8 modul AI bekerja bersama sebagai sistem inteligensi logistik pangan terpadu — dari prediksi permintaan hingga redistribusi surplus
Dibangun di atas stack open-source kelas produksi
Next.js 16 Frontend
SSR + Turbopack, Tailwind CSS, Recharts
PostgreSQL + Prisma
23 model, skema relasional lengkap
Python FastAPI ML
Prophet, XGBoost, scikit-learn sidecar
Gemini 2.0 Flash
Generasi menu, analisis insight
BPS + BMKG APIs
Sinkronisasi harga & cuaca live
QRIS + BI-FAST
Settlement pembayaran & jejak audit
Setiap modul mengalir ke modul berikutnya — pipeline otomatis sepenuhnya
Modul 1 dari 8
Marketplace Redistribusi Surplus MBG
Masalah
2.400 ton sisa MBG terbuang setiap hari — 451K+ ton/tahun yang masih layak makan. Tidak ada platform digital untuk menghubungkan SPPG dengan 9.100+ panti asuhan dan komunitas.
Solusi PADI
Platform redistribusi AI yang mencocokkan surplus makanan dari 23.000 SPPG ke panti asuhan, panti jompo, masjid, dan bank pangan terdekat. Klaim via QR code, full audit trail sesuai Peraturan BGN No. 1/2026.
SPPG melaporkan surplus via PADI-WASTE → auto-create listing di marketplace
AI mencocokkan surplus ke penerima terdekat berdasarkan kapasitas, jarak, dan jenis makanan
Penerima klaim porsi → generate QR code unik → notifikasi WhatsApp
Pengambilan terverifikasi via scan QR → audit trail lengkap untuk kepatuhan BGN
TEKNOLOGI UTAMA
0%
Target limbah layak makan dari 23.000 SPPG
Modul 2 dari 8
Prakiraan Permintaan & Prediksi Harga
Masalah
Koordinator sekolah saat ini memperkirakan kebutuhan pangan dengan tebakan, mengakibatkan 20-30% kelebihan/kekurangan pesanan di 514 kabupaten.
Solusi PADI
Model hybrid Prophet + TFT menggabungkan data harga BPS, cuaca BMKG, pendaftaran sekolah (DAPODIK), dan konsumsi historis untuk memprediksi permintaan per kabupaten dengan akurasi 92%.
BPS API (harga), BMKG API (cuaca), DAPODIK (pendaftaran) → sinkronisasi harian
Prophet untuk tren/musiman + Temporal Fusion Transformer untuk multi-variabel
Prakiraan permintaan 7/14/30 hari per kabupaten per komoditas dengan interval kepercayaan
Gemini 2.0 Flash menghasilkan insight bahasa alami saat anomali terdeteksi
TEKNOLOGI UTAMA
92%
Akurasi prakiraan (MAPE < 8%)
Modul 4 dari 8
Pencocokan Supplier Cerdas
Masalah
Pengadaan bersifat manual, tidak transparan, dan bias terhadap distributor incumbent. Petani UMKM lokal tereksklusi dari rantai pasok MBG.
Solusi PADI
Algoritma skoring supplier multi-faktor (kualitas, harga, jarak, keandalan, kapasitas) dengan optimasi geografis — memprioritaskan UMKM dan koperasi petani lokal dalam radius 50km.
PADI-MENU menghasilkan daftar bahan → kuantitas dihitung dari pendaftaran × resep
Pencarian registri supplier dalam radius yang bisa dikonfigurasi, filter produk, kapasitas, sertifikasi
Skor berbobot: kualitas (30%), harga (25%), jarak (20%), keandalan (15%), kapasitas (10%)
Top-N supplier dipilih per bahan, auto-generate pesanan pembelian dengan link pembayaran QRIS
TEKNOLOGI UTAMA
78%
Pesanan dipenuhi UMKM/petani lokal
Modul 5 dari 8
Optimasi Rute Multi-Moda
Masalah
Indonesia membentang 17.000+ pulau. Perencanaan logistik manual menghasilkan pembengkakan biaya 30-40% dan putus rantai dingin, terutama untuk rute Indonesia timur.
