S.Si., M.Kom

Abstract

Dengan berkembangnya teknologi secara signifikan, kecerdasan buatan (Artificial Intelligence/AI) kini mampu menghasilkan gambar hanya melalui input berupa teks atau prompt. Meski demikian, masih terdapat kendala dalam proses pengelompokan prompt ke dalam kategori tertentu, seperti food dan drink. Penelitian ini bertujuan untuk mengklasifikasikan AI generatif prompt gambar ke dalam dua kategori tersebut dengan menerapkan dua algoritma klasifikasi teks, yaitu Multinomial Naïve Bayes dan Bernoulli Naïve Bayes. Total 13.520 prompt berhasil dikumpulkan dan dianalisis melalui tahapan praproses data, yang mencakup pembersihan teks, penghapusan stopwords, proses stemming, serta representasi dengan metode Bag of Words. Dataset kemudian dipisahkan menjadi dua bagian, yaitu data latih sebesar 80% dan data uji sebesar 20%. Evaluasi performa dilakukan dengan menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Berdasarkan hasil evaluasi, algoritma Bernoulli Naïve Bayes menunjukkan performa terbaik dengan akurasi mencapai 94,67%, lebih unggul dibandingkan Multinomial Naïve Bayes yang memperoleh akurasi 91,30%. Temuan ini menunjukkan bahwa Bernoulli Naïve Bayes lebih cocok digunakan untuk klasifikasi teks pendek berbasis prompt, serta berpotensi meningkatkan relevansi hasil gambar yang dihasilkan oleh sistem AI generatif.