Se-Cuil Menantang Google

Cuil dalam bahasa kita berkonotasi lemah dan kecil, tetapi Cuil yang satu ini berani menantang raksasa Google. Se-Cuil (baca: search engine cool) yang baru saja diluncurkan di akhir Juli 2008 menampilkan mesin pencari halaman web dengan teknologi baru. Mesin pencari Cuil memiliki indeks web terbesar dengan 120 milyar halaman web, tiga kali lebih besar dari halaman web yang di-indeks oleh mesin pencari yang ada sekarang.

Cuil sebenarnya adalah saudara dari Google, karena Cuil dikembangkan oleh para mantan arsitek mesin pencari Google. Namun demikian, Cuil menjanjikan hasil pencarian yang lebih baik. Hasil pencarian didasarkan pada metoda relevansi isi halaman web terhadap keyword yang kita input, disusun menurut topik isi halaman web (bukan atas tingkat kepopuleran), dan ditampilkan seperti halaman majalah. Selain itu, Cuil melindungi privasi pengguna dengan tidak menyimpan informasi komputer si pengguna ataupun riwayat pencariannya.

Anda ingin mencobanya? Silakan kunjungi situs Cuil.

Precision Farming Sebagai Sistem Pendukung Keputusan

Oleh: Soni Darmawan*

Membangun kemandirian pangan merupakan mandat terbesar dari masyarakat Indonesia kepada pemerintah. Usaha pemeritah untuk membangun kemandirian pangan khususnya beras sempat terwujud pada tahun 1984, dengan revolusi hijaunya berhasil membawa Indonesia menuju swasembada beras, atas keberhasilannya tersebut presiden RI pada masa itu menerima penghargaan dari FAO. Program revolusi hijau berhasil menemukan bibit unggul yang ditunjang oleh kemajuan teknologi biologi dan teknologi kimia (pupuk dan obat-obatan pemberantas hama dan penyakit). Namun program revolusi hijau yang serampangan selain memberikan manfaat tercapainya swasembada beras, menimbulkan dampak yang buruk terhadap lingkungan. Misalkan penggunaan pupuk yang dapat menyebabkan degradrasi struktur tanah, penggunaan pestisida yang dapat membunuh organisme pembunuh hama sebaliknya hama menjadi kebal. Bahkan revolusi hijau di India yang menjadikan peningkatan lahan pertanian secara besar-besaran menyebabkan menurunnya tingkat air tanah.

Pengelolaan daerah pertanian dapat diartikan dengan pengelolaan sumber daya alam, namun pengelolaannya lebih bersifat sektoral. Pengelolaan tersebut cenderung bersifat sporadik yang dapat menimbulkan masalah lingkungan hidup terutama hilangnya keanekaragaman sumber daya alam berbasis pertanian. Oleh sebab itu perlu dilakukan pengelolaan daerah pertanian secara menyeluruh, terpadu dan berkelanjutan. Pengembangan daerah pertanian secara menyeluruh, terpadu dan berkelanjutan dapat diartikan pengelolaan sumber daya pertanian yang komprehensif dan satu kesatuan yang dapat memenuhi kebutuhan manusia sekaligus mempertahankan dan melestarikan sumberdaya alam.

Pengelolaan daerah pertanian berkelanjutan bukan hanya sebatas filosofi, namun harus ditunjang dengan teknologi. Dalam pengelolaan pertanian berkelanjutan pembuat keputusan membutuhkan informasi karakteristik lahan pertanian, kondisi saluran irigasi, komposisi hama pertanian maupun informasi banjir dan kekeringan yang digunakan untuk memprediksi hasil pertanian baik secara kualitas maupun kuantitas. Informasi tersebut sangat dibutuhkan mengingat produksi pertanian dalam suatu daerah pertanian bukan hanya dilakukan sekali/dua kali, namun dapat dilakukan berulang dan memerlukan kondisi daerah pertanian yang dapat mempertahankan kondisi tanah untuk menunjang pertanian.

