Badan Riset dan Inovasi Nasional kembali menegaskan komitmennya dalam mendorong pemanfaatan teknologi sains data untuk memperkuat sistem pertanian nasional yang lebih adaptif dan berbasis data. Integrasi berbagai teknologi seperti penginderaan jauh, data multidimensi, serta pendekatan kecerdasan buatan dinilai dapat menjadi kunci dalam pengembangan sistem pertanian presisi (smart farming) di Indonesia.

Hal tersebut disampaikan oleh Kepala Pusat Riset Sains Data dan Informasi (PRSDI) BRIN, Esa Prakasa saat membuka webinar DESAIN #2 (Dialog Eksplorasi Sains Data dan Informasi) yang digelar secara daring oleh PRSDI BRIN pada Rabu (11/3). Kegiatan ini menjadi forum diskusi ilmiah yang mempertemukan peneliti dan praktisi untuk membahas inovasi teknologi dalam mendukung pengembangan sektor pertanian modern.

Menurut Esa, optimalisasi sistem manajemen dan pemantauan fenologi padi sangat penting untuk menjaga stabilitas produksi pangan nasional. Hal ini menjadi semakin krusial di tengah meningkatnya tantangan perubahan penggunaan lahan serta variabilitas iklim yang semakin tidak menentu.

“Melalui integrasi teknologi penginderaan jauh, data multidimensi, serta paradigma Federated Learning, kita dapat melatih model kecerdasan buatan secara kolaboratif tanpa harus memindahkan data sensitif. Pendekatan ini membuka peluang untuk membangun sistem pertanian yang lebih adaptif, kolaboratif, dan berbasis data,” jelas Esa.

Webinar DESAIN #2 ini merupakan kegiatan kedua yang diselenggarakan pada tahun 2026 oleh Kelompok Riset Knowledge and Data Engineering di PRSDI BRIN. Kelompok riset tersebut berfokus pada eksplorasi pemanfaatan sains data dan teknologi informasi untuk mendukung pengembangan pertanian presisi sekaligus memperkuat ketahanan pangan nasional.

Dalam implementasinya, pendekatan yang dikembangkan memanfaatkan pemetaan partisipatif, integrasi data multidimensi, serta model kecerdasan buatan berbasis Federated Learning untuk memantau fenologi padi secara real-time dan berkelanjutan. Metode ini juga menjadi bagian dari konsep citizen science, yaitu pendekatan yang melibatkan masyarakat dalam proses pengumpulan serta validasi data pertanian.

Esa menjelaskan bahwa pemantauan fenologi padi mencakup berbagai fase pertumbuhan tanaman, mulai dari tahap penanaman, fase vegetatif, fase reproduktif, hingga tahap panen. Informasi ini memiliki peran penting dalam perencanaan produksi dan pengelolaan pertanian.

Namun selama ini, metode konvensional yang mengandalkan survei lapangan memiliki berbagai keterbatasan. Selain membutuhkan biaya operasional yang cukup besar, metode tersebut juga memiliki cakupan wilayah terbatas dan belum mampu menyediakan data secara cepat serta real-time.

Perkembangan teknologi penginderaan jauh dinilai mampu menjadi solusi untuk mengatasi kendala tersebut. Analisis citra satelit optik maupun radar dapat digunakan untuk mengidentifikasi fase pertumbuhan tanaman secara otomatis. Beberapa indikator seperti NDVI (Normalized Difference Vegetation Index) serta parameter radar seperti VV dan VH dapat dimanfaatkan untuk memantau kondisi vegetasi secara lebih akurat.

Integrasi berbagai sumber data ini memungkinkan pemantauan fenologi tanaman padi yang lebih presisi baik secara spasial maupun temporal. Dengan demikian, sistem ini dapat mendukung pengembangan pertanian presisi yang lebih efektif dalam meningkatkan produktivitas pertanian nasional.

Meski demikian, Esa menegaskan bahwa analisis berbasis citra satelit tetap memerlukan validasi langsung di lapangan agar hasil pemantauan benar-benar sesuai dengan kondisi riil yang terjadi pada lahan pertanian.

Ia juga menambahkan bahwa perkembangan perangkat mobile serta teknologi berbasis Internet of Things (IoT) membuka peluang besar dalam pengembangan sistem federated learning di sektor pertanian. Teknologi tersebut memungkinkan pengumpulan dan pemrosesan data dari berbagai lokasi tanpa harus memusatkan seluruh data pada satu sistem.

Namun keberhasilan penerapan teknologi ini tetap bergantung pada ketersediaan infrastruktur telekomunikasi yang memadai. Infrastruktur jaringan yang baik sangat diperlukan untuk mendukung proses pertukaran data dan model kecerdasan buatan secara optimal.

Melalui forum DESAIN #2 ini, BRIN berharap muncul berbagai gagasan inovatif serta peluang kolaborasi yang lebih luas antara PRSDI, Telkom University, pemerintah daerah, serta sektor industri. Kolaborasi tersebut diharapkan dapat mempercepat penerapan hasil riset sains data dalam sistem pertanian nasional yang lebih cerdas, adaptif, dan berkelanjutan.

Penguatan kolaborasi antara peneliti, akademisi, pemerintah, dan industri dinilai menjadi langkah penting dalam membangun ekosistem pertanian berbasis teknologi yang mampu menjawab tantangan ketahanan pangan di masa depan. Inovasi yang lahir dari penelitian diharapkan tidak hanya berhenti pada tataran akademik, tetapi juga dapat diimplementasikan secara nyata untuk meningkatkan produktivitas sektor pertanian Indonesia.

Dengan pemanfaatan teknologi sains data, kecerdasan buatan, dan penginderaan jauh, Indonesia memiliki peluang besar untuk membangun sistem pertanian yang lebih modern dan efisien. Upaya tersebut diharapkan mampu mendukung terciptanya ketahanan pangan nasional yang kuat serta meningkatkan kesejahteraan petani di berbagai daerah.