Fakultas Ilmu Komputer
Universitas Brawijaya
3391
Implementasi Metode
Iterative Dichotomizer Tree
(ID3) Untuk Diagnosis
Penyakit Pada Tanaman Bawang Merah
Eric Aji Panji Kurniawan1, Nurul Hidayat2, Satrio Hadi Wijoyo3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1freakstifler@gmail.com, 2ntayadih@ub.ac.id, 3satriohadi@ub.ac.id
Abstrak
Deteksi secara dini dapat meminimalisir risiko gagal panen tanaman bawang merah serta untuk penentuan upaya pengendalian secara strategis. Proses deteksi yang ada selama ini masih manual, dan pengetahuan tentang gejala- gejala penyakit dan hama tanaman bawang merah yang masih kurang. Jumlah hama penyakit tanaman bawang merah juga cukup banyak dan membuat para petani cukup kesulitan untuk menentukan hama penyakit apa yang menyerang. Pemanfaatan sistem diagnosis awal penyakit menjadi lebih mudah dan cepat. Petani juga dapat melakukan deteksi hama dan penyakit secara dini dan mandiri. Pada penelitian ini jenis hama penyakit yang dapat dideteksi sebanyak lima hama penyakit menggunakan metode Iterative dichotomizer 3 (ID3) dengan masukan 23 gejala dari pengguna. Metode tersebut digunakan untuk mengolah data hama penyakit tanaman bawang merah. Hasil pengujian akurasi sistem antara deteksi dengan hasil perhitungan metode Iterative Dichotomizer 3 (ID3) memiliki tingkat keakurasian sebesar 80% dengan menggunakan 20 data latih dan 20 data uji.
Kata kunci: ID3, Hama, Penyakit, Bawang Merah
Abstract
Early detection can minimize the risk of crop failure and can be the determinant of the strategic control efforts.The detection that existed so far is still done manually, and knowledge of disease and pest of onion plant still lacking . The number of plant disease pests of onion is also quite a lot and make enough trouble for farmer detect that attacks. The utilization of the expert system detection process becomes easier and faster. Farmer can detect pest and plant disease early and independently as well. On the research of this kind of disease pest that can be detected as many as five pests diseases using methods of Iterative dichotomezer 3 (ID3) with 23 input from users of symptoms. The method is used to analyze the data of pest and plant disease of onion crops where as the result of system accuracy test between the detection and the result of Iterative dichotomezer 3 (ID3) method calculation has the accuracy level of 80% which use 20 data training and 20 data test.
Keywords: ID3, Onion, Pest, Plant Disease
1. PENDAHULUAN
Bawang merah mempunyai nama latin Allium cepa var ascalonium merupakan jenis tanaman yang telah menjadi salah satu komoditas sayuran yang berpotensial untuk dikembangkan di Indonesia. Bawang merah juga merupakan lahan rezeki dan memberikan kontribusi terhadap berkembangnya ekonomi di suatu wilayah (Urdiato, 2005). Adapun bawang merah memiliki kandungan Vitamin C, Asam Folat, Kalium Serat, Kalsium serta Zat Besi yang banyak. Semua kandungan yang dimiliki oleh bawang merah tersebut maka bawang merah
dijumpai petani adalah serangan Organisme Pengganggu Tanaman (OPT) terhadap bawang merah itu sendiri (Soetiarso & Setiawati, 2005).
Banyaknya kesamaan gejala pada penyakit yang ada pada tanaman bawang merah menyebabkan para petani kesulitan dalam menentukan penyakit yang menyerang tanaman tersebut, sehingga membuat penanganan terhadap penyakit yang dialami tanaman bawang merah menjadi terhambat. Oleh karena itu, diperlukannya sebuah sistem untuk mendiagnosis penyakit pada tanaman bawang merah agar dapat dilakukan penanganan yang tepat sehingga produktifitas tanaman bawang merah dapat meningkat. Adapun metode yang digunakan pada sistem adalah metode Iterative Dichotomizer Tree (ID3) untuk menentukan gejala mana yang paling berpengaruh terhadap penyakit tanaman bawang merah.
