http://repository.ipb.ac.id/handle/123456789/27 Dissertations of IPB's Ph.D. student Fri, 07 Aug 2026 06:24:51 GMT 2026-08-07T06:24:51Z http://repository.ipb.ac.id/handle/123456789/177577 Sifat Fisik, Aktivitas Antioksidan, dan Profil Metabolom Serbuk Jahe Merah (Zingiber officinale var. rubrum) pada Berbagai Ukuran Partikel Aminah, Siti Jahe merah (Zingiber officinale var. rubrum) merupakan rempah yang kaya senyawa bioaktif dan dilaporkan memiliki berbagai bioaktivitas. Hal ini menjadikan jahe merah lebih unggul dibandingkan jenis jahe lainnya seperti jahe gajah dan jahe emprit. Pengolahan menjadi serbuk banyak diaplikasikan karena mampu memperpanjang umur simpan dan memudahkan penanganan. Pengecilan ukuran partikel hingga skala nanometer berpotensi memperluas permukaan dan meningkatkan pelepasan senyawa bioaktif sehingga dapat mengubah profil metabolom dan aktivitas antioksidan. Namun, kajian pada rentang ukuran ini masih terbatas. Penelitian ini bertujuan mengkaji pengaruh ukuran partikel pada skala milimeter hingga nanometer terhadap sifat fisik serbuk jahe merah meliputi distribusi ukuran partikel, morfologi, kemampuan alir, kadar air, kelarutan dalam air, dan warna. Profil sidik jari inframerah berbasis attenuated total reflectance–fourier transform infrared spectroscopy (ATR-FTIR), profil metabolom nonvolatil ekstrak metanol jahe merah berbasis liquid chromatography–high resolution mass spectrometry (LC-HRMS) dan profil metabolom volatil serbuk jahe merah berbasis solid phase microextraction–gas chromatography–mass spectrometry (SPME-GC-MS) dikaji dalam penelitian ini. Senyawa volatil dan gugus fungsi penanda aktivitas antioksidan dengan metode 2,2-diphenyl-1-picrylhydrazyl (DPPH) diidentifikasi dengan analisis multivariat. Serbuk disiapkan pada sembilan tingkat ukuran partikel (D50 2256; 2066; 636; 580; 47,38; 40,37; 39,98; 34,82; dan 0,22 µm) melalui kombinasi metode penggilingan blender, dry food grinder (DFG), dan planetary ball mill (PBM). Penelitian dilakukan dalam tiga tahap, yaitu karakterisasi sifat fisik serbuk, karakterisasi profil sidik jari inframerah menggunakan ATR-FTIR dan profil senyawa nonvolatil menggunakan LC-HRMS serta karakterisasi profil senyawa volatil dengan metode SPME-GC-MS. Hasil analisis ATR-FTIR dan SPME-GC-MS selanjutnya dipadukan dengan analisis multivariat meliputi principal component analysis (PCA), orthogonal partial least squares-discriminant analysis (OPLS-DA), dan orthogonal partial least squares (OPLS). Ukuran partikel serbuk jahe merah pada skala milimeter hingga nanometer (D50 2256–0,22 µm) memberikan pengaruh yang berbeda pada tiap rentang ukuran. Pada rentang D50 2256–34,82 µm, terjadi peningkatan kerapatan curah (0,32–0,35 g/cm³) dan kerapatan mampat (0,36–0,56 g/cm³), disertai peningkatan rasio Hausner, indeks kompresibilitas, dan sudut curah yang mengindikasikan penurunan kemampuan alir. Kelarutan meningkat dari 19,64–31,65%, dan kecerahan L* meningkat dari 27,9–55,4. Hal ini berkaitan dengan bertambahnya luas permukaan spesifik dan mekanisme hamburan cahaya difus. Pada skala nano (D50 0,22 µm), teramati pola yang khas, yaitu rasio Hausner, indeks kompresibilitas, dan sudut curah menurun kembali (1,54; 34,95%; 37,07°) disertai penurunan kadar air menjadi 10,81%. Citra SEM menunjukkan morfologi yang mengindikasikan terjadinya aglomerasi yang diduga dapat dikategorikan menjadi dua jenis aglomerat, yaitu soft agglomerate akibat gaya van der Waals dan hard agglomerate. Yield ekstraksi meningkat dari 3,36% pada D50 2256 µm menjadi 10,31% pada D50 0,22 µm. Aktivitas antioksidan dalam penelitian ini dianalisis dengan metode DPPH. Hasilnya menunjukkan dua pola berbeda. Jika dinyatakan per gram ekstrak aktivitas antioksidan tidak meningkat secara linier seiring pengecilan ukuran partikel. Nilai tertinggi teramati pada serbuk kasar (D50 2256–580 µm) sebesar 17,20–18,10 mg TE/g, menurun pada skala mikro (D50 40,37–34,82 µm) menjadi 14,47–14,67 mg TE/g, dan sedikit naik kembali pada skala nano (D50 0,22 µm) menjadi 15,88 mg TE/g. Sebaliknya, jika dinyatakan per gram serbuk, nilai tersebut meningkat signifikan dari 0,61 mg TE/g pada D50 2256 µm menjadi 1,64 mg TE/g pada D50 0,22 µm. Pola