Bandar Lampung, 7 Desember 2023 – Dalam upaya revolusioner untuk meningkatkan kualitas dan kuantitas produksi kopi di Indonesia, sebuah tim penelitian yang dipimpin oleh Zuriati, S.Kom., M.Kom., KPS Teknologi Rekayasa Internet Politeknik Negeri Lampung, bersama anggota Kurniawan Saputra, S.Kom., M.Kom., dan Nurul Qomariyah, S.Kom., M.Kom., telah berhasil mengembangkan Model Deteksi Dini Penyakit pada Tanaman Kopi menggunakan algoritma K-Nearest Neighbor (KNN).
Indonesia, yang dikenal dengan industri kopi yang kuat, menghadapi tantangan seperti pohon kopi yang menua, rentan terhadap penyakit, dan praktik peremajaan yang kurang memadai. Faktor-faktor ini, ditambah dengan adopsi terbatas Pengendalian Hama Terpadu (PHT) oleh petani kopi, berkontribusi pada kerugian panen yang signifikan akibat serangan Organisme Pengganggu Tumbuhan (OPT), terutama hama dan penyakit tanaman.
Tim penelitian yang dipimpin oleh Zuriati, S.Kom., M.Kom., KPS Teknologi Rekayasa Internet di Politeknik Negeri Lampung, mengidentifikasi hama dan penyakit kunci yang memengaruhi tanaman kopi, termasuk penggerek buah kopi (Hypothenemus hampei Ferr.), penggerek batang (Zeuzera sp.), penggerek cabang (Xylosandrus spp.), kutu hijau (Cocus viridis), kutu putih (Ferrisia virgata), penyakit karat daun (Hemileia vastatrix), jelaga hitam, busuk buah, dan nematoda. Menyadari kesulitan petani dalam membedakan gejala, tim bertujuan memberdayakan mereka dengan metode deteksi dini penyakit.
Penelitian melibatkan empat tahap krusial: Pengumpulan Data, Praproses Data, Implementasi Algoritma KNN, dan Evaluasi Model. KNN dipilih karena hasil identifikasi penyakit yang superior dan nilai akurasi tinggi. Performa model diukur melalui uji akurasi menggunakan matriks konfusi, menghasilkan akurasi impresif sebesar 98%, recall 98%, dan presisi 98%.
Kurva ROC yang dihasilkan model deteksi dini penyakit kopi
Implementasi sukses Model Deteksi Dini Penyakit oleh Zuriati, S.Kom., M.Kom., KPS Teknologi Rekayasa Internet di Politeknik Negeri Lampung, menawarkan solusi bagi petani untuk mengidentifikasi penyakit tanaman kopi dengan cepat. Model ini, seperti dijelaskan oleh Zuriati, S.Kom., M.Kom., memiliki kinerja yang sangat baik dalam mendeteksi penyakit tanaman kopi.
