2.1. Nama mata kuliah yang perkuliahannya Anda laksanakan sekarang ini.

2.2. Nomor dan judul materi kuliah yang perkuliahannya Anda laksanakan sekarang ini.

2.3.1. Tautan luar (external link) pada materi kuliah yang diklik untuk mendalami materi kuliah sekarang ini.

2.3.2. Isi tautan luar (external link) yang diklik untuk dibaca guna mendalami materi kuliah sekarang ini.

2.4.1. Judul pustaka, judul bab pustaka, atau sub-bab pustaka yang dibaca untuk mendalami materi kuliah sekarang ini.

2.4.2. Isi pustaka, bab pustaka, atau sub-babpustaka yang dibaca untuk mendalami materi kuliah sekarang ini.

2.5.1. Komantar dan/atau pertanyaan yang disampaikan terhadap materi kuliah

2.5.2. Tanggapan terhadap komentar dan/atau pertanyaan yang disampaikan oleh mahasiswa lain.

2.6.1. Nama layanan media sosial yang dimiliki mahasiswa dan tautan (link) pembagian blog mata kuliah.

2.6.2. Tautan (link) pembagian materi kuliah melalui media sosial

2.7.1. Laporan Tugas Projek: Nama lengkap petani dan nama desa tempat tinggal petani

2.7.2. Laporan Tugas Projek: Unggah file hasil pengamatan lapangan ke-1, ke-2, ke-3, dan ke-4 penyakit bercak daun dini kacang tanah dengan menggunakan file pengamatan yang diberikan.

2.7.3. Laporan Tugas Projek: Menjalankan perintah untuk mangaktifkan package epifitter dan package tidyverse, memasukkan data kemajuan hawar lambat kentang dengan menggunakan fungsi tribble, dan menyimpan file dalam format CSV pada drive D:\\LatihanR.

2.7.4. Latihan Tugas Projek: Menjalankan perintah untuk mengubah data persentase menjadi data proporsi dan untuk mentransformasi data proporsi keparahan penyakit.

2.7.5. Latihan Tugas Projek: Menjalankan perintah untuk melakukan analisis Regresi Linier Sederhana (RLS) dengan menjalankan fungsi lm dari R Base terhadap seluruh data hasil transformasi. Terlebih dahulu jalankan perintah dengan memblok baris di bawah perintah sink("namafile") sampai baris di atas perintah sink(). Setelah tidak terjadi kesalahan, jalankan perintah mulai dari baris sink("namafile") sampai baris sink() untuk mengawali dan mengakhiri penyimpanan file hasil analisis dengan nama yang sesuai dengan "namafile"di dalam drive D:\\LatihanR.

2.7.6. Latihan Tugas Projek: Menjalankan perintah untuk melakukan analisis Regresi Linier Sederhana (RLS) dengan menjalankan fungsi fit_lin dari package epifitter terhadap seluruh data proporsi penyakit. Terlebih dahulu jalankan perintah dengan memblok baris di bawah perintah sink("namafile") sampai baris di atas perintah sink(). Setelah tidak terjadi kesalahan, jalankan perintah mulai dari baris sink("namafile") sampai baris sink() untuk mengawali dan mengakhiri penyimpanan file hasil analisis dengan nama yang sesuai dengan "namafile"di dalam drive D:\\LatihanR.

2.7.7. Latihan Tugas Projek: Membuka file CSV hasil penyimpanan dalam aplikasi Excel dan kemudian melakukan analisis RLS terhadap data kemajuan .penyakit untuk semua blok pada semua kultivar dengan menggunakan add-ins Analysis Toolpak dan kemudian dengann add-ins SmartStatXL. Simpan semua hasil analisis yang diperoleh dari menggunakan kedua add-ins dengan nama HasilAnalisisRLS_ToolPack&SmartStatXL pada dribe D:\\LatihanR

2.8. Laporan Tugas Projek: Kesulitan apa yang Anda hadapi dalam mengerjakan tugas projek ini dan bagaimana cara mengatasinya

2.9. Apa manfaat yang Anda peroleh dari mengerjakan tugas ini?

3.1. Dengan mengunggah Laporan Melaksanakan Kuliah ini saya menyatakan dengan sejujur-jujurnya bahwa saya benar-benar telah mengerjakan laporan dengan sejujur-jujurnya sesuai dengan kemampuan saya dan tidak menyalin laporan mahasiswa lain atau menyalin dari Internet atau dari sumber-sumber lainnya atau membiarkan laporan ini disalin oleh mahasiswa lain.