ini mengindikasikan bahwa penggilingan intensif meningkatkan yield ekstraksi, tetapi turut mengekstrak senyawa nontarget sehingga konsentrasi senyawa aktif per gram ekstrak menurun, meskipun per gram serbuk tetap meningkat. Analisis ATR-FTIR yang dikombinasikan dengan PCA dan OPLS-DA mengelompokkan ekstrak menjadi dua kelompok, yaitu ekstrak dari serbuk berukuran kasar (D50 = 580 µm) dan ekstrak dari serbuk berukuran halus - nano (D50 = 47,38 µm). Model OPLS mengidentifikasi tujuh bilangan gelombang yang berkorelasi positif dan berpotensi menjadi penanda aktivitas antioksidan ekstrak, yaitu 3750,6; 1715,44; 1514,59; 1457,2; 1268,65; 1151,82; dan 1121,08 cm?¹. Bliangan-bilangan gelombang tersebut mencirikan vibrasi ulur O-H, vibrasi ulur C=O, vibrasi ulur C=C pada cincin fenil, vibrasi tekuk asimetris C-CH3, asimetris C-O-C, vibrasi ulur C-O. Pita-pita tersebut merepresentasikan gugus fungsi yang umum dijumpai pada senyawa fenolik dan senyawa berkabonil, termasuk kandidat struktur keton fenolik. LC-HRMS mengidentifikasi sementara 65 metabolit yang didominasi oleh 24 senyawa fenolik. Analisis SPME-GC-MS mengidentifikasi sementara 150 senyawa volatil yang dikelompokkan ke dalam sembilan kelas, dengan dominasi golongan terpen (79,50–94,57%). Seiring pengecilan ukuran partikel, kontribusi area relatif monoterpen terhadap keseluruhan profil volatil menurun dari 26,31% pada serbuk kasar (D50 2256 µm) menjadi 4,52% pada serbuk nano (D50 0,22 µm), disertai peningkatan relatif kontribusi monoterpenoid, aldehida, dan keton. Analisis PCA dan OPLS-DA menghasilkan tiga kelompok, yaitu kelompok serbuk jahe merah berukuran kasar (D50 2256 µm), halus (D50 2066–34,82 µm), dan nano (D50 0,22 µm). Model OPLS mengidentifikasi sementara delapan senyawa volatil yang berkorelasi positif dengan aktivitas antioksidan, berdasarkan VIP > 1 dan koefisien regresi positif, yaitu 2-nonyl acetate, a-trans-bergamotenol, eucalyptol, neral, (E)-DMNT, sulcatone, a-phellandrene, dan (1S)-ß-pinene. Ukuran partikel serbuk jahe merah pada rentang skala milimeter hingga nanometer berpengaruh terhadap sifat fisik, profil kimia, dan aktivitas antioksidan. Pendekatan metabolomik untargeted berbasis ATR-FTIR, LC-HRMS, dan SPME-GC-MS yang dipadukan dengan analisis multivariat menunjukkan bahwa pengendalian ukuran partikel merupakan faktor penting dalam mengoptimalkan mutu fungsional serbuk jahe merah sebagai bahan baku maupun bahan tambahan pada berbagai produk pangan. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/177577 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/177576 Strategi Pengelolaan Daerah Penangkapan Ikan Layang pada Kondisi Sumber Daya Ikan dan Habitat Terdegradasi di Laut Jawa Limbong, Mario Laut Jawa yang termasuk dalam Wilayah Pengelolaan Perikanan Negara Republik Indonesia (WPPNRI) 712 merupakan salah satu daerah penangkapan ikan (DPI) paling produktif dibandingkan wilayah pengelolaan perikanan lainnya di Indonesia. Kelompok sumber daya ikan demersal dan pelagis kecil menjadi hasil tangkapan utama di wilayah ini. Namun demikian, tingkat eksploitasi ikan pelagis kecil telah melampaui batas lestari (over-exploited), yang ditandai dengan tingginya tekanan penangkapan serta dominasi hasil tangkapan ikan yang belum matang gonad. Ikan layang (Decapterus spp.) merupakan spesies pelagis kecil yang dominan tertangkap di Laut Jawa, terdiri atas layang benggol (Decapterus russelli) dan layang deles (Decapterus macrosoma). Pemanfaatan kedua spesies tersebut telah berada pada tingkat jenuh, dengan kecenderungan biomassa yang menurun dan tingkat eksploitasi melampaui ambang optimal. Peningkatan jumlah trip dan lamanya waktu operasi penangkapan, yang tidak sebanding dengan hasil tangkapan, mengindikasikan terjadinya degradasi daerah penangkapan ikan. Kondisi ini menegaskan urgensi pengelolaan perikanan layang yang berkelanjutan di Laut Jawa. Penelitian ini bertujuan mengkaji secara komprehensif pengelolaan daerah penangkapan ikan layang yang terdegradasi di Laut Jawa melalui tahapan analisis yang sistematis. Pertama, dilakukan kajian tingkat degradasi sumber daya ikan berdasarkan aspek biologi populasi. Kedua, dianalisis teknologi penangkapan dan tekanan