Perbandingan Jaringan Learning Vector Quantization dan Backpropagation pada Klasifikasi Daun Berbasiskan Fitur Gabungan
| Main Authors: | Adinugroho, Sigit, Sari, Yuita Arum |
|---|---|
| Format: | Article info application/pdf |
| Bahasa: | eng |
| Terbitan: |
Teknik Informatika Politeknik Kediri
, 2018
|
| Online Access: |
http://ojs.poltek-kediri.ac.id/index.php/JIM/article/view/214 http://ojs.poltek-kediri.ac.id/index.php/JIM/article/view/214/175 |
Daftar Isi:
- Abstract— Accurate automated plant identification is required to solve various agricultural problems. In this research, a comparison between Backpropagation neural network and Learning Vector Quantization is conducted to classify plants based on leaves’ characteristics. First, 31 features which represent shape, color, and texture are extracted from leaves images. Then, Backpropagation network and LVQ are utilized to classify the data. Evaluation on Backpropagation network yields 0.952 of accuracy while the maximum accuracy of LVQ reaches 0,420. Intisari—Identifikasi tanaman otomatis yang akurat diperlukan untuk menyelesaikan berbagai permasalahan di bidang pertanian. Pada penelitian ini, dilakukan perbandingan kinerja jaringan syaraf tiruan Backpropagation dan Learning Vector Quantization untuk mengelompokkan tanaman berdasarkan karakteristik daun. Langkah pertama, dilakukan ekstraksi 31 fitur dari daun yang merepresentasikan bentuk, warna, dan tekstur. Selanjutnya, jaringan Backpropagation dan LVQ digunakan untuk klasifikasi data daun. Proses evaluasi pada Backpropagation menghasilkan akurasi maksimal sebesar 0,952 sedangkan akurasi maksimal pada jaringan LVQ adalah 0,420.