Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Rekursif: Jurnal Informatika Akta Agrosia
Uswatun Nurjanah
Universitas Bengkulu
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Respon Sawi pada Berbagai Konsentrasi dan Waktu Pemberian Ekstrak Air Kulit Buah Jengkol Segar Putriany Simanjuntak; Uswatun Nurjanah; Edhi Turmudi
Akta Agrosia Vol 19, No 2 (2016)
Publisher : Faculty of Agriculture, The University of Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (297.731 KB) | DOI: 10.31186/aa.19.2.139-146

Abstract

The aim of this study was to evaluate the response of mustard to various concentrations of jiringa-pericarp water extract applied before or at planting . The study was conducted in November 2015-January 2016 located in a greenhouse using Completely Randomized Design, 2 factors and 4 replications. The first factor, concentration of jiringa-pericarp water extract consisted of 6 treatments: 165 g / L, 330 g / L, 495 g / L, 660 g / L, 825 g / L and 990 g / L and as comparison were 4 control plants. The second factor consisted of application one week before planting and at the time of planting. Each experimental unit consisted of two plants. The results showed that the application jiringa extract at palnting time with the concentration of 825 g / L resulted in the lowest leaf area and root fresh weight. The percentage of mus tard growth inhibition respectively were 51.54% and 56.69% when compared to the control. Jiringa water extract applied at planting time inhibited mustard growth more significant when compared to that 1 week before planting. The lowest average values   for variables of leaf number, fresh weight and crown dry weight were obtained at 825 g / L concentration with a percentage of obstacles of 35.57%; 47.16% and 40.70% when compared with controls.
Sistem Pendeteksi Genus Gulma Pada Tanaman Jagung Menggunakan Algoritme Single Shot Detector Ade Agustian Saputra; Boko Susilo; Mochammad Yusa; Uswatun Nurjanah
Rekursif: Jurnal Informatika Vol 11 No 1 (2023): Volume 11 Nomor 1 Maret 2023
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/rekursif.v10i1.18634

Abstract

Tanaman jagung (Zea mays L) merupakan tanaman pangan penghasil karbohidrat potensial kedua di Indonesia setelah beras. Provinsi Bengkulu merupakan provinsi yang sebagian besar wilayahnya merupakan kawasan hutan lindung dan hutan rakyat. Perkebunan jagung mengalami gangguan, antara lain disebabkan oleh gulma. Gulma merupakan tumbuhan liar yang sering muncul di pekarangan rumah dan pertanian masyarakat. Penelitian ini hanya diambil empat jenis gulma yang sering muncul di perkebunan jagung yaitu Ageratum sp, Commelina sp, Eleusine sp, dan Sacciolepis sp. Penelitian ini dibangun sebuah model identifikasi genus gulma dengan memanfaatkan algoritma Single Shot Detector (SSD). Single Shot Detector merupakan sebuah model yang dapat mendeteksi atau mengenali objek pada suatu gambar. Penelitian ini menggunakan 800 dataset training untuk melatih sistem Deep Learning dan 150 Dataset testing untuk validasi dan evaluasi terhadap model yang dihasilkan. Dengan nilai threshold IoU dan minimum confidence @0.80 tingkat akurasi yang didapatkan pada penelitian ini sebesar 62.44%.Tanaman jagung (Zea mays L) merupakan tanaman pangan penghasil karbohidrat potensial kedua di Indonesia setelah beras. Provinsi Bengkulu merupakan provinsi yang sebagian besar wilayahnya merupakan kawasan hutan lindung dan hutan rakyat. Perkebunan jagung mengalami gangguan, antara lain disebabkan oleh gulma. Gulma merupakan tumbuhan liar yang sering muncul di pekarangan rumah dan pertanian masyarakat. Penelitian ini hanya diambil empat jenis gulma yang sering muncul di perkebunan jagung yaitu Ageratum sp, Commelina sp, Eleusine sp, dan Sacciolepis sp. Penelitian ini dibangun sebuah model identifikasi genus gulma dengan memanfaatkan algoritma Single Shot Detector (SSD). Single Shot Detector merupakan sebuah model yang dapat mendeteksi atau mengenali objek pada suatu gambar. Penelitian ini menggunakan 800 dataset training untuk melatih sistem Deep Learning dan 150 Dataset testing untuk validasi dan evaluasi terhadap model yang dihasilkan. Dengan nilai threshold IoU dan minimum confidence @0.80 tingkat akurasi yang didapatkan pada penelitian ini sebesar 62.44%.
Co-Authors Ade Agustian Saputra Boko Susilo Edhi Turmudi Mochammad Yusa Putriany Simanjuntak