2.2. Mengamati Populasi Penyakit Tumbuhan (2) : Cara Melakukan Pengamatan dan Menentukan Sampel untuk Diamati

Pada materi 2.1 kita sudah belajar mengenai penggunaan gejala penyakit dan tanda patogen dan penggunaannya untuk mengukur populasi penyakit. Kita telah membahas bahwa untuk menggunakan gejala penyakit dan/atau tanda patogen dalam mengukur penyakit, kita perlu membedakan gejala penyakit dan/atau tanda patogen dalam penyebaran dalam individu tanaman atau bagiannya, perkembangan gejala menjadi mematikan atau tidak mematikan dengan cepat, dan keadaan akhir gejala penyakit dan/atau tanda  patogen. Dengan memperhatikan hal tersebut maka kita dapat mengukur penyakit untuk menghasilkan ukuran kejadian, keparahan, atau cacahan penyakit yang berskala data rasio. Pada materi kali ini kita lanjutkan cara mengukur penyakit yang berkembang lambat dan tidak mematikan dengan bentuk akhir gejala penyakit dan/atau tanda patogen yang tidak seragam.

2.2.1. MATERI KULIAH

3.3.1.1. Membaca Materi Kuliah

Pada materi kuliah 2.1 kita sudah belajar mengenai penggunaan gejala penyakit dan/atau tanda patogen untuk mengukur penyakit tumbuhan. Uraian pada materi tersebut menyatakan bahwa berdasarkan karakteristik gejala penyakit dan/atau tanda patogen penyakit yang kita amati, kita mengukur penyakit dengan menggunakan salah satu dari tiga peubah:

• Kejadian penyakit (insidensi penyakit, disease incidence), kita gunakan untuk mengukur penyakit yang berkembang secara sistemik maupun penyakit yang tidak sistemik tetapi mematikan tanaman dengan cepat. Contoh penyakit sistemik adalah penyakit bulai pada tanaman jagung. Contoh penyakit sistemik tetapi tidak mematikan individu tanaman dengan cepat, melainkan mematikan organ tanaman dengan cepat adalah penyakit CPVD (HLB) pada tanaman jeruk. Contoh penyakit tidak sistemik tetapi mematikan individu tanaman dengan cepat adalah penyakit rebah kecambah pada berbagai jenis tanaman. Contoh penyakit tidak sistemik tetapi mematikan organ tanaman dengan cepat adalah penyakit busuk buah pada kakao.  
• Keparahan penyakit (severitas penyakit, disease severity), kita gunakan untuk mengukur penyakit yang berkembang relatif cepat maupun lambat tetapi mematikan tanaman dalam waktu lama atau tidak sampai mematikan tanaman dengan bentuk dan ukuran gejala penyakit dan/atau tanda patogen yang berbeda-beda. Contoh penyakit yang berkembang relatif cepat tetapi tidak sampai mematikan tanaman adalah penyakit kudis pada tanaman jeruk. Contoh penyakit yang berkembang relatif lambat dan tidak sampai mematikan tanaman tetapi dapat menurunkan hasil adalah bercak cordana pada tanaman pisang. 
• Cacahan penyakit (disease counts), kita gunakan untuk mengukur penyakit yang berkembang relatif cepat maupun lambat tetapi mematikan tanaman dalam waktu lama atau tidak sampai mematikan tanaman dengan bentuk dan ukuran gejala penyakit dan/atau tanda patogen yang hampir sama. Contoh penyakit dengan gejala penyakit dan/atau tanda penyakit seperti ini adalah penyakit bercak daun dini dan penyakit bercak daun lambat pada kacang tanah.

