Paper Review: Smart Agriculture dengan Pengolahan Big Data

Penulis: Hendro Arieyanto dan Jimmy Rumengan

Pembimbing/Editor: Amalia Zahra, S.Kom., Ph.D.

Big Data Driven Smart Agriculture: Pathway for Sustainable Development

Hal yang mendasari implementasi teknologi big data dalam bidang pertanian adalah pertumbuhan populasi yang sangat cepat dan produksi pangan harus bisa mengimbanginya. Ditambah berbagai macam faktor lainnya seperti cuaca, iklim, kejernihan air, dan lain-lain yang bisa mempengaruhi produksi. Teknologi seperti Internet of Things (IoT), cloud computing, big data, robot, dan Artificial Intelligence (AI) diyakini dapat membantu meningkatkan produksi dari pertanian. Smart agriculture adalah teknologi yang dapat mengatasi ancaman, tantangan, dan resiko seperti perubahan iklim, penyakit (terhadap tumbuhan), dan serangan hama, juga menjaga ketahanan. Data pertanian merupakan big data yang fokus terhadap informasi yang terkait dengan pertanian dan membutuhkan pendekatan analitis tertentu dan teknologi yang dapat mengubah data menjadi suatu nilai yang dapat diterapkan dalam pertanian.

Big Data in Agriculture

The Concept of Agricultural Big Data

Data adalah suatu alat yang berpengaruh dalam hal pengambilan keputusan sesuai dengan analisa terhadap situasi yang terjadi. Agricultural big data berarti bahwa banyak data yang diciptakan secara alami dari tingkatan yang berbeda mulai dari menebar benih sampai memanennya. Teknologi big data dalam pertanian dapat mengambil dan menganalisa banyak data dari berbagai sumber dari berbagai macam daerah. Kumpulan dari agricultural big data disebut sebagai “crowed source”, yang dapat dilakukan via kendaraan terbang atau drone, dengan kamera khusus atau smartphone mulai dari satelit sampai smartphone itu sendiri. Data-data tersebut disimpan dalam database dan diproses dengan algoritma. Agricultural big data dapat digunakan untuk meneliti karakteristik dari benih, pola cuaca, keadaan dari tanah seperti pH dan nutrisi, manajemen marketing, kebiasaan konsumen, dan lain-lain. Sumber datanya dapat berasal dari segi biologis, geospasial, dan lingkungan.

Sources of Agricultural Big Data

Data dalam bidang pertanian yang dikumpulkan seharusnya berasal dari berbagai macam sumber, seperti data dari tanah, cuaca, panen, dan lain-lain. Alat seperti Wireless Sensor Network (WSN) adalah solusi untuk pengumpulan data pertanian dari laboratorium dan lapangan. Sensor yang baik adalah sensor yang terdiri dari wifi router, sensor, kamera yang terkoneksi ke internet, baterai, dan sistem instalasi yang fleksibel agar alat digital apapun dapat di-install untuk ke depannya. Sebuah server disiapkan dan telah disesuaikan untuk dapat menampung berbagai macam data pertanian dengan banyak tipe (tanah, cuaca, panen, dan lain-lain).

Struktur data yang digunakan pun harus dapat mengakomodasi banyak fungsi-fungsi independen. Fungsi / module tersebut terdiri dari service dan selalu terhubung dengan web-based maupun non-network API. Infrastruktur tersebut harus fleksibel agar dapat menyesuaikan dengan modul-modul baru tanpa perlu mengubah inti sistem. Beberapa sistem query yang dapat digunakan seperti GeoSPARQL, OGC WMS, OGC WFS, dan OGC WCS. Visualisasi data menjadi sangat penting untuk memahami data geospasial, menentukan pola, tren, dan anomali untuk pemanfaatan data yang lebih baik. Vector ARIMA model dapat digunakan untuk data multi-layer dan historical untuk menghasilkan prediksi yang lebih baik. SVM, Decision Tree, dan Discriminant Analysis dapat digunakan untuk data mining.

