Pendugaan Intensitas Serangan Penyakit BLB (Bacterial Leaf Blight) pada Tanaman Padi menggunakan Pendekatan Citra Termal
Abstract
Penyakit BLB merupakan salah satu penyakit yang berbahaya bagi tanaman padi. Penyakit ini biasanya menyerang di setiap fase pertumbuhan. Perhitungan intensitas serangan penyakit BLB masih dilakukan secara manual. Pengembangan teknologi dalam pendugaan intensitas serangan penyakit BLB sangat diperlukan. Penelitian ini bertujuan untuk membangun persamaan pendugaan intensitas serangan penyakit BLB menggunakan pendekatan citra termal. Penelitian ini menggunakan Drone DJI Inspire 1 dengan kamera termal DJI Zenmuse XT. Pengolahan data menggunakan software Agisoft Photoscan, Arcgis 10.3 dan Microsoft Excel. Dari hasil analisis citra termal diperoleh bahwa persamaan pendugaan intensitas serangan adalah y = 4.9533x-144.42 dan akurasi pendugaannya tinggi yaitu 90,45% dengan nilai eror 8,43%. Suhu kanopi dapat diklasifikasi menjadi empat sesuai dengan intensitas serangan yaitu 29,83-31,84oC untuk intensitas serangan ringan, 31,85-34,39oC untuk intensitas serangan sedang, 34,40-43,52oC untuk intensitas serangan berat dan 43,53-48,09oC untuk intensitas serangan puso. Berdasarkan hasil dari penelitian yang telah dilakukan dapat disimpulkan bahwa pendekatan citra termal dapat digunakan untuk menduga intensitas serangan penyakit BLB pada tanaman padi.
Bacterial Leaf Blight (BLB) is a dangerous disease for rice plants. This disease can attack in every phase of growth. Calculation of BLB disease attack intensity is currently still done manually. Technology development in estimating the intensity of BLB disease is very necessary. This study aims to establish the equation for estimating BLB disease intensity using a thermal image approach. Drone DJI Inspire 1 with a thermal camera DJI Zenmuse XT was used in this research. Processing data using software Agisoft Photoscan, Arcgis 10.3 and Microsoft Excel. From the results of the thermal image analysis, it was found that the equation for estimating attack intensity is y = 4.9533x-144.42 and estimation accuracy is high at 90,45% with an error value of 8,43%. Temperature of the canopy can be classified into four according to the intensity of the attack, namely 29,83-31,84oC for mild attack intensity, 31,85-34,39oC for moderate attack intensity, 34,40-43,52oC for intensity of severe attacks and 43,53-48,09oC for intensity of puso attacks. From these results it can be concluded that the thermal image approach can be used to estimate BLB disease attacks on rice plants.
Downloads
References
Badan Pusat Statistik. 2018. Luas Panen dan Produksi Beras 2018. Jakarta. p.7
Balai Perlindungan Tanaman Pangan dan Hortikultura. 2017. Luas Tambah Serangan 6 OPT Utama Tanaman Padi di Bali Tahun 2017. Gianyar.
Balai Perlindungan Tanaman Pangan dan Hortikultura. 2007. Bakteri Pelindung Petani (Paenibacillus polymyxa) Balai Perlindungan Tanaman Pangan dan Hortikultura. Banyumas.
Direktorat Perlindungan Tanaman Pangan. 2007. Pedoman Pengamatan dan Pelaporan Perlindungan Tanaman Pangan. Jakarta.
Ekadinata, A., Sonya Dewi, Danan P.H., Dudy K.N dan Feri J. 2008. Sistem Informasi Geografis Untuk Pengelolaan Bentang Lahan Berbasis Sumber Daya Alam. World Agroforestry Center. Bogor Indonesia.
Fu, G., Feng, B., Zhang, C., Yang, Y., Yang, X., Chen, T., ... & Tao, L. (2016). Heat stress is more damaging to superior spikelets than inferiors of rice (Oryza sativa L.) due to their different organ temperatures. Frontiers in plant science, 7, 1637.
Hakim, A.F. 2011. Perencanaan Sistem Informasi Pengukuran Konduktivitas Hidraulik Tidak Jenuh Tanah dengan Sensor Tensiometer dan Higrometer Digital. SKRIPSI-S1 Jurusan Teknik Elektro Fakultas Teknik Universitas Jember.
Kismiantini. 2010. Analisis Regresi. Jurusan Pendidikan Metematika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Negeri Yogyakarta: Di Yogyakarta.
Lutfiyana, L., Hudallah, N., & Suryanto, A. (2017). Rancang bangun alat ukur suhu tanah, kelembaban tanah, dan resistansi. Jurnal Teknik Elektro, 9(2), 80-86.
National Researcher Council. 2014. A Report on Existing and Possible Tree Canopy in the City of Charlotte and Mecklemburg Country. NC. Washington, DC: The National Academies Press.
PUDJOWATI, U. R., YANUWIADI, B., SULISTIONO, R., & SUYADI, S. (2013). EFFECT OF VEGETATION COMPOSITION ON NOISE AND TEMPERATURE IN WARU-SIDOARJO HIGHWAY, EAST JAVA, INDONESIA. International Journal of Conservation Science, 4(4).
Santika, I. W. A. (2016). Pendugaan Hasil Panen Padi Melalui Foto Udara. Jurnal BETA (Biosistem dan Teknik Pertanian). Universitas Udayana. Jimbaran.
Pragasta, E. 2014. Sistem Informasi Geografis Konsep – Konsep Dasar (Perspektif Geodesi dan Geomatika) Edisi Revisi. Informatika, Bandung.
Prakash, A. (2000). Thermal remote sensing: concepts, issues and applications. International Archives of Photogrammetry and Remote Sensing, 33(B1; PART 1), 239-243.
Sankaran, S., Maja, J. M., Buchanon, S., & Ehsani, R. (2013). Huanglongbing (citrus greening) detection using visible, near infrared and thermal imaging techniques. Sensors, 13(2), 2117-2130.
Smigaj, M., Gaulton, R., Barr, S. L., & Suárez, J. C. (2015). UAV-borne thermal imaging for forest health monitoring: detection of disease-induced canopy temperature increase. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 40(3), 349.
Thoha, A.S. 2008. Karakteristik Citra Termal. http://jak-stik.ac.id/staff/aqwam/files/30.-pengolahan-citra[5].pdf. Diakses tanggal: 21 Oktober 2019.
Jurnal BETA (Biosistem dan Teknik Pertanian)
