Melola Discovery

← Melola Discovery

Jurnal SINTA 2

OPTIMASI FUZZY LEARNING VECTOR QUANTIZATION UNTUK SISTEM PENGENALAN AROMA CAMPURAN

Jurnal Ilmu Komputer dan Informasi (JIKI) · Vol. 2 No. 1 (2009) · pp. 53–61

DOI
10.21609/jiki.v2i1.127
ISSN
2502-9274, 2088-7051
Published
2009-02-01
Publisher
Faculty of Computer Science - Universitas Indonesia
Language
eng

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.

Keywords

Collaboration network of the authors

26 authors · 48 co-authorship links · 10 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Indonesia
  • Universitas Teknokrat Indonesia
  • Universitas Pradita
  • Jenderal Soedirman University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Mgs M Luthfi RamadhanUniversity of Indonesia3
Adila Alfa KrisnadhiUniversity of Indonesia2
N. W. PambudiUniversity of Indonesia2
R. M. MardianAffiliation unknown1
M. Sakti AlvissalimAffiliation unknown1
A. FebrianUniversity of Indonesia1
R. Y. S. DhiemasAffiliation unknown1
Ito WasitoUniversitas Pradita1
Grafika JatiUniversity of Indonesia1
Siti Hadiyan PratiwiUniversity of Indonesia1
Putri ShaniyaUniversity of Indonesia1
Fityan AziziUniversity of Indonesia1
Lhuqita FazryUniversity of Indonesia1
Gregory TridityaUniversity of Indonesia1
Dedy Van HautenUniversity of Indonesia1
Muhammad Hannan HunafaUniversity of Indonesia1
Anas Bayu KusumaUniversity of Indonesia1
Yogiek Indra KurniawanJenderal Soedirman University1
Vektor DewantoUniversity of Indonesia1
Petrus MursantoUniversity of Indonesia1
Agus MulyantoUniversitas Teknokrat Indonesia1
Purwono PrasetyawanUniversitas Teknokrat Indonesia1
Rohmat Indra BormanUniversitas Teknokrat Indonesia1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jiki.cs.ui.ac.id/index.php/jiki/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">OPTIMASI FUZZY LEARNING VECTOR QUANTIZATION UNTUK SISTEM PENGENALAN AROMA CAMPURAN</dc:title>
	<dc:creator>Jatmiko, Wisnu</dc:creator>
	<dc:creator>., Rochmatullah</dc:creator>
	<dc:creator>Sanabila, H. R.</dc:creator>
	<dc:subject xml:lang="en-US">teori fuzzy</dc:subject>
	<dc:subject xml:lang="en-US">algoritma</dc:subject>
	<dc:subject xml:lang="en-US">LVQ</dc:subject>
	<dc:subject xml:lang="en-US">jaringan saraf tiruan</dc:subject>
	<dc:description xml:lang="en-US">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.</dc:description>
	<dc:publisher xml:lang="en-US">Faculty of Computer Science  - Universitas Indonesia</dc:publisher>
	<dc:date>2009-02-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/127</dc:identifier>
	<dc:identifier>10.21609/jiki.v2i1.127</dc:identifier>
	<dc:source xml:lang="en-US">Jurnal Ilmu Komputer dan Informasi; Vol. 2 No. 1 (2009): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information); 53-61</dc:source>
	<dc:source>2502-9274</dc:source>
	<dc:source>2088-7051</dc:source>
	<dc:source>10.21609/jiki.v2i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/127/245</dc:relation>
</oai_dc:dc>