cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tety Elida
Contact Email
tety@staff.gunadarma.ac.id
Phone
+62823311136669
Journal Mail Official
jpp@gunadarma.ac.id
Editorial Address
Jalan Margonda Raya 100, Depok 16424, Jawa Barat
Location
Kota depok,
Jawa barat
INDONESIA
JURNAL PERTANIAN PRESISI (JOURNAL OF PRECISION AGRICULTURE)
Published by Universitas Gunadarma
ISSN : 25976087     EISSN : 26864703     DOI : http://dx.doi.org/10.35760/jpp
Core Subject : Agriculture,
Agriculture, Biological Sciences & Forestry
Jurnal Pertanian Presisi (JPP) merupakan media untuk publikasi tulisan asli dalam Bahasa Indonesia yang berkaitan dengan informasi dan teknologi yang berkaitan dengan pertanian presisi pada flora, baik dalam kajian teknik budidaya tanaman (pembenihan sampai pascapanen), fisiologi tanaman, serta terapan teknologi informasi dan komputer dalam pertanian.
Arjuna Subject : Ilmu Pertanian dan Biologi (Semua) - Agronomi dan Ilmu Tanaman
Articles 12 Documents
 1   2 
Search results for , issue "vol. 10 no. 1 (2026)" : 12 Documents clear
SPATIAL INTERPOLATION MENGGUNAKAN GEOGRAPHIC INFORMATION SYSTEM UNTUK PEMETAAN SEBARAN HAMA JAGUNG DI KECAMATAN BANYURESMI, GARUT Tasya Nazwa Diniah; Ade Riska Nuraeni; Moch Shakti Dwi Putra; Muhammad Rafly Mahendra; Ardli Swardana
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.99

Abstract

Jagung (Zea mays L.) adalah salah satu bahan pertanian utama yang digunakan sebagai makanan dan memainkan peran strategis dalam sistem pertanian dari berbagai daerah. Sebagai sumber utama makanan beras, produksi jagung sering terhambat oleh serangan hama, yang secara signifikan dapat mengurangi produktivitas. Salah satu hama utama yang menyerang tanaman jagung adalah Spodoptera exigua dan Spodoptera frugiperda, yang menyebabkan kerusakan serius pada daun dan bagian lain dari tanaman. Tujuan dari penelitian ini adalah untuk mengidentifikasi distribusi Spodoptera exigua dan Spodoptera frugiperda di Banyuresmi. Studi ini dilakukan di semua lahan pertanian jagung di Banyuresmi Mei hingga Juni 2025. Metode pengumpulan data menggunakan survey lapangan, sementara analisis data dilakukan oleh teknik interpolasi spasial berdasarkan Sistem Informasi Geografis. Hasil penelitian menunjukkan bahwa hama Spodoptera exigua ditemukan menyerang 33,25% area pertanaman, sedangkan Spodoptera frugiperda menyerang 36,15% area pertanaman. Tingkat serangan kedua hama masih diklasifikasikan sebagai cahaya, dan dapat dilihat oleh petani dengan metode pengendalian hama yang membingungkan.
RESPON PERTUMBUHAN DAN PRODUKSI TANAMAN BUNGA TELANG (Clitoria ternatea L.) TERHADAP PEMBERIAN PUPUK NPK DAN MKP Fairuuz Athaayaa Jinaan; Ummu Kalsum; Inti Mulyo Arti
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.107

