Fakultas Ilmu Komputer
Universitas Brawijaya
4034
Sistem Pakar Diagnosis Penyakit Tanaman Cengkeh Menggunakan Metode
Naive Bayes (Studi kasus Kecamatan Wonosalam, Jombang)
Andrianto Setiawan1, Nurul Hidayat2, Ratih Kartika Dewi3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1setiawanandrianto0@gmail.com, 2ntayadih@ub.ac.id, 3ratihkartikad@ub.ac.id
Abstrak
Tanaman cengkeh digolongkan ke dalam tanaman perkebunan atau industri yang banyak ditanam di Wonosalam. Tetapi tidak semua perkebunan cengkeh adalah milik warga sekitar, melainkan pemiliknya adalah warga dari luar daerah. Hal ini menyebabkan tanaman cengkeh kurang terawat dan akhirnya terserang penyakit. Salah satu metode untuk mendiagnosis penyakit tanaman cengkeh bisa dilakuakan dengan Naive Bayes. Sistem pakar diagnosis penyakit tanaman cengkeh menggunakan metode Naive Bayes ini dapat mempermudah untuk mendeteksi penyakit yang menyerang cengkeh berdasarkan gejala –gejala yang timbul. Metode Naive Bayes diimplementasikan pada mesin inferensi sistem pakar agar dapat melakukan penarikan kesimpulan berdasarkan pengetahuan yang ada pada basis pengetahuan. Hasil yang didapatkan setelah pengujian akurasi sistem yaitu 93% yang menunjukan bahwa metode Naive Bayes cocok untuk kasus penyakit tanaman cengkeh.
Kata kunci: tanaman cengkeh, sistem pakar, naive bayes
Abstract
Clove plants are classified into plantation crops or industries that are widely grown in Wonosalam. But not all clove plantations belong to the local people, but the owners are residents from outside the region. This causes the plant is less well groomed cloves and eventually attacked by disease. One method to diagnose clove plant disease can be done with Naive Bayes. Clove plant disease diagnosis expert system using Naive Bayes method can make it easier to detect diseases that attack the cloves based on the symptoms that arise. The Naive Bayes method is implemented on an expert system inference engine in order to make inferences based on existing knowledge on the knowledge base. Results obtained after a system accuracy test of 93% indicating that the method of Naive Bayes is suitable for clove plant disease cases.
Keywords: clove plant, expert system, naive bayes
1. PENDAHULUAN
Tanaman cengkeh digolongkan ke dalam tanaman perkebunan atau industri yang tentunya sangat cocok di Indonesia. Cengkeh dapat tumbuh di tanah yang gembur dengan drainase yang cukup baik. Tanaman ini merupakan tanaman tropis yang sangat cocok ditanam di Indonesia. Hal ini dikarenakan tanaman cengkeh dapat menghasilkan minyak atsiri yang dapat digunakan untuk bahan baku produksi industri makanan maupun industri farmasi. Tentunya yang paling dominan di Indonesia adalah digunakan untuk bahan baku pembuatan rokok.
Disini penulis akan mencoba untuk membahas salah satu daerah dataran tinggi yang dapat ditanami cengkeh tepatnya di Kecamatan Wonosalam, Jombang. Dengan kondisi geografis dataran tinggi, banyak lahan pertanian dan perkebunan yang ada di Wonosalam. Salah satu tanaman perkebunan yang ada adalah tanaman cengkeh. Tetapi tidak semua perkebunan cengkeh di Wonosalam adalah milik warga sekitar, banyak masyarakat daerah lain yang menjadi pemilik perkebunan cengkeh tersebut. Terkadang pemilik perkebunan tidak ikut menanam langsung, melainkan mempekerjakan orang yang tidak lain adalah penduduk sekitar.
Permasalahan yang muncul adalah, dengan tidak terlibatnya pemilik secara langsung, banyak tanaman cengkeh yang rusak karena tidak terurus dengan baik dan juga tentunya karena penyakit. Hal ini menyebabkan kerugian bagi pemilik
perkebunan cengkeh di Wonosalam.
Sebelum rusak karena penyakit, tentunya tanaman cengkeh menunjukan gejala gejala yang seharusnya bisa diamati, sehingga dapat dicegah dengan penanganan yang tepat. Oleh sebab itu, dibutuhkan sebuah sistem yang layaknya seorang pakar agar dapat mengidentifikasi secara tepat penyakit tanaman cengkeh. Penulis akan mencoba untuk memberikan solusi melalui penelitian ini yaitu pembuatan sistem untuk diagnosa penyakit tanaman cengkeh menggunakan metode Naive Bayes.
