VISUALISASI KEMIRIPAN KARAKTERISTIK ANTARVARIETAS KEDELAI MENGGUNAKAN ALGORITME FORCE ATLAS
NUR ENDAH SETIANI
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Visualisasi Kemiripan Karakteristik Antarvarietas Kedelai Menggunakan Algoritme Force Atlas adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, September 2014 Nur Endah Setiani NIM G64100081
ABSTRAK NUR ENDAH SETIANI. Visualisasi Kemiripan Karakteristik Antarvarietas Kedelai Menggunakan Algoritme Force Atlas. Dibimbing oleh FIRMAN ARDIANSYAH dan DESTA WIRNAS. Informasi mengenai karakteristik kedelai sangat diperlukan, terutama untuk melakukan pemuliaan tanaman agar varietas kedelai yang akan digunakan tidak menghasilkan varietas yang serupa. Namun informasi yang berada saat ini berupa teks sehingga visualisasi grafis lebih mudah digunakan untuk mengetahui varietas yang memiliki karakteristik serupa seperti warna biji dan warna bunga. Oleh sebab itu, visualisasi informasi diperlukan agar pengguna dapat memahami informasi yang ditampilkan. Pada penelitian ini dibuat visualisasi informasi dalam bentuk graf berbasis web yang interaktif. Visualisasi yang ditampilkan merepresentasikan varietas kedelai yang memiliki karakteristik serupa yaitu ditunjukkan dengan nilai bobot edges dari 0.750 sampai 0.967. Algoritme yang digunakan adalah algoritme Force Atlas yang dapat menghasilkan graf mengelompok berdasarkan keterhubungannya. Terdapat 3 kelompok yang terbentuk dengan atribut pengelompokan warna biji kedelai. Varietas kedelai direpresentasikan dengan nodes dan kemiripan karakteristik kedelai direpresentasikan dengan edges. Semakin besar ukuran nodes maka semakin banyak kedelai yang memiliki karakteristik serupa. Kata kunci: force atlas, kedelai, kemiripan karakteristik kedelai, visualisasi graf
ABSTRACT NUR ENDAH SETIANI. Similarities Visualization of Soybean Characteristics Using Force Atlas Algorithm. Supervised by FIRMAN ARDIANSYAH and DESTA WIRNAS. Information about characteristics of soybean is needed, especially in plant breeding so that the results will not produce similar varieties. However, the information is currently available in the form of text. It would be easier to use graphical visualization to find varieties that have similar characteristics, such as seed color and flower color. Hence, information visualization is required to aid user in understanding the information displayed. This study created a web-based interactive graph that represents soybean varieties with similar characteristics. The edges weights of 0.750 to 0.967 indicates similarity. This research used Force Atlas algorithm that can generate a clustering graph based on connectedness. Three clusters were formed based on the color of soybean. Soybean varieties were represented by nodes and the similarity of soybean characteristics were represented by edges. The larger the size of nodes, the more soybean that have similar characteristics. Keywords: force atlas, graph visualization, soybean, soybean characteristic similarity
VISUALISASI KETERHUBUNGAN KARAKTERISTIK ANTARVARIETAS KEDELAI MENGGUNAKAN ALGORITME FORCE ATLAS
NUR ENDAH SETIANI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Penguji : Dr Yani Nurhadryani, SSi MT
Judul Skripsi : Visualisasi Kemiripan Karakteristik Antarvarietas Kedelai Menggunakan Algoritme Force Atlas Nama : Nur Endah Setiani NIM : G64100081
Disetujui oleh
Firman Ardiansyah, SKom MSi Pembimbing I
Dr Desta Wirnas, SP MSi Pembimbing II
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan November 2013 ini ialah visualisasi informasi, dengan judul Visualisasi Kemiripan Karakteristik Antarvarietas Kedelai Menggunakan Algoritme Force Atlas. Terima kasih penulis ucapkan kepada Bapak Firman Ardiansyah, SKom MSi dan Ibu Dr Desta Wirnas, SP MSi selaku pembimbing, serta Ibu Dr Yani Nurhadryani, SSi MT yang telah banyak memberi saran. Di samping itu, penulis juga mengucapkan terima kasih kepada orang tua dan keluarga penulis serta teman-teman ilmu komputer angkatan 47 yang selalu memberikan semangat, doa dan dukungannya. Semoga karya ilmiah ini bermanfaat.