Peubah manakah yang paling teliti dari ketiga peubah tersebut di atas? Untuk menjawab pertanyaan, misalkan kita mengamati penyakit bercak daun pada tanaman kacang tanah sebagaimana tampak pada gambar. Pada kacang tanah terdapat dua macam penyakit bercak daun, yaitu bercak daun dini yang disebabkan oleh jamur Passalora arachidicola (sebelumnya Cercospora arachidicola) dan bercak daun lambat yang disebabkan oleh jamur Nothopassalora personata (sebelumnyas Cercosporidium personatum). Untuk mengukur penyakit, kita harus dapat membedakan mana yang merupakan gejala bercak daun dini dan mana yang merupakan gejala bercak daun lambat. Sekarang, karena kita mulai melakukan pengamatan pada awal musim hujan, kita memilih mengamati untuk mengukur penyakit bercak daun dini yang gejalanya sebagaimana pada gambar. Dari ketiga peubah pengukuran penyakit di atas, dapatkan kita menggunakan ketiga-tiganya? Jika kita memilih salah satu, peubah mana yang sebaiknya kita pilih dan bagaimana cara menggunakannya melakukan pengukuran di lapangan?

Gambar 2.2.1. Bercak daun dini pada kacang tanah

Untuk melakukan pengukuran, misalkan kita mengambil daun sampel sebagaimana tampak pada Gambar 2.2.1. Misalkan anak daun 1 bergejala 4 bercak, anak daun 2 bergejala 1 bercak, anak daun 3 tidak bergejala, dan anak daun 4 juga tidak bergejala. Jika kita mengukur dengan menggunakan kejadian penyakit sebagai peubah, maka kita mempunyai pilihan menggunakan daun atau menggunakan anak daun sebagai satuan sampel. Jika kita menggunakan daun sebagai satuan sampel maka kita perlu menambil beberapa daun dalam satu rumpun, misalnya 5 helai daun, lalu kita periksa berapa daun yang bergejala dari 5 daun sampel, misalnya bergejala 2 helai, maka kejadian penyakit adalah (2/5)*100 = 40%. Misalkan kita mengambil anak daun pada gambar di atas sebagai sampel sehingga karena 2 dari 4 anak daun bergejala maka kejadian penyakitnya  adalah (2/4)*100% = 50%. Bagaimana jika kita mengukur dengan menggunakan peubah keparahan penyakit? Untuk mengukur keparahan penyakit maka kita perlu mengukur proporsi atau persentase permukaan anak daun 1 dan anak daun 2 yang ditutupi oleh gejala terhadap permukaan setiap anak daun. Setelah melakukan pengukuran, katakan memperoleh angka 5%, 1%, 0%, dan 0% berturut-turut untuk anak daun 1, 2, 3, dan 4, sehingga reratanya adalah (5+2+0+0)/4 = 1,5%. Terakhir misalkan kita menggunakan cacahan penyakit, kita peroleh anak daun 1 bergejala 4 bercak, anak daun 2 bergejala 1 bercak, anak daun 3 bergejala 0 bercak, dan anak daun 4 bergejala 4 bercak sehingga jumlah bercak daun dari keempat anak daun yang kita sambil sebagai satuan sampel adalah 4. Dengan demikian, persentase cacahan penyakit menjadi (4/4)*100%, (1/4)*100%, (0/4)*100%, dan (0/4)*100% atau (100+25+0+0)/4 = 31.25%. Silahkan pikirkan, dari kejadian penyakit berdasarkan daun = 40%, kejadian penyakit berdasarkan anak daun = 50%, keparahan penyakit = 1,5%, atau cacahan penyakit = 32,25%, manakah yang merupakan ukuran penyakit paling tepat?

