QEA - Precix 2022 PreciX - Rev

PUPUK INDONESIA INNOVATION DAY 2022
TRANSFORMASI DIGITAL MENUJU PRECISION FARMING

DENGAN PEMANFAATAN TEKNOLOGI KAMERA MULTISPEKTRAL
PADA TANAMAN PADI
KOMPARTEMEN IFRI DAN TI

PT PUPUK INDONESIA (PERSERO)
2022
1
Ringkasan Improvement / Inovasi
Tema/ Transformasi Digital menuju Precision Farming dengan Pemanfaatan Teknologi Kamera
Judul: Multispektral pada Tanaman Padi.
Masalah : Penggunaan pupuk tidak sesuai kebutuhan tanaman dan kondisi lahan.
Dampak 1. Produktivitas tanaman pangan khususnya padi nasional masih ada gap (peluang) untuk
Masalah: ditingkatkan.
2. Pencemaran lingkungan (air dan udara) akibat pelepasan gas rumah kaca (CO2 dan N2O)
dari pupuk.
Penyebab Belum tersedia sistem rekomendasi pemupukan yang efektif dan efisien berbasis prediksi
Utama: unsur hara secara real time.
Solusi: Penggunaan sistem rekomendasi pemupukan berbasis teknologi kamera multispektral.
Dampak/ Q: Prediksi unsur hara makro dengan akurasi minimal 85 % yang dapat merepresentasikan
Hasil luasan yang besar sebagai basis rekomendasi pemupukan dengan implikasi peningkatan
Solusi: produktivitas padi sebesar 15 % (GKP)
C: Penghematan biaya analisis tanah yang biasanya dilakukan secara konvensional di
laboratorium
D: Prediksi unsur hara dan rekomendasi pemupukan dapat dilakukan real time
S: Reduksi emisi gas rumah kaca karena pemakaian pupuk yang tepat dosis
M: Citra perusahaan sebagai green company dan engagement petani terhadap produk PI
Grup
Prestasi/ Reduksi emisi gas rumah kaca karena pemanfaatan pupuk yang tepat dosis pada tanaman.
Dampak- Hal ini berimplikasi pada lingkungan udara sekitar yang lebih bersih.
lainnya:
Nama Tim PRECI-X Jumlah Personil 6 orang

Asal Oganisasi IFRI, TI, Riset CoE (PSP) dan Aerotek
Tim Gugus
Fasilitator : Surahmad WIji Widodo
Produk dan Bidang Produk inovasi yang dikembangkan Pupuk Indonesia berfokus pada penggunaan
Usaha teknologi berbasis 4.0 untuk memberikan rekomendasi nutrisi tanaman yang efisien
Perusahaan sehingga dapat meningkatkan produktivitas tanaman.
Lingkup Kerja • Tim inovasi merupakan gabungan tim riset dan tim teknologi informasi Pupuk
Personil Indonesia dengan support secara operasional oleh tim riset PSP dan PKC. Tim
bertugas mengembangkan sistem rekomendasi pemupukan untuk padi dengan
teknologi drone (kamera multispektral).
• Selain itu, Tim inovasi juga melibatkan mitra eksternal dengan expertise dalam
teknologi drone dan citra kamera multi spektral.
2
Struktur Organisasi
Dokumentasi Inovasi / Improvement
Lahan Padi Metode Konvensional Lahan Padi Basis Teknologi Pertanian Presisi
Diagram Proses
Jadwal Aktifitas Perbaikan (P/A)
3
LANGKAH 1 : MENENTUKAN AKTIFITAS
1.1. Identifikasi Masalah/Peluang

Tanaman padi sebagai tanaman penghasil beras menjadi komoditas yang sangat penting bagi Indonesia.
Ketersediaan beras bagi masyarakat merupakan faktor penting untuk ketahanan nasional, keamanan, dan
stabilitas pemerintahan. Oleh sebab itu padi bukan hanya penting sebagai komoditas pangan, tetapi juga
penting sebagai komoditas strategis sehingga menjadi fokus dari tim gugus. Beberapa permasalahan yang
dihadapi terkait komoditas padi ini tertuang pada tabel masalah di bawah ini.
Tabel Identifikasi Masalah
No Jenis Masalah/Peluang Rerata per tahun Keterangan

1 Penurunan produktivitas lahan 0,71% BPS: 2018-2021
pertanian padi nasional
2 Penurunan luas lahan panen padi 4,32% BPS: 2018-2021

nasional
3 Kenaikan kebutuhan pupuk untuk 19,8% BBSDLP: 2000 & 2010

tanaman padi nasional
1.2. Stratifikasi Masalah/Peluang
Identifikasi Masalah/
Analisa Masalah/ Peluang
Peluang
Penurunan produktivitas lahan • Penurunan produktivitas lahan padi sangat dipengaruhi oleh
padi sekitar 0,71% per tahun. efektifitas pemupukan dimana penentuan kebutuhan pupuk
disesuaikan dengan kebutuhan tanaman dan kondisi/ketersediaan
unsur di lahan.
• Saat ini penentuan dosis masih berbasis target panen dan
kemampuan petani, kualitatif dan jarang digunakan.
• Masalah ketiga berpotensi dapat tim gugus selesaikan dengan
mengkaji alternatif solusi terbaik.
1.3. Analisis Dampak Masalah/Peluang Jika tidak diambil
Konsumsi pangan terutama beras secara nasional mempunyai tren yang terus meningkat dari tahun ke tahun.
Data tersebut berkorelasi dengan tren jumlah penduduk
Indonesia yang mengalami peningkatan. Namun hal ini
tidak sejalan dengan tren produksi padi secara nasional
yang mengalami penurunan. Masalah penurunan
produksi padi maupun produktivitas lahan padi setiap
tahunnya wajib segera diatasi untuk menjamin
ketahanan pangan nasional. Perusahaan perlu
berperan aktif untuk membantu pemecahan masalah
tersebut.
Selain berdampak pada ketahanan pangan nasional,
masalah penurunan produktivitas lahan jika tidak
4
diatasi akan mendorong petani untuk terus menambah penggunaan pupuk yang akan mempercepat degradasi
kesuburan lahan pertanian. Penggunaan pupuk yang berlebih dengan tidak diimbangi dengan peningkatan
produktivitas akan semakin menurunkan tingkat keekonomian usaha tani. Kesejahteraan petani pun semakin
terpuruk.
1.4. Menetapkan Tema