Solusi PADI
Optimasi terkendala lintas moda truk, kapal, dan udara dengan kebutuhan rantai dingin, jadwal pelabuhan, dan cuaca real-time dari BMKG. Meminimalisir biaya × waktu × risiko kerusakan.
Bangun graf logistik: 514 kabupaten sebagai node, darat/laut/udara sebagai edge berbobot
Kebutuhan rantai dingin, jadwal pelabuhan, kapasitas feri, jendela kedaluwarsa
Modified Dijkstra multi-objektif: biaya (bobot 0,4), waktu (0,3), risiko kerusakan (0,3)
Sensor GPS + suhu IoT → rerouting real-time jika pelanggaran rantai dingin terdeteksi
TEKNOLOGI UTAMA
-32%
Rata-rata penghematan biaya vs routing manual
Modul 6 dari 8
Prediksi & Redistribusi Limbah
Masalah
Indonesia membuang 23-48 juta ton pangan per tahun. Data limbah tingkat sekolah tidak terlacak — surplus makanan masuk tempat pembuangan alih-alih panti asuhan atau bank pangan terdekat.
Solusi PADI
Model ML memprediksi risiko limbah per sekolah berdasarkan menu, cuaca, hari, dan pola historis. Surplus otomatis dicocokkan ke titik redistribusi terdekat (panti asuhan, bank pangan, PMI).
Laporan makan harian: disiapkan vs dikonsumsi, per sekolah, per item menu
Random Forest mengklasifikasi risiko limbah: RENDAH (<10%), SEDANG (10-20%), TINGGI (>20%)
Saran penyesuaian porsi dikirim ke staf dapur via WhatsApp/dashboard
Surplus dicocokkan ke penerima terdekat, donasi terlacak untuk pajak/kepatuhan
TEKNOLOGI UTAMA
34%
Limbah diredistribusi alih-alih dibuang
Modul 7 dari 8
Pembayaran QRIS & Pembiayaan Rantai Pasok
Masalah
Pembayaran pengadaan pangan pemerintah memakan 30-90 hari via perbankan tradisional, memaksa supplier UMKM mengambil pinjaman. Jejak pembayaran tidak transparan, memungkinkan korupsi.
Solusi PADI
Pembayaran langsung berbasis QRIS ke dompet petani/UMKM dengan jejak audit BI. Skor kredit UMKM membuka pembiayaan mikro. Konsep Rupiah Digital untuk penegakan anggaran terprogram.
Pesanan pembelian dari PADI-MATCH → link pembayaran QRIS dibuat
Koordinator scan QRIS → dana masuk ke supplier dalam <5 detik via BI-FAST
Riwayat transaksi membangun skor kredit UMKM (300-850) dari 5 faktor
Skor kredit memungkinkan pinjaman mikro dari bank mitra untuk ekspansi kapasitas
TEKNOLOGI UTAMA
<5d
Waktu settlement pembayaran (vs 30-90 hari)
Modul 8 dari 8
Dasbor Monitoring Nasional
Masalah
Tidak ada tampilan terpadu kinerja program MBG di 514 kabupaten. Pengambil keputusan mengandalkan laporan Excel bulanan — terlalu lambat untuk intervensi dini.
Solusi PADI
Dasbor nasional real-time dengan peta koroplet, kartu KPI, sistem peringatan, dan drill-down ke tingkat kabupaten/sekolah. Didukung data teragregasi dari semua 7 modul lainnya.
Semua output modul mengalir ke penyimpanan metrik terpadu (makan, limbah, belanja, peringatan)
Peta koroplet 514 kabupaten, grafik time-series, sparkline KPI
Rules engine: lonjakan harga >20%, limbah >15%, rantai dingin >4°C, stok di bawah threshold 3 hari
Laporan PDF mingguan otomatis untuk BGN, KEMENKO PMK, dan Bank Indonesia
TEKNOLOGI UTAMA
Real-time
Kesegaran data (vs Excel bulanan)
Lihat semua 8 modul beraksi dengan data dummy realistis — atau jalankan demo skenario end-to-end