Smart Agriculture Berbasis AI Vision dan Project-Based Learning
SURAKARTA — Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sebelas Maret (UNS), bekerja sama dengan Laboratorium Industri M-MIT dan Merkle Innovation, menyelenggarakan kegiatan International Guest Lecture (IGL) #13 Tahun 2026 dalam rangkaian Visiting Scholar & Industry Practitioner Guest Lecture. Kegiatan ini menghadirkan dua akademisi dari Universitas PGRI Semarang (UPGRIS), yaitu Dr. Sutrisno, S.Pd., M.Pd. dan Dr. Yanuar Hery Murtianto, M.Pd., serta mengangkat penerapan teknologi smart farming greenhouse sebagai salah satu pendekatan inovatif dalam pengembangan pertanian modern.
Kegiatan yang dilaksanakan pada Senin, 12 Oktober 2026, pukul 09.00 WIB, bertempat di Ruang Sidang Senat, Gedung Soetomo Darso Wiratmo, FMIPA UNS, tersebut mengusung tema “Smart Agriculture with AI Vision: A Project-Based Approach to Applied Mathematics.” Melalui tema ini, kegiatan diarahkan untuk memperluas wawasan akademik mengenai integrasi matematika terapan, kecerdasan buatan (Artificial Intelligence), dan teknologi pertanian presisi, khususnya dalam mendukung pengembangan sistem pertanian cerdas, otomatisasi greenhouse, serta implementasi pembelajaran berbasis proyek (project-based learning) yang menghubungkan konsep teoretis dengan penerapannya dalam penyelesaian permasalahan nyata.
Dalam kegiatan tersebut, salah satu materi yang disampaikan mengangkat topik “Matematika di Balik Agronomi Presisi”, yang menguraikan peran fundamental matematika dalam mendukung pengembangan teknologi pertanian modern. Materi ini menekankan bahwa berbagai konsep matematika, seperti aljabar linear, logaritma, kalkulus, statistika, geometri, dan mekanika, memiliki penerapan nyata dalam perancangan, pengelolaan, serta optimalisasi sistem pertanian berbasis teknologi. Pembahasan mencakup dua pendekatan utama, yaitu pengelolaan pertanian dalam lingkungan terkendali melalui sistem greenhouse dan penerapan prinsip matematika pada kegiatan agronomi di lahan terbuka. Kedua pendekatan tersebut memperlihatkan bagaimana pemodelan matematika dapat digunakan untuk mendukung pengambilan keputusan yang lebih terukur, meningkatkan efisiensi penggunaan sumber daya, serta mengembangkan sistem pertanian yang adaptif terhadap kondisi lingkungan. Pada penerapan teknologi smart greenhouse, konsep aljabar linear diperkenalkan sebagai dasar penyusunan formulasi nutrisi tanaman melalui sistem persamaan linear yang mempertimbangkan komposisi bahan pupuk dan kebutuhan unsur hara. Selain itu, pendekatan statistika digunakan untuk mengevaluasi tingkat keseragaman distribusi irigasi berdasarkan hasil pengukuran volume air. Analisis tersebut memungkinkan identifikasi ketidakseimbangan distribusi air sehingga dapat menjadi dasar evaluasi dan penyempurnaan sistem irigasi.
Aspek lain yang dibahas adalah penerapan fungsi logaritmik dalam pengukuran tingkat keasaman (pH) larutan nutrisi serta pemanfaatan kalkulus dalam pengembangan sistem kendali otomatis. Salah satu contohnya adalah penggunaan metode Proportional–Integral–Derivative (PID) untuk mengatur proses pemberian nutrisi dan pengoperasian pompa. Pendekatan ini mengintegrasikan respons terhadap perbedaan antara kondisi aktual dan kondisi yang ditargetkan, akumulasi penyimpangan, serta laju perubahan kondisi sistem. Melalui penerapan tersebut, konsep matematika yang bersifat teoretis dapat dihubungkan secara langsung dengan teknologi otomasi pertanian. Sementara itu, dalam konteks agronomi lapangan, penerapan matematika diperlihatkan melalui penggunaan trigonometri untuk menyesuaikan pengukuran jarak pada lahan berkontur, serta kalkulus integral untuk memperkirakan volume kanopi tanaman. Pemodelan tersebut dapat dimanfaatkan sebagai dasar perencanaan kebutuhan input pertanian dengan mempertimbangkan karakteristik geometris tanaman. Materi juga menguraikan penerapan prinsip mekanika, khususnya momen gaya, dalam mengevaluasi distribusi beban buah pada cabang pohon. Analisis ini memberikan gambaran mengenai pentingnya pendekatan kuantitatif dalam mendukung pengelolaan tanaman dan mengurangi risiko kerusakan akibat beban berlebih.
Sejalan dengan perkembangan transformasi digital, kegiatan ini turut menyoroti potensi integrasi kecerdasan buatan (Artificial Intelligence) dan teknologi pengolahan citra (AI Vision) dalam pengembangan sistem pertanian presisi. Teknologi tersebut membuka peluang pemanfaatan data visual untuk mendukung pemantauan pertumbuhan tanaman, identifikasi kondisi tanaman, serta pengembangan model prediksi berbasis data. Integrasi matematika, kecerdasan buatan, dan teknologi sensor menjadi salah satu arah pengembangan inovasi pertanian yang berorientasi pada efisiensi, ketepatan, dan keberlanjutan. Selain menekankan aspek penerapan teknologi, materi yang disampaikan juga memberikan perspektif mengenai pentingnya pembelajaran matematika berbasis proyek (project-based learning). Pendekatan ini mendorong mahasiswa untuk mengintegrasikan pemahaman konseptual dengan keterampilan analitis, komputasional, dan pemecahan masalah melalui pengembangan proyek yang relevan dengan kebutuhan nyata. Berbagai permasalahan agronomi, seperti formulasi nutrisi, evaluasi distribusi irigasi, simulasi sistem kendali, dan pemodelan pertumbuhan tanaman, dapat dimanfaatkan sebagai konteks pembelajaran yang menghubungkan teori matematika dengan implementasi teknologi.
Penyelenggaraan kegiatan ini sekaligus memperkuat sinergi antara Program Studi Matematika FMIPA UNS, Laboratorium Industri M-MIT, dan Merkle Innovation dalam mengembangkan ekosistem pendidikan, penelitian terapan, dan inovasi berbasis kolaborasi akademisi serta praktisi industri. Melalui kegiatan International Guest Lecture (IGL) #13 Tahun 2026, mahasiswa diharapkan memperoleh pemahaman yang lebih komprehensif mengenai peran strategis matematika sebagai fondasi pengembangan teknologi dan penyelesaian permasalahan multidisiplin, khususnya dalam mendukung transformasi sektor pertanian menuju sistem yang lebih modern, efisien, dan berkelanjutan. Kegiatan ini juga sejalan dengan komitmen Universitas Sebelas Maret dalam mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDG 2: Zero Hunger, melalui pengembangan inovasi pertanian berkelanjutan; SDG 4: Quality Education, melalui penguatan pembelajaran berbasis aplikasi nyata; SDG 9: Industry, Innovation and Infrastructure, melalui pengembangan teknologi dan inovasi terapan; serta SDG 17: Partnerships for the Goals, melalui penguatan kolaborasi antara perguruan tinggi dan mitra industri.
