Jurnal Ilmiah Rekayasa Pertanian dan Biosistem
Not a member yet
213 research outputs found
Sort by
Enabling Precision Agriculture through a Web-Based Fertilization Management System for Nawungan Selopamioro Fruit Orchards
Full text linkPrecision Agriculture (PA) is an integrated farming system based on information and technology for managing agriculture to identify, analyze, and manage spatial and temporal diversity information in specific locations to obtain optimum and sustainable benefits while minimizing unwanted environmental impacts. Fertilization is one of the crucial phases in agricultural production process considering technical cultivation aspects, costs, and environmental impacts. The current fertilization process at Kebun Buah Nawungan Selopamioro (KBNS) is still conventional, so there is no standard rule in determining the fertilization dose. Therefore, a PA approach is needed to provide suitable fertilizer doses for agricultural production needs. This objective of this study was to develop of a web-based fertilizer management system, integrating with orchard management to enhance accessibility and decision-making. The system calculates fertilizer requirements by analyzing soil nutrient availability (N, P, K), cultivation area, crop type and age, and available fertilizer types. The development followed the waterfall methodology, encompassing stages from requirement analysis to system maintenance. The outcome is a web application that manages land assets, administrative activities, and fertilizer needs tailored to specific land blocks, crop characteristics, and nutrient inventories. Subsequent validation against field conditions ensures the accuracy of its recommendations. Although comprehensive testing confirmed a 100% success rate in functionality, the system currently operates within a limited scope of variables. Future enhancements are planned to incorporate broader agronomic factors, such as soil pH and texture, to augment the system's precision. Despite its limitations, this system represents a significant technological advance in precision agriculture, promising to improve fertilizer application efficiency and support sustainable farming practices.Precision Agriculture (PA) is an integrated farming system based on information and technology for managing agriculture to identify, analyze, and manage spatial and temporal diversity information in specific locations to obtain optimum and sustainable benefits while minimizing unwanted environmental impacts. Fertilization is one of the crucial phases in agricultural production process considering technical cultivation aspects, costs, and environmental impacts. The current fertilization process at Kebun Buah Nawungan Selopamioro (KBNS) is still conventional, so there is no standard rule in determining the fertilization dose. Therefore, a PA approach is needed to provide suitable fertilizer doses for agricultural production needs. This objective of this study was to develop of a web-based fertilizer management system, integrating with orchard management to enhance accessibility and decision-making. The system calculates fertilizer requirements by analyzing soil nutrient availability (N, P, K), cultivation area, crop type and age, and available fertilizer types. The development followed the waterfall methodology, encompassing stages from requirement analysis to system maintenance. The outcome is a web application that manages land assets, administrative activities, and fertilizer needs tailored to specific land blocks, crop characteristics, and nutrient inventories. Subsequent validation against field conditions ensures the accuracy of its recommendations. Although comprehensive testing confirmed a 100% success rate in functionality, the system currently operates within a limited scope of variables. Future enhancements are planned to incorporate broader agronomic factors, such as soil pH and texture, to augment the system's precision. Despite its limitations, this system represents a significant technological advance in precision agriculture, promising to improve fertilizer application efficiency and support sustainable farming practices
Hitung Cepat Buah Jeruk Berbeda Kultivar pada Pohon berbasis Citra Smartphone dan Kecerdasan Buatan
