commit to user
PENGEMBANGAN APLIKASI DETEKSI HAMA DAN
PENYAKIT TANAMAN PADI DI INDONESIA DENGAN
METODE
ASSOCIATION RULEDAN
COSINE SIMILARITYSKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika
Disusun oleh :
PUTRI BANY ANDJASMARA
M0509057
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
commit to user
commit to user
commit to user
iv
MOTTO
The foundation of everything is a good family
commit to user
v
PERSEMBAHAN
Karya ini Penulis persembahkan kepada:
“Bapak, Ibu, dan Adik Tercinta”
“Sahabatku tercinta, Dyan, Dita, Sani”
“Teman-teman Informatika 2009 khususnya Ining, Ida, Novi, Ayuk, Betty,
Atik, Krisna”
commit to user
vi
KATA PENGANTAR
Puji syukur kepada Allah SWT atas segala limpahan nikmat dan karuniaNya, sehingga penulis dapat menyelesaikan penulisan Tugas Akhir ini. Penulis menyadari akan kekurangan dan keterbatasan dalam penulisan Tugas Akhir ini. Tugas Akhir ini tidak akan selesai tanpa adanya bantuan dari banyak pihak, oleh karena itu penulis menyampaikan terima kasih kepada:
1. Keluarga, Bapak Heru Warsono, Ibu Aning Jariyah, dan Kinan Maydio yang senantiasa memberikan kasih sayang, doa, dukungan dan motivasi. 2. Bapak Ristu Saptono, S.Si., M.T., selaku pembimbing I yang telah dengan
sabar memberikan bimbingan, petunjuk, dan masukan dalam menyelesaikan Tugas Akhir ini.
3. Ibu Sari Widya Sihwi, S.Kom., M.T.I., selaku pembimbing II yang telah dengan sabar memberikan petunjuk dan masukan dalam menyelesaikan Tugas Akhir ini.
4. Ibu Esti Suryani, S.Si., M.Kom., selaku Pembimbing Akademis yang telah memberikan pengarahan selama proses penyelesaian Tugas Akhir ini. 5. Bapak Meiyanto Eko Sulistyo, S.T., M.Eng. dan Bapak Afrizal Doewes,
S.Kom., M.Sc., selaku anggota dewan penguji yang telah memberikan kritik, saran, dan masukan yang membangun.
6. Ibu Ir. Retno Wijayanti, MS., selaku pakar yang telah bersedia untuk berbagi informasi dan membantu proses penyelesaian Tugas Akhir ini. 7. Teman-teman Jurusan Informatika UNS khususnya angkatan 2009 yang
selalu bersedia untuk berbagi informasi, ilmu, dan pengalaman serta selalu memberikan motivasi dan semangat.
8. Bapak-Ibu dosen Jurusan Informatika UNS yang telah memberikan ilmu pengetahuan dan pengalaman yang sangat bermanfaat.
Semoga Tugas Akhir ini bermanfaat bagi semua pihak.
commit to user
vii
Development of Pests and Diseases Detection Application of Rice
Plants in Indonesia with Association Rule and
Cosine Similarity Methods
PUTRI BANY ANDJASMARA
Department of Informatics. Faculty of Mathematics and Natural Sciences.
Sebelas Maret University
ABSTRACT
Pests and diseases detection of rice plants can be done by asking for the symptoms to the user then matching them with the symptoms of any pest/disease in the library. But it will be difficult to the user to give the feedback if all of the symptoms are displayed in the application. This research developed an application for pests/diseases detection of rice plants with minimum number of the symptoms that will be displayed in the application.
This research applied two methods, Association Rule and Cosine Similarity. Association Rule with MinHash algorithmis applied to form the associative rules from the existing symptoms in the library. The value of minimum Confidence that is used to form the associative r ule is 1.The rules are stated by
AB, where A is the Antecedent and B is the Consequent. Cosine Similarity with
Precision and Recall evaluations is used in the detection process to eliminate the pests/diseases. Pests/diseases which have Recall and Similarity values less than 0.3 will be eliminated.
The results proved that Association Rule and Cosine Similarity with Precision and Recall evaluations methods can be applied to the pests and diseases detection of rice plants. This is proved by the calculation of the detection results that can bring out 96% of accuracy from 25 correspondents.
Keywords: Association Rule, Cosine Similarity, Pests and Diseases Detection of
commit to user
viii
Pengembangan Aplikasi Deteksi Hama dan Penyakit Tanaman
Padi di Indonesia dengan Metode
Association Ruledan
Cosine Similarity
PUTRI BANY ANDJASMARA
Jurusan Informatika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret
ABSTRAK
Pendeteksian hama dan penyakit pada tanaman padi dapat dilakukan dengan cara meminta feedback dari user kemudian mencocokkannya dengan gejala-gejala dari setiap hama/penyakit yang terdapat di dalam library. Namun
user akan mengalami kesulitan saat memilih apabila semua gejala ditampilkan pada aplikasi. Maka penelitian ini akan mengembangkan sebuah aplikasi untuk pendeteksian hama/penyakit tanaman padi dengan meminimalisir jumlah gejala yang akan ditampilkan.
