ANALISIS KELAYAKAN DETEKSI CEPAT PENYAKIT HAWAR DAUN TANAMAN KENTANG PADA FASE AKHIR MENGGUNAKAN UAV

LATE BLIGHT FEASIBILITY ANALYSIS IN POTATOES USING UAV FOR QUICK DETECTION IN LATE-STAGE

Authors

  • Istika Nita Departemen Tanah, Fakultas Pertanian, Universitas Brawijaya, Malang 65145, Indonesia
  • Aditya Nugraha Putra Departemen Tanah, Fakultas Pertanian, Universitas Brawijaya, Malang 65145, Indonesia
  • Antok Wahyu Sektiono Departemen Hama dan Penyakit Tumbuhan, Fakultas Pertanian, Universitas Brawijaya
  • Sativandi Riza Departemen Tanah, Fakultas Pertanian, Universitas Brawijaya, Malang 65145, Indonesia
  • Kurniawan Sigit Wicaksono Departemen Tanah, Fakultas Pertanian, Universitas Brawijaya, Malang 65145, Indonesia
  • Dinna Hadi Sholikah Departemen Tanah, Fakultas Pertanian, Universitas Brawijaya, Malang 65145, Indonesia
  • Wanda Kristiawati Sekolah Pascasarjana, Programm Studi Pengelolaan Sumber Daya Lingkungan dan Pembangunan, Universitas Brawijaya, Malang 65145
  • Melati Julia Rahma Sekolah Pascasarjana, Programm Studi Pengelolaan Sumber Daya Lingkungan dan Pembangunan, Universitas Brawijaya, Malang 65145

DOI:

https://doi.org/10.21776/ub.jurnalhpt.2023.011.3.2

Keywords:

Drone, indeks penyakit, indeks tanaman, pengindraan jauh, penyakit tumbuhan

Abstract

Produksi kentang di Indonesia berkontribusi + 0,3% dari total produksi dunia sebesar + 388.191.000 ton. Kentang merupakan komoditas hortikultura esensial di Indonesia dengan permintaan sekitar 2,82 kg ha-1 kapita-1 pada tahun 2021. Saat ini terjadi defisit ketersediaan kentang yang mencapai 4.845.910 ton yang diperparah dengan terus menurunnya produksi kentang nasional (1.164.738 ton). Penyakit hawar daun (Phytophthora infestans) merupakan salah satu masalah utama penyebab penurunan produksi kentang (kehilangan hasil antara 10-100%). Penyebaran penyakit hawar daun sulit untuk diidentifikasi secara real time, sehingga diperlukan teknologi tepat guna yang dapat memberikan informasi secara cepat dan akurat. Penelitian ini bertujuan untuk melihat bagaimana foto udara (dari UAV) memperkirakan sebaran penyakit hawar daun pada kentang. Foto UAV diubah menjadi indeks NDVI, RDVI, SAVI, SR, ARVI-2, DVI, IPVI, dan GCI. Data pengukuran indeks penyakit hawar daun akan dikorelasikan dan dipilih yang terbaik untuk mendapatkan rumus regresi distribusi spasial penyakit hawar daun. Lokasi penelitian berada di Kecamatan Bumiaji, Kota Batu, Indonesia. Titik pengamatan di lapangan sebanyak 50 titik pengamatan untuk setiap luasan 3 Ha. Hasil penelitian menunjukkan bahwa semua indeks berkorelasi positif (> r tabel 0,34). Korelasi tertinggi pada estimasi model dari indeks NDVI (0,72). Kondisi ini sejalan dengan koefisien regresi (R2) pada NDVI yang mencapai 0,51 dengan persamaan y = 20,779 * (angka indeks NDVI) + 49,146. Analisis t-paired menunjukkan bahwa t hitung pada model (-1,10) ada pada grafik t-tabel (2,16), dan ini menegaskan bahwa rumus tersebut dapat diandalkan untuk digunakan.

References

Adamu, B., Tansey, K. & Ogutu, B. (2018) Remote sensing for detection and monitoring of vegetation affected by oil spills. International Journal of Remote Sensing, 39(11), 3628–3645. https://doi.org/10.1080/01431161.2018.1448483

Agrios, G. (2005). Plant pathology 5th edition. USA : Elsevier.

Alpaydin, E. (2020). Introduction to machine learning. USA : MIT press.

Arhatin, R.E. & Wahyuningrum, P.I. (2013) Algoritma indeks vegetasi mangrove menggunakan satelit landsat ETM+. Buletin PSP, 21(2), 215-228.

Arora, R., Sharma, S. and Singh, B.P. (2014). Late blight disease of potato and its management. Potato Journal, 41(1), 16-41.

Badan Pusat Statistik Kota Batu (2017). Luas panen dan produksi sayur-sayuran menurut jenis tanaman di Kota Batu 2017. Available at: https://batukota.bps.go.id/statictable/2018/12/13/329/luas-panen-dan-produksi-sayur-sayuran-menurut-jenis-tanaman-di-kota-batu-2017.html (Accessed: 12 July 2020).