Full text linkCurrently, predictions of orange fruit yield in an orchard are still done manually, namely by sampling manually to count the number of oranges on the tree. This method is not effective and the accuracy of predictions cannot be guaranteed. Automation in the process of counting citrus fruit on trees to predict yield can be done with computer vision using artificial intelligence models for object detection. One of the proposed model solutions that can be used for object detection is by using You Only Look Once (YOLO) architecture. However, the performance of the YOLO model for different varieties of orange trees in Indonesia is not yet known. Therefore, in this research, the development of the YOLOv5 model was carried out to quickly count orange fruit on trees of different varieties including the stages of image capture, image resizing, segmentation, model training with hyperparameters such as batch size and epoch, as well as model evaluation. In this study, the primary image dataset taken consisted of images of orange trees with two different cultivars, namely Pontianak Siamese oranges and Terigas Tangerines which have different characteristics. Then the YOLOv5 model is trained using labeled image data. The YOLOv5 model is trained with variations of hyperparameters and then the results are compared. The best model results in Siam Pontianak have a single label configuration in batch size 4 with parameters Mean Average Precision (mAP50), accuracy, precision, recall, and F1-score which produces a value of 0.88; 0.712; 0.853; 0.822; and 0.8372. Meanwhile, the best model results in Keprok Terigas have a single label configuration in batch size 10 with parameters Mean Average Precision (mAP50), accuracy, precision, recall, and F1-score which produces a value of 0.933; 0.75; 0.913; 0.878; and 0.8951.Saat ini, prediksi yield buah jeruk pada suatu kebun jeruk masih dilakukan secara manual, yaitu dengan melakukan sampling menghitung manual jumlah buah pada pohon. Metode ini tidak efektif dan keakuratan prediksi tidak dapat dijamin. Otomasi dalam proses perhitungan buah jeruk pada pohon untuk memprediksi yield dapat dilakukan dengan komputer visi dengan menggunakan model kecerdasan buatan untuk deteksi obyek. Salah satu model yang dapat digunakan adalah model dengan arsitektur You Only Look Once (YOLO. Namun, belum diketahui performa model YOLO untuk pohon jeruk dengan varietas berbeda yang ada di Indonesia. Oleh karenanya, pada penelitian ini dilakukan pengembangan model YOLOv5 untuk menghitung cepat buah jeruk pada pohon dengan varietas yang berbeda. Pada penelitian ini dataset citra primer yang diambil terdiri dari citra pohon jeruk dengan dua kultivar yang berbeda yaitu jeruk Siam Pontianak dan Keprok Terigas yang memiliki karakteristik berbeda. Kemudian model YOLOv5 dilatih dengan menggunakan data citra yang telah dilabeli. Model YOLOv5 dilatih dengan variasi hyperparameter dan kemudian dibandingkan hasilnya. Hasil model terbaik pada Siam Pontianak memiliki konfigurasi label tunggal pada batch size 4 dengan parameter Mean Average Precision (mAP50), akurasi, presisi, recall, dan skor-F1 yang menghasilkan nilai sebesar 0,88; 0,712; 0,853; 0,822; dan 0,8372. Sementara itu, Hasil model terbaik pada Keprok Terigas memiliki konfigurasi label tunggal pada batch size 10 dengan parameter Mean Average Precision (mAP50), akurasi, presisi, recall, dan skor-F1 yang menghasilkan nilai sebesar 0,933; 0,75; 0,913; 0,878; dan 0,8951
Analysis of Sterilizer Oil Losses through Variations in Pressure and Boiling Time with Dominated Fresh Fruit Bunch Overripe Fraction
