Hal: 198-202
Sistem Pakar Mendiagnosa Penyakit Pada Tanaman Nanas Dengan
Menggunakan Metode Clustering
Febri Safitri Sihombing
Prodi Teknik Informatika,Universitas Budi Darma, Medan, Indonesia E-mail: [email protected]
Abstrak
Tanaman nanas salah satu tanaman yang disukai masyarakat Indonesia, tanaman nanas mempunyai
pertumbuhan/perkembangbiakan yang mudah ,didalam menanam nanas tak jarang petani nanas resah akan hama dan penyakit yang tiba-tiba datang dan membuat tanaman nanas rusak/ gagal panen. Adapun penyakit tanaman nanas yaitu busuk pada akar penyakit ini menyebabkan daun bagian bawah bercak-bercak kekuninngan dan menjalar kesemua daun, dan dapat menyebabkan kematian pada tanaman nanas, busuk pangkal buah yang bergejalah seperti bercak-bercak putih dan busuk lunak, gulma (Dapat menyebabkan menghambatnya pertumbuhan/kerdil). Gangguan penyakit pada tanaman nanas yang disebabkan oleh mikro organisme (virus, bakteri, protozoa, jamur). Penyebaran penyakit pada tanaman nanas biasanya melalui air, serangga dan faktor lingkungan (suhu dan udara), sehingga para petani perlu untuk mendiagnosa ganggguan yang menyerang tanaman nanas tersebut, sehingga perlu diambil keputusan yang tepat untuk mengatasi masalah tersebut, karena jika terjadi kesalahan dalam mendiagnosa, maka bukan saja akan membuat biaya pestisida membengkak, tetapi juga dapat mengakibatkan tanaman nanas mati, sehingga menjadi gagal panen. Dalam uraian diatas maka metode Clustering dapat mengatasi kesalahan-kesalahan yang terjadi selama ini. Dengan mendiagnosa dari beberapa gejala yang akan diberikan nilai bobot pada masing-masing gejala. Kemudian melakukan perhitungan dengan menggunakan metode Clustering terhadap gejala tersebut, maka akan didapatkan penyakit yang tepat. Sehingga metode ini sesuai menjadi pakar dalam menentukan penyakit Pada Tanaman Nanas.
Kata Kunci: Sistem Pakar, Tanaman Nanas, Clustering
1. PENDAHULUAN
Seiring dengan semakin berkembangnya pengetahuan, teknologi komputer juga mengalami kemajuan yang sangat signifikan dari tahun ke tahun. Hal ini ditandai dengan berkembangnya teknologi yang mampu membantu proses dan cara berpikir manusia yang disebut sebagai artificial intelligence atau lebih dikenal dengan istilah kecerdasan buatan. Salah satu aplikasi dari artificial intelligence adalah expert system
atau yang lebih dikenal dengan sebutan sistem pakar. Sistem pakar memiliki kemampuan untuk menerapkan suatu dasar pengetahuan (knowledge base) yang diperoleh melalui penginputan data dari kemampuan para pakar dalam suatu bidang tertentu.
Tanaman nanas salah satu tanaman yang disukai masyarakat Indonesia, tanaman nanas mempunyai pertumbuhan/perkembangbiakan yang mudah ,didalam menanam nanas tak jarang petani nanas resah akan hama dan penyakit yang tiba-tiba datang dan membuat tanaman nanas rusak/ gagal panen. Adapun penyakit tanaman nanas yaitu busuk pada akar penyakit ini menyebabkan daun bagian bawah bercak-bercak kekuninngan dan menjalar kesemua daun, dan dapat menyebabkan kematian pada tanaman nanas, busuk pangkal buah yang bergejalah seperti bercak-bercak putih dan busuk lunak, gulma (Dapat menyebabkan menghambatnya pertumbuhan/kerdil).
Diagnosa proses yang dilakukan untuk mengenali atau mengetahui terdapatnya keadaan yang tidak wajar atau alamiah dan meneliti adanya abnormalitas serta menetapkan untuk membuat rencana pada suatu penyakit. Sistem pakar merupakan salah satu pemecahan yang potensial untuk mengatasi masalah diagnosa penyakit pada tanaman nanas. Dengan 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.
Clustering merupakan proses partisi satu objek data ke dalam himpunan bagian yang disebut dengan cluster. Objek yang di dalam cluster memiliki kemiripan karakteristik antar satu sama lainnya dan berbeda dengan cluster yang lain. Partisi tidak dilakukan secara manual melainkan dengan suatu algoritma clustering. Oleh karena itu, clustering sangat berguna dan bisa menemukan group atau kelompokyang tidak dikenal dalam data.
