Dosen Universitas AMIKOM Yogyakarta meraih 18 pendanaan dari Kementerian Pendidikan Tinggi, Sains, dan Teknologi pada Tahun Anggaran 2026. Dari jumlah tersebut, 15 pendanaan berasal dari Program Penelitian, dan 3 di antaranya diraih oleh Dr. Andi Sunyoto, M.Kom. Dalam artikel khusus ini, @amikomjogja mengangkat salah satu proposal Dr. Andi Sunyoto, M.Kom. yang memperoleh pendanaan pada Program Penelitian skema Fundamental Reguler, yakni:
“Deteksi dan segmentasi penyakit daun kentang berbasis deep learning untuk pertanian presisi”.
Dr. Andi Sunyoto, M.Kom., menyampaikan bahwa penelitian ini memanfaatkan computer vision dan deep learning untuk meningkatkan akurasi identifikasi penyakit pada daun kentang, sehingga dapat mendukung pengambilan keputusan yang lebih tepat dalam praktik pertanian presisi.
Dr. Andi menjelaskan bahwa penelitian ini merupakan kelanjutan dari riset sebelumnya yang juga berfokus pada deteksi penyakit kentang. Pada tahap awal, sistem yang dikembangkan masih mendeteksi kondisi daun secara umum dan belum mampu menunjukkan secara spesifik area penyakit pada permukaan daun. Keterbatasan itulah yang kemudian mendorong pengembangan riset lanjutan dengan pendekatan segmentasi, agar sistem tidak hanya mengenali adanya penyakit, tetapi juga dapat menunjukkan lokasi detail bagian daun yang terinfeksi.
Menurut Dr. Andi, permasalahan yang ingin diselesaikan dalam penelitian ini berkaitan langsung dengan ketahanan pangan dan pertanian presisi. Ia menempatkan deteksi penyakit daun sebagai salah satu bagian penting dalam siklus pertanian, mulai dari pengelolaan lahan, benih, hingga pemantauan kesehatan tanaman. Dengan mengetahui titik-titik penyakit secara lebih spesifik, petani atau pihak terkait dapat melakukan penanganan yang lebih terarah dan efisien.
“Kalau dulu daun itu dideteksi secara umum, secara keseluruhan, sekarang kita fokus pada titik-titik di mana dia ada penyakitnya,” ujar Dr. Andi Sunyoto, M.Kom.
Dalam penelitian ini, pendekatan segmentasi menjadi pembeda utama dibanding riset sebelumnya. Dr. Andi menerangkan bahwa teknik segmentasi memungkinkan sistem memberikan area-area yang menunjukkan posisi penyakit pada daun kentang. Dengan demikian, hasil analisis tidak berhenti pada informasi bahwa daun terindikasi sakit, tetapi juga menyajikan gambaran yang lebih rinci mengenai sebaran penyakit. Detail semacam ini penting dalam pertanian presisi karena keputusan penanganan sangat bergantung pada tingkat akurasi identifikasi masalah di lapangan.
Ia menambahkan bahwa penggunaan computer vision dan deep learning dalam riset ini diarahkan agar teknologi mampu membaca gejala visual pada daun secara lebih mendalam. Fokus tersebut memperlihatkan bahwa pengembangan model bukan semata untuk kepentingan teknis, tetapi juga untuk menjawab kebutuhan nyata sektor pertanian. Ketika sistem mampu menunjukkan posisi penyakit secara lebih akurat, maka proses pemantauan tanaman dapat dilakukan secara lebih cepat, terukur, dan berpotensi mengurangi risiko kerusakan hasil panen.
Penelitian ini memperoleh pendanaan melalui skema Fundamental Reguler, yaitu skema dalam Program Penelitian yang ditujukan untuk mendukung pengembangan riset ilmiah yang kuat dari sisi substansi, metode, dan kontribusi keilmuan. Pada skema ini, penelitian diarahkan untuk menjawab persoalan penting melalui pendekatan akademik yang mendalam, sekaligus membuka peluang pengembangan riset lanjutan yang lebih aplikatif.
Riset ini juga menunjukkan pendekatan kolaboratif dalam pengembangannya. Dr. Andi mengungkapkan bahwa penelitian fundamental reguler yang ia kerjakan melibatkan dosen dari Universitas AMIKOM Yogyakarta serta praktisi dari luar kampus, khususnya karena tema yang diangkat berkaitan dengan pertanian. Menurutnya, meskipun basis keilmuannya berada pada bidang komputasi, ketika penelitian menyentuh sektor pertanian, maka keterlibatan pihak yang memahami pertanian juga menjadi penting. Baginya, penyelesaian masalah akan lebih tepat jika riset dibangun bersama orang-orang yang memang memahami bidang terkait. Pandangan ini menunjukkan bahwa kekuatan riset tidak hanya terletak pada teknologi yang digunakan, tetapi juga pada kemampuan membangun kerja sama yang sesuai dengan kebutuhan masalah.
“Ketika kita menyelesaikan masalah bukan di bidang kita, itu ya kita harus melibatkan, harus berkolaborasi dengan orang yang ahli di bidangnya itu,” ujarnya.
Selain menekankan pentingnya kolaborasi, Dr. Andi Sunyoto, M.Kom. juga memandang penelitian sebagai proses yang tidak boleh berhenti pada satu tahap saja. Menurutnya, riset sebaiknya terus dikembangkan agar tidak hanya berakhir sebagai laporan atau publikasi, tetapi bergerak menuju pemanfaatan yang lebih luas. Karena itu, penelitian tentang penyakit daun kentang ini juga dapat dibaca sebagai bagian dari perjalanan riset yang terus diperkuat dari waktu ke waktu, dari deteksi awal menuju segmentasi yang lebih detail, dan dari hasil laboratorium menuju potensi penerapan yang lebih nyata di bidang pertanian.
Keberhasilan proposal ini memperoleh pendanaan menunjukkan bahwa penelitian fundamental dapat berkembang menjadi karya yang kuat secara akademik sekaligus relevan dengan kebutuhan lapangan. Melalui riset deteksi dan segmentasi penyakit daun kentang berbasis deep learning, Dr. Andi Sunyoto, M.Kom. memperlihatkan bahwa teknologi visi komputer dapat diarahkan untuk mendukung pertanian presisi dan penguatan ketahanan pangan. Hal ini menegaskan satu hal penting: penelitian yang baik tidak hanya lahir dari kekuatan metode, tetapi juga dari ketekunan membaca persoalan nyata dan menerjemahkannya menjadi solusi ilmiah yang lebih terukur.
Fadya RY – Direktorat Kehumasan dan Urusan Internasional
In Collaboration With Andi Sunyoto
