Dunia pertanian berkembang pesat melalui penggunaan mesin untuk membajak dan memanen, irigasi terkontrol, pupuk dan pestisida, pembibitan tanaman, hingga rekayasa genetika.
Semua kegiatan tersebut membantu para petani menghasilkan panen yang berkualitas tinggi.
Tapi, masih banyak hambatan untuk memproduksi hasil panen terbaik, terutama karena faktor variasi jenis tanah.
Petani masih sering merugi – terutama selama dan sesudah panen – karena pengawasan dan penanganan hasil produksi tidak dilakukan dengan baik.
Sehingga, industri pertanian membutuhkan solusi cerdas dan tepat melalui teknologi terbaru.
Pertanian pintar (smart farming) merupakan kegiatan bertani yang menggunakan teknologi modern untuk meningkatkan kuantitas dan kualitas hasil pertanian.
Salah satu bentuk dari smart farming adalah pertanian presisi (precision agriculture), yang merupakan sebuah konsep pengelolaan tanaman dengan lokasi spesifik yang berdasarkan kegiatan pengawasan, pengukuran, dan respons terhadap keragaman di dalam dan antar tanaman di lahan.
Ini membantu petani mencapai hasil panen optimal dan menghemat sumber daya.
Skema pengawasan dalam konsep ini dilakukan dengan memadukan alat sensor elektronik yang bisa mengambil data dari tanah, lingkungan, atau tanaman. Data tersebut kemudian bisa menjadi informasi berguna bagi petani dalam mengambil keputusan, setelah melewati tahap analisis data.
Tujuan dari konsep ini adalah menggunakan tanah dari lahan tertentu dengan sebaik mungkin, mengatur pemeliharaan tanaman, hingga membuat keputusan terbaik dalam menangani hasil panen.
Kami terlibat dalam pengembangan dan penggunaan sensor untuk meningkatkan kualitas beragam produk hortikultur, termasuk buah-buahan.
Kami menggunakan metode kecerdasan komputer untuk mendeteksi kelainan serta memprediksi kualitas buah yang akan dihasilkan.
Penelitian terbaru kami menemukan bahwa solusi berbasis data bisa bermanfaat bagi petani.
Sebagai contoh, mereka bisa menurunkan jumlah kehilangan buah dan sayur dalam rantai suplai produksi, mulai dari pengolahan lahan hingga konsumsi.
Masalah yang dihadapi
Sayuran dan buah-buahan rawan rusak sebelum, selama, dan setelah proses pemanenan, hingga dalam penyimpanan.
Hasil panen yang rusak menjadi sampah. Penyebabnya bisa dari virus, jamur, bakteri, atau patogen. Produk-produk hasil pertanian yang tidak dikemas dengan rapat atau rusak lebih mudah terpapar infeksi dan tidak awet.
Menurut United Nations Food and Agriculture Organisation (Organisasi PBB untuk Pangan dan Pertanian), sekitar 14% makanan dunia terbuang percuma dalam proses pasca panen dan sebelum mencapai toko atau pasar. Dan, sekitar sepertiga makanan dunia hilang atau terbuang.
Menurunkan jumlah kehilangan makanan dan limbah penting untuk mencapai visi Bebas Kelaparan mengingat saat ini lebih dari 821 juta orang menderita akibat kelaparan di dunia.
Penelitian kami melihat peran dari analisis data untuk mendeteksi kelainan dari buah-buahan dan sayuran.
Kami menemukan, machine learning, yaitu kemampuan komputer untuk mencari pola data, membuat prediksi, dan mengajukan solusi tanpa terlihat seperti sebuah program, mampu bekerja lebih baik ketimbang metode tradisional untuk klasifikasi makanan.
Kemampuan komputer ini juga termasuk mendeteksi penyakit pada tanaman dan buah, dan dalam beberapa kasus mampu memantau kualitas buah atau makanan lainnya.
Sensor juga bisa digunakan untuk mendeteksi serangga dan penyakit pada buah-buahan dan sayuran, melalui sebuah mekanisme yang menyerupai hidung atau lidah elektronik, dan memperkirakan kandungan kimia sebuah makanan.
Sensor-sensor ini juga dapat mengukur kondisi fisik, seperti kekerasan dan keasaman, hingga menentukan kualitas produk.
Kualitas produk akan bergantung pada warna, bentuk, ukuran, kemanisan, dan ketiadaan bentuk kelainan, seperti luka atau serangan serangga.
