Analysis NaÃ¯ve Bayes In Classifying Fruit by Utilizing Hog Feature Extraction

Muhathir, Muhathir; Santoso, M. Hamdani

doi:10.31289/jite.v4i1.3860

Cited by 16 publications

(10 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Algoritma Naive Bayes [10], [11] yang ditemukan oleh ilmuwan Inggris yaitu Thomas Bayes. Teorema Bayes [12] [13], merupakan suatu algoritma klasifikasi [14] data mining yang memanfaatkan teori kemungkinan dan stasistika sederhana dengan mengasumsikan seluruh atribut bersifat bebas dengan mengingat variabel nilai kelas, maka karakterisasi diasumsikan sebagai kesederhanaan [15] tetapi algoritma ini berkinerja baik dan dapat belajar dengan cepat pada beragam masalah klasifikasi [16].…”

Section: Tinjauan Pustaka 21 Naïve Bayesunclassified

Aplikasi Penghitung Berat Barang Berbasis Web Dengan Metode Naïve Bayes

et al. 2022

View full text Add to dashboard Cite

Transaksi jual beli barang loak merupakan proses yang sering kita temukan di lingkungan masyarakat. Akan tetapi transaksi tersebut masih menggunakan metode tradisional yaitu pembeli berkeliling mencari orang-orang yang menjual barang loak, sehingga banyak menghabiskan tenaga, biaya, serta pikiran dalam transaksi tersebut. Penelitian ini bertujuan untuk mempermudah antara penjual dan pembeli dalam melakukan transaksi barang apapun yang dibutuhkan untuk menghitung berat dari barang tersebut khususnya dalam transaksi barang loak, sehingga pembeli ataupun konsumen tidak repot untuk membawa timbangan kemana-mana ketika melakukan transaksi. Teknologi ini menggabungkan benda-benda nyata dan maya di lingkungan nyata, berjalan secara interaktif dalam waktu nyata, dan terdapat integrasi pengukuran berat barang yang mana aplikasi ini berbasis website, sehingga bisa dijalankan diberbagai smartphone dengan berbagai spesifikasi dan dapat merambah masyarakat yang membutuhkan aplikasi ini. Fitur ini dijalankan dengan cara memasukkan dimensi dari barang tersebut, yang mana dalam fokus penelitian saat ini, barang yang digunakan adalah botol kemudian disubmit sehingga keluar hasil dari perhitungan yang ada di sisi server yang berupa berat dari barang loak tersebut. Perhitungan berat barang tersebut menggunakan metode Naïve Bayes yang bertujuan untuk memprediksi hasil perhitungan dengan perbandingan variable dari dataset yang telah ditentukan pengukuran berat barang. Hasil akurasi yang didapat sebesar 100%.

show abstract

Section: Tinjauan Pustaka 21 Naïve Bayesunclassified

Aplikasi Penghitung Berat Barang Berbasis Web Dengan Metode Naïve Bayes

et al. 2022

View full text Add to dashboard Cite

show abstract

“…Penelitian yang menerapkan pengklasifikasi buah pisang telah dilakukan menggunakan metode Naïve Bayes [6]- [7], metode Extreme Learning Machine [8], metode Jaringan Syaraf Tiruan [9], dan metode Artificial Neural Network [10]. Dalam penelitian ini dilakukan klasifikasi kematangan buah pisang ambon secara non-destruktif.…”

