Article Per Year (5 Year)
p-Index From 2020 - 2025
3.558
P-Index
This Author published in this journals
All Journal BIMASTER JURNAL SAINS PERTANIAN EQUATOR Perkebunan dan Lahan Tropika BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Agrotek Tropika Jambura Journal of Mathematics Transformasi : Jurnal Pendidikan Matematika dan Matematika Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Diferensial Empiricism Journal
Aprizkiyandari, Siti
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Estimasi Pengunjung Pontianak Interactive Center dengan Menggunakan Metode Double Exponential Smoothing Satyahadewi, Neva; Aprizkiyandari, Siti; Rivaldo, Rendi
Empiricism Journal Vol. 4 No. 2: December 2023
Publisher : Lembaga Penelitian dan Pemberdayaan Masyarakat (LITPAM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/ej.v4i2.1517

Abstract

Pontianak Interactive Center (Pontive Center) adalah salah satu layanan publik yang disediakan pemerintah melalu Dinas Komunikasi dan Informatika Kota Pontianak. Pontive Center menyediakan layanan publik seperti pusat kendali CCTV dan berbagai sensor pengamatan, pengelolaan informasi, sistem TIK, dan sebagainya. Jumlah kunjungan setiap bulannya di Pontive Center cukup beragam sehingga diperlukan estimasi jumlah kunjungan agar Pontive Center dapat mempersiapkan segala alternatif yang dapat digunakan jika terjadi lonjakan jumlah kunjungan. Metode yang digunakan pada penelitian ini yaitu metode Double Exponential Smoothing (DES) dalam mengestimasikan jumlah kunjungan di Pontive Center. Data yang digunakan yaitu data jumlah kunjungan di Pontive Center dalam bulanan dari tahun 2019-2022. Data ini merupakan jumlah kunjungan di Pontive Center seperti kunjungan instansi, rapat kerja, seminar, sosialisasi dan sebagainya. Penelitian ini mengestimasikan jumlah kunjungan selama 12 bulan ke depan dan didapat rata-rata jumlah kunjungannya yaitu 11-12 kunjungan perbulannya. Perhitungan nilai Mean Absolut Percentage Error (MAPE) yang didapat yaitu sebesar 42%, sehingga model estimasi dengan Double Exponential Smoothing pada penelitian ini cukup layak digunakan. Estimated Visitors to the Pontianak Interactive Center Using the Double Exponential Smoothing Method Abstract Pontianak Interactive Center (Pontive Center) is one of the public services provided by the government through the Pontianak City Communication and Information Service. Pontive Center provides public services such as CCTV control centers and various observation sensors, information management, ICT systems, and so on. The number of visits each month at the Pontive Center is quite varied, so an estimate of the number of visits is needed so that the Pontive Center can prepare all alternatives that can be used if there is a spike in the number of visits. The method used in this research is the Double Exponential Smoothing (DES) method in estimating the number of visits to the Pontive Center. The data used is data on the number of visits to the Pontive Center monthly from 2019-2022. This data represents the number of visits to the Pontive Center such as agency visits, work meetings, seminars, socialization and so on. This study estimated the number of visits over the next 12 months and found that the average number of visits was 11-12 visits per month. The calculation of the Mean Absolute Percentage Error (MAPE) value obtained is 42%, so the estimation model with Double Exponential Smoothing in this research is quite suitable for use.
Implementasi K-Means Cluster untuk Menentukan Persebaran Tingkat Pengangguran Aprizkiyandari, Siti; Satyahadewi , Neva; Pratama, Aditya Nugraha; Rivaldo, Rendi; Nurdiansyah , Syarif Irwan; Helena, Shifa
Empiricism Journal Vol. 4 No. 2: December 2023
Publisher : Lembaga Penelitian dan Pemberdayaan Masyarakat (LITPAM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/ej.v4i2.1518

