Pengenalan Spesies Nematoda Puru Akar (Meloidogyne spp.) Melalui Karakter Sidik Perinium Menggunakan Jaringan Syaraf Tiruan

Abstract

Nematoda adalah hewan mikroskopik yang bentuknya menyerupai cacing dan banyak jenisnya yang dapat menyerang tanaman. Kerusakan tanaman akibat serangan nematoda ini sering tidak khas dan membingungkan. Di antara sekian banyak jenis nematoda yang ada di dalam tanah harus ditentukan jenis nematoda yang mana yang bertanggung jawab dalam kerusakan tanaman, karena tidak semua nematoda merusak tanaman. Untuk mengetahui peran nematoda yang didapatkan dalam ekosistem tanaman, diperlukan identifikasi untuk menentukan jenis nematoda. Kesalahan dalam identifikasi dapat menyebabkan kesalahan dalam pengendalian dan manajemen terhadap nematoda tersebut. Dalam penelitian ini akan dibangun suatu sistem yang mampu mengidentifikasi nematoda parasit tumbuhan menggunakan jaringan syaraf tiruan propagasi balik dengan praproses transformasi wavelet. Data yang digunakan dalam penelitian ini merupakan data citra perineal pattern (sidik perinium). Data citra tersebut berjumlah 24 buah yang berasal dari 4 spesies nematoda yaitu Meloidogyne incognita, M. javanica, M. arenaria, dan M. hapla. Sebelum citra dimasukkan ke dalam jaringan untuk proses pengenalan maka dilakukan proses segmentasi untuk menghilangkan background yang tidak beraturan dan tidak rata yang terdapat pada citra. Citra yang telah mengalami proses segmentasi masih berdimensi cukup besar. Untuk memperkecil dimensi maka dilakukan proses transformasi wavelet sebanyak 3 level. Proses identifikasi nematoda pada penelitian ini menggunakan Jaringan Syaraf Tiruan Propagasi Balik karena dinilai dapat menangani pengenalan pola-pola kompleks dengan sangat baik. Parameter yang diamati adalah nilai akurasi maksimum dengan kombinasi hidden neuron, toleransi kesalahan, level dekomposisi wavelet, dan fungsi pelatihan jaringan syaraf tiruan. Dari hasil percobaan didapatkan nilai akurasi 87.5% yang berasal dari dekomposisi level 1 dengan toleransi kesalahan 0.001 dan hidden neuron 50 menggunakan fungsi pelatihan traingd.