Bogor, September 2014 Nur Endah Setiani
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
METODE
3
Value
3
Data Transformation
3
Analytical Abstraction
4
Visualization Transformation
4
Visualization Abstraction
4
Visual Mapping Transformation
5
View
5
Lingkungan Pengembangan Sistem
5
HASIL DAN PEMBAHASAN
6
Hasil Tahapan Value
6
Hasil Tahapan Data Transformation
6
Hasil Tahapan Analytical Abstraction
8
Hasil Tahapan Visualization Transformation
8
Hasil Tahapan Visualization Abstraction
8
Hasil Tahapan Visualization Mapping Transformation
9
Hasil Tahapan View KESIMPULAN DAN SARAN
13 13
Kesimpulan
13
Saran
13
DAFTAR PUSTAKA
14
LAMPIRAN
13
RIWAYAT HIDUP
15
DAFTAR TABEL 1 2 3 4 5 6 7
Karakteristik varietas kedelai Atribut karakteristik relevan Data sebelum pengolahan data Data setelah proses data transformation Contoh data yang akan diproses Gaze Contoh data nodes hasil proses Gaze Contoh data edges hasil proses Gaze
6 7 7 8 8 9 9
DAFTAR GAMBAR 1 2 3 4 5 6
Metode Chi (1999) Graf random layout Graf hasil filterisasi >= 0.75 Graf layout Force Atlas Graf hasil penerapan partition Graf hasil penerapan ranking
3 10 10 11 11 12
DAFTAR LAMPIRAN 1 2 3 4 5
Contoh data yang diperoleh (.pdf) Contoh data karakteristik kualitatif sebelum pengelompokan Pengelompokan atribut karakteristik Antarmuka interaksi zoom in, zoom out dan kembali ke graf semula Antarmuka interaksi search, select by grup dan infomasi node yang dipilih
15 15 15 15 15
PENDAHULUAN Latar Belakang Kedelai merupakan salah satu komoditas pangan penting di Indonesia. Kandungan proteinnya yang tinggi sering kali digunakan sebagai bahan baku pembuatan tahu, tempe, kecap, dan bahan pakan ternak, namun produktivitas kedelai lokal masih rendah. Kebutuhan masyarakat Indonesia terhadap kedelai semakin meningkat seiring dengan peningkatan jumlah penduduk, namun tidak diimbangi dengan produksi kedelai dalam negeri yang semakin menurun (Sudaryanto et al. 2007). Salah satu faktor penyebabnya adalah kurangnya lahan untuk menanam kedelai. Petani enggan menanam kedelai yang produktivitas dan kualitasnya lebih rendah dibandingkan kedelai impor. Petani cenderung memilih kedelai impor karena dianggap lebih baik kualitasnya, harganya lebih murah dan selalu tersedia setiap waktu (Indradewa 2013). Oleh karena itu, kualitas kedelai lokal perlu ditingkatkan, salah satu caranya adalah memperbaiki varietas kedelai untuk mendapatkan varietas yang lebih unggul. Pemuliaan tanaman merupakan suatu program merakit varietas baru yang berdaya hasil tinggi, tahan terhadap hama dan penyakit, serta peningkatan kualitas hasil tanaman (Wirnas 2012). Untuk melakukan pemuliaan tanaman diperlukan informasi mengenai karakteristik masing-masing varietas kedelai agar peneliti dapat mengetahui varietas-varietas yang mempunyai karakteristik sama dengan mudah karena jika hasil dari pemuliaan tersebut adalah varietas yang berasal dari tetua yang sama, variasi sifat zuriahnya tidak akan jauh berbeda dari kedua induknya. Informasi yang beredar saat ini mengenai karakteristik kedelai hanya disajikan dalam bentuk teks, sehingga sulit untuk mencari kemiripan karakteristik antarvarietas kedelai. Karakteristik pada varietas kedelai terdiri atas karakteristik kualitatif dan kuntitatif. Karakter-karakter kualitatif meliputi warna hipokotil, warna epikotil, warna daun, warna bulu, warna bunga, warna bulu, warna kulit biji, warna polong masak, warma hilum, bentuk daun, dan tipe tumbuh, sedangkan karakter-karakter kuantitatif meliputi tinggi tanaman, umur berbunga, umur polong masak, jumlah cabang, jumlah buku, bobot 100 biji, dan daya hasil (Sulistyo dan Indriani 2013). Visualisasi adalah penyajian informasi secara grafis dengan tujuan agar pengguna dapat memahami informasi yang disampaikan (Grinstein et al. 2010). Visualisasi dalam bentuk graf merupakan visualisasi yang paling sering digunakan untuk merepresentasikan suatu keterhubungan (Keim 2002). Putri (2013) melakukan penelitian mengenai visualisasi keterhubungan tanaman obat dengan khasiatnya menggunakan algoritme Fruchterman-Reingold. Prinsip algoritme tersebut adalah meletakkan nodes yang memiliki keterhubungan berdekatan satu dengan yang lainnya namun diusahakan tidak digambar terlalu berdekatan. Hasil dari penelitian ini berupa graf interaktif berbasis web yang dapat menunjukkan representasi data tanaman obat dengan khasiatnya dan mengelompokkannya berdasarkan posisi tanaman obat. Penelitian ini mencoba merepresentasikan varietas kedelai yang memiliki karakteristik serupa dalam bentuk graf. Teknik visualisasi yang digunakan adalah
2 algoritme Force Atlas. Algoritme ini membuat graf yang ditampilkan lebih mudah dibaca karena menempatkan varietas kedelai yang memiliki karakteristik serupa saling berdekatan (Jacomy 2011).
Perumusan Masalah Pemuliaan tanaman merupakan salah satu cara untuk menghasilkan varietas unggul. Untuk melakukan pemuliaan tanaman diperlukan informasi mengenai karakteristik masing-masing varietas kedelai agar varietas yang dihasilkan tidak memiliki sifat serupa. Oleh karena itu, terdapat beberapa masalah yang menjadi perhatian dalam penelitian ini yaitu: 1 Bagaimana bentuk optimal visualisasi kemiripan karakteristik antarvarietas kedelai? 2 Bagaimana menunjukkan kemiripan karakteristik antarvarietas kedelai?
