Pemberdayaan Kelompok Tani Kakao melalui Edukasi dan penggunaan Smart Farming Berbasis Artificial Intelligence
Article Sidebar
Main Article Content
Abstract
Kakao merupakan komoditas pertanian strategis dengan nilai ekonomi tinggi, namun produktivitasnya masih terhambat oleh serangan penyakit dan deteksi manual yang lambat. Kelompok Tani Sumber Buah di Desa Seppong, Kabupaten Majene, masih menerapkan metode budidaya konvensional dengan literasi digital yang terbatas. Penelitian ini bertujuan memberdayakan kelompok tani melalui edukasi dan pelatihan penggunaan teknologi smart farming berbasis kecerdasan buatan untuk meningkatkan kapasitas deteksi dini penyakit kakao dan produktivitas. Metode yang digunakan mencakup community education, training praktis, transfer teknologi AI, simulasi teknologi, serta pendampingan langsung. Program melibatkan 10 peserta aktif dari kelompok tani yang dievaluasi melalui enam aspek kompetensi. Hasil evaluasi menunjukkan rata-rata capaian program sebesar 80% dalam kategori "Baik", dengan pencapaian tertinggi 90% pada aspek pemahaman konsep dasar smart farming dan keyakinan manfaat teknologi. Sistem deteksi penyakit berbasis AI yang ditransferkan mencakup model machine learning dan deep learning dengan aplikasi mobile user-friendly, dan database visual penyakit kakao. Kesimpulannya, program telah berhasil meningkatkan kompetensi dan keyakinan petani terhadap teknologi, namun perlu pendampingan berkelanjutan untuk memastikan implementasi yang efektif dan berkelanjutan di lapangan.
Article Details
Section
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
Adhitya, Y., Prakosa, S. W., Köppen, M., & Leu, J.-S. (2020). Feature extraction for cocoa bean digital image classification prediction for smart farming application. *Agronomy*, 10(11), 1642. https://doi.org/10.3390/agronomy10111642
Alvarado, J., Restrepo-Arias, J. F., Velásquez, D., & Maiza, M. (2025). Disease detection on cocoa crops based on computer-vision techniques: A systematic literature review. *Agriculture*, 15(10), 1032. https://doi.org/10.3390/agriculture15101032
Ayikpa, K. J., Ballo, A. B., Mamadou, D., & Gouton, P. (2025). A hybrid feature fusion and machine learning approach for cocoa pod disease detection. *Human-Centric Intelligent Systems*, 5(4), 531–544. https://doi.org/10.1007/s44230-025-00117-2
Badan Pusat Statistik Indonesia. (2024). Statistik kakao Indonesia [Cocoa statistics Indonesia]. Retrieved from https://www.bps.go.id/
Gado, G. A. S., & Primandari, P. N. (2025). Sistem klasifikasi berbasis Android untuk penyakit buah kakao menggunakan CNN. Jurnal Teknologi Terpadu, 11, 27–35.
Hadi, H., Darusalam, U., & Andrianingsih, A. (2021). Penerapan metode forward chaining dan Naïve Bayes untuk mendiagnosa penyakit tanaman kakao. *Journal Media Informatika Budidarma*, 5(3), 979. https://doi.org/10.30865/mib.v5i3.3096
Jothimani, K., Somayaji, A. B. G., Neema, H., & Poojalakshmi. (2025). Image processing approach for accurate detection of black pod and monilia cocoa diseases using CNN. Dalam *Proceedings of the 2025 IEEE International Conference on Contemporary Computing and Communications (InC4)* (hlm. 1-5). IEEE.
Khalid, U., Kaya, B., & Kaya, M. (2024). Contrastive self-supervised learning for cocoa disease classification. Dalam *Proceedings of the 2024 10th International Conference on Smart Computing and Communication (ICSCC)* (hlm. 413-416). IEEE.
Kumi, S., Kelly, D., Woodstuff, J., Lomotey, R. K., Orji, R., & Deters, R. (2022). Cocoa companion: Deep learning-based smartphone application for cocoa disease detection. *Procedia Computer Science*, 203, 87–94. https://doi.org/10.1016/j.procs.2022.07.013
Lomotey, R. K., Kumi, S., Orji, R., & Deters, R. (2023). Automatic detection and diagnosis of cocoa diseases using mobile tech and deep learning. *International Journal of Sustainable Agriculture Management and Informatics*, 10(1).
Mamadou, D., Ayikpa, K. J., Ballo, A. B., & Kouassi, B. M. (2023). Cocoa pods diseases detection by MobileNet confluence and classification algorithms. *International Journal of Advanced Computer Science and Applications*, 14(9). https://doi.org/10.14569/IJACSA.2023.0140937
Pradana, A. G., Setiadi, D. R. I. M., & Muslikh, A. R. (2024). Fine tuning model convolutional neural network EfficientNet-B4 dengan augmentasi data untuk klasifikasi penyakit kakao. *Journal of Information Systems Application and Development*, 2(1), 01–11. https://doi.org/10.26905/jisad.v2i1.11899
Robet, R., Perangin Angin, J. T. K., & Siregar, T. H. (2023). Attention augmented deep learning model for enhanced feature extraction in cacao disease detection. IEEE Access, 11, 45672–45689. https://doi.org/10.1109/access.2023.3273456
Sintia, S., Arifin, N., & Insani, C. N. (2026). Implementasi MobileNetV2 pada klasifikasi penyakit daun bibit kakao berbasis pengolahan citra digital. *Insect: Informatics Security Journal Teknik Informatika*, 12(1), 75–85. https://doi.org/10.33506/insect.v12i01.5396
Soh, K. S., Moung, E. G., Danker, K. J. J., Dargham, J. A., & Farzamnia, A. (2024). Cocoa diseases classification using deep learning algorithm. *ITM Web of Conferences*, 63, 01014. https://doi.org/10.1051/itmconf/20246301014
Zambrano-Vega, C., Vera, D. B., Casanova, W. C., & Oviedo, B. (2024). Deep learning-based computational model for disease identification in cocoa pods. Dalam *Proceedings of the 2024 IEEE International Conference on Progress in Informatics and Computing (PIC)* (hlm. 290-296). IEEE.