EDUCARE.CO.ID – Petani kentang kini memiliki alternatif teknologi untuk mengenali penyakit tanaman sejak dini. Ratna Firdaus, mahasiswa Program Studi D4 Teknik Informatika Universitas Airlangga (UNAIR), mengembangkan Plantara, aplikasi berbasis kecerdasan buatan atau Artificial Intelligence (AI) yang membantu mengidentifikasi penyakit daun kentang melalui foto.
Melalui aplikasi berbasis web ini, pengguna cukup mengunggah gambar daun kentang untuk mengetahui kondisi tanaman. Plantara menganalisis gambar tersebut dan mengelompokkan kondisi daun ke dalam tiga kategori, yakni sehat, bercak daun, dan hawar daun.
Inovasi ini menyasar persoalan yang kerap dihadapi petani, terutama mereka yang belum berpengalaman mengenali gejala penyakit tanaman. Kesalahan identifikasi dapat membuat petani memilih penanganan yang kurang tepat dan berisiko mengganggu produktivitas panen.
Kebutuhan akan solusi tersebut semakin relevan seiring meningkatnya konsumsi kentang. Statistik Konsumsi Pangan Kementerian Pertanian tahun 2022 mencatat kenaikan konsumsi kentang per kapita dari 2,547 kilogram pada 2020 menjadi 3,167 kilogram pada 2022. Karena itu, upaya menjaga kesehatan tanaman menjadi salah satu aspek penting dalam mendukung produktivitas komoditas ini.
Plantara Manfaatkan AI untuk Mengenali Penyakit Daun
Ratna membangun Plantara menggunakan Laravel sebagai teknologi antarmuka aplikasi. Setelah pengguna mengunggah foto, sistem memproses gambar dengan model Convolutional Neural Network (CNN) berarsitektur InceptionV3 untuk mengenali karakteristik visual daun.
Dalam pengembangannya, Ratna menerapkan metode transfer learning melalui dua tahap, yaitu feature extraction dan fine-tuning. Metode tersebut membantu model mempelajari pola gambar agar dapat membedakan daun sehat dari daun yang menunjukkan gejala bercak atau hawar.
Plantara kemudian menampilkan hasil klasifikasi pada halaman aplikasi. Sistem juga menyimpan hasil pemeriksaan ke dalam basis data sehingga pengguna dapat meninjau riwayat deteksi sebelumnya.
Untuk melatih dan mengembangkan model, Ratna mengumpulkan data citra serta informasi produk pestisida dari PT Petrokimia Kayaku sebagai mitra penelitian pada akhir 2025. Ia turut memanfaatkan gambar publik dari Kaggle untuk memperkaya variasi data daun kentang.
Akurasi Pengujian Mencapai 98,44 Persen
Hasil pengujian menunjukkan bahwa model fine-tuning mencatat akurasi 98,44 persen pada data uji (test). Model ini mengungguli pendekatan feature extraction yang memperoleh akurasi 97,99 persen.
Pada pengujian fitur deteksi menggunakan 448 citra data uji, Plantara mencatat tingkat kesalahan klasifikasi sebesar 1,56 persen. Hasil tersebut menunjukkan kemampuan model dalam mengenali kategori daun pada kumpulan gambar yang digunakan untuk pengujian.
Namun, performa model tidak selalu sama ketika menghadapi gambar dari sumber lain. Saat Ratna menguji Plantara menggunakan 30 gambar dari internet, tingkat kesalahan meningkat menjadi 16,67 persen.
Perbedaan pencahayaan, sudut pengambilan foto, dan latar belakang menjadi sejumlah faktor yang dapat memengaruhi hasil klasifikasi. Kondisi gambar dari internet tidak selalu sama dengan karakteristik citra yang digunakan saat pelatihan model.
