Artificial Intelligence sebagai Instrumen Komunikasi Publik dalam Layanan Pertanian Digital

Gebrina Farahdiba

doi:10.31004/riggs.v5i2.10115

Authors

Gebrina Farahdiba LSPR Institute of Communication and Business

DOI:

https://doi.org/10.31004/riggs.v5i2.10115

Keywords:

Artificial Intelligence, Komunikasi Publik, Pertanian Digital, Chatbot, Layanan Informasi Pertanian

Abstract

Transformasi digital mendorong pemanfaatan Artificial Intelligence (AI) dalam berbagai sektor, termasuk pertanian. Di Indonesia, kebutuhan penyebaran informasi pertanian terus meningkat seiring besarnya jumlah rumah tangga petani, sementara keterbatasan jumlah penyuluh dan luasnya wilayah layanan masih menjadi hambatan struktural dalam distribusi informasi. Penelitian ini bertujuan menganalisis peran AI sebagai instrumen komunikasi publik dalam layanan pertanian digital. Penelitian ini menggunakan metode literature review dengan pendekatan deskriptif kualitatif. Literatur diperoleh dari Scopus, Google Scholar, dan Dimensions pada periode 2018–2026, kemudian dianalisis menggunakan thematic analysis. Hasil penelitian menunjukkan bahwa AI tidak hanya berfungsi sebagai teknologi pendukung pertanian digital, tetapi juga sebagai instrumen komunikasi publik yang memfasilitasi penyebaran informasi, edukasi, dan interaksi antara penyedia layanan dengan petani. Implementasi AI paling dominan ditemukan dalam bentuk chatbot berbasis Natural Language Processing (NLP) yang digunakan untuk layanan konsultasi tanaman, informasi cuaca, harga komoditas, dan rekomendasi budidaya. AI berpotensi meningkatkan akses informasi secara real-time, personal, dan lebih luas dibandingkan sistem penyuluhan konvensional. Pengalaman dari India, Kenya, dan Tiongkok menunjukkan bahwa keberhasilan adopsi AI sangat bergantung pada kemampuan sistem untuk menyesuaikan diri dengan bahasa dan konteks lokal pengguna. Namun, implementasinya masih menghadapi tantangan berupa literasi digital, keterbatasan infrastruktur, kepercayaan pengguna, privasi data, dan biaya implementasi. Sebagai kontribusi konseptual, penelitian ini mengajukan Model Komunikasi Pertanian Digital Berbasis AI (KPD-AI) sebagai kerangka untuk memahami peran AI sebagai saluran komunikasi publik yang memungkinkan pertukaran informasi dan umpan balik secara berkelanjutan antara penyedia layanan dan petani.

Downloads

Download data is not yet available.

References

1. Adamopoulou, E., & Moussiades, L. (2020). An overview of chatbot technology. In I. Maglogiannis, L. Iliadis, & E. Pimenidis (Eds.), Artificial Intelligence Applications and Innovations (Vol. 584, pp. 373–383). Springer. https://doi.org/10.1007/978-3-030-49186-4_31

2. AIEP Initiative, Collis, S., Kinyua, F., Kumar, V., Lakougna, H., Merz, C., Pandey, K., & Resch, C. (2026). Building AI-based advisory services for smallholder farmers: Technical learnings from the AIEP Initiative (arXiv:2601.11537). arXiv. https://arxiv.org/abs/2601.11537

3. Ashfaq, M., Jiang, Y., Yu, S., & Loureiro, S. M. C. (2020). I, chatbot: Modeling the determinants of users' satisfaction and continuance intention of AI-powered service agents. Telematics and Informatics, 54, 101473. https://doi.org/10.1016/j.tele.2020.101473

4. Asosiasi Penyelenggara Jasa Internet Indonesia. (2023). Survei APJII: Pengguna internet di Indonesia tembus 215 juta orang. https://apjii.or.id/berita/d/survei-apjii-pengguna-internet-di-indonesia-tembus-215-juta-orang

5. Badan Pusat Statistik. (2023). Hasil sensus pertanian 2023. https://sensus.bps.go.id/main/index/st2023

6. Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa

7. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., ... Amodei, D. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1901.

8. Carolan, M. (2020). Digitization as politics: Smart farming through the lens of weak and strong data. Journal of Rural Studies. https://doi.org/10.1016/j.jrurstud.2020.10.040

9. da Silveira, F., Lermen, F. H., & Amaral, F. G. (2021). An overview of agriculture 4.0 development: Systematic review of descriptions, technologies, barriers, advantages, and disadvantages. Computers and Electronics in Agriculture, 189, 106405. https://doi.org/10.1016/j.compag.2021.106405

10. Dale, R. (2016). The return of the chatbots. Natural Language Engineering, 22(5), 811–817. https://doi.org/10.1017/S1351324916000243

11. Food and Agriculture Organization. (2019). E-agriculture in action: Drones for agriculture. FAO & International Telecommunication Union.

12. Food and Agriculture Organization. (2022). The state of food and agriculture 2022: Leveraging automation in agriculture. FAO.

13. Jurafsky, D., & Martin, J. H. (2023). Speech and language processing (3rd ed., draft version). Stanford University. https://web.stanford.edu/~jurafsky/slp3/

14. Kamilaris, A., & Prenafeta-Boldú, F. X. (2018). Deep learning in agriculture: A survey. Computers and Electronics in Agriculture, 147, 70–90. https://doi.org/10.1016/j.compag.2018.02.016

15. Kementerian Pertanian Republik Indonesia. (2022). Laporan kinerja penyuluhan pertanian 2022. Kementerian Pertanian Republik Indonesia.

16. Klerkx, L., Jakku, E., & Labarthe, P. (2019). A review of social science on digital agriculture, smart farming and agriculture 4.0. NJAS: Wageningen Journal of Life Sciences, 90–91, 100315. https://doi.org/10.1016/j.njas.2019.100315

17. Kompas.com. (2024, November 28). Kekurangan 45.000 penyuluh pertanian, lima desa hanya dilayani satu penyuluh. https://money.kompas.com/read/2024/11/28/194400426/kekurangan-45.000-penyuluh-pertanian-mentan--lima-desa-hanya-dilayani-satu

18. Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674. https://doi.org/10.3390/s18082674

19. McQuail, D. (2010). McQuail's mass communication theory (6th ed.). SAGE Publications.

20. Mitchell, T. M. (1997). Machine learning. McGraw-Hill.

21. Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.

22. Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.

23. Shannon, C. E., & Weaver, W. (1949). The Mathematical Theory of Communication. University of Illinois Press.

24. Tsan, M., Totapally, S., Hailu, M., & Addom, B. K. (2019). The digitalisation of African agriculture report 2018–2019. CTA & Dalberg Advisers.

25. West, R., & Turner, L. H. (2018). Introducing communication theory: Analysis and application (6th ed.). McGraw-Hill Education.

26. Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2019). Artificial intelligence and the public sector: Applications and challenges. International Journal of Public Administration, 42(7), 596–615. https://doi.org/10.1080/01900692.2018.1498103

27. Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M.-J. (2017). Big data in smart farming: A review. Agricultural Systems, 153, 69–80. https://doi.org/10.1016/j.agsy.2017.01.023