3.2. Jika di kemudian hari ternyata ditemukan bahwa saya terbukti telah melanggar ketentuan pada butir 3.1 maka saya bersedia menerima sanksi yang dikenakan kepada saya sesuai dengan ketentuan melaksanakan kuliah yang sudah saya baca dan saya setujui.

3.3. Dengan menyampaikan Laporan Melaksanakan Kuliah sekarang ini maka saya menyatakan bahwa laporan yang saya kirimkan dapat digunakan sebagai bagian dari penilaian dalam melaksanakan kuliah mata kuliah ini.

3.4. Dengan memilih tidak pada salah satu butir dari butir 3.1 sampai butir 3.3 di atas atau tidak menyampaikan Daftar Hadir Melaksanakan Kuliah maka saya menyatakan agar Laporan Melaksanakan Kuliah yang saya sampaikan dinyatakan gugur dan saya dinyatakan tidak memperoleh penilaian dari melaksanakan kuliah sekarang ini.

3.5. Dengan tidak melaksanakan kuliah untuk materi kuliah sekarang ini atau Laporan Melaksanakan Kuliah dinyatakan gugur sebagaimana pada butir 3.4 maka saya menyatakan menerima sanksi yang dikenakan kepada saya sesuai dengan ketentuan melaksanakan kuliah yang sudah saya baca dan saya setujui.

2.7.7. Latihan Tugas Projek: Setelah menjalankan perintah lm pada langkah 3 dan perintah fit_lin pada langkah 4, tentukan manakah yang Anda pilih untuk melakukan analisis regresi kemajuan penyakit: apakah Analysis ToolPak, SmartStatXL, perintah lm dari R Base, atau perintah fit_lint() dari package epifitter disertai dengan alasannya.

margarethatessa1802@gmail.com

Tesa Margareta Tehe Nubein

Ryan Pieter Imanuel Nalle S.TP.,M.Si

Epimediologi Penyakit Tumbuhan

3.2. Menganalisis Perkembangan Penyakit Tumbuhan dalam Waktu (2): Analisis Regresi terhadap Data Kemajuan Penyakit.

https://repository.unsri.ac.id/9207/1/buku_epidemiologi__pdf_2011_tbr.pdf

Perubahan patologis dalam fungsi terdiri dari : perubahan-perubahan dalam
permiabelitas sel ; gangguan dalam hubungan air dan tidak berfungsinya stomata.
Dengan tidak mempedulikan apakah tipe penyakit ataukah sifat agensia patogeniknya,
perubahan-perubahan permiabilitas telah ditemukan pada pengamatan terhadap jaringanjaringan tanaman sakit. Perubahan dalam permiabelitas telah ditemukan atau dideteksi
sebelum gejala yang lain nampak. Peristiwa awal dari pathogenesis ini dapat pula terjadi
karena berbagai sebab yang bersifat biokimia, kimia ataupun agensia-agensia fisik.
Perubahan dalam pemiabelitas dapat diikuti dengan cara pengukuran substansiasubstansia yang diloloskan oleh jaringan-jaringan baik air destilasi ataupun larutan-larutan
lainnya. Jumlah bahan-bahan yang dibebaskan atau diloloskan dapat diketahui dengan
analisis kimia dari contoh-contoh larutan yang didapat atau kalau berupa elektrolit dengan
pengukuran konduktifitas elektrik dari larutan dengan suatu perantara konduktifitas. Cara ini
telah terkenal karena kesederhanaannya, tetapi hasilnya harus diinterpretasi dengan hati-hati
karena bahan yang mengalami chelation dapat menunjukkan elektrolit yang semu.
Perubahan dalam potensial elektrokimia yang diukur dengan menyusupkan ujung
mikroelektrode ke dalam suatu sel dengan suatu hubungan electrode dengan suatu larutan
telah dipakai untuk menemukan perubahan-perubahan permeabelitas yang disebabkan oleh
pathotoxins. Dengan cara ini perubahan potensial yang biasanya disebut potensial membrane,
dapat dideteksi dalam waktu beberapa detik karena ujung electrode internal umumnya
disusupkan ke dalam vacuole, yang terukur harus melalui tonoplas, suatu lapisan plasma,
plasmalemma dan dinding sel.