Abstract

Tingkat pengangguran yang ada di Kalimantan Barat sangat bervariasi. Terdapat Kabupaten/ Kota dengan tingkat pengangguran tinggi dan ada yang rendah, namun belum terdapat pengelompokkannya. Pada penelitian ini, Kabupaten/ Kota di Kalimantan Barat dikelompokkan dengan analisis klaster menggunakan metode K-Means Cluster. Metode K-Means Cluster dapat digunakan dalam pengambilan keputusan dalam mengelompokkan tingkat pengangguran di Kalimantan Barat berdasarkan indikator yang digunakan. Indikator pada penelitian ini terdiri dari TPT, IPM, PDRB dan UMK, dimana data berasal dari BPS Provinsi Kalimantan Bartat. Diperoleh hasil yaitu terbentuknya 2 klaster. Klaster 1 mewakili  kabupaten/kota dengan tingkat pengangguran tinggi yang terdiri dari 4 anggota yaitu Kabupaten Kubu Raya, Kabupaten Ketapang, Kota Pontianak, dan Kota Singkawang dengan persentase TPT klaster 1 yaitu sebesar 8,87%. Sedangkan klaster 2 terdiri dari 10 Kabupaten, yaitu  Kayong Utara, Melawi, Sekadau, Kapuas Hulu, Sintang, Sanggau, Mempawah, Landak, Bengkayang dan Sambas dengan TPT klaster 2 yaitu sebesar 3,73%. Implementation of K-Means Cluster to Determine the Distribution of Unemployment Rate Abstract Unemployment rates in West Kalimantan vary widely. There are regencies/municipalities with high unemployment rates and some with low unemployment rates, but there is no grouping yet. In this research, regencies/municipalities in West Kalimantan are grouped by cluster analysis using the K-Means Cluster method. K-Means Cluster method can be used in decision-making in grouping the unemployment rate in West Kalimantan based on the indicators used. The indicators in this study consist of TPT, HDI, GRDP, and MSE, where the data comes from BPS of West Kalimantan Province. The result obtained is the formation of 2 clusters. Cluster 1 represents districts/cities with a high unemployment rate consisting of 4 members, namely Kubu Raya Regency, Ketapang Regency, Pontianak City, and Singkawang City with a TPT percentage of cluster 1 of 8.87%. Meanwhile, cluster 2 consists of 10 regencies, namely North Kayong, Melawi, Sekadau, Kapuas Hulu, Sintang, Sanggau, Mempawah, Landak, Bengkayang, and Sambas with a TPT cluster 2 of 3.73%.
ANALISIS K-MEANS MENGGUNAKAN METODE DUNN INDEX DALAM MENENTUKAN JUMLAH CLUSTER OPTIMAL (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022) Hidayatullah, Hidayatullah; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77469

Abstract

Pendidikan merupakan fondasi krusial dalam membentuk dan mengembangkan sumber daya manusia dalam proses pembangunan suatu negara. Data dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2021 menunjukkan dominasi penduduk Indonesia dengan tingkat pendidikan rendah. Kondisi ini menjadi fokus dalam penerapan teknik analisis data, khususnya cluster analysis, untuk memahami karakteristik kelompok secara mendalam. Cluster analysis merupakan metode yang mengelompokkan data berdasarkan kesamaan antara satu data dengan data lainnya, dan memiliki peran penting dalam analisis dan pemahaman struktur data yang kompleks. Penelitian ini menggunakan analisis cluster non-hirarki dengan pendekatan K-Means, yang dikenal sederhana, cepat dalam komputasi, dan efisien dalam menangani data besar. Dunn Index digunakan sebagai metode evaluasi untuk mengukur kualitas pengelompokkan dengan menghasilkan cluster-cluster yang memiliki tingkat kesamaan tinggi di dalam kelompoknya masing-masing. Data yang digunakan adalah data sekunder yang mencakup tujuh indikator pendidikan SMA di 34 provinsi di Indonesia. Hasil yang diperoleh dari pengelompokan yang optimal menggunakan metode Dunn Index yaitu sebanyak ilima cluster . Cluster  pertama dengan tingkat pendidikan yang sangat tinggi beranggotakan empat provinsi yaitu provinsi Aceh, Kep.Riau, DI Yogyakarta dan Bali. Cluster  kedua dengan Tingkat pendidikan yang tinggi beranggotakan 13 provinsi. Cluster  ketiga yang beranggotakan tiga provinsi dengan tingkat pendidikan yang sedang. Dan cluster  keempat dengan tingkat pendidikan yang rendah beranggotakan 13 provinsi. Sedangkan untuk cluster  kelima dengan tingkat pendidikan sangat rendah hanya beranggotakan satu provinsi yaitu provinsi Papua. Pentingnya kebijakan dari pemerintah untuk memprioritaskan provinsi yang tingkat pendidikannya rendah seperti Papua supaya menghindari ketimpangan kualitas pendidikan di Indonesia.  Kata Kunci : Tingkat, Pendidikan, Nonhirarki, Pengelompokan.
IMPLEMENTASI METODE NAÏVE BAYES DALAM PREDIKSI TINGKAT KEMENANGAN PADA GAME MOBILE LEGENDS Padilah, Ariski; Perdana, Hendra; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.77825

