Deteksi Tepi Citra Pupuk Menggunakan Algoritma Canny untuk Analisis Bentuk dan Tekstur Produk

Abstract

Penilaian kualitas bentuk dan tekstur pupuk secara visual oleh manusia masih bersifat subjektif dan tidak konsisten, sehingga diperlukan pendekatan pengolahan citra digital yang lebih objektif dan terukur. Penelitian ini bertujuan menerapkan algoritma Canny untuk proses deteksi tepi pada citra pupuk serta membangun aplikasi berbasis website yang memungkinkan pengguna mengunggah citra, memproses deteksi tepi, menampilkan hasil, dan menyajikan nilai evaluasi secara otomatis. Penelitian menggunakan pendekatan kuantitatif eksperimental yang dipadukan dengan penelitian pengembangan sistem, melalui tahapan grayscale conversion, Gaussian filtering, perhitungan gradien, non-maximum suppression, double thresholding, dan hysteresis edge tracking. Pengujian dilakukan pada citra pupuk beresolusi 810×1.080 piksel (874.800 piksel total) dengan parameter low threshold 50, high threshold 150, dan kernel blur 5. Hasil pengujian menunjukkan sistem berhasil mendeteksi 147.746 edge pixel dengan edge density 16,8891%, MSE sebesar 22.967,2416, PSNR sebesar 4,5197 dB, SSIM sebesar 0,0007, dan waktu proses 0,1079 detik. Pengujian black box terhadap 16 skenario fungsional, mulai dari autentikasi, manajemen pengguna, unggah citra, proses deteksi tepi, riwayat analisis, hingga pengaturan sistem, seluruhnya dinyatakan berhasil. Nilai PSNR dan SSIM yang rendah merupakan konsekuensi wajar dari transformasi citra menjadi citra biner tepi, bukan indikasi kegagalan sistem. Hasil penelitian menunjukkan bahwa algoritma Canny mampu memperjelas struktur tepi serta mendukung analisis bentuk dan tekstur pupuk secara cepat, terukur, dan terkomputerisasi melalui antarmuka berbasis web yang mudah digunakan.