Mungkin Anda akan menjawab yang paling tepat adalah keparahan penyakit, meskipun nilainya paling rendah. Alasan yang Anda sampaikan mungkin adalah karena keparahan penyakit benar-benar mengukur permukaan daun yang tertutupi oleh gejala penyakit. Tetapi bagaimana jika bercak daun dini berkembang dengan cepat sehingga misalnya keesokan harinya pada permukaan anak daun 1, 2, 3, dan 4 sama-sama terdapat 4 bercak? Bagaimana jika pada hari ketiga anak daun mengering dan huhur? Bagaimana jika tanaman pada akhirnya mati? Mana peubah yang pengukurannya dapat dilakukan dengan mudah di lapangan? Apa tujuan pengukuran penyakit? Jawaban Anda terhadap pertanyaan-pertanyaan ini secara keseluruhan menentukan ketepatan Anda dalam menentukan peubah mana yang Anda gunakan untuk melakukan pengukuran penyakit di lapangan. Silahkan jawab pertanyaan-pertanyaan tersebut setelah membaca karakteristik penyakit bercak daun dini pada kacang tanah, kemudahan melakukan pengukuran, dan tujuan pengukuran untuk memperoleh data berskala rasio untuk memperoleh ukuran penyakit, peubah manakah yang sebaiknya Anda gunakan. Pilihan mengukur penyakit dengan menggunakan skor tidak saya berikan karena skor berskala ordinal, bukan berskala rasio, sedangkan ukuran yang kita perlukan adalah berskala rasio.

Di antara ketiga peubah penyakit tersebut di atas, peubah yang paling sulit adalah keparahan penyakit. Peubah penyakit ini memang merupakan peubah yang memberikan ukuran penyakit yang paling sesuai dengan kenyataan dengan catatan bahwa penyakit tidak sistemik dan tidak mematikan dengan cepat indiviidu atau organ tanaman yang bergejala. Namun karena paling sulit maka paling mudah terjadi kesalahan dalam menentukan proporsi atau persentase permukaan daun bergejala, baik ketika pengamatan dilakukan oleh satu orang, apalagi jika pengamatan dilakukan oleh beberapa orang. Kesalahan seperti ini dalam pengukuran dikenal sebagai galat mekanis yang bersifat tidak acak, berbeda dengan galat acak yang terjadi karena pengambilan sampel. Galat mekanik seperti ini tidak dapat dipisahkan dari data melalui analisis data sebagaimana yang dapat dilakukan terhadap galat acak. Untuk mengurangi peluang terjadinya galat mekanis seperti ini dalam mengukur penyakit dengan menggunakan peubah keparahan maka pengukuran dilakukan dengan bantuan diagram luas permuklaan baku (standard area diagram, SAD). 

Gambar 2.2.2. Contoh Standard Area Diagram (SAD)

Apa itu sebenarnya SAD? SAD didefinisikan sebagai sekumpulan ilustrasi yang menggambarkan nilai persentase pertambahan keparahan penyakit tumbuhan, tetapi istilah skala diagramatik juga lazim digunakan dalam literatur. SAD dirancang untuk membantu penilai dalam menduga secara lebih akurat nilai persentase keparahan penyakit yang diamati dengan cara membandingkan dengan ilustrasi atau diagram yang paling mirip. Contoh SAD adalah SAD untuk menentukan keparahan: (a) bercak pada daun gandum (Domiciano et al. 2014), (b) bercak daun mata katak pada kedelai (Debona et al. 2015), (c) hawar daun kentang (Duarte et al. 2018), dan (d) penyakit antraknosa pada buah paprika (Pedroso et al. 2011) (Gambar 2.2.2). Untuk menggunakan SAD, orang yang melaksanakan pengukuran keparahan penyakit membandingkan keparahan penyakit pada sampel yang diamatinya dengan gambar dengan nilai keparahan pada SAD. Katakan seseorang mengamati keparahan hawar daun pada kentang maka dia membawa SAD ke lapangan. Menurut SAD untuk mengukur keparahan hawar daun pada kentang, satuan pengamatan adalah helai daun. Maka ketika orang yang bersangkutan melakukan pengamatan, ia membandingkan keparahan hawar daun pada satuan pengamatan yang ditentukannya, katakan misalnya mirip dengan gambar SAD hawar daun baris atas paling tengah. Karena keparahan hawar daun yang diamati benar-benar sama dengan gambar tersebut maka nilai keparahan hawar daun yang diamati adalah 3%. Bagaimana jika tidak benar-benar sama? Jika sedikit lebih rendah bisa memberi nilai 2 % (asalkan lebih tinggi dari 1%) aau jika lebih tinggi bisa memberi nilai 4% (asalkan lebih rendah dari 5%).

