Introduction
스마트농업과 지속가능농업
AHP와 퍼지 결합분석
선행연구 및 연구의 차별성
Materials and Methods
평가요인 선정 및 연구절차
조사 대상 및 자료수집
AHP 분석 및 일관성 검증
퍼지 및 AHP-퍼지 결합분석
Results and Discussion
AHP 분석 결과
퍼지 분석 결과
AHP-퍼지 결합분석 결과
하위지표의 AHP-Fuzzy 결합분석 결과
Conclusion
Introduction
최근 농업은 기후변화, 농촌인구의 고령화와 노동력 부족, 농업경영비 증가, 농가소득의 불안정성 및 환경부하 증가 등 복합적인 문제에 직면하고 있다(MAFRA, 2025a; Ministry of Data and Statistics, 2025). 특히 기후변화에 따른 이상기후와 농업생산의 불확실성 증가는 안정적인 농업생산과 농가경영을 어렵게 하고 있으며, 농업부문의 온실가스 감축과 자원 이용의 효율화에 대한 사회적 요구도 지속적으로 확대되고 있다(MAFRA, 2023, 2025b; Jang, 2025). 이러한 변화는 농업의 생산성과 경제성뿐만 아니라 환경적·사회적 가치를 함께 고려하는 지속 가능한 농업체계로의 전환 필요성을 높이고 있다(Hwang et al., 2022).
이러한 농업환경의 변화에 대응하기 위한 주요 수단으로 스마트농업이 주목받고 있다(MAFRA, 2025c). 스마트농업은 정보통신기술(ICT), 사물인터넷(IoT), 인공지능(AI), 빅데이터 및 자동화 기술 등을 농업생산과 경영에 적용함으로써 생산성과 자원 이용의 효율성을 향상시키고 농업인의 노동 부담을 줄이는 데 기여할 수 있다(MAFRA, 2025c; 「Republic of Korea」, 2025). 그러나 기존 연구는 생산성 향상, 기술도입 효과, 경제성 또는 환경성과 등 개별 영역을 중심으로 이루어진 경우가 많아 경제·환경·사회적 지속가능성과 기술, 거버넌스 및 정부 정책적 요소를 통합적으로 평가하는 데 한계가 있다(Klerkx et al., 2019; Rupnik, 2024). 또한 다양한 평가요인 가운데 어떠한 요인을 우선적으로 고려해야 하는지에 대한 체계적인 분석도 충분하지 않다. 따라서 한정된 정책자원과 농업경영 자원을 효율적으로 배분하기 위해서는 평가요인의 상대적 중요성을 파악하고, 빅데이터 기반 생산예측, 데이터 기반 농업관리, 농업데이터 플랫폼 및 AI 기반 의사결정 등 스마트·정밀농업 기술이 지속가능농업의 주요 요인들과 어떠한 우선순위 구조를 형성하는지를 종합적으로 분석할 필요가 있다(Saaty, 1980; De Marinis and Sali, 2020; Talukder et al., 2017).
계층분석법(Analytic Hierarchy Process: AHP)은 평가요인 간 상대적 중요도와 우선순위를 도출하는 데 유용하지만, 전문가 판단에 내재된 모호성과 확신 정도를 충분히 반영하는 데에는 한계가 있다(Saaty, 1980; Liu et al., 2020; Dede et al., 2022). 이에 본 연구에서는 퍼지 집합이론을 활용하여 전문가의 중요도와 확신도를 반영하고, 이를 AHP 가중치와 결합함으로써 평가요인의 우선순위를 종합적으로 분석하였다(Zadeh, 1965; Moon and Kang, 1999).
이에 연구는 스마트농업 기반 지속가능농업을 구성하는 경제적 지속가능성, 환경적 지속가능성, 사회적 지속가능성, 기술적 지속가능성, 거버넌스적 요소 및 정부 정책적 요소의 6개 상위요인과 24개 하위지표를 대상으로 AHP와 퍼지 집합이론을 적용하고, 두 분석 결과를 결합하여 평가요인의 종합적인 우선순위를 도출하는 것을 목적으로 한다.
연구는 기존의 AHP 중심 우선순위 분석에서 나아가 전문가 판단의 중요도와 확신도를 퍼지 집합이론을 통해 반영하고, 이를 AHP의 구조적 가중치와 결합한다는 점에서 차별성을 가진다. 또한 스마트농업 기반 지속가능농업을 경제·환경·사회적 지속가능성뿐만 아니라 기술, 거버넌스 및 정부 정책적 요소까지 포함하는 통합적인 관점에서 분석함으로써 빅데이터·AI·데이터 기반 농업관리 등 스마트·정밀농업 기술의 활용 우선순위를 제시하고, 지속가능농업의 실천 전략 수립을 위한 기초자료를 제공하고자 한다.
스마트농업과 지속가능농업
지속가능농업은 농업생산의 경제적 성과를 유지하면서 환경자원을 보전하고 농업인과 농촌사회의 지속가능성을 확보하는 것을 목적으로 한다(FAO, 2014). 기존의 지속가능농업은 주로 경제적·환경적·사회적 측면을 중심으로 논의되어 왔으나(Elkington, 1997; FAO, 2014), 최근에는 기후변화, 농촌인구 감소와 고령화, 농업 노동력 부족, 생산비 증가 및 농산물 수급 불안정 등 농업환경의 변화에 대응하기 위하여 기술혁신과 정책·제도적 기반을 함께 고려할 필요성이 확대되고 있다(MAFRA, 2025c).
