Smart Farming : Industri Agrikultur di Masa Depan

Smart Farming : Industri Agrikultur di Masa Depan

Oct 25, 2018

Agrikultur mungkin merupakan sektor industri tertua yang pernah diciptakan oleh manusia. Kita tentu berpikiran industri ini adalah industri yang paling sederhana. Tinggal tanam, melamun di gubuk tengah sawah dan mengusir hama sembari mengupil, lalu kemudian panen. Tak ada masalah selain faktor cuaca dan hama.

Jika Anda berpikiran seperti itu, Anda tidak salah tapi juga tidak sepenuhnya benar.  FAO memprediksi bahwa pada tahun 2050 jumlah penduduk dunia akan menjadi 9,6 Milyar. Itu berarti produksi pertanian harus meningkat sebesar 70% pada tahun tersebut demi mencukupi kebutuhan penduduk dengan jumlah yang telah disebutkan tadi. Padahal seperti yang kita ketahui bahwa ada yang namanya masalah ‘klasik’ pangan yaitu jumlah penduduk meningkat tapi jumlah lahan pertanian semakin menyempit.

Belakangan kita sering mendengar istilah urban farming dimana kita dapat memanfaatkan area perkotaan untuk dijadikan lahan pertanian. Walaupun cukup membantu, hasil pertanian urban farming saja tidak cukup untuk memenuhi kebutuhan pangan di masa mendatang karena pada dasarnya solusi yang ditawarkan urban farming secara konsep sama dengan menambah lahan. Lalu bagaimana meningkatkan hasil pertanian tanpa menambah lahan?

Meminjam istilah ‘smart’ dalam smart city, smart farming yang pada awalnya disebut ‘precision agriculture’ digadang-gadang akan menjadi konsep wajib pertanian di masa depan karena keterbatasan lahan. Smart farming memanfaatkan teknologi seperti big data, machine learning, dan Internet of Things (IoT) demi meningkatkan kualitas maupun kuantitas produksi dalam industri agrikultur. Hal seperti ini seharusnya bisa dimanfaatkan oleh tech startup di tanah air yang kebanyakan hanya menjadi penyalur barang dan jasa dengan ‘menggelar lapak’ di dunia digital.

Berikut ini adalah beberapa contoh penerapan teknologi informasi pada smart farming. Kami berharap contoh penerapan teknologi pada smart farming ini dapat dijadikan referensi oleh para penggiat tech startup di tanah air.

 

Prediksi Hasil Panen

Menggunakan model matematika untuk menganalisa data hasil panen sebelumnya, cuaca, kandungan kimiawi, kondisi daun, dan biomassa, seorang petani dapat memprediksi hasil pertanian. Peran machine learning dapat dilibatkan di sini dalam pencarian insight maupun pengambilan keputusan. Sedangkan sensor IoT yang diletakan di lahan pertanian akan memudahkan kita dalam mengumpulkan data dan juga akan meningkatkan akurasi data.

Dengan prediksi semacam ini para petani akan tahu apa yang akan ditanam, di mana, dan kapan untuk mencapai hasil panen yang maksimal. Menurut International Journal of  Computers and Mathematical Science prediksi hasil pertanian seperti ini dapat meningkatkan produksi pertanian di daerah yang laju pertumbuhan penduduknya tinggi seperti India.

 

Manajemen Resiko

Tak ada bidang lain yang begitu diuntungkan dengan hadirnya jaringan perangkat yang terhubung dan algoritma selain manajemen resiko. Dan sekarang giliran para petanilah yang diuntungkan dari manajemen resiko ini karena sekarang petani dapat menggunakan big data untuk mengetahui seberapa besar resiko gagal panen di musim ini.

Contoh kasus nyata terjadi di Kolombia pada tahun 2014 lalu. Sebagian besar petani di sana mengikuti saran dari International Center for Tropical Agriculture yang bekerja sama dengan Kementerian Pertanian setempat untuk menunda waktu tanam. Hasilnya para petani dapat mencegah kerugian senilai 3 Juta Dolar untuk bibit dan pupuk karena terjadi perubahan iklim.

 

Keamanan Pangan dan Pencegahan Hama

Kemajuan teknologi pada saat ini memungkinkan petani untuk mendeteksi hama dan beberapa kontaminasi eksternal. Pengumpulan data seperti kelembaban udara, temperatur, dan kadar keasaman tanah dapat membantu petani terutama petani organik dalam memonitor lahan pertaniannya. Jika ingin termonitor lagi, petani bisa menempatkan wireless CCTV dengan solar panel di beberapa titik di lahannya. Akan tetapi solusi ini mungkin agak sedikit ekstrim untuk petani Indonesia karena selain ukuran lahan yang tidak seberapa luas, harga perangkat CCTV model ini juga terlalu mahal untuk petani di Indonesia.