Abstract

Perkembangan industri permainan sekarang membawa dampak yang signifikan, khususnya dalam permainan daring atau game online yang telah menjadi bagian dari gaya hidup kebanyakan masyarakat. Mobile legends merupakan salah satu contoh game yang sangat popular sekarang karena bisa menarik minat jutaan pemain di seluruh dunia. Dengan banyaknya pemain yang ada di seluruh dunia mengakibatkan player yang memainkan game ini harus memiliki strategi agar menang pada setiap pertandingan yang dilaksanakan. Pada penelitian ini metode Naïve Bayes Classifier digunakan dalam memprediksi status kemenangan pada game mobile legends. Data yang digunakan adalah data sekunder yang berasal dari youtube pertandingan salah satu hasil pertandingan eSport yaitu MPL Season 11 yang menjadi semakin popular di kalangan penonton dan pemain. Variabel yang digunakan adalah Health Point, HP Regen, Physical Damage, Physical Defence, Movement Speed, dan Attack Speed. Tujuan dari penelitian ini adalah untuk mengimplementasikan metode Naïve Bayes dalam memprediksi kemenangan dalam permainan mobile legends. Metode Naïve Bayes dipilih karena keunggulannya dalam mengatasi masalah klasifikasi yaitu bisa menggunakan data yang besar dengan hasil yang didapatkan memiliki tingkat akurasi yang bagus. Pada penelitian ini hasil prediksi menunjukkan bahwa implementasi metode Naïve Bayes mampu memberikan tingkat akurasi sebesar 80,88% sehingga masuk kedalam kategori bagus.  Kata Kunci : Klasifikasi, Akurasi, MPL Season 11.
PERBANDINGAN HASIL PREDIKSI KURS JISDOR MENGGUNAKAN METODE FUZZY TIME SERIES MODEL CHEN DAN LEE Rezaldi, Muhammad Fachri; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.86304

Abstract

Fuzzy time series adalah metode peramalan dengan menggunakan data historis untuk memprediksi kondisi di masa depan. Penelitian ini bertujuan untuk membandingkan prediksi kurs Jakarta Interbank Spot Dollar Rate (JISDOR) yang menggunakan model fuzzy time series, yaitu model Chen dan model Lee. Data yang dianalisis mencakup kurs JISDOR dari 3 Maret 2023 hingga 25 Mei 2023. Proses penelitian dimulai dengan menentukan himpunan semesta, lalu jumlah dan lebar interval. Selanjutnya, dibentuk himpunan fuzzy, serta ditentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical Relationship Group (FLRG) untuk kedua model tersebut. Setelah itu, dilakukan defuzifikasi dengan mencari nilai tengah dari kelas interval untuk mendapatkan hasil peramalan. Hasil penelitian menunjukkan bahwa Average Forecasting Error Rate (AFER) untuk model Chen adalah 0,004900, sedangkan untuk model Lee adalah 0,002848. Dengan demikian, model Lee lebih akurat dibandingkan model Chen karena memiliki nilai AFER yang lebih rendah.  Kata Kunci :  FTS, Kurs, Chen dan Lee
PENERAPAN TEXT MINING DATA TWEET TOKOPEDIA MENGGUNAKAN K-MEANS CLUSTERING Mawaddah, Mawaddah; Imro’ah, Nurfitri; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77706

