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 148 Documents
 11   12   13   14   15 
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'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.
OPTIMASI PERTUMBUHAN VEGETATIF BIBIT Dendrobium lasianthera MELALUI APLIKASI PACLOBUTRAZOL PADA FASE AKLIMATISASI Aline Sisi Handini; Diny Dinarti; Putri Nur Arrufitasari; Oentari Prilaningrum Sutanto; Careca Sepdihan Rahmat Hidayatullah
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.v10i1.285

Abstract

Penelitian ini menggunakan rancangan acak lengkap dengan satu faktor: konsentrasi paclobutrazol. Lima tingkat konsentrasi paclobutrazol digunakan, yaitu 0, 5, 10, 15, dan 20 ppm, dengan lima ulangan untuk setiap perlakuan, menghasilkan 25 unit eksperimen. Setiap unit eksperimen berisi 10 planlet, dengan total tanaman 250 planlet Dendrobium lasianthera. Setiap unit eksperimen diamati pada lima planlet, sehingga total 125 planlet sebagai unit pengamatan. Hasil penelitian menunjukkan bahwa aplikasi paclobutrazol secara signifikan mengurangi lebar daun pada 6, 7, dan 8 minggu setelah perlakuan (MST). Perlakuan paclobutrazol mengurangi lebar daun, dengan lebar daun terkecil teramati pada konsentrasi 15 ppm, yaitu 0,56 cm pada 8 MST. Aplikasi paclobutrazol menunjukkan respons positif terhadap pertumbuhan bibit anggrek Dendrobium lasianthera. Reaksi positif terhadap aplikasi paclobutrazol ditunjukkan oleh munculnya akar lateral dan diameter sel palisade, serta tidak adanya penghambatan pada panjang daun. Efek positif ini diyakini membuat kondisi tanaman lebih vigor, sehingga meningkatkan potensi kelangsungan hidup dan pertumbuhan bibit anggrek Dendrobium lasianthera setelah aklimatisasi. Dalam pengamatan terhadap panjang daun, jumlah akar, panjang akar, diameter akar, kepadatan, dan diameter sel palisade bahwa aplikasi paclobutrazol tidak memiliki efek yang signifikan.
PENGARUH WAKTU PEMANGKASAN TERHADAP PERTUMBUHAN  DAN HASIL TIGA VARIETAS CABAI RAWIT (Capsicum frutescens L.) Aditiameri Aditiameri; Toto Suryanto; Reza Revanza
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.v10i1.324

Abstract

Cabai rawit merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi dan permintaan pasar yang tinggi. Upaya peningkatan produktivitas cabai rawit dapat dilakukan melalui penerapan teknik budidaya yang tepat, salah satunya pemangkasan, serta penggunaan varietas unggul. Penelitian ini bertujuan untuk mengetahui pengaruh waktu pemangkasan terhadap pertumbuhan dan produksi beberapa varietas cabai rawit serta mengetahui interaksi antara perlakuan pemangkasan dan varietas cabai rawit. Metode penelitian menggunakan Rancangan Acak Kelompok (RAK) faktorial dengan dua faktor. Faktor pertama adalah waktu pemangkasan, yaitu P0 (tanpa pemangkasan), P1 (pemangkasan 14 hari setelah tanam = hst), P2 (pemangkasan 21 hst), dan P3 (pemangkasan 28 hst). Faktor kedua yaitu varietas cabai rawit yang terdiri atas V1 (Ori 212), V2 (Absolut 69), dan V3 (Kaliber). Hasil penelitian menunjukkan bahwa perlakuan pemangkasan berpengaruh nyata terhadap jumlah daun, jumlah cabang, jumlah buah, dan bobot buah. Perlakuan pemangkasan pada 28 hst (P3) menghasilkan jumlah cabang, jumlah buah, dan bobot buah yang lebih baik dibandingkan perlakuan lainnya. Perlakuan varietas memberikan pengaruh nyata terhadap pertumbuhan dan hasil tanaman cabai rawit. Varietas Kaliber (V3) menunjukkan respons terbaik pada parameter jumlah daun, jumlah cabang, jumlah buah, dan bobot buah, sedangkan varietas Absolut 69 (V2) menghasilkan tanaman tertinggi. Tidak signifikannya interaksi antara perlakuan pemangkasan dan varietas terhadap respons pertumbuhan dan hasil cabai rawit.

Page 15 of 15 | Total Record : 148

 11   12   13   14   15 

Filter by Year

2017 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