Keuntungan:
- Kemampuan untuk mengenali dan mengelola risiko etika seperti kepemilikan data petani, privasi, dan bias algoritmik
- Kemampuan untuk menggabungkan semua link modul dalam satu alur kerja end-to-end musiman
- Menetapkan dalam sistem kualitas bahwa keluaran AI tidak menggantikan persetujuan ahli agronomi yang kompeten dalam pengambilan keputusan pertanian yang kritis terhadap keselamatan
Ujian Modul
1. Apa saja landasan validasi 'tiga jangkar' yang diterapkan sebelum memasukkan keluaran AI ke dalam keputusan di bidang teknik pertanian?
- A) Kisaran ukuran, kemungkinan agronomi dan bukti lapangan ✔
- B) Popularitas model, lamanya jawaban dan kefasihan berbahasa
- C) Harga, kecepatan dan antarmuka pengguna
- D) Kredibilitas merek, koneksi internet dan format file
Deskripsi: Tiga jangkar; urutan besarnya, yang memeriksa apakah hasilnya sesuai dengan harapan 10, kewajaran agronomi, yang melihat konsistensi keluaran dengan tanaman dan iklim, dan bukti lapangan, yang memberikan konfirmasi di lapangan, bukan inti/sampel. Merek sumber, popularitas model, atau kelancaran teks bukan merupakan kriteria verifikasi.
2. Apa yang pada dasarnya diukur oleh NDVI (Indeks Vegetasi Perbedaan Normalisasi)?
- A) Tentukan persentase kelembaban tanah yang tepat dalam sentimeter
- B) Kepadatan dan kekuatan vegetasi yang hijau dan semarak ✔
- C) Agen penyakit manakah yang terdapat pada tingkat spesies?
- D) Harga produk akhir setelah panen
Deskripsi: NDVI mengukur kepadatan dan kekuatan vegetasi hidup fotosintesis hijau dengan menormalkan perbedaan antara pantulan inframerah dekat (NIR) dan pita merah. Karena tanaman yang sehat memantulkan NIR dengan kuat dan menyerap warna merah secara intensif, NDVI meningkat; Nilainya menurun pada kondisi stres atau perlindungan yang jarang. Alat ini tidak secara langsung mengukur hasil panen, kelembaban tanah atau jenis penyakit; ini memerlukan data tambahan.
3. Citra satelit menunjukkan suatu wilayah dengan nilai NDVI rendah. Manakah dari langkah berikut ini yang merupakan langkah terbaik untuk diambil sebelum mengubah anomali ini menjadi keputusan teknis?
- A) Segera oleskan fungisida ke area tersebut
- B) Menggandakan dosis pupuk pada area tersebut
- C) Konfirmasikan penyebabnya melalui pengendalian lapangan, meteorologi dan fenologi ✔
- D) Abaikan anomali dan terapkan rata-rata ke seluruh bidang
Penjelasan: NDVI yang rendah dapat disebabkan oleh kekurangan air, penyakit, kekurangan unsur hara, jarangnya kemunculan, naungan awan, atau tanah yang baru dibajak. Kita hanya dapat membedakan ketidakpastian ini melalui pengendalian lapangan, meteorologi dan fenologi; Peta saja tidak menjelaskan alasannya. Penggunaan pestisida atau pupuk secara langsung berisiko mengganggu penyebab yang salah.
4. Pendekatan apa yang paling akurat ketika memasukkan data koordinat lahan, hasil, dan biaya petani ke dalam alat AI yang tersedia untuk umum?
- A) Paste semua data apa adanya beserta ID dan koordinatnya
- B) Anonimkan informasi identitas dan hanya bagikan data teknis yang diperlukan ✔
- C) Memuat data ke tabel publik tanpa memeriksanya sama sekali
- D) Menyumbangkan data untuk pelatihan model tanpa izin dari petani
Pengungkapan: Data petani sensitif secara komersial dan pribadi; Informasi koordinat, identitas dan biaya adalah masalah properti dan kerahasiaan. Pendekatan yang benar adalah dengan menganonimkan informasi pengidentifikasi dengan label yang representatif (Plot-A, koordinat X) dan hanya membagikan data teknis yang diperlukan untuk analisis. Membagikan data sebagaimana adanya atau membukanya untuk pendidikan tanpa izin menimbulkan risiko etika dan hukum.
5. Laporan analisis tanah menunjukkan pH 4,8. Apa arti nilai ini secara agronomi?
- A) Tanah netral dan ideal untuk sebagian besar tanaman
- B) Sangat asam; Suatu kondisi yang mungkin membatasi asupan makanan dan memerlukan koreksi ✔
- C) Alkali kuat; suatu kondisi yang memerlukan pengapuran
- D) Artinya salinitas dalam tanah sangat tinggi.
