1
IBSRAM, PO Box 9-109, Jatujak, Bangkok-10900,
Thailand 2
ECORC, Pertanian dan Pangan Pertanian Kanada,
Ottawa, Kanada
3
AGRAF, Bank Dunia,: Washington, DC 20433 USA
1. Abstrak
Pengelolaan lahan berkelanjutan (SLM) di bidang pertanian adalah konsep yang sangat kompleks
dan menantang. Ini mencakup masalah biofisik, sosial ekonomi dan lingkungan yang harus dilihat
secara terintegrasi. Kerangka Kerja Internasional untuk Mengevaluasi Pengelolaan Lahan
Berkelanjutan (FESLM) baru-baru ini dikembangkan untuk memberikan dasar untuk mengatasi
masalah ini secara komprehensif. SLM menggabungkan teknologi, kebijakan, dan kegiatan yang
ditujukan untuk mengintegrasikan prinsip sosial ekonomi dengan kepedulian lingkungan sehingga
secara bersamaan memenuhi lima pilar SLM: mempertahankan atau meningkatkan layanan produksi
(produktivitas), mengurangi tingkat risiko produksi (keamanan), melindungi potensi sumber daya
alam dan mencegah penurunan kualitas tanah dan air (proteksi), layak secara ekonomi (viabilitas)
dan dapat diterima secara sosial (akseptabilitas). Makalah ini membahas dua isu terkait SLM: (i)
pengembangan indikator SLM dalam kerangka FESLM dengan melakukan tiga studi kasus di
Indonesia, Thailand, dan Vietnam; dan (ii) penggunaan indikator SLM dalam mengembangkan
sistem pendukung keputusan berbasis sistem pakar (SPK) yang memberikan peluang untuk menguji
dan mengoperasionalkan konsep FESLM untuk penggunaan praktis.
Informasi dan data yang dikumpulkan dari tiga studi kasus telah dianalisis, menurut metodologi
FESLM, untuk mengembangkan indikator SLM yang membahas lima pilar FESLM.
Setelah menilai hubungan sebab dan akibat, dengan dampak terkait untuk setiap indikator dalam
pilar FESLM yang sesuai, basis pengetahuan dan basis aturan untuk indikator SLM khusus untuk
lahan miring di Asia dikembangkan. Selanjutnya, dalam mengembangkan indikator SLM, kami telah
mengintegrasikan pengetahuan dari berbagai sumber seperti: data dari percobaan jaringan IBSRAM
jangka panjang di Indonesia, Thailand, dan Vietnam; data dari percobaan penelitian on-farm;
informasi tentang inovasi teknis informal dari petani progresif, penyuluh; dan pengetahuan dari
spesialis materi pelajaran seperti ahli agronomi dan ilmuwan tanah. DSS SLM ditargetkan pada
penyuluh dan staf LSM, yang dapat menggunakan DSS-SLM untuk mengidentifikasi kendala
pengelolaan lahan berkelanjutan di tingkat kebun dengan menganalisis praktik pengelolaan kebun
mereka, dan untuk menyarankan langkah-langkah preskriptif untuk mencapai keberlanjutan. Kami berencana
1
Machine Translated by Google
untuk memutakhirkan DSS-SLM dengan mengintegrasikan sistem informasi geografis (SIG) dan komponen
pemodelan.
Agenda 21 memberikan rencana induk untuk pembangunan berkelanjutan di tingkat global. Ini menyoroti
kebutuhan untuk segera mengatasi ketahanan pangan dari populasi yang berkembang sambil mengatasi
masalah pengelolaan lingkungan dan sumber daya yang terkait. Bab 40 dari Agenda 21 “informasi untuk
pengambilan keputusan” menyoroti pentingnya penggunaan informasi dan teknologi informasi yang tepat
dalam proses pengambilan keputusan. Kebutuhan akan informasi muncul di semua tingkatan, mulai dari
pembuat keputusan senior di tingkat nasional dan internasional hingga individu dan masyarakat di tingkat
akar rumput. Dalam hubungan ini, menjembatani kesenjangan data dan meningkatkan ketersediaan
informasi merupakan bidang perhatian utama.
