Petani bakal panen apel dan pir yang berlimpah jika menggunakan pembelajaran mesin atau machine learning. Contohnya, deteksilah penyakit dengan sensor agar buah tetap segar dan ranum.
Penulis/editor: Marinus L. Toruan
mmINDUSTRI.co.id – Hasil pertanian dan perkebunan berpeluang untuk selalu melimpah. Semudah itu? Kelola dengan benar dan gunakan ilmu berbasis teknologi maka usaha Anda bakal menjanjikan panen yang berlipat ganda.
Di era digital ini para petani semakin antusias menerapkan smart agriculture. Ketika ingin mencicipi buah apel dan pir misalnya, maka gunakanlah teknologi untuk mendeteksi penyakit tanaman agar buah tak mudah pembusuk atau terserang hama.
Bahkan di pertanian dan perkebunan modern, penggunaan machine learning atau pembelajaran mesin merupakan keniscayaan yang diterapkan oleh petani.
Seperti kita di Indonesia, apel merupakan buah favorit, demikian juga di Jerman. Meski tanaman pir atau pear berasal dari negara tropis seperti Eropa dan beberapa negara di Asia, orang Indonesia gemar mencicipi buah yang terdiri dari 30an jenis itu.
Panen Apel dan Pir Berlimpah
Buah pir menempati urutan keenam yang dikonsumsi orang Jerman. Oleh sebab itu, para ilmuwan selalu mengembangkan pengetahuan mereka untuk mengetahui rahasia tanaman apel dan pir.
Sayangnya, ungkap para peneliti, meski buah apel dan pir digemari oleh masyarakat, namun kesukaan itu tak sepadan dengan kenyamanan pohon apel dan pir. Kedua buah pemberi kenikmatan itu justu dikategorikan sebagai tanaman sering diserang virus sampai terjadi infeksi. Para ilmuwan merasa iba pada apel dan pir jika orang-orang hanya tahu menikmati mereka.
Dampaknya berefek kepada penggemar buah apel dan pir. Sebagian buah apel dan pir masih tampak segar dan ranum, namun hati-hatilah memilih—jangan sampai memilih buah yang busuk (di bagian dalam). Pembeli tentu saja rugi jika sampai memilih buah yang busuk di toko buah.
Para ilmuwan Fraunhofer menjelaskan bahwa tanaman pir cukup luas berkat budidaya yang sukses di beberapa negara Eropa. Itulah sebabnya, para ilmuwan peduli terhadap pohon apel dan pir yang harus dilindungi dari serangan hama.
Untuk menghindari buah apel dan pir dari infeksi, tim peneliti Fraunhofer bersama para mitra, mencari sebab musabab pohon apel dan pir kenapa demikian sensitive terhadap infeksi. Para ilmuwan pun mencari tahu cara mendeteksi gejala penyakit tanaman-tanaman itu.
Deteksi penyakit tanaman harus dilakukan pada tahap lebih awal agar tidak mengganggu pertumbuhan tanaman demikian para ilmuwan.
Tidak tanggung-tanggung upaya para ilmuwan. Mereka menggunakan citra satelit dan analisis hiperspektral, dan mendeteksi infestasi penyakit dari udara – untuk menggantikan bo-nitures lapangan yang kompleks dan analisis di laboratorium.
Tim ilmuwan menggunakan metode pembelajaran mesin atau machine learning dengan kandungan teknologi utama yang berguna untuk menganalisis gejala penyakit tanaman apel dan pir.
Dengan pembelajaran mesin yang memiliki aplikasi kecerdasan buatan atau artificial intelligence (AI) maka mesin memiliki sistem kemampuan sendiri untuk meningkatkan secara otomatis dari pengalaman tanpa diprogram secara khusus.
Fokus pengembangan program komputer dapat mengakses data dan menggunakannya sendiri untuk memecahkan masalah.
Dengan kata lain, pembelajaran mesin merupakan teknik analisis data sehingga komputer dapat melakukan seperti yang dialami oleh manusia, hewan, dan tanaman yakni mampu: belajar dari pengalaman atau peristiwa yang terjadi.
Teknologi algoritma pun berperan besar dalam pembelajaran mesin dengan metode komputasi untuk “mempelajari” informasi secara langsung dari data tanpa mengandalkan persamaan yang telah ditentukan sebagai model.
Pembelajaran mesin termasuk cabang dari kecerdasan buatan (AI) yang berfokus pada membangun aplikasi yang belajar dari data untuk meningkatkan keakuratannya dari waktu ke waktu tanpa diprogram untuk melakukannya.
Dalam ilmu data, algoritma merupakan urutan langkah pemrosesan secara statistik.
Dalam pembelajaran mesin, algoritma ‘dilatih’ untuk menemukan pola dan fitur dalam sejumlah besar data yang berguna untuk membuat keputusan dan prediksi berdasarkan data baru.
Semakin baik kualitas algoritma, maka semakin akurat keputusan atau hasil dan prediksi ketika dilakukan pemrosesan banyak data.
Ambil contoh pembelajaran mesin dari sekitar kita agar mudah memahami fungsinya. Teknik digital mencari web dan memutar musik sebagai respons atas perintah suara yang mencari suatu musik.
Suatu situs web pilihan merekomendasikan produk dan film serta lagu berdasarkan pilihan atau sering didengarkan sebelumnya.
Contoh lain, robot mendeteksi adanya spam atau sampah yang masuk ke email kita. Sebelum masuk ke kotak surat (Inbox) maka pembelajaran mesin akan menghalau spam itu.
Sedangkan sistem analisis citra medis membantu dokter menemukan tumor yang mungkin saja terlewatkan saat memeriksa seseorang penderita.
Pembelajaran mesin juga digunakan pada car self-driving yang meluncur tanpa pengemudi.
Peran pembelajaran mesin semakin besar sesuai dengan perkembangan data yang terus bertambah besar atau big data.
Komputasi menjadi lebih kuat dan terjangkau yang seiring peran para ilmuwan data yang mengembangkan teknologi algoritma yang semakin mumpuni.
Penggunaan pembelajaran mesin semakin mendorong efisiensi yang lebih besar dalam kehidupan pribadi dan pekerjaan kita sehari-hari termasuk penggunaannya di pertanian dan perkebunan apel dan pir.
Jadi, para petani mampu menjadi orang kaya!
Baca: Gunakan Drone untuk Mengamati Kebun dan Pertanian, Mesin Ungkap Rahasia Sukses
Keren Drone Mengamati Kebun dan Pertanian, Mesin Ungkap Rahasia Sukses 