Artefak Model RumputSehat EWS
RumputSehat EWS adalah alat bantu keputusan untuk budidaya Kappaphycus
alvarezii. Sistem ini membantu pengguna memahami kondisi rumput laut saat ini
dan risiko kondisinya memburuk dalam 14 hari.
Sistem ini bukan alat diagnosis. Hasilnya tetap perlu dipertimbangkan bersama
pengamatan petani, koperasi, atau penyuluh.
Cara kerja
- Model foto menilai kondisi rumput laut melalui satu foto jarak dekat.
- Model lingkungan menghitung peluang kondisi petak memburuk dalam 14 hari.
- Aplikasi menggabungkan kedua hasil menjadi tingkat risiko hijau, kuning, atau
merah.
- Jika bukti belum cukup, sistem menahan jawaban dan meminta foto baru atau
pemeriksaan manusia.
Isi repositori
Repositori ini berisi model akhir, informasi pelatihan, hasil pengujian, dan kode
pemeriksaan keaslian file.
| File | Isi |
|---|
visual_dinov2.joblib | Model penilaian foto dengan empat kelas |
env_ordinal.joblib | Model risiko kondisi memburuk dalam 14 hari |
visual_dinov2_card.json | Informasi pelatihan dan batas model foto |
env_ordinal_card.json | Informasi pelatihan dan batas model lingkungan |
reports | Hasil pengujian model |
checksums.sha256 | Kode pemeriksaan keaslian file model |
Kode aplikasi dan cara menjalankan model tersedia di
GitHub RumputSehat EWS pada commit ccef915.
File joblib memakai sistem penyimpanan Python yang bernama pickle. File ini hanya
boleh dibuka jika berasal dari repositori resmi ini dan kodenya cocok dengan
checksums.sha256.
Model foto
Model memakai DINOv2 yang dibekukan untuk membaca ciri gambar. Hasil pembacaan
tersebut kemudian dinilai dengan model logistik multikelas.
Foto harus menampilkan satu bagian talus dari jarak dekat. Foto diubah menjadi
ukuran 224 kali 224 piksel sebelum dibaca model.
Model menghasilkan empat kelas.
healthy berarti sehat.early_indicated berarti ada gejala awal.advanced berarti kondisi ice ice lanjut.other_disease berarti ada gangguan lain seperti epifit atau endofit.
Model dilatih dengan 685 gambar. Data terdiri dari 170 gambar sehat, 171 gambar
gejala awal, 38 gambar kondisi lanjut, dan 306 gambar gangguan lain. Pengujian
memakai lima kelompok data. Gambar yang berasal dari foto asli yang sama selalu
ditempatkan dalam kelompok yang sama agar hasil pengujian tidak terlalu tinggi
karena gambar yang mirip.
Hasil pengujian model foto
| Ukuran pengujian | Hasil |
|---|
| Akurasi | 85,84 persen |
| Nilai F1 rata rata empat kelas | 77,67 persen |
| Kesalahan kalibrasi | 8,20 persen |
| Nilai F1 kelas sehat dengan 170 gambar | 85,88 persen |
| Nilai F1 kelas gejala awal dengan 171 gambar | 78,86 persen |
| Nilai F1 kelas lanjut dengan 38 gambar | 52,05 persen |
| Nilai F1 kelas gangguan lain dengan 306 gambar | 93,90 persen |
Aplikasi hanya memberikan jawaban foto jika tingkat keyakinannya mencapai 95
persen. Dengan batas ini, model menjawab sekitar 70,5 persen dari data pengujian
yang sesuai dengan data latih. Akurasi pada jawaban yang dipertahankan sekitar
95,5 persen. Penahanan jawaban membantu mengurangi risiko kesalahan, tetapi
tidak menjamin hasil selalu benar.
Sebanyak 710 gambar dinilai secara mandiri oleh tiga anggota tim yang telah
mempelajari pedoman. Ketiganya bukan ahli rumput laut. Kesepakatan mayoritas
menghasilkan 688 gambar. Tiga gambar tidak dapat dinilai sehingga 685 gambar
dipakai untuk model akhir. Nilai kesepakatan Fleiss kappa adalah 0,490.
Kelas other_disease masih memakai label awal dari sumber data. Karena itu,
kekuatan label kelas ini tidak sama dengan tiga kelas tingkat pemutihan yang
dinilai oleh tim.
Model lingkungan
Model lingkungan menghitung peluang nilai kondisi petak berikutnya lebih buruk
daripada nilai saat ini. Periode prediksinya adalah 14 hari.
Model memakai 29 informasi tentang lingkungan dan kegiatan budidaya. Pengembangan
model memakai 289 catatan dari sekitar 10 kelompok petak dan siklus budidaya pada
dua lokasi di Sulawesi Selatan.
Data utama berasal dari penelitian van Oort dan tim pada
Zenodo 13986376. Data tersebut dilengkapi
dengan data cuaca dan laut dari Open Meteo.
Hasil pengujian model lingkungan
| Ukuran pengujian | Hasil |
|---|
| AUC risiko memburuk dalam kelompok petak | 0,691 |
| Akurasi saat semua data dijawab | 72,0 persen |
| Akurasi saat batas keyakinan 0,60 dipakai | 85,15 persen |
| Bagian data yang tetap dijawab pada batas 0,60 | 79,2 persen |
Model ini hanya menilai peluang kondisi petak yang telah dipantau akan memburuk.
Model tidak menentukan tingkat keparahan berikutnya dan tidak memprediksi awal
penyakit pada petak yang masih bersih.
Penggunaan yang sesuai
- Penelitian dan penilaian kompetisi.
- Demonstrasi produk dalam kondisi yang dikendalikan.
- Alat bantu bagi koperasi atau penyuluh yang memahami proses pemantauan.
- Foto jarak dekat yang mengikuti panduan pengambilan foto pada aplikasi.
Batas penggunaan
- Data foto didominasi foto jarak dekat dengan kondisi seperti laboratorium.
Kemampuan model pada foto tambak yang bebas belum terbukti.
- Kelas kondisi lanjut hanya mempunyai 38 gambar dan hasilnya lebih rendah
daripada kelas lain.
- Model lingkungan baru dikembangkan pada dua lokasi di Sulawesi Selatan.
- Model belum diuji untuk wilayah atau jenis rumput laut lain.
- Model dapat menahan jawaban jika foto buruk atau bukti belum cukup.
- Sistem tidak boleh disebut sebagai alat diagnosis atau sistem yang sudah siap
bekerja sendiri tanpa pemeriksaan manusia.
Pemeriksaan keaslian file
146507cf71c53b5ad47d6334f576bd6688925b9c007c4d2a023fc9cb1906d0589 visual_dinov2.joblib
2ddcccbf022d4356898c9b48afe09b0c055f47c082badbb8356a29e1f53d608ba env_ordinal.joblib
Status izin penggunaan
Model dan dokumentasi ini disediakan agar juri dapat memeriksa hasil, batas
penggunaan, dan proses reproduksinya selama kompetisi. Tim belum memberikan
lisensi terbuka untuk penggunaan ulang model atau dokumentasi di luar keperluan
tersebut. Izin setiap sumber data dijelaskan pada repositori data.