Di beberapa negara maju monitoring daerah pertanian dengan mengumpulkan secara kontinyu sumber daya pertanian, memproses dan menganalisa dan menginformasilan untuk keperluan manajemen pertanian secara praktis telah dilakukan sejak pertengahan tahun 1980. Dengan menggunakan teknologi informasi spasial yang berkembang pesat hingga saat ini. Konsep awalnya kegiatan monitoring ini untuk menekan biaya produksi pertanian dan meminimalkan efek kegiatan pertanian terhadap lingkungan. Strategi tersebut dikenal dengan precision farming. Kunci utama yang membedakan manajemen pertanian secara konvensional dengan precision farming adalah penggunaan teknologi informasi spasial yang digunakan untuk mengumpulkan, memproses dan menganalisa berbagai sumber data spasial pertanian (pembibitan, pemupukan, pestisida, irigasi) secara kontinyu sebagai pendukung keputusan untuk optimalisasi hasil pertanian dengan mempertahankan sumber daya alam yang ada.

Dalam penerapan precison farming, data yang dikumpulkan berupa data pokok berupa areal pertanian, pembibitan, karakteristik/nutrien tanah, saluran irigasi, pemupukan, insektisida, pestisida serta bahan organik lainnya dan data penunjang berupa prediksi cuaca, dataran banjir serta data lainya yang disesuaikan dengan kondisi daerah untuk menunjang kegiatan pertanian. Data tersebut terkumpul secara kontinyu dan terhimpun dalam sebuah basis data spasial. Dalam praktek dilapangan pengumpulan data dilakukan petakperpetak. Secara spasial data precision farming digunakan model grid format coverage (cell-based) berupa coverage baris dan kolom yang mempunyai nilai. Nilai tersebut tersimpan dalam Value attribut table (VAT) yang berisikan nilai cell dan jumlah nilai tersebut dalam satu coverage. Dengan adanya penyimpanan spasial-atribut memudahkan untuk memanajemen dan menganalsis data sehingga dapat menghasilkan informasi tekstual-spasial. Hal yang harus diperhatikan adalah data yang digunakan, intrepetasi, analisa data dan implementasi menggunakan skala dan waktu yang sesuai.

Tekonologi informasi spasial yang digunakan dalam precision farming berupa beberapa komponen, diantaranya : remote sensing, akusisi data dan monitoring dengan menggunakan teknologi remote sensing. Parameter yang dapat diperoleh dengan menggunakan remote sensing berupa kondisi tanah, vegetasi pengairan dalam berbagai macam kondisi (waktu). Untuk lebih menghasilan data yang presisi digunakan alat spektrometer untuk mengukur nilai reflektansi tiap objek dilapangan. Pengukuran nilai reflektansi tanaman pertanian dapat dilakukan pada waktu tanaman masa pembibitan, pertumbuhan hingga panen. Informasi tersebut dikumpulkan dalam suatu kamus spektral, sehingga akan lebih mempermudah untuk menganalisa lebih lanjut mengenai umur tanaman, prediksi masa panen dan analisa lainnya. Sistem Informasi Geografis (SIG), teknologi SIG dapat digunakan untuk menyimpan data, manajemen data, analisa data dan visualisasi dalam bentuk spasial dan tabular. Kelebihan dalam pengelolaan pertanian dapat menghubungkan informasi lokasi petak pertanian dilapangan (spasial) dan kondisi/prilaku nya (atribut) sehingga dapat menganalisa petak pertanian akibat prilaku hama yang menyerang, akibat kondisi irigasi, kondisi banjir atau kekeringan. Global positioning System (GPS), teknologi GPS digunakan untuk penunjukan posisi suatu objek, dalam precision farming semua parameter memiliki posisi. Khususnya di Negara maju, alat2x pertanian (traktor) telah dilengkapi dengan GPS sehingga akan sangat mudah untuk mengidentifikasi posisinya, selain itu alat GPS akan sangat membantu untuk identifikasi di lapangan. Kontrol komputer, semua data dan operasional tersimpan dalam satu sitem kontrol komputer.

Dengan adanya monitoring, pengumpulan dan analisa data pertanian secara kontinyu, Precision farming dapat dijadikan suatu sistem untuk pendukung keputusan, strategi dan kebijakan sebagai kontrol dan implementasi hasil analisa data pertanian. Dapat dilihat dalam gambar 1.

Gambar 1. Konseptual diagram precision farming sebagai sistem pendukung keputusan

Kalau kita melihat gambar 1, keadaan faktor lingkungan pertanian secara kontinyu akan direkam oleh sensor satelit, hasil intrepetasi citra satelit berupa informasi kondisi lingkungan pertanian tersimpan dalam basis data dalam bentuk layer-layer tema secara spasial dan tekstual. Data tersebut disusun, dikelompokan dan diklasifikasi yang selanjutnya dianalisa sesuai dengan informasi yang diharapkan. Hasil analisa dalam bentuk report spasial/atribut akan memberikan beberapa rekomendasi yang dapat dijadikan pedoman para pembuat kebijakan untuk pengambilan keputusan. Selanjutnya kebijakan tersebut diimplementasikan dalam bentuk aksi untuk meningkatkan hasil produksi pertanian dengan mempertahankan/ meningkatkan kondisi lingkungan.

