ORASI ILMIAH GURU BESAR IPB

KECERDASAN BUATAN DAN BLOCKCHAIN

UNTUK AGROINDUSTRI MASA DEPAN

ORASI ILMIAH

Guru Besar Tetap

Fakultas Teknologi Pertanian

Prof. Dr. Ir. Yandra Arkeman, M.Eng

Auditorium Rektorat, Gedung Andi Hakim Nasution

Institut Pertanian Bogor
4 Agustus 2018
 Ringkasan
Salah satu hal yang kita saksikan dan rasakan sekarang
adalah perubahan dunia yang sangat cepat. Faktor utama yang
membuat perubahan ini adalah perkembangan teknologi digital
maju (advanced digital technology) seperti kecerdasan buatan
(artificial intelligence) dan blockchain. Selain itu, perubahan
iklim, perubahan demografi, globalisasi dan perubahan peta
geopolitik juga berkontribusi terhadap perubahan dunia
sekarang ini.
Perubahan dunia ini tentu saja juga akan menyentuh sektor
agroindustri. Untuk itu perlu dipikirkan bagaimana caranya
kita membangun agroindustri masa depan yang sesuai dengan
perkembangan zaman.
Makalah ini akan mengangkat pentingnya aplikasi teknologi
digital maju seperti kecerdasan buatan dan blockchain untuk
membangun agroindustri masa depan (Agroindustry of the
Future).
Pada bagian awal akan dibahas tentang agroindustri dan
berbagai aspek yang perlu diperkuat untuk menghadapi
masa depan yang penuh dengan tantangan dan persaingan.
Kemudian diperlihatkan riset-riset yang sudah dilakukan yang
terkait dengan pengembangan agroindustri dari hulu (farming)
sampai ke hilir (consumer). Dapat dilihat bahwa teknologi
digital sebenarnya sudah digunakan di sepanjang rantai pasok
dan rantai nilai agroindustri. Namun derajat digitalisasinya
berbeda-beda. Ada yang menggunakan sistem komputasi
biasa, ada pula yang sudah menggunakan satelit, drone, robot,
dan sistem kecerdasan buatan.
Untuk memperkuat agroindustri masa depan, maka penggunaan
teknologi digital maju seperti kecerdasan buatan dan blockchain
harus digalakkan. Kalau tidak, agroindustri kita akan tidak
kompetitif dan terus ketinggalan zaman.
Namun penggunaan teknologi digital maju bukanlah tanpa
hambatan. Hambatan pertama adalah penolakan atau
resistensi dari masyarakat terhadap teknologi maju. Mereka
berpendapat bahwa teknologi akan menyingkirkan manusia
dari pekerjaannya.
Hambatan kedua adalah tentang dana. Teknologi digital maju
akan memerlukan modal yang besar sehingga sebagian orang
menganggap hal ini adalah pemborosan dan sesuatu yang tidak
efisien.
Hambatan ketiga adalah Sumber Daya Manusia (SDM).
Penggunaan teknologi digital maju memerlukan manusia-
manusia cerdas dengan etos kerja yang tinggi. Karena
ketersediaan SDM seperti masih sangat langka di Indonesia,
maka sebagian masyarakat menganggap teknologi digital maju
adalah sesuatu yang masih jauh dari jangkauan kita.
Makalah ini akan menjawab hambatan-hambatan di atas dengan
memperlihatkan betapa banyaknya manfaat yang didapatkan
dari penggunaan teknologi digital maju tersebut dibandingkan
dengan kerugian (mudarat) yang ditimbulkannya.

| iv |
 Ucapan Selamat Datang
Bismillahirrahmanirahim
Yang terhormat, Rektor Institut Pertanian Bogor, Dr. Arif
Satria, SP, M.Si.
Yang saya hormati,
Ketua Dewan Guru Besar Institut Pertanian Bogor, Prof. Dr. Ir.
Muhammad Yusram Massijaya, M.S
Pimpinan dan Anggota Majelis Wali Amanat IPB
Pimpinan dan Anggota Dewan Guru Besar IPB
Pimpinan dan Anggota Senat Akademik IPB
Para Wakil Rektor, Dekan, dan Pejabat Struktural
Para Dosen, Tenaga Kependidikan, Mahasiswa, dan Alumi
Keluarga, para sahabat, dan segenap undangan
Assalamualaikum Warahmatullahi Wabarakatuh
Puji syukur tak henti kita panjatkan ke hadirat Allah Subhanahu
wa Ta’ala, Tuhan yang maha Pengasih dan Penyayang, yang
telah melimpahkan rahmat dan karunia-Nya sehingga kita
diberikan kesempatan untuk hadir di majelis ilmu ini, dalam
Sidang Terbuka IPB dengan acara Orasi Ilmiah Guru Besar
IPB. Shalawat dan salam senantiasa tercurah kepada baginda
Rasulullah Shallallahu wa ‘alaihi wa Sallam, beserta para
sahabat, keluarga, dan pengikutnya hingga akhir hayat.
Ilmu pengetahuan terus bergerak dan berkembang,
mengantarkan manusia dari suatu era menuju era berikutnya.
Tugas kita sebagai manusia adalah untuk terus belajar, berpikir
dan mengembangkan ilmu yang bermanfaat dalam kehidupan.
Seperti yang terdapat pada kutipan ayat Al Qur’an surat Al
Mujadilah ayat 11 dan Az Zumar ayat 9 berikut ini:
“... Allah akan meninggikan orang-orang yang beriman di
antara kamu dan orang-orang yang diberi ilmu pengetahuan
beberapa derajat...” Al Mujadilah ayat 11.
“Samakah orang yang mengetahui dengan orang yang tidak
mengetahui? Sesungguhnya orang-orang yang berakallah yang
dapat menerima pelajaran.” Az Zumar ayat 9.
Maka pada kesempatan ini, saya sebagai Guru Besar Tetap
Fakultas Teknologi Pertanian IPB akan menyampaikan orasi
ilmiah berjudul:
KECERDASAN BUATAN DAN BLOCKCHAIN UNTUK
AGROINDUSTRI MASA DEPAN
Tema ini saya pilih karena melihat perkembangan teknologi
digital maju (advanced digital technology) yang semakin
canggih dan menantang sekarang ini. Untuk itu kita harus
segera mengejar ketinggalan serta mempersiapkan diri untuk
memasuki dan memenangkan persaingan di masa depan.
Inovasi-inovasi revolusioner di bidang kecerdasan buatan dan
blockchain serta aplikasinya di bidang agroindustri diyakini
akan mampu membawa Indonesia untuk menjadi negara maju
baru (new developed country) di dunia.
Barakallah. Semoga Bermanfaat.

| vi |
 Foto Orator

Prof. Dr. Ir. Yandra Arkeman, M.Eng

 Daftar Isi
Ringkasan..........................................................................................iii
Ucapan Selamat Datang............................................................ v
Foto Orator.................................................................................... vii
Daftar Isi............................................................................................ix
Daftar Tabel..................................................................................... x
Pendahuluan.....................................................................................1
SMART-TIN©........................................................................................... 3
Teknologi Digital MAJU untuk Agroindustri
Pedesaan..............................................................................................6
Agroindustri dan Revolusi Nilai Tambah...................13
Blockchain dan SISTEM Agrologistik DIGITAL............19
Mempersiapkan Manusia Cerdas........................................ 23
Mengintip Masa Depan................................................................29
Penutup................................................................................................33
Daftar Pustaka..............................................................................34
Ucapan Terima Kasih...................................................................39
Foto Keluarga................................................................................ 43
Riwayat Hidup...................................................................................44
 Daftar Gambar
Gambar 1 Diagram Blok SMART-TIN©...................................5
Gambar 2 Struktur SMART-TIN©..............................................6
Gambar 3 Riset Pemetaan Desa secara Partisipatif
Berbasis Drone Desa dan Kecerdasan
Buatan (Sjaf dan Arkeman et al. 2018)..........7
Gambar 4 Struktur perancangan JST untuk
pengembangan produk baru kelapa
(Dewi, Arkeman, Achsani dan Noor 2015)... 11
Gambar 5 Diagram Keterkaitan Fuzzy Expert
System (Arkeman et al. 2016)............................14

|x|
 Pendahuluan
Di masa depan, paling tidak ada dua aspek penting yang akan
membentuk peradaban kita, yaitu: (1) Penggunaan teknologi
digital maju seperti kecerdasan buatan (artificial intelligence)
dan blockchain di berbagai bidang kehidupan sebagai ciri dari
Revolusi Industri 4.0, dan (2) Perkembangan agroindustri
secara masif yang ditandai dengan penggunaan hasil-hasil
pertanian tidak hanya untuk pemenuhan kebutuhan pangan
saja akan tetapi juga untuk memproduksi produk-produk
inovatif lain yang ramah lingkungan seperti bioenergi, biofiber,
obat-obatan alami (natural medicine), industri material
baru, industri bioplastik, industri enzim, industri pengolahan
biomasa, industri kulit, industri kertas dan lain-lain.
Kedua hal ini mengisyaratkan kepada kita betapa pentingya
pembangunan agroindustri berbasis teknologi digital maju
untuk menghadapi masa depan.
Agroindustri didefinisikan sebagai industri pengolahan hasil
pertanian dalam arti luas (termasuk perikanan, peternakan,
kehutanan dan perkebunan) yang ditujukan untuk meningkatkan
nilai tambah (added value) hasil-hasil pertanian tersebut
sampai setinggi mungkin (maksimum).
Dalam upaya memaksimumkan nilai tambah ini tentu saja
terkandung atau tersarang (nested) tujuan-tujuan lainnya
yaitu, meminimumkan biaya operasi, menjaga mutu produk,
menjamin waktu pengiriman yang tepat, menurunkan risiko,
menjaga distribusi keuntungan yang adil dan menjamin
keberlanjutan (sustainability) semua aktivitas di sepanjang
rantai pasok dan rantai nilai agroindustri tersebut.
Dari sini terlihat bahwa perancangan (design) dan pengelolaan
agroindustri merupakan suatu tugas yang rumit karena
melibatkan banyak faktor, banyak tujuan (multi-objective)
dan banyak kendala sehingga mengharuskan kita untuk
menggunakan teknologi digital maju yang cerdas dan memiliki
presisi tinggi.
Dalam kenyataannya, banyak agroindustri telah berevolusi dari
bentuk tradisional (dengan menggunakan teknologi sederhana)
menjadi bentuk paling modern (dengan menggunakan
teknologi maju) agar dapat membuat produk-produk inovatif
yang bernilai tinggi dan lebih ramah lingkungan dalam upaya
meningkatan kualitas hidup manusia di masa sekarang dan di
masa depan. Perlu diketahui bahwa agroindustri tidak hanya
mencakup industri pangan saja, tetapi juga meliputi industri-
industri pertanian strategis lainnya seperti industri serat alami
(biofiber), industri bioenergi, industri obat-obatan alami
(natural medicine), industri bioplastik, industri enzim, industri
pengolahan biomasa, industri kulit, industri kertas, dan lain-
lain.
Tidak seperti industri manufaktur lainnya, bahan baku yang
digunakan untuk agroindustri mempunyai karakteristik yang
unik yaitu mudah rusak, tidak seragam (bervariasi), bersifat
musiman (seasonal) dan bulky. Hal ini menyebabkan bukan
saja teknologi prosesnya saja, akan tetapi sistem manajemen
agroindustri juga menjadi lebih kompleks daripada industri
manufaktur biasa. Namun, hal ini bukanlah faktor kendala bagi
para ilmuwan dan praktisi agroindustri. Justru hal ini menjadi
pemicu bagi mereka untuk terus berpikir dan berinovasi dalam
mengembangkan agroindustri.
Untuk itulah penguasaan teknologi digital maju sangat
diperlukan agar kita bisa merancang dan membangun
agroindustri masa depan (Agroindustry of the Future), baik di
era Industri 4.0 sekarang ini ataupun setelahnya nanti.
Secara spesifik dalam orasi ini akan dibahas tentang
penggunaan teknologi digital maju yaitu kecerdasan buatan

|2|
dan blockchain untuk pengembangan agroindustri masa
depan, baik agroindustri kecil dan menengah di pedesaan
ataupun agroindustri besar di kawasan industri perkotaan yang
berorientasi ekspor.
Kemudian pada bagian akhir akan dibahas tentang
perubahan-perubahan apa lagi yang akan terjadi setelah era
4.0 ini dan bagaimana kita harus mempersiapkan diri untuk
menghadapinya.

SMART-TIN©
Perlu diketahui penggunaan komputer dan teknologi digital
dalam agroindustri sebenarnya sudah dimulai sejak tahun
1980an. Namun pada saat itu yang bisa dilakukan hanyalah
otomatisasi dan digitalisasi biasa, tanpa adanya unsur kecerdasan
buatan dan pembelajaran mesin (machine learning). Pada era
4.0 sekarang ini, di dalam lapisan logika (logical layer) dari
CPS dan SPKC sudah dimasukkan teknik-teknik kecerdasan
buatan dan machine learning dan inference engine.
Salah satu hasil penelitian orator dengan beberapa teman
sejawatnya di bidang pengembangan kecerdasan buatan untuk
agroindustri adalah pembuatan SMART-TIN© (Arkeman,
Seminar, Marimin dan De Jong; 2014). Perangkat lunak ini
dibuat bekerja sama dengan Department of Computer Science,
GeorgeMason University (USA) yang ditujukan untuk
membantu pengambil kebijakan dalam mengembangkan
agroindustri dengan memperhatikan aliran barang, uang
dan informasi di sepanjang sistem rantai pasok. Selain itu
diperhatikan juga perubahan iklim serta perubahan global
lainnya yang mungkin terjadi di masa depan. Diagram blok
SMART-TIN© dapat dilihat pada Gambar 1 dan strukturnya
dapat dilihat pada Gambar 2.

|3|
Dapat dilihat bahwa modul-modul SMART-TIN© dibangun
dengan teknologi kecerdasan buatan terkini seperti jaringan
saraf tiruan (artificial neural networks), logika fuzzy (fuzzy
logic), sistem ahli (expert systems), dan algoritma genetika
(genetic algorithms).
Secara khusus, dalam penelitian ini algoritma genetika yang
digunakan adalah yang bisa menangani lebih dari satu tujuan
(multi-objective genetic algorithms). Hasil penelitian ini
menunjukkan bahwa SMART-TIN© dapat digunakan untuk
merancang agroindustri dengan lebih tepat, lebih cepat dan
lebih efisien.
Penelitian tentang SMART-TIN© ini terus disempurnakan
sampai sekarang terutama untuk meningkatkan kemampuan
belajar (learning capability) dan akurasi sistem dengan cara
mengaplikasikan algoritma baru dan mengimplementasikannya
di komputer paralel, superkomputer atau komputer kuantum
(quantum computing).
Selain SMART-TIN© di atas, berikut ini akan dibahas beberapa
contoh aplikasi drone, kecerdasan buatan dan blockchain
untuk agroindustri berdasarkan hasil penelitian dan pemikiran
orator baru-baru ini yang ditunjang dengan pengetahuan dan
pengalaman orator di bidang kecerdasan buatan sejak tahun
1980-an. Contoh-contoh nyata ini diharapkan akan bisa
memberi kita inspirasi untuk menerapkan teknologi digital maju
yang ada sekarang atau yang akan muncul di masa mendatang
(emerging digital technologies) dalam mengembangkan
agroindustri modern dan juga agroindustri pedesaan.

|4|
Gambar 1 Diagram blok SMART-TIN©

|5|
 Modules:
1. Neural Networks for climate
Prediction
2.Simulation and Animation
Database 3. Multi-objective Genetic Algorithm
for land Use Planning
4.Fuzzy Systems for Agro-industrial
User
Development Strategy
Interface
5. Neural Network for New Product
Development
Knowledge 6.Geographical Information Systems
Base (GIS) User
7.Fuzzy Systemns for Decision
control

Gambar 2 Struktur SMART-TIN©

Teknologi Digital Maju untuk Agroindustri

Pedesaan
Pemerintah saat ini mempunyai komitmen yang besar untuk
mengembangkan kawasan pedesaan. Melihat perkembangan
teknologi digital sekarang ini, maka pemerintah juga memiliki
cita-cita untuk membangun desa dengan menggunakan
teknologi digital sehingga terbentuk desa digital. Penerapan
teknologi digital di desa akan meningkatkan efisiensi maupun
efektivitas pembangunan pertanian dan agroindustri secara
nyata.
Ada dua teknologi digital yang perlu dikembangkan di pedesaan
yaitu teknologi drone dan kecerdasan buatan (Artificial
Intelligence). Drone dapat digunakan untuk memotret
wilayah pedesaan dari udara baik dengan pengendali jarak
jauh (remote control) ataupun secara mandiri (autonomous).
Contoh yang pertama adalah interpretasi citra (image) yang
diperoleh dari drone dengan menggunakan jaringan saraf
tiruan untuk mendapatkan informasi yang berharga tentang
penggunaan lahan. Informasi yang diperoleh selanjutnya diolah
dengan algoritma genetika tujuan jamak untuk mendapatkan

|6|
perencanaan penggunaan lahan yang berkelanjutan (Firdaus,
Arkeman, Buono dan Hermadi 2016).
Informasi tentang potensi desa seperti ini dapat menjadi dasar
yang objektif untuk memilih komoditas unggulan ataupun
untuk membuat Rencana Pembangunan Jangka Menengah
(RPJM) suatu desa seperti yang sedang dilakukan tahun ini
oleh Sjaf dan Arkeman (2018), Sruktur aplikasi kecerdasan
buatan untuk RPJM desa dapat dilihat pada Gambar 3.

