Teknologi Data Dalam Bidang Pertanian

Seiring dengan meningkatnya perkembangan teknologi sensori, jumlah data pertanian yang dihasilkan dan perlu dianalisis pun meningkat. Data-data seperti temperatur, kelembaban udara, intensitas matahari, dan lain-lain diakuisisi secara real time sehingga perlu penanganan khusus dalam pengolahan serta analisa data.

Smart Farming merupakan suatu pengembangan metode pertanian yang memanfaatkan Internet of Things (IoT) dan Cloud Computing, dimana data yang diakuisisi dianalisis dan dijadikan landasan dalam sistem pengambilan keputusan secara real time. Pengembangan smart farming tak lepas dari teknologi Big Data. 

Apa itu Big Data?

Big Data menurut Michael Cox dan David Elisworth dalam bukunya yang berjudul Application controlled demand paging for out-of-core visualization (1997) menyatakan bahwa “Visualization provides an interesting challenge for computer systems: data sets are generally quite large, taxing the capacities of main memory, local disk, and even remote disk. We call this the problem of big data” (Narendra, 2015). Berdasarkan pernyataan tersebut,

BIG DATA merupakan kumpulan data yang memiliki ukuran besar dan melebihi kapasitas dari perangkat lunak basis data untuk mengelola dan menganalisanya (Prakarsa dan Subardono, 2017).

Dalam big data terdapat pertumbuhan data dan informasi yang kecepatan variasinya sangat besar. Big data memiliki 3 (tiga) karakteristik yang dikenal dengan sebutan 3V yaitu (1) volume, (2) velositas (kecepatan data mengalir), dan (3) varietas (keberagaman data) dan seiring berjalannya waktu karakteristiknya bertambah menjadi 4V dengan V yang terakhir adalah (4) value. Value berkaitan dengan nilai dan kegunaan dari data yang telah tersedia (Narendra, 2015).

Lalu apa keguanaan Big Data dalam bidang pertanian?

Analisis Big Data memungkinkan mesin (komputer) untuk mempelajari data yang didapat melalui algoritma machine learning ataupun deep learning untuk pengambilan keputusan. Analisis Big Data ini tidak hanya digunakan untuk menganalisis aspek teknis dari sistem pertanian, namun juga dapat dikembangkan untuk menganalisis aspek sosio ekonomi dari sistem pertanian.

Data chain merupakan serangkaian aktivitas mulai dari pengambilan data hingga pengambilan keputusan dan data marketing. Data chain mencakup segala aktivitas yang dibutuhkan untuk mengelola data untuk manajemen lahan pertanian. Pemrosesan data melalui tahapan data chain ditujukan agar pengelolaan data yang besar dapat dilakukan secara sistematis dan bertahap sehingga hasil analisis dapat membantu proses pengambilan keputusan.

Gambar 1. Data Chain dalam aplikasi Big Data

Teknologi Big Data dalam Pertanian

Petani merupakan ujung tombak pembangunan pertanian yang memiliki peran sangat penting bagi keberlangsungan pertanian. Berbagai teknologi pertanian yang ada, tidak akan bermanfaat apabila petani tidak menggunakannya. Dengan Big Data petani dapat memiliki data terperinci mulai dari kondisi lingkungan, kondisi tanah, hasil panen, hingga harga komoditas pertanian. Teknologi Big Data diharapkan dapat menjadikan pertanian lebih maju dengan membantu petani dalam mengambil keputusan yang tepat dari data yang telah dianalisis.

Analisis Big Data memiliki manfaat dalam bidang pertanian dengan memberikan gambaran dan prediksi dari data yang telah didapatkan, seperti prediksi hasil panen, model kebutuhan pakan ternak, dll. Analisis big data juga dapat melaksanakan operasi perangkat melalu IoT secara real time, serta membantu dalam penyusunan ulang model bisnis yang lebih efektif, efisien, serta inovatif.

Gambar 2. Manajemen Data dalam Sistem Smart Farming

Peluang dan Tantangan di Masa Depan

Di era ini, perjalanan berkembangnya teknologi data menimbulkan berbagai isu dan resiko. Tantangan dalam big data mencakup masalah heterogenitas dan ketidaklengkapan, skala data, dan ketepatan waktu. Masalah lain yang juga muncul di antaranya kurangnya struktur, penanganan kesalahan, visualisasi, serta privasi. Beberapa resiko yang dimiliki big data yaitu:

  • Data Security(keamanan data),
  • Data Privacy (privasi data sensitif),
  • Cost(biaya pengumpulan data),
  • Bad Analytics (salah menafsirkan data), dan
  • Bad Data (data tidak relevan atau keliru) (Syafira dan Irwansyah, 2018).

Secara umum, teknologi data juga menimbulkan isu keberlanjutan dari integrasi sumber data, semakin banyak sumber data yang digunakan maka akan semakin sulit pula untuk mengintegrasikan data-data tersebut. Sehingga menjadi tantangan untuk keberlanjutannya dalam jangka panjang. Isu lainnya yaitu keterbukaan platform yang dapat membuka pintu bagi pengembangan solusi dan inovasi di tingkat petani. Pemberdayaan petani melalui penetrasi teknologi menjadi suatu tantangan besar yang harus dihadapi.

Data merupakan sumber kekuatan dalam pengambilan keputusan. Dalam bidang pertanian, aplikasi teknologi data sangat menjanjikan di masa yang akan datang. Meskipun saat ini masih dalam proses pengembangan dan terdapat beberapa tantangan yang harus dihadapi, semoga teknologi ini dapat segera diterapkan dan dirasakan manfaatnya oleh para petani.

Nah, menarik sekali kan! Bayangkan jika pertanian dan segala aspeknya dapat ditinjau tanpa perlu melakukan analisis data satu-persatu secara manual. Tentunya pengambilan keputusan oleh petani mengenai apa yang akan dilakukan terhadap sistem pertaniannya kemudian akan lebih terarah, berdasar, dan sesuai dengan data sehingga lebih akurat. Maka dari itu, dalam menyongsong Pertanian 4.0, pengetahuan dan penguasaan petani milenial dalam Big Data bukan lagi hanya pilihan, melainkan menjadi suatu keharusan.

Referensi:

Narendra, A. P. 2015. “Data Besar, Data Analisis, dan Pengembangan Kompetensi Pustakawan”. Record and Library Journal. 1(2): 83-93.

Prakarsa, B., dan Subardono, A. 2017. “Implementasi Big Data Pada Data Transaksi Tiket Elektronik Bus Rapid Transit (BRT)”. CITEE, 370-376.

Syafrina, A. E., dan Irwansyah. 2018. “Ancaman Privasi Dalam Big Data”. Jurnal Penelitian Komunikasi dan Opini Publik, 22(2): 132-143.

Wolfert,S., Ge, L., Verdouw, C., dan Bogaardt, M. J. 2017. “Big Data in Smart Farming – A Review”.  Agricultural Systems, 153(1): 69-80.

Leave a Reply

Your email address will not be published. Required fields are marked *