Sobat smart-farmer, kali ini kita akan membahas mengenai aplikasi soft-computing dalam bidang pertanian yaitu “Model Jaringan Syaraf Tiruan untuk Memprediksi Parameter Kualitas Tomat Berdasarkan Parameter Warna RGB”. Artikel ini ditulis oleh Dr. Rudiati Evi Masithoh, Prof. Budi Rahardjo, Prof. Lilik Sutiarso, dan Dr. Agus Hardjoko. Artikel ini dipublikasikan di Jurnal Agritech, Fakultas Teknologi Pertanian UGM pada tahun 2012. Abstraknya adalah sebagai berikut.

Jaringan syaraf tiruan (JST) digunakan untuk memprediksi parameter kualitas tomat, yaitu Brix, asam sitrat, karoten total, dan vitamin C. JST dikembangkan dari data Red Green Blue (RGB) citra tomat yang diukur menggunakan computer vision system. Data kualitas tomat diperoleh dari analisis di laboratorium. Struktur model JST didasarkan pada jaringan feedforward backpropagation dengan berbagai fungsi pelatihan, yaitu gradient descent (traingd), gradient descent dengan resilient backpropagation (trainrp), Broyden, Fletcher, Goldfrab dan Shanno (BFGS) quasi-Newton (trainbfg), serta Levenberg Marquardt (trainlm). Fungsi pelatihan yang terbaik adalah menggunakan trainlm, serta pada struktur jaringan digunakan fungsi aktivasi logsig pada lapisan tersembunyi dan linier (purelin) pada lapisan keluaran. dengan 1000 epoch. Nilai koefisien korelasi (r) pada tahap pelatihan dan validasi secara berturut-turut adalah 0.97 – 0.99 dan 0.92 – 0.99; sedangkan nilai MAE berkisar antara 0.01-0.23 dan 0.03-0.59. read more

Sobat smart-farmer, kali ini kita akan membahas mengenai pengembangan sistem informasi yang terkait dengan agro-industri kawasan lahan pantai. Artikel ini dipublikasikan di Jurnal Agritech, Fakultas Teknologi Pertanian UGM pada tahun 2010. Judul artikel ini adalah “Sistem Informasi Teknologi Inovasi untuk Mendukung Pengembangan Agroindustri di Kawasan Lahan Pantai”, ditulis oleh Prof Lilik Sutiarso, Prof. Sigit Supadmo Arif, P. Tamtomo, dan Riki Andika. Abstrak dari penelitian ini adalah sebagai berikut: read more

Sobat smart-farmer, kali ini kita akan membahas mengenai Pengembangan Computer Vision System Sederhana untuk Menentukan Kualitas Tomat, paper penelitian ini ditulis oleh Dr. Rudiati Evi Masithoh, Prof. Budi Rahardjo, Prof. Lilik Sutiarso, dan Dr. Agus Hardjoko. Abstraknya adalah sebagai berikut:

Tujuan penelitian adalah mengembangkan computer vision system (CVS) sederhana untuk menentukan kualitas tomat secara non­destruktif berdasarkan parameter warna Red Green Blue (RGB). Parameter kualitas tomat yang diukur ada­ lah Brix, asam sitrat, vitamin C, dan gula total. Sistem ini terdiri peralatan utama yaitu kotak untuk meletakkan obyek, webcam untuk menangkap citra, komputer untuk mengolah data, sistem penerangan, dan perangkat lunak analisis citra yang dilengkapi dengan jaringan syaraf tiruan untuk menentukan kualitas tomat. Arsitektur jaringan dibentuk dengan3 lapisan yang terdiri dari 1 lapisan masukan dengan 3 sel syaraf masukan, 1 lapisan tersembunyi dengan 14 sel syaraf berfungsi aktivasi logsig dan 5 lapisan keluaran dengan fungsi aktivasi purelin menggunakan algoritma pelatihan back­ propagation. CVS yang dikembangkan dapat digunakan untuk memprediksi nilai parameter kualitas tomat yaitu Brix, vitamin C, asam sitrat, dan gula total, meskipun dibutuhkan persamaan kalibrasi. Persamaan kalibrasi untuk Brix, nilai aktualnya diperoleh dari persamaan y = 12,16x – 26,46 dengan x adalah nilai Brix prediksi. Sedangkan kadar vitamin C, asam sitrat, dan gula total aktual secara berturut-turut diperoleh dari y = 1,09x – 3.13, y = 7,35x – 19,44, dan y =1.58x – 0,18, dengan x adalah nilai vitamin C prediksi, asam sitrat prediksi, dan gula total prediksi. read more

