Smart Farming and Big Data: Potensi dan Tantangan di Indonesia

Terminologi Smart Farming umumnya dikaitkan dengan pemanfaatan Teknologi Informasi dan Komunikasi (TIK) pada kegiatan pertanian. Hadirnya teknologi baru seperti Internet of Thing (IoT) menjadi salah satu pendukung dalam pertanian cerdas (smart farming). Selain IoT, cloud computing dan cloud storage juga menjadi pendukung dimana pada pertanian cerdas ini dibutuhkan teknologi pengolahan data dan penyimpanan yang cukup besar. Sehingga kemudian ketika bicara pertanian cerdas maka akan berhubungan langsung dengan Big Data (data yang besar). Big data yang dimaksud adalah data-data yang berkaitan dengan kegiatan budidaya pertanian. Data yang diolah, dianalisis dan dijadikan pengetahuan inilah yang kemudian bisa digunakan untuk menjelaskan fenomena yang sebenarnya terjadi dalam kegiatan pertanian. Ketika kita memahami dengan baik dan detail fenomena yang terjadi, maka tindakan kitapun akan menjadi lebih presisi (precission agriculture).

Data apa saja ? 

 

Ketika bicara data apa saja yang diperlukan dalam kegiatan pertanian tentu secara sederhana kita bisa menjawab dengan spesifik yaitu komoditas yang dibudidayakan, lokasi dan teknologi budidaya yang digunakan. Bicara komoditas pertanian di Indonesia, terdapat banyak sekali ragam komoditas pertanian yang dibudidayakan. Mulai dari tanaman pangan, hortikultura sampai tanaman perkebunan. Masing-masing komoditas memiliki phenotyping dan genotyping yang berbeda-beda. Tentu, memperlajari secara detail fenotip dan genotip tanaman dikaitkan dengan kondisi lingkungan budidaya akan menjadi topik yang sangat menarik. Tentu, kita harus mengumpulkan ratusan eksperimen dengan berbagai kondisi untuk mendapatkan dataset yang bisa bermanfaat untuk pengembangan. Memanfaatkan chamber (lingkungan buatan) akan memudahkan dalam mendapatkan dataset ini.

Bagaimana Mengumpulkannya? 

Kalau kita bicara data yang ada di bayangan kita saat ini di Indonesia hanyalah data dari BPS. Padahal jika kita merujuk pada smart farming, justru data eksperiment lapangan yang diperlukan. Misalnya kita mencatat kondisi pH dalam satu hamparan dan kita monitor secara timeseries, kemudian kita lihat bagaimana tanaman ini tumbuh di lahan yang memiliki kondisi pH berbeda-beda ini. Tentu kalau kita menggunakan cara-cara tradisional dalam mengumpulkannya, maka tidaklah mudah. Kita harus melakukan pencatatan data secara manual berhari-hari bahkan bisa memakan waktu tahunan. Namun, hadirnya ICT memberikan peluang bagi kita untuk melakukan monitoring lebih mudah dan cepat. Tentulah banyak teknologi yang sudah ditemukan diantaranya dengan menggunakan sensor vision (kamera) dan sensor-sensor jenis lain. Tentu data ini juga perlu digabung dengan data observasi oleh manusia yang dicatat ke dalam logbook.

Mengolahnya? 

Hadirnya, teknologi machine learning (ML) dan artificial intelligent (AI) sampai deep learning memberikan harapan baru untuk mempelajari data secara cepat. Teknologi ini bisa digunakan untuk menampilkan konidisi fenotif dari tanaman, memodelkan sistem yang kompleks dan meta computing. Secara detail akan saya coba ulas di lain waktu.

Artikel Terkait 

  1. Supriyanto. 2017. Potensi Internet Of Thing (IoT) Untuk Pertanian. http://debasupriyanto.staff.ipb.ac.id/2018/01/04/potensi-internet-of-thing-iot-untuk-pertanian/
  2. Supriyanto. 2017. Belajar Pertanian dari Liwa, Lampung Barat. http://debasupriyanto.staff.ipb.ac.id/2018/01/05/liwa-mengajarkan-apa-itu-pertanian/

Referensi

  1.  S. Wolfert, L. Ge, C. Verdouw, and M.-J. Bogaardt, “Big Data in Smart Farming – A review,” Agric. Syst., vol. 153, pp. 69–80, May 2017.
  2. W. S. Lee, V. Alchanatis, C. Yang, M. Hirafuji, D. Moshou, and C. Li, “Computers and Electronics in Agriculture Sensing technologies for precision specialty crop production,” Comput. Electron. Agric., vol. 74, pp. 2–33, 2010.