Penyakit tanaman didefinisikan sebagai gangguan apa pun terhadap fisiologi normal tanaman yang disebabkan oleh agen, yang mengakibatkan perubahan penampilan dan/atau penurunan produktivitas dibandingkan dengan tanaman sehat dan normal dari varietas yang sama . Ahli patologi telah menemukan dari waktu ke waktu bahwa interaksi dari tiga komponen utama memiliki peran penting dalam perkembangan penyakit pada populasi tanaman yang digambarkan oleh segitiga penyakit. Konsep segitiga penyakit memainkan peran penting dalam mempelajari perkembangan penyakit dalam tanaman. Konsep dalam segitiga penyakit dapat digunakan sebagai prinsip dasar dalam mencari akar penyebab penyakit dan faktor pelengkapnya.
Tiga faktor mendasar yang terlibat dalam segitiga penyakit adalah keberadaan penyakit yang disebabkan oleh interaksi dengan inang, patogen virulen, dan lingkungan yang mendorong perkembangan penyakit tertentu. Dengan demikian, pengendalian salah satu faktor tersebut diyakini dapat membantu mengurangi penyakit pada tanaman. Misalnya, patogen dapat dikendalikan dengan penggunaan pestisida, teknik kultural, atau praktik lainnya; namun, lingkungan bersifat alami dan tidak dapat diubah oleh tindakan manusia; kerentanan tanaman dapat dikurangi melalui penggunaan kultivar tanaman yang toleran atau tahan penyakit.
Penyertaan faktor manusia berdasarkan pengaruh aktivitas manusia dan praktik manajemen tidak boleh diabaikan, karena hal itu dapat memengaruhi kejadian dan tingkat keparahan penyakit tanaman tertentu. Namun, ketiga aspek utama tersebut sudah memiliki tingkat pengaruh manusia tertentu dan, dengan demikian, segitiga penyakit itu sendiri cukup sebagai kerangka kerja untuk membahas berbagai faktor yang memengaruhi penyakit tertentu. Konsep tersebut selaras dengan penelitian yang dilakukan oleh Scholthof, di mana ia menegaskan bahwa segitiga penyakit adalah model konseptual yang menunjukkan interaksi antara inang yang rentan, patogen virulen, dan lingkungan yang mendukung. Oleh karena itu, model tersebut dapat digunakan untuk memprediksi kejadian epidemiologi dalam kesehatan tanaman di komunitas lokal dan global.
Penyakit pada tumbuhan dibagi menjadi biotik dan abiotik. Penyakit biotik meliputi gangguan yang disebabkan oleh organisme hidup seperti virus, jamur, bakteri, serangga, tungau, dan nematoda, sedangkan penyakit abiotik disebabkan oleh faktor tak hidup seperti kekeringan, penyiraman berlebihan, kekurangan nutrisi, praktik budidaya yang tidak tepat, atau cedera kimia. Jamur merupakan agen penyebab penyakit utama pada hampir semua penyakit tumbuhan. Semua penyakit tumbuhan yang penting secara ekonomi, kecuali yang disebabkan oleh nematoda, disebabkan oleh jamur.
Untuk menciptakan teknik pengelolaan penyakit yang berkelanjutan dan efisien, tujuan utamanya adalah untuk meningkatkan pemahaman tentang bagaimana penyakit menyebar ke seluruh populasi tanaman inang dan bagaimana faktor-faktor lain dapat memengaruhi perkembangan ini. Tingkat penyakit yang ada dalam populasi tanaman sering diuji berkali-kali untuk melacak perkembangan penyakit temporal. Kurva perkembangan penyakit, yang pada dasarnya menggambarkan dinamika perkembangan penyakit seiring waktu, dapat dibuat menggunakan kumpulan data. Hasil interaksi dinamis antara inang, patogen, lingkungan, dan pengelolaan tanaman dapat ditunjukkan dengan kurva perkembangan penyakit yang disederhanakan. Oleh karena itu, untuk memahami perkembangan temporal penyakit tanaman, banyak pendekatan analitis dan pemodelan baru telah diterapkan pada epidemiologi penyakit tanaman.
Salah satu contoh kasus adalah penelitian yang menggambarkan kurva perkembangan penyakit buah hitam kakao melalui perbandingan model nonlinier. Kurva perkembangan penyakit dari waktu ke waktu sangat penting untuk dikenali sehingga peneliti atau pekebun dapat menentukan tingkat resistensi kakao terhadap penyakit Phytophthora palmivora . Mereka menerapkan dan membandingkan model eksponensial, monomolekuler, logistik, dan Gompertz dengan menggunakan uji kesesuaian Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC) terendah untuk memilih model yang paling sesuai. Hasil yang diperoleh menunjukkan bahwa tingkat keparahan penyakit dapat disesuaikan dengan kurva Gompertz karena menunjukkan nilai AIC dan BIC terendah. Temuan khusus ini nyaman untuk memprediksi keparahan penyakit dan penentuan tingkat resistensi melalui estimasi area di bawah kurva perkembangan penyakit (AUDPC).