Abstract

Tanaman telang merupakan tanaman legum yang dimanfaatkan sebagai tanaman hias maupun obat. Meningkatnya permintaan masyarakat terhadap bunga telang perlu diimbangi dengan peningkatkan produksi melalui pemupukan NPK dan Mono Kalium Phosphate (MKP). Penelitian ini bertujuan untuk menganalisis respon pertumbuhan dan produksi tanaman bunga telang terhadap pemberian pupuk NPK dan MKP serta menentukan perlakuan terbaik untuk meningkatkan hasil bunga telang. Penelitian ini menggunakan Rancangan Kelompok Lengkap Teracak (RKLT) non-faktor dengan 7 taraf perlakuan dan 4 ulangan sehingga terdapat 28 satuan percobaan yang masing-masingnya memiliki 4 sampel dengan total keseluruhan 112 tanaman. Taraf perlakuan meliputi kontrol (pupuk kandang), pupuk NPK 12 g/tanaman, pupuk NPK 15 g/tanaman, pupuk NPK 12 g/tanaman+MKP 7 g/L, pupuk NPK 12 g/tanaman+MKP 9 g/L, pupuk NPK 15 g/tanaman+MKP 7 g/L serta pupuk NPK 15 g/tanaman+MKP 9 g/L. Hasil penelitian menunjukkan bahwa perlakuan pemupukan berpengaruh nyata terhadap frekuensi panen (kali), bobot per bunga (g), bobot akar kering (g) dan nisbah tajuk akar (%). Perlakuan terbaik yakni perlakuan NPK 12 g/tanaman+MKP 9 g/L dan kontrol yang berturut-turut meningkatkan bobot per bunga (0.28 dan 0.27 g) dan frekuensi pemanenan (16.94 dan 20.75 kali).
SIMULASI SISTEM MONITORING LENGAS TANAH BERBASIS ADC DAN KENDALI IRIGASI OTOMATIS MENGGUNAKAN METODE HYSTERESIS UNTUK APLIKASI PERTANIAN PRESISI Ardan Wiratmoko; Andri Prima Nugroho; Murtiningrum; Gigieh Henggar Jaya; Saifuddin Afif; Mukhes Sri Muna; Agapetalia Indriyawati; Lilik Sutiarso
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.259

Abstract

Penelitian ini bertujuan mensimulasikan sistem monitoring lengas tanah berbasis Analog to Digital Converter (ADC) dan kendali irigasi otomatis menggunakan metode hysteresis untuk aplikasi pertanian presisi. Model simulasi dikembangkan secara komputasional menggunakan Python dengan merepresentasikan alur akuisisi sinyal sensor, penambahan noise, pengondisian sinyal menggunakan filter RC low-pass, konversi analog-ke-digital, estimasi Volumetric Water Content (VWC), serta keputusan aktuasi pompa. Sensor lengas tanah dimodelkan menghasilkan tegangan 0,50–2,50 V yang merepresentasikan 0–60% VWC. Hasil simulasi menunjukkan bahwa ADC 12 bit dengan tegangan referensi 3,30 V menghasilkan resolusi 0,8059 mV/count dan estimasi resolusi lengas tanah sebesar 0,0242% VWC/count. Frekuensi sampling 20,00 Hz memenuhi kriteria Nyquist, sedangkan filter RC mampu menurunkan RMSE dari 197,06 mV menjadi 68,18 mV. Kendali hysteresis dengan ambang ON pada VWC<25% dan OFF pada VWC>38% menghasilkan respons pompa yang stabil dengan duty cycle 15,28% selama simulasi 72 jam. Simulasi ini menunjukkan bahwa integrasi ADC, pengondisian sinyal, dan hysteresis berpotensi menjadi dasar pengembangan sistem irigasi presisi berbasis monitoring lengas tanah.
APLIKASI BIOCHAR SEKAM PADI DAN KOMPOS KOTORAN AYAM PADA BIBIT KOPI LIBERIKA PADA MEDIA TANAH BEKAS TAMBANG Sarwendah Ratnawati Hermanto; Yuniarsih; Beny Setiawan; Sopiana; Nurhayati; Siti Wulandari
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.109

Abstract

Kopi merupakan salah satu komoditas perkebunan yang berperan penting dalam menghasilkan devisa negara. Kopi Liberika memiliki beberapa keunggulan, salah satunya memiliki sistem perakaran yang lebih dalam sehingga lebih adaptif di berbagai kondisi lahan. Lahan pasca tambang merupakan sumber daya potensial yang apabila dimanfaatkan secara tepat dan optimal dapat memberikan manfaat besar. Salah satu cara perbaikan kualitas lahan tersebut adalah dengan pemanfaatan bahan organik. Tujuan penelitian adalah untuk mengetahui pengaruh, dosis terbaik dan interaksi antara biochar sekam padi dan kompos kotoran ayam pada bibit kopi Liberika pada media tanah bekas tambang emas. Rancangan penelitian yang digunakan Rancangan Acak Lengkap (RAL) faktorial dengan dua faktor, yaitu dosis biochar sekam padi B (0, 300 dan 400 g /polybag) dan dosis kompos kotoran ayam K (0, 300 dan 400 g/polybag). Terdapat 9 kombinasi perlakuan dengan 3 ulangan sehingga total 27 satuan percobaan. Parameter yang diamati meliputi tinggi tanaman, diameter batang, jumlah daun, bobot  basah, dan bobotkering tanaman. Hasil penelitian menunjukkan bahwa aplikasi biochar sekam padi dan kompos kotoran ayam berpengaruh nyata terhadap seluruh parameter pertumbuhan bibit kopi Liberika. Perlakuan terbaik diperoleh pada kombinasi 400 g/polybag biochar sekam padi dan 400 g/polybag kompos kotoran ayam.
ANALISIS HUBUNGAN NILAI SPAD DAN INDEKS VEGETASI BERBASIS CITRA MULTISPEKTRAL UNMANNED AERIAL VEHICLE VERTICAL TAKE-OFF AND LANDING (UAV-VTOL) PADA TANAMAN PEPAYA Mutiara Alifia Ramadhanty; Ardan Wiratmoko; Fahmi Arsyad; Andri Prima Nugroho; Lilik Sutiarso; Takashi Okayasu
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.261