Salah satu visi PT Pupuk Indonesia (PI) adalah menjadi perusahaan agrosolusi yang memberikan solusi bagi
pertanian khususnya di Negara Indonesia. Visi ini merupakan jawaban atas tantangan sekaligus tugas yang
diberikan oleh Pemerintah Indonesia kepada PT. Pupuk Indonesia dalam mewujudkan visi negara yaitu
kemandirian pangan. Selain itu dalam 1 (satu) dekade terakhir, isu lingkungan berupa pencemaran air di area
pertanian dan pemanasan global sebagai akibat dari pemakaian pupuk yang tidak tepat (berlebih) juga menjadi
driver yang semakin mendorong kebutuhan pertanian nasional akan solusi pertanian sehingga dampak negatif
lingkungan tersebut dapat dikendalikan.
Dalam penerapan GAP (Good Agricultural Practice) untuk mencapai tujuan di atas, penggunaan teknologi dapat
memberikan informasi terkait pertanian secara update, akurat, dan cepat. Oleh karena itu, dalam makalah ini
tema yang diangkat adalah “Transformasi Digital Menuju Precision Farming dengan Pemanfaatan
Teknologi Kamera Multispektral Pada Tanaman Padi”. Tema ini sangat relevan dalam menopang 5 pilar
strategis Transformasi Bisnis perusahaan terkait R&D Driven dan Customer Centric Model. Kegiatan riset yang
dilakukan merupakan salah satu target KPI Direksi dengan parameter evaluasi terkait implikasi pemanfaatan
sistem rekomendasi pemupukan dengan kamera multispektral untuk meningkatkan produktivitas tanaman padi
1.5. Analisis Harapan Tema

Masalah / Peluang No Dampak Masalah Harapan tema
Penurunan produktivitas 1 Ketahanan pangan Perusahaan mampu memberikan solusi dan
lahan padi sekitar 0,71% tidak terjamin layanan agrosolusi terintegrasi yang
per tahun. mendukung ketahanan pangan bangsa
Indonesia
2 Rendahnya pendapatan Penggunaan saprodi terutama pupuk yang

petani presisi akan mengefisienkan biaya produksi
3 Pemupukan berlebihan Penerapan pertanian presisi dapat

memberikan dosis pemupukan terbaik yang
dapat meningkatkan provitas dan
mengurangi potensi degradasi lahan
pertanian.
1.6. Menentukan Sasaran Tema
Aspek Mutu Kondisi Saat Ini Sasaran

Quality Adanya tren penurunan produktivitas tanaman Peningkatan produktivitas tanaman
padi. padi mencapai 15%.
Cost Tingginya biaya produksi tanaman padi Efisiensi biaya produksi tanaman padi
(pemupukan berlebihan serta mahalnya analisa berdasarkan RC/BC ratio
tanah kuantitatif).
Delivery Prediksi unsur hara dan rekomendasi Prediksi unsur hara dan rekomendasi
pemupukan membutuhkan waktu paling cepat 7 pemupukan secara real time.
hari kerja.
H/S/S/E Potensi tingginya pencemaran lingkungan Reduksi emisi gas rumah kaca karena
karena pemupukan berlebih (emisi gas rumah pemupukan yang presisi
kaca)
Morale Rendahnya keyakinan dalam menerapkan Peningkatan keyakinan dalam
rekomendasi pemupukan. menerapkan rekomendasi
pemupukan dan mendukung
pertanian berkelanjutan karena
pemupukan lebih presisi.
5
1.7. Pengesahan Aktifitas
tar Pimpinan:
Tanda tangan: Tanda tangan:
Tanggal: 24 September 2021 Tanggal: 24 September 2021

Surahmad Wiji Widodo Syawaluddin Akbar
(SVP IFRI – Fasilitator) (Staf Riset Teknologi – Ketua)
6
LANGKAH 2 : ANALISIS MASALAH / PELUANG
2.1 Melakukan Tinjauan Kondisi Aktual

Untuk meningkatkan produktivitas padi diperlukan salah satunya rekomendasi pemupukan yang tepat
dosis. Praktek yang umum dilakukan saat ini dalam menentukan atau merekomendasikan penggunaan
(dosis) pupuk pada pertanian padi (lahan sawah) kurang lebih diilustrasikan pada gambar dibawah. User
dalam hal ini mencakup tim Pemasaran, tim Makmur maupun kelompok tani padi terlebih dahulu
menyampaikan permintaan untuk pembuatan rekomendasi pemupukan. Selanjutnya dilakukan
pengambilan sampel tanah pada lahan sawah yang dimaksud. Sampel kemudian dibawa ke lab pengujian,
untuk dilakukan preparasi sampel dan dilakukan analisa tanah. Hasil analisa dari sampel tanah yang
diperoleh selanjutnya dievaluasi oleh agronomis dan dijadikan referensi untuk menentukan rekomendasi
pemupukan.
Secara umum kegiatan diatas dapat diandalkan untuk mendukung pertanian yang lebih presisi pada lahan
sawah, namun masih terdapat beberapa kekurangan yang ditemui, antara lain adalah:
- Membutuhkan waktu yang cukup lama

Kegiatan sampling tanah membutuhkan petugas untuk pergi ke lokasi. Sampling tanah juga harus
dilakukan di banyak titik untuk mendapat sampel yang mewakili. Proses preparasi sampel dan analisa
juga membutuhkan waktu yang tidak sebentar. Khususnya untuk sampel tanah lahan sawah, perlu
dilakukan proses pengeringan yang cukup memakan waktu. Ditambah lagi jika terdapat banyak
sampel dalam antrian pengujian di laboratorium.
- Membutuhkan biaya yang cukup tinggi

