Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal SINTA Journal (Science, Technology, and Agricultural) Rona Teknik Pertanian
Baso Daeng
Universitas Papua
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemistry Earth & Planetary Sciences Engineering Environmental Science Physics Veterinary

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Evaluasi Data TerraClimate Dalam Mengestimasi Suhu Udara Di Provinsi Papua Barat Baso Daeng; Arif Faisol
Rona Teknik Pertanian Vol 14, No 1 (2021): Volume 14, No.1, April 2021
Publisher : Department of Agricultural Engineering, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17969/rtp.v14i1.19241

Abstract

Abstrak. Terra Climate merupakan seperangkat data iklim yang mengkombinasikan antara data WorldClim, Climate Research Unit (CRU), dan Japanese 55-year Reanalysis (JRA 55). TerraClimate menyediakan data iklim bulanan tahun 1958 – 2019  pada resolusi spasial ~4 km. Penelitian ini bertujuan untuk mengevaluasi data TerraClimate dalam mengestimasi suhu udara di Provinsi Papua Barat. Data yang digunakan pada penelitian ini adalah data TerraClimate dan data suhu udara perekaman tahun 1996 – 2019 yang diperoleh dari automatic weather stations (AWS) Rendani – Kabupaten Manokwari, AWS Jefman – Kabupaten Raja Ampat, AWS Torea – Kabupaten Fakfak, dan AWS Kaimana – Kabupaten Kaimana. Data TerraClimate dievaluasi dengan dibandingkan data AWS menggunakan metode point to pixel berdasarkan 5 (lima) parameter statistik, yaitu mean error (ME), root mean square error (RMSE), relative bias (RBIAS), percent bias (PBIAS), dan koefisien korelasi Pearson (r). Hasil penelitian menunjukkan bahwa data TerraClimate cenderung overestimated dalam mengestimasi suhu udara minimum bulanan dan cenderung underestimated dalam mengestimasi suhu udara maksimum bulanan di Provinsi Papua Barat. Namun TerraClimate memiliki akurasi yang sangat baik dalam mengestimasi suhu udara bulanan di Provinsi Papua Barat  dengan nilai ME= 0,87 oC, RMSE = 1,19 oC, RBIAS = 0,04, dan PBIAS = 3,71 dalam mengestimasi suhu udara minimum, dan ME = 0,54 oC, RMSE = 0,88 oC,  RBIAS = 0,02, dan PBIAS = 1,79 dalam mengestimasi suhu udara maksimum. Disamping itu TerraClimate memiliki korelasi yang sedang terhadap data AWS nilai r = 0,40 - 0,68. Sehingga TerraClimate dapat digunakan sebagai solusi alternatif untuk penyedia data suhu udara di Provinsi Papua Barat.An Evaluation of TerraClimate Data in Estimating Monthly Air Temperature in West PapuaAbstract. TerraClimate is a climate dataset that combines WorldClim data, Climate Research Unit (CRU) data, and Japanese 55-year Reanalysis (JRA 55) data at ~4 km spatial resolution. TerraClimate provides monthly climate data from 1958 to recent years. This research aims to evaluate the TerraClimate data in estimating monthly air temperature in West Papua compared with automatic weather stations (AWS) data recording. The data used in this research are TerraClimate data and AWS data recording from 1996 to 2019 obtained from AWS Rendani – Manokwari, AWS Jefman – Raja Ampat, AWS Torea – Fakfak, and AWS Kaimana – Kaimana. TerraClimate data were evaluated using the Point to Pixel method based on 5 (five) statistical parameters i.e., mean error (ME), root mean square error (RMSE), relative bias (RBIAS), percent bias (RBIAS), and Pearson correlation coefficient (r). The research showed that TerraClimate is overestimated in estimating monthly minimum air temperature and underestimated in estimating monthly maximum air temperature in West Papua. However, TerraClimate and has very good accuracy in estimating the monthly temperature in West Papua with ME = 0.87 oC, RMSE = 1.19 oC, RBIAS = 0.04, and PBIAS = 3.71 in estimating monthly minimum air temperature, and ME=0.54 oC, RMSE = 0.88 oC, RBIAS = 0.02, PBIAS = 1.79 in estimating monthly maximum air temperature. Besides, TerraClimate data has a moderate correlation with AWS data in estimating monthly air temperature with r= 0.40 - 0.68. Therefore, TerraClimate can be used as an alternative solution for providing air temperature data in West Papua. 
Komparasi Dataset Suhu Udara Berbasis Penginderaan Jauh Dalam Mengestimasi Suhu Udara Bulanan di Provinsi Papua Barat Arif Faisol; Bertha Ollin Paga; Baso Daeng
Rona Teknik Pertanian Vol 15, No 1 (2022): Volume No. 15, No. 1, April 2022
Publisher : Department of Agricultural Engineering, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17969/rtp.v15i1.25319

