KLASIFIKASI OTOMATIS KERAJINAN KHAS NUSANTARA MENGGUNAKAN ALGORITMA NAIVE BAYES
DOI:
https://doi.org/10.31849/389dpx33Keywords:
Klasifikasi, Kerajinan Tekstil, Naive Bayes, Validasi - Silang, WekaAbstract
Kerajinan khas Nusantara merupakan warisan budaya yang kaya dan beragam, mencerminkan setiap daerah di Indonesia khususnya di Sulawesi Selatan. Kerajinan khas Sulawesi Selatan memiliki berbagai macam jenis kerajinan salah satunya kerajinan tekstil meliputi (tenun, sutra, dan songket). Penelitian ini bertujuan untuk melakukan klasifikasi data kerajinan tekstil di Sulawesi Selatan menggunakan algoritma Naive Bayes dan beberapa fitur yang ada pada aplikasi weka dalam mendukung pengelolaan data kerajinan khas Sulawesi Selatan serta mempermudah pencarian, inventarisasi, dan mempercepat akses informasi untuk menciptakan sistem yang dapat mendukung upaya promosi, pemasaran, dan pelestarian kekayaan budaya kerajinan khas Sulawesi Selatan. Metode pengujian yang digunakan yaitu cross-validation untuk menguji tingkat akurasi, presisi, recall, F1-measure, dan confusion matrix. Kerajinan tenun, sutra, dan songket Sulawesi Selatan dikumpulkan sebanyak 2300 data yang akan diklasifikasikan berdasarkan atribut kelasnya. Data kerajinan terbagi menjadi dua data diantaranya data latih sebanyak 2070 data kerajinan dan data uji sebanyak 230 data kerajinan. Dari hasil data uji klasifikasi otomatis yang dilakukan menggunakan cross-validation yaitu tingkat akurasi dari kerajinan yang diklasifikasikan 96,5217 % atau 97% dengan jumlah 222 data yang sesuai dengan klasifikasi kerajinan tenun, sutra, dan songket sedangkan 8 data lainnya tidak terklasifikasi dengan presentasi 3,4783 atau 3% dari jumlah data dengan waktu klasifikasi beberapa detik. Klasifikasi menggunakan algoritma Naive Bayes sangat efektif dan efisien dalam mengklasifikasi data dalam jumlah yang besar.
References
[1] W. Makkasari et al., “PERANCANGAN BUSANA DALAM BENTUK ‘ VEST , BLAZER , AND PANTS ’ BAGI KALANGAN ANAK MUDA BERBAHAN TENUN PA ’ BINTIK DAN PARAMBA,” vol. 3, no. 1, hal. 27–34, 2025.
[2] O. M. R. Kastara, S. Nurhaliza, U. R. I. Nasution, dan M. Syafiq, “Analisis Biaya Bahan Baku Dan Biaya Tenaga Kerja Langsung Terhadap Penjualan Kain Tenun Ibu Hardi Laia di Jalan Pendeta Justin Sihombing Kota Pematang Siantar,” Strat. J. Manaj. Mod., vol. 6, no. 3, hal. 577–584, 2024.
[3] dkk Dzulfian Syafrian, “Makna Pada Motif Dan Corak Lipa Sa’be (Sarung Sutera) Di Kota Sengkang Kabupaten Wajo,” Sustain., vol. 11, no. 1, hal. 1–14, 2025.
[4] F. W. Ali, I. W. Sumarjaya, dan E. N. Kencana, “Seleksi Fitur Information Gain Untuk Klasifikasi Kualitas Susu Sapi Menggunakan Metode K- Nearest Neighbor Dan Naïve Bayes,” vol. 5, hal. 422–435, 2025.
[5] A. P. Wijaya, “Perbandingan Algoritma Klasifikasi Random Foresst dengan Naïve Bayes Classifier pada Studi Penyakit Berdasarkan Pola Nutrisi,” vol. 9, no. 1, hal. 429–438, 2025.