 

Manajemen Operasional

Penerapan teknologi informasi manajemen operasi pada pertanian mungkin akan banyak berkutat di peralatan pertanian seperti traktor. Produsen mesin pertanian di Amerika Serikat, John Deere telah berhasil menambah fitur IoT di beberapa mesin pertaniannya. Dari data-data yang dikumpulkan oleh sensor-sensor di semua mesin yang dijual atau disewakan oleh John Deere, kita dapat menentukan berapa liter bahan bakar yang diperlukan untuk membajak setiap meter persegi lahannya. Kita juga dapat mengetahui kapan dan bagaimana membajak lahan pertanian agar lebih efisien dan memang mereka telah berhasil mengotomatisasi beberapa traktor yang mereka produksi. Belum diketahui seberapa banyak data yang mereka kumpulkan dari mesin-mesin pertaniannya. Mereka hanya mengatakan bahwa data yang dikumpulkan cukup besar tapi tak sebesar Wallmart ataupun Amazon dan mereka menggunakan bahasa pemrograman R untuk mengolah data-data tersebut. Mereka juga membuat banyak aplikasi canggih yang dapat dipakai oleh pelanggannya untuk memantau dan menjalankan operasional pertanian dari layar smartphone.

***

 

Itulah tadi beberapa contoh penerapan teknologi di industri agrikultur yang disebut precision agriculture atau dalam bahasa kekinian sering disebut smart farming. Mungkin pendapat Anda di awal artikel memang benar, di masa depan bertani itu mudah semudah bermain Farmville di layar smartphone.

Community Day “Memahami Data Quality Service – Kualitas Data untuk Analisis dan Report”

Community Day “Memahami Data Quality Service – Kualitas Data untuk Analisis dan Report”

Sep 7, 2018

Community Day “Memahami Data Quality Service – Kualitas Data untuk Analisis dan Report”

Dengan data dalam jumlah besar yang berasal dari berbagai format dan sumber, proses analisis data dan pelaporan menjadi lebih menantang karena penyedia data harus memastikan data yang dimiliki berkualitas, tidak ada redundansi atau duplikasi data, data yang akurat, terstandarisasi dan memiliki integritas.
Data Quality Service (DQS) merupakan salah satu sistem dari Microsoft SQL Server yang menyediakan fungsi-fungsi tersebut. Dalam share session kali ini akan didemokan bagaimana menggunakan DQS untuk kebutuhan tersebut.

This form does not exist

Biaya

Free (tempat terbatas)

DATE AND TIME

13 September 2018 14.00 WIB – Selesai

LOCATION

Eduparx – Inixindo Jogja
Jalan Kenari No 69 Yogyakarta
View Maps

Ingin Jadi Data Scientist? Inilah Skill Yang Harus Anda Kuasai

Ingin Jadi Data Scientist? Inilah Skill Yang Harus Anda Kuasai

Mar 23, 2018

Jika Anda kerap menjelajahi aplikasi-aplikasi lowongan pekerjaan. Anda tentunya pernah melihat lowongan pekerjaan sebagai data scientist lewat sekilas ketika Anda men-scroll layar monitor Anda. Anda tertarik dan mengklik iklan tersebut karena gaji yang ditawarkan cukup besar dan sedikit membuat Anda berkeinginan untuk beralih profesi menjadi data scientist. Kemudian Anda bertanya-tanya skill apa saja yang harus dimiliki oleh seorang data scientist.

Sebenarnya data scientist itu sudah ada sejak dulu yang sering disebut dengan statistikawan. Perbedaannya terletak pada metode yang digunakan. Jika statistikawan harus mengolah ataupun mengumpulkan data secara manual, kini data scientist banyak berurusan dengan big data (data yang terstruktur maupun tidak terstruktur). Oleh karena itu, tidak mengherankan jika data scientist sekarang lebih sering menciptakan algoritma-algoritma di dalam program komputer agar data yang masuk bisa langsung diolah sendiri oleh komputer tersebut.

Lalu apakah semua software developer bisa menjadi data scientist? Jawabannya belum tentu. Masih banyak skill yang harus dikuasai oleh data scientist. Yuk, kita bahas satu per satu.

 

Pemprograman

Di perusahaan manapun seorang data scientist bekerja, kemampuan akan programming sudah menjadi suatu keharusan. Seorang data scientist harus memahami tools of trade yang digunakan secara mendalam. Ini berarti data scientist paling tidak harus menguasai bahasa pemrograman seperti R  ataupun Python (Anda bisa mendalami machine learning dengan python di sini) serta bahasa database querying seperti SQL. 

(Jika Anda ingin mengenal bahasa pemrograman R yang dapat digunakan untuk machine learning, Anda bisa mengikuti Comday “Pengenalan Bahasa Pemrograman R dalam Machine Learning“)

 

Statistika

Pemahaman yang menyeluruh mengenai statistika merupakan hal yang paling mendasar bagi seorang data scientist. Selain untuk menentukan algoritma yang akan digunakan, ilmu statistika diperlukan untuk mengembangkan software machine learning yang berfungsi sebagai pusaka seorang data scientist.