Gambar 3 Riset pemetaan desa secara partisipatif berbasis

drone desa dan kecerdasan buatan (Sjaf dan
Arkeman et al. 2018)
Saat ini orator juga sedang melakukan penelitian kerjasama
dengan Rhein-Waal University of Applied Science, Germany
dengan judul “Anwendung von Precision Farming Technologie

|7|
zur Erfassung von BioDiversitat Landwirtschaft fur die
Agroindustry in Tropische Klima” yang artinya Aplikasi
Teknologi Pertanian Presisi untuk Mendeteksi Keanekaragaman
Hayati (Biodiversitas) pada Agroindustri Iklim Tropis
(Arkeman, Hartanto dan Kleinke 2018). Tujuan penelitian ini
adalah untuk membuat drone cerdas dengan menggunakan
algoritma genetika dan deep learning untuk mendeteksi dan
mengevaluasi keanekaragaman hayati di pedesaan.
Selain itu, drone cerdas seperti di atas dapat juga digunakan
untuk membantu proses pemeriksaan tingkat kematangan
komoditi pertanian sebelum pemanenan. Pengolahan data
tingkat kematangan hasil pertanian yang diperoleh dari hasil
pemotretan drone dapat dilakukan dengan salah satu teknik
kecerdasan buatan yang dinamakan fuzzy inference system,
sehingga informasi yang dihasilkan akan mempunyai ketepatan
dan keakuratan (presisi) yang sangat tinggi.
Pada sektor agroindustri kegiatan operasionalnya perlu
ditunjang dengan sistem produksi, pemasaran dan agrologistik
yang cerdas. Dalam kegiatan produksi modern, alur komoditi
menjadi produk haruslah dapat ditelusuri (traceable).
Perencanaan agroindustri pedesaan yang selama ini hanya
menggunakan teknologi komputer yang sederhana (atau bahkan
masih manual) dapat diganti dengan Intelligent Agroindustrial
Resource Planning (IARP) yang dilengkapi dengan teknik-
teknik kecerdasan buatan di dalamnya. Sistem IARP yang
inovatif ini akan sangat membantu meningkatkan efisiensi dan
efektifitas operasional agroindustri serta memudahkan proses
penelusuran produk.
Produk-produk yang dihasilkan oleh agroindustri tentunya
harus dapat diserap oleh pasar (konsumen) dengan baik. Untuk
memudahkan pemasaran diperlukan sistem perdagangan online
yang biasa disebut dengan e-commerce. Pada era teknologi

|8|
digital saat ini, e-commerce yang konvensional tidaklah cukup
untuk memenangkan persaingan di pasar lokal dan global.
Kemampuan e-commerce juga harus ditingkatkan dengan
menggunakan algoritma genetika (Kanara, Arkeman dan
Djatna 2014) atau dengan menggunakan teknik pembelajaran
mendalam (deep learning) sehingga dapat mengidentifikasi
perilaku konsumen dan meramalkan tingkah laku pasar.
Selain itu, e-commerce cerdas ini juga dapat digunakan untuk
membantu agroindustri dalam memprediski kesuksesan
pemasaran dari produk baru yang akan diluncurkan sehingga
mengurangi risiko kegagalan bisnis.
Salah satu karya nyata orator dengan mahasiswi program
doktor dan sejawatnya adalah pembuatan sistem cerdas untuk
prediksi kesuksesan produk baru dari asap cair tempurung
kelapa (Dewi, Arkeman, Achsani dan Noor 2015). Sistem yang
dibuat dengan teknologi jaringan syaraf tiruan dan logika fuzzy
ini berhasil mengidentifikasi produk-produk baru apa saja
yang potensial untuk diluncurkan dari asap cair tempurung
kelapa dan memprediksi tingkat kesuksesan pemasaran
produk-produk baru tersebut. Dengan adanya alat ini, resiko
kegagalan pemasaran produk baru setelah diluncurkan dapat
dikurangi sampai ke tingkat yang paling minimum. Struktur
perancangan neural networks atau Jaringan Syaraf Tiruan
(JST) dari penelitian ini dapat dilihat pada Gambar 4.
Selain pemasaran, aspek yang harus diperhatikan dalam bisnis
dan industri modern adalah sistem logistik dan rantai pasok.
Di beberapa negara maju sudah mulai digunakan sistem
distribusi produk dengan menggunakan drone, terutama untuk
mengirimkan produk ke daerah yang sulit dijangkau dengan
transportasi darat.
Sekarang ini drone masih mempunyai keterbatasan untuk
mengangkut barang-barang kecil dan ringan. Namun di masa
depan keterbatasan ini mungkin akan bisa diatasi, sehingga kita

|9|
akan menyaksikan drone atau pesawat kecil tanpa awak akan
berseliweran di udara untuk mendistribusikan produk-produk
yang kita perlukan sehingga kemacetan lalu lintas yang selama
ini menghantui kita dapat dikurangi. Hal-hal yang tidak pernah
kita bayangkan sebelumnya seperti ini bisa menjadi suatu
kenyataan di masa depan.
Pada prinsipnya sistem distribusi dengan menggunakan
drone ini juga dapat diterapkan untuk agroindustri pedesaan
terutama untuk menjangkau desa-desa terpencil atau di
perbatasan. Selanjutnya, agar lebih dapat diandalkan, drone
harus dilengkapi dengan sistem penglihatan dan navigasi
cerdas (Intelligent Vision and Navigation System atau IVNS)
sehingga dapat terbang secara mandiri dari berbagai tempat asal
menuju berbagai tempat tujuan dengan jalur yang terpendek.
Penelitian tentang IVNS ini adalah penelitian tahap lanjutan
yang akan dilakukan oleh orator dengan mitranya di Rhein
Waal University of Applied Science, Germany.

| 10 |
Gambar 4 Struktur perancangan JST untuk pengembangan
produk baru kelapa (Dewi, Arkeman, Achsani dan
Noor 2015)
Tentu disadari bahwa penerapan teknologi drone dan
kecerdasan buatan dalam membangun agroindusri pedesaaan
akan menghadapi kendala yang tidak sedikit.
Kendala utama yang muncul dan sering jadi pertanyaan adalah
kesiapan sumber daya manusia di desa. Hal ini mengingat
rata-rata pendidikan masyarakat desa masih tidak terlalu tinggi
dan awam akan teknologi digital. Kendala utama kedua yang
muncul adalah resistensi dan pikiran negatif (kecurigaan)
terhadap teknologi digital. Selain dianggap terlalu mahal,
penggunaan drone dan kecerdasan buatan di pedesaan dianggap
dapat menyingkirkan manusia dari pekerjaannya sehingga
meningkatkan jumlah pengangguran.
| 11 |
Untuk mengatasi ketakutan yang bersifat umum ini, maka
diperlukan kebijakan pemerintah dalam menerapkan drone
dan kecerdasan buatan untuk pertanian dan agroindustri.
Kuncinya adalah teknologi digital sangat diperlukan untuk
pengembangan pembangunan agroindustri di pedesaan. Tanpa
teknologi digital maka desa akan menjadi semakin primitif
dan tidak berdaya saing. Namun perlu diingat bahwa teknologi
digital harus diterapkan secara selektif dan bertahap. Kesiapan
mental dan kemampuan masyarakat desa untuk menerima
dan menggunakan teknologi digital harus terus menerus
ditingkatkan. Program-program pendidikan, penyuluhan,
dan pendampingan untuk menerapkan teknologi digital pada
agroindustri pedesaan juga harus terus menerus dilakukan
agar cita-cita untuk mewujudkan desa digital atau desa cerdas
(smart village) dapat tercapai dan pembangunan ekonomi
pedesaan dapat berjalan dengan sukses.
Selanjutnya, kekhawatiran tentang mahalnya teknologi digital
dapat ditepis dengan cara mengembangkan sendiri teknologi
tinggi tersebut di dalam negeri. Para ilmuwan Indonesia tidak
kalah cerdas dalam hal teknologi digital ini. Kalau dilihat
publikasi dan penelitian yang sedang dikerjakan oleh para
ilmuwan Indonesia sekarang ini, kita yakin bahwa semua
teknologi drone dan kecerdasan buatan yang diperlukan untuk
pengembangan agroindustri pedesaan akan dapat mereka
buat.
Pemerintah harus percaya kepada sumber daya manusia
(ilmuwan) dari negeranya sendiri ketimbang harus membeli
teknologi digital tersebut dari luar negeri dengan harga yang
mahal. Dengan mendapat kepercayan dari pemerintah untuk
mengembangkan teknologi drone dan kecerdasan buatan maka
para ilmuwan Indonesia akan semakin percaya diri untuk
membuktikan kemampuannya dalam menghasilkan berbagai

| 12 |
teknologi disruptif kelas dunia di masa depan, baik untuk
agroindustri pedesaan ataupun untuk bidang-bidang penting
lainnya.

Agroindustri dan Revolusi Nilai Tambah

Seperti sudah didiskusikan di atas, berbagai masalah pertanian
di Indonesia dapat ditangani dengan penggunaan robot dan
kecerdasan buatan secara masif di sepanjang rantai pasok dan
rantai nilai agroindustri dengan bantuan satelit dan drone untuk
penginderaan jarak jauh (remote sensing).
Sistem ini disebut Pertanian Presisi Tinggi (Precision
Agriculture) karena parameter input, proses dan output
semuanya terukur dan terkontrol dengan tepat dan teliti
sehingga pertanian akan menjadi sangat efisien dan mempunyai
produktivitas yang sangat tinggi (Seminar 2016).
Dengan sistem cerdas seperti ini, tanaman yang masih di sawah
atau kebun misalnya, sudah bisa diketahui akan dipanen kapan,
jumlahnya berapa, mutunya seperti apa, akan dipasarkan
kemana, kapan sampai di tangan konsumen dan dengan harga
berapa, sehingga keseimbangan antara pasokan (supply) dan
permintaan (demand) dapat selalu terjaga.
Tentu saja sistem ini dapat digunakan untuk pertanian dalam arti
luas termasuk juga perikanan, kelautan (maritim), peternakan
dan perkebunan. Salah satu contoh aplikasi pertanian presisi
tinggi adalah sistem pasokan air irigasi pertanian sesuai dengan
kebutuhan tanaman berdasar kondisi spesifik iklim dan tanah
(Heriyanto, Seminar, Solahudin et al. 2016).
Pertanian Presisi Tinggi sudah cukup lama diterapkan di
Eropa, Amerika Serikat, Australia, China, Jepang dan Korea
Selatan, sehingga bisa mengubah negara-negara tersebut
menjadi penghasil pangan dunia. Sebagai contoh, dalam suatu

| 13 |
konferensi internasional diperagakan bagaimana traktor tanpa
pegemudi digunakan untuk mengolah lahan serta bagaimana
drone digunakan untuk memantau sawah dan perkebunan.
Pertanian Presisi Tinggi bisa diterapkan di negara kita dengan
berbagai bentuk. Teknologi kecerdasan buatan yang merupakan
kombinasi bioinformatika dan algoritma genetika bisa
diterapkan untuk pencarian bibit unggul dengan melakukan
simulasi proses penyilangan dan mutasi kromosom. Dengan
teknik ini jutaan kemungkinan kombinasi kromosom hasil
persilangan dapat dievaluasi secara cepat dengan bantuan
superkomputer sehingga bibit unggul yang kita inginkan bisa
segera didapatkan.
Contoh karya orator lainnya adalah pembuatan Fuzzy Expert
System (FES) untuk memprediksi produktivitas padi Pandan
Wangi di Cianjur, Jawa Barat (Arkeman et al. 2016). Diagram
keterkaitan (dependence diagram) dari FES ini dapat dilihat
pada Gambar 5.

