DETEKSI JERUK NIPIS DAN JERUK JUNGGA MENGGUNAKAN ALGORITMA CNN

Jeruk nipis (Citrus aurantifolia) dan jeruk jungga (Citrus jambhiri Lush) merupakan dua jenis buah yang memiliki nilai ekonomi tinggi di Indonesia, namun sulit dibedakan secara visual dalam kondisi mentah. Masalah ini menyebabkan ketidaktepatan dalam proses sortir manual yang dilakukan petani atau distributor, berpotensi menimbulkan kerugian ekonomi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan metode pengolahan citra digital dan algoritma Convolutional Neural Network (CNN) guna membedakan jeruk nipis dan jeruk jungga secara efisien dan akurat. Dataset terdiri dari 100 citra dengan karakteristik warna dan tekstur yang berbeda. Metode yang digunakan meliputi pra-pemrosesan (resizing, normalisasi, denoising, konversi ke grayscale), segmentasi (thresholding dan edge detection), ekstraksi fitur (RGB untuk warna dan GLCM untuk tekstur), serta pelatihan model CNN. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi pelatihan sebesar 90% dan validasi 85%. Analisis nilai RGB menunjukkan perbedaan signifikan pada komponen G dan B, sedangkan GLCM mengindikasikan bahwa jeruk jungga memiliki tekstur lebih kasar daripada jeruk nipis. Namun, confusion matrix menunjukkan bahwa model masih mengalami kesalahan klasifikasi terhadap jeruk nipis, menghasilkan akurasi keseluruhan sebesar 52,9%. Oleh karena itu, diperlukan peningkatan kualitas model dan strategi augmentasi data untuk hasil klasifikasi yang lebih optimal.