<![CDATA[Identifikasi penyakit daun bonsai secara visual bersifat subjektif dan bergantung pada pengalaman pengamat. Penelitian ini bertujuan mengembangkan dan mengevaluasi sistem klasifikasi kondisi daun bonsai beringin dan serut ke dalam empat kelas, yaitu sehat, bercak, klorosis, dan nekrosis, dengan menggabungkan fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan fitur bentuk kontur pada jaringan saraf tiruan berlapis. Alur pemrosesan mengacu pada kerangka forensik digital NIST SP 800-86 dan mencakup penyeragaman citra 224×224 piksel, konversi keabuan, segmentasi Otsu, ekstraksi empat fitur GLCM (contrast, correlation, energy, homogeneity) serta empat fitur bentuk (area, perimeter, metric, eccentricity), standardisasi, dan klasifikasi dengan tiga lapisan tersembunyi (128, 64, dan 32 neuron) yang dilatih menggunakan optimizer Adam. Evaluasi pada 113 citra uji menghasilkan akurasi 93,81% (selang kepercayaan 95%: 87,8–97,0%), macro-precision 95,12%, macro-recall 93,08%, dan macro-F1 94,00%. Seluruh citra sehat terklasifikasi benar, sedangkan recall terendah terdapat pada kelas nekrosis (85,00%) karena nilai contrast dan metric kelas ini tumpang tindih dengan kelas bercak. Ketujuh kesalahan terjadi antarkelas sakit. Nilai metric yang konstan pada citra sehat mengindikasikan segmentasi global yang masih sensitif terhadap latar, sehingga diperlukan segmentasi yang lebih kuat, data yang lebih beragam, dan uji ablasi fitur. Sistem diimplementasikan sebagai aplikasi web Streamlit untuk skrining awal.]]>
Copyrights © 2026
