digilib@itb.ac.id +62 812 2508 8800

23220301 Ita Mubarokah.pdf
PUBLIC Dessy Rondang Monaomi

Tingginya permintaan buah cabai rawit oleh masyarakat baik dalam maupun luar negeri, menuntut peningkatkan hasil produksi dan kualitas cabai rawit. Indonesia memiliki potensi besar dalam bidang pertanian termasuk cabai rawit. Namun, adanya serangan penyakit antraknosa pada tanaman cabai rawit, menyebabkan buah memiliki kualitas yang sangat buruk dengan nilai estetika yang rendah atau bahkan tidak bernilai sama sekali. Sebagai solusi yang permanen dan jangka panjang, diperlukan benih cabai rawit yang sehat dan tahan terhadap penyakit antraknosa. PT. East West Seed Indonesia (Ewindo) telah memiliki protokol pengujian ketahanan penyakit antraknosa pada buah cabai yang sudah establish dan stabil. Dalam proses disease screening yang telah dilakukan, masih terdapat beberapa kekurangan yaitu: Dimensi yang terlalu luas menyebabkan kehigienisan ruangan yang rendah dan rawan terjadi kontaminasi. Pengaturan dan pengukuran suhu, kelembaban dan intensitas cahaya untuk memenuhi syarat kondisi iklim mikro masih dilakukan secara manual. Selain itu, proses pengamatan dan analisis gejala penyakit antraknosa yang muncul pada buah cabai rawit juga masih dilakukan secara manual. Oleh karena itu, pada penelitian ini dibuatlah sistem ruang tumbuh terkendali menggunakan metode Machine Learning untuk identifikasi tingkat keparahan penyakit antraknosa pada buah cabai rawit. Untuk memenuhi kebutuhan tersebut, sistem dibuat dengan dimensi yang tidak terlalu besar dengan kondisi iklim mikro yang dapat dikontrol dan dimonitor sesuai dengan kebutuhan proses disease screening yang stabil. Sistem juga dilengkapi dengan kamera robotik X-Y yang terintegrasi dengan model YOLOv4-Tiny untuk identifikasi dan deteksi score gejala penyakit antraknosa pada buah cabai rawit. Berdasarkan hasil penelitian, Sistem telah berhasil melakukan kontrol dan monitoring iklim mikro, untuk kebutuhan disease screening dengan suhu 27 ?C, kelembaban 80%RH, dan intensitas cahaya 158 lux. Selain itu sistem juga berhasil melakukan identifikasi dan deteksi tinggat keparahan penyakit antraknosa pada buah cabai dengan nilai akurasi sebesar 52,32%.