Tayang9

POLMAN, TAYANG9 — Tim peneliti Universitas Al Asyariah Mandar (UNASMAN) mengembangkan KopiBot, chatbot sistem pakar berbasis Natural Language Processing (NLP) yang dirancang untuk membantu mengidentifikasi penyakit tanaman kopi. Inovasi tersebut dikembangkan melalui Penelitian Fundamental Reguler (PFR) Tahun Ke-2 dan diuji coba langsung bersama pengguna di Desa Siwi, Kabupaten Mamasa, Sulawesi Barat.

Penelitian ini merupakan kelanjutan dari riset sebelumnya berjudul “Sistem Pakar Berbasis Probabilistik untuk Identifikasi Penyakit Tanaman Kopi dengan Algoritma Breadth First Search dan Naive Bayes.” Jika pada tahap awal sistem mengandalkan penelusuran gejala menggunakan Breadth First Search (BFS) dan perhitungan probabilitas dengan Naive Bayes, pada tahun kedua sistem dikembangkan menjadi chatbot yang lebih interaktif melalui integrasi NLP dan metode Certainty Factor (CF).

Bahasa Pattae Jadi Pintu Masuk Konsultasi

Salah satu keunggulan KopiBot terletak pada pemanfaatan **bahasa daerah Pattae** dalam proses konsultasi. Pendekatan ini dikembangkan dengan mempertimbangkan pola komunikasi masyarakat yang lebih akrab menggunakan bahasa lokal ketika menjelaskan kondisi tanaman.

Melalui NLP, masukan pengguna dalam bahasa Pattae diproses, dinormalisasi, kemudian dipetakan ke padanan Bahasa Indonesia. Sistem selanjutnya mengenali gejala yang berkaitan dengan penyakit tanaman kopi berdasarkan basis pengetahuan yang telah dibangun.

Dengan demikian, alur kerja KopiBot secara sederhana berlangsung dari Bahasa Pattae → NLP → Bahasa Indonesia → Identifikasi Gejala → Certainty Factor → Diagnosis → Rekomendasi Penanganan.

Basis pengetahuan KopiBot saat ini mencakup lima jenis penyakit tanaman kopi, yakni Jamur Upas, Karat Daun, Bercak Daun, Penyakit Akar, dan Nematoda, yang didukung 50 gejala dan 50 aturan diagnosis. Sistem juga dilengkapi data bahasa Pattae–Indonesia, kata kunci, dan sinonim untuk mengenali beragam ungkapan pengguna.

Bukan Sekadar Diagnosis

Metode Certainty Factor digunakan untuk menentukan tingkat keyakinan sistem terhadap kandidat penyakit berdasarkan gejala yang dimasukkan pengguna. Setiap gejala memiliki hubungan dengan penyakit tertentu melalui aturan dan bobot keyakinan dalam basis pengetahuan.

Dalam salah satu skenario pengujian, KopiBot menghasilkan diagnosis Jamur Upas dengan tingkat keyakinan 62,58 persen. Sementara pada skenario lain, masukan berupa gejala akar yang membusuk berwarna cokelat hingga hitam dan mengeluarkan bau tidak sedap menghasilkan diagnosis Penyakit Akar dengan tingkat keyakinan 100 persen.

Tim peneliti menegaskan bahwa angka tersebut merupakan tingkat keyakinan sistem terhadap suatu diagnosis berdasarkan gejala dan aturan yang digunakan, bukan angka yang menunjukkan akurasi keseluruhan sistem.

KopiBot juga tidak berhenti pada pemberian nama penyakit. Sistem menyediakan gambar penyakit, informasi pendukung, solusi, dan rekomendasi penanganan. Riwayat konsultasi dapat disimpan untuk ditinjau kembali, sedangkan administrator dapat mengelola data penyakit, gejala, aturan Certainty Factor, data bahasa, serta riwayat diagnosis melalui dashboard.

Diuji Langsung Bersama Pengguna

Sebagai bagian dari evaluasi penelitian, tim melaksanakan uji coba KopiBot di Desa Siwi, Kabupaten Mamasa. Pengguna diperkenalkan pada cara kerja ruang konsultasi dan diminta memasukkan kondisi tanaman kopi melalui telepon pintar menggunakan bahasa sehari-hari maupun istilah bahasa daerah yang tersedia dalam basis data sistem.

Masukan pengguna kemudian diproses melalui NLP untuk melakukan pembersihan dan normalisasi teks, pemetaan istilah bahasa daerah ke Bahasa Indonesia, serta identifikasi gejala. Gejala yang berhasil dikenali selanjutnya diproses menggunakan metode Certainty Factor untuk menghasilkan kandidat penyakit, tingkat keyakinan, dan rekomendasi penanganan.

Uji lapangan tersebut sekaligus menjadi ruang evaluasi terhadap kemudahan penggunaan, keterbacaan hasil diagnosis, dan kemampuan sistem mengenali variasi istilah yang digunakan masyarakat. Masukan pengguna menjadi bahan penyempurnaan kosakata bahasa daerah, kata kunci, sinonim, aturan diagnosis, dan tampilan antarmuka.

Dari Sistem Pakar Menuju Teknologi Pertanian yang Lebih Inklusif

Pengembangan KopiBot memperlihatkan kesinambungan penelitian dari sistem pakar berbasis probabilistik menuju teknologi konsultasi yang lebih interaktif dan dekat dengan pengguna.

Kolaborasi tim tidak hanya berfokus pada aspek komputasi, tetapi juga memperhatikan karakteristik bahasa dan kebutuhan masyarakat lokal. Tim peneliti terdiri dari Ul Khairat, S.Kom., M.Kom.; Muh Al-Hijr Asqalani, S.Kom., M.Kom.; Basri, S.Kom., M.Kom.; Yudhi Adhitya, S.T., M.Kom., Ph.D.; dan Muhammad Assidiq, S.E., M.Pd, dengan dukungan mahasiswa, Yupita Dimbak dan Muh Ramadhani.

Pada tahap selanjutnya, penelitian diarahkan pada penyempurnaan dataset bahasa Pattae, pengujian kemampuan NLP dalam mengenali variasi kalimat, evaluasi hasil diagnosis, serta pengujian lebih lanjut bersama pengguna.

Melalui penelitian tersebut, UNASMAN mendorong pemanfaatan kecerdasan buatan, NLP, dan sistem pakar untuk mendukung transformasi digital di sektor pertanian. KopiBot diharapkan dapat menjadi media pendukung identifikasi awal penyakit tanaman kopi yang informatif dan mudah digunakan, sekaligus menunjukkan bahwa teknologi digital dapat dikembangkan dengan tetap menghargai bahasa dan pengetahuan lokal masyarakat.

Uji coba KopiBot di Desa Siwi, Kabupaten Mamasa, meliputi pemaparan sistem, pendampingan penggunaan, dan praktik konsultasi penyakit tanaman kopi melalui perangkat pengguna.

---

*©2026 – Program Pendanaan Hibah Penelitian Fundamental Reguler, DPPM Kemendiktisaintek RI. Surat Keputusan Nomor Kontrak: 136/C3/DT.05.00/PL-MULTITAHUN LANJUTAN/2026, 429/LL9/PPIP.PL-MULTI/2026, 102/UNASMANREKTOR/IX/V/2026. Tahun 2026.*