rainforest canopy layer top view
← Back to blog

Skor Akurasi Plant-ID Tidak Bisa Dipukul Rata: Temuan Studi tentang Spesies Pohon Tropis

Teknologi•12 November 2026•TREEO Indonesia•4 min read

"Model kami mengidentifikasi tanaman dengan akurasi 96,8%." Kalimat ini muncul, dalam berbagai bentuk, di banyak pengumuman AI. Namun kalimat ini hampir tidak menjawab apakah sebuah model mampu menyebutkan nama pohon di lahan petani kecil di Sumatera.

Spesies penting dalam pekerjaan karbon. Spesies menentukan persamaan alometrik, memengaruhi perkiraan pertumbuhan dan permanensi, dan di sebagian rantai pasok menjadi bagian dari bukti yang dibutuhkan pembeli. Jadi, ada baiknya kita membaca apa yang sebenarnya diukur oleh studi-studi yang dipublikasikan.

Keluarga model sama, skor jauh berbeda

96,8

top-1 zero-shot BioCLIP 2 pada benchmark tanaman (subset PlantNet)

25,1

model yang sama pada PlantVillage, benchmark penyakit daun

77,9%

akurasi untuk 84 spesies pohon tropis dari gambar jarak dekat dalam studi drone

Satu model, dua benchmark, dua cerita

BioCLIP 2 adalah model terbuka yang dilatih dengan koleksi besar gambar biologis. Dalam hasil yang dipublikasikan, akurasi top-1 zero-shot-nya adalah 96,8 pada benchmark PlantNet dan 25,1 pada PlantVillage. Dari sepuluh benchmark, rata-ratanya 55,6. Skor tersebut sepenuhnya bergantung pada isi tiap benchmark. Kolom PlantNet adalah subset dari koleksi Meta-Album, bukan set uji Pl@ntNet-300K dengan 1.000 kelas.

Dataset Pl@ntNet-300K-v2 yang lebih besar itu memiliki 306.087 gambar dari 1.000 spesies tanaman, dan akurasi uji top-1 terbaik yang dipublikasikan di repositorinya adalah 0,8457. Sementara itu, model card BioCLIP 2 memperingatkan bahwa prediksi bisa condong ke spesies yang terwakili dengan baik, karena data pelatihannya berekor panjang.

Penelitian lama menunjukkan ketergantungan yang sama pada kondisi. Studi LeafSnap melaporkan akurasi sekitar 73% top-1 dan 96,8% top-5 untuk 184 spesies pohon Amerika Utara, menggunakan foto daun dengan latar polos. Top-5 berarti jawaban yang benar muncul di lima tebakan terbaik model. Petugas lapangan yang berdiri di bawah kanopi biasanya membutuhkan top-1.

Tidak ada satu pun benchmark ini yang berupa koleksi pohon tropis yang difoto di lapangan. Dalam penelusuran literatur untuk artikel ini, kami juga tidak menemukan benchmark foto lapangan Indonesia yang dipublikasikan, jadi berhati-hatilah dengan angka semacam itu.

Temuan studi drone pada spesies tropis

Yang lebih dekat dengan masalah ini adalah studi yang mengklasifikasikan tajuk pohon dari udara.

Studi arXiv 2026 dari hutan tropis memberi label pada 5.302 tajuk pohon, dan 1.999 di antaranya memiliki label spesies dari seorang ahli. Eksperimen dibatasi pada 84 spesies yang memenuhi jumlah label minimum. Akurasinya 77,9% dengan gambar jarak dekat dari satu tanggal, dan 74,3% dengan citra udara tampak tajuk yang digabungkan dari 16 tanggal. Para penulis mencatat bahwa selisihnya paling besar pada ekor panjang, tempat contoh berlabel sedikit dan perbedaan antarspesies tipis.

