PENDAHULUAN Latar Belakang Indonesia merupakan negara yang memiliki kawasan hutan hujan tropis dengan keanekaragaman spesies tumbuhan yang sangat tinggi dan formasi hutan yang beragam. Dipterocarpaceae adalah pohon kayu utama dari hutan hujan tropis dan merupakan salah satu famili besar dengan jumlah mencapai 506 spesies di seluruh dunia. Shorea adalah nama marga dari famili Dipterocarpaceae yang beranggotakan sekitar 194 spesies. Ditinjau dari segi manfaat ekonomi, Shorea merupakan penghasil kayu-kayu Dipterocarpaceae yang terpenting, salah satunya adalah kayu meranti (meranti kuning, merah, dan putih). Kegunaan utama kayu meranti adalah untuk membuat kayu lapis dengan kualitas yang bagus. Beberapa Shorea juga menghasilkan tengkawang, yaitu buah meranti-merantian yang besar dan berlemak. Biji tengkawang mengeluarkan minyak yang berharga tinggi dan digunakan dalam industri kosmetika dan makanan. Keanekaragaman spesies dalam marga Shorea menyebabkan kesulitan untuk membedakan jenis Shorea satu dengan yang lainnya. Diperlukan pengetahuan serta pengalaman khusus dalam bidang ini untuk dapat membedakan jenis-jenis Shorea. Identifikasi jenis pohon penghasil kayu yang tidak akurat akan menyebabkan kesalahan identifikasi kayu gelondongan yang mengakibatkan pemilihan kayu yang tidak tepat untuk kegunaan akhir. Jika ditinjau dari segi kemudahan dan kecepatan dalam mendapatkan data, maka karakteristik morfologi dan anatomi menjadi acuan pertama dalam proses identifikasi tumbuhan. Karakteristik ini dapat diamati pada organ vegetatif tumbuhan, seperti daun, batang, dan cabang, serta pada organ generatif tumbuhan, seperti bunga dan buah. Kedua organ tumbuhan ini memiliki perbedaan waktu observasi. Organ generatif tumbuhan hanya dapat diamati pada waktu tertentu, sedangkan organ vegetatif tumbuhan cenderung tersedia sebagai sumber pengamatan sepanjang waktu (Hasanah 2009). Daun merupakan salah satu organ vegetatif tumbuhan dengan beberapa karakteristik yang dapat diamati. Sama halnya seperti daun, batang dan cabang juga merupakan organ vegetatif tumbuhan yang cenderung tersedia sebagai sumber pengamatan sepanjang waktu. Namun,
kulit batang dapat berubah warna atau kedalaman alur sejalan dengan bertambahnya umur pohon. Pada penelitian ini akan diterapkan Jaringan Syaraf Tiruan (JST) Propagasi Balik untuk mengidentifikasi jenis Shorea. Data specimen daun akan diolah dengan JST Propagasi Balik untuk mengetahui tingkat akurasi dari proses identifikasi tersebut. Tujuan Penelitian Tujuan penelitian ini adalah untuk menerapkan Jaringan Syaraf Tiruan (JST) Propagasi Balik dalam mengidentifikasi jenis Shorea, serta mengetahui tingkat akurasi dari proses identifikasi tersebut. Ruang Lingkup Penelitian Ruang lingkup pada penelitian ini adalah : 1. Identifikasi jenis Shorea dilakukan berdasarkan karakteristik morfologi daun. 2. Identifikasi jenis Shorea dilakukan pada lima jenis Shorea yang terdapat di Kebun Raya Bogor, yaitu Shorea Beccariana, Shorea Seminis, Shorea Platyclados, Shorea Leprosula, dan Shorea Ovalis. 3. Data yang digunakan adalah data hasil pengukuran daun Shorea secara manual. Manfaat Penelitian Manfaat penelitian ini adalah membantu masyarakat umum serta pihak-pihak terkait dalam mengidentifikasi jenis Shorea. TINJAUAN PUSTAKA Shorea Shorea adalah nama marga dari famili Dipterocarpaceae yang beranggotakan sekitar 194 spesies. Marga ini dinamai demikian untuk menghormati Sir John Shore, Gubernur Jenderal British East India Company, 1793-1798. Shorea menyebar terutama di Asia Tenggara, ke barat hingga Srilanka dan India utara, dan ke timur hingga Filipina dan Maluku. Shorea merupakan penghasil kayu-kayu Dipterocarpaceae yang terpenting, seperti aneka jenis kayu meranti (meranti merah, kuning, putih), balau, bangkirai, balangeran, dan lain-lain. Selain itu, marga ini juga menghasilkan damar dari berbagai kualitas yang digunakan dalam industri pernis dan cat. Ciri-ciri diagnostik utama Shorea adalah pohon sangat besar dengan kulit kayu dalam berlapis-lapis atau coklat merah gelap. Pohon hampir selalu besar, batang utama tinggi dan
1
silindris. Tangkai daun berukuran sekitar 0.52.5 cm. Daun berukuran panjang 4-18 cm dan lebar 2-8 cm, pangkal daun biasanya simetris, permukaan bawah daun bila diraba licin, pertulangan sekunder bersisip, berjumlah sekitar 7-25 pasang (Newman et al. 1999).