Gambar 5 Diagram keterkaitan Fuzzy Expert System

(Arkeman et al. 2016)
Hasil penelitian menunjukkan bahwa FES yang dibuat ini
mampu memprediksi produktivitas padi Pandan Wangi

| 14 |
dengan ketepatan antara 61–88%. Hasil penelitian ini telah
dipresentasikan di konferensi internasional AFITA (Asian
Federation for Information Technology in Agriculture)
di Suncheon (Korea Selatan) pada tahun 2016 lalu dan
mendapatkan penghargaan sebagai “Best Paper Award”,
mengalahkan peserta dari Jepang, Korea, China, Australia dan
negara-negara Asia lainnya.
Contoh berikutnya adalah hasil penelitian orator dengan Laxmi
dan Herdiyeni (2011) dengan judul “Identifikasi Tanaman
Obat dengan Fuzzy Local Binary Pattern (FLBP) dan
Multi-Objective Genetic Algorithms”. Dengan teknologi ini,
proses identifikasi tanaman obat yang sulit dan memerlukan
pengetahuan para ahli dapat diotomatisasi dengan ketepatan
yang cukup tinggi (sekitar 85–90%).
Selanjutnya, perencanaan penggunaan lahan pertanian bisa
dilakukan dengan menggunakan sistem cerdas untuk interpretasi
citra dari drone atau satelit. Dengan cara ini penggunaan lahan
akan lebih optimal dan ramah lingkungan serta penggunaan
sarana produksi pertanian akan menjadi lebih efisien, seragam
dan terkontrol seperti yang dilakukan oleh Firdaus, Arkeman
et al. (2016) dan Rensi, Arkeman et al. (2015).
Dalam sistem pertanian presisi tinggi ini, proteksi tanaman
bisa dilakukan dengan menggunakan sistem ahli fuzzy yang
dapat mendiagnosa hama dan penyakit tumbuhan secara
cerdas berdasarkan pengetahuan yang dimilikinya. Identifikasi
kesuburan tanah bisa dilakukan dengan sensor cerdas berbasis
jaringan syaraf tiruan.
Proses panen dan pasca panen bisa diotomatisasi dengan
menggunakan alat uji mutu cepat dan tidak merusak bahan (rapid
and non destructive quality testing). Sistem pengumpulan hasil
pertanian bisa dilakukan dengan menentukan rute kendaraan
terpendek dengan teknik optimasi koloni semut (ant colony
optimization) atau metode Artificial Bee Colony (ABC).
| 15 |
Selain itu, dalam penelitian orator dengan Teja dan Maarif
(2014) serta dengan Mukharomi dan Sukoco (2015) digunakan
algoritma genetika untuk merancang rute terpendek untuk jalur
distribusi minyak goreng.
Sebagai tambahan, transparansi aliran barang dan uang di
sepanjang rantai nilai hasil pertanian bisa diwujudkan dengan
menggunakan teknologi blockchain dan big data. Teknologi
blockchain ini akan dibahas dengan lebih rinci pada sub-bab
selanjutnya.
Dengan berbagai inovasi cerdas seperti di atas maka akan
bisa terwujud revolusi hijau (green revolution) yang ditandai
dengan dihasilkannya produk pertanian berkualitas tinggi
dengan jumlah yang berlimpah sehingga kita tidak perlu lagi
mengimpor berbagai komoditi pertanian dari negara-negara
lain.
Penerapan sistem cerdas dengan presisi tinggi tentu saja tidak
boleh berhenti sampai revolusi hijau saja. Sukses pertanian
dengan revolusi hijau harus diikuti dengan pembangunan
industri yang mampu mengolah hasil pertanian menjadi produk
yang mempunyai nilai tambah (added value) yang lebih tinggi.
Kalau tidak, kita hanya akan mampu menjadi penyedia bahan
baku untuk industri pengolahan hasil pertanian di luar negeri
dengan hanya mendapatkan porsi keuntungan yang kecil.
Seperti telah diuraikan sebelumnya bahwa agroindustri tidak
terbatas hanya pada industri pangan saja. Berbagai macam
agroindustri maju lainnya dapat dikembangkan secara masif
dengan menggunakan teknologi digital untuk menghasilkan
produk-produk baru yang inovatif dengan nilai tambah yang
(sangat) tinggi sehingga bisa terwujud revolusi nilai tambah
(added value revolution) yang menyempurnaan revolusi
hijau.

| 16 |
Contoh lainnya adalah penggunaan e-commerce cerdas
(Kanara, Arkeman dan Djatna 2014) dan pembuatan sistem
cerdas untuk prediksi kesuksesan produk baru dari asap cair
tempurung kelapa (Dewi, Arkeman, Achsani dan Noor 2015).
Di bidang bioenergi digunakan Sistem Dinamis (Wijaya dan
Arkeman et al. 2017; Agam, Arkeman et al. 2017; Akbar dan
Arkeman 2017) dan Sistem Informasi (Hafiz dan Arkeman,
2017), Sistem Cerdas (Prasetya, Arkeman et al. 2016),
Algoritma Genetika (Jaizul, Arkeman et al. 2016)
Selain itu, salah satu teknologi digital maju yang bisa
digunakan untuk pengembangan produk baru agroindustri
adalah chemoinformatics. Sesuai dengan namanya, dengan
menggunakan teknologi chemoinformatics ini reaksi kimia
yang akan terjadi dalam pencampuran dua atau lebih bahan
dapat disimulasi dengan menggunakan superkomputer. Jika
dikombinasikan dengan teknik kecerdasan buatan lainnya
seperti parallel meta-heuristics dan deep learning maka
teknologi ini akan mampu mengetahui kelayakan teknologis
pembuatan suatu produk baru dan memperkirakan tingkat
kesuksesan pemasarannya. Dengan adanya teknologi ini
ratusan atau bahkan ribuan produk baru agroindustri, yang
belum pernah terpikirkan oleh kita sebelumnya, bisa ditemukan
dan diluncurkan secara komersial di masa depan.
Beberapa teknologi robotika dan kecerdasan buatan lainnya
yang dapat diterapkan untuk pengembangan agroindustri masa
depan adalah sistem pengemasan cerdas (smart packaging),
sistem persediaan adaptif dengan model non-linier untuk produk
agroindustri yang mudah rusak (perishable), intelligent vision
system untuk sortasi produk, non destructive quality testing
untuk pengujian mutu produk akhir, intelligent bioreactor serta
teknik agent based modeling untuk mempelajari perubahan
preferensi konsumen dan masih banyak lagi yang lainnya.

| 17 |
Salah satu penelitian yang sedang dirintis orator saat ini adalah
penggunaan algoritma genetika dan deep learning untuk non
destructive quality testing pada agroindustri kelapa sawit.
Penelitian ini akan dilakukan dengan Prof Lalita Udpa dari
Michigan State University, USA.
Jadi, dengan menerapkan teknologi presisi tinggi di bidang
pertanian dan agroindustri permasalahan pertanian dan
kekurangan pangan dapat diatasi. Tidak itu saja, hasil-hasil
pertanian yang berlimpah bisa diolah menjadi produk industri
yang bernilai tinggi dengan menggunakan berbagai teknologi
maju termasuk robotika dan kecerdasan buatan.
Untuk mewujudkan revolusi hijau dan revolusi nilai tambah
diperlukan kerja sama yang harmonis antara pemerintah,
perguruan tinggi dan pemangku kepentingan lainnya.
Pemerintah harus memberikan perhatian khusus kepada sektor
pertanian dan agroindustri yang merupakan salah satu pilar
utama pembangunan ekonomi nasional. Ilmuwan dan peneliti
di perguruan tinggi harus terus berpikir untuk menemukan
inovasi baru dalam bidang pertanian dan agroindustri presisi
tinggi.
Kalau pemerintah tidak peduli, rakyat apatis, politikus sibuk
berebut kekuasaan dan para ilmuwan malas berpikir, malas
menulis dan malas bicara, maka kondisi pertanian dan
agroindustri kita akan semakin memburuk. Sebaliknya, jika
tantangan ini kita hadapi bersama-sama dengan menguasai dan
menerapkan teknologi robotika dan kecerdasan buatan dengan
baik dan bersungguh-sungguh, maka tidak mustahil kita bisa
menjadi lumbung pangan dan pusat agroindustri dunia pada
tahun 2045 nanti.

| 18 |
 Blockchain dan Sistem Agrologistik Digital
Salah satu teknologi yang akan mengubah dunia di masa
depan adalah blockchain. Teknologi blockchain ini akan
mendampingi kecerdasan buatan dalam membentuk peradaban
dunia baru berbasis teknologi digital maju.
Selama ini orang banyak mengenal blockchain sebagai “ibu
kandung” dari bitcoin atau mata uang digital (crypto currency)
yang saat ini penggunaannya masih kontroversial baik di
Indonesia ataupun di beberapa negara lain. Namun mungkin
tidak banyak yang tahu bahwa blockchain dapat digunakan
untuk hal-hal penting dan strategis lainnya di berbagai bidang
kehidupan seperti kependudukan, kesehatan, pemerintahan,
militer dan perencanaan kota. Di bidang pertanian, salah
satu peluang penggunaan blockchain yang sangat potensial
adalah untuk perancangan sistem logistik pangan yang efisien,
transparan dan dapat ditelusuri (traceable) sehingga cita-cita
kita untuk menjadi lumbung pangan dunia pada tahun 2045
nanti akan bisa terwujud.
Blockchain yang lahir pada tahun 2009 lalu pada prinsipnya
adalah teknologi penyimpanan data dalam sistem terdistribusi.
Dalam sistem terdistribusi ini, setiap pihak yang tergabung
(biasanya disebut peer) memiliki akses ke seluruh data sejarah
transaksi secara lengkap. Setiap pihak yang memiliki identitas
asli bisa melakukan komunikasi, transaksi serta verifikasi
transaksi secara langsung dengan pihak lain, tanpa melalui
pihak ketiga.
Catatan transaksi yang digunakan blockchain bersifat
irrevesible, artinya jika transaksi sudah tercatat maka catatan
itu tidak bisa diubah lagi, sampai kapanpun dan oleh siapapun
karena blockchain mempunyai sistem pengamanan yang
bernama cryptography dan konsensus yang sulit ditembus oleh
orang-orang yang berniat jahat. Dengan berbagai fitur inovatif

| 19 |
seperti ini, blockchain bisa mengubah secara revolusioner
sistem transaksi terpusat sekarang ini menjadi sistem transaksi
yang terdistribusi, transparan, dan terpercaya.
Terlepas dari berbagai manfaat yang sudah diberikan kepada
masyarakat, sistem logistik pangan dan agroindustri sekarang
ini masih mempunyai beberapa kelemahan yang menyebabkan
berbagai masalah seperti kurangnya stok, terjadinya
kontaminasi (bakteri, racun, cacing), tingginya harga dan
masih banyaknya impor berbagai komoditi pangan penting
seperti beras, daging dan kedelai. Salah satu kelemahan
sistem logistik pangan dan agroindustri saat ini adalah tidak
tercatatnya dengan transparan asal usul dan riwayat komoditi
pertanian sejak dari hulu (lahan) sampai ke hilir (konsumen)
sehingga proses pemantauan kepemilikan dan perpindahan
barang tidak bisa dilakukan dengan baik.
Seperti diketahui, komoditi pertanian kita berasal dari berbagai
daerah dengan jumlah produksi, mutu hasil, kondisi tanah,
sistem pemupukan dan iklim yang berbeda-beda. Dari hulu ke
hilir terjadi perpindahan kepemilikan barang dari satu pihak
ke pihak lain melalui suatu transaksi. Rincian perpindahan dan
transaksi (jumlah, mutu, asal barang, kepemilikan, harga) yang
terjadi antara satu pihak dan pihak lain tidak tercatat dengan
akurat dan transparan. Hal ini bisa menimbulkan terjadinya
pencampuran dan pemalsuan barang akibat menjamurnya
pedagang dan distributor perantara yang mengambil kentungan
sepihak.
Kalaupun sudah ada sistem pencatatan, namun masih bersifat
manual atau setengah otomatis sehingga hanya mampu
mengakses data setingkat ke atas dan setingkat ke bawah
saja, tidak dari awal sampai akhir rantai transaksi. Selain itu,
sistem pencatatan yang ada sekarang mempunyai sumber dan
format data yang beragam sehingga hasil catatannya sulit

| 20 |
diaudit dan kurang dapat dipercaya. Informasi yang ada di
sistem pencatatan yang ada sekarang juga tidak lengkap dan
sistemnya tidak memungkinkan kita untuk bisa berkomunikasi
secara efektif dengan konsumen akhir.
Solusi untuk semua ini adalah digunakannya teknologi
blockchain untuk sistem logistik pangan dan agroindustri
di Indonesia. Blockchain dapat meningkatkan efisiensi
penelusuran produk jika terjadi kontaminasi atau kekurangan
stok pangan dan produk-produk agroindustri. Sebagai contoh
sebuah perusahan perangkat lunak di USA menggunakan
teknologi ini untuk melakukan penelusuran produk di sebuah
supermarket. Hasilnya sangat luar biasa, terjadi penurunan
waktu penelusuran produk dari 1 minggu (secara manual)
menjadi hanya sekitar 2,2 detik (dengan blockchain).
Selain itu, dengan blockchain transaksi pangan dan
agroindustri di seluruh dunia dapat dihimpun secara masif
sehingga jika terjadi kasus kontaminasi pangan dan produk-
produk agroindustri, sangat mudah bagi pemerintah untuk
menanganinya.
Blockchain juga dapat digunakan untuk menghitung secara
akurat berapa produksi dan konsumsi beras kita misalnya,
sehingga keputusan untuk mengimpor beras dapat dilakukan
dengan menggunakan data yang sahih (valid). Jika tiba-tiba
terjadi kekurangan stok beras atau daging misalnya, maka
pemerintah bisa dengan mudah melacak apa penyebabnya
dan segera melakukan tindakan penanganan secara cepat.
Teknologi blockchain tidak memungkinkan orang untuk
menyembunyikan penyebab yang disengaja atau melakukan
kejahatan dan kecurangan lain di sepanjang rantai pasok
pangan, karena sistem penyimpanan datanya yang transparan
dan tidak bisa diubah (irreversible).

| 21 |
Selain meningkatkan ketertelusuran dan tranparansi transaksi,
blockchain dapat memberi manfaat dan nilai tambah untuk
semua pihak yang terlibat dalam sistem logistik dan rantai
pasok pangan dan agroindustri. Para petani dapat mengetahui
sebab kegagalan panen dan penurunan mutu hasil pertanian
mereka. Para pelaku agroindustri dapat melakukan validasi
jika ada klaim terhadap produk-produk mereka yang rusak
sehingga harus ditarik kembali (recall). Para distributor dapat
melakukan penarikan produk rusak sesuai target. Para pelaku
logistik bisa menurunkan biaya transportasi dan distribusi.
Para retailer dapat meyakinkan konsumen bahwa produk yang
mereka distribusikan aman untuk dikonsumsi. Konsumen
terhindar dari kejahatan pangan dan agroindustri. Pemerintah
dapat meningkatkan keamanaan (safety), kehalalan (halalness),
ketahanan (security) dan pertahanan (defence) pangan dan
agroindustri dengan baik.
Saat ini orator dan mitra risetnya Profesor Kalyanmoy Deb
dari Michigan State University, USA sedang melakukan riset
tentang apilkasi blockchain untuk meningkatkan efisiensi
sistem logistik dan rantai pasok agroindustri. Teknologi
blockchain akan dikombinaskan dengan teknik optimasi cerdas
seperti many objective genetic algorithms untuk mendapatkan
rancangan sistem logistik dan rantai pasok yang optimal.
Selain itu orator dengan beberapa orang mahasiswi dan teman
sejawatnya juga sedang melakukan penelitian tentang aplikasi
blockchain untuk optimasi sistem logistik dan rantai pasok
daging (Meidayanti, Arkeman dan Sugiarto 2018), cokelat
(Iswari, Arkeman dan Muslich 2018) dan bawang merah
(Marfuah, Machfud, Arkeman dan Yuliasih 2018).
Jadi kita tidak punya pilihan lagi. Secara bertahap sistem
penyimpanan data terdistribusi yang tidak memerlukan
perantara akan mengubah peradaban dunia. Aplikasi blockchain
di berbagai bidang kehidupan akan segera hadir di depan mata

| 22 |
kita. Satu-satunya jalan keluar adalah menguasai teknologi
blockchain tersebut dan kemudian menggunakannya untuk
meningkatkan kualitas hidup manusia.

