IDENTIFIKASI VARIETAS UBI JALAR MENGGUNAKAN
METODE
DECISION TREE
J48
EVA NATALIS SINUHAJI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
IDENTIFIKASI VARIETAS UBI JALAR MENGGUNAKAN
METODE
DECISION TREE
J48
EVA NATALIS SINUHAJI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRACT
EVA NATALIS SINUHAJI. Identification of Cassava Varieties Using Decision Tree J48. Supervised by SRINURDIATI.
Cassava is one of the most important staple food in the human body.Like a rice, sweet potato contains carbohydrates. Cassava widely used by consumers as their basic needs as well as their health needs. The characteristics of cassava, like its shape, size, and tuber formation,are necessary to know utilization. Therefore, in order to identify cassava using its features, an application is created in this research. In this research are used data, which divided into 40 training set and 20 testing set. Using J48 decision tree, training set are processed to produce an identification model. The model then was
tested using 20 testing set. The result showed that only 19 can be identified correctly. Hence, the accuracy of the model reaches 90%.
Judul Skripsi : Identifikasi Ubi Jalar Menggunakan Metode Decison Tree J48 Nama : Eva Natalis Sinuhaji
NRP : G64086058
Menyetujui: Pembimbing
Dr.Ir. Sri Nurdiati, M.Sc NIP. 196011261986012001
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Agus Buono, M.Si, M.Kom NIP. 19660702 199302 1 001
PRAKATA
Segala puji dan syukur penulis ucapkan ke hadirat Tuhan Yang Maha Esa atas segala berkat, kasih dan karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul Identifikasi Varietas Ubi Jalar Menggunakan Metode Decision Tree J48. Penulis mengucapkan banyak terima kasih kepada Dr. Ir. Sri Nurdiati, M.Sc selaku pembimbing yang telah memberikan motivasi, ide-ide, saran, dan juga nasihat kepada penulis. Penulis juga mengucapkan terima kasih kepada Aziz Kustiyo, S.Si., M.Kom dan kepada Hari Agung, S.Si., M.Si selaku dosen penguji yang telah memberikan saran dan kritik yang membangun kepada penulis. Selanjutnya, penulis ingin mengucapkan terima kasih kepada:
1 Kedua orang tua yang telah memberikan motivasi, bimbingan, dan doa.
2 Teman-teman ekstensi Ilkom IPB yang telah membantu penulis menyelesaikan tugas akhir. 3 Teman-teman satu bimbingan atas kerjasamanya selama penelitian.
4 Seluruh dosen dan staf Departemen Ilmu Komputer IPB.
Semoga penelitian yang dikerjakan dapat memberikan manfaat bagi perkembangan ilmu pengetahuan.
Bogor, Maret 2013
RIWAYAT HIDUP
v
DAFTAR ISI
Halaman
DAFTAR TABEL ... vi
DAFTAR GAMBAR ... vi
DAFTAR LAMPIRAN ... vi
PENDAHULUAN Latar belakang ... 1
Tujuan ... 1
Ruang Lingkup ... 1
Manfaat ... 2
TINJAUAN PUSTAKA Ubi Jalar ... 2
Pohon Keputusan ... 2
Entropi dan Gain ... 2
WEKA ... 2
J48 ... 3
METODE PENELITIAN Pengumpulan Data ... 3
Praproses Data ... 4
Proses Identifikasi ... 4
Pengujian ... 4
Spesifikasi Implementasi... 4
HASIL DAN PEMBAHASAN Deskripsi Data ... 4
Praproses Data ... 5
Proses Identifikasi ... 5
KESIMPULAN ... 9
SARAN ... 9
DAFTAR PUSTAKA ... 9
vi
DAFTAR TABEL
Halaman
1 Kode ciri ubi jalar ... 5
2Data latih untuk perhitungan entropi warna kulit umbi ... 6
3 Confusion matrix... 9
DAFTAR GAMBAR
Halaman 1Diagram alur penelitian. ... 32 Model antarmuka web. ... 4
3 Pohon keputusan. ... 7
4 Model pohon keputusan direpresentasikandalam bentuk aturan (rule). ... 7
5 Tampilan awal web. ... 8
6 Form ubi jalar. ... 8
7 Hasil identifikasi varietas ubijalar. ... 8
DAFTAR LAMPIRAN
Halaman 1Daftar nama varietas/kelas dan karakter ubi jalar ... 122 Daftar nama varietas/kelas dan karakter bertipe nominal ... 15
3 Data latih ... 18
4 Data uji ... 22
5 Pengisian form ciri-ciri ubi jalar yang akan diidentifikasi ... 23
6 Tampilan output sistem identifikasi tanaman ubi jalar ... 24
7 Tampilan tree sistem identifikasi tanaman ubi jalar ... 25
8Rule varietas ubi jalar ... 26
9Kode algoritmedari rulevarietas ubi jalar ... 27
PENDAHULUAN
Latar belakang
Ubi jalar atau yang biasa disebut ketela rambat merupakan salah satu kebutuhan pokok yang sangat penting yang dapat disamakan dengan beras karena mengandung karbohidrat. Ubi jalar yang banyak dimanfaatkan oleh konsumen menjadi kebutuhan pokok dan keperluan kesehatan. Ubi jalar merupakan sumber pangan yang paling efisien dalam memproduksi karbohidrat per-satuan waktu. Ditinjau dari komposisi kimianya, ubi jalar berpotensial sebagai sumber karbohidrat, mineral, dan vitamin (Setyono et al.1993).
Karakteristik ubi jalar seperti bentuk, ukuran, dan formasi umbi perlu diketahui, karena berkaitan erat dengan pemanfaatannya. Informasi dari hasil evaluasi karakteristik pada ubi jalar dapat dijadikan sebagai bahan pertimbangan dalam memilih varietas yang diperkirakan memiliki kontribusiuntuk memperoleh varietas unggul baru.Beberapa karakteristik tersebut memiliki hubungan dan kemiripan yang sangat berdekatan sehingga sedikit sulit untuk membedakan setiap varietas.
Varietas/kultivar ubi jalar banyak ditanam di berbagai daerah. Ubi jalar yang tumbuh di dunia diperkirakan berjumlah lebih dari 1000 jenis, tetapi yang masih dapat diidentifikasi oleh peneliti sekitar 142 jenis. Varietas yang diteliti oleh peneliti dalam penelitian ini ada 20 (dua puluh) varietas unggul, ke-20 (dua puluh) varietas unggul yang kemudian diteliti di Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumber Daya Genetik Pertanian Bogor (BB Biogen Bogor).
Seiring dengan perkembangan plasma nutfah, ubi jalar yang terus bertambah setiap waktunya dan jumlah varietas ubi jalar juga terus meningkat sehingga sulitnya membedakan setiap varietas karena cirinya yang hampir sama. Untuk itu, dengan dibangunnya sebuah aplikasi identifikasi ubi jalar, diharapkan dapat membantu peneliti/petugas dalam mengidentifikasi apakah varietas tersebut merupakan varietas baru atau merupakan varietas-varietas yang sudah ada di dalam data.
Untuk itu, dalam penelitian ini akan dibuat sebuah aplikasi yang tujuannya membantu peneliti dalam mengidentifikasi ubi jalar. Aplikasi tersebut menggunakan salah satu metode learning, yaitu metode decision
tree.Decision tree adalah salah satu metode belajar (learning) yang sangat populer dan banyak digunakan serta cukup praktis.Decision tree juga salah satu metode identifikasi yang mudah diinterpretasi oleh manusia karena kemampuannya dalam pengambilan keputusan yang lebih kompleks menjadi lebih sederhana yang direpresentasikan dalam bentuk pohon. Salah satu contohdecision tree adalah J48.
