No abstract

No abstract

<p class="Abstrak">Dewasa ini teknologi <em>blockchain</em> dan kecerdasan buatan (<em>artificial intelligence</em>/AI) telah diimplementasikan dalam bidang pertanian. Teknologi <em>blockchain</em> menjanjikan keamanan dan peningkatan kepercayaan untuk pengguna. Teknologi kecerdasan buatan menjanjikan berbagai kemudahan bagi pengguna. Perpaduan kedua teknologi tersebut dapat meningkatan kepercayaan terhadap sistem kecerdasan buatan (<em>blockchain for</em> AI) atau dapat juga digunakan untuk meningkatkan kinerja sistem<em> blockchain </em>(AI <em>for</em> <em>blockchain</em>). Tujuan penelitian ini mengulas kedua teknologi tersebut dalam studi literatur serta memberikan tantangan riset ke depan terkait implementasinya di bidang pertanian.  Metodologi yang digunakan adalah <em>Systematic Literature Review </em>(SLR) dan <em>text mining</em>. <em>Text mining </em>digunakan untuk memberikan deskripsi riset yang ada berdasarkan kata-kata di setiap artikel terpilih. SLR digunakan untuk memberikan ulasan yang komprehensif terkait riset <em>Blockchain </em>dan kecerdasan Buatan dalam pertanian. Hasil penelitian menunjukan bahwa terdapat 10 % penelitian terkait penerapan <em>blockchain </em>dan AI dalam pertanian. Riset tersebut memiliki potensi besar untuk berkembang terlihat dari peningkatan jumlah publikasi dalam 2 tahun terakhir. Kontribusi penelitian ini meliputi posisi riset terkini dan usulan riset ke depan dengan mempertimbangkan kondisi pertanian Indonesia. Posisi riset tersebut didominasi komunitas peneliti dari negara-negara di Asia seperti India (33%), Pakistan (33%), China (14%) dan Korea (14%). Originalitas penelitian ini terletak pada studi literatur dari integrasi teknologi <em>blockchain </em>dan kecerdasan buatan dalam bidang pertanian menggunakan SLR dan <em>text mining.</em></p><p class="Abstrak"> </p><p class="Abstrak"><em><strong>Abstract</strong></em></p><p class="Abstrak"><em>Artificial intelligence and blockchain technology are being developed and implemented in Agriculture. Blockchain technology promises security and trust for users. Moreover, artificial intelligence technology promises convenience for users. The combination of these two technologies will increase trust in artificial intelligence systems. Besides, this combination can also increase security on the blockchain system through the application of artificial intelligence. This paper summarizes the application of both technologies and reviews them in a systematic literature review, presents a description of articles based on text mining, and provides future research challenges related to the implementation of blockchain and artificial intelligence in agriculture. The methodologies used are Systematic Literature Review (SLR) and text mining. Text mining is used to describe a description of existing research based on the words in each selected article. SLR is used to provide a comprehensive review of Blockchain research and Artificial intelligence in agriculture. The results showed that there were 10% of research related to the application of blockchain and AI in agriculture. This research has great potential for growth as seen from the increase in the number of publications in the last 2 years. The contribution of this research includes the latest research positions and future research proposals taking into account the conditions of Indonesian agriculture. </em><em>The research position is dominated by the research community from countries in Asia such as India (33%), Pakistan (33%), China (14%) and Korea (14%). The originality of this research is a literature study on the integration of blockchain and artificial intelligence in agriculture using SLR and text mining.</em></p><p class="Abstrak"><em><strong><br /></strong></em></p>

Ikan merupakan salah satu produk pangan hewani yang memiliki kontribusi cukup besar terhadap konsumsi protein penduduk di Indonesia. Dari tahun ke tahun tingkat konsumsi ikan terus meningkat; namun ironisnya, tingkat konsumsi ikan di Indonesia masih tergolong rendah. Selain itu, data menunjukkan bahwa persebaran konsumsi ikan nasional per pulau selama ini tidak merata. Tingginya disparitas tingkat konsumsi ikan di Jawa atau Kawasan Barat Indonesia dengan Kawasan Timur Indonesia menyebabkan tingkat konsumsi ikan nasional relatif rendah. Salah satu cara yang dapat digunakan untuk memantau tingkat kecukupan konsumsi ikan dengan mudah adalah dengan mengelompokkannya di seluruh Indonesia. Dengan adanya klasterisasi kemudian pemetaan, perencanaan, monitoring dan evaluasi, serta sistem peringatan dini masalah kelangkaan konsumsi dapat dilakukan dengan baik. Kajian ini dilakukan dengan tujuan untuk menilai tingkat konsumsi ikan di Indonesia dengan cara mengelompokkan dan memetakannya; sehingga dapat dirumuskan rekomendasi kebijakan peningkatan konsumsi ikan penduduk Indonesia secara akurat. Data yang digunakan dalam penelitian ini adalah data sekunder SUSENAS 2019 yang diselenggarakan oleh Badan Pusat Statistik. Variabel yang digunakan dalam penelitian ini adalah tingkat konsumsi ikan, tingkat partisipasi, dan tingkat pengeluaran untuk ikan. Pengelompokan dilakukan berdasarkan metode cluster K-means. Hasil analisis menunjukkan bahwa jumlah cluster yang optimal dengan rasio variance terkecil adalah 5 cluster. Klaster 1 dengan tingkat konsumsi, partisipasi dan pengeluaran ikan terendah adalah provinsi Daerah Istimewa Yogyakarta dan Jawa Tengah. Klaster 2 terdiri dari 5 provinsi yaitu Lampung, Jawa Barat, Jawa Timur, Bali, Nusa Tenggara Timur. Klaster 3 terdiri dari 8 provinsi, yaitu Sumatera Barat, Sumatera Selatan, Bengkulu, Banten, Nusa Tenggara Barat, Sulawesi Tengah, Gorontalo, dan Sulawesi Barat. Klaster 4 terdiri dari 11 provinsi yaitu Sumatera Utara, Jambi, DKI Jakarta, Kalimantan Barat, Kalimantan Selatan, Sulawesi Utara, Sulawesi Tenggara, Maluku, Maluku Utara dan Papua. Sedangkan cluster 5 dengan tingkat konsumsi, partisipasi, dan pengeluaran ikan tertinggi terdiri dari 8 provinsi, yaitu Aceh, Riau, Kepulauan Bangka Belitung, Kepulauan Riau, Kalimantan Tengah, Kalimantan Timur, Kalimantan Utara, dan Papua Barat

Rice is the main commodity in Indonesia, both for consumption and production. Rice production data are available at the Badan Pusat Statistika and at Kementrian Pertanian. The data is used to build a large data management model for Indonesia's rice trade. The model development strategy is done through analyzing agriculture big data analytic that is equipped with descriptive analysis, evaluation, predictive and prescriptive. The models and designs that are built discuss business processes, stakeholder networks and network management. Descriptive analysis results in the form of grouping and visualization of rice data. The results of the diagnostic process using classification approach produce a decision tree to see the results of the level of production in a province. In the predictive process produces a linear regression model to predict the results of the following year's production as well as in the analysis.