SISTEM PAKAR FUZZY UNTUK DIAGNOSIS PENYAKIT PADA
TANAMAN CABAI MERAH
MUHAMMAD MULYAWANTO
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM INSTITUT PERTANIAN BOGOR
BOGOR
2011
SISTEM PAKAR FUZZY UNTUK DIAGNOSIS PENYAKIT PADA
TANAMAN CABAI MERAH
MUHAMMAD MULYAWANTO
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM INSTITUT PERTANIAN BOGOR
BOGOR
2011
ABSTRACT
MUHAMMAD MULYAWANTO. Fuzzy Expert System For Diagnosing Chili Plants Disease. Under the direction of MARIMIN and AZIZ KUSTIYO.
Chili plant is one plant that has high economic value for farmers in Indonesia. The risk of plants that have high economic value was also high. Production of the national average chili plants is still not maximized. One reason is the number of pests and pathogens that can attack chili plants and cause plants can not grow optimally.
This study developed an expert system that uses the concept of Fuzzy Inference System with Mamdani method to diagnose disease in chili plants. This system can provide early diagnosis of diseases affecting the chili plant from the symptoms caused without having to ask directly to the specialist or expert.
The parameters used as input parameters consist of fuzzy and non-fuzzy parameters. Fuzzy parameters such as leaf color, the color or pattern of leaf spot, leaf spot diameter, number of leaf spot, stem color, pH, and moisture. The non-fuzzy parameters used are the location of plant, leaf condition, position of leaf spot, stem rottenness, spots on the stems, bumps on the stem, blackish brown ring at the base of the stem, and dead shoots.
The results showed that the Fuzzy Inference System can be used as a way to cope uncertainty for the case of chili plant disease diagnosis.
Keyword : chili, disease, expert system, Fuzzy Inference System.
Judul : Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai Merah Nama : Muhammad Mulyawanto
NRP : G64061611
Menyetujui:
Pembimbing I, Pembimbing II,
Prof. Dr. Ir. Marimin, M.Sc Aziz Kustiyo, S.Si. M.Kom NIP. 19610905 198609 1 001 NIP. 19700719 199802 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer,
Dr. Ir. Sri Nurdiati, M.Sc. NIP 19601126 198601 2 001
PRAKATA
Puji serta syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan nikmat yang telah diberikan, sehingga tugas akhir dengan judul Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai Merah ini dapat diselesaikan. Penelitian ini dilakukan dari bulan Februari 2010 sampai Oktober 2010.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam menyusun tugas akhir ini, antara lain :
1. Kedua orang tua tercinta, Bapak Sarkosih dan Ibu Kaswaningsih atas doa, dorongan semangat, dan kasih sayang yang selalu diberikan.
2. Bapak Prof. Dr. Ir. Marimin, M.Sc dan Bapak Aziz Kustiyo, S.Si. M.Kom selaku pembimbing yang telah memberikan ilmu, waktu, bimbingan dan nasihat selama mengerjakan tugas akhir ini. 3. Ibu Prof. Dr. Ir. Sriani Sujiprihati, M.S dan Bapak Dr. Ir. Widodo, M.S selaku pakar yang telah
memberikan ilmu, waktu dan bimbingan dalam menyusun tugas akhir ini.
4. Bapak Toto Haryanto, S.Kom selaku penguji atas segala waktu, masukan dan koreksi yang telah diberikan.
5. Tris Ramadhan, Aditia WA, Rendi Rivaldy, Yoga Adi P dan Any Septiani M atas kebersamaan dan dorongan semangat yang telah diberikan.
6. Rekan – rekan ilkom 43 yang telah membantu penulis untuk menyelesaikan tugas akhir ini. 7. Departemen Ilmu Komputer, dosen dan staf yang telah banyak membantu selama masa
perkuliahan dan menyelesaikan tugas akhir ini.
Penulis menyadari masih banyak kekurangan dalam laporan skripsi yang telah disusun ini. Namun, penulis berharap dengan segala kekurangan yang ada semoga tulisan ini bisa memberikan manfaat kelak di kemudian hari. Amin.
Bogor, Desember 2010
RIWAYAT HIDUP
Muhammad Mulyawanto dilahirkan di kota Jakarta, pada tanggal 19 November 1987 dari pasangan Ibu Kaswaningsih dan Bapak Sarkosih. Pada tahun 2006 penulis lulus dari Sekolah Menengah Atas (SMA) Negeri 44 Jakarta dan diterima di Institut Pertanian Bogor melalui jalur Seleksi Masuk Penerimaan Mahasiswa (SPMB). Setelah penulis menyelesaikan masa perkuliahan Tingkat Persiapan Bersama (TPB), penulis diterima sebagai mahasiswa Departemen Ilmu Komputer IPB.
Tahun 2007 penulis aktif dalam organisasi Himpunan Mahasiswa Ilmu Komputer (Himalkom) FMIPA IPB sebagai staf Divisi Kestari. Selama aktif sebagai anggota Himalkom penulis juga aktif sebagai panitia dalam berbagai kegiatan yang diselenggarakan Himalkom.
Tahun 2009 penulis melaksanakan Praktik Kerja Lapang di PT Eramuslim Globa Media dan berhasil membantu mengembangkan website Eramuslim Muda.
iv DAFTAR ISI Halaman DAFTAR TABEL ... v DAFTAR GAMBAR ... v DAFTAR LAMPIRAN ... v PENDAHULUAN Latar Belakang ... 1 Tujuan Penelitian ... 1 Ruang Lingkup ... 1 Manfaat Penelitian ... 1 TINJAUAN PUSTAKA Sistem Pakar ... 1
Fasilitas Akuisisi Pengetahuan ... 2
Basis Pengetahuan ... 2
Mesin Inferensi ... 2
Fasilitas Penjelasan ... 2
Interaksi Manusia-Mesin (User Interface) ... 2
Sistem Fuzzy ... 2
Fungsi Keanggotaan ... 3
Fuzzy Inference System (FIS) ... 3
Metode Mamdani ... 3
Defuzzifikasi Centroid... 3
Tanaman Cabai ... 3
Fase Pertumbuhan Tanaman Cabai ... 4
Patogen ... 4
Penyakit Tanaman Cabai ... 4
METODE PENELITIAN Identifikasi Masalah dan Mencari Sumber Pengetahuan ... 5
Akuisisi Pengetahuan ... 5
Representasi Pengetahuan ... 6
Pengembangan Mesin Inferensi ... 7
Tahap Implementasi dan Pengujian ... 7
HASIL DAN PEMBAHASAN Desain Sistem ... 7
Implementasi Dan Pengujian ... 11
Operasionalisasi Sistem ... 12
Kompleksitas Sistem ... 12
Keterbatasan Sistem ... 12
KESIMPULAN DAN SARAN Kesimpulan ... 12
Saran ... 13
DAFTAR PUSTAKA ... 13
v
DAFTAR TABEL
Halaman
1 Deskripsi parameter input fuzzy kelompok 1 ... 6
2 Deskripsi parameter input fuzzy kelompok 2 ... 6
3 Deskripsi parameter input non-fuzzy kelompok 1... 6
4 Deskripsi parameter input non-fuzzy kelompok 2... 6
DAFTAR GAMBAR Halaman 1 Tahapan akuisisi pengetahuan ... 2
2 Kurva segitiga... 3
3 Kurva Gaussian ... 3
4 Tahap pembentukan sistem pakar ... 5
5 Proses diagnosis penyakit tanaman cabai ... 6
6 Fuzzifikasi warna daun ... 7
7 Fuzzifikasi warna atau pola bercak ... 7
8 Fuzzifikasi diameter bercak ... 8
9 Fuzzifikasi jumlah bercak... 8
10 Fuzzifikasi warna batang ... 8
11 Kategori output kelompok 1 ... 9
12 Fuzzifikasi warna daun ... 9
13 Fuzzifikasi warna batang ... 9
14 Fuzzifikasi kadar pH ... 9
15 Fuzzifikasi kelembaban ... 10
16 Kategori output kelompok 2 ... 10
17 Proses deteksi awal ... 11
18 Proses deteksi lebih lanjut ... 11
DAFTAR LAMPIRAN Halaman 1 Aturan yang terdapat di setiap sistem inferensi ... 15
2 Decision Tree parameter non-fuzzy ... 37
3 Aturan parameter non-fuzzy tiap jenis penyakit ... 41
4 Tampilan awal sistem pakar ... 43
5 Tampilan saat mengisi parameter masukan kelompok penyakit dengan gejala terdapat bercak pada daun ... 43
6 Tampilan saat mengisi parameter masukan kelompok penyakit dengan gejala tidak terdapat bercak pada daun ... 44
7 Hasil diagnosis sementara ... 44
8 Hasil diagnosis akhir ... 45
1
PENDAHULUAN Latar Belakang
Tanaman cabai merupakan salah satu komoditas sayuran penting dan bernilai ekonomi tinggi di Indonesia (Syukur et al. 2010). Luas area lahan cabai menurut data terakhir sekitar 165.000 hektar dan merupakan suatu usaha budidaya yang terluas dibandingkan komoditas sayuran lainnya (Duriat et al. 2007). Namun, produksi rata-rata nasional tanaman cabai baru mencapai 5.89 ton/hektar (BPS 2010), masih jauh di bawah potensi hasilnya yang berkisar antara 12 sampai 20 ton/hektar (Duriat et al. 2007). Penyebab utama masih rendahnya jumlah produksi tanaman cabai adalah seringnya tanaman cabai terserang hama dan penyakit yang menyebabkan pertumbuhan tanaman menjadi tidak optimal.
