Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Agrikultura Journal of Degraded and Mining Lands Management
Nila Wardani, Nila
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology

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.
Improvement of growth and nutrient uptake of upland rice grown on degraded acid soil with the application of liquid organic fertilizer Barus, Junita; Endriani; Mustikawati, Dewi Rumbaina; Meithasari, Dian; Ernawati, Rr; Wardani, Nila; Tambunan, Reny Debora; Silalahi, Marsudin; Slameto
Journal of Degraded and Mining Lands Management Vol. 12 No. 1 (2024)
Publisher : Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15243/jdmlm.2024.121.6929

Abstract

This research aimed to determine the effectiveness of several types of liquid organic fertilizer (LOF) derived from plant waste and the dose of P fertilizer on the growth and yield of upland rice on degraded acid soil. The treatments consisted of two factors. The first factor (A) was several types of LOF consisting of A1 (control), A2 (LOF containing isolates of P-solubilizing bacteria), A3 (LOF-banana waste), and A4 (A2+A3). The second factor (B) was fertilizer doses consisting of B1 (50% of the recommended dose of P fertilizer), B2 (75% of the recommended dose of P fertilizer), and B3 (100% of the recommended dose of P fertilizer). The treatment combinations were arranged in a factorial randomized block design with three replications. The research results showed that applying either LOF-banana waste or the mixture of LOF-banana waste and LOF-containing isolates of P-solubilizing bacteria improved plant height, the number of tillers, and N and P uptake by the plant. The rice grain yields among the treatments were not significantly different, but the highest rice grain yield (139.8 g/pot) was obtained at the treatment of the mixture of LOF-P isolate + LOF-banana waste (A2+A3 treatments). The 75% of the recommended dose of P fertilizer was not significantly different from 100% P fertilizer with LOF on growth and yield upland rice and nutrient uptake by the plant.
Co-Authors Dewi Rumbaina Mustikawati Dian Meithasari Diptaningsari, Danarsi Endriani Ernawati, Rr Fil’aini, Raizummi Harmiansyah Jekvy Hendra Junita Barus M. Azhar Mustafid Marsudin Silalahi Mawardi, Rahadian Meidaliyantisya, Meidaliyantisya Mufidah, Zunanik Ni Wayan Arya Utari Reny Debora Tambunan Slameto