<![CDATA[Latar belakang: Manuskrip kuno bersejarah terkait ilmu botani, seperti Buku Catatan Botani Linnaeus, sering mengalami degradasi visual yang mengurangi keterbacaan, dan digitalisasi resolusi tinggi saja tidak dapat sepenuhnya memulihkan kejelasannya. Tujuan: Penelitian ini bertujuan untuk meningkatkan kualitas visual naskah-naskah ini menggunakan alur kerja pemrosesan citra berbasis plugin Fuzzy di Fiji (ImageJ). Metode: Metode yang digunakan meliputi persiapan gambar, peningkatan, binarisasi, dan evaluasi. berdasarkan hasil eksperimen, proses peningkatan menunjukkan peningkatan substansial dalam semua metrik. Hasil: Nilai entropi menurun dari rata-rata 10,78 (asli) menjadi 5,65 (penyempurnaan), menunjukkan penurunan keacakan visual sebesar 48–50%, sementara filter morfologi mempertahankan struktur esensial dengan entropi dalam rentang 6,32–7,48. Kepadatan tepi menurun tajam pada tahap deteksi tepi dari 0,99 menjadi 0,28 hingga 0,35 hanya dengan mengekstraksi kontur dominan, sementara proses morfologi mempertahankan struktur karakter dengan stabilitas tinggi (0,98–0,99). Kontras juga meningkat dari 0,89–0,98 (awal) menjadi 0,97–1,00 di seluruh proses peningkatan, morfologi, dan binerisasi, menunjukkan pemisahan latar depan-latar belakang yang jauh lebih baik. Kesimpulan: Studi ini menunjukkan bahwa pendekatan yang diusulkan, khususnya operasi morfologi, cukup meningkatkan kejelasan sekaligus mempertahankan fitur tekstual dan ilustrasi dalam naskah. Untuk lebih memaksimalkan restorasi dan preservasi teks ilmiah tambahan, studi mendatang disarankan untuk menggunakan algoritma peningkatan adaptif berbasis pembelajaran mesin dan penilaian kualitas persepsi. Background: Historical botanical manuscripts, such as Linnaeus's Botanical Notebooks, often suffer from visual degradation that reduces legibility, and high-resolution digitization alone cannot fully restore their clarity. Purpose: This study aimed to improve the visual quality of these manuscripts using a Fuzzy plugin-based image processing workflow in Fiji (ImageJ). Methods: The research methods include image preparation, enhancement, binarization, and evaluation. Results: Based on the experimental results, the enhancement process showed substantial improvements in all metrics. Entropy values decreased from an average of 10.78 (original) to 5.65 (enhanced), indicating a 48–50% reduction in visual randomness, while the morphological filter retained essential structure with entropy in the range of 6.32–7.48. Edge density decreased sharply in the edge detection stage from 0.99 to 0.28 to 0.35 by extracting only dominant contours, while the morphological process maintained character structure with high stability (0.98–0.99). The contrast also increased from 0.89–0.98 (initial) to 0.97–1.00 across enhancement, morphology, and binarization processes, indicating significantly improved foreground-background distinction. Conclusion: This study shows that the proposed approach, particularly the morphological operations, adequately improves clarity while retaining textual and illustrative features in the manuscript. To further maximize the restoration and preservation of additional scientific texts, future study is suggested to use machine learning-based adaptive enhancing algorithms and perceptual quality assessment.]]>