Mempersiapkan Manusia Cerdas

Salah satu aspek yang harus kita pikirkan untuk mendukung
pengembangan kecerdasan buatan dan blockchain adalah
menyiapkan Sumber Daya Manusia (SDM) Indonesia yang
cerdas.
Oleh sebab itu, anak-anak Indonesia harus dipaparkan sedini
mungkin dengan berbagai teknologi digital maju seperti drone
cerdas, robot cerdas, kecerdasan buatan, blockchain, big data,
dan IoT. Kemudian mereka ditantang untuk menggunakan
berbagai teknologi digital maju tersebut di bidang pertanian,
industri, teknik, kesehatan, ekonomi, agroindustri, hukum,
logistik, sosial, politik, militer, dan lain-lain.
Dengan demikian, nantinya mereka tidak hanya berperan
sebagai pengguna saja, tetapi lebih dari itu mereka bisa menjadi
pencipta teknologi digital baru sesuai dengan bidangnya
masing-masing. Hal ini akan membuat mereka siap untuk
menghadapi masa depan.
Untuk menguasai teknologi digital maju, kita harus memahami
bagaimana komputer bekerja. Komputer pada prinsipnya
mempunyai “otak” atau CPU (Central Processing Unit)
yang bekerja berdasarkan instruksi yang diberikan manusia
(programmer). Komputer hanya mengerti bahasa mesin
(assembly languange), jadi “dia” tidak mengerti bahasa
manusia. Oleh sebab itu kita perlu memberikan instruksi
dengan bahasa dan algoritma yang dimengerti oleh komputer.
Pekerjaan memberikan instruksi kepada komputer inilah yang
disebut dengan coding karena manusia memberikan instruksi
dalam bentuk kode-kode yang dimengerti komputer.

| 23 |
Dengan berkembangnya ilmu komputer, kita dapat melakukan
coding atau “menyuruh” komputer dengan bahasa yang semakin
dekat atau semakin mirip dengan bahasa manusia. Pada awal
penggunaan komputer sekitar tahun 1980an, coding dilakukan
dengan Bahasa BASIC dan Fortran. Dengan berjalannya
waktu, struktur data dan efisiensi program diperbaiki terus.
Sekarang bahasa yang banyak digunakan adalah bahasa C
dengan berbagai turunan dan variannya.
Sebenarnya coding sudah diperkenalkan sejak awal komputer
ada, sekitar tahun 1980an. Namun pada saat itu coding hanya
diajarkan di tingkat universitas, itupun hanya untuk fakultas
teknik, sains dan teknologi pertanian saja. Di bidang-bidang
ilmu lain coding tidak diajarkan, karena memang pada saat
itu coding merupakan suatu hal yang baru sehingga belum
diketahui manfaatnya untuk bidang-bidang lain. Bobot SKS
coding juga hanya beberapa kredit saja, yang relatif sangat kecil
untuk menguasai semua kemampuan memahami algoritma dan
sistematika pembuatan program komputer.
Namun sekarang dengan perkembangan teknologi digital yang
sangat pesat, kemampuan coding harus diajarkan untuk semua
bidang ilmu. Kecerdasan buatan dan teknologi digital lainnya
akan digunakan juga secara masif di bidang hukum, sosial,
agama, sejarah, ekonomi, politik, militer, dan lain-lain. Agar
tidak terpinggirkan, para ahli dan praktisi di bidang-bidang
ini harus dilengkapi dengan kemampuan coding agar mereka
bisa menggunakan atau menciptakan mesin cerdas baru yang
sesuai dengan bidang keahliannya.
Berbeda dengan dulu, di zaman sekarang coding sudah harus
dilakukan sejak dini. Di Amerika Serikat, Eropa, China dan
beberapa negara maju lainnya murid-murid SD atau SMP
sudah diajarkan coding sejak beberapa tahun terakhir ini. Para
orang tua murid di sana sekarang banyak yang sedang berjuang

| 24 |
keras untuk membantu anaknya membuat PR tentang coding,
karena sebagian besar dari mereka tidak mendapatkannya
waktu kuliah dulu. Kalau coding sudah diajarkan sejak dini,
maka setelah lulus dari SMA atau perguruan tinggi nanti
pemahaman dan penguasaan mereka terhadap teknologi digital
maju akan sangat baik sehingga mereka bisa memasuki dunia
kerja dengan mudah atau bisa menjadi digital entreprenuer
baru dengan inovasi-inovasi yang bersifat revolusioner.
Pertanyaannya mungkin adalah: “Mengapa coding yang harus
diajarkan? Mengapa tidak yang lain?”
Pertama, coding adalah elemen terkecil dari “kecerdasan”
komputer. Kecerdasan komputer dibangun oleh suatu set
instruksi yang disebut dengan program. Setiap instruksi dalam
program dibuat dengan coding. Jadi kalau kita buta coding,
ibaratnya sama dengan “buta huruf” pada literasi bahasa.
Sebaliknya kalau kita melek coding (coding literate), maka
kita bisa memahami bagaimana komputer bekerja sehingga kita
bisa memberikan instruksi kepada komputer untuk melakukan
pekerjaan-pekerjaan yang kita inginkan.
Kedua, coding mengajarkan kita untuk memecahkan masalah
(problem solving) secara logis dan sistematis dengan algoritma
tertentu. Untuk menentukan dan menemukan algoritma
pemecahan masalah diperlukan kemampuan matematika yang
tinggi. Setelah algoritma pemecahan masalah ini didapatkan,
selanjutnya kita memberikan instruksi kepada komputer untuk
mencari solusinya. Kemampuan seperti inilah yang diperlukan
oleh sumber daya manusia negara kita di masa depan karena
komputer yang dibuat manusia sampai saat ini belum mampu
untuk bekerja sendiri tanpa instruksi dari luar. Sekali setelah
komputer diberi instruksi untuk melakukan sesuatu, termasuk
untuk “belajar” dan “berpikir”, maka selanjutnya tugas tersebut

| 25 |
bisa “dia” lakukan sendiri secara cepat dan berulang-kali.
Inilah kekuatan dari komputer. Namun kekuatan tersebut tidak
ada artinya tanpa coding.
Ketiga, sampai saat ini belum ada komputer yang bisa membuat
coding untuk dirinya sendiri atau untuk menjalankan komputer
lain. Walaupun penelitian-penelitan tentang automatic
programming sudah cukup banyak, namun hasilnya belum
memuaskan. Jadi campur tangan manusia cerdas dengan
kemampuan coding yang tinggi masih akan sangat diperlukan
sekarang dan di masa mendatang. Selain itu, dasar dari coding
adalah kemampuan matematik dan berpikir tingkat tinggi
(higher order thinking skill). Jadi coding dapat meningkatkan
kreativitas manusia melalui berpikir imajiner, non-linier dan
abstrak. Kreativitas inilah yang menjadi kelebihan manusia
dibandingkan dengan komputer di masa depan.
Keempat, coding adalah perantara antara manusia dan mesin.
Keahlian ini sangat diperlukan sampai kapanpun, selama
manusia dan mesin tersebut keduanya sama-sama ada.
Kalaupun suatu saat nanti “otak” atau CPU komputer sekarang
diganti dengan yang lebih canggih seperti quantum computing,
kemampuan coding tetap diperlukan. Namun tentu saja untuk
mesin baru yang lebih cerdas kita perlu manusia-manusia yang
menguasai bahasa dan teknik coding yang lebih canggih juga.
Kelima, di dunia yang berkembang dengan sangat cepat ini
selalu ada masalah yang harus dipecahkan. Setelah satu masalah
terjawab, masalah-masalah baru yang lebih rumit akan hadir di
depan kita. Kalau masalah baru timbul, kita perlu algoritma baru
untuk menyelesaikannya. Kalau algoritma baru ditemukan,
kita perlu orang-orang cerdas untuk membuat coding, agar
algoritma tersebut bisa dieksekusi oleh komputer.
Pertanyaan yang sangat penting sekarang adalah bagaimana
perkembangan kecerdasan buatan selanjutnya setelah era 4.0

| 26 |
yang sedang berlangsung sekarang ini? Apakah akan ada
inovasi di bidang kecerdasan buatan yang akan menyebabkan
terjadinya Revolusi Industri 5.0? Kapan hal itu akan terjadi?
Pertama, perlu diingat bahwa kecerdasan buatan dan blockchain
sampai saat ini dikembangkan secara terpisah sehingga
kekuatannya belum tergali secara penuh. Namun, tidak lama
lagi, sinergi antara kecerdasan buatan dan blockchain akan
terwujud. Hal ini tentu saja akan menambah keampuhan dari
kedua teknologi digital maju ini. Sinergi antara kecerdasan
buatan dan blockchain ini akan menjadi salah satu teknologi
terobosan di masa mendatang.
Kedua, kecerdasan buatan yang ada sekarang ini bekerja pada
area yang sangat spesifik (narrow domain) seperti pengenalan
pola, interpretasi citra, diagnosis, trouble shooting, peramalan
dan optimasi. Pada area yang sangat spesifik ini, teknik-teknik
kecerdasan buatan sudah terbukti dapat bekerja dengan sangat
baik untuk menyelesaikan berbagai persoalan yang rumit
(complex) dan tidak terstuktur (ill-structured). Hasil yang
didapatkan dengan menggunakan kecerdasan buatan terbukti
lebih baik dan lebih cepat daripada kalau dikerjakan manusia.
Terlepas dari sukses besar yang telah dicapainya, kecerdasan
buatan saat ini sebenarnya belum mampu untuk meniru
seluruh spektrum kecerdasan manusia (human intelligence).
Kecerdasan manusia bersifat umum (general domain)
sehingga sering disebut general intelligence. Proses berpikir
yang dilakukan oleh otak manusia, saat ini masih merupakan
misteri terbesar bagi para peneliti kecerdasan buatan.
Mesin yang mempunyai kecerdasan dan kesadaran seperti
manusia bisa dibuat jika para ahli mampu memasukkan
pemikiran (mind), kesadaran (consciousness) dan ingatan
(memory) ke dalam komputer. Kalau hal ini bisa dilakukan maka
akan terjadi singularitas teknologi (technology singularity),

| 27 |
yaitu suatu keadaan yang menyebabkan terjadinya perubahan
besar pada umat manusia dan peradabannya. Apakah ini yang
disebut sebagai Revolusi Industri 5.0? Apakah kita siap untuk
menghadapinya?
Kalau kita berpikir lebih jauh lagi, kita akan sadar bahwa
sebenarnya bukan hanya generasi muda saja yang memerlukan
coding. Para pengambil keputusan dan pemimpin di berbagai
sektor pembangunan di negara kita saat ini, diperkirakan
lahir sekitar 40 tahun yang lalu atau bahkan lebih. Ketika itu
kemajuan teknologi informasi belum seperti sekarang ini.
Untuk itu, pengetahuan dan kecakapan yang mereka miliki
juga harus diperbaharui agar sesuai dengan perkembangan
zaman. Coding akan membuat mereka mampu memahami
bagaimana komputer dan sistem cerdas bekerja. Hal ini akan
membawa mereka ke kemampuan yang lebih tinggi lagi, yaitu
kemampuan untuk meramalkan masa depan (future thinking),
sehingga mereka akan tahu teknologi apa lagi yang akan
muncul di masa depan dan bagaimana strategi menguasainya.
Jadi, sangatlah tepat jika kita mulai mempersiapkan sumber
daya manusia Indonesia untuk menghadapi era digital dari
sekarang dengan cara mengajarkan mereka literasi baru yaitu
coding. Kalau tidak, kita akan menyaksikan generasi muda
kita akan semakin tergila-gila kepada online game dan media
sosial sehingga mereka akan menjadi generasi “meleng”
(phubbing) yang sibuk dengan gadget, tanpa peduli keadaan
di sekitarnya. Kalau hal ini yang terjadi, kita akan menjadi
pecundang (looser) di era digital ini. Agar hal ini tidak terjadi,
kita harus mempunyai pemimpin yang berpikiran terbuka
(open minded) dan visioner serta anak-anak Indonesia yang
cerdas, melek coding dan tidak malas berpikir. Hanya dengan
cara inilah cita-cita untuk mewujudkan Indonesia yang lebih
baik di masa depan dapat tercapai.

| 28 |
 Mengintip Masa Depan
Sambil terus memperbaiki diri dan mengejar ketinggalan di
bidang teknologi digital maju saat ini, tidak ada salahnya
sejenak kita mengintip masa depan.
Karena begitu cepatnya perubahan, saat ini banyak orang
yang berspekulasi dengan teknologi. Mereka memilih tidak
melakukan apa-apa (status quo), ketimbang melakukan
adopsi teknologi sesuai perkembangan zaman, karena mereka
menganggap perubahan adalah suatu hal yang sangat mahal
dan penuh risiko.
Untuk itulah kita perlu mengintip masa depan. Apakah memang
akan ada inovasi di bidang kecerdasan buatan yang bersifat
revolusioner di masa depan? Kapan?
Riset di bidang kecerdasan buatan sejak awal abad ini memang
sangat intensif. Pusat riset kecerdasan buatan di AS, China,
Eropa, dan Jepang mengeluarkan dana yang sangat besar
untuk melakukan inovasi-inovasi penting di bidang ini.
Berbagai penemuan mereka sudah dipakai secara komersial di
perusahaan-perusahaan raksasa dunia.
Kemudian perlu diingat bahwa, kecerdasan buatan yang ada
sekarang ini bekerja pada area yang sangat spesifik (narrow
domain) seperti pengenalan pola, interpretasi citra, diagnosis,
trouble shooting, peramalan dan optimasi. Pada area yang
sangat spesifik ini, teknik-teknik kecerdasan buatan sudah
terbukti dapat bekerja dengan sangat baik untuk menyelesaikan
berbagai persoalan yang rumit (complex) dan tidak terstuktur
(ill-structured). Hasil yang didapatkan dengan menggunakan
kecerdasan buatan terbukti lebih baik dan lebih cepat daripada
kalau dikerjakan manusia (Referensi Baru). Inilah yang
menyebabkan kecerdasan buatan menjadi penggerak (enabler)
utama Revolusi Industri 4.0.

| 29 |
Kalau kita melihat perkembangan teknologi digital saat ini,
maka era mendatang akan ditandai dengan hadirnya mesin-
mesin cerdas yang semakin berfokus pada kenyamanan,
dayaguna, dan kemudahan bagi manusia (Human Centered
Artificial Intelligence). Hal ini tentu saja akan menghilangkan
ketakutan masyarakat terhadap perkembangan kecerdasan
buatan yang sangat pesat sekarang ini yang dapat menyebabkan
tersingkirnya manusia dari kehidupan moderen.
Era kecerdasan buatan yang bersahabat ini akan memberi
ruang yang lebih banyak untuk manusia di tempat kerja. Hal
ini disebabkan karena terjadinya perubahan selera konsumen,
sehingga permintaan barang, jasa dan informasi akan berubah
menjadi semakin personal. Permintaan yang bersifat personal
akan memerlukan kreativitas dan imajinasi manusia sehingga
dibuatlah robot-robot cerdas yang dapat bekerja sama dengan
manusia, yang biasa disebut collaborative robots. Jadi, sistem
baru ini akan memerlukan lebih banyak manusia-manusia
kreatif untuk bekerja sama dengan robot cerdas dalam membuat
barang, jasa dan informasi baru yang inovatif dan customized
yang sesuai dengan pesanan konsumen.
Cara lain yang dapat ditempuh adalah dengan
mengimplementasikan algoritma kecerdasan buatan pada
superkomputer yang bisa melakukan proses komputasi secara
paralel dengan menggunakan ratusan atau bahkan ribuan CPU
(Central Processing Unit). Untuk pesoalan yang mempunyai
tingkat kerumitan yang sangat tinggi, proses komputasi
kecerdasan buatan dapat dilakukan dengan komputer kuantum,
yang tidak lagi menggunakan digit biner 0 dan 1 seperti
sekarang ini.
Dengan berbagai inovasi besar seperti di atas akan tercipta
robot-robot super cerdas yang bisa membantu manusia
untuk menyelesaikan berbagai permasalahan spesifik yang

