📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6 dokumenKUANTIFIKASI NITROGEN DAN BIOMASSA PADA TANAMAN CABAI RAWIT (CAPSICUM FRUSTESCENS L.) DENGAN APLIKASI BIOKONTROL TRICHODERMA HARZIANUM TERHADAP FUSARIUM OXYSPORUM
Cabai rawit (Capsicum frutescens L.) merupakan salah satu komoditas hortikultura dengan produksi yang tinggi di Indonesia, namun terjadi penurunan produksi pada beberapa tahun kebelakang. Salah satu penurunan produksi ini dikarenakan serangan patogen Fusarium oxysporum yang menyebabkan penyakit layu Fusarium. Penggunaan Trichoderma harzianum pada media tanam dapat menjadi alternatif dalam meningkatkan pertumbuhan tanaman dan menyediakan unsur hara. Selain itu, penggunaan biokontrol Trichoderma harzianum dapat menekan pertumbuhan Fusarium oxysporum dengan mekanisme kompetisi, mikroparasitisme, dan antibiosis. Penelitian bertujuan untuk menentukan pengaruh pemberian Trichoderma harzianum dan Fusairum oxysporum pada pertumbuhan, produksi biomassa, laju pertumbuhan, pemodelan matematis, serta nitrogen total pada media tanam dan tanaman cabai rawit. Kemudian, menentukan pengaruh pemberian Trichoderma harzianum terhadap neraca massa nitrogen. Rancangan penelitian menggunakan metode destruktif dengan tiga ulangan. Perlakuan yang diberikan yaitu tanpa inokulasi (K0), inokulasi Fusarium oxysporum (K1), inokulasi Fusarium oxysporum dan Trichoderma harzianum (K2), serta inokulasi Trichoderma harzianum saja (K3). Parameter yang diamati berupa tinggi tanaman, jumlah daun, luas daun, diameter batang, dan rasio tajuk-akar pada 44-86 HST, serta kandungan nitrogen dalam media tanam dan tanaman cabai rawit pada 30-143 HST dengan menggunakan metode Kjeldahl. Hasil dari penelitian perlakuan Trichoderma harzianum (K3) meningkatkan pertumbuhan tanaman cabai rawit, seperti tinggi tanaman, luas daun, dan diameter batang terutama pada 44 hingga 65 HST serta shoot-root ratio terbaik pada tiap HST. Sedangkan, pada perlakuan Fusarium oxysporum menyebabkan penurunan pertumbuhan tanaman cabai rawit pada 44 hingga 58 HST dan peningkatan pertumbuhan pada 72 hingga 86 HST dengan spesifikasi Fusarium oxysporum spatial complex odoratissimum. Perlakuan Trichoderma hazianum dan Fusarium oxysporum dapat memberikan pertumbuhan yang lebih baik dibandingkan pemberian Fusarium oxysporum saja. Laju pertumbuhan rata-rata terbaik pada pemberian Fusarium oxysporum sebesar 1,701 cm/hari untuk tinggi tanaman, 2 helai/hari untuk jumlah daun, 3,240 cm²/hari untuk luas daun, dan 0,016 cm/hari untuk diameter batang. Pemodelan matematis pada perlakuan Trichoderma harzianum + Fusarium oxysporum pada parameter tinggi tanaman, luas daun, dan diameter batang menggunakan model Gompertz dengan persamaan berturut-turut, yaitu ???? = 0,334 + 89,522??????????0,054(?????60,736) , ???? = 10,179 + 98,461??????????0,156(?????53,846) , dan ???? = 0,302 + 0,674??????????0,084(?????59,239) . Sedangkan, pada jumlah daun digunakan model logistic dengan persamaan ???? = 57,294 1+?????0,125(?????60,307) . Pemberian Trichoderma harzianum dapat meningkatkan kadar nitrogen pada tanaman cabai rawit dibandingkan perlakuan lainnya serta memiliki nitrogen total dalam tanah paling tinggi dibandingkan perlakuan lainnya pada 30, 44, dan 143 HST. Pemberian Fusarium oxysporum menurunkan nitrogen total pada media tanam dibandingkan perlakuan yang lainnya terutama pada 143 HST. Sedangkan, perlakuan Trichoderma harzianum dan Fusarium oxysporum tidak berbeda nyata dibandingkan tanpa inokulasi. Neraca massa nitrogen pada perlakuan Trichoderma harzianum + Fusarium oxysporum memiliki input sebesar 0,171 g N dan nilai output sebesar 0,101 g N, sehingga terjadi kehilangan nitrogen sebesar 6,62 g N.