Pengelolaan lahan berkelanjutan (SLM) menggabungkan teknologi, kebijakan dan kegiatan yang ditujukan
untuk mengintegrasikan prinsip sosial ekonomi dengan kepedulian lingkungan sehingga secara
bersamaan: mempertahankan atau meningkatkan jasa produksi (produktivitas), mengurangi tingkat risiko
produksi jasa (keamanan), melindungi potensi sumber daya alam dan mencegah penurunan kualitas
tanah dan air (perlindungan), layak secara ekonomi (viabilitas) dan dapat diterima secara sosial (dapat
diterima) (FAO: 1993). Pengelolaan lahan berkelanjutan rumit dan sulit dinilai dalam praktiknya,
membutuhkan pemahaman dan integrasi informasi dari berbagai sumber. Salah satu pendekatan yang
menjanjikan untuk masalah ini adalah mengembangkan indikator berdasarkan lima pilar Kerangka Kerja
Internasional untuk Mengevaluasi Pengelolaan Lahan Berkelanjutan (FESLM). Dalam kerangka FESLM,
pengembangan indikator SLM dari berbagai sumber pengetahuan dan penggunaan indikator ini untuk
pengambilan keputusan merupakan tantangan besar bagi pembuat keputusan yang berkepentingan
dengan pengelolaan lahan miring. Di bawah skenario masalah yang kompleks dan tidak terstruktur,
penggunaan sistem pendukung keputusan (DSS) di berbagai tingkat pengambilan keputusan dapat
sangat membantu dalam mempromosikan SLM. DSS-SLM akan membantu mengidentifikasi atau
menunjukkan kendala atau praktik yang menghambat pencapaian pengelolaan lahan berkelanjutan.
Kami sangat prihatin dengan kebutuhan petani lahan miring di Asia, di mana kemiskinan dan erosi tanah
merupakan masalah serius. Makalah ini melaporkan kemajuan dalam pengembangan DSS-SLM untuk
lahan miring di Asia. Kami telah mengembangkan basis pengetahuan (KB) untuk DSS-SLM dalam bentuk
indikator SLM berdasarkan kerangka FESLM. dan dikembangkan bersama ilmuwan nasional dari studi
kasus di Indonesia, Thailand dan Vietnam. Target pengguna DSS-SLM kami adalah penyuluh dan LSM di
tanah miring Asia. Penyuluh dan LSM yang terlibat dalam transfer teknologi dapat menggunakan DSS-
SLM untuk mengidentifikasi kendala dalam pengelolaan lahan berkelanjutan di tingkat kebun dengan
menganalisis praktik pengelolaan kebun mereka. Berdasarkan diagnosis menggunakan DSS, mereka
akan dapat menentukan langkah-langkah untuk mencapai keberlanjutan.
2
Machine Translated by Google
Pengguna
sistem yang kompleks seperti itu memodelkan domain masalah merupakan langkah penting dalam keseluruhan proses
pengambilan keputusan.
DSS-SLM memberikan kesempatan untuk menguji dan mengoperasionalkan penggunaan praktis Kerangka Kerja
Internasional untuk Mengevaluasi Pengelolaan Lahan Berkelanjutan (FESLM) yang dapat direalisasikan dengan penerapan
perangkat teknologi informasi mutakhir. Universalitas FESLM memungkinkan pengembangan sistem pendukung keputusan
generik (DSS) yang dapat disesuaikan untuk aplikasi lokal dengan menggunakan indikator dan kriteria kepentingan lokal.
Dalam proyek ini IBSRAM, bekerja sama dengan Agriculture Canada dan kooperator studi kasus dari Indonesia, Thailand,
dan Vietnam sedang mengembangkan sistem pendukung keputusan (DSS) untuk membantu pengguna dalam mendiagnosis
masalah pengelolaan lahan berkelanjutan dan mengidentifikasi kendala dalam mencapai keberlanjutan. Domain DSS khusus
untuk lereng bukit dan dataran tinggi di Asia Tenggara. DSS-SLM ditargetkan pada tingkat petani untuk digunakan oleh
penyuluh, agribisnis, LSM dan pihak lain yang memberikan nasihat kepada produsen. Tujuannya adalah untuk menyediakan
petani dengan pilihan manajemen pertanian dan praktik tanam yang berkelanjutan di wilayah dan lingkungan mereka. Ini
juga akan membantu penyuluh untuk merancang paket teknologi untuk sistem penggunaan lahan yang berkelanjutan, selain
berfungsi sebagai alat untuk transfer teknologi dan pelatihan bagi penyuluh baru dan petani inovatif.