| 30 |
memerlukan proses komputasi dan inferensi tingkat tinggi.
Kalau hal ini terwujud, kita bisa menamakannya dengan
Revolusi Industri Kelima atau Industri 5.0 yang akan ditandai
dengan kembalinya human touch ke dalam kehidupan digital
manusia moderen.
Terlepas dari sukses besar yang telah dicapainya, kecerdasan
buatan saat ini sebenarnya belum mampu untuk meniru
seluruh spektrum kecerdasan manusia (human intelligence).
Kecerdasan manusia bersifat umum (general domain)
sehingga sering disebut general intelligence. Proses berpikir
yang dilakukan oleh otak manusia, saat ini masih merupakan
misteri terbesar bagi para peneliti kecerdasan buatan. Bahkan
sebenarnya untuk meniru proses berpikir seekor tikus saja
sampai sekarang ternyata manusia belum mampu. Pertanyaan
besarnya adalah bisakah manusia membuat mesin yang
mempunyai kecerdasan seperti manusia? Mesin yang bisa
diajak bicara dan bekerjasama seperti manusia? Mesin yang
mempunyai kesadaran (consciuosness)? Kapan “dia” akan
hadir?
Perjalanan panjang untuk meniru sepenuhnya kecerdasan
manusia (artificial general intelligence) harus dimulai dari
mencari terobosan di bidang metoda pembelajaran mandiri
(unsupervised learning). Hal ini merupakan tantangan yang
sangat sulit bagi para peneliti kecerdasan buatan. Untuk
mewujudkannya selain diperlukan teknik komputasi tingkat
tinggi, juga diperlukan perangkat keras yang canggih seperti
superkomputer dan komputer kuantum. Selain itu diperlukan
juga kerja sama dengan ilmu lain seperti neuro-science dan
psikologi untuk mengerti bagaimana sebenarnya proses
berpikir dan bentuk kesadaran manusia.
Mesin cerdas yang dihasilkan juga harus diuji dengan lima
macam test untuk membuktikan bahwa “dia” memang sudah

| 31 |
mempunyai kecerdasan yang sama dengan atau bahkan
melebihi kecerdasan manusia. Kelima jenis test ini tentu
saja bukanlah test yang mudah. Sebagai contoh, test Turing
digunakan untuk menguji apakah mesin cerdas yang dibuat
sudah mampu mengelabui manusia. Sampai saat ini belum ada
mesin yang bisa melewati test Turing ini.
Walaupun masih jauh dari jangkauan teknologi komputasi saat
ini, usaha untuk meniru kecerdasan manusia terus dilakukan
secara bertahap dan sistematis oleh para peneliti kecerdasan
buatan di negara-negara maju. Mesin yang mempunyai
kecerdasan dan kesadaran seperti manusia bisa dibuat jika
para ahli mampu memasukkan pemikiran (mind), kesadaran
(consciousness) dan ingatan (memory) ke dalam komputer.
Kalau hal ini bisa dilakukan maka akan terjadi singularitas
teknologi (technology singularity), yaitu suatu keadaan yang
menyebabkan terjadinya perubahan besar pada umat manusia
dan peradabannya. Apakah ini yang disebut sebagai Revolusi
Industri 5.0? Apakah kita siap untuk menghadapinya?
Kalau tidak hati-hati, membayangkan masa depan bisa
membuat kita merasa takut karena merasa akan terus tertinggal
atau berjalan ke arah yang tidak kita ketahui. Hal ini akhirnya
malah menyebabkan kita berdiam diri, sehingga menjadi
semakin jauh tertinggal. Namun, kalau kita bisa mengintip
masa depan dengan cerdas dan penuh kearifan, maka kita tahu
apa yang harus dilakukan. Kita tidak akan takut tersingkir atau
terperangkap dalam singularitas teknologi.
Salah satu persiapan yang dapat kita lakukan untuk menghadapi
era baru nanti adalah dengan mempelajari cognitive science yang
merupakan gabungan dari kecerdasan buatan dan ilmu-ilmu
psikologi, filosofi, linguistik, antropologi serta neuroscience.
Cognitive science dapat digunakan untuk mempelajari cara
otak manusia bekerja, sehingga misteri proses belajar, berpikir

| 32 |
dan berkreasi dapat diungkapkan. Hal ini akan mempermudah
kita untuk membuat mesin-mesin super cerdas baru yang
dapat digunakan untuk membantu manusia di berbagai bidang
kehidupan di masa depan, termasuk di bidang agroindustri
yang merupakan salah satu pilar penting dalam ekonomi
nasional dan global

Penutup
Pengembangan agroindustri di zaman sekarang ataupun di masa
depan merupakan tugas penting yang sangat rumit (complex)
karena melibatkan banyak faktor dan meliputi berbagai aspek
sejak dari hulu (farming) sampai ke hilir (consumer). Teknologi
digital selama ini sudah dimanfaatkan untuk merancang
agroindustri, namun teknologi digital yang digunakan masih
bersifat konvensional karena hanya sebatas pembuatan sistem
pengolahan transaksi (transaction processing system) dan
sistem informasi biasa. Dengan perkembangan komputer dan
teknologi informasi dewasa ini, pembangunan agroindustri
masa depan harus menggunakan teknologi digital maju seperti
kecerdasan buatan dan blockchain. Kalau hal ini tidak dilakukan,
maka pertanian dan agroindustri kita akan terus ketinggalan.
Sebaliknya jika teknologi drone, robot, kecerdasan buatan,
dan blockchain diterapkan untuk pengembangan agroindustri
masa depan secara tepat dan penuh perhitungan, keinginan kita
untuk menjadi lumbung pangan dan pusat agroindustri dunia
dapat terwujud.

| 33 |
 Daftar Pustaka
Arkeman Y, L Luong, K Abhary. 1998. “Design of Flexible
Manufacturing Systems using Genetic Algorithms and
Artificial Intelligence”, International Journal of Flexible
Automation and Integrated Manufacturing. Volume 6,
ArkemanY, H Tamura. 2005. “Application of GeneticAlgorithms
to Solving Multi-objective Scheduling Problems”,
Proceedings of the International Manufacturing Leaders
Forum (IMLF) on Global Competitive Manufacturing,
27th February – 2nd March 2005, Adelaide, Australia
Arkeman Y, H Tamura. 2005. “Application of Multiobjective
Genetic Algorithms for Supply Chain Optimization of
Bioplastics Agroindustry”, Proceedings of the First Asian
Conference on Precision Agriculture (FACPA), 4th – 7th
August 2005, Toyohashi, Japan.
Arkeman Y, H Tamura. 2005. “An Intelligent Decision Support
System for Multiobjective Supply Chain Management
of Agroindustry”, Proceedings of the 3rd International
Symposium on Intelligent Information Technology in
Agriculture (ISIITA), 14th–16th October 2005, Beijing,
China (pp. 90–95).
Arkeman Y, H Tamura. 2005. “Integration of Multi-objective
Genetic Algorithms and Expert Systems for Agroindustrial
System Design”, Proceedings of the First World Congress
of the International Federation for Systems Research
(IFSR), 14th–17th November 2005, Kobe, Japan.
Arkeman Y, H Tamura. 2005. “Integration of Multi-Objective
Genetic Algorithms and Expert Systems for Optimization of
Supply Chain Management of Agroindustry”, Proceedings
of the Conference on Bio-Engineering (CoBE), 6th - 8th
December 2005, Putrajaya, Malaysia.

| 34 |
Arkeman Y, H Tamura. 2006. “An Integrated Methodology for
Solving Multi-objective Optimization Problems based on
Genetic Algorithms and Expert Systems”, Proceedings of
Symposium on Intelligent Information and Communication
Technology, 7 January 2006, Konan University, Kobe,
Japan.
Arkeman Y. 2007. “Innovation and Technopreneurship for
Agroindustry of the Future”, IPMI Magazine No.2, 2007.
Arkeman Y, Marimin, Irawadi, Eriyatno, H Tamura. 2007.
“Integration of Multi-objective Genetic Algorithms and
Fuzzy Logic for Optimization of Agroindustrial Supply
Chain Design”, Proceedings of ISSS Conference, Tokyo
Institute of Technology, August 2007.
Arkeman Y, H Tamura. 2007. “A New Multiobjective Genetic
Algorithm with Heterogeneous Population for Solving
Flowshop Scheduling Problems”, International Journal of
Computer Integrated Manufacturing July–August.
Arkeman Y, Djatna T, Kanara Z. 2011. Sistem Bisnis
Cerdas Berbasis Internet (Intelligent E-business) untuk
Agroindustri Kelapa Berorientasi Ekspor. Prosiding
Seminar Nasional Informatika Pertanian 2011 Fak.
Teknologi Industri Pertanian UNPAD. No.ISBN: 978-
979-16972-3-1; 2011; Hal.244–266.
Arkeman Y, Suparno O, Wanurmarahayu C. 2013. Rancang
Bangun Sistem Bisnis Berbasis Internet (E-Business) untuk
Angroindustri Kulit Samak (Leather). Jurnal Teknologi
Industri Pertanian AGRIN dan Dept. TIN Fateta IPB;
No.ISSN: 0216–3160; 23(2); Agustus 2013; 142–152.
Arkeman Y, Wibawa D, Syamsun M. 2015. Analysis of crude
palm oil price and biodiesel production in Indonesia: A
vector autoregressive model approach. International

| 35 |
 Journal of Applied Engineering Research 10. 35287–
35290.
Dewi, Arkeman Y, Achsani NA, Noor E. 2016. Perancangan
Sistem Penunjang Keputusan Intelijen Untuk Seleksi
Konsep Produk Baru Asap Cair Tempurung Kelapa. Jurnal
Teknologi Industri Pertanian 25(2).
Eriyatno et al. 2010. Fuzzy Inventory Modeling of Crude Palm
Oil in The Port Bulk Tank. Jurnal Fakultas Teknologi
Indsutri Surabaya ITS.
Hadiguna et al. 2012. Model Matematik Sistem Transportasi
Tandan Buah Segar Pada Rantai Pasok Agroindustri
Minyak Sawit Mentah. Jurnal Teknologi Teknologi
Pertanian UNAND 14(I) Maret.
Heriyanto H, Seminar KB, Solahudin M, Subrata DM,
Supriyanto, Liyantono, Noguchi, R, Ahamed T. 2016.
Water supply pumping control system using PWM based
on precision agriculture principles. IAEJ, 2016, 25(2):
1–8
Iphov KS, Arkeman Y, Syah D, Marimin. 2014. Analisa dan
Mitigasi Risiko Rantai Pasok Agroindustri Kakao yang
Berkelanjutan. Jurnal Industri Hasil Perkebunan 9(2)
Desember 2014: 69–79.
Iveline AM, Eriyatno, Arkeman Y, Dadan UD. 2011. Model
Design of Adaptive Production Planning and Inventory
Control (PPIC) in the Food Industry. Asian Transactions on
Engineering.; No.ISSN: 2221–4267; 01(04); September;
2011; 13–22.
Nofialdi et al. 2012. Model Pemilihan Tingkat Teknologi,
Sumber Pembiayaan Dan Kelembagaan Usaha Dalam
Pengembangan Agroindustri Berbasis Nagari Dengan
Proses Jejaring Analitik. Jurnal Teknologi Industri
Pertanian 1(2).

| 36 |
Santosa IBDY, Djatna T, Arkeman Y. 2015. A Supply Chain
Risk Management Modelling for Balinese Aromatherapy
Product by Pricing Optimization. International Journal
of Innovation, Management and Technology 6(2): April
2015.
Seminar KB. 2016. Sistem Pertanian Presisi dan Sistem
Pelacakan Rantai Produksi untuk Mewujudkan
Agroindustri Berkelanjutan. Orasi Ilmiah Guru Besar IPB,
26 Nop. 2016. Bogor: PT Penerbit IPB Press.
Trisna, Marimim, Arkeman Y, Sunarti TC. 2015. Genetic
algorithm based multi-objective optimization of wheat
flour supply chain considering raw material substitution.
79-84.0.1109/ICACSIS.2015.7415158.
Trisna, Marimin, Arkeman Y, Sunarti TC. 2016. “Multiobjective
Optimization for Supply Chain Msnagement: A Literature
Review”, Decision Science Letters 5.
Utami TP, Ma’arif S, Arkeman Y. 2013. Fuzzy Clustering in
Grouping Traditional Market Distribution and Genetic
Algorithm Application in Routing of Packed Cooking Oil
Distribution. Proceeding.
Wijaya H, Arkeman Y, Hambali E. 2017. Formulation of
Indonesian palm oil biodiesel policy for energy security
by using system dynamics model. AgricEngInt: CIGR
Journal, Special Issue (2017): Ari-Food and Biomass
Supply Chains: 268–282
Zhang GP, Qi M. 2005. Neural Network Forecasting for
Seasonal and Trend Time Series. European Journal of
Operational Research 160:501–514.

| 37 |
 Ucapan Terima Kasih
Alhamdulillahi Rabbil ‘Aalamiin
Saya bersyukur kepada Allah Subhanallahu wa Ta’ala atas
nikmat, berkah, dan rahmat-Nya sehingga saya dapat berdiri
di tempat ini dan menyampaikan pemikiran-pemikiran pada
Sidang Terbuka yang terhormat ini.
Pada kesempatan ini saya menyampaikan terima kasih kepada
Pemerintah Indonesia melalui Menteri Riset, Teknologi, dan
Pendidikan Tinggi RI, Prof. H. Mohaman Nasir, Ph. D, Ak.;
Rektor IPB, Dr. Arif Satria, SP, M.Si; Ketua dan Anggota
Dewan Guru Besar IPB, Ketua dan Anggota Majelis Wali
Amanat IPB, Ketua dan Anggota Senat Akademik IPB,
Direktur Sumber Daya Manusia IPB, serta Dekan dan Senat
Fakultas Teknologi Pertanian.
Secara khusus terima kasih saya tujukan kepada istri saya
tercinta, Ir. Titi Sulistyowati Rahayu, dan anakku Ryan
Muhammad Khawalizmi, S.T, M.Sc. dan istrinya tercinta Astri
Briliyanti, S.T, yang telah menjadi motivasi, inspirasi, dan
selalu menemani, memberi perhatian, semangat, dan doa tiada
henti. Semoga Allah Subhanallahu wa Ta’ala selalu melindungi
kami semua. Aamiin Yaa Rabbal ‘Aalamiin.
Terima kasih yang tiada tara saya haturkan kepada kedua orang
tua saya, almarhumah Ibunda Hj. Dainar Wahid dan Ayahanda H.
Arkeman, BIE yang telah berjuang membesarkan dan mendidik
saya dengan penuh kasih sayang, serta tiada henti mendoakan
untuk keberhasilan saya. Semoga Allah Subhanallahu wa Ta’ala
memberi tempat terbaik di surga Allah untuk Ibunda saya
dan semoga juga Allah Subhanallahu wa Ta’ala memberikan
kesehatan dan berkah kepada Ayahanda saya. Aamiin Yaa
Rabbal ‘Aalamiin.
Selanjutnya terima kasih yang sebesar-besarnya saya
haturkan kepada guru Agroindustri saya, Prof. Dr. Ir. Irawadi
Jamaran, dan guru Ilmu Sistem saya, Prof. Dr. Ir. Eriyatno,
MSAE. Tempaan dan bimbingan yang Bapak-bapak berikan
merupakan hal yang sangat berharga dalam kehidupan saya.
Juga kepada Prof. Dr. Ir. Machfud, MS, Prof. Dr. Ir. Marimin,
M.Sc, dan Prof. Dr. Ir. Nastiti Siswi Indrasti yang telah banyak
membimbing saya di bidang Teknik Industri, Ilmu Komputer
dan Agroindustri, saya ucapkan terima kasih. Terima kasih juga
saya ucapkan kepada Prof. Dr. Ir. Djoko Koestiono, SU dari
Universitas Brawijaya Malang yang telah bersedia menjadi
prosesi pada acara orasi ini.
Kepada Ketua Departemen Teknologi Industri Pertanian
Prof. Dr. Ir. Suprihatin dan para dosen di stream Teknik
Sistem Industri (TSI) serta para senior, kolega, teman staf
pengajar, dan tenaga kependidikan di Departemen Teknologi
Industri Pertanian, Fakultas Teknologi Pertanian IPB, saya
menyampaikan rasa terima kasih atas kerja sama yang baik
selama ini dalam mengembangkan agroindustri Indonesia.
Rasa terima kasih dan penghargaan juga saya sampaikan kepada
mitra bestari Prof. Dr. Ir. Kudang Boro Seminar dan Prof. Dr.
Ir. Noer Azam Achsani yang telah membaca, mengkritisi, dan
memberi masukan yang sangat berharga pada naskah orasi ini
serta juga bersama-sama saya mendirikan grup riset yang diberi
nama BRAIN© (Blockchain, Robotics and Artificial Intelligence
Networks), IPB. Kepada teman-teman sejawat lain anggota
BRAIN© IPB seperti Prof. Dr. Ir. Agus Buono, Prof. Dr. Ir. Indra
Jaya, Dr. Ir. Hermadi, Dr. Ir. Heru Sukoco dan Dr. Ir. Wisnu Ananta
saya juga mengucapkan terima kasih atas dukungannya untuk
mengembangkan kecerdasan buatan dan teknologi digital maju
lainnya di IPB. Terima kasih saya haturkan juga kepada Panitia
Penyelenggara (Direktorat Administrasi Pendidikan dan Tim) atas
terlaksananya orasi ilmiah hari ini, serta kepada para asisten saya