Full text linkThe problem is that not all FFBs processed daily are more than 90% ripe fruit, causing the yield not to reach the target. This study aims to analyze condensate oil losses from non-standard FFB quality (FFB overripe as much as 25-26%) against time and pressure variations in the sterilizer. The observed indicators include oil losses, moisture content, and non-oil solids (NOS). The study was conducted in 2 stages; the first stage was to test the length of boiling time for each peak stew. The second stage is divided into two pressure variations treatments at each stew's peak. The quantitative presented data is analyzed using simple statistics. All data analyzed statistically is presented in graphical form to visualize the data distribution. In overripe FFB conditions, as much as 25-26% shows that the three best times for peak 1 are 10 minutes with a pressure of 1.0 kg/cm2, peak 2 is 15 minutes with a pressure of 1.5 kg/cm2, and peak 3 is 65 minutes with pressure 3.1 kg/cm2. he best boiling based on the right boiling time to achieve the lowest oil losses is 90–100 minutes in one boiling cycle. If a boiling cycle of 90-100 minutes is carried out, the oil losses achieved are 0.78-0.98%. The longer the boiling process is under FFB overripe, the more oil comes out of the mesocarp and finally comes out mixed with condensate water.The problem is that not all FFBs processed daily are more than 90% ripe fruit, causing the yield not to reach the target. This study aims to analyze condensate oil losses from non-standard FFB quality (FFB overripe as much as 25-26%) against time and pressure variations in the sterilizer. The observed indicators include oil losses, moisture content, and non-oil solids (NOS). The study was conducted in 2 stages; the first stage was to test the length of boiling time for each peak stew. The second stage is divided into two pressure variations treatments at each stew's peak. The quantitative presented data is analyzed using simple statistics. All data analyzed statistically is presented in graphical form to visualize the data distribution. In overripe FFB conditions, as much as 25-26% shows that the three best times for peak 1 are 10 minutes with a pressure of 1.0 kg/cm2, peak 2 is 15 minutes with a pressure of 1.5 kg/cm2, and peak 3 is 65 minutes with pressure 3.1 kg/cm2. he best boiling based on the right boiling time to achieve the lowest oil losses is 90–100 minutes in one boiling cycle. If a boiling cycle of 90-100 minutes is carried out, the oil losses achieved are 0.78-0.98%. The longer the boiling process is under FFB overripe, the more oil comes out of the mesocarp and finally comes out mixed with condensate water
Pemetaan Prediksi Erosi Tanah pada Litologi Breksi Argopura Lereng Gunung Argopura dengan Pendekatan Survai Menggunakan Metode USLE dan SIG
Full text linkSoil erosion is the loss of land or part of the land from one place to another due to water and wind factors. Land use on the slopes of Mount Argopura has been partly converted to seasonal crops and plantation crops, especially sugar cane. There have been changes, such as in the rainy season, when water flowing into the downstream areas is murky, carrying thick mud. This condition indicates that soil erosion is occurring. The aim of the research is to assess and predict the hazard level of soil erosion in mountainous area of Argopura with the lithology of the Argopura breccia by using the Universal Soil Loss Equation (USLE) method and geographic information systems (GIS). The results showed that the mountainous area of Argopura is mostly covered by the heavy category area, with soil loss of 180–480 tons/ha/year and an area distribution reaching 1,502.49 ha (37.59%). The distribution in the heavy category was found in land use type of moorland and paddy fields, both irrigated and rainfed. The potential for soil erosion in the very heavy category with a soil loss rate of >480 tons/ha/year covers an area of 508.52 ha (12.72%). The very heavy category is partly due to the use of jungle land and steep slopes, so cultivation carried out on this land needs to be replaced with plant conservation, which can reduce soil erosion.Erosi tanah adalah hilangnya tanah atau sebagian tanah dari suatu tempat ke tempat lain karena faktor air dan angin. Penggunaan lahan di lereng Gunung Argopura sebagian telah teralihkan menjadi tanaman semusim dan tanaman perkebunan, khususnya tebu. Terjadi perubahan, seperti pada musim hujan, air yang mengalir ke hilir menjadi keruh membawa lumpur tebal. Kondisi ini menandakan sedang terjadi erosi tanah. Penelitian ini bertujuan untuk mengkaji dan memprediksi tingkat bahaya erosi tanah di kawasan pegunungan Argopura dengan litologi breksi Argopura dengan menggunakan metode Universal Soil Loss Equation (USLE) dan