3
Machine Translated by Google
Kami telah berupaya mengembangkan indikator SLM yang mengintegrasikan pengetahuan dari
berbagai sumber seperti data penelitian eksperimental jangka panjang IBSRAM, studi kasus
penelitian on-farm FESLM, dan inovasi teknis informal dari petani progresif, penyuluh dan pakar
seperti ahli agronomi dan ilmuwan tanah. Tiga studi kasus di bawah kerangka FESLM sedang
dilakukan di Indonesia, Thailand, dan Vietnam. Seperangkat pedoman yang komprehensif untuk
studi kasus FESLM, termasuk penggunaan metode participatory rural appraisal (PRA), adalah untuk
memastikan ketelitian ilmiah dan pendekatan standar dalam pengumpulan data lapangan. Informasi
dan data yang dikumpulkan telah dianalisis, menurut metodologi FESLM, untuk mengembangkan
indikator-indikator dalam lima pilar FESLM yaitu produktivitas, keamanan, perlindungan, kelayakan
dan penerimaan. Untuk meningkatkan sifat dan peran indikator, masing-masing telah dikategorikan
sebagai strategis, atau kumulatif atau sugestif. Setelah menetapkan hubungan sebab akibat, dengan
dampak yang terkait untuk setiap indikator di setiap pilar FESLM, basis pengetahuan dan basis
aturan untuk indikator SLM dikembangkan. Untuk memahami kebutuhan pengguna DSS-SLM,
domain pengguna DSS-SLM (yaitu penyuluh) telah dipelajari melalui serangkaian wawancara.
Pendekatan modular sedang diikuti untuk mengembangkan DSS-SLM. Selama fase DSS-SLM saat
ini, komponen utama DSS bergantung pada modul sistem pakar. Namun, pada fase selanjutnya
komponen lain seperti sistem informasi geografis (SIG) dan model penilaian dampak akan
diintegrasikan.
Teknologi sistem pakar merupakan komponen utama dari DSS-SLM. Salah satu hasil utama
penelitian di bidang kecerdasan buatan adalah teknik yang memungkinkan pemodelan informasi
pada tingkat abstraksi yang lebih tinggi. Teknik-teknik ini diwujudkan dalam bahasa atau alat yang
memungkinkan program dibangun sangat mirip dengan logika manusia dalam implementasinya.
Oleh karena itu, teknik ini lebih mudah dikembangkan dan dipelihara. Program-program ini, yang
meniru pengalaman manusia dalam domain masalah yang terdefinisi dengan baik, disebut sistem pakar.
Akuisisi pengetahuan dan pengembangan basis pengetahuan sangat penting untuk keberhasilan
sistem pakar. Akuisisi pengetahuan adalah proses penggalian, penataan dan pengorganisasian
pengetahuan dari berbagai sumber. Basis pengetahuan DSS-SLM sedang dikembangkan dalam
bentuk indikator pengelolaan lahan berkelanjutan (SLM). Diagram alir untuk proses akuisisi
pengetahuan diberikan pada Gambar 2.
Indikator SLM yang dikembangkan di sepanjang lima pilar FESLM yaitu produktivitas, keamanan,
perlindungan, kelayakan dan penerimaan diberikan dalam tabel 1 sampai 5. Tabel indikator SLM
memberikan ambang batas, peringkat kuantitatif dan kualitatifnya. Skor dan peringkat mereka telah
ditetapkan sesuai dengan jenis indikator (strategis, kumulatif, atau sugestif). Berdasarkan basis
pengetahuan, basis aturan untuk indikator SLM telah ditetapkan. Kecenderungan indikator SLM dari
waktu ke waktu, dikombinasikan dengan nilai ambangnya, membantu evaluasi keberlanjutan praktik
pengelolaan lahan petani lahan miring di Asia. Basis pengetahuan dan basis aturan bertindak
sebagai tulang punggung DSS-SLM. Mesin inferensi membantu dalam memproses basis pengetahuan
dan basis aturan indikator SLM.
4
Machine Translated by Google
terstruktur Akseptabilitas
Thailand
IBSRAM jangka panjang
Insinyur Dasar pengetahuan
pengetahuan
situs penelitian
Vietnam
Sastra SLM, ahli
materi pelajaran
Indikator SLM
untuk setiap pilar
5. Evaluasi Keberlanjutan
Indikator SLM bersama lima pilar FESLM telah diubah menjadi 26 pertanyaan ramah pengguna. Setiap pertanyaan memberikan
jawaban pilihan ganda. Beberapa contoh pertanyaan DSS-SLM diberikan di bawah ini.
