Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal BETA (Biosistem dan Teknik Pertanian) Plumula : Berkala Ilmiah Agroteknologi
Syahputra, Wahyu Nurkholis Hadi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Energy Immunology & microbiology Materials Science & Nanotechnology

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Deteksi Residu Insektisida Profenofos pada Cabai Merah (Capsium annum L.) melalui Augmentasi Citra dan CNN (Convolutional Neural Network) Maulida, Zulfa Hana; Budisanjaya, I Putu; Utama, I Made Supartha; Chaicana, Chatchawan; Syahputra, Wahyu Nurkholis Hadi
Jurnal BETA (Biosistem dan Teknik Pertanian) Vol 12 No 2 (2024): September
Publisher : Program Studi Teknik Pertanian dan Biosistem, Fakultas Teknologi Pertanian, Universitas Udayana, Badung, Bali, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JBETA.2024.v12.i02.p11

Abstract

Abstrak Penggunaan insektisida dalam pertanian meningkat pesat namun juga menghadapi tantangan terkait dampak negatifnya terhadap kesehatan manusia dan lingkungan. Salah satu insektisida yang umum digunakan adalah profenofos. Profenofos sering digunakan petani untuk mengendalikan hama pada tanaman cabai merah di Indonesia. Oleh karena itu, deteksi residu insektisida profenofos pada cabai penting untuk memastikan keamanan konsumsi cabai. Penelitian ini bertujuan untuk mengembangkan metode baru dalam mendeteksi residu insektisida profenofos pada cabai merah (Capsicum Annum L.) melalui augmentasi citra dan CNN (Convolutional Neural Network). Dalam penelitian ini, dilakukan penyiapan larutan insektisida, pengambilan citra cabai, pengujian dengan GC (Gas Chromatography) Agilent 6890N, pra-pemrosesan citra, dan implementasi pemodelan CNN. Dilakukan penyemprotan pada 15 cabai dengan konsentrasi 0 dan 10 mg/l, diikuti pengambilan citra menggunakan smartphone sehingga terdapat 30 citra. Selanjutnya, setiap citra diaugmentasi sebanyak 50 kali, menghasilkan total 1530 citra. Proses ini melibatkan rotasi, pergeseran, zoom, serta horizontal dan vertical flipping. Model CNN yang terdiri dari convolution layer dan fully connected dilatih dengan optimizer Adam, loss function categorical crossentropy, learning rate 0,0001, dan dilakukan pelatihan sebanyak 20 epoch. Hasil analisis menunjukkan bahwa model mencapai akurasi sebesar 85% dengan nilai precision, recall, dan F1-score masing-masing adalah 0,86; 0,85; dan 0,84. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode augmentasi citra dan CNN telah berhasil mendeteksi residu insektisida profenofos pada cabai merah dengan konsentrasi 0 dan 10 mg/l. Abstract The use of insecticide in agriculture is rapidly increasing but also faces challenges related to their negative impacts on human health and the environment. One commonly used insecticide is profenofos. Farmers frequently use Profenofos to control pests on red chili plants in Indonesia. Therefore, detecting profenofos insecticide residue on chili is crucial to ensure the safety of chili consumption. This study aims to develop a new method for detecting profenofos insecticide residues on red chilies (Capsicum Annum L.) through image augmentation and CNN (Convolutional Neural Network). In this study, insecticide solution preparation, chili image acquisition, testing with GC (Gas Chromatography) Agilent 6890, image preprocessing, and CNN model implementation were conducted. Insecticide solution spraying was conducted on 15 chilies with concentrations of 0 and 10 mg/l, followed by smartphone image acquisition, resulting in 30 images. Subsequently, each image was augmented 50 times, resulting in 1530 images. This process involves rotation, shifting, zoom, and horizontal and vertical flipping. The CNN model, consisting of convolution layers and fully connected layers, was trained with the Adam optimizer, categorical cross-entropy loss function, the learning rate of 0,0001, and trained for 20 epochs. The analysis results indicate that the model achieved an accuracy of 85% with precision, recall, and F1-score values of 0,86, 0,85, and 0,84, respectively. Based on these results, it can be concluded that the image augmentation and CNN method successfully detected profenofos insecticide residues on red chilies at concentrations of 0 and 10 mg/l.
Komparasi Metode Estimasi Evapotranspirasi Berbasis Cropwat dan Python (Studi Kasus: Chiang Mai, Thailand) Syahputra, Wahyu Nurkholis Hadi; Lazuardi, Adam Dika; Wijayanto, Yagus; Tanzil, Ahmad Ilham
Plumula : Berkala Ilmiah Agroteknologi Vol. 13 No. 2: Juli 2025 (In Press)
Publisher : Program Studi Agroteknologi, Fakultas Pertanian, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/plumula.v13i2.250

