Catatan Editor: Rob Ward adalah CEO dan salah satu pendiri Vitagri Org Ltdsebuah perusahaan agtech Inggris yang membangun infrastruktur pengukuran dan verifikasi untuk produksi pangan padat nutrisi.
Pandangan yang diungkapkan dalam artikel tamu ini adalah milik penulis dan tidak mewakili pandangan AgFunderNews.
Hadiri konferensi pertanian mana pun hari ini, dan Anda akan mendengar percakapan yang sama: AI akan mengubah hasil panen. Pembelajaran mesin dan algoritme dapat mengoptimalkan segalanya.
Namun pembicaraan seperti ini hanya melanggengkan apa yang saya sebut “fobia data” di antara mereka yang harus mengumpulkan dan menerapkan informasi ini: para petani.
Fobia data menjadi alasan sebagian besar petani masih mengambil keputusan berdasarkan naluri dan kearifan tradisional, dibandingkan bukti terukur. Keengganan ini bukan lahir dari sikap keras kepala atau ketidakmampuan. Hal ini lahir dari kenyataan: industri pertanian tidak pernah diajarkan dengan baik apa sebenarnya data itu, bagaimana cara kerjanya, atau mengapa data itu penting.
Bukan sekadar tantangan teknis, menyelesaikan masalah fobia data berarti membantu industri mengatasi keengganan untuk terlibat dengan informasi terstruktur, pemikiran statistik, dan pemodelan prediktif. Sampai ini selesai secara sistematis, revolusi data pertanian akan tetap terjebak pada proyek percontohan yang mahal dan keuntungan marginal dibandingkan memberikan keuntungan produktivitas yang nyata.
Memahami kesenjangan pemahaman data
Setelah bekerja secara langsung sebagai petani dan bersama para profesional pertanian sepanjang karier saya, saya berulang kali menyaksikan pola yang sama: peluncuran produk canggih dengan kemampuan mengesankan; solusinya sangat masuk akal bagi semua orang kecuali mereka yang perlu menggunakannya.
Kebanyakan profesional pertanian tidak pernah diajari bahwa data bukanlah opini atau dugaan, melainkan angka yang ditulis secara terstruktur. Pikirkan pH tanah (6,7), kandungan besi gandum (4,3 mg/100g), dan penggunaan tanaman penutup tanah (ya/tidak).
Ketika petani melihat spreadsheet dengan 200 baris pengukuran, banyak yang tidak tahu cara mengekstrak maknanya. Mereka tidak menyadari bahwa pengukuran berada di sekitar rata-rata, bahwa “rata-rata” antara 4,2 dan 4,8 mg/100g zat besi dapat memprediksi perbedaan nutrisi yang signifikan. Mereka belum pernah diperlihatkan bagaimana praktik pertanian mengalir ke dalam analisis statistik, lalu ke dalam angka-angka, dan, akhirnya, ke dalam prediksi yang bisa ditindaklanjuti.
Pertimbangkan hubungan antara praktik pertanian dan nilai gizi makanan. Penelitian kini menunjukkan adanya hubungan dua arah yang terukur antara cara pangan ditanam dan nilai gizi yang dihasilkannya. Dalam jenis tanaman yang sama, tingkat antioksidan dapat bervariasi hingga 200 kali lipat tergantung pada biologi tanah, jaringan mikoriza, dan metode pertanian.
Ini revolusioner. Jika kita dapat memprediksi praktik pertanian mana yang menghasilkan pangan lebih bergizi, kita dapat memberikan penghargaan kepada petani atas hasil kesehatannya, bukan hanya hasil panennya. Kami dapat membantu konsumen mengidentifikasi produk yang benar-benar bergizi dan membangun sistem pangan yang dioptimalkan untuk kesehatan manusia, bukan hanya efisiensi ekonomi.
Namun untuk mewujudkan kemungkinan ini, petani dan ahli agronomi harus memahami hubungan statistik antara pengukuran tanah, indikator biologis, dan hasil gizi. Mereka perlu memahami bagaimana spektroskopi inframerah dekat dengan cepat menguji kepadatan nutrisi dan menafsirkan kapan model prediktif menunjukkan keyakinan 92% bahwa praktik tertentu akan meningkatkan kadar antioksidan sebesar 40%.
Tanpa pemahaman ini, prediksi kepadatan nutrisi yang canggih hanya akan menjadi teknologi yang menghasilkan angka-angka yang tidak dipercaya atau ditindaklanjuti oleh petani.
Solusi sumber terbuka sangat penting
Sebagian besar perusahaan agtech menyadari kesenjangan pendidikan ini dan meresponsnya dengan program untuk platform spesifik mereka, seperti webinar pelatihan serta panduan dan tutorial.
Namun literasi data tidak bisa spesifik pada vendor, karena pemikiran statistik, prinsip pengukuran, dan interpretasi model melampaui alat individual. Ketika pendidikan dikaitkan dengan produk tertentu, praktisi belajar menggunakan produk tersebut tetapi tidak mengembangkan pemahaman mendasar untuk mengevaluasi alternatif, mengidentifikasi hasil yang tidak dapat diandalkan, atau meningkatkan sistem berdasarkan pengalaman.
Hasilnya: petani mungkin mengoperasikan tiga platform perangkat lunak namun masih belum dapat melihat kumpulan data dan memahami apa yang ditunjukkan oleh angka-angka tersebut tentang operasi mereka.
Solusinya harus bersifat open source, kolaboratif, dan netral terhadap vendor. Literasi data terlalu penting untuk dikendalikan oleh perusahaan mana pun. Keterampilan dasar, memahami rata-rata dan rentang, mengenali kualitas data yang tidak mencukupi, dan menafsirkan tingkat kepercayaan, harus tersedia secara gratis bagi setiap profesional pertanian.
Di Vitagri, misalnya, kami telah membuatnya Akademi gratissebuah platform interaktif dan praktis yang dikembangkan dengan Institut Bionutrien. Ini mengajarkan pertanian berbasis data melalui modul bahasa Inggris yang terstruktur dan sederhana yang dapat diakses siapa saja, apa pun teknologi yang mereka terapkan.
Di luar fobia data
Tujuannya di sini adalah untuk membangun industri di mana kelancaran data memungkinkan para praktisi untuk meminta alat yang lebih baik, mengidentifikasi keterbatasan, dan meningkatkan sistem. Ketika petani memahami interval kepercayaan, mereka dapat mengevaluasi apakah rekomendasi yang diberikan dapat diandalkan untuk kondisi mereka. Ketika ahli agronomi memahami hubungan antara ukuran sampel dan akurasi prediksi, mereka merancang protokol pengumpulan data yang lebih baik.
Kemajuan kolektif ini menguntungkan semua orang, mulai dari pengembang yang membuat alat, petani yang mengambil keputusan, hingga perusahaan makanan yang perlu mengukur dan memverifikasi kualitas tanaman yang diinginkan.
Masa depan tidak hanya bergantung pada algoritme yang lebih baik, namun juga praktisi yang memiliki informasi lebih baik dalam membuka potensi mereka. Hal ini layak untuk dibangun bersama, secara terbuka, demi keuntungan semua orang.