COMPUTER VISION UNTUK PEMANTAUAN HAMA TANAMAN DALAM MEWUJUDKAN SWASEMBADA PANGAN BERBASIS TEKNOLOGI

Hedianto Hedianto; Lisa Amalia; Andi Tenry Sose

doi:10.31764/jmm.v9i4.32176

COMPUTER VISION UNTUK PEMANTAUAN HAMA TANAMAN DALAM MEWUJUDKAN SWASEMBADA PANGAN BERBASIS TEKNOLOGI

Hedianto Hedianto, Lisa Amalia, Andi Tenry Sose

Abstract

Abstrak: Permasalahan utama yang dihadapi petani di Desa Bontomanai adalah keterbatasan dalam mendeteksi hama tanaman secara dini, yang berdampak pada penurunan produktivitas dan nilai ekonomis hasil pertanian. Tujuan pengabdian ini adalah memperkenalkan dan menerapkan teknologi computer vision untuk pemantauan hama tanaman dalam rangka mendukung swasembada pangan. Kegiatan dilakukan bersama Kelompok Tani Sipakainga yang beranggotakan 15 orang, melalui metode sosialisasi, pelatihan, penerapan teknologi, pendampingan, serta evaluasi dan rencana keberlanjutan program. Evaluasi dilakukan secara kualitatif menggunakan pendekatan analisis SWOT dan gap analysis. Hasil menunjukkan peningkatan softskill sebesar 78% dan hardskill sebesar 64% dalam penggunaan teknologi digital, serta peningkatan nilai ekonomis hingga 32% melalui pengurangan kerusakan tanaman. Program ini berhasil meningkatkan kesiapan petani dalam menghadapi tantangan pertanian modern berbasis teknologi.

Abstract: The main problem faced by farmers in Bontomanai Village is the limitation in detecting plant pests early, which has an impact on reducing productivity and the economic value of agricultural products. The purpose of this service is to introduce and apply computer vision technology for plant pest monitoring in order to support food self-sufficiency. Activities were carried out with the Sipakainga Farmer Group, which consists of 15 members, through socialization, training, technology application, mentoring, as well as evaluation and program sustainability plans. The evaluation was conducted qualitatively using SWOT analysis and gap analysis approaches. The results showed an increase in soft skills by 78% and hard skills by 64% in the use of digital technology, as well as an increase in economic value by 32% through reducing crop damage. The program succeeded in improving farmers' readiness to face the challenges of modern technology-based agriculture.

Keywords

Agricultural Technology; Computer Vision; Farmer Empowerment; Food Self-Sufficiency; Pest Monitoring.

Full Text:

DOWNLOAD [PDF]

References

Arifin, N., Nur Insani, C., & Rasyid, M. R. (2023). Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Klasifikasi Tingkat Kematangan Buah Tomat menggunakan Computer Vision untuk Smart Agriculture. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika Dan Komputer), 22(2) 509-516.

Astrakusuma, R. S., & Fauziah, F. (2024). Potensi Ekstrak Gulma Bandotan (Ageratum conyzoides) dan Pegagan (Centella asiatica) sebagai Biopestisida Terhadap Hama Empoasca flavescens pada Tanaman Teh. Jurnal Sains Teh Dan Kina, 3(1) 98-117. https://doi.org/10.22302/pptk.jur.jstk.v3i1.182

Ayuningtyas, E. A., & Kahfi, A. N. (2024). Pelatihan survei dan pemetaan dalam pengelolaan data spasial dan digitalisasi pertanian di Kabupaten Tapin Kalimantan Selatan. KACANEGARA Jurnal Pengabdian Pada Masyarakat, 7(1) 111-120. https://doi.org/10.28989/kacanegara.v7i1.1784

Darmawan Putra Bahari, S., & Latifa, U. (2023). Klasifikasi Buah Segar Menggunakan Teknik Computer Vision Untuk Pendeteksian Kualitas Dan Kesegaran Buah. JATI (Jurnal Mahasiswa Teknik Informatika), 7(3) 8-21. https://doi.org/10.36040/jati.v7i3.6871

Daryanti, D. (2021). Prototype Sistem Monitoring Pengairan Pertanian Bawang Merah dan Pencahayaan Otomatis dari Hama Daun Bawang Berbasis Internet of Things Tugas. Industry and Higher Education, 3(1) 1-82.

Fatchurrachman, A., & Udjulawa, D. (2023). Identifikasi Penyakit Pada Tanaman Kopi Berdasarkan Citra Daun Menggunakan Metode Convolution Neural Network. Jurnal Algoritme, 3(2) 151-159. https://doi.org/10.35957/algoritme.v3i2.3384

Hama Rawf, K. M., Abdulrahman, A. O., & Mohammed, A. A. (2024). Improved Recognition of Kurdish Sign Language Using Modified CNN. Computers, 13(2) 1-17. https://doi.org/10.3390/computers13020037

Hartati, S., Yahya, M. R., & Sutrisno, S. (2024). Implementasi Program Ketahanan Pangan dalam Bidang Pertanian di Desa Mayang Sari. JDP (Jurnal Dinamika Pemerintahan), 7(1) 107-119. https://doi.org/10.36341/jdp.v7i1.4193

