KLASIFIKASI IMAGE TUMBUHAN OBAT SIRIH HIJAU DAN SIRIH MERAH MENGGUNAKAN METODE NAÏVE BAYES

Windy Desty Ariany, 1817051039 (2022) KLASIFIKASI IMAGE TUMBUHAN OBAT SIRIH HIJAU DAN SIRIH MERAH MENGGUNAKAN METODE NAÏVE BAYES. FAKULTAS MIPA, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (8Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1642Kb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2083Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Tumbuhan adalah organisme yang memiliki banyak manfaat. Klasifikasi tumbuhan obat dapat dilakukan dengan mengidentifikasi jenis tumbuhan obat berdasarkan fitur warna, tekstur, dan bentuk daunnya. Klasifikasi adalah proses pengelompokan, yang berarti mengumpulkan objek atau entitas yang serupa dan memisahkan objek atau entitas yang berbeda. Proses klasifikasi dapat dilakukan dengan menggunakan berbagai macam metode, salah satunya adalah metode Naive Bayes. Pada penelitian ini kinerja klasifikasi Naïve Bayes akan dibandingkan dengan metode Decision Tree. Data yang digunakan pada penelitian ini merupakan data primer sebanyak 2000 data citra, yang memiliki dua kelas, yaitu kelas hijau dan merah. Data terbagi menjadi data latih dan uji, perbandingan persentase data latih dan data uji yang digunakan yaitu, 60:40, 65:35, 70:30, 75:25, dan 80:20. Plants are organisms that have many benefits, classification of medicinal plants can be done by identifying the type of medicinal plant based on the characteristics of color, texture and leaf shape. Classification is a grouping process. That is, it collects similar objects or entities and separates different objects or entities. The classification process can be performed using a variety of methods. One of them is the naive Bayes method. In this study, we compare the performance of the Naive Bayes classification with the Decision Tree method. The data used in this study is primary data from 2000 images and has two classes, green and red. The data is divided into training data and test data, and the comparison of training data and test data used is 60:40, 65:35, 70:30, 75:25, and 80:20.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2203810699 . Digilib
Date Deposited:	20 Jul 2022 06:31
Terakhir diubah:	20 Jul 2022 06:31
URI:	http://digilib.unila.ac.id/id/eprint/64165

Actions (login required)

Lihat Karya Akhir