Implementasi Algoritma Naive Bayes Untuk Klasifikasi Citra Berdasarkan Ekstraksi Ciri Tekstur Dengan Metode Matriks Kookurensi

Salah satu cara untuk mengenali citra adalah dengan membedakan tekstur citra tersebut. Citra dikatakan memiliki tekstur apabila pola citra terjadi secara berulang-ulang memenuhi semua bidang citra. Citra yang berbeda memiliki ciri-ciri yang berbeda. Ciri-ciri inilah yang menjadi dasar dalam klasifikasi citra berdasarkan tekstur. Terdapat beberapa metode untuk memperoleh ciri-ciri tekstur dalam suatu citra, Salah satu metode untuk memperoleh ciri-ciri citra tekstur adalah matriks co-occurrence. Ciri-ciri tekstur yang didapat dari metode matriks co-occurrence diantaranya adalah entropi, kontras, homogenitas, energi dan dissimilarity. Dari hasil ciri-ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan Naïve Bayes yang menentukan hasil klasifikasi berdasarkan nilai probabilitas terbesar. Objek yang diuji adalah citra jenis biji-bijian (beras, beras merah, ketan hitam, ketan putih, dan kacang hijau). Dari penelitian yang telah dilakukan, dapat ditarik kesimpulan sebagai berikut : naïve bayes dapat melakukan klasifikasi citra berdasarkan tekstur yang diekstraksi dengan metode matriks co-occurrence. Dikarenakan data hasil ekstraksi ciri matriks co-occurrence adalah berupa data continue, atau biasa disebut data nominal, sehingga saat proses klasifikasi data hasil ekstraksi ciri tersebut dapat langsung digunakan sebagai inputan dalam klasifikasi naïve bayes. berdasarkan hasil pengujian, kesimpulan yang didapatkan adalah naïve bayes dapat mengklasifikasi citra dengan baik, dikarenakan data hasil ekstraksi ciri tekstur biji-bijian dengan metode matriks co-occurrence memiliki interval jarak yang berjauhan antar kelasnya. Sehingga klasifikasi naïve bayes dapat berjalan dengan baik saat melakukan klasifikasi.

One way to identify the image is a way to distinguish the texture of the image. Which has a texture image is the image that has a pattern, the pattern of the image occurs repeatedly meet all field image. Different image having different characteristics. The characteristics are the basis for the image classification based on texture. There are several methods to obtain the characteristics of texture in an image, one method to obtain the characteristics of the texture image is the co-occurrence matrix. The characteristics of the texture obtained from the co-occurrence matrix method include entropy, contrast, homogeneity, energy and dissimilarity. From the results of these characteristics are then used for classification using Naïve Bayes which determines the classification results based on the value of the largest probability. The object being tested is the image of grains (rice, red rice, black glutinous, white glutinous, and green beans). From the research that has been done, it can be deduced as follows: naïve Bayes can perform image classification based on texture are extracted by the method of co-occurrence matrix. Due to the characteristics of the data extracted co-occurrence matrix is in the form of data continuously, or so-called nominal data, so that the process of data classification feature extraction results can be directly used as an input in the naïve Bayes classification. Based on test results, conclusions obtained are naive Bayes can classify image well, because data of feature extraction with grain texture co-occurrence matrix method has a distant intervals between classes. So naïve Bayes classification can work well when performing classification.