Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTThe bacterial blight (BB) disease severity on two rice genotypes i.e.; BP 4110-2d-33 (backcross between Ciherang x Angke; containing Xa-4, xa-5) and BP 3688e-23 (sister lines derived from cingri/memberamo//widas///IRBB 8; containing xa-8) were lower compare with TN-1 (containing Xa-14). The total amino acid content in cultivar?s TN-1 was accounted for about one third to about a half of total amino acid than those of other rice genotypes where the totalamino acid was ranging from 1.95% to 4.22%. In BP 3688e-23, and BP 3688e-22 genotypes more amino acid levelswere decline although these advance lines showing xa-8background. BB resistant gene carried by BP 4110-2d-33 andBP 3688e-23 were stable, whilst BP 3688e-22 was less effective to inhibit BB disease severity. Overall, amino acidswere not found to be related to the level of BB resistance; where correlation between amino acid content and BBdisease severity is not significant. The slower growth of Xoo on rice genotypes BP 4110-2d-33 and BP 3688e-23 mayprobably due to other than nutritional factors. The degree of resistance in rice genotypes infected by races of pathogen;as well as the resistance gene possessed by genotype BP 3688e-23 need to be further determined. "

"Beberapa tahun terakhir terjadi penyakit pada tanaman karet yang disebabkan oleh jamur Pestalotiopsis sp yang menyebabkan gugur daun karet secara massif. Pestalotiopsis sp tumbuh dan berkembang pada wilayah dengan curah hujan dan kelembaban udara yang cukup tinggi dan lembab. Kebun Pusat Penelitian Karet Sembawa merupakan kebun yang digunakan dalam melakukan penelitian dan mengembangkan tanaman karet. Penelitian ini bertujuan untuk mengkaji secara spasial dan temporal fenomena gugur daun tanaman karet akibat Pestalotiopsis sp serta curah hujan dan kelembaban pada wilayah kebun Pusat Penelitian Karet Sembawa. Sentinel 2A merupakan citra satelit yang memiliki resolusi spasial dan temporal yang cukup baik dan sering digunakan dalam melakukan monitoring tanaman khususnya hutan dan perkebunan. NDVI digunakan dalam yang mendeteksi tingkat gugur daun pada tanaman karet melalui citra Sentinel 2A. Curah hujan dan kelembaban didapatkan melalui citra CHIRPS dan SMAP. Terdapat hubungan yang cukup signifikan antara nilai NDVI dengan tingkat gugur daun tanaman karet. Pada Agustus 2020 terjadi gugur daun karet secara alami dengan rendahnya tingkat curah hujan dan kelembaban pada wilayah kebun. Desember 2020, Maret, Mei dan November 2021 terjadi gugur daun akibat serangan Pestalotiopsis sp yang ditandai dengan tingginya nilai curah hujan dan kelembaban. Tingkat gugur daun karet akibat Pestalotiopsis sp memiliki hubungan yang signifikan dengan curah hujan secara spasial dan temporal. Kelembaban tidak memiliki korelasi yang cukup signifikan dengan kejadian gugur daun karet.

---

In recent years there has been a disease in rubber plants caused by the fungus Pestalotiopsis sp which causes massive rubber leaf falls. Pestalotiopsis sp grows and develops in areas with high and humid rainfall and humidity. The Sembawa Rubber Research Center garden is a garden for conducting research and developing rubber plants. This study aims to examine the phenomenon of leaf fall of rubber plants due to Pestalotiopsis sp spatially and temporally as well as the influence of rainfall and humidity factors in the garden area. Rubber leaf fall was calculated using the vegetation index and %treecover from Sentinel 2A images and drone images. Rainfall and humidity were obtained through CHIRPS and SMAP images. The results showed a significant relationship between the NDVI value and the leaf fall rate of rubber plants. Rubber leaf fall rate due to Pestalotiopsis sp has a significant relationship with rainfall spatially and temporally. Meanwhile, the humidity did not have a significant correlation with the incidence of rubber leaf falls. Natural leaf fall occurred in August 2020 marked by low levels of rainfall and humidity. December 2020, March, May, and November 2021, leaves fall due to the attack of Pestalotiopsis sp which is characterized by high rainfall and humidity values."