스마트농업은 ICT, IoT, AI, 빅데이터 및 자동화 기술 등을 농업생산과 경영에 적용하여 생산성과 자원 이용의 효율성을 높이고, 농약·비료·용수 사용 및 탄소배출 저감 등 지속가능성 향상에 기여할 수 있다(Wolfert et al., 2017; Klerkx et al., 2019; Finger et al., 2019). 최근 스마트농업에서는 농업 빅데이터와 인공지능을 활용한 생산예측, 센서 및 IoT 기반 생육 환경 모니터링 등 데이터 기반 정밀농업 기술의 활용이 확대되고 있다(Wolfert et al., 2017; Weersink et al., 2018; Choi et al., 2025). 이러한 기술은 농업생산 과정에서 발생하는 다양한 정보를 실시간으로 수집·분석하여 생산성과 자원 이용의 효율성을 높이고, 농업경영의 의사결정을 지원한다는 점에서 지속가능농업의 실현 수단으로 활용될 수 있다.
그러나 스마트농업이 지속가능농업으로 연결되기 위해서는 기술도입 자체보다 기술이 농가소득과 경영 안정성, 환경부하 저감, 농업인 삶의 질 및 농업·농촌의 지속가능성에 어떠한 성과를 창출하는지를 종합적으로 고려해야 한다(Zul Azlan et al., 2024; Zheng et al., 2024). 또한 데이터 활용 체계, 정책의 투명성, 법·제도 및 중장기적인 정부 지원과 같은 거버넌스와 정책적 기반도 함께 고려할 필요가 있다(MAFRA, 2025c). 따라서 스마트농업 기반 지속가능농업은 경제·환경·사회적 가치와 기술혁신, 거버넌스 및 정부 정책적 요소가 상호 연계되는 다차원적 체계로 접근할 필요가 있다.
AHP와 퍼지 결합분석
AHP는 평가요인 간 쌍대비교를 통해 계층구조 내 상대적 중요도와 우선순위를 산출할 수 있으며, 퍼지 분석은 전문가 판단에 내재된 모호성과 불확실성을 수리적으로 반영할 수 있다(Saaty, 1980; Zadeh, 1965; Moon and Kang, 1999). 연구에서는 두 방법의 기능적 차이에 주목하여 AHP를 평가요인의 구조적 상대중요도를 산출하는 방법으로, 퍼지 분석을 전문가의 중요도와 확신도를 반영하는 방법으로 활용하였다.
특히 동일한 중요도를 평가한 전문가라 하더라도 판단에 대한 확신 정도에는 차이가 있을 수 있으므로, 중요도와 확신도를 함께 고려함으로써 전문가 판단의 불확실성을 보완하고자 하였다(Moon and Kang, 1999). 이를 위해 중요도는 삼각퍼지수(Triangular Fuzzy Number: TFN)로 변환하고, 확신도는 확신계수(α=C/9)로 변환하여 중요도 삼각퍼지수에 적용한 후 비퍼지화하여 비퍼지화값(Defuzzified Value: DV)을 산출하였다.
최종적으로 AHP 가중치(AW)를 평가요인의 구조적 상대중요도로, 비퍼지화값(DV)을 전문가의 중요도와 확신도가 반영된 평가값으로 설정하고 두 값을 결합하였다. 이를 통해 AHP 단독분석의 우선순위와 결합분석의 우선순위를 비교하여 전문가 판단의 불확실성을 반영했을 때 평가요인의 우선순위가 어떻게 변화하는지를 분석하였다.
다기준 의사결정 연구에서는 평가기준의 상대적 중요도를 나타내는 가중치와 각 기준에 대한 평가값을 결합하여 종합적인 우선순위 또는 성과값을 산출하는 방식이 활용되고 있다(Hwang and Yoon, 1981).
연구에서는 이러한 상호보완성을 바탕으로 AHP 가중치(AW)와 퍼지 분석을 통해 산출된 비퍼지화값(DV)의 곱을 AHP–Fuzzy 결합 통합지수로 정의하였다.
선행연구 및 연구의 차별성
지속가능농업에 관한 선행연구는 경제성, 환경성 및 사회성을 중심으로 지속가능성의 개념과 평가요인을 제시해 왔으며, 스마트농업 관련 연구에서는 ICT 및 데이터 기반 기술의 도입 효과, 생산성 향상, 기술 수용 및 정책지원 등에 관한 연구가 이루어져 왔다. 이상의 국내외 선행연구에서 활용된 주요 분석방법과 연구내용을 정리하면 Table 1과 같다.
Table 1
Previous studies on sustainable agriculture and smart agriculture.
| Author(s) (Year) | Research Focus | Key Areas |
| Shin et al. (2005) | Prioritization of Environmentally Friendly Agricultural Policy Programs Using the Analytic Hierarchy Process (AHP) |
Education and Training, Technology Development, Monitoring Systems |
| Kim and Moon (2013) | Prioritization of Green Growth Policy Measures for Agriculture and Rural Areas: An Application of AHP | Green Growth, Policy |
| Park et al. (2015) | Multi-Attribute Analysis for Prioritizing Greenhouse Gas Mitigation Technologies in the Agricultural Sector |
Economy, Environment, Technology, Institutions |
| Khatri-Chhetri et al. (2017) | Farmers’ Preferences and Willingness to Pay (WTP) for Climate Change Adaptation Technologies in India |
Agricultural Insurance, Precision Agriculture, Climate Change |
| Son et al. (2019) | Development of Customized Practice Technology Packages through Priority Analysis of Agricultural Environmental Conservation Technologies | Soil, Water, Air |
| Kim and Jung (2020) | Analysis of Key Factors for the Diffusion of Smart Livestock Farming Using the Analytic Hierarchy Process (AHP) |
Technology, Economy, Policy Support, Farmer Acceptance |
| Ahn and Lee (2022) | Importance Analysis of Sustainable Development Indicators for Fishing Villages | Economy, Environment, Society |
| Lee et al. (2022) | Prioritization of Climate-Smart Agriculture (CSA) Technologies Using the Analytic Hierarchy Process (AHP) |
Productivity, Climate Adaptation, Greenhouse Gas Mitigation |
또한 농업·농촌 분야의 의사결정 연구에서는 AHP를 활용하여 정책과제, 농업기술 및 사업평가 지표의 상대적 중요도와 우선순위를 분석하는 연구가 수행되어 왔다.
