%0 Thesis
%9 Skripsi
%A Bahtiar, Kiki Pajar
%A Harsani, Prihastuti
%A Delly, Fajar
%A Universitas Pakuan,
%A Fakultas MIPA,
%A Ilmu Komputer,
%B Ilmu Komputer
%D 2019
%F eprintsunpak:2301
%I Universitas Pakuan
%T IMPLEMENTASI MODEL LEARNING VECTOR QUANTIZATION (LVQ)  UNTUK MENENTUKAN KELAYAKAN PADA SELEKSI PEMILIHAN  CALON FINALIS MOJANG DAN JAJAKA KOTA BOGOR  (Studi Kasus: Dinas Kebudayaan dan Pariwisata Kota Bogor)
%U http://eprints.unpak.ac.id/2301/
%X ABSTRAK  Pemilihan Mojang dan Jajaka Kota Bogor merupakan salah satu agenda yang diadakan oleh  Dinas Pemerintah Kota Bogor khususnya Dinas Kebudayaan dan Pariwisata Kota Bogor yang  bertujuan untuk meningkatkan apresiasi generasi muda terhadap pelestarian budaya dan berperan aktif  dalam mempromosikan pariwisata khususnya yang berada di wilayah Kota Bogor. Untuk menjadi  Calon Moka ada beberapa persyaratan dan kriteria yang harus dipenuhi untuk menjadi calon Moka  seperti berpenampilan menarik, Pengetahuan umum, memiliki prestasi akademik yang baik, Dapat  berbicara bahasa sunda dan bahasa inggris, public speaking yang baik, kepariwisataan dan juga sopan  santun. Penyelenggaraan seleksi calon finalis Moka ini masih memiliki beberapa kelemahan dalam  sistem penilaian yang melakukan proses perekapan nilai yang menggunakan Microsoft Excel. Selain itu,  dalam proses penentuan layak dan tidak layak belum memiliki aturan atau rule yang baku sehingga  dalam menentukan kelayakan sangat sulit jika dilihat dari data historis yang terdapat pada data  penilaian yang tersedia. Salah satu Algoritma yang dapat menentukan kelayakan pada jaringan syaraf  tiruan adalah LVQ (Learning Vector Quantization). Metode LVQ merupakan suatu metode klasifikasi  pola dimana dalam proses pelatihan dan pembelajaran membutuhkan waktu pelatihan relatif lebih cepat  dibandingkan dengan metode lainnya. Pola dari unit output LVQ akan mewakili kategori atau  kelompok tertentu, pemprosesan yang terjadi pada setiap neuron adalah mencari jarak terdekat antara  satu vektor masukan kebobot yang bersangkutan. Penerapan metode LVQ digunakan di dalam mencari  bobot yang sesuai untuk mengelompokkan vektor-vektor input ke dalam kelas-kelas yang telah  diinisialisasikan pada saat pembentukan jaringan LVQ. Data yang digunakan adalah 150 untuk data  latih dan 50 data uji, adapaun hasil yang diperoleh dari penelitian memperoleh akurasi tertinggi sebesar  98% arsitektur dan parameter yang digunakan adalah learning rate (α) =0.05, nilai minimal learning rate  (Mina) = 0.03, nilai pengurangan α adalah 0,05, nilai Mse (ε) = 0.1,Max Epoch=5000 dan maksimal  epoch berada pada epoch ke 77= 0.0010138.  Kata Kunci: Mojang Jajaka, Implementasi, LVQ/Learning Vector Quantization