Kopi merupakan salah satu komoditas sektor perkebunan yang berada di indonesia, kopi memiliki nilai ekonomis yang tinggi dan memberikan peran penting bagi perekonomian Indonesia yaitu dari pengeksporan. Salah satu kopi andalan yang diekspor adalah kopi arabika. Penghasil kopi arabika salah satunya berada di daerah dataran tinggi gayo, kopi arabika di dataran tinggi gayo disebut dengan kopi arabika gayo. Pengolahan pasca panen biji kopi merupakan proses yang panjang, salah satu tahapan proses biji kopi yaitu proses pengeringan yang merupakan tahapan penting. Untuk mengetahui kering biji kopi saat pengeringan biasanya para petani kopi hanya melihat secara visual mata saja tanpa adanya bantuan alat tetapi, dengan cara ini tidak cukup efektif untuk mengetahui kering biji kopi dan tingkat kering biji kopi karena itu, penulis melakukan penelitian mengklasifikasi biji kopi arabika gayo menggunakan algoritma Naive Bayes yang berbasis web untuk dapat mengetahui tingkat kering biji kopi menggunakan inputan citra biji kopi yang di ekstrasi ciri tekstur dengan menggunakan Grey Level Co-occurrence Matrix lalu nilai yang di hasilkan akan diklasifikasikan tingkat kering biji kopi menggunakan algoritma Naive Bayes. Data citra biji kopi yang digunakan berjumlah 150 yang terdiri dari data training dan data testing. Hasil akurasi yang dihasilkan adalah 84%.

Coffe is one of the comodities plant sector in indonesia, coffe that have high economic value and provide an important role for the indonesian economy from exporting. One of the mainstay coffe from indonesia exported is arabica coffe. Arabica coffe producers one of them in the highlands gayo, arabica coffe in the highlands gayo is called gayo arabica coffe.Post harvest prosessing of coffe bean is a long process. One of the stages coffe bean is the drying process the most important stages. To know the dry coffe beans at the time of drying usually the coffe farmers only see visually the eyes without the help of tools but, in this way not effective enough to know dry coffe beans and dry level of coffe beans. So, the author research that classifier gayo arabica coffe beans using the web based Naive Bayes algorithm to be able know the dry level of coffe beans using input image of coffe beans that features extraction used texture by using Grey Level Co-occurrence Matrix the the features extraction results are used to classify dry level coffe beans with Naive Bayes algorithm. The coffe beans image data used are 150 consiting of training data and testing data. Accuracy value resulst is 84%.