Iterative Dichotomizer Tree merupakan metode yang digunakan untuk menghasilkan suatu pohon keputusan yang mampu mengklasifikasi suatu obyek. ID3 diperkenalkan pertama kali oleh Ross Quinlan pada tahun 1979. Algoritma pada metode ini memakai konsep dari entropy informasi dan melakukan pencarian secara menyeluruh pada semua kemungkinan pohon keputusan. Decision tree adalah sistem prediksi menyerupai struktur pohon yang bercabang atau truktur hirarki, sehingga sistem ini cocok untuk menggambarkan suatu persoalan dan mencari solusi dari persoalan tersebut (Wahyudi, 2009).
2. DATA PENELITIAN
Data yang digunakan dalam peneletian ini diperoleh dari Prof. Cholil yang merupakan pakar di kantor Balai Pengkajian Teknologi Pertanian kota Malang. Parameter penentu hama dan penyakit pada tanaman bawang merah berjumlah 23 gejala-gejala yang nantinya akan menjadi inputan.
Data bawang merah yang diperoleh untuk penelitian ini berjumlah total 40 data. Data yang digunakan merupakan data kejadian pada bulan Januari 2016 sampai bulan Januari 2017.
3. PENYAKIT UTAMA TANAMAN
BAWANG MERAH
Bawang merah terdapat banyak sekali jenis penyakit yang menyerang. Hal ini diduga disebabkan oleh pemakaian pupuk oleh para petani yang berlebihan membuat atau memicu munculnya gejala-gejala penyakit (Korlina,
2016). Penyakit bawang merah yang dibahas pada penelitian ini merupakan penyakit bawang merah yang bersifat utama atau sering menyerang bawang merah. Berdasarkan wawancara dengan seorang pakar, hanya dibatasi beberapa jenis penyakit yang menyerang bawang merah. Penjelasan mengenai penyakit-penyakit utama pada bawang merah diantaranya adalah
:
3.1. Hama Ulat Bawang
OPT utama pada tanaman bawang merah adalah hama ulat bawang (Spodoptera exigua) yang menyerang sepanjang tahun, baik musim kemarau maupun musim hujan. Jika tidak dikendalikan serangan hama tersebut dapat menyebabkan kegagalan panen. Hama Spodoptera exigua dijumpai hampir pada setiap umur tanaman bawang merah. Ulat berukuran panjang 25 mm, berwarna hijau atau coklat dengan garis tengah warna kuning, berada dalam rongga daun, makan bagian dalam daun menyebabkan daun menjadi transparan atau timbul bercak-bercak putih pada daun karena epidermis bagian luar daun tidak dimakan. Bila serangan berat, seluruh bagian tanaman dimakan termasuk umbinya. Hama memiliki beberapa inang seperti keluarga bawang-bawangan, cabai merah dan jagung. Serangan berkurang pada musim tanam Mei-Juni dan Oktober- Nopember (Cholil, 2017). Berikut merupakan contoh hama ulat bawang dapat dilihat pada Gambar 1.
Gambar 1. Hama Ulat Bawang
3.2. Hama Lalat Penggorok Daun
Gambar 2. Hama Lalat Penggorok Daun
3.3. Moler
Bila penyakit ini terbawa pada bibit, gejala awal terlihat pada tanaman umur 5 – 10 hari setelah tanam. Jika penularan dari tanah, gejala tampak pada tanaman umur 3 minggu setelah tanam. Tanda adanya penyakit adalah tanaman menjadi cepat layu, akar tanaman busuk, tanaman terkulai seperti akan roboh, dan di dasar umbi lapis terlihat koloni jamur berwarna putih. Warna daun menjadi kuning dan bentuknya melengkung (moler). Tanaman kurus kekuningan dan busuk bagian pangkal / sasaran serangan adalah bagian dasar dari umbi lapis. Daun bawang merah menguning dan terpelintir layu (moler) serta tanaman mudah tercabut karena pertumbuhan akar terganggu dan membusuk. Apabila umbi lapis dipotong membujur maka terlihat adanya pembusukan berawal dari dasar umbi meluas ke atas maupun ke samping (Cholil, 2017). Berikut merupakan contoh penyakit moler dapat dilihat pada Gambar 3.