Pertanyaannya kemudian adalah apakah SAD sudah tersedia untuk semua jenis penyakit atau setidak-tidaknya telah tersedia untuk penyakit-penyakit yang pengukurannya perlu dilakukan dengan menggunakan keparahan penyakit sebagai peubah? Daftar beberapa penyakit yang sudah mempunyai SAD disajikan dalam artikel oleh Del Ponte et al. (2017) Standard Area Diagrams for Aiding Severity Estimation: Scientometrics, Pathosystems, and Methodological Trends in the Last 25 Years, tetapi hanya sebagai contoh, lebih banyak SAD dapat dillihat pada situs SADBank. Kalau suatu penyakit yang diukur keparahannya belum mempunyai SAD lalu bagaimana? Tentu perlu dibuat terlebih dahulu dengan cara sebagaimana yang diuraikan dalam artikel oleh Bock et al. (2020) From visual estimates to fully automated sensor-based measurements of plant disease severity: Status and challenges for improving accuracy. Bock et al. (2020) menjelaskan cara pembuatan SAD dalam kaitan dengan perkembangan teknik pengukuran keparahan penyakit tumbuhan dengan menggunakan sensor untuk mengukur keparahan penyakit secara langsung di lapangan. Menurut mereka, pengamatan keparahan penyakit dilakukan dengan dua cara: (1) pendugaan (estimation) dan pengukuran (measurement) (Gambar 2.2.3). Pendugaan dilakukan dengan memberikan skor dengan bantuan kriteria pemberian skor berdasarkan skala non-linier Horsfall-Barratt dan skala linier yang diperbaiki (amended linear scale) dan dengan pendugaan persentase secara langsung menggunakan bantuan SAD. Pengukuran dilakukan dengan menggunakan teknik penggunaan citra digital (imaging), terdiri atas spektum tampak (VIS) dan penggunaan citra spektral (spectral imaging). Pengukuran keparahan penyakit dengan menggunakan citra digital dilakukan untuk mengukur keparahan penyakit secara langsung di lapangan maupun untuk membuat SAD yang nantinya digunakan untuk menduga keparahan penyakit.

Gambar 2.2.3. Penndugaan keparahan penyakit tumbuhan secara visual dan pengukuran keparahan penyakit tumbuhan dengan menggunakan teknik citra digital.

Selain menggunakan SAD sebagai pembanding, dalam keadaan memaksa pendugaan keparahan penyakit juga bisa dilakukan secara langsung. Namun untuk mampu melakukan ini dengan baik, diperlukan latihan. Salah satu layanan yang memberikan latihan untuk melakukan pendugaan keparahan penyakit tumbuhan adalah layanan shiny TraineR2, yang akan kita coba dalam mengerjakan tugas. Jika yang kita memperoleh foto datar gejala penyakit pada permukaan daun, kita dapat menggunakan program aplikasi R untuk mengkitung luas permukaan sehat dan luas permukaan bergejala dengan menjalankan perintah dalam package pliman sebagaimana yang diuraikan oleh Open Plant Pathology: Measuring plant disease severity using the pliman R package. Kita juga akan belajar menjalankan perintah ini dalam mengerjakan projek kuliah.

