OLEH Sayu Desty Pratistya (Mahasiswa Program Magister Sains Agribisnis IPB University), Dr. Suharno (Sekretaris Program Studi Doktor Sains Agribisnis dan Dosen Departemen Agribisnis FEM IPB University)

Analisis big data telah berhasil diterapkan di berbagai industri, seperti perbankan, asuransi, pemahaman, dan personalisasi perilaku pengguna online, serta studi lingkungan (Waga dan Rabah 2014; Cooper 2013). Organisasi pemerintah menggunakan analisis big data untuk meningkatkan kemampuan mereka dalam mengatasi tantangan nasional terkait perekonomian, layanan kesehatan, penciptaan lapangan kerja, bencana alam, dan terorisme yang tidak membahayakan lingkungan kita. Tapi bagaimana dengan pertanian atau agribisnis?

Meskipun analisis big data telah terbukti berhasil dan populer di banyak bidang, penerapannya di bidang pertanian masih relatif baru (Lokers 2016), karena para pemangku kepentingan baru mulai menyadari potensi manfaatnya (Bunge 2014; Sonka 2016). Menurut beberapa perusahaan pertanian terbesar, memberikan rekomendasi kepada petani berdasarkan analisis data besar dapat meningkatkan keuntungan tanaman tahunan global sekitar 20 miliar dolar AS (Bunge 2014).

Lalu, apa itu big data? Menurut Chi (2016) big data dikarakterisasi sesuai lima dimensi.
1. Volume (V1): Ukuran data yang dikumpulkan untuk dianalisis.
2. Kecepatan (V2): Jangka waktu di mana data berguna dan relevan. Misalnya, beberapa data harus dianalisis dalam waktu yang wajar untuk mencapai tugas tertentu, misalnya untuk mengidentifikasi hama (PEAT 2016) dan penyakit hewan (Chedad 2001).
3. Variasi (V3): Multisumber (misalnya gambar, video, data penginderaan jauh, dan lapangan), multitemporal (misalnya dikumpulkan pada tanggal/waktu berbeda), dan multi-resolusi (misalnya gambar dengan resolusi spasial berbeda) juga sebagai data yang memiliki format berbeda, dari berbagai sumber dan disiplin ilmu, dan dari beberapa domain aplikasi.
4. Veracity (V4): Kualitas, keandalan, dan potensi data, serta keakuratan, keandalan, dan keyakinannya secara keseluruhan.
5. Valorisasi (V5): Kemampuan untuk menyebarkan pengetahuan, apresiasi dan inovasi.

Meskipun kelima “V” ini dapat menggambarkan big data, analisis big data tidak harus memenuhi kelima dimensi tersebut (Rodriguez 2017). Big data umumnya terkenal kurang akurat dan stabil, biasanya mengorbankan V4 (kebenaran). “V” lain yang relevan adalah visualisasi, yang berarti perlunya menyajikan struktur data yang kompleks dan informasi yang kaya dengan cara yang mudah dipahami (Hashem 2015; Karmas et al. 2016).

Berdasarkan penjelasan di atas, big data bukanlah masalah volume data melainkan kapasitas untuk mencari, mengagregasi, memvisualisasikan, dan melakukan referensi silang kumpulan data besar dalam waktu yang wajar. Signifikansi big data terletak pada kemampuan untuk mengekstraksi informasi dan wawasan yang sebelumnya tidak memungkinkan secara ekonomi atau teknis (Sonka 2016).

Big data dalam agribisnis
Penerapan big data di bidang pertanian telah mendapatkan perhatian yang signifikan dalam beberapa tahun terakhir. Sebuah studi baru-baru ini menemukan bahwa penggunaan data besar di bidang pertanian dapat menghasilkan peningkatan besar dalam hasil panen dan pengurangan limbah. Studi tersebut mengungkapkan bahwa teknologi pertanian presisi, seperti pemetaan GPS dan jaringan sensor, dapat meningkatkan hasil panen hingga 30 persen.

Selain pertanian presisi, big data juga digunakan untuk meningkatkan manajemen rantai pasokan di sektor pertanian. Dengan melacak pergerakan tanaman dari pertanian ke supermarket, petani dapat mengidentifikasi inefisiensi dalam rantai pasokan dan mengurangi limbah.

Misalnya, Walmart menggunakan teknologi blockchain untuk melacak pergerakan produk dari peternakan ke toko, sehingga menghasilkan pengurangan limbah yang signifikan dan peningkatan keamanan pangan.

