Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Agrikultura Jurnal Kawistara : Jurnal Ilmiah Sosial dan Humaniora
Diptaningsari, Danarsi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Smart Detection Penyakit pada Tanaman Kopi Robusta Menggunakan SSD MobileNet V2 sebagai Model Pra-Terlatih Harmiansyah, Harmiansyah; Fil’aini, Raizummi; Mufidah, Zunanik; Utari, Ni Wayan Arya; Hendra, Jekvy; Diptaningsari, Danarsi; Meidaliyantisya, Meidaliyantisya; Wardani, Nila; Mawardi, Rahadian; Mustafid, M. Azhar
Agrikultura Vol 34, No 1 (2023): April, 2023
Publisher : Fakultas Pertanian Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/agrikultura.v34i1.43052

Abstract

Pengendalian hama dan penyakit pada kopi robusta harus dilakukan secara dini, jika pengendalian terlambat maka akan berakibat pada produksi kopi robusta yang menjadi rendah. Para petani kopi cendrung lambat dalam mendeteksi penyakit pada tanaman kopi karena keterbatasan pengetahuan. Sistem smart identifikasi penyakit menggunakan deep learning merupakan salah satu inovasi yang dapat digunakan untuk mengidentifikasi penyakit pada tanaman kopi dengan cepat dan tepat. Metode dalam pembuatan sistem smart detection diawali dengan pengumpulan dataset yang terdiri dari kumpulan gambar daun kopi robusta. Dataset diklasifikasi menjadi dua klasifikasi yaitu daun sehat dan daun sakit, daun sakit terdiri dari gambar daun yang terserang penyakit bercak dan karat. Kemudian dilakukan anotasi data untuk memberikan label pada dataset, setelah data dilabeli, data kemudian digunakan sebagai model pra-terlatih sebagai training untuk mempelajari objek gambar. Model yang telah ditraining kemudian dievaluasi untuk menilai kinerja model berdasarkan nilai average precision dan averaga recall sebagai parameter kinerja dari model. Hasil dari training pada penelitian ini didapatkan nilai total loss sebesar 21,81% dalam 13100 epoch serta memiliki kecenderungan turun. Untuk nilai average precision pada model sistem smart detection tanaman kopi adalah 87,3% dan nilai average recall sebedar 89,6%.setelah dilakukan pengujian sistem dengan 12 sample didapatkan nilai akurasi ketepatan sistem dalam memprediksi adalah 96% sehingga sistem smart detection tanaman kopi robusta sudah baik dan mempunyai potensi untuk dapat diimplementasikan.
Persepsi dan Keputusan Adopsi Inovasi Teknologi Berbasis Kearifan Lokal Pada Budidaya Kopi di Lampung Zahara, Zahara; Slameto, Slameto; Yaumidin, Umi Karomah; Asnawi, Robet; C. Kifli, Gontom; Qomariah, Retna; Sumaryanto, Sumaryanto; Priyanto, Dwi; Wylis A, Ratna; Diptaningsari, Danarsi; Novitasari, Erliana; D. Suretno, Nandari; Meidaliyantisyah, Meidaliyantisyah; Mawardi, Rahadian; Erdiansyah, Erdiansyah; Agustiani, Mala
Jurnal Kawistara Vol 14, No 2 (2024)
Publisher : Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/kawistara.82505

Abstract

Kearifan lokal merupakan pandangan atau cara masyarakat dalam menghadapi berbagai permasalahan, termasuk budidaya kopi. Pemanfaatan teknologi berbasis kearifan lokal semakin ditinggalkan oleh masyarakat, dikarenakan msifnya teknologi modern yang ditransfer kepada masyarakat. Disisi lain penerapan teknologi berbasis kearifan lokal yang tepat cenderung masih memberikan dampak positif terhadap keberlanjutan usahatani kopi. Tujuan dari penelitian ini adalah untuk mengetahui persepsi petani dan faktor-faktor yang mempengaruhi keputusan mereka untuk menggunakan teknologi berbasis kearifan lokal dalam budidaya kopi. Manfaat penelitian ini adalah :  (1) memberikan kontribusi terhadap studi keilmuan yang berkaitan dengan persepsi  dan Keputusan adopsi inovasi teknologi berbasis kearifan lokal pada budidaya kopi yang berkelanjutan;  (2) secara praktis dapat diterapkan dan dikembangkan bentuk penyempurnaan bagi petani dalam proses adopsi inovasi teknologi budidaya kopi berbasis kearifan lokal; (3) secara implikasi sebagai bahan masukan dan pertimbangan bagi penentu kebijakan. Penelitian dilaksanakan pada bulan November 2022 di Tanggamus dan Lampung Barat Provinsi Lampung. Petani yang dijadikan sampel ada petani kopi rakyat sebanyak 140 petani. Data yang dikumpulkan adalah karakteristik sosial dan ekonomi petani responden, jenis teknologi berbasis kearifan lokal, persepsi dan adopsi teknologi kearifan lokal. Data dianalisis menggunakan regresi logistik untuk menentukan variabel yang mempengaruhi keputusan petani dalam mengadopsi teknologi berbasis kearifan lokal. Sementara itu, persepsi dianalisis menggunakan skala Likert. Hasil analisis menunjukkan keputusan adopsi inovasi teknologi berbasis kearifan lokal budidaya kopi secara simultan dipengaruhi oleh umur, pendidikan, pengalaman usahatani, luas lahan, produktivitas, keuntungan relatif, compatibility, complexity, trialability, observability. Namun secara parsial hanya 3 variabel yang mempengaruhi keputusan adopsi yaitu pendidikan, luas lahan dan kemudahan untuk dicoba (trialability). Persepsi petani terhadap budidaya kopi berbasis kearifan lokal dilihat dari karakteristik inovasi menunjukkan bahwa secara ekonomi cukup menguntungkan, sesuai dengan kebiasaan dan pengalaman petani, tidak rumit untuk dipraktikkan, mungkin untuk dicoba dan  mungkin untuk dilihat hasilnya.
Co-Authors Agustiani, Mala C. Kifli, Gontom D. Suretno, Nandari Dwi Priyanto erdiansyah erdiansyah, erdiansyah Fil’aini, Raizummi Harmiansyah Jekvy Hendra M. Azhar Mustafid Mawardi, Rahadian Meidaliyantisya, Meidaliyantisya Meidaliyantisyah, Meidaliyantisyah Mufidah, Zunanik Ni Wayan Arya Utari Nila Wardani, Nila Novitasari, Erliana Retna Qomariah Robet Asnawi Slameto Slameto Sumaryanto Sumaryanto, Sumaryanto Wylis A, Ratna Yaumidin, Umi Karomah Zahara Zahara