Banyaknya jenis penyakit yang dapat menyerang tanaman cabai serta sulitnya proses deteksi karena adanya kemiripan gejala yang ditimbulkan membuat para petani cabai tidak bisa menentukan metode pencegahan dan pengendalian yang tepat untuk mengatasi penyakit tersebut. Tiap jenis penyakit memiliki metode pencegahan dan pengendalian yang berbeda (Duriat et al. 2007). Jika salah dalam menerapkan metode pencegahan dan pengendalian untuk menangani suatu penyakit, maka penyakit tidak bisa diatasi secara tepat sehingga tanaman akan tetap terjangkit penyakit tersebut. Kemungkinan terburuk adalah tanaman akan mengalami kematian dan petani mengalami gagal panen. Oleh karena itu, dibutuhkan kemampuan seorang ahli yang bisa membantu dalam mendeteksi penyakit pada tanaman cabai sedini mungkin agar dapat segera dilakukan proses pengendaliannya untuk menghindari gagal panen.
Sistem pakar merupakan salah satu pemecahan yang potensial untuk mengatasi masalah diagnosis penyakit pada tanaman cabai. Adanya sistem pakar dapat mempermudah kerja atau bahkan mengganti tenaga ahli, menggabungkan ilmu dan pengalaman dari beberapa tenaga ahli, dan menyediakan keahlian yang diperlukan suatu proyek yang tidak memiliki tenaga ahli (Marimin 2009).
Penelitian dengan topik ini telah dilakukan sebelumnya oleh Faihah (1999) menggunakan metode forward chaining untuk mendeteksi penyakit pada tanaman cabai yang disebabkan oleh hama dan patogen. Selanjutnya penelitian tersebut dikembangkan oleh Suryadi (2002) dalam basis web dan multimedia melalui
penambahan grafik, audio dan video. Adnan (2003) kembali melakukan penelitian dengan topik ini dan masih menggunakan metode
forward chaining untuk menghasilkan kesimpulan akhir dengan basis desktop.
Penelitian kali ini akan merancang sebuah sistem pakar yang mampu mendeteksi jenis penyakit dengan gejala awal yang cenderung sulit dibedakan dengan penyakit tanaman cabai lainnya dalam lingkungan fuzzy atau tidak pasti. Selain itu, sistem juga akan memberikan informasi mengenai cara pencegahan dan pengendalian yang tepat terhadap penyakit yang menyerang tanaman cabai.
Tujuan Penelitian
Penelitian ini memiliki 2 tujuan utama, yaitu:
1. Merumuskan fakta dan basis pengetahuan diagnosis penyakit pada tanaman cabai. 2. Mengembangkan dan melakukan
implementasi Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai.
Ruang Lingkup
Hingga kini telah ditemui berbagai jenis tanaman cabai. Namun, yang paling banyak dibudidayakan oleh para petani hanya beberapa jenis saja, antara lain cabai rawit, cabai merah, paprika, dan cabai hias. Penyakit dapat menyerang tanaman cabai di setiap fase pertumbuhannya, mulai dari biji, persemaian, hingga tahap pertumbuhan vegetatif-generatif. Penyebab penyakit pada tanaman cabai juga bermacam-macam, mulai dari bakteri, cendawan, nematoda, dan virus (Duriat et al. 2007).
Penelitian ini akan merancang sistem pakar untuk mendeteksi penyakit tanaman cabai merah yang menyerang pada tahap pertumbuhan vegetatif-generatif dan disebabkan oleh cendawan.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah untuk mendeteksi penyakit pada tanaman cabai sedini mungkin agar dapat segera dilakukan proses pencegahan dan pengendalian penyakit yang tepat untuk menghindari terjadinya gagal panen.
TINJAUAN PUSTAKA Sistem Pakar
Sistem pakar merupakan salah satu cabang dari Artificial Intelegency yang membuat penggunaan knowledge yang khusus secara luas
2 untuk penyelesaian masalah tingkat manusia
yang pakar (Arhami 2005). Sistem pakar berbeda dengan program konvensional yang hanya dapat dipahami oleh pembuat program. Sistem pakar bersifat interaktif dan mampu menjelaskan pertanyaan pengguna.
Pengguna menyampaikan fakta atau informasi untuk sistem pakar kemudian menerima saran dari pakar atau jawaban ahlinya. Bagian dalam sistem pakar terdiri dari 2 komponen utama, yaitu knowledge base yang berisi pengetahuan dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan tanggapan dari sistem pakar atas permintaan pengguna.
Fasilitas Akuisisi Pengetahuan
Fasilitas akuisisi pengetahuan merupakan alat untuk mendapatkan pengetahuan, fakta, aturan dan model yang diperlukan oleh sistem pakar dari berbagai sumber (Marimin 2009). Pengetahuan tersebut didapat dari para pakar, beberapa buku, jurnal, data dasar dan media lain yang relevan dengan ruang lingkup sistem pakar yang akan dikembangkan.
Pada Gambar 1 ditunjukkan proses akuisisi pengetahuan yang terdiri atas tahap komunikasi (mendapatkan pengetahuan dari ahli), formulasi atau implementasi parsial (merancang mode pengetahuan) dan validasi (keabsahan data sistem dan interpretasi pengetahuan).
Gambar 1 Tahapan akuisisi pengetahuan (Marimin 2009).
Basis Pengetahuan
Basis pengetahuan merupakan bagian yang memuat objek-objek pengetahuan serta hubungan yang dimiliki antar objek-objek dalam sistem pakar (Marimin 2009). Basis pengetahuan tersebut merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan oleh mekanisme inferensi untuk mengambil keputusan.
Basis pengetahuan terdiri atas basis pengetahuan statik dan basis pengetahuan dinamik. Basis pengetahuan statik atau deklaratif memuat informasi tentang objek, peristiwa atau situasi. Basis pengetahuan dinamik atau prosedural menyatakan informasi tentang cara pembangkitan fakta baru atau hipotesis dari fakta yang sudah diketahui.
Mesin Inferensi
Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan mengarahkan pengetahuan dari basis pengetahuan, sehingga tercapai kesimpulan (Marimin 2009). Tugas utama dari mesin inferensi adalah menguji fakta dan kaidah serta menambah fakta baru jika memungkinkan serta memutuskan perintah sesuai dengan hasil penalaran yang telah dilaksanakan.
Fasilitas Penjelasan
Fasilitas penjelasan merupakan bagian yang menerangkan penalaran, aksi ataupun rekomendasi yang dilakukan oleh sistem pakar (Marimin 2009). Seorang pakar sering memberikan keterangan mengenai pandangan, rekomendasi atau keputusan mereka. Penjelasan di dalam sistem pakar biasanya berhubungan dengan beberapa bentuk penelusuran aturan (rule) yang dilakukan selama pemecahan permasalahan berlangsung, baik berupa diagnosis, perlakuan dan komplikasi.
Interaksi Manusia-Mesin (User Interface)
User interface merupakan mekanisme yang
digunakan oleh pengguna dan sistem pakar untuk berkomunikasi (Arhami 2005). Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang dapat di mengerti oleh pengguna.
Sistem Fuzzy
Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini memunyai kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak pasti, dan tidak tepat (Marimin 2009). Sistem ini menduga suatu fungsi dengan logika fuzzy. Dalam logika fuzzy terdapat beberapa proses, yaitu menerima input untuk proses fuzzifikasi, penerapan aturan if-then, proses inferensi fuzzy dan defuzzifikasi untuk menghasilkan nilai
3
Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik masukan data ke dalam nilai keanggotaannya (Kusumadewi 2002). Pada sistem fuzzy, terdapat beberapa fungsi keanggotaan yang dapat digunakan untuk pemberian nilai keanggotaan pada suatu elemen dalam himpunan fuzzy. Beberapa fungsi keanggotaan yang umum digunakan adalah kurva segitiga dan kurva Gaussian.
1. Kurva Segitiga
Representasi kurva segitiga merupakan gabungan dari dua garis linear seperti terlihat pada Gambar 2.
Gambar 2 Kurva segitiga.
Fungsi keanggotaan untuk kurva segitiga adalah sebagai berikut :
0; x ≤ a atau x ≥ c
µ(x) = (x-a)/(b-a); a ≤ x ≤ b 1; x = b (c-x)/(c-a); b ≤ x ≤ c Nilai a menyatakan batas bawah dari range nilai, b menyatakan nilai puncak pada kurva segitiga sekaligus titik tengah dari a dan c, sedangkan c menyatakan nilai batas atas dari
range nilai. Variabel x menyatakan elemen
yang akan dicari nilai keanggotaannya. 2. Kurva Gaussian
Kurva Gaussian merupakan kurva bentuk lonceng dengan dua parameter, yaitu a (nilai rataan) dan b (standar deviasi). Representasi kurva Gaussian dapat dilihat pada Gambar 3.