Gambar 3. Moler
3.4. Bercak Ungu atau Trotol
Gejala awal terdapat bercak kecil, daun melekuk lebihi ke dalam, dan berwarna keputihan dengan pusat berwarna ungu. Apabila terdapat kelembaban maka gejala yang tampak akan muncul seperti bercak berkembang sampai berbentuk seperti cincin dengan bagian ditengahnya berwarna ungu dengan tepi merah. Ujung daun mengering hingga daun patah. Kemudian permukaan bercak berubah warna coklat kehitaman. Lalu serangan dapat berlanjut ke umbi yang akan berakibat menjadi
membusuk, berwarna kuning lalu berubah merah kecoklatan (Cholil, 2017). Berikut merupakan contoh penyakit trotol dapat dilihat pada Gambar 4.
Gambar 4. Bercak Ungu atau Trotol
3.5. Antraknose
Tanaman yang terinfeksi akan mati dengan cepat, mendadak, dan serentak. Serangan awal ditandai dengan terlihatnya bercak berwarna putih pada daun, selanjutnya terbentuk lekukan ke dalam (invaginasi), berlubang dan patah karena terkulai tepat pada bercak. Jika infeksi berlanjut, maka terbentuklah koloni konidia yang berwarna merah muda, yang kemudian berubah menjadi coklat muda, coklat tua, dan akhirnya kehitam-hitaman. Dalam kondisi kelembaban udara yang tinggi terutama pada musim penghujan, konidia berkembang dengan cepat membentuk miselia yang tumbuh menjalar dari helaian daun, masuk menembus sampai ke umbi, seterusnya menyebar di permukaan tanah, berwarna putih, dan menginfeksi inang di sekitarnya. Umbi kemudian membusuk, daun mengering dan sebaran serangan yang bersifat sporadis tersebut, pada hamparan tanaman akan terlihat gejala botak-botak di beberapa tempat (Cholil, 2017). Berikut merupakan contoh penyakit trotol dapat dilihat pada Gambar 5.
Gambar 5. Antraknose
4. ITERATIVE DICHOTOMIZER TREE
mencari solusi. Algoritma ID3 melakukan pencarian secara menyeluruh pada semua kemungkinan pohon.
Algortima ID3 dapat diimplementasikan menggunakan fungsi rekursif (fungsi yang memanggil dirinya sendiri). Algoritma ID3 berusaha membangun decision tree secara top-down. Awalnya memeriksa semua atribut yang sesuai untuk diletakkan pada root dengan mengevaluasi semua atribut yang ada dengan menggunakan ukuran statistic (yang umum digunakan adalah information gain) untuk mengukur efektivitas suatu atribut dalam mengklasifikasikan kumpulan sampel data. Pemilihan atribut dengan menggunakan information gain, yaitu:
1. Memilih atribut dengan information gain terbesar.
2. Buat Simpul yang berisi atribut tersebut. 3. Proses perhitungan information gain akan terus dilaksanakan sampai semua data telah termasuk dalam kelas yang sama. Atribut yang telah dipakai tidak disertakan lagi dalam perhitungan nilai information gain.
Dalam perhitungan algoritma ID3 dibutuhkan 2 rumus utama yaitu entropy dan information gain. Fungsi dari entropy yaitu mengukur seberapa baiknya sebuah node dan digunakan sebagai suatu parameter untuk mengukur keberagaman dari kumpulan sampel data. Ketika entropy semakin besar, menunjukan bahwa kumpulan data semakin heterogen. Fungsi gain yaitu mengukur seberapa baik suatu atribut memisahkan training example ke dalam kelas target. Entropy digunakan untuk mendefinisikan nilain information gain yang berguna untuk memilih atribut terbaik dari atribut-atribut yang tersedia. Berikut perhitungan algoritma ID3 dengan mencari nilai dari entropy dan information gain:
𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆) = −𝑃+ 𝐿𝑜𝑔2 𝑃+− 𝑃−𝐿𝑜𝑔2𝑃−
(1)
Keterangan:
E(S) adalah entropy dari himpunan S P+ adalah probabilitas sampel S yang
mempunyai class positif. P+ dihitung degan membagi jumlah sample positif ( S+ ) dengan jumlah sampel keseluruhan ( S ) sehingga P+ = 𝑆+
Pada algoritma ID3 pengurangan entropy disebut dengan information gain. Pembagian sampel S terhadapat atribut X dapat dihitung
Setelah menghitung information gain pada semua atribut kemudian dicari information gain tertinggi untuk dijadikan root dalam suatu pohon keputusan. Begitu seterusnya sampai parameter tiap atribut terklasifikasi dengan sempurna.