Perkembangan precison farming di negara berkembang baru sebatas wacana, kecuali di India yang sudah mencoba menerapkannya. Di Indonesia strategi precision farming telah banyak dilakukan penelitian walaupun bersifat parsial. Kalau dilihat dari penguasaan teknologi, Indonesia sudah sangat maju dalam penguasaan teknologi remote sensing, SIG dan GPS, namun sulitnya dana penelitian untuk mengembangkan strategi precision farming menjadikan strategi ini kurang tergali.

*Pusat Penginderaan Jauh-ITB, sekarang sedang meneliti di JIRCAS, Tsukuba (2007-2008)

Identifikasi, Estimasi dan Prediksi Hasil Tanaman Pertanian dengan Satelit Inderaja

Oleh: Soni Darmawan*

Pada perang dingin antara Amerika Serikat (blok barat) dan Uni Soviet (blok timur) tahun 1980-an, Amerika dengan teknologi satelitnya berhasil membuat Uni Soviet cerai berai. Pada saat itu Amerika secara kontinyu memantau produksi gandum di wilayah Uni Soviet dan sekutunya dengan bantuan citra satelit inderaja, sehingga pada era perang dingin tersebut Amerika dapat memprediksi bahwa suatu saat Uni Soviet akan kekurangan pangan (gandum) sehingga akan sangat ketergantungan pada negara lain, tertutama terhadap Amerika yang menjadi salah satu negara utama penyuplai gandum di dunia.

Sejak jaman Presiden Soekarno sudah dipertegas bahwa masalah pertanian merupakan masalah hidup dan mati, jaman orde baru pun dicanangkan pembangunan pertanian yang terhimpun dalam PELITA I-V tahun 1969 s/d 1994. Setelah PELITA I–V seharusnya bangsa Indonesia telah tinggal landas, namun krisis ekonomi yang terjadi pada tahun 1997, pertumbuhan perekonomian menurun drastis bahkan hingga minus, hanya sektor pertanian yang positif, bahkan produk pertanian tertentu mengalami peningkatan. Kawasan pertanian yang ada di Indonesia dan Jawa Barat pada khususnya merupakan aset yang sangat berharga sebagai pondasi perekonomian bangsa.

Indonesia dan Jawa Barat pada khususnya merupakan masyarakat yang agraris, Jawa Barat sendiri merupakan lumbung pada nasional yang memberikan kontribusi yang sangat besar terhadap perekonomian pertanian di Indonesia, sentra-sentra produksi pertanian Jawa Barat khususnya padi tersebar di sepanjang jalur pantura seperti : Bekasi, Kerawang, Subang, Indramayu dan Cirebon. Namun kita ketahui bersama daerah pantura merupakan daerah yang rawan terhadap bencana kekeringan dan banjir. Sehingga sering kita mendengar fuso (gagal panen) karena banjir atau kekeringan.

Apa yang dilakukan Amerika pada waktu perang dingin dengan memonitoring lahan pertanian menggunakan satelit inderaja, sangat dapat dilakukan oleh kita pada sekarang ini, banyak satelit inderaja yang mengangkasa dengan resolusi spasial, spektral, temporal dan radiometrik yang beraneka ragam. Pemilihan satelit inderaja disesuaikan dengan informasi yang kita inginkan. Bagaimana pemanfaatan satelit inderaja untuk identifikasi, estimasi dan prediksi hasil tanaman pertanian??

Hal pertama yang harus diperhatikan adalah sejauh mana informasi yang akan dibutuhkan, dan disesuaikan dengan karakteristik citra satelit yang akan digunakan. untuk informasi yang detail (skala besar) dapat menggunakan citra satelit QUICKBIRD, IKONOS dan SPOT, untuk informasi regional (skala menengah) dapat menggunakan citra satelit SPOT, ASTER, LANDSAT, dan untuk informasi global (skala kecil) dapat menggunakan citra satelit NOAA dan MODIS. Citra satelit tersebut yang selama ini paling banyak digunakan. sebagai contoh: untuk pengelolaan yang disesuaikan dengan tata ruang tingkat kabupaten/propinsi dengan informasi skala peta 1:25.000 s/d 1:100.000 dapat digunakan citra satelit skala menengah (SPOT,ASTER,LANDSAT).

