IMPLEMENTASI METODE LVQ DAN LVQ2 UNTUK MENDETEKSI PENYAKIT TANAMAN KEDELAI DENGAN SELEKSI FITUR MENGGUNAKAN STEPWISE REGRESSION ALGORITHM

Abstract

Kebutuhan kedelai Indonesia meningkat dari tahun ke tahun. Namun menurut data dari Badan Pusat Statistik (BPS) jumlah produktivitas kedelai nasional masih rendah, sehingga untuk memenuhi kebutuhan kedelai dilakukan dengan cara impor kedelai dari beberapa negara seperti China, Ukraina, Kanada, Malaysia, dan Amerika Serikat. Produktivitas kedelai yang rendah disebabkan oleh beberapa faktor. Salah satu faktor penyebabnya adalah serangan penyakit. Penelitian ini bertujuan untuk membuat sebuah deteksi penyakit tanaman kedelai dengan menerapkan algoritma jaringan syaraf tiruan (JST) Learning Vector Quantization 2 (LVQ2) dan seleksi atribut Stepwise Regression Algorithm. Variabel atribut yang digunakan terdiri atas 35 gejala penyakit pada data tanaman kedelai. Data yang digunakan pada penelitian ini merupakan dataset tanaman kedelai yang diambil dari University of California Irvine Machine Learning Repository sebanyak 200 data. Pembagian data pelatihan dan data pengujian dilakukan dengan metode k-fold cross validation dengan nilai k = 10. Hasil penelitian menunjukkan bahwa parameter terbaik pada LVQ2 adalah learning rate (α) 0.3; epsilon 0.04; dan maksimum epoch 100. Sedangkan seleksi atribut terbaik menggunakan parameter p to enter dan p to remove sebesar 0.15 yang menghasilkan 17 atribut terpilih yaitu bulan, tanaman berdiri, pengairan, daun, lingkaran bercak daun, tepi bercak daun, ukuran bercak daun, jamur daun, batang karat, jamur batang, busuk luar, kulit buah, bercak buah, biji, pertumbuhan jamur, perubahan warna biji, dan akar. Hasil terbaik pada penelitian ini menghasilkan akurasi 90.5%, error rate 9.5%, sensitivitas 90.5%, dan spesifisitas 98.94%. Kata Kunci :Deteksi Penyakit Tanaman Kedelai, Learning Vector Quantization, LVQ2, Stepwise Regression Algorithm