Melalui FGD Penelitian Fundamental Reguler 2025, Perkuat hasil kolaborasi keilmuan&Institusi menuju Ketahanan Pangan

Anggota Team Hibah Penelitian Fundamental Reguler 2025 UNWAHA yang terdiri dari dosen dengan dasar keilmuan yag berbeda, dan para mahasiswa yang terlibat, foto bersama WAREK Akademik UNWAHA, Undangan dari Disperta Pemkab Jombang, serta narasumber dari Proteksi Tanaman Faperta UNEJ

Pada Kamis, 25 September 2025 bertempat di ruang rapat UNWAHA Jombang, diadakan Focus Group Discussion (FGD) terkait dengan hasil penelitian Fundamental Reguler 2025 dengan judul “Pendekatan Quantum Kernel Hybrid Pada Platform Inspeksi Serangan Hama Keong Mas (Pomacea canaliculata L Berbasis Smartphone Sistem Database Integratif”. Kegiatan tersebut dihadiri oleh Wakil rektor Akademik, Bp. Ino Angga Putra,M.Pd, undangan dari Disperta Pemkab Jombang Bp. A.Jani Masyhudi,M.P dan Agus Suhadi,M.P, para dosen lingkup FTI dan FP, serta LPPM UNWAHA. Adapun narasumber FGD selain team riset, adalah Bp. Ir. Syafiuddin Hasyim, M.P yang expert dalam ilmu hama Tanaman, juga sebagai Kaprodi Proteksi Tanaman Fakultas Pertanian Universitas Jember.

Disampaikan bahwa serangan hama keong mas (Pomacea canaliculata L.) merupakan salah satu kendala utama dalam budidaya padi yang dapat menurunkan produktivitas secara signifikan. Deteksi manual di lapangan masih menghadapi keterbatasan kecepatan, akurasi, dan ketersediaan data terintegrasi. Penelitian ini bertujuan mengembangkan platform inspeksi berbasis smartphone dengan sistem database integratif yang mampu melakukan deteksi hama secara cepat, akurat, dan real-time. Inovasi utama yang ditawarkan adalah penerapan Quantum Kernel Hybrid (QKH), yaitu kombinasi kernel kuantum dengan RBF dan Polynomial dalam kerangka multi-kernel learning untuk meningkatkan kinerja klasifikasi citra. Metodologi meliputi akuisisi dan pra-pemrosesan citra hama, perancangan antarmuka aplikasi Android, pengembangan serta implementasi model QKH, dan integrasi dengan layanan cloud. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, AUC, serta uji robust terhadap noise dan bootstrap confidence interval. Hasil penelitian menunjukkan bahwa QKH secara konsisten memberikan kinerja superior dibandingkan kernel murni, dengan akurasi hingga 95%, presisi 94–96%, galat generalisasi terendah (0,05), dan peningkatan signifikan (p < 0,05) pada semua ukuran dataset. Analisis Gram Matrix juga mengonfirmasi distribusi kemiripan data yang lebih representatif. Dengan demikian, QKH terbukti efektif sebagai pendekatan mutakhir dalam mendukung sistem inspeksi pertanian cerdas berbasis perangkat mobile.

Dalam diskusi tersebut, para narasumber dan undangan memberi masukan, saran yang sangat bermanfaat untuk pengembangan riset dan aplikasi selanjutnya. Diantaranya terkait penambahan data iklim, topografi, pH, kondisi tanah, dan kapasitas air dalam aplikasi mobile yang memang berpengaruh terhadap populasi keong mas di lahan. Diharapkan melalui FGD tersebut, tidak hanya penguatan riset untuk berikutnya, tetapi juga terjalin kerjasama semua pihak dengan tujuan sama yaitu menuju ketahanan pangan.

Leave a Reply

Your email address will not be published. Required fields are marked *