sistem informasi geografis (GIS). Hasil penelitian menunjukkan bahwa wilayah pegunungan Argopura sebagian besar merupakan wilayah kategori berat, dengan kehilangan tanah sebesar 180–480 ton/ha/tahun dan sebaran luas mencapai 1.502,49 ha (37,59%). Sebaran pada kategori berat terdapat pada penggunaan lahan jenis tegalan dan sawah, baik irigasi maupun tadah hujan. Potensi erosi tanah kategori sangat berat dengan laju kehilangan tanah >480 ton/ha/tahun meliputi area seluas 508,52 ha (12,72%). Kategori sangat berat antara lain disebabkan oleh penggunaan lahan hutan dan lereng yang curam sehingga budidaya yang dilakukan pada lahan tersebut perlu diganti dengan konservasi tanaman yang dapat mengurangi erosi tanah
Performa Tungku Hibrid Energi Surya dan Gas untuk Alat Pengering Kabinet dengan Sistem Cerdas
Full text linkThis study aims to evaluate the performance of a cabinet dryer that uses hybrid solar energy and LPG. Renewable energy is essential for agricultural drying. This hybrid system dryer uses fuzzy logic and expert system technology to optimize the amount of energy used. The test methods include tests of solar collectors, air and gas valves, and drying and energy consumption using 10 kg of fresh sago. The results show that hybrid and non-hybrid (gas only) fulfill sago's temperature and moisture content requirements for drying. With the integration of fuzzy logic and expert system technology, the machine can optimize solar and gas energy efficiency, resulting in 53% out of 100% savings compared to non-hybrid. In addition to energy savings, the operating cost of the hybrid system is cheaper than non-hybrid. In conclusion, applying a solar-LPG hybrid system in a cabinet-type dryer can optimize performance and reduce energy consumption and operating costs.Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja alat pengering kabinet yang menggunakan hibrid energi surya dan LPG. Energi terbarukan sangat penting untuk pengeringan pertanian. Mesin pengering sistem hibrid ini menggunakan teknologi fuzzy logic dan expert system untuk mengoptimalkan jumlah energi yang digunakan. Metode pengujian meliputi: uji kolektor surya, katup udara dan gas, serta pengeringan dan konsumsi energi dengan menggunakan 10 kg sagu segar. Hasilnya menunjukkan bahwa hibrid dan non-hibrid (gas saja) memenuhi persyaratan suhu dan kadar air sagu untuk pengeringan. Dengan integrasi teknologi fuzzy logic dan expert system, mesin ini dapat mengoptimalkan penggunaan energi surya dan gas secara efisien, dapat terlihat hasilnya 53% dari 100% lebih hemat dibanding non-hibrid. Selain penghematan energi, biaya pengoperasian sistem hibrid lebih murah dari non-hibrid. Kesimpulan, penerapan sistem hibrid surya-LPG pada alat pengering tipe kabinet dapat mengoptimalkan kinerja dan mengurangi konsumsi energi serta biaya operasional
VALIDASI CURAH HUJAN HARIAN CHIRPS PRECIPITATION SATELLITE PRODUCT DI PROVINSI KALIMANTAN BARAT
Full text linkData curah hujan produk satelit dapat digunakan sebagai alternatif keterbatasan pengukuran curah hujan menggunakan penakar hujan. Akurasi data hujan satelit sangat bervariasi antar wilayah karena faktor lingkungan yang beragam, sehingga validasi hujan data satelit sangat diperlukan. Penelitian ini bertujuan untuk menguji akurasi data hujan harian Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) pada 7 stasiun hujan di Provinsi Kalimantan Barat. Metode point-to-pixel digunakan untuk membandingkan curah hujan harian pengamatan Badan Meteorologi Klimatologi dan Geofisika (BMKG) sepanjang 20 tahun (2002 – 2021) dengan data curah hujan CHIRPS yang bersesuaian dengan lokasi stasiun hujan. Validasi data CHIPRS menggunakan dua jenis validasi yaitu validasi kontinu dan validasi kategorial. Validasi kontinu diperoleh rata-rata korelasi Pearson (R), percent bias (Pbias), mean error (ME), mean absolute error (MAE), dan root mean square error (RMSE) adalah 0,25, 9,92 %, 0,68 mm, 12,17 mm, dan 19,82 mm. Berdasarkan nilai rata-rata percent bias dan korelasi Pearson, estimasi hujan data CHIRPS sangat baik, namun mempunyai korelasi lemah dengan data pengamatan. Validasi kategorial diperoleh nilai rata-rata probability of detection (POD), false alarm ratio (FAR), critical success index (CSI), frequency bias index (FBI) dan Heidke skill score (HSS) adalah 0,72, 0,44, 056, 1,01, dan 0,27. Validasi kategorial menunjukkan bahwa data CHIRPS sangat baik dalam mengestimasi kejadian hujan di Kalimantan Barat.
