Vol. 2 No. 11 (2024): GJMI - NOVEMBER

Jeruk merupakan komoditas holtikultura dengan nilai ekonomi tinggi di indonesia, namun penyakit Hunglongbing (HBL), yang disebabkan oleh bakteri Candidatus Liberibacter asiaticus (Clas) dan disebabkan oleh vektot serangga Diaphorina citri, menjadi ancaman serius bagi produksi jeruk. Gejala HBL, seperti daun menguning, tunas terhambat, dan buah yang mengerut, menyebabkan penurunan kualitias dan kuantitas hasil jeruk yang signifikan. Deteksi dini penyakit ini sangat penting untuk mengurangi dampaknya, namun deteksi pada tahap awal sering kali terhambat kerena gejala baru muncul pada tahap lanjut. Salah satu solusi  yang menjajikan adalah penggunaan teknologi pembelajaran mesin dalam analisis citra digital. Teachable Machine, sebuah Platform dari Google, Digunakan untuk melatih model pembelajaran esin yang dapat mendeteksi gejala HBL pada tanaman jeruk secara cepat dan akurat dengan memanfaatkan citra digital. Data set gambar daun jeruk sehat dan yang terinfeksi HBL diperoleh melalui Platform Pencairan gambar, dan model pelatihan dilakukan dengan menyusaikan  parameter seperti epoch, batch size, dan learning rate. Evaluasi model menunjukkan akurasi klasifikasi yang signifikan, memberikan solusi deteksi dini yang efisien dan mudah diakses oleh petani. Penggunaan Teachable Machine menawarkan alternatif praktis bagi petani untuk mengidentifikasi penyakit tahap awal, yang dapat meningkatkan pengelolaan kesehatan tanaman jeruk dan mengurangi kerugian ekonomi akibat HBL. Hasil ini menekankan potensi besar teknologi  pembelajaran mesin dalam meningkatkan keberlanjutan pertanian melalui deteksi penyakit yang lebih cepat dan akurat.