Proses pencarian umumnya akan dilakukan dengan cara menyebarkan informasi dari orang ke orang, menyebarkan kertas informasi di tempat umum, melaporkan kepada pihak berwajib dan juga melalui media informasi seperti koran, radio, televisi dan sosial media. Proses pencarian melalui media informasi tentu sangat efektif, karena semakin banyak orang yang tahu maka akan semakin besar kemungkinan untuk ditemukan. Tapi cara tersebut masih memiliki kelemahan karena barang yang belum ditemukan hingga memamakan waktu berbulan-bulan bahkan bertahun-tahun, informasi kehilangan tersebut akan tertutup dengan berita baru yang berkembang di masyarakat sehingga informasi kehilangan yang telah dibuat akan mulai dilupakan oleh banyak orang. Dilatarbelakangi hal tersebut, mendorong peneliti mengembangkan Aplikasi “Lost & Found”. Aplikasi bisa diakses melalui handphone android secara online. Tujuan mengembangkan aplikasi “Lost & Found” adalah untuk menyiapkan wadah bagi individu dalam menyebarkan informasi kehilangan atau temuan. Aplikasi diimplementasikan menggunakan Metode Cosine Similarity yang berguna mencari seberapa besar tingkat kemiripan antara dokumen, semakin besar nilai cosinus maka semakin mirip dokumen yang dibandingkan. Nilai cosinus 1 menyatakan kemiripan 100%, sedangkan nol menyatakan ketidakmiripan 100% [1]. Aplikasi juga akan menerapkan metode TF-IDF dimana metode ini berfungsi memberi bobot hubungan suatu kata terhadap dokumen.

Penelitian ini bertujuan : (1). Membuat suatu aplikasi untuk identifikasi jenis penyakit pada tanaman padi berdasarkan bentuk bercak daun padi.;(2). Menerapkan metode Learning Vector Quantization (LVQ) pada identifikasi penyakit tanaman padi. Pada tahapan learning dan testing pada LVQ citra diproses menjadi Grayscale, Thresholding, dan segmentasi. Di tahap pelatihan, metode LVQ digunakan untuk menentukan bobot, target error, max epoch, dan laju pelatihan (Learning rate). Data yang dijadikan sebagai input adalah citra identifikasi jenis penyakit tanaman padi berdasarkan bentuk bercak daun padi  yaitu dengan ukuran piksel 95x35 dan berekstensi BITMAP (.bmp). Standar keberhasilan sistem identifikasi ini adalah menghitung nilai Termination Error Rate dan tingkat keakuratan dalam identifikasi bentuk bercak daun. Dari simulasi ini diperoleh struktur Jaringan Syaraf Tiruan dengan jumlah nilai learning rate 0,02 dan jumlah epoch sebesar 5 kali. Sistem yang terbentuk mampu mengenali citra yang berisi bentuk bercak daun yang digunakan sebagai bobot dengan nilai keakuratan optimum yaitu 73,33% dengan komposisi penyakit bercak coklat (BC) 20 %, Blast  20 % dan cercak cercospora 33,33%.