Basis data: Basis data kami memiliki 50 kategori jamu Cina, berisi total
8500 gambar, kami membaginya menjadi set pelatihan dan tes, set
pelatihan 6400 gambar, dan set tes 2100 gambar, Jumlah gambar dari
masing-masing jenis berbeda, dengan hanya beberapa lusin gambar dan
lebih dari beberapa ratus. Rasio distribusi juga berbeda, ada yang dibagi
menjadi 15% dan 85%, dan ada yang dibagi menjadi 40% dan 60%, tetapi
semuanya berada dalam kisaran ini.
Hasil Penelitian
Hasil Eksperimen: Kami mendapatkan akurasi masing-masing TOP-1 dan
TOP-5, dan Gambar. 3 menunjukkan perubahan dalam akurasi operasi
kami. TOP-1 berarti akurasi satu prediksi, dan TOP-5 berarti akurasi lima
prediksi.
Literature Review 2
Hasil Penelitian Dari hasil uji coba klasifikasi citra daun herbal didapatkan kesimpulan
yaitu pada penggunaan metode Naïve Bayes Classifier didapatkan nilai
akurasi klasifikasi sebesar 75%, sedangkan dengan menggunakan metode
K-Nearest Neighbor didapatkan nilai akurasi klasifikasi sebesar 70,83%.
Hal ini menunjukkan bahwa kinerja metode Naïve Bayes Classifier lebih
baik dibandingkan metode K-Nearest Neighbor.
Literature Review 4
Metode Penelitian Menggunakan metode umum sepeti data collection, preprocessing, ekstrasi
fitur, fitur geometris, fitur invariant moment, dan juga menggunakan KNN
- K-Nearest Neigtbor Classifier