WINDA JUNIKA SARI (2018) PENERAPAN LEARNING VECTOR QUANTIZATION3 (LVQ3) UNTUK PENGENALAN CITRA DAUN TANAMAN OBAT DENGAN EKSTRAKSI CIRI BENTUK PRINCIPAL COMPONENT ANALYSIS (PCA). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018216TIF.pdf Download (109kB) | Preview |
|
|
Text
2. PENGESAHAN_2018216TIF.pdf Download (365kB) | Preview |
|
|
Text
3. ABSTRAK_2018216TIF.pdf Download (92kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018216TIF.pdf Download (157kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018216TIF.pdf Download (255kB) | Preview |
|
|
Text
6. BAB I_2018216TIF.pdf Download (292kB) | Preview |
|
|
Text
7. BAB II_2018216TIF.pdf Download (831kB) | Preview |
|
|
Text
8. BAB III_2018216TIF.pdf Download (326kB) | Preview |
|
|
Text
9. BAB IV_2018216TIF.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018216TIF.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
11. BAB VI_2018216TIF.pdf Download (173kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018216TIF.pdf Download (285kB) | Preview |
Abstract
Indonesia memiliki 25.000 spesies tumbuhan berbunga dan tidak kurang dari 2039 spesies diantaranya merupakan beranekaragam tanaman yang digunakan sebagai obat tradisonal. Diantara keanekaragaman yang ada terdapat beberapa tanaman yang memiliki kemiripan dan tidak pengetahuan manusia bahwa tanaman tersebut dapat dimanfaatkan sebagai obat. Bentuk tanaman memiliki kesamaan baik dari segi bentuk pohon, bentuk, dan habitatnya. Pada penelitian ini menggunakan bagian daun sebagai pengenalan pola tanaman daun obat dengan metode jaringan syaraf tiruan Learning Vector Quantization 3untuk proses klasifikasi. Metode yang digunakan untuk proses ekstraksi ciri adalah Principal Component Analysis.Citra yang diujikan terdiri dari 2 bentuk yaitu daun tampak depan dan belakang. Berdasarkan 2 bentuk citra dilakukan 4 macam pengujian, yaitu pengujian nilai N, Learning Rate, windowdan pembagian data. Berdasarkan hasil pengujian, didapatkan hasil akurasi tertinggi pada daun tampak depan dan belakang sebesar 89%. Untuk rata-rata nilai akurasi tertinggi terdapat pada daun tampak belakang yaitu 75.22% menggunakan nilai project image yang telah direduksi N = 90, w = 0.3 dan pembagian data 90%:10%. Kata kunci: Learning Vector Quantization, Pengenalan Pola Daun, Principal Component Analysis
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 29 Jul 2019 07:53 |
| Last Modified: | 29 Jul 2019 07:53 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/16927 |
Actions (login required)
 |
View Item |