Data curah hujan produk satelit dapat digunakan sebagai alternatif keterbatasan pengukuran curah hujan menggunakan penakar hujan. Akurasi data hujan satelit sangat bervariasi antar wilayah karena faktor lingkungan yang beragam, sehingga validasi hujan data satelit sangat diperlukan. Penelitian ini bertujuan untuk menguji akurasi data hujan harian Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) pada 7 stasiun hujan di Provinsi Kalimantan Barat. Metode point-to-pixel digunakan untuk membandingkan curah hujan harian pengamatan Badan Meteorologi Klimatologi dan Geofisika (BMKG) sepanjang 20 tahun (2002 – 2021) dengan data curah hujan CHIRPS yang bersesuaian dengan lokasi stasiun hujan. Validasi data CHIPRS menggunakan dua jenis validasi yaitu validasi kontinu dan validasi kategorial. Validasi kontinu diperoleh rata-rata korelasi Pearson (R), percent bias (Pbias), mean error (ME), mean absolute error (MAE), dan root mean square error (RMSE) adalah 0,25, 9,92 %, 0,68 mm, 12,17 mm, dan 19,82 mm. Berdasarkan nilai rata-rata percent bias dan korelasi Pearson, estimasi hujan data CHIRPS sangat baik, namun mempunyai korelasi lemah dengan data pengamatan. Validasi kategorial diperoleh nilai rata-rata probability of detection (POD), false alarm ratio (FAR), critical success index (CSI), frequency bias index (FBI) dan Heidke skill score (HSS) adalah 0,72, 0,44, 056, 1,01, dan 0,27. Validasi kategorial menunjukkan bahwa data CHIRPS sangat baik dalam mengestimasi kejadian hujan di Kalimantan Barat
A SPATIAL MULTI CRITERIA EVALUATION DAN WEIGHTED LINEAR COMBINATION UNTUK EVALUASI KESESUAIAN LAHAN KAKAO: KASUS DESA NGLANGGERAN - DAERAH ISTIMEWA YOGYAKARTA
No full textTujuan utama penelitian ini adalah menerapkan dua metode untuk menetapkan kelas kesesuaian lahan Kakao di Desa Nglanggeran. Metode yang digunakan adalah Spatial Multi-Criteria Evaluation (SMCE) dan Weighted Linear Combination (WLC) dengan menggunakan parameter evaluasi lahan: curah hujan, kelerengan, temperatur, pH tanah, tekstur tanah, kandungan bahan organik tanah, dan parameter ekonomi (jarak dari jalan dan pasar). Alat yang digunakan untuk penelitian yaitu seperangkat komputer, ArcGIS 10.3, kamera drone (DJI Phantom 4 Pro V2), peralatan laboratorium untuk menganalisis jenis tanah, dan sekop & ring sampler untuk pengambilan sampel tanah. Bahan yang diperlukan dalam penelitian yaitu sampel tanah dari 10 titik kebun kakao yang ada di Desa Nglanggeran untuk menentukan tekstur, kandungan bahan organik dan pH tanah. Selain itu, penelitian ini menggunakan shapefile peta Desa Nglanggeran, data DEMNAS, dan data iklim. Terdapat tiga penggunaan lahan yang dijadikan target evaluasi lahan yaitu agroforestri, semak, dan lahan tadah hujan seluas 518,66 Ha (64,6% dari total luas wilayah desa). Penelitian ini memodifikasi pembagian kelas, pembobotan, dan skoring dari setiap parameter yang digunakan. Validasi metode SMCE dan WLC dilakukan dengan ratio pixel kebun kakao dan kelas kesesuaian lahan. Penelitian ini menetapkan bahwa sebagian besar wilayah di Desa Nglanggeran merupakan daerah dengan kelas kesesuaian kurang baik untuk budidaya kakao. Lahan dengan kelas sangat sesuai (S1) seluas 14,9% dari total target area. Lahan dengan kategori marginal (S2 dan S3) 49,3% dari total luas wilayah desa. Sedangkan lahan dengan kelas kesesuaian tidak sesuai (N) 0,4% dari total luas wilayah desa. Faktor yang menjadi pembatas kesesuaian lahan Kakao di Nglanggeran (N) adalah kelerengan lahan yang curam, nilai pH tanah yang rendah, dan tekstur tanah yang kurang sesuai di daerah tersebut. Oleh karena itu, penelitian ini mendorong untuk melakukan rekayasa/modifikasi kelerangan lahan dan sifat tanah dengan bahan pengkondisi tanah. Penelitian ini membuktikan bahwa metode SMCE dan WLC dapat diterima untuk menilai kesesuaian lahan kakao di Nglanggeran.Tujuan utama penelitian ini adalah menerapkan dua metode untuk menetapkan kelas kesesuaian lahan Kakao di Desa Nglanggeran. Metode yang digunakan adalah Spatial Multi-Criteria