penangkapan untuk mengidentifikasi potensi degradasi akibat aktivitas perikanan. Ketiga, dikaji karakteristik lingkungan perairan dan kondisi habitat secara spasial untuk mendeteksi indikasi degradasi habitat. Seluruh hasil analisis kemudian disintesis untuk menentukan status degradasi DPI dan merumuskan strategi pengelolaan yang efektif dan adaptif. Pengumpulan data dilakukan melalui wawancara nelayan, observasi lapangan dan laboratorium, studi literatur, penginderaan jauh, Focus Group Discussion (FGD), dan brainstorming dengan para pemangku kepentingan. Analisis sumber daya ikan yang terdegradasi dilakukan secara deskriptif menggunakan metode pembobotan (scoring) pada parameter biologi. Tekanan penangkapan dianalisis berdasarkan penggunaan alat tangkap, nilai tangkapan lestari, serta upaya tangkap optimum. Karakteristik lingkungan dan degradasi habitat dievaluasi dengan mengacu pada baku mutu air laut untuk biota. Status degradasi DPI dianalisis menggunakan cluster analysis dan multiple discriminant analysis terhadap variabel sumber daya ikan, tekanan penangkapan, dan dinamika lingkungan. Model konseptual pengelolaan degradasi dianalisis menggunakan Structural Equation Modelling (SEM) dan Soft System Methodology (SSM), sedangkan strategi prioritas pengelolaan DPI di perairan terdegradasi dirumuskan melalui Interpretive Structural Modelling (ISM). Hasil penelitian menunjukkan bahwa tingkat degradasi sumber daya layang benggol dan layang deles berada pada kategori degradasi sedang. Indikator utama degradasi ditunjukkan oleh tingginya proporsi ikan belum matang gonad (immature) dan dominannya ikan jantan dalam hasil tangkapan. Tekanan penangkapan yang berkontribusi terhadap degradasi ditentukan oleh intensitas penggunaan alat tangkap, pemanfaatan ruang laut yang padat, serta penurunan produktivitas penangkapan. Secara spasial, wilayah tengah dan timur Laut Jawa menunjukkan potensi degradasi yang relatif tinggi akibat akumulasi intensitas penangkapan dan kepadatan aktivitas perikanan. Sebaliknya, wilayah barat Laut Jawa yang berbatasan dengan WPPNRI 711 memiliki potensi degradasi relatif lebih rendah hingga sedang. Temuan ini mengindikasikan bahwa degradasi DPI layang bersifat spasial dan dinamis, dipengaruhi oleh konsentrasi aktivitas penangkapan pada wilayah tertentu. Kualitas perairan Laut Jawa pada tahun 2024 secara umum masih berada dalam kisaran baku mutu untuk mendukung kehidupan biota laut dan habitat ikan layang. Namun, indikasi degradasi habitat ringan teridentifikasi di beberapa wilayah pesisir akibat peningkatan beban sedimen, terutama di perairan selatan Kalimantan. Hasil SEM menunjukkan bahwa faktor lingkungan habitat memiliki pengaruh lebih signifikan terhadap degradasi DPI layang dibandingkan tekanan penangkapan. Dengan demikian, dinamika lingkungan dan perubahan kualitas habitat menjadi faktor kunci dalam menentukan keberlanjutan daerah penangkapan ikan. Secara keseluruhan, degradasi DPI layang di Laut Jawa dapat diklasifikasikan ke dalam tiga kategori, yaitu degradasi ringan, sedang, dan berat. Klasifikasi ini menjadi dasar dalam penyusunan strategi pengelolaan yang terarah dan berbasis tingkat kerentanan wilayah. Model konseptual DPI yang terdegradasi meliputi sistem pemantauan stok berbasis biologis, pengendalian upaya penangkapan, dan pemantauan lingkungan berbasis teknologi. Namun, kondisi nyata di lapangan masih menunjukkan adanya kesenjangan implementasi (implementation gap) yang signifikan, terutama dalam hal ketersediaan data ilmiah, penegakan hukum, integrasi teknologi, serta koordinasi antar pemangku kepentingan. Strategi pengelolaan DPI layang yang terdegradasi mencakup dimensi ekologis, teknis, sosial-ekonomi, kelembagaan, dan kebijakan, dengan melibatkan aktor-aktor kunci secara kolaboratif. Prioritas kebijakan oleh Kementerian Kelautan dan Perikanan sebagai regulator meliputi: (1) pengendalian pencemaran laut; (2) pengaturan intensitas upaya penangkapan (fishing effort); (3) penanganan alternatif mata pencaharian; dan (4) penguatan data stok SDI.; The Java Sea, which is part of Indonesian Fisheries Management Area (Indonesian FMA) 712, is one of the most productive fishing grounds among Indonesia’s