Sampling tanah dan analisa di lab membutuhkan manpower yang cukup tinggi. Selain itu pengujian
sampel tanah di laboratorium untuk parameter N, P, K dan pH biaya yang diperlukan rata-rata antara
300 s/d 500 ribu rupiah per sampel. Jika merujuk pada rekomendasi satu sampel mewakili 1 hektar,
maka kebutuhan biaya kan meningkat sesuai luasan lahan yang akan dipupuk.
- Cakupan yang tidak terlalu luas

Adanya keterbatasan dari factor waktu dan biaya pada akhirnya menyebabkan proses tersebut tidak
dapat diaplikasikan dalam cakupan yang luas. Dari sisi geografis juga memberikan hambatan,
misalnya pada daerah-daerah yang jauh dari lokasi laboratorium.
Hambatan-hambatan diatas membuat user akhirnya tidak mendapat rekomendasi pemupukan yang
sesuai dan akhirnya melakukan pemupukan berdasarkan kebiasaan yang mereka lakukan. Aplikasi
pemupukan menjadi tidak efektif, dimana pupuk terlalu banyak diberikan namun penyerapan nya rendah
dan banyak terbuang ke lingkungan. Hal tersebut mengakibatkan permasalahan penurunan produktivitas
padi dan peningkatan pencemaran lingkungan.
7
Salah satu alternatif yang sudah dilakukan adalah dengan pengoperasian mobil uji tanah yang dilengkapi
dengan perangkat pengujian tanah PUTK/PUTS. Mobil uji tanah diharapkan dapat memperluas area yang
dapat dicover, namun pada kenyataannya masih terhambat oleh kondisi geografis dan kondisi jalan
dilapangan. Alat PUTK/PUTS memang dapat mempercepat dan menurunkan biaya analisa tanah, namun
output yang dihasilkan berupa data kualitatif (tinggi, sedang, rendah) yang pada batas tertentu kurang
memadahi untuk mendukung precision farming.
Oleh karena itu, dibutuhkan pengembangan tertentu sehingga kegiatan pengujian tanah untuk
menentukan rekomendasi pemupukan untuk menerapkan precision farming dapat lebih efektif dan efisien
khususnya pada pertanian padi.
Jika terdapat suatu inovasi yang dapat mengatasi permasalahan tersebut, maka diharapkan produksi padi
dapat meningkat dan pencemaran lingkungan dapat berkurang.
2.2 Memetakan Hubungan Sebab Akibat Terhadap Masalah / Peluang
2.3 Menentukan Kemungkinan Akar Penyebab

Tabel Faktor dan Kemungkinan Akar Penyebab Masalah
No Faktor Akar Penyebab Masalah

1 Alat • Belum ada aplikasi perhitungan rekomendasi pemupukan real time
• Minimnya peralatan penunjang aplikasi
2 Metode • Kesulitan dalam analisa tanah kuantitatif
• Masih rendahnya mekanisasi pasca panen
• Urea mempunyai volatilisasi tinggi
3 Manusia • Kurangnya pemahaman analisa usaha tani
• Wawasan petani terhadap pola pemupukan spesifik minim
4 Material • Kurangnya sosialisasi pupuk organik
• Panjangnya proses produksi benih
5 Lingkungan • Resistensi pestisida
• El Nino dan La Nina
2.4 Mengumpulkan fakta & data akar penyebab

Berdasarkan hasil angket NGT (Nominal Group Technique) pada lampiran, dapat dihitung bahwa indeks
NGT-nya adalah 11 sehingga akar penyebab diduga dominan yang dilakukan analisa lebih lanjut [(1/2 x (1+
N) = 6)] dari ranking 1 sampai 6 pada indeks NGT. Akar penyebab diduga dominan sebagai berikut:
8
Tabel Verifikasi Akar Penyebab Masalah
Akar Penyebab Korelasi

No Standar Verifikasi
Masalah
Belum ada aplikasi Tersedia aplikasi rekomendasi Dominan
Saat ini ada aplikasi
perhitungan rekomendasi pemupukan tanaman pangan
rekomendasi pemupukan
1 pemupukan tanaman (khususnya padi) yang real time
tapi manual dan tidak real
pangan (khususnya padi) yang dapat digunakan tenaga
time
yang real time lapangan/petani.
Saat ini petani/tenaga Dominan
Petani/tenaga lapangan dapat lapangan kesulitan (butuh
Kesulitan dalam analisa
2 melakukan analisa tanah waktu cukup lama dan biaya
tanah kuantitatif
dengan mudah, tepat dan cepat relative mahal) dalam
mendapatkan Analisa tanah
Tingkat volatile (losses) urea Dominan
Tingkat volatile (losses) urea
tidak dikontrol karena
Urea mempunyai dapat dikontrol dengan
3 penggunaan pupuk
volatilisasi tinggi pengaturan dosis sesuai
cenderung tidak tepat dosis
kebutuhan
(over)
Wawasan petani Sosialisasi dilakukan secara Edukasi petani dilakukan Tidak
terhadap pola intensive kepada petani terkait oleh kementerian melalui dominan
4
pemupukan spesifik budidaya tanaman termasuk tenaga PPL sudah massive
minim penggunaaan dosis tepat dilakukan.
Petani menggunakan Terdapat program bantuan Tidak
Masih rendahnya mekanisasi pasca panen untuk pemerintah untuk mekanisasi dominan
5
mekanisasi pasca panen mengurangi potensi losses pasca pertanian yang cukup
panen massive di daerah
Petani memiliki akses terhadap Petani sangat berpeluang Tidak
Minimnya peralatan
6 peralatan penunjang untuk mengakses peralatan dominan
penunjang aplikasi
keberhasilan panen/pertanian penunjang/pertanian
Kesimpulan
Berdasarkan table verifikasi akar penyebab masalah di atas, maka disimpulkan bahwa akar penyebab
masalah yang paling dominan adalah belum adanya aplikasi rekomendasi pemupukan yang real time untuk
memudahkan petani dalam menetapkan dosis pupuk sesuai kebutuhan tanaman.
9
LANGKAH 3 : ANALISIS SOLUSI
3.1. Melakukan Studi Literatur Terkait Tema

