Naive Bayes (Studi kasus Kecamatan Wonosalam, Jombang)

(1)

Fakultas Ilmu Komputer

4034

Sistem Pakar Diagnosis Penyakit Tanaman Cengkeh Menggunakan Metode

Naive Bayes

(Studi kasus Kecamatan Wonosalam, Jombang)

Andrianto Setiawan1_{, Nurul Hidayat}2_{, Ratih Kartika Dewi}3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1_{setiawanandrianto0@gmail.com,}2_{ntayadih@ub.ac.id,}3_{ratihkartikad@ub.ac.id}

Abstrak

Tanaman cengkeh digolongkan ke dalam tanaman perkebunan atau industri yang banyak ditanam di Wonosalam. Tetapi tidak semua perkebunan cengkeh adalah milik warga sekitar, melainkan pemiliknya adalah warga dari luar daerah. Hal ini menyebabkan tanaman cengkeh kurang terawat dan akhirnya terserang penyakit. Salah satu metode untuk mendiagnosis penyakit tanaman cengkeh bisa dilakuakan dengan Naive Bayes. Sistem pakar diagnosis penyakit tanaman cengkeh menggunakan metode Naive Bayes ini dapat mempermudah untuk mendeteksi penyakit yang menyerang cengkeh berdasarkan gejala –gejala yang timbul. Metode Naive Bayes diimplementasikan pada mesin inferensi sistem pakar agar dapat melakukan penarikan kesimpulan berdasarkan pengetahuan yang ada pada basis pengetahuan. Hasil yang didapatkan setelah pengujian akurasi sistem yaitu 93% yang menunjukan bahwa metode

Naive Bayes cocok untuk kasus penyakit tanaman cengkeh.

Kata kunci: tanaman cengkeh, sistem pakar, naive bayes

Abstract

Clove plants are classified into plantation crops or industries that are widely grown in Wonosalam. But not all clove plantations belong to the local people, but the owners are residents from outside the region. This causes the plant is less well groomed cloves and eventually attacked by disease. One method to diagnose clove plant disease can be done with Naive Bayes. Clove plant disease diagnosis expert system using Naive Bayes method can make it easier to detect diseases that attack the cloves based on the symptoms that arise. The Naive Bayes method is implemented on an expert system inference engine in order to make inferences based on existing knowledge on the knowledge base. Results obtained after a system accuracy test of 93% indicating that the method of Naive Bayes is suitable for clove plant disease cases.

Keywords: clove plant, expert system, naive bayes

1. PENDAHULUAN

Tanaman cengkeh digolongkan ke dalam tanaman perkebunan atau industri yang tentunya sangat cocok di Indonesia. Cengkeh dapat tumbuh di tanah yang gembur dengan drainase yang cukup baik. Tanaman ini merupakan tanaman tropis yang sangat cocok ditanam di Indonesia. Hal ini dikarenakan tanaman cengkeh dapat menghasilkan minyak atsiri yang dapat digunakan untuk bahan baku produksi industri makanan maupun industri farmasi. Tentunya yang paling dominan di Indonesia adalah digunakan untuk bahan baku pembuatan rokok.

(2)

Permasalahan yang muncul adalah, dengan tidak terlibatnya pemilik secara langsung, banyak tanaman cengkeh yang rusak karena tidak terurus dengan baik dan juga tentunya karena penyakit. Hal ini menyebabkan kerugian bagi pemilik perkebunan cengkeh di Wonosalam. Sebelum rusak karena penyakit, tentunya tanaman cengkeh menunjukan gejala gejala yang seharusnya bisa diamati, sehingga dapat dicegah dengan penanganan yang tepat. Oleh sebab itu, dibutuhkan sebuah sistem yang layaknya seorang pakar agar dapat mengidentifikasi secara tepat penyakit tanaman cengkeh. Penulis akan mencoba untuk memberikan solusi melalui penelitian ini yaitu pembuatan sistem untuk diagnosa penyakit tanaman cengkeh menggunakan metode Naive Bayes.

Penelitian yang dijadikan referensi oleh penulis adalah penelitian yang berjudul Permodelan Sistem Pakar Diagnosa Penyakit HIV Menggunakan Metode Naive Bayes. Pada penelitian tersebut metode

Naive Bayes digunakan untuk menghitung nilai kemungkinan dari masing-masing gejala dengan mengacu pada data training. Pengujian dilakukan dengan membandingkan hasil diagnosa dari sistem dengan hasil diagnosa dari pakar. Berdasarkan pengujian yang telah dilakukan, akurasi sistem adalah sebesar 85% (Fatma, 2016).

