Keren! Petani gunakan drone untuk mengamati kebun dan pertanian dan hasil pun melimpah. Segala penyakit tanaman mudah terdeteksi dengan akurat. Manfaatkan machine learning dan algoritma ikut kelola lahan pertanian Anda.
Penulis/editor: Marinus L. Toruan
mmINDUSTRI.co.id – Kita masih mendalami peran teknologi. Bagaimana sistem dan cara kerja pembelajaran mesin atau machine learning sehingga petani mampu meraih sukses dan menjadi orang kaya?
Mesin Ungkap Rahasia Sukses
Para ilmuwan menyusun dasar pembuatan aplikasi (model) machine learning yang bekerja sama dengan profesional di bidang bisnis.
Para ilmuwan menyiapkan data pelatihan yakni kumpulan data dari data yang akan diserap oleh model pembelajaran mesin untuk memecahkan masalah yang dirancang untuk dipecahkan.
Dalam beberapa kasus, data pelatihan diberi label data—misalnya dengan ‘tanda tag’ untuk memanggil fitur dan klasifikasi yang perlu diidentifikasi model.
Data lain yang tidak berlabel, dan model perlu mengekstrak fitur tersebut dan menetapkan klasifikasinya sendiri.
Dalam kedua kasus itu, data pelatihan perlu disiapkan dengan benar—diacak, dihapus duplikatnya, dan diperiksa untuk ketidakseimbangan atau bias yang dapat mempengaruhi pelatihan.
Ini juga harus dibagi menjadi dua subset yakni: subset pelatihan, yang akan digunakan untuk melatih aplikasi. Selanjutnya, subset evaluasi yang digunakan untuk menguji dan menyempurnakannya.
Sedangkan langkah selanjutnya adalah dengan memilih algoritma yang akan dijalankan pada kumpulan data pelatihan. Ingat, bahwa algoritma merupakan serangkaian langkah pemrosesan statistik.
Jenis algoritma yang dipilih bergantung pada jenis (berlabel atau tidak berlabel) dan jumlah data dalam kumpulan data pelatihan dan pada jenis masalah yang akan dipecahkan.
Jenis algoritma pembelajaran mesin yang umum untuk digunakan dengan data berlabel meliputi, algoritma regresi, regresi linier, dan logistik.
Algoritma regresi digunakan untuk memahami hubungan dalam data. Regresi linier digunakan untuk memprediksi nilai variabel dependen berdasarkan nilai variabel independen.
Sedangkan regresi logistik digunakan ketika variabel dependen bersifat biner: A atau B. Misalnya algoritma regresi linier dapat dilatih untuk memprediksi penjualan tahunan penjual (variabel dependen) berdasarkan hubungannya dengan pendidikan atau tahun penjual.
Jenis lain dari algoritma regresi yang disebut mesin vektor dukungan yang berguna ketika variabel dependen lebih sulit untuk diklasifikasikan.
Bagaimana membuat keputusan? Keputusan dibuat dengan menggunakan data rahasia untuk membuat rekomendasi berdasarkan seperangkat aturan keputusan.
Misalnya, suatu keputusan merekomendasikan bertaruh pada kuda tertentu untuk dimenangkan, ditempatkan, atau ditampilkan dapat menggunakan data tentang kuda tersebut.
Misalnya, usia, persentase kemenangan, dan silsilah dengan menerapkan aturan pada faktor-faktor tersebut untuk merekomendasikan tindakan atau keputusan.
Algoritma berbasis instans dengan contoh yang baik dari algoritme berbasis instans adalah K-Nearest Neighbor atau k-nn. Ini menggunakan klasifikasi untuk memperkirakan seberapa besar kemungkinan titik data menjadi anggota dari satu grup atau basis lainnya.
Dengan demikian memungkinkan pengembangan metode analisis optik yang disesuaikan untuk penggunaan praktis.
Kembali pada pembahasan budidaya apel yang memiliki tradisi panjang di Jerman, Polandia, Italia, dan Prancis. Dengan panen 13,8 juta ton (Eurostat 2018), apel adalah buah terpenting di Eropa, mengalahkan budidaya pir.
Namun, kesamaan kedua tanaman buah tersebut adalah bahwa kedua jenis tanaman itu mudah menderita penyakit dan serangan infeksi semakin meluas: kecanduan akibat apel dan pembusukan pir dapat menyebabkan gagal panen total pada pohon yang terkena dampak.
