<![CDATA[Penelitian ini bertujuan untuk membandingkan tingkat akurasi dalam mengenali jenis bibit mangga berdasarkan tekstur urat daun menggunakan metode Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur Gray Level Co-occurrence Matrix (GLCM). Identifikasi jenis bibit mangga menjadi tantangan karena variabilitas genetik yang tinggi, yang mempengaruhi kemampuan dalam mengenali bibit mangga secara otomatis. Dalam penelitian ini, citra daun mangga diambil dengan tiga variasi jarak potret (5 cm, 10 cm, dan 15 cm) untuk menilai pengaruh jarak terhadap akurasi pengenalan. Proses pertama dilakukan dengan ekstraksi tekstur urat daun menggunakan GLCM, yang mengubah citra RGB menjadi citra grayscale dan mengambil empat fitur utama (kontras, homogenitas, korelasi, dan energi). Setelah itu, model JST-PB diterapkan untuk melatih jaringan saraf dengan menggunakan data citra yang telah diproses. Hasil penelitian menunjukkan bahwa jarak potret 15 cm menghasilkan akurasi tertinggi, yaitu 34%, dengan 22 dari 64 citra uji berhasil dikenali dengan benar. Jarak potret 5 cm dan 10 cm menunjukkan akurasi yang lebih rendah, masing-masing 23% dan 17%. Penggunaan satu hidden layer dengan 10 neuron dalam JST-PB terbukti memberikan performa terbaik pada jarak potret 15 cm. Penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan akurasi pengenalan bibit mangga secara otomatis, serta memberikan wawasan mengenai pengaruh jarak potret dalam aplikasi pengolahan citra pertanian.]]>
Copyrights © 2025