PERANCANGAN SISTEM SEMI-OTOMASI UNTUK PENANGANAN PASCAPANEN BIJI KAKAO (THEOBROMA CACAO L.) FORASTERO YANG DIINTEGRASIKAN FERMENTASI SEKUNDER DENGAN PENAMBAHAN BUBUK STROBERI DAN MIKROBA STARTER
Indonesia dikenal sebagai negara produsen biji kakao terbesar ke-3 pada tahun 2021. Meskipun demikian, Indonesia tetap belum luput dari permasalahan mutu biji kakao karena petani Indonesia sering mengabaikan fermentasi primer biji kakao sehingga mutunya berkualitas yang rendah, seperti rasa yang pahit, aroma yang tidak khas, dan warna yang buruk. Penelitian terdahulu telah membuktikan bahwa mutu biji kakao kering dapat ditingkatkan melalui proses fermentasi sekunder dengan penambahan bubuk stroberi. Penelitian Nismara (2024) menemukan kondisi teroptimasi untuk proses fermentasi sekunder tersebut, yaitu: kepadatan sel 107 CFU/mL, suhu 27,01oC, dan konsentrasi bubuk stroberi 12,07% (b/b). Namun, kondisi optimum yang spesifik dan waktu fermentasi yang singkat dapat menjadi hambatan jika fermentasi sekunder diaplikasikan pada skala besar tanpa pengendalian kondisi dengan baik. Upaya lanjutan yang dapat dilakukan untuk permasalahan tersebut adalah otomatisasi proses fermentasi sekunder pada fermentor dengan pemanfaatan model machine learning. Model ini bertujuan untuk mengontrol kondisi fermentor dan menjamin keseragaman mutu biji secara presisi. Penelitian ini memiliki 3 tujuan, yaitu: menentukan kinetika mikroba starter, menentukan kualitas biji kakao hasil fermentasi sekunder, dan menentukan target prediksi dengan menggunakan sensor untuk mengevaluasi kinerja fermentasi sekunder. Model machine learning dibangun dari dataset proses fermentasi sekunder kondisi optimum dengan metode boosting regression. Data proses diperoleh dengan uji sampling dan pengukuran realtime menggunakan sensor suhu thermal imaging dan termistor yang juga digunakan sebagai basis utama model. Pendekatan pengukuran sensor yang berbeda akan mempengaruhi performa model prediksi yang dihasilkan. Model yang dibangun dan dievaluasi adalah model prediksi total fenolik, kadar pH, dan waktu fermentasi. Berdasarkan hasil penelitian, mikroba starter Lactobacillus plantarum memiliki nilai generation time dan specific growth rate secara berturut-turut sebesar 1,16 jam dan 0,6/jam. Mikroba Candida tropicalis memiliki nilai generation time dan specific growth rate secara berturut-turut sebesar 1,92 jam dan 0,36/jam. Hasil fermentasi sekunder menghasilkan biji dengan indeks fermentasi mencapai 90% dari 67,5%, total fenolik sebesar 97,40 mg GAE/g kakao dari 46 mg GAE/g kakao, susut bobot mencapai 7,19%, massa biji menjadi 0.83 gram (grade C) dari 0.82 gram (grade S), dan kadar air sebesar 6,37% dari 5,25%. Dari proses fermentasi sekunder yang dilakukan sebanyak 2 batch, dataset yang diperoleh untuk penyusunan model adalah 146 dataset. Dataset dibagi ke dalam 3 kategori, yaitu: 64% dataset training (93 dataset), 16% dataset validation (24 dataset), dan 20% dataset test (29 dataset). Penyusunan model dilakukan dengan nilai shrinkage 0,1 dan menggunakan loss function Gaussian. Evaluasi model prediksi menunjukkan bahwa sensor termistor adalah sensor suhu yang lebih baik sebagai basis model prediksi dibandingkan sensor thermal imaging karena pengukuran suhu yang spesifik. Secara berturut-turut, model prediksi total fenolik, kadar pH nibs, dan waktu fermentasi berbasis sensor termistor menghasilkan jumlah trees sebanyak 100, 61, dan 66. Model prediksi total fenolik, kadar pH nibs, dan waktu fermentasi berbasis sensor termistor memberikan performa yang baik dengan nilai metrik koefisien determinasi (R2) secara berturut-turut: 0,969; 0,952; 0,975 dan nilai Mean Squared Error (scaled) mendekati nol, yaitu secara berturut-turut: 0,03; 0,024; 0,47. Dari ketiga model prediksi, total fenolik memberikan risiko yang lebih aman (fail-safe) dibandingkan model prediksi kadar pH nibs dan waktu fermentasi.