Gambar 3 Kurva Gaussian.
Fungsi keanggotaan untuk kurva Gaussian adalah sebagai berikut:
µ [x] = e
Fuzzy Inference System (FIS)
Inferensi merupakan proses penarikan suatu kesimpulan berdasarkan data dan aturan tertentu (Siler & Buckley 2005). Fuzzy Inference System memiliki 3 komponen penting, yaitu basis pengetahuan (aturan fuzzy), database (fungsi keanggotaan), dan mekanisme pengambilan kesimpulan.
Metode Mamdani
Metode Mamdani merupakan metode yang sering digunakan dalam pengembangan model
fuzzy. Model Mamdani mendefinisikan aturan fuzzy sebagai:
IF x1 is A1 AND …AND xn is An THEN y is B
A1,…,An, dan B adalah nilai linguistik (fuzzy
set) dan x1 is A1 menyatakan bahwa nilai x1
adalah anggota fuzzy set A1 (Sivarao et al.
2009a).
Untuk mendapatkan output diperlukan 4 tahapan, yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi (aturan), komposisi aturan, dan penegasan (defuzzifikasi).
Defuzzifikasi Centroid
Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp) (Marimin 2009). Metode
Centroid menghitung nilai tunggal dari variabel output dengan menemukan nilai variabel dari center of gravity suatu fungsi keanggotaan
untuk nilai fuzzy.
Rumus umum untuk metode defuzzifikasi
centroid adalah sebagai berikut :
atau
∑ ∑
Untuk mendapatkan nilai defuzzifikasi (Z) dibutuhkan nilai domain (z) dan derajat keanggotaan (µ).
Tanaman Cabai
Tanaman cabai termasuk suku terung-terungan (Solanaceae), berbentuk perdu, dan tergolong tanaman semusim (Tjahjadi 1991). Tinggi tanaman antara 50 sampai 120 cm. Tanaman ini mempunyai banyak cabang, dan dari setiap cabang akan tumbuh bunga atau a
4 buah. Semakin banyak cabang yang terbentuk
berarti akan semakin banyak buahnya.
Fase Pertumbuhan Tanaman Cabai
Menurut Duriat et al. (2007) tanaman cabai memiliki 3 fase pertumbuhan, antara lain: 1. Fase Bibit.
Fase bibit merupakan fase saat tanaman cabai masih dalam bentuk bibit atau benih. 2. Fase Persemaian.
Pada fase ini benih cabai mulai disemaikan di kantung plastik atau di tempat persemaian (seed bed).
3. Fase Pertumbuhan Vegetatif-Generatif. Petumbuhan vegetatif merupakan perkembangan bagian vegetatif tanaman, antara lain akar, batang dan daun. Pertumbuhan generatif merupakan perkembangan bagian generatif tanaman, seperti bunga, buah dan biji. Tanaman cabai mengalami fase vegetatif dan generatif yang hampir bersamaan.
Patogen
Kata patogen berarti sesuatu yang menyebabkan tanaman menderita (Duriat et al. 2007). Oleh karena itu, patogen atau penyebab tersebut tidak selalu berupa makhluk hidup (animate pathogen), tetapi juga sesuatu yang tidak hidup (inanimate pathogen) seperti virus, hara, air atau penyebab lainnya. Patogen penyebab penyakit dibagi dalam 3 kelompok, antara lain:
1. Patogen yang hidup
Patogen ini merupakan makhluk hidup, dapat berpindah, menular dan berkembang biak. Bakteri, cendawan dan nematoda termasuk pada kelompok patogen yang hidup.
2. Patogen virus
Kelompok virus terletak antara patogen yang hidup dan patogen yang mati. Di luar jaringan tanaman, virus hanya benda protein yang mati, tetapi saat masuk ke dalam jaringan tanaman, virus menjadi aktif, memperbanyak diri dan dapat menular. 3. Patogen yang mati
Panyakit-penyakit fisiologi yang disebabkan oleh kahat atau kelebihan hara, sinar, kelembaban, pupuk atau kondisi lingkungan lainnya termasuk ke dalam kelompok ini. Patogen dari kelompok ini tidak bisa menyebar atau berpindah pada tanaman lain.
Penyakit Tanaman Cabai
Tanaman cabai dapat terserang penyakit di setiap fase pertumbuhannya, mulai dari bibit, persemaian, sampai fase pertumbuhan vegetatif-generatif cabai (Duriat et al. 2007). Penyakit yang menyerang tanaman cabai pada masa pertumbuhan vegetatif-generatif dan disebabkan oleh cendawan, antara lain:
1. Antraknosa
Penyakit ini disebabkan oleh cendawan
Colletotrichum spp. yang dapat menyerang
hampir seluruh bagian tanaman cabai. Gejalanya adalah bagian yang terserang menjadi busuk kering dan berwarna cokelat kehitaman.
2. Bercak Daun Serkospora
Penyakit yang disebabkan oleh cendawan
Cercospora capsici dengan gejala timbulnya
bercak pada daun. Infeksi lebih lanjut penyakit ini dapat menyebabkan daun tanaman menguning sebelum waktunya. 3. Busuk Daun Fitoftora
Penyakit disebabkan oleh cendawan
Phytophthora capsici yang mengakibatkan
daun tanaman cabai menjadi layu serentak disertai bercak. Batang menjadi busuk basah berwarna hijau dan menjadi cokelat ketika kering.
4. Layu Fusarium
Penyakit disebabkan oleh cendawan
Fusarium oxysporum yang juga mengakibatkan daun tanaman cabai menjadi layu dan berwarna kuning.
5. Busuk Daun Choanephora
Penyakit ini disebabkan oleh cendawan
Choanephora cucurbitarum yang mengakibatkan daun menjadi busuk dan berwarna cokelat kehitaman.
6. Bercak Kelabu Stemfilium
Penyakit yang disebabkan oleh cendawan
Stemphylium solani dengan gejala timbulnya
bercak pada daun. Bercak akan menyebar ke bagian tanaman lainnya, seperti pada batang yang ditandai dengan bercak berbentuk elips tidak beraturan.
7. Embun Tepung
Penyakit ini disebabkan oleh cendawan
Leveillula taurica dengan gejala timbulnya
bercak di atas dan di bawah permukaan daun. Penyakit akan menjalar dari daun tua ke daun muda dan seluruh daun menjadi gejala yang mencolok.
METODE PENELITIAN
Metode yang digunakan untuk merancang sistem pakar diagnosis penyakit tanaman cabai terdiri dari beberapa tahap yang secara lengkap disajikan pada Gambar 4.
Gambar 4 Tahap pembentukan sistem pakar (Marimin 2009).
Identifikasi Masalah dan Mencari Sumber Pengetahuan
Tahap indentifikasi permasalahan meliputi tahap pemilihan masalah, identifikasi tujuan, dan sumber pengetahuan.
Masalah yang sering dialami oleh petani cabai adalah rawannya tanaman cabai terjangkit berbagai jenis penyakit yang dapat menyebabkan rendahnya jumlah
dihasilkan. Banyaknya jenis penyakit yang dapat menyerang tanaman cabai dan memiliki kemiripan dalam gejala yang ditimbulkan, serta sulitnya proses deteksi dapat berdampak pada kegagalan panen jika tidak segera dicegah dan ditanggulangi sedini mungkin. Untuk itu, dibuat sebuah sistem pakar yang dapat mendeteksi
METODE PENELITIAN
Metode yang digunakan untuk merancang sistem pakar diagnosis penyakit tanaman cabai terdiri dari beberapa tahap yang secara lengkap
Tahap pembentukan sistem pakar (Marimin 2009).
Identifikasi Masalah dan Mencari Sumber
indentifikasi permasalahan meliputi tahap pemilihan masalah, identifikasi tujuan,
Masalah yang sering dialami oleh petani cabai adalah rawannya tanaman cabai terjangkit berbagai jenis penyakit yang dapat menyebabkan rendahnya jumlah produksi yang dihasilkan. Banyaknya jenis penyakit yang dapat menyerang tanaman cabai dan memiliki kemiripan dalam gejala yang ditimbulkan, serta sulitnya proses deteksi dapat berdampak pada kegagalan panen jika tidak segera dicegah dan ni mungkin. Untuk itu, dibuat sebuah sistem pakar yang dapat mendeteksi
jenis penyakit yang terdapat pada tanaman cabai agar dapat segera dilakukan proses pencegahan dan pengendalian terhadap penyakit tersebut secara cepat dan tepat.
Sumber pengetahuan dip
dari pakar yang berasal dari Departemen Agronomi dan Hortikultura (AG
Departemen Proteksi Tanaman
Pertanian Bogor. Selain dari pakar, pengetahuan juga berasal dari beberapa pustaka yang mendukung penelitian.
Akuisisi Pengetahuan
Fasilitas akuisisi pengetahuan merupakan alat untuk mendapatkan pengetahuan, fakta, dan aturan yang dibutuhkan oleh sistem pakar. Pengetahuan tersebut diperoleh dengan wawancara langsung kepada pakar dan dari beberapa pustaka yang mendukung pen tentang jenis-jenis penyakit yang dapat menyerang tanaman cabai, mulai dari faktor pembawa, gejala yang ditimbulkan, serta metode pencegahan dan pengendaliannya.