J48 adalah salah satu jenis decision tree yang umumnya digunakan untuk menemukan aturan yang diharapkan berlaku umum untuk data yang tidak lengkap atau yang belum pernah diketahui. J48 adalah algoritme data dengan metode pohon keputusan yang memiliki kelebihan seperti mengolah data numerik (kontinu) dan diskret, dapat menangani nilai atribut yang hilang, menghasilkan aturan-aturan yang mudah diinterpresentasikan dan tercepat di antara algoritme-algoritme yang menggunakan memori utama di komputer.
Penelitian identifikasi dengan menggunakan J48 telah banyak dilakukan sebelumnya, diantaranya oleh Lesmana (2012) dengan topik perbandingan kinerja Decision
Tree J48 dan ID3 dalam Pegklasifikasian
Diagnosis Penyakit Diabetes Mellitus. Nurma (2008) dengan topik teknik klasifikasi pohon keputusan untuk memprediksi kebangkrutan bank berdasarkan rasio keuangan bank menggunakan J48. Dari semua penelitian yang dilakukan sebelumnya, belum ada yang melakukan penelitian pengidentifikasian ubi jalar. Oleh karena itu, penelitian ini bertujuan membangun aplikasi untuk mengidentifikasi ubi jalar menggunakan ciri-ciri ubi jalar yang diperoleh dari peneliti sebelumnya. Ciri-ciri tersebut akan menjadi masukan dari pengguna pada aplikasi yang akan dibangun.
Tujuan
Tujuan dari penelitian ini adalah untuk membuat aplikasi pengidentifikasian varietas ubi jalar yang diharapkan membantu peneliti dalam mengidendentifikasi ubi jalar berdasarkan ciri yang dimasukkan oleh pengguna dengan menggunakan metode Decision Tree J48.
Ruang Lingkup
(2) Penggunaan Tools WEKA (Waikato
Environment for Knowledge Analysis)
untuk membangkitkan rule karakter ubi jalar.
(3) Membangun aplikasi web untuk mengidentifikasi varietas ubi jalar. Manfaat
Pemanfaatan sistem identifikasi ini untuk membantu peneliti/teknisi dalam mengidentifikasi varietas ubi jalar apakah merupakan varietas baru atau termasuk dalam jenis ubi jalar yang terdapat dalam data.
TINJAUAN PUSTAKA
Ubi JalarUbi jalar/ketela rambat atau “sweet
potato” diduga berasal dari Benua Amerika. Para ahli botani dan pertanian memperkirakan tanaman ubi jalar berasal dari Selandia Baru, Polinesia, dan Amerika bagian tengah. Nikolai Ivanovich Vavilov, seorang ahli botani Soviet, memastikan daerah sentrum primer asal tanaman ubi jalar adalah Amerika Tengah.
Ubi jalar merupakan jenis tanaman yang banyak tumbuh tersebar berjumlah sekitar 1000 jenis, dan hanya 142 varietas yang dapat teridentifikasi oleh para peneliti. Lembaga penelitian yang menangani ubi jalar, antara lain: International Potato Centre (IPC) dan Centro International de La Papa (CIP). Di Indonesia, penelitian dan pengembangan ubi jalar ditangani oleh Pusat Penelitian dan Pengembangnan Tanaman Pangan atau Balai Penelitian Kacang-kacangan dan Umbi-umbian (Balitkabi),Departemen Pertanian(Rukmana1997).
Pohon Keputusan
Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhierarki. Jika sebuah pohon keputusan telah dibangun maka dapat digunakan untuk mengidentifikasikan record yang belum ada varietas/kelasnya.Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node daun. Pada pohon keputusan setiap simpul daun menandai label kelas(Niwanputri 2007). Entropi dan Gain
Entropi merupakan jumlah bit yang diperkirakan dibutuhkan untuk dapat mengekstrak suatu kelas dari sejumlah data acak pada ruang sehingga menghasilkan nilai
informasi dari suatu kumpulan ciri (Mitchell 1997).
Entropi dapat dihitung dengan menggunakan rumus:
S : Himpunan kasus (data) yang digunakan untuk pelatihan
N : Jumlah partisi S
P : Proporsi dari Si terhadap S
Entropi (S) sama dengan 0 jika semua contoh pada S berada dalam kelas yang sama. Entropi (S) sama dengan 1, jika jumlah contoh positif dan negatif dalam S adalah sama. Entropi (S) lebih dari 0 tetapi kurang dari 1, jika jumlah contoh positif dan negatif dalam S tidak sama.
Nilai entropi terkecil atau nilai Gain terbesar yang dipilih untuk menentukan node awal dan perhitungan entropi dilakukan terus-menerus sampai iterasi selesai.Kemudian untuk menghitung perolehan informasi dari
output data atau variabely yang
dikelompokkan berdasarkan atribut A dinotasikan dengan gain (y,A). Perolehan informasi, gain (y,A), dari atribut A relatif terhadap output data y adalah:
nilai (A) adalah semua nilai yang mungkin dari atribut A, dan yc adalah subset dari y dengan A mempunyai nilai c. Term pertama dalam persamaan diatas adalah entropitotal y dan term kedua adalah entropi sesudah dilakukan pemisahan data berdasarkan atribut A.
WEKA
WEKA adalah aplikasi open sourcedata
mining yang berbasis Java. Aplikasi ini
dikembangkan oleh Universitas Waikato di Selandia Baru. WEKA terdiri atas koleksi algoritme mesin learning untuk melakukan generalisasi atau formulasi dari sekumpulan data sampling.WEKA dapat digunakan untuk membantu mengidentifikasikan data.
Ross Quinlan. Dalam prosedur algoritme ID3, input berupa sampel training, label training dan atribut. Algoritme C4.5 merupakan pengembangan dari ID3. Pada Perangkat lunak open source WEKA mempunyai versi sendiri C4.5 yang dikenal sebagai J48 (Moertini2007).
Algoritme J48
Algoritme J48 adalah salah satu kelas yang merupakan bagian dari algoritme decision tree di paket classifiers pada sistem WEKA. J48 disebut juga implementasi dari algoritme C4.5. Algoritme C4.5 adalah algoritme klasifikasi data dengan teknik pohon keputusan berdasarkan data training/latih. C4.5 merupakan pengembangan dari ID3. Pengembangan pada C4.5 membuat disukai dan terkenal karena memiliki kelebihan-kelebihan.J48 menangani himpunan data dalam format ARFF, tidak mengandung kode untuk mengkonstruksi pohon keputusan. Kelas ini mereferensi kelas-kelas lain, kebanyakan di paket weka.classifiers.j48, yang mengerjakan semua proses konstruksi pohon. Secara umum algoritme J48 dalam membangun pohon keputusan adalah sebagai berikut.
Algoritme C4.8
Input : sampel training, label training, atribut Membuat simpul akar untuk pohon yang dibuat
Jika semua sampel positif, berhenti dengan suatu pohon dengan satu simpul akar, beri label (+)
Jika semua sampel negatif, berhenti dengan suatu pohon dengan satu simpul akar, beri label (-)
Jika atribut kosong, berhenti dengan suatu pohon dengan satu simpul akar, dengan label sesuai nilai yang terbanyak yang ada pada label training
Untuk yang lain, Mulai
A ← atribut yang mengklasifikasikan sampel dengan hasil terbaik (berdasarkan gain ratio)
Atribut keputusan untuk simpul akar ← A
Untuk setiap nilai, vi, yang mungkin untuk A,
− Tambahkan cabang dibawah akar yang berhubungan dengan A =vi
− Tentukan sampel Svi sebagai
subset dari sampel yang mempunyai nilai vi untuk atribut A
− Jika sampel Svikosong,
Dibawah cabang tambahkan simpul daun dengan label = nilai yang terbanyak yang ada pada label training
Yang lain, tambah cabang baru dibawah cabang yang sekarang C4.5(sampel training, label training, atribut-[A])
Berhenti (Mitchell 1997)
METODE PENELITIAN
Adapun tahap-tahap pembentukan aplikasi pengidentifikasian ubi jalar dapat dilihat pada Gambar 1.