스마트·정밀농업 분야에서도 다기준 의사결정 기법을 활용하여 기술 및 평가요인의 우선순위를 분석하려는 연구가 확대되고 있다(Lee et al., 2022; Talukder et al., 2017). Lee et al.(2022)은 기후 스마트농업 기술을 생산성, 시장성, 적응 및 감축 측면에서 평가하고 AHP를 활용하여 정밀농업을 포함한 농업기술의 상대적 우선순위를 분석하였다. 또한 국외에서는 퍼지 논리와 AHP를 결합하여 농업의 토지적합성 및 지속가능성을 평가하거나, 스마트농업의 성공요인과 기술도입 과제를 분석하는 연구가 이루어지고 있다.
그러나 기존 연구는 지속가능농업의 개별 영역이나 스마트농업의 기술적 성과를 중심으로 접근하거나, AHP를 활용하여 평가요인의 상대적 중요도를 산출하는 데 초점을 둔 경우가 많다(Klerkx et al., 2019; Lee et al., 2022). 특히 스마트농업 기반 지속가능농업을 경제·환경·사회·기술·거버넌스·정부 정책의 다차원적인 구조로 설정하고, AHP의 상대적 가중치와 전문가의 중요도·확신도를 반영한 퍼지 평가값을 결합하여 평가요인의 우선순위를 분석한 연구는 상대적으로 부족하다.
이에 연구는 스마트농업 기반 지속가능농업의 평가체계를 경제·환경·사회·기술·거버넌스·정부 정책의 6개 영역으로 구성하고, AHP를 통한 구조적 중요도와 전문가의 중요도·확신도를 반영한 퍼지 평가를 결합하였다는 점에서 기존 연구와 차별성을 가진다. 또한 AHP 가중치와 비퍼지화값을 결합한 통합지수를 활용하여 스마트·정밀농업 기술 및 정책의 상대적 우선순위를 종합적으로 제시하고자 하였다.
Materials and Methods
평가요인 선정 및 연구절차
연구는 스마트농업 기반 지속가능농업의 평가요인의 우선순위를 도출하기 위해 AHP와 퍼지 집합이론을 결합한 분석 절차를 적용하였다.
평가요인의 구성은 선행연구와 국내외 지속가능농업 평가체계 및 스마트농업 관련 지표를 검토하고, 우리나라 농업환경에 대한 SWOT 분석을 통해 88개의 초기 후보지표를 도출하는 과정에서 시작하였다. 초기 88개 후보지표에 대한 1차 정량분석 및 전문가 검토 결과, 60개 지표(68.2%)는 선정검토 대상으로 분류하였으며, 28개 지표(31.8%)는 전문가 의견을 추가로 검토하는 재검토 대상으로 분류하였다. 즉, 60개와 28개는 순차적으로 축소된 지표 수가 아니라 초기 88개 후보지표에 대한 1차 검토 결과의 분류이다. 델파이 조사 결과에 대한 전문가 합의 수준을 검증하기 위하여 내용타당도(CVR), 변동계수(CV), 합의도(Consensus) 및 수렴도(Convergence)를 분석하였다. 이후 전문가 의견을 반영하여 31개 지표는 유지 또는 명칭을 조정하고, 41개 유사·중복 지표는 통합하였으며, 대표성이 부족하거나 중복되는 6개 지표는 제외하고 1개 지표를 신규 추가하는 정제과정을 거쳐 52개의 평가항목을 구성하였다. 이들 52개 평가항목을 대상으로 1차 설문조사를 실시하였으며, 응답자가 중요하다고 판단하는 평가항목을 4개 이상 선택하도록 하였다. 설문 응답결과를 바탕으로 최종적으로 6개 상위요인과 24개 하위지표를 선정하였다(Table 2).
연구의 평가체계는 개별 정책수단이나 성과지표 간의 직접적인 우선순위를 비교하기 위한 것이 아니라, 스마트농업 기반 지속가능농업을 경제적·환경적·사회적·기술적·거버넌스적·정부 정책적 측면에서 종합적으로 평가하기 위한 다차원 평가체계로 구성하였다. 경제적·환경적·사회적 지속가능성은 지속가능농업의 주요 성과 측면을, 기술적 지속가능성, 거버넌스적 요소 및 정부 정책적 요소는 이러한 성과의 실현과 지속을 지원하는 기반 및 실행 측면을 반영한다. 각 상위요인은 기능적 성격에는 차이가 있으나, 모두 최상위 목표인 ‘스마트농업 기반 지속가능농업의 우선순위 평가’에 기여하는 상위 평가영역으로 설정하였다. 따라서 AHP 쌍대비교에서는 각 영역의 성격 자체를 비교한 것이 아니라, 공통된 최상위 목표에 대한 상대적 중요도를 비교하였다(Saaty, 1980).
Table 2
Final evaluation framework for smart agriculture-based sustainable agriculture.
연구의 분석절차는 평가요인 도출 및 선정, 설문조사, AHP 분석, 퍼지 분석 및 AHP–Fuzzy 결합분석의 순서로 구성하였다. 먼저 문헌분석과 전문가 검토를 통해 평가요인을 선정한 후, 설문조사를 통해 AHP 쌍대비교 자료와 중요도·확신도 자료를 수집하였다. 이후 AHP를 통해 평가요인의 상대적 가중치를 산출하고, 중요도와 확신도를 활용한 퍼지 분석을 실시하였다. 마지막으로 AHP 가중치와 비퍼지화값을 결합하여 평가요인의 최종 우선순위를 도출하였다. 전체 연구절차는 Fig. 1과 같다.
조사 대상 및 자료수집
연구의 최종 우선순위 분석을 위한 조사는 스마트농업 및 지속가능농업과 관련된 분야의 전문가와 이해관계자를 대상으로 실시하였다. 조사 대상은 농학 관련 교수, 지방자치단체 및 농업기술센터 관계자, 농업협동조합 및 영농조합 관계자, 농업인 등으로 구성하였으며, 전문 분야는 스마트농업, 농업경제, 농업정책, 농업사회, 지속가능농업 및 환경 분야 등을 포함하였다.
