AI-Driven Smart Sugarcane Plantation Ecosystem: Model Implementasi Artificial Intelligence untuk Mendukung Program Bongkar Ratoon dan Hilirisasi Industri Gula Berkelanjutan di Kabupaten Bone

Authors

  • Hasbi Universitas Sipatokkong Mambo Bone, Indonesia
  • A. Didi Yuspin Institut Agama Islam Negeri Bone, Indonesia
  • Rusdiawan Institut Agama Islam Negeri Bone, Indonesia

DOI:

https://doi.org/10.54387/semnasbun.v1i1.200

Keywords:

Artificial Intelligence, Smart Plantation, Tebu, Bongkar Ratoon, Hilirisasi

Abstract

Kabupaten Bone merupakan salah satu sentra pengembangan tebu di Sulawesi Selatan yang berperan penting dalam mendukung program swasembada gula nasional. Melalui Program Bongkar Ratoon, pemerintah berupaya meningkatkan produktivitas dan kualitas tebu, namun implementasinya masih menghadapi berbagai kendala, seperti rendahnya adopsi teknologi digital, pengelolaan budidaya yang belum berbasis data, perubahan iklim, serta fluktuasi produktivitas dan rendemen gula. Penelitian ini bertujuan merancang model AI-Driven Smart Sugarcane Plantation Ecosystem sebagai solusi transformasi perkebunan tebu berkelanjutan yang mendukung Program Bongkar Ratoon dan hilirisasi industri gula di Kabupaten Bone. Penelitian menggunakan pendekatan Design Science Research (DSR) dengan metode mixed methods. Data diperoleh melalui studi literatur, observasi lapangan, wawancara dengan petani, penyuluh, pengelola pabrik gula, serta analisis kebijakan pemerintah. Data dianalisis menggunakan pendekatan SWOT dan PESTEL untuk merumuskan model implementasi berbasis Artificial Intelligence. Hasil penelitian menghasilkan model ekosistem perkebunan tebu cerdas yang mengintegrasikan Artificial Intelligence, Internet of Things (IoT), drone, Geographic Information System (GIS), sensor lahan, dan dashboard digital dalam sistem pendukung keputusan. Model ini mampu memberikan rekomendasi waktu tanam dan panen, pemupukan presisi, optimasi irigasi, deteksi dini hama dan penyakit, serta prediksi produktivitas dan rendemen tebu secara lebih akurat. Implementasi model diharapkan meningkatkan efisiensi budidaya, memperkuat integrasi antara petani, pabrik gula, dan pemerintah, serta mendukung transformasi perkebunan tebu menuju sistem yang berkelanjutan, unggul, adaptif, dan berdaya saing dalam mendukung ketahanan pangan dan industri gula nasional.

References

Adli, H. K. (2023). Recent Advancements and Challenges of AIoT Application in Smart Agriculture: A Review. Sensors, 1-2.

Barton, G. (2020). Designing and Conducting Mixed Methods Research (3rd Edition; International Student Edition). The Cognitive Psychology Bulletin, 88-89.

Ben Ayed, R. &. (2021). Artificial Intelligence to Improve the Food and Agriculture Sector. Journal of Food Quality, 1-2.

Bhatt, R. A. (2024). Prospects of Artificial Intelligence for the Sustainability of Sugarcane Production in the Modern Era of Climate Change: An Overview of Related Global Findings. Journal of Agriculture and Food Research, 1-2.

Carrer, M. H. (2022). Precision Agriculture Adoption and Technical Efficiency: An Analysis of Sugarcane Farms in Brazil. Technological Forecasting and Social Change, 121510.

Elijah, O. T. (2018). An Overview of Internet of Things (IoT) and Data Analytics in Agriculture: Benefits and Challenges. IEEE Internet of Things Journal, 3758-3759.

Fitranto, D. Y. (2024). Analisis Kelayakan Usaha Tani Tebu Bongkar Ratoon (Studi Kasus Petani di Kecamatan Pagu). Mimbar Agribisnis: Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis, Vol.10, No. 2, 3238-3239.

Herniwati, F. D. (2014). Prospek Pengembangan Bibit Tebu Asal Kultur Jaringan di Sulawesi Selatan. Semiloka Nasional: Tanaman Pemanis, Serat, Tembakau dan Minyak Industri (pp. 55-56). Makassar: Balai Besar Perpustakaan dan Literasi Pertanian.

Islam, N. M. (2021). A Review of Applications and Communication Technologies for Internet of Things (Iot) and Unmanned Aerial Vehicle (UAV) Based Sustainable Smart Farming. Sustainability (Switzerland), 1-2.

Javaid, M. A. (2023). Understanding the potential applications of Artificial Intelligence in Agriculture Sector. Advanced Agrochem, 15-16.

Maes, W. &. (2018). Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture. Trends in Plant Science, 1-2.

Molin, J. P. (2024). Challenges of Digital Solutions in Sugarcane Crop Production: A Review. AgriEngineering, 925-926.

Molin, J. P. (2024). Challenges of Digital Solutions in Sugarcane Crop Production: A Review. AgriEngineering, 925-926.

Peffers, K. T. (2007). A Design Science Research Methodology for Information Systems Research. Journal of Management Information Systems, 45-46.

Pertanian, K. (2024). Laporan Kinerja Direktorat Tanaman Semusim dan Tahunan Tahun 2023. Jakarta: Direktorat Jenderal Perkebunan, Kementerian Pertanian Republik Indonesia.

Talaviya, T. D. (2020). Implementation of Artificial Intelligence in Agriculture for Optimisation of Irrigation and Application of Pesticides and Herbicides. Artificial Intelligence in Agriculture 4, 58-59.

Downloads

Published

2026-09-28

Citation Check