OPTIMASI FUZZY LEARNING VECTOR QUANTIZATION UNTUK SISTEM PENGENALAN AROMA CAMPURAN
Abstract: Kehandalan dari
sebuah sistem pengenalan aroma tidak hanya tergantung pada kemampuan perangkat
sensor melainkan juga tergantung pada sistem pengenalan pola yang menggunakan
jaringan syaraf tiruan. Struktur jaringan syaraf yang sederhana memiliki
performa yang buruk untuk memisahkan berbagai campuran aroma. Kombinasi antara
teori fuzzy dan jaringan syaraf tiruan digunakan karena teori fuzzy dapat
menangani masalah data yang samar-samar sedangkan jaringan syaraf tiruan
mempunyai kemampuan untuk pembelajaran yang bagus. Algoritma LVQ digunakan
sebagai proses pembelajaran dalam sistem karena algoritma ini mempunyai
kecepatan pembelajaran dan keakuratan yang cukup tinggi. Namun penggunaan LVQ
dengan teori fuzzy masih menemui kendala utama yaitu pemilihan inisialisasi
vektor referensi. Dalam paper ini kami mengusulkan metode baru dalam tahap
inisialisasi vektor referensi, yaitu memilih vektor referensi awal yang terbaik
dengan menggunakan fungsi fitness. Selanjutnya kami juga telah mengembangkan
aplikasi berbasis GUI untuk menampilkan hasil dari klasifikasi aroma. Hasil
eksperimen menunjukkan bahwa penggunaan fungsi fitness dalam pemilihan vektor
referensi mampu meningkatkan tingkat pengenalan aroma dalam sistem.
Penulis: Wisnu Jatmiko,
Rochmatullah ., H. R. Sanabila
Kode Jurnal: jptkomputerdd090008