Pada saat pupuk diaplikasi ke lahan, maka akan terjadi
proses nutrient uptake dan nutrient losses. Penyerapan
sejumlah nutrisi atau nutrient uptake oleh tanaman hanya
sekitar 50%. Sisa butrisi akan terlepas ke lingkungan atau
nutrient losses melalui mekanisme leaching atau larut
terbawa air dan volatilisasi atau penguapan. Pemakaian
pupuk sesuai dosis merupakan cara preventif untuk
mengurangi potensi kehilangan nutrisi yang terlepas ke
lingkungan.
Dengan adanya proses nutrient losses tersebut, maka

penggunaan pupuk yang tidak sesuai dengan kebutuhan
tanaman akan memiliki dampak terhadap produktifitas
lahan dan pencemaran lingkungan.
a. Aspek Produktifitas Lahan (Dampak Utama)
Setiap jenis tanaman memiliki kebutuhan akan unsur hara yang berbeda-beda. Selain itu, variasi lahan
seperti kondisi geologi, cuaca, dan aktifitas pertanian juga akan mempengaruhi tingkat ketersediaan
unsur hara alami di lahan. Sehingga kebutuhan pupuk yang berasal dari aktifitas pemupukan (agro input)
memang bersifat spesifik baik dari sisi komoditas maupun lahan. Pemberian pupuk tidak sesuai
kebutuhan tanaman, maka akan berpotensi terjadinya kekurangan nutrisi sehingga produktifitas lahan
akan rendah. Sebaliknya jika terjadi kelebihan penggunaan pupuk, maka akan menambah biaya
pertanian.
b. Aspek Lingkungan (Dampak Lain)
Dampak lain penggunaan pupuk tidak sesuai kebutuhan (berlebih) adalah meningkatkan potensi
nutrient losses. Akumulasi pelepasan gas turunan Nitrogen (N 2O dan NOx) akan berdampak pada
pemanasan suhu lingkungan global dan perubahan cuaca. Hal ini tentunya akan semakin mempersulit
petani dala menentukan kegiatan pertanian seperti aktivitas tanam dan pemupukan. Selain itu adanya
bencana alam yang mengancam tidak hanya pertanian tetapi juga akan mengancam kestabilan
ekosistem.
3.2. Membuat Daftar Alternatif Solusi

• Prediksi unsur hara:
1. Pembuatan sistem prediksi unsur hara berbasis citra satelit
2. Pembuatan sistem prediksi unsur hara berbasis kamera multispectral
3. Pembuatan sistem prediksi unsur hara berbasis uji tanah (PUTS)
4. Pembuatan sistem prediksi unsur hara berbasis transducer
• Sistem rekomendasi pemupukan:
1. Pengembangan internal
2. Pengembangan bersama pihak ketiga
3.3. Menetapkan Kriteria Pemilihan Alternatif Solusi

Solusi dipilih dengan mempertimbangkan kriteria sebagai berikut:
• Prediksi unsur hara : Biaya implementasi di lapangan, tingkat akurasi, skalabilitas, kepraktisan,
waktu akuisisi data
• Sistem rekomendasi pemupukan: Biaya, kemampuan sumber daya, waktu pengembangan
10
3.4. Menganalisis Alternatif Solusi
Tabel Komparasi Manfaat
Kriteria Pemilihan Solusi
Akar Penyebab Ide/ Alt. Solusi Waktu Pilihan
Biaya Akurasi Skalabilitas Kepraktisan
Belum tersedia Pembuatan Mahal, citra Sedang Mudah Praktis Cepat Pembuatan
aplikasi sistem prediksi satelit namun diimplementasi sistem
rekomendasi unsur hara terupdate tergantung pada area yang rekomendasi
pemupukan berbasis citra disediakan cuaca dan luas pemupukan
berbasi satelit pihak ketiga variasi lahan berbasis prediksi
prediksi unsur dengan harga unsur hara
hara resolusi yang relative dengan teknologi
tinggi untuk mahal kamera
luasan yang Pembuatan Sedang, Sedang Mudah Praktis Cepat multispectral
besar secara sistem kamera dapat diimplementasi
real time rekomendasi digunakan pada area
pemupukan berulang kali yang luas
berbasis prediksi dan dipasang
unsur hara pada drone,
dengan teknologi mudah
kamera mereplikasi
multispectral sistem
Pembuatan Relatif lebih Relatif lebih Memerlukan Praktis, namun Cepat
sistem prediksi murah tinggi sumber daya perlu
unsur hara dibandingkan dibandingkan yang besar dilakukan uji
berbasis citra citra untuk area variasi lahan
tranducer satelit/kamera satelit/kamera yang luas
multi spectral multi spectral
Pembuatan Murah, sedang Memerlukan Tidak praktis Lama
sistem prediksi memerlukan sumber daya (min 7
unsur hara perangkat uji yang besar hari)
berbasis uji tanah tanah untuk area
yang luas
3.5. Menetapkan Solusi Terbaik
No Solusi Terpilih Keterangan (Deskripsi Solusi)

Pembuatan sistem Kamera multispectral yang terpasang pada drone dapat mengambil citra
rekomendasi pemupukan lahan yang luas namun up to date dan dapat digunakan berulang kali.
berbasis prediksi unsur hara Untuk skala lahan yang luas, penggunaan drone lebih efektif, efisien dan
dengan teknologi kamera lebih murah dibanding prediksi dengan uji tanah. Pengembangan sistem
1
multispectral rekomendasi pemupukan akan dibantu oleh pihak ketiga yang memiliki
pengetahuan terkait pengolahan data multispectral dan rekomendasi
pemupukan dengan pendampingan tim IFRI dan TI internal Pupuk
Indonesia
3.6. Merencanakan Tindakan Pencegahan dan Penanggulangan Terhadap Risiko Terhadap Solusi
Tingkat Mitigasi Risiko

