0422106801 - Dewi Rosmala , S.Si, M.IT. Dosen Pembimbing 1 Refriyan Adrianto / 152017107 Penulis

Penelitian ini bertujuan untuk mengembangkan model klasifikasi untuk menentukan tingkat kematangan buah kelapa sawit menggunakan citra digital dan algoritma Weighted Naive Bayes (WNB). Tantangan utama dalam penelitian ini adalah mengatasi masalah ketidakseimbangan data, di mana kelas "tidak matang" memiliki jumlah sampel yang lebih besar daripada kelas lainnya. Penelitian ini menggunakan 111 sampel citra buah kelapa sawit yang diambil langsung dari perkebunan di Riau. Fitur histogram warna digunakan sebagai representasi citra setelah dilakukan preprocessing. Model WNB dilatih menggunakan 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan bahwa model WNB mencapai akurasi 95%, lebih tinggi dibandingkan dengan akurasi Naive Bayes sebesar 55%. Peningkatan akurasi ini menunjukkan bahwa WNB efektif dalam menangani masalah ketidakseimbangan kelas pada dataset citra buah kelapa sawit. Penelitian ini memberikan kontribusi penting dalam pengembangan metode klasifikasi yang lebih akurat dan efisien untuk menentukan tingkat kematangan buah kelapa sawit, yang dapat memberikan manfaat signifikan bagi industri perkebunan kelapa sawit. Kata Kunci: Weighted Naive Bayes, Klasifikasi Kematangan Buah Kelapa Sawit, Imbalanced Data, Histogram Warna.