Pertanian

Teknologi yang Mengubah Sampah Makanan Menjadi Peluang

mm
Diterbitkan
Tambahkan Securities.io ke sumber pilihan Anda di Google

Seiring produksi makanan dan rantai pasokan terkait berkembang dari pasar petani lokal menjadi logistik canggih yang memindahkan barang melintasi setengah dunia ke supermarket besar, sampah makanan meningkat, bahkan dengan pendinginan.

Ini bukan hanya kerugian finansial atau pemborosan sumber daya makanan yang dapat dikonsumsi manusia, tetapi juga beban ekologi yang berat.

“Selain kehilangan langsung makanan yang dapat dimakan, FLW terkait dengan beban lingkungan yang signifikan, termasuk emisi gas rumah kaca yang dapat dihindari, penggunaan lahan dan air, serta gangguan terhadap ambisi ekonomi sirkular”

Karena kemajuan teknologi dan sistem kompleks berkontribusi pada sampah makanan, perbaikan lebih lanjut serta teknologi baru dapat membantu menyelesaikan masalah ini.

Blockchain dan AI sering dipromosikan sebagai metode potensial untuk mengatasi masalah ini.

Namun tinjauan terbaru oleh peneliti yang berafiliasi dengan Universidad de Las Palmas de Gran Canaria di Spanyol, Universitas Qassim dan Universitas Shaqra di Arab Saudi, serta Universitas Lusófona di Portugal menemukan bahwa pemantauan berbasis IoT dan logistik cerdas saat ini memiliki bukti langsung terkuat untuk mengurangi risiko pembusukan. AI, aplikasi konsumen, dan blockchain masih memerlukan validasi yang lebih kuat dalam kondisi operasional dunia nyata.

Mereka mempublikasikan temuan mereka di Trends in Food Science & Technology1, dengan judul “Jalur digitalisasi untuk pencegahan kehilangan dan sampah makanan dalam rantai pasokan agrifood: Bukti terkini, tantangan, dan arah masa depan”.

Memahami Sampah Makanan

Kehilangan makanan dan sampah makanan menggambarkan masalah yang terkait namun berbeda. Mengikuti terminologi yang digunakan oleh peneliti, kehilangan makanan terjadi antara produksi dan titik tepat sebelum ritel. Sampah makanan terjadi pada tahap ritel, layanan makanan, dan konsumen.

Kedua hal dapat muncul karena makanan mudah rusak dan rantai pasokan modern melibatkan banyak produsen, pengolah, gudang, distributor, pengecer, dan konsumen. Gangguan atau kesalahan perhitungan pada tahap manapun dapat menyebabkan makanan yang seharusnya dapat digunakan menjadi busuk, ditolak, kelebihan stok, atau dibuang.

“Studi empiris menyoroti faktor-faktor seperti penanganan produk mudah rusak yang buruk, rantai dingin yang tidak memadai, gangguan rantai pasokan, kesepakatan pembeli‑pemasok yang tidak selaras, dan norma perilaku pada tahap hilir”

Hal ini menyebabkan sampah makanan menjadi hasil dari praktik rutin bukan kegagalan terisolasi. Akibatnya, penyelesaian masalah memerlukan pendekatan terintegrasi pada tingkat sistem yang menggabungkan intervensi teknologi, organisasi, dan kebijakan.

Teknologi untuk Mengatasi Sampah Makanan

Melihat Gambaran Besar

Pertanian saat ini sedang mengalami pergeseran paradigma yang sama dengan industri, yang disebut “Agriculture 4.0” dan “Industry 4.0”; mengintegrasikan perangkat Internet of Things (IoT), jaringan sensor waktu nyata, dan platform data memungkinkan pemantauan terus‑menerus terhadap parameter kualitas dan kondisi logistik.

Namun, teknologi digital jarang diadopsi terutama untuk mengurangi sampah makanan. Di seluruh pertanian dan rantai pasokan yang lebih luas, investasi lebih sering dibenarkan oleh peningkatan produktivitas, efisiensi operasional, atau pengurangan biaya.

Selain itu, aksi global terbatas oleh integrasi yang buruk antara perspektif hulu dan hilir, dengan banyak studi yang dipublikasikan bersifat konseptual, skala pilot, atau spesifik konteks.