Abstract

Media sosial yang sering digunakan untuk mengiklankan produk maupun jasa e-commerce salah satunya yaitu Twitter. Pelaku bisnis khususnya e-commerce harus bisa memilih konten yang disukai pelanggan yang ditandai dengan banyaknya jumlah retweet dan favorite pada konten yang diposting. Penerapan text mining menggunakan k-means clustering perlu diterapkan untuk mengolah data tweet yang besar guna membantu pelaku bisnis menentukan konten yang disukai followers. Data pada penelitian ini diambil dari username akun @tokopedia berupa data tweets dengan menggunakan bantuan R Studio pada tanggal 17 Desember 2022 yang memuat 3250 tweet yang telah diposting sebelum tanggal tersebut, yaitu dari tanggal 01 Oktober 2022 pukul 06.38 WIB hingga tanggal 16 Desember 2022 pukul 23.51 WIB. Selanjutnya, dilakukan proses text preprocessing, feature selection, dan pembobotan TF-IDF. Setelah melalui tahapan tersebut tweet kemudian dianalisis menggunakan k-means clustering dengan penentuan jumlah cluster terbaik menggunakan silhoutte coefficient. Kata tweets yang dikelompokkan secara garis besar terkait dengan kata yang dianggap menggambarkan atau merujuk pada promo Tokopedia, giveaway, dan kuis berhadiah. Metode k-means clustering digunakan untuk mengelompokkan tweet berdasarkan kesamaan pola dan karakteristik kata per kata yang terkandung dalam tweets Tokopedia dengan menggunakan pembobotan TF-IDF dan perhitungan jarak euclidean. Berdasarkan hasil clustering terdapat sembilan cluster terbaik. Rata-rata jumlah retweet dan favorite yang tinggi berdasarkan hasil clustering terdapat pada jenis konten diantaranya giveaway merchandise BTS dan cashback dari TokopediaxOppo (cluster 8); serta penawaran promo, diskon, dan cashback Tokopedia (cluster 3). Oleh karena itu, Tokopedia diharapkan dapat menggunakan jenis konten tweet tersebut sebagai sarana untuk meningkatkan minat followers.  Kata Kunci : E-commerce, TF-IDF, Twitter, Silhoutte Coefficient.
ANALISIS POLA BAN HERO MOBILE LEGENDS MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Mobile Legends Profesional Liga Indonesia Season 11) Yonatan, Yulianus; Perdana, Hendra; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.77965

Abstract

Data mining adalah proses yang digunakan untuk membentuk serta menemukan pola data, dimana Algoritma Apriori merupakan salah satu algoritma yang dapat digunakan. Algoritma Apriori digunakan untuk menemukan aturan asosiasi yang memiliki pengaruh antar item, sehingga Algoritma Apriori dapat digunakan untuk menemukan pola ban hero Mobile Legends. Untuk memenangkan pertandingan dalam game Mobile Legends setiap tim menggunakan strategi untuk melakukan pemilihan (pick) dan pelarangan (ban) hero. Algoritma Apriori digunakan untuk menemukan pola ban hero dengan nilai minimum support 1% dan nilai minimum confidence 80%. Langkah pertama dalam algoritma Apriori adalah menghitung nilai support masing-masing item, jika nilai support ≤ nilai minimum maka dilakukan pemangkasan dan item yang memenuhi kriteria masuk ke dalam frequent k-itemset. Dari analisis yang dilakukan diperoleh 121 pola ban hero yang memenuhi nilai support dan confidence yang telah ditentukan dimana pola yang terbentuk dapat dijadikan acuan untuk tim yang bertanding dalam melakukan ban hero yang terdiri dari 1-itemset sampai 5-itemset dimana presentase setiap itemset tertinggi adalah {Joy}, {Joy, Wanwan}, {Joy, Kaja, Wanwan}, {Joy, Hayabusa, Valentina, Wanwan} dan {Joy, Wanwan, Hayabusa, Ling, Yve}. Pola yang terjadi adalah kombinasi hero Joy dan Wanwan menjadi hero yang selalu di ban. Hal ini dikarenakan tren yang terjadi setelah penyesuaian game (update).  Kata kunci: Data Mining, Ban Hero, MPL
PERBANDINGAN METODE CHAID DAN EXHAUSTIVE CHAID PADA KLASIFIKASI KELULUSAN MAHASISWA Tarigan, Esta Br.; Imro’ah, Nufitri; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.79730