fisheries management regions. Demersal and small pelagic fish resources constitute the dominant fishery commodities in this region. However, small pelagic fisheries have exceeded sustainable limits (over-exploited), as indicated by intense fishing pressure and the predominance of immature fish in the catches. Scads (Decapterus spp.) are among the most important small pelagic species harvested in the Java Sea, primarily consisting of indian scad (Decapterus russelli) and shortfin scad (Decapterus macrosoma). The exploitation of these species has reached, a saturated level, characterized by declining biomass and exploitation rates exceeding optimal thresholds. The increasing number of fishing trips and extended fishing duration, which are not proportional to the catch yields, indicate the degradation of fishing grounds. These conditions highlight the urgent need for sustainable management of scad fisheries management in the Java Sea. This study aims to comprehensively assess the management of degraded scad fishing grounds in the Java Sea through a systematic analytical framework. First, the level of fish resource degradation was evaluated based on population biological parameters. Second, fishing technology and fishing pressure were analyzed to identify potential degradation resulting from fishing activities. Third, environmental characteristics and habitat conditions were examined spatially to detect indications of habitat degradation. The results of these analyses were subsequently synthesized to determine the degradation status of fishing grounds and to formulate effective and adaptive management strategies. Data were collected through fishermen interviews, field and laboratory observations, literature review, remote sensing analysis, Focus Group Discussions (FGDs) and stakeholder brainstorming sessions. Fish resource degradation was analyzed descriptively using a scoring method based on biological parameters. Fishing pressure was assessed based on fishing gear utilization, maximum sustainable yield and optimum fishing effort. Environmental characteristics and habitat degradation were evaluated according to marine water-quality standards for aquatic biota. The degradation status of scad fishing grounds was analyzed using cluster analysis and multiple discriminant analysis, incorporating fish resource, fishing pressure, and environmental dynamics variables. The conceptual model of degradation management was analyzed using Structural Equation Modeling (SEM) and Soft System Methodology (SSM), while management priorities were formulated using Interpretive Structural Modeling (ISM). The results indicate that the degradation level of Indian scad and shortfin scad resources were classified as moderate. The primary indicators of degradation include a high proportion of immature fish and the dominance of male fish in the catch composition. Fishing pressure contributing to degradation is characterized by high fishing gear intensity, dense marine spatial utilization, and declining fishing productivity. Spatially, the central and eastern parts of the Java Sea exhibit relatively high degradation potential due to the accumulation of fishing intensity and dense fishing activities. In contrast, the western Java Sea, bordering Indonesian FMA 711, shows relatively low to moderate degradation potential. These findings demonstrate that scad fishing ground degradation is spatially dynamic and influenced by the concentration of fishing activities in specific areas. The water quality of the Java Sea in 2024 generally remained within acceptable standards for supporting marine biota and scad habitats. Nevertheless indications of mild habitat degradation were identified in several coastal areas due to increased sediment loads, particularly in southern Kalimantan waters. SEM analysis revealed habitat environmental factors exerted a greater influence on scad fishing ground degradation than fishing pressure. Therefore, environmental dynamics and changes in habitat quality are key determinants of the sustainability of fishing grounds. Overall, scad fishing ground degradation in the Java Sea can be classified into three categories: mild, moderate, and severe