Biji Sebanyak Apa pun, AI Bisa Hitung dalam Hitungan Menit
Tulisan dari Deden Sumirat Hidayat tidak mewakili pandangan dari redaksi kumparan
PerbesarBayangkan seorang kurator bank biji harus menghitung ribuan biji dari satu spesies pohon langka, satu per satu, di bawah mikroskop, hanya untuk memastikan berapa banyak yang layak disimpan sebagai cadangan genetik. Pekerjaan ini terdengar sepele, tapi di lapangan ia memakan waktu berhari-hari, rawan salah hitung, dan sangat bergantung pada ketelitian mata manusia yang gampang lelah. Di sinilah kecerdasan artifisial/ artificial intelligence (AI) mulai mengambil alih peran yang selama ini dianggap remeh tapi krusial dalam menghitung biji.
Bank biji, baik yang dikelola universitas, kebun raya, maupun lembaga konservasi, menyimpan koleksi biji dari berbagai spesies tumbuhan sebagai jaminan keberlanjutan genetik. Setiap biji yang masuk perlu dicatat jumlahnya secara presisi untuk keperluan penelitian, pemuliaan tanaman, hingga pemulihan ekosistem pascabencana. Masalahnya, semakin besar koleksi, semakin berat pula beban penghitungan manual. Teknologi visi komputer dan pembelajaran mesin kini menawarkan jalan keluar: sistem yang bisa "melihat" foto biji dan menghitungnya secara otomatis, cepat, dan konsisten.
Teknologi di Balik Penghitungan Biji Otomatis
Secara teknis, proses ini dimulai dari pengambilan gambar biji dalam kondisi pencahayaan yang terkendali, biasanya menggunakan kamera ponsel atau alat pemindai khusus. Gambar tersebut kemudian diproses melalui tahapan penghalusan, pemisahan objek dari latar belakang, hingga deteksi batas tiap biji. Di titik inilah dua pendekatan besar bertemu: metode pengolahan citra klasik yang mengandalkan aturan-aturan geometris, dan metode pembelajaran mendalam (deep learning) yang belajar mengenali pola biji langsung dari data.
Model-model AI seperti jaringan saraf konvolusional (CNN) dilatih menggunakan ribuan contoh gambar biji yang sudah diberi label oleh manusia, proses yang dikenal sebagai anotasi. Semakin akurat dan konsisten label yang dibuat annotator, semakin andal pula model yang dihasilkan. Beberapa tools seperti SeedCounter bahkan dirancang khusus untuk mendeteksi dan menghitung biji, gabah, serta objek pertanian kecil lainnya secara instan lewat aplikasi.
Yang menarik, teknologi ini terus berkembang ke arah pendekatan yang lebih fleksibel, seperti penghitungan zero-shot atau class-agnostic, yaitu kemampuan model mengenali dan menghitung jenis objek baru yang belum pernah dilihat sebelumnya, cukup dengan beberapa contoh acuan saja. Artinya, satu sistem berpotensi digunakan untuk menghitung biji dari spesies tumbuhan yang berbeda-beda tanpa harus dilatih ulang dari nol setiap kali.
Namun AI tidak bekerja sendirian. Praktik terbaik yang berkembang saat ini selalu menyertakan manusia dalam siklus verifikasi, dikenal sebagai human-in-the-loop. Model mengusulkan hasil hitungan, lalu petugas memeriksa dan mengoreksinya, hasil koreksi itu kemudian dipakai untuk melatih ulang model agar makin presisi. Pendekatan bertahap ini penting terutama untuk biji berukuran sangat kecil atau menumpuk rapat, kondisi yang sering membuat model AI justru kalah akurat dibanding penghitungan manual oleh ahli botani berpengalaman.