연구에서는 스마트농업 기반 지속가능농업의 평가요인에 대한 판단을 위해 농업 현장, 농업기술, 농업정책, 농업경영, 농업사회, 농업환경 및 지속가능농업/ESG 분야에 대한 경험이나 전문적 지식을 보유한 전문가와 관련 이해관계자를 조사대상으로 선정하였다. 이에 농학 관련 교수는 농업 분야의 학술적 전문성을, 지방자치단체 및 농업기술센터 관계자는 농업정책의 집행과 기술지원 경험을, 농업협동조합 및 영농조합 관계자는 농업경영 및 농업인 지원과 관련된 실무경험을 고려하여 조사대상에 포함하였다. 또한 농업인은 농업 생산과 경영의 직접적인 주체로서 스마트농업 및 지속가능농업 평가요인의 현장 적용 가능성을 판단할 수 있는 관련 이해관계자로 포함하였다. 응답자의 관련성과 전문적 배경을 확인하기 위하여 전문분야와 농업분야 경력 등을 일반적 특성으로 조사하였다.
최종 분석을 위한 설문조사는 2026년 5월 22일부터 6월 21일까지 실시하였으며, 최종적으로 254명의 응답 자료를 분석에 활용하였다. 조사대상자의 전문성을 확인하기 위하여 전문분야와 농업분야 경력을 조사하였으며, 그 결과는 Table 3과 같다. 조사 내용은 크게 AHP 쌍대비교 문항과 각 평가요인에 대한 중요도 및 확신도 평가 문항으로 구성하였다. AHP 조사는 상위요인 및 하위지표 간 상대적 중요도를 평가하도록 하였으며, 중요도와 확신도는 각각 9점 척도를 적용하였다. 최종 분석에는 254명의 유효응답을 사용하였으며, AHP 쌍대비교와 중요도 및 확신도 분석의 모든 문항에서 결측값이 없어 동일한 254명의 응답자료를 분석에 활용하였다.
AHP 분석에서는 응답자의 쌍대비교 판단에 대한 일관성을 검토한 후 가중치를 산출하였다. 퍼지 분석에서는 동일한 평가요인에 대해 조사된 중요도와 확신도를 활용함으로써 단순한 중요도 평가를 넘어 전문가 판단에 내재된 모호성과 확신 수준을 함께 반영하고자 하였다.
Table 3
Professional characteristics of respondents.
AHP 분석 및 일관성 검증
AHP는 복잡한 의사결정 문제를 계층적으로 구조화하고 각 평가요인 간 쌍대비교를 통해 상대적 중요도를 산출하는 다기준 의사결정 기법이다(Saaty, 1980). 연구에서는 최상위 목표를 ‘스마트농업 기반 지속가능농업’으로 설정하고, 6개 상위요인과 24개 하위지표로 계층구조를 구성하였다.
연구에서는 254명의 AHP 쌍대비교 응답을 집단의 판단으로 통합하기 위하여 각 쌍대비교 항목에 대한 개별 응답값의 기하평균(geometric mean)을 산출하였다. 산출된 기하평균값을 이용하여 집단 쌍대비교행렬을 구성한 후, 이를 바탕으로 상위요인과 하위지표의 상대적 가중치를 산출하였다. 이후 구성된 집단 쌍대비교행렬에 대하여 일관성지수(CI)와 일관성비율(CR)을 산출하여 판단의 일관성을 검증하였다.
구성된 집단 쌍대비교행렬의 고유벡터를 산출하여 각 평가요인의 상대적 가중치를 도출하였다(Saaty, 1980). 또한 판단의 논리적 일관성을 검토하기 위하여 일관성지수(Consistency Index: CI)와 일관성비율(Consistency Ratio: CR)을 적용하였다. 일관성지수는 식 (1)과 같이 산출하였다.
여기서 λmax는 쌍대비교행렬의 최대 고유값이며, n은 평가요인의 수를 의미한다. 일관성비율은 식 (2)와 같다.
여기서 RI는 무작위지수(Random Index)를 의미한다. 연구에서는 일관성비율(CR)이 0.1 미만인 경우 응답의 일관성이 확보된 것으로 판단하였으며, 일관성이 확보된 응답 자료를 토대로 상위요인과 하위지표의 가중치를 산출하고 최종 AHP 우선순위를 도출하였다.
퍼지 및 AHP-퍼지 결합분석
퍼지 분석
퍼지 분석은 전문가의 판단에 내재된 모호성과 불확실성을 정량적으로 반영하기 위한 방법이다. 연구에서는 평가요인의 중요도 평가값을 9점 척도에 대응하는 삼각퍼지수(TFN)로 변환하고, 확신도 점수(C)를 9로 나눈 확신도 계수(α=C/9)를 중요도 삼각퍼지수에 적용하여 확신도가 반영된 퍼지평가값을 산출하였다. 이후 평가요인별 퍼지평가값을 통합하고 비퍼지화 과정을 거쳐 비퍼지화값(DV)을 산출하였다. 이를 통해 단일한 중요도 평가만으로는 충분히 반영하기 어려운 전문가 판단의 불확실성을 분석에 고려하고자 하였다.
