PENGEMBANGAN MODEL DEEP LEARNING CERDAS UNTUK IDENTIFIKASI HAMA KOPI Integrasi Computer Vision, Data Agroekologi, dan Explainable AI

0 out of 5
0.00 (0 Ulasan)
8 Views
0 Sold

Judul: PENGEMBANGAN MODEL DEEP LEARNING CERDAS UNTUK IDENTIFIKASI HAMA KOPI Integrasi Computer Vision, Data Agroekologi, dan Explainable AI

Penulis:
Albet Triadi
Agung Ramadhanu
Abdul Muni

ISBN: 978-634-308-570-6

Cetakan Pertama: September 2026

Rp70.000

Order via WhatsApp

Buku ini disusun sebagai salah satu kontribusi ilmiah dalam mempertemukan perkembangan teknologi kecerdasan buatan dengan kebutuhan sektor pertanian, khususnya dalam mendukung pengelolaan tanaman kopi yang lebih efektif, presisi, adaptif, dan berbasis data.
Perkembangan teknologi informasi telah mendorong perubahan besar pada berbagai sektor, termasuk pertanian. Dalam budidaya kopi, tantangan yang dihadapi semakin kompleks, mulai dari perubahan iklim, dinamika lingkungan tumbuh, keterbatasan pemantauan secara manual, hingga serangan hama yang dapat menurunkan produktivitas dan mutu hasil. Kondisi tersebut membutuhkan pendekatan yang tidak hanya mengandalkan pengamatan konvensional, tetapi juga memanfaatkan teknologi yang mampu melakukan analisis secara cepat, konsisten, dan akurat.
Salah satu teknologi yang memiliki potensi besar untuk menjawab tantangan tersebut adalah Artificial Intelligence, khususnya melalui pendekatan deep learning dan computer vision. Pemanfaatan teknologi tersebut memungkinkan sistem komputer mengenali berbagai pola visual pada daun, buah, maupun organisme pengganggu tanaman kopi. Dengan kemampuan tersebut, proses identifikasi hama dapat dilakukan secara lebih sistematis dan berpotensi mendukung deteksi sejak tahap awal.
Akan tetapi, kondisi serangan hama tidak hanya dapat dipahami melalui informasi visual. Perkembangan dan penyebaran hama juga sangat dipengaruhi oleh faktor lingkungan, seperti suhu, kelembaban, curah hujan, ketinggian wilayah, kondisi tanah, intensitas cahaya, serta karakteristik agroekologi lainnya. Oleh sebab itu, buku ini tidak hanya mengulas penggunaan citra sebagai sumber data, tetapi juga membahas integrasi antara data citra, data lingkungan, dan data historis serangan hama untuk membangun sistem kecerdasan buatan yang lebih menyeluruh.
Selain kemampuan menghasilkan prediksi yang akurat, aspek keterjelasan keputusan model menjadi perhatian penting dalam pengembangan sistem berbasis Artificial Intelligence. Model deep learning sering kali dianggap sebagai sistem black box karena proses pengambilan keputusannya sulit dipahami secara langsung. Untuk menjawab permasalahan tersebut, buku ini membahas pendekatan Explainable Artificial Intelligence (XAI), termasuk penggunaan metode Grad-CAM dan SHAP, yang dapat membantu menunjukkan bagian citra maupun variabel yang berkontribusi terhadap hasil prediksi. Dengan demikian, teknologi AI diharapkan tidak hanya mampu memberikan hasil, tetapi juga memberikan penjelasan yang dapat dipahami serta dievaluasi oleh pengguna.
Materi buku disusun secara sistematis mulai dari perkembangan industri kopi dan transformasi pertanian menuju era kecerdasan buatan, konsep dasar Artificial Intelligence, machine learning, deep learning, serta computer vision. Pembahasan dilanjutkan dengan proses akuisisi dan pengolahan citra, pembangunan dataset, teknik anotasi, pengelolaan data, serta berbagai arsitektur deep learning, seperti CNN, ResNet, EfficientNet, MobileNet, DenseNet, Vision Transformer, dan YOLO.
Selanjutnya, pembahasan diarahkan pada pemanfaatan data agroekologi, konsep multimodal deep learning, prediksi risiko hama, sistem peringatan dini, serta integrasi Explainable AI dalam proses pengambilan keputusan. Buku ini juga menguraikan pengembangan sistem secara lebih aplikatif, termasuk pemanfaatan aplikasi mobile, Edge AI, Cloud AI, Internet of Things, drone, evaluasi performa model, validasi lapangan, serta berbagai arah pengembangan menuju sistem Smart Coffee Farming yang terintegrasi.
Buku ini diharapkan dapat memberikan manfaat bagi mahasiswa, dosen, peneliti, praktisi teknologi informasi, pengembang Artificial Intelligence, agronom, penyuluh pertanian, pengelola perkebunan, maupun pihak lain yang memiliki perhatian terhadap pengembangan teknologi pertanian. Selain sebagai sumber pembelajaran, buku ini diharapkan dapat menjadi bahan rujukan dalam pengembangan penelitian serta inovasi pada bidang identifikasi hama, pertanian presisi, kecerdasan buatan, dan pengelolaan perkebunan kopi berbasis teknologi.
Perkembangan Artificial Intelligence yang sangat cepat juga membuka berbagai peluang penelitian pada masa mendatang. Teknologi seperti Edge AI, multimodal learning, Vision Transformer, Explainable AI, Federated Learning, serta Digital Twin berpotensi semakin memperluas pemanfaatan kecerdasan buatan dalam sektor pertanian. Oleh karena itu, pembahasan dalam buku ini diharapkan dapat menjadi dasar sekaligus pemantik bagi pengembangan penelitian dan inovasi yang lebih lanjut.

Ulasan

Belum ada ulasan.

Jadilah yang pertama memberikan ulasan “PENGEMBANGAN MODEL DEEP LEARNING CERDAS UNTUK IDENTIFIKASI HAMA KOPI Integrasi Computer Vision, Data Agroekologi, dan Explainable AI”