Deteksi Dini Infeksi Ganoderma boninense pada Kelapa Sawit Berbasis Radar 24 GHz di Pusat Penelitian Kelapa Sawit (PPKS) Marihat
Isi Artikel Utama
Abstrak
Penyakit Basal Stem Rot (BSR) pada kelapa sawit akibat jamur Ganoderma boninense merupakan ancaman serius dan gejala visual sering muncul terlambat sehingga deteksi dini sangat dibutuhkan. Studi ini menyajikan rancangan dan penerapan skrining noninvasif berbasis radar gelombang kontinu 24 GHz pada dua titik batang yaitu bawah dan atas berjarak 1 m dengan jarak sensor ke permukaan 10 cm. Akuisisi dilakukan kontinu selama sekitar 8 jam per pohon pada 512 Hz per kanal dan dicacah per 1 menit. Sinyal kemudian diringkas menjadi Mean Power Frequency (MPF) untuk masing-masing titik. Uji di Kebun PPKS Marihat menunjukkan pola yang dapat dibaca secara operasional. Kategori sehat cenderung bernilai rendah dengan kecenderungan menurun, kategori infeksi ringan berada pada nilai menengah dengan penurunan lebih landai, sedangkan kategori infeksi berat bernilai tinggi dengan kecenderungan meningkat. Perbedaan dua titik membantu membaca distribusi air di batang sebagai indikasi awal gangguan xilem. Alur kerja dibuat sederhana sehingga memungkinkan kapasitas 3 pohon per hari dan pelaporan pada hari berikutnya disertai penandaan pohon. Pendekatan ini memberi dasar praktis untuk memprioritaskan pemantauan dan tindakan dini di tingkat blok serta berpotensi direplikasi sebagai bagian dari inspeksi rutin kebun.
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
Referensi
1. Gabungan Pengusaha Kelapa Sawit Indonesia (GAPKI), Ekspor Tertinggi ke Uni Eropa! Naik 14,63 Persen pada Januari 2024; 2024. https://gapki.id/news/2024/04/01/ekspor-tertinggi-ke-uni-eropa-naik-1463-persen-pada-januari-2024/, accessed: 2025-10-02.
2. Gabungan Pengusaha Kelapa Sawit Indonesia (GAPKI), Kinerja Industri Minyak Sawit Tahun 2023 & Prospek Tahun 2024; 2024. https://gapki.id/news/2024/02/27/kinerja-industri-minyak-sawit-tahun-2023-prospek-tahun-2024/, accessed: 2025-10-02.
3. Gabungan Pengusaha Kelapa Sawit Indonesia (GAPKI), Palm Oil Has Irreplaceable Role in Indonesian Economy; 2021. https://gapki.id/en/news/2021/09/22/palm-oil-has-irreplaceable-role-in-indonesian-economy/, accessed: 2025-10-02.
4. Sanderson FR. An insight into spore dispersal of Ganoderma boninense on oil palm. Mycopathologia 2005;159(1):139–141.
5. Quemada Mayoral C, García González C, Iriarte Galarregui JC, Marín D, Gastón D, Miranda C, et al. Water Content Continuous Monitoring of Grapevine Xylem Tissue Using a Portable Low-Power Cost-Effective FMCW Radar. IEEE Transactions on Geoscience and Remote Sensing 2019;57(8):6161–6171.
6. Paterson RRM. Ganoderma boninense Disease of Oil Palm to Significantly Reduce Production After 2050 in Sumatra if Projected Climate Change Occurs. Microorganisms 2019;7(1):24.
7. Kandan A, Bhaskaran R, Samiyappan R. Ganoderma: a basal stem rot disease of coconut palm in South Asia and Asia Pacific regions. Archives of Phytopathology and Plant Protection 2010;43(15):1445–1449.
8. Naher L, Siddiquee S, Yusuf UK, Mondal MMA. Issues of Ganoderma spp. and basal stem rot disease management in oil palm. American Journal of Agricultural Science 2015;2(3):103–107.
9. Liaghat S, Ehsani R, Mansor S, Shafri HZM, Meon S, Sankaran S, et al. Early detection of basal stem rot disease (Ganoderma) in oil palms based on hyperspectral reflectance data using pattern recognition algorithms. International Journal of Remote Sensing 2014;35(10):3427–3439.
10. Idris AS, Rafidah AR. Polyclonal antibody for detection of Ganoderma. MPOB Information Series; 2008.
11. Idris AS, Yamaoka M, Hayakawa S, Basri MW, Noorhasimah I, Ariffin D. PCR technique for detection of Ganoderma. MPOB Information Series; 2003.
12. Izzuddin MA, Nisfariza MN, Ezzati B, Idris AS, Steven MD, Boyd D. Analysis of airborne hyperspectral image using vegetation indices, red edge position and continuum removal for detection of Ganoderma disease in oil palm. Journal of Oil Palm Research 2018;30(3):416–428.
13. Ahmadi P, Muharam FM, Ahmad K, Mansor S, Abu Seman I. Early Detection of Ganoderma Basal Stem Rot of Oil Palms Using Artificial Neural Network Spectral Analysis. Plant Disease 2017;101(6):1009–1016.
14. Box GEP, Hunter WG, Hunter JS. Statistics for Experimenters: An Introduction to Design, Data Analysis, and Model Building. New York: John Wiley & Sons; 1978.
15. Tan MSMH, Jamlos MF, Omar AF, Dzaharudin F, Chalermwisutkul S, Akkaraekthalin P. Ganoderma boninense Disease Detection by Near-Infrared Spectroscopy Classification: A Review. Sensors 2021;21(9):3052.
16. Karunarathna SC, Patabendige NM, Hapuarachchi KK. An In-Depth Study of Phytopathogenic Ganoderma: Pathogenicity, Advanced Detection Techniques, Control Strategies, and Sustainable Management. Journal of Fungi 2024;10(6):414.
17. Richards MA, Scheer JA, Holm WA. Principles of Modern Radar. Raleigh: SciTech Publishing; 2010.
18. Khaled AY, Aziz SA, Bejo SK, Nawi NM, Abu Seman I. Spectral features selection and classification of oil palm leaves infected by basal stem rot (BSR) disease using dielectric spectroscopy. Computers and Electronics in Agriculture 2017;144:297–309.
19. Santos LC, dos Santos FN, Morais R. Potential Non-Invasive Technique for Assessing Plant Water Content Using a Radar System. Agronomy 2021;11(2):279.