TRANSFORMASI PEMULIAAN TANAMAN KELAPA SAWIT MELALUI SELEKSI GENOMIK DAN KECERDASAN BUATAN MENUJU DATA-DRIVEN SMART BREEDING

Abstract

Penggunaan genomic selection (GS), machine learning (ML), dan artificial intelligence (AI) semakin mendorong pergeseran paradigma dari pemuliaan fenotipik tradisional menuju predictive breeding. Pendekatan ini memanfaatkan data genetik untuk memprediksi potensi suatu individu pada tahap perkembangan awal, sehingga secara drastis dapat mempercepat genetic gain. Tinjauan ini mengkaji transformasi menuju pemuliaan prediktif yang memanfaatkan GS dan AI untuk mempercepat target kemajuan genetik. GS memungkinkan prediksi pemuliaan individu menggunakan penanda genomik, mengatasi keterbatasan marker-assisted selection (MAS). Integrasi dengan algoritma AI seperti artificial neural networks (ANN) meningkatkan akurasi prediksi hingga 32.8% dengan memperhitungkan interaksi non-linear dan epistasis. Implementasi komersial oleh Sime Darby Plantation (GenomeSelect™) membuktikan viabilitas ekonomi GS melalui strategi seleksi induk dan reduksi marker. Roadmap ke depan memerlukan pendekatan hibrid (GBLUP, model multi-trait, AI), investasi dalam high-throughput phenotyping dan enviromics, serta kolaborasi global untuk menciptakan ekosistem pemuliaan berbasis data (data-driven smart breeding) yang powerful.