EDUCARE.CO.ID – Teknologi kecerdasan buatan mulai membuka peluang baru bagi sektor pertanian. Salah satunya melalui Plantara, sistem berbasis Artificial Intelligence (AI) yang dikembangkan mahasiswa Fakultas Vokasi Universitas Airlangga (UNAIR) untuk membantu mendeteksi penyakit daun kentang.
Inovasi tersebut lahir dari kebutuhan petani untuk mengenali penyakit tanaman secara lebih cepat. Gejala bercak daun dan hawar daun sering memiliki tampilan yang mirip. Kondisi ini dapat menyulitkan petani, terutama mereka yang masih minim pengalaman dalam mengidentifikasi penyakit tanaman.
Berdasarkan sumber rilis Fakultas Vokasi UNAIR, Plantara dikembangkan oleh Ratna Firdaus, mahasiswa D4 Teknik Informatika Fakultas Vokasi UNAIR. Ia mengembangkan sistem tersebut di bawah bimbingan Alifian Sukma.
Konsumsi Kentang Terus Meningkat
Kebutuhan terhadap kentang terus berkembang di Indonesia. Data Statistik Konsumsi Pangan Kementerian Pertanian menunjukkan konsumsi kentang per kapita meningkat dari 2,547 kilogram pada 2020 menjadi 3,167 kilogram pada 2022.
Peningkatan konsumsi tersebut perlu berjalan seiring dengan produktivitas panen. Salah satu tantangan yang dapat memengaruhi hasil produksi ialah serangan penyakit pada tanaman kentang.
Bercak daun dan hawar daun menjadi persoalan karena gejalanya dapat terlihat serupa. Kesalahan mengenali penyakit juga berisiko membuat petani memilih penanganan yang kurang sesuai.
Kondisi tersebut kemudian mendorong Ratna mengembangkan Plantara sebagai alat bantu deteksi dini.
Plantara Deteksi Penyakit dari Foto Daun
Ratna mengembangkan Plantara dalam bentuk website. Petani dapat mengakses sistem tersebut untuk melakukan pemeriksaan secara mandiri.
Caranya cukup sederhana. Pengguna hanya perlu mengunggah foto daun kentang melalui antarmuka Plantara yang menggunakan Laravel.
Setelah gambar masuk, sistem akan menganalisis citra menggunakan model AI. Plantara memakai arsitektur Convolutional Neural Network (CNN) InceptionV3 dengan metode transfer learning.
Proses pengembangan model berlangsung melalui dua tahap. Tahap pertama menggunakan feature extraction. Setelah itu, peneliti melakukan fine-tuning untuk meningkatkan kemampuan model dalam mengenali pola pada gambar.
Plantara dapat mengelompokkan daun kentang ke dalam tiga kondisi, yaitu:
- Sehat
- Bercak daun
- Hawar daun
Sistem kemudian menampilkan hasil klasifikasi kepada pengguna. Plantara juga menyimpan hasil pemeriksaan ke dalam basis data sehingga pengguna dapat melihat riwayat deteksi sebelumnya.
Tak Hanya Mendeteksi, Plantara Beri Informasi Penanganan
Plantara tidak berhenti pada proses klasifikasi gambar. Sistem ini juga menyediakan informasi mengenai produk pestisida dari PT Petrokimia Kayaku.
Informasi tersebut mencakup manfaat, keunggulan, dan dosis penggunaan produk. Dengan demikian, pengguna dapat memperoleh gambaran awal mengenai langkah penanganan berdasarkan kondisi daun yang terdeteksi.
“Sistem ini dirancang agar petani tidak hanya mengetahui kondisi daunnya, tetapi juga mendapat rekomendasi penanganan yang sesuai,” ujar Ratna.
Data untuk mengembangkan sistem berasal dari beberapa sumber. Ratna memperoleh citra daun dan produk pestisida dari PT Petrokimia Kayaku sebagai mitra penelitian pada akhir 2025.