Berdasarkan proses akuisisi yang telah dilakukan didapat 7 jenis penyakit tanaman cabai yang akan dideteksi oleh sistem pakar ini. Penyakit tersebut kemudian dikelompokkan ke dalam 2 kelompok berdasarkan ge
dimiliki oleh tiap penyakit . Kelompok 1 adalah kelompok penyakit yang memiliki gejala terdapat bercak pada daun, antara lain
1. Bercak Daun Serkospora 2. Busuk Daun Fitoftora 3. Bercak Kelabu Stemfilium 4. Embun Tepung
Kelompok 2 adalah kelompok penyakit yang memiliki gejala tidak terdapat bercak pada daun, antara lain :
1. Antraknosa 2. Layu Fusarium
3. Busuk Daun Choanephora
Setiap kelompok memiliki parameter sistem inferensi fuzzy, serta rule
dan terpisah satu sama lain. Proses diagnosis penyakit tanaman cabai dapat dilihat pada Gambar 5.
5 jenis penyakit yang terdapat pada tanaman cabai agar dapat segera dilakukan proses pencegahan dan pengendalian terhadap penyakit tersebut
Sumber pengetahuan diperoleh langsung dari pakar yang berasal dari Departemen Agronomi dan Hortikultura (AGH) dan Departemen Proteksi Tanaman Institut Pertanian Bogor. Selain dari pakar, pengetahuan juga berasal dari beberapa pustaka yang
Fasilitas akuisisi pengetahuan merupakan alat untuk mendapatkan pengetahuan, fakta, dan aturan yang dibutuhkan oleh sistem pakar. Pengetahuan tersebut diperoleh dengan wawancara langsung kepada pakar dan dari beberapa pustaka yang mendukung penelitian jenis penyakit yang dapat menyerang tanaman cabai, mulai dari faktor pembawa, gejala yang ditimbulkan, serta metode pencegahan dan pengendaliannya.
Berdasarkan proses akuisisi yang telah dilakukan didapat 7 jenis penyakit tanaman i yang akan dideteksi oleh sistem pakar ini. Penyakit tersebut kemudian dikelompokkan ke dalam 2 kelompok berdasarkan gejala yang . Kelompok 1 adalah kelompok penyakit yang memiliki gejala terdapat bercak pada daun, antara lain :
Bercak Kelabu Stemfilium
Kelompok 2 adalah kelompok penyakit yang memiliki gejala tidak terdapat bercak pada
Busuk Daun Choanephora
liki parameter input,
rule masing-masing
dan terpisah satu sama lain. Proses diagnosis penyakit tanaman cabai dapat dilihat pada
Gambar 5 Proses diagnosis penyakit tanaman cabai.
Proses paling awal adalah
keberadaan bercak pada daun. Jika terdapat bercak maka akan masuk ke jaringan inferensi kelompok 1 dan jika tidak terdapat bercak maka akan masuk ke jaringan inferensi kelompok 2.
Jaringan inferensi kelompok 1 dibentuk dari 5 parameter input fuzzy yang dideskripsikan dalam Tabel 1.
Tabel 1 Deskripsi parameter kelompok 1 No Parameter 1 Warna daun 2 Warna / pola bercak 3 Diameter bercak 4 Jumlah bercak 5 Warna batang
Untuk jaringan inferensi kelompok 2 dibentuk dari 4 parameter input fuzzy yang dideskripsikan dalam Tabel 2.
Proses diagnosis penyakit tanaman
Proses paling awal adalah mengidentifikasi keberadaan bercak pada daun. Jika terdapat bercak maka akan masuk ke jaringan inferensi kelompok 1 dan jika tidak terdapat bercak maka akan masuk ke jaringan inferensi kelompok 2.
Jaringan inferensi kelompok 1 dibentuk dari yang dideskripsikan
Deskripsi parameter input fuzzy
Satuan Warna Warna Milimeter (mm) Bercak Warna
Untuk jaringan inferensi kelompok 2 dibentuk yang dideskripsikan
Tabel 2 Deskripsi parameter kelompok 2 No Parameter 1 Warna daun 2 Warna batang 3 Kadar pH 4 Kelembaban
Jaringan inferensi tersebut dibentuk untuk menghasilkan suatu hasil berupa diagnosis penyakit sementara. Selanjutnya proses diteruskan dengan mengisikan data parameter
input non-fuzzy yang berkaitan dengan hasil
diagnosis sementara.
Parameter input non-fuzzy
dideskripsikan dalam Tabel 3, sedangkan untuk kelompok 2 dideskripsikan dalam Tabel 4. Tabel 3 Deskripsi parameter
kelompok 1 No Parameter 1 Lokasi tanaman 2 Daun tampak layu 3 Posisi bercak daun 4 Bercak pada batang 5 Kebusukan batang Tabel 4 Deskripsi parameter
kelompok 2 No Parameter
1 Terjadi mati pucuk 2 Daun tampak layu 3 Benjolan pada batang 4 Kebusukan batang
5 Terdapat cincin cokelat kehitaman di pangkal batang
Setelah data parameter input
data tersebut akan diproses untuk menghasilkan diagnosis penyakit akhir.
Representasi Pengetahuan
Setelah memperoleh pengetahuan dari berbagai sumber, selanjutnya dipilih teknik representasi yang digunakan untuk mengembangkan sistem pakar. Pengembangan sistem pakar ini menggunakan kaidah produksi untuk menyajikan representasi pengetahuan prosedural. Bentuk kaidah produksi yang digunakan adalah bentuk
merupakan premis yang menunjukkan suatu kondisi yang akan dinilai dan “
konklusi yang menunjukkan aksi yang dapat diambil apabila kondisi terpenuhi. Untuk menghubungkan antar premis menggunakan operator “and”. Aturan fuzzy
kecerdasan manusia dalam memutuskan pilihan
6 Deskripsi parameter input fuzzy
Satuan Warna Warna -
Persen (%) Jaringan inferensi tersebut dibentuk untuk menghasilkan suatu hasil berupa diagnosis penyakit sementara. Selanjutnya proses diteruskan dengan mengisikan data parameter yang berkaitan dengan hasil
fuzzy untuk kelompok 1
dideskripsikan dalam Tabel 3, sedangkan untuk kelompok 2 dideskripsikan dalam Tabel 4.
Deskripsi parameter input non-fuzzy
Deskripsi parameter input non-fuzzy
Benjolan pada batang
Terdapat cincin cokelat kehitaman di
input non-fuzzy terisi,
data tersebut akan diproses untuk menghasilkan
Setelah memperoleh pengetahuan dari berbagai sumber, selanjutnya dipilih teknik representasi yang digunakan untuk mengembangkan sistem pakar. Pengembangan sistem pakar ini menggunakan kaidah produksi untuk menyajikan representasi pengetahuan ntuk kaidah produksi yang digunakan adalah bentuk if – then. “If” merupakan premis yang menunjukkan suatu kondisi yang akan dinilai dan “then” merupakan konklusi yang menunjukkan aksi yang dapat diambil apabila kondisi terpenuhi. Untuk premis menggunakan
fuzzy ini bekerja seperti
7 yang optimal untuk mengatasi suatu masalah
tertentu (Askerzade & Mahmood 2010). Jumlah total rule parameter fuzzy untuk kelompok penyakit dengan gejala terdapat bercak pada daun adalah 486 rule. Untuk kelompok penyakit dengan gejala tidak terdapat bercak pada daun memiliki 108 rule. Salah satu contoh rule yang berlaku dalam sistem inferensi kelompok 1 adalah sebagai berikut :
IF (Warna Daun = Hijau) AND (Warna Bercak = Kekuningan) AND (Diameter Bercak = Kecil) AND (Jumlah Bercak = Sedikit) AND (Warna Batang = Hijau) THEN (Penyakit = Sangat Mendukung Embun Tepung).
Salah satu contoh rule yang berlaku dalam sistem inferensi kelompok 2 adalah sebagai berikut :
IF (Warna Daun = Hijau) AND (Warna Batang = Hijau) AND (Kadar pH = Rendah) AND (Kelembaban = Rendah) THEN (Penyakit = Mendukung Layu Fusarium).
Rule lengkap untuk tiap sistem inferensi dapat
dilihat di Lampiran 1.
Pengembangan Mesin Inferensi
Penyusunan mesin inferensi dimulai dengan perumusan proses penalaran dan kemungkinan modifikasinya. Setelah itu dilakukan pemeriksaan kebenaran dari aturan-aturan, parameter-parameter, peubah-peubah dan proses penalaran yang diterapkan. Metode inferensi yang digunakan adalah metode Fuzzy
Inference System (FIS) Mamdani untuk data
masukan fuzzy.
Tahap Implementasi dan Pengujian
Sistem ini dikembangkan menggunakan Matlab versi 6.5.1 yang menyediakan fasilitas
fuzzy untuk proses Fuzzy Inference System dan
GUI sebagai user interface. Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan aplikasi, seperti kelengkapan, ketepatan dan konsistensi pengetahuan, kemudahan mengakses dan melakukan komunikasi.
