PENGENALAN JENIS BUNGA DENGAN METODE LEARNING VECTOR QUANTIZATION DAN MANHATTAN DISTANCE

Audianingrum, Arike Septi and PAMUNGKAS, DANAR PUTRA and WULANNINGRUM, RESTY (2020) PENGENALAN JENIS BUNGA DENGAN METODE LEARNING VECTOR QUANTIZATION DAN MANHATTAN DISTANCE. Prosiding Semnasinotek 2020. ISSN 2549-7952

[img] Text (Full Text)
RAMA_55201_16103020023.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (935kB) | Request a copy
[img] Text (Similarity)
RAMA_55201_16103020023_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (406kB)
[img] Text (References)
RAMA_55201_16103020023_ 0708028704_ 0719068702_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (288kB)

Abstract

Untuk mengatasi keterbatasan kemampuan manusia dalam mengetahui jenis bunga mawar perlu adanya sebuah sistem. Sistem tersebut akan membantu menganalisa jenis bunga mawar yang dimasukan ke sistem berdasarkan pada bentuk bunga. Penelitian ini menggunakan Metode LVQ dan Manhattan Distance untuk menganalisa jenis bunga mawar dengan objek bentuk bunga mawar dimana citra bunga mawar yang diinput akan di proses untuk di konversi dari citra RGB ke citra Grayscale, kemudian akan dilakukan proses deteksi tepi, nilai tepi selanjutnya akan di proses dengan menggunakan metode LVQ. Proses terakhir adalah mencari jarak yang mendekati objek dengan menggunakan metode Manhattan Distance sebagai hasil identifikasi. Pengujian dilakukan sebanyak 4 kali dengan memperhatikan jumlah citra mawar yang terdapat pada data training dan data testing, dengan ketentuan citra mawar yang digunakan sebagai data testing berbeda dengan citra mawar yang digunakan sebagai data training. Dari ujicoba menghasilkan akurasi dengan mengunakan data training sebanyak 12 pada ujicoba pertama dengan data testing Tea Rose Pink yaitu 96% dengan jarak minimal 0.0101, ujicoba ke dua dengan data testing Rosa Santana mendapatkan akurasi 97% dengan jarak minimal 0.0095, ujicoba ke tiga dengan data testing amber queen mendapatkan akurasi 98% dengan jarak minimal 0.0213, dan ujicoba ke empat dengan data testing iceberg rose mendapatkan akurasi 96% dengan jarak minimal 0.0362.

Item Type: Article
Uncontrolled Keywords: Citra Digital, Learn Vector Quantization, Manhattan Distance
Subjects: 410 Engineering science > 462 Information technology
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Mrs Arike Septi Audianingrum
Date Deposited: 26 Aug 2020 21:36
Last Modified: 26 Aug 2020 21:36
URI: http://repository.unpkediri.ac.id/id/eprint/1226

Actions (login required)

View Item View Item