Perpustakaan Digital ITB

Penduduk Indonesia semakin lama semakin meningkat. Selama 10 tahun terakhir ter- jadi peningkatan sebesar 25 juta jiwa. Oleh karena itu kebutuhan pangan juga semakin akan bertambah. Namun, tren jumlah pekerja petani menurun dan ditambah dengan fe- nomena aging farmer yaitu berkurangnya petani muda, diperlukan sentuhan teknologi yang dapat meningkatkan efisiensi dari produksi pangan. Teknologi seperti Iot, robot, sensor, dan machine learning dapat diterapkan dalam bidang pertanian. Penerapan ini disebut dengan smart agriculture. Terdapat 5 ruang lingkup yang dapat dikembangkan dalam smart agriculture seperti precision agriculture, irrigation management, soil ma- nagement, pest and disease management, dan crop monitoring. Penelitian ini berfokus untuk membuat realtime image processing yang tercakup dalam sistem deteksi penya- kit pada daun tanaman Ubi Cilembu. Dengan sistem ini, diharapkan bisa mendeteksi penyakit dengan presisi, akurat secara realtime. Terdapat 2 bagian yang dikembangk- an yaitu sistem pendeteksi penyakit dan sistem pengolahan data. Sistem pendeteksi penyakit berfungsi mengambil gambar lahan, melakukan prediksi penyakit, dan meng- irimkannya kepada server. Kemudian server menyimpan dan mengolah data untuk di- tampilkan kepada pengguna berupa grafik sebaran penyakit pada lahan serta heatmap dari setiap penyakit yang terdeteksi. Untuk melakukan prediksi, sistem deteksi penya- kit memerlukan waktu proses rata-rata setiap gambar selama 1.16 detik dengan galat model bervariasi mulai dari 20% pada penyakit necrosis sampai 121% pada penyakit gulma. Dari sistem pengolahan data, lahan uji terdeteksi penyakit paling dominan yaitu leaf spot sebesar 51.4% dari seluruh penyakit yang terdeteksi. Heatmap menunjukk- an bahwa chlorosis dan leaf spot tersebar hampir di seluruh bagian lahan, sedangkan penyakit gulma, necrosis, dan pest hanya terjadi di beberapa bagian dari lahan saja.