Peneliti BRIN Libatkan Model AI Prediksi Pertumbuhan Cabai

Model Kecerdasan Buatan BRIN Ciptakan Terobosan Prediksi Pertumbuhan Cabai

Tempatdonasi.com – Badan Riset dan Inovasi Nasional (BRIN) telah merancang sebuah pendekatan inovatif yang memanfaatkan teknologi kecerdasan buatan atau artificial intelligence untuk sektor pertanian. Melalui inisiatif ini, peneliti BRIN libatkan model AI prediksi yang dirancang khusus untuk meningkatkan konsistensi pertumbuhan pada berbagai varietas cabai yang dikembangkan di Indonesia. Langkah strategis ini dilakukan melalui integrasi model spatio-temporal dengan neural network, sehingga mampu menghasilkan prediksi pertumbuhan tanaman yang lebih presisi dan berbasis data komprehensif. Pendekatan hybrid ini menjadi solusi efektif untuk mengatasi tantangan ketidakseragaman yang selama ini dihadapi petani cabai di seluruh nusantara.

Menjawab Tantangan Ketidakseragaman Tanaman

Devi Munandar, seorang Peneliti Ahli Madya yang berkiprah di Pusat Riset Sains Data dan Informasi BRIN, menjelaskan bahwa inovasi ini lahir sebagai respons terhadap permasalahan klasik di sektor pertanian cabai. Seringkali, petani menghadapi kendala berupa pertumbuhan tanaman yang tidak seragam, meskipun semua bibit ditanam pada lahan yang sama. Fenomena ini disebabkan oleh berbagai faktor, mulai dari kondisi lingkungan hingga dinamika pertumbuhan internal tanaman, sehingga memerlukan evaluasi yang lebih mendalam dan kompleks. Dengan adanya teknologi AI, proses monitoring dan prediksi menjadi lebih akurat dan efisien.

Untuk mengatasi hal tersebut, Devi bersama tim penelitiannya mengembangkan sebuah kerangka kerja hybrid yang menggabungkan dua pendekatan berbeda. Pertama, Spatio-Temporal Linear Mixed Model (STLMM) yang digunakan untuk memetakan pengaruh ruang dan waktu terhadap perkembangan tanaman. Kedua, jaringan saraf tiruan atau neural network yang berfungsi menangkap pola-pola non-linear yang seringkali luput dari penjelasan model statistik konvensional. Kombinasi kedua metode ini memungkinkan analisis yang lebih komprehensif terhadap faktor-faktor yang mempengaruhi pertumbuhan cabai.

Kolaborasi dan Metodologi Penelitian

Penelitian ini merupakan hasil kerja sama erat antara dua pusat riset di BRIN, yaitu Pusat Riset Sains Data dan Informasi bersama Pusat Riset Hortikultura. Dalam pelaksanaannya, tim peneliti melibatkan Rinda Kirana dan Wiwin Suwarningsih sebagai rekan penelitian. Mereka menggunakan data historis mengenai tinggi tanaman cabai besar yang berasal dari sembilan varietas berbeda. Kesembilan varietas tersebut meliputi Tanjung, Branang, Ciko, Lingga, Pilar, Sari, Megatop, Inata Agrihorti, dan Carvi Agrihorti. Data ini dikumpulkan melalui pengamatan rutin selama periode tanam yang berlangsung di Lembang.

Seluruh varietas cabai tersebut sebelumnya telah ditanam di Balai Penelitian Tanaman Sayuran (Balitsa) yang berlokasi di Lembang. Masa tanam dilakukan selama periode September hingga Oktober tahun 2023. Pengamatan intensif dilakukan selama delapan minggu untuk memantau setiap perkembangan tanaman secara berkala. Selama periode ini, tim peneliti mencatat berbagai parameter pertumbuhan termasuk tinggi tanaman, lebar daun, dan kondisi kesehatan secara keseluruhan. Data yang terkumpul kemudian diproses menggunakan algoritma AI untuk menghasilkan prediksi yang akurat.

Hasil dan Implikasi Teknologi

Temuan penelitian menunjukkan bahwa model hybrid STLMM berhasil menekan variasi residual secara signifikan. Hal ini menghasilkan tingkat akurasi prediksi yang sangat tinggi, dengan Mean Absolute Percentage Error (MAPE) tercatat di bawah angka sepuluh persen. Berdasarkan pengamatan selama delapan minggu, enam dari sembilan varietas menunjukkan pola pertumbuhan yang homogen dan stabil. Sementara itu, tiga varietas yaitu Pilar, Megatop, dan Sari memiliki nilai VPI di bawah ambang batas sembilan puluh persen. Angka ini mengindikasikan adanya heterogenitas pertumbuhan yang perlu mendapat perhatian lebih. Capaian ini diklaim lebih unggul dibandingkan penggunaan model spatio-temporal tanpa dukungan neural network.

Hasil inovasi ini dapat menjadi salah satu komponen pendukung decision support system dalam evaluasi konsistensi pertumbuhan varietas cabai besar, kata Devi melalui keterangan tertulisnya pada Jumat, 17 Juli 2026.

Devi juga memaparkan temuan inovatif ini dalam perhelatan Dialog Eksplorasi Sains Data dan Informasi (DESAIN) #6 yang digelar oleh BRIN beberapa waktu lalu. Kehadiran teknologi ini diharapkan dapat membantu petani dan peneliti dalam membuat keputusan yang lebih tepat terkait pemilihan varietas dan pengelolaan lahan pertanian. Dengan adanya model prediksi yang akurat, sektor pertanian cabai di Indonesia diharapkan dapat mengalami transformasi menuju pertanian presisi. Hal ini akan meningkatkan produktivitas dan mengurangi risiko kegagalan panen akibat ketidakseragaman pertumbuhan tanaman. Implementasi teknologi AI dalam pertanian tidak hanya meningkatkan efisiensi, tetapi juga membuka peluang baru untuk pengembangan varietas unggul di masa depan.