"ABSTRAKPenelitian ini bertujuan untuk mengisolasi dan memurnikan bromelain yang diekstrak dari bagian bonggol nanas Ananas comosus . Proses pemurnian bromelain diawali dengan pengendapan bertingkat menggunakan amonium sulfat, diikuti dengan proses dialisis dan dilanjutkan dengan tahap pemurnian lanjutan menggunakan metode kromatografi kolom penukar ion DEAE-Sepharosa dan CM-Sephadex C-50. Fraksi bromelain yang diperoleh dari tiap tahapan pemurnian menunjukkan peningkatan aktivitas spesifik dibandingkan dengan ekstrak enzim kasar. Aktivitas spesifik tertinggi ekstrak bromelain kasar hasil fraksinasi dengan amonium sulfat terdapat pada tingkat kejenuhan 20-50 fraksi 2 sebesar 260,042 U/mg dengan tingkat kemurnian 2,548 kali ekstrak enzim kasarnya. Proses dialisis meningkatkan aktivitas spesifik menjadi 381,287 U/mg dengan tingkat kemurnian 3,737 kali ekstrak enzim kasarnya. Pemurnian lanjutan dengan kromatografi kolom penukar ion Dietilaminoetil-Sepharosa DEAE-Sepharosa dan CM-Sephadex C-50 menunjukkan adanya peningkatan aktivitas spesifik dan tingkat kemurnian, secara berurutan menjadi 500 U/mg dengan tingkat kemurnian 4,901 kali ekstrak enzim kasarnya dan dan 729,167 U/mg dengan tingkat kemurnian 7,150 kali ekstrak enzim kasarnya. Nilai Km dan Vmax bromelain pada substrat kasein dan azocasein berturut-turut sebesar 0,94 w/v ; 0,07 U/min dan 0,87 w/v ; 0,05 U/menit. Jenis inhibisi yang terjadi antara kompleks enzim bromelain-kasein terhadap EDTA adalah inhibisi kompetitif Km meningkat dan Vmax tetap . Jenis inhibisi yang terjadi antara kompleks enzim bromelain-kasein terhadap PCMB adalah mix-inhibisi Km meningkat dan Vmax menurun . Fraksi bromelain dengan aktivitas antiplatelet tertinggi adalah fraksi termurni hasil pemurnian menggunakan kromatografi kolom penukar ion CM-Sephadex C-50 dengan persen agregasi platelet sebesar 20,892 dan persen inhibisi sebesar 77,994 . Nilai IC50 untuk fraksi bromelain paling murni dengan aktivitas spesifik 729,167 U/mg diperoleh sebesar 6,461 ? L/mL.

---

ABSTRACTThe aim of this research was to isolate and purify bromelain from core extract of pineapple Ananas comosus through fractionation using ammonium sulfate followed by dialysis and then purification using ion exchange column chromatography DEAE Sepharose and CM Sephadex C 50. The fraction of bromelain obtained from each purification step showed an increase in specific activity compared to crude extract. Fractionation of crude enzyme bromelain with ammonium sulfate produces highest specific activity on ammonium sulfate 20 50 fraction fraction 2 260.042 U mg with purify level 2.548 fold compared to crude extract. After dialysis, the bromelain fraction showed an increase in specific activity 381.287 U mg with purify level 3.737 fold compared to crude extract. The bromelain fraction after purification by using ion exchange column chromatography DEAE sepharose and CM Sephadex C 50 showed an increase in specific activity, sequentially 500 U mg with purify level 4.901 fold compared to crude extract and 729.167 U mg with purify level 7.150 fold compared to crude extract. Km and Vmax bromelain for casein and azocasein substrate 0,94 w v 0,07 U min and 0,87 w v 0,05 U menit respectively. In addition, bromelain fraction was inhibited competitively with EDTA and mix inhibition was observed in the presence of PCMB. In vitro study of antiplatelet agent activity using human Platelet Rich Plasma PRP revealed that all bromelain fractions show activity as an antiplatelet agent. The highest inhibition was shown by CM Sephadex C 50 fraction of 77,994 . with IC50 of 6,461 L mL."

