Sistem Deteksi Dini Hama Tikus Dan Wereng Berbasis Kamera Dengan Pendekatan CNN

Abstract

Padi adalah salah satu komoditas pertanian kunci yang berperan besar dalam menjaga ketahanan pangan nasional. Namun, produktivitas padi sering terganggu akibat serangan hama dan penyakit. Identifikasi gejala yang akurat masih menjadi kendala, terutama bagi petani pemula yang memiliki akses terbatas terhadap tenaga ahli pertanian. Untuk mendukung diagnosis dini, penelitian ini mengembangkan sistem pakar berbasis web dengan metode Certainty Factor (CF). Sistem ini dapat menganalisis gejala yang diinput pengguna dan memberikan tingkat keyakinan terhadap jenis penyakit atau hama yang menyerang. Gangguan yang terdeteksi mencakup penyakit seperti blast, hawar daun, tungro, dan bercak, serta hama tikus sawah yang ditandai dengan gejala seperti tanaman terpotong, lubang di pematang, atau adanya kotoran hewan. Sebagai pengembangan lebih lanjut, sistem ini mengintegrasikan pendekatan Convolutional Neural Network (CNN) untuk mengklasifikasikan gejala berdasarkan citra, seperti kerusakan pada daun atau jejak tikus. Hasil uji coba menunjukkan bahwa sistem ini mencapai akurasi diagnosis sebesar 66,67% setelah divalidasi oleh pakar. Kombinasi metode CF dan CNN memungkinkan sistem bekerja secara saling melengkapi, baik melalui input teks gejala maupun analisis citra visual, sehingga menjadi alat bantu yang efektif untuk membantu petani membuat keputusan cepat di lapangan.