HASIL DAN PEMBAHASAN Desain Sistem
Sistem Pakar Diagnosis Penyakit Pada Tanaman Cabai Merah dikembangkan dalam basis sistem fuzzy yang menggunakan Fuzzy
Inference System (FIS) sebagai proses untuk
pengambilan keputusan. Sistem ini memiliki 2
jaringan inferensi yang terpisah berdasarkan kelompok jenis penyakit yang akan dideteksi.
Jaringan inferensi pertama adalah jaringan yang dibangun untuk menghasilkan output jenis penyakit dari kelompok 1, yaitu penyakit yang memiliki gejala terdapat bercak pada daun. Proses fuzzifikasi sistem inferensi kelompok 1 melibatkan 5 parameter input fuzzy yang memiliki himpunan fuzzy dan domain masing-masing. Parameter input tersebut antara lain : 1. Warna Daun
Fuzzifikasi warna daun memiliki 3 himpunan fuzzy, yaitu hijau, hijau pucat, dan hijau kekuningan yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 6.
Gambar 6 Fuzzifikasi warna daun. Fungsi keanggotaan setiap himpunan fuzzy parameter warna daun adalah sebagai berikut: µ hijau (x) = . . µ hijau_pucat (x) = . . µ hijau_kekuningan (x) = . .
2. Warna atau Pola Bercak
Fuzzifikasi warna atau pola bercak memiliki 6 himpunan fuzzy, yaitu kekuningan, putih, putih pinggiran hitam, keabuan, abu-abu pinggiran cokelat dan cokelat yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 7.
Gambar 7 Fuzzifikasi warna atau pola bercak.
8 Fungsi keanggotaan setiap himpunan fuzzy
parameter warna atau pola bercak adalah sebagai berikut: µ kekuningan (x) = . . µ putih (x) = . .! µ putih_hitam (x) = .! .! µ keabuan (x) = ." .! µ keabuan_cokelat (x) = . .! µ cokelat (x) = .# . 3. Diameter Bercak
Fuzzifikasi diameter bercak memiliki 3 himpunan fuzzy, yaitu kecil, sedang dan besar yang direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 8.
Gambar 8 Fuzzifikasi diameter bercak. Fungsi keanggotaan setiap himpunan fuzzy parameter diameter bercak adalah sebagai berikut: 0; x ≥ 3.5 µkecil (x) = (3.5-x)/(3.5-2); 2 ≤ x ≤ 3.5 1; x = 2 0; x ≤ 3 atau x ≥ 5 µsedang (x) = (x-3)/(4-3); 3 ≤ x ≤ 4 1; x = 4 (5-x)/(5-4); 4 ≤ x ≤ 5 0; x ≤ 4.5 µbesar (x) = (x-4.5)/(6-4.5); 4.5 ≤ x ≤ 6 1; x = 6 4. Jumlah Bercak
Fuzzifikasi jumlah bercak memiliki 3 himpunan fuzzy, yaitu sedikit, sedang dan banyak yang direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 9.
Gambar 9 Fuzzifikasi jumlah bercak. Fungsi keanggotaan setiap himpunan fuzzy parameter jumlah bercak adalah sebagai berikut: 0; x ≥ 4 µkecil (x) = (4-x)/(4-1); 1 ≤ x ≤ 4 1; x = 1 0; x ≤ 3 atau x ≥ 7 µsedang (x) = (x-3)/(5-3); 3 ≤ x ≤ 5 1; x = 5 (7-x)/(7-5); 5 ≤ x ≤ 7 0; x ≤ 6 µbesar (x) = (x-6)/(10-6); 6 ≤ x ≤ 10 1; x = 10 5. Warna Batang
Fuzzifikasi warna batang memiliki 3 himpunan fuzzy, yaitu hijau, cokelat dan cokelat kehitaman yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 10.
Gambar 10 Fuzzifikasi warna batang. Fungsi keanggotaan setiap himpunan fuzzy parameter warna batang adalah sebagai berikut: µ hijau (x) = . . µ cokelat (x) = . . µ cokelat_hitam (x) = ." .
Lima parameter input fuzzy tersebut membentuk 486 rules pembangkit untuk menghasilkan
output jenis penyakit yang direpresentasikan
9 memiliki 2 himpunan fuzzy, yaitu mendukung
dan sangat mendukung seperti ditunjukkan dalam Gambar 11.
Gambar 11 Kategori output kelompok 1. Fungsi keanggotaan untuk setiap himpunan
fuzzy pada output jenis penyakit adalah sebagai
berikut: µ M-BDS (x) = . µ SM-BDS (x) = . . µ M-ET (x) = . . µ SM-ET (x) = .! . µ M-BDF (x) = . . µ SM-BDF (x) = . . µ M-BKS (x) = .# . µ SM-BKS (x) = .
Jaringan inferensi kedua adalah jaringan yang dibangun untuk menghasilkan output jenis penyakit dari kelompok 2, yaitu penyakit yang memiliki gejala tidak terdapat bercak pada daun seperti yang ditunjukkan dalam Gambar 15. Proses fuzzifikasi sistem inferensi kelompok 2 melibatkan 4 parameter input fuzzy yang memiliki himpunan fuzzy dan domain masing-masing. Parameter input tersebut antara lain : 1. Warna Daun
Fuzzifikasi warna daun memiliki 4 himpunan fuzzy, yaitu hijau, hijau kekuningan, cokelat dan cokelat kehitaman yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 12.
Gambar 12 Fuzzifikasi warna daun.
Fungsi keanggotaan setiap himpunan fuzzy parameter warna daun adalah sebagai berikut: µ hijau (x) = . . µ hijau_kekuningan (x) = . . µ cokelat (x) = . . µ cokelat_kehitaman (x) = ." . 2. Warna Batang
Fuzzifikasi warna batang memiliki 3 himpunan fuzzy, yaitu hijau, cokelat dan cokelat kehitaman yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 13.
Gambar 13 Fuzzifikasi warna batang. Fungsi keanggotaan setiap himpunan fuzzy parameter warna batang adalah sebagai berikut: µ hijau (x) = . . µ cokelat (x) = . . µ cokelat_hitam (x) = ." . 3. Kadar pH
Fuzzifikasi kadar pH memiliki 3 himpunan
fuzzy, yaitu rendah, sedang dan tinggi yang
direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 14.
Gambar 14 Fuzzifikasi kadar pH. Fungsi keanggotaan setiap himpunan fuzzy parameter ukuran bercak adalah sebagai berikut:
10 0; x ≥ 6 µrendah (x) = (6-x)/(6-2); 2 ≤ x ≤ 6 1; x = 2 0; x ≤ 5 atau x ≥ 9 µsedang (x) = (x-5)/(7-5); 5 ≤ x ≤ 7 1; x = 7 (9-x)/(9-7); 7 ≤ x ≤ 9 0; x ≤ 8 µtinggi (x) = (x-8)/(14-8); 8 ≤ x ≤ 14 1; x = 14 4. Kelembaban
Fuzzifikasi kelembaban memiliki 3 himpunan fuzzy, yaitu rendah, sedang dan tinggi yang direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 15.
Gambar 15 Fuzzifikasi kelembaban. Fungsi keanggotaan setiap himpunan fuzzy parameter kelembaban adalah sebagai berikut: 0; x ≥ 70 µrendah (x) = (70-x)/(70-10); 10 ≤ x ≤ 70 1; x = 10 0; x ≤ 65 atau x ≥ 85 µsedang (x) = (x-65)/(75-65); 65 ≤ x ≤ 75 1; x = 75 (85-x)/(85-75); 75 ≤ x ≤ 85 0; x ≤ 80 µtinggi (x) = (x-80)/(100-80); 80 ≤ x ≤ 100 1; x = 100 Empat parameter input fuzzy tersebut membentuk 108 rules pembangkit untuk menghasilkan output jenis penyakit yang direpresentasikan dengan kurva Gaussian. Setiap penyakit memiliki 2 himpunan fuzzy, yaitu mendukung dan sangat mendukung seperti ditunjukkan dalam Gambar 16.
Gambar 16 Kategori output kelompok 2. Fungsi keanggotaan untuk setiap himpunan
fuzzy pada output jenis penyakit adalah sebagai
berikut: µ M-ANT (x) = . µ SM-ANT (x) = . . µ M-BDC (x) = .! . µ SM-BDC (x) = . . µ M-LF (x) = ." . µ SM-LF (x) = .# .
Selain dari data perameter input, untuk memperoleh suatu keputusan dalam Fuzzy
Inference System dibutuhkan adanya suatu
aturan (rule) tertentu. Aturan (rule) yang diterapkan dalam Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai Merah direpresentasikan dalam bentuk kaidah produksi
if – then dan menghubungkan antar premisnya
dengan operator “and”.
Pada metode Mamdani, proses output merupakan proses berikutnya setelah proses penarikan kesimpulan. Proses output ini ditandai dengan dilakukannya tahap defuzzifikasi untuk menghasilkan satu nilai
crisp dari beberapa output fuzzy hasil evaluasi
aturan pada basis pengetahuan. Metode defuzzifikasi yang digunakan pada penelitian ini adalah metode centroid (composite moment). Pada metode centroid, nilai crisp yang dihasilkan merupakan nilai pusat daerah fuzzy.