"Penelitian tentang efisiensi energi sangat menarik untuk diteliti, salah satunya adalah pengurangan hambatan pada aliran dalam pipa. Metode pengurangan hambatan dalam pipa dilakukan dengan metode aktif yaitu menambahkan zat aditif pada aliran dalam pipa dan metode pasif yaitu dengan memvariasikan geometri pipa. Tujuan penelitian yaitu menganalisis karakteristik serat sabut kelapa terhadap pengurangan hambatan pada aliran dalam pipa spiral horizontal dan pipa bulat horizontal secara eksperimental. Pengujian dilakukan dengan menggunakan pipa spiral rasio P/Do 7.3 dan pipa bulat horizontal ID 38 mm panjang 1200 mm. Fluida uji yaitu suspensi serat sabut kelapa yang dicampurkan dengan air sehingga mencapai konsentrasi 300, 500, dan 1000 ppm. Penelitian ini dilakukan pada Reynolds Number mulai dari sekitar 6,000 sampai Reynolds Number sekitar 25,000. Hasilnya menunjukkan bahwa rasio pengurangan hambatan pada pipa bulat ID 38 terjadi pada suspensi serat sabut kelapa konsentrasi 1000 ppm yaitu sebesar 7.6 pada Reynolds Number sekitar 25,000. Dengan konsentrasi yang sama yaitu 1000 ppm, rasio pengurangan hambatan tertinggi pada pipa spiral rasio P/Do 7.3 yaitu sebesar 10 pada Reynolds Number sekitar 25,000. Berdasarkan penelitian ini, disimpulkan bahwa pengurangan hambatan meningkat dengan adanya peningkatan konsentrasi suspensi serat sabut kelapa. Serat sabut kelapa dapat digunakan sebagai zat aditif pengurangan hambatan drag reducing agent.

---

Research on energy efficiency is very interesting to study, one of which is the drag reduction in the pipe flow. Active and passive methods are commonly using on reducing drag. Active method by adding additive to the fluid and passive method by varying the geometry of the pipe. The research purpose was to analyze characteristics of coco fiber on drag reduction in spiral and circular pipe. The experimental was performed using a spiral pipe ratio of P Do 7.3 and a circular pipe ID 38 mm with 1200 mm length. The test fluid was water with addition of coconut fiber with 300, 500, and 1000 ppm concentration.

This study was conducted on a low Reynolds Number to Reynolds Number about 25,000. The results showed that the drag reduction on the circular pipe ID 38 mm was about 7.6 on coconut fiber suspension 1000 ppm concentration and in Reynolds Number about 25,000. With the same concentration, the highest drag reduction of spiral pipe ratio P Do 7.3 is about 10 in the Reynolds Number about 25,000. The drag reduction increases with the increase of coconut fiber suspension concentration. It can be concluded that coco fiber can be used as a drag reducing agent."