Gambar 1Diagram alur penelitian. Pengumpulan Data
Pengumpulan data digunakan untuk kebutuhan analisis data. Data dan informasi dapat berupa pencarian sumber-sumber yang terkait dalam penelitian, data kebutuhan dan informasi yang berhubungan dengan penelitian.
Praproses Data
Data yang diperoleh, dianalisis dengan menggunakan seluruh parameter tanpa mengurangi dan mengubah karakter lain dalam data. Parameter beserta seluruh
instancedigunakan karena dianggap penting
dalam proses pengidentifikasian. Proses Identifikasi
Dalam hal ini data dibagi menjadi dua bagian, data uji dan data latih. Data latih tersebut diolah menggunakan pohon keputusan (decision tree) J48 untuk mendapatkan aturan/rule yang akan dibuat menjadi model.Model prediksi data latih menggunakan struktur pohon dimana setiap percabangan menyatakan ciri/karakter ubi jalar yang harus dipenuhi dan tiap ujung pohon menyatakan jenis varietas ubi jalar. Model data latih tersebut akan digunakan untuk menguji data baru atau data uji.Setelah data latih diolah menggunakan pohon keputusan,data akan diinterpretasikan ke dalam sebuah aplikasi pengidentifikasian ubi jalar berbasis web. Aplikasi yang digunakan dengan berbasis web agarpengguna dapat mengakses dari komputer manapun yang terhubung ke Internet menggunakan browser standar sehingga tidak perlu dipasang di setiap komputer lokal dan pengguna dapat mengakses data yang dibutuhkan.
Antarmuka aplikasi identifikasi yang akan dibangun berbentuk aplikasiweb pada Gambar 2 berikut.
Gambar2Model antarmuka web. Pengujian
Tahap ini adalah menguji aplikasi apakah sudah berfungsi dengan baik dan memberi output/keluaran yang sesuai. Akurasi dari
aplikasi identifikasi varietas ubi jalar dapat dihitung dengan rumus:
Akurasi =
Spesifikasi Implementasi
Aplikasi yang digunakan pada penelitian ini dibangun dengan menggunakan perangkat keras dan perangkat lunak dengan spesifikasi sebagai berikut:
Spesifikasi perangkat keras berupa:
(1)Processor AMD-C50 Processor 1.00 GHz
(2)RAM kapasitas 1 GB (3)Harddisk kapasitas 320 GB.
(4)Monitor pada resolusi 1024×600pixels
(5)Keyboard dan Mouse
Perangkat lunak berupa :
(1)Sistem Operasi : Microsoft Windows 7 PC (2)XAMPP 1.7.1 yang terdiri atas
WebServerApache 2.2.11 dan Bahasa
Pemrograman: PHP 5.0
(3)Browser GoogleChrome
(4)WEKA versi 3.6.4 (5)Adobe Dreamweaver CS 3 (6)Java JDK 1.6.exe (versi lainnya)
HASIL DAN PEMBAHASAN
Deskripsi Data
Perkembangan varietas tanaman yang terus bertambah, jumlah tanaman ubi jalar yang juga terus meningkat, menyebabkan sulitnya membedakan dari masing-masing tanaman ubi jalar karena penampilan, ukuran, dan warnanya hampir sama. Karena sulitnya membedakan varietas ubi jalar tersebut,dibutuhkan sebuah aplikasi untuk mengidentifikasi ubi jalar.
Tujuan membuat aplikasi ini adalah membuat aplikasi untuk membantu peneliti/teknisi dalam mengidentifikasi varietas ubi jalar berdasarkan karakter cirinya. Karakter ini akan memberikan keluaran ubi jalar yang sudah diteliti oleh BBBiogen Bogor.
Parameter ciri/karakter yang dipakai dalam membangun aplikasi ini dapat direpresentasikan dalam Tabel 1.
Tabel 1 Kode ciri ubi jalar
Parameter Kode Keterangan Warna_Kulit_ Umbi 1 2 3 4 5 6 Krem Krem Tua Putih Merah Merah Tua Merah Muda Warna_Daging_ Umbi 1 2 3 4 5 Kuning Kuning pucat Putih Orange Krem Tipe_Tanaman 1
2 3 4 Semi Tegak Tegak Menjalar Semi Kompak Bentuk_Daun 1
2 3 Jantung Racik Segitiga Warna_ Daun_Tua 1 2 3 Hijau Hijau Tua Ungu Warna_Daun_ Muda 1 2 3 4 Ungu Ungu Muda Hijau Hijau Tepi Warna_Tangkai Daun 1 2 3 4 Ungu Hijau Hijau Bintik Ungu Hijau garis Ungu
Tabel 1 merupakan Karakteristik yang pada Lampiran 1 yang merepresentasikan ciri pembeda antara varietas ubi jalar dan cara pengkodean karakter. Misalnya warna kulit umbi terdiri atas 6 kategori, yaitu krem, krem tua, putih, merah, dan merah tua.
Fitur yang datanya bertipe nominal direpresentasikan langsung sesuai dengan kode.
Praproses Data
Tahapan praproses data dilakukan dengan menyiapkan data yang akan diolah sebelum masuk kedalam pengidentifikasi data. Data yang akan diolah menggunakan data varietas ubi jalar yang terdiri atas 9 ciri/karakter ubi jalar, dengan 2 jenis data bertipe numerik yaitu parameter berat umbi dan Jumlah umbi sedangka 7 jenis data bertipe nominal yaitu parameter warna daging umbi, tipe tanaman, bentuk daun, warna daun tua, warna daun muda, warna tangkai daun. Pengambilan data dilakukan dengan teknik pengumpulan sampel(sampling).
Data diproses dengan menggunakan teknik representasi pohon keputusan (decision tree). Pohon keputusan ini bisa dicari secara terus menerus sampai terbentuk sebuah pohon keputusan dengan bobot entropi masing-masing.
Proses Identifikasi
Varietas ubi jalar yang berjumlah 60 data dibagi menjadi 40 data sebagai data latih dan 20 data sebagai data uji. Data latih diproses dengan menggunakan teknik representasi pohon keputusan (decision tree) J48. Pohon keputusan mampu memberikan sebuah keputusan dengan pertanyaan/aturan yang terstruktur sehingga membentuk model data training.
Model data training tersebut akan menghasilkan pohon keputusan yang berusaha menemukan sebuah keputusan yang mampu mengidentifikasikan data trainingdengan baik.
