PENERAPAN METODE NAIVE BAYES UNTUK KLASIFIKASI JAGUNG PRODUKTIF DI GORONTALO
Ramayanti Kaku, Arip Mulyanto, Manda Rohandi Program Studi Sistem Informasi/ Jurusan Teknik Informatika
Abstrak
Bervariasinya cara penanaman jagung yang dilakukan petani Gorontalo menyebabkan sulitnya pemilihan dan pengklasifikasian jagung yang produktif sehingga keberhasilan petani dalam pembudidayaan jagung masih belum efektif yang berdampak pada hasil produksi jagung yang diperoleh tidak sesuai dengan harapan. Penelitian ini bertujuan untuk menerapkan metode Naive Bayes untuk mengklasifikasikan jagung produktif di Gorontalo sehingga dapat berdampak pada peningkatan produksi jagung. Hasil akhir dari pengklasifikasian dengan metode Naive Bayes yaitu pengklasifikaian jagung yang dilakukan berdasarkan kelas produktif atau tidak produktif dan dengan spesifikasi tertentu dapat dikatakan produktif atau tidak dengan presentase kinerja sebesar 33 % yang disebabkan oleh banyaknya data kontinu dibandingkan data diskrit.
Kata Kunci : Jagung Produktif, Klasifikasi, Naive Bayes.
Abstract
The variation of maize planting by Gorontalo’s farmer caused the complication of selection and classification of productive maize therefore the farmer’s success in cultivating the maize still not effective. It would affect the production of maize which was not accord with the expectation. The research aimed to apply the Naive Bayes method to classify the productive maize in Gorontalo so that it could increase the maize production. The result of classification with Naive Bayes method was based on the productive or non productive class and particular spesification could be said as productive or non productive with performance
percentage was 33 %. It was caused by larger number of continuous data then the discrete data.
Keywords: Productive Maize, Classification, Naive Bayes
PENDAHULUAN
Gorontalo adalah salah satu daerah penghasil jagung dimana jagung ini merupakan komoditi utama. Untuk mempertahankan dan menghasilkan jagung dalam jumlah besar diperlukan jagung yang produktif. Permasalahan yang ada bahwa jagung yang dihasilkan di Gorontalo kurang memuaskan. Bervariasinya cara penanaman jagung yang ada menyebabkan sulitnya pemilihan dan pengklasifikasian jagung yang produktif sehingga keberhasilan petani dalam membudidayakannya masih belum efektif. Untuk mengatasi permasalahn tersebut dibutuhkan peran sebuah sistem untuk mengklasifikasikan jagung produktif tersebut.
Sebuah metode diperlukan untuk menunjang sistem tersebut salah satunya metode Naive Bayes untuk mengklasifikasikan jagung produktif di Gorontalo. adapun tujuan dari penelitian ini yaitu untuk menerapkan metode Naive Bayes untuk mengklasifikasikan jagung produktif di Gorontalo dengan harapan dapat berdampak pada pada peningkatan produksi jagung.
Proses pengklasifikasiannya menggunakan teknik klasifikasi. Dimana klasifikasi merupakan pekerjaan menilai objek data untuk memasukkannya ke dalam kelas tertentu dari sejumlah kelas yang tersedia. Dalam klasifikasi ada dua pekerjaan utama yang dilakukan, yaitu (1) pembangunan model sebagai prototipe untuk disimpan sebagai memori dan (2) penggunaan model tersebut untuk melakukan pengenalan/ klasifikasi/ prediksi pada suatu objek data lain agar diketahui di kelas mana objek data tersebut dalam model yang sudah disimpannya (Prasetyo, 2012).
Sedangkan metode klasifikasi yang digunakan yaitu metode Naïve Bayes yang merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (aturan Bayes) dengan asumsi independensi
(ketidaktergantungan) yang kuat (naif). Dengan kata lain, dalam Naive Bayes model yang digunakan adalah “model fitur independen” (Prasetyo, 2012).