Penelitian yang dijadikan referensi oleh penulis adalah penelitian yang berjudul
Permodelan Sistem Pakar Diagnosa
Penyakit HIV Menggunakan Metode Naive Bayes. Pada penelitian tersebut metode Naive Bayes digunakan untuk menghitung nilai kemungkinan dari masing-masing gejala dengan mengacu pada data training.
Pengujian dilakukan dengan
membandingkan hasil diagnosa dari sistem dengan hasil diagnosa dari pakar.
Berdasarkan pengujian yang telah
dilakukan, akurasi sistem adalah sebesar 85% (Fatma, 2016).
Berdasarkan uraian diatas, penulis tertarik melakukan penelitian dengan judul “Sistem Pakar Diagnosis Penyakit Tanaman Cengkeh Menggunakan Metode Naive Bayes”.
Dengan adanya penelitian ini
diharapkan para pemilik perkebunan cengkeh khususnya di Wonosalam tidak merugi karena dapat mengidentifikasi penyakit tanaman cengkeh dengan tepat. 2. LANDASAN KEPUSTAKAAN
Sistem Sistem pakar adalah bidang dalam kecerdasan buatan (Artificial
Intelligent) yang digunakan untuk
pengambilan keputusan yang diambil oleh
seorang pakar dengan menggunakan
pengetahuan (knowledge), fakta dan teknik berfikir dalam menyelesaikan permasalahan
yang biasanya diselesaikan oleh seorang pakar yang bersangkutan (Hayadi B, 2016).
Metode Naive Bayes adalah metode untuk mengklasifikasi probabilitas sederhana yang didasarkan pada Teorema
Bayes. Dalam Teorema Bayes
dikombinasikan dengan “Naive” yang berarti dalam atribut dengan sifat bebas (independent). Naive Bayes Classifier dapat dilatih dengan efiensi pembelajaran terawasi (supervised learning). Keuntungan
dalam klasifikasi adalah hanya
membutuhkan sejumlah kecil data pelatihan untuk memperkirakan parameter yang diperlukan untuk klasifikasi. Karena variabel independen diasumsikan, hanya variasi variabel untuk masing-masing kelas harus ditentukan, bukan seluruh matriks kovarians.
Secara garis besar model naive bayes classifier ditunjukkan pada persamaan (1) (Sutojo, 2011) .
𝑝(𝐻|𝐸) = 𝑝(𝐸|𝐻) 𝑥 𝑝(𝐻)
𝑝(𝐸) (1)
Dengan:
1. p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi
2. p(E|H) = probabilitas munculnya evidence E jika hipotesis H terjadi 3. p(H) = probabilitas hipotesis H tanpa
memandang evidence apapun
4. p(E) = probabilitas evidence E tanpa memandang apapun
Atau dengan kata lain persamaan diatas dapat digambarkan sebagai persamaan (2).
𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 𝑃𝑟𝑖𝑜𝑟 𝑥 𝐿𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑
𝐸𝑣𝑖𝑑𝑒𝑛𝑐𝑒 (2)
Perhitungan naive bayes dapat
dilakukan dengan langkah berikut ini: 1. Mencari nilai prior untuk tiap-tiap kelas
dengan menghitung rata-rata tiap kelas dengan menggunakan persamaan (3). 𝑃 = X
A (3)
Keterangan: P = Nilai prior
X = Jumlah data tiap kelas A = jumlah data seluruh kelas
2. Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan persamaan (4). L=𝐹
𝐵 (4)
Keterangan:
L = Nilai likelihood
F = jumlah data feature tiap kelas B = jumlah seluruh fitur tiap kelas
3. Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan persamaan (5).
P(c|a) = P(c) x P(a|c) (5)
Keterangan :
P(c) = Nilai prior tiap kelas P(a|c)= Nilai likelihood
Hasil klasifikasi dengan menggunakan
metode Naive Bayes dilakukan dengan
membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi.
Berikut ini beberapa penyakit yang menyerang tanaman cengkeh:
1. Penyakit Bakteri Pembuluh Kayu
(BPKCK)
Menurut pakar Anang faktor yang mempengaruhi BPKCK adalah keanekaragaman gejala dan penyebaran penyakit dapat disebabkan oleh perbedaan naungan, suhu, sinar matahari dan musim. Gejala mati cepat biasanya terjadi di dataran tinggi, sedangkan mati lambat terjadi di dataran rendah.
2. Penyakit Cacar Daun Cengkeh
Menurut pakar Anang penyebab
penyakit cacar daun cengkeh adalah parasit lemah, sehingga penyakit lebih banyak terdapat pada tanaman lemah. Penyakit banyak terdapat pada kebun yang rapat, kurang terpelihara, kurang dipupuk, gulma tidak dikendalikan dan pemetikannya kasar.
