Detail Berita

Bandung - Humas BRIN. Padi menjadi komoditas kunci dalam menjaga ketahanan pangan global. Komoditas ini juga berperan penting dalam mendukung pencapaian Sustainable Development Goals (SDGs) 2, yakni Zero Hunger pada 2030. Tingginya ketergantungan terhadap padi menuntut sistem pengawasan pertanian yang lebih kuat dan terintegrasi.

Peneliti Pusat Riset Sains Data dan Informasi (PRSDI) BRIN, Wawan Hendriawan, memaparkan pentingnya pemantauan lahan sawah berbasis data multi-temporal dan informasi partisipatif untuk mendukung sistem pangan berkelanjutan. Hal tersebut disampaikan dalam Webinar DESAIN #2 bertajuk “Penguatan Sistem Pertanian Nasional melalui Integrasi Data Multidimensi dan Federated Learning untuk Ketahanan Pangan Berkelanjutan,” Rabu (11/3).

“Tantangan dari sistem monitoring tradisional yakni efisiensi, karena memakan waktu lama dan membutuhkan banyak tenaga kerja,” ungkap Wawan. Untuk itu, diperlukan pendekatan teknologi yang mampu meningkatkan efektivitas pemantauan pertanian secara lebih cepat dan akurat.

Dalam webinar tersebut, Wawan memperkenalkan Framework GeoAI, yakni pendekatan teknologi yang mengintegrasikan Geographic Information Systems (GIS), Artificial Intelligence (AI), dan Remote Sensing (penginderaan jauh) untuk menganalisis data spasial secara otomatis.

Ia menjelaskan, teknologi penginderaan jauh memungkinkan pengumpulan data lingkungan melalui citra satelit yang kemudian dikelola secara digital menggunakan GIS. Data tersebut selanjutnya dianalisis menggunakan AI untuk menemukan pola, membuat prediksi, serta menghasilkan rekomendasi berbasis data yang lebih akurat.

Pemanfaatan teknologi tersebut, lanjut Wawan, mulai diterapkan dalam sektor pertanian, khususnya untuk meningkatkan efektivitas produksi padi. Melalui pendekatan GeoAI, kondisi lahan dapat dipantau secara lebih detail sehingga memberikan informasi penting bagi petani.

Informasi tersebut mencakup berbagai aspek, mulai dari tingkat kesuburan tanah hingga potensi ancaman seperti kekeringan. Berdasarkan data tersebut, petani dapat menentukan strategi pengelolaan lahan secara lebih tepat, seperti menentukan waktu tanam maupun mengatur sistem irigasi yang lebih optimal.

Untuk menghasilkan analisis yang akurat tersebut, Wawan menekankan pentingnya penggunaan data citra satelit yang bersifat multi-temporal. Menurutnya, pemanfaatan satellite imagery yang dikumpulkan secara berkala memungkinkan peneliti melihat perubahan kondisi lingkungan dari waktu ke waktu. Data multi-temporal ini membantu memantau dinamika lingkungan, seperti perubahan tutupan lahan, kondisi vegetasi, hingga perkembangan area pertanian dalam periode tertentu.

Selain pemaparan mengenai pemanfaatan GeoAI dan data multi-temporal, webinar ini juga menghadirkan perspektif lain terkait pengembangan teknologi pertanian berbasis kecerdasan buatan. Mochammad Nizar Palefi Ma’ady, dosen Telkom University Surabaya, memaparkan materi bertajuk “Toward Sustainable Precision Agriculture in Indonesia” yang menyoroti pemanfaatan Deep Learning dan Federated Learning dalam pengembangan pertanian presisi.

Nizar menjelaskan, teknologi Federated Learning memiliki kemampuan untuk menyelesaikan berbagai tugas kompleks dalam sektor pertanian seperti mendeteksi penyakit tanaman hingga identifikasi gulma melalui rekaman video drone. Namun demikian, Nizar juga menyoroti tantangan utama dalam penerapan teknologi ini. 

“Sistem Federated Learning membutuhkan prosesor dengan daya komputasi tinggi, yang berarti memerlukan investasi perangkat keras yang cukup mahal,” ujarnya.

Untuk mengatasi hal tersebut, Nizar menjelaskan potensi penerapan Federated Learning sebagai pendekatan alternatif. Proses pembelajaran model dilakukan secara terdesentralisasi di berbagai lokasi, misalnya pada masing-masing lahan yang memiliki karakteristik lingkungan berbeda. Menurutnya, data tetap diproses secara lokal, sementara model pembelajaran dapat diperbarui secara kolektif tanpa harus memusatkan seluruh data dalam satu server.

“Penelitian mengenai penerapan Federated Learning di negara berkembang, termasuk Indonesia, masih relatif terbatas sehingga membuka peluang besar untuk pengembangan riset di masa mendatang,” ia menjelaskan. (rp, mg/ed. kg,MM)