BUKU AJAR
EPIDEMIOLOGI PENYAKIT TUMBUHAN

Dari segi ruang proses epidemiologi itu terjadi dalam : - Lingkungan mikro yaitu : ruang tingkat sel dan organ tempat terjadinya proses epidemiologi. Misalnya phylosphere ialah lingkungan mikro dari daun, termasuk lapisa udara sangat tipis sekelilingnya setebal 1mm . - Lingkungan meso yaitu : lingkungan yang dibentuk oleh tanaman itu sendiri termasuk lingkungan dekat sekitarnya. - Lingkungan makro yaitu : udara di atas tanaman itu hingga jauh sampai ke troposphere (16-18 km diatas permukaan laut). Proses epidemiologi yang penting yang dapat terjadi di lingkungan makro ini misalnya disperse jarak jauh spora. Misalnya spora penyakit karat daun kopi oleh Hemileia vastatrix datang ke Indonesia dari Sri Lanka melalui udara mengikuti aliran angin yang menghancurkan kopi Arabika pada tahun 1845. Demikian juga penyakit cacar daun teh oleh Exobasidium vexans pada tahun 1944/1945 tiba di Sri Lanka dari India dan pada tahun 1949 dari Sri Lanka sampai di Sumatra Utara dan terus ke Jawa. Lingkungan makro mempengaruhi lingkungan meso dan lingkungan mikro. Pohon-pohon peteduh ikut mempengaruhi lingkungan meso tersebut dalam hal kelembaban nisbi dan cahaya matahari. Untuk mengendalikan penyakit cacar daun teh , pohon peteduhnya yaitu: Albizzia ditebang untuk mengurangi kelembaban dan menambah sinar matahari.

apakah ada batasan data tertentu (proporsi penyakit) ketika ingin melakukan transformasi monit, logit dan gompit?

Bila data perkembangan penyakit dapat dilinierkan dengan transformasi monit, maka penyakit berkembang secara monosiklik. Hal ini disebabkan karena transformasi monit merupakan metode untuk mengubah data menjadi bentuk yang lebih mudah dipahami dan diprocessing oleh sistem. Jika data perkembangan penyakit dapat dilinierkan dengan transformasi monit, maka itu berarti bahwa data tersebut memiliki bentuk yang terstruktur dan dapat dikontrol oleh beberapa variabel terhadap yang lain. Hal ini menunjukkan bahwa penyakit berkembang dengan cara yang terstruktur dan dapat dikontrol, yang merupakan sinyal keparahan penyakit yang berkembang secara monosiklik

3.2. Menganalisis Perkembangan Penyakit Tumbuhan dalam Waktu (2): Analisis Regresi terhadap Data Kemajuan Penyakit - https://go.shr.lc/3IGhSf6

Nama : Petrus Bala, Desa Penfui Kecamatan Kupang Tengah.

https://drive.google.com/open?id=1dB0LWyj1sXHOjckuKsVEL71HaYJxmV8c

https://drive.google.com/open?id=1PXHTjlVyju_kQ53P7U9hE7RoTWol3z0r

Data keparahan penyakit harus diubah dari persentase ke proporsi karena proporsi dapat dalam bentuk desimal, pecahan atau persentase, sedangkan ratio merupakan bentuk relatif yang dihasilkan dari perbandingan dua nilai kuantitatif yang pembilangnya tidak. Proporsi atau presentase di antara jumlah keseluruhan kejadian dari suatu seri data yang muncul dalam suatu data, dan adalah bentuk pembilang dari proporsi merupakan bagian dari penyebut. Ciri-ciri dari proporsi antara lain:
Bentuk proporsi biasanya dinyatakan dalam persen dengan mengalikan pecahan dengan 100%
Tidak memiliki satuan
Rentan nilai 0 sampai 1
Dengan menggunakan proporsi, data keparahan penyakit dapat dijelaskan dengan lebih baik dan dapat memberikan keterangan yang optimal. Hal ini dapat membantu dalam pengukuran masalah kesehatan, seperti penyakit-penyakit kronis yang mempunyai kecenderungan meningkat dengan perbedaan pekerjaan, kebiasaan hidup, genetika atau kondisi fisiologis.

