Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Penyakit Gugur Daun Pestalotiopsis (PGDP) merupakan penyakit yang menyerang perkebunan karet Indonesia sejak tahun 2017 dengan tingkat keparahan yang tinggi berupa tajuk pohon meranggas sebanyak 75–90% hingga berakibat pada menurunnya produksi lateks sebesar 45%. Penyakit tersebut disebabkan oleh fungi Pestalotiopsis sp. yang dapat menyerang semua jenis klon tanaman karet, seperti klon PB 260 yang memiliki ketahanan moderat dan GT 1 yang rentan. Analisis mikromorfologi daun H. brasiliensis dari klon moderat dan rentan yang diinokulasi dengan Pestalotiopsis sp. perlu dilakukan untuk mengetahui respons daun terhadap infeksi patogen. Sampel daun H. brasiliensis diberi perlakuan berupa pelukaan, inokulasi, dan pelukaan+inokulasi pada tiga area secara detached leaf dengan tiga kali ulangan. Pengamatan dilakukan pada daun segar sejak hari pertama hingga hari ketiga pasca pemberian perlakuan. Setelah itu, daun dibuat menjadi sediaan mikromorfologi yang mewakili perkembangan gejala pada tiga time point, yaitu 1, 2, dan 3 hari setelah inokulasi. Respons yang ditunjukkan adalah munculnya gejala penyakit pada daun berupa terbentuknya lesi patogenik yang terdiri atas zona miselia dan zona nekrotik serta perkembangan hifa yang cenderung bergerak menuju pertulangan daun. Lesi patogenik yang terbentuk pada daun H. brasiliensis klon PB 260 memiliki karakteristik berupa zona nekrotik dengan luas area yang lebih besar daripada zona miselia. Sebaliknya, lesi patogenik yang terbentuk pada klon GT 1 memiliki zona miselia dengan luas area yang lebih besar daripada zona nekrotik.

---

The Pestalotiopsis Leaf Fall Disease (PLFD) is a disease that has been affecting rubber plantations in Indonesia since 2017, exhibiting a high severity level characterized by the defoliation of tree canopies ranging from 75-90%, consequently leading to a 45% decline in latex production. PLFD is caused by the fungus Pestalotiopsis sp., which can infect all types of rubber tree clones, such as the PB 260 clone with moderate resistance and the susceptible GT 1 clone. Micro-morphological analysis of H. brasiliensis leaves from both moderate and susceptible clones inoculated with Pestalotiopsis sp. is necessary to understand the leaf response to pathogen infection. Hevea brasiliensis leaf samples were subjected to treatments including wounding, inoculation, and wounding+inoculation on three detached leaf areas with three replications. Observations were made on fresh leaves from day one to day three post-treatment application. Symptoms included pathogenic lesion formation surrounded by necrotic areas and hyphal development toward leaf veins. Pathogenic lesions that form on the leaves of H. brasiliensis clone PB 260 are characterized by a necrotic zone with an area larger than the mycelial zone. In contrast, the pathogenic lesions formed in the GT 1 clone had a mycelial zone with a larger area than the necrotic zone."

"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."

"Penyakit Gugur Daun Pestalotiopsis (PGDP) merupakan penyakit yang menyerang perkebunan karet Indonesia sejak akhir 2017. Patogen yang menyebabkan PGDP adalah kelompok fungi Pestalotiopsis. Dampak yang ditimbulkan oleh PGDP antara lain gugur daun hingga mencakup 75-90% kanopi dan penurunan produksi lateks hingga 45% dari berbagai tingkatan usia dan berbagai jenis klon. Penelitian bertujuan untuk mengetahui respons daun Hevea brasiliensis terhadap infeksi Pestalotiopsis sp. secara mikromorfologi dari klon RRIC 100 dan BPM 24. Sebanyak 3 individu dari klon RRIC 100 dan BPM 24 digunakan sebagai ulangan dalam penelitian. Inokulasi dilakukan di 3 area pada permukaan abaksial anak daun. Pengamatan dilakukan pada 1 sampai 3 hari setelah inokulasi (hsi). Sediaan mikromorfologi dibuat melalui 2 tahap, yaitu bleaching dan staining. Respons yang ditunjukkan anak daun Hevea brasiliensis klon RRIC 100 dan BPM 24 adalah terbentuknya lesi patogenik yang terdiri atas zona miselia dan zona nekrosis di sekitar area inokulasi. Hasil pengamatan mikromorfologi menunjukkan bahwa kecenderungan arah kolonisasi hifa Pestalotiopsis sp. teramati pada area pertulangan daun. Respons yang ditunjukkan klon RRIC 100 terhadap infeksi Pestalotiopsis sp. adalah pembentukan zona nekrosis berwarna cokelat dengan garis batas yang jelas dan mencegah penyebaran miselia Pestalotiopsis sp.. Sementara pada BPM 24, pembentukan zona nekrosis memunculkan warna cokelat dengan tepi tidak beraturan dan gari batas yang samar sehingga kurang dapat mencegah penyebaran miselia Pestalotiopsis sp.. Hasil tersebut menunjukkan bahwa klon RRIC 100 mengembangkan sistem pertahanan diri yang lebih baik dalam menghambat penyebaran infeksi melalui pembentukan zona nekrosis yang lebih tebal dan tegas dibandingkan dengan klon BPM 24.

---

Pestalotiopsis leaf fall disease (PLFD) is a disease that has been affecting Indonesian rubber plantations since late 2017. The pathogen that causes PLFD is Pestalotiopsis group of fungi. The impacts caused by PLFD include leaf fall covering 75-90% of the canopy and a decrease in latex production of up to 45%. PLFD can attack H. brasiliensis plants of various ages and various types of clones, including clones with moderate resistance such as RRIC 100 and susceptible clones such as BPM 24. The research aimed to determine the response of Hevea brasiliensis leaves to Pestalotiopsis sp. infection micromorphologically from clones RRIC 100 and BPM 24. Total of 3 individuals from clones RRIC 100 and BPM 24 were used as replicates in the research. Each individual was represented by 3 compound leaves that treated with wounding, inoculation, and wounding+inoculation. Inoculation was given in 3 areas on abaxial surface of the leaflets. Observations were made at 1 to 3 days post inoculation (dpi). Micromorphology preparations were made through 2 stages, which are bleaching and staining. Micromorphological observations showed that the tendency of Pestalotiopsis sp. hyphae colonization was observed in the area of leaf veins. The response shown by clone RRIC 100 to Pestalotiopsis sp. infection is the formation of a brown necrosis zone with clear boundaries and is blocking the spread of infection. While in BPM 24, the formation of necrosis zones gave rise to a brown color with irregular edges. These results indicate that the RRIC 100 clone developed a better self-defense system in inhibiting the spread of infection through the formation of a thicker and more defined necrosis zone compared to the BPM 24 clone."