Komparasi Algoritma Support Vector Machine Dan Naive Bayes Pada Klasifikasi Ras Kucing

Abstract

Salah satu hewan peliharaan yang paling populer ialah kucing. Kucing dipilih menjadi hewan peliharaan manusia karena tingkahnya sangat lucu. Kucing memiliki variasi ras yang sangat banyak. Terdapat 315 ras kucing pada seluruh dunia yang mana setiap ras kucing mempunyai ciri-ciri tertentu, akibat banyaknya terjadi perkawinan silang antara kucing kampung dan kucing ras dalam penentuan ras kucing menjadi lebih sulit. Seiring perkembangan zaman yang begitu cepat, perkembangan teknologi informasi pengenalan objek citra menjadi subjek yang sangat menarik dan tentunya berkaitan erat dengan data informasi. Maka peneliti akan melakukan komparasi antara algoritma Support Vector Machine (SVM) dan Naive Bayes (NB) pada klasifikasi citra ras kucing dengan memanfaatkan model Deep Learning SqueezeNet sebagai proses ekstraksi fitur pada citra. Dari hasil penelitian ini akan membuktikan secara empiris perbedaan antara accuracy, precision dan recall dari setiap algoritma. Hasil yang diperoleh menunjukan bahwa, dalam hal klasifikasi yang terbaik yaitu algoritma Support Vector Machine (SVM) dengan nilai accuracy 88.4%, precision 88.5% dan recall 88.4% sedangkan yang terendah adalah algoritma Naive Bayes (NB) dengan nilai accuracy 79.5%, precision 79.9% dan recall 79.5%.