Perkembangan ilmu tanaman telah mengalami kemajuan yang pesat, khususnya ilmu mengenai tanaman herbal. Tanaman herbal memiliki banyak manfaat bagi kehidupan manusia yaitu sebagai penyedian oksigen, bahan makanan, obat-obatan, maupun bahan kosmetika. Untuk mengetahui jenis-jenis tanaman herbal dapat dilakukan dengan proses klasifikasi. Klasifikasi tanaman herbal dapat dilakukan dengan cara mengidentifikasi bentuk citra daun dari tanaman tersebut. Proses klasifikasi tanaman herbal memerlukan ekstraksi fitur dari bentuk dari tanaman tersebut. Pada penelitian ini, fitur invariant moment dan fitur geometri digunakan untuk ekstraksi fitur daun herbal. Fitur yang digunakan berjumlah 10 fitur. Ada beberapa macam metode klasifikasi yang biasa digunakan. Pada penelitian ini metode klasifikasi yang digunakan adalah metode Naïve Bayes Classifier dan K-Nearest Neighbor (KNN). Metode Naïve Bayes Classifier merupakan metode Bayesian Learning yang paling cepat dan sederhana. Sedangkan metode KNN dapat melakukan klasifikasi dengan cepat berdasarkan jarak terdekat diantara objek data.Berdasarkan hasil uji coba yang dilakukan, penggunaan metode Naïve Bayes Classifier didapatkan nilai akurasi sebesar 75%, sedangkan dengan menggunakan metode K-Nearest Neighbor didapatkan nilai akurasi sebesar 70,83%. Hal ini menunjukkan bahwa kinerja metode Naïve Bayes Classifier lebih baik dibandingkan metode KNN.
Klasifikasi Daun Herbal Menggunakan Metode Naïve Bayes Classifier Dan Knearest Neighbor