Tujuan Penelitian Tujuan dilakukannya penelitian ini adalah untuk menampilkan bentuk visualisasi yang optimal dan memberikan cara yang interaktif untuk merepresentasikan informasi kemiripan karakteristik antarvarietas kedelai.
Manfaat Penelitian Penelitian ini diharapkan dapat membantu pemulia kedelai dalam mencari tetua untuk menghasilkan varietas baru yang diinginkan.
Ruang Lingkup Penelitian 1
2 3 4
Ruang lingkup penelitian ini adalah: Data varietas kedelai yang digunakan merupakan data dari buku Deskripsi Varietas Unggul Kedelai 1918-2012 oleh Balai Penelitian Kacang-kacangan dan Umbi-umbian (Balitkabi 2013). Visualisasi yang ditampilkan berupa varietas kedelai yang memiliki karakteristik serupa. Pengguna hanya dapat melakukan pencarian berdasarkan nama varietas kedelai (nodes). Visualisasi masih berupa graf statis, sehingga belum dapat menambahkan data secara langsung ke dalam visualisasi.
3
Gambar 1 Metode Chi (1999)
METODE Metode yang digunakan dalam penelitian ini adalah metode yang digunakan oleh Chi (1999) pada Gambar 1. Metode ini dibagi menjadi tiga tahapan transformasi data dan empat tahapan operator transformasi data. Tahapan transformasi data berupa value, analytical abstraction, visualization abstraction, dan view. Transformasi data dari satu tahap ke tahap lainnya memerlukan salah satu dari tiga jenis operator transformasi data yaitu data transformation, visualization transformation, dan visual mapping transformation (Chi 1999).
Value Tahap pertama pada penelitian ini adalah tahap pengumpulan data. Data yang digunakan berasal dari buku Deskripsi Varietas Unggul Kedelai 1918-2012 (Balitkabi 2013) yang terdiri atas 74 varietas dan 27 atribut karakteristik kedelai.
Data Transformation Transformasi data merupakan tahap pengolahan data dengan melakukan ekstraksi data yaitu memilih atribut relevan dari data yang sudah berhasil dikumpulkan (Chi 1999). Atribut relevan diperoleh dengan cara penetapan atribut
4 bersama pakar kedelai dari Departemen Agronomi dan Hortikultura IPB yaitu Dr Desta Wirnas, SP MSi. Hasil dari atribut tersebut kemudian akan dikelompokkan berdasarkan Daftar Deskriptor Data Karakter Kedelai (Balitkabi 2013). Selanjutnya dilakukan pemeriksaan untuk data yang salah ketik, sama, kurang lengkap atau kosong. Analytical Abstraction Analytical abstraction adalah hasil pengolahan data yang sudah memiliki semua informasi dari hasil ekstraksi data mentah namun belum siap untuk dipetakan (Chi 1999). Pada tahap ini, diperoleh data yang sudah bersih dan atribut-atribut relevan yang menyatakan nama varietas kedelai dan karakteristiknya.
Visualization Transformation Visualization transformation merupakan tahap pengolahan visualisasi informasi dengan mengambil nilai dari analytical abstraction yang selanjutnya akan menjadi bentuk visualization abstraction. Pada tahap ini dilakukan perhitungan kemiripan karakteristik kedelai menggunakan aplikasi Gaze. Gaze merupakan aplikasi yang dapat mencari kemiripan dari suatu data dengan cara mencari data yang paling banyak memiliki kesamaan (Levallois 2013). Tahapantahapan pada proses Gaze sebagai berikut: 1 Setiap source node (kedelai) yang terdapat pada fail akan didaftarkan dalam bentuk list sesuai dengan targetnya (karakteristik kedelai). 2 Masing-masing varietas kedelai yang dibandingkan karakteristiknya akan dihitung nilai kemiripannya menggunakan cosine similarity (Persamaan 1). Jika karakteristik node tersebut mirip dengan karakteristik node yang dibandingkan, nilai weight atau bobotnya adalah 1. Dan jika tidak mirip, bobotnya adalah 0. 3 Gaze akan mencatat daftar edges dan bobotnya dalam fail edges serta id dan label dalam fail nodes. Rumus cosine similarity sebagai berikut: ∑ ‖ ‖‖ ‖
√∑
(1) √∑
dengan: A = jumlah term pada node kedelai A B = jumlah term pada node kedelai B
Visualization Abstraction Pada tahap ini, informasi telah diperoleh dan siap dipetakan, sehingga dapat divisualisasikan minimal dengan satu teknik visualisasi (Chi 1999). Teknik visualisasi yang digunakan pada penelitian ini adalah Force Atlas. Informasi yang
5 diperoleh dari tahapan sebelumnya menghasilkan dua fail yang berisi nodes varietas kedelai dan edges kemiripan karakteristik antarvarietas kedelai.
