PENGEMBANGAN SISTEM REKOMENDASI PEMUPUKAN BERBASIS EDGE COMPUTING UNTUK PETANI SAWIT RAKYAT

Abstract

Kelapa sawit merupakan komoditas perkebunan strategis bagi perekonomian Indonesia, dan petani sawit rakyat mengelola sekitar 40% dari total luas perkebunan nasional. Meskipun demikian, produktivitas petani rakyat masih kurang dari 50% dibandingkan perkebunan besar. Salah satu penyebab utamanya adalah praktik pemupukan yang masih bersifat intuitif tanpa mempertimbangkan kondisi hara tanah aktual. Penerapan pertanian cerdas untuk mengatasi persoalan ini umumnya bertumpu pada komputasi awan yang membutuhkan koneksi internet stabil, sedangkan sebagian besar lahan sawit rakyat berada di wilayah tanpa sinyal seluler memadai. Kondisi tersebut menuntut pendekatan komputasi tepi (edge computing) yang mampu beroperasi secara lokal tanpa bergantung pada ketersediaan internet. Penelitian ini bertujuan mengembangkan sistem rekomendasi pemupukan berbasis edge computing untuk petani sawit rakyat. Secara khusus, penelitian ini bertujuan mengembangkan prototipe perangkat pemantauan lahan (IoT node) sebagai media pengumpulan data, mengembangkan alur komunikasi data agar perangkat tetap beroperasi pada area dengan konektivitas internet terbatas, serta mengembangkan model Fuzzy Inference System (FIS) untuk mengubah pembacaan sensor menjadi rekomendasi pemupukan. Prototipe IoT node dikembangkan menggunakan pendekatan Model-Based Systems Engineering (MBSE) melalui lima lapis arsitektur, mulai dari fungsional hingga realisasi prototipe. Perangkat tersusun atas mikrokontroler ESP32, sensor DHT22, modul GPS Neo-6M, sensor tanah tujuh-dalam-satu, dan modul LoRa SX1276, dengan Raspberry Pi sebagai edge server lokal. Sistem dirancang dengan arsitektur tiga lapis (edge–fog–cloud) yang menempatkan pengambilan keputusan pada lapisan fog lokal. Komunikasi LoRa diuji pada skema satu node dan dua node dengan mengukur kekuatan sinyal (RSSI), waktu tunda (delay), dan rasio keberhasilan pengiriman paket (PDR), sedangkan akurasi sensor dievaluasi menggunakan galat persentase absolut rata-rata (MAPE). Model FIS dikembangkan dengan metode Mamdani dua lapis: Lapis A menentukan jenis dan dosis pupuk berdasarkan kadar N, P, K, dan pH, sedangkan Lapis B menentukan waktu aplikasi berdasarkan kelembapan tanah. Model diverifikasi melalui pengujian kondisi batas dan validasi lintas platform antara Python dan Scilab. Hasil pengujian menunjukkan sensor suhu, kelembapan, pH, dan GPS bekerja dengan galat dalam ambang batas yang dapat ditoleransi (MAPE suhu 1,9%, kelembapan udara 2,14%, kelembapan tanah 1,83%, pH 0,27%, dan simpangan GPS 0,98 m), sedangkan sensor NPK terbukti responsif terhadap perubahan kondisi tanah meskipun akurasi absolutnya belum diverifikasi terhadap metode analisis laboratorium. Komunikasi LoRa terbukti andal dengan PDR di atas 90% hingga jangkauan 200 m dan mampu menangani pengiriman data dari dua node secara simultan tanpa konflik identitas. Model FIS berhasil menghasilkan rekomendasi jenis, dosis, dan waktu pemupukan; seluruh delapan skenario pengujian kondisi batas menghasilkan keluaran yang sesuai ekspektasi agronomi, dan verifikasi lintas platform mengonfirmasi konsistensi logika model dengan simpangan maksimum hanya 0,0041 kg/pohon. Model FIS Lapis A juga ditanamkan pada firmware IoT node sehingga rekomendasi dosis dapat ditampilkan langsung melalui antarmuka web lokal node yang diakses petani via smartphone tanpa memerlukan koneksi internet. Temuan utama penelitian ini adalah keberhasilan mengintegrasikan akuisisi data sensor, komunikasi mandiri-internet, dan model rekomendasi cerdas dalam satu sistem offline-first. Keterbatasan jangkauan LoRa pada radius 200 m diantisipasi melalui strategi pemanfaatan IoT node secara mobile dengan pola pemindaian sekuensial, yang memungkinkan satu paket perangkat melayani area efektif hingga 5,68 Ha per posisi gateway. Sistem yang dikembangkan mendukung transformasi pemupukan sawit rakyat dari pendekatan intuitif menuju pemupukan presisi berbasis data yang tetap berfungsi tanpa jaringan internet. Penyempurnaan lebih lanjut diperlukan melalui validasi pakar agronomi terhadap model rekomendasi, verifikasi akurasi absolut sensor NPK terhadap analisis laboratorium, serta pengujian komunikasi pada area bervegetasi rapat untuk penerapan pada lahan yang lebih luas.