Komunitas Soft Computing Indonesia

Colloquium disajikan oleh Chusnul Arif, Laboratory of Farm Structures and Environment Departement of Agricultural Engineering Bogor Agricultural University

Resume

Cabai merah (Capsicum annum) merupakan jenis tanaman hortikultura yang cukup banyak ditanam di Indonesia, memiliki nilai dan permintaan yang cukup tinggi. Permasalahan dalam budidaya tanaman ini adalah penentuan jumlah air dan unsur hara yang tepat. Pemberian ini biasanya diberikan secara manual oleh operator berdasarkan penilaian visual tanaman dan kondisi iklim. Cara ini cenderung subjektif, karena keterbatasan manusia sebagai operator dalam menilai visual tanaman dan kondisi iklim. Oleh karena itu diperlukan pendeteksian secara lebih objektif dan konsisten. Salah satu cara yang dapat dilakukan adalah dengan menggunakan teknologi pengolahan citra. Dengan teknologi ini, dimungkinkan pengukuran pertumbuhan tanpa menyentuh tanaman (non-destructive) sehingga tidak akan mengganggu pertumbuhan tanaman dan akan diperoleh hasil yang lebih akurat, objektif dan konsisten. Hubungan antara visual tanaman tersebut dengan kebutuhan jumlah air dan unsur hara merupakan hubungan yang sangat kompleks dan sulit untuk dipetakan dalam bentuk fungsi matematik baik linear maupun non-linear. Metode Jaringan Syaraf Tiruan (JST) merupakan suatu teknik yang dapat digunakan untuk memecahkan hubungan antara input dan output yang sangat kompleks. Mengembangkan model Jaringan Syaraf Tiruan (JST) untuk menduga tingkat pertumbuhan tanaman cabai merah di dalam rumah kaca yang meliputi lebar, tinggi, keliling dan luas tanaman. Model Jaringan Syaraf Tiruan (JST) yang dikembangkan menggunakan algoritma backpropagation yang terdiri dari tiga layer yaitu input layer, hidden layer dan output layer. Parameter yang dijadikan input terdiri dari 10 parameter yaitu: jumlah air, unsur hara, nilai Red, nilai Green, nilai Blue, lebar, tinggi, keliling, luas tanaman dan umur tanaman (HST). Sedangkan parameter output terdiri dari 4 parameter yaitu lebar, tinggi, keliling dan luas tanaman 4 hari kemudian. Kinerja jaringan dinilai berdasarkan nilai koefisien determinasi (R2). Hasil validasi model menunjukkan hubungan yang linear antara prediksi dan pengukuran dengan nilai R2 sebesar 0.9518, 0.9634, 0.9576 dan 0.9856 untuk lebar, tinggi, keliling dan luas tanaman 4 hari kemudian . Dengan hasil ini sehingga model JST ini bisa digunakan untuk memprediksi tingkat pertumbuhan tanaman cabai merah.
Referensi :
Chusnul Arif, Herry Suhardiyanto, Suroso, "Model Pertumbuhan tanaman cabai merah di dalam rumah kaca menggunakan jaringan syaraf tiruan" (paper dapat didownload dari arsip milis)

Colloquium disajikan oleh Rudiyanto, Graduate School of Bogor Agricultural University

Resume

Dalam dunia pertanian baik itu pra panen maupun pasca panen, salah satu properties yang sering diukur adalah kadar air. Sampai saat cara yang paling sering dilakukan adalah mengukur di laboratorium dengan metode gravitasi/oven. Hal ini disebabkan belom ada alat ukur yang bener handal dalam menentukan kadar air.

Pada paper saya saya fokus ke tanah, sebagai media tanam. Ide dasarnya bagaimana mengukur properti tanah secara in situ [1]. Saat ini alat ukur ADR probe coba digunakan sebagai alat ukur yang menghasilkan voltage. Dengan bantuan ANN, dicoba untuk menghubungkan output ADR probe dengan berbagai properti tanah (Lihat paper). Dan hasilnya cukup bagus. Paper ini masih menggunakan 4 jenis tanah, sehingga masih perlu data tanah lain untuk meningkkatkan kemampuan model. Hasil dari penelitian ini masih model. Harapan kedepan. Waktu membuat paper ini Penulis Pertama sempat punya keinginan kalau model ANN yang dikembangkan ini bisa diupload/dibuat dalam bentuk chip/komponen elektronika yang kompak, sehingga output ADR probe langsung menunjukkan nilai property tanah yang diukur saat itu juga (in situ). Sehingga penelitian ini bisa mempunyai sumbangsih bagi perkembangan instrumentasi pengukuran properti tanah, dan bisa diproduksi.

Referensi

B.I. Setiawan, Rudiyanto, K. Wijaya and T. Nishimura: "Determination of Soil Water Content and Dry Bulk Density Using Adr Probe with Artificial Neural Networks", Proceedings the 3rd Seminar. JSPS-DGHE Core University Program in Applied Biosciences initiated by the University of Tokyo (UT) and Bogor Agricultural University (IPB), Toward Harmonization Between Development and Environmental Conservation in Biological Production. Serang, 3-5 December 2004.