Data Driven Smart Agriculture

Concept of Smart Agriculture

Smart agriculture adalah green agriculture yang menggunakan teknologi informasi dan komunikasi dalam penerapannya. Smart agriculture juga merupakan kunci untuk mencapai pertanian yang berkelanjutan mengikuti teknologi modern. Data-data yang digunakan adalah data-data real-time yang meliputi data mengenai tanah, penanaman, panen, dan lain-lain. Penerapan smart agriculture disebut-sebut dapat menghemat biaya sebesar 50% dan meningkatkan produksi sebesar 20%. Tidak hanya itu, banyak hal yang dapat dilakukan lainnya seperti mengantisipasi serangan hama dan meningkatkan efisiensi sumber daya. Konsep ini didasari oleh pendekatan ramah lingkungan yang meliputi penenerapan ilmu seperti biologi, fisika, ekonomi, dan sosial secara menyeluruh.

Drivers for Big Data in Smart Agriculture

Teknologi dari big data yang dapat mendorong penerapan smart agriculture adalah seperti benchmarking, analisa data, instalasi sensor, model yang berhubungan dengan prediksi dan manajemen untuk menghindari ancaman, dan untuk meningkatkan produksi optimal. Meski pada akhirnya keputusan ada di tangan manusia, model tersebut dapat membantu memberikan pilihan dan pertimbangan terbaik yang dapat diambil berdasarkan big data yang tersedia. Smart agriculture juga dipengaruhi oleh pull dan push factors dari penerapan big data, di mana Pull Factors adalah menarik data yang dihasilkan dengan menggunakan teknologi big data, dan Push Factors adalah menggunakan data yang didapatkan untuk digunakan dalam kerja lapangan.

Challenges of Big Data Use in Agriculture

Ada 2 tantangan dalam penggunaan big data dalam pertanian: teknis dan organisasi. Tantangan teknis adalah tantangan yang berhubungan dengan teknologi dan pemasangan alat-alat teknis, kemampuan teknis, infrastruktur IT, power supply, dan menjaga jaringan untuk pemindahan data yang lancar. Tantangan organisasi adalah yang berhubungan dengan investasi, rekrutmen personil, monitoring, tim ahli IT, ahli pertanian, dan manajemen keseluruhan. Kedua tantangan tersebut saling berhubungan. Tantangan teknis mencakup sistem transfer data otomatis yang tidak memakan biaya, privasi dan keamanan data, serta ketersediaan dan hubungan data antar divisi dalam organisasi. Organisasi harus merancang sistem yang sedemikian rupa agar alur data dapat berjalan dengan lancar, terstruktur, pasti, dan spesifik. Data yang diperoleh dari berbagai sumber akan dibutuhkan dalam pengambilan keputusan, oleh karena itu dibutuhkan para pihak yang terkait dalam perusahaan untuk menjalankan smart agriculture dalam organisasi.

Pathway of Achieving Sustainable Agriculture through Big Data Application

Konsep model yang dirancang untuk smart agriculture adalah sebagai berikut:

• Data Source: sumber data yang digunakan.
• Technological Involvement: teknologi yang dipakai.
• Processing Result: proses yang diterapkan untuk mencapai hasil.
• Institutional setting: faktor internal dan external yang dapat mempengaruhi penerapan smart agriculture.
• Governing process: berhubungan dengan produksi dan pemasaran produk.
• Indicators: mengkaji ulang faktor-faktor yang mempengaruhi penerapan smart agriculture.
• Outcome: hasil yang diperoleh dari penerapan smart agriculture.

Referensi:

Sarker, M. N. I., Wu, M., Chanthamith, B., Yusufzada, S., Li, D., & Zhang, J. (2019, May). Big data driven smart agriculture: Pathway for sustainable development. In 2019 2nd International Conference on Artificial Intelligence and Big Data (ICAIBD) (pp. 60-65). IEEE.