| 40 |
yaitu Rizky Amalia, STP, MSi, MSc, Hendri Wijaya, STP, MSi,
Wahid Anissudin, SKomp dan Angga Yudhistira, STP, MSi yang
telah membantu saya mempersiapkan naskah orasi ini.
Kepada para saudara, para kerabat, teman-teman dari PPSP 83
Padang, teman-teman dari Palangka Raya, teman-teman dari
SMP 2 dan SMA 1 Bekasi, teman-teman TIN 5 IPB, guru-
guru, mahasiswamahasiswi, alumni, para sahabat, teman
seperjuangan yang tidak dapat saya sebutkan satu per satu yang
telah membawa saya berdiri di sini saya sampaikan terima
kasih. Semoga Allah Subhanallahu wa Ta’ala membalasnya
dengan keberkahan yang melimpah.
Akhirnya, saya sampaikan rasa terima kasih kepada hadirin
sekalian yang telah memberikan perhatian dalam mengikuti
orasi ini. Saya mohon maaf yang sebesar-besarnya apabila
ada nama yang tidak tersebut dalam ucapan terima kasih saya
ini dan atas segala kesalahan dan kekurangan lainnya dalam
pelaksanaan orasi ilmiah ini.
Akhirul kalam, Wassalamu’alaikum warahmatullahi
wabarakatuh.

| 41 |
 Foto Keluarga

Baris Belakang (Kiri-Kanan): Ryan, Astri dan Arkeman

Baris Depan (Kiri-Kanan): Yandra dan Titi
 Riwayat Hidup

Identitas Pribadi
Nama Lengkap : Yandra Arkeman
Jenis Kelamin : Laki-laki
Tempat/Tanggal Lahir : Payakumbuh,
14 September 1965
Agama : Islam
Jabatan Fungsional : Guru Besar
Fakultas Teknologi Pertanian
Sejak tanggal 01-08-2017
Golongan/Kepangkatan : Pembina, IV/b tmt:
01/04/2018
NIP/NIDN :196509141990021001/
0014096507
Nama Istri : Ir. Titi Sulistyowati Rahayu
Nama Anak : Ryan Muhammad Khawarizmi,
S.T, M.Sc
Alamat Kantor : Kampus IPB Darmaga, Bogor
Telepon Kantor : (0251) 8621974
Alamat Rumah : Jln. Seruni IV no 6,
Taman Yasmin I, Bogor
Telepon Rumah : 0251-8374723
E-mail :yandra@ipb.ac.id
yandra.arkeman@gmail.com

| 44 |
Riwayat Pendidikan
Pendidikan Dasar dan Menengah
Tahun Nama Sekolah
1971–1974 TK dan SD Laboratorium IKIP, Padang
1975–1977 SD Negeri IV, Palangka Raya
1978 SMP Negeri 1, Palangka Raya
1979–1981 SMP Negeri 2, Bekasi
1981–1984 SMA Negeri 1, Bekasi

2. Pendidikan Tinggi
Jenjang Asal Universitas Bidang Keahlian Tahun Lulus
Pendidikan dan Negara
S-1 Institut Pertanian Teknologi Industri 1989
Bogor – Indonesia Pertanian
S-2 University of South Master of 1996
Australia – Australia Engineering
in Advanced
Manufacturing
Technology
S-3 University of South PhD in 2000
Australia – Australia Manufacturing
Systems
Engineering
Post Doctoral
Field University Department Tenure
Artificial Kansai University, Electrical 2004–2006
Intelligence Japan Engineering and
Computer Science
Artificial George Mason Computer Science 2009/2010
Intelligence University, USA

| 45 |
Judul Skripsi/Tesis/Disertasi/Post Doktoral
Skripsi:
Rancang Bangun Sistem Pengendalian Mutu Industri
Minuman Ringan dengan menggunakan CAQ (Computer
Aided Quality)
Pembimbing: Prof. Dr. Ir Machfud, MS
Tesis:
IFDES: An Expert System for Flexible Manufacturing
System (FMS) Design
Supervisors: Prof. Dr. Lee Luong dan Prof. Dr. Felix Chan
Disertasi:
An Integrated and Intelligent System for AGV-based FMS
Desing using Fuzzy Logic and Genetic Algorithms
Supervisors: Prof. Dr. Lee Luong and Prof. Dr. Kazem
Abhary

Post Doctoral 1:
Multiobjective Genetic Algorithms for Agroindustrial Supply
Chain Design
Host: Prof. Dr. Hiroyuki Tamura
Post Doctoral 2:
Design of Agroindustrial Supply Chain Management
by Considering Global Climate Change using Parallel
Multiobjective Genetic Algorithms
Host: Prof. Dr. Kenneth De Jong

| 46 |
Jabatan Struktural/Beban Manajemen
Periode Jabatan Struktural Institusi
1999–2004 Kepala Divisi Bisnis dan Departemen
Aplikasi Industri Teknologi Industri
Pertanian, IPB
2000–2004 Wakil Direktur Alumni dan Departemen
Kemahasiswaan, Quality for Teknologi Industri
Undergraduate Education Pertanian, IPB
(QUE)
2007– Ketua Divisi Bisnis dan SBRC (Surfactant
sekarang Supply Chain Management and Bioenergy
Research Center),
IPB
2017– Peneliti Ahli PSP3 (Pusat Studi
sekarang Pembangunan
Pertanian dan
Pedesaan), IPB

Pengalaman Kerja
Periode Sebagai
1990–sekarang Pengajar dan Peneliti pada Departemen Teknologi
Industri Pertanian, Fateta, IPB
2000–sekarang Pengajar dan Peneliti pada Departemen Ilmu
Komputer, FMIPA, IPB
2007–sekarang Pengajar dan Peneliti pada Sekolah Bisnis, IPB

Training/Workshop
Waktu Kegiatan
2008 Training on Agrifood Supply Chain Management,
dilaksanakan oleh Asian Productivity Organization
(APO), Thailand

| 47 |
Kegiatan Pendidikan dan Pengajaran
No. Mata Kuliah Strata
1 Penerapan Komputer S-1 TIN
2 Teknik Optimasi S-1/S-2/S-3 TIN/
TIP
3 Valuasi dan Komersialisasi Teknologi S-1 TIN
4 Kecerdasan Komputasional S-2 Ilkom
5 Manajemen Produksi dan Operasi S-2 SB
6 Rekayasa Proses Bisnis S-3 SB
7 Rantai Pasok Agroindustri S-2/S-3 TIP
8 Teknik Transportasi dan Distribusi S-2/S-3 TIP
9 Inovasi dan Strategi Pemasaran Agroindustri S-2/S-3 TIP
10 Komputasi Natural untuk Agroindustri S-2/S-3 TIP
11 Sistem Intelijen S-2/S-3 TIP
12 Komputasi Metaheuristik Terapan S-3 TIP

Pengalaman Membimbing
No. Strata Jumlah Lulusan
1 Sarjana 65
2 Magister 35
3 Doktor 20

Pengalaman Penelitian
Sumber
No. Program Judul Penelitian Tahun
Dana
1. Mandiri Kerja sama Application of 2017–2018
dengan many-objective
Michigan State genetic algorithms
University, and blockchain for
USA optimization of
Agroindustrial SCM
Design

| 48 |
Pengalaman Penelitian (lanjutan)
Sumber
No. Program Judul Penelitian Tahun
Dana
2 Jerman Kerjasaman Anwendung von 2017–2018
dengan Precision Farming
Rhein Waal Technologie zur
University, Erfassung von
Germany BioDiversitat
Landwirtschaft fur
die Agribisnis in
Tropische Klima
3 DIKTI PTUPT Pemetaan Desa 2017–2018
(Penelitian Secara Partisipatif
Terapan Berbasis Drone
Unggulan Desa
Perguruan
Tinggi)
4 DIKTI Kerja sama Development of 2012–2015
dengan SMART-TIN©
George Mason for Sustainable
University, Agroindustrial
USA Supply Chain
5 University Kerjasama Application of 2015
of Adelaide dengan Agent-based
University of Modeling and
Adelaide Multi-objective
Evolutionary
Algorithms for
Bioenergy Policy

| 49 |
Pengalaman Penelitian (lanjutan)
Sumber
No. Program Judul Penelitian Tahun
Dana
6. JSPS Kerja sama Life Cycle 2015–
dengan Assessment (LCA) sekarang
National Modelling and
Agriculture Analysis
and Food
Research
Organization
(NARO),
Japan
7 FAO Kerjasama Global Bioenergy 2011–2014
FAO dan Partnersgip (GBEP)
SBRC, IPB Sustainability
Indicators
Evaluation for
Indonesian
Bioenergy
6 DIKTI Kerja sama Development of 2009–2010
dengan Parallel Multi-
George Mason objective Genetic
University, Algorithm for
USA AgriFood Supply
Chain Design by
Considering Global
Climate Change
8 JSPS Kerja sama Design of 2004–2006
dengan Agroindustrial
Universitas Supply Chain
Kansai, Jepang by Using Multi-
objective Genetic
Algorithms

| 50 |
Pengalaman Pengabdian Masyarakat
No. Tahun Judul Pengabdian Penyelenggara
1 2018 Narasumber pada Universitas
Workshop “Agribusiness Brawijaya
Supply Chaian in
Industry 4.0 Era”
2 2018 Narasumber pada Kemenko
FGD tentang Model Perekonomian
Agroindsutri Sawit
Berkelanjutan di
Kemenko Perekonomian
3 2018 Pembicara Utama pada Universitas
Seminar Green Supply Gunadarma
Chain di Universitas
Gunadarma, Depok
4 2018 Pembicara Utama ISLI
Seminar ISLI di
Universitas Padjadjaran,
Bandung
5 2018 Pembicara Utama pada PSP3, IPB
Workshop Aplikasi
Kecerdasan Buatan untuk
Pembangunan Pedesaan
di PSP3, IPB
6 2018 Pembicara Utama pada IPMI
Seminar Kementrian
Pedesaan di IPMI
7 2018 Pembicara Utama Universitas Trilogi
pada Seminar
AgriFood Supply
Chain Management
di Universitas Trilogi,
Jakarta

| 51 |
Pengalaman Pengabdian Masyarakat (lanjutan)
No. Tahun Judul Pengabdian Penyelenggara
8 2017 Pembicara Utama pada IPMI
Seminar Kementrian
Pedesaan di IPMI
9 2012–2014 Pembicara Utama pada SBRC
Seminar GBEP
10 2009 Narasumber pada SB IPB
Manajemen Operasi
dan Produksi pada
Pelatihan Konsep
dan Implementasi
Manajemen PT Saung
Mirwan
11 2010 Narasumber pada Kementerian
International Conference Perindustrian
on Green Industry
12 2011 Pengajar pada Bank Bukopin
Manajemen
Development Program
PT Bank Bukopin
13 2013 Juri Lomba Situs Web Kementerian
Lingkungan Kementrian Pertanian
14 2007 Pembicara pada Training IPMI
untuk Manajemen PT
Nestle di IPMI

| 52 |
Penghargaan Nasional dan Internasional yang
Pernah Diraih
No. Jenis Penghargaan Institusi Pemberi Tahun
1 Satya Lencana Karya PRESIDEN R.I 2016
Satya 20 Tahun
2 Best Paper Awards AFITA 2016
pada International
Conference of Asia Pacific
Federation for Information
Technology in Agriculture
(AFITA)
3 Satya Lencana Karya PRESIDEN R.I 2002
Satya 10 Tahun
4 Riwayat Hidup Marquis Publication 1998
Dimasukkan dalam Who’s oard, USA
Who in Science and
Engineering 1998

Publikasi di Jurnal Internasional, Jurnal Nasional,

Seminar Internasional, Seminar Nasional.
Jurnal Internasional
Yandra, H Tamura, “A New Multiobjective Genetic Algorithm
with Heterogeneous Population for Solving Flowshop
Scheduling Problems”, International Journal of Computer
Integrated Manufacturing, July–August 2007
Yandra Y, L Luong, K Abhary. “Design of Flexible
Manufacturing Systems using Genetic Algorithms and
Artificial Intelligence”, International Journal of Flexible
Automation and Integrated Manufacturing, Volume 6,
1998

| 53 |
Wijaya H, Arkeman Y, Hambali E. 2017. Formulation of
Indonesian palm oil biodiesel policy for energy security
by using system dynamics model. AgricEngInt: CIGR
Journal, Special Issue (2017): Ari-Food and Biomass
Supply Chains: 268–282
Trisna, Marimin, Arkeman Y, Sunarti TC, “Multiobjective
Optimization for Supply Chain Msnagement: A Literature
Review”, Decision Science Letters, Volume 5, 2016.
Arkeman Y, Wibawa D, Syamsun M. (2015). Analysis of crude
palm oil price and biodiesel production in Indonesia:
A vector autoregressive model approach. International
Journal of Applied Engineering Research. 10. 35287–
35290.
Iveline AM, Eriyatno, Arkeman Y, Dadan UD. 2011. Model
Design of Adaptive Production Planning and Inventory
Control (PPIC) in the Food Industry. Asian Transactions
on Engineering.; No.ISSN: 2221–4267; Vol.01; No.04;
September; 2011; Hal.13–22.
Santosa IBDY, Djatna T, Arkeman Y. 2015. A Supply Chain
Risk Management Modelling for Balinese Aromatherapy
Product by Pricing Optimization. International Journal of
Innovation, Management and Technology, Vol. 6, No. 2,
April 2015.
Arkeman Y, H Tamura, “Application of Genetic Algorithms
to Solving Multi-objective Scheduling Problems”,
Proceedings of the International Manufacturing Leaders
Forum (IMLF) on Global Competitive Manufacturing,
27th February–2nd March 2005, Adelaide, Australia.
Arkeman Y, H Tamura, “Application of Multiobjective Genetic
Algorithms for Supply Chain Optimization of Bioplastics
Agroindustry”, Proceedings of the First Asian Conference
on Precision Agriculture (FACPA), 4th–7th August 2005,
Toyohashi, Japan.
| 54 |
Arkeman Y, H Tamura, “An Intelligent Decision Support
System for Multiobjective Supply Chain Management
of Agroindustry”, Proceedings of the 3rd International
Symposium on Intelligent Information Technology in
Agriculture (ISIITA), 14th–16th October 2005, Beijing,
China (pp. 90–95).
Arkeman Y, H. Tamura, “Integration of Multi-objective Genetic
Algorithms and Expert Systems for Agroindustrial System
Design”, Proceedings of the First World Congress of the
International Federation for Systems Research (IFSR),
14th –17th November 2005, Kobe, Japan.
Arkeman Y, H Tamura, “Integration of Multi-Objective Genetic
Algorithms and Expert Systems for Optimization of Supply
Chain Management of Agroindustry”, Proceedings of the
Conference on Bio-Engineering (CoBE), 6th –8th December
2005, Putrajaya, Malaysia.
Arkeman Y, H Tamura, “An Integrated Methodology for
Solving Multi-objective Optimization Problems based on
Genetic Algorithms and Expert Systems”, Proceedings of
Symposium on Intelligent Information and Communication
Technology, 7 January 2006, Konan University, Kobe,
Japan.
Arkeman Y, Marimin, Irawadi, Eriyatno and H. Tamura,
“Integration of Multi-objective Genetic Algorithms and
Fuzzy Logic for Optimization of Agroindustrial Supply
Chain Design”, Proceedings of ISSS Conference, Tokyo
Institute of Technology, August 2007.
Trisna, Marimim, Arkeman Y, Sunarti TC. 2015. Genetic
algorithm based multi-objective optimization of wheat
flour supply chain considering raw material substitution.
79–84.0.1109/ICACSIS.2015.7415158.

