Please use this identifier to cite or link to this item: http://repository.uma.ac.id/handle/123456789/17174
Title: Analisis Metode Naive Bayes dalam Pengklasifikasian Citra Ikan Berformalin dengan Memanfaatkan Ekstraksi Fitur GLCM
Other Titles: Analysis of the Naive Bayes Method in Classifying Formalin Fish Image by Utilizing GLCM Feature Extraction
Authors: Muhathir
Muliono, Rizki
Pariyandani, Ayu
Keywords: ikan
formalin
klasifikasi
naive bayes
glcm
fish
classification
Issue Date: 23-Feb-2022
Publisher: Universitas Medan Area
Series/Report no.: NPM;178160038
Abstract: Klasifikasi adalah teknik untuk menilai suatu objek untuk dimasukkan ke dalama kelas tertentu. Naïve Bayes merupakan salah satu algoritma yang digunakan untuk mengklasifikasi berdasarkan teorema Bayesian, yang mengasumsikan independensi suatu kelas dengan kelas lainnya. Naïve Bayes digunakan dalam klasifikasi citra ikan berformalin ini karena memiliki akurasi yang baik dan menghasilkan tingkat kesalahan yang kecil ketika menggunakan data latih yang besar. Penelitian ini bertujuan untuk mengklasifikasikan citra ikan formalin dan ikan non formalin. Data yang digunakan adalah citra ikan formalin dan non formalin. Berdasarkan hasil analisis, klasifikasi citra ikan berformalin dan non formalin dengan metode Naïve Bayes dan ekstraksi fitur GLCM memiliki akurasi sebesar 76% untuk GaussianNB, 48% untuk BernoulliNB dan 79% untuk MultinomialNB. Classification is a technique for assessing an object to be included in a certain class. Naïve Bayes is one of the algorithms used to classify based on the Bayesian theorem, which assumes the independence of a class with other classes. Naïve Bayes is used in this formalin fish image classification because it has good accuracy and produces a small error rate when using large training data. This study aims to classify the image of formalin fish and non-formalin fish. The data used is the image of formalin and non-formalin fish. Based on the analysis results, the classification of formalin and non-formalin fish images using the Naïve Bayes method and GLCM feature extraction has an accuracy of 76% for GaussianNB, 48% for BernoulliNB, and 79% for MultinomialNB.
Description: 79 Halaman
URI: http://repository.uma.ac.id/handle/123456789/17174
Appears in Collections:SP - Informatic Engineering

Files in This Item:
File Description SizeFormat 
178160038 - Ayu Pariyandani - Fulltext.pdfCover, Abstract, Chapter I, II, III, V, Bibliography1.56 MBAdobe PDFView/Open
178160038 - Ayu Pariyandani - Chapter Iv.pdf
  Restricted Access
Chapter IV942.82 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.