@thesis{thesis,
		author={Nerfita  Nikentari and Nurfalinda  Nurfalinda and Umi  Kalsum},
		title ={SISTEM PAKAR DIAGNOSIS PENYAKIT PADA IKAN KAKAP PUTIH(LATES CALCARIFER) DENGAN MENGGUNAKAN METODELEARNING VECTOR QUANTIZATION (LVQ) DAN K-NEAREST NEIGHBOR (Studi Kasus :Balai Benih Ikan Pengujan)},
		year={2019},
		url={http://repositori.umrah.ac.id/1264/},
		abstract={Penelitian ini mengdiagnosis penyakit ikan kakap putih (Lates Calcarifer)
dengan menggunakan 2 algoritma yaitu algoritma Learning Vector Quantization
dan K-Nearest Neighbor. Data penyakit ikan menggunakan 24 gejala penyakit dan
yang menjadi target 7 penyakit yaitu Trichodinasis, Diplectanum, Cryptocaryon
Irritans, Vibriosis, Streptococcus, Flexibacter, Viral Nervous Necrosis (VNN).
Banyaknya data yang digunakan untuk penelitian ini yaitu 72 data di mana 70%
data latih berjumlah 50 data digunakan untuk pelatihan dan 30% data uji
berjumlah 22 digunakan untuk pengujian. Tingkat akurasi dari hasil pengujian ini
adalah menghasilkan tingkat akurasi 86 % dengan menggunakan metode
Learning Vector Quantization (LVQ) sedangkan dengan metode K-Nearest
Neighbor 82 %, jadi metode Learning Vector Quantization (LVQ) lebih akurat
dibandingkan dengan metode K-Nearest Neighbor didalam studi kasus diagnosis
penyakit ikan kakap putih.}
		}