Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Pengaruh Kepemimpinan dan Motivasi terhadap Produktivitas Pemanen di Perkebunan Kelapa Sawit Dini Gustiningsih; Jimmy Pandapotan Pardede; Jojon Soesatrijo
Cerdika: Jurnal Ilmiah Indonesia Vol. 6 No. 8 (2026): Cerdika: Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v6i8.3859

Abstract

Industri kelapa sawit merupakan salah satu sektor strategis dalam perekonomian Indonesia, namun produktivitas pemanen di perkebunan seringkali menghadapi tantangan yang berkaitan dengan faktor kepemimpinan dan motivasi kerja. Penelitian ini bertujuan untuk mengeksplorasi dampak kepemimpinan dan motivasi terhadap kinerja pemanen kelapa sawit di PT Surya Intisari Raya 1. Studi ini berfokus pada pengaruh kedua elemen tersebut motivasi dan kepemimpinan terhadap hasil kerja pemanen. Metode probability sampling digunakan untuk memilih sampel sebanyak 83 responden. Data dikumpulkan melalui pengisian kuesioner oleh para pemanen tandan buah segar (TBS) dan kemudian dianalisis menggunakan teknik kuantitatif asosiatif. Data dianalisis menggunakan Microsoft Excel dan SPSS; secara spesifik, Tabel kontingensi, bersama dengan uji chi-square, digunakan. Hasilnya menunjukkan bahwa faktor motivasi dan kepemimpinan memiliki nilai p sebesar 0,004, yang kurang dari 0,05. Oleh karena itu, hipotesis nol (H0) ditolak, karena hal ini menunjukkan bahwa kepemimpinan dan motivasi memberikan pengaruh besar terhadap kinerja mesin pemanen gabungan. Menurut penelitian ini, motivasi dan kepemimpinan berdampak pada produktivitas pemanen kelapa sawit di PT Surya Intisari Raya 1.
Penerapan Teknik Transformasi untuk Meningkatkan Kualitas Citra Penyakit Ganoderma pada Tanaman Kelapa Sawit Menggunakan CNN-Based Enhancement dan Gamma Correction Aditya Aditya; Amanda Amanda; Dini Gustiningsih
Computer Journal Vol. 4 No. 2 (2026): August
Publisher : Yayasan Pendidikan Mitra Mandiri Aceh (YPMMA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58477/cj.v4i2.499

Abstract

Ganoderma disease is one of the most destructive diseases affecting oil palm plants, causing basal stem rot, reduced productivity, plant mortality, and financial losses. This study applies Gamma Correction and CNN-Based Enhancement to improve the quality of oil palm images for Ganoderma disease identification. Gamma Correction improves image illumination and intensity, while CNN-Based Enhancement enhances structural details through a deep learning approach. The model achieved a test accuracy of 0.7714 and a test loss of 0.4165. The Healthy, Infected, and Initial Infection classes achieved F1-scores of 0.8571, 0.7500, and 0.7200, respectively. The results indicate that image transformation techniques can support Ganoderma disease identification in oil palm plants. The proposed enhancement process, which combines intensity correction with CNN-based enhancement, provides a potential approach for improving image quality and supporting the development of automated detection systems that are more accurate, adaptive, and suitable for field deployment.