Section: Pendahuluanunclassified

Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor

Lesmana

Kusno

2022

JSTIE

View full text Add to dashboard Cite

Pisang merupakan jenis buah-buahan yang banyak ditemukan di Indonesia. Pengklasifikasian kematangan buah pisang menggunakan cara nondestruktif dilakukandengan melihat warna dan tekstur kulit pisang yang merupakan komponen eksternal dari buah pisang tanpa harus membuka atau mencicipi daging dan membuat kondisi buah tetap utuh. Penelitian ini melakukan klasifikasi kualitas Pisang Ambon menggunakan metode K-Nearest Neighbor yang dapat membantu dalam mengembangkan sistem klasifikasi pengenalan kualitas tanpa harus menghancurkan buah pisang tersebut. Penelitian ini terdapat dua tahap, yaitu pengembangan sistem dan penentuan kualitas buah Pisang Ambon. Tahap pengembangan sistem meliputi perancangan interface, pengolahan data, perancangan sistem, implementasi, pengujian, dan analisis hasil penelitian. Tahapan dalam penentu tingkat kualitas pisang ambon meliputi input citra buah pisang ambon, cropping citra, menghitung nilai RGB, mengkonversi nilai RGB ke HSV, mengkoversi HSV ke histogram dan menentukan kualitas buah Pisang Ambon berdasarkan empat klasifikasi, yaitu klasifiasi sangat baik, baik, sedang, dan buruk menggunakan metode K-NN dan metode akurasi menggunakan Confusion matrix. Berdasarkan hasil pengujian dengan 40 data citra yang terdiri dari 10 citra Pisang Ambon berkualitas sangat baik, 10 citra pisang ambon berkuaitas baik, 10 citra pisang ambon berkualitas sedang, dan 10 citra pisang ambon berkualitas buruk yang diklasifikasikan menggunakan metode K-NN menghasilkan akurasi sebesar 70,0%.

show abstract

“…Telah banyak dilakukan penelitian tentang penggunaan data mining dalam dunia bisnis misalkan untuk klasifikasi penjualan alat tulis [7], roti [8], pulsa [9] dan makanan terlaris [10] dan pemulihan pasien [11]. Banyak metode yang digunakan untuk melakukan klasifikasi, misalkan algoritma k-Nearest Neighbor untuk klasifikasi penjualan [12], algoritma C.45 untuk penjualan barang terlaris [10], Decision Tree untuk klasifikasi produk pertanian [13], C4.5, Naïve Bayes untuk klasifikasi buah [14]Random Forest dan Gardient Boosting untuk klasifikasi komoditas [15]. Dalam penelitian ini dilakukan klasifikasi produk alat listrik terlaris menggunakan Naïve Bayes.…”

Section: Pendahuluanunclassified

Sistem Klasifikasi Penjualan Produk Alat Listrik Terlaris Untuk Optimasi Pengadaan Stok Menggunakan Naïve Bayes

Pratama

Maimunah²,

Arumi³

2022

mib

View full text Add to dashboard Cite

Optimization is a process of solving a problem so that it can provide the best conditions that can provide a maximum or minimum value. In a business, optimization of stock procurement is an important thing, including in terms of product sales. If the stock of a product is empty then the sales potential decreases. Therefore we need a method to optimize the stock so that it can supply consumer demand and ultimately increase sales. Data mining can be applied in the sales system by creating a sales classification model for the best-selling products. In this study, the sales classification of the best-selling products at electronic stores was carried out using Naïve Bayes. The data used in this study is data on sales of electronic products for 3 months. In the early stages, preprocessing is carried out, namely by encoding labels. Model testing was carried out using percentage split and cross validation with several trials. Through the use of percentage split, the best accuracy is obtained at 93.3% with a comparison of 30% of test data and 70% of training data. The best accuracy using cross validation was obtained by 84% for 7-fold. The classification system that has been created is capable of classifying the best-selling products every quarter of a year. Through the use of the best-selling product classification system, the store can find out the best-selling product stock so that the stock is not empty. Thus the procurement of store stock can be more optimal and sales will increase.

show abstract

Analysis NaÃ¯ve Bayes In Classifying Fruit by Utilizing Hog Feature Extraction

Cited by 16 publications

References 1 publication

Aplikasi Penghitung Berat Barang Berbasis Web Dengan Metode Naïve Bayes

Aplikasi Penghitung Berat Barang Berbasis Web Dengan Metode Naïve Bayes

Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor

Sistem Klasifikasi Penjualan Produk Alat Listrik Terlaris Untuk Optimasi Pengadaan Stok Menggunakan Naïve Bayes

Contact Info

Product

Resources

About