Visual Mapping Transformation Visual mapping transformation adalah tahap pengambilan seluruh informasi dan menampilkannya dalam bentuk grafis kepada pengguna (Chi 1999). Pada tahap ini visualisasi akan dibentuk menggunakan perangkat lunak Gephi versi 0.8.2 beta, yang dapat mengeksplorasi dan memanipulasi data dalam bentuk jaringan secara interaktif (Bastian et al. 2009). Teknik visualisasi yang sudah ditentukan pada tahapan visualization abstraction, yaitu algoritme Force Atlas, akan diterapkan. Perhitungan utama pada algoritme ini ditunjukkan pada Persamaan 2 dan 3. (2) (3) dengan:
deg
= attraction (gaya tarik menarik antar-node) = repulsion (gaya tolak menolak antar-node) = jarak antara dua node = degree (jumlah edge yang dimiliki suatu node) = koefisien repulsion (ditentukan oleh user)
Layout atau algoritme ini bertujuan untuk menentukan posisi nodes yang sesuai dan mengurangi edges yang bertumpukan, sehingga dapat memudahkan pengguna untuk memahami hasil visualisasi yang ditampilkan.
View View merupakan tahapan terakhir dimana fail graf yang sudah diproses pada tahap visual mapping transformation diimplementasikan dalam aplikasi berbasis web. Visualisasi tersebut berupa graf yang interaktif sehingga pengguna dapat mengeksplorasi lebih jauh lagi mengenai visualisasi yang ditampilkan.
Lingkungan Pengembangan Sistem Spesifikasi perangkat lunak dan perangkat keras yang digunakan meliputi: 1 Perangkat lunak: Sistem Operasi Microsoft Windows 8 Professional 64-bit, Microsoft Excel 2010 untuk pengolahan data pada tahapan data transformation, Gaze sebagai tool pada tahap visualization transformation,
6
Gephi sebagai tool pada tahap visual mapping transformation, Google Chrome Browser untuk menampilkan visualisasi yang dihasilkan.
2 Perangkat Keras: Processor Intel Core i5, Memory 4 GB RAM, VGA ATI Radeon HD 4300 Series.
HASIL DAN PEMBAHASAN Hasil Tahapan Value Data yang digunakan terdiri atas 74 varietas unggul dan 27 karakteristik kedelai (Tabel 1). Data tersebut merupakan data dalam bentuk teks (PDF) sehingga perlu untuk memroses data. Contoh data yang diperoleh dapat dilihat pada Lampiran 1. Untuk memudahkan pengolahan data, data deskripsi varietas unggul kedelai dipindahkan ke dalam bentuk fail Excel.
Hasil Tahapan Data Transformation Penentuan atribut bersama pakar kedelai menghasilkan 17 atribut karakteristik relevan yang diperlukan untuk melihat kemiripan karakteristik antarvarietas kedelai (Tabel 2). Tahapan berikutnya adalah melengkapi data yang kosong. Contoh data kosong ditunjukkan pada Tabel 3. Kemudian dilakukan penggabungan data dari jurnal Litbang Pertanian dan Puslittan. Hasil penggabungan sumber tersebut, Tabel 1 Karakteristik Varietas Kedelai
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Parameter Dilepas tahun SK Mentan Nomor galur Asal Umur berbunga Umur polong masak Warna hipokotil Warna epikotil Warna daun Warna bulu Warna bunga Warna kulit biji Warna polong masak Warna hilum
No 15 16 17 18 19 20 21 22 23 24 25 26 27
Parameter Bentuk biji Bentuk daun Tipe tumbuh Tinggi tanaman Bobot 100 biji Kandungan protein Kandungan lemak Potensi hasil Ketahanan hama dan penyakit Kerebahan Sifat-sifat lain Wilayah adaptasi Pemulia
7 Tabel 2 Atribut karakteristik relevan No 1 2 3 4 5 6 7 8 9
Parameter Umur berbunga Umur polong masak Warna hipokotil Warna epikotil Warna bulu Warna bunga Warna kulit biji Warna polong masak Warna hilum
No 10 11 12 13 14 15 16 17
Parameter Tipe tumbuh Tinggi tanaman Bobot 100 biji Kandungan protein Kandungan lemak Potensi hasil Ketahanan hama dan penyakit Kerebahan
Tabel 3 Data sebelum pengolahan data Kedelai
Warna bunga
Warna bulu
Potensi hasil (ton/ha)
Bobot biji (gram)
Anjasmoro
Ungu
Putih
2.03 – 2.25
14.8 – 15.3
1.6 – 2.5
17
Hijau
Cokelat kekuningan Cokelat
1.75
10 - 11
Burangrang Lokon