Solusi Penyebab Risiko Nilai Risiko Risiko
No Risiko
Terpilih (H-M-L)
L C LXC
Pembuatan Performance Variasi lahan seperti Performance model
sistem model jenis varietas dioptimalkan dengan
rekomendasi prediksi tanaman, umur memperbanyak data
pemupukan tidak sesuai tanaman, pola 2 4 8 M (pengambilan sample
berbasis target pertanian secara multisite dan multi
prediksi temporal)
unsur hara Personil di PI tidak • Training untuk key user
dengan memiliki kemampuan
1 terkait pemakaian dan
teknologi untuk program yang dibangun.
kamera mengembangkan
multispectral system di kemudian • Konsultan
1 5 5 M
hari jika kebutuhan dipersyaratkan untuk
bertambah/spesifikasi membuat dokumentasi
berubah sistem dan source code
yang terbaca.
11
3.7. Memahami Pengaruh Solusi Terhadap Pihak Terkait
1. Pembuatan sistem rekomendasi pemupukan berbasis prediksi unsur hara dengan teknologi kamera
multispectral:
a. Operator perlu memiliki keahlian dan lisensi menerbangkan drone sebagai media peletakan
kamera.
b. PI dan Anper perlu menyiapkan infrastruktur yang diperlukan dalam implementasi di masing-masing
perusahaan.
c. Dengan adanya preciX, pihak terkait (Pemasaran, Tim Agrosolusi) memiliki additional tools untuk
mempermudah pengenalan/penjualan produk.
2. Sistem dibangun oleh pihak ketiga :
a. Staf IFRI & TI perlu mengawal pengembangan sistem termasuk mempelajari metode-metode yang
digunakan konsultan agar dapat mengembangkan sistem mandiri di masa mendatang.
b. Adanya Kerjasama dengan pihak eksternal (local) merupakan sinergi yang bagus antara BUMN
dan masyarakat.
12
LANGKAH 4 : MERENCANAKAN PERBAIKAN
4.1 Menyusun Rencana Perbaikan (5W+2H)
Secara umum, pengembangan sistem rekomendasi pemupukan akan dilakukan dalam 3 tahap besar yaitu:
• Konstruksi model dengan melibatkan tenaga ahli dengan pengalaman membangun model yang sejenis
• Validasi dan uji akurasi model prediksi unsur hara dan rekomendasi pemupukan yang telah
dikembangkan
• Integrasi dan implementasi model prediksi unsur hara yang telah di validasi untuk target akurasi unsur
hara minimal 85 %
Tabel 5W+2H Rencana Inovasi
What Why When, Where, Who How How Much
Konstruksi Belum terdapat Kegiatan konstruksi model • Pengambilan sample Tahap 1:

model estimasi dilakukan mulai pada M3 tanah dan daun padi. 30 sample tanah
unsur hara untuk Desember 2021 di lahan padi • Pengambilan data Tahap 2:
perhitungan milik PT. SHS (Subang) oleh Tim lahan dengan kamera 30 sample tanah +
rekomendasi Gugus dan Mitra multispectral yang 30 sample daun
pemupukan diattached di drone.
• Menyusun model Cost : Rp 250 jt
matematika dengan
basis data tanah dan
daun.
Validasi Model yang Kegiatan validasi model • Pengambilan sample Multi site:
terbentuk perlu dilakukan secara multi lokasi tanah dan daun. 60 sample tanah +
diuji validasi (M1-M2 April 2022) dan multi • Pengambilan data lahan 30 sample daun
temporal (M2 Mei 2022) di 3 dengan kamera Multi temporal:
lahan padi yaitu lahan PT. SHS multispectral yang 60 sample tanah +
(Subang), Lahan petani di diattached di drone. 60 sample daun
Purworejo dan Sragen oleh Tim • Penyempurnaan model
Gugus dan Mitra matematika dengan Cost: Rp 250 jt
data update (tanah dan
daun).
Implementasi Implementasi Kegiatan implementasi dilakukan • Pembuatan apliaksi Cost: Rp 225 jt
system pada Bulan Juni 2022 di Wilayah berbasis web
rekomendasi Kerja Tim dan Mitra dengan • Melakukan uji aplikasi
pemupukan akan membuat aplikasi digital untuk web untuk menjadi
lebih mudah dan memudahkan implementasi bagian akuisisi data
fleksible secara luas
digunakan jika
dalam bentuk
aplikasi digital
13
4.2 Merancanakan Tindakan Pencegahan Terhadap Risiko Solusi
Tingkat Preventive action Contigency Plan

No Solusi Risiko Penyebab Risiko Risiko
(H-M-L)
Pembuatan Performance Variasi lahan seperti Performance model Penyempurnaan
sistem model jenis varietas dioptimalkan dengan model
rekomendasi prediksi tanaman, umur memperbanyak data menggunakan
pemupukan tidak sesuai tanaman, pola M (pengambilan sample machine
berbasis target pertanian secara multisite dan learning yang
prediksi multi temporal) lebih kompleks
unsur hara Personil di PI tidak • Training untuk key • Rekrutmen
dengan memiliki kemampuan
teknologi user baik terkait tenaga ahli
untuk pemakaian maupun namun bersifat
kamera mengembangkan
1 multispectral program yang kontrak proyek
system di kemudian
hari jika kebutuhan dibangun. sekaligus
bertambah/spesifikasi sebagai media
berubah M • Konsultan transfer
dipersyaratkan knowledge
untuk membuat
dokumentasi sistem
dan source code
yang terbaca.
4.3 Pengesahan Modeling & Analisasi Kelayakan
Komentar Pimpinan:
Tanggal: 28 Desember 2021 Tanggal: 28 Desember 2021

