Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Metode Klasifikasi Naive Bayes Untuk Identifikasi Kelainan Kuku Berdasarkan Metode Ekstraksi Local Binary Pattern
Asep Henry Gurniawan NIM. (2016) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Tekstur pada umumnya adalah pola visual rumit yang tersusun dari kesatuan-kesatuan atau subpola yang memiliki karakteristik kecerahan, warna, kemiringan, ukuran, dan lain-lainnya. Kuku merupakan salah satu bagian penting pada jari tangan dan kaki yang membutuhkan perawatan dan perhatian. Pada kuku terdapat kelainan, dengan mengimplementasikan metode naïve bayes kelainan pada kuku akan diklasifikasikan dengan hasil ekstraksi metode local binary pattern. Local Binary Pattern (LBP) merupakan metode texture descriptor sederhana tetapi sangat ampuh dalam melakukan ekstraksi ciri yang bekerja dengan cara membentuk komposisi pola yang menggambarkan tata ruang lokal dari citra yang ada. Dengan menggunakan metode ekstraksi ciri LBP citra kuku akan diklasifikasikan menggunakan metode Naive Bayes Clasifier (NBC) salah satu metode pembelajaran supervised yang mudah, efisien, efektif dan handal menangani derau data. Termasuk dalam metode pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas keanggotaan dari suatu class. Berdasarkan kesimpulan dan hasil skenario metode k-fold cross validation, metode naïve bayes dapat mengklasifikasi dengan rata rata akurasi sebesar 55,5% dengan nilai k adalah 2.
Ringkasan Alternatif
Texture in general is a complex visual patterns composed of units or subpola which has the characteristics of brightness, color, slope, size, and others. Nails is one important part of the fingers and toes that need care and attention. There are abnormalities on nails, by implementing the naïve Bayes methods abnormalities in the nail will be classified by the extraction method of local binary pattern. Local Binary Pattern (LBP) is a method descriptor texture simple but very powerful in the extraction feature that works by forming composition depicting the spatial patterns of imagery exists locally. Using the LBP feature extraction methods nail images will be classified using the Naive Bayes Clasifier (NBC) a supervised learning method that is simple, efficient, effective and reliable handling noise data. Included in the statistical classification method that can be used to predict the probability of membership of a class. Based on the conclusions and results of scenario methods k-fold cross validation, naïve Bayes methods can be classified with an average accuracy of 55.5% to the value of k is 2.