Model yang terbentuk ini juga akan dijadikan rule/aturan atau bisa disebut pengganti query dalam proses searching (pencarian).Model direpresentasikan dalam bentuk pohon aturan. Sembilan karakter yang ada direpresentasikan dalam bentuk pohon dengan menggunakan rule hasil perhitugan nilai entropi. Perhitungan nilai entropi ini akan dilakukan secara terus menerus sampai terbentuk sebuah pohon keputusan dengan bobot entropi masing-masing.Perhitungan nilai entropi menggunakan logaritme basis 2.Perhitungan pertama yang dilakukan adalah, menghitung nilai entropi seluruhvarietas Ubi Jalar dengan rumus:
Ada 20 jenis ubi jalar yang digunakan dan direpresentasikan ke dalam perhitungan nilai entropi. Untuk mencari seluruhnya, ditentukan peluang masing-masing varietas ubi jalar : prob (1) =2/40 Peluang untuk jenis lokal
banjaran
prob (2) = 2/40 Peluang untuk jenis Biru Mantang
prob (3) = 2/40 Peluang untuk jenis Kalasan
prob (4) = 2/40 Peluang untuk jenis Sablah
prob (5) = 2/40 Peluang untuk jenis Kuning
prob (6) = 2/40 Peluang untuk jenis Andoi Atega
Mantang Merah
prob (8) = 2/40 Peluang untuk jenis Super
prob (9) = 2/40 Peluang untuk jenis Lokal Pekalongan prob(10) = 2/40 Peluang untuk jenis
Lokal Samarinda
prob(11) = 2/40 Peluang untuk jenis Jepang -2
prob(12) = 2/40 Peluang untuk jenis Lokal Cilacap
prob(13) = 2/40 Peluang untuk jenis Sirihit
prob(14) = 2/40 Peluang untuk jenis Kalasan -12
prob(15) = 2/40 Peluang untuk jenis Bis 175-40-26
prob(16) = 2/40 Peluang untuk jenis 159-3
prob(17) = 2/40 Peluang untuk jenis Bis 192-58-69
prob(18) = 2/40 Peluang untuk jenis Kentang
prob(19) = 2/40 Peluang untuk jenis Retok
prob(20) = 2/40 Peluang untuk jenis Arnet
Jadi, entropi seluruhnya =
(-2/40 )log2(2/40) - (2/40 )log2(2/40) -
(2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40
)log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2
(2/60) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) -
(2/40 )log2 (2/40) - (2/60 )log2 (2/60) - (2/40
)log2 (2/40) - (2/60 )log2 (2/60) - (2/40 )log2
(2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) -
(2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40
)log2 (2/40) - (2/40 )log2 (2/40) = 4,32
Setelah nilai entropi jenis ubi jalar diperoleh maka dapat dicari nilai entropi setiap parameter, ada sebanyak 7 (tujuh) jenis karakter yang dicari nilai entropinya, yaitu entropi warna kulit umbi, warna daging umbi, tipe tanaman, bentuk daun, warna daun muda, warna daun tua, bentuk tangkai daun.
Perhitungan entropi warna kulit umbi dapat dilihat pada Tabel 2.Entropi warna kulit umbi = Krem dihitung dengan menghitung peluang masuknya nilai krem kedalam jenis varietas ubi jalar, dapat dilihat dengan perhitungan sebagai berikut :
(-2/6) log2 (2/6) - (2/6) log2 (2/6) - (2/6)
log2 (2/6) = 1.59
Entropi warna kulit umbi = putih dihitung dengan:
(-2/10) log2 (2/10) - (2/10) log2 (2/10) -
(2/10) log2 (2/10) - (2/10) log2 (2/10) - (2/10)
log2 (2/10) = 2.32
Entropi warna kulit umbi = krem tua dapat dihitung dengan:
(-2/4) log2 (2/4) - (2/4) log2 (2/4) = 1
Entropi warna kulit umbi = merah
(-2/12) log2 (2/12) - (2/12) log2 (2/12) -
(2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12)
log2 (2/12) - (2/12) log2 (2/12) = 258
Entropi warna kulit umbi = merah tua dapat dihitung dengan:
(-2/6) log2 (2/6) - (2/6) log2 (2/6) - (2/6)
log2 (2/6) = 1,59
Entropi warna kulit umbi = Merah muda (-2/2) log2 (2/2) - (0/2) log2 (0/2) = 0
Perhitungan nilai entropi parameter lainnya dapat dilihat dalam Lampiran 10. Tabel2Data latih untuk perhitungan entropi
warna kulit umbi Warna Umbi
Kulit
Varietas Juml
-ah
Krem Lokal Banjaran 2
Krem Arnet 2
Krem Kalasan 12 2
Putih Bis 175-40-26 2
Putih Biru Mantang 2
Putih Sablah 2
Putih Kuning 2
Putih Super 2
Krem Tua Kentang 2
Krem Tua Kalasan 2
Merah Andoi Atega 2
Merah Mantang Merah 2
Merah Lokal Pekalongan 2
Merah Lokal Samarinda 2
Merah Bis 192-58-69 2
Merah Retok 2
Merah Tua Jepang 2
Merah Tua Lokal Cilacap 2
Merah Tua Sirihit 2
Perhitungan nilai gain parameter entropi warna kulit umbi dapat dihitung dengan:
4.32- ((6/40 *1.59) + (10/40 * 2.32) + (4/40*1) + (12/40*2.58) + (6/40*1.59) + (0)) = 2.6275
Pencarian nilai entropi terhadap 9 ciri, dilakukan sampai didapatkanroot pohon keputusan. Nilai gain yang paling tinggi akan di jadikan root. Roottersebut adalah karakter yang paling dominan.
Berdasarkan hasil pohon keputusan yang dibangkitkan dengan menggunakan nilai entropi dan gain yang terbesar,diperolehlah bahwa fitur dari warna kulit umbi yang menjadi root. Warna kulit umbi merupakan Gambar 3Pohon keputusan.
WarnaKulitUmbi = Krem
|WarnaTangkaiDaun = Ungu: Lokal Banjaran (2.0) | WarnaTangkaiDaun = Hijau: Arnet (2.0)
| WarnaTangkaiDaun = Hijau Bintik Ungu: Lokal Banjaran (0.0)
| WarnaTangkaiDaun = Hijau Bintik ungu: Kalasan-12 (2.0)
| WarnaTangkaiDaun = Hijau Garis Ungu: Lokal Banjaran (0.0)
WarnaKulitUmbi = Putih | WarnaDagingUmbi = Kuning
| | Jumlah Umbi/Tanaman <= 1: Biru Mantang (2.0) | | Jumlah Umbi/Tanaman > 1: Kuning (2.0) | WarnaDagingUmbi = Kuning : Biru Mantang (0.0) | WarnaDagingUmbi = Kuning Pucat: Sablah (2.0) | WarnaDagingUmbi = Putih: Super (2.0)
| WarnaDagingUmbi = Orange: Biru Mantang (0.0) | WarnaDagingUmbi = Krem: BIS 175-40-26 (2.0) WarnaKulitUmbi = Krem Tua
| Berat Umbi/Tanaman <= 1800: Kentang (2.0) | Berat Umbi/Tanaman > 1800: Kalasan (2.0) WarnaKulitUmbi = Merah
| WarnaDagingUmbi = Kuning
| | TipeTanaman = Semi Tegak: Andoi Atega (0.0) | | TipeTanaman = Menjalar: Andoi Atega (2.0)
| | TipeTanaman = Tegak: Lokal Pekalongan (2.0) | | TipeTanaman = Semi Kompak: Andoi Atega (0.0) | WarnaDagingUmbi = Kuning : Andoi Atega (0.0) | WarnaDagingUmbi = Kuning Pucat: Andoi Atega (0.0) | WarnaDagingUmbi = Putih
| | TipeTanaman = Semi Tegak: Mantang Merah (0.0) | | TipeTanaman = Menjalar: Mantang Merah (2.0) | | TipeTanaman = Tegak: Lokal Samarinda (2.0) | | TipeTanaman = Semi Kompak: Mantang Merah (0.0) | WarnaDagingUmbi = Orange: Andoi Atega (0.0) | WarnaDagingUmbi = Krem: Andoi Atega (0.0) WarnaKulitUmbi = Merah Tua
| TipeTanaman = Semi Tegak: Jepang-2 (0.0) | TipeTanaman = Menjalar: Jepang-2 (2.0) | TipeTanaman = Tegak: Lokal Cilacap (2.0) | TipeTanaman = Semi Kompak: Sirihit (2.0) WarnaKulitUmbi = Merah Muda: MIS 159-3 (2.0) WarnaKulitUmbi = Merah
| WarnaDagingUmbi = Kuning: Retok (2.0)
| WarnaDagingUmbi = Kuning : BIS 192-58-69 (0.0) | WarnaDagingUmbi = Kuning Pucat: BIS 192-58-69 (0.0)
kriteria/ciri yang paling berpengaruhdiantara fitur lainnya.Model pohon keputusan bisa dilihat pada Gambar 3.