Brahmantara. (2017). Metode foto rentang dekat (close range photogrammetry) dan aerial untuk pendokumentasian tiga dimensi cagar budaya. Jurnal Konservasi Cagar Budaya, 11(2), 76–88. https://doi.org/10.33374/jurnalkonservasicagarbudaya.v11i2.177

Chen, J.M. (1996). Evaluation of vegetation indices and a modified simple ratio for boreal applications. Canadian Journal of Remote Sensing, 22(3), 229–242. https://doi.org/10.1080/07038992.1996.10855178

Crippen, R.E. (1990). Calculating the vegetation index faster. Remote sensing of Environment, 34(1), 71–73. https://doi.org/10.1016/0034-4257(90)90085-Z

Duarte-Carvajalino, J.M., Alzate, D.F., Ramirez, A.A., Santa-Sepulveda, J.D., Fajardo-Rojas, A.E., & Soto-Suárez, M. (2018). Evaluating late blight severity in potato crops using unmanned aerial vehicles and machine learning algorithms. Remote Sensing, 10(10), 1513. https://doi.org/10.3390/rs10101513

European and Mediterranean Plant Protection Organization (2008). Phytophthora infestans on potato. EPPO Bulletin, 38(3), 268–271. https://doi.org/10.1111/j.1365-2338.2008.01224.x

Faostat, F. (2019). Food and agriculture data. https://www.fao.org/faostat/en/#data/ .

Franceschini, M.H.D., Bartholomeus, H., van Apeldoorn, D.F., Suomalainen, J., & Kooistra, L. (2019). Feasibility of unmanned aerial vehicle optical imagery for early detection and severity assessment of late blight in potato. Remote Sensing, 11(3), 224. https://doi.org/10.3390/rs11030224

Gitelson, A.A., Gritz, Y. & Merzlyak, M.N. (2003). Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. Journal of plant physiology, 160(3), 271–282. https://doi.org/10.1078/0176-1617-00887

Hamur, P.K., M.E. Tjahjadi & A. Yuliananda. (2019). Kajian pengolahan data foto udara menggunakan perangkat lunak agisoft photoscan dan pix4d mapper. Malang : Institut Teknologi Nasional.

Huete, A.R. (1988). A soil-adjusted vegetation index (SAVI). Remote sensing of environment, 25(3), 295–309. https://doi.org/10.1016/0034-4257(88)90106-X

Lal, M., Sharma, S., Yadav, S., & Kumar, S. (2018). Management of late blight of potato. Potato-From Incas to All Over the World. https://doi.org/10.5772/intechopen.72472

Madiyanto, R., Ekananda, S. & Gunarto, A. (2014). Uji resistensi beberapa klon kentang terhadap penyakit hawar daun (Phythopthora infestans). J. Sains Dan Teknologi Indonesia, 16(1).

Maspiyanti, F., Fanany, M.I. & Arymurthy, A.M. (2013). Klasifikasi fase pertumbuhan padi berdasarkan citra hiperspektral dengan modifikasi logika fuzzy (paddy growth stages classification based on hyperspectral image using modified fuzzy logic). Jurnal Penginderaan Jauh Dan Pengolahan Data Citra Digital, 10(1), 41-48.

Nuryani, W., Yusuf, E.S., Rahardjo, I.B. & Djatnika, I. (2012). Penggunaan glio-compost untuk mengendalikan penyakit layu fusarium dan meningkatkan produktivitas bunga krisan potong. J. Hortik, 22(3), 285–291.

Putra, A.N. & Nita, I. (2020). Reliability of using high-resolution aerial photography (red, green and blue bands) for detecting available soil water in agricultural land. Journal of Degraded and Mining Lands Management, 7(3), 2221-2232. https://doi.org/10.15243/jdmlm.2020.073.2221

Roujean, J.-L. & Breon, F.-M. (1995). Estimating PAR absorbed by vegetation from bidirectional reflectance measurements. Remote sensing of Environment, 51(3), 375–384. https://doi.org/10.1016/0034-4257(94)00114-3

Schumann, G.L. & D’Arcy, C.J. (2000). Late blight of potato and tomato. The Plant Health Instructor. https://doi.org/10.1094/PHI-I-2000-0724-01

Semangun, H. (2007). Penyakit-penyakit tanaman hortikultura di Indonesia edisi ketiga. Yogyakarta : Gadjah Mada University Press.

Shofiyanti, R. (2011). Teknologi pesawat tanpa awak untuk pemetaan dan pemantauan tanaman dan lahan pertanian. Informatika Pertanian, 20(2), 58–64.

Soil Science Division Staff. (2017). Soil survey manual. C. Ditzler, K. Scheffe, and H.C. Monger (eds.). USDA Handbook 18. Washington, D.C. : Government Printing Office,

Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2), 127–150. https://doi.org/10.1016/0034-4257(79)90013-0

Widitya, L. M., Sudarto, S., Putra, A. N., & Okiyanto, D. (2018). Estimasi kandungan unsur hara kalium dan magnesium pada tanaman nanas (Ananas comosus (l) merr.) menggunakan unmanned aerial vehicle (uav) di PT. Great Giant Pineapple. Jurnal Tanah Dan Sumberdaya Lahan, 5(2), 979–989.

Wiguna, G, Sutarya, R. & Muliani, Y. (2015). Respon beberapa galur tomat (Lycopersicum esculentum mill.) terhadap penyakit busuk daun (Phytophthora infestans (Mont.) de Bary). Mediagro, 11(2).

Downloads

Published

2023-09-26

How to Cite

Nita, I., Putra, A. N., Sektiono, A. W., Riza, S., Wicaksono, K. S., Sholikah, D. H., Kristiawati, W., & Rahma, M. J. (2023). ANALISIS KELAYAKAN DETEKSI CEPAT PENYAKIT HAWAR DAUN TANAMAN KENTANG PADA FASE AKHIR MENGGUNAKAN UAV: LATE BLIGHT FEASIBILITY ANALYSIS IN POTATOES USING UAV FOR QUICK DETECTION IN LATE-STAGE. Jurnal HPT (Hama Penyakit Tumbuhan), 11(3), 109–120. https://doi.org/10.21776/ub.jurnalhpt.2023.011.3.2

Issue

Section

Articles

Most read articles by the same author(s)