POLBANGTANBOGORPOLBANGTANBOGOR

Prosiding Seminar Nasional - Lomba Karya Tulis Ilmiah Polbangtan BogorProsiding Seminar Nasional - Lomba Karya Tulis Ilmiah Polbangtan Bogor

Permasalahan yang sering terjadi di lahan pertanian adalah mengenai penyakit tanaman yang dapat menyebabkan terjadinya penurunan hasil produksi, sehingga diperlukannya diagnosa penyakit pada tanaman lebih dini. Karya tulis ini memfokuskan pada pembuatan sistem monitoring tanaman untuk membantu petani dalam budidaya pertanian. Sistem yang dirancang menggunakan teknologi di bidang image processing yang dapat membantu permasalahan pada bidang pertanian dengan membangun sebuah sistem berbasis pada sistem web dan aplikasi untuk pengguna. Pengklasifikasian kesehatan tanaman berdasarkan hasil validasi dengan aplikasi yang dibangun menggunakan metode CNN yang diprogram agar dapat menganalisa kesehatan tanaman. Hasil analisis pada lahan akan menunjukkan parameter lingkungan mikro yang perlu dilakukan pemantauan antara lain suhu nutrisi, suhu udara, kelembaban udara relatif, intensitas cahaya, dan tingkat kerusakan tanaman akibat OPT.

Pertanian penting untuk ketahanan pangan namun menghadapi tantangan seperti konversi lahan, serangan hama/penyakit (OPT), dan keterbatasan teknologi.Sistem PRO-PLANT yang terintegrasi dengan IoT dan AI dapat memantau kesehatan tanaman, serangan OPT, serta kondisi lingkungan secara real-time, meningkatkan efektivitas pengendalian.Diharapkan PRO-PLANT menjadi solusi nyata menuju pertanian berkelanjutan dan ketahanan pangan nasional 2045, dengan dukungan kolaborasi lintas sektor.

Penelitian selanjutnya dapat mengeksplorasi penerapan teknik segmentasi citra berbasis transformer (Vision Transformer) untuk meningkatkan akurasi deteksi Organisme Pengganggu Tanaman (OPT) pada gambar dengan resolusi rendah, sehingga mengurangi ketergantungan pada perangkat keras berbiaya tinggi. Selain itu, studi dapat menilai manfaat integrasi data multispektral yang diperoleh dari sensor satelit dengan data sensor IoT mikro‑lingkungan dalam kerangka pembelajaran multimodal, dengan tujuan memperbaiki prediksi tingkat stres tanaman dan identifikasi awal serangan hama pada skala lahan luas. Penelitian berikutnya dapat mengembangkan arsitektur federated learning khusus untuk model CNN pada sistem PRO‑PLANT, memungkinkan petani berbagi pengetahuan model secara terdesentralisasi tanpa mengungkapkan citra mentah, sehingga mengatasi masalah privasi data serta mempercepat proses pelatihan pada jaringan dengan bandwidth terbatas. Selanjutnya, dapat diinvestigasi penggunaan algoritma optimasi hyperparameter berbasis Bayesian Optimization untuk secara otomatis menyesuaikan jumlah lapisan, ukuran kernel, dan learning rate pada model CNN, yang diharapkan meningkatkan akurasi sekaligus mengurangi risiko overfitting pada dataset tidak seimbang. Penelitian juga dapat menguji efektivitas penerapan edge computing dengan modul GPU mini‑PC pada node sensor, untuk melakukan inferensi secara lokal sebelum mengirimkan hasil ke server, yang berpotensi menurunkan latensi dan beban komunikasi jaringan. Akhirnya, diperlukan kajian longitudinal selama beberapa musim tanam untuk mengevaluasi kestabilan performa sistem PRO‑PLANT dalam kondisi iklim yang berubah, serta mengidentifikasi faktor lingkungan yang paling berpengaruh terhadap akurasi prediksi, guna menghasilkan rekomendasi adaptif bagi petani.

  1. INDUSTRI 4.0: TELAAH KLASIFIKASI ASPEK DAN ARAH PERKEMBANGAN RISET | Prasetyo | J@ti Undip: Jurnal Teknik... doi.org/10.14710/jati.13.1.17-26INDUSTRI 4 0 TELAAH KLASIFIKASI ASPEK DAN ARAH PERKEMBANGAN RISET Prasetyo J ti Undip Jurnal Teknik doi 10 14710 jati 13 1 17 26
Read online
File size426.72 KB
Pages14
DMCAReport

Related /

ads-block-test