3. Penyakit Jamur Akar Putih
Menurut pakar Anang penyebab utama dari penyakit ini adalah jamur Akar Putih (Rigidoporus Lignosus). Gejala serangannya adalah daun cengkeh layu secara tiba-tiba, mengering dan akhirnya rontok. Lalu benang-benang miselium jamur yang menempel kuat pada akar.
3. METODOLOGI
.
Gambar 1.Diagram Alir Naive Bayes
Data hasil peneltian dan observasi lapangan yang telah dilakukan akan digunakan sebagai data training tersebut merupkan aturan-aturan yang nantinya akan digunakan sebagai basis pengetahuan pada sistem pakar diagnosis penyakit tanaman cengkeh. Kode dan gejala klinik yang terdapat pada penyakit tanaman cengkeh dapat dilihat pada Tabel 1.
Tabel 1. Gejala tanaman Cengkeh
Kode Gejala Penyakit
G1 Ranting pada pucuk batang mati
1.
Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK)G2 Daun gugur dari atas ke bawah
1.
Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK) START Gejala Tanaman CengkehPrior = jumlah kelas suatu penyakit / total kelas
Likelihood = jumlah data fitur / jumlah seluruh fitur
Posterior = Prior x Likelihood
Penyakit yang menyerang Tanaman Cengekh
END
G3 Cabang mudah layu secara mendadak
1.
Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK)G4 Daun yang tua
berwarna kekuning kuningan
1.
Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK) G5 Batang pohon mengering1.
Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK)2.
Penyakit Jamur Akar PutihG6 Pada daun muda
yang berwarna merah terdapat bagian melepuh
1.
Penyakit Cacar Daun Cengkeh G7 Pada bercak melepuh terdapat titik hitam1.
Penyakit Cacar Daun Cengkeh G8 Daun bercak cacar terdapat di bagian bawah dan semakin ke atas semakin sedikit1.
Penyakit Cacar Daun Cengkeh G9 Daun cengkeh layu tiba-tiba, mengering, dan rontok1.
Penyakit Cacar Daun Cengkeh2.
Penyakit Jamur Akar Putih G10 Benang Miselium jamur menempel pada akar tanaman1.
Penyakit Jamur Akar PutihG11 Akar membusuk
1.
Penyakit Jamur Akar Putih4. PENGUJIAN DAN ANALISIS
Pengujian ini dilakukan dengan menguji tingkat keakuratan atau kesesuaian dari data
testing yang didapatkan oleh pakar dengan hasil output dari sistem. Data testing yang didapatkan sebanyak 30, keseluruhan data latih didapatkan dari pakar dan setelah ditelaah terdapat 1 data uji yang sama dengan data latih. Kemudian akan dilakukan percobaan dengan masukan sesuai data uji.
Dari percobaan yang telah dilakukan sebanyak 30 data uji didapatkan hasil keluaran sistem yang sesuai sebanyak 28 dimana ketidak sesuaian keluaran dari sistem dengan hasil uji dari pakar terdapat pada data uji kelima dan kesembilan dimana menurut pakar untuk masukan hanya gejala lima seharusnya keluaran dari sistem adalah jamur akar tetapi keluaran sistem justru menghasilkan penyakit bakteri pembuluh kayu cengkeh sedangkan untuk masukan gejala sembilan saja seharusnya keluaran dari sistem adalah cacar daun tetapi keluaran sistem justru menghasilkan penyakit jamur akar. Sehingga didapatkan nilai akurasi:
𝑎𝑘𝑢𝑟𝑎𝑠𝑖 =28 30 𝑥 100 Maka akurasi = 93%
5. KESIMPULAN
Berdasarkan hasil pengujian dan analisis hasil penelitian ini, maka dapat diambil beberapa kesimpulan sebagai berikut :
1. Sistem pakar diagnosis penyakit pada tanaman cengkeh berhasil diimplentasi dalam bentuk perangkat lunak dengan fungsi melakukan diagnosis penyakit pada tanaman cengkeh. Selain itu terdapat pula menu berupa informasi daftar penyakit pada tanaman cengkeh beserta gejala—gejala nya.
2. Metode naive bayes baik digunakan untuk diagnosis penyakit pada tanaman cengkeh karena menghasilkan tingkat akurasi sebesar 93%.
6. DAFTAR PUSTAKA
Arhami, Muhammad, Konsep Dasar Sistem Pakar, Yogyakarta.2005.
A Syarifudin, Nurul H, Lutfi F. Sistem pakar diagnosis penyakit tanaman jagung menggunakan metode naïve bayes berbasis android, Universitas Brawijaya, Malang.
Pengujian Perangkat Lunak.2009
Eko S.2014.Usability Testing untuk mengukur penguunaan website inspektorat Kota Palembang, Universitas Bina Darma, Palembang.2014
Fatma, Fery Rukmana. 2014. Permodelan Sistem Pakar Diagnosa Penyakit HIV
Menggunakan Metode Naive