| 55 |
Arkeman Y. “Innovation and Technopreneurship for
Agroindustry of the Future”, IPMI Magazine No.2, 2007.
Arkeman Y, Suparno O, Wanurmarahayu C. 2013. Rancang
Bangun Sistem Bisnis Berbasis Internet (E-Business)
untuk Angroindustri Kulit Samak (Leather). Jurnal
Teknologi Industri Pertanian AGRIN dan Dept. TIN Fateta
IPB; No.ISSN: 0216-3160; Vol.23; No.2; Agustus; 2013;
Hal.142–152;
Arkeman Y, Djatna T, Kanara Z. 2011. Sistem Bisnis
Cerdas Berbasis Internet (Intelligent E-business) untuk
Agroindustri Kelapa Berorientasi Ekspor. Prosiding
Seminar Nasional Informatika Pertanian 2011 Fak.
Teknologi Industri Pertanian UNPAD. No.ISBN: 978-
979-16972-3-1; 2011; Hal. 244–266;
Dewi, Arkeman Y, Achsani NA, Noor E. 2016. Perancangan
Sistem Penunjang Keputusan Intelijen Untuk Seleksi
Konsep Produk Baru Asap Cair Tempurung Kelapa. Jurnal
Teknologi Industri Pertanian Vol 25, No 2.
Iphov KS, Arkeman Y, Syah D, Marimin. 2014. Analisa dan
Mitigasi Risiko Rantai Pasok Agroindustri Kakao yang
Berkelanjutan. Jurnal Industri Hasil Perkebunan Vol. 9
No. 2 Desember 2014: 69–79.
Nofialdi et al. 2012. Model Pemilihan Tingkat Teknologi,
Sumber Pembiayaan Dan Kelembagaan Usaha Dalam
Pengembangan Agroindustri Berbasis Nagari Dengan
Proses Jejaring Analitik. Jurnal Teknologi Industri
Pertanian Vol 1, No 2.
Utami TP, Ma’arif S, Arkeman Y. 2013. Fuzzy Clustering in
Grouping Traditional Market Distribution and Genetic
Algorithm Application in Routing of Packed Cooking Oil
Distribution. Proceeding.

| 56 |
Astuti R, Marimin, Machfud, Arkeman Y, Poerwanto R,
Meuwissen PM. 2013. Risks and Risks Mitigations in the
Supply Chain of Mangosteen: A case Study. Operation
and Supply Chain Management an International Journal,
ISSN : 1979-3561/1979- 3871, Vol.06, No.01, Hal.11–25,
Januari 2013.
Astuti P, Eriyatno, Arkeman Y, Muslimin N. 2011. Early
Warning System in Agroindustry: a Chaos Theory Based
Analysis. International Journals of Engineering &
Sciences (IJENS), ISSN 2077-1185, Vol 11 No 5, Oktober
2011, Hal 80–98.
Susilowati E, Oktaviani R, Arifin B, Arkeman Y. 2013. The
Decrease of Production of Indonesian Soybean and Efforts
to Ensure the Certainty of The Vegetable Protein Supply :
A Literature Review. International Journal of Information
Technology and Business Management; No. ISSN: 2304 -
0777; Vol.9; No.1; Januari; 2013; Hal.1-5.
Tobing A, Arkeman Y, Bunasor S, Nunung N. 2013. The Design
of Conceptual Models in The Context of the Relationship
of Good Corporate Governance Implementation to
Competitiveness in Indonesia Banking Industry: A case
Study. International Journal of Information Technology
and Business Management; No.ISSN: 2304-0777; Vol.13;
No.1; Mei; 2013; Hal.54–72.
Lembito H, Seminar KB, Kusnadi N, Yandra. 2013. Designing
A Supply Chain System Dynamic Model for Palm Oil
Agro-Industries. International Journal of Information
Technology and Business Management; No.ISSN: 22304-
0777; Vol.12; No.1; April; 2013; Hal.1–8.
Dewi EM, Arkeman Y, Achsani NA, Noor E. 2013. Potential
Products of Coconut Shell Wood Vinegar. Research Journal
of Pharmaceutical, Biological and Chemical Sciences;
No.ISSN: 0975-8585; Vol.4; No.4; Oktober s.d Desember;
2013; Hal.1480–1493.

| 57 |
Ratono J, Seminar KB, Arkeman Y, Suroso AI. The Development
of Enterprise Resource Planning (ERP) Selection
Methodology Using Delta Model. International Journal
of Information Technology and Business Management,
ARF Sourcing Islamabad Pakistan; No.ISSN: 2304-0777;
Vol.31; No.1; November; 2014; Hal.1-12
Dharma YS, Djatna T, Arkeman Y. 2015. A Supply Chain
Risk Management Modelling for Balinese Aromatherapy
Product by Pricing Optimization. International Journal
of Innovation, Management and Technology; No.ISSN:
2010-0248; Vol.6; No.2; April; 2015; Hal.118-121
Aditya Ginantaka, Taufik, Yandra. 2015. An Optimization of
Product Recall Cost for Frozen Milkfish in Traceability
System. International Journal of Innovation, Management
and Technology; No.ISSN: 2010-0245; Vol.6; No.2; April;
2015; Hal.122-125
Arkeman Y, Dodi W, Prasetya H, Wibawa DS. 2015. Analyses
of risks and labor competence in occupational safety and
health at a palm oil mill (pt. X) Indonesia. International
Journal of Applied Engineering Research (IJAER);
No.ISSN: 0973–4562; Vol.10; No.15; 2015; Hal.35291-
35295
Immawan T, Marimin, Arkeman Y, Maulana A. 2015.
Sustainable Supply Chain Management for Make to Stock-
Make to Order Production Typology Case Study: Batik
Industry in Solo Indonesia. European Journal of Business
and Management; International Institute for Science,
Technology and Education (IISTE); No.ISSN: 2222-1905;
2222-2839; Vol.7; No.11; 2015; Hal.94–106.
Teja Primawati Utami, Moh. Syamsul Ma’arif, Yandra,
Liesbetini Haditjaroko. 2015. Design of Grouping
Packaging Palm Cooking Oil Distribution at Traditional

| 58 |
 Market in Jakarta with Fuzzy Clustering. Journal of
Public Policy and Administration Research; International
Institute for Science, Technology and Education (IISTE);
No. ISSN: 2225-0972; Vol.5; No.5; 2015; Hal.4-13
Trisna, Marimin, Arkeman Y, Sunarti TC. 2015. Multi-
objective optimization for supply chain management
problem: A literature review. International Journal of
Applied Engineering Research (IJAER); No.ISSN: 0973-
4562; Vol.10; No.15; 2015; Hal.35287 – 35290
Yandra, Wahanani NA, Kustiyo A. 2012. Clustering K-Means
Optimization with Multi-Objective Genetic Algorithm.
International Journal of Electrical & Computer Sciences;
IJENS Publishers; No.ISSN: 2077-1231; 2227-2739;
Vol.12; No.05; Oktober; 2012; Hal.61-66
Prasetya H, Arkeman Y, Erliza, Mawardi I, Boer R. 2015.
Technology Policy Assessment of Methane Capture
Development in Palm Oil Biodiesel Chain Production.
Journal of Energy Technologies and Policy IISTE;
No.ISSN: 2224-3232; 2225-0573; Vol.5; No.11; 2015;
Hal.29-37
Jurnal Nasional
Machfud, Eriyatno, Suryani A, Arkeman Y, Hadiguna RA.
2010. Fuzzy Inventory Modeling of Crude Palm Oil in The
Port Bulk Tank. Jurnal Ilmiah Sains dan Teknologi, ISSN
: 1410-29-19, Vol.9, No.1, Hal.67–74, Surabaya Februari
2010
Astuti R, Marimin, Roedhy P, Machfud, Arkeman Y. 2010.
Kebutuhan dan Sruktur Kelembagaan Rantai Pasok Buah
Manggis, Studi Kasus Rantai Pasok di Kabupaten Bogor.
Jurnal Manajemen Bisnis Prasetya Mulya, ISSN : 1979-
2964. Vol.3, No.1, Hal.99-115, Jakarta April 2010

| 59 |
Setiawan A, Marimin, Arkeman Y, Udin F. 2011. Studi
Peningkatan Kinerja Manajemen Rantai Pasok Sayuran
Dataran Tinggi di Jawa Barat. Agritech Jurnal Teknologi
Pertanian, ISSN : 0216-0455, Vol. 31, No.1, Hal.60–70,
Yogyakarta Februari 2011.
Arkeman Y, Setyaningsih D, Sanday TA. 2012. Techno-
Economic Analysis in Establishment of Biodesel Industry
from Nyamplung Seed (Calophyllum inophyllum L.).
Jurnal Teknologi Industri Pertanian Fateta IPB, ISSN :
0216-3160, Vol.22, No.3, Hal.198-207, Bogor Desember
2012.
Arkeman Y, Yusuf A, Mushthofa, Laxmi GF, Seminar KB.
2013. The Formation of Optimal Portfolio of Mutual
Shares Funds using Multi-Objective Genetic Algorithm.
TELKOMNIKA. ISSN: 1693–6930, Vol.11, No.3,
Hal.625-636, Yogyakarta September 2013
Ahmad I, Hermadi I, Arkeman Y. 2013. Financial Feasibility
Study of Waste Cooking Oil Utilization for Biodiesel
Production Using ANFIS. TELKOMNIKA Indonesia
Journal of Electrical Engineering Institute of Advanced
Engineering and Science (IAES); No.ISSN: 2302-4046;
Vol.13; No.3; Maret; 2015; Hal.546-554.
Arkeman Y. Suparno O, Wanurmarahayu C. 2013. Rancang
Bangun Sistem Bisnis Berbasis Internet ( E-Business)
untuk Angroindustri Kulit Samak (Leather). Jurnal
Teknologi Industri Pertanian Fateta IPB, ISSN : 0216–
3160, Vol.23, No.2, Hal.142-152, Bogor Agustus 2013
Rika AH, Machfud, Eriyatno, Arkeman Y, Suryani A. 2013.
Manajemen Rantai Pasok Minyak Sawit Mentah. Jounal
of Logistics and Supply Chain Management, ISSN : 1979–
0686, Vol.2, No.1 Hal.12–23, Surabaya Februari 2009

| 60 |
Yuvi Andria, Yandra Arkeman, Hendra G. 2009. Optimization
Of Cocodiesel Supply Chain Model Using Genetic
Algorithms. Indonesian Journal of Bioenergy, ISSN :
2085–3963, Vol.1, No.1, Hal.3847, April 2009
Astuti R, Marimin, Machfud, Arkeman Y, Poerwanto R. 2010.
Kebutuhan dan Sruktur Kelembagaan Rantai Pasok Buah
Manggis. Jurnal Manajemen Bisnis, ISSN 1979–2964,
Vol 3 No 1, April 2010, Hal 99–115
Fasika KZ, Arkeman Y, Hartoyo S. 2011. Perancangan Model
Sistem Angkutan Studi Kasus Perum Bulog. Pangan Media
Komunikasi dan Informasi, ISSN 0852-0607, Vol 20 No 3,
September 2011, Hal 223-238
Arkeman Y, Gunawan H, Ayip BS. 2010. Optimization of
Job-Shop Scheduling Problems in Agricultural Product
Processing Machineris Industry Using Genatic Algorithm.
Journal of Information Technology for Natural Resources
Management, ISSN 2086–7980, Vol 1 No 2, November
2010
Arkeman Y, Radityo AD. 2009. Sistem Penunjang Keputusan
Cerdas Untuk Mengelola Rantai Pasokan Pada Agroindustri
Hortikultura. Jurnal Teknologi Industri Pertanian Fateta
IPB, ISSN : 0216–3160, Vol.19, No.3, Hal.152–163,
Bogor Desember 2009
Rika AH, Machfud, Eriyatno, Suryani A, Arkeman Y. 2010.
Model Matematik Sistem Trasformasi Tandan Buah Segar
Pada Rantai Pasok Angoindustri Minyak Sawit Mentah.
Jurnal Teknologi Pertanian Andalas, ISSN : 1410–1920,
Vol.14, No.1, Hal.67–77, Padang Maret 2010
Arkeman Y, Sunarti TC, Irawan S. 2010. Rancang Bangun
Sistem Intelijen Untuk Enterprise Resource Planning
(ERP) Pada Industri Tepung Jagung. Jurnal Manajemen
dan Bisnis, Universita Mercu Buana, ISBN : 1858-3121,
Hal.101–118, Jakarta Juni 2010
| 61 |
Denni A, Djamaran I, Hermawan A, Arkeman Y. 2010.
Pemodelan Kompetensi Jabatan pada Perusahaan
Agroindustri Menggunakan Multi Rater AHP. Jurnal
Teknologi Industri Pertanian ISSN : 0216-3160, Vol.20,
No.2, Agustus 2010
Farida A, Jamaran I, Darwis AA, Syamsu K, Arkeman Y. 2011.
Rancang Bangun Model Scoring Board Agroindustri
Kelapa Sawit Perkebunan BUMN. Forum Pascasarjana
ISSN : 0216-1886, Vol.34, No.3, Hal. 165-172, Bogor Juli
2011
Azmi N, Jamaran I, Arkeman Y, Mangunwidjaja D. 2012.
Perancangan Model Penerimaan dan Evaluasi Pesanan
pada Indusri Kemasan Karton yang Berbasiskan Make to
Order. Jurnal Teknik Industri Fakultas Teknologi Industri
Universitas Trisakti, ISSN : 1411-6340, Vol.2, No.1,
Hal.10–28, Jakarta Maret 2012
Marie IA, Eriyatno, Arkeman Y, Daihani DU. 2012. Penentuan
Jumlah Produksi Menggunakan Model Fuzzy Multi
Objective Linear Programming pada Industri Pangan
(Studi Kasus pada Industri Roti PT. NIC). Jurnal Teknik
Industri Fakultas Teknologi Industri Universitas Trisakti,
ISSN : 1411-6340, Vol.2, No.1, Hal.38–46, Jakarta Maret
2012
Adisalamun, Mangunwidjaja D, Suryani A, Sunarti TC,
Arkeman Y. 2012. Optimasi Proses Produksi Surfaktan
Nonionik Alkil Poligliksida (APG) dengan Metode
Permukaan Respon. Jurnal Teknologi Industri Pertanian
ISSN : 0216-3160, Vol.22, No.1,Hal.51–57, April 2012
Nofialdi, Jamaran I, Manuwoto S, Marimin, Arkeman Y,
Raharja S. 2012. Model Pemilihan Tingkat Teknologi,
Sumber Pembiayaan dan Kelembagaan Usaha dalam
Pengembangan Agroindustri Berbasis Nagari dengan

