Klasifikasi Kesehatan Daun Kopi Berdasarkan Warna RGB Menggunakan Pengolahan Citra Digital dan Jaringan Saraf Tiruan

Abstract

Kualitas kesehatan tanaman sangat penting untuk meningkatkan produktifitas hasil panen tanaman tersebut baik secara kualitas maupun kuantitas. Salah satu cara identifikasi kesehatan tanaman yaitu dengan melihat dari kondisi warna daunnya. Daun tanaman yang sehat yaitu berwarna hijau segar. Dalam mengidentifikasi kesehatan tanaman kopi berdasarkan warna daun masih secara subjektif atau menurut perspektif pribadi. Teknologi pengolahan citra digital digunakan untuk membuat klasifikasi kesehatan daun kopi berdasarkan warna RGB secara objektif. Pembuatan program pengolahan citra digital dilakukan untuk mengekstrak fitur warna RGB dari sampel citra daun. Jaringan saraf tiruan dimanfaatkan untuk proses identifikasi kesehatan daun kopi secara otomatis. Sampel yang digunakan dalam penelitian ini yaitu daun kopi di Perkebunan Gunung Pasang Kabupaten Jember. Terbagi menjadi tiga kelas klasifikasi kesehatan yaitu daun sehat, kurang sehat, dan tidak sehat. Setiap kelas menggunakan 80 daun kopi untuk pelatihan dan 20 daun kopi untuk pengujian. Sehingga total sampel yang digunakan untuk bahan penelitian yaitu sebanyak 300 lembar daun kopi. Pengambilan citra menggunakan smartphone dengan rasio citra 4:3 dan resolusi 1440 x 1080 piksel. Selanjutnya dilakukan cropping citra menjadi 1:1 menyesuaikan panjang atau tinggi objek. Lalu dilakukan resizing citra menjadi resolusi 360 x 360 piksel sehingga semua sampel citra seragam. Program pengolahan citra digital dibuat untuk mengekstrak fitur citra. Hasil ekstraksi fitur citra yaitu berupa indeks warna merah (r), indeks warna hijau (g), dan indeks warna biru (b) digunakan sebagai input jaringan saraf tiruan. Jaringan saraf tiruan menggunakan algoritma backpropagation dan fungsi aktivasi sigmoid bipolar dengan dua node output (1 dan -1). Lalu menggunakan empat variasi arsitektur yaitu 5 node, 10 node, 15 node, 20 node, dan 25 node lapisan tersembunyi. Pelatihan menggunakan total 240 sampel citra pelatihan. Bobot-bobot hasil pelatihan jaringan saraf tiruan dilanjutkan pada proses propagasi maju untuk mengetahui variasi terbaik menggunakan total 60 sampel citra pengujian. Hasil akurasi identifikasi tertinggi dari empat variasi asrsitektur diintegrasikan pada program pengolahan citra. Sehingga diperoleh program klasifikasi kesehatan daun kopi berdasarkan warna RGB yang dapat mengidentifikasi kelas kesehatan daun kopi secara otomatis.Variasi arsitektur terbaik yaitu 20 node lapisan tersembunyi dengan akurasi hasil identifikasi 91,67%. Program klasifikasi kesehatan daun kopi berdasarkan warna RGB yang telah diintegrasikan dengan variasi arsitektur terbaik menghasilkan akurasi 93,33%