"Cantigi ungu (Vaccinium varingifolium (Blume) Miq.) adalah tumbuhan endemik Indonesia yang memiliki potensi sebagai sumber pangan dan obat-obatan. umbuhan ini ditemukan melimpah di area ketinggian 1800 sampai 3340 meter di atas permukaan laut (mdpl). Studi analisis karakter morfologi dari Cantigi ungu perlu dilakukan untuk menentukan karakter dari tumbuhan tersebut. Penelitian ini bertujuan untuk mengidentifikasi karakteristik morfologi dan genetik Cantigi ungu yang tumbuh di kawasan pegunungan provinsi Jawa Barat terutama di Gunung Gede, Kawah Putih Ciwidey, dan Gunung Tangkuban Parahu. Metode yang digunakan dalam penelitian ini adalah observasi langsung, foto sampel spesimen dan pengukuran karakteristik morfologi dengan menggunakan mistar. Hasil penelitian menunjukkan bahwa Cantigi ungu memiliki morfologi yang mirip dengan spesies Vaccinium lainnya, dengan daun hijau gelap, bunga kecil berwarna putih, dan buah berbentuk bulat dengan diameter 8 – 9 cm; panjang daun 2 – 4 cm; lebar daun 1 – 1,5 cm; serta memiliki keliling pohon 36 – 98 cm. Studi ini memberikan informasi penting mengenai karakteristik morfologi cantigi gunung, sehingga dapat digunakan untuk penelusuran taksonomi dan keberadaan dari tumbuhan tersebut di masa depan. Selama ini, belum banyak data genetik yang dilaporkan pada tumbuhan ini, sehingga perlu adanya konservasi genetik untuk mengetahui keberadaan dan plasma nutfah tumbuhan ini bisa dikonfirmasi status konservasinya. Penelitian ini dilakukan pada 3 lokasi dari Tumbuhan Cantigi ungu yang tumbuh di dataran tinggi Jawa Barat (Gunung Gede, Taman Nasional Gunung Gede Pangrango; Taman Wisata Alam Gunung Tangkuban Parahu; dan Kawah Putih, Ciwidey) yang menggunakan sekuen pembanding gen Internal Transcribed Spacer (ITS). Gen ITS diamplifikasi dengan menggunakan primer forward ITS-u1 5'-GGA AGK ARA AGT CGT AAC AAG G-3 dan primer reverse ITS-u4 5'-RGT TTC TTT TCC TCT GCT TA-'3. Analisis filogenetik dilakukan dengan menggunakan program software MEGA XI dengan metode Maximum Likelihood (ML), Minimum Evolution (ME), Neighbor-Joining (NJ), dan Maximum Parsimony (MP). Dari hasil kesimpulan menunjukkan bahwa Cantigi ungu (Vaccinium varingifolium (Blume) Miq. pada penelitian ini merupakan spesies yang sama dengan sekuen pembanding Vaccinium varingifolium AY274564.1 Vaccinium varingifolium OR000769.1, Vaccinium varingifolium OR000770.1, Vaccinium varingifolium OR000771.1 pada pangkalan data genbank National Center for Biotechnology Information (NCBI).

Kata Kunci : Cantigi ungu, Vaccinium varingifolium (Blume) Miq., Karakter Morfologi, Gen ITS, Filogenetik

---

Cantigi ungu (Vaccinium varingifolium (Blume) Miq.) is an endemic plant of Indonesia that has the potential as a food and medicinal source. This plant is found abundantly in the highlands area ranging from 1800 to 3340 meters above sea level. A morphological analysis study of Cantigi ungu is necessary to determine the plant's characteristics. This research aims to identify morphological and genetic characteristics of Cantigi ungu growing in the mountainous areas of West Java province, especially in Mount Gede, Kawah Putih Ciwidey, and Mount Tangkuban Parahu. The method used in this research is direct observation, specimen photo, and morphological characteristic measurement using a ruler. The results showed that Cantigi ungu has morphologies similar to other Vaccinium species, with dark green leaves, small white flowers, and round fruits with a diameter of 8-9 mm, leaf length of 2-4 cm, leaf width of 1-1.5 cm, and tree circumference of 36-98 cm. So far, genetic data reports on this plant have yet to be widely reported. Genetic conservation is needed so that the sustainability, availability, and existence of this plant germplasm can be known, as well as its conservation status. The research was conducted on 3 Cantigi ungu plants growing in the highlands of West Java (in the Mount Gede Pangrango National Park Area, Mount Tangkuban Parahu Nature Park, and Ciwidey White Crater) and compared them based on their Internal Transcribed Spacer (ITS) gene sequence. ITS gene amplification was performed using Forward primer ITS_u1 5'-GGA AGK ARA AGT CGT AAC AAG G-3 and Reverse primer ITS_u4 5'- RGT TTC TTT TCC TCT GCT TA-'3. This study provides important information about the morphological characteristics of Cantigi ungu, which can be used for future taxonomic and plant location research purposes. Phylogenetic analysis was done using the MEGA XI method using Maximum Likelihood (ML), Minimum Evolution (ME), Neighbor-Joining (NJ), and Maximum Parsimony (MP) methods. The result shows that the Cantigi ungu in this study is the same species as the comparison species of Vaccinium varingifolium AY274564.1, Vaccinium varingifolium OR000769.1, Vaccinium varingifolium OR000770.1, Vaccinium varingifolium OR000771.1 at the Genebank database National Center for Biotechnology Information (NCBI).