Dari 40 data yang terdiri atas 20 varietas tersebut terdapat aturan-aturan yang diperoleh dari pohon keputusan untuk membentuk model prediksi varietas ubi jalar. Model pohon keputusan tersebutdirepresentasikan ke dalam rule (aturan). Rule dari pohon keputusan dapat dilihat pada Gambar 4.
Rule yang diperoleh dengan menggunakan decision tree J48 tersebut dijadikan model untuk mengidentifikasi data baru/data uji.Model data training digunakan untuk menguji data testing berdasarkan pada banyaknya (count)datasetrecord yang diprediksi secara benar dan secara tidak benar pada model. Count ini ditabulasikan dalam sebuah tabel yang dikenal sebagai confusion matrix.
Confusion matrix merupakan salah satu
alat ukur matriks yang digunakan untuk menetapkan ketepatan jumlah kelas ubijalar. Adapun Confusion Matrix yang diperoleh dari WEKA J48 dapat dilihat pada Tabel 3.
Dari tabel confusion matrixtersebut, dapat dilihat bahwa varietas ubi jalar biru mantang masuk ke dalam kelompok kelas ubi jalar kuningdan varietas ubi jalar kentang masuk ke dalam kelompok varietas ubi jalar kalasan.
Setelah dilakukan pengolahan pada data uji maka hasil dari data uji akan diimplementasikan ke dalam sebuah aplikasi. Aplikasi yang digunakan berbasis web. Adapun tampilan awal saat aplikasi dibuka dapat dilihat pada Gambar 5.
Gambar 5Tampilan awal web. Implementasi
Proses implementasi yang dilakukan pada setiap masukan/rule akan menghasilkan nilai,
dengan setiap masukan akan diproses untuk mendapatkan keluaran/output. Dalam hal ini masukan berupa data yang akan diidentifikasi. Pengguna dapat memasukkan ciri dari parameter ubi jalar, seperti warna umbi, warna umbi daging, tipe tanaman, bentuk daun, warna daun tua, warna daun muda, warna tangkai daun. Dari ciri masukan tersebut varietas ubi jalar yang diharapkan dapat menghasilkan keputusan yang sesuai.
Pada Gambar 6 ditampilkan form yang akan diisi untuk proses pengecekan data uji. Parameter dengan ciri-ciri ubi jalar di latih sesuai dengan model data training.
Pada Gambar 7, terlihat bahwa nilai yang dihasilkan dari rule menghasilkan keluaran. Ini diartikan hasil keluaran tersebut merepresentasikan data varietas ubi jalar
Gambar 6Form ubi jalar.
Pengujian
Pengujian aplikasi dilakukan dengan memasukkan data uji sebanyak 20 data. Pada tahap pengujian, pengguna memasukkan data yang terdiri atas warna umbi, warna umbi daging, tipe tanaman, bentuk daun, warna daun tua, warna daun muda, warna tangkai daun (Lampiran6). Setelah data diisi oleh
pengguna kemudian “SIMPAN” maka output
yang dihasilkan dapat diketahui untuk selanjutnya dilakukan pencocokandengan data dan rule yang sudah tersedia. Bentuk keluaran dari form yang diisi pengguna akan menampilkan varietas ubi jalar yang sesuai (Lampiran 7).
Berdasarkan hasil pengujian terhadap 20 data yang sudah dimasukkan ke dalam aplikasi, terdapat 19 data uji yang sesuai dan 1(satu) data yang tidak sesuai dengan data sebenarnya.Dengandemikian, tingkat akurasi dari aplikasi identifikasi varietas ubi jalar ini sebesar 95%.
KESIMPULAN
Pada penelitian ini telah dibentuk sebuah aplikasi web untuk mengidentifikasi ubi jalar menggunakan teknik decision tree J48. Dari data yang diuji ke dalam aplikasi ada 19 data yang sesuai dan 1(satu) data yang tidak sesuai dengan data sebenarnya. Hal ini disebabkan
oleh data yang memiliki kemiripan yang hampir sama dari segi ciri tanaman ubi jalar. Secara umum aplikasi yang dibangun ini memiliki keakuratan sebesar 90 %.
SARAN
Saran untuk peneliti lanjutan dengan topik sejenis adalah:
(1)Data yang diolah dapat di-update dengan menambah data, karena semakin banyak data, maka tingkat keakuratan data akan semakin baik.
(2)Nilai keluaran dari sistem hanya merupakan rujukan dari data sampling. untuk memperoleh hasil yang akurat dalam mengetahui jenis varietas ubi jalar tetap ditentukan oleh peneliti.
DAFTAR PUSTAKA
Lesmana D. 2012. Perbandinangan Kinerja
Decision Tree J48 dan ID3 Dalam
Pengkalsifikasian Diagnosis Penyakit Diabetes Melitus. Jurnal Teknologi dan Informatika 2(2): 155-164.
MitchellM. 1997. Machine Learning. New York. New York : MIT Press and Mc Grow Hill Companies
Tabel 3Confusion matrix
a b c d e f g h i j k l m n o p q r s t class 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a Lokal Banjaran 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 b Biru Mantang 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 c Kalasan 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 d Sablah 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 e Kuning 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 f Andoi Atega 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 g Mantang Merah 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 h Super
Moertini2007.Pengembangan skalabilitas algoritme identifikasi C4.5 dengan pendekatan konsep operator relasi (Studi kasus: Prapengolahan dan klasifikasi citra batik)[disertasi]. Bogor:Institut Teknologi Bandung.
Niwanputri GS. 2007. Penggunaaan decision
tree analysis untuk pengambilan
keputusan [skripsi]. Bandung: Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika. Institut Teknologi Bandung.
Nurma J. 2008. Teknik klasifikasi pohon keputusan untuk memprediksi kebangkrutan bank menggunakan
J48.Seminar Ilmiah Nasional Komputer
dan Sistem Intelijen; Depok, 20 Agu 2008. Rukmana R. 1997. Ubi Jalar: Budi Daya dan
Pascapanen. Yogyakarta: Kanisius.