Abstract

Ketepatan waktu kelulusan mahasiswa dapat mempengaruhi kualitas dari suatu perguruan tinggi, sehingga perlu diperhatikan faktor-faktor apa saja yang dapat mempengaruhi ketepatan waktu lulus mahasiswa. Metode yang dapat digunakan adalah metode klasifikasi data mining yaitu metode CHAID dan Exhaustive CHAID. Metode CHAID dan Exhaustive CHAID merupakan metode klasifikasi non parametrik yang dapat digunakan dalam mengklasifikasikan data dengan membangun pohon klasifikasi. Metode ini dapat memberikan informasi berupa variabel independen yang mempunyai pengaruh signifikan terhadap variabel dependen. Tujuan dari penelitian ini adalah untuk menganalisis perbandingan hasil klasifikasi CHAID dan Exhaustive CHAID pada klasifikasi kelulusan mahasiswa. Data yang digunakan adalah data sekunder yaitu data alumni mahasiswa Program Studi Statistika FMIPA Untan yang lulus pada Periode I Tahun Ajaran 2017/2018 sampai Periode II Tahun Ajaran 2022/2023. Variabel dependen yang digunakan adalah Status Kelulusan (Y), sedangkan variabel independen yang digunakan yaitu Jenis Kelamin (X1), Daerah Asal (X2), Akreditasi Sekolah (X3), Jalur Masuk (X4), Beasiswa (X5), Status Kelulusan Tes TUTEP Pertama (X6), IPK Semester 1 (X7), IPK Semester 2 (X8), IPK Semester 3 (X9) dan IPK Semester 4 (X10). Proses analisis dengan metode CHAID dan Exhaustive CHAID terdiri dari tiga tahapan yaitu penggabungan, pemisahan, dan penghentian. Hasil analisis diperoleh bahwa metode CHAID dan Exhaustive CHAID masing-masing memiliki tiga variabel yang berpengaruh signifikan. Tingkat akurasi yang dihasilkan metode CHAID dan Exhaustive CHAID masing-masing 83,56% dan 82,86%, artinya dalam kasus ini metode yang lebih baik adalah metode CHAID karena menghasilkan akurasi yang lebih tinggi dibandingkan metode Exhaustive CHAID.  Kata Kunci : data mining, kelulusan mahasiswa, pohon klasifikasi
RESPON PERTUMBUHAN DAN HASIL TANAMAN TERUNG GELATIK TERHADAP PEMBERIAN LIMBAH SOLID KELAPA SAWIT DAN PUPUK KNO3 DI TANAH PMK Putri, Diva Amalia Iskandar; Sasli, Iwan; Aprizkiyandari, Siti
Jurnal Sains Pertanian Equator Vol 14, No 1
Publisher : Fakultas Pertanian Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jspe.v14i1.86831

Abstract

Terung (Solanum melongena L.) merupakan tanaman asli daerah tropis berasal dari famili solanaceae. Penelitian ini bertujuan untuk mengetahui pengaruh limbah solid kelapa sawit dan pupuk KNO3 terhadap pertumbuhan dan hasil tanaman terung gelatik di tanah PMK. Penelitian dilaksanakan di Dinas Tanaman Pangan dan Hortikultura Kalimantan Barat, Pontianak. Penelitian ini berlangsung dari tanggal 27 April hingga 17 Juli 2024. Rancangan penelitian ini menggunakan Rancangan Petak Terbagi (Split Plot). Faktor utama (Main plot) yaitu pemberian solid kelapa sawit (S) terdiri dari 2 taraf dan faktor anak petak (Sub plot) yaitu KNO3 (K) 4 taraf perlakuan dan 3 ulangan sehingga terdapat 24 satuan perlakuan. Setiap Setiap unit perlakuan terdiri dari 4 tanaman sampel sehingga jumlah keseluruhan tanaman 96 tanaman. Faktor utama (main plot) yang terdiri dari 2 taraf perlakuan yaitu s0 = tanpa pemberian solid kelapa sawit dan s1 = pemberian solid kelapa sawit (375 g/tanaman). Faktor anak petak (sub plot) terdiri dari 4 taraf perlakuan yaitu k1 = pupuk KNO3 2 g/l, k2 = pupuk KNO3 4 g/l, k3 = pupuk KNO3 6 g/l dan k4 = pupuk KNO3 8 g/l. Hasil penelitian ini menunjukkan bahwa pemberian limbah solid kelapa sawit dapat meningkatkan hasil tanaman terung gelatik demikian juga dengan pemberian pupuk KNO3, namun pemberian limbah solid kelapa sawit tidak harus selalu diikuti dengan pemberian pupuk KNO3.
KARAKTERISASI PADI BERAS HITAM BELIAH ASAL KABUPATEN BENGKAYANG KALIMANTAN BARAT PADA LAHAN SAWAH PASANG SURUT Palupi, Tantri; Rahmidiyani, Rahmidiyani; Asnawati, Asnawati; Aprizkiyandari, Siti
Jurnal Agrotek Tropika Vol 11, No 2 (2023): JURNAL AGROTEK TROPIKA VOL 11, Mei 2023
Publisher : Departement of Agrotechnology, Agriculture Faculty, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jat.v11i2.6280

