Abstrak – Wajah manusia di dunia ini
memiliki berbagai macam bentuk dan
warna, dengan adanya perbedaan itu disini
kami
berinisiatid membuat pengenalan
Citra Wajah yang memudahkan untuk
mengenali
wajah tersebuh. Selain itu
kami juga membuat pengenalan pola pa
Buah jeruk yang dimana
memiliki banyak jenis dan
memiliti
tikat keasaman tententu
serta
memiliki keanekaragaman
nama.
Dengan menggunakan metode
dari Naive Bayes Classifier
, memudahkan untuk
pengklasifikasian membedakan pola
setiap
individu manusia dan setiap
jenis buah jeruk. Sehinnga,
dibuat penelitian ini yang
bertujuan
agar memberi
manfaat dalam mengenal pola
wajah manusia dan pola dari buah jeruk
Keywords: klasifikasi;
naive bayes; citra wajah;
citra
buah jeruk.
1. Pendahuluan
Klasifikasi pengenalan citra wajah
dan buah jeruk dengan menggunakan metode
naïve bayes
memudahkan dalam klasifikasin citra wajah
dan buah yang dimana memiliki dataset yang
berupa foto wajah dan buah jeruk. Dan itu
membantu
dalam pengklasifikasian saat
proses testing citra wajah ataupun citra
buah jeruk. .
Untuk mendukut dalam mengerjakan pro-
jec ini kami menelaah beberapa paper. Paper
tersebut antara lain; “Weighted naïve bayes
classification algorithm based on particle swarm
optimization” Permasa- lah yang dibahas adalah
memperbaiki algoritma naïve bayes clasifikasi
yang berdasarkan PSO particle swarm optimi-
zation yang dirumus- kan oleh Kenny dan
Eberhart. Metode yang dipakai adalah automa-
tic search function of PSO, dimana prawatan
integritas setiap data yang berdasarkan karak-
teritik data itu sendiri, metode ini bertujuan
untuk ketepatan clasifi- kasi naïve bayes dan
menghindari kehilangan informasi data. Jie Lin
and Jiankun Yu, 2011
Support vector machine classification
for high-dimentional da- taset, dalam paper ini
membahas masalah se- leksi fiture untuk high-
dimentional data dan optimisasi parameter
SVM. Sistem clasifikasi SVM yang berdasarkan
simulated annealingSA untuk
meningkatkan peforma clasifikasi SVM. Teknik
classifikasi SA-SVM ini digunakan berdasarkan
dataset yang ditetapkan yang diperoleh dari ha-
sil konfirmasi keunggul- an SA-SVM yang di-
bandingkan dengan standart parameter SA-
SVM. Sipeng Wang, 2012
Intrusion detection based on K-Mean Clus-
tering and naïve bayes classification, pada pa-
per ini permasalah yang dibahas adalah sistem
deteksi anomaly, karena akhir-akhir inideteksi
anomaly sering terkait dengan alrm palsu de-
ngan akurasi yang ku- rang dan tingkat deteksi
tidak dapat mendeteksi semua jenis serangan.
Metode yang digunakan adalah pendekatan hyb-
rid melalui kombinasi pengelompokan K-
MEAN dan Naïve Ba- yes. Pendekatan terse-
but akan mengklaster- kan semua data kedalam
kelompok yang sesuai sebelum mengaplikasi-
kan untuk tujuan klasifi- kasi. Yan Zhu dkk,
2009
D-LDA: A Topic Modeling Approach
without constrain gene- ration for semi-defined
classification, paper ini membahas tentang ma-
salah algoritma evolusi- oner multiobjektif dite-
rapkan untuk meningg- katkan tingkat kesulitan
trade off antara interpre- tability dan akurasi sis-
tem berbasis fuzzy. Me- tode yang digunakan al-
goritma evolusioner multiobjective yang pe-
nerapannya untuk sis- tem yang berbasis atur-
an fuzzy yang sering di- sebut genetic sistem
fuzzy. Pendekatan ini berdasarkan pada gene-
rasi setiap kandidat aturan kalsifikasi fuzzy
yang telah dipertim- bangkan. Kelebihan dari
pendekatan ini dapat menentukan granularity
tunggal untuk aturan ek- straksi fuzzy sebelum
menjalankan aturan se- leksi multiobjec genetic
fuzzy. Fuzhen Zhuang dkk, 2010
2
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
