PENINGKATAN AKURASI KLASIFIKASI MIKROGRAF STOMATA MENGGUNAKAN YOLOV11 DENGAN GAMMA CORRECTION DAN CLAHE = IMPROVING ACCURACY OF STOMATA MICROGRAPH CLASSIFICATION USING YOLOV11 WITH GAMMA CORRECTION AND CLAHE

YUSRI SIMANG, Peningkatan Akurasi Klasifikasi Mikrograf Stomata Menggunakan Yolov11 dengan Gamma Correction dan CLAHE (Dibimbing oleh Indrabayu) Latar Belakang. Stomata merupakan pori mikroskopis pada permukaan daun yang berperan penting dalam pertukaran gas dan pengaturan transpirasi tanaman. Analisis morfologi stomata secara manual sering kali tidak efisien dan subjektif, sehingga diperlukan sistem otomatis berbasis kecerdasan buatan. Tujuan. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi mikrograf stomata menggunakan algoritma YOLOv11 yang dikombinasikan dengan teknik praproses Gamma Correction dan CLAHE (Contrast Limited Adaptive Histogram Equalization). Metode. Gamma Correction digunakan untuk menormalkan pencahayaan global citra, sedangkan CLAHE meningkatkan kontras lokal tanpa menambah noise berlebih. Dataset terdiri dari 52.236 citra stomata empat tipe morfologi (Anomocytic, Diacytic, Paracytic, dan Graminoid) yang diperoleh dari mikroskop digital. Proses pelatihan dilakukan dengan parameter konstan untuk membandingkan model baseline dan model hasil praproses. Hasil. Pengujian menunjukkan bahwa penerapan kombinasi Gamma Correction dan CLAHE mampu meningkatkan accuracy sebesar 0,93, precision 0,88, recall 0,90, dan mAP50 mencapai 0,95, yang lebih tinggi dibandingkan model tanpa praproses. Visualisasi hasil deteksi juga menunjukkan peningkatan kejelasan struktur stomata dan pengurangan kesalahan klasifikasi antar tipe. Kesimpulan. Dengan demikian, integrasi YOLOv11 dengan Gamma Correction dan CLAHE terbukti efektif dalam meningkatkan kualitas citra mikroskopis serta performa deteksi dan klasifikasi stomata secara otomatis, yang berpotensi diterapkan pada sistem analisis fisiologi tanaman berbasis kecerdasan buatan.