Abstract

Monitoring kandungan klorofil daun tanaman secara spasial penting dalam pertanian presisi, namun pengukuran konvensional memiliki keterbatasan cakupan dan efisiensi. Penelitian ini bertujuan menganalisis hubungan nilai SPAD dengan tiga indeks vegetasi berbasis citra multispectral (NDVI, GNDVI, NDRE) pada tanaman pepaya (Carica papaya L.) varietas California. Data diperoleh dari citra multispectral UAV dan pengukuran SPAD pada 95 titik sampel di kebun pepaya komersial di Sleman, Yogyakarta. Analisis meliputi evaluasi distribusi data, korelasi Pearson dan Spearman, regresi linear sederhana, serta sensitivitas berdasarkan kemiringan regresi. Hasil menunjukkan nilai SPAD memiliki rentang 18.46–77.78, mencerminkan variabilitas kandungan klorofil tanaman di area penelitian. NDVI mengalami saturasi pada nilai tinggi (skewness = −1.35), sedangkan GNDVI dan NDRE memiliki distribusi lebih normal. Analisis korelasi menunjukkan NDRE memiliki hubungan paling kuat dengan SPAD (r = 0.73; R² = 0.54), diikuti GNDVI (r = 0.72; R² = 0.52) dan NDVI (r = 0.54; R² = 0.29). NDRE juga menghasilkan nilai error prediksi terendah (MAE = 6.42; RMSE = 8.15). Temuan ini menunjukkan bahwa NDRE merupakan indeks vegetasi paling optimal untuk monitoring klorofil tanaman pepaya berbasis citra multispectral UAV, sehingga berpotensi mendukung pengembangan sistem pemantauan nutrisi tanaman dalam kerangka pertanian presisi.
COMPARATIVE PERFORMANCE AND GENERALIZATION ANALYSIS OF MOBILENETV1 AND MOBILENETV2 FOR RHIZOME SPICE CLASSIFICATION Najmah Femalea; Guntur Eka Saputra; Delianti; Hilmi A&#039;ini Nurthoyibah
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.262

Abstract

Indonesia's rich biodiversity includes rhizome spices that are often difficult to distinguish manually due to their similar visual characteristics. This study developed and compared MobileNetV1 and MobileNetV2 for classifying four rhizome spice classes, namely ginger, turmeric, galangal, and aromatic ginger, using a dataset of 1,120 images. MobileNetV1 achieved a training accuracy of 0.9611 at a learning rate of 0.001 in 1,522.65 seconds, whereas MobileNetV2 achieved a higher training accuracy of 0.9823 at a learning rate of 0.0002 in 1,444.20 seconds. While MobileNetV2 demonstrated superior classification performance and faster convergence, MobileNetV1 demonstrated stronger generalization capability, indicated by a smaller train-validation accuracy gap (1.21% vs. 1.80%) and more stable validation performance. Both no-dropout models achieved an accuracy, precision, recall, and F1-score of 0.9642 on the 112-image test set. The two best-performing models were deployed in a Streamlit-based web application. The results demonstrate that MobileNetV2 is preferable when maximizing predictive performance, whereas MobileNetV1 offers greater robustness for relatively small datasets. This study contributes to the development of practical AI-based tools for agricultural and spice-identification applications.
PENGARUH PEMBERIAN KOMPOS TKKS DAN PGPR TERHADAP PERTUMBUHAN DAN HASIL MELON PADA TANAH PMK Sesilia Ika Sandriani; Fadjar Rianto; Basuni
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.271

