PETANI cabai selalu dihadapkan pada ancaman gagal panen yang disebabkan oleh virus yang menyerang tanaman dewasa. Salah satunya adalah virus kuning atau Pepper Yellow Leaf Curl Indonesian Virus (PYLCIV).
Virus ini menyerang tanaman cabai dengan meninggalkan ciri yang mencolok, yakni daunnya berwarna kekuningan. Namun, penanganan terhadap penyakit tanaman cabai ini sering terlambat.
Berangkat dari keprihatinan terhadap kondisi tersebut, lima mahasiswa UGM yang tergabung dalam Tim SPECTRA dalam Program Kreativitas Mahasiswa bidang Riset Eksakta (PKM-RE) mengembangkan inovasi deteksi dini pada tanaman cabai sebagai langkah awal untuk mengetahui status penyakit menggunakan sensor multispektral dan analisis machine learning.
Kelima mahasiswa yang berasal dari berbagai jurusan tersebut yaitu Hasan Rabbani (S1 Fisika) sebagai ketua tim, beserta empat anggota lainnya, yaitu Nur Johan Pratama (S1 Proteksi Tanaman), Priamitra Aditiya Satriamukti (S1 Proteksi Tanaman), Saktian Hutama (S1 Biologi), dan Zaskia Fakhira Priatna (S1 Biologi), dengan Prof. Dr. Eng. Kuwat Triyana, M.Si., dosen sekaligus dekan FMIPA UGM sebagai pembimbing.
Buat sampel
Pada tahap awal penelitian mereka menumbuhkan 30 buah tanaman cabai sebagai sampel di wilayah Cangkringan, Sleman, Daerah Istimewa Yogyakarta. Lokasi ini dipilih karena letaknya berada di kaki Gunung Merapi, sehingga sangat cocok untuk pertumbuhan tanaman.
“Cabai harus ditanam di lingkungan dengan suhu harian yang normal, tidak terlalu tinggi dan tidak terlalu rendah, agar menghasilkan daun sehat dan dapat dianalisis sebagai sampel. Hal ini bertujuan agar hasil penelitian akurat,” ujar Priamitra, selaku anggota tim dalam rilis yang dikirimkan Jumat (28/8).
Setengah dari seluruh tanaman tersebut ditumbuhkan di dalam kandang dengan perawatan rutin seperti penyiraman dan pemberian pupuk. Sedangkan sisanya akan dijadikan sampel yang akan diuji ke dalam tiga tahapan pokok.
Penularan virus
Selanjutnya, tim melakukan pemeliharaan kutu kebul di dalam kandang, dilanjutkan dengan penularan dengan virus kuning yang dibawa oleh kutu kebul. Tahap terakhirnya adalah analisis menggunakan sensor multispektral dan machine learning.
Hasil sementara penelitian ini menunjukkan bahwa kutu kebul membawa virus kuning dan dapat menularkan tanaman cabai sehat. Selanjutnya daun dari setiap tanaman cabai, baik yang tertular virus maupun tidak, diuji menggunakan polymerase chain reactions (PCR) untuk mengetahui status penyakit secara valid.
Setelah dipastikan, langkah berikutnya adalah pengambilan data dari daun tanaman cabai menggunakan sensor multispektral dan dilanjutkan dengan machine learning.
Cara kerja sensor ini sebenarnya cukup mudah, yaitu dengan menjepit daun menggunakan alat multispektral selama lima detik hingga keluar grafik pembacaan.
Bedakan tanaman sehat dan sakit
Karakteristik cahaya yang dipantulkan oleh daun dapat digunakan untuk membedakan kondisi tanaman cabai yang sehat (tidak tertular virus kuning) atau sakit (tertular virus kuning). “Model yang dikembangkan juga mampu mencapai tingkat ketepatan hampir 80% untuk membedakan dua kondisi tersebut,” katanya.
Ketua Tim, Hasan menyebutkan bahwa penelitian ini penting dilakukan mengingat cara deteksi penyakit pada tanaman cabai, khususnya virus kuning, masih dilakukan secara sederhana dengan melihat langsung kondisi daun.
Sekalipun bisa dilakukan analisis PCR, tidak dapat dipungkiri bahwa biaya yang dikeluarkan relatif besar dan perlu kemampuan khusus untuk mengoperasikannya. Terlebih, para petani memerlukan terobosan yang efisien, fleksibel, dan tentunya terjangkau.
“Tujuan dari penelitian selama empat bulan ini sebenarnya untuk mengetahui sejauh mana sensor multispektral mampu mendeteksi tanaman cabai yang terserang virus kuning. Uji PCR dilakukan untuk memvalidasi bahwa sensor multispektral yang digunakan bekerja dengan baik,” pungkasnya.
Bermanfaat untuk masyarakat
Hasil penelitian ini menunjukkan bahwa kolaborasi antara sensor multispektral dan machine learning berpotensi menjadi cara baru untuk mendeteksi serangan virus pada tanaman cabai secara lebih cepat tanpa merusak tanaman.
Hasan dan tim pun berharap agar ke depannya inovasi ini dapat berkembang lebih baik dan dapat dimanfaatkan oleh seluruh lapisan masyarakat, khususnya para petani. (AGT/M-01)
