Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tanaman karet (Hevea braslliensis) satu-satunya pengnasil karet alam secara komersial, vvalaupun telan ditemukan 2000 Iebin spesies tumbunan tingkat tinggi yang dapat mengnasilkan karet alam. Partikel karet (poliisoprena) yang terkandung dalam Iateks merupakan metabolit sekunder dengan prekursor IPP yang mengalami reaksi pemanjangan menjadi geranil difosfat (GPP), farnesil difosfat (FPP), geranil geranil difosfat (GGPP) ningga cis-poliisoprena. Secara in vivo, tampaknya FPP dan GGPP menginisiasi pembentukan karet, Untuk mengetanui gen yang berpengaruh terhadap sintesis poliisoprena, diperlukan karakterisasi gen-gen yang berhubungan Iangsung dengan proses mekanisme sintesis karet dengan mengamati pustaka complementary DNA. CDNA merupakan DNA yang ditranskripsi dari mRNA dengan bantuan enzim reverse transcriptase. Penelitian ini bertujuan untuk membuat pustaka CDNA Hevea braslliensis dan mengamati ekpresi gen pengkode GGPP sintase dan FPP sintase yang diperkirakan sebagai inisiator pembentukan poliisoprena Pustaka CDNA disintesis menggunakan primer oligo CIT dan diamplifikasi dengan PCR dengan menggunakan primer random hexamer mengnasilkan pita smear dengan ukuran 200-5.000 pb. Namun CDNA belum dapat tersub cloning dengan baik ke dalam E. coll DH5α Sedangkan CDNA gen GGPP dan FPP sintase disintesis dan diamplifikasi menggunakan gene spesific primer. Ekspresi mRNA GGPP sintase dideteksi pada daun muda dan Iateks, menunjukkan intensitas yang Iebih besar pada daun muda dibandingkan pada lateks. Sedangkan ekspresi gen FPP sintase menunjukkan intensitas yang Iebih besar baik di daun muda maupun di Iateks"

"Produktivitas dan keuntungan yang dihasilkan karet Indonesia saat ini masih relatif rendah. Rendahnya produktivitas karet terutama disebabkan penerapan teknologi dan pengelolaan kebun yang belum sesuai rekomendasi, terutama untuk perkebunan karet rakyat."

"Sebagian besar perkebunan karet di Sumatera Selatan mengalami penurunan produksi karena dampak penyakit gugur daun. Penyakit ini sebagian besar disebabkan oleh persebaran jamur Oidium sp., Colletotrichum sp., dan Pestalotiopsis sp. Oleh karena itu, pembangunan model berbasis indeks vegetasi NDRE, GNDVI, VARI, dan ARVI, yang bertujuan untuk mendeteksi persebaran penyakit ini dianggap penting. Penelitian dilakukan di Perkebunan Pusat Penelitian Karet Sembawa dengan memanfaatkan data UAV multispektral yang telah diproses menggunakan OBIA, serta survei lapangan. Dari 623 sampel data, 70% digunakan untuk pelatihan model, sementara 30% sampel digunakan untuk pengujian model. Pengolahan data dilakukan menggunakan Google Earth Engine dan visualisasi dilakukan dengan ArcGIS Pro. Hasil penelitian menunjukkan bahwa keseluruhan model memiliki tingkat akurasi pelatihan secara keseluruhan di atas 0,7, dengan model GNDVI + NDRE + VARI menonjol dengan tingkat akurasi pelatihan yang paling baik. Namun, model tersebut menunjukkan kinerja yang buruk dalam pengujian dengan nilai akurasi validasi yang rendah, hal ini menunjukkan bahwa model belum dapat memprediksi penyakit tanaman karet dengan baik. Selain itu, dari hasil analisis kondisi fisik ditemukan bahwa kondisi suhu dan curah hujan di perkebunan karet Sembawa berada pada nilai optimal yang mendukung pertumbuhan dan penyebaran ketiga jenis jamur penyebab penyakit tersebut.