Hasil defuzzifikasi dari tiap sistem inferensi merupakan hasil diagnosis penyakit sementara yang selanjutnya akan diproses menggunakan data parameter input non-fuzzy untuk menghasilkan diagnosis akhir. Parameter input non-fuzzy yang diberikan hanya parameter yang berhubungan dengan penyakit sementara seperti yang ditunjukkan dalam Decision Tree di Lampiran 2.
Misalkan output sementara yang dihasilkan adalah Sangat Mendukung Antraknosa.
11 Parameter non-fuzzy yang akan ditampilkan
untuk diisi oleh pengguna adalah terjadi mati pucuk, benjolan pada batang dan kondisi batang. Salah satu rule yang berlaku adalah sebagai berikut :
IF (terjadi mati pucuk = Ya) AND (benjolan pada batang = Ya) AND (kondisi batang = busuk kering) THEN (penyakit = sangat mendukung antraknosa).
Rule lengkap yang berlaku di setiap penyakit
dapat dilihat di Lampiran 3.
Implementasi Dan Pengujian
Sistem ini dikembangkan menggunakan Matlab versi 6.5.1 yang menyediakan fasilitas
fuzzy untuk proses Fuzzy Inference System dan
GUI sebagai user interface. Tampilan awal dari sistem ini dapat dilihat di Lampiran 4. Pada tampilan ini pengguna disediakan 3 menu utama, yaitu menu Deteksi, Tentang Program dan Keluar. Untuk memulai proses deteksi pengguna harus memilih menu Deteksi.
Tahap paling awal yang dilakukan dalam proses deteksi adalah mendeteksi adanya bercak pada daun atau tidak seperti ditunjukkan dalam Gambar 17.
Gambar 17 Proses deteksi awal. Jika terdapat bercak pada daun, maka akan ditampilkan parameter-parameter fuzzy
kelompok penyakit dengan gejala terdapat bercak pada daun sebagai data input dalam sistem inferensi seperti dilampirkan pada Lampiran 5. Namun, jika tidak terdapat bercak pada daun, maka akan ditampilkan parameter
fuzzy dalam sistem inferensi kelompok penyakit
dengan gejala tidak terdapat bercak pada daun yang dapat dilihat pada Lampiran 6.
Setelah data terisi, selanjutnya data tersebut akan diolah melalui proses inferensi untuk menghasilkan suatu diagnosis sementara. Gambar hasil diagnosis sementara dapat dilihat di Lampiran 7.
Untuk mendapatkan hasil diagnosis akhir, proses harus dilanjutkan dengan menekan tombol Deteksi Lebih Lanjut. Pada tahap ini akan ditampilkan beberapa parameter non-fuzzy yang berkaitan dengan hasil diagnosis sementara sebelumnya. Pengguna kembali mengisi data tersebut untuk diproses seperti ditunjukkan dalam Gambar 18.
Gambar 18 Proses deteksi lebih lanjut. Setelah data tersebut terisi, selanjutnya akan diproses untuk menghasilkan diagnosis akhir berupa jenis penyakit, jenis cendawan, dan metode pencegahan dan pengendalian terhadap penyakit tersebut. Tampilan diagnosis akhir dapat dilihat di Lampiran 8.
Hasil diagnosis akhir tersebut dapat disimpan dalam format teks untuk memberikan kemudahan bagi pengguna dalam menyimpan hasil diagnosis.
Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi dengan menilai kelengkapan, ketepatan dan konsistensi pengetahuan, kemudahan mengakses dan melakukan komunikasi.
Untuk kelengkapan, sistem ini dinilai masih belum memperhitungkan semua parameter yang dianggap perlu untuk dijadikan input dalam sistem ini. Masih ada beberapa parameter yang berkaitan dengan keadaan lingkungan tempat tanaman cabai tumbuh yang belum diperhitungkan untuk proses deteksi.
Untuk mengukur ketepatan dan konsistensi pengetahuan, sistem diuji berdasarkan skenario
12 uji yang sudah dibuat sebelumnya dengan
melakukan berbagai kombinasi parameter input. Berdasarkan pengujian didapat beberapa kombinasi yang dinilai sudah mengeluarkan hasil yang benar dan ada kombinasi yang dinilai masih mengeluarkan hasil yang kurang tepat. Sistem ini juga dinilai sudah memiliki antarmuka yang cukup sederhana dan dapat memberikan kemudahan bagi pengguna untuk mengakses dan berkomunikasi dengan sistem. Hasil pengujian yang telah dilakukan dapat dilihat di Lampiran 9.
Kelebihan sistem ini dibandingkan dengan sistem yang telah dikembangkan oleh Faihah (1999), Suryadi (2002) dan Adnan (2003) adalah sistem ini telah mampu mendeteksi jenis penyakit dengan parameter masukan yang bersifat fuzzy atau tidak pasti. Penelitian sebelumnya belum ada yang mengembangkannya dalam lingkungan fuzzy. Selain itu, sistem ini juga lebih fokus untuk mendeteksi jenis penyakit yang disebabkan oleh cendawan yang merupakan jenis patogen yang paling sering menyerang tanaman cabai dan cenderung sulit untuk dideteksi karena memiliki kemiripan dalam gejala yang ditimbulkan. Gejala yang dideteksi oleh sistem merupakan gejala yang timbul di awal serangan penyakit, sehingga sistem dapat mendeteksi jenis penyakit yang menyerang tanaman cabai lebih dini.
Operasionalisasi Sistem
Untuk dapat menggunakan sistem ini, pengguna harus memiliki program Matlab minimal versi 6.5.1. Selain itu, sistem ini dikembangkan dalam sistem operasi Windows XP Professional menggunakan perangkat keras
processor Intel Pentium Dual Core 1.60GHz,
RAM 1 GB, dan harddisk kapasitas 120 GB. Pengguna bisa menggunakan sistem operasi dan perangkat keras yang sama atau menggunakan yang lebih baru dari yang digunakan peneliti untuk menggunakan sistem ini.
Kompleksitas Sistem
Proses inferensi yang terjadi dalam sistem sangat memengaruhi kompleksitas sistem tersebut. Sistem ini memiliki 7 variabel fuzzy yang memiliki kompleksitas 3C1 + 4C2 = C. C merupakan konstanta dengan C1 adalah proses yang terjadi di fungsi keanggotaan Gaussian dengan 3 variabel input dan C2 adalah proses yang terjadi di fungsi keanggotaan segitiga dengan 4 variabel input.
Setelah itu dilakukan proses evaluasi aturan (rule) sebanyak jumlah aturan yang ada dalam
sistem. Jika sistem memiliki jumlah aturan sebanyak m, maka proses evaluasi dilakukan sebanyak m kali.
Selanjutnya terjadi proses agregrasi output setiap aturan. Proses ini juga memiliki kompleksitas sebesar m sesuai dengan banyaknya aturan (rule). Akhir dari proses inferensi adalah proses defuzzifikasi yang memiliki kompleksitas n, dengan n adalah banyaknya titik yang digunakan pada himpunan
fuzzy output.
Proses terakhir pada sistem ini adalah mengolah variabel non-fuzzy yang dilakukan sebanyak jumlah aturan yang ada. Jika terdapat sejumlah o aturan, maka evaluasi dilakukan sebanyak o untuk mendapatkan output akhir. Sehingga kompleksitas keseluruhan adalah O(2m + n + o).
Keterbatasan Sistem
Sistem Diagnosis Penyakit Pada Tanaman Cabai Merah ini hanya dapat mendeteksi jenis penyakit yang disebabkan oleh cendawan. Masih ada jenis patogen lain yang bisa membawa penyakit pada tanaman cabai dan tidak kalah merugikan dari penyakit yang disebabkan oleh cendawan.
Pada proses pendeteksian, sistem ini belum memperhitungkan parameter-parameter lain yang bisa dijadikan sebagai masukan sistem inferensi, seperti sinar matahari, curah hujan, suhu udara, angin dan penguapan.
Sistem ini juga hanya mendiagnosis gejala klinis berupa gejala yang ditimbulkan pada awal serangan dan belum sampai pada tahap pemeriksaan di laboratorium. Selain itu, sistem masih berbasis desktop sehingga jangkauan pengguna sistem ini masih belum luas.
KESIMPULAN DAN SARAN Kesimpulan
Penyakit tanaman cabai yang disebabkan oleh cendawan hampir semuanya menyerang pada bagian daun pada awal serangan dan memiliki dampak yang cukup berbahaya apabila tidak segera ditangani sedini mungkin. Tiap jenis penyakit juga memiliki metode pencegahan dan pengendalian yang berbeda dengan penyakit lainnya, sehingga perlu adanya deteksi yang tepat agar tidak salah dalam menerapkan metode pencegahan dan pengendaliannya.
Fakta dan basis pengetahuan telah dirancang untuk menentukan jenis panyakit pada tanaman cabai yang memiliki kemiripan dalam gejala
13 awal yang ditimbulkan dan telah dikembangkan
menggunakan logika fuzzy dengan mengintegrasikan kemampuan para pakar yang kompeten dalam sebuah sistem pakar.