ditemukan beberapa data yang sesuai untuk mengisi data yang kosong. Pada atribut warna epikotil dihapus dari daftar atribut relevan karena terdapat 30 data kosong dan sulit untuk menemukan informasi mengenai data teresebut. Sementara itu, untuk atribut ketahanan terhadap hama dan penyakit dipecah menjadi tiga atribut yang paling sering muncul, yaitu ketahanan terhadap penyakit karat daun dan virus CMMV, serta ketahanan terhadap hama ulat grayak. Hal ini dilakukan karena terdapat banyak penyakit dan hama yang beragam. Selanjutnya, dilakukan pengelompokan untuk masing-masing atribut. Pengelompokan ini bertujuan untuk memudahkan proses pembuatan visualisasi karena terdapat rentang nilai dan variasi data yang beragam (Tabel 3). Sementara itu, pada data yang diperoleh sebelum dikelompokkan terdapat warna abu-abu, cokelat, cokelat kekuningan, cokelat tua, putih dan putih kecokelatan (Lampiran 2). Contoh variasi data yang beragam dapat dilhat pada kolom warna bulu. Warna bulu yang dikelompokkan berdasarkan Balitkabi terdiri atas dua warna, yaitu putih dan cokelat (Lampiran 3). Oleh karena itu dilakukan diskusi kembali dengan pakar kedelai yang menghasilkan warna abu-abu dan putih kecokelatan menjadi putih, cokelat kekuningan dan cokelat tua menjadi cokelat. Hal ini dipertimbangkan juga berdasarkan intensitas kemunculan data. Semakin sedikit data yang muncul, semakin besar kemungkinan data tersebut dikonversi ke dalam data yang jumlahnya banyak. Proses ini berlaku untuk semua atribut karakteristik kualitatif kedelai yang memiliki variasi data beragam. Pada kolom potensi hasil dan bobot biji (contoh karakteristik kuantitatif) dilakukan pencarian nilai tengah untuk setiap data yang memiliki rentang, yaitu
8 dengan menjumlahkan nilai terkecil dan terbesar kemudian dibagi dua. Hasil dari nilai tersebut selanjutnya dikelompokkan berdasarkan pengelompokan dari pakar kedelai dan jurnal Puslitbangtan (Adie dan Krisnawati 2007) karena untuk atribut tersebut tidak terdapat di daftar deskriptor karakter kedelai oleh Balitkabi. Keterangan lebih lanjut mengenai pengelompokan karakteristik kedelai dapat dilihat pada Lampiran 3.
Hasil Tahapan Analytical Abstraction Pada tahap ini diperoleh data yang sudah mengalami pembersihan, memiliki atribut karakteristik relevan dan pengelompokan atribut. Data yang dihasilkan terdiri atas 74 varietas kedelai dan 18 karakteristik kedelai. Contoh data setelah proses data transformation ditunjukkan oleh Tabel 4.
Hasil Tahapan Visualization Transformation Data yang sudah melalui tahapan-tahapan sebelumnya kemudian diolah ke dalam satu fail edges dengan format CSV yang terdiri atas source (nama kedelai) dan target (karakteristik kedelai) untuk diproses oleh Gaze. Contoh data edges yang akan diproses oleh Gaze dapat dilihat pada Tabel 5. Hasil dari Gaze menghasilkan dua fail, yaitu nodes dan edges. Fail nodes terdiri atas id dan label sebanyak 74 records varietas kedelai. Sementara itu, fail edges terdiri atas source, target, type, dan weight sebanyak 2700 records kedelai yang mempunyai kemiripan karakteristik.
Hasil Tahapan Visualization Abstraction Proses ini membutuhkan data nodes dan edges yang sudah siap dipetakan Tabel 4 Data setelah proses data transformation Kedelai
Warna bunga
Warna bulu
Potensi hasil (ton/ha)
Bobot biji (gram)
Anjasmoro
Ungu
Putih
Tinggi
Besar
Burangrang
Ungu
Cokelat
Tinggi
Besar
Lokon
Hijau
Cokelat
Sedang
Sedang
Tabel 5 Contoh data yang akan diproses Gaze Source Anjasmoro Argo Mulyo Argopuro
Target Potensi Hasil - Tinggi Warna Bunga - Putih Potensi Hasil - Tinggi
9 Tabel 6 Contoh data nodes hasil proses Gaze Id 1 2 3 4
Label Anjasmoro Argo Mulyo Argopuro Arjasari
Tabel 7 Contoh data edges hasil proses Gaze Source Anjasmoro Argo Mulyo Baluran
Target Argo Mulyo Baluran Burangrang
Type Undirected Undirected Undirected
Weight 0.451848 0.621059 0.690066
menggunakan aplikasi Gephi. Data nodes terdiri atas 74 records varietas kedelai dan data edges terdiri atas 2700 records kedelai yang mempunyai kemiripan. Tipe graf yang digunakan pada visualisasi ini adalah undirected atau graf yang tidak berarah karena jika kedelai A mempunyai kemiripan dengan kedelai B, kedelai B juga mempunyai kemiripan dengan kedelai A. Untuk weight atau bobot dari kemiripan kedelai menunjukkan bahwa semakin tinggi bobotnya, semakin tinggi juga tingkat kemiripannya. Bobot yang paling rendah adalah 0.0645, sedangkan yang paling tinggi adalah sebesar 0.967. Contoh data nodes dan edges dapat dilihat pada Tabel 6 dan 7.
Hasil Tahapan Visualization Mapping Transformation Pada tahapan ini data kemiripan karakteristik kedelai berupa nodes dan edges akan dimodelkan dalam bentuk graf menggunakan Gephi. Aplikasi ini dapat membantu mengeksplorasi dan memanipulasi jaringan atau graf sehingga graf yang dihasilkan akan lebih mudah dimengerti. Terdapat tahapan-tahapan yang diperlukan untuk menghasilkan visualisasi graf di Gephi, yaitu graf, filter, layout, partition, ranking, dan label.