Lampiran 1Daftar nama varietas/kelas dan karakter ubi jalar Berat
Umbi/ Tanaman
Jumlah Umbi/ Tanaman
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Mud
a
Warna
Tangkai Daun Varietas
2050 3 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu Lokal Banjaran
1800 5 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu Lokal Banjaran
1400 6 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu Lokal Banjaran
1200 4 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
900 1 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
1100 1 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
2650 3 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
2700 2 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
2300 2 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
1000 2 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
1100 3 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
1350 4 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
1450 4 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
1000 3 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
1300 2 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
650 3 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
1150 3 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
1000 2 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
1600 1 Merah Putih Menjalar Jantung Hijau Hijau Hijau Mantang Merah
1150 1 Merah Putih Menjalar Jantung Hijau Hijau Hijau Mantang Merah
2350 2 Merah Putih Menjalar Jantung Hijau Hijau Hijau Mantang Merah
1800 1 Putih Putih Menjalar Jantung Hijau Hijau
Hijau Bintik
Ungu Super
1200 2 Putih Putih Menjalar Jantung Hijau Hijau
Hijau Bintik
Ungu Super
1200 1 Putih Putih Menjalar Jantung Hijau Hijau
Hijau Bintik
Berat Umbi/ Tanaman
Jumlah Umbi/ Tanaman
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Mud
a
Warna
Tangkai Daun Varietas
1000 3 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu Lokal Pekalongan
1050 2 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu Lokal Pekalongan
1000 3 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu Lokal Pekalongan
1250 2 Merah Putih Tegak Segitiga Hijau Ungu Hijau Lokal Samarinda
1350 2 Merah Putih Tegak Segitiga Hijau Ungu Hijau Lokal Samarinda
400 1 Merah Putih Tegak Segitiga Hijau Ungu Hijau Lokal Samarinda
1800 3 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
1650 2 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
3400 4 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
1600 3 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
800 3 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
1200 3 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
1200 4 Merah Tua Orange Semi Kompak Segitiga Hijau Tua
Hijau Tepi Ungu
Hijau Bintik
Ungu Sirihit
800 6 Merah Tua Orange Semi Kompak Segitiga Hijau Tua
Hijau Tepi Ungu
Hijau Bintik
Ungu Sirihit
2100 6 Merah Tua Orange Semi Kompak Segitiga Hijau Tua
Hijau Tepi Ungu
Hijau Bintik
Ungu Sirihit
900 3 Krem Putih Semi Kompak Racik Hijau Tua Hijau
Hijau Bintik
ungu Kalasan-12
1000 3 Krem Putih Semi Kompak Racik Hijau Tua Hijau
Hijau Bintik
ungu Kalasan-12
1000 2 Krem Putih Semi Kompak Racik Hijau Tua Hijau
Hijau Bintik
ungu Kalasan-12
1100 4 Putih Krem Semi Tegak Racik Hijau Hijau
Hijau Garis
Ungu BIS 175-40-26
1300 3 Putih Krem Semi Tegak Racik Hijau Hijau
Hijau Garis
Ungu BIS 175-40-26
Berat Umbi/ Tanaman
Jumlah Umbi/ Tanaman
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Mud
a
Warna
Tangkai Daun Varietas Ungu
1500 1 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
2500 3 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
500 1 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
850 4 Merah Krem Tegak Racik Hijau Tua
Hijau Tepi
Ungu Hijau BIS 192-58-69
1500 2 Merah Krem Tegak Racik Hijau Tua
Hijau Tepi
Ungu Hijau BIS 192-58-69
1700 4 Merah Krem Tegak Racik Hijau Tua
Hijau Tepi
Ungu Hijau BIS 192-58-69
2500 7 Krem Tua Putih Menjalar Racik Hijau Tua Ungu
Hijau Bintik
Ungu Kentang
1000 2 Krem Tua Putih Menjalar Racik Hijau Tua Ungu
Hijau Bintik
Ungu Kentang
1300 10 Krem Tua Putih Menjalar Racik Hijau Tua Ungu
Hijau Bintik
Ungu Kentang
1250 4 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda
Hijau Garis
Ungu Retok
2750 8 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda
Hijau Garis
Ungu Retok
650 3 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda
Hijau Garis
Ungu Retok
1600 2 Krem Kuning Semi Tegak Racik Hijau Hijau Hijau Arnet
1500 2 Krem Kuning Semi Tegak Racik Hijau Hijau Hijau Arnet
Lampiran 2Daftar nama varietas/kelas dan karakter bertipe nominal
NO Warna
Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman Bentuk Daun Warna Daun_Tua
Warna Daun_Muda
Warna Tangkai Daun
Varietas
1 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu Lokal Banjaran
2 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu Lokal Banjaran
3 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu Lokal Banjaran
4 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
5 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
6 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
7 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
8 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
9 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
10 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
11 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
12 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
13 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
14 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
15 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
16 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
17 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
18 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
19 Merah Putih Menjalar Jantung Hijau Hijau Hijau Mantang Merah
20 Merah Putih Menjalar Jantung Hijau Hijau Hijau Mantang Merah
21 Merah Putih Menjalar Jantung Hijau Hijau Hijau Mantang Merah
22 Putih Putih Menjalar Jantung Hijau Hijau Hijau Bintik
Ungu
Super
23 Putih Putih Menjalar Jantung Hijau Hijau Hijau Bintik
Ungu
Super
24 Putih Putih Menjalar Jantung Hijau Hijau Hijau Bintik
Ungu
Super
25 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu Lokal
NO Warna Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman Bentuk Daun Warna Daun_Tua
Warna Daun_Muda
Warna Tangkai Daun
Varietas
26 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu Lokal
Pekalongan
27 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu Lokal
Pekalongan
28 Merah Putih Tegak Segitiga Hijau Ungu Hijau Lokal
Samarinda
29 Merah Putih Tegak Segitiga Hijau Ungu Hijau Lokal
Samarinda
30 Merah Putih Tegak Segitiga Hijau Ungu Hijau Lokal
Samarinda
31 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
32 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
33 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
34 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
35 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
36 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
37 Merah Tua Orange Semi Kompak Segitiga Hijau Tua Hijau Tepi
Ungu
Hijau Bintik Ungu
Sirihit
38 Merah Tua Orange Semi Kompak Segitiga Hijau Tua Hijau Tepi
Ungu
Hijau Bintik Ungu
Sirihit
39 Merah Tua Orange Semi Kompak Segitiga Hijau Tua Hijau Tepi
Ungu
Hijau Bintik Ungu
Sirihit
40 Krem Putih Semi Kompak Racik Hijau Tua Hijau Hijau Bintik
ungu
Kalasan-12
41 Krem Putih Semi Kompak Racik Hijau Tua Hijau Hijau Bintik
ungu
Kalasan-12
42 Krem Putih Semi Kompak Racik Hijau Tua Hijau Hijau Bintik
ungu
Kalasan-12
43 Putih Krem Semi Tegak Racik Hijau Hijau Hijau Garis
Ungu
BIS 175-40-26
NO Warna Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman Bentuk Daun Warna Daun_Tua
Warna Daun_Muda
Warna Tangkai Daun
Varietas Ungu
45 Putih Krem Semi Tegak Racik Hijau Hijau Hijau Garis
Ungu
BIS 175-40-26
46 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
47 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
48 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
49 Merah Krem Tegak Racik Hijau Tua Hijau Tepi
Ungu
Hijau BIS 192-58-69
50 Merah Krem Tegak Racik Hijau Tua Hijau Tepi
Ungu
Hijau BIS 192-58-69
51 Merah Krem Tegak Racik Hijau Tua Hijau Tepi
Ungu
Hijau BIS 192-58-69
52 Krem Tua Putih Menjalar Racik Hijau Tua Ungu Hijau Bintik
Ungu
Kentang
53 Krem Tua Putih Menjalar Racik Hijau Tua Ungu Hijau Bintik
Ungu
Kentang
54 Krem Tua Putih Menjalar Racik Hijau Tua Ungu Hijau Bintik