14
LANGKAH 5 : MENERAPKAN RENCANA PERBAIKAN
5.1. Mempersiapkan Kompetensi Pelaksana

Untuk memastikan proyek pengembangan sistem pendugaan unsur hara berbasis kamera
multispectral dan sistem rekomendasi pemupukannya dapat berjalan sesuai dengan target yang
diinginkan, Tim telah menetapkan beberapa kriteria utama kompetensi SDM yang harus yang
terlibat dalam proyek antara lain:
KRITERIA
DESKRIPSI KOMPETENSI
KOMPETENSI
1. DSS Expert Mampu menganalisis data lahan pertanian mencakup analisis regresi
hubungan antara index warna versus data analisa lab sesuai koordinat
menggunakan supervised machine learning
2. Soil Science Mampu menganalisa kondisi/variasi lahan dikaitkan dengan hasil
pencitraan
3. GIS & UAV Expert • Mampu membuat file orthomosaic dan melakukan ekstraksi data
tersebut menjadi beberapa data index multi spectral
• Mampu mengambil data menggunakan drone yang dilengkapi
kamera RGB & NIR termasuk merancang jalur terbang sesuai target
4. Agronomist Mampu melakukan kegiatan field di lahan termasuk penentuan titik
sampling tanah dan daun pengambilan samplenya,
5. IT Membuat system aplikasi rekomendasi pemupukan
6. Quality Assurance Memiliki kemampuan dan pengalaman dalam validasi kegiatan riset
serta uji coba pemodelan/aplikasi
5.2. Menerapkan Rencana Peningkatan
a. Akuisisi Data Spasial dan Spektral Awal

Pelaksanaan pengambilan data awal dilakukan di lahan uji coba kolaborasi riset klaster pupuk dan
pangan areal Sukamandi seluas 3 Ha pada M2 Desember 2022 yang mencakup data citra kamera
dan analisa lab terhadap 30 sample tanah.
b. Pengembangan Model Estimasi Awal Berbasis Drone

Hasil photo lahan berupa file gambar dikonversi menjadi gambar orthomosaic untuk kemudian
dilakukan pengolahan data dengan ArcGis untuk diperoleh indeks dari tiap parameter pengecekan
yaitu unsur N, P, dan K. Tiap parameter unsur memiliki beberapa indeks dari pengolahan ArcGis
yaitu:
Indeks Formula Deskripsi
Brightness Index (BI) ((R2+G2+B2)/3)0.5 Refleksi kecerahan tanah
Coloration Index (CI) (R-G)/(R+G) Warna merah
Redness Index (RI) R2/(B*G3) Refleksi Hematit
Normalized Difference Vegetation Index (NIR-R)/(NIR+R) Refleksi kehijauan
(NDVI) vegetasi
15
Selanjutnya dilakukan analisis regresi untuk mengetahui hubungan antara indeks dari kamera multi
spectral dengan kandungan unsur hara tanah dari analisa laboratorium. Jenis model regresi terpilih
yang digunakan untuk menguji korelasi data yaitu linear (Y = a+bX), power (Y = aXb), dan
eksponensial (Y=aebX). Huruf Y merupakan kadar unsur dalam tanah, a dan b merupakan fit
parameter, e merupakan bilangan euler (2,71828), dan X merupakan indeks tiap unsur sebagai
prediktor.
c. Pengujian Akurasi & Reliabilitas Multiple Site dan Temporal
Pengujian akurasi & reliabilitas dilakukan pada model konstruksi yang masih memiliki keakuratan
sekitar 79% dengan target keakuratan pasca validasi > 85%. Uji multilokasi dan multi temporal
dilakukan di Purworejo, Sragen dan Subang. Tujuan validasi ini adalah untuk menguji formula
eksisting dengan input data dari lahan yang memiliki variasi berbeda seperti geologi tanah dan
kebiasaan petani. Dengan uji validasi ini diharapkan dapat diperoleh formula yang lebih baik dan
bersifat general (untuk semua jenis lahan) ataupun spesifik jenis lahan.
Akuisisi data sampel tanah dan spectral secara multilokasi
16
d. Build Digital Apps
Aplikasi telah dibangun dengan spesiikasi

sebagai berikut,
1. Tampilan data profile lahan (pemilik,
luas, lokasi), peta atau distribusi unsur
hara lahan, rekomendasi pemupukan.
2. Mendukung browser Microsoft Edge,
Safari, Mozill Firexfox, serta Google
Chrome.
3. Basis Open Source
4. Database Postgresql
5. WEB GIS dinamis basis data raster
lahan, shapefile lokasi, titik kooordinat
5.3. Memantau dan Mengukur Hasil Progres Peningkatan
Pengujian secara multitemporal dilakukan

sebanyak 3 kali menunjukkan hasil bahwa
model pendugaan hara yang telah dibuat
mempunyai tingkat akurasi di atas target >
85% untuk hara Nitrogen (N) dan Kalium
(K) di semua periode pengujian. Untuk
parameter hara Fosfor (P) mempunyai
tingkat akurasi > 85% pada pengujian I dan
II dan menunjukkan penurunan saat
pengujian III namun masih > 80%.
Sampling dan analisa akan dilakukan
secara berkelanjutan untuk menguji
konsistensi model maupun update
pemodelan sehingga tingkat akurasi tinggi.
5.4. Memvalidasi Hasil Pengukuran Peningkatan
Tabel Penerapan Perbaikan

WHY HOW WHAT WHEN WHERE WHO HOW MUCH
Faktor
Hasil Waktu
Penyebab Solusi Cara Penerapan Lokasi PIC Biaya
Pelaksanaan
Dominan
Konstruksi – Model terbaik yaitu Desember Sukamandi Pandu, Rp 50,0 juta
pemupukan berbasi prediksi unsur hara
resolusi tinggi untuk luasan yang besar
Belum tersedia aplikasi rekomendasi
Pengembangan linear (Y = a+bX), 2021 , Subang Syawal

pemupukan berbasis prediksi unsur
Pembuatan sistem rekomendasi
Model Estimasi power (Y = aXb), dan

hara dengan teknologi kamera
Basis Drone eksponensial (Y=aebX).
Validasi – Akurasi model estimasi Januari – Purworejo, Pandu, Rp 513,375

secara real time
multispectral
Pengujian Akurasi unsur hara Mei 2022 Sragen, Yazid, juta

dan Realibilitas N 85-93%, Subang Handono
Multilokasi dan P 80-88%,
Multitemporal K 88-93%.
Implementasi – Prototype aplikasi telah Juni 2022 Jogja Goppy Rp 379,125

