KORAN MERAPI – Produksi cabai merah (Capsicum annuum) menjadi salah satu komoditas penting dalam menjaga stabilitas pangan nasional. Fluktuasi produksi cabai tidak hanya berdampak pada ketersediaan bahan pangan, tetapi juga dapat memengaruhi harga pangan dan daya beli masyarakat.
Salah satu faktor yang dapat menurunkan produktivitas tanaman cabai adalah serangan hama dan penyakit, termasuk penyakit kuning daun akibat infeksi Pepper yellow leaf curl Indonesia virus (PepYLCIV).
Infeksi PepYLCIV dapat menyerang tanaman secara sistemik dan memengaruhi berbagai fase pertumbuhan. Tanaman yang terinfeksi dapat mengalami pemendekan ruas batang, penurunan massa dan ukuran buah, hingga berujung pada menurunnya hasil panen. Kondisi tersebut membuat deteksi penyakit secara lebih awal menjadi penting agar langkah pengendalian dapat dilakukan sebelum infeksi berkembang dan menyebabkan kerugian yang lebih besar.
Berangkat dari permasalahan ini, Tim Program Kreativitas Mahasiswa Riset Eksakta (PKM-RE) SPECTRA Universitas Gadjah Mada mengembangkan penelitian berjudul “Deteksi Dini Virus Kuning pada Tanaman Cabai Merah (Capsicum annuum) dengan Multispektral Berbasis Pembelajaran Mesin.” Penelitian ini memanfaatkan sensor multispektral untuk menangkap perubahan karakteristik spektral daun yang berkaitan dengan respons fisiologis tanaman akibat infeksi PepYLCIV.
“Selama ini deteksi penyakit kuning pada tanaman cabai masih banyak mengandalkan pengamatan visual. Permasalahannya, gejala secara visual dapat bersifat subjektif dan biasanya lebih mudah dikenali ketika infeksi sudah berkembang. Karena itu, kami mencoba mengembangkan pendekatan yang dapat membantu mendeteksi perubahan pada tanaman sejak tahap lebih awal,” kata Hasan Rabbani, mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam sebagai ketua tim melalui keterangannya, Rabu (2/9).
Tim SPECTRA terdiri atas Hasan Rabbani dari Fakultas Matematika dan Ilmu Pengetahuan Alam sebagai Ketua, Zaskia Fakhira Priatna dan Saktian Hutama dari Fakultas Biologi, serta Priamtitra Aditiya Satriamukti dan Johan Pratama dari Fakultas Pertanian. Penelitian ini berada di bawah bimbingan Prof. Dr. Eng. Kuwat Triyana, M.Si.
Hasan menuturkan, penggunaan multispektral dipilih karena teknologi tersebut mampu merekam informasi spektral dari permukaan daun tanpa harus merusak tanaman. Berbeda dengan pengamatan visual yang bergantung pada perubahan morfologi, informasi spektral dapat memberikan gambaran mengenai perubahan kondisi fisiologis tanaman yang tidak selalu dapat terlihat secara langsung oleh mata.
“Sensor multispektral memberikan informasi yang lebih luas dibandingkan hanya melihat warna daun secara kasatmata. Perubahan respons spektral tersebut kemudian kami analisis untuk melihat apakah terdapat pola yang dapat membedakan tanaman yang terinfeksi dan tanaman yang tidak terinfeksi,” jelas Hasan.
Dalam penelitian tersebut, Tim SPECTRA memanfaatkan sensor multispektral AS7265x untuk memperoleh data spektral daun cabai. Data yang terkumpul kemudian dianalisis menggunakan pendekatan pembelajaran mesin (machine learning) untuk mengenali pola antara tanaman yang terinfeksi PepYLCIV dan tanaman yang tidak terinfeksi.
Saktian Hutama, anggota tim dari Fakultas Biologi, menuturkan bahwa, aspek biologis tanaman menjadi bagian penting dalam penelitian. Menurutnya, perubahan yang terekam oleh sensor perlu dikaitkan dengan respons tanaman terhadap infeksi agar teknologi yang dikembangkan tidak hanya menghasilkan klasifikasi, tetapi juga memiliki dasar biologis yang kuat.