Colloquium disajikan oleh Irwan Meilano, Nagoya University

Resume
Mungkin kita membayangan bahwa sumber dari gempabumi adalah sebuah titik. Sama seperti titik ledakan bom, yang energinya menyebar secara radial.Tetapi sesungguhnya sumber dari gempabumi adalah sebuah bidang, yang penyebaran energinya sangat dipengaruhui oleh lokasi, dimensi (panjang dan lebar) serta parameter-parameter geometris lainnya.
Sifat ke-khas-in ini yang membuat kita sangat mudah untuk membedakan getaran akibat ledakan test nuklir atau murni gempabumi. Sehingga jaringan seismik global biasa digunakan juga sebagai jaringan pemantautest nuklir bawah tanah yg sering dilakukan secara diam2 oleh negara maju. Gempabumi terjadi pada saat terjadi pergeseran yang tiba-tiba padasebuah bidang diantara 2 buah lempeng. Mengetahui geometri dari bidang sumber gempabumi ini sangatlah penting bagi studi proses gempabumidan juga kaitannya dengan mitigasi gempabumi.Permasalahan dalam mengestimasi geometri dari sumber gempabumi, adalah bagaimana menyelesaikan persamaan non-linier. Dan apabilakita ingin mendapatkan geometri dengan detail yg lebih rapat, maka jumlah parameter yang akan estimasi akan semakin banyak. Kemudian kita akan berhadapan dengan permasalahan singularitas dari solusi.
Untuk menyelesaikan permasalahan diatas saya menggunakan metoda Genetic Algorithm untuk mendapatkan solusi yang mendekati.Kemudian arameter solusi dari GA saya gunakan sebagai nilai awal bagi constrained nonlinear least squares. Saya telah menggunakanmetoda tersebut untuk menjelaskan geometri dari sumber gembabumi di Tokachi thn 2003, gempa Aceh thn 2004, gempa Nias thn 2005 dan jugauntuk proses migrasi magma di Miyakejima thn 2000.

Pada kolokium kali ini, saya akan coba memperkenalkan salah satu tantangan dalam estimasi sumber gempabumi bagi dunia SC.Yaitu bagaimana mengestimasi sumber gempabumi dengan sangat cepat dan andal (very very fast and robust). Hal ini berkaitan dengan isusistem peringatan dini akan tsunami. Pada kedalaman 500 m, kecepatan gelombang tsunami yaitu 250 km/jam, sedangkan kecepatan gelombanggempa ( P waves) yaitu 2200 km/jam atau hampir 10 kali lebih cepat.Sehingga dengan menggunakan gelombang gempa kita bisa mengestimasi geometri dari sumber gempabumi dan dengan mengetahui geometrikita bisa mensimulasikan tinggi tsunami yang akan datang kemudian(karena gelombang tsunami bergerak 10 kali lebih lambat dari gelombang gempa).

Sebagai ilustrasi: Apabila jarak dari sumber gempabumi dengan kita adalah 100 km, maka sensor gempabumi kita akan mendeteksi gempa sekitar 2 menit sesudah gempa. Sedangkan tsunami akan datang sekitar20 menit kemudian. Sehingga dalam waktu yang sangat pendek, kita harus menentukan geometri dari sumber gempabumi dengan sangatteliti. Untuk kemudian dari mensimulasikan tinggi tsunami, dan menjadidasar bagi penyebaran peringatan dini bagi masyarakat. Metoda yang saya gunakan diatas, dapat mengestimasi geometri dari sumber gempabumi dengan sangat baik, tetapi waktu yang diperlukansangat lama. Kadang-kadang berhari-hari untuk mendapatkan hasil yang andal. Sehingga tidak cocok bagi sistem peringatan dini tsunami.

Colloquium disajikan oleh Agus Zainal Arifin, Hiroshima University

Penyakit Osteoporosis atau keropos tulang merupakan salah satu masalah besar dalam dunia kesehatan, yang mengancam baik pria maupun wanita [1]. Penyakit ini sering diistilahkan sebagai silent epidemic (wabah terselubung), sebab diam-diam proses pengeroposan itu berlangsung secara bertahun-tahun tanpa menunjukkan gejala tertentu. Seringkali penderitanya baru menyadarinya setelah dia terjatuh atau terpeleset hingga berakibat patah tulang, sebab tulangnya telah menjadi sedemikian rapuhnya.

Penderita penyakit ini sebenarnya sedang mengalami penurunan kepadatan tulang dan perubahan struktur di dalamnya, dan ini berarti meningkatnya kemungkinan tulang tersebut retak atau bahkan patah. Keretakan itu bisa terjadi di tulang bagian manapun, namun pada umumnya terjadi pada tulang belakang dan paha. Pengeroposan secara terus menerus dan berakibat patah tulang secara tiba-tiba ini haruslah dicegah secara dini. Para pakar berusaha mencari metode guna mengidentifikasi para penderita osteoporosis khususnya bagi mereka yang beresiko tinggi, diantaranya adalah wanita yang telah melewati masa menopause (postmenopause).

