Segmentasi dan Klasifikasi Jenis Buah Alpukat berdasarkan Citra Daun pada Latar Belakang Kompleks Menggunakan Arsitektur U-Net

Abstract

Tanaman alpukat memiliki beragam jenis yang dibedakan berdasarkan bentuk dan tekstur daunnya. Namun, ketidaktahuan masyarakat dalam mengenali jenis alpukat sering dimanfaatkan oleh oknum penjual bibit yang tidak bertanggung jawab, sehingga menyebabkan pembelian bibit yang tidak sesuai dengan jenis yang dijanjikan. Proses identifikasi yang masih dilakukan secara manual membutuhkan waktu dan keahlian khusus. Selain itu, latar belakang gambar yang kompleks juga menjadi tantangan dalam proses klasifikasi citra daun secara otomatis. Dalam mengatasi hal tersebut, digunakan pendekatan deep learning dengan arsitektur Convolutional Neural Network (CNN). Penelitian ini menggunakan dua arsitektur model segmentasi, yaitu U-Net dan Residual U-Net (RSU-Net) yang dilengkapi dengan mekanisme Squeeze and Excitation (SE). Proses segmentasi diharapkan dapat meningkatkan akurasi klasifikasi dengan melakukan ekstraksi fitur secara lebih terarah terhadap objek daun pada citra. Hasil terbaik diperoleh dari model segmentasi RSU-Net + SE dengan proporsi data latih dan data uji sebesar 80:20, yang menghasilkan nilai mean IoU sebesar 0,9858, mean Dice sebesar 0,9928, dan loss sebesar 0,0064. Model klasifikasi yang dibangun berdasarkan hasil segmentasi tersebut berhasil mencapai performa tinggi dengan nilai akurasi pengujian sebesar 98,61& dengan loss terendah 0,0402, serta macro precision, macro recall, dan f1 score masing-masing sebesar 98,05%.