Pengenalan Jenis Bunga Dengan Metode Learning Vector Quantization Dan Manhattan Distance

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.