Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer DECODE: Jurnal Pendidikan Teknologi Informasi
Tarsono, Ano
Unknown Affiliation
Computer Science & IT Education Languange, Linguistic, Communication & Media Other

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

Found 2 Documents
Search

 1 
Alat Pencatat Cuaca Untuk Meningkatkan Kualitas dan Efisiensi di Perkebunan Mangga Di Majalengka Mardiana, Ardi; Tarsono, Ano; Wahono, Syiffa Safiera; Sujadi, Harun
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 2: JULI 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i2.596

Abstract

Demi mengatasi dampak perubahan iklim pada budidaya mangga, penelitian ini menggunakan inovasi dalam alat pencatat cuaca yang dibuat dengan teknologi dan sensor terkini. Alat ini memiliki tingkat presisi tinggi dan kemampuan adaptasi otomatis terhadap perubahan cuaca. Fokus penelitian adalah perkebunan mangga dengan variasi iklim yang signifikan, di mana alat ini secara konsisten mengukur suhu, kelembapan, kecepatan angin, arah mata angin dan curah hujan. Dengan menggunakan teknik analisis data yang melibatkan statistik dan big data, hasil yang diharapkan mencakup pembuatan alat pencatat cuaca yang efisien, akurat, dan inovatif untuk merespon perubahan cuaca. Alat ini tidak hanya memberikan data yang lebih akurat tetapi juga membantu membuat keputusan yang cerdas tentang manajemen perkebunan.Penelitian ini memberikan gambaran yang jelas tentang teknologi pencatat cuaca yang canggih, sehingga diharapkan dapat mendorong pengembangan teknologi serupa di sektor pertanian lainnya. Penelitian ini memberikan kontribusi penting terhadap ketahanan perkebunan mangga terhadap perubahan iklim global. Hasilnya, diharapkan bahwa alat pencatat cuaca canggih ini akan meningkatkan kualitas dan efisiensi produksi mangga dan menawarkan solusi pintar untuk mengatasi tantangan pertanian yang disebabkan oleh perubahan iklim.
Optimized YOLOv8 Model for Accurate Detection and Quantificationof Mango Flowers Mardiana, Ardi; Bastian, Ade; Tarsono, Ano; Susandi, Dony; Safari Yonasi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 24 No. 3 (2025)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v24i3.4614

Abstract

Mangoes are widely cultivated and hold significant economic value worldwide. However, challenges in mango cultivation, such as inconsistent flowering patterns and manual yield estimation, hinder optimal agricultural productivity. This study addresses these issues by leveraging the You Only Look Once (YOLO) version 8 object detection technique to automatically recognize and quantify mango flowers using image processing. This research aims to develop an automated method for detecting and estimating mango yields based on flower density, representing the early stage of the plant growth cycle. The methodology involves utilizing YOLOv8 object detection and image processing techniques. A dataset of mango tree images was collected and used to train a CNN-based YOLOv8 model, incorporating image augmentation and transfer learning to improve detection accuracy under varying lighting and environmental conditions. The results demonstrate the model’s effectiveness, achieving an average mAP score of 0.853, significantly improving accuracy and efficiency compared to traditional detection methods. The findings suggest that automating mango flower detection can enhance precision agriculture practices by reducing reliance on manual labor, improving yield prediction accuracy, and streamlining monitoring techniques. In conclusion, this study contributes to the advancement of precision agriculture through innovative approaches to flower detection and yield estimation at early growth stages. Future research directions include integrating multispectral imaging and drone-based monitoring systems to optimize model performance further and expand its applications in digital agriculture.
Co-Authors Ade Bastian Ardi Mardiana Dony Susandi Harun Sujadi Safari Yonasi Wahono, Syiffa Safiera