Untuk mendapatkan gambaran yang lebih baik tentang teknologi apa yang benar‑benar efektif mengurangi sampah makanan, para peneliti mengumpulkan literatur ilmiah yang dipublikasikan dari 2019 hingga 2026, menggunakan kata kunci seperti “food loss”, “food waste”, “FLW”, “food waste prevention”, dll., yang beririsan dengan kata kunci seperti “digitalization”, “digital technologies”, “Agriculture 4.0”, “Internet of Things”, “IoT”, dll.

Pengumpulan data ini mengungkap teknologi penting yang diterapkan untuk memerangi sampah makanan:

  • Pemantauan IoT/RFID (Radio-frequency identification).
  • Big data dan infrastruktur cloud.
  • AI/ML (Artificial Intelligence / Machine Learning).
  • Pelacakan berbasis blockchain.
  • Platform berbasis seluler atau web.

Bagaimana Teknologi Dapat Berkontribusi

Penyebab sampah makanan berubah tergantung pada tahap rantai pasokan makanan:

  • Selama produksi primer, kerugian biasanya terkait dengan ketidakpastian permintaan, standar kualitas kosmetik, dan variabilitas yang dipengaruhi cuaca.
  • Selama penanganan dan penyimpanan pascapanen, pembusukan berasal dari kontrol suhu dan kelembaban yang tidak memadai, keterbatasan infrastruktur, dan pemantauan yang tidak cukup.
  • Operasi pengolahan dapat menghasilkan kerugian melalui penjadwalan yang tidak efisien, pergantian produksi, dan batch yang tidak sesuai spesifikasi.
  • Distribusi dan ritel dipengaruhi oleh kesalahan perkiraan, gangguan rantai dingin, strategi promosi, dan ketidakseimbangan persediaan.
  • Pada tahap konsumen dan layanan makanan, penyebab utama adalah pembelian berlebih, perencanaan makan yang tidak memadai, kesalahpahaman label tanggal, dan porsi yang tidak tepat.

Dengan demikian, berbagai teknologi memberikan perbaikan yang berbeda untuk tiap tahap rantai pasokan makanan.

IoT-enabled real-time monitoring adalah solusi yang baik untuk mendeteksi dan merekam penyimpangan suhu, kelembaban, atau komposisi gas sebelum kualitas produk terganggu.

Big data platforms menonjol dengan mengintegrasikan inventaris, penjualan, dan informasi kontekstual untuk meningkatkan peramalan permintaan dan kontrol inventaris, mengurangi produksi berlebih struktural serta tingkat stok yang berlebihan.

AI and ML algorithms dapat mendukung optimasi rute, penetapan harga dinamis, penilaian kualitas, dan prediksi sisa umur simpan.

Blockchain-based traceability systems meningkatkan transparansi, akuntabilitas, dan koordinasi di antara mitra rantai pasokan.

Consumer-oriented digital platforms menyediakan manajemen inventaris, panduan pembelian, redistribusi surplus, dan umpan balik perilaku.

Menilai Apa yang Berhasil dalam Praktik Nyata

Meskipun semua teknologi ini berpotensi membantu, implementasi dan penggunaannya sangat memengaruhi seberapa efektif mereka dalam kasus penggunaan dunia nyata.

Studi menemukan bahwa untuk tahap produksi primer, belum jelas seberapa besar dampak teknologi terhadap limbah makanan.

“Relatif sedikit studi yang secara langsung mengukur pengurangan kehilangan makanan, dengan sebagian besar manfaat yang dilaporkan diambil dari perbaikan produktivitas tanaman atau penggunaan sumber daya.”

Pemantauan penyimpanan dan pascapanen berbasis IoT memiliki bukti paling kuat dalam tinjauan tersebut. Uji lapangan, pilot, dan penerapan komersial menunjukkan bahwa pemantauan suhu, kelembaban, dan kondisi lingkungan lainnya dapat mengurangi risiko kerusakan dan mempertahankan produk mudah rusak. Namun, pengurangan yang terkuantifikasi tetap bersifat kontekstual, sementara kebutuhan infrastruktur, biaya investasi, dan tantangan interoperabilitas terus membatasi adopsi, terutama di antara UKM dan produsen kecil.

Analitik prediktif dan AI tampaknya telah membuktikan akurasinya dalam mendukung prediksi hasil, deteksi penyakit, dan estimasi sisa umur simpan. Namun, di sini juga, efisiensi dunia nyata jarang dinilai.

“Sebagian besar studi yang dipublikasikan mengevaluasi akurasi prediksi daripada secara langsung mengukur pengurangan FLW, sehingga sulit menentukan kontribusi nyata AI terhadap pencegahan limbah dalam kondisi operasional komersial.”

