KLASIFIKASI PROMPT PADA AI GENERATE IMAGE DENGAN METODE GAUSSIAN NAIVE BAYES DAN DECISION TREE CLASSIFIER

Abstract

Perkembangan teknologi Kecerdasan Buatan (AI), khususnya dalam domain AI Generate Image, telah memungkinkan pengguna untuk menghasilkan visual dari teks dengan cepat dan efisien. Namun, tantangan dalam klasifikasi gambar yang akurat masih menjadi perhatian utama. Penelitian ini bertujuan untuk mengeksplorasi dan membandingkan dua metode klasifikasi, yaitu Gaussian Naïve Bayes dan Decision Tree Classifier, dalam mengelompokkan gambar ke dalam tiga kategori: Background/Texture, Landscape, dan Arts. Proses pengujian dilakukan untuk mengevaluasi akurasi serta efektivitas kedua metode dalam mengklasifikasikan data gambar yang tersedia. Hasil analisis menunjukkan bahwa Gaussian Naïve Bayes mencapai akurasi sebesar 61.74%, sementara Decision Tree Classifier menunjukkan performa yang lebih unggul dengan akurasi sebesar 99.16%. Meskipun kedua metode diuji berdasarkan standar akurasi minimum 90%, hanya Decision Tree Classifier yang berhasil melampaui batas tersebut, menunjukkan keunggulan dalam hal akurasi dan kinerja keseluruhan. Penelitian ini diharapkan dapat memberikan kontribusi yang berarti dalam meningkatkan kinerja sistem AI Generate Image, serta dalam pengelolaan dan penyajian gambar yang lebih terstruktur dan sesuai dengan kategori yang diinginkan.