Ia kemudian menambahkan citra publik dari Kaggle. Penambahan tersebut bertujuan memperkaya variasi data yang digunakan dalam pengembangan model.
Akurasi Plantara Capai 98,44 Persen
Pengujian menunjukkan performa tinggi pada data yang digunakan untuk pengujian model.
Model fine-tuning mencatat akurasi 98,44 persen pada data test. Angka tersebut lebih tinggi dibandingkan model feature extraction yang mencatat akurasi 97,99 persen.
Pengujian pada menu deteksi melibatkan 448 citra. Tingkat kesalahan klasifikasi mencapai 1,56 persen.
Hasil tersebut menunjukkan bahwa model mampu membedakan tiga kondisi daun pada kumpulan data pengujian.
Namun, performa Plantara berubah ketika peneliti menggunakan citra yang berasal dari internet. Dari 30 citra internet yang diuji, tingkat kesalahan klasifikasi mencapai 16,67 persen.
Perbedaan tersebut menunjukkan bahwa performa AI sangat bergantung pada karakteristik gambar. Foto dari internet dapat memiliki pencahayaan, sudut pengambilan, dan latar belakang yang berbeda dari data pelatihan.
Karena itu, model perlu menghadapi data yang lebih beragam agar mampu bekerja dalam kondisi nyata di lapangan.
Data Lapangan Jadi Tantangan Pengembangan AI
Temuan tersebut menjadi catatan penting dalam pengembangan Plantara. Model yang menunjukkan performa tinggi pada data pengujian belum tentu menghasilkan performa serupa pada semua kondisi gambar.
Variasi citra menjadi salah satu faktor penting. Foto daun dengan pencahayaan berbeda dapat menghasilkan tampilan warna dan tekstur yang tidak sama.
Begitu pula dengan sudut pengambilan gambar serta kondisi latar belakang. Perbedaan tersebut dapat memengaruhi kemampuan model dalam mengenali pola penyakit.
Karena itu, pengembangan berikutnya akan memperluas variasi data lapangan. Langkah tersebut bertujuan meningkatkan kemampuan Plantara ketika petani mengambil foto daun dalam kondisi yang beragam.
AI Bantu Dorong Digitalisasi Pertanian
Pengembangan Plantara juga berkaitan dengan sejumlah target Sustainable Development Goals (SDGs).
Dari sisi ketahanan pangan, Plantara mendukung SDG 2: Zero Hunger. Deteksi penyakit sejak dini dapat membantu petani mengenali gangguan pada tanaman dan mengantisipasi risiko penurunan hasil panen.
Pemanfaatan AI dalam platform berbasis website juga sejalan dengan SDG 9: Industry, Innovation and Infrastructure. Inovasi tersebut menunjukkan penerapan teknologi digital untuk menjawab persoalan di sektor pertanian.
Sementara itu, informasi pestisida yang mengikuti hasil deteksi berkaitan dengan SDG 12: Responsible Consumption and Production. Petani memperoleh informasi awal mengenai produk dan penggunaannya sesuai kondisi tanaman.
Plantara Masih Terus Dikembangkan
Plantara menunjukkan bagaimana mahasiswa dapat memanfaatkan teknologi AI untuk menjawab persoalan yang dekat dengan kebutuhan masyarakat.
Sistem ini membantu pengguna mengenali kondisi daun kentang melalui gambar. Plantara juga menyediakan informasi pendukung mengenai penanganan tanaman.
Meski begitu, pengembangan sistem masih berlanjut. Tim perlu memperbanyak data dari kondisi lapangan agar model mampu menghadapi variasi foto yang lebih luas.
Dengan pengembangan tersebut, Plantara berpotensi menjadi salah satu alat bantu digital yang mudah diakses petani kentang. Teknologi ini sekaligus memperlihatkan peluang penerapan AI dalam mendukung pertanian yang semakin berbasis data.