Graf Langkah awal yang dibutuhkan untuk memproses data menjadi visualisasi graf adalah memasukkan fail nodes dan edges ke dalam Data Laboratory pada aplikasi Gephi. Proses tersebut kemudian menghasilkan graf dengan bentuk yang tidak beraturan atau random layout seperti yang ditunjukkan pada Gambar 2. Graf ini menghasilkan kemiripan karakteristik kedelai dari kemiripan yang terendah yaitu 0.0645 sampai yang tertinggi 0.967. Pada kondisi tersebut graf yang terbentuk akan lebih sulit untuk dibaca karena terlalu banyaknya edges yang bertumpukan.
10
Gambar 2 Graf random layout
Gambar 3 Graf hasil filterisasi >= 0.75 Filter Pada tahapan ini dilakukan filterisasi pada bobot edges yang bertujuan agar graf yang dihasilkan dapat lebih terbaca. Menurut pakar kedelai, indikator angka kemiripan yang digunakan untuk menyatakan kemiripan karakteristik antarvarietas kedelai adalah sekitar 0.75 karena terdapat 4 sampai 5 karakteristik yang berbeda. Sehingga dilakukan filterisasi bobot edges dari rentang 0.75 hingga 0.967 yang menghasilkan 99 records edges. Hasil filterisasi bobot edges dapat dilihat pada Gambar 3.
Layout Layout atau algoritme bertujuan untuk merapihkan graf yang semula masih tidak berbentuk tanpa mengurangi informasi apapun dari graf tersebut. Layout
11
` Gambar 4 Graf layout Force Atlas
Gambar 5 Graf hasil penerapan partition yang digunakan pada penelitian ini adalah Force Atlas. Prinsip dari algoritme ini adalah mendekatkan nodes yang mempunyai keterhubungan ke dalam suatu komunitas dan menjauhkan nodes yang tidak saling terhubung (Jacomy 2011). Pada penelitian ini dapat dilihat bahwa nodes yang jaraknya dekat memiliki kemiripan yang lebih tinggi dibandingkan nodes yang jaraknya lebih jauh. Hal ini dikarenakan Force Atlas menghitung bobot edges pada komputasinya Algoritme Force Atlas mengutamakan kemudahan untuk dipahami melalui graf yang mudah dibaca. Dari hasil proses ini dapat dilihat pada Gambar 4 bahwa pengklusteran yang dihasilkan terkelompok dengan baik dan jelas dibandingkan dengan algoritme yang digunakan pada penelitian Putri (2013). Algoritme ini baik digunakan untuk data yang tidak terlampau banyak.
12
Partition Partition digunakan untuk mendeteksi suatu komunitas atau kelompok berdasarkan pewarnaan dalam suatu graf. Penelitian ini menggunakan pengklusteran berdasarkan warma biji kedelai karena atribut tersebut merupakan atribut yang paling mudah dibedakan secara visual. Terdapat 3 komunitas yang terbentuk yaitu warna biji kedelai kuning, kuning kehijauan, dan hitam. Pewarnaan ketiga komunitas ini sesuai dengan pembagian warna masing-masing komunitas (Gambar 5).
Ranking Ranking bertujuan untuk menambah informasi dari visualisasi yang ditampilkan dengan cara memberikan informasi mengenai banyaknya varietas kedelai yang memiliki karakteristik serupa. Hal ini ditunjukkan dengan jumlah edges yang terhubung pada suatu node (degree). Semakin banyak ukuran suatu node, maka semakin banyak jumlah varietas kedelai yang memiliki karakteristik serupa. Representasi tahapan ini tidak menyebabkan nodes tumpang tindih seperti pada penelitian Putri (2013) karena pada pengaturan layout Force Atlas sudah terdapat fungsi yang dapat mencegah hal tersebut terjadi yaitu fungsi adjust by sizes. Ini merupakan salah satu kelebihan dari algoritme Force Atlas. Sehingga tidak perlu lagi menerapkan algoritme Noverlap. Hasil dari tahapan ini dapat dilihat pada Gambar 6. Selanjutnya graf akan diekspor ke dalam sigma.js template. Sigma.js merupakan salah satu plugin Gephi yang dapat menampilkan graf hasil proses Gephi dalam bentuk web yang interaktif menggunakan HTML 5 secara online. Namun untuk melihatnya secara online dibutuhkan server terlebih dahulu untuk mengunggah fail sigma.js karena plugin ini tidak dapat dijalankan pada localhost.
