jpnn.com, JAKARTA - Dosen Institut Teknologi PLN (ITPLN), Abdul Haris berhasil meraih gelar doktor dari Institut Pertanian Bogor (IPB) melalui riset inovatif yang menggabungkan teknologi kecerdasan buatan (Artificial Intelligence/AI) dengan sistem irigasi cerdas untuk meningkatkan efisiensi pengelolaan air pertanian.
Dalam disertasinya berjudul “Model Hybrid Deep Learning untuk Estimasi Nilai Referensi Evapotranspirasi (ETo) pada Sistem Irigasi Cerdas”, Haris memperkenalkan pendekatan baru yang memadukan metode Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) ke dalam model Hybrid Convolutional LSTM (H-ConvLSTM).
“Estimasi ETo yang akurat sangat krusial untuk menentukan kapan dan seberapa banyak air harus diberikan agar tidak terjadi pemborosan atau kekurangan,” ujar Abdul Haris, Selasa (28/10).
Evapotranspirasi (ETo) sendiri merupakan parameter penting dalam menentukan kebutuhan air tanaman di lahan pertanian. Itu menunjukkan jumlah air yang hilang ke atmosfer melalui penguapan dan transpirasi tanaman.
Menurut Haris, tantangan meningkatnya kebutuhan air akibat perubahan iklim global menuntut adanya sistem irigasi yang lebih adaptif dan cerdas.
“Kombinasi CNN dan LSTM memungkinkan sistem memahami dinamika iklim yang kompleks, sehingga hasil estimasi ETo menjadi lebih akurat,” jelasnya.
Kebaruan utama penelitian Haris terletak pada penerapan Decision Tree Pooling (DT-Pooling), yang menggantikan metode pooling konvensional.
Pendekatan ini mempertahankan fitur-fitur penting dalam data melalui mekanisme berbasis information gain dan entropy, sehingga model mampu menangkap lebih banyak informasi relevan tanpa kehilangan detail signifikan.