Pengeroposan tulang ditandai dengan berkurangnya kepadatan mineral tulang atau bone mineral density (BMD). Hasil scanning atau pengukuran BMD pada tulang belakang dan paha biasa digunakan untuk mengetahui tingkat resiko terjadinya patah tulang. Alat scanner yang sering digunakan untuk mengukur BMD adalah dual-energy X-ray absorptiometry (DXA). Sayangnya fasilitas DXA ini sangat mahal dan hanya dijumpai di beberapa negara tertentu, bahkan hanya ada di rumah sakit tertentu. Ketersediaan alat langka ini semakin diperberat dengan tingginya jumlah individu yang beresiko osteoporosis namun belum sempat terdeteksi.
Disamping itu, seseorang yang bersedia untuk memeriksakan diri ini, pada umumnya adalah orang yang telah terindikasi osteoporosis yang berarti pengukuran BMD itu sendiri sudah terlambat. Oleh karenanya sangat diperlukan deteksi dini terhadap penderita osteoporosis agar mereka secepatnya dapat direkomendasi untuk mendapatkan perwatan khusus dari ahli medis yang terkait.

Di sisi lain, dokter gigi seringkali dikunjungi secara teratur dan pasien dapat dengan mudah mendapatkan foto mandible (rahang) untuk keperluan pemeriksaan giginya melalui panoramic radiograph. Hal ini dimanfaatkan oleh para peneliti untuk mengetahui tingkat pengeroposan tulang yang berada di rahang tersebut, khususnya daerah di bawah mental foramen (lubang yang berada di sisi kiri dan kanan rahang). Beberapa hasil riset menunjukkan kecenderungan dimungkinkannya ketebalan cortex (lapisan luar tulang) ini dijadikan sebagai indikator BMD pada wanita postmenopause [3-7].
Bila deteksi dini dengan pengukuran cortex dengan panoramic radiograph ini dapat benar-benar dioptimalkan, maka para dokter gigi dapat sekaligus mengidentifikasi foto tersebut untuk mendiagnosa pasiennya apakah kadar BMDnya rendah.
Akan tetapi pengukuran ketebalan cortex (cortical width) secara manual sangat tidak praktis. Oleh karena itu dibutuhkan pengukuran cortical width secara otomatis dengan bantuan komputer.

Dalam penelitian ini, dibahas tentang pengembangan sistem berbantukan komputer (computer-aided system) untuk mengukur cortical width di bagian bawah mental foramen dari mandible.

Data material
Dari 100 pasien wanita berusia 50 tahun ke atas yang mengunjungi Rumah Sakit milik Hiroshima University, sejak 1996 hingga 2001, diperoleh gambar panoramic radiographsnya. Mereka juga diukur kadar BMD di tulang punggung dan pahanya dengan bantuan alat DXA (DPX-alpha; Lunar Co., Madison, WI, USA). Hal ini untuk mengkonfirmasikan apakah hasil pengukuran cortical width nanti mengindikasikan osteoporosis.
Referensi

1. B.L. Riggs and L.J. Melton, “The worldwide problem of osteoporosis: insights afforded by epidemiology”, Bone 17(5 Suppl), 505S-511S, 1995
2. “Consensus Development Conference: diagnosis, prophylaxis, and treatment of osteoporosis. Conference Report”, Am J Med 94, 646-650, 1993
3. S.C. White, A. Taguchi, D. Kao, S. Wu, S.K. Service, D. Yoon, Y. Suei, T. Nakamoto, and K. Tanimoto, “Clinical and panoramic predictors of femur bone mineral density”, Osteoporos Int., 2004 (electronically published)
4. H. Devlin and K. Horner, “Mandibular radiomorphometric indices in the diagnosis of reduced skeletal bone mineral density”, Osteoporosis Int 13, 373-378, 2002
5. E. Klemetti, S. Kolmakov, and H. Kroger, “Pantomography in assessment of the osteoporosis risk group”, Scand J Dent Res 102, 68-72, 1994
6. A. Taguchi, M. Sanada, E. Krall, T. Nakamoto, M. Ohtsuka, Y. Suei, K. Tanimoto, I. Kodama, M. Tsuda, and K.Ohama, “Relationship between dental panoramic radiographic findings and biochemical markers of bone turnover”, J Bone Miner Res 18, 1689-94, 2003.
7. A. Taguchi, Y. Suei, M. Ohtsuka, K. Otani, K. Tanimoto, and M. Ohtaki, “Usefulness of panoramic radiography in the diagnosis of postmenopausal osteoporosis in women. Width and morphology of interior cortex of the mandible”, Dentomaxillofacial Radiol 25(5), 263-267, 1996.