ABSTRAK

Penelitian ini mengevaluasi pengaruh variasi ukuran cropping citra urat daun bibit jeruk terhadap akurasi pengenalan jenis jeruk menggunakan Jaringan Syaraf Tiruan (JST) dengan algoritma backpropagation. Citra dikonversi dari RGB ke grayscale, kemudian diekstraksi fitur teksturnya menggunakan metode GLCM, serta ditambah entropi dan standar deviasi. Hasil ekstraksi digunakan sebagai input untuk pelatihan JST, di mana konfigurasi dengan 40 neuron pada hidden layer memberikan performa terbaik. Pengujian dilakukan pada lima variasi ukuran cropping: 160×120, 320×240, 400×300, 480×360, dan 640×480 piksel. Hasil menunjukkan ukuran cropping memiliki pengaruh signifikan terhadap akurasi klasifikasi. Ukuran 480×360 piksel memberikan akurasi tertinggi sebesar 76,0%, mengungguli ukuran lain seperti 400×300 (67,0%), 640×480 (66,5%), 320×240 (65,0%), dan 160×120 (54,0%). Ukuran sedang ini dinilai paling optimal dalam menangkap tekstur urat daun tanpa kehilangan detail penting atau menimbulkan noise. Beberapa jenis jeruk seperti Jeruk Bali dan Jeruk Nipis mudah dikenali, sedangkan Jeruk Sunkist sering keliru diklasifikasikan karena kemiripan tekstur dengan Jeruk Manis dan Lemon. Penelitian ini menyimpulkan bahwa pemilihan ukuran cropping sangat berpengaruh terhadap akurasi klasifikasi, dan merekomendasikan ukuran 480×360 piksel sebagai resolusi optimal. Untuk pengembangan selanjutnya, disarankan menambahkan fitur morfologi dan warna, serta memperluas jenis jeruk dan kondisi lingkungan citra guna meningkatkan generalisasi sistem.

Kata kunci: GLCM, JST, cropping, pengenalan citra, daun jeruk