Anggur (Vitis vinifera) adalah produk hortikultura yang memiliki nilai ekonomi yang
signifikan, sehingga pemilihan varietas unggul menjadi aspek krusial dalam
peningkatan hasil. Proses identifikasi varietas anggur secara tradisional masih
dilakukan secara manual dan sering kali menemui kendala karena adanya kesamaan
dalam morfologi antar varietas. Penelitian ini bertujuan untuk meningkatkan tingkat
akurasi dalam mengenali jenis bibit anggur dengan mengeksplorasi level kecerahan
citra dan deteksi tepi pada urat daun menggunakan metode Convolutional Neural
Network (CNN). Dataset yang digunakan terdiri dari 800 citra daun anggur yang
mewakili lima varietas, yaitu Jupiter, Dixon, Cherry Crystal, Bosanti, dan Gospi,
dengan masing-masing varietas memiliki 160 citra. Data diperoleh melalui
pengambilan gambar menggunakan photobox yang memiliki latar belakang putih.
Proses preprocessing yang dilakukan meliputi pemotongan (cropping), mengubah
ukuran citra menjadi 256x256 piksel, peningkatan tingkat kecerahan pada tiga level (-
30, +30, +80), deteksi tepi citra urat daun dengan metode Canny, augmentasi data, dan
normalisasi piksel. Kombinasi variasi tingkat kecerahan dan metode deteksi tepi
kemudian digunakan sebagai masukan dalam pelatihan model CNN. Hasil penelitian
menunjukkan bahwa eksplorasi level kecerahan dan penerapan deteksi tepi dapat
meningkatkan kemampuan model dalam mengekstrak fitur morfologi daun, sehingga
memberikan performa klasifikasi yang lebih baik. Dari hasil pengujian, metode deteksi
tepi Canny dengan tingkat kecerahan +80 (level 3) mencapai akurasi tertinggi yaitu
87,08%. Diharapkan metode ini dapat mempercepat, mempermudah, dan
meningkatkan akurasi dalam proses identifikasi bibit anggur serta mendukung
penerapan teknologi kecerdasan buatan di bidang pertanian presisi.
Kata kunci: klasifikasi citra, CNN, daun anggur, deteksi tepi, tingkat kecerahan.