Perkembangan teknologi sekarang ini telah banyak menunjukkan kemajuan yang luar biasa, komputer digunakan untuk membantu pekerjaan manusia dalam hampir di berbagai bidang. Oleh karena itu maka peneliti merancang dan mengimplementasikan sistem pakar yang dapat membantu menyelesaikan masalah tersebut.
2. TEORITIS
2.1 Pengertian Sistem Pakar
Sistem pakar adalah salah satu bentuk aplikasi dari Artificial Intellegence yang merupakan suatu program komputer yang dirancang berdasarkan pengetahuan (knowledge-based system) dan kaidah-kaidah dan mampu bertindak menyerupai atau sama dengan seorang pakar. Hal ini pada awalnya bertolak dari keinginan manusia untuk mengetahui cara kerja otak manusia itu sendiri, dengan demikian timbul teori tentang berpikir, sehingga seorang berusaha keras membuat model tersebut. Jika diperhatikan, pada dasarnya seseorang sebenarnya sudah merupakan sebuah sistem pakar, sehingga proses pengembangan sistem pakar tidal lain adalah proses transfer kepakaran seorang ahli dalam sistem komputer.
Untuk melakukan hal tersebut tidakbegitu saja dilakukan, tetapi diperlukan sebuah alat pembangun khusus untuk mengembangkan sistem pakar itu kemudian pengetahuan-pengetahuan yang dimiliki oleh seorang ahli tersebut serta ditambah referensi lain dimasukkan kedalam basis data komputer tersebut sebagai basis pengetahuan [1].
2.2 Tanaman Nanas
Penyakit tanaman adalah gangguan pada tanaman yang disebabkan oleh mikro organisme (virus, bakteri, protozoa, jamur). Penyebaran penyakit pada tanaman nanas biasanya melalui air, serangga dan faktor lingkungan (suhu dan udara), sehingga para petani perlu untuk mendiagnosa ganggguan yang menyerang tanaman nanas tersebut, sehingga perlu diambil keputusan yang tepat untuk mengatasi masalah tersebut, karena jika terjadi kesalahan dalam mendiagnosa, maka bukan saja akan membuat biaya pestisida membengkak, tetapi juga dapat mengakibarkan tanaman nanas mati, sehingga menjadi gagal panen.
2.3 Metode Clustering
Clustering merupakan proses partisi satu objek data ke dalam himpunan bagian yang disebut dengan cluster. Objek yang di dalam cluster memiliki kemiripan karakteristik antar satu sama lainnya dan berbeda dengan cluster yang lain.
Metode clustering juga harus dapat mengukur kemampuannya sendiri dalam usaha untuk menemukan suatu pola tersembunyi pada data yang sedang diteliti. Terdapat berbagai metode yang dapat digunakan untuk mengukur nilai kesamaaan antar objek-objek yang dibandingkan. Salah satunya ialah dengan weighted
Euclidean Distance. Euclidean distance menghitung
jarak dua buah point tersebut [1].Berikut formula yang digunakan untuk menghitung jarak dengan Euclidean Distance :
Di mana:
N = Jumlah record data K = Ukuran file data r = 2
μk = Bobot field yang diberikan user
Jarak adalah pendekatan yang umum dipakai untuk menentukan kesamaan atau ketidaksamaan dua vektor fitur yang dinyatakan dengan ranking. Apabila nilai ranking yang dihasilkan semakin kecil nilainya maka semakin dekat/tinggi kesamaan antara kedua vektor tersebut. Teknik pengukuran jarak dengan metode Euclidean menjadi salah satu metode yang paling umum digunakan. Pengukuran jarak dengan metode euclidean dapat dituliskan dengan persamaan berikut:
Dimana v1 dan v2 adalah dua vektor yang jaraknya akan dihitung dan N menyatakan panjang vektor.
3. ANALISA
Analisa terhadap suatu sistem dilakukan sebelum tahapan perancangan dilakukan. Tujuan diterapkannya analisis terhadap suatu sistem adalah untuk mengetahui alasan mengapa sistem itu diperlukan, sehingga fungsi yang terdapat didalam sistem tersebut diperlukan, sehingga fungsi yang terdapat didalam sistem tersebut bekerjasama secara optimal. Salah satu unsur pokok yang harus dipertimbangkan dalam tahapan analisis sistem ini yaitu masalah perangkat lunak, karena perangkat lunak yang digunakan haruslah sesuai dengan masalah yang akan diselesaikan.
Berikut ini adalah analisis gejala-gejala umum yang terdapat pada penyakit tanaman nanas, dapat dilihat pada tabel 1 gejala beikut ini :
Tabel 1 Gejala Penyakit Tanaman Nanas
No. Data Gejala Kode
Gejala
1. Pada daun terjadi perubahan warna hijau
belang-belang kuning.
