Article Per Year (5 Year)
p-Index From 2021 - 2026
5.632
P-Index
This Author published in this journals
All Journal Agrikultura Teknotan: Jurnal Industri Teknologi Pertanian Media Farmasi : Jurnal Ilmu Farmasi (Journal Of Pharmaceutical Science) TEKMAPRO Journal of Industrial Engineering and Management JMPM (Jurnal Material dan Proses Manufaktur) Jurnal Elementer (Elektro dan Mesin Terapan) Jurnal Pertanian Agros Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering) Jurnal Teknik Mesin Indonesia Jurnal Mekanova : Mekanikal, Inovasi dan Teknologi Scientific Journal of Mechanical Engineering Kinematika Abdimasku : Jurnal Pengabdian Masyarakat Journal of Maritime Empowerment Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Vokasi Mekanika METAL : Jurnal Sistem Mekanik dan Termal Sultra Journal of Mechanical Engineering (SJME) Jurnal Sigmat Teknik Mesin UNSIKA AMMA : Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat dan Riset Pendidikan TeknoKreatif: Jurnal Pengabdian kepada Masyarakat KREATIF Jurnal Pengabdian Masyarakat Sains dan Teknologi Jurnal Pengabdian kepada Masyarakat Multidisiplin (JUPENGEN) Sultra Journal of Mechanical Engineering
Harmiansyah
Program Studi Teknik Biosistem, Fakultas Teknologi Industri, Institut Teknologi Sumatera
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Social Sciences Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Agrikultura

 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.
Sistem Deteksi Hama dan Penyakit Tanaman Mangga (Mangifera indica L.) Berbasis Deep Learning Menggunakan Model Pra Latih YOLOv5 Harmiansyah, Harmiansyah; Oviana, Ella Trilia; Alpaizon, Remi; Khalifah, Devi Putri; Dwirotama, Paska
Agrikultura Vol 35, No 1 (2024): April, 2024
Publisher : Fakultas Pertanian Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/agrikultura.v35i1.53834

Abstract

Mangga (Mangifera indica L.) merupakan komoditas pertanian penting di Indonesia yang mengalami penurunan produktivitas dalam beberapa tahun terakhir akibat serangan hama dan penyakit. Pengetahuan yang terbatas tentang identifikasi dan penanganan masalah ini oleh para petani menjadi salah satu faktor penyebabnya. Oleh karena itu, penelitian ini memiliki tujuan untuk menentukan hyperparameter berdasarkan parameter epoch pada kinerja model pra-latih YOLOv5 dalam mendeteksi hama dan penyakit pada daun mangga. Penelitian ini dilakukan di kebun mangga Institut Teknologi Sumatera, Lampung Selatan, pada periode Oktober hingga Desember 2023. Pengambilan dataset dilakukan dengan menggunakan kamera handphone dan melibatkan 1000 gambar yang termasuk dalam empat klasifikasi: daun sehat,  daun terserang kutu putih, daun terserang ulat daun, dan daun  terkena hawar daun. Proses anotasi data dilakukan menggunakan platform Roboflow, dan dataset dibagi menjadi tiga bagian: 70% training, 20% validasi, dan 10% testing. Penelitian ini melakukan 2 kali training dengan menggunakan hyperparameter epoch yaitu 200 dan 300. Berdasarkan parameter training untuk total nilai loss pada epoch 200 adalah 0,0324 sedangkan pada epoch 300 didapatkan nilai 0,0342. Parameter validasi menunjukkan nilai mAP pada ambang 0,5 mencapai 0,9546 dan untuk nilai mAP pada ambang 0,5-0,95 memiliki nilai 0,7269 sedangkan pada epoch 300 nilai mAP pada ambang 0,5-0,95 adalah 0,9441 serta nilai mAP pada ambang 0,5-0,95 didapatkan nilai sebesar 0,7357. Berdasarkan parameter testing sebagai evaluasi sistem, pada epoch 200 didapatkan nilai mAP 90,05% serta untuk epoch 300 didapatkan nilai mAP sebesar 85%. Berdasarkan keseluruhan parameter kinerja sistem didapatkan hyperparameter terbaik epoch pada penelitian ini adalah 200. Oleh karena itu sistem ini dapat digunakan untuk mendeteksi daun mangga yang rusak karena terserang kutu putih, ulat daun serta daun sakit karena hawar daun.
Deteksi Cerdas Penyakit Tanaman Kopi Robusta Berbasis Deep Learning Menggunakan Variasi YOLO Harmiansyah, Harmiansyah; Oviana, Ella Trilia; Fitrawan, Mhd Kadar; Putra, Pramana; Diptaningsari, Danar; Meidaliyantisyah, Meidaliyantisyah
Agrikultura Vol 36, No 3 (2025): Desember, 2025
Publisher : Fakultas Pertanian Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/agrikultura.v36i3.64004