---

South Sumatra plays a crucial role as Indonesia's main rubber exporter, making it a flagship commodity. However, most rubber plantations in South Sumatra face declining production due to leaf fall disease, primarily caused by the fungi Oidium sp., Colletotrichum sp., and Pestalotiopsis sp. Therefore, developing a vegetation index-based model using NDRE, GNDVI, VARI, and ARVI to detect the spread of this disease is considered essential. The study was conducted at the Sembawa Rubber Research Center Plantation, utilizing multispectral UAV data processed with OBIA and field surveys. Of the 623 data samples, 70% were used for model training, while 30% were used for model testing. Data processing was performed using Google Earth Engine, and visualization was done with ArcGIS Pro. Results showed that all models had overall training accuracy above 0.7, with the GNDVI + NDRE + VARI model standing out with the best training accuracy. However, this model performed poorly in testing, with low validation accuracy, indicating its inability to predict new data. Additionally, physical condition analysis revealed that the temperature and rainfall conditions in the Sembawa rubber plantation were optimal, supporting the growth and spread of the three disease-causing fungi."

"Sudah lama masyarakat Indonesia mengenal Sembilan bahan pokok kebutuhan manusia, yakni sejumlah kebutuhan dasar yang paling tidak harus dimiliki orang untuk dapat hidup secara layak. Akan tetapi dewasa ini, seiring dengan perkembangan ilmu dan tehnologi yang mengakibatkan pula peningkatan peradaban manusia, timbul kebutuhan tambahan yang semakin terasa bahwa kebutuhan itu menjadi kebutuhan pokok manusia modern. Kebutuhan pokok baru itu adalah informasi. Tidak kurang dari Menteri Penerangan Republik Indonesia Harmoko, menyatakan bahwa informasi adalah kebutuhan pokok manusia Indonesia yang ke sepuluh. Toffler menyatakan bahwa abad ini adalah abad revolusi informasi.Manusia modern tidak bisa dipisahkan dengan informasi. Gonick menggambarkan ledakan informasi dengan karikatur berupa gelombang pasang kertas-kertas/berkas surat-surat yang menggulung manusia bagai gelombang laut yang menghempas dan memberikan istilah 'tidal wave' untuk melukiskan fenomena tersebut. Informasi adalah unsur penting dalam pengambilan keputusan. Orang mengenal berbagai bentuk media informasi, baik lisan maupun tertulis, namun sejak manusia mengenal tulisan, maka informasi tertulis semakin memegang peranan penting dalam sistem informasi. Penyampaian informasi melalui sarana tulisan berkembang pesat setelah ditemukan alat cetak pada abad ke 15. Dengan adanya sarana pencetakan tersebut, mulailah diterbitkan buku ilmiah. Bentuk media informasi tertulis berkembang terus hingga dikenal."

"AbstrakKendati penyadapan bukan merupakan lembaga baru di Indonesia, sayangnyapengaturannya masih tersebar dan tidak seragam. Dalam konteksnya sebagaikewenangan penegak hukum, penyadapan tidak memiliki mekanismepenyeimbang secara horizontal. Dengan meninjau alasan Mahkamah KonstitusiRepublik Indonesia dalam memperluas ruang lingkup praperadilan, ternyataalasan-alasan tersebut juga bisa diberlakukan terhadap penyadapan, sehinggasecara konseptual, dapat dikatakan bahwa praperadilan bisa saja ditarik hinggamencakup penyadapan. Kendatipun demikian, ada ketidakcocokan antarakonsep praperadilan dan pengaturan mengenai penyadapan dalam hukumpositif."

