Model Knowledge Management pada Supply Chain Agribisnis Petani Aglaonema

Abstract

Tanaman hias Aglaonema memiliki keunggulan estetika dan nilai ekonomi tinggi. Namun, secara nasional kontribusi produksinya masih relatif kecil, hanya sekitar 3,3% dibandingkan rata-rata produksi tanaman hias lainnya. Hal ini mengindikasikan kapasitas produksi dan daya saing agribisnis Aglaonema belum optimal. Pada tingkat petani, menghadapi berbagai kendala, seperti: fluktuasi harga, keterbatasan informasi, lemahnya koordinasi pelak, keterbatasan varietas, pengetahuan lokal dan data historis yang belum terkelola secara sistematis sebagai dasar pengambilan keputusan. Menjawab persoalan tersebut, penelitian ini bertujuan merumuskan dan mengembangkan model Knowledge Management (KM) dan memprediksi harga berbasis Long Short-Term Memory (LSTM) dalam Supply Chain (SC) agribisnis Aglaonema. Dengan menggunakan mixed methods, pengumpulan data kualitatif dilakukan melalui wawancara, FGD, dan observasi, sedangkan data kuantitatif berupa dataset harga diperoleh dari aktor supply chain. Metode pengembangan sistem menggunakan Rapid Application Development (RAD). Penelitian ini secara umum berhasil merumuskan dan mengembangkan model Knowledge Management (KM) dan prediksi harga berbasis Long Short Term Memory (LSTM) dalam supply chain agribisnis Aglaonema. Secara lebih khusus hasil penelitian menunjukkan bahwa akar permasalahan petani Aglaonema tidak hanya terletak pada aspek teknis budidaya dan pembibitan, tetapi juga pada lemahnya pengelolaan pengetahuan dan koordinasi informasi dalam rantai pasok. Model KM yang diadaptasi dari siklus Meyer dan Zack mampu menstrukturkan aliran pengetahuan antaraktor, sehingga informasi budidaya, stok, dan pasar menjadi lebih terdokumentasi dan mudah diakses. Sementara itu, model LSTM menunjukkan kemampuan prediksi tren harga yang sangat baik dengan R² = 0,97; MSE = 0,00; RMSE = 0,03; MAE = 0,02; dan MAPE = 2,31. Integrasi KM dan LSTM dalam penelitian ini diwujudkan dalam prototype sistem KM–LSTM yang secara konseptual dan fungsional menjawab isu fluktuasi harga dan dinamika permintaan. Penelitian ini menghasilkan empat kebaruan sebagai berikut: (1) model KM yang spesifik untuk Supply Chain tanaman hias Aglaonema; (2) integrasi model Meyer and Zack Cycle dalam Supply Chain agribisnis Aglaonema sebagai inovasi model manajemen pengetahuan yang aplikatif; (3) mengembangkan model prediksi harga Aglaonema berbasis LSTM, yang merupakan kontribusi baru dalam literatur agribisnis tanaman hias; dan (4) menghasilkan prototype model integratif KM– LSTM untuk mendukung keberlanjutan dan daya saing agribisnis Aglaonema. Penelitian ini juga berkontribusi pada pengayaan literatur integrasi KM dan machine learning dalam agribisnis, sekaligus menawarkan solusi praktis untuk meningkatkan daya saing dan ketahanan Agribisnis petani Aglaonema.

Kata kunci: knowledge management, long sort term memory, petani, prediksi harga, supply chain