Abstract

Tujuan dari penelitian ini adalah untuk mempelajari bagaimana pemberian kompos tandan kelapa sawit kosong (TKKS) Plant Growth Promoting Rhizobacteria (PGPR) berdampak pada pertumbuhan dan produksi tanaman melon pada tanah Podsolik Merah Kuning (PMK). Kegiatan penelitian dilaksanakan di Kecamatan Sintang, Kabupaten Sintang, Kalimantan Barat, pada bulan September sampai Desember 2025. Penelitian disusun menggunakan Rancangan Acak Lengkap (RAL) faktorial dengan dua faktor, yaitu dosis kompos TKKS (10, 20, dan 30 ton ha⁻¹) dan jenis PGPR (tanpa PGPR, PGPR kemasan, serta PGPR dari akar bambu), dengan masing-masing perlakuan diulang tiga kali. Variabel yang diamati meliputi jumlah daun, bobot buah, diameter buah, ketebalan daging buah, tingkat kemanisan buah, bobot kering tanaman, serta serapan hara fosfor (P). Hasil penelitian menunjukkan adanya interaksi antara kompos TKKS dan PGPR terhadap serapan hara P. Pemberian kompos TKKS berpengaruh nyata terhadap jumlah daun, bobot buah, diameter buah, ketebalan daging buah, dan bobot kering tanaman, dengan dosis optimum 30 ton ha⁻¹. Sementara itu, perlakuan PGPR memberikan pengaruh nyata terhadap pertumbuhan vegetatif, beberapa komponen hasil, serta serapan hara fosfor (P), terutama pada PGPR akar bambu. Secara keseluruhan, aplikasi kompos TKKS dan PGPR secara terpisah mampu meningkatkan pertumbuhan dan hasil tanaman melon pada tanah PMK.Top of Form
PERANCANGAN DAN EVALUASI KINERJA SISTEM PENYIRAMAN TANAMAN OTOMATIS BERBASIS IOT DENGAN INTEGRASI MULTI-SENSOR DAN KONTROL DUA MODE Yehezkiel Alfa Rizky; Antonius Angga Kurniawan; Mutiara Romana Kusuma
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.202

Abstract

Keterbatasan waktu dalam perawatan tanaman sering menyebabkan penyiraman yang tidak optimal karena sistem konvensional bergantung pada jadwal tetap atau pemantauan manual yang kurang adaptif. Sebagian besar penelitian penyiraman berbasis Internet of Things (IoT) terdahulu masih menggunakan kontrol sederhana tanpa evaluasi performa yang memadai. Penelitian ini bertujuan merancang dan mengimplementasikan sistem penyiraman tanaman otomatis berbasis IoT dengan integrasi multi-sensor yang mampu melakukan pemantauan dan pengendalian secara real-time. Sistem dikembangkan menggunakan mikrokontroler NodeMCU ESP8266 yang terintegrasi dengan sensor kelembapan tanah, sensor suhu tanah DS18B20, dan sensor kelembapan udara DHT11, serta aplikasi Blynk sebagai antarmuka pengguna. Sistem mendukung dua mode operasional, yaitu mode otomatis berbasis parameter lingkungan dan mode manual melalui kendali jarak jauh. Hasil pengujian menunjukkan bahwa sistem mampu beroperasi secara fungsional dengan tingkat respons yang stabil dalam skenario pengujian. Evaluasi sensor menunjukkan bahwa DS18B20 memiliki rata-rata error sebesar 5,08%, sedangkan DHT11 sebesar 16,67%. Meskipun terdapat deviasi pada sensor kelembapan udara, sistem tetap dapat menjalankan logika kontrol dengan baik karena keputusan utama didasarkan pada kelembapan tanah. Kontribusi utama penelitian ini terletak pada integrasi multi-sensor dalam sistem penyiraman berbasis IoT dengan dual-mode control serta evaluasi performa awal terhadap akurasi sensor dan respons sistem. Hasil penelitian ini menunjukkan potensi pengembangan lebih lanjut menuju sistem irigasi cerdas yang lebih adaptif dan efisien.
DETEKSI DAN PERHITUNGAN JUMLAH POHON SAWIT SECARA OTOMATIS PADA REMOTE SENSING IMAGERY MENGGUNAKAN ALGORITMA YOLOV11n Risnawati Risnawati; Ummu Kalsum; Edi Minaji Pribadi; Ahmad Yozar Perkasa; Adinda Nurul Huda Manurung
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.230