Saat ini pengukuran keparahan penyakit berkembang pesat seiring kemajuan perkembangan teknologi sebagaimana oleh Bock et al. (2022) Plant disease severity estimated visually: a century of research, best practices, and opportunities for improving methods and practices to maximize accuracy dan oleh Palma et al. (2022) A system-theoretic approach for image-based infectious plant disease severity estimation (Gambar 2.2.4) . Perkembangan tersebut memungkinkan saat ini pengukuran keparahan penyakit dapat dilakukan dengan menggunakan sensor kamera yang dilengkapi dengan aplikasi untuk melakukan pemrosesan, antara lain: 

• Assess 2.0: Image Analysis Software for Plant Disease Quantification, harga USD 495
• Estimate, a New iPad Application for Assessment of Plant Disease Severity Using Photographic Standard Area Diagrams, tersedia gratis dari iTunes dapat dipasang pada ponsel iPhone dan tablet iPad Air 2 dengan sistem operasi iOS 9.0 atau lebih baru.
• ImageJ, software multiplatform (macOS X, Linux, dan Windows) akses terbuka gratis untuk menganalisis citra, termasuk menganalisis foto gejala penyakit. Perbandingan kinerja ImageJ versus Leaf Doctor dapat dibaca di Evaluation of the Performance of ImageJ, Leaf Doctor Applications, and Visual Assessments in Measuring Severity of Two Leaf Spot Diseases. Pengembangan ImageJ dengan melengkapinya dengan beraneka plugin untuk berbagai teknik analisis citra, termasuk plugin FigureJ untuk pengaturan foto dalam artikel publikasi, tersedia sebagai distribusi (distro) dengan nama Fiji dari Fiji Project. 
• Leaf Doctor: A New Portable Application for Quantifying Plant Disease Severity, uraian mengenai penggunaannya dapat diakses dari situs APS.  

Jika berminat mempelajari bagaimana mengukur keparahan penyakit dengan menggunakan software analisis citra, silahkan unduh ImageJ atau Fiji lalu pelajari panduannya. Untuk ImageJ, panduannya tersedia University of Florida IFAS Extension dalam format teks dan format video. Untuk Fiji, silahkan baca uraian lebih lanjut dan tonton video.

Gambar 2.2.4. Perkembangan teknologi kuantifikasi penyakit, khususnya pengukuran keparahan penyakit, sejak 1892 sampai saat ini. Sumber: Bock et al. (2022)

Sebagaimana diuraikan pada bagian awal, memilih peubah untuk menentukan ukuran penyakit bergantung pertama-tama pada karakteristik penyakit yang diukur. Kemudian tujuan pengukuran, apakah pengukuran secara rinci untuk tujuan membuat SAD misalnya atau secara umum untuk skala wilayah yang luas sebagai dasar pengambilan keputusan pengendalian. Selain itu juga perlu dipertimbangkan apakah akan dilakukan sendiri oleh seseorang atau dilakukan oleh banyak orang. Pengukuran oleh banyak orang memerlukan cara pengukuran yang mudah dilakukan, misalnya pengukuran peubah kejadian penyakit. Terakhir, perlu dipertimbangkan apakah alat yang diperlukan untuk melakukan pengukuran tersedia atau tidak. Misalnya untuk melakukan pendugaan keparahan penyakit menggunakan SAD perlu dipastikan bahwa SAD untuk penyakit yang akan diduga keparahannya sudah tersedia atau tersedia peralatan dan kemampuan untuk membuatnya. Pengukuran penyakit tidak sama dengan pengukuran tinggi tanaman yang dapat dilakukan dengan menggunakan meteran atau pengukuran produksi yang dapat dilakukan dengan menggunakan timbangan. Kecuali kalau nanti telah tersedia pengukuran berbasis sensor dengan harga yang tejangkaau.

Terlepas dari cara yang dilakukan untuk menduga maupun mengukur, yang juga perlu diperhatikan adalah cara menentukan apa yang diamati untuk diduga atau diukur:

• Apa yang diamati, apakah organ tanaman seperti cabang, ranting, daun, atau buah, individu tanaman dalam rumpun seperti batang pada rumpun padi atau rumpun pisang, atau individu tanaman dalam satu petak berukuran tertentu seperti jumlah individu bawang merah dalam 1 m2. Menentukan apa yang diamati berkaitan dengan karakteristik penyakit dan peubah yang akan digunakan untuk menduga atau mengukur penyakit sebagaimana sudah diuraikan pada awal materi kuliah. Apa yang diamati dalam hal ini merupakan satuan pengamatan.
• Bagaimana menentukan apa yang diamati, setelah menentukan satuan pengamatan maka langkah berikutnya adalah menentukan bagaimana mengambil satuan pengamatan ini di lapangan. Mengambil satuan pengamatan di lapangan dikenal sebagai pengambilan sampel dan satuan pengamatan yang diambil menjadi satuan sampel.