 

"

"Tanaman padi merupakan salah satu tanaman pangan terpenting di dunia terutama di negara-negara bagian Southeast Asia. Jumlah penduduk di dunia pun semakin meningkat setiap tahunnya sehingga kebutuhan akan makanan pokok seperti beras juga akan semakin meningkat. Namun karena adanya serangan hama dan penyakit pada tanaman padi menyebabkan kualitas dan kuantitas pada tanaman padi menurun sehingga terjadi kerugian besar dalam produksi beras. Untuk mengatasi masalah tersebut, pendeteksian penyakit pada tanaman padi menjadi sangat penting karena dapat mencegah terjadinya penurunan produksi beras. Oleh karena ini, pemrosesan data citra dan machine learning bisa menjadi salah satu cara untuk membantu mempercepat diagnosis penyakit pada tanaman padi. Pada penelitian ini, penulis menggunakan pendekatan deep learning yaitu metode Convolutional Neural Network (CNN) dengan arsitektur Xception untuk mengklasifikasi penyakit pada tanaman padi menggunakan citra daun. Data citra daun tanaman padi yang digunakan dalam penelitian ini adalah Rice Leaf Disease Image Samples yang diambil dari online database mendeley yang berisi 5932 data citra yang terdiri dari empat jenis penyakit daun padi yaitu penyakit hawar daun (Bacterial leaf blight), penyakit blas (Blast), penyakit bercak daun cokelat (brown spot), dan penyakit Tungro. Penulis melakukan tahap preprocessing sepeti crop dan resize agar ukuran citra sesuai dengan input pada model. Selanjutnya, Model akan dibangun melalui data tersebut, yang dilatih menggunakan metode CNN dengan arsitektur Xception. Data di split dengan perbandingan data latih dan data uji 70:30 dan 80:20. Kinerja model dievaluasi dengan nilai accuracy, recall, precision, dan running time. Rata-rata Accuracy, recall, dan precision yang dilakukan dalam 5 kali percobaan didapatkan pada split data 70:30 adalah masing-masing 99.708%, 99.707 %, dan 99.728% dan pada split data 80:20 masingmasing 99,662%, 99,688%, dan 99,687%. Running time yang didapatkan pada split data 70:30 adalah 43 menit dan pada split data 80:20 adalah 49 menit.