PERANCANGAN SISTEM SEMI-OTOMASI UNTUK PENANGANAN PASCAPANEN BIJI KAKAO (THEOBROMA CACAO L.) FORASTERO YANG DIINTEGRASIKAN FERMENTASI SEKUNDER DENGAN PENAMBAHAN BUBUK STROBERI DAN MIKROBA STARTER
Indonesia merupakan salah satu produsen kakao terbesar ke-7 dunia dengan produktivitas pada tahun 2022 mencapai 650.612 ton atau sekitar 4 persen dari total produksi dunia. Namun, kualitas dan varietas kakao Indonesia (forastero) masih rendah dari varietas lainnya, sehingga diperlukan teknologi untuk meningkatkan kualitasnya, seperti fermentasi sekunder. Fermentasi sekunder menggunakan fermentor terkontrol berbasis sensor kadar oksigen (O2) dengan pendekatan machine learning dapat digunakan sebagai salah satu solusi dari permasalahan tersebut. Selain penggunaannya pada fermentasi menjadi terotomatisasi, penggunaan sensor dan machine learning juga dapat menjaga kondisi fermentor lebih presisi. Adapun tujuan dari penelitian ini adalah untuk menentukan kinetika pertumbuhan mikroba starter, kualitas biji kakao dari fermentasi sekunder, hingga target prediksi penggunaan sensor untuk mengevaluasi kinerja fermentasi sekunder. Penelitian ini menggunakan kondisi optimal berdasarkan penelitian sebelumnya oleh Nismara, (2024), dimana inokulum bakteri asam laktat Lactobacillus plantarum dan ragi Candida tropicalis dengan kepadatan 107,29 CFU/ml dengan penambahan bubuk stroberi 12,07% (b/b) pada suhu fermentasi terkontrol ±27.01°C. Perolehan data untuk model diperoleh dari data sensor O2, data sensor suhu ambience, data susut bobot, data pH pulp, dan data sensor kelembapan relatif sebagai features, sedangkan data kandungan total fenolik, data dinamika mikroba, data pH nibs, dan data waktu fermentasi digunakan masing-masing sebagai target. Selain itu, data seperti massa, kadar air, dan indeks fermentasi digunakan sebagai parameter pendukung. Evaluasi menggunakan pendekatan Boosting Regression untuk diketahui parameter features yang paling baik bagi model dalam memprediksi data dan tingkat error yang paling kecil pada model terkait. Berdasarkan hasil penelitian, didapatkan bahwa pada starter L.plantarum, diperoleh laju pertumbuhan (?) 0,36/jam, Generation Time (GT) 1,16 jam, dan umur inokulum jam ke-10, sedangkan starter C.tropicalis memiliki laju pertumbuhan (?) 0,6/jam, Generation Time (GT) 1,92 jam, dan umur inokulum jam ke-12. Perolehan biji kakao terfermentasi sekunder tersebut memiliki kadar air 6,37%; peningkatan indeks fermentasi dari 67,5 ke 90%; total kandungan fenolik dari 46,02 ke 97,40 mg/GAE g kakao, dan susut bobot 6,6%. Sebanyak 3 model prediksi yang diuji pada parameter total kandungan fenolik, pH nibs, dan waktu fermentasi. Evaluasi model training diperoleh nilai R2 > 0,90 dan nilai mean squared error (MSE) yang berkisar antara 0,02 – 0,05. Berdasarkan penelitian ini, model machine learning berbasis kadar oksigen (O?) memiliki potensi yang signifikan dalam memonitor dan meningkatkan kualitas dari biji kakao forastero terfermentasi sekunder.
