SYERLI RAHMATUL HUSNA, 11351203786 (2019) PENERAPAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK KLASIFIKASI DAUN MANGGA MENGGUNAKAN MODIFIED DIRECTION FEATURE (MDF). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

	Text SKRIPSI SYERLI OKFIX.pdf Download (5MB)
	Text (BAB V) BAB 5.pdf - Published Version Restricted to Repository staff only Download (4MB)

Abstract

Tanaman mangga merupakan tanaman yang populer di Indonesia. Namun ada beberapa kesalahan yang terlalu sering terjadi ketika kita ingin mengetahui jenis mangga tersebut saat berbuah. Untuk menunggu tanaman mangga berbuah mulai dari pembibitan sampai berbuah membutuhkan waktu yang lama, yaitu sekitar 4 sampai 6 tahun. Karena waktu untuk mengetahui jenis tanaman mangga tersebut membutuhkan waktu yang sangat lama, maka dibangun sebuah perangkat lunak untuk mengidentifikasi mangga berdasarkan citra daun mangga tersebut. Pada penelitian ini, dibangun sebuah perangkat lunak atau software pengenalan citra daun mangga dengan konsep pengenalan pola citra, resizing, grayscale, binary, thinning, ekstraksi ciri modified direction feature (MDF) dan learning vector quantization (LVQ) sebagai algortima klasifikasinya. Untuk mengukur tingkat keakuratan aplikasi yang sudah dibangun, pengujian dilakukan dengan menggunakan learning rate 0.1, 0.3, 0.5, 0.7, 0.9, 0.01, 0.03, 0.05, 0.07, 0.09, 0.001, 0.003, 0.005, 0.007, dan 0.009. Serta pengujian dilakukan dengan berdasarkan data acak dan merata. Dari berbagai variasi pengujian learning rate dan minimum learning rate serta pembagian data yang dilakukan ternyata dapat mempengaruhi tingkat akurasi klasifikasi citra daun mangga tersebut. Dengan demikian, aplikasi citra daun mangga yang telah dibangun mampu mengenali citra daun mangga dengan persentasi akurasi tertinggi yaitu sebesar 92%, dengan learning rate 0.1. Kata Kunci: Daun Mangga, Ekstraksi Ciri, Learning Vector Quantization (LVQ), Modified Direction Feature (MDF), Thinning.

Actions (login required)

View Item