Berdasarkan uraian diatas, penulis tertarik melakukan penelitian dengan judul “Sistem Pakar Diagnosis Penyakit

Tanaman Cengkeh Menggunakan

Metode Naive Bayes”.

Dengan adanya penelitian ini diharapkan para pemilik perkebunan cengkeh khususnya di Wonosalam tidak merugi karena dapat mengidentifikasi penyakit tanaman cengkeh dengan tepat.

2. LANDASAN KEPUSTAKAAN

Sistem Sistem pakar adalah bidang dalam kecerdasan buatan (Artificial Intelligent) yang digunakan untuk pengambilan keputusan yang diambil oleh seorang pakar dengan menggunakan pengetahuan (knowledge), fakta dan teknik berfikir dalam menyelesaikan permasalahan

yang biasanya diselesaikan oleh seorang pakar yang bersangkutan (Hayadi B, 2016).

Metode Naive Bayes adalah metode untuk mengklasifikasi probabilitas sederhana yang didasarkan pada Teorema Bayes. Dalam Teorema Bayes dikombinasikan dengan “Naive” yang berarti dalam atribut dengan sifat bebas (independent). Naive Bayes Classifier dapat dilatih dengan efiensi pembelajaran terawasi (supervised learning). Keuntungan dalam klasifikasi adalah hanya membutuhkan sejumlah kecil data pelatihan untuk memperkirakan parameter yang diperlukan untuk klasifikasi. Karena variabel independen diasumsikan, hanya variasi variabel untuk masing-masing kelas harus ditentukan, bukan seluruh matriks kovarians.

Secara garis besar model naive bayes classifier ditunjukkan pada persamaan (1) (Sutojo, 2011) .

𝑝(𝐻|𝐸) = 𝑝(𝐸|𝐻_𝑝(𝐸)) 𝑥 𝑝(𝐻) (1)

Dengan:

1. p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi

2. p(E|H) = probabilitas munculnya evidence E jika hipotesis H terjadi 3. p(H) = probabilitas hipotesis H tanpa

memandang evidence apapun

4. p(E) = probabilitas evidence E tanpa memandang apapun

Atau dengan kata lain persamaan diatas dapat digambarkan sebagai persamaan (2).

𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 𝑃𝑟𝑖𝑜𝑟 𝑥 𝐿𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑_{𝐸𝑣𝑖𝑑𝑒𝑛𝑐𝑒} (2) Perhitungan naive bayes dapat dilakukan dengan langkah berikut ini: 1. Mencari nilai prior untuk tiap-tiap kelas

dengan menghitung rata-rata tiap kelas dengan menggunakan persamaan (3).

𝑃 =_AX (3)

Keterangan: P = Nilai prior

(3)

2. Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan persamaan (4).

L=𝐹_𝐵 (4)

Keterangan:

L = Nilai likelihood

F = jumlah data feature tiap kelas B = jumlah seluruh fitur tiap kelas

3. Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan persamaan (5). P(c|a) = P(c) x P(a|c) (5) Keterangan :

P(c) = Nilai prior tiap kelas P(a|c)= Nilai likelihood

Hasil klasifikasi dengan menggunakan metode Naive Bayes dilakukan dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi.

Berikut ini beberapa penyakit yang menyerang tanaman cengkeh:

1. Penyakit Bakteri Pembuluh Kayu (BPKCK)

Menurut pakar Anang faktor yang mempengaruhi BPKCK adalah keanekaragaman gejala dan penyebaran penyakit dapat disebabkan oleh perbedaan naungan, suhu, sinar matahari dan musim. Gejala mati cepat biasanya terjadi di dataran tinggi, sedangkan mati lambat terjadi di dataran rendah.

2. Penyakit Cacar Daun Cengkeh

Menurut pakar Anang penyebab penyakit cacar daun cengkeh adalah parasit lemah, sehingga penyakit lebih banyak terdapat pada tanaman lemah. Penyakit banyak terdapat pada kebun yang rapat, kurang terpelihara, kurang dipupuk, gulma tidak dikendalikan dan pemetikannya kasar.

