Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JMM (Jurnal Masyarakat Mandiri) Jurnal Kolaboratif Sains
Hary Kurniawan
Teknik Pertanian, Universitas Mataram
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Other

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

Found 2 Documents
Search

 1 
IMPLEMENTASI SMART FRESHNESS LABEL BERBASIS BROMOFENOL BIRU DAN METIL MERAH UNTUK PREDIKSI KEMATANGAN PISANG AMBON LUMUT SECARA NON-DESTRUKTIF Ince Siti Wardatullatifah S.; Hanifah Ayu; Hary Kurniawan; Surya Abdul Muttalib; Wiwin Apriyandita; Ansar Ansar; Sukmawaty Sukmawaty; Murad Murad; Rahmat Sabani; Rabiatul Adwiah
JMM (Jurnal Masyarakat Mandiri) Vol 10, No 2 (2026): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v10i2.37603

Abstract

Abstrak: Pengabdian kepada masyarakat ini bertujuan untuk mengenalkan dan mengimplementasikan smart freshness label berbasis bromofenol biru dan metil merah sebagai indikator non-destruktif dalam memprediksi tingkat kematangan pisang ambon lumut. Varietas pisang ini memiliki karakteristik unik karena warna kulitnya tetap hijau saat matang, sehingga penentuan tingkat kematangan sering dilakukan dengan menekan buah dan berpotensi menyebabkan memar serta menurunkan mutu dan nilai jual. Kegiatan dilaksanakan melalui penyuluhan, demonstrasi teknologi, dan pelatihan teknis kepada 23 peserta yang terdiri dari petani dan pedagang produk pisang lokal. Evaluasi kegiatan dilakukan menggunakan kuesioner dan observasi praktik penggunaan label indikator. Uji coba terhadap 80 prototipe label menunjukkan teknologi ini mudah diaplikasikan dalam proses penyimpanan dan distribusi buah. Hasil evaluasi menunjukkan 92% peserta menyatakan label membantu menentukan waktu panen atau penjualan, 84% menilai label mudah digunakan, dan 56% menyatakan bersedia menggunakannya secara berkelanjutan. Kegiatan ini meningkatkan pemahaman masyarakat terhadap teknologi indikator kesegaran serta mendukung penerapan teknologi pascapanen secara non-destruktif.Abstract: his community engagement program aims to introduce and implement a smart freshness label based on bromophenol blue and methyl red as a non-destructive indicator for predicting the ripeness level of Ambon Lumut bananas. This banana variety possesses a unique characteristic in which the peel remains green even at the ripe stage, leading consumers and traders to determine ripeness by pressing the fruit, a practice that may cause bruising and reduce product quality and market value. The activity was carried out through outreach sessions, technology demonstrations, and technical training involving 23 participants consisting of farmers and local banana traders. The program evaluation was conducted using questionnaires and direct observation of participants’ practices in applying the indicator labels. Field trials involving 80 prototype labels demonstrated that the technology is easy to apply during fruit storage and distribution processes. Evaluation results indicated that 92% of participants reported that the label helped determine the appropriate harvesting or selling time, 84% considered the label easy to use, and 56% expressed willingness to adopt the technology continuously. Overall, the program enhanced community understanding of freshness indicator technology and supported the adoption of non-destructive postharvest practices.
Analisis Lightweight YOLO Pada Deteksi Kesegaran Mangga Berbasis Deep Learning Miraj Fuadi; Yuhendra AP; Hary Kurniawan; Agriananta Fahmi Hidayat
Jurnal Kolaboratif Sains Vol. 9 No. 10 (2026): In Progress
Publisher : Universitas Muhammadiyah Palu

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Buah mangga merupakan komoditas hortikultura tropis bernilai ekonomi tinggi, namun kualitasnya dapat menurun akibat tercampurnya buah segar dan buah busuk selama proses distribusi dan pemasaran. Proses sortasi yang masih dilakukan secara manual berpotensi menimbulkan kesalahan karena dipengaruhi subjektivitas, kelelahan, dan keterbatasan manusia. Penelitian ini bertujuan untuk menganalisis performa beberapa model lightweight YOLO dalam mendeteksi mangga segar dan mangga busuk berbasis deep learning. Model yang digunakan meliputi YOLOv5n, YOLOv8n, dan YOLOv11n. Dataset diperoleh dari platform Kaggle yang terdiri atas dua kelas objek, yaitu mangga segar sebanyak 1.813 gambar dan mangga busuk sebanyak 2.247 gambar. Penelitian dilakukan menggunakan metode eksperimen komparatif melalui tahapan preprocessing, augmentasi data, pembagian dataset menggunakan stratified split dengan rasio 80% data training, 10% validation, dan 10% testing, serta pelatihan model selama 100 epoch menggunakan GPU NVIDIA A100 pada Google Colab. Evaluasi performa dilakukan menggunakan precision, recall, F1-Score, mAP@50, dan mAP@50:95. Hasil penelitian menunjukkan bahwa ketiga model menghasilkan performa deteksi yang sangat baik dengan nilai evaluasi di atas 0,95. YOLOv5n memperoleh precision tertinggi sebesar 0,955, recall tertinggi sebesar 0,966, dan F1-Score tertinggi sebesar 0,960. Sementara itu, YOLOv11n memperoleh nilai mAP@50 tertinggi sebesar 0,987 dan mAP@50:95 tertinggi sebesar 0,959, serta memiliki nilai GFLOPs paling rendah sebesar 6,3. Berdasarkan hasil tersebut, YOLOv11n direkomendasikan sebagai model terbaik karena memiliki kemampuan lokalisasi objek yang lebih baik dan efisiensi komputasi yang lebih tinggi untuk penerapan real-time. Penelitian ini menunjukkan bahwa model lightweight YOLO berpotensi diterapkan pada sistem sortasi otomatis buah mangga berbasis computer vision.
Co-Authors Agriananta Fahmi Hidayat Ansar Ansar Hanifah Ayu Ince Siti Wardatullatifah S. Miraj Fuadi Murad Murad Rabiatul Adwiah Rahmat Sabani Sukmawaty Sukmawaty Surya Abdul Muttalib, Surya Abdul Wiwin Apriyandita Yuhendra AP