Berdasarkan sumber rilis Fakultas Vokasi UNAIR, hasil pengujian tersebut menunjukkan pentingnya variasi data dalam membangun sistem deteksi penyakit tanaman. Pengembang masih perlu menambah gambar dari kondisi pertanian nyata agar model mampu mengenali gejala secara lebih konsisten ketika petani mengambil foto langsung di kebun.
Dengan demikian, angka akurasi 98,44 persen menggambarkan performa model pada data uji yang digunakan, bukan jaminan bahwa sistem akan menghasilkan ketepatan yang sama pada seluruh kondisi lapangan.
Tampilkan Informasi Pestisida untuk Membantu Petani
Plantara tidak hanya membantu petani mengenali kondisi daun. Aplikasi ini juga menyediakan informasi produk pestisida dari PT Petrokimia Kayaku sebagai referensi awal untuk mempertimbangkan penanganan tanaman.
Setiap informasi produk mencakup manfaat, keunggulan, dan dosis penggunaan. Melalui fitur tersebut, petani dapat mempelajari pilihan penanganan setelah memperoleh hasil identifikasi dari sistem.
“Sistem ini dirancang agar petani tidak hanya mengetahui kondisi daunnya, tetapi juga mendapat rekomendasi penanganan yang sesuai,” ujar Ratna Firdaus.
Meski begitu, petani tetap perlu memeriksa kondisi tanaman secara cermat sebelum menentukan tindakan. Hasil klasifikasi AI sebaiknya menjadi alat bantu, bukan satu-satunya dasar untuk mendiagnosis penyakit atau memilih pestisida. Petani juga perlu mengikuti petunjuk label, dosis terdaftar, serta ketentuan penggunaan produk agar penanganan berlangsung tepat dan aman.
Dukung SDGs melalui Digitalisasi Pertanian
Pengembangan Plantara turut berkaitan dengan tiga tujuan pembangunan berkelanjutan atau Sustainable Development Goals (SDGs).
Pertama, SDG 2 atau Zero Hunger. Deteksi dini penyakit daun dapat membantu petani mengenali gangguan tanaman lebih cepat sehingga mereka memiliki kesempatan untuk mengurangi risiko kehilangan hasil panen.
Kedua, SDG 9 atau Industry, Innovation and Infrastructure. Plantara menerapkan teknologi AI melalui aplikasi web untuk mendukung inovasi dan digitalisasi di sektor pertanian.
Ketiga, SDG 12 atau Responsible Consumption and Production. Fitur informasi pestisida dapat membantu petani mempelajari pilihan penanganan berdasarkan kondisi tanaman, dengan tetap memperhatikan petunjuk dan aturan penggunaan produk.
Ketiga tujuan tersebut memperlihatkan peluang pemanfaatan teknologi digital untuk mendukung kegiatan pertanian. Namun, manfaatnya tetap bergantung pada kualitas model, ketersediaan data, serta kesesuaian hasil deteksi dengan kondisi tanaman di lapangan.
Plantara Berpeluang Dikembangkan untuk Kondisi Lapangan
Ke depan, Ratna dapat memperkuat Plantara dengan menambah variasi gambar dari kebun kentang dan menguji sistem dalam kondisi lingkungan yang berbeda. Langkah ini penting untuk meningkatkan kemampuan model dalam menghadapi perubahan pencahayaan, latar belakang, dan sudut pengambilan foto.
Pengujian langsung bersama petani juga dapat membantu pengembang memahami kebutuhan pengguna. Masukan tersebut dapat menjadi dasar untuk menyempurnakan fitur, memperjelas informasi hasil deteksi, dan meningkatkan kemudahan penggunaan aplikasi.
Plantara menunjukkan bagaimana mahasiswa dapat memanfaatkan kecerdasan buatan untuk menjawab persoalan praktis di sektor pertanian. Dengan pengembangan dan validasi lebih lanjut, aplikasi ini berpotensi menjadi alat bantu digital yang memudahkan petani kentang mengenali penyakit daun dan mempertimbangkan langkah penanganan secara lebih terarah.