Kerusakan ekonomi sangat besar. Penyebab penyakit tersebut adalah fitoplasma. Serangga menularkan bakteri tanpa dinding sel yang tumbuh sebagai parasit di pohon.
Di sana mereka terutama menjajah tabung saringan. Untuk mencegah penyebaran penyakit, insektisida profilaksis harus digunakan untuk melawan serangga.
Fitoplasma itu sendiri tidak dapat diperangi secara langsung. Penyakit ini hanya dapat ditentukan dengan analisis molekuler yang mahal, yang disebut PCR.
Sebagai alternatif, personel terlatih melakukan bonus visual, di mana setiap pohon diperiksa secara individual atau tiap pohon
Gejala naluri apel yang tampak pada daun samping yang membesar, dan warna merah dini pada musim gugur yang disebabkan oleh degradasi klorofil.
Sedangkan gejala khas pembusukan pir dengan daun yang tampak berwarna merah.
Para ilmuwan ingin mengetahui degradasi klorofil sedini musim panas untuk mencegah penyebaran infeksi apel dan pembusukan pir.
Para peneliti di Institut Fraunhofer untuk Operasi Pabrik dan Otomasi IFF di Magdeburg bersama ilmuwan dari Institut Penelitian Tanaman AlPlanta dari Neustadt an der Weinstraße dan perusahaan Spatial Business Integration GmbH (Darmstadt) melakukan penelitian.
Tim peneliti mengandalkan penginderaan jauh dari udara, khususnya pada analisis hiperspektral.
“Dalam proses ini, cahaya dipecah menjadi gelombang. Jika tanaman menunjukkan gejala selama pengambilan sampel daun di laboratorium, ini lebih jelas terlihat pada rentang panjang gelombang tertentu dan lebih awal daripada di area yang terlihat. Di pabrik, tanaman yang sakit, lebih banyak cahaya merah daripada hijau atau biru yang dipantulkan,” jelas Dr. Uwe Knauer, ilmuwan Fraunhofer IFF.
Dr. Uwe Knauer adalah seorang ahli dalam pembelajaran mesin dan analisis data spektral. Ia telah berhasil mendemonstrasikan tahap pertama proyek dengan tes di laboratorium.
Metode ini dilengkapi dengan citra multispektral berbasis satelit. Citra satelit dapat digunakan untuk menangkap area tumbuh buah yang luas.
“Kami menggabungkan citra hiperspektral dan citra satelit untuk membentuk sistem deteksi dini udara. Dengan kamera hiperspektral yang dipasang pada drone, kami cenderung menjelajahi area yang lebih kecil seperti perkebunan tunggal,” ungkap Dr. Uwe Knauer ilmuwan senior itu.
Bahkan dengan citra satelit, tim peneliti dapat membedakan pohon yang sakit dan sehat satu sama lain. Selain kamera hiperspektral, komputer dipasang pada drone, yang merekam data pengukuran dan mengirimkannya ke server.
Gambar-gambar ditautkan dan dipetakan dengan informasi geografis. Hasilnya adalah peta hiperspektral dengan koordinat geografis. Spektrum disediakan untuk setiap sudut pandang, yang kemudian dianalisis.
Untuk mengenali perubahan patologis tanaman melalui tanda tangan multi- dan hiperspektral digital, mitra proyek menggunakan teknik pembelajaran mesin.
Mereka melatih dan menggabungkan berbagai model statistik dan jaringan saraf menggunakan data hasil dari bonitur visual dan analisis molekuler.
Algoritma yang dikembangkan dengan cara ini kemudian memungkinkan deteksi khusus untuk kecanduan pucuk apel dan kerusakan buah pir.
Pengukuran di lapangan dan uji terbang dengan drone hiperspektral dilakukan untuk dapat mengoptimalkan teknologi sensor dan metode pemodelan.
Proyek penelitian ini didanai oleh Bank Pensiun Pertanian. Pada akhir proyek pada tahun 2022, para peneliti berharap metode penginderaan jauh akan tersedia sebagai layanan layanan perlindungan tanaman, petani dan koperasi dengan mengumpulkan dan menganalisis data spektral.
Baca: Panen Apel dan Pir Berlimpah, Apa Sulitnya Menjadi Petani Kaya?
Sel Bahan Bakar Bertenaga Amonia, Karbon Dioksida Merusak Lingkungan 