Heryadi, D. Y., Rofatin, B., Tedjaningsih, T., & Nurcahya, I. (2024). Implementasi Diversifikasi Konsumsi Pangan Lokal dan Faktor-faktor Yang Mempengaruhinya dalam Menu Keluarga untuk Menunjang Ketahanan Pangan. Mimbar Agribisnis : Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis, 10(1). 843-850 https://doi.org/10.25157/ma.v10i1.12612

Made, I. G., Dipayana, A., Khrisne, D. C., Setiawan, W., Studi, P., Elektro, T., Teknik, F., & Email, U. U. (2022). Rancang Bangun Alat Monitoring Tanaman Mikrokontroler Dan Teknik Computer Vision. In Jurnal SPEKTRUM Vol (Vol. 9, Issue 1) 19-26.

Manik, T. R., Azmi, Z., & Azlan, A. (2024). Sistem Pakar Dalam Mendiagnosa Hama Dan Penyakit Pada Tanaman Kopi Arabica (Coffee Arabica) Menggunakan Metode Dempster Shafer. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 3(2) 82-89. https://doi.org/10.53513/jursi.v3i2.5777

Maulana, L., Harjono, H., & Fitriani, M. A. (2021). Sistem Informasi Geografis Pemetaan Daerah Hama Wereng pada Tanaman Padi Berbasis Android dengan Google Maps API, di Kabupaten Banyumas. Sainteks, 17(2) 185-197. https://doi.org/10.30595/sainteks.v17i2.9912

Muh. Sabir Laba, & Muhammad Muhajirin Saing. (2023). Transformasi Digital di Sektor Pertanian di Indonesia. Jurnal E-Bussiness Institut Teknologi Dan Bisnis Muhammadiyah Polewali Mandar, 3(2) 1-17. https://doi.org/10.59903/ebussiness.v3i2.82

Pradana, A. P., & Arijaya, S. A. (2024). Penerapan WAPOGE (Water Power Generator) sebagai Alat Irigasi dan Pengendalian Hama Burung Pipit di Rowosari. Jurnal Abdidas, 5(1) 53-57. https://doi.org/10.31004/abdidas.v5i1.874

Priya, M., & M, S. (2025). IoT-Based Intelligent Infrastructure Decision Support System with Correlation Filter and Wrapper Framework for Smart Farming. International Journal of Critical Infrastructures, 21(3) 43-59. https://doi.org/10.1504/ijcis.2025.10062624

Putra, J. V. P., Ayu, F., & Julianto, B. (2023). Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN. Stains (Seminar Nasional Teknologi & Sains), 2(1) 155-162.

Putra, O. V., Mustaqim, M. Z., & Muriatmoko, D. (2023). Transfer Learning untuk Klasifikasi Penyakit dan Hama Padi Menggunakan MobileNetV2. Techno.Com, 22(3) 562-575. https://doi.org/10.33633/tc.v22i3.8516

Rahmawati, N., & Mahadri, M. A. R. (2024). Sinergitas Kebijakan Pangan Negara Anggota ASEAN dengan Prioritas Kebijakan Pemerintah Indonesia Menangani Krisis Pangan di Nusa Tenggara Timur. Prosiding Seminar Nasional Pemberdayaan Masyarakat (SENDAMAS), 3(1) 162-171. https://doi.org/10.36722/psn.v3i1.2503

Sholikhin, M., & Alexandro H., R. (2022). Klasifikasi Penyakit pada Citra Daun Melon Menggunakan Algoritma Convolution Neural Network. Joutica, 7(1) 525-530. https://doi.org/10.30736/jti.v7i1.735

Siddik Hasibuan, M., & Harahap, H. (2024). Penerapan Metode Haar-Like Feature dan Algoritma Adaboost dalam Penentuan Klasifikasi Hama Tanaman Kopi. In Journal of Science and Social Research (Issue 1) 87-93.

Solihin, A. P., Azis, M. A., & Apriliani, S. (2024). Penerapan Kawasan Pangan Lestari Berbasis Sumber Daya Lokal dalam Mewujudkan Ketahanan Pangan di Kawasan Pesisir Teluk Tomini. EJOIN : Jurnal Pengabdian Masyarakat, 2(1) 197-201. https://doi.org/10.55681/ejoin.v2i1.2219

Ulandari, A. K., Ramdhani, G. K., Wahyuningsih, W., Arwansyuri, M. N., & Bimantoro, F. (2024). Klasifikasi Jeruk Segar dan Busuk Melalui GLCM dan HSV dengan Menggunakan Metode ANN. Seminar Nasional Teknologi & Sains, 3(1) 97-102. https://doi.org/10.29407/stains.v3i1.4358

Wulandari, K., Fitroh, F., Wardana, D. A., & Issyatirrahim, H. M. (2024). Analisis implementasi internet of things (IoT) pada bidang pertanian. Informasi Interaktif : Jurnal Informatika Dan Teknologi Informasi, 9(1) 35-40.

Yuliany, S., Aradea, & Andi Nur Rachman. (2022). Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Buana Informatika, 13(1) 54-65. https://doi.org/10.24002/jbi.v13i1.5022

DOI: https://doi.org/10.31764/jmm.v9i4.32176