Manfaat Nyata bagi Peneliti, Petani, dan Pengelola Bank Biji
Automasi penghitungan biji bukan sekadar soal efisiensi waktu. Bagi lembaga pengelola bank biji, sistem ini memungkinkan pencatatan inventaris yang jauh lebih rapi dan bisa diverifikasi ulang kapan saja, karena setiap hasil hitungan terhubung dengan gambar asli yang bisa ditelusuri kembali. Ini penting untuk menjaga ketertelusuran provenansi, yaitu asal-usul dan riwayat genetik setiap lot biji, yang selama ini rawan tercampur jika mengandalkan pencatatan manual.
Bagi peneliti pemuliaan tanaman, kecepatan dan konsistensi penghitungan otomatis membuka ruang untuk menganalisis jauh lebih banyak sampel dalam waktu yang sama. Alih-alih menghabiskan hari untuk menghitung, peneliti bisa mengalokasikan waktu untuk menganalisis pola pertumbuhan, memilih varietas unggul, atau merancang program persilangan. Estimasi hasil panen pun menjadi lebih akurat karena didasarkan pada data kuantitatif yang lebih besar dan lebih cepat diperoleh.
Petani dan pelaku agribisnis turut merasakan dampaknya secara tidak langsung. Ketika lembaga riset dan bank biji mampu menyediakan data benih yang lebih andal, ini berujung pada rekomendasi varietas dan strategi tanam yang lebih tepat sasaran, termasuk untuk program ketahanan pangan dan restorasi lahan kritis. Di sisi konservasi, kemampuan menghitung biji secara cepat dan murah membantu upaya pelestarian spesies langka atau terancam punah, karena tim lapangan bisa segera mengetahui jumlah biji yang berhasil dikumpulkan dan disimpan tanpa menunggu proses manual yang panjang.
Masyarakat luas, meski tidak berinteraksi langsung dengan teknologi ini, ikut menikmati manfaatnya lewat rantai yang lebih panjang: ketahanan pangan yang lebih terjaga, pemulihan ekosistem pascakebakaran atau deforestasi yang lebih cepat, serta akses ke data ilmiah tumbuhan yang lebih terbuka dan mudah diverifikasi publik. Digitalisasi koleksi biji juga berarti data ini bisa diakses peneliti dari berbagai belahan dunia tanpa perlu mengunjungi lokasi fisik bank biji tersebut.
Tantangan yang Belum Selesai
Meski menjanjikan, teknologi ini masih punya batasan yang perlu diwaspadai. Kualitas data anotasi tetap jadi faktor penentu utama akurasi model, jika label yang dipakai untuk melatih AI tidak konsisten atau bias, hasil hitungannya pun akan meragukan. Generalisasi lintas spesies juga belum sepenuhnya mulus, model yang bagus untuk satu jenis biji belum tentu bekerja optimal pada spesies lain tanpa penyesuaian tambahan.
Ada pula pertimbangan etis dan operasional, mulai dari privasi data hingga risiko penyalahgunaan sistem pemantauan di luar konteks yang semestinya. Karena itu, pengembangan dan penerapan AI untuk penghitungan biji perlu terus diimbangi dengan kontrol kualitas berlapis, keterlibatan ahli botani, dan pedoman penggunaan yang jelas agar manfaatnya benar-benar dirasakan secara luas dan bertanggung jawab.
Pada akhirnya, kehadiran AI dalam dunia perbenihan bukan untuk menggantikan peran ahli botani, melainkan memperluas kapasitas mereka. Pekerjaan yang dulu memakan waktu berhari-hari kini bisa diselesaikan dalam hitungan menit, membebaskan lebih banyak waktu bagi manusia untuk berpikir strategis tentang bagaimana menjaga keragaman hayati untuk generasi mendatang.
Penulis: Deden Sumirat Hidayat, Diah Harnoni Apriyanti, Andina Ramadhani Putri Pane, Siti Mardlijah, Evawaty Sri Ulina, Yulia Aris Kartika, Novi Harun, Yudi Prastiyono, Fauziah Alhasanah, Niken Fitria Apriani, Lia Sadita, Kunto Wibisono, Eko Prabowo Heru Kurnianto