EVALUASI PERFORMA ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM KLASIFIKASI CITRA WARNA PADA DAGING SAPI DAN BABI

  • Desi Purwanti Kusumaningrum
  • Usman Sudibyo
  • Eko Hari Rachmawanto
  • Christy Atika Sari

Abstract

Warna dan tekstur daging yang hampir sama dan harga daging babi yang lebih murah dibandingan dengan harga daging sapi membuat daging babi dipilih sebagai bahan daging campurannya. Namun daging sapi dan daging babi mempunyai perbedaan, yakni dari segi warna dan tekstur daging. Maka pada penelitian ini akan melakukan proses pendekatan dengan beberapa algoritma seperti algortima Grey Level Cooccurrance Matrix (GLCM) dan algoritma Learning Vector Quantization (LVQ). Penggunaan metode diatas diharapkan mampu mendeteksi kedua daging dan diharapkan mampu memaksimalkan tingkat akurasi ketika proses klasifikasi dengan algoritma Learning Vector Quantization. Dalam penelitian ini dihasilkan nilai akurasi dengan nilai tertingginya pada akurasi 75% dengan learning rate = 0,005 dan epoch = 100, sedangkan nilai akurasi terendah pada akurasi 63,75% dengan learning rate = 0,05 dan epoch = 100. Kesalahan yang paling banyak, terdapat pada citra daging babi yang tercropping secara manual, sedangkan untuk citra berbackground hanya mengalami sedikit kesalahan. Adapaun harapan dari penelitian ini adalah dapat dikembangkan sistem yang mampu meminimalisir kesalahan dalam menentukan perbedaan anatara kedua daging (baik yang mempunyai background ataupun tidak) dan diharapkan mampu memaksimalkan tingkat akurasi yang didapat.
Published
2018-08-20
How to Cite
Kusumaningrum, D., Sudibyo, U., Rachmawanto, E., & Sari, C. (2018). EVALUASI PERFORMA ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM KLASIFIKASI CITRA WARNA PADA DAGING SAPI DAN BABI. Proceeding SENDI_U. Retrieved from https://unisbank.ac.id/ojs/index.php/sendi_u/article/view/5961