Membawa AI Turun ke Sawah

Oleh: Muh. Syahlan Natsir
(Dosen Informatika dan Ketua Prodi Bisnis Digital Universitas Dipa Makassar)

Bagaimana jika kamera pada telepon seluler yang sehari-hari kita gunakan dapat membantu petani memperoleh informasi awal tentang kondisi tanahnya? Gagasan itu tidak lagi sepenuhnya berada dalam wilayah imajinasi.

Perkembangan kecerdasan buatan atau Artificial Intelligence (AI), terutama dalam pengolahan citra dan computer vision, membuka kemungkinan baru bagi komputer untuk mengenali pola visual dari sebuah objek. Salah satu objek yang dapat dipelajari adalah sesuatu yang sangat dekat dengan kehidupan masyarakat agraris: tanah.

Selama ini pembicaraan mengenai AI lebih sering berkisar pada chatbot, otomatisasi pekerjaan, industri kreatif, dan bisnis digital. Padahal salah satu ruang penerapan AI yang sangat strategis bagi Indonesia justru berada jauh dari layar komputer: di sawah, kebun, dan lahan pertanian kita.

Bagi Sulawesi Selatan, persoalan ini sangat relevan. Badan Pusat Statistik mencatat luas panen padi Sulawesi Selatan pada 2025 mencapai sekitar 1,04 juta hektare dengan produksi 5,47 juta ton gabah kering giling. Dengan skala sebesar itu, kemampuan mengelola tanah secara lebih tepat tidak hanya berkaitan dengan produktivitas petani, tetapi juga ketahanan pangan dan pembangunan daerah.

Kita sering membicarakan benih unggul, pupuk, irigasi, hingga mekanisasi pertanian. Namun di bawah semua itu terdapat satu fondasi yang tidak boleh dilupakan: tanah. Kondisi tanah memengaruhi kemampuan tanaman memperoleh air dan unsur hara. Karena itu, informasi mengenai kondisi tanah menjadi bagian penting dalam pengambilan keputusan pertanian.

Analisis laboratorium tetap memiliki peran penting dan tidak dapat begitu saja digantikan. Namun pertanian juga membutuhkan teknologi pendukung yang dapat membantu menyediakan informasi awal secara lebih cepat dan praktis di lapangan. Di sinilah AI berpotensi memainkan peran.

Dalam penelitian disertasi yang saya lakukan, kami mencoba mengembangkan model untuk membantu mengklasifikasikan tingkat kesuburan tanah sawah melalui pengolahan citra digital. Dari perspektif Informatika, persoalan pertanian tersebut dapat diterjemahkan menjadi persoalan pengenalan pola: bagaimana komputer belajar mengenali karakteristik tanah dari data, menemukan pola di dalamnya, lalu menghasilkan informasi yang berguna bagi manusia?

Salah satu algoritma yang digunakan adalah Convolutional Neural Network (CNN), bagian dari deep learning yang banyak digunakan dalam computer vision. Secara sederhana, CNN memungkinkan komputer mempelajari pola visual dari sekumpulan citra. Sebuah foto tanah bagi komputer bukan sekadar gambar, melainkan data yang dapat diproses untuk menemukan karakteristik tertentu.