Pengembangan Sistem Monitoring Berbasis Ground untuk Tanaman Kubis (Brassica Oleracea L) Menggunakan Basis Data dalam Optimalisasi Penyemprotan Pestisida Otomatis
Tahun 2026 · Penulis: Ayuni Selvia Imroatul Hasanah
Faculty of Agricultural Technology, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/12286
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Pengembangan Sistem Monitoring Berbasis Ground untuk Tanaman Kubis (Brassica Oleracea L) Menggunakan Basis Data dalam Optimalisasi Penyemprotan Pestisida Otomatis
Kubis (Brasisica oleracea L) adalah komoditas sayur di Argosari, Lumajang, yang sering kali terancam oleh ulat kepala kubis (Crocidolomia pavonana). Infestasi ini sering kali mengakibatkan gagal panen dan limbah pestisida yang berlebihan akibat metode penyemprotan konvensional yang tidak efisien. Penelitian ini bertujuan untuk merancang dan mengevaluasi sistem pemantauan yang cerdas serta penyemprotan otomatis untuk deteksi dini dan perawatan akurat tanaman kol. Metodologi ini mencakup akuisisi gambar lapangan dengan webcam portabel, menggunakan jarak penanaman standar (50 cm × 60 cm × 60 cm × 60 cm) sebagai jalur mobilisasi. Gambar yang diambil diproses dengan arsitektur Convolutional Neural (CNN) yang dilatih lebih dari 100 epochs untuk mengekstrak fitur kerusakan daun. Keluaran klasifikasi CNN diubah menjadi data biner (Kesehatan = 1, Penyakit = 0) dan disinkronisasikan secara real-time dengan basis data lokal untuk memicu aktuator medan. Hasil eksperimen menunjukkan bahwa model CNN mencapai kinerja optimal (Good Fit) dengan keakuratan pelatihan 87,94%, akurasi validasi 78,90%, dan validasi hilang 0,3895. Sistem ini secara efektif mengampeskan semprotan hanya pada tanaman yang terkena penyakit. In implementasi ini terbukti meningkatkan efisiensi penggunaan kimia dan memungkinkan penyemprotan otomatis presisi pada tanaman kubis yang diidentifikasi dengan parasit
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,836
Tahun 2024 · Penulis: Hasif Izzul Faiz
Klasifikasi Penyakit Daun Padi menggunakan Metode CNN Dengan Augmentasi Data Berbasis Deep Convolutional GAN (DCGAN)
Pertanian padi sangat vital bagi ekonomi Indonesia dan menjadi makanan pokok bagi banyak negara, termasuk Indonesia. Negara ini adalah salah satu penghasil dan konsumen beras terbesar di dunia. Produktivitas padi di Indonesia cukup tinggi, terutama di Pulau Ja
- Cosine 0,830
Tahun 2026 · Penulis: Mochamad Oktaviano Gunawan
Pengembangan Sistem Deteksi Kesehatan Tanaman Kubis Berbasis Low Altitude Monitoring & Deep Learning
Kesehatan tanaman kubis merupakan salah satu faktor penting yang memengaruhi produktivitas dan kualitas hasil panen. Proses pemantauan kondisi tanaman secara manual pada lahan yang luas memerlukan waktu dan tenaga yang besar serta berpotensi menghasilkan penga
- Cosine 0,820
Tahun 2026 · Penulis: Balqis Pras Fatira Hesti
Klasifikasi Varietas Tanaman Alpukat Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network (CNN)
Identifikasi varietas tanaman alpukat biasanya dilakukan melalui pengamatan manual tentang morfologi daun, yang membutuhkan keahlian spektofoc dan waktu yang relatif lama. Proses ini juga dapat menyebabkan salah identifikasi karena beberapa varietas alpukat me