Implementasi Otsu Thresholding untuk Segmentasi Citra pada Diagnosa Penyakit Daun Sirih

Abstract

Tanaman sirih (Piper betle L.) merupakan tanaman tropis bernilai ekonomi tinggi yang banyak dimanfaatkan dalam bidang kesehatan, kosmetik, dan pengobatan tradisional di Indonesia, namun produktivitasnya menurun akibat penyakit daun seperti bercak daun, embun jelaga, dan busuk daun yang dapat menurunkan hasil panen hingga 50%. Segmentasi citra merupakan tahap paling krusial dalam sistem diagnosis penyakit berbasis pengolahan citra digital, sedangkan metode konvensional seperti K-Means Clustering, Fuzzy C-Means, Region Growing, dan Edge Detection masih memiliki keterbatasan terhadap noise, variasi pencahayaan, dan warna daun yang tidak seragam. Penelitian ini mengimplementasikan metode Otsu Thresholding untuk memisahkan area daun sehat dan terinfeksi penyakit secara otomatis melalui analisis histogram intensitas piksel tanpa parameter manual. Penelitian menggunakan pendekatan kuantitatif eksperimental melalui akuisisi citra, pra-pemrosesan (resizing, penyesuaian kecerahan, konversi RGB ke grayscale), penerapan Otsu Thresholding, operasi morfologi (opening dan closing), serta evaluasi menggunakan Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR). Pengujian dilakukan terhadap 101 citra daun sirih (53 citra bercak daun dan 48 citra sehat). Hasil pengujian menunjukkan rata-rata threshold sebesar 158,34, MSE sebesar 6219,18, dan PSNR sebesar 10,28 dB. Secara visual, metode berhasil memisahkan objek daun dari latar belakang serta menonjolkan area bercak, meskipun nilai PSNR masih tergolong rendah karena perbandingan dilakukan antara citra biner hasil segmentasi dengan citra grayscale asli.