Sistem Pakar Diagnosis Penyakit dan Hama pada Tanaman Kopi Menggunakan Graph Retrieval Augmented Generation Berbasis Website

Abstract

Indonesia merupakan salah satu produsen kopi terbesar dunia, namun produktivitasnya masih terhambat oleh serangan penyakit dan hama yang berpotensi menimbulkan kerugian panen yang signifikan. Minimnya kemampuan petani dalam mengenali gejala serangan secara mandiri akibat terbatasnya akses terhadap tenaga ahli menjadi permasalahan utama yang mendorong perlunya sistem diagnosis berbasis pengetahuan pakar yang mudah diakses. Penelitian ini membangun sistem pakar diagnosis penyakit dan hama tanaman kopi berbasis website dengan mengintegrasikan knowledge graph dan metode Graph Retrieval Augmented Generation (GraphRAG). Pengetahuan diperoleh melalui wawancara pakar dan kajian literatur, lalu dimodelkan ke dalam basis data graf menggunakan Neo4J. Mekanisme GraphRAG diimplementasikan melalui tahapan query processing, graph retrieval, context augmentation, dan answer generation menggunakan model LLM, yang seluruhnya disajikan melalui antarmuka website berbasis Streamlit. Sistem berhasil merepresentasikan pengetahuan domain kopi dalam bentuk knowledge graph yang mencakup penyakit, hama, gejala, dan pengendalian secara terstruktur. Evaluasi kinerja menunjukkan kemampuan retrieval dan pembangkitan jawaban yang baik dengan nilai konsistensi serta relevansi yang tinggi. Validasi oleh dua pakar proteksi tanaman menyimpulkan bahwa sistem mampu menghasilkan diagnosis yang sesuai dengan penilaian pakar. Sistem ini terbukti layak sebagai sarana pendukung petani dalam mengidentifikasi penyakit dan hama tanaman kopi serta pengambilan keputusan pengendalian secara mandiri berbasis pengetahuan terstruktur.