"SMART" AGROLOGISTICS: Intelligent Spatial Decision Support System for Sustainable Potato Agro-Industry Logistics Development

Abstract

Potato (Solanum tuberosum L.) is an essential horticultural food after wheat, rice, and corn. Indonesia is the world's 10th producer and the largest in Southeast Asia, with a growth rate of 8.4% per year and an average production of 1.3 million tons/year. The most significant production in Indonesia is Central Java, which is 277,702 tons. In Indonesia, potato is a strategic horticultural commodity that prioritizes diversified food consumption and supports national sustainable food security. Trends in global food security, the complexity, uncertainty of decision-making, and demands for environmental sustainability have given birth to adaptive technology, including modern logistics. Agro-industry logistics (agro logistics) is a modern logistics related to processing food horticultural raw materials. The main problem is the product characteristics with high vulnerability, complexity, and uncertainty. The perishable nature of commodities, sensitivity to climate change, and high price fluctuations cause this. Quality declines rapidly after harvest, resulting in potential losses of up to 40%. In addition, the spatial conditions affect the supply capability, while standard mathematical calculations cannot solve this problem. Therefore, a Decision Support System (DSS) is needed to improve sustainable food security that considers the characteristics of food horticultural products with a spatial perspective. This study developed "SMART" AGROLOGISTICS, a prototype application of an intelligent spatial decision-making system for sustainable potato agro logistics development. This prototype supports the SMART framework, a reliable and integrated simulation model that is adaptive and integrated. This prototype has determined the most suitable location for the development of potatoes as sustainable food horticulture. This prototype can integrate the IoT, namely SHT15 sensors for humidity and temperature and rain gauge sensors for rainfall. Spatial analysis of three physical factors: altitude, soil texture, slope percentage, and three factors: climate, temperature, humidity, and rainfall. The development of this prototype is an effort to increase productivity which is currently low, which is 16.99 tons/ha, and the target of meeting industrial needs, has only reached 85.93%. The prototype implementation level in Wonosobo, Central Java, shows that the average research sample with very suitable sustainability is 11.05%. Good condition with several inhibiting factors is 62.01%, and moderately sustainable condition is 22.9%. Meanwhile, we did not record 4.04%. Sustainability areas are in Kejajar (P1), Garung (P2), Mojotengah (P3), Kalikajar (P5), and Kepil (P13), so we recommend prioritizing these locations to meet industry needs. This study modifies the multi-thresholding method with overlay and geoprocessing techniques to predict the amount of harvest. The development of a prototype with a modification of this method attempts to balance supply and demand. The current demand for raw materials for the potato industry in Central Java is 117,000 tons/year. This prototype integrates IoT, namely remote sensing using DJI quadcopters drones to balance supply and demand. The prototype implementation shows that the average total harvest is 13.79 tons/ha, with the accuracy rate of 89.35%. The predicted total industrial potato production is 72,765 tons/year. So there is still a shortage of production of 44,235 tons/year. Decision-makers can use this method to meet the needs of potato raw materials for industry. The modification of this model can recommend an increase in production of 21,829 tons/year (30%) and meet other regions by 22,406 tons/year (31%). Furthermore, this prototype can determine the coordinates of the Logistics Center (LC) for food horticulture commodities that are more rational in developing sustainable potato agro logistics. The modification of the Center of Gravity (COG) method considers the spatial perspective of the social dimension, namely population density, spatial-temporal congestion, and the multi-hazard zone index. Can improve the classical COG method, which has the weakness that it often finds optimal points in densely populated areas. The simulation results of this prototype show that the most optimal LC location is at coordinates 7°21'38.8"S, 110°08'10.2"E; these coordinates are more rational for horticultural food commodities. The optimal route for horticultural food commodities is determined based on the shortest distance. It needs to consider criteria with an environmental perspective and various complex and uncertain alternatives. This research offers a new algorithm, Dijkstra's spatial algorithm, that synergizes environmental, economic, and social dimensions with spatial analysis. This new method complements the classic Dijkstra algorithm by adding calculations to alternative weights and criteria. We use a non-numeric Multi-Expert Multi-Criteria Decision Making (ME-MCDM) approach. This new method uses spatial analysis on criteria that consider environmental perspectives, namely distance, cost, risk, and utilization. The results of the prototype simulation show that the most optimal route is through P (V1, V2, V3, V5) with a total alternative value (TAV) of 1,547. The results show that this new method has provided a more reasonable and meaningful solution than the classical Dijkstra algorithm results. This new method can verify that the optimal route for horticultural food commodities is not always the shortest route based on model validation. This new method can choose a more suitable distribution route for this commodity. The simulation model in this prototype can show that logistics transparency, namely material management and physical distribution. We can predict the availability, affordability, and utilization of food compared to the actual condition of 95.86%. It shows that the factors in the sustainability dimension are involved, interact with each other. They affect the development of the "SMART" AGROLOGISTIC application prototype to develop a sustainable potato logistics agro-industry in Central Java, Indonesia. This new prototype and approach have demonstrated the balance of supply and demand in an adaptive simulation model to improve food security. In addition, this approach has also proposed a more suitable institutional structure for the potato agro-industry in Central Java. This structure plays a more significant role in the Association of Farmers Groups (Gapoktan) and small and medium industries (IKM). Finally, this approach shows that IoT collaboration in a spatially intelligent DSS framework can be an alternative solution for developing sustainable potato agro logistics. Mainly to minimize supply and demand imbalances.

