OPTIMASI SISTEM IDENTIFIKASI DAN MITIGASI JAMUR LUKA API TEBU BERBASIS CERTAINTY FACTOR MELALUI METODE RLHF

Abstract

Provinsi Jawa Timur merupakan produsen tebu utama di Indonesia, namun produktivitasnya kerap terancam oleh serangan jamur luka api (Sporisorium scitamineum), khususnya pada varietas unggul seperti Cening. Penelitian ini bertujuan untuk mengoptimalkan sistem pakar identifikasi dan mitigasi penyakit luka api melalui integrasi metode Certainty Factor (CF) dan Reinforcement Learning from Human Feedback (RLHF). Penggunaan CF memberikan fondasi logika untuk menangani ketidakpastian diagnosis, sementara RLHF berperan secara dinamis dalam menyempurnakan bobot parameter berdasarkan umpan balik langsung dari pakar agronomi di lapangan. Hasil pengujian terhadap 20 sampel data menunjukkan bahwa metode CF konvensional menghasilkan akurasi sebesar 85% dengan presisi 88,8% dan recall 80%. Integrasi RLHF secara signifikan meningkatkan kualitas diagnosis dengan mencapai nilai Presisi 100%, yang secara efektif mengeliminasi kesalahan positif palsu, meskipun model menjadi lebih konservatif dengan nilai recall sebesar 70%. Temuan ini membuktikan bahwa optimasi RLHF mampu menyelaraskan sistem dengan intuisi pakar secara lebih presisi dibandingkan bobot statis pada CF tradisional. Implementasi model ini diharapkan dapat memberikan rekomendasi mitigasi yang lebih akurat untuk menjaga stabilitas produksi tebu di Jawa Timur