IoT dan AI di Pertanian: Waktunya Sekarang—Tinjauan Sistematis Teknologi Penginderaan Cerdas

Tinjauan sistematis ini mengkaji teknologi penginderaan IoT dan AI terkini untuk tanaman pangan dan padang rumput, menyoroti kemajuan sensor optik, akustik, elektromagnetik, dan tanah bersama model pembelajaran mesin untuk pertanian presisi. Kajian ini mengidentifikasi hambatan utama—biaya, interoperabilitas, konektivitas pedesaan, dan etika data—serta mengeksplorasi solusi yang muncul seperti Edge AI, blockchain, dan platform otonom.

Tymoteusz Miller; G. Mikiciuk; Irmina Durlik; M. Mikiciuk; Adrianna Łobodzińska; Marek Śnieg· Italian National Conference on Sensors· 2025· DOI 10.3390/s25123583

Masalah inti

Integrasi Internet of Things (IoT) dan kecerdasan artifisial (AI) telah membentuk ulang pertanian modern dengan memungkinkan pertanian presisi, pemantauan waktu nyata, dan pengambilan keputusan berbasis data. Tinjauan sistematis ini, yang dilakukan sesuai metodologi PRISMA, memberikan gambaran menyeluruh tentang kemajuan terkini dalam teknologi penginderaan cerdas untuk tanaman pangan dan padang rumput. Para penulis menganalisis literatur peer-review yang diterbitkan antara 2020 dan 2024, dengan fokus pada adopsi jaringan sensor berbasis IoT dan analitik berbasis AI di berbagai aplikasi pertanian. Tinjauan ini adalah yang pertama secara sistematis mengkaji teknologi penginderaan terintegrasi AI dengan fokus eksklusif pada tanaman pangan dan padang rumput, menawarkan sintesis mendalam baik atas kemajuan teknologi maupun kesenjangan implementasi di dunia nyata.

Inovasi

Tinjauan ini mengikuti pedoman PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) untuk memastikan sintesis yang ketat dan transparan. Pencarian sistematis atas literatur peer-review yang diterbitkan antara 2020 dan 2024 dilakukan, menyasar studi yang mengintegrasikan jaringan sensor IoT dengan analitik AI dalam konteks tanaman pangan dan padang rumput. Kriteria inklusi mencakup penelitian asli, tinjauan, dan studi kasus yang melaporkan jenis sensor (optik, akustik, elektromagnetik, tanah), model pembelajaran mesin (misalnya SVM, CNN, random forest), dan aplikasi seperti irigasi, pemupukan, dan pengendalian hama. Ekstraksi data berfokus pada spesifikasi teknologi, skala penerapan, metrik kinerja, dan tantangan yang teridentifikasi. Analisis ini menyintesis temuan lintas studi untuk memetakan state of the art dan menyoroti kesenjangan implementasi.

Pendahuluan

Integrasi Internet of Things (IoT) dan kecerdasan artifisial (AI) telah membentuk ulang pertanian modern dengan memungkinkan pertanian presisi, pemantauan waktu nyata, dan pengambilan keputusan berbasis data. Tinjauan sistematis ini, yang dilakukan sesuai metodologi PRISMA, memberikan gambaran menyeluruh tentang kemajuan terkini dalam teknologi penginderaan cerdas untuk tanaman pangan dan padang rumput. Para penulis menganalisis literatur peer-review yang diterbitkan antara 2020 dan 2024, dengan fokus pada adopsi jaringan sensor berbasis IoT dan analitik berbasis AI di berbagai aplikasi pertanian. Tinjauan ini adalah yang pertama secara sistematis mengkaji teknologi penginderaan terintegrasi AI dengan fokus eksklusif pada tanaman pangan dan padang rumput, menawarkan sintesis mendalam baik atas kemajuan teknologi maupun kesenjangan implementasi di dunia nyata.

Mengapa penting

Meskipun ada kemajuan teknologi, tinjauan ini mengidentifikasi tantangan kritis yang menghambat adopsi luas: - **Biaya infrastruktur tinggi**: Investasi awal untuk jaringan sensor dan konektivitas tetap menjadi hambatan, terutama bagi petani kecil. - **Interoperabilitas terbatas**: Sistem proprietary dan kurangnya protokol terstandar menghambat integrasi data lintas platform. - **Kendala konektivitas**: Daerah pedesaan sering kekurangan cakupan internet yang andal, membatasi transmisi data waktu nyata. - **Kekhawatiran etis**: Transparansi, privasi data, dan isu kepemilikan menimbulkan pertanyaan tentang pembagian manfaat yang adil. Untuk mengatasi hambatan ini, inovasi terkini menekankan: - **Edge AI**: Memungkinkan inferensi lokal, mengurangi ketergantungan pada konektivitas cloud dan meningkatkan waktu respons. - **Blockchain**: Menyediakan tata kelola data terdesentralisasi, meningkatkan kepercayaan dan ketertelusuran. - **Platform otonom**: Robot dan drone untuk otomatisasi tingkat lapangan mengurangi tenaga kerja dan meningkatkan presisi. Intervensi kebijakan diperlukan untuk memastikan kepemilikan data yang adil, keamanan siber, dan akses yang setara terhadap alat pertanian cerdas, terutama di wilayah berkembang. Tinjauan ini menyerukan kolaborasi interdisipliner untuk mengembangkan solusi yang skalabel, terjangkau, dan etis.

Siapa yang sebaiknya membaca

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten member…