Pusat Riset Sains Data dan Informasi (PRSDI), Badan Riset dan Inovasi Nasional (BRIN) mengembangkan teknologi kecerdasan buatan (AI) untuk mendukung pertanian presisi dan ketahanan pangan nasional.
Kepala PRSDI BRIN, Esa Prakasa menegaskan pentingnya penguatan sistem manajemen dan pemantauan fenologi padi guna menjaga stabilitas produksi di tengah tantangan perubahan penggunaan lahan dan variabilitas iklim.
“Integrasi data multi dimensi dan teknologi berbasis AI federated learning membuka peluang untuk membangun sistem pertanian yang lebih adaptif, kolaboratif, dan berbasis data,” katanya dalam diskusi yang digelar secara daring di Jakarta, Selasa.
Esa menyebut inovasi ini tidak hanya mendukung pengambilan keputusan yang cepat dan akurat, tetapi juga memperkuat ketahanan pangan nasional secara berkelanjutan.
Ia menjelaskan pemantauan fenologi padi, mulai dari tahap penanaman, perkembangan vegetatif, fase reproduktif, hingga panen, merupakan komponen krusial dalam perencanaan pertanian.
Menurut Esa, selama ini metode konvensional berbasis survei lapangan memiliki keterbatasan cakupan spasial, biaya tinggi, dan tidak mampu memberikan informasi secara real-time.
Ia memaparkan perkembangan teknologi penginderaan jauh membuka peluang baru melalui analisis citra satelit optik dan radar, termasuk indeks vegetasi (NDVI) dan polarisasi radar (VV, VH), dapat dikombinasikan dengan pendekatan data multi dimensi untuk mengotomatisasi klasifikasi tahap pertumbuhan tanaman.
“Integrasi teknologi ini memungkinkan pemantauan fenologi yang lebih akurat secara spasial dan temporal, mendukung pengembangan sistem pertanian presisi,” ujarnya.
Sementara itu, Federated Learning (FL) hadir sebagai paradigma pembelajaran mesin terdistribusi yang memungkinkan petani, pemerintah, dan institusi riset melatih model AI secara kolaboratif tanpa harus memusatkan atau membagikan data mentah.
Dengan konsep “membawa kode ke data”, FL memungkinkan pengembangan model AI yang aman dan terdesentralisasi.
“Ketika dipadukan dengan data multidimensi, seperti data citra satelit, data kondisi di lapangan, dan algoritma yang dikembangkan dengan menggunakan tool GeoAI, pendekatan ini berpotensi menghasilkan sistem pemodelan fenologi padi yang lebih adaptif, skalabel, dan partisipatif untuk berbagai wilayah pertanian di Indonesia,” tutur Esa Prakasa.
Sumber: Antara
About Author