Kentang (Solanum tuberosum L.) merupakan bahan pangan hortikultura esensial setelah gandum, beras, dan jagung. Indonesia merupakan produsen ke-10 dunia dan terbesar di Asia Tenggara, dengan tingkat pertumbuhan 8,4% per tahun dan rata-rata produksi 1,3 juta ton/tahun. Produksi terbesar provinsi Jawa Tengah yaitu 277.702 ton. Di Indonesia, kentang merupakan komoditas strategis yang memiliki potensi mendukung diversifikasi dan mendukung ketahanan pangan nasional yang berkelanjutan. Tren ketahanan pangan global, kompleksitas dan ketidakpastian pengambilan keputusan, serta tuntutan kelestarian lingkungan telah melahirkan teknologi adaptif. Logistik agroindustri (agrologistik) adalah logistik modern yang berkaitan dengan pengolahan bahan baku hortikultura pangan. Masalah utama agrologistik adalah karakteristik produk yang memiliki kerentanan, kompleksitas, dan ketidakpastian tinggi, disebabkan sifat komoditas yang mudah rusak, kepekaan terhadap perubahan iklim, dan fluktuasi harga yang tinggi. Kualitas menurun dengan cepat setelah panen, mengakibatkan potensi kerugian hingga 40%. Selain itu, kondisi spasial mempengaruhi kemampuan pasokan secara signifikan, sementara perhitungan matematis standar tidak dapat menyelesaikan masalah ini. Oleh karena itu, diperlukan Sistem Pendukung Keputusan (SPK) untuk meningkatkan ketahanan pangan berkelanjutan yang mempertimbangkan karakteristik produk hortikultura pangan dengan perspektif spasial. Dalam penelitian ini dikembangkan "SMART" AGROLOGISTIK yaitu suatu prototipe aplikasi SPK spasial cerdas untuk pengembangan agrologistik kentang berkelanjutan. Prototipe ini mendukung kerangka kerja SMART yang merupakan simulasi model yang adaptif reliable dan terintegrasi. Prototipe ini telah mampu menentukan lokasi yang paling sesuai untuk pengembangan kentang berkelanjutan. Prototipe ini mampu mengintegrasikan Internet of Things (IoT) yaitu sensor SHT15 untuk kelembaban dan suhu dan sensor Rain Gauge untuk curah hujan. Analisis spasial terhadap dimensi lingkungan yang terdiri dari tiga faktor fisik yaitu ketinggian, tekstur tanah, dan persentase kemiringan, dan tiga faktor iklim yaitu suhu, kelembaban, dan curah hujan ini, merupakan upaya untuk memperbaiki rendahnya produktivitas saat ini, sebesar 16,99 ton/ha, dan target pemenuhan kebutuhan industri yang hanya tercapai 85,93%. Pada level implementasi prototipe di Wonosobo, Jawa Tengah, menunjukkan bahwa rata-rata sampel penelitian memiliki keberlanjutan yang sangat sesuai yaitu 11,05%, kondisi baik dengan beberapa faktor penghambat sebesar 62,01%, dan kondisi cukup berkelanjutan sebesar 22,9%. Sedangkan 4,04% tidak tercatat. Titik keberlanjutan diperoleh di Kejajar (P1), Garung (P2), Mojotengah (P3), Kalikajar (P5), dan Kepil (P13), sehingga untuk memenuhi kebutuhan industri, lokasi ini diprioritaskan. Penelitian ini memodifikasi metode multi-thresholding dengan teknik overlay dan geoprocessing untuk memprediksi jumlah panen. Modifikasi metode ini adalah upaya menyeimbangkan pasokan dan permintaan. Permintaan bahan baku industri kentang di Jawa Tengah saat ini sebesar 117.000 ton/tahun. Pengembangan prototipe mempertimbangkan dimensi ekonomi yaitu hasil prediksi dan harga bahan baku, juga mengintegrasikan IoT, yaitu penginderaan jauh menggunakan drone DJI quadcopters. Implementasi prototipe menunjukkan tingkat akurasi 89,35% dengan rata-rata total panen 13,79 ton/ha. Menggunakan prototipe ini, prediksi total