<![CDATA[Penyakit tanaman cabai dapat menyebabkan kerugian yang signifikan bagi petani. Oleh karena itu, identifikasi penyakit dengan cepat dan akurat menjadi hal yang penting untuk mengendalikan penyebaran penyakit dan mengambil tindakan pencegahan yang tepat. Penelitian ini bertujuan untuk mengidentifikasi penyakit tanaman cabai menggunakan metode LVQ (Learning Vector Quantization). Dalam penelitian ini, kami menggunakan dataset yang terdiri dari 121 baris data. Data ini mencakup empat kelas penyakit yang umum terjadi pada tanaman cabai, dengan masing-masing kelas memiliki 18 gejala yang berbeda. Untuk melatih dan menguji model, kami menggunakan rasio data latih dan data uji sebesar 80%:20%. Hal ini dilakukan untuk memastikan bahwa model memiliki kinerja yang baik dalam mengklasifikasikan penyakit pada tanaman cabai yang belum pernah dilihat sebelumnya. Dalam pengujian, kami menentukan beberapa parameter untuk mencapai hasil yang optimal. Nilai alfa yang digunakan adalah 0.1 dengan minimum alfa 0,01. Kami memilih satu iterasi dalam proses pelatihan model. Learning rate yang kami gunakan adalah 0,2. Dengan konfigurasi ini, kami mencapai tingkat akurasi sebesar 100%. Hasil ini menunjukkan bahwa metode LVQ dapat menjadi alat yang efektif dalam mengidentifikasi penyakit pada tanaman cabai. Dengan menggunakan 18 gejala yang berbeda, model ini mampu membedakan dengan baik antara kelas penyakit yang berbeda. Tingkat akurasi yang tinggi ini memungkinkan petani untuk dengan cepat mengidentifikasi penyakit pada tanaman mereka dan mengambil langkah-langkah pengendalian yang diperlukan.]]>
Copyrights © 2023