---

Rice is one of the most important food crops in the world, especially in Southeast Asian countries. The world's population is increasing every year so that the need for staple foods such as rice will also increase. However, due to pest and disease attacks on rice plants, the quality and quantity of rice plants decreases, resulting in huge losses in rice production. To overcome this problem, disease detection in rice plants is very important because it can prevent a decrease in rice production. For this reason, looking at image data and machine learning can be one way to help encourage disease diagnosis in rice plants. In this study, the author uses a deep learning approach, namely the Convolutional Neural Network (CNN) method with Xception architecture to classify diseases in rice plants using leaf imagery. The rice leaf image data used in this study is the Rice Leaf Disease Image Sample taken from the online mendeley database which contains 5932 image data consisting of four types of rice leaf disease, namely bacterial leaf blight and blast disease. , brown leaf spot disease (brown spot), and Tungro disease. The author performs preprocessing stages such as cropping and resizing so that the image size matches the input in the model. Furthermore, the model that will be built through the data uses the CNN method with the Xception architecture. The data is split with a comparison of training data and test data of 70:30 and 80:20. Value Performance Model with values of accuracy, recall, precision, and running time. The average accuracy, recall, and precision carried out in 5 trials at the 70:30 data split were 99.708%, 99.707%, and 99.728%, respectively, and in the 80:20 data split they were 99.662%, 99.688%, respectively, and 99.687%. The running time obtained in the 70:30 data split is 43 minutes and the 80:20 data split is 49 minutes."

"Indonesia merupakan salah satu negara dengan produksi tanaman padi terbesar di dunia dengan total lebih dari 150 juta ton padi dihasilkan pada 3 tahun terakhir. Meskipun sudah menjadi makanan pokok selama bertahun-tahun, tanaman padi tidak luput dari serangan penyakit yang dapat menghambat produksi beras padi. Berbagai macam penyakit dapat menghambat produksi beras padi di Indonesia. Daun tanaman padi yang terkena serangan penyakit dapat digunakan sebagai indikator jenis penyakit dikarenakan setiap penyakit tanaman padi memiliki corak yang unik pada daun tanaman padi. Dari citra daun tanaman padi yang didapat, dilakukan transformasi format citra ke dalam format grayscale untuk dibentuk Gray Level Co-occurence Matrix (GLCM) untuk beberapa sudut. Fitur Haralick kemudian diekstraksi dari GLCM yang sudah didapatkan untuk mendapatkan fitur-fitur yang dapat menjelaskan citra daun tanaman padi tersebut. Metode ini dapat digunakan dikarenakan fitur Haralick dalam GLCM mampu menangani citra yang memiliki perbedaan tekstur dengan baik dan citra daun penyakit tanaman padi memiliki perbedaan pada tekstur daun yang cukup jelas dilihat. Sehingga dapat dikatakan bahwa metode ini cocok untuk digunakan pada kasus ini. Dengan jumlah fitur Haralick yang cukup banyak, Linear Discriminant Analyis (LDA) kemudian diaplikasikan kepada fitur-fitur Haralick sebagai metode reduksi dimensi sedemikian sehingga fitur baru yang didapatkan memiliki separasi yang lebih baik. Kemudian, Support Vector Machine (SVM) digunakan sebagai classifier dalam mengklasifikasi penyakit tanaman padi menggunakan fitur LDA yang sudah didapatkan.

---

Indonesia is one of the world’s leading rice producers with a total of more than 150 million tons of rice produced in the last three years . Rice plants, despite being a staple crop for many years, are susceptible to diseases that can hamper rice production.  Because each diseases of rice plants has a distinctive pattern on the leaves of rice plants, the leaves of diseased rice plants can be used as indicators of the type of disease. The picture format of the rice leaf is converted to grayscale in order to create a Gray Level Co-occurence Matrix (GLCM) at multiple angles. The Haralick feature is extracted from the GLCM to obtain features that can describe the image of the rice plant leaf. Because the Haralick feature in GLCM can handle images with diverse textures and the image of leaves of rice plant diseases has differences in leaf texture that are clearly apparent, this method can be used. With a large number of Haralick features, the Linear Discriminant Analysis (LDA) is used as a dimension reduction technique for the Haralick features, resulting in better separation of the new features. The Support Vector Machine (SVM) is used as a classifier to classify rice plant diseases based on the obtained LDA features."

"Though quarantine disinfestation treatments have been exempt from the methyl bromide phase out, it is still required to research and develop alternative treatments for fumigation of plant material in transit...."

