KLASIFIKASI DAUN MENGGUNAKAN METODE GREY LEVEL CO - OCCURANCE MATRIX (GLCM) DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ)

• Main Author: Ahmad Zaky Arrozi, - (Author)
• Format: Book
• Published: 2019-07-26.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upnvj.ac.id/560/2/AWAL.pdf; http://repository.upnvj.ac.id/560/1/ABSTRAK.pdf; http://repository.upnvj.ac.id/560/3/BAB%201.pdf; http://repository.upnvj.ac.id/560/4/BAB%202.pdf; http://repository.upnvj.ac.id/560/5/BAB%203.pdf; http://repository.upnvj.ac.id/560/6/BAB%204.pdf; http://repository.upnvj.ac.id/560/7/BAB%205.pdf; http://repository.upnvj.ac.id/560/8/DAFTAR%20PUSTAKA.pdf; http://repository.upnvj.ac.id/560/9/RIWAYAT%20HIDUP.pdf; http://repository.upnvj.ac.id/560/10/LAMPIRAN.pdf
• Keywords: QA76 Computer software

Indonesia merupakan negara yang memiliki beragam jenis tumbuhan khususnya daun yang dijadikan pengobatan terhadap berbagai macam penyakit seperti hipertensi. Berdasarkan beberapa penelitian, daun yang dapat digunakan untuk membantu pengobatan hipertensi yaitu daun alpukat dan daun binahong. Adapun sebagai daun pembanding yang bukan hipertensi yaitu daun air mata penganten dan daun melati belanda. Oleh karena itu, penelitian ini dilakukan untuk membuat sistem yang berfungsi sebagai klasifikasi daun untuk membantu pengobatan hipertensi dengan menggunakan metode Grey Level Co-Occuration Matrix (GLCM) untuk analisa tekstur citra daun dan algoritma Learning Vector Quantization (LVQ) untuk klasfikasi citra daun yaitu 80 citra dengan citra latih sebanyak 64 citra yang terdiri dari 16 citra daun alpukat, 16 citra daun binahong, 16 citra daun air mata penganten dan 16 citra daun melati belanda. Adapun citra uji sebanyak 16 citra yang terdiri dari 4 citra daun alpukat, 4 citra daun binahong, 4 citra daun air mata penganten dan 4 citra daun melati belanda. Daun alpukat dan daun binahong untuk membantu pengobatan hipertensi. disamping itu, daun air mata penganten dan daun melati belanda yang bukan merupakan daun untuk membantu pengobatan hipertensi, pengujian fase pertama dilakukan dengan menggunakan epoch sebesar 100 dan learning rate sebesar 0,1 dengan nilai tingkat akurasi 81,25 %. Pengujian fase kedua dilakukan dilakukan dengan menggunakan epoch sebesar 100 dan learning rate sebesar 0,15 dengan nilai tingkat akurasi 25 %. Pengujian fase ketiga dilakukan dengan menggunakan epoch sebesar 100 dan learning rate sebesar 0,2 dengan nilai tingkat akurasi 25 %.