Prediksi Bayes didasarkan pada teorema Bayes dengan formula umum sebagai berikut (Prasetyo, 2012) :
𝑃(𝑌|𝑋) = 𝑃(𝑌) 𝑞𝑖=1𝑃(𝑋𝑖|𝑌) P (X)
Sedangkan Naive Bayes dengan fitur kontinu memiliki formula :
P(X| Y) = 1 2𝜋 𝜎
𝑒𝑥𝑝
− 𝑥 −𝜇 2𝜎 2 2 Keterangan :P(Y | X) = probabilitas data dengan vektor X pada kelas Y. P(Y) = Probabilitas awal kelas Y
𝑃(𝑋𝑖
𝑞
𝑖=1 |𝑌) = Probabilitas independen kelas Y dari semua fitur dalam vektor X
𝜇 = Mean atau nilai rata-rata dari atribut yang bertipe numerik
𝜎 = Deviasi standar
METODE PENELITIAN
Metode yang digunakan dalam penenlitian ini adalah metode Case Study atau metode studi kasus. Dimana tujuan studi kasus ini adalah untuk memberikan gambaran secara mendetail tentang latar belakang, sifat-sifat serta karakter yang khas dari kasus, ataupun status dari individu yang kemudian dari sifat-sifat yang khas di atas akan dijadikan suatu hal yang bersifat umum (Nazir, 1998). Tahapan penelitian yang digunakan yaitu :
Penelitian dan Pengumpulan Data
Pada tahapan ini penulis melakukan analisa persiapan kebutuhan penelitian berupa tinjauan pustaka, metode yang akan digunakan dan pengumpulan data. Teknik pengumpulan data yang dilakukan penulis yaitu :
Wawancara
Pada penelitian ini penulis melakukan wawancara dengan pihak yang ada pada Badan Pusat Informasi Jagung (BPIJ) atau dengan pihak-pihak lain yang berkaitan untuk mengetahui kriteria-kriteria yang digunakan dalam
(1) . . .
(2) . . .
pengklasifikasian jagung produktif. Keluaran yang dihasilkan dari wawancara ini yaitu informasi-informasi seputar tanaman jagung berupa hasil produksi dan kriteria-kriteria lainnya yang digunakan dalam pengklasifikasian jagung.
Studi Pustaka
Penulis melakukan studi pustaka dengan melakukan pencarian dan mengumpulkan literatur-literatur yang berkaitan dengan konsep klasifikasi dan metode Naive Bayes yang digunakan. Sumber literatur berupa buku, jurnal, artikel, skripsi/tesis, karya ilmiah dan situs penunjang lainnya. Keluaran yang dihasilkan yaitu berupa konsep dari klasifikasi dan metode Naive Bayes itu sendiri.
Analisis Sistem
Pada tahapan ini analisis dilakukan untuk mengetahui kebutuhan sistem berdasarkan data dan informasi yang telah diperoleh sebelumnya tentang jagung produktif. Kemudian menganalisis sistem dengan mengggunakan metode Naive Bayes. Sehingga keluaran dari tahapan ini yaitu dapat mengetahui dan memahami kebutuhan sistem yang akan dirancang. Dimana kriteria yang diinput yaitu keadaan jagung yang ditanam berupa hasil produksi, umur panen, tinggi tanaman, jarak tanam, daerah tanam, jenis lahan dan dosis pupuk yang digunakan serta kategori produktif untuk setiap tanaman jagung.
Perancangan Sistem
Tahapan ini akan dilakukan perancangan sebuah desain dari sistem berdasarkan basis data, user interface, diagram alir data (DAD) dan penerapan metode Naive Bayes pengklasifikasian jagung pada aplikasi yang akan dibuat. Sehingga sistem yang telah dirancang akan menghasilkan suatu aliran proses dan hubungan antar data untuk memenuhi kebutuhan sistem yang telah di analisa. Keluaran dari sistem ini merupakan rancangan desain sistem untuk mengklasifikasi jagung produktif dengan menggunakan metode Naive Bayes. Implementasi
Mengimplementasikan sistem kedalam bahasa pemrograman PHP (Hypertext Preprocessor) berdasarkan rancangan yang telah dibuat sebelumnya apakah sesuai dengan kebutuhan sistem. Keluaran dari tahapan ini yaitu aplikasi
yang dapat mengklasifikasikan jagung produktif dengan menggunakan metode Naive Bayes.
Pengujian Sistem
Pada tahapan ini dilakukan pengujian dan evaluasi terhadap hasil yang diberikan metode Naive Bayes untuk mengklasifikasikan jagung produktif apakah sesuai dengan hasil perhitungan manual yang sebelumnya telah dibuat. Keluaran dari tahapan ini adalah sistem digunakan oleh pemerintah maupun masyarakat untuk mengklasifikasikan jagung produktif.