Abstract

Beras hitam merupakan salah satu jenis beras yang mulai populer di masyarakat, yang dikonsumsi sebagai pangan fungsional karena bermanfaat bagi kesehatan. Salah satu cara melestarikan plasma nuthfah padi beras hitam yaitu dengan memberikan identitas, dengan harapan agar masyarakat lebih mengenal padi ini sehingga terbiasa dengan keberadaan plasma nuthfah ini. Penelitian ini bertujuan untuk menentukan karakter morfologi dan agronomi padi beras hitam Beliah asal kabupaten Bengkayang yang ditanam di lahan sawah pasang surut. Penelitian ini dilaksanakan di Kecamatan Sungai Kakap, Kabupaten Kubu Raya Kalimantan Barat selama kurang lebih delapan bulan. Penelitian ini menggunakan metode eksperimen lapangan dengan cara membenamkan bagian akar padi pada media tanam, dengan 1 bibit/lobang, jarak tanam 25 x 25 cm. Jumlah tanaman yang diamati terdiri dari 100 sampel. Adapun komponen yang diamati dalam penelitian ini adalah karakter morfologi dan agronomi. Hasil penelitian menunjukkan bahwa padi beras hitam Beliah memiliki karakter sudut batang sedang, diameter 8,3 mm, dengan warna bergaris ungu; bentuk lidah 2-cleft, lidah daun panjang, warna lidah-leher-telinga adalah ungu, permukaan daun sedang, sudut daun dan daun bendera tegak, panjang dan lebar daun sedang; panjang malai dan jumlah gabah/malai sedang, tipe malai antara kompak dan sedang; warna ujung gabah ungu, berbiji panjang, lebar biji 1,9 mm, dan bobot 1000 butir 23,22 g; kemampuan beranak sedang, ketegaran batang kuat, tinggi tanaman pendek, kerontokan agak mudah, fertilitas gabah fertil, dan umur tanaman sangat panjang. Padi beras hitam Beliah berpotensi untuk dikembangkan sebagai salah satu sumber plasma nutfah di Kalimantan Barat.
Co-Authors . Supriyanto Adrian, Ferry Ashari, Asri Mulya Asnawati Asnawati Darussalam Darussalam, Darussalam Debataraja, Naomi Nessyana Dini Anggorowati Helena, Shifa Hendra Perdana Hidayatullah Hidayatullah Imro’ah, Nufitri IMRO’AH, NURFITRI Indri Hendarti Iwan Sasli Leowardi, Iknasius Martha, Shantika Mawaddah Mawaddah, Mawaddah Mori, Stepanus Armadi Neva Satyahadewi Normalita Puteri, Afira Afra Nurdiansyah , Syarif Irwan Padilah, Ariski Pratama, Aditya Nugraha Pratama, Pandu Pasha Purwanty, Purwanty Putri, Aulia Nabila Putri, Diva Amalia Iskandar Putri, Resti Amelia Radinasari, Nur Ismi Rahmidiyani Rahmidiyani, Rahmidiyani Reho, Stepanus Retnani, Hani Dwi Rezaldi, Muhammad Fachri Rivaldo, Rendi Satyahadewi , Neva Tamtama, Ray Tantri Palupi Taraly, Inggriani Millennia Tarigan, Esta Br. Yonatan, Yulianus Yulianti, Siska Yundari, Yundari