Perbandingan KNN dan Naïve Bayes pada Klasifikasi Identifikasi Warna Bahan Berbasis Computer Vision

Abstract

Perkembangan teknologi semakin pesat menyebabkan rangkaian – rangkaian aplikasi elektronika menggantikan peran manusia sebagai ketelitian dan keakuratan dalam suatu pekerjaan. Dalam bidang industri masih terdapat penyortiran warna bahan menggunakan jasa tangan manusia. Seperti pada CV.XYZ dalam menyortir warna bahan masih menggunakan persortiran manual. Sehingga sering sekali mengalami kekeliruan dalam memilih warna bahan terutama ketika memilih warna bahan pada seragam sekolah atau perkantoran. Karena proses pemilihan warna bahan berdasarkan contoh bahan yang dibawa oleh pelanggan, kemudian mencocokkan dengan ketersediaan bahan pada CV.XYZ. Hal ini dikarenakan banyaknya warna-warna bahan yang hampir mirip dan pelanggan juga kurang memahami jenis warna pada bahan di CV. XYZ yang sangat beragam. Oleh karena itu dalam penelitian ini diperlukan sistem yang dapat mengidentifikasi warna secara otomatis. Dengan bahasa pemrograman yang digunakan Python dan Database MySQL. Dalam penelitian ini juga melakukan perbandingan model KNN dan Naïve Bayes. Hasil dari penelitian ini menunjukan bahwa sistem dapat diimplementasikan menggunakan mikrokontroller ESP dan Sensor TCS3200 sebagai identifikasi warna bahan. Sistem dijalankan menggunakan terminal Arduino IDE. Hasil performasi kedua model yang digunakan yaitu untuk algoritma KNN menghasilkan nilai accuracy sebesar 95.12 %, precision sebesar 96.02 %, recall sebesar 95.12 % dan F-1 Score sebesar 95.14 %. Sedangkan pada model Naïve Bayes mendapatkan nilai accuracy sebesar 92.68 %, precision sebesar 93.17 %, recall sebesar 92.68 % dan F-1 Score sebesar 92.64 %. Sehingga dalam penelitian ini model terbaik diperoleh model KNN.