Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Agricultural Biosystem Engineering Jurnal Pepadu
Rosyid Ridho
Program Studi Teknik Pertanian, Fakultas Teknologi Pangan dan Agroindustri, Universitas Mataram
Religion Agriculture, Biological Sciences & Forestry Automotive Engineering Civil Engineering, Building, Construction & Architecture Economics, Econometrics & Finance Engineering Environmental Science Materials Science & Nanotechnology Social Sciences

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

Found 2 Documents
Search

 1 
INTRODUKSI ALAT PENCETAK BIOPOT RAMAH LINGKUNGAN SEBAGAI PENUNJANG DALAM PEMANFAATAN LIMBAH ORGANIK Jurnal Pepadu; Ida Ayu Widhiantari; Amuddin Amuddin; Rosyid Ridho; Fakhrul Irfan Khalil; Wahyudi Zulfikar; Isnaini Puspitasari
Jurnal Pepadu Vol. 4 No. 1 (2023): Jurnal Pepadu
Publisher : LPPM UNIVERSITAS MATARAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/pepadu.v4i1.2235

Abstract

Kondisi lingkungan sekitar di Desa Sandik dimana banyak terdapat limbah organik hasil pertanian maupun perkebuan yang tidak termanfaatkan dan hanya ditumpuk saja menjadi peluang untuk dapat dimanfaatkan menjadi sesuatu yang bernilai. Salah satunya adalah menjadikannya sebagai media tanam biopot (biodegradable pot) ramah lingkungan. Dalam pembuatan biopot sendiri dapat dilakukan dengan menggunakan berbagai limbah biomassa seperti serabut kelapa yang banyak terdapat di Desa Sandik ataupun kombinasi dari beberapa biomassa lainnya seperti serabut kelapa, jerami padi, dedaunan, dan kotoran unggas. Selain dari bahan tersebut, biopot media tanam juga dapat terbuat dari kompos. Pemanfaatan limbah tersebut sebagai biopot menjadikan limbah tersebut memiliki nilai guna yang sangat bermanfaat, selain itu juga dapat membantu mengatasi permasalahan limbah yang keberadannya cukup melimpah. Melalui kegiatan pengabdian ini, tim pengabdian memberikan penyuluhan, dan pendampingan pelatihan dalam mengolah limbah organik menjadi produk biopot ramah lingkungan. Dalam kegiatan pengabdian ini juga dikenalkan suatu alat pendukung dalam menghasilkan biopot tersebut. Alat tersebut berupa alat pencetak biopot dengan prinsip tekanan. Biopot yang dihasilkan dinilai sangat praktis oleh peserta pengabdian karena sifatnya yang dapat langsung ditanam ke dalam tanah tanpa harus membuka wadahnya terlebih dahulu, seperti halnya penggunaan polybag. Pengenalan teknologi berupa alat cetak biopot memberikan motivasi yang tinggi bagi para peserta untuk mulai memperhatikan keberadaan limbah organic yang dapat dimanfaatkan menjadi produk baru berupa biopot dengan bantuan alat cetak yang dapat mempercepat proses dan menghasilkan biopot dengan kepadatan yang sesuai.
Model Deteksi Gulma dan Tanaman Jagung Berbasis YOLOv5n untuk Sistem Pertanian Presisi Miraj Fuadi; M. Azhar Mustafid; Rosyid Ridho; Endang Purnama Dewi; Eusabius Paul Pega
Jurnal Agricultural Biosystem Engineering Vol. 5 No. 2 (2026): June 2026
Publisher : abe.fp.unila.ac.id

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jabe.v5i2.12967

Abstract

Weed infestation is one of the main challenges in maize cultivation because it can reduce crop growth and productivity through competition for nutrients, water, light, and growing space. An automatic detection system is therefore needed to support precision agriculture, particularly for selective weed control. This study aimed to develop and evaluate a YOLOv5n-based detection model for identifying maize plants and weeds in agricultural field images. The dataset used in this study was obtained from the Weed Classification dataset available on Kaggle. Image annotation was performed using bounding boxes with two object classes, namely maize and weed. The dataset was divided into training, validation, and testing subsets using an 80:10:10 ratio. Model training was conducted on Google Colab for 100 epochs using an image size of 640 × 640 pixels and the YOLOv5n architecture. Model performance was evaluated using precision, recall, F1-score, and mAP@50. The results showed that the YOLOv5n model achieved an average precision of 0.894, recall of 0.923, F1-score of 0.908, and mAP@50 of 0.936. The maize class obtained a higher mAP@50 of 0.976, while the weed class achieved an mAP@50 of 0.897. These results indicate that YOLOv5n can effectively detect maize plants and weeds and has the potential to support precision agriculture applications, particularly selective spraying systems.
Co-Authors Amuddin Amuddin Endang Purnama Dewi Eusabius Paul Pega Fakhrul Irfan Khalil Ida Ayu Widhiantari Isnaini Puspitasari Jurnal Pepadu M. Azhar Mustafid Miraj Fuadi Wahyudi Zulfikar