삼각퍼지수(TFN) 변환
전문가의 판단은 특정한 하나의 수치만으로 완전하게 표현하기 어려우며 동일한 평가값을 부여하더라도 판단에 대한 확신 정도에는 차이가 있을 수 있다(Moon and Kang, 1999). 이에 연구에서는 전문가 판단에 내재된 모호성과 불확실성을 반영하기 위하여 퍼지 집합이론을 적용하였다. 연구에서는 전문가가 각 평가요인에 대해 평가한 중요도와 확신도를 함께 반영하기 위하여 퍼지 집합이론을 적용하였다. 먼저 9점 척도로 측정된 중요도 평가값을 삼각퍼지수(Triangular Fuzzy Number: TFN)로 변환하였으며, 확신도 평가값은 9점 척도를 기준으로 확신계수 α=C/9로 변환하여 중요도 삼각퍼지수에 적용하였다. 여기서 C는 각 응답자의 확신도 평가값을 의미한다. 삼각퍼지수는 전문가의 판단을 하나의 확정된 값으로 표현하기보다 하한값(lower bound: L), 중심값(most likely value: M), 상한값(upper bound: U)의 세 값으로 구성하여 판단에 내재된 모호성과 불확실성을 수리적으로 표현하는 방법이다.
9점 척도에서 각 응답점수 (s)는 해당 점수를 중심값 (M)으로 설정하고, 점수별로 설정된 범위를 적용하여 하한값 (L)과 상한값 (U)을 결정하였다. 이에 따라 각 평가값은 다음과 같은 삼각퍼지수로 표현하였다.
여기서 (L)은 전문가 판단의 가능한 최소값인 하한값, (M)은 해당 평가점수에 대응하는 중심값, (U)는 가능한 최대값인 상한값을 의미한다. 이러한 변환 방식은 동일한 평가점수를 선택한 경우에도 전문가의 판단이 하나의 확정된 값만을 의미하는 것이 아니라 일정한 범위의 불확실성을 포함할 수 있다는 퍼지집합의 기본 개념을 반영한 것이다. 삼각퍼지수는 하한값(L), 중심값(M), 상한값(U)으로 구성되며 다음과 같이 표현된다.
비퍼지화
연구에서는 전문가가 9점 척도로 평가한 중요도 값을 Table 4의 기준에 따라 삼각퍼지수(Triangular Fuzzy Number: TFN)로 변환하였다. 확신도 점수(C)는 9로 나누어 확신도 계수(α=C/9)로 변환하고, 이를 중요도 삼각퍼지수에 적용하여 확신도가 반영된 퍼지평가값을 산출하였다. 이후 254명의 퍼지평가값에 대한 하한값(L), 중심값(M), 상한값(U)을 각각 통합하고, 중심평균법을 적용하여 비퍼지화값(Defuzzification Value: DV)을 산출하였다.
Table 4
Fuzzy Numbers for Importance Assessment on a 9-Point Scale.
여기서 는 번째 전문가의 확신도 점수이며, 는 확신도 계수를 의미한다.
여기서, 는 번째 전문가의 중요도 삼각퍼지수이고, 는 확신도가 반영된 퍼지평가값이다.
확신도가 반영된 254명의 퍼지평가값은 각 성분별 산술평균을 이용하여 다음과 같이 통합하였다.
여기서 은 전체 응답자 수(254명)를 의미하며, , , 는 각각 통합된 퍼지평가값의 하한값, 중심값 및 상한값을 의미한다.
이후 퍼지수를 단일 대표값으로 변환하기 위하여 중심평균법을 적용하였으며, 비퍼지화값(Defuzzified Value: DV)은 다음과 같이 산출하였다.
비퍼지화값(DV)은 0과 1 사이의 범위에서 산출되며, 값이 클수록 중요도와 확신도가 함께 반영된 해당 평가요인의 평가수준이 상대적으로 높음을 의미한다. DV는 별도의 절대적 기준값이나 임계값에 따라 평가하는 지표가 아니라 평가요인 간 상대적 수준을 비교하기 위한 값이므로, 그 크기는 동일한 분석체계 내에서 상대적으로 해석하였다. 산출된 비퍼지화값(DV)은 평가요인 간 상대적 비교를 위하여 정규화하였으며, 이를 퍼지 가중치(Fuzzy Weight: FW)로 정의하였다. 평가요인 의 퍼지 가중치는 해당 평가요인의 비퍼지화값을 동일 계층의 전체 비퍼지화값의 합으로 나누어 다음과 같이 산출하였다.
여기서 는 평가요인 의 퍼지 가중치이며, 0과 1사이의 값으로 정규화되고 동일 계층 내 모든 평가요인의 의 합은 1이 된다. 따라서 FW 값이 클수록 동일 계층 내에서 해당 평가요인이 차지하는 상대적 비중이 높음을 의미한다. FW 역시 절대적인 기준값이나 임계값에 의해 평가하는 지표가 아니라 동일 계층 내 평가요인 간 상대적 비중을 비교하기 위한 지표로 해석하였다. 퍼지 통합지수(Fuzzy Integrated Index: FII)는 평가요인의 비퍼지화값과 퍼지 가중치를 결합하여 다음과 같이 산출하였다.
FII는 DV와 FW의 곱으로 산출되므로 이론적으로 0과 1 사이의 값을 가지며, 값이 클수록 중요도와 확신도를 반영한 평가수준과 동일 계층 내 상대적 비중을 종합적으로 고려한 우선순위가 높음을 의미한다. 다만 FII에는 절대적인 기준값이나 임계값이 존재하지 않으므로, 본 연구에서는 FII의 크기 자체를 절대적 수준으로 해석하지 않고 동일한 분석체계 내 평가요인 간 상대적 우선순위를 비교하는 지표로 활용하였다.
AHP-퍼지 결합분석
연구에서는 AHP 분석을 통해 산출된 평가요인의 상대적 가중치(AW)와 퍼지 분석을 통해 산출된 비퍼지화값(DV)을 결합하여 AHP–Fuzzy 결합 통합지수(AFI)를 산출하였다. AHP 가중치는 계층구조 내 평가요인의 상대적 중요도를 나타내며, 비퍼지화값은 전문가의 중요도와 확신도를 반영한 평가값으로 활용하였다. 결합 통합지수는 다음 식 (10)과 같이 산출하였다.