3. Penyakit Jamur Akar Putih

Menurut pakar Anang penyebab utama dari penyakit ini adalah jamur Akar Putih (Rigidoporus Lignosus). Gejala serangannya adalah daun cengkeh layu secara tiba-tiba, mengering dan akhirnya rontok. Lalu benang-benang miselium jamur yang menempel kuat pada akar.

3. METODOLOGI

.

Gambar 1.Diagram Alir Naive Bayes

Data hasil peneltian dan observasi lapangan yang telah dilakukan akan digunakan sebagai data training tersebut merupkan aturan-aturan yang nantinya akan digunakan sebagai basis pengetahuan pada sistem pakar diagnosis penyakit tanaman cengkeh. Kode dan gejala klinik yang terdapat pada penyakit tanaman cengkeh dapat dilihat pada Tabel 1.

Tabel 1. Gejala tanaman Cengkeh

Kode Gejala Penyakit

G1 Ranting pada pucuk batang

mati

1.

Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK)

G2 Daun gugur dari

atas ke bawah

1.

Penyakit Bakteri Pembuluh Kayu Cengkeh (BPKCK)

START

Gejala Tanaman Cengkeh

Prior = jumlah kelas suatu penyakit / total kelas

Likelihood = jumlah data fitur / jumlah seluruh fitur

Posterior = Prior x Likelihood

Penyakit yang menyerang Tanaman Cengekh

END

(4)

G3

2.

Penyakit Jamur Akar Putih G6 Pada daun muda

yang berwarna merah terdapat bagian melepuh

1.

Penyakit Cacar Daun Cengkeh

G7 Pada bercak melepuh terdapat

titik hitam

1.

G8 Daun bercak cacar terdapat di

bagian bawah dan semakin ke

atas semakin sedikit

1.

G9 Daun cengkeh layu tiba-tiba, mengering, dan

rontok

1.

2.

Penyakit Jamur Akar Putih

G10 Benang Miselium jamur menempel pada akar tanaman

1.

G11 Akar membusuk

1.

4. PENGUJIAN DAN ANALISIS

Pengujian ini dilakukan dengan menguji tingkat keakuratan atau kesesuaian dari data

testing yang didapatkan oleh pakar dengan hasil output dari sistem. Data testing yang didapatkan sebanyak 30, keseluruhan data latih didapatkan dari pakar dan setelah ditelaah terdapat 1 data uji yang sama dengan data latih. Kemudian akan dilakukan percobaan dengan masukan sesuai data uji.

Dari percobaan yang telah dilakukan sebanyak 30 data uji didapatkan hasil keluaran sistem yang sesuai sebanyak 28 dimana ketidak sesuaian keluaran dari sistem dengan hasil uji dari pakar terdapat pada data uji kelima dan kesembilan dimana menurut pakar untuk masukan hanya gejala lima seharusnya keluaran dari sistem adalah jamur akar tetapi keluaran sistem justru menghasilkan penyakit bakteri pembuluh kayu cengkeh sedangkan untuk masukan gejala sembilan saja seharusnya keluaran dari sistem adalah cacar daun tetapi keluaran sistem justru menghasilkan penyakit jamur akar. Sehingga didapatkan nilai akurasi:

𝑎𝑘𝑢𝑟𝑎𝑠𝑖 =28_{30 𝑥 100}

Maka akurasi = 93%

5. KESIMPULAN

Berdasarkan hasil pengujian dan analisis hasil penelitian ini, maka dapat diambil beberapa kesimpulan sebagai berikut :

1. Sistem pakar diagnosis penyakit pada tanaman cengkeh berhasil diimplentasi dalam bentuk perangkat lunak dengan fungsi melakukan diagnosis penyakit pada tanaman cengkeh. Selain itu terdapat pula menu berupa informasi daftar penyakit pada tanaman cengkeh beserta gejala—gejala nya.

2. Metode naive bayes baik digunakan untuk diagnosis penyakit pada tanaman cengkeh karena menghasilkan tingkat akurasi sebesar 93%.

6. DAFTAR PUSTAKA

Arhami, Muhammad, Konsep Dasar Sistem Pakar, Yogyakarta.2005.

(5)

Pengujian Perangkat Lunak.2009

Eko S.2014.Usability Testing untuk mengukur penguunaan website inspektorat Kota Palembang, Universitas Bina Darma, Palembang.2014