ABSTRAK

Identifikasi jenis bibit kelengkeng (Dimocarpus longan) secara akurat penting dilakukan dalam bidang agrikultur, khususnya untuk mendukung proses seleksi dan klasifikasi tanaman secara digital. Penelitian ini mengkaji pengaruh variasi kedalaman bit dalam konversi citra RGB ke grayscale terhadap akurasi pengenalan jenis bibit kelengkeng menggunakan metode Jaringan Syaraf Tiruan (JST) dengan fitur tekstur berbasis Gray Level Co-Occurrence Matrix (GLCM). Lima jenis bibit kelengkeng yang digunakan meliputi Itoh, Matalada, Merah, Pingpong, dan Diamond River. Proses dimulai dari pengambilan citra daun menggunakan kamera mikroskop USB digital, diikuti dengan konversi ke grayscale dalam lima variasi kedalaman bit (4–8 bit). Fitur tekstur yang diekstraksi mencakup kontras, energi, homogenitas, korelasi, entropi, dan standar deviasi. Data latih digunakan untuk membangun model JST dengan metode backpropagation dan algoritma pelatihan traingdx. Hasil penelitian menunjukkan bahwa variasi kedalaman bit berpengaruh terhadap akurasi klasifikasi, dengan akurasi tertinggi diperoleh pada kedalaman 6 dan 7 bit sebesar 84,5%. Temuan ini mengindikasikan bahwa kedalaman bit yang optimal dapat meningkatkan kualitas representasi tekstur dan kinerja sistem pengenalan citra berbasis JST.

Kata kunci: Kelengkeng, Grayscale, GLCM, Kedalaman Bit, Jaringan Syaraf Tiruan, Ekstraksi Fitur.