Implementasi Learning Vector Quantization (LVQ) Dalam Mengenal Pertumbuhan Jamur

Jamur tiram atau dalam bahasa latin disebut Pleurotus sp. Merupakan salah satu jamur konsumsi yang bernilai tingi. Beberapa jenis jamur tiram yang biasa dibudidayakan oleh masyarakat Indonesia yaitu jamur tiram putih (P.ostreatus), jamur tiram merah muda P.flabellatus), jamur tiram abu-abu (P. sajor caju), dan jamur tiram abalone (P.cystidiosus). Kecerdasan buatan (Artificial Intelligence) adalah bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan manusia. Salah satu kelebihan JST adalah kemampuan belajar dari contoh-contoh yang diberikan. Contoh tersebut disebut sebagai pola untuk data pelatihan direpresentasikan sebagai vektor-vektor dan dapat berbentuk citra , suara dan sebagainya.. Berdasarkan kelebihan JST tersebut maka penulis mendapatkan ide bagaimana cara implementasi Learning Vektor Quantization untuk mengenal pertumbuhan jamur. Untuk menyelesaikan masalah pendeteksi jamur dalam JST, akan digunakan Jaringan Syaraf Tiruan Learning Vector Quantization. Berdasarkan hasil pengujian dapat disimpulkan bahwa implementasi algoritma Learning Vector Quantization (LVQ) menghasilkan nilai Rata-rata keberhasilan sudah mencapai diatas 80% dan kegagalan terjadi dikarenakan ukuran jamur dan tingkat kecerahan cahaya pada saat pengujian yang tidak selalu konstan yang sangat mempegaruhi tingkat ketajaman saat mengambil gambar dari kamera yang digunakan.

Oyster mushrooms or in Latin is called Pleurotus sp is one of high-value mushroom consumption. Several types of oyster mushrooms commonly cultivated by the people of Indonesia, oyster mushroom (P.ostreatus), pink oyster mushrooms P.flabellatus), gray oyster mushroom (P. sajor caju), oyster and abalone mushrooms (P.cystidiosus). Artificial intelligence (AI) is a part of computer science that studies how to make a machine (computer) can do the job and as good as that done by humans can even do better than humans. One of the advantages of JST is the ability to learn from the examples given. The example referred to as the pattern for the training data represented as vectors and can be shaped image, voice and so on . Based on the advantages of the JST can be used to detect problems such as mold by characteristics - physical characteristics. To solve the problem of detection of fungi in JST, will be used Neural Network Learning Vector Quantization. Based on the test results it can be concluded that the implementation of the algorithm Learning Vector Quantization (LVQ) yield average values of success has reached over 80% and a failure occurs due to the size of the mold and the brightness of the light at the time of testing were not always very mempegaruhi constant level of sharpness when taking pictures of the camera used.