Dalam evaluasi SLM, penyuluh atau pekerja LSM lokal (pengguna DSS-SLM) memfasilitasi pemberian informasi oleh petani.
Fasilitator informasi diharapkan memiliki pengetahuan tentang kondisi agroklimat lokal dan praktik pertanian. Informasi yang
relevan untuk tambak yang sedang dievaluasi dimasukkan ke dalam sistem DSS-SLM. Berdasarkan informasi untuk pertanian
tertentu, DSS-SLM memberikan penilaian status keberlanjutan lahan
5
Machine Translated by Google
praktek manajemen oleh petani. Status keberlanjutan, untuk setiap pilar FESLM yaitu produktivitas,
keamanan, perlindungan, kelayakan ekonomi dan penerimaan sosial, disediakan sebagai salah satu dari
empat kemungkinan skenario berikut.
Rendah < 10 % 10 7 70
Warna Tanah:
Tinggi : Tanah gelap > 1,2 % 10 7 70
Organik C 1 < 1,2% (Yd merah. 0 %)
Sedang: Tanah coklat 1-1,2% (Yd. 10 5 50
merah. 0-20 %)
Rendah: Kekuningan <1% 10 7 70
(Yd merah. > 20 % )
Pertumbuhan
tanaman dan 2 Tinggi: Daun hijau tua sehat, pertumbuhan > 0,5% 7 7 49
warna daun: < 0,5 % kuat
Nutrisi tanah
N Sedang: Warna normal, 0,2 - 0,5% 7 5 35
pertumbuhan sedang
6
Machine Translated by Google
Biomassa: ( % 2 < 50 % Jumlah tinggi untuk > 50% selama > 3 tahun 7 7 49
7
Machine Translated by Google
Tipe Indikator Ambang Peringkat Kualitatif Peringkat Kuantitatif < Skor Peringkat Nilai
*
batas d 4,5 0,7 cm (a) 10 (b) 7 (axb) 70
Erosi 1 cm atau Rendah: Yd. merah. 0-10%
lagi
8
Machine Translated by Google
*
Jenis indikator dan skornya : strategis (1)=10; kumulatif (2) =7 ; sugestif (3)=3; Peringkat relatif: 1 sampai 10. Nilai =
skor x peringkat
9
Machine Translated by Google
*
Jenis indikator dan skornya : strategis (1)=10; kumulatif (2) =7 ; sugestif (3)=3; Peringkat relatif: 1 sampai 10. Nilai =
skor x peringkat
Identifikasi kendala SLM adalah salah satu tujuan utama dari DSS-SLM. Evaluasi status keberlanjutan akan
membantu dalam mengidentifikasi indikator spesifik yang menghambat pencapaian pengelolaan lahan
berkelanjutan. Pengembangan DSS-SLM selanjutnya akan dipusatkan pada aspek prognosis SLM. Modul
prognosis akan membantu memberikan solusi potensial kepada petani untuk mengatasi kendala dalam
SLM. Basis pengetahuan modul prognosis akan didasarkan pada inovasi petani asli dan peningkatan praktik
yang direkomendasikan oleh para ahli. Selanjutnya, untuk meningkatkan kemampuan analisis dan aspek
visualisasi, dimensi analisis spasial dan pemodelan juga akan diintegrasikan dalam pengembangan SPK-
SLM ke depan.
10
Machine Translated by Google
7. Referensi
Smyth, AJ dan Dumanski, J. 1993. FESLM: Kerangka kerja internasional untuk mengevaluasi pengelolaan lahan
berkelanjutan. Sebuah makalah diskusi. FAO. Roma, Italia. Perwakilan Sumber Daya Tanah Dunia 73. 74 hal
Jacucci, G. , Foy, M. dan Uhirk, C. 1996. Mengembangkan sistem pendukung keputusan pertanian yang dapat dipindahkan:
Bagian 1. Kerangka kerja konseptual. Komputer dan Elektronika Pertanian 14: 291-300
Jacucci, G. , Foy, M. dan Uhirk, C. 1996. Mengembangkan sistem pendukung keputusan pertanian yang dapat dipindahkan:
Bagian 2. Contoh. Komputer dan Elektronika Pertanian 14: 301-315
11