[6] Y. Darnita, R. Ikram, dan R. Toyib, “Penerapan Metode Naïve Bayes dalam memprediksi Peluang Kerja untuk Penyandang Disabilitas,” vol. 21, no. 1, hal. 168–174, 2025.
[7] T. Kurniawan, N. Rahmawati, R. Ramadani, dan T. Syah, “ANALISA KEKERASAN TERHADAP PEREMPUAN DENGAN METODE KUALITATIF DATA PADA DINAS SOSIAL , PEMBERDAYAAN PEREMPUAN dan PERLINDUNGAN ANAK KABUPATEN MUARO JAMBI,” vol. 2, no. 1, 2025.
[8] R. C. Irjayana, A. Fadlil, R. Umar, P. Studi, M. Informatika, dan U. A. Dahlan, “Pengaruh Seleksi Fitur Terhadap Akurasi Klasifikasi Indeks Standar Pencemar Udara Menggunakan Naïve Bayes,” vol. 11, no. 1, 2025.
[9] S. Qoris, F. Yasin, dan A. W. Widodo, “Klasifikasi Tingkat Obesitas Berdasarkan Pola Hidup dan Kebiasaan Konsumsi Makanan Menggunakan Metode K-Nearest Neighbor,” vol. 9, no. 3, hal. 1–6, 2025.
[10] P. Studi et al., “Data Mining Klasifikasi Penduduk Miskin Menggunakan Metode Support Vektor Machine,” vol. 8, no. April, 2025.
[11] E. Hana, M. Sahri, F. Ayu, M. Nourma, dan F. Rahma, “Inovasi Pembuatan Sistem Inspeksi Alat Pemadam Api Ringan Berbasis Website Di PT . Semen Indonesia Logistik,” vol. 7, no. 2, hal. 290–297, 2025.
[12] N. I. S. Baldanullah, N. Mulyarizki, I. Permatasari, I. P. Naufal, dan D. C. Pratama, “Parallel Processing Pada Pemodelan Machine Learning Menggunakan Random Forest,” J. Informatics Adv. Comput., vol. 4, no. 1, 2023, [Daring]. Tersedia pada: https://journal.univpancasila.ac.id/index.php/jiac/article/view/5484%0Ahttps://journal.univpancasila.ac.id/index.php/jiac/article/download/5484/2504
[13] R. Rahmawati, N. Nursalim, A. Alfiah, A. Hasyim, dan A. B. Fawait, “Impact of Using Big Data Analisys in Increasing Personalization of Learning,” J. Comput. Sci. Adv., vol. 2, no. 2, hal. 54–72, 2024, doi: 10.70177/jsca.v2i2.906.
[14] Mukran H. Usman, S. Sirajuddin, dan Nur Faiz, “Penggunaan Kain dari Bahan Sutra Campuran dan Sintesis dalam Tinjauan Fikih Islam,” AL-QIBLAH J. Stud. Islam dan Bhs. Arab, vol. 4, no. 2, hal. 178–199, 2025, doi: 10.36701/qiblah.v4i2.2060.
[15] L. Maghfiroh, A. F. Amelia, N. I. T. Artanti, Z. F. Amalia, dan M. N. Haris, “Pengaruh konsentrasi asam sulfat terhadap pewarnaan zat warna asam pada kain sutra ATM dan ATBM,” Canting J. Batik Indones., vol. 2, no. 1, hal. 12–16, 2025, doi: 10.31941/canting.v2i1.321.
[16] A. Syaputra, “Pengaruh Produktivitas Pengrajin, Tenaga Kerja, Dan Harga Terhadap Pendapatan Home Industri Songket Di Jorong Atas Laban Kabupaten Lima Puluh Kota,” 2025.
[17] D. A. Pratama dan D. Syafrini, “Upaya Konservasi Tenun Songket oleh Masyarakat Nagari Pandai Sikek,” Cult. Soc. J. Anthropol. Res., vol. 7, no. 1, hal. 48–58, 2025, doi: 10.24036/csjar.v7i1.155.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 ZONAsi: Jurnal Sistem Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0
Attribution-ShareAlike 4.0
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