Penelitian sebelumnya tentang Ganoderma melibatkan pemodelan kehilangan hasil kelapa sawit karena penyakit tertentu dengan menggunakan metode regresi berbasis eliminasi mundur. Model terbaik dikembangkan melalui analisis residual, dan hasilnya mengungkapkan bahwa nilai rata-rata dan deviasi standar dari residual terstandarisasi masing-masing adalah nol dan satu. Distribusi residual terstandarisasi juga homoskedastik, normal, dan tanpa outlier. Peramalan yang wajar ditentukan oleh nilai mean absolute percentage error (MAPE), yang digunakan untuk menilai kinerja prediksi model terbaik. Sejumlah kecil penelitian telah dipertimbangkan untuk memodelkan perkembangan penyakit Ganoderma pada kelapa sawit, meskipun penelitian tentang perkembangan penyakit melalui model matematika telah lama diterapkan. Faktanya, hingga saat ini, tidak ada penelitian yang memodelkan perkembangan penyakit Ganoderma BSR berdasarkan faktor-faktor yang terkait dengan konsep segitiga penyakit.
Penilaian penyakit tidak berubah secara signifikan selama beberapa dekade, menjadikannya target ideal untuk teknologi Pertanian 4.0, di mana pemodelan simulasi dan set data besar merupakan komponen penting dari era digital saat ini.Â
Paterson mensimulasikan evolusi kemajuan penyakit BSR selama 80 tahun ke depan menggunakan pendekatan Pertanian 4.0 dan menemukan bahwa tidak ada inovasi signifikan dalam pengobatan penyakit, sementara beberapa teknik remediasi seperti mengembangkan kelapa sawit di wilayah baru dengan iklim yang sesuai dapat membantu menurunkan kemajuan penyakit BSR. Antara tahun 2050 dan 2070, iklim untuk kelapa sawit akan memburuk secara signifikan dalam hal stres dingin, panas, atau kering atau kejadian kekeringan [ 21 , 22 ], dan peningkatan penyakit diproyeksikan sebagai akibat dari dampak buruk iklim terhadap pertumbuhan dan ketahanan kelapa sawit. Oleh karena itu, ada durasi peluang sekitar 30 tahun untuk mengambil tindakan perbaikan untuk mengatasi tingkat BSR di masa mendatang.
Penggunaan fungsi pertumbuhan nonlinier dan ukuran terintegrasi seperti AUDPC akan memainkan peran penting dalam menginformasikan keputusan taktis dan strategis yang sesuai untuk dibuat untuk perawatan pengendalian. Pendekatan ini telah membuktikan kegunaannya dalam mengekspresikan efektivitas pengendalian dan mengoptimalkan, atau mengubah, praktik pengendalian. Penghubung antara epidemiologi, manajemen penyakit, dan berbagai macam pemodelan matematika belum menghasilkan dampak besar pada manajemen penyakit praktis di masa mendatang. Dengan demikian, penelitian ini menggabungkan setiap aspek yang memungkinkan, yaitu pemanfaatan konsep segitiga penyakit tanaman untuk mempelajari faktor-faktor yang mungkin mempengaruhi perkembangan penyakit Ganoderma BSR pada kelapa sawit selama periode tertentu. Determinan dibagi menjadi faktor inang, patogen, dan lingkungan dengan memasukkan unsur-unsur manusia dan praktik manajemen.
Faktor Patogen
Fitur-fitur utama yang perlu disorot ketika membahas faktor-faktor patogen bagi tanaman menurut Keane dan Kerr adalah keberadaan patogen, tingkat virulensi dan agresivitasnya, kemampuan adaptasinya, efisiensi penyebaran dan kelangsungan hidup, dan kekuatan reproduksinya. Kemampuan patogen untuk menyerang dan berkembang biak di dalam inang dikenal sebagai virulensi. Penyakit terjadi ketika patogen penyakit yang virulen bertemu dengan inang yang rentan dalam kondisi lingkungan yang menguntungkan yang rentan terhadap perkembangan penyakit. Evolusi patogen umumnya disebabkan oleh banyak kekuatan termasuk penyebaran spasial, rekombinasi, pergeseran genetik, dan seleksi oleh ketahanan tanaman inang.