Pengguna sistem ini dapat mengambil keputusan dengan lebih tepat dalam menentukan langkah yang harus diambil untuk menanggulangi penyakit tanaman cabai secara dini. Sistem ini memberikan informasi berupa nama penyakit yang diderita, faktor pembawa atau penyebab penyakitnya, serta saran berupa metode pencegahan dan pengendalian terhadap penyakit tersebut.
Saran
Untuk pengembangan lebih lanjut dari sistem ini, ada beberapa hal yang dapat disarankan, antara lain :
1. Memperbanyak jenis penyakit yang bisa dideteksi oleh sistem.
2. Menambahkan parameter lain yang mendukung dan bisa menjadi masukan dalam proses diagnosis penyakit tanaman cabai.
3. Sistem dikembangkan berbasis web agar dapat menyimpan aturan (rule) dalam suatu
database sehingga sistem lebih dinamis.
DAFTAR PUSTAKA
Adnan H. 2003. Sistem Pakar Untuk Mendeteksi Hama Dan Penyakit Pada Tanaman Cabai Merah Dalam Industri Pertanian [Skripsi]. Bandung: Universitas Komputer Indonesia.
Arhami M. 2005. Konsep Dasar Sistem Pakar. Yogyakarta: Penerbit Andi.
Askerzade IN, Mahmood M. 2010. Control the Extension Time of Traffic Light in Single Junction by Using Fuzzy Logic.
International Journal of Electrical and Computer Sciences. Vol 10. No 2. PP
52-59.
Badan Pusat Statistik (BPS). 2010. Luas Panen, Produksi dan Produktifitas Cabai 2009.
http://www.bps.go.id.html [6 November 2010].
Duriat AS, Gunaeni N, Wulandari AW. 2007.
Penyakit Penting Pada Tanaman Cabai dan Pengendaliannya. Bandung: Balai
Penelitian Tanaman Sayuran.
Faihah SE. 1999. Sistem Pakar untuk Identifikasi Penyakit Tanaman Cabai Merah Besar [Skripsi]. Bogor: Institut Pertanian Bogor.
Kusumadewi S. 2002. Analisis dan Desain
Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Graha Ilmu.
Marimin. 2009. Teori dan Aplikasi Sistem
Pakar dalam Teknologi Manajerial. Bogor:
IPB Press.
Siler W dan Buckley JJ. 2005. Fuzzy Expert
System and Fuzzy Reasoning. Birmingham:
Wiley-Interscience.
Sivarao, Breven P, El-Tayeb NSM, Vengkatesh VC. 2009a. GUI Based Mamdani Fuzzy Inference System Modeling To Predict Surface Roughness in Laser Machining.
International Journal of Electrical and Computer Sciences. Vol 9. No 9. PP
281-288.
Sivarao, Castillo WJG, Taufik. 2009b. Machining Quality Predictions : Comparative Analysis of Neural Network and Fuzzy Logic. International Journal of
Electrical and Computer Sciences. Vol 9.
No 9. PP 451-456.
Suryadi R. 2002. Sistem Pakar (Expert System) Diagnosa Penyakit Tanaman Cabai Besar Merah (Capsicum'annuum L.) Berbasis Internet Dan Multimedia [Skripsi]. Bogor: Institut Pertanian Bogor.
Syukur M, Sujiprihati S, Yunianti R, Kusumah DA. 2010. Evaluasi Daya Hasil Cabai Hibrida dan Daya Adaptasinya di Empat Lokasi dalam Dua Tahun. Indonesian
Journal of Agronomy. Vol 38. No 1. PP
43-51.
Tjahjadi N. 1991. Seri Budi Daya Cabai. Yogyakarta: Kanisius.
15 Lampiran 1 Aturan yang terdapat di setiap sistem inferensi
Sistem inferensi 1
No Warna
Daun
Warna Bercak Ukuran
Bercak Jumlah Bercak Warna Batang Penyakit
1 Hijau Kekuningan Kecil Sedikit Hijau Sangat Mendukung Embun Tepung 2 Hijau Kekuningan Kecil Sedikit Cokelat Mendukung Busuk
Daun Fitoftora 3 Hijau Kekuningan Kecil Sedikit Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 4 Hijau Kekuningan Kecil Sedang Hijau Sangat Mendukung
Embun Tepung 5 Hijau Kekuningan Kecil Sedang Cokelat Mendukung Busuk
Daun Fitoftora 6 Hijau Kekuningan Kecil Sedang Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 7 Hijau Kekuningan Kecil Banyak Hijau Sangat Mendukung
Embun Tepung 8 Hijau Kekuningan Kecil Banyak Cokelat Mendukung Busuk
Daun Fitoftora 9 Hijau Kekuningan Kecil Banyak Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 10 Hijau Kekuningan Sedang Sedikit Hijau Sangat Mendukung
Embun Tepung 11 Hijau Kekuningan Sedang Sedikit Cokelat Mendukung Busuk
Daun Fitoftora 12 Hijau Kekuningan Sedang Sedikit Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 13 Hijau Kekuningan Sedang Sedang Hijau Sangat Mendukung
Embun Tepung 14 Hijau Kekuningan Sedang Sedang Cokelat Mendukung Busuk
Daun Fitoftora 15 Hijau Kekuningan Sedang Sedang Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 16 Hijau Kekuningan Sedang Banyak Hijau Sangat Mendukung
Embun Tepung 17 Hijau Kekuningan Sedang Banyak Cokelat Mendukung Busuk
Daun Fitoftora 18 Hijau Kekuningan Sedang Banyak Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 19 Hijau Kekuningan Besar Sedikit Hijau Sangat Mendukung
Embun Tepung 20 Hijau Kekuningan Besar Sedikit Cokelat Mendukung Busuk
Daun Fitoftora 21 Hijau Kekuningan Besar Sedikit Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 22 Hijau Kekuningan Besar Sedang Hijau Sangat Mendukung
Embun Tepung 23 Hijau Kekuningan Besar Sedang Cokelat Mendukung Busuk
Daun Fitoftora 24 Hijau Kekuningan Besar Sedang Cokelat
Kehitaman
Mendukung Busuk Daun Fitoftora 25 Hijau Kekuningan Besar Banyak Hijau Sangat Mendukung
Embun Tepung 26 Hijau Kekuningan Besar Banyak Cokelat Mendukung Busuk
16 Lampiran 1 Lanjutan
27 Hijau Kekuningan Besar Banyak Cokelat Kehitaman
Mendukung Busuk Daun Fitoftora
28 Hijau Putih Kecil Sedikit Hijau Sangat Mendukung Busuk Daun Fitoftora 29 Hijau Putih Kecil Sedikit Cokelat Sangat Mendukung
Busuk Daun Fitoftora 30 Hijau Putih Kecil Sedikit Cokelat
Kehitaman
Sangat Mendukung Busuk Daun Fitoftora 31 Hijau Putih Kecil Sedang Hijau Sangat Mendukung
Busuk Daun Fitoftora 32 Hijau Putih Kecil Sedang Cokelat Sangat Mendukung
Busuk Daun Fitoftora 33 Hijau Putih Kecil Sedang Cokelat
Kehitaman
Sangat Mendukung Busuk Daun Fitoftora 34 Hijau Putih Kecil Banyak Hijau Sangat Mendukung
Busuk Daun Fitoftora 35 Hijau Putih Kecil Banyak Cokelat Sangat Mendukung
Busuk Daun Fitoftora 36 Hijau Putih Kecil Banyak Cokelat
Kehitaman
Sangat Mendukung Busuk Daun Fitoftora 37 Hijau Putih Sedang Sedikit Hijau Sangat Mendukung
Busuk Daun Fitoftora 38 Hijau Putih Sedang Sedikit Cokelat Sangat Mendukung
Busuk Daun Fitoftora 39 Hijau Putih Sedang Sedikit Cokelat
Kehitaman
Sangat Mendukung Busuk Daun Fitoftora 40 Hijau Putih Sedang Sedang Hijau Sangat Mendukung
Busuk Daun Fitoftora 41 Hijau Putih Sedang Sedang Cokelat Sangat Mendukung
Busuk Daun Fitoftora 42 Hijau Putih Sedang Sedang Cokelat
Kehitaman
Sangat Mendukung Busuk Daun Fitoftora 43 Hijau Putih Sedang Banyak Hijau Sangat Mendukung
Busuk Daun Fitoftora 44 Hijau Putih Sedang Banyak Cokelat Sangat Mendukung
Busuk Daun Fitoftora 45 Hijau Putih Sedang Banyak Cokelat
Kehitaman
Sangat Mendukung Busuk Daun Fitoftora 46 Hijau Putih Besar Sedikit Hijau Mendukung Busuk
Daun Fitoftora
47 Hijau Putih Besar Sedikit Cokelat Mendukung Busuk Daun Fitoftora
48 Hijau Putih Besar Sedikit Cokelat Kehitaman
Mendukung Busuk Daun Fitoftora
49 Hijau Putih Besar Sedang Hijau Mendukung Busuk Daun Fitoftora
50 Hijau Putih Besar Sedang Cokelat Mendukung Busuk Daun Fitoftora
51 Hijau Putih Besar Sedang Cokelat Kehitaman
Mendukung Busuk Daun Fitoftora
52 Hijau Putih Besar Banyak Hijau Mendukung Busuk Daun Fitoftora
53 Hijau Putih Besar Banyak Cokelat Mendukung Busuk Daun Fitoftora
17 Lampiran 1 Lanjutan