Pengujian model selesai dibangun dan siap (workshop juta
dan untuk dilakukan uji coba mitra riset)
pengembangan implementasi
digital apps
• Hasil uji sampel tanah dilakukan di laboratorium terakreditasi (BPTP Yogyakarta)

dibuktikan dengan sertifikat CoA
Validasi
• Model pendugaan hara telah teruji dan tervalidasi secara multilokasi dan multi
temporal dibuktikan dengan laporan analisa data
17
LANGKAH 6 : MENGEVALUASI SOLUSI
6.1 Menganalisis Hasil Peningkatan

.
Trend – Line Graph /Control Chart (Sebelum-Selama-Sesudah)
Tingkat Keakuratan Model Tingkat Keakuratan Model

(Des 2021) (April & Mei 2022)
94 93,38 93,09 95
91,8
Tingkat keakuratan (%)
Tingkat keakuratan (%)

92 89,5
90 88,16
85,5
90 85,2
87,97 85
88 80,62
80
86
84 75
N P K N P K
Dari kegiatan pengembangan model estimasi unsur hara yang dilakukan pada rentang bulan
April-Mei 2022, dapat dilihat bahwa tingkat keakuratan model estimasi unsur hara masih
cukup akurat dan sesuai target meskipun beberapa unsur mengalami penurunan jika
dibandingkan dengan hasil estimasi hara menggunakan model pada tahun 2021 (basis data
indeks tanah). Adanya factor variasi seperti varietas tanaman, umur tanaman dan pola
pertanian juga mempengaruhi kadar unsur hara pada level jaringan sehingga
mempengaruhi output indeks spectral.
6.2 Membandingkan Masalah, Sasaran dan Pencapaian
Grafik Batang (Sebelum – Target – Sesudah)
Kenaikan 21%
%
18
6.3 Menilai Value Added
Analisa Dampak Positif
Aspek Kondisi Awal Sasaran Awal Hasil Akhir
Quality Produktivitas rata rata Kenaikan produktivitas Kenaikan produktivitas sekitar

eksisting sekitar 5-6 sekitar 7,32 Ton/Ha 7,70 Ton/Ha
Ton/Ha
Cost Pendapatan petani Pendapatan petani sekitar Pendapatan Petani sekitar 32
sekitar 23 Juta/Ha 31 Juta/Ha Juta/Ha
Delivery Analisa tanah dengan Analisa tanah metode Analisa tanah dapat
metode konvensional seperti PUTS/PUTK berlangsung dalam hitungan jam
sekitar 2 minggu untuk (kualitatif) detail untuk seluruh lokasi
beberapa titik tanam
pengamatan
HSSE Emisi GRK dari Perbandingan Emisi GRK Perbandingan Emisi GRK per
pemupukan relative per tonnase hasil panen tonnase hasil panen berkurang
masih besar untuk relatif berkurang karena lebih besar dari target karena
produktivitas sekitar 5-6 kenaikan produktivitas kenaikan produktivitas sebesar
Ton/Ha sebesar 7,32 Ton/Ha 7,70 Ton/Ha
Morale Minat petani millennial Regenerasi petani tetap Minat petani generasi baru
relative turun dari tahun terjaga untuk menjaga meningkat karena pemanfaatan
ke tahun sustainabilitas ketahanan tren teknologi digital
pangan
6.4 Memverifikasi Kinerja Keuangan

- Evaluasi cost & benefit
Cost yang dikeluarkan selama pengembangan precirice untuk tahun 2021 dan tahun 2022 sebesar
892 Juta Rupiah sementara potensi benefit yang akan didapatkan berasal dari engagement petani
dalam menggunakan produk pupuk Indonesia karena mendapatkan service berupa rekomendasi
pemupukan yang dapat meningkatkan produktivitas mereka minimal 15%.
- Penggunaan Precirice berpotensi meningkatkan pendapatan petani dari sekitar 23 Juta Rupiah/Ha
menjadi 32 Juta Rupiah/Ha
- Jika diasumsikan dalam setahun sistem rekomendasi pemupukan bisa dilakukan dalam 3 musim
tanam dengan hasil produktivitas yang konsisten maka petani akan mendapatkan peningkatan
pendapatan dari 69 Juta Rupiah/Ha menjadi 96 Juta Rupiah/Ha
6.5 Meninjau Masalah yang Belum terselesaikan

No Masalah yang belum selesai Penanggulangan sementara
1 Rekomendasi pemupukan belum terintegrasi Perhitungan secara manual

dengan system pendugaan unsur hara
2 Aplikasi dosis pupuk belum dilakukan Pemupukan dilakukan secara manual

sepenuhnya mengikuti nutrient map (distribusi dengan mengikuti dosis yang ditetapkan
nutrisi) yang menjadi output system pendugaan per area (kotak lahan)
unsur hara
6.6 Meninjau Tindakan Pencegahan terhadap dampak peningkatan