Ekor panjang adalah inti persoalannya. Hutan tropis memiliki banyak spesies, dan hanya sedikit yang mendominasi. Model bisa mendapat skor tinggi secara keseluruhan karena tepat pada spesies umum, tetapi gagal pada spesies langka.

Temuan studi satelit

Satelit lebih murah per hektare dibandingkan drone, tetapi melihat lebih sedikit.

- Studi berbasis objek WorldView-3 di Stasiun Biologi La Selva, Costa Rica, mengklasifikasikan enam spesies pohon tropis dengan akurasi 85,37%, galat komisi 7,89%, dan galat omisi 14,63%. Para penulis menemukan bahwa bayangan sangat memengaruhi segmentasi dan klasifikasi. - Tinjauan delineasi tajuk di hutan tropis mengutip penelitian di Amazon Brasil, tempat metode tajuk individu terbaik mencapai 65%, dan mencatat bahwa metode tinggi kanopi raster tidak efektif untuk pohon strata bawah. - Tinjauan yang sama mengutip delineasi otomatis dari citra satelit multispektral resolusi tinggi sebesar 79%, efektif untuk tajuk besar tetapi tidak untuk pohon di bawah tajuk dan pohon yang tertutup bayangan. Tinjauan itu juga mencatat bahwa tajuk palem berbentuk bintang memerlukan koreksi manual dalam sebagian besar kasus, dan menyebut delineasi tajuk yang sempurna di hutan tropis tidak realistis. - Sebagai pembanding, benchmark wilayah beriklim sedang, CentralBark, mencakup 25 spesies kayu keras dan lebih dari 19.000 gambar kulit kayu di tiga negara bagian AS. Sebuah model mencapai akurasi keseluruhan 83,21% di dalamnya.

Enam spesies, 25 spesies, dan 84 spesies adalah masalah yang berbeda. Skor dari satu masalah tidak memprediksi yang lain.

Cara membaca klaim identifikasi spesies

Sebelum mengandalkan sebuah angka, tanyakan:

1. Berapa banyak spesies, dan yang mana? Enam spesies umum tidak sama dengan 84 spesies dengan ekor panjang. 2. Jenis gambar apa? Pindaian daun polos, foto jarak dekat, tajuk dari drone, dan piksel satelit adalah input yang berbeda. 3. Top-1 atau top-5? Verifikasi membutuhkan top-1. 4. Di mana pengujiannya? Benchmark wilayah beriklim sedang dan perkotaan tidak banyak menjelaskan agroforestri tropis. 5. Apa yang terjadi pada spesies yang belum pernah dilihat model? Penelitian tentang open-set recognition mencatat bahwa pengklasifikasi konvensional yang dilatih pada kelas yang dikenal cenderung terspesialisasi pada kelas tersebut dan kesulitan menghadapi yang tidak dikenal. 6. Siapa yang memeriksa hasilnya? Untuk bukti karbon atau rantai pasok, pemeriksaan manual pada sampel adalah bagian dari desain yang dapat dipertanggungjawabkan.

Untuk memahami mengapa satu angka per pohon sejak awal rapuh, lihat mengapa pemantauan pohon tunggal gagal. Untuk dampak spesies pada tahap selanjutnya, lihat alometri spesifik spesies.

Pertanyaan yang Sering Diajukan

Hasil yang dipublikasikan sangat bervariasi menurut jumlah spesies, jenis gambar, dan lokasi. Dalam studi drone tropis yang mencakup 84 spesies, akurasinya 77,9% dari gambar jarak dekat. Dalam penelusuran kami, tidak ada benchmark foto lapangan Indonesia yang dipublikasikan.

Menilai ID spesies untuk data pohon?

Spesies penting untuk alometri, permanensi, dan bukti EUDR. Jika Anda sedang menimbang AI dibandingkan identifikasi lapangan, kami siap bertukar pandangan.

Related Articles

Akurasi AI Spesies Pohon: Benchmark vs Realitas Tropis | TREEO Indonesia