Pada penelitian ini diterapkan dua metode, yaitu metode Association Rule
dan Cosine Similarity. Metode Association Rule dengan algoritma MinHash
diterapkan untuk membentuk aturan-aturan asosiatif dari gejala-gejala yang ada. Syarat nilai minimum Confidence yang digunakan untuk membentuk aturan asosiatif adalah 1. Aturan yang dihasilkan memiliki pola AB, dimana A merupakan Antecedent dan B merupakan Consequent. Cosine Similarity dengan evaluasi Precision dan Recall digunakan dalam proses deteksi untuk mengeliminasi hama/penyakit. Hama/penyakit dengan nilai Recall kurang dari 0.3
dan Similarity kurang dari 0.3 akan tereliminasi.
Hasil penelitian menunjukkan bahwa metode Association Rule dan
Cosine Similarity dengan evaluasi Precision dan Recall dapat diterapkan untuk
deteksi hama dan penyakit tanaman padi. Hal ini dibuktikan dengan perhitungan hasil deteksi dari total 25 koresponden mampu menghasilkan akurasi sebesar 96%.
commit to user
HALAMAN PERSEMBAHAN... v
KATA PENGANTAR ... vi
1.4 Tujuan Penelitian... 3
1.5 Manfaat Penelitian... 3
1.6 Sistematika Penulisan... 3
BAB 2 LANDASAN TEORI ... 5
2.1Dasar Teori... 5
2.1.1Association Rule... 5
2.1.2Similarity... 7
2.1.3Tanaman Padi... 8
2.2Penelitian Terkait……... 11
commit to user
3.4.1 Proses Penentuan Aturan Asosiatif... 16
3.4.2 Proses Pengumpulan Feedback... 18
3.4.3 Proses Pengambilan Keputusan... 19
3.5Pengembangan Aplikasi... 20
3.6Pengujian dan Evaluasi Hasil... 20
BAB 4 HASIL DAN PEMBAHASAN... 22
4.1Deskripsi Data...……... 22
4.2Implementasi...……... 22
4.2.1Penentuan Aturan Asosiatif……... 22
4.2.2Proses Pendeteksian ……... 24
4.2.2.1 Kondisi tidak semua feedback bernilai nol (0) pada Pertanyaan Tahap 1... 24
4.2.2.2 Kondisi semua feedback bernilai nol (0) pada Pertanyaan Tahap 1... 31
4.3Pengujian...……... 35
4.4Evaluasi Hasil Deteksi... 36
BAB 5 PENUTUP... 38
5.1Kesimpulan……... 38
5.2Saran……... 38
DAFTAR PUSTAKA ... 39
commit to user
xi
DAFTAR GAMBAR
Gambar 2.1 Ilustrasi Precision dan Recall ... 8
Gambar 3.1 Flowchart proses penentuan association rule... 17
Gambar 3.2 Flowchart proses pengumpulan feedback... 18
Gambar 4.1 Contoh input feedback Pertanyaan Tahap 1... 25
Gambar 4.2 Contoh input feedback Pertanyaan Tahap 2... 29
Gambar 4.3 Contoh input feedback Pertanyaan Tahap 1_2... 32
commit to user
xii
DAFTAR TABEL
Tabel 3.1 Data kasus hama/penyakit hasil survey ... 16
Tabel 4.1 Gejala Umum dan Gejala Khusus... 22
Tabel 4.2 Contoh matrik 23x49... 22
Tabel 4.3 Nilai support masing-masing gejala... 23
Tabel 4.4 Contoh matrik 49x49 dan nilai confidence... 23
Tabel 4.5 Aturan asosisatif AB... 24
Tabel 4.6 Daftar Pertanyaan Tahap 1... 25
Tabel 4.7 Contoh library sebelum diupdate... 26
Tabel 4.8 Contoh library setelah diupdate... 26
Tabel 4.9 Contoh hasil perhitungan recall, precision, dan similarity... 28
Tabel 4.10 Contoh daftar Pertanyaan Tahap 2... 28
Tabel 4.11 Daftar pertanyaan tahap 3 (konfirmasi)... 30
Tabel 4.12 Contoh hasil deteksi aplikasi... 30
Tabel 4.13 Daftar Pertanyaan Tahap 1_2... 31
Tabel 4.14 Contoh hasil perhitungan recall, precision, dan similarity... 32
Tabel 4.15 Contoh daftar Pertanyaan Tahap 2... 33
commit to user
xiii
DAFTAR LAMPIRAN
Lampiran A ... 41
Lampiran B... 42
Lampiran C... 45
Lampiran D ... 46
Lampiran E ... 47
Lampiran F ... 59