panen kentang untuk industri adalah 72.765 ton/tahun. Sehingga masih terjadi kekurangan sebesar 44.235 ton/tahun. Pengambil keputusan dapat menggunakan metode ini untuk memenuhi kebutuhan bahan baku kentang industri, dimana model ini telah mampu merekomendasikan peningkatan produksi 21.829 ton/tahun (30%) dan memenuhi dari daerah lain sebesar 22.406 ton/tahun (31%). Selanjutnya prototipe ini mampu menentukan koordinat Pusat Logistik (LC) komoditas hortikultura pangan yang lebih rasional dalam pengembangan agrologistik kentang berkelanjutan. Modifikasi metode Center of Gravity (COG) dengan mempertimbangkan perspektif spasial dari dimensi sosial yaitu kepadatan penduduk, kemacetan spasial-temporal, dan indeks zona rawan bahaya ini, mampu memperbaiki metode COG klasik yang memiliki kelemahan yaitu sering menemukan titik optimal di daerah padat penduduk. Hasil simulasi prototipe ini menunjukkan lokasi LC yang paling optimal yaitu pada koordinat 7°21'38.8"S, 110°08'10.2 "E, koordinat ini lebih rasional untuk komoditas hortikultura pangan. Rute optimal untuk komoditas hortikultura pangan tidak hanya ditentukan berdasarkan jarak terpendek tetapi perlu juga mempertimbangkan kriteria dengan perspektif lingkungan dan berbagai alternatif yang kompleks dan tidak pasti. Penelitian ini menawarkan prototipe aplikasi dengan algoritma baru, yaitu algoritma spasial Dijkstra yang mensinergikan dimensi lingkungan, ekonomi, dan sosial dengan analisis spasial. Metode baru ini melengkapi algoritma Dijkstra klasik dengan menambahkan perhitungan bobot dan kriteria menggunakan pendekatan non-numeric Multi-Expert Multi-Criteria Decision Making (ME-MCDM). Metode baru ini menggunakan analisis spasial yang mempertimbangkan perspektif lingkungan, yaitu jarak, biaya, resiko, dan uitilitas. Hasil simulasi prototipe menunjukkan rute paling optimal melalui P (V1, V2, V3, V5) dengan nilai alternatif total (TAV) sebesar 1.547. Hasil penelitian menunjukkan bahwa metode baru ini telah mampu memberikan solusi yang lebih masuk akal dan bermakna dibandingkan hasil algoritma Dijkstra klasik. Berdasarkan validasi model, metode baru ini dapat memverifikasi bahwa rute optimal untuk komoditas hortikultura pangan tidak selalu merupakan rute terpendek. Sehingga metode baru ini dapat digunakan untuk pemilihan rute distribusi yang lebih sesuai untuk komoditas ini. Simulasi model dalam prototipe ini mampu menunjukkan bahwa transparansi logistik yaitu manajemen material dan distribusi fisik dapat memprediksi ketersediaan, keterjangkauan dan pemanfaatan pangan dibandingkan dengan kondisi sebenarnya sebesar 95,86%. Hal ini menunjukkan bahwa faktor-faktor dalam dimensi keberlanjutan terlibat, saling berinteraksi dan mempengaruhi pengembangan prototipe aplikasi "SMART" AGROLOGISTIK. Prototipe dan pendekatan baru ini telah mampu menunjukkan keseimbangan pasokan and permintaan dalam simulasi model yang adaptif, sehingga dapat meningkatkan ketahanan pangan. Selain itu, pendekatan ini juga telah mampu mengusulkan struktur kelembagaan yang lebih cocok untuk agro-industri kentang di Jawa Tengah yang memberikan peran lebih besar kepada Gabungan Kelompok Tani (Gapoktan) dan industri kecil menengah (IKM). Akhirnya, pendekatan ini juga menunjukkan bahwa kolaborasi IoT dalam kerangka kerja SPK spasial cerdas dapat menjadi solusi alternatif untuk meminimalkan ketidakseimbangan pasokan dan permintaan dalam pengembangan agrologistik kentang berkelanjutan.