Ketika Kecerdasan Buatan Turun ke Kandang: Belajar dari AFLAVISION dan PIYIKAI

Industri peternakan Indonesia sedang berada di persimpangan yang menentukan. Di satu sisi, kebutuhan protein hewani nasional terus meningkat seiring pertumbuhan penduduk dan perbaikan daya beli. Di sisi lain, industri ini masih bergantung pada cara-cara konvensional yang rawan human error, lambat, dan sulit diskalakan: penentuan jenis kelamin anak ayam yang mengandalkan keterampilan tenaga sexer terbatas, atau pengujian mutu jagung sebagai bahan baku pakan yang baru diketahui hasilnya setelah proses produksi berjalan. Pertanyaannya bukan lagi apakah peternakan Indonesia perlu bertransformasi, melainkan seberapa cepat kita mampu melakukannya.

Dari pengalaman kami bersama tim di Fakultas Sains dan Teknologi Peternakan Universitas Brawijaya mengembangkan PIYIKAI dan AFLAVISION, kita semakin yakin bahwa kecerdasan buatan (Artificial Intelligence/AI) bukan sekadar buzzword yang layak dipajang di seminar, melainkan alat kerja yang bisa langsung menjawab persoalan di lapangan, asal dirancang dari akar masalah yang nyata.

BACA JUGA:Perry Warjiyo Mundur, Presiden Prabowo Segera Terbitkan Keppres Pemberhentian Hormat

BACA JUGA:John Herdman Bongkar Senjata Rahasia Timnas Indonesia, Bakal Bungkam Kamboja di Piala AFF 2026

Ambil contoh pada rantai pasok pakan. Jagung adalah komponen terbesar dalam formulasi pakan unggas, dan ketika jagung tercemar jamur, risikonya bukan main-main: aflatoksin yang terbentuk dapat menurunkan performa ternak, merusak sistem kekebalan tubuh, bahkan meningkatkan angka kematian. Selama ini, kepastian mutu jagung baru diperoleh lewat uji laboratorium yang memakan waktu, sementara keputusan menerima atau menolak bahan baku sering kali harus diambil dalam hitungan menit di gudang atau dermaga. AFLAVISION dikembangkan untuk mengisi celah itu: sebuah alat skrining cepat berbasis computer vision yang membantu perusahaan pakan, peternak, koperasi, maupun pengelola gudang melakukan seleksi awal sebelum jagung diproses lebih lanjut. Alat ini tidak dimaksudkan menggantikan laboratorium, melainkan menjadi lini pertama pengendalian mutu yang murah, cepat, dan bisa dijangkau siapa saja.

Persoalan serupa terjadi pada hatchery yaitu dalam proses sexing DOC (Day Old Chick). Selama puluhan tahun, industri hatchery nasional bergantung pada segelintir tenaga ahli yang mampu membedakan jenis kelamin anak ayam secara manual. Ketersediaan tenaga ini terbatas, prosesnya melelahkan, dan tingkat akurasinya sangat bergantung pada jam terbang masing-masing individu. PIYIKAI, aplikasi berbasis Android yang memanfaatkan computer vision dengan metode feather sexing, dirancang bukan untuk menggantikan keahlian manusia, tetapi untuk mendemokratisasi akses terhadap keahlian tersebut. Yang menarik, aplikasi ini bekerja sepenuhnya offline, sehingga peternak di daerah dengan konektivitas internet terbatas sekalipun tetap bisa memanfaatkannya hanya dengan kamera telepon pintar.

Tim Fakultas Sains dan Teknologi Peternakan Universitas Brawijaya. -Dokumentasi UB-

Ketika kedua aplikasi ini dipamerkan pada Indo Livestock Expo & Forum 2026 dan mendapat apresiasi langsung dari direktur jenderal peternakan dan kesehatan hewan Kementerian Pertanian RI, FAST UB melihatnya bukan sebagai puncak pencapaian, melainkan sebagai konfirmasi bahwa arah yang kami tempuh sudah benar sekaligus pengingat bahwa pekerjaan rumah masih panjang. Masukan dirjen PKH agar AFLAVISION dikembangkan lebih jauh dengan kemampuan mengukur kadar air jagung, misalnya, menegaskan satu hal penting: inovasi dari kampus baru punya nilai jika terus diuji, dikritik, dan disempurnakan berdasarkan kebutuhan nyata industri, bukan berhenti pada purwarupa yang dipajang di pameran.

BACA JUGA:Strategi Mempercepat Hilirisasi Rumput Laut di Indonesia

BACA JUGA:Aksi Perguruan Tinggi Atasi Tantangan Kesehatan Nasional

Di sinilah letak persoalan yang lebih besar dari sekadar dua aplikasi ini. Perguruan tinggi Indonesia kerap dituntut menghasilkan riset yang aplikatif, namun ekosistem yang menghubungkan hasil riset dengan adopsi industri masih rapuh. Banyak inovasi berhenti di jurnal ilmiah atau purwarupa laboratorium karena tidak ada jalur yang jelas menuju hilirisasi. Program Studi Industri Peternakan Cerdas yang kami kembangkan di Universitas Brawijaya, program studi pertama di Indonesia yang memadukan ilmu peternakan dengan AI, computer vision, IoT, big data, dan otomatisasi industri, lahir dari kesadaran itu. Mahasiswa tidak hanya duduk di kelas mempelajari teori, tetapi terlibat langsung dalam penelitian, pengembangan algoritma, validasi lapangan, hingga proses hilirisasi bersama mitra industri. Bagi kami, inilah bentuk tanggung jawab akademik yang sesungguhnya: memastikan AI tidak berhenti sebagai konsep di ruang kelas atau laboratorium, tetapi benar-benar memberikan solusi bagi peternak dan industri di lapangan.

Aplikasi AlfaVision untuk jagung. -Dokumentasi UB-

Tentu, jalan menuju peternakan presisi (precision livestock farming) di Indonesia tidak bisa ditempuh sendirian oleh kampus. Dibutuhkan kolaborasi erat antara pemerintah yang menyusun regulasi dan insentif adopsi teknologi, industri yang bersedia menjadi mitra uji coba dan pengguna awal, serta lembaga pendidikan yang terus memasok inovasi dan sumber daya manusia yang kompeten. Tanpa ketiganya bergerak bersama, secanggih apa pun sebuah aplikasi AI, ia hanya akan menjadi pajangan pameran yang mengesankan tetapi minim dampak.

PIYIKAI dan AFLAVISION adalah langkah kecil, bukan tujuan akhir. Namun keduanya menunjukkan sesuatu yang kita yakini penting untuk terus digaungkan: bahwa transformasi digital peternakan Indonesia bukan proyek masa depan yang jauh, melainkan pekerjaan yang bisa dan harus dimulai dari sekarang, dari kandang, dari gudang jagung, dari kampus, dan dari keberanian kita untuk menerjemahkan riset menjadi solusi yang benar-benar dipakai. Jika kolaborasi lintas sektor ini terus dirawat, kita percaya kecerdasan buatan akan menjadi salah satu fondasi penting bagi efisiensi produksi, keamanan pakan, produktivitas ternak, dan pada akhirnya, ketahanan pangan Indonesia. (*)

Sumber: