Perbandingan Tingkat Akurasi Pengenalan Jenis Bibit Jambu Berdasarkan Citra Urat Daun Dengan Metode Pengenalan Jst-Pb Dan Fitur Glcm

Penentuan jenis bibit tanaman berdasarkan karakteristik citra daun menjadi salah satu langkah penting dalam mendukung pengelolaan pertanian yang lebih efisien. Penelitian ini bertujuan untuk membandingkan tingkat akurasi pengenalan jenis bibit jambu berdasarkan tekstur urat daun menggunakan metode Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur tekstur Gray Level Co-occurrence Matrix (GLCM). Metode JST-PB dipilih karena kemampuannya dalam memodelkan pola non-linear, sementara fitur GLCM digunakan untuk mengekstraksi karakteristik tekstur urat daun yang relevan. Dataset penelitian terdiri dari citra daun bibit jambu yang diambil dalam kondisi pencahayaan terkendali. Proses penelitian melibatkan tahapan pra-pemrosesan citra, ekstraksi fitur menggunakan GLCM, pelatihan model JST-PB, dan evaluasi performa menggunakan metrik akurasi, presisi, dan recall. Hasil eksperimen menunjukkan bahwa kombinasi metode JST-PB dengan fitur GLCM mampu menghasilkan tingkat akurasi yang tinggi dalam pengenalan jenis bibit jambu. Selain itu, penelitian ini juga mengidentifikasi parameter optimal pada metode JST-PB, seperti jumlah neuron tersembunyi dan laju pembelajaran, untuk meningkatkan performa pengenalan. Dari hasil analisis, metode JST-PB dengan fitur GLCM memberikan akurasi terbaik dibandingkan metode pembanding lain yang relevan. Temuan ini diharapkan dapat menjadi dasar untuk pengembangan sistem klasifikasi otomatis bibit tanaman berbasis citra daun di masa depan, yang dapat mendukung sektor pertanian dalam proses identifikasi bibit secara efisien dan akurat. Hasil penelitian ukuran cropping 200x200 memberikan hasil terbaik dengan tingkat akurasi tertinggi sebesar 63%, di mana 38 dari 60 total citra uji berhasil dikenali

Kata Kunci: pengenalan jenis bibit, jambu, urat daun, JST-PB, GLCM, akurasi, tekstur.