Gambar 6 Graf hasil penerapan ranking
13 Hasil Tahapan View Tahapan ini merupakan tahapan terakhir dimana visualisasi yang diolah oleh Gephi sudah siap ditampilkan dalam aplikasi berbasis web. Terdapat beberapa fitur interaksi yang dapat digunakan oleh pengguna. Pertama adalah memperbesar, memperkecil dan mengembalikan graf ke bentuk semula (Lampiran 4). Ini bertujuan untuk memperjelas bentuk graf yang ditampilkan. Kedua adalah pencarian berdasarkan nama varietas kedelai. Hasil dari pencarian ini akan langsung menampilkan varietas kedelai serta kedelai yang memiliki kemiripan dengan kedelai yang dicari. Ketiga adalah memilih berdasarkan grup atau komunitas yang terbentuk. Pada interaksi ini dapat dilihat jumlah anggota masingmasing komunitas. Keempat adalah informasi mengenai node yang dipilih. Informasi ini terdiri atas nama node, nama komunitas, kemiripan karakteristik dan connections atau keterhubungan dengan node lain. Hasil dari interaksi kedua hingga keempat ditunjukkan pada Lampiran 5. Pengguna dapat melakukan penelusuran terhadap nodes lainnya yang terdapat pada daftar connections atau mengklik langsung pada nodes yang terhubung. Selain itu pengguna juga dimudahkan dengan adanya legenda yang berisi keterangan mengenai representasi nodes, edges dan pewarnaan yang ditampilkan.
KESIMPULAN DAN SARAN Kesimpulan Visualisasi graf yang dihasilkan dengan algoritme Force Atlas dapat memodelkan kemiripan karakteristik antarvarietas kedelai. Komunitas yang terbentuk dari visualisasi tersebut berasal dari pengklusteran warna biji kedelai. Terdapat 3 komunitas yaitu warna biji kuning, kuning kehijauan dan hitam. Semakin besar ukuran suatu node maka semakin banyak kedelai yang memiliki karakteristik serupa. Begitu pula sebaliknya. Selain itu, jarak antar-nodes juga memiliki representasi yang cukup penting, yaitu semakin dekat jarak antara dua node maka kedua kedelai tersebut memiliki kemiripan karakteristik yang tinggi. Dan begitu pula sebaliknya. Hal ini berguna bagi pemulia kedelai dalam melakukan usaha menciptakan varietas baru yang lebih unggul. Hasil visualisasi graf pada penelitian ini menggunakan fitur interaksi untuk memudahkan pengguna dalam memahami informasi yang disampaikan.
Saran Penelitian selanjutnya dapat menekankan pada pencarian metode terbaik untuk visualisasi kemiripan karakteristik antarvarietas. Selain itu, pengguna juga dapat membandingkan minimal 5 data varietas kedelai sehingga pengguna dapat lebih jelas melihat perbedaan dan kemiripan karakteristik antarvarietas kedelai.
14
DAFTAR PUSTAKA Adie MM, Krisnawati A. 2007. Biologi Tanaman Kedelai. Di dalam: Sumarno, Suyamto, Widjono A, Hermanto, Kasim H, editor. Kedelai: Teknik Produksi dan Pengembangan. Bogor (ID): Badan Penelitian dan Pengembangan Pertanian. hlm 45-73. [Balitkabi] Balai Penelitian Kacang-kacangan dan Umbi-umbian. 2013. Deskripsi Varietas Unggul Kedelai 1918-2012 [Internet]. Jakarta (ID): Balitkabi. [diunduh 2013 Des 15]. Tersedia pada: http://biogen.litbang.deptan.go.id/ Bastian M, Heyman S, Jacomy M. 2009. Gephi : An Open Source Software for Exploring and Manipulatif Networks. International AAAI Conference on Weblogs and Social Media. North America(OA): Third International AAAI Conference on Weblogs and Social Media. Chi EH. 1999. A Framework for Information Visualization Spreadsheets [disertasi]. Minneapolis (US): University of Minnesota. Grinstein GG, Ward MO. 2002. Introduction to data visualization. Di dalam: Fayyad U, Grinstein GG, Wierse A, editor. Information Visualization in Data Mining and Knowledge Discovery. San Francisco (US): Morgan Kaufmann Publishers. Indradewa D. 2013. Pakar UGM: Indonesia Krisis Kedelai Karena Lahan Berkurang [Internet]. Yogyakarta (ID): Universitas Gadjah Mada. [diakses 2014 Agus 11]. Tersedia pada: http://ugm.ac.id/berita/8192pakar.ugm:.indonesia.krisis.kedelai.karena.lahan.berkurang Jacomy M. 2011. Force Atlas Publication [Internet]. [diakses 2014 Jul 5] Tersedia pada: https://forum.gephi.org/viewtopic.php?t=926 Keim DA. 2002. Information Visualization and Visual Data Mining. IEEE Trans Vis Comput Graph. 7(1):100-107.doi:10.1109/2945.981847. Putri NE. 2013. Visualisasi Keterhubungan Tanaman Obat Dengan Khasiatnya Menggunakan Algoritme Fruchterman-Reingold [skripsi]. Bogor (ID): Institut Pertanian Bogor. Sudaryanto, T, Swastika, DKS. 2007. Ekonomi Kedelai di Indonesia. Di dalam: Sumarno, Suyamto, Widjono A, Hermanto, Kasim H, editor. Kedelai: Teknik Produksi dan Pengembangan. Bogor (ID): Badan Penelitian dan Pengembangan Tanaman Pertanian. hlm 1-27. Sulistyo A, Indriani FC. 2013. Keragaman Genetik Plasma Nutfah Kedelai Berdasarkan Karakter Morfologi. Di dalam: Murti RH, Joko T, Wibowo A, Erlina A, Indradewa D, Yuwono NW, Hanudin E, Subejo, Jamhari, editor. Peran Penelitian Bidang Pertanian dan Perikanan Dalam Mewujudkan Kedelaulatan Pangan untuk Kesejahteraan Petani dan Masyarakat; 2012 Sept 15; Yogyakarta, Indonesia. Yogyakarta (ID): Fakultas Pertanian UGM. hlm 167-176. Wirnas D, Trikoesoemaningtyas, Sutjahjo SH, Sopandie D et al. 2012. Keragaman Karakter Komponen Hasil dan Hasil pada Genotipe Kedelai Hitam. J Agron Indonesia. 40(3):184-189.
