Pure Naive Bayes Classification

CabaiSense Tadulako Pride

Sistem Rekomendasi Perawatan Tanaman Cabai

Berbasis Algoritma Naive Bayes

Profil Identitas

Lengkapi nama untuk keperluan laporan diagnosa

1

Kondisi Lingkungan

Input data parameter lingkungan pertanian cabai

2

Gejala Visual Tanaman

Observasi gejala klinis pada tanaman cabai

Logika Bayes

Menghitung probabilitas penyakit ($H$) berdasarkan bukti Gejala ($G$) dan Lingkungan ($L$):

P(H|G,L) =
P(G|H) × P(L|H) × P(H)
P(G,L)
P(H|G,L): Probabilitas akhir (Posterior)
P(G|H): Likelihood bukti Gejala
P(L|H): Likelihood bukti Lingkungan
P(H): Probabilitas penyakit (Prior)

Alur Diagnosa

1

Koleksi Bukti

Normalisasi input Gejala & Lingkungan

2

Hitung Likelihood

Mencari frekuensi $P(G|H)$ dan $P(L|H)$

3

Integrasi Prior

Kalikan nilai Likelihood dengan $P(H)$

4

Klasifikasi

Mencari nilai Max Posterior (ArgMax)

Petunjuk Penggunaan

  • Isi nama petani untuk keperluan laporan diagnosa.
  • Pastikan minimal 2 parameter lingkungan diisi sesuai kondisi lahan.
  • Pilih minimal 2 gejala yang paling dominan terlihat.