Identifikasi Mangga Harum Manis Karbitan dan Tidak Karbitan Dengan Learning Vector Quantization

Authors

  • Wahyu Puspitaningrum Universitas Mercu Buana Yogyakarta
  • Supatman Supatman Universitas Mercu Buana Yogyakarta

DOI:

https://doi.org/10.26486/jmai.v2i2.88

Keywords:

Histogram, Mangga Harum Manis, Neural Network, Learning Vector Quantization

Abstract

Buah mangga memiliki banyak jenis salah satunya adalah  mangga  harum manis. Kematangan buah mangga arum manis ada yang alamiah atau melalui proses pengkarbitan. Karbit adalah kepanjangan dari kalsium karbida. Karbit biasanya digunakan dalam proses las karbit dan juga dapat mempercepat pematangan buah.Pengambilansample dilakukan pada dua jenis kematangan mangga harum manis yaitu mangga harum manis karbitan dan tidak karbitan. Pengembangan algoritma yang dilakukan bertujuan untuk mengidentifikasi mangga harum manis yang dapat membedakan kematangan mangga karbitan dan tidak karbitan menggunakan Learning Vector Quantization (LVQ).Ciri yang digunakan untuk mengidentifikasi citra mangga adalah rata-rata, varian dan standar deviasi.Jumlah data pelatihan yang digunakan terdiri dari 2 kelas(kelas 1: mangga karbitan, kelas 2: mangga tidak karbitan), dan masing-masing kelas berjumlah 30 data pelatihandengan total data berjumlah 60 data pelatihan. Sedangkan untuk data uji masing-masing kelas menggunakan 25 data uji dengan total berjumlah 50 data uji.Pada proses pelatihan menggunakan parameter LVQ alfa 0.001 dengan dec alfa 0.9, diperoleh unjuk kerja terbaik sebesar 98.33%. Bobot akhir yang diperoleh dari unjukkerja terbaik pada pelatihan digunakan untuk melakukan pengenalan. Unjuk kerja terbaik dari 50 data uji mencapai 98%dengan perincian 96 % mangga karbitan dan 100 % mangga tidak karbitan.

Downloads

Download data is not yet available.

References

Chandra, E., N. (2018). Identifikasi Gula Jawa Asli Dengan Gula Jawa Campuran Menggunakan Metode Learning Vector Quantization. Prosiding Seminar Nasional Multimedia & Artificial Intelligence, ISBN: 978-602-52470-4-0. Hal 126.
Danoedoro, P.(1996). Pengolahan Citra digital Teori dan Aplikasinya dalam Bidang Penginderaan Jauh, Fakultas Geografi Universitas Gadjah Mada.
Fadlil, A., & Yeki, S. (2010). Sistem Verifikasi Wajah Menggunakan Jaringan Saraf Tir-uan Learning Vektor Quantization. Jurnal Informatika, Vol 4, No. 2, Hal 480-487.
Fadlisyah. (2007). Computer Vision dan Pengolahan Citra. Andi Publisher.
Jakarta.
Heranurweni, S.(2010). Pengenalan Wajah Menggunakan Learning Vector Quantization (LVQ). Prosiding Seminar Nasional Sains dan Teknologi. Hal 66-74
Munir, R.(2004). Pengolahan Citra Digital, Bandung Informatika.
Murni & Aniati.(1992). Pengantar Pengolahan Citra. Elex Media Komputindo.
Putra, Darma.(2010). Pengolahan Citra digital. Penerbit Andi. Yogyakarta.
Romadhon ,A. S., & Widyaningrum,T. V.(2015). Klasifikasi Mutu Jeruk Nipis dengan Metode Learning Vektor Quantization (LVQ). Jurnal Ilmiah Rekayasa, Vol 8, No. 2, ISSN: 0216-9495, Hal 121-128.
Sutoyo, T. (2019). Teori Pengolahan Citra Digital. Penerbit ANDI.
Utomo, P.(2016). Sistem Klasifikasi Jenis Beras Menggunakan Metode Learning Vector Quantization. Jurnal Ilmiah Ilmu-ilmu Teknik, Vol 1 No. 2, ISSN: 2502-7042, Hal 61-67.
Qur’ani, D., Y., & Rosmalinda, S.(2010). Jaringan syaraf tiruan learning vector
quantization untuk aplikasi pengenalan tanda tangan. Jurnal Seminar
Nasional Aplikasi Teknologi Informasi : G-6.
Yuliana, U., Whidhiasih, N. R., & Maimunah. (2016). Identifikasi Rasa Buah Mangga Gedong Gincu Cirebon Berdasarkan Citra Red-Green-Blue Menggunakan Jaringan Syaraf Tiruan. Jurnal Penelitian Ilmu Komputer, System Embedded & Logic. Hal 61-68.

Downloads

Published

2018-08-27