Ungu
Kentang
55 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda Hijau Garis
Ungu
Retok
56 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda Hijau Garis
Ungu
Retok
57 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda Hijau Garis
Ungu
Retok
58 Krem Kuning Semi Tegak Racik Hijau Hijau Hijau Arnet
59 Krem Kuning Semi Tegak Racik Hijau Hijau Hijau Arnet
Lampiran 3 Data latih Berat
umbi tanaman
Jumlah Umbi/Tana
man
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna
Tangkai Daun Varietas
1800 5 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu
Lokal Banjaran
1400 6 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu
Lokal Banjaran
900 1 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
1100 1 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau Biru Mantang
2700 2 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
2300 2 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
1100 3 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
1350 4 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
1000 3 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
1300 2 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
1150 3 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
1000 2 Merah Kuning Menjalar Jantung Hijau Hijau Hijau Andoi Atega
1150 1 Merah Putih Menjalar Jantung Hijau Hijau Hijau
Berat umbi tanaman
Jumlah Umbi/Tana
man
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna
Tangkai Daun Varietas Merah
2350 2 Merah Putih Menjalar Jantung Hijau Hijau Hijau
Mantang Merah
1200 2 Putih Putih Menjalar Jantung Hijau Hijau
Hijau Bintik
Ungu Super
1200 1 Putih Putih Menjalar Jantung Hijau Hijau
Hijau Bintik
Ungu Super
1050 2 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu
Lokal Pekalongan
1000 3 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu
Lokal Pekalongan
1350 2 Merah Putih Tegak Segitiga Hijau Ungu Hijau
Lokal Samarinda
400 1 Merah Putih Tegak Segitiga Hijau Ungu Hijau
Lokal Samarinda
1650 2 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
3400 4 Merah Tua Orange Menjalar Jantung Hijau Ungu Hijau Jepang-2
Berat umbi tanaman
Jumlah Umbi/Tana
man
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna
Tangkai Daun Varietas
1200 3 Merah Tua Putih Tegak Racik Hijau Hijau Hijau Lokal Cilacap
800 6 Merah Tua Orange Semi Kompak Segitiga Hijau Tua
Hijau Tepi Ungu
Hijau Bintik
Ungu Sirihit
2100 6 Merah Tua Orange Semi Kompak Segitiga Hijau Tua
Hijau Tepi Ungu
Hijau Bintik
Ungu Sirihit
1000 3 Krem Putih Semi Kompak Racik Hijau Tua Hijau
Hijau Bintik
ungu Kalasan-12
1000 2 Krem Putih Semi Kompak Racik Hijau Tua Hijau
Hijau Bintik
ungu Kalasan-12
1300 3 Putih Krem Semi Tegak Racik Hijau Hijau
Hijau Garis
Ungu BIS 175-40-26
1900 4 Putih Krem Semi Tegak Racik Hijau Hijau
Hijau Garis
Ungu BIS 175-40-26
2500 3 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
500 1 Merah Muda Kuning Semi Tegak Racik Hijau Tua Ungu Hijau MIS 159-3
1500 2 Merah Krem Tegak Racik Hijau Tua
Hijau Tepi
Ungu Hijau BIS 192-58-69
1700 4 Merah Krem Tegak Racik Hijau Tua
Hijau Tepi
Berat umbi tanaman
Jumlah Umbi/Tana
man
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna
Tangkai Daun Varietas Ungu
1000 2 Krem Tua Putih Menjalar Racik Hijau Tua Ungu
Hijau Bintik
Ungu Kentang
1300 10 Krem Tua Putih Menjalar Racik Hijau Tua Ungu
Hijau Bintik
Ungu Kentang
2750 8 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda
Hijau Garis
Ungu Retok
650 3 Merah Kuning Menjalar Racik Hijau Tua Ungu Muda
Hijau Garis
Ungu Retok
Lampiran 4Data uji Berat
Umbi tanaman
Jumlah Umbi/Tana
man
Warna Umbi_Kulit
Warna
Umbi_Daging Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna
Tangkai Daun Varietas
2050 3 Krem Kuning Semi Tegak Jantung Hijau Ungu Ungu
Lokal Banjaran
1200 4 Putih Kuning Semi Tegak Jantung Hijau Hijau Hijau
Biru Mantang
2650 3 Krem Tua Kuning Menjalar Jantung Hijau Hijau Hijau Kalasan
1000 2 Putih Kuning Pucat Semi Tegak Jantung Hijau Hijau Ungu Sablah
1450 4 Putih Kuning Menjalar Racik Ungu Ungu Ungu Kuning
650 3 Merah Kuning Menjalar Jantung Hijau Hijau Hijau
Andoi Atega
1600 1 Merah Putih Menjalar Jantung Hijau Hijau Hijau
Mantang Merah
1800 1 Putih Putih Menjalar Jantung Hijau Hijau
Hijau Bintik
Ungu Super
1000 3 Merah Kuning Tegak Jantung Hijau Tua Hijau Ungu
Lokal Pekalongan
400 1 Merah Putih Tegak Segitiga Hijau Ungu Hijau
Lampiran 9Kode algoritmedari rulevarietas ubi jalar
If
WarnaKuliUmbi = Krem
Then
If
WarnaTangkaiDaun = Ungu
Then
Classification = Loka Banjaran
Elseif WarnaTangkaiDaun = Hijau
Then
Classification = Arnet
Elseif WarnaTangkaiDaun = Hijau Bintik Ungu
Then
Classification = Kalasan 12
Elseif WarnaTangkaiDaun = Hijau garis ungu
Then
Classification = Lokal Banjaran
Elseif WarnaKulitUmbi = Putih
Then
If
WarnaDagingUmbi = Kuning
Then
If
warna umbi/tanaman = <=1
Then
Classification = Biru Mantang
Else
Classification = Kuning
Elseif WarnaDagingUmbi = Kuning
Then
Classification = Biru Mantang
Elseif WarnaDagingUmbi = Kuning Pucat
Then
Classification = Sablah
Elseif WarnaDagingUmbi = Putih
Then
Classification = Super
Elseif WarnaUmbiDaging = Orange
Then
Classification = Biru Mantang
Elseif WarnaUmbiDaging = Krem
Then
Classification = Bis 175-26
Elseif WarnaKulitUmbi = Krem
Then
If
BeratUmbiTanaman = <=1800
Then
Classification = Kentang
Else
Classification = Kalasan
Elseif WarnaKulitUmbi = Merah
Then
If
WarnaDagingUmbi = Kuning
Then
Then
Classificcation =Andoi Antega
Elseif TipeTanaman = menjalar
Then
Classification = Andoi Antega
Elseif TipeTanaman= tegak
Then
Classification = Lokal Pekalongan
Elseif TipeTanaman = Semi kompak
Then
Classification = Andoi Atega
Elseif WarnaDagingUmbi = Orange
Then
Classification = Andoi Antega
Else if WarnaDagingUmbi =Krem
Then
Classification = Andoi Antega
Elseif WarnaKulitUmbi =Merah tua
Then
If
TipeTanaman = Semi Tegak
Then
Classification = Jepang
Elseif TipeTanaman = Menjalar
Then
Classification = Jepang
Elseif TipeTanaman = tegak
Then
Classification = Lokal Cilacap
Elseif TipeTanaman = SemiKompak
Then
Classification = Sirihit
Else if WarnaKulitUmbi = Merah
Then
If
Classification = Mis 159-3
Elseif WarnaKulitUmbi = Merah
Then
If
WarnaDagingUmbi =Kuning
Then
Classification = Retok
Else
Lampiran 10Perhitungan nilai entropi
Warna Umbi Daging Varietas Ubi Jalar Jumlah
Kuning Lokal Banjaran 2
Kuning Biru Mantang 2
Kuning Kalasan 2
Kuning Kuning 2
Kuning Andoi antega 2
Kuning Lokal Pekalongan 2
Kuning Mis 159-3 2
Kuning Retok 2
Kuning Arnet 2
Kuning pucat Sablah 2
Putih Mantang Merah 2
Putih Super 2
Putih Lokal Samarinda 2
Putih Lokal Cilacap 2
Putih Kalasan 12 2
Putih Kentang 2
Orange Sirihit 2
Orange Bis 175-4-026 2
Krem Bis 195-58-65 2
Krem 2
Entropi (Warna Umbi Daging) = Kuning
= (-2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18)
- (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18)
= 3.24
Entropi (Warna Umbi Daging) = Kuning Pucat = (-2/2) log2 (2/2)
= 0
Entropi (Warna Umbi Daging) = Putih
= (-2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12)
- (2/12) log2 (2/12)
= 2.58
Entropi (Warna Umbi Daging) = Orange = (-2/4) log2 (2/4) - (2/4) log2 (2/4)
= 1
Entropi (Warna Umbi Daging) = Krem = (-2/4) log2 (2/4) - (2/4) log2 (2/4)
= 1
Maka nilai gain untuk parameter:
= 4-32 – ((18/40*3.24)+(12/40*2.58)+(4/40*1)+(4/40*1)) = 4,32- (1,458+0,774+0.1+0.1)
Lampiran 10 (Lanjutan)
Tipe Tanaman Varietas Jumlah
Semi Tegak Lokal Banjar 2
Semi Tegak Biru Mantang 2
Semi Tegak Sablah 2
Semi Tegak Bis 175 2
Semi Tegak Mis 159 2
Semi Tegak Arnet 2
Menjalar Kalasan 2
Menjalar Kuning 2
Menjalar Andoi Antega 2
Menjalar Mantang Merah 2
Menjalar Super 2
Menjalar Jepang 2 2
Menjalar Kentang 2
Menjalar Retok 2
Tegak Bis 159 2
Tegak Lokal Pekalongan 2
Tegak Lokal Samarinda 2
Tegak Lokal Cilacap 2
Semi Kompak Sirihit 2
Semi Kompak Kalasan 2
Entropi (Tipe Tanaman) = Semi Tegak
= (-2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12)- (2/12) log2 (2/12)- (2/12) log2 (2/12)-
(2/12) log2 (2/12)
= 2.58
Entropi (Tipe Tanaman) = Menjalar
= (-2/16) log2 (2/16) - (2/16) log2 (2/16)- (2/16) log2 (2/16)- (2/16) log2 (2/16)- (2/16) log2 (2/16)-
(2/16) log2 (2/16)- (2/16) log2 (2/16)- (2/16) log2 (2/16)
= 3
Entropi (Tipe Tanaman) = Menjalar
= (-2/8) log2 (2/8) - (2/8) log2 (2/8)- (2/8) log2 (2/8)- (2/8) log2 (2/8)
= 2
Entropi (Tipe Tanaman) = Semi Kompak = (-2/4) log2 (2/4) - (2/4) log2 (2/4)
=1
Maka nilai gain untuk parameter:
= 4.32 – ((12/40*2.58)+(16/40*3)+(8/40*2)+(4/40*1) = 4.32 – (0.344+1.2+0.4+0.1)
Lampiran 10 (Lanjutan).