15
Lampiran 1 Contoh data yang diperoleh (.pdf)
16 Lampiran 2 Contoh data karakteristik kualitatif sebelum pengelompokan No 1
Karakter Warna hipokotil
2
Warna bulu
3
Warna polong masak
4
Warna hilum
5
Warna biji
6
Warna bunga
7
Tipe tumbuh
8
Kerebahan
Kategori Ungu Hijau Hijau tua Abu-abu Cokelat Cokelat kekuningan Cokelat tua Putih Putih Kecokelatan Kuning Kuning jerami Kuning kecokelatan Cokelat muda Cokelat Cokelat tua Putih Putih terang Terang Kuning kecokelatan Cokelat Cokelat muda Cokelat tua Cokelat kehitaman Hitam Kuning Kuning kehijauan Kuning agak kehijauan Kuning muda Kuning kehijauan Kuning jerami Krem tua Hitam Ungu Putih Determinit Semi determinit Indeterminit Campuran determinit dan indeterminit Cenderung rebah pada tanah subur Agak tahan Tahan
17
Lanjutan lampiran 2 No 9
Karakter Ketahanan hama dan penyakit
Kategori Agak tahan lalat kacang, pengisap polong dan ulat grayak, peka virus CMMV Tahan karat daun, hawar daun coklat, hama penggerek pucuk dan agak rentan CMMV
Lampiran 3 Pengelompokan atribut karakteristik No 1 2 3
4
5
6 7
8
9
Karakter Warna hipokotil
Kategori Ungu Hijau Warna bulu Cokelat Putih Warna polong masak Kuning Cokelat muda Cokelat Cokelat tua Warna hilum Putih Kuning Cokelat Cokelat muda Cokelat tua Hitam Warna biji Kuning Kuning kehijauan Hitam Warna bunga Ungu Putih Tipe tumbuh Determinit Semi determinit Indeterminit Kerebahan Rebah Agak tahan Tahan Ketahanan penyakit Tahan karat daun Agak tahan Agak peka Peka
Nilai -
Sumber Balitkabi
-
Balitkabi
-
Balitkabi
-
Balitkabi
-
Balitkabi
-
Balitkabi
-
Balitkabi
-
Balitkabi
-
Balitkabi
18 Lanjutan lampiran 3 No 10
11
12
13
14
15
16
17
18
Karakter Ketahanan CMMV
Kategori penyakit Tahan Agak tahan Agak peka Peka Ketahanan hama ulat Tahan grayak Agak tahan Peka Potensi hasil Rendah Sedang Tinggi Umur berbunga Cepat Sedang Lambat Umur polong masak Genjah Sedang Dalam Tinggi tanaman Pendek Sedang Tinggi Bobot 100 biji Kecil Sedang Besar Kandungan protein Rendah Sedang Tinggi Kandungan lemak Rendah Sedang Tinggi
Nilai -
Sumber Balitkabi
-
Balitkabi
< 1,5 ton/ha 1,5 - 2 ton/ha > 2 ton/ha < 35 hari 35 – 42 hari > 42 hari < 80 hari 80 – 85 hari > 85 hari < 50 cm 50 – 70 cm > 70 cm < 10 gram 10 – 14 gram > 14 gram < 35 % 35 – 40 % > 40 % < 16 % 16 – 20 % > 20 %
Dr Desta Wirnas, SP MSi Dr Desta Wirnas, SP MSi Puslitbangtan
Dr Desta Wirnas, SP MSi Puslitbangtan
Balitkabi
Balitkabi
19
Lampiran 4 Antarmuka interaksi zoom in, zoom out dan kembali ke graf semula
20
Lampiran 5 Antarmuka interaksi search, select by grup dan infomasi node yang dipilih
21
RIWAYAT HIDUP Penulis lahir di kota Bogor pada tanggal 18 Agustus 1992 sebagai anak bungsu dari pasangan Suzaenur dan Suminah. Penulis menghabiskan seluruh masa kecilnya serta mengenyam pendidikan di kota Bogor, Jawa Barat. Penulis merupakan lulusan dari Sekolah Menengah Atas Negeri 1 Bogor (2007-2010), Sekolah Menengah Pertama Negeri 5 Bogor (2004-2007) dan Sekolah Dasar Negeri Cantang Jaya (1998-2004). Pada tahun 2010, penulis diterima sebagai Mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
