Permasalahan utama dalam budidaya jeruk adalah kesulitan mengidentifikasi jenis
bibit sejak dini. Identifikasi manual membutuhkan keahlian khusus dan sering kali
menghasilkan ketidakakuratan. Hal ini dapat berdampak pada kualitas bibit yang
ditanam dan hasil produksi pertanian secara keseluruhan. Tujuan penelitian ini
adalah mengembangkan sistem identifikasi bibit jeruk berbasis citra daun
menggunakan kombinasi metode deteksi tepi, ekstraksi ciri tekstur, dan klasifikasi
dengan Jaringan Syaraf Tiruan Propagasi Balik (JST-PB). Metode penelitian
dimulai dengan pengumpulan citra daun jeruk dari empat kelas yaitu Jeruk Kunci,
Nipis, Purut, dan Sambal. Tahap pra-pemrosesan dilakukan melalui konversi ke
grayscale, filtering, serta penerapan tiga metode deteksi tepi: Canny, Laplacian of
Gaussian (LoG), dan Roberts. Selanjutnya, ciri tekstur berupa contrast, correlation,
homogeneity, dan entropy diekstraksi menggunakan Gray Level Co-Occurrence
Matrix (GLCM). Data dibagi menjadi 85% data latih dan 15% data uji, kemudian
digunakan untuk melatih JST-PB dengan variasi jumlah neuron pada hidden layer.
Hasil penelitian menunjukkan bahwa metode Roberts dengan 30 neuron
memberikan performa terbaik dengan precision rata-rata 75,56%, recall 75,00%,
dan F1-score 74,97%. Metode Canny menghasilkan F1-score 64,14% pada
konfigurasi 40 neuron, sedangkan LoG memperoleh F1-score 59,69% pada 50
neuron. Perbedaan hasil ini menunjukkan bahwa pemilihan metode deteksi tepi
berpengaruh signifikan terhadap akurasi klasifikasi. Kesimpulannya, sistem yang
dibangun berhasil melakukan klasifikasi jenis bibit jeruk secara otomatis dengan
tingkat akurasi yang cukup baik. Kombinasi metode deteksi tepi Roberts, ekstraksi
ciri GLCM, dan JST-PB terbukti lebih unggul dibandingkan metode Canny dan
LoG, sehingga dapat menjadi pendekatan potensial dalam mendukung identifikasi
bibit jeruk berbasis citra digital.
Kata kunci: Jeruk, Deteksi Tepi, GLCM, JST-PB, Klasifikasi Citra