54 Hijau Putih Besar Banyak Cokelat Kehitaman
Mendukung Busuk Daun Fitoftora
55 Hijau Putih pinggiran hitam
Kecil Sedikit Hijau Sangat Mendukung Bercak Kelabu Stemfilium
56 Hijau Putih pinggiran hitam
Kecil Sedikit Cokelat Mendukung Bercak Kelabu Stemfilium
57 Hijau Putih pinggiran hitam
Kecil Sedikit Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
58 Hijau Putih pinggiran hitam
Kecil Sedang Hijau Sangat Mendukung Bercak Kelabu Stemfilium
59 Hijau Putih pinggiran hitam
Kecil Sedang Cokelat Mendukung Bercak Kelabu Stemfilium
60 Hijau Putih pinggiran hitam
Kecil Sedang Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
61 Hijau Putih pinggiran hitam
Kecil Banyak Hijau Sangat Mendukung Bercak Kelabu Stemfilium
62 Hijau Putih pinggiran hitam
Kecil Banyak Cokelat Mendukung Bercak Kelabu Stemfilium
63 Hijau Putih pinggiran hitam
Kecil Banyak Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
64 Hijau Putih pinggiran hitam
Sedang Sedikit Hijau Sangat Mendukung Bercak Kelabu Stemfilium
65 Hijau Putih pinggiran hitam
Sedang Sedikit Cokelat Mendukung Bercak Kelabu Stemfilium
66 Hijau Putih pinggiran hitam
Sedang Sedikit Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
67 Hijau Putih pinggiran hitam
Sedang Sedang Hijau Sangat Mendukung Bercak Kelabu Stemfilium
68 Hijau Putih pinggiran hitam
Sedang Sedang Cokelat Mendukung Bercak Kelabu Stemfilium
69 Hijau Putih pinggiran hitam
Sedang Sedang Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
70 Hijau Putih pinggiran hitam
Sedang Banyak Hijau Sangat Mendukung Bercak Kelabu Stemfilium
71 Hijau Putih pinggiran hitam
Sedang Banyak Cokelat Mendukung Bercak Kelabu Stemfilium
72 Hijau Putih pinggiran hitam
Sedang Banyak Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
73 Hijau Putih pinggiran hitam
Besar Sedikit Hijau Mendukung Bercak Kelabu Stemfilium
74 Hijau Putih pinggiran hitam
Besar Sedikit Cokelat Mendukung Bercak Kelabu Stemfilium
75 Hijau Putih pinggiran hitam
Besar Sedikit Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
76 Hijau Putih pinggiran hitam
Besar Sedang Hijau Mendukung Bercak Kelabu Stemfilium
77 Hijau Putih pinggiran hitam
Besar Sedang Cokelat Mendukung Bercak Kelabu Stemfilium
78 Hijau Putih pinggiran hitam
Besar Sedang Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium
79 Hijau Putih pinggiran hitam
Besar Banyak Hijau Mendukung Bercak Kelabu Stemfilium
80 Hijau Putih pinggiran hitam
Besar Banyak Cokelat Mendukung Bercak Kelabu Stemfilium
18 Lampiran 1 Lanjutan
81 Hijau Putih pinggiran hitam
Besar Banyak Cokelat Kehitaman
Mendukung Bercak Kelabu Stemfilium 82 Hijau Keabuan Kecil Sedikit Hijau Sangat Mendukung
Embun Tepung 83 Hijau Keabuan Kecil Sedikit Cokelat Mendukung Bercak
Daun Serkospora 84 Hijau Keabuan Kecil Sedikit Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 85 Hijau Keabuan Kecil Sedang Hijau Sangat Mendukung
Embun Tepung 86 Hijau Keabuan Kecil Sedang Cokelat Mendukung Bercak
Daun Serkospora 87 Hijau Keabuan Kecil Sedang Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 88 Hijau Keabuan Kecil Banyak Hijau Sangat Mendukung
Embun Tepung 89 Hijau Keabuan Kecil Banyak Cokelat Mendukung Bercak
Daun Serkospora 90 Hijau Keabuan Kecil Banyak Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 91 Hijau Keabuan Sedang Sedikit Hijau Sangat Mendukung
Embun Tepung 92 Hijau Keabuan Sedang Sedikit Cokelat Mendukung Bercak
Daun Serkospora 93 Hijau Keabuan Sedang Sedikit Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 94 Hijau Keabuan Sedang Sedang Hijau Sangat Mendukung
Embun Tepung 95 Hijau Keabuan Sedang Sedang Cokelat Mendukung Bercak
Daun Serkospora 96 Hijau Keabuan Sedang Sedang Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 97 Hijau Keabuan Sedang Banyak Hijau Sangat Mendukung
Embun Tepung 98 Hijau Keabuan Sedang Banyak Cokelat Mendukung Bercak
Daun Serkospora 99 Hijau Keabuan Sedang Banyak Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 100 Hijau Keabuan Besar Sedikit Hijau Sangat Mendukung
Embun Tepung 101 Hijau Keabuan Besar Sedikit Cokelat Mendukung Bercak
Daun Serkospora 102 Hijau Keabuan Besar Sedikit Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 103 Hijau Keabuan Besar Sedang Hijau Sangat Mendukung
Embun Tepung 104 Hijau Keabuan Besar Sedang Cokelat Mendukung Bercak
Daun Serkospora 105 Hijau Keabuan Besar Sedang Cokelat
Kehitaman
Mendukung Bercak Daun Serkospora 106 Hijau Keabuan Besar Banyak Hijau Sangat Mendukung
Embun Tepung 107 Hijau Keabuan Besar Banyak Cokelat Mendukung Bercak
19 Lampiran 1 Lanjutan
108 Hijau Keabuan Besar Banyak Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 109 Hijau Abu-abu
pinggiran cokelat
Kecil Sedikit Hijau Mendukung Bercak Daun Serkospora 110 Hijau Abu-abu
pinggiran cokelat
Kecil Sedikit Cokelat Mendukung Bercak Daun Serkospora 111 Hijau Abu-abu
pinggiran cokelat
Kecil Sedikit Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 112 Hijau Abu-abu
pinggiran cokelat
Kecil Sedang Hijau Mendukung Bercak Daun Serkospora 113 Hijau Abu-abu
pinggiran cokelat
Kecil Sedang Cokelat Mendukung Bercak Daun Serkospora 114 Hijau Abu-abu
pinggiran cokelat
Kecil Sedang Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 115 Hijau Abu-abu
pinggiran cokelat
Kecil Banyak Hijau Mendukung Bercak Daun Serkospora 116 Hijau Abu-abu
pinggiran cokelat
Kecil Banyak Cokelat Mendukung Bercak Daun Serkospora 117 Hijau Abu-abu
pinggiran cokelat
Kecil Banyak Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 118 Hijau Abu-abu
pinggiran cokelat
Sedang Sedikit Hijau Mendukung Bercak Daun Serkospora 119 Hijau Abu-abu
pinggiran cokelat
Sedang Sedikit Cokelat Mendukung Bercak Daun Serkospora 120 Hijau Abu-abu
pinggiran cokelat
Sedang Sedikit Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 121 Hijau Abu-abu
pinggiran cokelat
Sedang Sedang Hijau Mendukung Bercak Daun Serkospora 122 Hijau Abu-abu
pinggiran cokelat
Sedang Sedang Cokelat Mendukung Bercak Daun Serkospora 123 Hijau Abu-abu
pinggiran cokelat
Sedang Sedang Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 124 Hijau Abu-abu
pinggiran cokelat
Sedang Banyak Hijau Mendukung Bercak Daun Serkospora 125 Hijau Abu-abu
pinggiran cokelat
Sedang Banyak Cokelat Mendukung Bercak Daun Serkospora 126 Hijau Abu-abu
pinggiran cokelat
Sedang Banyak Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 127 Hijau Abu-abu
pinggiran cokelat
Besar Sedikit Hijau Mendukung Bercak Daun Serkospora 128 Hijau Abu-abu
pinggiran cokelat
Besar Sedikit Cokelat Mendukung Bercak Daun Serkospora 129 Hijau Abu-abu
pinggiran cokelat
Besar Sedikit Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 130 Hijau Abu-abu
pinggiran cokelat
Besar Sedang Hijau Mendukung Bercak Daun Serkospora 131 Hijau Abu-abu
pinggiran cokelat
Besar Sedang Cokelat Mendukung Bercak Daun Serkospora 132 Hijau Abu-abu
pinggiran cokelat
Besar Sedang Cokelat Kehitaman
Mendukung Bercak Daun Serkospora 133 Hijau Abu-abu
pinggiran cokelat
Besar Banyak Hijau Mendukung Bercak Daun Serkospora 134 Hijau Abu-abu
pinggiran cokelat
Besar Banyak Cokelat Mendukung Bercak Daun Serkospora