"Tanaman karet merupakan salah satu komoditas utama ekspor Indonesia. Namun, dalam beberapa tahun terakhir, produksi karet di Indonesia mengalami penurunan. Hal tersebut disebabkan karena adanya penyakit gugur daun yang disebabkan oleh jamur Pestalotiopsis sp.. Berkembangnya teknologi artificial intelligence dengan pendekatan deep learning mampu melakukan pendeteksian pada penyakit ini dengan menggunakan data citra. Convolutional Neural Network (CNN) merupakan algoritma deep learning yang diterapkan pada data berbentuk visual atau citra. Pada penelitian ini, peneliti menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Residual Network 50 (ResNet-50). Pada penelitian ini juga digunakan Transfer Learning yang merupakan sebuah model yang dapat diajarkan dan disempurnakan untuk suatu kegiatan dan kemudian bisa diterapkan pada kegiatan lain. Dataset yang digunakan pada penelitian ini adalah data daun karet yang berjumlah 1629 data yang dibagi dalam 5 kelas yaitu level 0 atau sehat merupakan daun yang sehat, level 1 merupakan daun yang telah terbentuk bercak coklat yang merupakan gejala dari penyakit namun belum memiliki tanda-tanda perubahan warna, level 2 merupakan daun yang telah terbentuk banyak bercak cokelat disertai dengan adanya perubahan warna pada daun, level 3 merupakan daun yang mengalami kerusakan jaringan, perubahan warna menjadi cokelat atau kuning namun masih memiliki sedikit bagian daun yang berwarna hijau, level 4 merupakan daun yang mengalami kerusakan jaringan cukup parah, dipenuhi bercak cokelat dan telah berwarna cokelat menyeluruh. Dari hasil simulasi yang dilakukan, diperoleh hasil terbaik dengan rata-rata accuracy 96,01%, recall 95,888%, dan precision 96,184% dengan running time rata-rata running time 69,759 detik.

---

Rubber plants are one of Indonesia's main export commodities. However, in recent years, rubber production in Indonesia has experienced a decline. This is due to the presence of the leaf fall disease caused by the Pestalotiopsis sp. fungus. The advancement of artificial intelligence technology using deep learning approaches enables the detection of this disease using image data. The Convolutional Neural Network (CNN) is a deep learning algorithm applied to visual or image data. In this study, researchers utilized the Convolutional Neural Network (CNN) method with the Residual Network 50 (ResNet50) architecture. Transfer Learning was also employed in this research, which involves training and refining a model for one task and then applying it to another task. The dataset used in this study consists of 1629 rubber leaf samples divided into 5 classes: level 0, representing the healthy leaves; level 1, indicating leaves with brown spots, a symptom of the disease, but without major visible color changes; level 2, comprising of leaves with numerous brown spots accompanied by slight color changes; level 3, representing leaves with tissue damage, a color change from green to brown or yellow, but still retaining some green parts; and level 4, depicting leaves with severe tissue damage, extensively covered in brown spots and having turned completely brown. The simulation results showed the best outcome with an average accuracy of 96.01%, recall of 95.888%, and precision of 96.184%, with an average running time of 69.759 seconds."

"Indonesia menjadi negara dengan produksi karet terbesar kedua di dunia masih dihadapkan pada beberapa kendala walaupun, salah satunya adalah produktivitas karet yang rendah. Rendahnya produktivitas karet di Indonesia salah satunya disebabkan oleh gangguan penyakit tanaman. Penelitian ini bertujuan untuk mengetahui persebaran kesehatan tanaman karet menggunakan indeks vegetasi (NDVI, MSAVI2, ARVI, dan EVI) dan menganalisis pengaruh curah hujan, ketinggian, dan umur tanaman terhadap kesehatan tanaman karet di Pusat Penelitian Karet Sembawa, Kabupaten Banyuasin, Provinsi Sumatera Selatan. Hasil penelitian menunjukkan bahwa persebaran kesehatan tanaman karet di Pusat Penelitian Karet Sembawa (Afdeling 1, 2, dan 3) menggunakan NDVI didominasi oleh kelas baik, MSAVI2, ARVI, dan EVI didominasi oleh kelas sedang. Hasil uji akurasi menunjukkan bahwa MSAVI2 memiliki nilai RMSE terkecil dari ketiga indeks vegetasi lainnya, sebesar 0,046, sehingga model prediksi yang dihasilkan MSAVI2 lebih akurat untuk mendeteksi kesehatan tanaman karet. Aspek yang mempengaruhi kesehatan tanaman karet secara signifikan, yaitu curah hujan dan umur tanaman. Ketinggian mempengaruhi kesehatan tanaman karet tidak terlalu signifikan karena didominasi oleh ketinggian 10 – 20 mdpl. Ketinggian tersebut masih cocok untuk pertumbuhan karet, namun tidak menjamin kesehatan tanaman karet akan tetap terjaga karena berbagai faktor selain faktor fisik dan iklim, seperti dari segi perawatan, teknik penyadapan, dan kegiatan penyiangannya.