degradation. This classification provides a basis for developing targeted management strategies based on regional vulnerability levels. The conceptual model of a degraded fishing ground includes a biologically based stock monitoring, fishing effort control, and technology-based environmental monitoring systems. However, significant implementation gaps remain, particularly in the availability of scientific data, law enforcement, technology integration, and stakeholder coordination. The management strategy for degraded scad fishing grounds encompasses ecological, technical, socio-economic, institutional, and policy dimensions, and involve key actors working collaboratively. Policy priorities by the Ministry of Marine Affairs and Fisheries as the regulator include: (1) marine pollution control; (2) regulation of fishing effort intensity; (3) provision of alternative livelihood; and (4) strengthening fish resource stock data. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/177576 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/177567 Model Penyuluhan Pola Asuh Makan pada Anak Usia Dini Melalui Whatsapp Group Indriani Indonesia masih menghadapi tantangan dalam penanganan stunting. Data dari Survei Kesehatan Indonesia (2023) menunjukkan bahwa prevalensi stunting pada anak berusia 0-59 bulan adalah 21,5 persen, yang masih jauh dari target 14 persen pada 2024. Sejumlah studi menunjukkan perilaku pemberian makan yang tidak tepat akibat kurangnya pengetahuan pengasuh atau orang tua berkaitan erat dengan status gizi anak. Kabupaten Lombok Timur dipilih karena berdasarkan Survei Kesehatan Indonesia 2024 merupakan salah satu daerah dengan tingkat prevalensi stunting tertinggi di Nusa Tenggara Barat (NTB) dengan prevalensi stunting 27,6 persen atau masih berada di atas rerata nasional yakni 21,5 persen. Kabupaten tersebut juga memiliki komitmen tinggi dalam penanganan stunting yang dibuktikan dengan lahirnya sejumlah peraturan daerah dalam upaya penanganan stunting. Perlu upaya penyuluhan untuk mendorong perubahan perilaku pemberian makan pada anak, melalui pemanfaatan WhatsApp. Sementara platform WhatsApp dipilih karena merupakan media sosial yang paling sering digunakan masyarakat Indonesia (We Are Social 2024). Penelitian menggunakan faktor-faktor yang dipengaruhi Theory of Planned Behavior (TPB) dan Technology Acceptance Model (TAM) untuk menjelaskan mekanisme perubahan perilaku melalui pembentukan persepsi, kendali perilaku yang dirasakan, serta penerimaan terhadap media digital sebagai sarana penyuluhan. Penelitian dengan metode eksperimen semu ini bertujuan untuk menganalisis perilaku pola asuh makan anak usia dini di Kabupaten Lombok Timur, menganalisis pengaruh pemanfaatan WhatsApp terhadap perubahan praktik pemberian makan dalam upaya penanganan stunting, dan merumuskan model pemanfaatan WhatsApp dalam penyuluhan penanganan stunting. Penelitian yang dilakukan mulai Juli hingga Oktober 2025 tersebut melibatkan 128 responden yang berasal dari enam PAUD di tiga kecamatan yang dibagi ke dalam dua grup yakni kontrol dan intervensi. Pengumpulan data dilakukan dua tahap yakni data awal (baseline) dan data akhir (endline). Pada tahap baseline, seluruh responden pada kedua kelompok memperoleh brosur terkait pola asuh makan dengan konsep Beragam, Bergizi, Seimbang, dan Aman (B2SA) dan Panduan Gizi Seimbang Berbasis Pangan Lokal (PGS-PL). Selanjutnya, kelompok intervensi memperoleh delapan video penyuluhan mengenai praktik pemberian makan dengan konsep B2SA dan PGS-PL yang dibagikan melalui grup WhatsApp selama sepuluh minggu, sedangkan kelompok kontrol tidak menerima intervensi tambahan. Analisis data dilakukan menggunakan Structural Equation Modeling–Partial Least Squares (SEM-PLS) untuk menguji hubungan struktural antarvariabel, uji Wilcoxon dan Mann–Whitney untuk menguji perbedaan sebelum dan sesudah intervensi, serta Multi-Group Analysis (MGA) untuk mengidentifikasi perbedaan mekanisme antar kelompok. Hasil SEM-PLS pada tahap baseline menunjukkan bahwa faktor dukungan lingkungan dan karakteristik pesan penyuluhan berperan penting dalam membentuk persepsi kemudahan pemberian makan serta persepsi terhadap WhatsApp Group sebagai