Evaluation (SMCE) dan Weighted Linear Combination (WLC) dengan menggunakan parameter evaluasi lahan: curah hujan, kelerengan, temperatur, pH tanah, tekstur tanah, kandungan bahan organik tanah, dan parameter ekonomi (jarak dari jalan dan pasar). Alat yang digunakan untuk penelitian yaitu seperangkat komputer, ArcGIS 10.3, kamera drone (DJI Phantom 4 Pro V2), peralatan laboratorium untuk menganalisis jenis tanah, dan sekop & ring sampler untuk pengambilan sampel tanah. Bahan yang diperlukan dalam penelitian yaitu sampel tanah dari 10 titik kebun kakao yang ada di Desa Nglanggeran untuk menentukan tekstur, kandungan bahan organik dan pH tanah. Selain itu, penelitian ini menggunakan shapefile peta Desa Nglanggeran, data DEMNAS, dan data iklim. Terdapat tiga penggunaan lahan yang dijadikan target evaluasi lahan yaitu agroforestri, semak, dan lahan tadah hujan seluas 518,66 Ha (64,6% dari total luas wilayah desa). Penelitian ini memodifikasi pembagian kelas, pembobotan, dan skoring dari setiap parameter yang digunakan. Validasi metode SMCE dan WLC dilakukan dengan ratio pixel kebun kakao dan kelas kesesuaian lahan. Penelitian ini menetapkan bahwa sebagian besar wilayah di Desa Nglanggeran merupakan daerah dengan kelas kesesuaian kurang baik untuk budidaya kakao. Lahan dengan kelas sangat sesuai (S1) seluas 14,9% dari total target area. Lahan dengan kategori marginal (S2 dan S3) 49,3% dari total luas wilayah desa. Sedangkan lahan dengan kelas kesesuaian tidak sesuai (N) 0,4% dari total luas wilayah desa. Faktor yang menjadi pembatas kesesuaian lahan Kakao di Nglanggeran (N) adalah kelerengan lahan yang curam, nilai pH tanah yang rendah, dan tekstur tanah yang kurang sesuai di daerah tersebut. Oleh karena itu, penelitian ini mendorong untuk melakukan rekayasa/modifikasi kelerangan lahan dan sifat tanah dengan bahan pengkondisi tanah. Penelitian ini membuktikan bahwa metode SMCE dan WLC dapat diterima untuk menilai kesesuaian lahan kakao di Nglanggeran
IDENTIFIKASI DAN ESTIMASI KERUSAKAN TANAH DENGAN METODE BERBASIS OBIA CITRA SATELIT SENTINEL-2B DAN PEMBOBOTAN LERENG GUNUNG RAUNG
Full text linkGunung Raung merupakan hulu DAS Bedadung. DAS Bedadung merupakan sungai yang membelah Kabupaten Jember dan memiliki peran penting dalam kehidupan masyarakat Jember salah satunya sebagai sumber air pertanian. Penggunaan lahan di lereng Gunung Raung digunakan untuk hutan, perkebunan, sawah, dan tegalan. Luas tutupan lahan di lereng Gunung Raung sebelah barat selama 25 tahun menurun sebesar 34,74% (hutan), 35,07% (perkebunan), 54,17% (sawah tadah hujan). Tindakan secara cepat dan akurat dalam memperbaiki kondisi tanah dan lahan yang sesuai kaidah konservasi, sehingga kerusakan tanah dapat diperbaiki dengan langkah pertama memetakan wilayah potensi status kerusakan tanah. Tujuan penelitian Mengidentifikasi dan mengestimasi Kerusakan Tanah Menggunakan Metode Berbasis OBIA Citra Satelit Sentinel-2B dengan pembobotan Lereng Gunung Raung. Metode penelitian menggunakan metode diskriptif eksplorasi dengan mengabungkan metode Berbasis Object-Based Image Analysis (OBIA) Citra Satelit Sentinel-2B dan pembobotan. Tahapan analisis dalam metode OBIA melalui 3 tahapan meliputi koreksi atmosferik, segmentasi dan klasifikasi. Analisis statistic menggunakan analisis sidik ragam, regresi dan korelasi. Hasil analisis potensi kerusakan tanah di sub DAS Kesambi yang didasarkan pada analisis OBIA dan pembobotan bahwa potensi kerusakan tanah di wilayah penelitian dibagi menjadi tiga yaitu sangat rendah 16,61% (1.122,99 hektar), rendah 63,94% (4323,14 hektar), dan sedang 19,45% (1315,17 hektar). Parameter yang berpengaruh terhadap kecepatan kerusakan tanah yaitu relief/lereng dan penggunaan lahan dengan nilai korelasi yang sedang (0,421-0,601).Gunung Raung merupakan hulu DAS Bedadung. DAS Bedadung merupakan sungai yang membelah Kabupaten Jember dan memiliki peran penting dalam kehidupan masyarakat Jember salah satunya sebagai sumber air pertanian. Penggunaan lahan di lereng Gunung Raung digunakan untuk hutan, perkebunan, sawah, dan tegalan. Luas tutupan lahan di lereng Gunung Raung sebelah barat selama 25 tahun menurun sebesar 34,74% (hutan), 35,07% (perkebunan), 54,17% (sawah tadah hujan). Tindakan