Pengeringan merupakan proses pengurangan kadar air akibat dari perpindahan panas dan massa air. Wortel (Daucus carota) merupakan salah satu bahan yang sering dikeringkan untuk tambahan sajian makanan instan dan laju pengeringan nya menjadi bagian penting untuk dikaji. Tujuan penelitian ini adalah untuk menganalisis pengaruh variasi ketebalan irisan wortel dan mengembangkan model prediksi terhadap laju pengeringan. Sampel penelitian berupa irisan wortel segar pada ketebalan 2 mm, 4 mm, dan 6 mm dengan kadar air sebesar 90,72%. Waktu pengukuran setiap 0,5 jam selama 5,5 jam pengeringan dengan tiga kali ulangan. Hasil uji sidik ragam satu arah dan DMRT menunjukkan adanya perbedaan yang signifikan pada tiap ketebalan irisan wortel terhadap laju pengeringan dengan tingkat signifikansi 99%. Terdapat dua model prediksi yang dikembangkan, yaitu model regresi linier berganda (RLB) dan model jaringan syaraf tiruan (JST). Pelatihan dan validasi model RLB menghasilkan nilai RMSE sebesar 10,622 dan 10,409 kemudian nilai R2 sebesar 0,660 dan 0,640. Sedangkan pelatihan dan validasi model JST menghasilkan nilai RMSE sebesar 1,237 dan 2,099 kemudian nilai R2 sebesar 0,996 dan 0,992.

The purpose of this study was to develop a method of measuring the amylose content of rice using image processing techniques and an Artificial Neural Network (ANN) model. The rice samples came from six varieties, namely Way Apo Buru, Mapan P05, IR-64, Cibogo, Inpari IR Nutri Zinc, and Inpari 33. The amylose content was measured by laboratory tests and the color intensity was measured based on the RGB (Red, Green, Blue). The ANN model will correlate the RGB color intensity as input with the amylose content as the output. The ANN model used is backpropagation type with 3 input layer nodes and 2 hidden layers with 3-5-5-1 architecture. Variations in the training model used are 27 variations of the activation function. The amount of data used for model training of 30 data while for validation of 12 data. The best ANN model is determined from the high value of accuracy (100%-MAPE) and the value of coefficient of determination (R2). The results showed the best network architecture on the activation function purelin-logsig-tansig. The R2 value on the best training and validation results of 0.98 and 0.66 while the accuracy values for the best training and validation results of 98.15 and 66.82. The validation results show that the developed non-destructive method can be used to quickly and accurately measure the amylose value of rice based on RGB color value. The test results show that the non-destructive method developed cannot be used to measure the amylose content of rice quickly and accurately based on the RGB color intensity, so it needs further development. Keywords:   Amylose, Artificial neural networks, Image processing, Rice

Desa Seputih merupakan salah satu desa di Kecamatan Mayang, Kabupaten Jember. Selain sektor pertanian, sektor pertanian juga menjadi andalan desa yaitu sapi dengan hampir 70% rumah tangga memiliki ternak. Tingginya jumlah ternak di masyarakat menyebabkan peningkatan jumlah kotoran ternak yang dihasilkan. Salah satu solusi yang dapat diterapkan untuk mengurangi limbah tersebut adalah dengan mengolah kotoran menjadi pupuk organik sehingga program pengabdian masyarakat yang dilaksanakan di Desa Seputih adalah pembuatan pupuk organik padat dari kotoran sapi yang dapat dimanfaatkan oleh masyarakat di lahan lahan. Kegiatan yang dilakukan untuk mencapai tujuan antara lain rapat koordinasi tim dosen dengan kepala desa, petani dan peternak; survei potensi; pembuatan pupuk organik padat serta monitoring dan evaluasi. Kegiatan pengabdian masyarakat ini disambut dengan antusias. Masyarakat langsung mendapat informasi tentang pentingnya penanganan limbah sapi dan memiliki pengalaman membuat bengkel pupuk organik. Pupuk organik padat dapat digunakan setelah dua minggu proses fermentasi.

Permasalahan hidrometeorologi berupa kekeringan menjadi tantangan yang dihadapi Indonesia, khususnya Jawa Barat. Terjadinya kekeringan di Jawa Barat yang beriklim muson erat kaitannya dengan fenomena El Niño Southern Oscillation (ENSO). Salah satu metode untuk mengukur tingkat kekeringan adalah dengan metode Palmer Drought Severity Index (PDSI). Penelitian ini bertujuan untuk menentukan tingkat kekeringan di wilayah Jawa Barat berdasarkan metode PDSI pada kondisi normal dan El Niño serta membuat peta sebaran tingkat kekeringan. Data curah hujan dari Climate Research Unit (CRU) 2000-2012 digunakan dalam studi ini. Pola spasial penghitungan PDSI kemudian dipetakan berdasarkan musim. Model spasial kekeringan berdasarkan indeks Palmer menunjukkan bahwa puncak kekeringan terjadi pada bulan Juni-Juli-Agustus (JJA) dan September-Oktober-November (SON). Kekeringan merata di seluruh Jawa Barat pada periode Juli hingga Agustus yang berpusat di Jawa Barat bagian utara dari September hingga November. Pada periode Januari hingga Maret, kekeringan hanya terkonsentrasi di sebagian kecil wilayah Jawa Barat bagian barat dan selatan. Peristiwa El Niño pada musim kemarau (Juni-November) meningkatkan parahnya kekeringan di Jawa Barat.

Tujuan dari penelitian ini adalah menentukan letak strategi kebijakan modernisasi irigasi, kebijakan yang diambil berada di Daerah Irigasi Batang Anai. Penyusunan kebijakan modernisasi irigasi ditentukan dengan tempo waktu jangka pendek dan jangka panjang. Data yang ada diolah dengan metode Analytical Hierarchy Process (AHP) dan kebijakan yang diambil menggunakan metode SWOT (Strengths Weaknesses Opportunities Threats). Hasil penelitian ini menunjukan bahwa Daerah Irigasi Batang Anai masuk dalam strategi turn around kuadran III (Opportunities – Weaknesses) untuk sistem pengelolaan irigasi. Sedangkan untuk pilar institusi pemerintah dan sumber daya manusia masuk dalam Strategi defensif kuadran IV (Weaknesses – Threats) SWOT.  Kebijakan modernisasi irigasi Daerah Irigasi Batang Anai dimulai dengan ketepatan dan kecepatan respon terhadap kerusakan saluran sesuai dengan operasi dan pemeliharaan yang berlaku. Selain itu, dana operasi dan pemeliharaan yang ada juga harus disesuaikan dengan angka kebutuhan nyata operasi dan pemeliharaan.