Detail Berita

Jakarta-Humas BRIN. Pemanfaatan data satelit berpotensi mendukung pemetaan dan pemantauan pertanian Indonesia, mulai dari identifikasi jenis tanaman hingga pengamatan perubahan pola tanam dari waktu ke waktu. Untuk menghasilkan informasi yang andal pada skala nasional, BRIN tengah mengembangkan metode pengolahan citra dan model kecerdasan buatan dengan mempertimbangkan karakteristik lahan pertanian Indonesia.

Peneliti Pusat Riset Geoinformatika (PRG) BRIN, Yohanes Fridolin Hestrio, menjelaskan bahwa berdasarkan Sensus Pertanian 2023, Indonesia memiliki lebih dari 29 juta hektare lahan pertanian yang perlu dipantau. Luas wilayah, keragaman karakteristik lahan, ukuran petak pertanian yang relatif kecil dan terfragmentasi, tutupan awan, serta waktu tanam yang tidak seragam menjadi tantangan dalam menghasilkan peta pertanian berskala nasional.

“Tujuan kami adalah mengubah piksel satelit menjadi informasi tanaman yang andal pada skala nasional,” ujarnya dalam kegiatan "Indonesia–China Workshop on Satellite Remote Sensing Applications" di Kawasan Sains dan Teknologi Sarwono Prawirohardjo, BRIN, Gatot Subroto, Jakarta, Rabu (14/10).

Salah satu tantangan dalam pengolahan citra satelit adalah ukuran berkas data yang besar. Dalam penelitian yang dipaparkan, Yohanes menggunakan citra Planet Scope dari Sleman, Yogyakarta, dengan menerapkan metode kompresi berbasis wavelet. Metode ini bertujuan memperkecil ukuran berkas agar lebih efisien diproses tanpa mengabaikan kualitas informasi citra.

Hasil pengujian menunjukkan bahwa pada tingkat kualitas 10, ukuran berkas dapat diperkecil menjadi sekitar 49 kilobyte, dengan nilai kemiripan struktural sebesar 0,964 dan nilai Peak Signal-to-Noise Ratio (PSNR) sebesar 40,6. Meski demikian, proses kompresi dapat membuat batas antar persil lahan tampak lebih buram. Karena itu, kualitas citra yang telah dikompresi tetap perlu diuji untuk memastikan kesesuaiannya bagi pemodelan dan pemetaan tanaman.

Tahap berikutnya adalah mengolah citra menjadi informasi mengenai jenis tanaman. Yohanes membandingkan sejumlah pendekatan kecerdasan buatan untuk mengenali pola pertumbuhan tanaman dari waktu ke waktu sekaligus mempertahankan detail spasial citra. Pengujian dilakukan menggunakan tiga kumpulan data berbasis Sentinel-2 dari Jerman, Italia, dan Prancis.

Hasil pengujian yang dipaparkan menunjukkan peningkatan akurasi keseluruhan sebesar 7,66% dan nilai Kappa sebesar 9,08%. Namun, peningkatan tersebut tidak merata pada seluruh kumpulan data. Identifikasi jenis tanaman dengan jumlah sampel terbatas juga masih menjadi tantangan.

Selain itu, data pengujian dari wilayah Eropa belum sepenuhnya merepresentasikan kondisi pertanian tropis Indonesia. Oleh karena itu, diperlukan data referensi yang sesuai dengan karakteristik pertanian Indonesia untuk menguji dan meningkatkan kinerja model.

Sebagai tindak lanjut, penelitian diarahkan pada pengembangan model Wavelet Mamba untuk mengolah citra satelit multitemporal, yakni citra yang merekam wilayah yang sama pada waktu berbeda. Program riset BRIN pada 2026 memanfaatkan tujuh pita spektral dari Sentinel-2 dan Landsat serta telah menyiapkan lebih dari 14.000 piksel berlabel. Pengembangan ini direncanakan untuk mendukung pemetaan pertanian di Jawa Barat sebagai bagian dari upaya memperkuat ketahanan pangan dan adaptasi terhadap perubahan iklim.

Dalam kegiatan yang sama, Zhang Jiahong dari China Aero-Geophysical Survey and Remote Sensing Center for Natural Resources (AGRS) memaparkan pengembangan teknologi survei geofisika udara dan penginderaan jauh untuk mendukung kajian geologi serta eksplorasi sumber daya mineral.

Zhang menjelaskan bahwa survei geofisika udara memanfaatkan instrumen yang dipasang pada pesawat, helikopter, maupun wahana udara nir awak untuk mengukur medan fisik Bumi, seperti medan magnet, gravitasi, dan elektromagnetik. Pengukuran tersebut membantu mengidentifikasi struktur geologi dan menelusuri potensi sumber daya mineral. Ia juga memaparkan pemanfaatan citra hiperspektral dan pembelajaran mesin untuk membantu identifikasi persebaran mineral, termasuk dalam eksplorasi mineral polimetalik di Tibet.

Dari sisi pengembangan riset pertanian, Yohanes mengidentifikasi sejumlah peluang kerja sama dengan mitra China, antara lain akses terhadap data satelit, pemanfaatan data dengan ketentuan lisensi yang jelas, pengujian model bersama, dan pertukaran pengetahuan. Peluang tersebut masih memerlukan pembahasan lebih lanjut agar sesuai dengan kebutuhan data dan karakteristik pertanian Indonesia.

Pengembangan metode pengolahan citra dan model pemantauan tanaman diharapkan dapat mendukung penyediaan informasi pertanian yang lebih efisien dan akurat. Dengan dukungan data referensi yang sesuai serta kolaborasi riset, teknologi penginderaan jauh berpotensi memperkuat pemetaan pertanian dan mendukung upaya menjaga ketahanan pangan nasional.(ais, amn/ed. mfs)