---

Indonesia being the country with the second largest rubber production in the world is still faced with several obstacles, although one of them is low rubber productivity. One of the reasons for the low productivity of rubber in Indonesia is plant disease. This study aims to determine the distribution of rubber plant health using the vegetation index (NDVI, MSAVI2, ARVI, and EVI) and to analyze the effect of rainfall, altitude, and plant age on the health of rubber plants at the Sembawa Rubber Research Center, Banyuasin Regency, South Sumatra Province. The results showed that the distribution of rubber plant health at the Sembawa Rubber Research Center (Afdeling 1, 2, and 3) using NDVI was dominated by good class, MSAVI2, ARVI, and EVI dominated by medium class. The accuracy test results show that MSAVI2 has the smallest RMSE value of the other three vegetation indices, amounting to 0.046, so the prediction model produced by MSAVI2 is more accurate for detecting the health of rubber plants. Aspects that significantly affect the health of rubber plants, namely rainfall and plant age. Altitude affects the health of rubber plants not too significantly because it is dominated by a height of 10 – 20 meters above sea level. This height is still suitable for rubber growth, but does not guarantee that the health of rubber plants will be maintained due to various factors other than physical and climatic factors, such as in terms of maintenance, tapping techniques, and weeding activities."

"Beberapa tahun terakhir terjadi penyakit pada tanaman karet yang disebabkan oleh jamur Pestalotiopsis sp yang menyebabkan gugur daun karet secara massif. Pestalotiopsis sp tumbuh dan berkembang pada wilayah dengan curah hujan dan kelembaban udara yang cukup tinggi dan lembab. Kebun Pusat Penelitian Karet Sembawa merupakan kebun yang digunakan dalam melakukan penelitian dan mengembangkan tanaman karet. Penelitian ini bertujuan untuk mengkaji secara spasial dan temporal fenomena gugur daun tanaman karet akibat Pestalotiopsis sp serta curah hujan dan kelembaban pada wilayah kebun Pusat Penelitian Karet Sembawa. Sentinel 2A merupakan citra satelit yang memiliki resolusi spasial dan temporal yang cukup baik dan sering digunakan dalam melakukan monitoring tanaman khususnya hutan dan perkebunan. NDVI digunakan dalam yang mendeteksi tingkat gugur daun pada tanaman karet melalui citra Sentinel 2A. Curah hujan dan kelembaban didapatkan melalui citra CHIRPS dan SMAP. Terdapat hubungan yang cukup signifikan antara nilai NDVI dengan tingkat gugur daun tanaman karet. Pada Agustus 2020 terjadi gugur daun karet secara alami dengan rendahnya tingkat curah hujan dan kelembaban pada wilayah kebun. Desember 2020, Maret, Mei dan November 2021 terjadi gugur daun akibat serangan Pestalotiopsis sp yang ditandai dengan tingginya nilai curah hujan dan kelembaban. Tingkat gugur daun karet akibat Pestalotiopsis sp memiliki hubungan yang signifikan dengan curah hujan secara spasial dan temporal. Kelembaban tidak memiliki korelasi yang cukup signifikan dengan kejadian gugur daun karet.

---

In recent years there has been a disease in rubber plants caused by the fungus Pestalotiopsis sp which causes massive rubber leaf falls. Pestalotiopsis sp grows and develops in areas with high and humid rainfall and humidity. The Sembawa Rubber Research Center garden is a garden for conducting research and developing rubber plants. This study aims to examine the phenomenon of leaf fall of rubber plants due to Pestalotiopsis sp spatially and temporally as well as the influence of rainfall and humidity factors in the garden area. Rubber leaf fall was calculated using the vegetation index and %treecover from Sentinel 2A images and drone images. Rainfall and humidity were obtained through CHIRPS and SMAP images. The results showed a significant relationship between the NDVI value and the leaf fall rate of rubber plants. Rubber leaf fall rate due to Pestalotiopsis sp has a significant relationship with rainfall spatially and temporally. Meanwhile, the humidity did not have a significant correlation with the incidence of rubber leaf falls. Natural leaf fall occurred in August 2020 marked by low levels of rainfall and humidity. December 2020, March, May, and November 2021, leaves fall due to the attack of Pestalotiopsis sp which is characterized by high rainfall and humidity values."