@thesis{thesis,
		author={Hayaty  Nurul and RHAMADHAN  SYAHRI and Ritha  Nola},
		title ={KLASIFIKASI CITRA FILUM MOLLUSCA MENGGUNAKAN METODE NAÏVE BAYES DAN EKSTRAKSI FITUR GLCM, HSV, CIRCULARITY DAN COMPACTNESS  (STUDI KASUS: DESA PENGUDANG, BINTAN, KEPULAUAN RIAU)},
		year={2025},
		url={http://repositori.umrah.ac.id/8497/},
		abstract={Salah satu kekayaan laut yang dapat dimanfaatkan di daerah pasang surut air laut Pulau Bintan desa Pengudang adalah biota laut dari filum Mollusca, seperti Bivalvia dan Gastropoda, yang memiliki peran ekologis yang penting dan menjadi sumber gizi serta ekonomi yang bernilai tinggi. Penelitian ini dilakukan dengan tujuan untuk mengimplementasikan metode Naïve Bayes digunakan untuk mengklasifikasi citra jenis Bivalvia dan Gastropoda dengan ekstraksi fitur GLCM, HSV, Circularity Dan Compactness. Kelas filum Mollusca yang digunakan adalah Bivalvia dan Gastropoda. Bivalvia sebanyak 7 jenis dan Gastropoda sebanyak 4 jenis. Dari 11 Jenis dikumpulkan sampel citra sehingga diperoleh total data trainning sebanyak 1584 dan data pengujian 220 data. Berdasarkan hasil penelitian menunjukkan kinerja yang sangat baik dalam mengklasifikasikan citra Mollusca, dengan akurasi validasi sebesar 92% dan akurasi uji sebesar 99%. Pada penelitian ini membuktikan tahapan pra-pemrosesan data dan kondisi data yang ideal mempengaruhi akurasi. Selain itu, sistem ini menunjukkan akurasi 80% dalam mengklasifikasikan citra "Unknown Label", termasuk citra acak dari internet dan spesies yang tidak termasuk dalam data pelatihan. Temuan ini menunjukkan bahwa algoritma Naïve Bayes, yang dipadukan dengan teknik ekstraksi fitur citra, sangat efektif untuk mengidentifikasi spesies Bivalvia dan Gastropoda.}
		}