Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Triton Journal of Sustainable Agriculture Extension
Helmi Saputra
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Environmental Science Social Sciences Veterinary

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

Found 2 Documents
Search

 1 
Penyuluhan Pertanian: Pendekatan, Metode dan Dampaknya Terhadap Pembangunan Pertanian Dalam Mendukung Swasembada Pangan Ebit Eko Bachtiar; Triman Tapi; Helmi Saputra; Muhammad Eko Budicahyono; Esau Konyep
Journal of Sustainable Agriculture Extension Vol 3 No 1 (2025): Journal of Sustainable Agriculture Extension
Publisher : Politeknik Pembangunan Pertanian Manokwari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47687/josae.v3i1.1364

Abstract

Latar belakang: Penyuluhan pertanian memainkan peran krusial dalam meningkatkan kapasitas petani dan mendukung swasembada pangan melalui transfer pengetahuan, pemberdayaan, dan adopsi teknologi. Namun, tantangan seperti keterbatasan tenaga penyuluh kompeten, resistensi terhadap teknologi, dan infrastruktur yang kurang memadai menghambat efektivitasnya. Penelitian ini bertujuan menganalisis pendekatan, metode, dan dampak penyuluhan pertanian terhadap pembangunan pertanian dalam mendukung program swasembada pangan. Metode: Penelitian menggunakan metode literature review kualitatif dengan menganalisis jurnal ilmiah dari Scopus, Web of Science, dan Google Scholar (5 tahun terakhir). Kata kunci seperti "penyuluhan pertanian", "metode penyuluhan pertanian", "pembangunan pertanian", dan "swasembada pangan" digunakan untuk mengumpulkan data. Analisis konten diterapkan untuk mengidentifikasi tema terkait penyuluhan pertanian dengan pendekatan, metode, dan dampaknya dalam mendukung program swasembada pangan. Hasil: Pendekatan partisipatif meningkatkan keterlibatan petani dalam perencanaan dan evaluasi, sementara pendekatan digital mempercepat diseminasi teknologi melalui e-learning dan aplikasi berbasis AI. Kemitraan multipihak mendukung akses finansial dan inovasi. Metode seperti demonstrasi lapangan, sekolah lapang, dan kunjungan penyuluh terbukti meningkatkan produktivitas, efisiensi sumber daya, dan kesejahteraan petani. Namun, keberhasilan bergantung pada infrastruktur digital, kompetensi penyuluh, dan relevansi materi dengan kebutuhan. Kesimpulan: Kombinasi pendekatan partisipatif, digital, dan kemitraan efektif mendukung swasembada pangan. Untuk optimalisasi, diperlukan penguatan infrastruktur digital, pelatihan penyuluh, dan evaluasi berkala program. Sinergi antar-pemangku kepentingan dan diversifikasi metode penyuluhan menjadi kunci dalam mendukung program swasembada pangan. Kata kunci: penyuluhan pertanian, Pembangunan pertanian, swasembada pangan
Analisis Integrasi Algoritma YOLOv8 dan CNN terhadap Klasifikasi Kualitas Telur Ayam Ras Petelur di Kabupaten Manokwari Helmi Saputra; Christian Dwi Suhendra; Alex De Kweldju
JURNAL TRITON Vol 17 No 1 (2026): JURNAL TRITON (Issue in Progress)
Publisher : Politeknik Pembangunan Pertanian Manokwari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47687/jt.v17i1.1912

Abstract

Penilaian mutu telur ayam petelur umumnya masih dilakukan secara manual sehingga rentan terhadap subjektivitas dan ketidakkonsistenan hasil, sementara kebutuhan akan proses grading yang cepat dan akurat semakin meningkat. Penelitian ini dilakukan untuk mengembangkan model klasifikasi mutu telur berbasis warna dan bentuk kerabang dengan memanfaatkan algoritma YOLOv8 dan Convolutional Neural Network (CNN). Data dikumpulkan dari peternak lokal di Kabupaten Manokwari menggunakan metode Stratified Random Sampling dan menghasilkan 957 citra telur yang diberi label berdasarkan pedoman SNI 3926:2023. Proses preprocessing meliputi penyesuaian ukuran citra menjadi 640×640 piksel, normalisasi, serta augmentasi variasi pencahayaan dan sudut. YOLOv8 digunakan untuk mendeteksi posisi telur, sementara EfficientNet-B0 sebagai CNN digunakan untuk klasifikasi tiga tingkat mutu telur. Hasil penelitian menunjukkan bahwa YOLOv8 mampu mendeteksi objek dengan performa sangat baik dengan nilai mAP@0.5 sebesar 0.980, precision 0.97, dan recall 0.95, sedangkan model CNN mencapai akurasi validasi 91.9% dengan performa stabil pada seluruh kelas. Integrasi kedua model menghasilkan sistem yang mampu bekerja secara real-time dengan kecepatan 20–35 FPS dan dapat menghitung jumlah telur per grade secara otomatis. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kombinasi YOLOv8 dan CNN mampu memberikan solusi yang cukup akurat untuk proses grading telur ayam petelur serta berpotensi diterapkan pada sistem sortasi pascapanen skala produksi.
Co-Authors Alex De Kweldju Christian Dwi Suhendra Ebit Eko Bachtiar Esau Konyep Muhammad Eko Budicahyono Tapi, Triman