Hal ini untuk mencapai kepuasan pelanggan dan menghasilkan keuntungan bagi produsen dan pemasok.
Alat-alat sensor bisa memberikan data tentang keunggulan tersebut ke dalam algoritma komputer untuk dianalisis.
Pengembangan baru melalui skema machine learning ini akhirnya akan membantu kita menentukan kualitas produk dengan cepat dan efektif, serta prediksi untuk produk-produk pangan segar.
Sebagai contoh, teknik penggambaran yang dikombinasikan dengan algoritma dari machine learning mampu mendeteksi memar pada buah, kerusakan akibat cuaca dingin, dan kebusukan pada berbagai jenis buah seperti apel, pir, dan sitrus, serta untuk melacak berbagai bentuk kelainan pada tomat.
Sebuah aplikasi berbasis ponsel pintar pun tengah dikembangkan untuk mengenal kualitas buah beri kecil.
Machine learning menurunkan tingkat kerugian
Ada tren global yang berkembang bertujuan untuk mengintegrasikan alat-alat berbasis sensor dalam rantai suplai makanan dengan tujuan mengawasi dan mengontrol indikator-indikator kualitas makanan.
Kami mengulas penelitian semacam ini dan menemukan tahapan di mana solusi tersebut diterapkan rantai suplai makanan. Tahapan ini adalah :
- Pengawasan tanaman
Sensor bisa kita gunakan untuk menilai karakteristik buah dan sayur selama proses pertumbuhan, seperti warna, ukuran, dan bentuk.
Informasi ini bermanfaat untuk membantu mengatur kondisi pertumbuhan, seperti suplai air dan menentukan waktu terbaik untuk panen secara akurat. Ini akan mengurangi kehilangan saat panen.
Sebagai contoh, beberapa petani skala rumah tangga di Jerman sudah menggunakan ponsel pintar mereka untuk memastikan kualitas tanaman mereka dengan mengirim gambar tanaman untuk kemudian akan dinilai oleh para ahli melalului model machine learning; hasil pengecekan tersebut juga akan dikirimkan kembali kepada para petani.
Beberapa perusahaan lain sedang mengembangkan model-model untuk merekam faktor-faktor lingkungan seperti perubahan cuaca dan memprediksi bagimana faktor-faktor tersebut bisa mempengaruhi hasil panen.
Pengembangan model sejenis ini diharapkan mampu membantu para petani, khususnya di negara berkembang.
- Pengawasan kualitas pasca-panen
Produk-produk harus diklasifikasikan dan dipilah berdasarkan standar kualitas untuk menentukan kesesuaian produk dengan tujuan konsumen di rumah pengemasan.
Produk-produk ekspor akan dijaga agar mampu bertahan dalam perjalanan jarak jauh dan saat ditaruh di toko.
Untuk pasar lokal, yang membutuhkan waktu tempuh pengantaran jauh lebih singkat, akan memiliki standar kualitas berbeda.
Untuk menentukan suatu produk cocok bagi pakan hewan atau konsumsi manusia, sensor khusus dibutuhkan untuk mengukur dan menghasilkan data untuk klasifikasi, menentukan kelas dan memilah produk makanan ke dalam beberapa kategori.
- Pengawasan kualitas pasar
Penggunaan sensor bahkan juga bisa dikombinasikan dalam material kemasan, untuk mengawasi dan melaporkan status produk makanan dalam waktu tertentu secara terus menerus.
Sensor ini nantinya akan mampu berkomunikasi dan berkirim pesan dengan pusat data. Pengawasan, pendeteksian, dan pembagian produk makanan seperti buah segar ke dalam sebuah kategori, sambil membuang produk tak aman, merupakan langkah krusial untuk memenuhi permintaan pasar, memastikan sumber pemasukan bagi petani, dan menjaga kepercayaan pasar.
Karena populasi dunia yang diperkirakan akan melebihi jumlah 9 miliar pada tahun 2050, memastikan ketahanan pangan dan nutrisi menjadi sebuah tantangan yang semakin sulit, khususnya di kawasan seperti di Sub-Sahara Afrika. Otomatisasi berbasis data bisa kita jadikan salah satu solusi untuk mencapai ketahanan pangan tersebut.
Stefanus Agustino Sitor menerjemahkan artikel ini dari bahasa Inggris
Dapatkan kumpulan berita lingkungan hidup yang perlu Anda tahu dalam sepekan. Daftar di sini.