G1
2. Daun0daun muda mudah dicabut. G2
3. Bagian pangkalnya membusuk. G3
4. Bagian pangkal, daun, buah, dan bibit
menampakkan gejala busuk lunak berwarna coklat atau hitam.
G4
5. Berbau khas. G5
6. Bercak-bercak putih kekuningan. G6
Berikut ini merupakan basis yang berisikan jenis penyakit dan gejala penyakit tanaman nanas dapat dilihat pada tabel 2 berikut ini :
Tabel 2 Data Penyebab & Data Gejala
No Data
Penyebab Data Gejala
1. Gejala
busuk akar
1. Pada daun terjadi perubahan warna
hijau belang-belang kuning.
2. Daun-daun muda mudah dicabut.
3. Bagian pangkalnya membusuk dengan
bau busuk berwarna coklat.
2. Busuk
pangkal
1. Bagian pangkal, daun, buah, dan bibit
menampakkan gejala busuk lunak berwarna coklat atau hitam.
2. Berbau khas.
3. Bercak-bercak putih kekuningan.
3.1 Analisa Metode Clustering
Adapun analisa terhadap sistem pakar yang akan dibangun menerapkan metode clustering. Teori custering merupakan proses partisi satu objek data kedalam himpunan bagian yang disebut dengan cluster. Objek yang didalam cluster memiliki kemiripan karakteristik antara satu sama lainnya dan berbeda dengan cluster yang lain.
Metode clustering juga harus dapat mengukur kemampuannya sendiri dalam usaha untuk menemukan suatu pola tersembunyi pada data yang sedang diteliti. Terdapat berbagai metode yang dapat digunakan untuk mengukur nilai kesamaan antar objek-objek yang
Hal: 198-202 dibandingkan. Salah satunya ialah dengan weighted
Euclidean Distance. Euclidean Distance menghiting
jarak dua buah point dengan mengetahui nilai dari masing-masing atribut pada kedua poin tersebut. Berikut formula yang digunakan untuk menghitung jarak dengan Euclidean Distance :
Jarak adalah pendekata yang umum dipakai untuk menetukan kesamaan atau ketidak samaan dua vektor fitur yang dinyatakan dengan rangking. Apabila nilai rangking yang dihasilkan sama kecil nilainnya maka semakin dekat / tinggi kesamaan antara kedua vektor tersebut. Teknik pengukuran jarak dengan metode Euclidean menjadi salah satu metode yang paling umum digunakan.
Data sampel tanaman nanas yang digunakan pada penelitian ini sebanyak 10 dengan fitur X yaitu data pertama dan Y yaitu data kedua dengan rincian pada Tabel dibawah ini :
Tabel 3 Data Sampel Tanaman Nanas
Sampel Attribut / fitur X Y 1 5,09 5,80 2 3,24 5,90 3 1,68 4,90 4 1,00 3,17 5 1,48 1,38 6 2,91 0,20 7 4,76 0,10 8 6,32 1,10 9 7,00 2,83 10 6,52 4,62
Akan dilakukan pemartisian data terhadap data diatas sebanyak 2 partisi, maka tahapannya dalah sebagai berikut :
a. K = 2, (K = Jumlah Cluster)
Nilai awal centroid (1.48,1.38) untuk partisi 0, dan centroid (4.76,0.10) untuk partisi 1
b. Maka perhitungan Euclidean Distance adalah dimana p adalah data, c adalah centroid, n adalah jumlah data, i adalah iterasi.
c. Hasil perhitungan jarak minimum A adalah
d. Hasil perhitungan jarak minimum B adalah
e. Hasil perhitungan jarak keseluruhan Tabel 4 Jarak Keseluruhan
Sampel X Y A 5,707 5,710 B 4,851 5,996 C 3,526 5,703 D 1,853 4,854 E 0,000 3,521 F 1,854 1,853 G 3,521 0,000 H 4,848 1,853 I 5,707 3,531 J 5,992 4,851
f. Hasil perhitungan partisi diambil dari jarak minimum, sehingga didapat sebagai berikut : Contoh pada A, X = 5.707 lebih kecil dari Y = 5.710, maka A termasuk ke dalam Cluster 0. Begitu juga dengan F, X = 1.854 lebih besar dari Y = 1.853, maka B masuk ke dalam Cluster 1.