No Dampak peningkatan Pencegahan
1 Permintaan petani untuk untuk ujicoba di lokasi lahan Sosialisasi ke petani di lokasi ujicoba
yang lain sementara infrastruktur belum sepenuhnya bahwa sistem rekomendasi
siap untuk aplikasi pemupukan masih dalam tahap
pengembangan model dan validasi
model eksisting
19
6.7. Meninjau Pengaruh terhadap Pihak yang Berkepentingan
Pihak yang Positive Impact Negative Impact Testimoni
berkepentingan
Petani Peningkatan Kendala operasional Akan disusulkan
produktivitas di sekitar area militer
dengan restriksi
penerbangan drone
Operator Lapangan Efektivitas dan Pengurangan jumlah Akan disusulkan
Pemupukan PI efisiensi waktu dan tenaga kerja
tenaga
LANGKAH 7 : MENETAPKAN STANDARDISASI
7.1. Membuat Usulan Standar Baru (Input – Proses – Output)
Proses Kerja Umum Sistem Rekomendasi Pemupukan
Tabel Standarisasi Sistem Rekomendasi Pemupukan
Standar
No
Input Proses Output
1 Identifikasi lokasi Pembuatan Peta Digital: Raw Data Foto Udara untuk
mencakup - Penggunaan RTK-GPS proses lanjut analisa
komoditas tanaman, - ArcMap untuk generate shp
historis pemupukan, Akuisisi data spasial
produktivitas - Minimal 2 sensor RGB dan NIR
eksisting, batas dan - Fix Wing: luas lahan < 50 Ha
luasan lahan - Copter : luas lahan > 50 Ha
- Ketinggian : 80 – 100 m
- Repetisi : 3 – 5 kali
- Waktu : 8 – 10 pagi atau 14 – 16 sore
- Cuaca : Cerah dengan tutupan awan minimal
2 Raw Data Foto • Agisoft untuk penggabungan gambar menjadi 1 • Gambar Ortho
Udara ekstensi file gambar. • Data indeks spectral
• ArcGIS/QGIS untuk konversi data raster dan (minimal CI, BI, NDVI,
pengolahan indeks NGRDI, GNDVI)
• Minimal Hardware intel core i5, RAM 8 gb, SSD
3 Indeks spectral dan • Software R untuk analisa data indeks spectral • Penentuan indeks terbaik
Gambar Ortho • Pembuatan peta hara lahan dari gambar ortho dan • Peta status hara lahan dan
rekomendasi pemupukan menggunakan software tanaman
ArcGis/QGis • Rekomendasi pemupukan
• Minimal Hardware intel core i5, RAM 8 gb, SSD
20
7.2. Mengesahkan Standar Baru
Komentar Pimpinan:
Tanggal: 17 Juni 2022 Tanggal: 17 Juni 2022

7.3. Mensosialisasikan Standar baru
Sosialisasi proses akuisisi data spasial dan spektral di Subang, Jawa Barat
Sosialisasi proses sampling dan akuisisi data kesuburan tanah di Purworejo dan Sragen, Jawa Tengah
21

QEA - Precix 2022 PreciX - Rev

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

QEA - Precix 2022 PreciX - Rev

Diunggah oleh

Hak Cipta:

Format Tersedia

PUPUK INDONESIA INNOVATION DAY 2022

TRANSFORMASI DIGITAL MENUJU PRECISION FARMING

KOMPARTEMEN IFRI DAN TI

Nama Tim PRECI-X Jumlah Personil 6 orang

Fasilitator : Surahmad WIji Widodo

Dokumentasi Inovasi / Improvement

Jadwal Aktifitas Perbaikan (P/A)

1.1. Identifikasi Masalah/Peluang

Tabel Identifikasi Masalah

No Jenis Masalah/Peluang Rerata per tahun Keterangan

2 Penurunan luas lahan panen padi 4,32% BPS: 2018-2021

3 Kenaikan kebutuhan pupuk untuk 19,8% BBSDLP: 2000 & 2010

1.2. Stratifikasi Masalah/Peluang

1.3. Analisis Dampak Masalah/Peluang Jika tidak diambil

1.4. Menetapkan Tema

1.5. Analisis Harapan Tema

2 Rendahnya pendapatan Penggunaan saprodi terutama pupuk yang

3 Pemupukan berlebihan Penerapan pertanian presisi dapat

1.6. Menentukan Sasaran Tema

Aspek Mutu Kondisi Saat Ini Sasaran

Tanggal: 24 September 2021 Tanggal: 24 September 2021

2.1 Melakukan Tinjauan Kondisi Aktual

- Membutuhkan waktu yang cukup lama

- Membutuhkan biaya yang cukup tinggi

- Cakupan yang tidak terlalu luas

2.2 Memetakan Hubungan Sebab Akibat Terhadap Masalah / Peluang

2.3 Menentukan Kemungkinan Akar Penyebab

No Faktor Akar Penyebab Masalah

2.4 Mengumpulkan fakta & data akar penyebab

Akar Penyebab Korelasi

3.1. Melakukan Studi Literatur Terkait Tema

Dengan adanya proses nutrient losses tersebut, maka

a. Aspek Produktifitas Lahan (Dampak Utama)

b. Aspek Lingkungan (Dampak Lain)

3.2. Membuat Daftar Alternatif Solusi

3.3. Menetapkan Kriteria Pemilihan Alternatif Solusi

3.5. Menetapkan Solusi Terbaik

No Solusi Terpilih Keterangan (Deskripsi Solusi)

Tingkat Mitigasi Risiko

3.7. Memahami Pengaruh Solusi Terhadap Pihak Terkait

4.1 Menyusun Rencana Perbaikan (5W+2H)

Tabel 5W+2H Rencana Inovasi

What Why When, Where, Who How How Much

Konstruksi Belum terdapat Kegiatan konstruksi model • Pengambilan sample Tahap 1:

Tingkat Preventive action Contigency Plan

4.3 Pengesahan Modeling & Analisasi Kelayakan

Tanda tangan: Tanda tangan:

Tanggal: 28 Desember 2021 Tanggal: 28 Desember 2021

5.1. Mempersiapkan Kompetensi Pelaksana

5.2. Menerapkan Rencana Peningkatan

a. Akuisisi Data Spasial dan Spektral Awal

b. Pengembangan Model Estimasi Awal Berbasis Drone

c. Pengujian Akurasi & Reliabilitas Multiple Site dan Temporal

Akuisisi data sampel tanah dan spectral secara multilokasi

d. Build Digital Apps

Aplikasi telah dibangun dengan spesiikasi

5.3. Memantau dan Mengukur Hasil Progres Peningkatan

Pengujian secara multitemporal dilakukan

5.4. Memvalidasi Hasil Pengukuran Peningkatan

Tabel Penerapan Perbaikan

Pengembangan linear (Y = a+bX), 2021 , Subang Syawal

Model Estimasi power (Y = aXb), dan

Basis Drone eksponensial (Y=aebX).