Untuk teknologi digital yang berorientasi konsumen, tantangannya lebih bersifat sosial daripada teknis. Misalnya, platform berbagi makanan dan aplikasi redistribusi surplus menghubungkan rumah tangga, pengecer, restoran, dan bisnis makanan lainnya dengan individu yang bersedia menerima makanan surplus. Selain itu, manfaat lingkungan dari pengurangan limbah makanan mungkin terkompensasi oleh perubahan perilaku konsumen selanjutnya.

“Analisis lebih dari 750.000 transaksi berbagi makanan di Britania Raya menunjukkan bahwa antara 59 % dan 94 % manfaat gas rumah kaca yang diharapkan terkompensasi ketika pengguna mengalihkan penghematan uang untuk membeli barang dan layanan lain, dengan rebound serupa terlihat pada penggunaan lahan dan air.”

Secara keseluruhan, hal ini menunjukkan bahwa sistem IoT, termasuk pelacakan RFID, sejauh ini menjadi teknologi dengan catatan dampak terbukti terbaik terhadap limbah makanan.

Satu-satunya keterbatasannya adalah bahwa penerapannya masih lambat dan kadang mahal. Tidak adanya standar bersama dan sistem terpadu di antara banyak perusahaan yang terlibat juga menjadi masalah yang masih perlu diselesaikan.

Industri makanan secara luas dapat mengambil pelajaran dari pemantauan rantai dingin, karena ini merupakan salah satu aplikasi digital paling matang untuk pencegahan FLW.

Seberapa Berguna Teknologi Baru Bisa Jadi

Meskipun studi menyoroti bahwa sebagian besar teknologi berbasis IoT terbukti mengurangi limbah makanan secara skala besar, hal ini juga disebabkan oleh teknologi tersebut lebih tua dan matang, serta telah diimplementasikan lebih lama.

Namun, di semua kategori teknologi, pola umum muncul: teknologi yang secara langsung mengendalikan kondisi fisik produk umumnya memberikan bukti paling kuat tentang pencegahan FLW yang dapat diukur.

Sebaliknya, teknologi yang mengoptimalkan aliran informasi, termasuk AI, analitik data besar, dan blockchain, seringkali menunjukkan perbaikan dalam peramalan, kontrol inventaris, dan ketertelusuran. Beberapa aplikasi inventaris berbasis AI juga melaporkan pengurangan limbah, namun bukti yang lebih luas masih sangat bergantung pada proksi operasional daripada pengukuran standar atas makanan yang sebenarnya diselamatkan. Hal yang sama dapat dikatakan untuk teknologi yang memerlukan perubahan perilaku sosial secara besar-besaran.

Faktor lain dalam meningkatkan kinerja teknologi ini adalah kebutuhan akan arsitektur data terpadu dan standar.

“Model berbasis peristiwa yang terstandarisasi seperti GS1 EPCIS, bersama dengan pengidentifikasi umum, API, middleware, dan lapisan adaptor, dapat mengurangi gesekan integrasi dengan memungkinkan sistem heterogen bertukar data ketertelusuran dan sensor dalam struktur yang sama.”

Situasinya juga dapat menjadi rumit ketika melibatkan perdagangan lintas batas, karena regulasi dan standar antar negara kemungkinan sangat berbeda.

“Perbedaan regulasi nasional terkait perlindungan data, keamanan siber, identitas digital, dan sertifikasi mempersulit implementasi lintas batas sekaligus memperkuat ketidakpastian mengenai tanggung jawab, akuntabilitas, dan kepercayaan di antara para pelaku rantai pasokan.”

Membuat Teknologi Berhasil Mengurangi Sampah Makanan

Pada akhirnya, faktor utama dalam adopsi teknologi yang mengurangi sampah makanan adalah keselarasan kepentingan semua pihak.

Perusahaan akan selalu lebih tertarik pada peningkatan produktivitas dan pengurangan biaya, dan seharusnya diberikan insentif untuk mengurangi sampah makanan melalui perspektif tersebut. Peningkatan infrastruktur digital, konektivitas, serta sumber daya keuangan juga sangat membantu, karena mengurangi biaya penerapan teknologi ini.

Di tingkat konsumen, partisipasi pengguna yang berkelanjutan dibandingkan adopsi teknologi sekali pakai dapat menjadi tantangan utama, dipengaruhi oleh kegunaan, kepercayaan, persepsi manfaat, dan integrasi ke dalam rutinitas sehari-hari.

