Penulis

Erdiansyah Rezamela
_______________________

Pusat Penelitian Teh dan Kina


Publikasi Original

Abesinghe, A. M. S. K., KSP, A., Ekanayake, E. M. A. C., Kavindi, M. A. R., & Mohotti, A. J. (2020). Developing a selective tea plucking mechanism using image processing for a drone-based tea harvesting machine. GSJ, 8(11).

Berner, B., & Chojnacki, J. (2017). Use of drones in crop protection.

Chougule, A., Jha, V. K., & Mukhopadhyay, D. (2016, January). Using IoT for integrated pest management. In 2016 International Conference on Internet of Things and Applications (IOTA) (pp. 17-22). IEEE.

Daryanto, Arief. 2020. Smart Farming and Precision Agriculture, One of the Solutions of Agricultural Revitalization in the Future. Artikel Web, tersedia online https://ipb.ac.id/news/index/2020/06/smart-farming-and-precision-agriculture-one-of-the-solutions-of-agricultural-revitalization-in-the-future/228cacd28fa3d913830ca511e22213a1 [diakses 29-Agustus-2021]

Divya, C., Kumar, K. S., Vasantharaj, R., & Stalin, J. L. (2020). Evaluation and Implementation of Precision Agriculture using Unmanned Aerial System. International Journal of Agricultural Science, 5.

Hidayat, T. (2017). Internet of things smart agriculture on ZigBee: a systematic review. Jurnal Telekomunikasi dan Komputer, 8(1), 75-86.

Khoirunisa, H., & Kurniawati, F. (2019). Penggunaan Drone dalam Mengaplikasikan Pestisida di Daerah Sungai Besar, Malaysia. Jurnal Pusat Inovasi Masyarakat (PIM), 1(1).

Mogili, U. R., & Deepak, B. B. V. L. (2018). Review on application of drone systems in precision agriculture. Procedia computer science, 133, 502-509.

Ray, P. P. (2017). Internet of things for smart agriculture: Technologies, practices and future direction. Journal of Ambient Intelligence and Smart Environments, 9(4), 395-420.

Sekaran, K., Meqdad, M. N., Kumar, P., Rajan, S., & Kadry, S. (2020). Smart agriculture management system using internet of things. Telkomnika, 18(3), 1275-1284.

Snapir, B., Waine, T. W., Corstanje, R., Redfern, S., De Silva, J., & Kirui, C. (2018). Harvest monitoring of Kenyan Tea Plantations with X-band SAR. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 11(3), 930-938.

Sushanth, G., & Sujatha, S. (2018, March). IOT based smart agriculture system. In 2018 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET) (pp. 1-4). IEEE.

Wang, B., Li, J., Jin, X., & Xiao, H. (2019). Mapping tea plantations from multi-seasonal Landsat-8 OLI imageries using a random forest classifier. Journal of the Indian Society of Remote Sensing, 47(8), 1315-1329.

Wirabudi, A. A., Munadi, R., Rusdinar, A., Rohdiana, D., & Lee, D. H. (2019, July). Design Autonomous Drone Control For Monitoring Tea Plantation Using Dynamic Programming and Kruskal Algorithm. In 2019 IEEE International Conference on Signals and Systems (ICSigSys) (pp. 103-109). IEEE.

Yallappa, D., Veerangouda, M., Maski, D., Palled, V., & Bheemanna, M. (2017, October). Development and evaluation of drone mounted sprayer for pesticide applications to crops. In 2017 IEEE Global Humanitarian Technology Conference (GHTC) (pp. 1-7). IEEE.



Potensi Pengembangan IOT berbasis Smart Agriculture pada Perkebunan Teh

7 September 2021

Perkembangan revolusi industri 4.0 di Indonesia mengharuskan percepatan perkembangan revolusi di bidang pertanian. Revolusi keempat di bidang pertanian atau yang dikenal dengan sebutan Agriculture 4.0 dituntut untuk berfokus pada penerapan teknologi informasi dan komunikasi, dengan konsep Smart Farming atau Precision Agriculture (Daryanto, 2020). Precision farming dapat didefinisikan sebagai sistem manajemen pertanian berbasis informasi dan teknologi untuk mengidentifikasi, menganalisis, dan mengelola variabilitas untuk keuntungan yang optimal, keberlanjutan, dan perlindungan sumber daya lahan (Divya et al., 2020). Konsep ini memiliki kunci utama yakni berbasis Internet of Thing (IOT) (Daryanto, 2020; Divya et al., 2020; Hidayat, 2017). Secara garis besar, IoT dalam bidang merupakan sebuah sistem yang memungkinkan kita untuk memanfaatkan teknologi, bekerja sama, berkomunikasi satu sama lain, menyediakan data waktu secara real time dari sensor secara nirkabel untuk diproses, dan memberikan informasi yang lebih berharga untuk pengambilan keputusan yang lebih efektif dan efisien (Sekaran et al., 2020).

Dewasa ini pemanfaatan IoT dalam bidang pertanian terutama on farm dapat mencakup hampir semua aspek budidaya, mulai dari kegiatan monitoring kondisi lingkungan termasuk iklim mikro (Susanth and Sujatha, 2018), monitoring kondisi kesehatan tanaman (Li et al., 2021), pengelolaan dan monitoring hama terpadu (Chougule, 2016), pengambilan keputusan untuk waktu pemupukan dan pengendalian OPT  hingga pengelolaan waktu panen. Pemanfaatan IoT juga saling terintegrasi dengan kendaraan udara tanpa awak atau unmanned aerial vehicle (UAV) yang biasa dikenal sebagai Drone. Sistem IoT berbasis drone dengan teknologi image processing menggunakan multispectral analysis dapat melakukan pemetaan wilayah tanaman atau kebun (Divya et al., 2020; Wang et al., 2019) memonitoring kondisi tanaman secara presisi serta prediksi dan estimasi panen secara tepat (Abesinghe et al., 2020; Snapir et al., 2018), hingga digunakan untuk kegiatan penyemprotan pestisida dan pupuk berbasis drone (Khoirunisa et al., 2019; Yallapa et al., 2017).