saluran difusi pesan. Persepsi kemudahan pemberian makan dan persepsi terhadap WhatsApp Group selanjutnya berhubungan positif dengan perilaku pola asuh makan anak. Pada tahap endline, persepsi kemudahan pola asuh makan dan persepsi terhadap WhatsApp Group berpengaruh positif dan signifikan terhadap pola asuh makan anak. Perubahan perilaku tidak terjadi secara langsung akibat paparan intervensi digital, melainkan melalui pembentukan persepsi yang memperkuat kendali perilaku yang dirasakan dan penerimaan terhadap media penyuluhan. Dalam mekanisme ini, WhatsApp Group berperan sebagai mediator parsial yang efektif memperkuat jalur pengaruh lingkungan terhadap perilaku, meskipun pengaruhnya bersifat tidak langsung dan bergantung pada dukungan sosial. Hasil uji beda nonparametrik menunjukkan bahwa intervensi video edukasi berbasis WhatsApp Group selama sepuluh minggu efektif menghasilkan perubahan yang signifikan secara statistik pada aspek sikap dan praktik pola asuh makan dibandingkan kelompok kontrol yang hanya menerima brosur. Pada aspek pengetahuan dan loyalitas, kelompok intervensi menunjukkan kecenderungan peningkatan yang lebih besar daripada kontrol, namun perbedaannya belum mencapai taraf signifikan. Belum signifikannya kedua aspek tersebut diduga dipengaruhi tingginya skor baseline pada sebagian besar responden, yang mengindikasikan adanya efek langit-langit (ceiling effect) sehingga ruang peningkatan menjadi terbatas. Hasil analisis Multi-Group Analysis (MGA) memberikan temuan tambahan bahwa intervensi video melalui WhatsApp Group cenderung memperkuat jalur pengaruh lingkungan sosial terhadap persepsi saluran difusi pesan penyuluhan. Pada kelompok intervensi, faktor lingkungan menjadi aktif dalam membentuk persepsi masyarakat terhadap manfaat WhatsApp Group sebagai saluran komunikasi, sementara pada kelompok kontrol peran tersebut tidak ditemukan. Temuan ini mengindikasikan bahwa lingkungan sosial, khususnya dukungan dari pihak-pihak di sekitar masyarakat, berperan penting dalam menghidupkan fungsi saluran komunikasi digital dalam penanganan stunting berbasis penyuluhan. Secara keseluruhan, penelitian ini menyimpulkan bahwa model penyuluhan pola asuh makan yang efektif menempatkan karakteristik pesan sebagai penentu utama pembentukan persepsi kemudahan, persepsi kemudahan sebagai penggerak inti perubahan pola asuh makan, serta lingkungan sosial sebagai faktor penguat yang mengaktifkan fungsi WhatsApp Group sebagai saluran difusi pesan penyuluhan. Model yang dihasilkan, dinamakan Sosial, Edukasi, Mediasi, Transmisi, Orientasi, dan Norma atau SEMETON yang menempatkan lingkungan sosial sebagai faktor penguat yang melengkapi mekanisme utama perubahan pola asuh makan yang tepat pada anak. Temuan ini memberikan kontribusi konseptual dan empiris bagi pengembangan strategi komunikasi kesehatan berbasis digital yang lebih kontekstual, integratif, dan realistis dalam perbaikan gizi berbasis komunitas. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/177567 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/177562 Multimodal Spatio-Temporal Domain Adaptation Untuk Klasifikasi Fase Fenologi Padi Pada Pertanian Vertikal Siregar, Riki Ruli Affandi Penelitian ini dilatarbelakangi oleh semakin terbatasnya lahan pertanian produktif untuk budidaya padi, yang disebabkan oleh alih fungsi lahan, urbanisasi, serta perubahan iklim. Kondisi ini mendorong kebutuhan akan inovasi sistem budidaya alternatif yang mampu menjamin keberlanjutan produksi pangan, salah satunya melalui pendekatan vertical farming. Meskipun sistem ini telah banyak diterapkan pada komoditas hortikultura, implementasinya pada tanaman padi masih menghadapi berbagai tantangan, khususnya dalam pemantauan fase pertumbuhan secara akurat akibat kompleksitas interaksi antara morfologi tanaman dan dinamika lingkungan mikro. Tantangan ini menjadi semakin penting pada pengembangan padi fungsional (functional rice) atau padi dengan karakteristik khusus (misalnya tinggi nutrisi atau adaptif terhadap kondisi tertentu), yang membutuhkan kontrol lingkungan secara presisi. Permasalahan ini menjadi semakin penting pada pengembangan padi fungsional yang membutuhkan pengendalian