Sobat Smart-farmer, berikut ini adalah kelanjutan dari penelitian sebelumnya mengenai pengembangan sistem informasi produksi pertanian. Kali ini ini judul paper yang akan dibahas adalah “An Information Support System for Indentifying Farming System Part II : A Case Study of Sleman Regency, Yogyakarta Province” abstraknya adalah sebagari berikut:

Bagian kedua dari penelitian ini adalah untuk memvalidasi sistem informasi yang dikembangkan di daerah pertanian terpilih. Untuk data primer, survei pertanian dilakukan di Kabupaten Sleman, Provinsi Yogyakarta. Enam puluh (60) rumah tangga peternakan di 6 (enam) kabupaten diselidiki yang dikelompokkan menjadi peternakan berbasis hewan dan berbasis traktor. Berdasarkan survei pertanian, hasilnya menggambarkan bahwa total surplus air tahunan di wilayah studi adalah 792 mm yang dicapai dari bulan November sampai April dan defisit air 355 mm dari bulan Mei sampai Oktober. Ada juga situasi surplus jumlah peralatan yang ditarik oleh hewan dan peralatan lokal untuk persiapan lahan di setiap kabupaten, namun ada kekurangan dalam jumlah anakan dan peralatan pencocokan yang sesuai. Analisis sensitivitas menunjukkan bahwa hasil dan prosedur panen merupakan faktor yang paling signifikan dalam menentukan tingkat pengembalian bersih sistem produksi tanaman pangan. read more

Sobat Smart-farmer, kali ini kita akan membahas paper/makalah yang ditulis oleh Prof. Lilik Soetiarso pada tahun 2002 yang berjudul “An Information Support System for Identifying Farming System Part I : Development of A Computer Program Package” . Artikel ini dimuat di Jurnal Agritech, Fakultas Teknologi Pertanian, Univesitas Gadjah Mada.  Berikut ini abstrak penelitiannya:

Penelitian ini dilakukan untuk mengembangkan paket program komputer untuk mengidentifikasi sistem usahatani yang difokuskan pada analisis ketersediaan air, optimalisasi tenaga pertanian dan peralatan yang dipilih serta analisis sensitivitas. Program komputer untuk semua model dikembangkan dan ditulis dalam bahasa perintah FoxBASE. Tiga database diperoleh dari survei pertanian yaitu; iklim, panen, dan kekuatan. Semua database ini bisa ditambahkan, diedit, dihapus atau ditampilkan oleh pengguna melalui menu sistem manajemen database (DBMS). Mereka terbiasa mengevaluasi kegunaan program komputer sebagai data masukan. Sistem informasi menghitung jumlah surplus dan defisit air bulanan, jumlah optimal tenaga pertanian (hewan atau anakan listrik) dan alat pencocokannya yang dibutuhkan dan juga perubahan dalam pengembalian bersih sistem produksi tanaman karena adanya perubahan variabel input seperti harga tanaman, hasil panen, dan biaya bahan baku. Output sistem untuk setiap analisis dapat disajikan dalam tiga pilihan oleh layar, printer dan file yang dapat diakses ke bahasa lain. read more

Sobat smart-farmer, kali ini kita akan membahas mengenai aplikasi sistem kontrol pada sistem produksi ulat sutera. Penelitian ini dilaksanakan oleh Prof. Lilik Sutiarso, Dr. Atris Suyantohadi, dan Dr. Hari Purwanto dengan judul “Desain Sistem Kontrol Ruang Pertumbuhan Ulat Sutera Untuk Meningkatkan Kualitas Produksi Sutera Alam”. Artikel ini dipublikasikan di Jurnal Agritech, Fakultas Teknologi Pertanian pada tahun 2004. Berkikut ini abstrak yang dapat kita simak:

Permintaan sutra mentah dunia memberi kesempatan besar untuk pengembangan produksi sutera mentah di Yogyakarta. Baru-baru ini, hanya 21% dari keseluruhan permintaan sutra mentah yang terpenuhi, sedangkan Indonesia hanya menyumbang 0,1% per tahun. Masalah utamanya adalah minimnya kualitas sutera mentah. Pertumbuhan ulat sutra yang optimal bergantung pada lingkungan mikro, i. E. suhu, kelembaban, aerasi, dan intensitas cahaya. Penelitian ini bertujuan untuk menerapkan teknologi “on / atau kontrol otomatis” dalam pengawasan lingkungan pembibitan ulat sutera. Hasil yang diharapkan adalah kualitas kepompong berkualitas tinggi. Dalam penelitian ini, dua kondisi yang berbeda dari lingkungan pertumbuhan ulat sutera dibandingkan: lingkungan yang terkendali. (dalam kotak pembungaan) dan lingkungan normal Kemudian dari tahap instar ketiga (tahap pertumbuhan ulat sutra) ke tahap kepompong (tahap akhir atau instar kelima), suhu dan udara dilembabkan pada suhu 24 ° C – 26 ° C dan 70% – 80 Sementara, Aerasi dan intensitas cahaya berkisar 0,1 – 0,3 m / s dan 15 – 30 lux untuk semua tahap instar (konstan) masing-masing. Hasilnya menunjukkan bahwa terjadi peningkatan persentase tingkat kulit kokon pada pembesaran yang dikendalikan. lingkungan (19,66%), dibandingkan dengan hasil lingkungan pemeliharaan normal (18,56%), juga ada hasil yang berbeda secara signifikan pada ketebalan kepompong yang dihasilkan. read more