Deskripsi: pH 4,8 menunjukkan tanah sangat asam; Dalam kondisi ini, serapan fosfor dan molibdenum berkurang, risiko toksisitas aluminium/mangan meningkat, dan perkembangan akar pada banyak tanaman terhambat. Untuk sebagian besar tanaman lapangan, 6.0-7.0 adalah kisaran yang sesuai. Oleh karena itu, koreksi seperti pengapuran dipertimbangkan; Tanah masam tidaklah 'ideal' dan tidak dengan sendirinya menjamin hasil yang tinggi.
6. AI merekomendasikan 60 kg nitrogen murni per decare untuk ladang gandum; Hasil praktis dan target regional menunjukkan sekitar 12-16 kg nitrogen murni per decare. Apa perilaku terbaik?
- A) Melaksanakan rekomendasi apa adanya, karena AI memperhitungkan
- B) Meningkatkan dosis lebih banyak lagi agar aman
- C) Lihat ini sebagai peringatan urutan besarnya dan periksa input dan kalibrasi lokal ✔
- D) Membagi proposal menjadi dua tanpa memperhitungkan analisis tanah
Deskripsi: Rekomendasi tersebut kira-kira empat kali lipat dari kisaran yang diharapkan; Ini adalah peringatan yang sangat besar. Nitrogen yang berlebihan berarti kerugian ekonomi dan risiko depresi, penyakit, dan polusi nitrat. Perilaku yang benar adalah menolak rekomendasi dan memeriksa input (unit, hasil, target hasil, N tanah) dan kalibrasi lokal. Penerapan secara buta menyebabkan kerusakan lingkungan dan agronomi.
7. Apa yang dimaksud dengan 'konsumsi air tanaman' (evapotranspirasi, ET) yang digunakan dalam pengambilan keputusan irigasi?
- A) Banyaknya air yang masuk ke dalam tanah hanya melalui curah hujan
- B) Kehilangan air total melalui penguapan dari tanah dan transpirasi dari tanaman ✔
- C) Konduktivitas listrik tanah
- D) Nilai tekanan pada pipa irigasi
Penjelasan: Evapotranspirasi adalah hilangnya air secara total dari tanah ke atmosfer melalui evaporasi dan transpirasi dari tumbuhan. Dengan mengalikan ET referensi dengan koefisien tanaman (Kc), kebutuhan air aktual produk (ETc) diperkirakan dan irigasi direncanakan berdasarkan neraca air ini. ET bukanlah curah hujan atau salinitas tanah; Ini mewakili sisi aliran keluar dari anggaran air.
8. Seorang insinyur yang melihat gejala pada daun tersebut memberikan deskripsi foto kepada AI dan menerima diagnosis awal. Manakah yang wajib dilakukan sebelum menerjemahkan diagnosis ini menjadi keputusan pengendalian hama?
- A) Konfirmasi agen di lapangan/laboratorium dan pemilihan obat berlisensi dan berlabel ✔
- B) Mengonsumsi beberapa obat berbeda secara bersamaan, agar aman
- C) Segera gunakan bahan aktif apa pun yang dikatakan AI.
- D) Pilih pestisida yang paling murah dan aplikasikan ke seluruh lahan
Penjelasan: Diagnosis awal dari gambar saja tidak cukup karena berbagai faktor (jamur, bakteri, virus, defisiensi nutrisi, stres abiotik) yang menyebabkan gejala serupa. Agen tersebut harus dikonfirmasi dengan sampel lapangan dan, jika perlu, diagnosis laboratorium, dan kemudian hanya obat yang berlisensi untuk agen tersebut dan produk tersebut serta sesuai dengan labelnya yang harus dipilih. Penggunaan pestisida berspektrum luas tanpa verifikasi menimbulkan risiko resistensi dan residu.
9. Apa tujuan dari konsep GDD (Growth Degree Day) yang sering digunakan dalam pendukung keputusan pertanian?
- A) Mengikuti nilai pH tanah
- B) Memprediksi tahapan perkembangan tanaman dan munculnya hama berdasarkan akumulasi panas ✔
- C) Mengukur laju aliran pipa irigasi
- D) Menghitung harga pasar produk
Deskripsi: GDD adalah total panas yang terakumulasi dengan mengurangkan suhu dasar dari suhu rata-rata harian dan digunakan untuk memperkirakan tahap perkembangan (fenologi) tanaman dan waktu munculnya beberapa hama. Dengan demikian, penyemprotan, pemupukan, dan masa panen dapat direncanakan berdasarkan akumulasi panas, bukan berdasarkan kalender. GDD bukanlah pH tanah atau jumlah curah hujan langsung.