AFIi: i번째 평가요인의 AHP-퍼지 결합 통합지수
AWi: AHP 가중치
DVi: 퍼지 분석에서 산출된 비퍼지화값
이러한 결합 방식은 AHP에서 나타난 평가요인의 구조적 상대중요도에 전문가의 중요도 및 확신도를 반영한 퍼지 평가값을 함께 고려하기 위한 것이다. 최종적으로 결합 통합지수를 기준으로 상위요인과 하위지표의 우선순위를 재산정하고, AHP 단독 분석 및 퍼지 분석의 결과와 비교하였다. AFI는 AHP 가중치(AW)와 비퍼지화값(DV)의 곱으로 산출되며, 두 값이 모두 0과 1 사이의 값을 가지므로 AFI 역시 이론적으로 0과 1 사이의 범위에서 산출된다. AFI 값이 클수록 AHP에 의한 구조적 상대중요도와 중요도 및 확신도가 반영된 퍼지 평가수준을 종합적으로 고려한 상대적 우선순위가 높음을 의미한다. 다만 AFI는 별도의 절대적 기준값이나 임계값을 갖는 지표가 아니므로, 본 연구에서는 그 수치 자체를 절대적 수준으로 해석하지 않고 동일한 분석체계 내 평가요인 간 상대적 우선순위를 비교하는 지표로 활용하였다.
Results and Discussion
AHP 분석 결과
스마트농업 기반 지속가능농업의 6개 상위요인에 대한 AHP 분석 결과, 경제적 지속가능성의 가중치가 0.2235로 가장 높게 나타났으며, 기술적 지속가능성 0.2098, 환경적 지속가능성 0.1691, 사회적 지속가능성 0.1551, 거버넌스적 요소 0.1361, 정부 정책적 요소 0.1064의 순으로 나타났다(Table 5).
경제적 지속가능성의 가중치가 가장 높게 나타난 것은 스마트농업 기반 지속가능농업의 실현에서 기술도입 자체뿐만 아니라 농가소득, 생산성 및 경영안정성과 같은 실질적인 경제적 성과가 중요하게 인식되고 있음을 보여준다. 다만 경제적 지속가능성(0.2235)과 기술적 지속가능성(0.2098)의 가중치 차이는 0.0137로 크지 않아, 두 요인이 상대적으로 유사한 수준의 중요성을 갖는 것으로 해석할 수 있다. 이는 스마트농업의 기술적 기반과 경제적 성과가 독립적으로 작용하기보다 기술 활용이 생산성 및 경영성과로 연결되는 상호보완적 관계에 있음을 시사한다. 한편 AHP 가중치는 전체 평가요인의 상대적 중요도를 합이 1이 되도록 정규화한 값이므로, 특정 가중치 자체를 절대적으로 높거나 낮은 수준으로 해석하기보다는 다른 평가요인과 비교한 상대적 중요도로 해석할 필요가 있다. 6개 상위요인이 동일한 중요도를 갖는 경우의 기준값은 약 0.1667이며, 경제적 지속가능성과 기술적 지속가능성은 이보다 높은 상대적 가중치를 나타냈다.
이는 스마트농업 기반 지속가능농업을 실현하는 과정에서 농가소득, 농업 생산성 및 농업경영 안정성과 같은 경제적 성과가 상대적으로 중요한 요인으로 인식되고 있음을 보여준다. 동시에 기술적 지속가능성이 두 번째로 높은 가중치를 나타낸 것은 스마트농업의 지속가능한 발전을 위해 데이터와 디지털 기술을 활용한 생산·경영 혁신이 중요한 역할을 한다는 것을 의미한다.
Table 5
AHP analysis results for the main factors.
하위지표 분석에서는 ‘빅데이터 분석을 통한 생산예측’이 0.0712로 가장 높은 가중치를 나타냈으며, ‘농가소득 증가’ 0.0640, ‘삶의 질 향상’ 0.0618, ‘농약사용 절감’ 0.0615 등이 상위권에 위치하였다. 이러한 결과는 스마트농업의 기술적 활용이 생산예측과 같은 데이터 기반 의사결정으로 연결되는 동시에 농가의 경제적 성과, 환경적 성과 및 사회적 가치가 함께 고려되고 있음을 보여준다.
특히 빅데이터 분석을 통한 생산예측이 전체 하위지표 가운데 가장 높은 우선순위를 나타낸 것은 스마트농업에서 데이터의 수집·축적뿐만 아니라 이를 생산예측과 농업경영 의사결정에 활용하는 역량이 중요하게 평가되고 있음을 보여준다.
퍼지 분석 결과
AHP 분석이 평가요인 간 상대적 중요도를 제시하는 데 초점을 둔다면, 퍼지 분석은 전문가가 평가한 중요도와 확신도를 토대로 판단의 모호성과 불확실성을 반영한다.
상위요인의 비퍼지화값(DV)을 분석한 결과, 경제적 지속가능성이 0.5671로 가장 높게 나타났으며, 환경적 지속가능성 0.5471, 기술적 지속가능성 0.5378, 사회적 지속가능성 0.5314, 정부 정책적 요소 0.4019, 거버넌스적 요소 0.3914의 순으로 나타났다(Table 6).
AHP에서는 기술적 지속가능성이 환경적 지속가능성보다 높은 순위를 나타냈으나, 퍼지 분석에서는 환경적 지속가능성이 기술적 지속가능성을 상회하였다. 이는 상대적 쌍대비교에 기반한 구조적 중요도와 전문가의 중요도·확신도를 반영한 평가 사이에 일부 차이가 존재함을 보여준다.
경제적 지속가능성의 비퍼지화값이 가장 높게 나타난 것은 농가소득, 생산성 및 경영안정성과 같이 농업의 지속가능성을 직접적으로 뒷받침하는 경제적 성과에 대해 전문가들이 높은 중요도와 확신도를 부여한 결과로 해석할 수 있다. 또한 환경적 지속가능성이 퍼지 분석에서 기술적 지속가능성보다 높게 나타난 것은 농약·비료 사용 절감, 탄소배출 저감 등 환경성과에 대한 전문가의 중요도 및 확신도 평가가 상대적으로 높게 반영된 결과로 볼 수 있다. 따라서 퍼지 분석의 순위는 단순한 상대적 중요도뿐만 아니라 각 요인에 대한 전문가의 평가수준과 판단의 확신 정도가 함께 반영된 결과로 해석할 필요가 있다.
