 jenis buah dari model yang dibuat menggunakan algoritma KNN dan Naïve Bayes berdasarkan 32 data latih 8 jenis buah. Hasil penelitian menunjukkan algoritma Naive Bayes mencapai tingkat akurasi sebesar 100% dan algoritma KNN memiliki tingkat akurasi 97.66%. Sehingga model algoritma Naive Bayes menunjukkan hasil yang lebih superior dibandingkan dengan model algoritma KNN. Penelitian ini diharapkan dapat meningkatkan produktivitas, efisiensi, dan akurasi dalam berbagai aplikasi terkait buah, serta mengurangi potensi kesalahan manusia dalam proses klasifikasi.

Keywords : Supervised Machine Learning, K-Nearest Neighbour, Naïve Bayes, Model Klasifikasi, Tingkat Akurasi.