REPUBLIKA.CO.ID, JAKARTA -- Pusat Riset Sistem Data dan Informasi Badan Riset dan Inovasi Nasional (BRIN) mengembangkan aplikasi atau metode pengenalan klon teh menggunakan kecerdasan artifisial (AI). BRIN menggunakan machine learning untuk mendukung peningkatan produktivitas teh di Indonesia.
"Penelitian ini mengusulkan convolutional variational autoencoder based feature learning untuk pengenalan klon teh," kata peneliti di Pusat Riset Sistem Data dan Informasi BRIN Vicky Zilvan dalam Webinar Teknologi Machine Learning untuk Pemulihan Ekonomi Pasca Pandemi COVID-19 yang diikuti secara virtual di Jakarta, Rabu (8/6/2022).
Dengan memanfaatkan algoritma pembelajaran fitur berbasis autoencoder variasional konvolusi, diharapkan pengenalan klon teh secara otomatis dan cepat dilakukan. Dengan begitu, bisa membantu mengembangkan varietas klon untuk meningkatkan kualitas dan produktivitas teh di Indonesia.
Pada akhirnya, diharapkan dapat berkontribusi untuk meningkatkan potensi Indonesia sebagai produsen dan eksportir teh di dunia. Indonesia berada di peringkat ke-13 dengan nilai ekspor teh sebesar 96,3 juta dolar AS, dengan kontribusi 1,4 persen terhadap ekspor dunia.
"Apabila kita melihat perbandingan dengan negara yang notabene lebih kecil dan sumber daya yang lebih kecil dibandingkan Indonesia, tentunya Indonesia memiliki potensi yang sangat besar untuk menjadi produsen dan eksportir teh di dunia," ujar Vicky.
Vicky yang berasal dari Kelompok Riset Machine Learning BRIN, menuturkan di perkebunan sangat mungkin terdapat berbagai klon dari pembibitan silang atau pembibitan yang tidak disengaja oleh petani. Setiap klon teh memiliki ciri khas seperti kualitas dan ketahanan terhadap penyakit.
Inspeksi visual biasanya dilakukan di perkebunan untuk membagi area berdasarkan klon teh yang berbeda untuk menghasilkan tanaman dengan kualitas yang konsisten. Namun, itu akan memakan biaya dan waktu.
Untuk orang awam, perbedaan antara satu seri dengan seri lain klon teh tidak mudah dikenali karena setiap seri klon mempunyai karakteristik fisik yang berbeda seperti bentuk, ukuran, lebar, warna, dan urat daun. Saat ini, inspeksi hanya dilakukan oleh ahli yang jumlahnya terbatas dengan pengalaman bertahun-tahun, dan dilakukan secara manual dengan memeriksa antara lain ukuran fisik, tekstur, dan urat daun.
Untuk memeriksa seluruh segmen perkebunan tentunya akan memakan waktu dan biaya yang tinggi serta rentan terhadap kesalahan. Vicky dan tim mengusulkan algoritme pembelajaran fitur berbasis autoencoder variasional konvolusi untuk mengenali klon teh secara otomatis.
