Publication Search

Tanaman padi merupakan salah satu komoditas pangan utama di dunia yang memiliki peran penting dalam menjaga ketahanan pangan global. Namun, produktivitas tanaman padi seringkali terganggu oleh berbagai penyakit daun yang dapat menurunkan kualitas dan hasil panen secara signifikan. Deteksi penyakit secara dini menjadi langkah penting untuk mengendalikan penyebaran penyakit tersebut. Metode konvensional yang mengandalkan pengamatan manual memiliki keterbatasan dalam hal kecepatan, akurasi, serta ketergantungan terhadap keahlian manusia. Oleh karena itu, diperlukan suatu sistem deteksi otomatis yang mampu mengidentifikasi penyakit secara cepat dan akurat. Penelitian ini bertujuan untuk mengembangkan model deteksi penyakit daun padi menggunakan metode YOLO (You Only Look Once) berbasis Deep Learning. Dataset yang digunakan diperoleh dari Kaggle yang terdiri dari citra daun padi dengan anotasi bounding box. Proses penelitian meliputi tahap pengumpulan data, preprocessing, pelatihan model, serta evaluasi performa. Model dilatih menggunakan optimizer Stochastic Gradient Descent (SGD) dengan parameter tertentu untuk memperoleh hasil yang optimal. Evaluasi kinerja model dilakukan menggunakan metrik mean Average Precision (mAP), precision, dan recall. Hasil penelitian menunjukkan bahwa model YOLO mampu mendeteksi penyakit daun padi dengan tingkat akurasi yang tinggi serta waktu deteksi yang relatif cepat. Hal ini menunjukkan bahwa metode YOLO efektif untuk diterapkan dalam sistem pertanian cerdas. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman berbasis kecerdasan buatan.

The State Logistics Agency (Bulog) plays a strategic role in maintaining national food security by stabilizing the prices and availability of staple food commodities. Amidst increasingly fierce market competition and changing consumer behavior, the Maumere branch of Bulog faces challenges in increasing commercial commodity sales without neglecting its public function. This study aims to analyze the marketing strategy implemented by Bulog Maumere to increase food commodity sales, as well as identify obstacles and improvement efforts. Using a descriptive qualitative approach through observation, interviews, and documentation, the findings indicate that Bulog Maumere's marketing strategy integrates the 4Ps of the marketing mix—product, price, place, and promotion—through expanded distribution channels (RPK, traditional markets, government agencies), market operations (SPHP, the Affordable Food Movement), and collaboration with local partners. This strategy is effective in increasing sales volume and accelerating stock turnover, although it remains hampered by reliance on government assignments, lengthy bureaucratic procedures, and distribution delays. Key recommendations include strengthening commercial sales, optimizing digital marketing, and improving operational efficiency. The results of this study provide a practical contribution to the development of marketing strategies for public food institutions in the archipelago.