[28 Juli 2025], Pertanian modern menghadapi tantangan besar dalam pengendalian hama dan penyakit tanaman. Di banyak negara berkembang, kerugian panen akibat serangan organisme pengganggu bisa mencapai 50 persen. Situasi ini mengancam ketahanan pangan dan ekonomi petani, terutama pada komoditas utama seperti tomat, bawang, dan jagung. Untuk mengatasi hal ini, teknologi digital berbasis kecerdasan buatan (AI) semakin banyak digunakan, terutama dalam identifikasi cepat dan akurat terhadap kondisi kesehatan tanaman. Namun, salah satu kendala utama pengembangan sistem ini adalah keterbatasan ketersediaan dataset yang lengkap, beragam, dan dapat mewakili kondisi nyata di lapangan. Menjawab tantangan tersebut, hadir TOM2024, sebuah dataset citra digital berskala besar yang dirancang untuk mendukung pengembangan model AI dalam klasifikasi hama dan penyakit tanaman. Dataset ini mencakup lebih dari 25.000 citra mentah dan lebih dari 12.000 citra yang sudah diberi label, dengan total 30 kategori yang mewakili kondisi tanaman sehat, terinfeksi, dan terpapar hama. Citra dikumpulkan langsung dari lahan pertanian di Burkina Faso menggunakan kamera resolusi tinggi dengan variasi pencahayaan, sudut, dan latar belakang. Dengan demikian, dataset ini tidak hanya bersifat teknis, tetapi juga mencerminkan keragaman nyata kondisi pertanian tropis. 

Kekuatan utama dari TOM2024 adalah cakupannya yang luas. Untuk tanaman tomat saja, terdapat 14 kategori yang mencakup penyakit utama seperti layu bakteri, busuk buah, hingga serangan kutu. Pada bawang, data dibagi menjadi enam kategori, termasuk fusarium dan pembusukan umbi. Sementara itu, jagung tercatat dalam sepuluh kategori, dengan serangan hama ulat grayak (fall armyworm) sebagai salah satu fokus utamanya. Citra-citra ini kemudian diproses dan diperbanyak melalui teknik augmentasi, sehingga dapat digunakan untuk melatih model deep learning agar lebih tangguh menghadapi variasi kondisi nyata.

Ketersediaan dataset ini menjadi lompatan penting bagi pengembangan pertanian presisi. Dengan basis data yang komprehensif, para peneliti, pengembang aplikasi, maupun lembaga pendidikan dapat membangun dan menguji model AI yang lebih akurat. Hal ini memungkinkan deteksi dini hama dan penyakit secara otomatis, yang pada gilirannya dapat membantu petani mengurangi penggunaan pestisida berlebih sekaligus meningkatkan produktivitas.

Kehadiran TOM2024 memperkuat infrastruktur digital untuk mendukung pertanian presisi, terutama di wilayah-wilayah yang rentan terhadap serangan hama dan penyakit. Dengan dataset yang terbuka dan dapat diakses secara luas, peluang kolaborasi penelitian semakin besar, baik untuk pengembangan teknologi pengendalian hama terpadu, aplikasi lapangan, maupun kegiatan edukasi di bidang pertanian. Ke depan, kontribusi dataset ini diharapkan mampu mendorong lahirnya inovasi digital yang lebih inklusif, membantu petani menjaga hasil panen, serta memperkuat ketahanan pangan global dalam menghadapi tantangan perubahan iklim dan pertumbuhan populasi dunia.

Referensi

• Appiah, O., Hackman, K. O., Diakalia, S., Codjia, A. K. D., Bêbê, M., Ouedraogo, V., Diallo, B. A. A., Gandji, K., Abdoul-Karim, D., Ogunjobi, K. O., Dabire, G., Sanou, C. L., Anaafo, D., & Ramde, E. (2025). TOM2024: Datasets of tomato, onion, and maize images for developing pests and diseases AI-based classification models. Data in Brief, 59, 111357. https://doi.org/10.1016/j.dib.2025.111357.