Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Agrikultura Scientific Journal of Mechanical Engineering Kinematika
Putra, Pramana
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Energy Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

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

Found 2 Documents
Search

 1 
PENGUKURAN POTENSI ENERGI MATAHARI DAN PERANCANGAN PLTS TERHUBUNG JARINGAN PADA GEDUNG LABORATORIUM TEKNIK 1 ITERA Harmiansyah; Putra, Pramana; Nuruli, Febmartini Evita; Hadi, Fahmi Sapta; Inrum, Putri A’isyati; Saputra, Rizki Octa; Saputra, Muhammad Atma; Efendi, Rustam
Scientific Journal of Mechanical Engineering Kinematika Vol 9 No 1 (2024): SJME Kinematika Juni 2024
Publisher : Mechanical Engineering Department, Faculty of Engineering, Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/sjmekinematika.v9i1.257

Abstract

Solar energy is energy that can be continuously renewed and is environmentally friendly. Solar PV design can be done by knowing the potential value of sunlight in an area. Solar panels have a way of converting solar radiation into electrical energy. The aim of this research is to analyze the potential of solar energy, design on-grid based solar modules on the roof of the Engineering Laboratory 1 building and analyze initial investment costs and maintenance of PLTS. This research method was carried out by measuring the amount of solar energy using a solar power meter, designing a grid-connected PLTS system with PVSys software and estimating costs. Based on the research results, it was found that Global Horizontal Irradiance had an average value of 1705.1 W/m2, Direct Radiation of 1662.2 W/m2, Diffuse Radiation of 187.28 W/m2, and Albedo Radiation of 0.10897. The designed PLTS requires a total initial investment value of IDR 699,352,092.-. Annual maintenance and operational costs for the PLTS to be built on the roof of Engineering Laboratory 1 are IDR 6,993,520.92 per year. It is estimated that the life of the solar panels will reach 25 years, so the total maintenance and operational costs will be IDR 174,838,023.-.
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 Diptaningsari, Danar Fitrawan, Mhd Kadar Hadi, Fahmi Sapta Harmiansyah Harmiansyah, Harmiansyah Inrum, Putri A’isyati Meidaliyantisyah, Meidaliyantisyah Nuruli, Febmartini Evita Oviana, Ella Trilia Rustam Efendi Saputra, Muhammad Atma Saputra, Rizki Octa