Secara teori statistika, pengambilan sampel untuk pengambilan kesimpulan terhadap populasi harus dilakukan secara acak (random), yang dilakukan dengan pengacakan anggota populasi.  Misalnya ketika mewawancara mahasiswa mengenai penerimaan KIP Kuliah, wawancara dilakukan misalnya terhadap 20 mahasiswa per angkatan. Untuk memperoleh 20 mahasiswa per angkatan, seluruh mahasiswa dalam satu angkatan didaftar dan diberi nomor urut. Nomor urut kemudian diundi dengan misalnya penarikan lotere seperti pada arisan. Namun dalam pengamatan penyakit hal ini sulit dilakukan karena jumlah tanaman yang diamati tidak diketahui sehingga pemberian nomor untuk diundi tidak dapat dilakukan. Sebagai gantinya, pengacakan dilakukan hanya terhadap tanaman yang akan diamti sebagai sampel, misalnya dengan melempar sepotong kayu dengan cara berputar dalam keadaan mata tertutup. Tanaman yang tertimpa potongan kayu menjadi sampel pertama dan sampel berikutnya ditentukan dengan aturan tertentu, misalnya setiap 10 m ke arah baris memanjang. Pengambilan sampel seperti ini dikenal sebagai pengambilan sampel secara sistematik. Selain karena alasan sulit melakukan pengambilan sampel secara acak, pengambilan sampel secara sistematik dilakukan juga karena penyakit tidak menyebar secara acak dalam ruang, melain cenderung mengelompo. Untuk populasi yang anggota-anggotanya cenderung mengelompok, pengambilan sampel secara sistematik memberikan hasil yang lebih akurat dibandingkan dengan pengambilan sampel secara acak. Kita akan mengerjakan projek menjalankan perintah R untuk melakukan pengambilan sampel secara acak dan secara sitematik menggunakan R 

2.2.1.2. Mengakses dan Membaca Pustaka Wajib

Silahkan klik halaman Pustaka Daring untuk mengunduh buku teks wajib yang perlu dibaca untuk mendalami materi kuliah ini. Selain itu, silahkan juga mengklik pustaka daring berikut ini:

• Bock et al. (2020) From visual estimates to fully automated sensor-based measurements of plant disease severity: Status and challenges for improving accuracy
• Bock et al. (2022) Plant disease severity estimated visually: a century of research, best practices, and opportunities for improving methods and practices to maximize accuracy
• Del Ponte et al. (2017) Standard Area Diagrams for Aiding Severity Estimation: Scientometrics, Pathosystems, and Methodological Trends in the Last 25 Years
• Madden, L. (n.d.). Pros and cons of different disease assessment rating. 
• Mudita, I W. (2013). Mengukur Penyakit Tumbuhan: Intensitas, Kejadian, Keparahan. Blog Epidemiologi Penyakit Tumbuhan (versi lama). 
• Palma et al. (2022) A system-theoretic approach for image-based infectious plant disease severity estimation

Mahasiswa wajib menyampaikan judul buku, judul bab buku, dan isi bab buku yang telah dibaca terkait dengan materi kuliah ini melalui Laporan Melaksanakan Kuliah dan Mengerjakan Tugas.