10. Manakah pernyataan berikut yang paling akurat untuk model prediksi hasil yang dibuat dengan pembelajaran mesin?
- A) Memprediksi masa depan dengan tepat dan tanpa kesalahan
- B) Hal ini didasarkan pada pola masa lalu; Harus diberikan dengan kisaran ketidakpastian dan diverifikasi ✔
- C) Ia selalu bekerja dengan akurasi yang sama dalam kondisi selain data pelatihan.
- D) Dia adalah satu-satunya pengambil keputusan akhir tanpa informasi agronomi
Deskripsi: Model pembelajaran mesin didasarkan pada pola yang dilihatnya dalam data historis; Keyakinan menurun ketika kondisi masukan berada di luar data pelatihan (varietas baru, iklim yang tidak biasa). Oleh karena itu, output harus diberikan dalam rentang ketidakpastian, bukan poin, dan harus diverifikasi dengan histori imbal hasil dan tolok ukur. Model tersebut tidak mengetahui masa depan dengan pasti dan tidak bekerja dengan akurasi yang sama dalam semua kondisi.
11. Apa praktik terbaik sebelum menjalankan kode analisis Python/panda yang dihasilkan AI?
- A) Menerapkan kode secara langsung ke seluruh kumpulan data tanpa membacanya
- B) Menguji dengan data sampel kecil yang diketahui hasilnya serta memeriksa rumus dan satuannya ✔
- C) Mengingat bekerja tanpa kesalahan saja sudah cukup.
- D) Memasukkan keluaran ke dalam laporan tanpa memeriksanya sama sekali
Deskripsi: Meskipun kode yang dihasilkan AI mungkin tampak benar, kode tersebut mungkin berisi kesalahan logika unit, nama kolom, rumus indeks, atau filter. Praktik yang baik adalah menjalankan hasilnya secara manual terhadap sampel kecil data yang Anda tahu, membandingkannya dengan keluaran yang diharapkan, dan memeriksa rumus seperti NDVI terhadap sumbernya. Menerapkan kode ke data besar tanpa melihatnya memindahkan bug diam ke produksi.
12. Mengapa buku catatan pemberian obat sangat penting dalam pencatatan ketertelusuran?
- A) Hanya untuk mendapatkan pengurangan pajak
- B) Memberikan catatan yang dapat diverifikasi untuk kepatuhan MRL, sertifikasi, dan penelusuran balik batch ✔
- C) Hanya untuk perbandingan dengan bidang tetangga
- D) Untuk menyiapkan brosur periklanan
Deskripsi: Buku administrasi pengobatan; Dokumen ini mendokumentasikan produk apa, bahan aktif apa, dosis dan tanggal penggunaan apa, serta masa tunggu antara penggunaan terakhir dan panen. Pencatatan ini wajib dilakukan untuk memenuhi batas maksimum residu (MRL), sertifikasi agronomi/organik yang baik, dan penelusuran batch kembali jika terjadi masalah. Itu tidak disimpan semata-mata untuk pelacakan biaya atau periklanan.
13. Alat AI dengan yakin melaporkan hama yang tidak ditemukan di area tersebut sebagai 'ancaman umum'. Konsep mana yang paling bisa menjelaskan situasi ini?
- A) Kesalahan kalibrasi sensor
- B) Halusinasi: produksi informasi yang tidak ada dalam bahasa yang aman ✔
- C) Gangguan koneksi jaringan
- D) Kurangnya data curah hujan
Penjelasan: Disebut halusinasi ketika model menghasilkan informasi yang sebenarnya tidak ada atau tidak sesuai konteks, seolah-olah nyata, lancar dan percaya diri. Filter dari kemungkinan agronomi (apakah iklim dan pola tanam di wilayah tersebut cocok untuk hama tersebut?) dan bukti lapangan menangkap kesalahan tersebut sebelum dilakukan penandatanganan. Ini bukan kerusakan sensor atau kesalahan unit.
14. Bagaimana seharusnya peran kecerdasan buatan didefinisikan dalam pengambilan keputusan pertanian yang penting bagi keselamatan dan kualitas (misalnya dosis pestisida, resep pupuk, rencana irigasi)?
- A) Otoritas yang berwenanglah yang mengambil keputusan akhir
- B) Sistem otomatis yang menggantikan persetujuan ahli agronomi yang kompeten
- C) Seorang asisten yang menghasilkan rancangan dan saran serta menyerahkan keputusan kepada ahlinya ✔
- D) Sumber informasi yang akurat yang tidak memerlukan verifikasi
Deskripsi: Kecerdasan buatan; Ini adalah asisten yang menghasilkan garis besar, merangkum data, dan mengajukan hipotesis. Keputusan akhir dalam pengambilan keputusan penting berada di tangan insinyur pertanian yang kompeten dan memahami observasi lapangan, kalibrasi lokal, dan peraturan perundang-undangan; Keluaran AI tidak menggantikan persetujuan ini. Terkait keamanan produk, lingkungan, dan pangan, tanggung jawab ada pada ahli penandatanganan.