Sistem Pakar Diagnosis Hama dan Penyakit Tanaman Kopi Berbasis Graf Pengetahuan: Integrasi Semantic Web Rule Language dan Certainty Factor

Abstract

Sektor perkebunan kopi memegang peranan strategis dalam menopang perekonomian nasional Indonesia, dengan volume produksi yang mencapai lebih dari 813 ribu ton pada tahun 2024. Namun, serangan hama dan penyakit masih menjadi kendala serius yang berpotensi menyebabkan kerugian hasil panen sebesar 26% hingga 38%. Keterbatasan akses petani terhadap tenaga ahl di lapangan menjadi dasar perlunya pengembangan sistem pakar untuk deteksi dini berdasarkan observasi gejala visual. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis web bernama “COFFIX” dengan mengintegrasikan graf pengetahuan, aturan Semantic Web Rule Language (SWRL) dan Certainty Factor (CF). Graf pengetahuan dibangun untuk merepresentasikan hubungan kompleks data agronomis yang dihimpun melalui literatur ilmiah dan pengetahuan pakar. Integrasi SWRL dan CF diharapkan mampu menangani ketidakpastian data di lapangan serta menghasilkan sistem diagnosis yang akurat dan mudah diakses oleh petani. Implementasi graf pengetahuan dan metode inferensi dalam penelitian ini menghasilkan solusi diagnosis yang efektif dengan tingkat akurasi rata-rata sebesar 90,00% berdasarkan 30 skenario pengujian oleh dua pakar dalam bidang proteksi tanaman. Pengembangan sistem pakar ini diharapkan dapat mendukung pengambilan keputusan pengendalian yang cepat dan tepat, sehingga mampu meminimalisir kegagalan panen, mengurangi kerugian ekonomi, mendukung pengelolaan pengambilan keputusan dalam penanganan hama dan penyakit tanaman kopi, serta menjaga produktivitas komoditas kopi nasional.