"Tanaman karet merupakan salah satu komoditas utama ekspor Indonesia. Namun, dalam beberapa tahun terakhir, produksi karet di Indonesia mengalami penurunan. Hal tersebut disebabkan karena adanya penyakit gugur daun yang disebabkan oleh jamur Pestalotiopsis sp.. Berkembangnya teknologi artificial intelligence dengan pendekatan deep learning mampu melakukan pendeteksian pada penyakit ini dengan menggunakan data citra. Convolutional Neural Network (CNN) merupakan algoritma deep learning yang diterapkan pada data berbentuk visual atau citra. Pada penelitian ini, peneliti menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Residual Network 50 (ResNet-50). Pada penelitian ini juga digunakan Transfer Learning yang merupakan sebuah model yang dapat diajarkan dan disempurnakan untuk suatu kegiatan dan kemudian bisa diterapkan pada kegiatan lain. Dataset yang digunakan pada penelitian ini adalah data daun karet yang berjumlah 1629 data yang dibagi dalam 5 kelas yaitu level 0 atau sehat merupakan daun yang sehat, level 1 merupakan daun yang telah terbentuk bercak coklat yang merupakan gejala dari penyakit namun belum memiliki tanda-tanda perubahan warna, level 2 merupakan daun yang telah terbentuk banyak bercak cokelat disertai dengan adanya perubahan warna pada daun, level 3 merupakan daun yang mengalami kerusakan jaringan, perubahan warna menjadi cokelat atau kuning namun masih memiliki sedikit bagian daun yang berwarna hijau, level 4 merupakan daun yang mengalami kerusakan jaringan cukup parah, dipenuhi bercak cokelat dan telah berwarna cokelat menyeluruh. Dari hasil simulasi yang dilakukan, diperoleh hasil terbaik dengan rata-rata accuracy 96,01%, recall 95,888%, dan precision 96,184% dengan running time rata-rata running time 69,759 detik.

---

Rubber plants are one of Indonesia's main export commodities. However, in recent years, rubber production in Indonesia has experienced a decline. This is due to the presence of the leaf fall disease caused by the Pestalotiopsis sp. fungus. The advancement of artificial intelligence technology using deep learning approaches enables the detection of this disease using image data. The Convolutional Neural Network (CNN) is a deep learning algorithm applied to visual or image data. In this study, researchers utilized the Convolutional Neural Network (CNN) method with the Residual Network 50 (ResNet50) architecture. Transfer Learning was also employed in this research, which involves training and refining a model for one task and then applying it to another task. The dataset used in this study consists of 1629 rubber leaf samples divided into 5 classes: level 0, representing the healthy leaves; level 1, indicating leaves with brown spots, a symptom of the disease, but without major visible color changes; level 2, comprising of leaves with numerous brown spots accompanied by slight color changes; level 3, representing leaves with tissue damage, a color change from green to brown or yellow, but still retaining some green parts; and level 4, depicting leaves with severe tissue damage, extensively covered in brown spots and having turned completely brown. The simulation results showed the best outcome with an average accuracy of 96.01%, recall of 95.888%, and precision of 96.184%, with an average running time of 69.759 seconds."

