Peneliti Sekolah Vokasi UGM Manfaatkan Drone dan Kecerdasan Buatan untuk Pemetaan Sawah, Dukung Tujuan Pembangunan Berkelanjutan
Berita Monday, 9 November 2026
MAGELANG — Tim peneliti Departemen Teknologi Kebumian, Sekolah Vokasi Universitas Gadjah Mada, menerapkan kecerdasan buatan untuk membantu pemetaan lahan sawah di Desa Sumberarum, Kecamatan Tempuran, Kabupaten Magelang, Jawa Tengah. Penelitian ini memadukan foto udara pesawat nirawak dengan metode deep learning untuk menghasilkan delineasi awal atau penggambaran batas area sawah.
Penelitian yang diketuai Karen Slamet Hardjo, S.Si., M.Sc., tersebut berangkat dari kebutuhan informasi spasial lahan pertanian yang terperinci. Pada tingkat desa, informasi mengenai lokasi dan sebaran sawah dapat menjadi bahan pendukung inventarisasi pertanian serta perencanaan pengelolaan wilayah.
Foto udara beresolusi tinggi memungkinkan pengenalan pola petak, pematang, dan saluran irigasi. Namun, penggambaran batas secara manual membutuhkan ketelitian serta konsistensi interpretasi. Melalui penelitian ini, tim menguji potensi kecerdasan buatan sebagai alat bantu pemetaan.
Data utama berasal dari pemotretan menggunakan drone dengan resolusi spasial sekitar 4,28 sentimeter per piksel. Pengolahan difokuskan pada wilayah Desa Sumberarum dan cek lapangan dilakukan pada tahun 2026.
Tim terlebih dahulu menginterpretasi foto udara secara visual untuk menyusun label sawah sebagai bahan pembelajaran model. Selanjutnya, model segmentasi U-Net dengan penyandi ResNet-34 dilatih untuk mengenali kelas sawah dan non-sawah. Model memberikan kelas pada setiap piksel sehingga menghasilkan gambaran sebaran area sawah pada citra.
Hasil validasi internal menunjukkan akurasi sebesar 92 persen. Angka tersebut menggambarkan kinerja pada pembagian dataset penelitian dan belum merupakan ukuran akurasi keseluruhan peta berdasarkan pengujian lapangan independen.
Pemeriksaan lapangan membantu mengidentifikasi lokasi yang memerlukan peninjauan. Tantangan yang ditemukan antara lain kemiripan kenampakan sawah dengan sungai dan lapangan, serta keterputusan batas antarpetak. Perbedaan waktu antara perekaman foto udara dan pemeriksaan lapangan juga perlu diperhatikan karena penggunaan lahan dapat berubah.
Temuan tersebut menunjukkan bahwa pengolahan berbasis kecerdasan buatan tetap memerlukan interpretasi dan verifikasi manusia. Peta yang dihasilkan berpotensi digunakan sebagai bahan delineasi awal, kemudian diperiksa dan disunting sebelum dimanfaatkan lebih lanjut.
Dukungan terhadap Tujuan Pembangunan Berkelanjutan
Penelitian ini memiliki keterkaitan dengan Tujuan Pembangunan Berkelanjutan atau Sustainable Development Goals (SDGs), terutama SDG 2: Tanpa Kelaparan. Informasi sebaran sawah dapat mendukung penyediaan basis data lahan pertanian untuk perencanaan pengelolaan sumber daya pangan. Kontribusinya berada pada penyediaan informasi pendukung; penelitian ini belum mengukur peningkatan produksi maupun ketahanan pangan masyarakat.
Penerapan drone dan deep learning juga sejalan dengan SDG 9: Industri, Inovasi, dan Infrastruktur, melalui pengembangan serta pengujian teknologi pemetaan. Integrasi penginderaan jauh dan kecerdasan buatan membuka peluang pengembangan layanan informasi geospasial yang dapat membantu pengelolaan wilayah pedesaan.
Dari sisi pendidikan, keterlibatan mahasiswa dalam interpretasi citra dan pemeriksaan lapangan mendukung SDG 4: Pendidikan Berkualitas. Kegiatan tersebut memberikan pengalaman menerapkan pengetahuan geospasial pada persoalan nyata, sekaligus melatih ketelitian, kemampuan analisis, dan pemahaman terhadap keterbatasan teknologi.
Hasil pemetaan juga berpotensi menjadi data dasar bagi kajian lanjutan yang relevan dengan SDG 13: Penanganan Perubahan Iklim, misalnya ketika dipadukan dengan data perubahan penggunaan lahan, banjir, atau kekeringan. Namun, penelitian berbasis citra satu periode ini belum mengukur perubahan lahan maupun dampak mitigasi dan adaptasi iklim secara langsung.
Pelaksanaan penelitian mendapat dukungan teknisi laboratorium Penginderaan Jauh dan Sistem Informasi Geografis, tim mahasiswa dan dosen pembimbing PKL 2 Sumberarum, serta perangkat desa dan masyarakat setempat. Keterlibatan tersebut mendukung peliputan foto udara, interpretasi manual, dan pemeriksaan lapangan.
Pengembangan berikutnya diarahkan pada peningkatan kualitas batas sawah, pengayaan sampel non-sawah, serta pengujian model menggunakan pemisahan data berdasarkan blok wilayah. Hasil penelitian juga berpotensi dikembangkan menjadi studi kasus pembelajaran mahasiswa dan bahan diskusi pemanfaatan informasi spasial bersama pemerintah desa.
Melalui penyediaan informasi lahan pertanian dan pengembangan kapasitas teknologi geospasial, penelitian ini memberikan kontribusi awal yang relevan dengan agenda SDGs. Pemanfaatan lebih lanjut tetap memerlukan verifikasi kualitas peta serta penyesuaian dengan kebutuhan pengguna.