KLASIFIKASI KUALITAS DAUN NILAM (POGOSTEMON CABLIN BENTH) MENGGUNAKAN CITRA DIGITAL DAN ALGORITMA LEARNING VECTOR QUANTIZATION

Repositori Jurnal Mahasiswa PTIIK UB
© 2015 by Doro Jurnal
Volume 6 - Number 8
Year of Publication: 2015
Gregoria Willa Krisnanti, Candra Dewi dan Imam Cholissodin
Download Article

 


Abstract

Daun nilam merupakan bagian tanaman nilam yang sangat bermanfaat bagi kehidupan karena minyak yang dapat dihasilkannya. Pengetahuan akan kualitas daun nilam sangatlah penting bagi petani nilam karena dari kualitas daun nilam  inilah petani bisa mengetahui kualitas minyak yang dapat dihasilkan. Untuk mempermudah proses identifikasi kualitas daun nilam, maka diperlukan suatu sistem yang otomatis dapat melakukan klasifikasi kualitas daun nilam. Sistem yang dibangun menggunakan teknologi Jaringan Syaraf Tiruan (JST) Learning Vector Quantization (LVQ) dengan ekstraksi fitur warna dan luas daun. Fitur warna yang digunakan yaitu rata-rata dari setiap warna merah, hijau, dan biru. Sistem bekerja dengan melakukan beberapa tahapan meliputi input citra daun nilam, ekstraksi fitur warna, binerisasi, ekstrasksi fitur luas, pelatihan dengan algoritma LVQ,  pengujian dengan algoritma LVQ yang akan menghasilkan keluaran berupa kelas “kualitas baik” atau “kualitas kurang baik”. Hasil rata-rata akurasi terbaik yang didapatkan melalui pengujian sistem adalah 98% dari 10 data uji dengan menggunakan data latih sebanyak 90, laju pembelajaran=0.1, pengurang laju pembelajaran=0.3, laju pembelajaran minimum=10-3, dan jumlah iterasi=4.

Keywords

Kualitas Daun Nilam, Citra Digital, Learning Vector Quantization.