Deteksi Penyakit Pada Tanaman Mangga Dengan Citra Digital : Tinjauan Literatur Sistematis (SLR)

Abstract

Abstrak: Penelitian dengan melakukan tinjauan literatur sistematis (Sistematic Literatur Review-SLR) dilakukan untuk mempelajari berbagai teknik identifikasi penyakit pada daun dengan citra digital  sebagai tahapan untuk mendapatkan pemahaman mengenai teknik identifikasi penyakit pada daun mangga dengan citra digital. Produksi Mangga di Indonesia dari tahun 2014 – 2018 secara fluktuatif selalu mengalami peningkatan dan di tahun 2018 produksi mangga di Indonesia mencapai 2.624.783 ton, proses budidaya tanaman mangga tidak selamanya dapat terlepas dari serangan penyakit. Penyakit pada tanaman mangga disebabkan oleh jamur atau bakteri yang biasanya menyerang pada bagian akar, batang, kulit batang, ranting atau buah mangga. Jenis penyakit pada tanaman mangga adalah : Penyakit mangga (Jamur Gloesoporium), Penyakit Diplodia, Cendawan jelaga, Bercak karat merah, Kudis buah, Penyakit Blendok. Penyakit pada mangga memiliki berbagai gejala dan kadang sulit didiagnosis oleh petani dan untuk itu diperlukan keahlian untuk mendiagnosis penyakit pada tanaman mangga dan bagaimana cara penanggulangannya yang biasanya keahlian tersebut terdapat pada ahli patologi tanaman professional. Sehingga dibutuhkan suatu Teknologi IT dengan Sistem Cerdas yang dirancang untuk dapat mengidentifikasi secara otomatis penyakit tanaman mangga dan cara penanggulangannya berdasarkan gejala visual dengan menggunakan metode citra digital. Metode literatur review yang digunakan yaitu Compare, Contrast, Criticize, Synthesize dan Summarize. Metode Citra Digital yang dapat digunakan dalam identifikasi penyakit pada daun mangga adalah tahapan Image Acquisition, Preprocessing , Segmentation, Ekstraksi Fitur, Seleksi Fitur. Metode Klasifikasi yang dapat digunakan adalah SVM, Artificial Neural Network, Decision Tree, Convolutional Neural Network.
 
Kata kunci: citra digital, daun, penyakit mangga, tinjauan literatur sistematis
 
 
Abstract: Research by conducting a systematic literature review (Systematic Literature Review-SLR) was conducted to study various techniques of disease identification in leaves with digital images as a stage to gain an understanding of the techniques for disease identification on mango leaves with digital images. Mango production in Indonesia from 2014 - 2018 fluctuations has always increased and in 2018 mango production in Indonesia reached 2,624,783 tons, the process of mango cultivation is not always free from disease. Diseases of mango plants are caused by fungi or bacteria that usually attack the roots, stems, bark, twigs or mangoes. Types of diseases in mango plants are: Mango disease (Gloesoporium Fungus), Diplodia disease, sooty fungus, red rust spots, fruit scabies, Blendok disease. Diseases of mangoes have a variety of symptoms and are sometimes difficult to diagnose by farmers and expertise is needed to diagnose diseases on mango plants and how to overcome them which are usually found in professional plant pathologists. So that we need an IT Technology with an Intelligent System that is designed to be able to automatically identify mango plant diseases and how to overcome them based on visual symptoms using digital image methods. The literature review method used is Compare, Contrast, Criticize, Synthesize and Summarize. Digital image methods that can be used in the identification of diseases on mango leaves are the stages of Image Acquisition, Preprocessing, Segmentation, Feature Extraction, Feature Selection. Classification methods that can be used are SVM, Artificial Neural Network, Decision Tree, Convolutional Neural Network.

References

[1] Ardi H.,Ucuk D.,Irmawati (2019). Detection of Disease on Corn Plant Using Convolutional Neural Network Methods. Journal of a Science and Information Vol 12. No.1
[2] Budi Daya Desa. Hama dan Penyakit Pada Tanaman Mangga. https://budidaya desa.blogspot.com/2014/12/teknik-cara-budidaya-mangga-mangifera.html
[3] Chen., Ming-Yu., Tuzel & Xiao (2017). R-CNN for Small Object Detection. Springer International Publishing AG 2017.
[4] Intan Permata Sari, Bambang Hidayat, Ratri Dwi Atmaja.(2016). Perancangan dan Simulasi Deteksi Penyakit Tanaman Jagung Berbasis Pengolahan Citra Digital Menggunakan Metode Color Moments dan GLCM. Seminar Nasional Inovasi dan Aplikasi Teknologi di Industri (SENIATI).
[5] Layanan Informasi Desa. Penyakit utama pada tanaman mangga. https://8villages.com/full/petani/article/id/5c244d5459678e677c05aead
[6] M Ridwan Dwi Septian, Margi Cahyanti, Ericks Rachmat Swedia. (2018). Aplikasi Pendeteksi Kerusakan Pada Daun Berdasarkan Warna. Konferensi Nasional Sistem Informasi 2018.
[7] Madenda, S (2015). Pengolahan Citra dan Video Digital. Penerbit Erlangga
[8] Pedro F.,Manuel C., Pedro M. (2019). Human Visual System vs Convolution Neural Networks in Food Recognition Task: An Empirical Comparison. Computer Vision and Image Understanding, Vol 191 Feb, 2020. Elsevier
[9] Sarngadi Palgunadi,Yulandita Almandatya.(2014). Klasifikasi Kualitas Kesehatan Daun Mangga Berdasarkan Warna Citra Daun. Prosiding SNST ke-5 Tahun 2014 Fakultas Teknik Universitas Wahid Hasyim Semarang.
[10] Setiyono, Andik. Literatur Review, https://core.ac.uk/reader/35372382.
[11] Sharada P. Mohanty., David P.Hughes., Marcel S. (2016). Using Deep Learning for Image-Based Plant Diseaase Detection. Journal Frontiers in Plant Science.
[12] Subdirektorat Publikasi dan Kompilasi Statistik, Statistika Tanaman Buah-buahan dan Sayuran Tahunan Indonesia 2018, Badan Pusat Statistik Indonesia.
[13] Xihai Z., Yue Q., Fanfeng M., Cheng., Minging. (2018). Identification of Maize Leaf Diseases Using Improved Deep Convolutional Neural Networks. IEEE Access Volume : 6.
Published
2020-06-28
How to Cite
SOLIKIN, Solikin. Deteksi Penyakit Pada Tanaman Mangga Dengan Citra Digital : Tinjauan Literatur Sistematis (SLR). BINA INSANI ICT JOURNAL, [S.l.], v. 7, n. 1, p. 63-72, june 2020. ISSN 2527-9777. Available at: <http://ejournal-binainsani.ac.id/index.php/BIICT/article/view/1336>. Date accessed: 26 sep. 2020.