Selamat pagi sobat smart-farmers, kali ini kami akan mengulas secara singkat mengenai salah satu penelitian yang ada di smart-farming yaitu “Smart Agriculture Framework”. Apa itu SAF?, ini adalah terminologi yang kami gunakan untuk kerangka kerja yang membantu proses smart yang kami usulkan. Kerangka kerjanya (framework) tersusun atas sistem komputasi yang dirancang berjalan di cloud (server) dengan fungsi-fungsi tertentu sesuai dengan kebutuhan operasional pertanian di lapangan.

Smart Agriculture Framework disusun dari pengetahuan mengenai Agricultural Climatology, pengetahuan tentang iklim, cuaca, baik skala mikro maupun makro (musim), serta pengetahuan mengenai pranoto mongso. Penyusun selanjutnya adalah Plant Biology, pengetahuan mengenai bagaimana interaksi antara lingkungan dan tanaman serta bagaimana tanaman bertumbuh kembang dengan baik, istilah yang biasa dipakai adalah fisiologi tanaman. Selanjutnya adalah Data Science, ilmu mengenai bagaimana data yang diperoleh dapat diolah menjadi informasi, pengetahuan, dan pada akhirnya dapat menjadi kearifan lokal (wisdom). Berikutnya adalah teori kontrol (Control Theory), sebagai respon dalam pengelolaan data/informasi yang telah disusun. Pengetahuan kontrol ini lah yang akan digunakan oleh framework dalam memberikan respon untuk proses kendali lingkungan dan juga pendukung pengambilan keputusan pada operasional produksi pertanian. read more

Selamat pagi sobat smart-farmer, berikut ini akan kami ulas mengenai penelitian mengenai perancangan sistem monitoring evapotranspirasi yang diaplikasikan di greenhouse untuk tanaman tomat. Bagi sobat yang belum pernah mendengar istilah Evapotranspirasi, berikut ini sedikit ulasannya.

Evapotranspirasi adalah sebuah proses penguapan yaitu hilangnya keseluruhan jumlah air yang berasal dari permukaan tanah, air, dan vegetasi yang diuapkan kembali ke atmosfer oleh karena adanya pengaruh faktor–faktor iklim dan fisiologi vegetasi. Besarnya evapotranspirasi adalah jumlah antara evaporasi (penguapan air berasal dari permukaan tanah), intersepsi (penguapan kembali air hujan dari permukaan tajuk vegetasi), dan transpirasi (penguapan air tanah ke atmosfer melalui vegetasi) yang terjadi secara bersamaan. Penghitungan ET dilakukan dalam tiga tahap. Tahap pertama yaitu pencarian ETo terlebih dahulu. ETo (evaporasi tanaman referensi) yaitu laju evapotranspirasi dari permukaan berumput luas setinggi 8-15 cm, rumput hijau yang tingginya seragam, tumbuh aktif, secara lengkap menaungi permukaan tanah dan tidak kekurangan air. read more

Penelitian ini menceritakan mengenai bagaimana pengembangan sistem monitoring pergerakan tanaman secara otomatis menggunakan kamera infra merah (infra red camera) dengan teknik optical flow sebagai tools untuk analisa gerakan frame per-framenya. Tujuan dari pengamatan ini adalah untuk melakukan diagnosa perilaku tanaman terkait dengan responnya terhadap perubahan kondisi lingkungan. Perilaku pergerakan tanaman didasarkan pada rutinitas gerakan yang membentuk pola sirkadian (siklus 24 jam) dengan kondisi umum di pertanian tropis. read more

Field Monitoring System adalah alat yang digunakan untuk mengukur kondisi agroklimat pada lokasi yang spesifik. Dengan memasang peralatan ini, maka kita dapat mengamati kondisi lingkungan setempat secara online. Sensor lingkungan yang dipasang pada FMS ini antara lain: Temperature, Humiditi, Solar radiasi, Karbon dioksida, dan kelembaban tanah. Sensor-sensor lain juga dapat ditambahkan sesuai dengan kebutuhan budidaya tanaman.