| dc.description.abstract | Rayap tanah adalah hama yang paling merusak dan serangannya secara
signifikan berdampak pada kualitas bangunan kayu. Manajemen rayap mencakup
dua bagian: pencegahan dan kontrol. Bagian terpenting dari pengendalian rayap
adalah mendeteksi rayap. Namun, karena perilaku samarnya, maka rayap jarang
terlihat dari pengamatan visual termasuk kegiatan rayap aktif dan kerusakan kayu
yang sedang terjadi. Untuk alasan ini, perlu dikembangkan sistem deteksi rayap
sebagai komponen penting pada sistem pengelolaan hama rayap. Perangkat yang
ada saat ini dipasaran umumnya berfungsi hanya mendeteksi keberadaan rayap
saja. Perbaikan dari sistem deteksi rayap yang diusulkan adalah kemampuan
mendeteksi dan memprediksi ukuran populasi rayap. Sistem ini didesain dengan
menanamkan sinyal akustik dan suhu dalam teknologi penginderaan.
Bahan yang digunakan pada penelitian ini adalah kayu pinus (Pinus
merkusii) dengan dimensi 20 × 10 × 2.5 cm dan spesies rayap tanah Coptotermes
curvignathus. Selanjutnya, berbagai popopulasi rayap (0, 100, 200, ..., 1000
individu) dimasukkan ke dalam papan pinus untuk aktivitas makan dan dipantau
sinyal akustik dan suhunya selama 24 jam. Selama proses akuisisi sinyal,
perubahan sinyal dari waktu ke waktu tersimpan secara otomatis pada kartu
penyimpan data. Basis data ini sangat berguna untuk mengungkap pola harian
rayap dimana pengetahuan ini digunakan dalam pengembangan komputasi lunak
dalam sistem. Selanjutnya, paket Boruta digunakan untuk menemukan rangkaian
fitur yang relevan pada sinyal akustik dan suhu, yang mampu membedakan
berbagai populasi rayap secara signifikan. Fitur-fitur yang relevan ini diusulkan
sebagai input ke dalam classifier untuk menghasilkan sebuah model handal yang
mampu mendeteksi keberadaan rayap dan memprediksi ukuran populasinya.
Berdasarkan analisis sinyal akustik, periode puncak aktivitas harian rayap
dapat ditemukan pada 13:00-16:00, sedangkan pada jam 18:00-5:00 mengandung
aktivitas rayap yang jauh lebih sedikit. Juga, penelitian ini mengungkapkan bahwa
semakin tinggi populasi rayap, semakin hangat suhu papan, karena rayap
menghasilkan gas metabolik sebagai hasil metabolisme. Berdasarkan analisis
numerik, paket Boruta berhasil menemukan 25 fitur yang relevan, terdiri dari 21
fitur akustik dan 4 suhu. Setelah mengoptimalkan berbagai jenis input, fungsi
kernel dan parameter model, classifier dalam sistem deteksi rayap menerapkan
algoritma SVc (support vector classification) untuk mendeteksi rayap dan ANN
(artificial neural network) untuk memprediksi populasinya. Berdasarkan evaluasi
kinerja, sistem yang diusulkan dapat mendeteksi rayap dengan akurasi 93.83%
dan dapat memprediksi ukuran populasi dengan root mean square error (RMSE)
sebesar 123.828. Hasil keseluruhan menunjukkan bahwa sistem deteksi rayap
yang diusulkan dapat digunakan sebagai teknik yang akurat dan non-destruktif
dalam sistem manajemen hama rayap. Sistem yang demikian dapat dikembangkan
lebih lanjut menjadi perangkat genggam komersial. | id |
