PENERAPAN NAIVE BAYES GAUSSIAN PADA KLASIFIKASI JENIS JAMUR BERDASARKAN CIRI STATISTIK ORDE PERTAMA

Arma Adzhana Mahran, Rinci Kembang Hapsari, Hendro Nugroho

Abstract


Fungi atau jamur merupakan tumbuhan yang tidak mempunyai klorofil sehingga bersifat heterotrof, tipe sel eukarotik. Jamur ada yang uniseluler dan multiseluler. Jenis jamur ada yang bisa dikonsumsi dan ada yang tidak bisa dikonsumsi. Pengenalan tipe jamur secara digital merupakan pendekatan yang mungkin dilakukan untuk memberikan informasi kepada masyarakat atau publik yang ingin mengetahui jamur mana yang aman untuk dikonsumsi dan yang tidak.Pada penelitian ini dilakukan klasifikasi jenis jamur dengan menggunakan input citra jamur. Langkah klasifikasi jenis jamur yang dilakukan dalam penelitian ini terdiri dari tiga langkah.  Langkah pertama, yaitu Image Pre Processing, dilakukan dengan mengkonversi citra RGB ke grayscale dan membuat grafik histogramnya. Langkah kedua yaitu Ektraksi Fitur, dilakukan dengan mengimplementasikan metode statistic orde 1. Pada penelitian ini menggunakan metode statistic orde 1 dengan 5 parameter, yaitu mean, skewness, variance, kurtosis, dan entropy. Dan langkah ketiga, melakukan Klasifikasi dengan menggunakan metode Naïve Bayes Gaussian. Hasil pengujian terhadap 60 citra jamur yang telah dilakukan dengan metode cross validation dengan nikai k=4 didapatkan nilai akurasi sebesar 98.75%

 


Full Text:

PDF (Indonesian)

References


I. Gandjar and dkk, Mikologi Dasar dan Terapan, Jakarta: Yayasan Obor, 2006.

A. Fadlil, "Sistem pengenalan citra jenis-jenis tekstil.," Jurnal Spektrum Industri. Yogyakarta : UAD., 2012.

Y. Permadi and Murito, "Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Mentimun Menggunakan Metode Ekstraksi Ciri Statistik," Jurnal Informatika.Yogyakarta : UAD., 2015.

O. D. Nurhayati, "Sistem Analisis Tekstur Secara Statistik Orde Pertama Untuk Mengenali Jenis Telur Ayam Biasa Dan Telur Ayam Omega-3," Jurnal Sistem Komputer.UNDIP., 2015.

c. Agrawal, Data Mining, New York: Springer, 2015.

S. Gustina, A. Fadlil and R. Umar, "Sistem Identifikasi Jamur Menggunakan Metode Ciri Statistik Orde 1dan Klasifikasi Jarak," Teknologi Informasi, vol. 16, no. 4, 2017.

A. Halim, H. Hardy and M. Mytosin, "Aplikasi Image Retrieval dengan Histogram Warna dan Multiscale GLCM," SIFO Mikroskil, vol. 16, no. 1, pp. 41-50, 2015.

W. R. Gonzales, Digital Image Processing, United State,America.: Prentice-Hall, Inc., 2007.

F. Liantoni and H. Nugroho, "Image Contrast Improvement With Equalization Histogram And Gaussian In Watermelon Classification," in Institut Teknologi Adhi Tama Surabaya., Surabaya, 2016.

J. Han, M. Kamber and J. Pei, Data Mining Concepts and Techniques, Amerika: Elsevier Inc, 2012.

Jiang, "Error estimation based on variance analysis of k-fold cross-validation.," Pattern Recognition, vol. Volume 69, no. September 2017, pp. 94-106, 2017.

R. K. Hapsari, M. I. Utoyo, R. Rulaningtyas and H. Suprajitno, "Iris segmentation using Hough Transform method and Fuzzy C-Means method," Journal of Physics: Conference Series, vol. 1477, no. 2, 2020.

A. S. Fitri, "Implementasi Ektraksi Ciri Statistik Untuk Identifikasi Kematangan Buah Berdasarkan Tekstur Kulit Buah," Simki-Techsain, Universitas Nusantara PGRI Kediri, 2016.

Z. E. Rasjid and ReinaSetiawana, "Performance Comparison and Optimization of Text Document Classification using k-NN and Naïve Bayes Classification Techniques," in Procedia Computer Science, Bali, 2017.




DOI: http://dx.doi.org/10.21107/nero.v5i2.165

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Network Engineering Research Operation

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License
NERO (Networking Engineering Research Operation) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.