2.2.2. TUGAS KULIAH

2.2.2.1. Menyampaikan dan Menanggapi Komentar dan/atau Pertanyaan

Setelah membaca materi kuliah ini, silahkan menyampaikan komentar dan/atau pertanyaan mengenai hal-hal berkaitan langsung dengan materi kuliah tetapi belum diuraikan secara jelas, bukan komentar dan/atau pertanyaan mengenai hal yang tidak berkaitan langsung atau yang sudah diuraikan dalam materi dan juga bukan komentar dan/atau pertanyaan yang sama dengan yang sudah disampaikan oleh mahasiswa lain. Ketik komentar dan/atau pertanyaan di dalam kotak komentar yang terletak di sebelah bawah materi kuliah ini selambat-lambatnya sampai pada Senin, 26 Februari 2023 pukul 24.00 WITA. Kunjungi kembali materi ini beberapa hari kemudian dan tanggapi komentar dan/atau pertanyaan yang disampaikan oleh minimal satu mahasiswa lain, prioritaskan komentar dan/atau pertanyaan yang belum ditanggapi oleh mahasiswa lain. Komentar dan/atau pertanyaan yang tidak berkaitan dengan materi ini atau yang sama dengan yang telah disampaikan oleh mahasiswa lain akan diabaikan dalam penilaian. Salin (copy) komentar dan/atau pertanyaan yang disampaikan untuk dilaporkan dalam Laporan Melaksanakan Perkuliahan Daring. Setiap mahasiswa juga wajib menyampaikan laporan penyampaian pertanyaan dan/atau komentar dan memberikan tanggapan terhadap pertanyaan dan/atau pertanyaan yang disampaikan oleh mahasiswa lain pada saat mengikuti ujian tengah semester.

 

2.2.2.2. Membagikan Blog Mata Kuliah dan Materi Kuliah

Sebagai mahasiswa milenial, setiap mahasiswa tentu mempunyai akun media sosial untuk tujuan menampilkan diri. Gunakan media sosial masing-masing juga untuk tujuan belajar dengan cara membagikan blog mata kuliah dengan mengklik pilihan tombol media sosial untuk membagikan blog secara keseluruhan dan membagikan setiap materi kuliah dengan mengklik tombol pilihan media sosial yang disediakan pada setiap materi kuliah selambat-lambatnya sampai pada Senin, 26 Februari 2023 pukul 24.00 WITA. Catat tautan (link) pembagian blog dan pembagian materi kuliah melalui media sosial masing-masing untuk dilaporkan dalam Laporan Melaksanakan Perkuliahan Daring. Setiap mahasiswa wajib menyampaikan laporan pembagian blog dan materi kuliah pada saat mengikuti ujian tengah semester.

2.2.2.3. Tugas Projek
Untuk mengerjakan Tugas Projek, silahkan lakukan pengamatan penyakit bercak daun dini pada tanaman kacang tanah dengan menisi data minggu kedua pada Lembar Pengamatan Penyakit Bercak Daun Dini Kacang Tanah. Untuk mengerjakan tugas projek yang berkaitan dengan materi kuliah ini, silahkan ikuti langkah-langkah berikut ini:

1. Kunjungi situs layanan shiny TraineR2 dan pada layar yang terbuka: (1) pilih nama penyakit dengan mengklik tanda panah dalam kotak Select a disease, misalnya citrus canker, (2) klik tombol start training, (3) periksa foto permukaan daun bergejala untuk menduga persentase luas permukaan daun bergejala terhadap luas permukaan total, (4) ketik angka persentase dalam kotak Input % severity, dan (5) klik tombol submit estimate untuk memasukkan nilai dugaan yang diketikkan. Ulangi langkah 1 sampai 5 untuk sebanyak 9 kali untuk penyakit yang sama sehingga Anda melakukan pendugaan sebanyak 10 kali. Selanjutnya klik tab Estimate untuk menampilkan akurasi pendugaan yang Anda lakukan (ambil foto tangkapan layar) dan kemudian klik tab Plot Accuracy untuk melihat keakuratan pendugaan yang Anda lakukan (ambil foto tangkapan layar).
2. Ambil satu foto permukaan bawah satu anak daun kacang tanah bergejala bercak daun yang diletakkan di atas kertas berwarna biru muda dan simpan foto dalam folder D:/LatihanR pada komputer masing-masing. Buka foto dengan menggunakan program aplikasi PicPick (klik untuk mengunduh dan memasang gratis), buka foto dengan mengklik menu File>Open, dan kemudian perbesar foto dengan mengklik menu Home>Resize>Image Resize, pada kotak dialog yang tampil klik tombol Scale by precentage, lalu ketik angka 200, klik OK. Pada layar Anda perlu menentuka tiga titik: (1) pada latar biru, (2) pada titik bercak, dan (3) pada titik daun sehat. Klik menu Home>Select, gambar kotak kecil pada latar biru muda, klik menu Home>Copy, klik menu File>New>New dan dalam kotak yang tampil klik menu Home>Paste lalu simpan foto dengan nama latar.png. Ulangi langkah yang sama untuk mengambil foto bagian bercak dan bagian daun sehat dan simpan dengan nama bercak.png dan sehat.png. Untuk memproses foto, pasang packages: install.packages("pliman"), install.packages("BiocManager"), dan BiocManager::install("EBImage") lalu aktifkan dengan: lybrary(pliman), library(BiocManager), dan library(EBImage). Selanjutnya masukkan foto latar: latar <- image_import("latar.png"), foto bercak: bercak <- image_import("bercak.png"), dan foto sehat: sehat <- image_import("sehat.png"). Masukkan foto anak daun keseluruhan: img <- image_import("D:/LatihanR/anakdaun.png") lalu tampilkan: image_combine(img). Selanjutnya lakukan perhitungan persentase permukaan anak daun: measure_disease(img = img, img_healthy = sehat, img_symptoms = bercak, img_background = latar, show_image = TRUE) dan $severity untuk menghitung nilai keparahan.
3. Untuk menggunakan R membantu pengambilan sampel secara acak dengan perintah: sample(1:50,10) untuk mengambil 10 sampel secara acak dari populasi berukuran 50 dan perintah: install.packages("TeachingSampling") untuk memasang package TeachingSampling, library(TeachingSampling) untuk mengaktifkan, perintah: populasi <- c(1:50) untuk membuat populasi berukuran 50, perintah: sampelsistematik <- S.SY(50,5), dan sampelsistematik

2.3.3. ADMINISTRASI PELAKSANAAN KULIAH

Untuk membuktikan telah melaksanakan perkuliahan daring materi kuliah ini, Anda wajib mengakses, menandatangani presensi, dan mengumpulkan tugas di situs SIADIKNONA. Sebagai cadangan, silahkan juga menandatangani daftar hadir dan memasukkan laporan melaksanakan kuliah dan mengerjakan tugas dengan mengklik tautan berikut ini:

1. Menandatangani Daftar Hadir Melaksanakan Kuliah selambat-lambatnya pada Rabu, 21 Februari 2024 pukul 24.00 WITA dan setelah menandatangani, silahkan memeriksa daftar hadir yang telah ditandatangani;
2. Menyampaikan Laporan Melaksanakan Kuliah dan Mengerjakan Tugas selambat-lambatnya pada Senin, 26 Februari 2023 pukul 24.00 WITA dan setelah menyampaikan, silahkan memeriksa untuk memastikan bahwa laporan sudah masuk.

Mahasiswa yang tidak mengisi dan memasukkan Daftar Hadir Melaksanakan Kuliah dan Laporan Melaksanakan Kuliah dan Mengerjakan Tugas akan ditetapkan sebagai tidak melaksanakan kuliah.

**********

Hak cipta: I Wayan Mudita
Revisi pertama: 20 Februari 2016, revisi termutakhir: 19 Januari 2021

Hak cipta selurun tulisan pada blog ini dilindungi berdasarkan Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License. Silahkan mengutip tulisan dengan merujuk sesuai dengan ketentuan perujukan akademik.