| 62 |
 Proses Jejaring Analitik. E-Jurnal Agro-Industri Indonesia,
FATETA & AGRIN, ISS : 2252-3324, Vol.1 No.2, Hal.75–
81, Bogor Oktober 2012
Budiman F, Arkeman Y, Kantasubrata J. 2012. Analisis Andal
Hasil Uji Profisiensi untuk Produk Agroindustri. Jurnal
Standardisasi Majalah Ilmiah Standardisasi Pusat Litbang
Standardisasi BSN, ISSN : 237-246, Vol.14, No.03,
Hal.237-246, Jakarta November 2012
Sondari D, Ma’arif MS, Arkeman Y. 2013. Analisis Faktor
yang Mempengaruhi Inovasi Produk Nanoenkapsulasi
Ekstrak Pegagan Sebagai Sedian untuk Mengatasi Selulit.
Jurnal Teknik Industri, ISSN : 1411-6340, Vol.3, No.1,
Hal.54–63, Jakarta Maret 2013
Misgiyarta M. Ma’arif MS, Arkeman Y. 2013. Strategi
Teknologi dan Manajemen Inovasi Industri Tepung Kasava
Fermentsai. Jurnal Teknik Industri, ISSN : 1411-6340,
Vol.3, No.1, Hal.64–77, Jakarta Maret 2013
Zulfiandri M. Ma’arif MS, Arkeman Y. 2013. Inovasi Produk
Agroindustri dari Perspektif Analisis Fungsional contoh
kasus : Telur Asin Aneka Rasa. Jurnal Teknik Industri,
ISSN : 1411-6340, Vol.3, No.1, Hal.78–91, Jakarta Maret
2013
Sarinah M, Ma’arif MS, Arkeman Y. 2013. Kajian Bauran
Pemasaran dan Manajemen Pengetahuan dalam Inovasi
Kabuto Instan. Jurnal Teknik Industri, ISSN : 1411-6340,
Vol.3, No.2, Hal.123–134, Jakarta Juli 2013
Suripto M, Ma’arif MS, Arkeman Y. 2013. Pengembangan
Gula Cair Berbahan Baku Ubi Kayu sebagai Alternatif
Gula Kristal dengan Pendekatan Sistem Inovasi. Jurnal
Teknik Industri, ISSN : 1411-6340, Vol.3, No.2, Hal.147–
157, Jakarta Juli 2013

| 63 |
Trisna , Ma’arif MS, Arkeman Y. 2013. Strategi Pengembangan
Produk Susu Kedelai dengan Penentuan Karakteristik
Produk. Jurnal Teknik Industri, ISSN : 1411-6340, Vol.3,
No.2, Hal.157–168, Jakarta Juli 2013
Septiani W, Ma’arif MS, Arkeman Y. 2013. Manajemen Resiko
Inovasi Produk Olahan Susu Sapi Berdasarkan Tahapan
Proses Manajemen Inovasi. Jurnal Teknik Industri, ISSN :
1411-6340, Vol.3, No.2, Hal.169–178, Jakarta Juli 2013
Arkeman Y, Herlinawati T, Wibawa DS, Adinegoro H. 2015.
Formulating Strategies To Improve Food Safety Of Bakery
Small-Medium Enterprises Through Good Manufacturing
Practice. Jurnal Teknologi Industri Pertanian, Asosiasi
Agroindustri Indonesia dengan Dept. Teknologi Industri
Pertanian IPB; No.ISSN: 0216-3160; Vol.25; No.1; April;
2015; Hal.43–51.
Dewi EM, Arkeman Y, Erliza N, Achsani NA. 2015.
Perancangan Sistem Penunjang Keputusan Intelijen
Untuk Seleksi Konsep Produk Baru Asap Cair Tempurung
Kelapa. Jurnal Teknologi Industri Pertanian, Asosiasi
Agroindustri Indonesia dengan Dept. Teknologi Industri
Pertanian IPB; No.ISSN: 0216-3160; Vol.25; No.2;
Agustus; 2015; Hal.94–106.
Arkeman Y, Dharma RA. 2009. Sistem Penunjang Keputusan
Cerdas Untuk Mengelola Rantai Pasokan Pada Agroindustri
Hortikultura. Jurnal Teknologi Industri Pertanian AAI
bekerjasama dengan Dept,TIP-IPB; No.ISSN: 0216-3160;
Vol.19; No.3; Desember; 2009; Hal.152–163.
Kunandi, Arkeman Y, Maulana A. 2013. Strategi Peningkatan
Produksi Agroindustri Pembenihan Lele di Bogor. Jurnal
Manajemen & Agribisnis, Program Pascasarjana MB-
IPB dengan PERHEPI; No.ISSN: 1693-5853; Vol.10;
No.1; Maret; 2013; Hal.1–10.

| 64 |
Iphov KS, Arkeman Y, Syah D, Marimin. 2014. Analisa
Dan Mitigasi Risiko Rantai Pasok Agroindustri Kakao
Yang Berkelanjutan. Jurnal lndustri Hasil Perkebunan
Kementerian Perindustrian RI; No.ISSN: 1979-0023;
Vol.9; No.2; Desember; 2014; Hal.69–79
Marizka DA, Djatna T, Arkeman Y. 2015. A Model of Green
Value Stream Mapping for Rubber Based Automotive
Products. Scientific Journal of PPI-UKM Indonesian
Student Association from Universiti Kebangsaan Malaysia;
No.ISSN: 2356-2536; Vol.2; No.1; 2015; Hal.17–23.

Makalah dalam Seminar Internasional

Arkeman Y, H Tamura, “Application of Genetic Algorithms to
Solving Multi-objective Scheduling Problems”, Proceedings
of the International Manufacturing Leaders Forum (IMLF) on
Global Competitive Manufacturing, 27th February–2nd March
2005, Adelaide, Australia.
Arkeman Y, H Tamura, “Application of Multiobjective Genetic
Algorithms for Supply Chain Optimization of Bioplastics
Agroindustry”, Proceedings of the First Asian Conference on
Precision Agriculture (FACPA), 4th–7th August 2005, Toyohashi,
Japan.
Arkeman Y, H Tamura, “An Intelligent Decision Support
System for Multiobjective Supply Chain Management of
Agroindustry”, Proceedings of the 3rd International Symposium
on Intelligent Information Technology in Agriculture (ISIITA),
14th–16th October 2005, Beijing, China (pp. 90-95)
Arkeman Y, H Tamura, “Integration of Multi-objective
Genetic Algorithms and Expert Systems for Agroindustrial
System Design”, Proceedings of the First World Congress of
the International Federation for Systems Research (IFSR), 14th
–17th November 2005, Kobe, Japan

| 65 |
Arkeman Y, H Tamura, “Integration of Multi-Objective
Genetic Algorithms and Expert Systems for Optimization of
Supply Chain Management of Agroindustry”, Proceedings of
the Conference on Bio-Engineering (CoBE), 6th–8th December
2005, Putrajaya, Malaysia
Arkeman Y, H Tamura, “An Integrated Methodology for
Solving Multi-objective Optimization Problems based on
Genetic Algorithms and Expert Systems”, Proceedings of
Symposium on Intelligent Information and Communication
Technology, 7 January 2006, Konan University, Kobe, Japan.
Arkeman Y, Marimin, Irawadi, Eriyatno and H. Tamura,
“Integration of Multi-objective Genetic Algorithms and
Fuzzy Logic for Optimization of Agroindustrial Supply Chain
Design”, Proceedings of ISSS Conference, Tokyo Institute of
Technology, August 2007.
Trisna, Marimim, Arkeman Y, Sunarti TC. 2015. “Genetic
Algorithm Based Multi-objective Optimization of Wheat
Flour Supply Chain Considering Raw Material Substitution”,
79-84.0.1109/ICACSIS.2015.7415158.
Arkeman Y, Kenneth De Jong, “Development of Multiobjective
Genetic Algorithms for Agri-Food Supply Chain Design by
Considering Global Climate Change”, Proceeding of AFITA
2010 International Conference, ISBN : 978-979-493-277-3,
hal.203–235, Bogor Oktober 2010
Hermawan P, Y Arkeman. “A Decision Support System for
Palm Oil Based Industrial Planing in Sumatera Economic
Corridor”, Proceedings of Asian Federatiom for Information
Technology in Agriculture / World Conference on Computers in
Agriculture, AFITA/WCCA 2012, Hal.1-13, Taiwan, September
2012
Iphov KS, Y Arkeman, “Design of Cocoa Beans Transportation
Model by Using Fuzzy Integer Transportation, Proceedings of
Asian Federatiom for Information Technology in Agriculture /

| 66 |
World Conference on Computers in Agriculture, AFITA/WCCA
2012, Hal.1-7, Taiwan, September 2012
Hoetomo L, KB Suminar, N Kusnadi, Y Arkeman, “Achieving
Competitive Advantage for Agribusiness Through Supply
Chain Management A System Dynamics Simulation and
SCOR Model Approach”, Proceedings of Asian Federatiom
for Information Technology in Agriculture / World Conference
on Computers in Agriculture, AFITA/WCCA 2012, Hal.1–10,
Taiwan, September 2012
Iphov KS, Arkeman Y, D Syah, Marimin, “Designing Green
Supply Chain Management in Cocoa Agroindustry : Problem
Identification and Profiling”, Proceeding 6th International
Seminar on Industrial Engineering and Management, ISSN:
1978-774x, Vol.6, Hal.SCM.81–89, Batam 2013
Arkeman Y. “SMART-TIN : An Integrated and Intelligent
System For The Design of Adaptive Agroindustry (A
Conceptual Framework)”. Proceedings 2nd International
Conference on Adaptive and Intelligent Agroindustry (ICAIA),
ISSN: 2354-9041, Hal.1-9, Desember 2013
Teja PU, S Ma’arif, YArkeman, L Hartoto. ”Design Of Grouping
Traditional Market Distribution Using Fuzzy Clustering And
Design of Routing of Packaging Cooking Oil From Distribution
Center To Traditional Market Using Traveling Salesperson
Problem– Genetic Algorithm in Indonesia (Case- Jakarta)”,
Proceeding 2nd International Conference on Adaptive and
Intelligent Agroindustry (ICAIA), ISSN: 2354-9041, Hal.29-
43, Desember 2013
Hoetomo L, KB Seminar, N Kusnadi, Y Arkeman, “Design And
Optimization Of Agro-SCM For Food And Energy Security
In Indonesia”, Proceedings 2nd International Conference on
Adaptive and Intelligent Agroindustry (ICAIA), ISSN: 2354-
9041, Hal.73–83, Desember 2013.

| 67 |
Winnie S, Y Arkeman. “Risk Management Model in Dairy
Product Transportation With Fuzzy Logic Approach”,
Proceedings 2nd International Conference on Adaptive and
Intelligent Agroindustry (ICAIA), ISSN: 2354-9041, Hal.131–
141, Desember 2013.
Zulfiandri, Y Arkeman, “Strategy To Increase Institutional
Capacity Of Farmer Groups To Support The Transportation
System Agroindustry Products”, Proceedings 2nd International
Conference on Adaptive and Intelligent Agroindustry (ICAIA),
ISSN: 2354-9041, Hal.142–156, Desember 2013.
APM Basuki, Y Arkeman, Musthofa. “The Design and
Implementation of Geographic Information Systems to Support
Food and Energy Security”, Proceedings 2nd International
Conference on Adaptive and Intelligent Agroindustry (ICAIA),
ISSN: 2354-9041, Hal.181–191, Desember 2013.
Suripto, Yandra Arkeman, “Study Of White Crystal Sugar
Distribution System In Indonesia”, Proceedings 2nd
International Conference on Adaptive and Intelligent
Agroindustry (ICAIA), ISSN: 2354-9041, Hal.192–199,
Desember 2013
Indra Jaya Kelana, Agus Buono, Yandra Arkeman,
“Precipitation Classification Using LVQ on Dry Season Based
on Global Climate Indices Case Study in Indramayu District”,
Proceedings of 2nd International Conference on Adaptive and
Intelligent Agroindustry (ICAIA), ISSN: 2354-9041, Hal.220–
225, Desember 2013.
AA Gede Rai Gunawan, S Nurdiati, Y Arkeman, “Wood
Identification Type by Using Support Vector Machine –
Based Image”, Proceedings 2nd International Conference on
Adaptive and Intelligent Agroindustry (ICAIA), ISSN: 2354-
9041, Hal.220–225, Desember 2013
J Ratono, KB Seminar, Arkeman Y, AI Suroso, “The Application

| 68 |
of Fuzzy-Neuro Approach for ERP System Selection: Case
Study on an Agro-industrial Enterprise”, Proceedings of 2015
3rd International Conference on Adaptive and Intelligent
Agroindustry (ICAIA); No.ISBN: 978-1-4673-7404-0;
Agustus; 2015; Hal.367–373.
TP Utami, MS Ma’arif, Arkeman Y, “Fuzzy Clustering
in Grouping Traditional Market Distribution and Genetic
Algorithm Application in Routing of Packed Cooking Oil
Distribution”, Proceedings of International Conference On
Agricultural Postharvest Handling and Processing; No.ISBN:
978-979-1116-38-1; 2013; Hal.669–686.
KB Seminar, Arkeman Y, RJ Lahay, “An Intelligent System
For Early Detection of Food Crisis And Spatial-Based Decision
Making of Potential Land Evaluation For Food Production”,
Proceedings of the 9th Conference of the Asian Federation
for Information Technology in Agriculture “ICT’s for future
Economic and Sustainable Agricultural Systems ; No.ISBN:
978-0-646-92873-9; September; 2014; Hal.414–423.

Seminar Nasional
Yandra Arkeman, Taufik Djatna, Zafira Kanara, “Sistem
Bisnis Cerdas Berbasis Internet (Intelligent E-business) untuk
Agroindustri Kelapa Berorientasi Ekspor”, Prosiding Seminar
Nasional Informatika Pertanian 2011, Fakultas Teknologi
Industri Pertanian UNPAD; No.ISBN: 978-979-16972-3-1;
2011; Hal.244–266.
H Prasetya, T Djatna, Arkeman Y. “Transportation Network
Analysis to Support Palm Oil Based Industri Development in
Sumatera Economic Corridor”, Prosiding Seminar Akselerasi
Inovasi Industri Kelapa Sawit untuk Meningkatkan Daya
Saing Global, ISBN : 978-979-96096-9-4, Hal.355–364,
Bogor 2012

| 69 |
Keikutsertaan dalam Organisasi Keilmuan atau
Organisasi Profesi
No. Nama Organisasi Kurun Waktu Jabatan
1 Grup Riset CIGARIS 2003–sekarang Pendiri dan
(Computational Intelligence Ketua
Group for Advanced
Research and Innovations
in Supercomputing
Technology
2 Dekindo (Dewan Kelapa 2007–sekarang Ketua Divisi
Indonesia) Data dan Sistem
Informasi
3 Riset Grup CEALS 2014–sekarang Pendiri dan
(Center of Excellence for Kepala
Agroindustrial Logistic and
Supply Chain Management)
4 ISLI (Institute Supply Chain 2017–sekarang Anggota
Logistic Indonesia)
5 Riset Grup Brain (Block 2018–sekarang Pendiri dan
Chain, Robotics, and Ketua
Artificial Intelligence
Network)

| 70 |