Bentuk Daun Varietas Jumlah
Jantung Lokal Banjaran 2
Jantung Biru Mantang 2
Jantung Andoi Anterga 2
Jantung Mantang Merah 2
Jantung Super 2
Jantung Lokal Pekalongan 2
Jantung Jepang 2
Jantung Kalasan 2
Jantung sablah 2
Racik Kuning 2
Racik Lokal Cilacap 2
Racik Kalasan 12 2
Racik Bis 175-40-26 2
Racik Mis 159-3 2
Racik Bis 192-58-69 2
Racik Kentang 2
Racik Retok 2
Racik arnet 2
Segitiga Lokal Samarinda 2
Segitiga Sirihit 2
Entropi (Bentuk Daun) = Jantung
= (-2/18) log2 (2/18) - (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)-
(2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)
= 3.24
Entropi (Bentuk Daun) = Racik
= (-2/18) log2 (2/18) - (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)-
(2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)
= 3.24
Entropi (Bentuk Daun) = Segitiga = (-2/4) log2 (2/4) - (2/4) log2 (2/4)
=1
Maka nilai gain untuk parameter:
= 4.32- ((18/40*3.16)+(18/40*3.16)+(4/40*1)) = 4.32-(1.422+1.422+0.1)
Lampiran 10 (Lanjutan)
Warna Daun Tua Varietas Jumlah
Hijau Lokal Banjara 2
Hijau Biru Mantang 2
Hijau Kalasan 2
Hijau Sablah 2
Hijau Andoti Atega 2
Hijau Mantang Merah 2
Hijau Super 2
Hijau Lokal samarinda 2
Hijau Jepang 2
Hijau Lokal Cilacap 2
Hijau Kentang 2
Hijau arnet 2
Hijau Tua Lokal Pekalongan 2
Hijau Tua Sirihit 2
Hijau Tua Kalasan 12 2
Hijau Tua Bis 175-40-26 2
Hijau Tua Mis 159-3 2
Hijau Tua Bis 192-58-69 2
Hijau Tua retok 2
Ungu Kuning 2
Entropi (Warna daun tua) = Hijau
(-2/24) log2 (2/24) - (2/24) log2 (2/24) - (2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)-
(2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)-
(2/24) log2 (2/24)- (2/24) log2 (2/24)
= 3.58
Entropi (Warna daun tua) = Hijau Tua
(-2/14) log2 (2/14) - (2/14) log2 (2/14)- (2/14) log2 (2/14)- (2/14) log2 (2/14)- (2/14) log2 (2/14)-
(2/14) log2 (2/14)- (2/14) log2 (2/14)
= 2.81
Entropi (Warna daun tua) = Ungu = (-2/2) log2 (2/2)
= 0
Lampiran 10 (Lanjutan)
Warna Daun Muda Varietas Jumlah
Ungu Lokal Banjaran 2
Ungu Kuning 2
Ungu Lokal Samarinda 2
Ungu Jepang 2
Ungu Mis 159-3 2
Ungu KEntang 2
Hijau Biru Mantang 2
Hijau Kalasan 2
Hijau Sablah 2
Hijau Andoi Atega 2
Hijau Mantang Merah 2
Hijau Super 2
Hijau Lokal Pekalongan 2
Hijau Lokal Cilacap 2
Hijau Kalasan 12 2
Hijau Bis 175-40-26 2
Hijau arnet 2
Hijau tepi ungu Sirihit 2
Hijau tepi ungu Bis 192-58-69 2
Ungu Muda retok 2
Entropi (Warna daun muda) = Ungu
= (-2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12)- (2/12) log2 (2/12)- (2/12) log2 (2/12)-
(2/12) log2 (2/12)
= 2.58
Entropi (Warna daun muda) = Hijau
= (-2/22) log2 (2/22) - (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)-
(2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)-
(2/22) log2 (2/22)
= 3.45
Entropi (Warna daun muda) = Hijau = (-2/4) log2 (2/4) - (2/4) log2 (2/4)
= 1
Entropi (Warna daun muda) = Ungu Muda = 0
Maka nilai gain untuk parameter:
Lampiran 10 (Lanjutan)
Warna Tangkai Daun Varietas Jumlah
Ungu Lokal Banjaran 2
Ungu Sablah 2
Ungu Kuning 2
Ungu Lokal Pekalongan 2
Hijau Biru Mantang 2
Hijau Kalasan 2
Hijau Andoi atega 2
Hijau Mantang Merah 2
Hijau Lokal Samarinda 2
Hijau Jepang -2 2
Hijau Lokal Cilacap 2
Hijau Mis 159-3 2
Hijau Bis 192-58-69 2
Hijau Arnet 2
Hijau Bintik Ungu Super 2
Hijau Bintik Ungu Sirihit 2
Hijau Bintik Ungu Kalasan-12 2
Hijau Bintik Ungu Kentang 2
Hijau Garis Ungu Bis 175-40-26 2
Hijau Garis Ungu Retok 2
Entropi (Warna Tangkai Daun) = Ungu
= (-2/8) log2 (2/8) - (2/8) log2 (2/8)- (2/8) log2 (2/8)- (2/8) log2 (2/8)
= 2
Entropi (Warna Tangkai Daun) = Hijau
= (-2/20) log2 (2/20) - (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)-
(2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)
= 3.32
Entropi (Warna Tangkai Daun) = Hijau Bintik Ungu
= (-2/8) log2 (2/8) - (2/8) log2 (2/8)- (2/8) log2 (2/8)- (2/8) log2 (2/8)
= 2
Entropi (Warna Tangkai Daun) = Hijau Garis Ungu = (-2/4) log2 (2/4) - (2/4) log2 (2/4)
= 1
Maka nilai gain untuk parameter:
= 4.32- ((8/40*2)+(20/40*3.32)+(8/40*2)+(4/40*1)) = 4.32 – (0.4+1.66+0.4 +0.1)