Abstract

Tanaman kopi menjadi populer karena produk minuman kopi yang memiliki aroma dan rasa unik. Ditengah populernya tanaman kopi terdapat permasalahan dalam pengendalian penyakit seperti bercak daun dan karat daun yang berdampak pada produksi tanaman kopi menurun. Sehingga dibutuhkan sistem deteksi cerdas berakurasi tinggi untuk mengidentifikasi jenis penyakit pada tanaman kopi sebagai langkah penanganan dini.Tujuan pada penelitian ini adalah implementasi menggunakan variasi model pralatih YOLO (You Only Look Once) untuk mendeteksi penyakit tanaman kopi robusta berdasarkan citra daun. Penelitian ini menggunakan 3 jenis model pralatih dari YOLO yaitu YOLOv5, YOLOv7 dan YOLOv8 dengan parameter hyperparameter yaitu 150 epoch, batch size 16 dan learning rate 0,001 sedangkan untuk optimizer yang digunakan adalah SGD (Stochastic Gradient Descent). Dataset penelitian adalah citra daun tanaman kopi yang didapatkan dari pengambilan manual menggunakan tools handphone dengan spesifiaksi kamera 20 MP berlokasi di Kebun Percobaan Tegineneng Natar, Balai Penerapan Modernisasi Pertanian (BRMP) Lampung. Dataset diberi augmentasi berupa shear, blur dan rotation. Berdasarkan hasil kinerja model deteksi objek berbasis YOLO, model terbaik yang didapatkan adalah YOLOv8 dengan nilai mAP@50 sebesar 99,5% dan mAP@50-95 adalah 94,6% dalam waktu training selama 1,748 jam. Testing yang dilakukan menggunakan YOLOv8 menghasilkan nilai evaluasi metrik yaitu nilai akurasi 100%, presisi 100%, recall 100% dan F1 score 100% untuk kelas daun sehat dan daun karat. Sedangkan kelas daun bercak mendapatkan nilai akurasi 94%, presisi 100%, recall 94% dan F1 score 97%.
Co-Authors Al Ramadhan Alpaizon, Remi Andika Setiawan, Andika Angga Saputra Yasir Anggi Sinaga Anggraini, Leslie Apriani, Santi Aprilianda, Mohamad Meazza Arinjani, Putri Arirohman, Ilham Dwi Arjal Tando Azikia Karunia Putri Azikia Putri Bagaskara, Radhinka Ba’its, Alfian Kafilah Bilhaq, Ikrar Burmawi Burmawi, Burmawi Chalida Syari Darwin Darwin Dermawan, Muhammad Devia Gahana Cindi Alfian Devy Arysandia Diptaningsari, Danar Diptaningsari, Danarsi Drantantiyas, Nike Dwi Grevika Dwirotama, Paska Eka Nurfani Fadhilah, Rafi Fahmi Sapta Hadi Faisal, Amir Farsya Bani Asmara Fazira, Angel Era Febmartini Evita Nuruli Febrianto, Andre Feerzet Achmad Ferlin, Fachrina Edriyanti Fil'aini, Raizummi Fil’aini, Raizummi Fino Agustian Jourdan Gamas Fino Gamas Fitrah Qalbina Fitrawan, Mhd Kadar Fitrawan, Mhd. Kadar Grace Sihombing Gumaran, Setyadi Harvianna Riandara Hasbi, Hafiz Herlina Herlina Hikmawati, Meli Irwansyah Irwansyah Jekvy Hendra Joyce Rebeka Gultom Julio, Apriansyah Kardiansyah Khalifah, Devi Putri Kiki Yulia Handayani Lathifa Putri Afisna Lestari, Aisyah Viji Listiani, Amalia Lita Lianti M Akbar, M M. Azhar Mustafid Marlinana Rismayanti Marpaung, David Septian Sumanto Mawardi, Rahadian Meidaliyantisya, Meidaliyantisya Meidaliyantisyah Meidaliyantisyah, Meidaliyantisyah Muarif, Widodo Wahyu Mufidah, Zunanik Muh. Kusmali Muhammad Arhan Rajab Muhammad Atma Saputra Muhammad Iqbal Muhammad Syaukani Muhammad, Ghaffar Nabila, Innez Nawang Saputri Nawang Wulan Saputri Ni Made Tiara Wati Ni Wati Ni Wayan Arya Utari Nia Saputri Utami Nila Wardani, Nila Nova Anika Oktaviani, Cinthya Ayu Oviana, Ella Oviana, Ella Trilia Padang, Welly Liku Pertiwi, Novalia Pramana Putra Prastyo, Adi Prayudah, Mahessa Z.W. Putra, Pramana Putri A’isyati Inrum Putri Dari Putri Wulan Dari Raizummi Fil'aini Raizummi Fil’aini Ramadhan, Al Aqib Anugerah Renaldi, Rifki Riandara, Herviannna Indira Kusuma Ridwan Ridwan Ridwan Ridwan Risky Arman Rismayanti, Marliana Indah Rizki Octa Saputra Rohman, Idzan Fathur Rohman, Tefur Nur Ruly Davisca Pratama Rustam Efendi Rustam Efendi Rustami, Erus Sabar Sabar Samang, Andi Marlisa Bossa Sarah Dila Rahmawati Sarah Rahmawati Savitri Wahyuni Savitri Wahyuni Savitri Wahyuni Sianturi, Intan Sari Simbolon, Sinober Sinaga, Anggi Mahdinda Sirait, Sylvrina Margareth Siti Muslimah Siti Mutmainah Sitio, Forwenli Sudarmanto Jayanegara Sugatra Dwi Atmaja Supratman, WR Suretno, Nandari Syahrizal Nasution Syifa, Jovita Delphia Taufiq, Habib M Teuku Meurah Indra Riayatsyah Tirta Setiawan Tri Novita Sari Untoro, Meida Cahyo Utari, Ni Wayan Wahyu Setiawan Widiya, Widiya Widya Widya Winni Nur Auli Yulita, Winda