Klasifikasi Bunga Menggunakan Naïve Bayes Berdasarkan Fitur Warna Dan Texture

Pemrosesan gambar sangat berbeperan pernting dalam mengekstraksi informasi yang berguna dari gambar. Klasifikasi bunga diperlukan untuk mengatasi masalah klasifikasi bunga secara manual serta mempersingkat waktu dalam identifikasi bunga, dalam kasus klasifikasi bunga, pemrosesan gambar adalah langkah penting untuk identifikasi spesies tanaman yang dibantu komputer. Klasifikasi citra bunga di dasarkan pada fitur tingkat rendah seperti warna dan tekstur untuk mendefinisikan dan menggambarkan konten gambar. Penelitian ini bertujuan untuk mengklasifikasi bunga berdasarkan jenis bunga menggunakan Teknik pemrosesan citra. Ektraksi fitur yang digunakan awalnya adalah Hue, Saturation, Value untuk mendapatkan citra warna. Sedangkan untuk mendapatkan citra texture adalah GLCM (Gray Level Co-occurrence Matrik) yaiut Contrast, Correlation, Energy dan Homogenity, kemudian setelah percobaan fitur warna di tambah 3 lagi yaitu Red, Green Blue. Data latih bunga yang digunakan berjumlah 200 gambar yang terdiri dari 4 class bunga (kansas, marguerite, roses dan tulips), masing-masing bunga mewakili dari 50 gambar. Hasil percobaan pertama menunjukkan akurasi menggunakan Naïve Bayes distribusi normal sebesar 66 %, setelah beberapa kali percobaan hingga mendapatkan hasil akurasi tertinggi sebesar 77%, hasil ini diperoleh dengan menerapkan 6 fitur warna dan 4 fitur texture dan menggunakan Naïve Bayes distribusi kernel