Jakarta, mediaperkebunan.id - mySAP365 AIX hadir dengan proposisi yang berlawanan arah dengan arus artificial intelligence berbasis cloud yang serba termeter: sebuah platform Machine Learning Vision AI dan Sovereign Large Language Model (LLM) yang dalam kata-kata perusahaan, “truly independent, without tokens or subscriptions".
Hadir pada ggelaran teknologi tahun ini di JIEXPO Kemayoran, Jakarta, mySAP365 AIX memiliki sebuah pergeseran yang tenang namun berdampak besar dalam komputasi perkebunan tengah dipamerkan. anjinya sederhana namun berjangkauan luas. Setiap model dalam stack mySAP365 AIX berjalan secara on premise. Tidak ada data yang keluar ke cloud publik, tidak ada meter penggunaan yang berdetak di latar belakang untuk menagih, dan tidak ada vendor eksternal yang memegang kendali atas data operasional paling sensitif milik perkebunan. Bagi industri yang menghasilkan volume citra lapangan dan catatan produksi yang sangat besar, pilihan arsitektur ini menyusun ulang makna dari “mengadopsi AI”: berapa biayanya, dan siapa yang pada akhirnya mengendalikannya.
Satu pipeline, dari bibitan hingga panen
Inti dari demonstrasi ini adalah sebuah pipeline image processing Vision AI yang mengikuti tanaman kelapa sawit sepanjang siklus hidupnya. Alih-alih memperlakukan computer vision sebagai solusi titik tunggal yang hanya dipasang di pabrik, mySAP365 AIX menerapkannya sebagai benang inspeksi dan pengukuran yang berkesinambungan, dari pembibitan hingga panen. Tahapannya berjalan sebagai berikut.
Tahap 1: Pembibitan (bibitan). Di pre-nursery dan main nursery, Vision AI menginspeksi dari kecambah dalam skala besar. Model menghitung jumlah seleksi tanaman pre-nursery maupun main nursery, menilai warna daun dan kesehatan tajuk, serta menandai bibit yang abnormal atau off-type (bibit kerdil, tanaman etiolasi, dan cacat morfologi maupun double tone) yang seharusnya diculling sebelum dipindahkan ke lapangan. Otomasi grading nursery ini menjaga kualitas genetik dan mencegah biaya tersembunyi yang terus menumpuk sepanjang tahun akibat menanam bibit lemah di ribuan hektar.
Tahap 2: Pembangunan tanaman di lapangan (immature). Setelah bibit ditransplantasi, sistem beralih ke sensus dan pemantauan pertumbuhan pada tahap awal. Menggunakan citra drone, camera hand phone dan data cuaca yang terintegrasi melalui GIS aero-mapping, Vision AI memverifikasi jumlah tegakan, mendeteksi gap tanam dan tanaman mati, serta melacak perkembangan tajuk secara dini sehingga penyediaan bibit sisipan dan penyulaman dapat dijadwalkan secara presisi, bukan sekadar perkiraan kasar.
Tahap 3: Tajuk dewasa dan kesehatan tanaman. Saat tanaman mencapai kematangan, model beralih ke surveilans kesehatan: penghitungan pelepah, tanda-tanda stres nutrisi dan stres air pada tajuk, tekanan gulma, serta penanda visual dini serangan hama dan penyakit seperti basal stem rot (busuk pangkal batang). Mendeteksi sinyal-sinyal ini secara dini mengubah intervensi yang tadinya reaktif dan menyeluruh menjadi tindakan yang tepat sasaran pada tingkat blok.
Tahap 4: Peramalan pra-panen. Menjelang panen, platform mySAP365 AIX ini menerapkan dua disiplin estimasi yang sudah lama dipercaya oleh tim lapangan, kini terotomasi. Metode Black Bunch Count (BBC), yang memproyeksikan produksi mendatang dengan menghitung tandan hitam yang sedang matang di pohon, dan Angka Kerapatan Panen (AKP), keduanya diturunkan langsung dari citra. Hasilnya adalah pembacaan yang objektif dan dapat diulang mengenai berapa banyak buah yang akan datang serta kapan.
Tahap 5: Panen (panen). Pada titik pemotongan dan pengumpulan, Vision AI melakukan grading terhadap Tandan Buah Segar (TBS). Sistem mengklasifikasikan tingkat kematangan (mentah, matang, dan lewat matang) serta mendeteksi tandan busuk, janjang kosong, dan brondolan yang tercecer di tanah. Inspeksi visual otomatis di ramp menggantikan subjektivitas dan kelelahan akibat sortasi manual dengan standar yang konsisten untuk setiap muatan.
Karena setiap tahap menulis ke dalam sistem yang sama, perkebunan memperoleh sesuatu yang langka: satu jejak data digital yang berkesinambungan, menghubungkan grade awal sebutir bibit kecambah dengan kualitas tandan yang akhirnya dihasilkannya.
Dari perhitungan menuju rolling forecast
Pekerjaan peramalan tidak berhenti pada satu estimasi panen. mySAP365 AIX mengalirkan output BBC dan AKP-nya ke dalam Rolling Forecasting Budget, yaitu proyeksi produksi dan keuangan yang diperbarui secara berkelanjutan, bukan rencana statis yang hanya disusun sekali setahun.
