IMPLEMENTASI SMART DIAGNOSIS APPLICATIONS UNTUK DIAGNOSIS DAN Scan-IT to Office UNTUK MONITORING PERKEMBANGAN GEJALA PENYAKIT BERCAK COKELAT (Helminthosporium oryzae) PADA TANAMAN PADI BERBASIS ANDROID = Implementation of Smart Diagnosis Applications for Diagnosis and Scan-iT to Office for Monitoring Development of Symptoms of Brown Spot Disease (Helminthosporium oryzae) on Android-Based Rice Plants

Produksi tanaman padi mengalami fluktuasi bahkan cenderung menurun. salah satu penyebabnya yaitu serangan patogen pada tanaman padi yang penyebarannya tidak terkendali khususnya penyakit bercak cokelat padi. Dalam menentukan teknik pengendalian, sangat penting mengetahui dan memastikan diagnosis tanaman serta melakukan monitoring perkembangan gejala penyakit tanaman. Dengan adanya perkembangan teknologi digital, machine learning dalam pengendalian hama dan penyakit tanaman. Terdapat beberapa aplikasi yang dapat digunakan untuk mendeteksi penyakit tanaman seperti Rice Doctor, Plantix, dan Agrio serta Scan-IT to Office untuk sistem monitoring perkembangan gejala yang dapat diakses melalui Android. Penelitian ini bertujuan untuk mengetahui efektivitas Rice Doctor, Plantix, dan Agrio dalam diagnosis dan sistem monitoring Scan-IT to Office terhadap pengamatan perkembangan gejala penyakit bercak cokelat padi (Cochliobolus miyabeanus). Penelitian ini dilakukan di lahan pertanaman padi milik petani di Desa Salohe, Kecamatan Sinjai Timur, Kabupaten Sinjai. Dalam penelitian dilakukan empat kali pengamatan secara berkala pada lima blok yang letaknya tersebar secara diagonal masing-masing sampel sepuluh rumpun. Sampel tanaman yang terjangkit bercak cokelat diidentifikasi di laboratorium untuk memvalidasi hasil diagnosis oleh Rice Doctor, Plantix, dan Agrio. Berdasarkan hasil analisis hanya Plantix yang memberikan diagnosis yang tepat sesuai dengan hasil validasi data. Hasil monitoring menggunakan Scan-IT to Office, diperoleh intensitas serangan termasuk dalam kategori sangat rentan, sedangkan keparahan penyakit dalam kategori cukup rentan, laju perkembangan infeksi meningkat di awal pengamatan tapi menurun di akhir pengamatan. Dengan menggunakan aplikasi tersebut, dapat membantu petani untuk mengetahui jenis hama dan penyakit yang menyerang tanaman padi sehingga petani dapat mengambil tindakan yang tepat untuk mengurangi kerusakan tanaman akibat penyakit.

Keywords : machine learning, digital, fluktuasi, infeksi, validasi.