Pengaruh Deteksi Tepi Citra Urat Daun Pada Pengenalan Jenis Bibit Jeruk Menggunakan Metode Pengenalan JST-PB dan GLCM

Abstract

Identifikasi awal jenis bibit jeruk sangat penting untuk menjamin kualitas bibit dan meningkatkan produktivitas pertanian. Identifikasi secara manual membutuhkan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menganalisis pengaruh metode deteksi tepi terhadap akurasi klasifikasi bibit jeruk menggunakan Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur tekstur yang diekstraksi dengan Gray Level Co-occurrence Matrix (GLCM). Tiga metode deteksi tepi yaitu Canny, Laplacian of Gaussian (LoG), dan Roberts yang diterapkan pada citra daun jeruk dari empat varietas antara lain: Kunci, Nipis, Purut, dan Sambal. Fitur tekstur berupa contrast, correlation, homogeneity, dan entropy digunakan sebagai masukan dalam pelatihan JST-PB. Hasil penelitian menunjukkan bahwa metode Roberts dengan 30 neuron tersembunyi memberikan kinerja terbaik dengan precision rata-rata 75,56%, recall 75,00%, dan F1-score 74,97%. Hal ini menunjukkan bahwa pemilihan metode deteksi tepi berpengaruh signifikan terhadap akurasi klasifikasi. Kombinasi metode deteksi tepi Roberts, ekstraksi fitur GLCM, dan JST-PB terbukti efektif untuk pengenalan otomatis jenis bibit jeruk berbasis citra digital.