PENERAPAN METODE LEARNING VECTOR QUANTIZATION UNTUK IDENTIFIKASI PENYAKIT PADI BERDASARKAN BENTUK BERCAK DAUN image processing with
Bilah Samping Artikel
Diterbitkan
Jul 1, 2020
Isi Artikel Utama
Abstrak
Penelitian ini bertujuan : (1). Membuat suatu aplikasi untuk identifikasi jenis penyakit pada tanaman padi berdasarkan bentuk bercak daun padi.;(2). Menerapkan metode Learning Vector Quantization (LVQ) pada identifikasi penyakit tanaman padi. Pada tahapan learning dan testing pada LVQ citra diproses menjadi Grayscale, Thresholding, dan segmentasi. Di tahap pelatihan, metode LVQ digunakan untuk menentukan bobot, target error, max epoch, dan laju pelatihan (Learning rate). Data yang dijadikan sebagai input adalah citra identifikasi jenis penyakit tanaman padi berdasarkan bentuk bercak daun padi yaitu dengan ukuran piksel 95x35 dan berekstensi BITMAP (.bmp). Standar keberhasilan sistem identifikasi ini adalah menghitung nilai Termination Error Rate dan tingkat keakuratan dalam identifikasi bentuk bercak daun. Dari simulasi ini diperoleh struktur Jaringan Syaraf Tiruan dengan jumlah nilai learning rate 0,02 dan jumlah epoch sebesar 5 kali. Sistem yang terbentuk mampu mengenali citra yang berisi bentuk bercak daun yang digunakan sebagai bobot dengan nilai keakuratan optimum yaitu 73,33% dengan komposisi penyakit bercak coklat (BC) 20 %, Blast 20 % dan cercak cercospora 33,33%.
##plugins.generic.usageStats.downloads##
##plugins.generic.usageStats.noStats##
Rincian Artikel
##submission.howToCite##
Murniyasih, E., & suryani, luluk. (2020). PENERAPAN METODE LEARNING VECTOR QUANTIZATION UNTUK IDENTIFIKASI PENYAKIT PADI BERDASARKAN BENTUK BERCAK DAUN. Electro Luceat, 6(1), 28-35. https://doi.org/10.32531/jelekn.v6i1.190
Bagian
Artikel
##submission.license.cc.by-sa4.footer##
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Referensi
[1] Reflis, M. Nurung, and J. D. Pratiwi, “Motivasi Petani Dalam Mempertahankan Sistem Tradisional Pada Usahatani Padi Sawah Di Desa Parbaju Julu Kabupaten Tapanuli Utara Propinsi Sumatera Utara,” J. AGRISEP, vol. 10, no. 1, pp. 51–62, 2011, doi: 10.31186/jagrisep.10.1.51-62.
[2] R. Meliawati, O. Soesanto, and D. Kartini, “Penerapan Metode Learning Vector Quantization (LVQ) Pada Prediksi Jurusan Di SMA PGRI 1 Banjarbaru,” Kumpul. J. Ilmu Komput., vol. 04, no. 01, pp. 11–20, 2016.
[3] I. Singh, “Face Recognition through Multilayer Perceptron ( MLP ) and Learning Vector Quantization ( LVQ ),” vol. 1, no. 10, pp. 87–90, 2012.
[4] F. Muwardi and A. Fadlil, “Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan Pengklasifikasi Jarak,” J. Ilm. Tek. Elektro Komput. dan Inform., vol. 3, no. 2, p. 124, 2018, doi: 10.26555/jiteki.v3i2.7470.
[5] R. Santi, “Mengubah Citra Berwarna Menjadi Gray-Scale dan Citra Biner,” None, vol. 16, no. 1, p. 243035, 2011.
[6] I. Setiawan, W. Dewanta, H. A. Nugroho, and H. Supriyono, “Pengolah Citra Dengan Metode Thresholding Dengan Matlab R2014A,” J. Media Infotama, vol. 15, no. 2, pp. 65–70, 2019.
[7] U. Sudibyo, D. P. Kusumaningrum, E. H. Rachmawanto, and C. A. Sari, “Optimasi Algoritma Learning Vector Quantization (Lvq) Dalam Pengklasifikasian Citra Daging Sapi Dan Daging Babi Berbasis Glcm Dan Hsv,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 1–10, 2018, doi: 10.24176/simet.v9i1.1943.
[8] H. Pujara and K. MVV, “Image Segmentation using Learning Vector Quantization of Artificial Neural Network,” Int. J. Adv. Res. Artif. Intell., vol. 2, no. 7, pp. 51–55, 2013, doi: 10.14569/ijarai.2013.020708.
[2] R. Meliawati, O. Soesanto, and D. Kartini, “Penerapan Metode Learning Vector Quantization (LVQ) Pada Prediksi Jurusan Di SMA PGRI 1 Banjarbaru,” Kumpul. J. Ilmu Komput., vol. 04, no. 01, pp. 11–20, 2016.
[3] I. Singh, “Face Recognition through Multilayer Perceptron ( MLP ) and Learning Vector Quantization ( LVQ ),” vol. 1, no. 10, pp. 87–90, 2012.
[4] F. Muwardi and A. Fadlil, “Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan Pengklasifikasi Jarak,” J. Ilm. Tek. Elektro Komput. dan Inform., vol. 3, no. 2, p. 124, 2018, doi: 10.26555/jiteki.v3i2.7470.
[5] R. Santi, “Mengubah Citra Berwarna Menjadi Gray-Scale dan Citra Biner,” None, vol. 16, no. 1, p. 243035, 2011.
[6] I. Setiawan, W. Dewanta, H. A. Nugroho, and H. Supriyono, “Pengolah Citra Dengan Metode Thresholding Dengan Matlab R2014A,” J. Media Infotama, vol. 15, no. 2, pp. 65–70, 2019.
[7] U. Sudibyo, D. P. Kusumaningrum, E. H. Rachmawanto, and C. A. Sari, “Optimasi Algoritma Learning Vector Quantization (Lvq) Dalam Pengklasifikasian Citra Daging Sapi Dan Daging Babi Berbasis Glcm Dan Hsv,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 1–10, 2018, doi: 10.24176/simet.v9i1.1943.
[8] H. Pujara and K. MVV, “Image Segmentation using Learning Vector Quantization of Artificial Neural Network,” Int. J. Adv. Res. Artif. Intell., vol. 2, no. 7, pp. 51–55, 2013, doi: 10.14569/ijarai.2013.020708.