 

Machine Learning

Bagi seorang data scientist yang bekerja di perusahaan dimana produknya bersifat data driven seperti Google Maps, Netflix, atau Uber pasti sangat membutuhkan machine learning. Mereka tidak mungkin menentukan algoritma dari data yang tak terstruktur dengan jumlah yang sangat besar satu per satu. Maka dari itulah para data scientist harus bisa mengembangkan machine learning untuk mengolah banyaknya data tak terstruktur tadi dan bukannya tak mungkin apabila machine learning yang dikembangkan oleh para data scientist ini dipakai untuk sebuah konsep artificial intelegence.

(Jika Anda tertarik untuk mempelajari machine learning Anda bisa mengambil pelatihan dalam 5 hari di Kelas Machine Learning yang diadakan oleh Inixindo Jogja)

 

Kalkulus & Aljabar

Menguasai kalkulus dengan fungsi yang dapat diterapkan di banyak variabel dan aljabar linear merupakan sesuatu yang tak kalah penting bagi seorang data scientist. Kalkulus dan aljabar merupakan konsep yang paling dasar dan sederhana bagi data science. Oleh karena itu, tidak mengherankan jika pada saat wawancara kerja, pencari kerja biasanya menanyakan soal-soal kalkulus dan aljabar.

 

Pemetaan Data

Terkadang data yang kita dapatkan tidaklah sesempurna yang kita kira. Secara penulisan kata ‘Yogyakarta’ dan ‘Jogja’ berbeda tapi secara konsep memiliki makna yang sama. Dan ingat, komputer itu tidak sepintar manusia. Sebagai seorang data scientist kita harus membuat data tersebut dikenali oleh komputer. Untuk itulah pemilahan data diperlukan untuk menjaga ‘kebersihan’ data.

 

Komunikasi dan Visualisasi Data

Bagi manajemen yang data-driven terutama di perusahaan yang masih tergolong baru, data scientist di perusahaan mereka sering dimintai bantuan dalam menentukan arah kebijakan suatu perusahaan. Maka tak heran jika data scientist harus pandai memvisualisasikan dan mempresentasikan data hasil olahannya sendiri.

 

Software Engineering

Di perusahaan start-up teknologi biasanya melibatkan langsung data scientist mereka ke dalam pengembangan software. Tapi dimanapun kita bekerja tidak ada salahnya kita belajar sedikit tentang software engineering.

 

Intuisi

Skill ini sebenarnya lebih dibutuhkan bagi seorang data analyst yang harus memecahkan masalah dari data yang sudah diolah. Intuisi sering mengarah pada gambling yang memang bertolak belakang dengan kata ‘science’ pada data scientist tapi perkataan dari Sherlock Holmes versi serial BBC mengatakan ‘sebuah intuisi lahir dari pemrosesan secara cepat jutaan data yang ada di dalam otak sampai-sampai otak kita sendiripun tak mampu mennyadari proses tersebut.’

 

Bagaimana mimpi menjadi data scientist sudah mulai nampak nyata bukan? Jika Anda ingin belajar lagi tentang komponen-kompenen pengetahuan yang harus dimiliki oleh data scientist Anda dapat mendalami tentang big data hadoop secara fundamental atau pemrograman R,

Big Data & Data Science : Is Data The New Currency?

Big Data & Data Science : Is Data The New Currency?

Feb 23, 2018

Big Data & Data Science : Is Data The New Currency?

Tentang Event

Belakangan ini di era digital kita sering mendengar para profesional mengucapkan istilah data science. Sebenarnya apa yang dimaksud dengan data science itu?

Data science adalah ilmu pengetahuan tentang semua yang berkaitan data baik itu yang terstruktur maupun yang tidak terstruktur. Keilmuan ini mencakup pembersihan data (data cleansing), persiapan data (data preparation), dan analisis data (data analysis).

Di dekade ini, hampir semua bidang bisnis menggunakan hasil keluaran dari data science yang berupa big data maupun data analysis seperti komunikasi, kesehatan, transportasi, keuangan, dan retail. Contoh paling nyata bisa kita rasakan di bidang keuangan dan retail. Dengan data science kita bisa membaca perilaku pembelian konsumen ataupun daya beli masyarakat di suatu wilayah tertentu.

Selain itu, data science juga berfungsi menciptakan algoritma yang akan berguna dalam machine learning. Jadi, tidak mengherankan jika nantinya, insight-insight yang berasal dari data analysis tidak lagi dicetuskan oleh manusia tapi oleh komputer melalui alogaritma tersebut.

Waktu & Pelaksanaan Event

Waktu             : 14.00 – selesai, Kamis, 8 Maret 2018
Tempat           : Inixindo Jogja, Jalan Kenari No. 69 Yogyakarta
Biaya               : Gratis

This form does not exist

Poster

Comday Maret Poster

Comday Maret Poster