EDUCARE.CO.ID – Serangan virus kuning menjadi salah satu ancaman serius bagi tanaman cabai. Petani sering terlambat mengetahui penyakit tersebut karena gejala baru terlihat jelas ketika tanaman mulai mengalami perubahan warna pada daun.
Kondisi itu mendorong lima mahasiswa Universitas Gadjah Mada (UGM) mengembangkan teknologi pendeteksi dini penyakit pada tanaman cabai. Melalui tim SPECTRA, mereka merancang sensor multispektral yang dipadukan dengan teknologi machine learning untuk membantu membedakan tanaman sehat dan tanaman yang terinfeksi virus.
Inovasi tersebut menargetkan deteksi lebih cepat terhadap Pepper Yellow Leaf Curl Indonesian Virus (PYLCIV) atau virus kuning pada tanaman cabai. Berdasarkan sumber rilis resmi UGM, penelitian ini menjadi bagian dari Program Kreativitas Mahasiswa bidang Riset Eksakta (PKM-RE).
Berawal dari Ancaman Virus Kuning pada Cabai
Virus kuning dapat menyebabkan perubahan warna pada daun cabai hingga menjadi kekuningan. Jika petani terlambat mengenali serangan virus, risiko kerusakan tanaman dan gagal panen pun dapat meningkat.
Selama ini, petani umumnya mengidentifikasi penyakit tanaman melalui pengamatan langsung terhadap kondisi daun. Namun, metode tersebut memiliki keterbatasan karena gejala penyakit sering muncul setelah infeksi berkembang.
Di sisi lain, pemeriksaan menggunakan metode polymerase chain reaction (PCR) membutuhkan biaya lebih besar serta peralatan dan keahlian khusus.
Karena itu, tim SPECTRA mencoba mencari alternatif yang lebih praktis dan fleksibel.
Tim tersebut terdiri atas Hasan Rabbani dari Program Studi Fisika sebagai ketua, Nur Johan Pratama dan Priamitra Aditiya Satriamukti dari Program Studi Proteksi Tanaman, serta Saktian Hutama dan Zaskia Fakhira Priatna dari Program Studi Biologi.
Prof. Dr. Eng. Kuwat Triyana, M.Si., yang juga Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam UGM, mendampingi penelitian mereka.
Menanam 30 Tanaman Cabai untuk Penelitian
Tim SPECTRA memulai penelitian dengan menanam 30 tanaman cabai di wilayah Cangkringan, Sleman, Daerah Istimewa Yogyakarta.
Mereka memilih lokasi tersebut karena kondisi lingkungannya mendukung pertumbuhan tanaman cabai. Tim membutuhkan tanaman sehat sebagai pembanding agar dapat memperoleh hasil analisis yang lebih akurat.
“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.
Tim kemudian membagi tanaman ke dalam beberapa kelompok penelitian.
Sebagian tanaman mendapatkan perawatan rutin, termasuk penyiraman dan pemupukan, agar tetap sehat. Sementara itu, kelompok tanaman lainnya menjadi objek pengujian dalam penelitian.
Kutu Kebul Jadi Media Penularan Virus
Penelitian ini juga melibatkan kutu kebul sebagai serangga pembawa virus kuning.
Tim memelihara kutu kebul di dalam kandang penelitian. Setelah itu, mereka melakukan proses penularan virus kepada tanaman cabai yang sehat.
Langkah tersebut membantu tim memahami perbedaan kondisi antara tanaman sehat dan tanaman yang telah terinfeksi.
Hasil sementara penelitian menunjukkan bahwa kutu kebul membawa virus kuning dan dapat menularkannya kepada tanaman cabai.
Selanjutnya, tim mengambil sampel daun dari setiap tanaman. Mereka menggunakan pemeriksaan PCR untuk memastikan status penyakit pada tanaman secara lebih valid.
Dengan cara ini, tim memperoleh data pembanding sebelum melakukan analisis menggunakan sensor multispektral.
Sensor Membaca Pantulan Cahaya dari Daun
Setelah mengetahui status kesehatan tanaman, tim mengambil data menggunakan sensor multispektral.
Cara penggunaan alat tersebut cukup sederhana. Pengguna hanya perlu menjepit daun cabai dengan perangkat sensor selama sekitar lima detik.
Sensor kemudian membaca karakteristik cahaya yang dipantulkan oleh permukaan daun. Data tersebut membantu sistem mengenali perbedaan antara daun dari tanaman sehat dan daun dari tanaman yang terinfeksi virus kuning.
Tim lalu mengolah data tersebut menggunakan machine learning.
Menurut Priamitra, model yang mereka kembangkan mampu membedakan dua kondisi tanaman dengan tingkat ketepatan hampir 80 persen.
“Model yang dikembangkan juga mampu mencapai tingkat ketepatan hampir 80 persen untuk membedakan dua kondisi tersebut,” kata Priamitra.
Alternatif Deteksi yang Lebih Cepat untuk Petani
Ketua tim SPECTRA, Hasan Rabbani, menjelaskan bahwa banyak petani masih mengandalkan pengamatan visual untuk mengetahui penyakit pada tanaman cabai.
Cara tersebut memang sederhana, tetapi petani baru dapat mengambil tindakan setelah gejala terlihat.
Sementara itu, pemeriksaan PCR menawarkan hasil yang lebih akurat. Namun, metode tersebut membutuhkan biaya yang relatif besar dan keterampilan khusus.
Karena itu, Hasan dan timnya melihat peluang penggunaan sensor multispektral sebagai alternatif pendeteksian awal.
“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,” ujar Hasan.
Teknologi tersebut berpotensi membantu proses identifikasi penyakit tanpa merusak tanaman.
Perpaduan Sensor dan AI untuk Pertanian
Riset tim SPECTRA menunjukkan potensi kolaborasi antara teknologi sensor dan kecerdasan buatan dalam sektor pertanian.
Sensor multispektral dapat menangkap informasi dari kondisi daun yang sulit diamati hanya dengan mata. Sementara itu, machine learning membantu sistem mengenali pola dari data yang terkumpul.
Kombinasi keduanya membuka peluang pengembangan teknologi pertanian yang lebih cepat dan berbasis data.
Meski penelitian ini masih terus berkembang, tim berharap inovasi tersebut dapat memberikan manfaat nyata bagi petani.
Ke depan, SPECTRA ingin mengembangkan teknologi tersebut agar semakin akurat, praktis, dan mudah digunakan.
Jika berhasil diterapkan secara lebih luas, sensor ini berpotensi membantu petani mendeteksi serangan virus pada tanaman cabai lebih awal. Dengan begitu, petani dapat mengambil langkah penanganan sebelum penyakit menimbulkan kerusakan yang lebih besar.