ANALISIS EFISIENSI DAN DAYA SAING VARIETAS PADI LOKAL SIGUPAI DI KABUPATEN ACEH BARAT DAYA
Kabupaten Aceh Barat Daya memiliki varietas padi lokal Sigupai yang menjadi iconic dan produk unggulan bagi masyarakat Kabupaten Aceh Barat Daya. Padi lokal Sigupai ini memiliki ciri khas rasa nasi yang pulen, memiliki aroma yang khas, Oleh karena itu varietas lokal ini banyak diminati konsumen dan menjadikannya bernilai ekonomis tinggi. Namun varietas padi lokalSigupai ini mulai langka dan jarang ditanam petani, sehingga permintaan pasar belum mampu dipenuhi oleh petani dan pengusaha. Tujuan penelitian ini adalah menganalisis faktor-faktor yang mempengaruhi jumlah produksi padi Sigupai, menentukan tingkat efisiensi teknis usahatani padi Sigupai, menganalisis daya saing padi Sigupai dan menentukan strategi untuk meningkatkan pengembangan padi Sigupai. Pengambilan data menggunakan metode sensus yaitu dengan mengambil seluruh populasi atau petani padi Sigupai di Kabupaten Aceh Barat Daya sebagai responden. Data kemudian ditabulasi dan dianalisis menggunakan fungsi produksi Cobb-Douglas stochastic frontier, PAM (Policy Analysis Matrix), SWOT (strengths, weaknesses, opportunities, threats) dan merumuskan alternatif strategi menggunakan QSPM (Quantitative Strategic planning Matriks). Hasil penelitian menunjukkan bahwa faktor luas lahan dan benih berpengaruh nyata dan bernilai positif terhadap hasil produksi padi Sigupai sedangkan faktor pupuk berpengaruh nyata namun memiliki nilai negatif terhadap produksi padi Sigupai, Tingkat efisiensiteknis usahatani padi Sigupai sudah dikategorikan efisien dilihat dari nilai rata-rata efisiensi teknis sebesar 0.80. Usahatani padi Sigupai sudah memiliki daya saing dengan nilai PCR (private cost ratio) dan DRCR (domestic resources cost ratio) kurang dari 1(satu) yaitu masing-masing sebesar 0,23 dan 0,16. Terdapat lima strategi pengembangan Daya saing yang dapat dilakukan berdasarkan metode SWOT dan diurutkan strategi prioritas berdasarkan metode QSPM. Tiga strategi prioritas yang dapat diterapkan antara lain, Pengelolaan usahatani secara optimal melalui pelatihan dan penyuluhan kepada petani tentang teknik budidaya padi Sigupai yang efisien dan penggunaan teknologi yang tepat, Meningkatkan nilai tambah padi Sigupai melalui pengolahan dan pemasaran yang lebih baik, Mendirikan Kelembagaan kelompok tani khusus padi Sigupai Dan Peningkatan Kerjasama Dengan Pemerintah Di Tiap Program.
EFEK CAHAYA LED (LIGHT EMITTING DIODE) TERHADAP PERTUMBUHAN TANAMAN CABAI MERAH KERITING (CAPSICUM ANNUUM VAR. LADO)
Cabai merah (Capsicum annuum L.) merupakan salah satu tanaman hortikultura yang banyak diminati oleh masyarakat, namun produksinya berfluktuasi karena hama dan kondisi iklim. Budidaya tanaman secara indoor dengan lampu LED merupakan solusi yang diharapkan mampu meningkatkan produktivitas cabai. Pencahayaan LED dapat mempengaruhi pertumbuhan, pembungaan, dan metabolit sekunder, dengan efek yang berbeda pada spesies dan kultivar yang berbeda. Tujuan penelitian ini adalah menentukan pengaruh pencahayaan lampu LED merah, biru:merah (1:1), biru:merah (3:1), biru, putih, dan cahaya matahari pada pertumbuhan vegetatif, generatif, serta kandungan metabolit sekunder tanaman cabai merah keriting. Biji cabai disemai dan ditumbuhkan dalam perlakuan hingga memiliki 4 daun dengan fotoperiode 12 jam terang dan 12 jam gelap. Kemudian, kecambah dipindahkan pada media tanam cocopeat:sekam bakar:pasir malang (2:2:1). Dalam satu