Penerapan Pembelajaran Mendalam untuk Analisis Ekspresi Gen Ketahanan Kekeringan pada Tanaman Padi Lokal Kab. Nias (Oryza sativa L.)

Abstract

Tanaman padi (Oryza sativa L.) merupakan komoditas pangan strategis yang menghadapi tantangan serius akibat peningkatan kejadian kekeringan, terutama di wilayah Kepulauan Nias yang memiliki distribusi lahan sawah tidak merata dan periode kemarau panjang. Penelitian ini bertujuan untuk menganalisis respon morfo-fisiologis padi lokal Nias terhadap cekaman kekeringan dan mengembangkan model pembelajaran mendalam (deep learning) untuk memprediksi ekspresi gen ketahanan kekeringan secara tidak langsung melalui data citra dan parameter fisiologis. Penelitian dilaksanakan di Fakultas Sains dan Teknologi Universitas Nias dengan melibatkan lima varietas padi lokal. Analisis fisiologis meliputi pengukuran kadar prolin, malondialdehyde (MDA), dan kadar air relatif (RWC), sedangkan citra tanaman diolah menggunakan arsitektur Convolutional Neural Network (CNN) berbasis ResNet50. Hasil menunjukkan bahwa varietas asal Bawolato dan Idanogawo memiliki ketahanan lebih tinggi dengan peningkatan prolin hingga 2,8 kali lipat dan kestabilan RWC di atas 70%. Model pembelajaran mendalam yang dikembangkan mampu memprediksi tingkat ekspresi gen ketahanan kekeringan dengan akurasi 91,3%, serta mengidentifikasi ciri visual daun sebagai indikator utama stres air. Pendekatan ini membuktikan potensi besar integrasi data fenotipik dan kecerdasan buatan dalam mempercepat identifikasi varietas tahan kekeringan secara efisien dan non-destruktif, mendukung pengembangan pertanian presisi di wilayah Nias.