Picture1

Pemanfaatan IoT pada tanaman teh dewasa ini

Dalam kurun waktu lima tahun terakhir ini, penelitian pengembangan mengenai pemanfaatan IoT pada tanaman teh terutama dari segi on farm telah mencakup hampir sebagian besar aspek budidaya. Pemetaan perkebunan teh menggunakan metode image processing membantu meningkatkan akurasi pemetaan tanaman teh dengan tingkat klasifikasi pemetaan yang lebih tinggi (Wang et al., 2019). Penelitian di India menunjukkan bahwa pemetaan multispectral perkebunan teh menggunakan analisis Normalized Difference Vegetation Index (NDVI) dengan Geo-tag lokasi, dapat mengidentifikasi tingkat keseharan dan stress pada tanaman, serta membantu memberikan keputusan penyemprotan pupuk dan pestisida secara lokal (Divya et al., 2020). Penelitian yang dilakukan di Sri Lanka telah dikembangkan mekanisme prediksi pucuk teh yang dapat dipanen menggunakan teknik pengolahan gambar (image processing) dengan hasil yang didapat sementara bahwa telah dapat dibedakan pucuk teh yang siap petik dan yang tidak dengan akurasi 57,58% (Abesinghe et al., 2020). Penelitian dengan image processing untuk monitoring pemetikan dan pertumbuhan pucuk juga dilakukan di Kenya dengan tingkat akurasi masih berkisar 52% (Snapir et al., 2018). Teknologi image processing untuk prediksi dan estimasi pemetikan pucuk teh masih sangat berpotensi untuk dikembangkan, namun validasi dan akurasi data dengan training data semaksimal mungkin menjadi tantangan yang harus dilewati.

Penggunaan drone untuk aplikasi pestisida juga dapat dilakukan secara cepat (Berner and Chojnacki, 2017) dan berguna pada lokasi yang sulit dijangkau oleh tenaga kerja manusia (Mogili and Deepak, 2018; Yallappa et al., 2017). Penyemprotan pestisida menggunakan drone menjadi lebih efektif dan efisien karena dapat menyemrotkan pestisida ke tanaman yang sesuai dengan yang diinginkan dan masa pengerjaannya bisa lebih cepat dua sampai dua puluh kali lipat (Khoirunisa et al., 2019). Pengembangan pengendalian hama penyakit berbasis drone pada tanaman teh memiliki potensi yang cukup besar, namun harus diimbangi dengan analisis efisiensi seiring dengan pengujian kefektivitasannya.

Kegiatan penelitian IoT di PPTK

Seiring dengan tuntunan revolusi 4.0, Pusat Penelitian Teh dan Kina (PPTK) menjalin kerjasama penelitian baik dengan pihak universitas swasta maupun perusahaan dan strat-up berbasis pengembangan IoT dalam bidang pertanian. Penelitian yang bekerjasama dengan Telkom-University (Tel-U) menghasilkan teknologi dasar clone identifier, yang dapat membedakan jenis clone teh berdasarkan bentuk daun indungnya. Pada saat ini clone identifier tersebut terus dikaji validasi dan akurasinya. Penelitian mengenai mapping dan algoritma jalur drone juga pernah dilakukan untuk mencari daya yang lebih efisien dengna citra gambar yang optimal (Wirabudi et al., 2019). Kegiatan penelitian terbaru dengan kerjasama Tel-U juga terus dilakukan untuk memprediksi kadar air tanah dengan menggunakan tenologi radar yang diangkut dengan drone, untuk memetakan tingkat kelembaban tanah pada blok-blok kebun.

Selain dengan universitas swasta, PPTK juga melakukan penelitian pengembangan IoT dengan pihak perusahaan konsultan pertanian PT. Soemito skygliph dan start-up berbasis drone Frogs Indonesia melalui kerjasama ketiga belah pihak (three partid). Kegiatan penelitian yang sedang dilakukan meliputi mapping multispectral camera pada perkebunan teh dengan metode imgae processing untuk memprediksi umur dan waktu panen pucuk, monitoring kesehatan tanaman, serta perhitungan populasi pada tanaman teh. Kegiatan ini melibatkan kapasitas dan training data yang cukup besar (big data) sehingga perlu keberlangsungan kerjasama dengan pihak terkait. Kegiatan penelitian yang melibatkan three partid ini juga sedang dilakukan untuk penyemprotan pestisida dan pupuk berbasis drone penyemprot.

Potensi penggunaan IoT yang terintegrasi dengan drone sangat besar untuk dikembangkan dalam mencapai sistem perkebunan teh berbasis revolusi 4.0 dengan tujuan akhir precission farming agar penciptakan perkebunan teh yang terintegrasi, meningkatkan manajemen pemeliharaan lebih efektif dan efisien, sehingga tercapai peningkatan nilai produktivitas tanaman. Pemanfaatan IoT pada tanaman teh merupakan embrio masa depan revolusi teknologi di perkebunan teh untuk mendukung kembali kejayaan industri teh nasional di mata internasional. Kegiatan-kegiatan penelitian IoT yang sedang dilakukan di PPTK sejauh ini masih menggunakan skema sharing In-Kind antar pihak, sehingga membutuhkan dukungan dari stake-holder terkait, agar percepatan pengembangan kegiatan ini dapat terlaksana dengan segera.