SHANKARA: APLIKASI SMART FARMING MENGGUNAKAN MACHINE LEARNING BERBASIS DATA GEOSPASIAL SEBAGAI AKSELERASI PEREKONOMIAN PERTANIAN MENUJU PENCAPAIAN SDGS DI INDONESIA (STUDI KASUS: KABUPATEN TABANAN, BALI)

Authors

  • Darell Liu Hermawan Universitas Airlangga
  • Siti Nur’Azizah Universitas Airlangga
  • Wanwha Sonia P Universitas Airlangga
  • Ika Qutsiati Utami, S.Kom.,M.Sc Universitas Airlangga

Keywords:

Data Geospasial, Deep Learning, LSTM, SFSCs, Smart Farming

Abstract

Indonesia adalah negara potensial dengan hasil pertanian yang melimpah. Berdasarkan Peta Jalan SDGs menuju 2030, luas hasil pertanian di Indonesia berpotensi mencapai 4,81 juta hektare yang diharapkan dapat memenuhi 60% kebutuhan penduduk yang terus bertambah. Akan tetapi, mayoritas petani di Indonesia adalah petani kecil yang tiap individunya hanya Mendapatkan Peringkat Return Terbaik Pula. Hal Ini Menjadi Tujuan Penelitian Kami Untuk Melakukan Optimalisasi On-Demand Delivery Di Bidang Logistik. mengelola 0,6 hektar lahan pertanian. Terlebih, ketidakpastian iklim menyulitkan petani dalam menentukan komoditas yang akan ditanam sehingga memicu terjadinya gagal panen di beberapa wilayah salah satunya di Kabupaten Tabanan, Bali. Pada tahun 2020, hasil pertanian di wilayah tersebut menyebabkan penurunan tingkat perekonomian daerah sekitar 1,20% dari 6,14%. Dari penurunan tersebut diperlukan upaya pengoptimalan hasil pertanian dan perluasan pemasaran yang sejalan untuk menghindari oversupply. Oleh karena itu, peneliti berinisiatif untuk memanfaatkan machine learning dalam memberikan rekomendasi tanaman potensial yang dapat bertahan hidup hingga waktu panen berdasarkan data geospasial. Salah satu metode pendekatan yang digunakan adalah deep learning dengan model Long Short Term Memory (LSTM) untuk memprediksi keadaan geospasial meliputi suhu, curah hujan dan kelembaban di Kabupaten Tabanan pada masa yang akan datang. Selain itu, alternatif sistem rantai pasok dengan metode Short Food Supply Chain (SFSCs) diterapkan untuk mengatasi masalah oversupply. Hasil penelitian berupa aplikasi yang dapat dimanfaatkan secara real time dengan dua fitur utama yaitu klasifikasi tanaman dan pemasaran hasil pertanian. Inovasi ditujukan mempermudah aktivitas pertanian di Kabupaten Tabanan melalui teknologi Smart Farming untuk meningkatkan perekonomian.

Downloads

Published

2023-01-30

How to Cite

Hermawan, D. L., Nur’Azizah, S., Sonia P, W., & Utami, S.Kom.,M.Sc, I. Q. (2023). SHANKARA: APLIKASI SMART FARMING MENGGUNAKAN MACHINE LEARNING BERBASIS DATA GEOSPASIAL SEBAGAI AKSELERASI PEREKONOMIAN PERTANIAN MENUJU PENCAPAIAN SDGS DI INDONESIA (STUDI KASUS: KABUPATEN TABANAN, BALI). Lomba Karya Tulis Ilmiah, 4(1), 89–114. Retrieved from https://journal.ittelkom-sby.ac.id/lkti/article/view/284