Klasifikasi Data Menggunakan Algoritma K-Means Clustering Dan Naive Bayes Classifier Berdasarkan Analisa Tekstur Metode Gray Level Co-Occurrence Matrix (GLCM)

Abstrak

ABSTRAK

Klasifikasi data dalam sistem banyak digunakan dalam berbagai bidang teknologi informasi, klasisfikasi data diperoleh dengan cara menganalisis objek berdasarkan tingkat kesamaan dan memetakan karakteristik yang terkadung dalam objek tersebut berdasarkan cluster yang ditentukan. Penggunaan klasifikasi dalam penelitian ini dengan memanfaatkan pola tekstur yang terdapat dalam sebuah data dengan memanfaatkan algoritma K-Means Clustering dan Naive Bayes Classifier. Algoritma K-Means Clustering merupakan proses mengelompokan data berdasarkan karakteristik yang sama, sedangkan Naive Bayes Classifier memanfaatkan perhitungan probabilitas dan statistic. Penelitian ini bertujuan untuk menganalisis data melalui pola tekstur dan tingkat akurasi yang dihasilkan melalui algoritma K-Means Clustering dan algoritma Naive Bayes Classifier. Pengujian data pada tekstur berdasarkan parameter ekstrak dengan klasifikasi contrast dan correlation yang ada pada metode GLCM (Gray-Level Co-Occurrence Matrix) serta menghitung jarak yang dinyatakan dalam piksel dengan interval sudut 0º, 45º, 90º, dan 135º. Citra tekstur dilakukan klasifikasi kedalam tiga cluster dengan membandingkan nilai akurasi yang diperoleh. Nilai akurasi yang dihasilkan dari pengujian menggunakan algoritma K-means Clasifier sangat baik dengan nilai accuracy 100% dan nilai akurasi yang dihasilkan dari pengujian menggunakan metode Naive Bayes Classifier sangat baik dengan nilai accuracy 100%.

Kata Kunci: K-Means Clustering; Naïve Bayes, dan Classifier