Abstract

Abstrak. Pada umumnya data suhu udara diperoleh dari hasil pengamatan pada stasiun iklim Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Metode ini dapat digunakan untuk merepresentasikan suhu udara suatu wilayah yang berada pada radius ≤ 10 km dari lokasi stasiun iklim, sehingga dibutuhkan sebuah solusi alternatif untuk mendapatkan data suhu udara yang dapat merepresentasikan wilayah yang lebih luas, salah satunya memanfaatkan dataset suhu udara berbasis penginderaan jauh. Penelitian ini bertujuan membandingkan performa sejumlah dataset suhu udara berbasis penginderaan jauh, yaitu Climatic Research Unit gridded Time Series (CRU-TS), Climatologies at High Resolution for the Earth Land Surface Areas (CHELSA), dan TerraClimate dalam mengestimasi curah hujan bulanan di Provinsi Papua Barat. Penelitian ini terdiri atas 6 (enam) tahapan utama, yaitu; (1) inventarisasi data yang bertujuan mengumpulkan dataset suhu udara dan data suhu udara hasil perekaman pada Automatic Weather Station (AWS) tahun 1996 sampai tahun 2019, (2) ekstraksi data, (3) screening data untuk mengganti nilai ekstrim dengan nilai rata-rata, (4) evaluasi data untuk membandingkan dataset dengan data AWS, (5) komparasi data untuk membandingkan performa dataset, dan (6) rekomendasi yang bertujuan untuk menentukan dataset yang paling sesuai untuk digunakan di Provinsi Papua Barat. Hasil penelitian menunjukkan bahwa CHELSA, TerraClimate, dan CRU-TS sangat akurat dalam mengestimasi suhu udara bulanan di Provinsi Papua Barat yang ditunjukkan dengan nilai RBIAS 0,1. Disamping itu CHELSA, TerraClimate, dan CRU-TS memiliki tingkat keeratan hubungan yang sedang terhadap data AWS dengan nilai r = 0,36 – 0,68. Sehingga TerraClimate, CHELSA, dan CRU-TS dapat digunakan sebagai solusi alternatif untuk mendapatkan informasi suhu udara bulanan di Provinsi Papua Barat.Comparison of Remote Sensing-Based Air Temperature Dataset in Estimating Monthly Air Temperature in West PapuaAbstract. Air temperature is one of the important components in agriculture. Generally, air temperature data is obtained from climate stations of the Meteorological, Climatological, and Geophysical Agency (BMKG). These methods represented an area within a radius of 10 km from the climate station, therefore an alternative solution is needed for a larger area. The utilization of the air temperature dataset is one alternative solution. This research aims to compare Climatic Research Unit gridded Time Series (CRU-TS), Climatologies at High Resolution for the Earth Land Surface Areas (CHELSA), and TerraClimate as an air temperature dataset in estimating the monthly temperature in West Papua. The main stages in this research are data inventory, data extraction, data screening, data evaluation, data comparison, and data recommendation. The data used in this research are CRU-TS, TerraClimate, CHELSA, and local AWS data recording from 1996 to 2019. The research showed that CRU-TS, TerraClimate, and CHELSA are very accurate in estimating the monthly temperature in West Papua as indicated by RBIAS 0.1. Furthermore, CRU-TS, TerraClimate, and CHELSA have a moderate correlation with AWS data in estimating monthly air temperature with r= 0.36 - 0.68. Therefore, CRU-TS, TerraClimate, and CHELSA can be used as an alternative solution to obtain monthly air temperature information in West Papua.    
Evaluation of the Implementation of Precision Agriculture Technology on the Efficiency of Input usage and Crop Yields Anita Ninasari; Baso Daeng; Anton Monde; Nauke Lenda Mawikere; Suleyman
SINTA Journal (Science, Technology, and Agricultural) Vol. 7 No. 1 (2026)
Publisher : Perkumpulan Dosen Muda (PDM) Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37638/sinta.7.1.%p

Abstract

Perkembangan teknologi digital telah mengubah sektor pertanian secara mendasar melalui sistem pertanian presisi yang menggabungkan teknologi informasi, sensor, Internet of Things, penginderaan jauh, kecerdasan buatan, dan pembelajaran mesin ke dalam kegiatan pertanian. Pendekatan ini menjadi strategi utama untuk meningkatkan produktivitas sekaligus efisiensi penggunaan input produksi seperti air, pupuk, pestisida, tenaga kerja, dan energi. Penelitian ini bertujuan mengevaluasi penerapan teknologi pertanian presisi dalam meningkatkan efisiensi penggunaan input dan hasil panen dalam konteks pertanian modern dan berkelanjutan. Metode yang digunakan adalah kualitatif melalui tinjauan pustaka, dengan menganalisis berbagai publikasi ilmiah, jurnal, dan penelitian terkini terkait topik ini. Hasil kajian menunjukkan bahwa pertanian presisi memberikan kontribusi besar terhadap efisiensi melalui sistem manajemen berbasis data, pemantauan langsung, dan pengambilan keputusan otomatis. Teknologi seperti perangkat terhubung, penginderaan jauh, pesawat tanpa awak, pembelajaran mesin, dan sistem irigasi cerdas memungkinkan petani menyesuaikan penggunaan input sesuai kebutuhan tanaman dan kondisi lingkungan. Penerapan ini juga meningkatkan produktivitas, menurunkan biaya operasional, mengurangi pemborosan sumber daya, dan mendukung praktik ramah lingkungan. Namun, adopsinya masih terhambat oleh keterbatasan pengetahuan digital, biaya investasi tinggi, infrastruktur belum memadai, dan akses yang tidak merata di wilayah berkembang. Disimpulkan bahwa pertanian presisi memiliki potensi besar mendukung pertanian 4.0 dan 5.0. Diperlukan kerja sama pemerintah, lembaga pendidikan, penyedia teknologi, dan komunitas tani untuk memperkuat transformasi ini serta mendorong pembangunan pertanian berkelanjutan.
Co-Authors Anita Ninasari Anton Monde Arif Faisol Nauke Lenda Mawikere Paga, Bertha Ollin Suleyman