Erdiansyah Rezamela
_______________________
Pusat Penelitian Teh dan Kina
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).
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.