Claim Missing Document
Check
Articles

Found 12 Documents
Search

Intensity of Main Disease in Several Superior Sugarcane Clones at Krebet Baru Sugar Factory, Malang Rizqiyah, Sakinah Inayatur; Yulianti, Titiek; Hidayat, Sri Hendrastuti
Jurnal Fitopatologi Indonesia Vol. 18 No. 6 (2022): November 2022
Publisher : The Indonesian Phytopathological Society (Perhimpunan Fitopatologi Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14692/jfi.18.6.231-238

Abstract

Tebu (Saccharum officinarum) merupakan tanaman perkebunan penting sebagai penghasil utama gula di Indonesia. Penurunan produksi gula tebu dalam beberapa tahun terakhir tidak sejalan dengan permintaan gula tebu yang kian meningkat. Pemuliaan tanaman diarahkan untuk mendapatkan varietas-varietas tebu unggul yang diharapkan memiliki produktivitas tinggi dan tahan terhadap faktor-faktor gangguan yang dapat menurunkan produktivitas tanaman. Pengamatan penyakit mosaik bergaris (Sugarcane streak mosaic virus/SCSMV), pokahbung (Fusarium moniliforme), dan luka api (Sporisorium scitamineum) dilakukan pada 14 klon tebu unggul di PG Krebet Baru, Malang. Pengamatan intensitas penyakit dilakukan setiap 2 minggu selama 3 bulan dan sampel tanaman yang menunjukkan gejala penyakit dideteksi penyebab penyakitnya di laboratorium. Gejala penyakit mosaik bergaris terjadi pada tiga klon tebu dengan intensitas antara 8.33% dan 63.89%; sedangkan gejala penyakit pokahbung dan luka api ditemukan pada 11 dan 14 klon tebu dengan intensitas berturut-turut 2.78% sampai 22.22% dan 11.11% sampai 25%. Konfirmasi keberadaan SCSMV diperiksa dengan metode polymerase chain reaction; sedangkan cendawan F. moniliforme dan S. scitamineum melalui isolasi jaringan dan pengamatan jaringan meristem. Secara umum insidensi penyakit tergolong rendah pada klon 8 dan 12 sehingga klon tersebut dapat direkomendasikan sebagai klon potensial yang digunakan dalam mengendalikan penyakit utama tebu.
Detection of Disease and Pest of Kenaf Plant using Convolutional Neural Network Fajri, Diny Melsye Nurul; Mahmudy, Wayan Firdaus; Yulianti, Titiek
Journal of Information Technology and Computer Science Vol. 6 No. 1: April 2021
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1026.462 KB) | DOI: 10.25126/jitecs.202161195

Abstract

Kenaf fiber is mainly used for forest wood substitute industrial products. Thus, the kenaf fiber can be promoted as the main composition of environmentally friendly goods. Unfortunately, there are several Kenaf gardens that have been stricken with the disease-causing a lack of yield. By utilizing advances in technology, it was felt to be able to help kenaf farmers quickly and accurately detect which pests or diseases attacked their crops. This paper will discuss the application of the machine learning method which is a Convolutional Neural Network (CNN) that can provide results for inputting leaf images into the results of temporary diagnoses. The data used are 838 image data for 4 classes. The average results prove that with CNN an accuracy value of 73% can be achieved for the detection of diseases and plant pests in Kenaf plants.