https://drive.google.com/open?id=1C3I2FC-lb7rXVUMNSE1LSSKXJiV53rc1

https://drive.google.com/open?id=1UVXHRgcNHQgsNq_RdR5dsliaKbSNvWfO

https://drive.google.com/open?id=1LsID44KPLw2OxWXpv8kSrcHcxpGP28QJ

Masih kesulitan memahami perintah IM dari R base, juga package epifitter.

Mengetahui banyak pengetahuan baru, mulai dari aplikasi studio R, Library Package epifitter, dan tidy verse.

Menggunakan analysis toolpak, karena lebih mudah dipahami, dan dimengerti.

Dr. Ir.Mayavira V Hahuly, mcp

Epidemologi penyakit tumbuhan

3.2. Menganalisis Perkembangan Penyakit Tumbuhan dalam Waktu (2): Analisis Regresi terhadap Data Kemajuan Penyakit

https://grunwaldlab.github.io/Reproducible-science-in-R/Extra_content---The_Basics_of_R.html#_calculating_the_absolute_or_relative_value_of_the_audpc_

Dasar-dasar R
Kalkulator Mewah
R adalah bahasa pemrograman, namun yang terpenting, ini adalah bahasa pemrograman statistik yang interaktif. Penggunaan dasar R adalah menggunakannya seperti kalkulator.

IdeTo: Spreadsheets for Calculation and Analysis of Area
Under the Disease Progress Over Time Data

Ketika peringkat penyakit diperoleh dari waktu ke waktu, area di bawah metrik perkembangan penyakit seperti area di bawah kurva perkembangan penyakit (AUDPC) dan area di bawah tangga perkembangan penyakit (AUDPS), yang memungkinkan integrasi langkah-langkah ini ke dalam satu nilai, telah digunakan untuk survei atau data eksperimen yang direplikasi. IdeTo, kalkulator berbasis Excel, menghitung AUDPC, AUDPS, dan lainnya nilai standar dan relatif untuk hingga 200 individu yang dievaluasi pada 200 titik waktu. Selain itu wilayah, statistik deskriptif disediakan untuk kelompok individu (misalnya, aksesi dan ulangan), dan koefisien korelasi Pearson dan Spearman antara area dan sifat menarik lainnya. Grafik disediakan untuk memvisualisasikan perkembangan skor penyakit dari waktu ke waktu, distribusi AUDPC dan nilai AUDPS dalam kumpulan data, dan korelasi liniernya dengan sifat-sifat yang diinginkan.

https://www.facebook.com/100023779890674/posts/pfbid029KhqBJ13pV68aWZDKQ7WyksGSmxBe621rkZ7VKE67iaq7Tvd3p7RhxHX91qJmx91l/?app=fbl

https://drive.google.com/open?id=14p5Ht0KBdSdmIaY8ID0ajI-u7i6F-Hh9

https://drive.google.com/open?id=17n1A3HhdKmzDSYGeZLc1YlawKSvr2Wps

Mengubah data keparahan penyakit dari persentase menjadi proporsi diperlukan karena proporsi memberikan informasi yang lebih jelas dan mudah dipahami tentang seberapa besar proporsi tanaman yang terkena penyakit dalam suatu populasi.

https://drive.google.com/open?id=1So6Xacz7lqq2mVu5y9UyMr8kAYvkDvez

https://drive.google.com/open?id=1Sb7_4Ar23HQUkZQSXUbRVEVKgJzTMFZS

https://drive.google.com/open?id=1aKThu3NdvN-iOaM0c4B_0ED6Wr0JBdLw

kesulita yang saya hadapi yaitu masih keliru dengan penggunaan R Studio

yang akan saya pilih adalah Analysis ToolPak dan SmartStatXL, karena mudah menjalankannya dan sudah paham dalam menjalankannya.