Table 6
Fuzzy analysis results for the main factors.
AHP-퍼지 결합분석 결과
AHP와 퍼지 분석의 특성을 종합적으로 반영하기 위하여 AHP 가중치(AW)와 비퍼지화값(DV)을 결합한 통합지수를 산출하였다(Table 7).
상위요인의 결합분석 결과, 경제적 지속가능성이 0.1268로 가장 높았으며, 기술적 지속가능성 0.1128, 환경적 지속가능성 0.0925, 사회적 지속가능성 0.0824, 거버넌스적 요소 0.0533, 정부 정책적 요소 0.0428의 순으로 나타났다.
결합분석에서도 경제적 지속가능성과 기술적 지속가능성이 각각 1위와 2위를 차지하였다. 이는 전문가의 중요도와 확신도를 추가적으로 고려하더라도 경제적 성과와 기술혁신이 스마트농업 기반 지속가능농업의 핵심적인 전략 축으로 유지되고 있음을 보여준다.
Table 7
Results of the integrated AHP–Fuzzy analysis for the main factors.
Table 7에서 AHP 단독분석과 AHP–Fuzzy 결합분석의 상위요인 순위는 동일하게 나타났으나, 퍼지 분석에서는 환경적 지속가능성과 기술적 지속가능성의 상대적 순위에 차이가 나타났다. 이는 AHP가 평가요인의 구조적 상대중요도를 반영하는 반면, 퍼지 분석은 전문가의 중요도와 확신도를 반영하므로 분석방법에 따라 평가요인의 상대적 우선순위가 다르게 나타날 수 있음을 보여준다.
하위지표에서는 ‘빅데이터 분석을 통한 생산예측’이 AHP 가중치 0.0712와 비퍼지화값 0.6483의 결합을 통해 0.0462로 가장 높은 결합 통합지수를 나타냈다. 이어 농가소득 증가, 삶의 질 향상, 농약사용 절감, 데이터 기반 농업관리 등이 상위권에 위치하였다.
특히 최종 1위를 차지한 ‘빅데이터 분석을 통한 생산예측’은 기술적 지속가능성에 속하는 지표이지만 생산량 및 수급예측, 농업경영 의사결정 등 경제적 성과와도 밀접하게 연계될 수 있다는 점에서 스마트농업과 지속가능농업을 연결하는 핵심 지표로 해석할 수 있다.
하위지표의 AHP-Fuzzy 결합분석 결과
AHP, 퍼지 및 AHP-퍼지 결합분석 결과를 비교하면 분석 방법에 따라 일부 순위의 변화가 나타났으나, 핵심적인 평가요인의 중요성은 대체로 일관되게 유지되었다(Table 8). 상위요인에서는 경제적 지속가능성이 AHP와 퍼지 및 결합분석에서 모두 높은 평가를 받았다. 반면 기술적 지속가능성과 환경적 지속가능성은 AHP와 퍼지 분석에서 순위가 교차하였다. AHP에서는 기술적 지속가능성이 환경적 지속가능성보다 높았지만, 전문가의 중요도와 확신도를 반영한 퍼지 분석에서는 환경적 지속가능성이 기술적 지속가능성보다 높게 나타났다. 이후 AHP 가중치와 비퍼지화값을 결합한 결과에서는 다시 기술적 지속가능성이 2위, 환경적 지속가능성이 3위로 나타났다. 24개 하위지표에 대한 AHP, 퍼지 및 AHP–Fuzzy 결합분석 결과는 Table 8과 같다.
Table 8
Comparison of AHP and integrated AHP–Fuzzy analysis for the sub-indicators.
Table 8의 AHP–Fuzzy 결합분석 결과, ‘빅데이터 분석을 통한 생산예측’이 0.0462로 가장 높은 우선순위를 나타냈으며, ‘농가소득 증가’(0.0358), ‘삶의 질 향상’(0.0357), ‘농약사용 절감’(0.0317), ‘데이터 기반 농업관리’(0.0309)가 뒤를 이었다. 이는 스마트농업 기반 지속가능농업에서 데이터와 기술의 활용뿐만 아니라 농가의 경제적 성과, 사회적 편익 및 환경적 성과가 함께 중요하게 고려되고 있음을 보여준다.
특히 AHP–Fuzzy 결합분석에서는 AHP의 구조적 상대중요도와 퍼지 분석에서 도출된 평가값을 함께 고려함으로써 개별 분석결과에서 나타난 우선순위의 차이를 비교할 수 있었다. ‘농업 데이터 플랫폼 구축’, ‘물·토양·저탄소 농업기술’ 및 ‘AI 기반 농업 의사결정 시스템’과 같은 기술 관련 지표는 결합분석에서도 상대적으로 높은 우선순위를 나타내어, 스마트농업의 데이터 수집·분석 기반과 의사결정 지원기술이 지속가능농업의 실현을 위한 주요 요소임을 보여준다.
이러한 결과는 최근 스마트·정밀농업 분야에서 데이터의 수집과 활용, 인공지능 기반 분석 및 생산예측의 중요성이 확대되고 있는 연구동향과도 맥락을 같이한다. Choi et al. (2025)은 국내 스마트농업 빅데이터 플랫폼의 생육 및 환경 데이터를 활용하여 딥러닝 기반 오이 과중 예측 모형을 구축하고, 빅데이터와 인공지능 기술이 작물의 생육 모니터링과 생산예측에 활용될 수 있음을 제시하였다. 또한 디지털농업에서는 IoT를 통한 농업데이터의 수집·전달, 데이터 플랫폼, AI 기반 서비스 및 자동화 기술 등이 주요 구성요소로 제시되고 있다.
