A PHP Error was encountered
Severity: Warning
Message: fopen(/home/rama/public_html/application/cache/sessions/rama_session5o1muhrmh6qu3i0p6g84mgpoetbtc0bk): failed to open stream: No space left on device
Filename: drivers/Session_files_driver.php
Line Number: 174
Backtrace:
File: /home/rama/public_html/application/core/MY_Controller.php
Line: 8
Function: __construct
File: /home/rama/public_html/application/controllers/Document.php
Line: 6
Function: __construct
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
@thesis{thesis,
author={Sumarsono Ade},
title ={IDENTIFIKASI CITRA TOMAT YANG
MENGANDUNG PESTISIDA DENGAN LEARNING
VECTOR QUANTIZATION (LVQ)},
year={2020},
url={http://eprints.mercubuana-yogya.ac.id/8366/},
abstract={Tomat termasuk sayuran yang banyak dikomsumsi oleh rumah tangga, baik
dalam keadaan segar maupun sebagai bumbu. Tomat merupakan jenis sayuran yang
berpeluang mengandung residu pestisida melebihi batas maksimum residu (BMR)
karena buah disemprot pestisida secara langsung selama proses produksi. Residu
pestisida yang terdapat dalam produk pertanian menimbulkan efek yang bersifat
tidak langsung terhadap konsumen, namun dalam jangka panjang dapat
menyebabkan gangguan kesehatan diantaranya berupa gangguan pada syaraf dan
metabolisme enzim.
Dalam penelitian ini menggunakan dua sampel tomat, yaitu tomat yang
mengandung pestisida dan tomat yang tidak mengandung pestisida. Tujuan dalam
penelitian ini adalah menghasilkan algoritma untuk mengidentifikasi tomat
berpestisida dan tomat tanpa pestisida menggunakan Learning Vector Quantization
(LVQ). Ciri yang digunakan untuk mengidentifikasi citra tomat adalah rata-rata,
varian, standar deviasi.
Penelitian ini terdiri dari 2 kelas dan menggunakan 40 data citra pelatihan
dan 40 data citra uji untuk masing-masing kelas. Pada proses pelatihan
menggunakan parameter LVQ terdapat presentase terbaik sebesar 98.75% pada alfa
0.001 dan decalfa 0.9 dengan iterasi terendah 3. Bobot akhir yang diperoleh dari
parameter tersebut kemudian digunakan untuk melakukan pengenalan data uji.
Unjuk kerja terbaik dari data uji adalah dengan alfa 0.001 dengan decalfa 0.9 dan
mencapai 97.5%.}
}