Abstract

Sawit merupakan komoditi industri penghasil minyak yang saat ini dibudidayakan dalam skala areal perkebunan yang luas. Tanaman sawit skala luas butuh teknologi agar bisa berkelanjutan dan menghasilkan capaian produksi yang maksimal. Pemantauan terhadap tanaman sawit perlu dilakukan seperti untuk menentukan jumlah pohon sawit pada areal yang luas dibutuhkan guna memprediksi kebutuhan pupuk dan pestisida yang diperlukan serta bisa mengetahui jumlah tanaman sawit yang masih tumbuh dan berproduksi. Tujuan penelitian ini adalah optimasi hyperparameter arsitektur model YOLOv11n untuk mendeteksi tanaman pohon sawit dan menghitung jumlah pohon sawit pada citra hasil remote sensing. Deteksi pohon sawit menggunakan model YOLOv11n menghasilkan nilai presisi, recall, mAP50 dan mAP50-90 masing-masing sebesar 92.3%, 96.8%, 97.3% dan 62.4%. Perhitungan pohon sawit secara otomatis pada dataset citra remote sensing menggunakan perangkat QGIS diperoleh sebesar 3867 pohon sawit. Hasil perhitungan pohon sawit tersebut membuktikan bahwa YOLOv11n mampu mendeteksi sekaligus mampu menghitung jumlah pohon sawit yang terdapat pada luasan area dalam citra spasial pohon sawit hasil akuisisi dari remote sensing.
SISTEM KLASIFIKASI KESEHATAN PEPAYA (Carica Papaya L.) MENGGUNAKAN YOLO11x BERBASIS UNMANNED AERIAL VEHICLE VERTICAL TAKE-OFF LANDING Fahmi Arsyad; Ardan Wiratmoko; Mutiara Alifia Ramadhanty; Andri Prima Nugroho; Lilik Sutiarso; Takashi Okayasu
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol. 10 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2026.v10i1.260

Abstract

Klasifikasi kesehatan tanaman pepaya (Carica papaya L.) merupakan aspek penting dalam mendukung pertanian presisi karena informasi tersebut dapat dimanfaatkan untuk pemantauan kondisi tanaman, estimasi produktivitas, serta pengambilan keputusan manajemen kebun secara tepat. Metode konvensional yang mengandalkan observasi visual masih sering digunakan, tetapi kurang efisien pada skala luas dan berpotensi menimbulkan subjektivitas. Penelitian ini mengembangkan sistem klasifikasi kesehatan tanaman berbasis computer vision menggunakan algoritma deep learning YOLOv11 yang dilatih dari citra udara beresolusi tinggi hasil akuisisi UAV VTOL. Tahapan penelitian meliputi pengambilan data citra, pembuatan orthomosaic, segmentasi area of interest, tiling, anotasi ke dalam tiga kelas kesehatan yaitu Normal, Moderate, dan Abnormal, serta augmentasi hingga diperoleh 541 citra. Model dilatih selama 100 epoch dengan ukuran citra 1024 × 1024 piksel dan dievaluasi menggunakan precision, recall, F1-score, serta mean Average Precision. Hasil evaluasi menunjukkan bahwa model mencapai precision 0,801, recall 0,821, F1-score 0,811, dan mAP50 0,854 yang mengindikasikan kinerja yang baik. Meskipun demikian, kelas Moderate masih menjadi keterbatasan karena kemiripan karakteristik visual dengan kelas lainnya. Sistem ini mampu menghasilkan visualisasi distribusi spasial kesehatan tanaman yang informatif untuk mendukung implementasi pertanian presisi.

Page 1 of 2 | Total Record : 12

 1   2 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 10 No. 1 (2026) Vol. 9 No. 2 (2025) Vol 9, No 1 (2025) Vol 8, No 2 (2024) Vol 8, No 1 (2024) Vol 7, No 2 (2023): Jurnal Pertanian Presisi Vol 7, No 1 (2023): Jurnal Pertanian Presisi Vol 6, No 2 (2022): Jurnal Pertanian Presisi Vol 6, No 1 (2022): Jurnal Pertanian Presisi Vol 5, No 2 (2021): Jurnal Pertanian Presisi Vol 5, No 1 (2021): Jurnal Pertanian Presisi Vol 4, No 2 (2020): Jurnal Pertanian Presisi Vol 4, No 1 (2020): Jurnal Pertanian Presisi Vol 3, No 2 (2019): Jurnal Pertanian Presisi Vol 3, No 1 (2019): Jurnal Pertanian Presisi Vol 2, No 2 (2018): Jurnal Pertanian Presisi Vol 2, No 1 (2018): Jurnal Pertanian Presisi Vol 1, No 1 (2017): Jurnal Pertanian Presisi Volume 1, Nomor 1, 2017 More Issue