Artificial Intelligence (AI) pada saat ini telah menjadi tonggak perkembangan kehidupan modern. Melalui keduanya kita mendapatkan berbagai kemudahan dalam melaksanakan kegiatan operasional berskala teknikal. Dengan data supply data set yang memadai, AI dapat mempelajari preferensi pengguna sekaligus melakukan self-driven task.

Kini kita dapat melihat ragam implementasi AI di berbagai sektor, mulai dari pengamanan sistem (Cybersecurity) sampai dengan Sektor Agrikultur.

Sektor Agrikultur merupakan salah satu sektor yang memiliki potensial dan nilai yang ekspansif. Dengan bentang alam negara Indonesia yang menampung berbagai keanekaragaman hayati, maka pemanfaatan Sumber Daya Alam (SDA) sangatlah dilirik. Dimulai dari pemanfaatan sebagai dapat dikelola menjadi bahan pangan, industri dan energi terbarukan, hingga dapat dikonversikan menjadi komoditas yang bernilai seperti pupuk kompos.

Salah satu diantaranya SDA yang tersedia dalam jumlah besar, yakni Daun Citrus atau dengan nama lainnya, Daun Jeruk Purut, merupakan salah satu komoditas yang paling banyak dicari dipasaran, terutama oleh para penggiat kuliner dan kecantikan. Namun bagi mayoritas masyarakat, pengidentifikasian Daun Citrus dapat menjadi kendala, terutama ketika satu spesies memiliki kesamaan yang relatif sebanding.

Mengacu pada riset berbasis Teknologi dan AI dalam sektor Agrikultur, salah satu Dosen Teknik Informatika Universitas Dian Nusantara (UNDIRA) berhasil mengimplementasikan Deep Learning untuk memetakan tipe Daun Citrus secara akurat sekaligus menentukan kualitasnya dari jenis yang diinginkan, dengan fokus penelitian mengacu pada jenis Citrus aurantifolia. 

Dengan memanfaatkan Arsitektur ResNet 50 dimana sistem menggunakan visual learning untuk menentukan jenis dedaunan Citrus dengan tingkat keakuratan tinggi. Sebagai informasi, ResNet 50 sendiri merupakan kumpulan Jaringan Saraf Konvensional (CNN) berlapis mengandalkan pattern based beserta colour gradient based learning.

Penelitian ini menerapkan Penangkapan Gambar melalui kamera yang kemudian akan disample oleh sistem. Dalam sistem sendiri, dengan memanfaatkan arsitektur ResNet 50 yang dilatih menggunakan dataset berskala besar, mencakup ratusan ribu hingga jutaan data visual, maka Deep Learning dapat dicapai agar sistem mampu mengidentifikasikan target objek dengan tepat. 

Selebihnya, guna mengoptimalkan input, metode gamma correction-pun turut diaplikasikan untuk menstandarisasi kualitas citra. Pendekatan ini memungkinkan sistem melakukan pembelajaran mendalam (deep learning) untuk menentukan klasifikasi/pola/objek secara akurat. Keberhasilan implementasi ini menegaskan peran strategis dunia Informatika dalam melahirkan inovasi yang tidak hanya memecahkan permasalahan kompleks, tetapi juga memudahkan standarisasi workflow di berbagai sektor termasuk Agrikultur, Studi Biologi dan cakupan riset. 

Hal ini membuktikan kompetensi dan prospek Teknik Informatika, yang tidak hanya berkiprah dalam dunia IT namun juga mendukung berbagai sektor lainnya dalam mengembangkan solusi berbasis teknologi. Mengacu pada pentingnya pengembangan kompetensi IT bagi generasi muda, maka Universitas Dian Nusantara (UNDIRA) merupakan jawaban bagi kawan UNDIRA yang tertarik pada dunia pengembangan teknologi. 

Salah satu Konsentrasi Studi Teknik Informatika yakni Software Engineering, berpusat pada pembekalan mahasiswa terhadap pembuatan perangkat lunak secara optimal. integrasi mata kuliah kunci seperti Visualisasi Data dan Pemrograman turut mendukung pemahaman mendalam mengenai otomasi, menjadi fondasi utama dalam merancang sistem cerdas yang efisien, terstandar, dan dapat diandalkan.

Sumber Referensi: 

Noprisson, Handrie. et.al., OPTIMIZING MULTI-CHANNEL RESNET50 FOR CITRUS LEAF CLASSIFICATION USING COLOR ENHANCEMENT AND EDGE DETECTION METHOD. Jurnal Ilmu Pengetahuan dan Teknologi Komputer (JITK), Universitas Dian Nusantara, Jakarta.