Analisis Persentase Area Kerusakan Daun Bawang Menggunakan Model Hybrid Transformer Berbasis SegFormer-TransUNet

Abstrak

Penelitian ini bertujuan mengembangkan sistem segmentasi citra untuk menghitung persentase area kerusakan daun bawang menggunakan model hybrid transformer berbasis SegFormer-TransUNet. Permasalahan utama yang diangkat adalah keterbatasan penilaian visual manual yang cenderung subjektif, lambat, dan sulit diterapkan secara konsisten pada skala lahan yang luas. Data penelitian berupa citra daun bawang dan mask anotasi yang memisahkan area daun sehat, daun rusak, dan background. Tahapan penelitian meliputi akuisisi citra, preprocessing, pembentukan label mask, pelatihan tiga skenario model, evaluasi kuantitatif, serta perhitungan persentase kerusakan berbasis rasio piksel. Model hybrid dirancang dengan memanfaatkan SegFormer sebagai encoder untuk menangkap konteks global dan TransUNet sebagai decoder untuk merekonstruksi detail spasial. Hasil evaluasi menunjukkan bahwa model hybrid memperoleh accuracy 0,9590, mIoU 0,8333, dan Dice coefficient 0,8686. Nilai tersebut lebih tinggi dibandingkan SegFormer (accuracy 0,9543; mIoU 0,7671; Dice 0,8057) dan TransUNet (accuracy 0,9583; mIoU 0,8145; Dice 0,8509) pada metrik utama segmentasi. Temuan ini menunjukkan bahwa integrasi fitur global dan detail lokal mampu meningkatkan kualitas segmentasi serta menghasilkan dasar kuantitatif untuk estimasi tingkat kerusakan daun bawang.