Deteksi Kesesuaian Perlakuan pada Mutagenesis EMS Menggunakan Metode Random Forest

Firmansyah, Raihan Achmad Dani (2025) Deteksi Kesesuaian Perlakuan pada Mutagenesis EMS Menggunakan Metode Random Forest. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (29kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (39kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (40kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Studi ini mengeksplorasi penerapan machine learning, khususnya algoritma Random Forest, untuk mendeteksi kesesuaian perlakuan dalam mutagenesis Etil Metanasulfonat (EMS) untuk pemuliaan tanaman. Mutagenesis EMS adalah teknik yang banyak digunakan untuk menginduksi variasi genetik pada tanaman, namun sifatnya yang acak seringkali menghasilkan hasil yang tidak terduga, menimbulkan tantangan bagi peneliti dan pemulia dalam menentukan parameter perlakuan yang optimal. Tujuan utama dari penelitian ini adalah mengembangkan model machine learning yang mampu memprediksi kesesuaian perlakuan EMS untuk benih tertentu berdasarkan data perlakuan historis. Selain itu, penelitian ini bertujuan untuk membangun sistem yang dapat memberikan rekomendasi kepada peneliti mengenai parameter perlakuan terbaik untuk jenis benih tertentu. Dengan mengintegrasikan machine learning ke dalam proses mutagenesis, penelitian ini berupaya meningkatkan efisiensi pengembangan varietas tanaman unggul, mengurangi waktu dan biaya, serta berkontribusi dalam menghadapi tantangan masa depan di bidang ketahanan pangan dan keberlanjutan pertanian. Model yang dikembangkan mencapai akurasi sebesar 80,9% dalam kondisi optimal, menunjukkan potensinya untuk membantu dalam pemilihan perlakuan EMS yang efektif. Selain itu, model ini dapat diperbarui melalui retraining dengan data baru, memastikan bahwa rekomendasi parameter perlakuan tetap akurat seiring dengan bertambahnya informasi dari perlakuan terbaru. Penelitian ini menekankan pentingnya memanfaatkan teknologi untuk meningkatkan praktik pemuliaan tanaman dan menawarkan alat praktis bagi peneliti di bidang ini.

Actions (login required)

View Item