Tabel 5 Nilai Cluster
Sampel Cluster 0 Cluster 1
A 1 0 B 1 0 C 1 0 D 1 0 E 1 0 F 0 1 G 0 1 H 0 1 I 0 1 J 0 1
g. Setelah data di partisi, maka selanjutnya nilai centroid harus dihitung ulang untuk menentukan jarak minimum yang baru, berikut perhitungan centroid baru :
h. Hitung jarak minimumnya kembali dengan menggunakan centroid yang baru, sehingga di dapat hasilnya sebagai berikut.
Tabel 6 Nilai Jarak Minimum
Sampel X Y A 3,030 4,051 B 1,827 4,709 C 1,057 4,940 D 1,835 4,715 E 3,026 4,041 F 4,051 3,030 G 4,709 1,827 H 4,940 1,057 I 4,715 1,835 J 4,041 3,026
i. Klasifikasikan kembali data berdasar jarak minimum diatas.
Tabel 7 Klasifikasi Nilai Jarak Minimum
Sampel Cluster 0 Cluster 1
B 1 0 C 1 0 D 1 0 E 1 0 F 0 1 G 0 1 H 0 1 I 0 1 J 0 1
Karena tidak ada data yang berpindah ke cluster yang berbeda, sehingga iterasi kita cukupkan sampai dengan nilai centroid akhir : (2.50,4.23), (5.50,1.77).
4. IMPLEMENTASI
Implementasi sistem program ini mencakup spesifikasi kebutuhan perangkat keras (hardware) dan spesifikasi perangkat lunak (software).
4.1 Pengujian Program
Tampilan dalam pengujian program merupakan tampilan halaman yang muncul pertama sekali pada saat sistem dijalankan.
a. Form Menu Utama
Halaman ini digunakan sebagai tempat untuk menampung semua pilihan-pilihan yang terdapat didalam sistem yang dirancang. Dalam menu utama terdapat menu Data, Konsultasi dan Menu Keluar.
Gambar 1 Tampilan Menu Utama b. Form Gejala
Form gejala adalah adalah tampilan untuk menginputkan data-data gejala pada yang ingin diproses kedalam database. Adapun tampilan dari form gejala adalah seperti terlihat pada gambar berikut :
Gambar 2 Tampilan Gejala
c. Form Data Penyakit
Form data penyakit adalah tampilan untuk menginputkan data-data penyakit pada yang ingin diproses kedalam database. Adapun tampilan dari form data penyakit adalah seperti terlihat pada gambar berikut :
Gambar 3 Tampilan Data Penyakit
5. KESIMPULAN
Berdasarkan hasil penilitian yang telah dilakukan, dapat disimpulkan beberapa hal sebagai berikut :
a. Telah berhasil dibangun aplikasi sistem pakar tanaman nanas yang dibuat sebagai sarana penunjang untuk membantu masyarakat umum dan petani dalam mengidentifikasi penyakit tanaman nanas yang disebabkan oleh mikro organisme (virus, bakteri, protozoa, jamur) berdasarkan gejala-gejala yang diberikan.
b. Sistem pakar yang dibangun dapat bermanfaat bagi masyarakat umum dan petani untuk mengetahui informasi tentang penyakit tanaman nanas.
c. Hasil pengujian fungsional menunjukan bahwa sistem pakar yang dibangun telah berjalan sesuai yang diterapkan.
DAFTAR PUSTAKA
[1] Tiya Oviana, Titik Nur Aeny & Joko Prasetyo, “Isolasi Dan Karakterisasi Penyebab Penyakit Busuk Buah Pada Tanaman Nanas (Ananas Comosus [L] Merr)” Vol.3, No.2: 220-225, Mei 2015.
[2] Brima Surya Prayoga, Nadhira Nanda Fatriani, Kusnawi, “Penerapan Metode K-Means Cluster Analisis Untuk Mendeteksi Hama Dan Penyakit Pada Tanaman Melon” 2014.
[3] Silvi Agustina, Dhimas Yhudo, Hadi Santoso, Nofiadi Marnasusanto, Arif Tirtana, Fakhris Khusnu, “Clustering Kualitas Beras Berdasarkan Ciri Fisik” Malang.
Hal: 198-202 [4] Siti Hadianti, “Sistem Pakar Diagnosis Jenis
Jerawat Pada Wajah Menggunkan Metode K-Means Clustering” Tanjungpura.
[5] Muhammad Arhami, “Konsep Dasar Sistem Pakar”, 2005.
[6] A.S.Rosa dan Shalahuddin. M, 2013, “Rekayasa Perangkat Lunak Terstruktur”, Andi, Yogyakarta. [7] Aditya, Arifif Primananda, 2013, “Dasar-Dasar
Pemrograman Database Dekstop Dengan Visual Basic.Net 2008”, PT.Elex Media Komputindo, Jakarta