lingkungan secara presisi dan berbasis data. Penelitian ini bertujuan mengembangkan model klasifikasi fase pertumbuhan tanaman padi berbasis multimodal deep learning yang mampu mengintegrasikan data citra tanaman dan data sensor lingkungan, sekaligus memiliki kemampuan adaptasi terhadap perbedaan distribusi data antara lahan sawah konvensional dan lingkungan vertical farming. Model yang diusulkan menggunakan pendekatan Multimodal Spatio-Temporal Domain Adaptation (MST-DA) dengan menggabungkan fitur spasial dari citra tanaman menggunakan CNN dan fitur temporal dari data sensor menggunakan LSTM. Beberapa backbone CNN yang digunakan meliputi ResNet50, MobileNet, VGG19, dan Xception. Model melakukan klasifikasi terhadap delapan kelas fase fenologi tanaman padi, yaitu persemaian, vegetatif awal, anakan maksimum, inisiasi malai, bunting, pengisian gabah, pematangan, dan Pra-Panen. Proses klasifikasi memanfaatkan fitur spasial yang diekstraksi dari citra tanaman, meliputi karakteristik morfologi, warna daun, tekstur, bentuk tajuk, serta kerapatan vegetasi. Selain itu, model juga memanfaatkan fitur temporal yang berasal dari data sensor lingkungan, meliputi suhu udara, kelembapan udara, intensitas cahaya, kelembapan tanah, pH air, pH tanah yang direkam secara berkala selama proses pertumbuhan tanaman. Untuk meningkatkan kualitas integrasi multimodal, penelitian ini mengimplementasikan mekanisme Cross-Modal Attention yang memungkinkan model memberikan bobot perhatian adaptif terhadap fitur sensor yang relevan dengan fitur citra. Mekanisme ini terbukti mampu memperkuat hubungan antara perubahan morfologi tanaman dan variasi parameter lingkungan, sehingga menghasilkan representasi fitur yang lebih informatif dan diskriminatif. Selain itu, pendekatan MST-DA diterapkan melalui penggunaan Gradient Reversal Layer (GRL) dan Maximum Mean Discrepancy (MMD) untuk meminimalkan domain shift antara domain sumber dan target. Hasil eksperimen menunjukkan bahwa model MST-DA mampu mengatasi perbedaan distribusi data antara domain sumber dan domain target secara efektif. Pada konfigurasi optimal ?MMD = 0,1 dan a = 20, model mencapai accuracy sebesar 91,48%, F1-score sebesar 83,74%, dan Mean Intersection over Union (Mean IoU) sebesar 73,77%. Selama proses pelatihan, nilai loss menurun secara konsisten yang menunjukkan konvergensi model yang baik, sementara domain accuracy pada domain sumber dan domain target menurun hingga mendekati distribusi acak (˜0,10–0,15), mengindikasikan bahwa model berhasil mempelajari representasi fitur yang semakin domain-invariant. Hasil tersebut menunjukkan bahwa pendekatan MST-DA mampu meningkatkan kemampuan generalisasi model dalam melakukan klasifikasi fase fenologi padi pada lingkungan vertical farming. Temuan utama dari penelitian ini menunjukkan bahwa integrasi antara Cross-Modal Attention dan domain adaptation mampu meningkatkan kualitas representasi fitur serta memperkuat kemampuan model dalam menghadapi heterogenitas data pertanian lintas domain. Kebaruan penelitian ini terletak pada pengembangan arsitektur MST-DA yang mengintegrasikan pembelajaran spasial-temporal, mekanisme perhatian lintas modalitas, dan domain adaptation dalam satu kerangka terpadu untuk klasifikasi fase pertumbuhan padi berbasis IoT vertical farming. Dari sisi ilmiah, penelitian ini memperluas penerapan domain adaptation pada bidang pertanian cerdas, khususnya pada data multimodal yang bersifat dinamis dan heterogen. Dari sisi implementasi, model yang dikembangkan berpotensi diterapkan pada sistem smart farming berbasis IoT untuk mendukung pemantauan pertumbuhan tanaman secara otomatis, adaptif, dan berbasis data dalam lingkungan vertical farming.; This research was motivated by the increasing scarcity of productive agricultural land for rice cultivation due to land-use conversion, urbanization, and climate change. These challenges have created an urgent need for innovative alternative cultivation systems capable of ensuring sustainable food production, one of which is vertical farming. Although this cultivation system has been widely implemented for horticultural crops, its application to rice cultivation remains challenging, particularly in accurately