atau coklat kuning. Pertulangan sekunder berjumlah 9-17 pasang, pertulangan tersier tidak terlalu terlihat (Newman et al. 1999). Shorea Seminis merupakan salah satu Shorea penghasil tengkawang. Bijinya yang mengandung lemak dapat digunakan sebagai bahan dasar untuk pembuatan coklat, margarine, sabun dan bahan kosmetika.
Gambar 1 Pohon Shorea. Shorea Beccariana Shorea Beccariana termasuk dalam kelompok meranti merah. Perawakan pohon besar, batang tinggi lurus, berbentuk silinder. Daun berukuran panjang 8-26 cm dan lebar 2.98 cm, bila diraba licin pada kedua permukaan, ujung daun lancip pendek, pangkal daun berbentuk pasak. Pertulangan sekunder berjumlah 10-13 pasang, melengkung di seluruh panjangnya, pertulangan tersier terlihat jelas dan tegak lurus (Newman et al. 1999). Shorea Beccariana merupakan salah satu Shorea penghasil tengkawang. Biji tengkawang mengeluarkan minyak yang berharga tinggi dan digunakan dalam industri kosmetika dan makanan.
Gambar 3 Daun Shorea Seminis. Shorea Platyclados Shorea Platyclados termasuk dalam kelompok meranti merah. Perawakan pohon sangat besar, batang tidak bercabang hingga tinggi sekali. Daun berukuran panjang 6.1-13.1 cm dan lebar 2.2-4 cm, ujung daun lancip, pangkal daun membundar. Permukaan atas daun bila mengering berwarna coklat, bila diraba licin. Pertulangan sekunder berjumlah 12-25 pasang, pertulangan tersier hampir tidak terlihat (Newman et al. 1999). Shorea yang termasuk kedalam kelompok meranti merah seperti Shorea Platyclados umumnya kayunya digunakan untuk venir dan kayu lapis. Selain itu, kayunya juga dapat digunakan sebagai bangunan perumahan dan mebel.
Gambar 2 Daun Shorea Beccariana. Shorea Seminis Shorea Seminis termasuk dalam kelompok balau atau selangan batu. Tinggi pohon dapat mencapai 60 m. Daun berukuran panjang 9-18 cm dan lebar 2.5-8 cm, ujung daun berbentuk lancip panjang, pangkal daun berbentuk pasak atau membundar. Permukaan atas dan bawah daun bila mengering berwarna coklat kelabu
Gambar 4 Daun Shorea Platyclados. Shorea Leprosula Shorea Leprosula termasuk dalam kelompok meranti merah. Perawakan pohon besar, dapat mencapai tinggi 60 m, bebas cabang 35 m, diameter 1 m. Kulit coklat keabuabuan. Daun lonjong sampai bulat telur, panjang 8 - 14 cm dan lebar 3.5-4.5 cm.
2
Permukaan daun bagian bawah bersisik seperti krim, urat daun tersier rapat seperti tangga. Kayunya ringan, kerapatan 0,3-0,55 gr/cm3. Merupakan kayu berharga dan sangat baik untuk mebel, panel, lantai, langit-langit dan juga untuk kayu lapis. Menghasilkan resin yang dikenal dengan nama damar daging, yang dapat digunakan obat.
Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa :
Gambar 5 Daun Shorea Leprosula.
JST ditentukan oleh tiga hal :
Shorea Ovalis
1.
Shorea Ovalis termasuk dalam kelompok meranti merah. Perawakan pohon besar, tinggi pohon dapat mencapai 49 m, batang lurus berbentuk silinder agak meruncing. Daun lonjong atau jorong, berukuran panjang 7.8-21.9 cm dan lebar 2.7-6.9 cm, ujung daun lancip panjang, pangkal daun membundar, permukaan atas daun bila mengering berwarna coklat, bila diraba licin dengan bulu-bulu pendek yang renggang atau rapat, permukaan bawah daun bila mengering berwarna coklat, bila diraba kasar. Tepi daun kadang tergulung. Pertulangan sekunder berjumlah sekitar 18-26 pasang, mulamula lurus, melengkung hanya di dekat tepi daun atau melengkung di seluruh panjangnya, pertulangan tersier terlihat jelas (Newman et al. 1999).
2.
Kayu meranti merah banyak dipergunakan untuk kayu pertukangan dan kayu lapis.
Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron). Sinyal dikirimkan di antara neuron-neuron melalui penghubung-penghubung. Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal. Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi yang dikenakan pada jumlah input yang diterima untuk menentukan keluarannya.
3.
Pola hubungan antar neuron yang disebut arsitektur. Metode penentuan bobot pada setiap hubungannya (disebut juga training atau latihan). Fungsi aktivasi yang digunakan.
Gambar 7 Model JST Propagasi Balik. Propagasi Balik Propagasi Balik merupakan algoritme pembelajaran yang terawasi (supervised learning) dan biasanya digunakan oleh jaringan multilayer untuk mengubah bobot-bobot yang terhubung dengan semua neuron pada hidden layer (Kusumadewi 2004 diacu dalam Hardelina 2007).
Gambar 6 Daun Shorea Ovalis.
3
Karakteristik yang Propagasi Balik adalah :
dimiliki
oleh
JST
Jaringan Multilayer JST Propagasi Balik memiliki input layer, output layer, dan hidden layer. Setiap neuron pada suatu layer dalam JST Propagasi Balik mendapat sinyal input dari semua neuron pada layer sebelumnya.
Fungsi Aktivasi Fungsi aktivasi digunakan untuk menentukan keluaran suatu neuron. Fungsi aktivasi yang umum digunakan pada JST Propagasi Balik adalah fungsi sigmoid biner (output-nya memiliki rentang [0,1]). Grafik fungsi sigmoid biner dapat dilihat pada Gambar 8. ƒ(x)
Ketiga fase tersebut diulang terus hingga kondisi penghentian terpenuhi. Umumnya kondisi penghentian yang digunakan adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan. K-Fold cross validation K-fold cross validation dilakukan untuk membagi training set dan test set. K-fold cross validation mengulang k-kali untuk membagi sebuah himpunan contoh secara acak menjadi k subset yang paling bebas, setiap ulangan disisakan satu subset untuk pengujian dan subset lainnya untuk pelatihan (Fu 1994). Normalisasi
x
Normalisasi data dilakukan dengan cara membagi setiap data dengan nilai maksimum dari setiap fiturnya. Normalisasi dilakukan agar data memiliki range yang sama. Regresi Linear
Gambar 8 Grafik fungsi sigmoid biner. Persamaan fungsi sigmoid biner adalah sebagai berikut :
dengan turunannya,
Ada tiga tahap pelatihan pada JST Propagasi Balik, yaitu pelatihan input yang bersifat umpan maju (feed forward), perhitungan propagasi balik galat yang diperoleh, dan penyesuaian bobot.
Feed Forward Setiap neuron pada hidden layer dan output layer menghitung nilai aktivasinya masingmasing sesuai dengan fungsi aktivasi yang digunakan.
Propagasi balik galat Setiap output neuron menghitung informasi galat antara nilai output yang dihasilkan dengan nilai target yang telah ditetapkan. Informasi galat ini dikirimkan ke layer di bawahnya.