perlakuan cahaya, terdapat 4 bibit yang disemai dalam cahaya alami dan 4 bibit yang disemai dalam kondisi cahaya perlakuan. Data vegetatif terdiri atas daya perkecambahan dan tinggi kecambah yang diambil selama 21 hari setelah semai, serta data tinggi tanaman, jumlah daun, dan jumlah cabang diambil setiap minggu selama 16 minggu setelah tanam. Kerapatan stomata diamati di bawah Scanning Electron Microscope (SEM). Data generatif terdiri atas waktu inisiasi bunga, jumlah bunga, persentase bunga menjadi buah (fruit set), jumlah buah, panjang buah, serta berat buah. Data metabolit sekunder terdiri atas konsentrasi klorofil a dan b pada daun yang dianalisis menggunakan SPAD, konsentrasi kapsaisin menggunakan HPLC, konsentrasi ?-Karoten menggunakan spektrofotometer UV/VIS, dan aktivitas antioksidan (IC50) pada buah dengan metode DPPH (2,2- diphenyl-1-picrylhydrazyl). Hasil penelitian menunjukkan bahwa cahaya LED tidak memberikan efek yang nyata pada daya perkecambahan. Perlakuan cahaya merah memberikan efek nyata meningkatkan tinggi perkecambahan. Dalam pertumbuhan vegetatif, cahaya putih memberikan efek terbaik pada tinggi tanaman, jumlah daun, kerapatan stomata (133,057 stomata/mm²), dan jumlah cabang. Tidak hanya itu, cahaya putih juga memberikan efek terbaik pada waktu berbunga (Minggu ke-5 setelah tanam), jumlah bunga (108 ± 35 bunga/tanaman), persentase bunga menjadi buah (30,6 ± 13,07%), jumlah buah (17 ± 6 buah), berat buah (2,56 ± 0,32 g), dan panjang buah (10,81 ± 0,3 cm). Pada kandungan metabolit sekunder, cahaya putih memiliki konsentrasi klorofil tertinggi (3,80 ± 0,38 mg/g berat basah), sedangkan rasio klorofil a dan b tertinggi (1,92 ± 0,01) terjadi pada perlakuan cahaya merah. Selain itu, cahaya putih memberikan aktivitas antioksidan tertinggi yang ditandai dengan nilai IC50 terendah (1351 ± 482,3 ug/mL). Pada konsentrasi kapsaisin, cahaya biru memberikan efek meningkatkan kandungan secara nyata (0,91 ± 0,15 mg/g berat basah). Terakhir, pencahayaan LED tidak memberikan efek yang nyata pada konsentrasi ?-Karoten. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa pertumbuhan terbaik vegetatif maupun generatif cabai merah keriting terjadi pada perlakuan cahaya putih dan perlakuan cahaya biru mampu meningkatkan kadar kapsaisin pada buah.
PENGEMBANGAN LAYANAN BACKEND SISTEM KALENDER PERTANIAN BERBASIS INTERNET OF THINGS (IOT)
Abstrak ini membahas implementasi sistem pendukung untuk budidaya tanaman cabai di Sumedang, sebuah daerah penghasil cabai di Indonesia yang menghadapi tantangan dalam pengelolaan irigasi akibat perubahan cuaca yang tidak menentu. Cabai merupakan komoditas dengan nilai ekonomi tinggi, tetapi kegagalan panen sering terjadi karena ketidakidealan volume air yang diterima tanaman. Untuk mengatasi masalah ini, sistem yang diusulkan akan mengakuisisi dan mengolah data cuaca dari sensor di lahan pertanian dan penyedia cuaca regional. Data ini akan digunakan untuk memberikan informasi yang akurat dan spesifik kepada petani dalam pengelolaan irigasi dan perawatan tanaman. Sistem ini terdiri dari empat subsistem utama, yaitu subsistem monitoring cuaca, subsistem irigasi, subsistem frontend aplikasi mobile, dan subsistem backend aplikasi mobile. Dokumen ini memfokuskan pada pengembangan subsistem backend aplikasi mobile, yang berfungsi untuk menerima, menyimpan, dan mengolah data dari subsistem monitoring cuaca serta menyediakan informasi yang relevan bagi pengguna melalui antarmuka aplikasi mobile.