secara cepat dan akurat dalam memperbaiki kondisi tanah dan lahan yang sesuai kaidah konservasi, sehingga kerusakan tanah dapat diperbaiki dengan langkah pertama memetakan wilayah potensi status kerusakan tanah. Tujuan penelitian Mengidentifikasi dan mengestimasi Kerusakan Tanah Menggunakan Metode Berbasis OBIA Citra Satelit Sentinel-2B dengan pembobotan Lereng Gunung Raung. Metode penelitian menggunakan metode diskriptif eksplorasi dengan mengabungkan metode Berbasis Object-Based Image Analysis (OBIA) Citra Satelit Sentinel-2B dan pembobotan. Tahapan analisis dalam metode OBIA melalui 3 tahapan meliputi koreksi atmosferik, segmentasi dan klasifikasi. Analisis statistic menggunakan analisis sidik ragam, regresi dan korelasi. Hasil analisis potensi kerusakan tanah di sub DAS Kesambi yang didasarkan pada analisis OBIA dan pembobotan bahwa potensi kerusakan tanah di wilayah penelitian dibagi menjadi tiga yaitu sangat rendah 16,61% (1.122,99 hektar), rendah 63,94% (4323,14 hektar), dan sedang 19,45% (1315,17 hektar). Parameter yang berpengaruh terhadap kecepatan kerusakan tanah yaitu relief/lereng dan penggunaan lahan dengan nilai korelasi yang sedang (0,421-0,601)
Klasifikasi Kualitas Teh Hitam Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Citra Digital
Full text linkAs a tropical country, the production of black tea in Indonesia is very huge. Because of its quality, black tea in Indonesia has been exported to many countries. To meet the required quality standards, black tea is classified into three grades, we mention it as grade A, grade B, and grade C. However, the industries have suffered from lack of standard of quality control because they are still using manual methods. The purpose of this study was to classify three quality levels of black tea automatically using a convolutional neural network (CNN) based on deep learning. Two types of pre-trained networks were used in this study such as AlexNet and ResNet50. From the sensitivity analysis results showed very high accuracy in the training and validation process. Three best CNN models i.e AlexNet with Adam solver and learning rate 0.00005; AlexNet with RMSProp solver and learning rate 0.0001; ResNet50 with SGDm solver and learning rate 0.00005 were able to achieve training and validation accuracy up to 100%. The classification accuracy based on results from pre-trained AlexNet with Adam solver can classify Grade B and Grade C perfectly 100% without the slightest error. But, for Grade A the average accuracy was 99,7%. Meanwhile, from the confusion matrix result using AlexNet with RMSProp solver and learning rate 0.0001; ResNet50 with SGDm solver and learning rate 0.00005 can perfectly classified the black tea. From the results, it can be concluded that the CNN model can work effectively to classify black tea.Sebagai negara tropis, produksi teh hitam di Indonesia sangat besar. Berdasarkan kualitasnya, teh hitam di Indonesia telah diekspor ke beberapa negara. Dalam rangka memenuhi permintaan standar kualitas yang dibutuhkan di tiap negara, teh hitam diklasifikasikan menjadi tiga jenis, diantaranya grade A, grade B, dan grade C. tetapi, pada kenyataannya industri memiliki permasalahan pada pemenuhan standar quality control karena kebanyakan industri masih menggunakan metode manual. Maka dari itu tujuan dari penelitian ini adalah untuk mengklasifikan tiga jenis mutu teh secara otomatis dengan menggunakan convolutional neural network (CNN). Dua tipe pre-trained network digunakan yakni arsitektur AlexNet dan ResNet50. Berdasarkan analisis sensitivitas didapatkan nilai akurasi yang tinggi pada proses training dan validasi. Tiga model terbaik dari CNN didapatkan diantaranya AlexNet dengan solver Adam dan learning rate 0.00005; AlexNet dengan solver RMSProp dan learning rate 0.0001; ResNet50 dengan solver SGDm dan learning rate 0.00005 yang mana mendapatkan nilai akurasi training dan validasi hingga 100%. Selanjutnya didapatkan nilai akurasi klasifikasi dengan arsitektur AlexNet dengan solver Adam dan learning rate 0.00005 mampu mengklasifikasikan grade B dan grade C tepat 100% tanpa adanya error. Tetapi untuk grade A terdapat kesalahan sehingga nilai akurasi menjadi 99.7%. Sedangkan untuk arsitektur AlexNet dengan solver RMSProp dan learning rate 0.0001 dan arsitektur ResNet50 dengan solver SGDm dan learning rate 0.00005 dapat mengklasifikasikan teh hitam tepat sesuai dengan kelasnya. Berdasarkan hasil tersebut dapat disimpulkan bahwa CNN mampu mengklasifikasikan teh hitam secara efektif