“Penelitian ini tidak hanya melihat apakah sensor mampu membedakan tanaman positif dan negatif PepYLCIV. Kami juga berusaha memahami hubungan antara infeksi virus dengan perubahan respons spektral pada daun cabai sehingga data yang diperoleh dapat memberikan informasi yang lebih bermakna secara biologis,” ujar Saktian.
Sementara itu, Priamtitra Aditiya Satriamukti menjelaskan bahwa, keterlibatan bidang pertanian diperlukan untuk memastikan teknologi yang dikembangkan tetap memiliki relevansi dengan kondisi tanaman di lapangan. Hal tersebut menjadi penting karena kondisi tanaman dalam lingkungan nyata dapat berbeda dengan tanaman yang berada dalam kondisi eksperimen terkontrol.
“Harapannya, teknologi yang dikembangkan tidak berhenti pada pengujian di laboratorium. Kami ingin melihat bagaimana sistem ini dapat diterapkan untuk membantu proses pemantauan tanaman cabai secara lebih praktis, cepat, dan tidak merusak tanaman,” tutur Priamtitra.
Pengembangan sistem kemudian dilanjutkan dengan penerapan machine learning untuk mengolah data multispektral. Algoritma tersebut digunakan untuk mengenali pola kompleks dalam data sehingga dapat membantu proses klasifikasi kondisi tanaman secara otomatis. Selain menghasilkan prediksi, penelitian ini juga diarahkan agar hasil klasifikasi dapat diinterpretasikan sehingga diketahui informasi spektral yang berperan dalam membedakan tanaman sehat dan tanaman yang terinfeksi.
Zaskia Fakhira Priatna menambahkan bahwa, kombinasi antara sensor multispektral dan machine learning menjadi salah satu keunggulan pendekatan yang dikembangkan Tim SPECTRA.
“Kami mencoba menggabungkan tiga aspek, yaitu pemahaman fisiologi tanaman, pengembangan instrumentasi multispektral, dan analisis data. Dengan integrasi tersebut, kami berharap sistem yang dihasilkan tidak hanya akurat, tetapi juga dapat dijelaskan dan dikembangkan untuk kebutuhan deteksi penyakit tanaman,” ungkap Zaskia.
Menurut Johan Pratama, pendekatan tersebut juga memiliki peluang untuk mendukung perkembangan pertanian presisi. Dengan tersedianya metode deteksi yang bersifat non-destruktif, pemantauan tanaman dapat dilakukan tanpa harus mengambil atau merusak bagian tanaman untuk setiap pemeriksaan.
“Deteksi dini dapat menjadi langkah penting dalam pengelolaan tanaman karena semakin cepat kondisi tanaman diketahui, semakin cepat pula tindakan yang sesuai dapat dilakukan. Ke depan, pendekatan seperti ini berpotensi dikembangkan menjadi sistem pemantauan tanaman yang lebih praktis dan terintegrasi dengan teknologi digital,” kata Johan.
Penelitian Tim SPECTRA sejalan dengan Tema PKM 2026 nomor 6, yaitu penguatan pendidikan, sains dan teknologi. Melalui penelitian ini, tim berupaya mengintegrasikan validasi biologis, teknologi sensor, dan analisis komputasional dalam satu pendekatan untuk menjawab permasalahan penyakit tanaman.
Hasan menuturkan, inovasi yang dikembangkan diharapkan tidak hanya memberikan kontribusi pada pengembangan metode deteksi PepYLCIV, tetapi juga menjadi bagian dari penguatan riset lintas disiplin di bidang pertanian dan teknologi.
“Harapan kami, penelitian ini dapat menjadi langkah awal untuk mengembangkan sistem deteksi penyakit tanaman yang lebih cepat, non-destruktif, terjangkau, dan dapat diterapkan di lapangan. Kami juga berharap penelitian ini dapat membuka peluang pengembangan teknologi pertanian berbasis sensor dan kecerdasan komputasional yang memberikan manfaat nyata bagi petani dan masyarakat,” pungkas Hasan. (Rls).