Teknologi yang muncul dengan pertumbuhan cepat dalam kapasitas dan kemudahan penggunaan kemungkinan akan memainkan peran yang lebih besar di masa depan. Misalnya, dapat diharapkan bahwa AI, visi mesin, dan digital twin fasilitas (pertanian, gudang, pabrik pengolahan makanan) akan terus berkembang dan mulai memberikan peningkatan signifikan dalam penghematan biaya, hasil, serta pengurangan sampah makanan secara bersamaan.

Perlu juga dicatat bahwa teknologi ini kemungkinan tidak akan menggantikan, melainkan justru meningkatkan permintaan terhadap teknologi IoT dan RFID “lama”, karena mereka akan menyediakan aliran data yang konstan dan akurat bagi AI untuk beroperasi secara optimal.

Berinvestasi dalam Ketertelusuran Rantai Pasokan

Zebra Technologies Corporation

ZBRA Grafik Harga

Karena teknologi rantai pasokan yang bergantung pada IoT tidak mungkin khusus untuk industri makanan, berinvestasi dalam tema ini sebaiknya dilakukan dengan menemukan perusahaan yang sudah menyediakan teknologi tersebut untuk sektor lain.

Zebra Technologies (ZBRA ) menyediakan teknologi pemindaian kode batang, RFID, komputasi seluler, visi mesin, sensor lingkungan, dan manajemen inventaris.

Dengan menyediakan ketertelusuran dan pelacakan real‑time barang di seluruh rantai pasokan, Zebra menjadi pemasok utama yang secara langsung menangani lapisan data‑fisik yang diperlukan untuk kemajuan lebih lanjut dalam digitalisasi aktivitas ekonomi fisik: ritel, perawatan kesehatan, logistik, manufaktur, produksi & distribusi makanan, dll.

Produk perusahaan selaras dengan beberapa aplikasi paling matang secara komersial yang dibahas dalam tinjauan, khususnya:

  • Memantau kondisi penyimpanan dan transportasi.
  • Melacak inventaris yang mudah rusak.
  • Meningkatkan visibilitas rantai pasokan.
  • Mengidentifikasi produk sebelum kedaluwarsa.
  • Mendukung keputusan pengisian kembali dan alokasi yang lebih baik.

Meskipun penjualannya awalnya terfokus pada Amerika Utara, perusahaan juga telah memperluas kegiatannya di luar negeri, yang kini menyumbang setengah dari total penjualan. Ritel dan e‑commerce menjadi adopter awal teknologi ini, namun keduanya dengan cepat diadopsi oleh sektor manufaktur dan logistik.

Selain sektor‑sektor ini, perawatan kesehatan juga merupakan pasar yang berkembang cepat bagi Zebra. Itu merupakan pasar dengan pertumbuhan tertinggi pada Q2 2026, dengan Urgent Care menjadi pendorong pertumbuhan kategori tersebut.

Dengan penjualan bersih tumbuh 20.4% secara tahunan pada Q2 2026, dan EBITDA yang disesuaikan naik 61.4%, perusahaan menawarkan profil pertumbuhan yang kuat bagi investor potensial. Berbeda dengan banyak investasi, perusahaan tidak kemungkinan terancam secara langsung oleh peningkatan kemampuan AI (justru mendapat manfaat darinya), namun juga tidak terlalu bergantung pada keberlangsungan ledakan AI untuk terus tumbuh, karena permintaan akan ketertelusuran dan efisiensi yang lebih baik tetap meningkat.

Hal ini dapat menjadikan saham Zebra pilihan yang baik untuk menyeimbangkan portofolio yang terlalu sedikit atau terlalu banyak terpapar pada saham AI murni, dengan menawarkan potensi kenaikan jika AI menjadi meluas, namun juga pertumbuhan solid yang independen jika AI tiba‑tiba melambat.

Berita dan Perkembangan Terbaru Saham Zebra Technologies Corporation (ZBRA)

Studi yang Dikutip

1. Esteban Pérez-García dkk. Jalur digitalisasi untuk pencegahan kehilangan dan limbah makanan dalam rantai pasokan agrifood: Bukti terkini, tantangan, dan arah masa depan. Trends in Food Science & Technology. Desember 2026. Artikel: 106084. Volume 178. 10.1016/j.tifs.2026.106084

mm

Jonathan adalah mantan peneliti biokimia yang bekerja dalam analisis genetik dan uji klinis. Ia kini menjadi analis saham dan penulis keuangan dengan fokus pada inovasi, siklus pasar, dan geopolitik dalam publikasinya 'The Eurasian Century'.