@thesis{thesis,
		author={JAUHARIN  GISKA HIDAYANTI},
		title ={PENGOLAHAN CITRA PENGENALAN TANAMAN OBAT BERDASARKAN BENTUK DAUN MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION},
		year={2015},
		url={http://eprints.umg.ac.id/4440/},
		abstract={Tanaman obat yang sering disebut dengan Tanaman Obat Keluarga (TOGA) adalah tanaman yang berkhasiat sebagai obat oleh orang indoensia dan salah satu bagian tanaman yang sering di gunakan sebagai obat adalah daun. penelitian ini akan membangun sistem pengolahan citra yang mampu mengidentifikasi jenis daun tanaman obat berbasis bentuk, jenis daun yang di deteksi yaitu daun singkong, daun randu, daun sirih dan daun melati. Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah di implementasi oleh manusia dan mesin. Tahapan awal dalam pengolahan penelitian ini adalah konversi warna RGB ke YcbCr dan dilanjutkan perbaikan citra dengan proses tresholding, bwareaopen dan filling, ekstraksi ciri bentuk dilakukan dengan menggunakan proses descriptor bentuk (area, perimeter, indeks kebulatan dan compacnest). Setelah sudah dilakukan ekstraksi ciri bentuk kemudian akan dilakuakan perhitungan klasifikasi daun tanaman obat dengan menggunakan salah satu metode dalam jaringan syaraf tiruan yaitu metode learning vector quantization. Learning vector quantization adalah lapisan ? lapisan kompetitif yang terawasi dan secara otomatif untuk melakukan klasifikasi beberapa vector input, vector input yang memiliki jarak yang berdekatan akan dimasukkan ke kelas yang sama. Learning rate yang di gunakan dalam skripsi ini adalah 0.05, nilai tersebut di dapat setelah melakukan pengujian selama 4x dengan rentang nilai yang berbeda. tingkat keberhasilannya 84% dari jumlah keseluruhan 220 citra daun tanaman obat.}
		}