Penyesuaian bobot-bobot jaringan Setiap output neuron dan hidden neuron mengubah nilai bias dan bobot sesuai dengan nilai galat pada layer di atasnya.
Regresi linear adalah metode statistika yang digunakan untuk membentuk model hubungan antara variabel terikat (Y) dengan satu atau lebih variabel bebas (X). Data dari X dan Y diplotkan sehingga menghasilkan diagram pencar. Jika titik-titiknya mengikuti suatu garis lurus, maka kedua variabel tersebut saling berhubungan secara linear. Bila hubungan linear tersebut ada, maka kita nyatakan secara matematik dengan sebuah persamaan garis lurus yang disebut garis regresi linear. persamaan tersebut dapat dituliskan dalam bentuk : ŷ = a + bx, dimana a adalah intersep atau perpotongan dengan sumbu tegak dan b adalah kemiringan atau gradiennya (Walpole 1995). Nilai a dan b pada persamaan di atas, dapat diperoleh dengan rumus :
Elips Luas dan keliling elips dapat dihitung dengan rumus di bawah ini. Luas elips : πr1r2 Keliling : π (r1 + r2)
4
Identifikasi Masalah r2
r1
Gambar 9 Elips. dimana : r1 = sumbu panjang dari titik pusat r2 = sumbu pendek dari titik pusat METODOLOGI Pada bab ini akan dijelaskan mengenai tahapan-tahapan yang akan dilakukan dalam penelitian. Penelitian dimulai dengan melakukan identifikasi masalah, kemudian dilakukan pencarian dan pengumpulan data untuk digunakan pada tahap pelatihan dan pengujian. Berikut ini adalah ilustrasi tahapan metodologi penelitian yang digambarkan dengan diagram alur penelitian : Mulai
Shorea beranggotakan sekitar 194 spesies. Keanekaragaman spesies tersebut dapat mengakibatkan kesulitan dalam membedakan jenis Shorea satu dengan yang lainnya. Diperlukan pengetahuan dari orang yang berpengalaman dalam bidang Shorea untuk dapat mengenali jenis-jenis Shorea. Kesalahan dalam mengidentifikasi jenis Shorea dapat mengakibatkan pemilihan kayu yang tidak tepat untuk kegunaan akhir. Salah satu solusi dari permasalahan tersebut adalah dengan membuat suatu aplikasi yang dapat mengidentifikasi jenis-jenis Shorea. Aplikasi tersebut dibentuk dengan menggabungkan kemampuan dari ahli dalam bidang Shorea serta literatur yang terkait dengan bidang tersebut untuk mengetahui tingkat akurasi dari identifikasi tersebut. Pengumpulan Data Data yang digunakan pada penelitian ini adalah data hasil pengolahan daun Shorea yang sample-nya diambil dari Kebun Raya Bogor. Pada setiap sample dilakukan pengukuran data secara manual untuk mendapatkan nilai-nilai dari setiap karakteristik morfologi daun Shorea. Karakteristik morfologi daun Shorea yang diamati dan diukur adalah : 1.
Identifikasi Masalah
Panjang daun, yaitu panjang daun dari ujung daun sampai pangkal daun. Panjang
Pengumpulan Data
Gambar 11 Panjang Daun. 2.
Praproses
Lebar daun, yaitu permukaan daun yang paling lebar dengan posisi daun tegak lurus.
K-fold cross validation
Data Latih
Lebar
Data Uji
Gambar 12 Lebar Daun. 3. Pelatihan
Pengujian
Bentuk tulang daun, yaitu susunan tulang cabang pada daun. Bentuk tulang daun dapat dibedakan menjadi :
JST Propagasi Balik
a. Akurasi
Selesai
Gambar 10 Diagram Alur Penelitian.
Menempel : ujung tulang cabang bagian dalam sebelah kanan bertemu dengan ujung tulang cabang bagian dalam sebelah kiri. b. Tidak menempel : ujung tulang cabang bagian dalam sebelah kanan tidak bertemu dengan ujung tulang cabang bagian dalam sebelah kiri.
5