Dalam praktiknya, ini berarti budget ikut “bernapas” seiring dengan tanaman. Ketika citra terbaru memperbarui angka Black Bunch Count dan Angka Kerapatan Panen pada setiap siklus, ramalan untuk minggu dan bulan ke depan direvisi secara otomatis, dan anggaran terkait, mencakup tenaga kerja, transportasi, throughput pabrik, serta ekspektasi pendapatan, ikut bergerak. Manajemen tidak lagi bekerja berdasarkan rencana yang hanya akurat pada hari ia ditandatangani, lalu menyimpang terus-menerus. Sebaliknya, keputusan mengenai rotasi panen, alokasi tenaga kerja, dan arus kas bertumpu pada angka yang mencerminkan apa yang benar-benar sedang dibawa oleh pohon hari ini. Menggulirkan ramalan ke depan berdasarkan data nyata hasil model inilah yang membuat pipeline Vision AI berhenti menjadi sekadar alat inspeksi dan berubah menjadi mesin perencanaan.
Vision AI di dalam ERP, bukan di sampingnya
Yang membuat ramalan ini dapat ditindaklanjuti adalah karena ia hidup di dalam sistem enterprise. mySAP365 AIX menghubungkan Vision AI dan Sovereign LLM secara langsung ke dalam ERP mySAP365, sehingga insight yang diturunkan dari citra mengalir langsung ke dalam workflow bisnis.
Pemrosesan dokumen, pelaporan operasional, dan analisis menjadi lebih cepat karena model dan catatan yang mereka informasikan berada dalam satu lingkungan yang sama. Lapisan LLM dirancang untuk memunculkan pengecualian, yaitu laporan yang menyajikan cerita yang tidak normal, dan mendorongnya kepada pengambil keputusan, alih-alih menunggu untuk ditanya. Keterpaduan yang erat ini menopang Single Source of Truth (SSOT) untuk enterprise AI, dengan data dan proses yang tetap berada di bawah kendali perusahaan, dari lapangan hingga pembukuan.
Argumen untuk kedaulatan
Di sekitar pipeline itu, mySAP365 AIX mengajukan enam argumen inti untuk pendekatan on-premises.
Yang pertama adalah kedaulatan penuh. Tanpa ketergantungan pada token atau subscription LLM eksternal dan dengan seluruh model berjalan on-premises, data dan proses tetap berada di bawah kendali perusahaan, sehingga menjadi fondasi bagi SSOT AI yang tepercaya.
Yang kedua adalah efisiensi biaya. Hilangnya biaya langganan bulanan dan tahunan menurunkan Total Cost of Ownership (TCO), sebuah keunggulan yang semakin terasa pada skala operasional yang lebih besar.
Yang ketiga adalah integrasi ERP. Workflow bisnis terhubung langsung dengan Vision AI dan LLM, mempercepat otomasi dokumen, laporan, dan analisis operasional, termasuk pelaporan yang secara aktif menandai hal-hal yang tidak normal.
Yang keempat adalah Vision AI yang sesuai dengan industri. Fondasi computer vision yang sama cocok untuk perkebunan, manufaktur, dan logistik; khusus untuk kelapa sawit, ia mendukung deteksi kualitas TBS (AKP) dan inspeksi otomatis Black Bunch Count
Yang kelima adalah privasi dan keamanan data. Karena tidak ada data yang keluar ke public cloud, risiko kebocoran informasi sensitif menurun drastis.
Yang keenam adalah skalabilitas yang fleksibel. Kapasitas dapat diatur sesuai dengan hardware lokal, tanpa batasan kuota API.
Melampaui keunggulan utama
Para perancang platform menunjuk empat manfaat lanjutan yang muncul karena komputasi tetap berjalan secara lokal. Latency rendah, karena inferensi berjalan tanpa perjalanan bolak-balik ke server eksternal, sehingga hasil hampir seketika. Kustomisasi penuh, karena model dapat dilatih ulang sesuai domain bisnis tertentu seperti grading kelapa sawit, workflow ERP, dan seterusnya. Kemandirian teknologi, selaras dengan visi Indonesia untuk mengurangi ketergantungan pada vendor asing. Serta kompatibilitas multiplatform yang memungkinkan integrasi dengan sistem lain, termasuk IoT,
GIS aero-mapping, hingga operasi lapangan berbantuan exoskeleton.
Tawaran yang berbeda bagi kebun
Secara keseluruhan, mySAP365 AIX mengajak pekebun untuk mempertimbangkan tawaran yang berbeda dari yang biasa ditawarkan pasar cloud AI. Alih-alih menyewa kecerdasan per token dan mengirim data lapangan ke luar, sebuah kebun dapat memiliki modelnya sendiri sepenuhnya, menjaga datanya tetap di dalam pagarnya, dan menjalankan pipeline inspeksi dan peramalan yang tak pernah kehilangan langkah dari bangku pembibitan hingga ramp panen. Bagi perkebunan berskala besar yang menimbang ekonomi jangka panjang, dan nilai strategis dari mengendalikan informasinya sendiri, itu adalah proposisi yang layak untuk didatangi di lantai JIEXPO.