RANCANG BANGUN SISTEM PEMANTAUAN PARAMETER LINGKUNGAN BERBASIS INTERNET OF THINGS (IoT) DI GUDANG PENYIMPANAN UNTUK PABRIK GULA
Full text linkGula merupakan salah satu komoditas kebutuhan pokok. Proses produksi untuk menghasilkan gula di pabrik terdiri dari beberapa tahapan yaitu penggiingan, pemurnian, penguapan, kristalisasi, pemisahan dan penyelesaian. Setelah itu, gula yang telah dikemas, disimpan dalam gudang sebelum di kirim ke pasar. Kondisi lingkungan gudang penyimpan gula harus sesuai dengan standar. Faktor lingkungan yang tidak sesuai, mampu merusak gula. Beberapa faktor lingkungan penting dalam gudang penyimpanan yaitu suhu, kelembaban, CO2, dan api. Ketersediaan alat ukur portable berbasis internet of things merupakan salah satu bentuk pengawasan keamanan pabrik gula di dalam gudang, sehingga gula yang disimpan tidak menggumpal, meleleh dan menjadi rusak. Tujuan dari penelitian ini adalah untuk membuat alat monitoring gudang pabrik gula menggunakan sistem internet of things (IoT). Alat monitoring ruang yang dibuat terdiri dari komponen utama Wemos D1 R2, sensor MQ-135 untuk deteksi CO2, sensor DHT22 untuk deteksi suhu dan kelembaban dan sensor api. Semua komponen disusun di dalam kotak elektronik berwarna hitam dengan ukuran 15 cm x 9,5 cm x 5 cm. Terdapat 5 alat yang digunakan dalam penelitian ini. Uji kinerja sistem meliputi, tingkat stabilitas, Reliabilitas, respon sistem, akurasi pengiriman data. perhitungan penggunaan daya listrik dan biaya operasional alat diukur dalam penelitian ini. Uji kinerja dilakukan selama 7 hari dengan jarak antar ruang 50-100 meter. Dari hasil uji kinerja, seluruh sistem telah bekerja stabil. Hasil pengujian dengan menggunakan Cronbach Alpha taraf 5% menunjukan alat 1 sampai 5 menghasilkan nilai reliabilitas tinggi. Rerata respon sistem ke 5 alat yaitu 8,28 detik. Rerata akurasi transmisi data dari 5 alat meliputi data suhu adalah 0,00124, kelembaban 0,00434, dan Nilai CO2 adalah 0,00678. Hasil uji kinerja menunjukkan bahwa alat telah bekerja dengan baik sesuai harapan.Gula merupakan salah satu komoditas kebutuhan pokok. Proses produksi untuk menghasilkan gula di pabrik terdiri dari beberapa tahapan yaitu penggiingan, pemurnian, penguapan, kristalisasi, pemisahan dan penyelesaian. Setelah itu, gula yang telah dikemas, disimpan dalam gudang sebelum di kirim ke pasar. Kondisi lingkungan gudang penyimpan gula harus sesuai dengan standar. Faktor lingkungan yang tidak sesuai, mampu merusak gula. Beberapa faktor lingkungan penting dalam gudang penyimpanan yaitu suhu, kelembaban, CO2, dan api. Ketersediaan alat ukur portable berbasis internet of things merupakan salah satu bentuk pengawasan keamanan pabrik gula di dalam gudang, sehingga gula yang disimpan tidak menggumpal, meleleh dan menjadi rusak. Tujuan dari penelitian ini adalah untuk membuat alat monitoring gudang pabrik gula menggunakan sistem internet of things (IoT). Alat monitoring ruang yang dibuat terdiri dari komponen utama Wemos D1 R2, sensor MQ-135 untuk deteksi CO2, sensor DHT22 untuk deteksi suhu dan kelembaban dan sensor api. Semua komponen disusun di dalam kotak elektronik berwarna hitam dengan ukuran 15 cm x 9,5 cm x 5 cm. Terdapat 5 alat yang digunakan dalam penelitian ini. Uji kinerja sistem meliputi, tingkat stabilitas, Reliabilitas, respon sistem, akurasi pengiriman data. perhitungan penggunaan daya listrik dan biaya operasional alat diukur dalam penelitian ini. Uji kinerja dilakukan selama 7 hari dengan jarak antar ruang 50-100 meter. Dari hasil uji kinerja, seluruh sistem telah bekerja stabil. Hasil pengujian dengan menggunakan Cronbach Alpha taraf 5% menunjukan alat 1 sampai 5 menghasilkan nilai reliabilitas tinggi. Rerata respon sistem ke 5 alat yaitu 8,28 detik. Rerata akurasi transmisi data dari 5 alat meliputi data suhu adalah 0,00124, kelembaban 0,00434, dan Nilai CO2 adalah 0,00678. Hasil uji kinerja menunjukkan bahwa alat telah bekerja dengan baik sesuai harapan