Abstract

Evapotranspirasi (ET) merupakan komponen penting dalam siklus hidrologi yang menggambarkan jumlah air yang menguap dari permukaan tanah, air, dan vegetasi akibat faktor iklim dan fisiologis tanaman. Estimasi laju ET sangat penting dalam pengelolaan kebutuhan air tanaman, terutama padi yang memerlukan air dua hingga tiga kali lebih banyak dibandingkan tanaman pangan lainnya. Berbagai perangkat lunak telah dikembangkan untuk mengestimasi ET, namun sebagian memiliki keterbatasan fitur dan akses, terutama karena bersifat berbayar. Saat ini, Python sebagai bahasa pemrograman yang banyak digunakan di berbagai sektor, termasuk pertanian, telah menghadirkan modul Pyet untuk estimasi ET. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan hasil estimasi ET antara perangkat lunak Cropwat 8.0 dan modul Pyet Python dengan menggunakan data iklim harian tahun 2021 di Provinsi Chiang Mai, Thailand, dengan komoditas padi sebagai objek studi. Hasil menunjukkan bahwa modul Pyet memiliki potensi sebagai algoritma estimasi ET dengan korelasi tinggi terhadap hasil Cropwat (R² = 0,981), sehingga dapat diandalkan dalam analisis kebutuhan irigasi dan manajemen air pertanian.
Respon Pertumbuhan dan Produktivitas Tanaman Kedelai (Glycine max L.) Varietas Dering 1 terhadap Pemberian Rhizobium Rachmandhika, Yusuf; Pusparani, Syafina; Syahputra, Wahyu Nurkholis Hadi
Plumula : Berkala Ilmiah Agroteknologi Vol. 13 No. 2: Juli 2025 (In Press)
Publisher : Program Studi Agroteknologi, Fakultas Pertanian, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/plumula.v13i2.251

Abstract

Kedelai (Glycine max L.) merupakan komoditas strategis penghasil protein nabati, namun produktivitasnya sering terhambat oleh defisiensi nitrogen. Penelitian ini bertujuan mengevaluasi pengaruh pemberian Rhizobium sp. terhadap pertumbuhan dan produktivitas kedelai varietas Dering. Percobaan menggunakan Rancangan Acak Kelompok Lengkap (RAKL) dengan tiga perlakuan dosis Rhizobium (0 mg, 5 mg, dan 10 mg per tanaman) dan lima ulangan. Hasil menunjukkan bahwa dosis 5 mg meningkatkan tinggi tanaman secara signifikan (81,28 cm), sedangkan dosis 10 mg meningkatkan jumlah daun (23,8 helai), cabang (2,8 cabang), dan polong (38 polong per tanaman). Analisis statistik (ANOVA pada taraf signifikansi 5%) mengonfirmasi perbedaan nyata antar perlakuan. Simbiosis Rhizobium-kedelai efektif mendukung fiksasi nitrogen dan mengurangi ketergantungan pada pupuk anorganik. Dosis 10 mg direkomendasikan untuk produktivitas optimal.
Co-Authors Ahmad Ilham Tanzil Alfarisy, Fariz Kustiawan Anantoro, Tri Budisanjaya, I Putu Chaicana, Chatchawan Hadi, Yusnan I MADE SUPARTHA UTAMA Lazuardi, Adam Dika Maulida, Zulfa Hana Puji Rahayu Pusparani, Syafina Rachmandhika, Yusuf Tri Wahyu Saputra Wildan Muhlison, Wildan Yagus Wijayanto Yulianto, Roni