IMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ) UNTUK MODEL IDENTIFIKASI MANGGA MATANG ALAMI

luthfi khalid, Jayanta Jayanta, Yuni Widiastiwi

Abstract


Buah mangga matang tergolong menjadi 2 bagian matang alami dan matang menggunakan kalsium karbida. Penggunaan senyawa kalsium karbida dapat mempercepat pematangan buah mangga. Penelitian ini bertujuan untuk mengklasifikasi buah mangga matang alami dengan buah mangga matang menggunakan kalsium karbida. Data yang digunakan pada penelitian ini merupakan data primer citra diambil menggunakan smartphone. Dalam penelitian ini untuk membedakan ciri buah mangga matang alami atau matang menggunakan kalsium karbida penulis menggunakan citra RGB. Algoritma Learning Vector Quantization (LVQ) digunakan untuk mengklasifikasi mangga matang alami atau matang menggunakan kalsium karbida. Ekstraksi ciri menggunakan nilai mean, varian, standar deviasi. Akurasi terbaik yang didapat pada proses pelatihan menggunakan data citra sebanyak 24 data dengan hidden size 25 learning rate 0.1 dan error goal 0.01 maka didapatkan akurasi sebesar 95,8333%. Pada proses pengujian menggunakan data citra sebanyak 16 buah maka didapatkan akurasi sebesar 87,5% dengan learning rate 0.1, hidden size 25 dan error goal 0.01.

Keywords


Kalsium Karbida, RGB, Learning Vector Quantization, Mangga, Learning Rate

References


Sanjaya, C. B. & Rosadi, M. I., 2018. Klasifikasi buah mangga berdasarkan tingkat kematangan menggunakan least-squares support vector machine. Oktober.Volume 10.

Puspitaningrum, W. & S., 2018. Identifikasi Mangga Harum Manis Karbitan dan Tidak Karbitan Dengan Learning Vector Quantization. JMAI (Jurnal Multimedia & Artificial Intelligence), 2(2), pp. 29-36.

Hermawati, F. A., 2013. Pengolahan Citra Digital. Surabaya: CV. ANDI OFFSET.

Kusumanto, R. & Tompunu, A. N., 2011. Pengolahan Citra Digital Untuk Mendeteksi Objek Menggunakan Pengolahan Warna Model Normalisasi RGB. Semantik.

Ambarwati, A., Passarella, R. & S., 2016. Segmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi. In: ANNUAL RESEARCH SEMINAR . s.l.:s.n.

Fimawahib, L., Lidya, L. & Nurcahyo, G. W., 2019. Penerapan Jaringan Syaraf Tiruan untuk Penentuan Salak Unggul dengan Menggunakan Metode Learning Vector Quantization. 5(2), pp. 130-136.

Suryana, C., 2007. Pengolahan Dan Analisis Data Penelitian. Departemen Pendidikan Nasional Direktorat Jenderal Peningkatan Mutu Pendidik dan Tenaga Kependidikan, p. 1.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Senamika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.