Beberapa perusahaan telah memanfaatkan megadata untuk tujuan pertanian:
1. SatAgro: Perusahaan Spanyol yang menyediakan layanan pemantauan dan analisis berbasis satelit untuk petani. Mereka menggunakan citra satelit dan algoritma pembelajaran mesin untuk mengidentifikasi stres tanaman, kekurangan unsur hara, dan masalah lain yang mungkin berdampak pada hasil panen. Hal tersebut memungkinkan petani untuk mengambil tindakan yang ditargetkan untuk mengatasi permasalahan ini dan meningkatkan hasil panen mereka.

2. Syngenta: Perusahaan agribisnis global yang memanfaatkan data besar untuk mengembangkan varietas tanaman baru dan meningkatkan hasil panen. Mereka menggunakan analisis canggih dan teknik pembelajaran mesin untuk menganalisis data dalam jumlah besar dari uji coba lapangan dan penelitian genetika, sehingga memungkinkan mereka mengidentifikasi varietas tanaman yang menjanjikan dan mengoptimalkan kinerjanya.

3.Robotika Karbon: Memperkenalkan pembasmi gulma otonom yang menggabungkan teknologi komputer dengan pembelajaran mendalam untuk mengidentifikasi dan “membasmi” rumput liar menggunakan laser karbon dioksida. Mesin inovatif ini dipasang pada platform roda empat yang ditenagai oleh diesel dan hidrolik.

Dengan delapan modul lasernya, weeder dapat membasmi lebih dari 100.000 gulma per jam. Perusahaan ini memanfaatkan teknologi sensor canggih dan kamera resolusi tinggi untuk pengembangan pesat melalui teknik pembelajaran mendalam.

4. Soiltech: Perusahaan Spanyol yang menyediakan layanan analisis tanah menggunakan data besar dan algoritma pembelajaran mesin. Sistem mereka mencakup sensor yang mengukur sifat tanah, seperti tingkat pH, tingkat nutrisi, dan kadar air.

Pengukuran ini kemudian dianalisis untuk memberikan rekomendasi mengenai pemupukan dan praktik pengelolaan tanah lainnya. Selain itu, sistem ini dapat memprediksi hasil panen berdasarkan kondisi tanah dan data cuaca, sehingga memungkinkan petani mengoptimalkan operasi mereka untuk efisiensi maksimum.

Kesimpulannya, kehadiran big data merevolusi industri pertanian dengan membekali petani dengan alat yang dibutuhkan untuk mengoptimalkan hasil panen sekaligus meminimalkan limbah. Dengan integrasi AI dan teknologi lainnya, petani dapat menganalisis sejumlah besar data untuk mengambil keputusan yang tepat mengenai kapan menanam, berapa banyak pupuk yang digunakan, dan kapan panen.

Kecepatan, besarnya cakupan, tingginya variasi dan akurasi, merupakan kapasitas yang mengurangi biaya, meningkatkan capaian. Ini menjadi dasar terjadinya lompatan kapasitas dengan demikian lompatan produktivitas agribisnis yang menerapkan. Di sini letak revolusi agribisnis yang dibawa oleh kehadiran megadata, atau dalam kerangka besar agribisnis presisi.

Kapasitas intrinsik lain dari penerapan big data adalah bantuan luar biasa yang diberikan megadata untuk menghasilkan pertanian–agribisnis yang ramah lingkungan. Megadata dengan demikian membawa harapan bagi hadirnya agribisnis yang ramah lingkungan.

Seiring dengan bertambahnya volume data yang dihasilkan, menjadi jelas bahwa big data akan memainkan peran yang semakin penting di bidang pertanian, sehingga mengharuskan para profesional di sektor ini untuk memperoleh pengetahuan tentang cara memanfaatkan potensinya secara efektif.

Dengan demikian, aplikasi megadata menjanjikan lompatan produktivitas, menjadi harapan bagi terjawabnya issue ketersediaan dan keamanan pangan. Penerapan yang mampu melahirkan pertanian ramah lingkungan memenuhi harapan agribisnis masa depan, yakni agribisnis yang menghasilkan cemaran lingkungan yang rendah, sarana bagi pertanian berkelanjutan. Lompatan produktivitas dan agribisnis yang berkelanjutan merupakan harapan manfaat besar dari kehadiran megadata dalam agribisnis.