5. METODOLOGI PENELITIAN
Bab ini membahas metode yang digunakan dalam penelitian yang terdiri dari studi literatur, pengumpulan data, analisis kebutuhan, perancangan sistem, implementasi sistem, pengujian sistem dan analisis serta pengambilan kesimpulan dan saran.
5.1 Studi Literatur
Studi literature mempelajari literature dari beberapa bidang ilmu yang berhubungan dengan pembuatan sistem penentuan diagnosis penyakit pada tanaman bawang merah.
5.2 Pengumpulan Data
5.3 Analisis Kebutuhan
Analisis kebutuhan adalah tahap yang dilakukan peneliti untuk menganalisis kebutuhan untuk melakukan implementasi. Berikut adalah kebutuhan dalam melakukan implementasi metode ID3 untuk diagnosis penyakit tanaman bawang merah yaitu data penyakit tanaman bawang merah dan data gejala di tiap penyakit tanaman bawang merah.
5.4 Perancangan Sistem
Perancangan Sistem merupakan tahapan yang digunakan didalam desain dari sistem secara keseluruhan, baik dari segi model maupun dari arsitektur untuk mempermudah implementasi dan pengujian. Perancangan sistem akan dijelaskan dalam bentuk flowchart yang menggambarkan proses-proses yang ada di dalam sistem yang akan dibuat, meliputi dari proses pengambilan data untuk diolah dengan metode ID3, alur proses perhitungan ID3, dan alur proses keseluruhan dari sistem.
5.5 Implementasi
Pada tahap ini menjelaskan tentang pembuatan sistem diagnosis hama dan penyakit pada tanaman bawang merah menggunakan metode Iterative Dichotomiser Tree berdasarkan perancangan sistem yang telah dibuat sebelumnya. Implementasi sistem dilakukan dengan menggunakan bahasa java.
5.6 Pengujian dan Analisis
Pengujian sistem penentuan diagnosis penyakit pada tanaman bawang merah agar dapat menunjukan bahwa perangkat lunak telah mampu bekerja sesuai dengan output yang diinginkan oleh pembuat sistem. Pengujian dilakukan dari menguji performa aplikasi dengan cara menjalankan aplikasi tersebut, kemudian pengujian dilakukan dengan menguji keakuratan data testing dengan melakukan uji akurasi, menggunakan data uji yang didapatkan dari data latih yang ada.
5.7 Penarikan Kesimpulan
Pada tahap ini akan dilakukan pengambilan kesimpulan dari hasil evaluasi dan analisis hasil pengujian dari sistem
6. IMPLEMENTASI
Implementasi antarmuka program selesai
dilakukan ketika program telah selesai diimplementasikan pada bab sebelumnya. Gambar 6 menunjukan hasil implementasi antarmuka program.
Gambar 6. Interface Program
7. PENGUJIAN
Dataset yang akan digunakan sebanyak 40 data. Pengujian beberapa data uji akan dilakukan untuk mengetahui tingkat akurasi terbesar dari sistem. Hasil pengujian ditunjukan pada Tabel 1.
Tabel 1. Hasil Pengujian
Percobaan Kombinasi
Data Latih : Data Uji
Akurasi
Testing
1 20:10 60%
2 20:15 72.6%
3 20:20 80%
8. ANALISIS
Berdasarkan hasil pengujian dataset pada Tabel 1, berikut merupakan pengujian menggunakan 20 data uji yang ditunjukan pada Tabel 2.
