Klasifikasi Daun Sehat Dan Terinfeksi Penyakit Huanglongbing Pada Jeruk Menggunakan Spektroskopi Vis-Nir

Abstract

Huanglongbing adalah penyakit jeruk yang merupakan ancaman utama bagi budidaya jeruk. Tidak ada pengendalian yang tepat untuk Huanglongbing. Oleh karena itu, deteksi dini penting untuk mencegah penyebaran dan pengembangan penyakit ini. Deteksi dini yang paling efektif menggunakan tes DNA dengan metode PCR. Namun, identifikasi menggunakan tes DNA memerlukan persiapan sampel, memakan waktu dan mahal. Tujuan dari penelitian ini adalah membangun perangkat lunak deteksi daun sehat dan terinfeksi HLB berbasis absorban panjang gelombang Vis-NIR. Sampel daun dikumpulkan dari kebun jeruk di Desa Situ Gede, Bogor. Tahap awal, kegiatan survey lapang dilakukan untuk menentukan pohon yang memiliki gejala huanglongbing atau mirip dan pohon yang tidak bergejala huanglongbing atau penyakit lain. Selanjutnya, pohon yang terindikasi gejala huanglongbing diambil daunnya untuk diuji kandungan pati. Sampel daun dibagi menjadi tiga kelompok, yaitu daun yang terinfeksi HLB, daun sehat dan daun belum bergejala. Semua sampel tersebut telah diuji dengan PCR untuk verifikasi gejala visual Huanglongbing. Spektrometer VIS-NIR dengan rentang spektrum dari 339- 1022nm digunakan untuk mengumpulkan data spektrum daun sakit HLB dan sehat. MSC, SVN, baseline correction, turunan pertama dan kedua dari spektra digunakan sebagai metode praperlakuan spektrum. Jaringan syaraf tiruan digunakan untuk membangun model klasifikasi. Plot X-loading, hasil analisis komponen utama digunakan untuk mendapatkan panjang gelombang sensitif. Absorban daun sehat dan sakit pada panjang gelombang sensitif dari setiap metode praperlakuan diklasikasi untuk mendapatkan panjang gelombang sensitif terbaik. Akurasi klasifikasi dan kinerja cross entropy adalah parameter untuk menentukan panjang gelombang sensitif terbaik. Klasifikasi menggunakan panjang gelombang sensitif berbasis baseline correction memiliki kinerja terbaik. Panjang gelombang sensitif tersebut, yaitu 500.52, 538.61, 658.16, 680.8, 725.84 dan 997.25nm. Nilai bobot dan bias JST dari hasil klasifikasi spektrum daun sehat dan sakit HLB menggunakan absorban panjang gelombang sensitif tersebut menjadi model klasifikasi untuk membedakan spektrum daun sehat dan sakit HLB. Selanjutnya, model klasifikasi tersebut ditanam pada perangkat lunak berbasis komputer desktop yang dikembangkan dengan bahasa pemrograman visual basic. Data spektrum daun belum bergejala dari pohon positif terinfeksi HLB digunakan untuk menguji model klasifikasi. Model mengklasifikasikan data tersebut ke kelompok terinfeksi HLB, yang konsinten dengan hasil pengujian PCR yang juga mengelompokkan pada daun terinfeksi HLB. Hasil penelitian ini menunjukkan bahwa perangkat lunak tersebut dapat digunakan untuk deteksi HLB pada tahap awal perkembangan penyakit.