이러한 선행연구와 본 연구의 결과를 종합하면, 스마트농업의 지속가능성을 높이기 위해서는 단순한 데이터의 수집이나 기술도입을 넘어 수집된 데이터를 분석하여 생산예측과 농업 의사결정에 활용하고, 이를 생산성 및 농가경영 성과와 연계하는 체계가 중요하다고 볼 수 있다. 특히 ‘빅데이터 분석을 통한 생산예측’이 최종 우선순위 1위로 나타난 결과는 데이터 기반 정밀농업 기술이 지속가능농업의 기술적 기반인 동시에 경제적 성과를 지원하는 핵심수단으로 인식되고 있음을 보여준다.
따라서 스마트농업 기반 지속가능농업의 우선순위는 단순히 특정 기술의 도입 여부보다는 데이터 기반 기술혁신을 통해 농가의 경제적 성과를 향상시키고, 동시에 환경부하를 저감하며 농업인 삶의 질을 개선하는 통합적인 관점에서 설정될 필요가 있다.
AHP–Fuzzy 결합분석에서는 AHP에서 상위 1~4위를 차지한 지표의 순위가 동일하게 유지된 반면, 일부 중위권 지표에서는 비퍼지화값(DV)이 반영되면서 순위 변화가 나타났다. 특히 농업 데이터 플랫폼 구축, 물·토양·저탄소 농업기술 및 AI 기반 농업 의사결정 시스템 구축은 AHP 단독분석에 비해 결합분석에서 각각 3단계 상승한 반면, 농업경영의 안정성, 품질 안정성 및 탄소배출 저감은 각각 3단계 하락하였다. 이러한 결과는 AHP에서 도출된 구조적 상대중요도에 전문가의 중요도와 확신도를 반영한 평가값을 결합할 경우, 상위 핵심지표의 우선순위는 비교적 안정적으로 유지되면서 일부 중위권 지표의 상대적 우선순위가 조정될 수 있음을 보여준다.
Conclusion
연구는 스마트농업 기반 지속가능농업의 평가요인을 대상으로 AHP와 퍼지 집합이론을 적용하고, AHP 가중치와 전문가의 중요도·확신도를 반영한 비퍼지화값을 결합하여 종합적인 우선순위를 도출하였다. 분석대상은 경제·환경·사회·기술·거버넌스·정부 정책의 6개 상위요인과 24개 하위지표로 구성하였다.
분석 결과, 상위요인의 AHP-퍼지 결합 통합지수는 경제적 지속가능성(0.1268), 기술적 지속가능성(0.1128), 환경적 지속가능성(0.0925), 사회적 지속가능성(0.0824), 거버넌스적 요소(0.0533), 정부 정책적 요소(0.0428)의 순으로 나타났다. 하위지표에서는 ‘빅데이터 분석을 통한 생산예측’(0.0462)이 가장 높은 우선순위를 보였으며, 농가소득 증가, 삶의 질 향상, 농약사용 절감, 데이터 기반 농업관리 등이 뒤를 이었다.
AHP 단독분석과 AHP–Fuzzy 결합분석을 비교한 결과, 상위 1~4위 지표의 순위는 동일하게 유지된 반면 일부 중위권 지표에서는 순위 변화가 나타났다. 특히 농업 데이터 플랫폼 구축, 물·토양·저탄소 농업기술 및 AI 기반 농업 의사결정 시스템 구축은 결합분석에서 순위가 상승한 반면, 농업경영의 안정성과 품질 안정성 등은 순위가 하락하였다.
분석 결과는 스마트농업의 기술 보급 자체보다 농업데이터를 실제 생산과 경영 의사결정에 활용할 수 있는 체계의 구축이 중요함을 시사한다. 특히 빅데이터를 활용한 생산예측을 중심으로 농업데이터 플랫폼 구축, 데이터 기반 농업관리 및 AI 기반 농업 의사결정 시스템을 상호 연계함으로써 데이터의 수집·축적에서 분석·예측 및 의사결정으로 이어지는 스마트·정밀농업의 활용체계를 강화할 필요가 있다. 또한 이러한 기술적 성과가 농가소득과 경영성과 향상으로 연결될 수 있도록 지원하는 한편, 삶의 질 향상과 농약사용 절감 등 사회적·환경적 성과를 함께 고려함으로써 스마트농업의 지속가능성을 종합적으로 평가할 필요가 있다.
연구는 AHP의 구조적 가중치와 전문가의 중요도·확신도를 반영한 퍼지 평가를 결합하여 스마트농업 기반 지속가능농업 평가요인의 우선순위를 종합적으로 제시하였다는 데 의의가 있다. 특히 데이터 기반 스마트·정밀농업 기술의 상대적 우선순위를 경제·환경·사회적 지속가능성과 함께 분석하였다는 점에서 기존의 기술 중심 접근을 보완하였다. 이를 통해 스마트농업 기술의 도입과 활용이 지속가능농업의 경제적·환경적·사회적 성과로 연계될 수 있는 평가 및 의사결정의 기초자료를 제시하였다. 또한 연구에서는 응답자의 소속·직업군을 별도의 조사문항으로 구분하지 않아 교수, 지자체·농업기술센터 관계자, 농협·영농조합 관계자 및 농업인 등 조사대상 집단별 응답자 수와 집단 간 인식 차이를 구체적으로 분석하지 못한 한계가 있다. 향후 연구에서는 조사대상자의 소속 및 직업군을 세분화하여 집단별 특성과 인식 차이를 비교·분석할 필요가 있다. 아울러 연구는 전문가의 인식에 기초한 분석이라는 한계가 있으므로, 향후 연구에서는 농업 유형 및 지역별 비교와 실제 농가의 생산성·소득·환경성과 자료를 활용하여 평가 모형의 적용 가능성과 실증적 타당성을 검증할 필요가 있다.