monitoring rice growth stages because of the complex interactions between plant morphology and microenvironmental dynamics. These challenges become even more critical in the development of functional rice, which requires precise and data-driven environmental control throughout the cultivation process. This study aims to develop a multimodal deep learning model for rice growth stage classification by integrating plant image data and environmental sensor data while adapting to distribution discrepancies between conventional paddy fields and vertical farming environments. The proposed Multimodal Spatio-Temporal Domain Adaptation (MST-DA) framework combines spatial feature extraction from plant images using Convolutional Neural Networks (CNNs) with temporal feature learning from environmental sensor data using Long Short-Term Memory (LSTM) networks. Four CNN backbone architectures, namely ResNet50, MobileNet, VGG19, and Xception, were employed to evaluate their feature extraction capabilities. The proposed model classifies rice plants into eight phenological stages: seedling, early vegetative, maximum tillering, panicle initiation, booting, grain filling, ripening, and pre-harvest. The classification process utilizes spatial features extracted from plant images, including plant morphology, leaf color, texture, canopy structure, and vegetation density. In addition, temporal features are extracted from environmental sensor data, including air temperature, relative humidity, light intensity, soil moisture, water pH, and soil pH, which are continuously recorded throughout the plant growth cycle. To enhance multimodal feature integration, this study incorporates a Cross-Modal Attention mechanism that enables the model to assign adaptive attention weights to environmental sensor features according to their relevance to visual features extracted from plant images. This mechanism effectively strengthens the relationship between changes in plant morphology and variations in environmental conditions, thereby producing more informative and discriminative feature representations. Furthermore, the proposed MST-DA framework integrates a Gradient Reversal Layer (GRL) and Maximum Mean Discrepancy (MMD) to minimize domain shift between the source and target domains. Experimental results demonstrate that the proposed MST-DA model effectively addresses differences in data distribution between the source and target domains. Under the optimal parameter configuration (?MMD = 0.1 and a = 20), the model achieved an accuracy of 91.48%, an F1-score of 83.74%, and a Mean Intersection over Union (Mean IoU) of 73.77%. During the training process, the loss consistently decreased, indicating stable model convergence, while the domain classification accuracy in both the source and target domains decreased to values close to a random distribution (˜0,10–0,15), demonstrating that the proposed framework successfully learned increasingly domain-invariant feature representations. These results indicate that the MST-DA approach effectively improves the model's generalization capability for rice phenological stage classification in vertical farming environments. The findings of this study demonstrate that the integration of Cross-Modal Attention and domain adaptation enhances the quality of feature representations and improves the model's robustness in handling heterogeneous agricultural data across different domains. The primary novelty of this research lies in the development of a unified MST-DA framework that integrates spatiotemporal learning, cross-modal attention, and domain adaptation into a single architecture for IoT-based rice phenological stage classification in vertical farming. From a scientific perspective, this study extends the application of domain adaptation in smart agriculture, particularly for dynamic and heterogeneous multimodal data. From a practical perspective, the proposed model has strong potential for implementation in IoT-enabled smart farming systems to support automated, adaptive, and data-driven monitoring of rice growth in vertical farming environments. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/177562 2026-01-01T00:00:00Z