2.
Metode A. Dataset
Data set yang digunakan
dalam klasifikasi ini adalah
macam-macam buah jeruk dan bentuk wajah
manusia.
Dalam pengklasifikasian buah
jeruk terdapat 6 kelas, yaitu:
1. Jeruk Bali 2. Jeruk Lemon
3. Jeruk Mandarin
4. Jeruk Nipis 5. Jeruk Orange
6. Jeruk Purut Dalam
pengklasifikasian wajah manusia terdapat 5 kelas
berdasarkan nama
masing-masing dari citra tersebut, yaitu:
1. Wajah Ali 2. Wajah Billy
3. Wajah Ganda 4. Wajah Kidi
5. Wajah Wiki
B. Ekstraksi Fitur
Ekstraksi fitur yang digunakan dalam
Pengenalan Citra Wajah ada 5 yaitu; Mean Red,
Mean Green, Mean Blue, Mean RGB, dan
Varian RGB. Sedangkan dalam Pengenalan Citra
Buah Jeruk memiliki 5 fitur, antaralain; Mean
Red, Mean Green, Mean Blue,
Diameter Horisontal,
dan Diameter Vertikal.
C. Naive Bayes
Metode Naïve
Bayes Classifier
merukapan salah satu metide pengklasifikasian
data yang mampu menyelesaikan prediksi
probabilitas, sebagai contoh memprediksi
peluang keanggotaan suatu kelas. Metode
klasifikasi ini diturunkan dari penerapan Teorema
Bayesian dengan asumsi saling bebas, atau
dengan kata lain Naïve Bayes
Classifier mengansumsi bahwa
keberadaan sebuah
atribut variabel tidak ada kaitanya dengan
keberadaan atribut
variabel yang lain. Berdasarkan
pada teorema bayes, maka
diperoleh rumus sebagai berikut:
Atau dengan sederhana ditulis sebagai berikut:
Dalam rumus
tersebut menjelaskan bahwa
peluang masukkannya sampel
dengan karakteristik tertentu dalam kelas C
posterior adalah
peluang munculnya
kelas C prior dikali dengan
peluang kemunculan
karakteristik- karakteristik sampel
pada kelas
C likelihood,
dibagi dengan
peluang kemunculan
karakteristik- karakteristik sampel
secara global evidence. Nilai evidence selalu
tetap untuk setiap kelas pada satu sampel. Nilai
dari posterior tersebut nantinya
akan dibandingkan dengan
nilai-nilai posterior kelas lainnya
untuk menentukan ke kelas apa
suatu sampel akan diklasifikasikan.
Penentuan kelas dari suatu data dilakukan
dengan cara
membandingkan nilai probabilitas
suatu sampel berada di kelas
yang satu dengan nilai probabilitas
suatu sampel berada pada
kelas yang lain. Penentuan kelas yang
cocok bagi suatu sampel dilakukan dengan cara
membandingkan nilai posterior untuk masing-
masing kelas, dan mengambil kelas dengan
nilai porterior yang tinggi.
3
D. Max Filter
Max Filter yaitu metode
yang menggantikan
pxel dengan nilai tertinggi
sehingga mendapatkan nilai pixel yang
maximum.
E. Min Filter
