THE APPLICATION OF LEARNING VECTOR QUANTIZATION METHOD FOR IDENTIFYING THE RICE DISEASE BASED ON THE SHAPE OF LEAF SPOT
| Main Authors: | Murniyasih, Ery, suryani, luluk |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
LPPM Poltek ST Paul
, 2020
|
| Online Access: |
http://jurnal.poltekstpaul.ac.id/index.php/jelekn/article/view/190 http://jurnal.poltekstpaul.ac.id/index.php/jelekn/article/view/190/124 |
Daftar Isi:
- This research aims: (1). Make an application to identify types of diseases in rice plants based on the form of rice leaf spots; (2). Apply the Learning Vector Quantization (LVQ) method to the identification of rice plant diseases. In the learning and testing stages of LVQ the image is processed into Grayscale, Thresholding, and segmentation. At the training stage, the LVQ method is used to determine weights, target errors, max epochs, and training rates. The data used as input is an image of the identification of types of diseases of rice plants based on the shape of rice leaf spots with a pixel size of 95x35 and with the BITMAP extension (.bmp). The standard of success of this identification system is to calculate the value of the Termination Error Rate and the level of accuracy in the identification of leaf spot forms. From this simulation an artificial neural network structure was obtained with a learning rate value of 0.02 and an epoch number of 5 times. The system formed is able to recognize images containing leaf spot forms used as weights with an optimum accuracy value of 73.33% with a composition of brown spot disease (BC) 20%, Blast 20% and cercospora blotches 33.33%
- 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%.