"Indonesia menempati posisi kedua sebagai negara penghasil karet alami di dunia. Karet alami memiliki nama lain yaitu lateks. Belakangan ini produksi lateks di Indonesia menurun. Salah satu faktor penyebab menurunnya produksi lateks Indonesia adalah penyakit gugur daun. Jamur Pestalotiopsis sp. adalah salah satu jamur yang dapat menyebabkan penyakit gugur daun. Penyakit gugur daun yang disebabkan oleh jamur ini pertama kali terjadi di Indonesia pada tahun 2016 di Sumatera Utara. Penyakit tersebut menyebabkan tanaman karet menggugurkan daun sebelum waktunya sehingga menyebabkan produksi lateks berkurang. Cadangan makanan pohon karet lebih banyak dialokasikan untuk menumbuhkan kembali daun yang telah gugur dibanding untuk memproduksi lateks. Luas lahan pohon karet di Indonesia yang terinfeksi penyakit gugur daun Pestalotiopsis sp. sudah mencapai 30.328,84 hektar pada tahun 2021 menyebabkan penurunan produksi lateks hingga 30%. Pendeteksian penyakit gugur daun dapat dilakukan secara morfologi yaitu dengan pegamatan pada daun. Gejala penyakit gugur daun yang disebabkan oleh Pestalotiopsis sp. adalah munculnya bintik cokelat pada tulang daun yang lama kelamaan berkembang menjadi bintik cokelat gelap. Bintik tersebut kemudian membesar, menyebabkan daerah di sekitar daun mengalami nekrosis kemudian gugur. Kekurangan dari pendeteksian secara morfologi adalah memerlukan waktu dan tenaga yang cukup besar, serta keahlian khusus di bidang tanaman karet. Dalam penelitian ini, akan dilakukan pendeteksian penyakit gugur daun yang disebabkan oleh jamur Pestalotiopsis sp. dengan bantuan machine learning untuk mengurangi tenaga dan waktu yang diperlukan dalam mendeteksi penyakit gugur daun. Model machine learning akan menerima input data citra daun tanaman karet. Model yang digunakan dalam pendeteksian adalah k-means clustering untuk mensegmentasi data citra daun karet, convolutional autoencoder untuk melakukan fitur ekstraksi pada data citra hasil segmentasi dan suppport vector machine sebagai classifier. Dari hasil eksperimen dengan 5 kali percobaan didapat accuracy testing sebesar 62,91%, accuracy training sebesar 78,50%. Accuracy testing dan accuracy training memiliki perbedaan yang cukup signifikan menandakan model mengalami overfitting. Overfitting terjadi ketika dataset yang tersedia hanya sedikit, pada penelitian ini yaitu 257 data citra namun, model yang dilatih kompleks. Sehingga diperlukan penambahan data citra untuk menghindari overfitting dan meningkatkan accuracy dari model.

---

Indonesia occupy the second position as a natural rubber producing country in the world. Natural rubber has another name, namely latex. Recently, latex production in Indonesia has declined. One of the factors causing the decline in Indonesian latex production is leaf fall disease. The fungus Pestalotiopsis sp. is one of the fungi that can cause leaf fall disease. Leaf fall disease caused by this fungus first occurred in Indonesia in 2016 in North Sumatra. The disease causes rubber plants to drop their leaves prematurely, causing reduced latex production. Rubber tree food reserves are allocated more to regrow fallen leaves than to produce latex. The area of rubber trees in Indonesia infected with the Pestalotiopsis sp. leaf fall disease. has reached 30,328.84 hectares in 2021 causing a decline in latex production by up to 30%. Disease detection can be done morphologically by observing the leaves. Symptoms of leaf fall disease caused by Pestalotiopsis sp. is the appearance of brown spots on the veins of the leaves which over time develop into dark brown spots. These spots then enlarge, causing the area around the leaves to experience necrosis and then fall. The drawback of morphological detection is that it requires a lot of time and effort, as well as special expertise in the field of rubber plantations. In this research, we will detect leaf fall disease caused by the fungus Pestalotiopsis sp. with the help of machine learning to reduce the effort and time needed to detect leaf fall disease. The machine learning model will be using image of rubber plant leaves as input data. The model used in the detection is k-means clustering to segment rubber leaf image data, convolutional autoencoder to perform feature extraction on segmented image data and support vector machine as a classifier. From the experimental results with 5 trials obtained testing accuracy of 62.91%, training accuracy of 78.50%. Accuracy testing and accuracy training have significant differences indicating that the model is overfitting. Overfitting occurs when the available dataset is only a few, namely 257 image data but the model being trained is complex. So it is necessary to add image data to avoid overfitting and increase the accuracy of the model."