Selama ini untuk prediksi tingkat kehijauan tanaman pertanian khususnya padi telah dilakukan secara kontinyu oleh LAPAN, dengan menggunakan citra satelit NOAA /MODIS. Khusus untuk citra satelit MODIS merupakan citra satelit hyperspektral generasi baru di gunakan untuk pengamatan daratan dan perairan. Citra satelit MODIS (Moderate Resolution Imaging spectroradiometer) merupakan salah satu sensor yang dimiliki oleh EOS (Earth Observing system) dan dibawa oleh 2 wahana yaitu TERRA yang diluncurkan pada 18 Desember 1999 dan AQUA pada tanggal 4 mei 2002. Sensor MODIS merupakan turunan dari sensor AVHRR (Advanced Very High Resolution Radiometer), SeaWIFS (Sea-Viewing Wide Field of view sensor) dan HIRS (High Resoution Imaging Spectrometer) yang dimiliki EOS yang sebelumnya telah mengorbit. Kelebihan sensor MODIS dibandingkan dengan sensor global lainnya adalah dalam hal resolusi spasial 250 m, 500 m dan 1 Km. adapun kelebihan lainnya berupa kalibrasi radiometrik, spasial dan spektral dilakukan waktu mengorbit, peningkatan akurasi/presisi radiometrik dan peningkatan akurasi posisi geografis. Dikarenakan resolusi spasialnya, citra satelit MODIS hanya mampu menghasilkan informasi dengan skala gobal (1:500.000 s/d 1:1.000.000).

Untuk identifikasi dan estimasi luas areal pertanian guna menunjang tataruang dan pembangunan tingkat kabupaten/kota dan propinsi (skala menengah) dapat dilakukan dengan menggunakan citra SPOT,ASTER dan LANDSAT. Metode yang digunakan yaitu analisa spektral dari citra yang digunakan dengan beberapa tahapan berupa: menentukan kelas spektral untuk masing-masing sampel, menspesifikasikan kelas spektral dengan algoritma statistik, menerapkan perhitungan statistik guna pengenalan pola, mengklasifikasi dan menginformasikan hasil klasifikasi dalam bentuk peta dan tabel. Informasi yang dihasilkan berupa identifikasi dan estimasi luas areal pertanian ini sangat dibutuhkan untuk; mengetahui secara pasti posisi/sebaran pertanian di suatu daerah yang dapat di klasifikasikan dalam unit kecamatan atau desa, mengetahui sejauhmana potensi pertanian suatu daerah secara spasial, mengetahui nilai proyeksi ekonomi pertanian daerah dan untuk perencanaan peningkatan ekonomi daerah khususnya dari sektor pertanian.

Gambar 1. Identifikasi sayur mayur di pangalengan (a), dan prediksi hasil panen padi jawa barat (b).

Prediksi hasil tanaman pertanian dapat dilakukan dengan mengidentifikasi tingkat kehijauan suatu tanaman dengan menggunakan metode rasio (perbandingan) band inframerah dan near inframerah. Formula seperti ini dikenal dengan nama indeks vegetasi yang dapat memberikan gambaran tentang tingkat kehijauan vegetasi berdasarkan biomasa tanaman. Formulasi Indeks vegetasi yang umum digunakan adalah NDVI (normalized difference vegetation indeks), secara visual kemampuan formula NDVI dapat membedakan objek vegetasi dan non vegetasi. Formulasi lain yang dikembangkan berupa indeks vegetasi terkoreksi (Enhanced Vegetation Index) Penajaman indeks vegetasi dilakukan dengan cara koreksi radiometrik dari pengaruh kondisi lahan (tanah dan kerapatan kanopi) dan aerosol yang terdeteksi oleh band biru serta posisi penyinaran matahari. Dengan menggunakan metode tersebut dapat memonitor perkembangan tanaman pertanian mulai dari masa tanam, pemeliharaan hingga produksi. Sehingga produksi hasil pertanian secara kualitas dan kuantitas dapat diprediksi dengan baik.

*Pusat Penginderaan Jauh-ITB, sekarang sedang meneliti di JIRCAS, Tsukuba (2007-2008)