Tabel 2. Hasil Pengujian 20 Data Uji
No Gejala Data
Aktual
Hasil Sistem 1 G14, G15, G16 P03 P03
2 G5, G8, G12, G13 P01 P01
3 G17, G19, G22 P01 P04
4 G3, G19 P05 P05
5 G19, G23 P05 P05
6 G21, G22 P01 P01
7 G19, G23 P05 P05
8 G20, G21 P05 P01
9 G8, G9 P02 P02
10 G18, G20 P05 P01
11 G3, G11, G18 P04 P04
12 G1, G12, G20 P03 P01
14 G3, G5, G6, G9 P04 P04
15 G2, G4, G5, G10, G12 P03 P03
16 G3, G4, G7, G11 P05 P05
17 G1, G4, G7, G13 P03 P03
18 G7, G9, G10, G12 P02 P02
19 G22, G23 P01 P01
20 G8, G9 P02 P02
Berdasarkan hasil pengujian menggunakan 20 dataset menunjukan hasil akurasi sebesar 80 %. Akurasi yang dihasilkan masih tergolong cukup baik, hal ini karena ID3 memiliki beberapa kelemahan. Pertama ketika dataset kurang baik maka tree yang terbentuk tergolong kurang baik sehingga ketika dilakukan pengujian akan mendapatkan hasil yang kurang tepat. Kedua ID3 melakukan suatu keputusan berdasarkan rule yang terbentuk dari hasil pembentukan tree. Ketika ada beberapa data yang memiliki kesamaan dan hasil kelas yang berbeda maka hanya satu kelas yang akan terbentuk sehingga ketika diujikan hasil sistem tidak dapat mengklasifikasikan data karena tidak ada rule
9. KESIMPULAN
Berdasarkan hasil penelitian diperoleh kesimpulan untuk menjalankan rumusan masalah, sebagai berikut:
1. Perancangan sistem diagnosis penyakit dan hama pada tanaman bawang merah dengan menggunakan metode ID3 dapat dilakukan implementasi untuk dapat digunakan oleh petani bawang merah untuk mendiagnosis awal penyakit serta hama yang menyerang tanaman bawang merah.
2. Berdasarkan hasil pengujian sistem diagnosis penyakit dan hama pada tanaman bawang merah dengan metode ID3 didapatkan akurasi data sebesar 80% dimana data latih yang digunakan 20 dan data yang diuji 20. Beberapa hal yang menyebabkan hasil akurasi rendah antara lain:
a. Jika data tranning yang digunakan kurang baik maka tree yang terbentuk tergolong kurang baik sehingga ketika dilakukan pengujian dengan data baru akan mendapatkan hasil yang tidak sesuai.
Metode ID3 melakukan suatu keputusan berdasarkan rule yang terbentuk dari hasil pembentukan tree. Ketika ada beberapa data yang memiliki kesamaan dan hasil kelas yang
berbeda maka hanya satu kelas yang akan terbentuk sehingga ketika diujikan hasil sistem tidak dapat mengklasifikasikan data yang akan karena tidak ada rule.
10. SARAN
Berdasarkan hasil penelitian didapatkan suatu simpulan bahwa metode ID3 belum maksimal untuk mengatasi pengklasifikasian penyakit dan hama tanaman bawang merah sehingga diperlukan penambahan metode untuk perbaikan rule yang akan dibentuk. Selain itu pada saat pelatihan diperlukan dataset yang banyak dan variatif sehingga dapat membentuk rule yang diperlukan.
11. DAFTAR PUSTAKA
Alfian, W., 2016. Kandungan Bawang Merah Untuk Kesehatan Tubuh. [Online] Tersediadi:http://obatpenyuburkandung ansupayacepathamil.alfianherbal.com/k
andungan-bawang-merah-untuk-kesehatan-tubuh/ [Diakses 4 November 2017].
Cholil, 2017. Hama Penyakit Bawang Merah. BPTP. Malang.
Soetiarso, T. & Setiawati, W., 2005. Pedoman Umum Pengembangan Teknologi Inovatif Pada Tanaman Bawang Merah. Bandung: Badan Penelitian Tanaman Sayuran.
Urdiarto, B., Setiawati, W. & Suryaningsih, E., 2005. Pengenalan Hama Dan Penyakit Pada Tanaman Bawang Merah Dan Pengendaliannya. Bandung: Badan Penelitian Tanaman Sayuran.
Wahyudi. 2009. “Metode Iterative Dichotomizer
3 ( ID3 ) Untuk Penyeleksian
Penerimaan Mahasiswa Baru”, IC2T,
Volume 2 Nomor 2, Bandung.
WeSehat. 2015. Manfaat Bawang Merah Untuk Kesehatan Tubuh. [Online] Tersedia di: http://www.wesehat.com/2015/01/manf
aat-bawang-merah
