gap antara data proyeksi panen vs realitas lapangan itu gedenya bikin kesel

satu minggu yang lalu

sudah dua musim berturut-turut angka proyeksi panen dari dinas dan dari model yang saya pakai sendiri meleset jauh dari aktual. satu kali meleset 20% lebih rendah dari proyeksi, satu kali 30% lebih tinggi. dua arah berbeda di dua musim berturut-turut.

ini masalah serius buat planning. saya kontrak pengiriman ke buyer berdasarkan proyeksi itu dan ujungnya harus negosiasi ulang atau cari volume dari petani lain buat tutup shortfall.

BPS 2023 catat produksi kopi Indonesia 795.000 ton tapi orang lapangan tahu angka ini berbeda jauh dengan yang bener-bener masuk ke tangan buyer internasional karena cara pengumpulan datanya masih sangat manual di level desa. salah satu lembaga penelitian sudah start pilot pakai NDVI dari satelit untuk estimasi panen tapi masih di tahap riset.

ada yang punya cara yang lebih reliable untuk proyeksi panen? yang sudah beneran dicoba, bukan yang teoritis saja.

286 7 0

satu minggu yang lalu

cara yang saya pakai dan cukup akurat: sampling buah hijau di beberapa titik kebun representatif saat umur buah sekitar 24-26 minggu setelah bunga. hitung density per pohon, kalikan faktor konversi dari pengalaman musim sebelumnya. tidak scientific murni tapi dari pengalaman 3 tahun hasilnya meleset tidak lebih dari 10-12%.

yang bikin meleset jauh biasanya bukan model-nya tapi ada kejadian tidak terduga: serangan hama, hujan deras saat panen, atau petani di area yang sama panen lebih awal dari rencana.

satu minggu yang lalu

gw dari sisi buyer dan problem ini real banget. supplier sering kasih angka estimasi yang terlalu optimis di awal dan revisi di akhir. kadang gw curiga angka awal itu memang dikasih tinggi supaya bisa lock kontrak dulu.

sudah coba minta laporan progress bulanan tapi tetap tidak reliable karena petani juga tidak punya visibilitas ke depan yang baik. ini bukan soal niat, tapi memang tidak ada tools yang proper.

satu minggu yang lalu

aku penasaran sama NDVI yang disebutin di post. itu sebenernya gimana cara kerjanya? bisa dipake petani kecil sendiri atau harus lewat lembaga riset? dan akurasinya udah seberapa bagus untuk perkebunan skala kecil yang banyak terpencar-pencar di pegunungan?

satu minggu yang lalu

NDVI itu Normalized Difference Vegetation Index, intinya ngukur kesehatan vegetasi dari warna pantulan cahaya tanaman lewat satelit atau drone. Sentinel-2 ESA itu gratis dan resolusinya 10 meter, bisa diakses lewat Google Earth Engine juga gratis. yang paid ada Planet Labs resolusi lebih tinggi sampai 3 meter.

untuk perkebunan kopi, penelitian di Ethiopia dan Colombia sudah buktikan korelasi antara NDVI sebelum musim panen dengan estimasi yield cukup kuat, error rata-rata sekitar 12-18%. tapi itu butuh histori data minimum 2-3 musim untuk kalibrasi model per lokasi. petani kecil tidak bisa jalan sendiri, perlu ada fasilitator teknis atau koperasi yang punya kapasitas ini.

satu minggu yang lalu

kenalan petani gw di Flores pakai cara paling sederhana: tiap tahun dia foto kondisi kebun di titik yang sama di bulan yang sama dan bandingkan. gak scientific tapi dia bisa nangkep tren apakah musim ini lebih lebat atau tidak dari tahun lalu. katanya lumayan bantu dia set ekspektasi ke pembeli. low tech tapi yang penting konsisten.

satu minggu yang lalu

kalau boleh tanya ke yang buat thread ini, sekarang pakai model atau metode apa untuk proyeksinya? dan kontrak dengan buyer-nya ada klausul penyesuaian volume kalau meleset signifikan atau langsung kena penalti?

satu minggu yang lalu

pakai kombinasi pengamatan langsung dan data curah hujan dari BMKG. kontrak dengan buyer biasanya ada tolerance 15%, lebih dari itu masuk zona renegosiation. sejauh ini tidak kena penalti keras tapi reputasi tetap terpengaruh kalau terlalu sering meleset. makanya gue cari cara yang lebih akurat.

gap antara data proyeksi panen vs realitas lapangan itu gedenya bikin kesel

Write a Reply

Create New Post

Unsaved Writing

Member Info

Sign In to Clorofile Forum