HASIL DAN PEMBAHASAN Hasil
a. Penelitian dan Pengumpulan Data
Sumber data yang digunakan dalam penelitian ini yaitu jumlah hasil produksi jagung Gorontalo yang meliputi umur panen jagung, tinggi tanaman, jarak tanam yang digunakan, daerah dan jenis lahan untuk penanaman, serta dosis pupuk yang digunakan yang diperoleh dari Badan Pusat Informasi Jagung Provinsi Gorontalo. Data tersebut diolah untuk mendapatkan pengetahuan tentang jagung produktif yang sesuai dengan keadaan Gorontalo menggunakan metode Naive Bayes.
b. Analisis Sistem
Bervariasinya cara penanaman yang ada menyebabkan sulitnya pemilihan dan pengklasifikasian jagung yang produktif sehingga keberhasilan petani dalam membudidayakannya masih belum efektif, yang akhirnya berdampak pada hasil yang diperoleh pemerintah maupun masyarakat. Untuk itu diperlukan sebuah sistem yang dapat mengklasifikasikan jagung produktif tersebut dengan inputan data-data jumlah produksi jagung, umur panen jagung, tinggi tanaman, jarak tanam yang digunakan, daerah dan jenis lahan untuk penanaman, dosis pupuk yang digunakan serta kategori produktif dan tidak produktif seperti yang terlihat pada tabel 1.
Tabel 1. Daftar Atribut Jagung N o Jenis jagung Hasil produksi (C1) Umur panen (C2) Tinggi tanaman (C3) Jarak tanam (C4) Daerah tanam (C5) Jenis lahan (C6) Dosis pupuk (C7) Kategori “Produkti f” (C8)
1 Bima 6 ton 100 hari 200 cm 25x75
cm Dataran tinggi
Lahan kering
250
kg Ya 2 Gumarang 5 ton 82 hari 200 cm 25x75
cm Dataran rendah (600 m dpl) Lahan sawah tadah hujan 100 kg Tidak 3 Lamuru 5 ton 95 hari 190 cm 40x100
cm Dataran rendah (600 m dpl) Lahan kering 200 kg Tidak 4 Sukmaraga 6 ton 100 hari 195 cm 25x75
cm Dataran rendah (800 m dpl) Lahan gambut 250 kg Ya 5 Srikandi
kuning 1 5 ton 100 hari 185 cm
40x100 cm Dataran rendah (600 m dpl) Lahan sawah tadah hujan 250 kg Ya
6 Bima 1 7 ton 97 hari 230 cm 40x100 cm Dataran rendah (1000 m dpl) Lahan kering 200 kg Tidak 7 Bisi 2 8 ton 100 hari 230 cm 25x75
cm Dataran tinggi Lahan kering 250 kg Tidak 8 SHS 2 6 ton 82 hari 190 cm 25x75 cm Dataran rendah (800 m dpl) Lahan gambut 100 kg Tidak
9 Bima 2 7 ton 100 hari 190 cm 40x100 cm Dataran rendah (1000 m dpl) Lahan sawah tadah hujan 100 kg Ya 10 Bonia 8 ton 95 hari 195 cm 40x100
cm Dataran rendah (800 m dpl) Lahan kering 250 kg Ya 11 Motorokiki 5 ton 82 hari 185 cm 25x75
cm Dataran rendah (600 m dpl) Lahan kering 200 kg Ya 12 Momala 6 ton 100 hari 230 cm 25x75
cm Dataran rendah (600 m dpl) Lahan gambut 250 kg Tidak
Berdasarkan data pada tabel 1, jika diketahui suatu jenis jagung berproduksi 8 ton, umur panen jagung tersebut 100 hari, tinggi tanamannya 230 cm, jarak tanam yang digunakan 25x75 cm, untuk daerah penanamannya dilakukan di dataran rendah (600 m dpl) dengan jenis lahan yakni lahan sawah tadah hujan, serta dosis pupuk yang diberikan sebesar 100 kg, maka dilakukan perhitungan nilai rata-rata dan deviasi standar untuk atribut berfitur kontinu dan probabilitas kemunculan nilai untuk fitur diskrit. Atribut yang berfitur kontinu tersebut dihitung menggunakan persamaan (3), sehingga :
P Produksi = 8 YA = 1 2𝜋 1,169045 𝑒𝑥𝑝 − 8−6,166667 2 1,366667 2 = 1,167427 P Produksi = 8 TIDAK = 1 2𝜋 1,169045 𝑒𝑥𝑝 − 8−6,166667 2 (1,366667 ) 2 = 1,167427
P umur = 100 YA) = 1 2𝜋 7,22265 𝑒𝑥𝑝 −(100 −96 ,1667 )2 2 (52 ,16667 ) = 0,063605 P umur = 100 TIDAK) = 1 2𝜋 8,477421 𝑒𝑥𝑝 −(100 −92 ,6667 )2 2 (71 ,86667 ) = 0,06843 P Tinggi = 230 YA) = 1 2𝜋 6,055301 𝑒𝑥𝑝 −(230 −191 ,6667 )2 2 (36 ,66667 ) = 33,122 P Tinggi = 230 TIDAK) = 1 2𝜋 20,41241 𝑒𝑥𝑝 −(230 −211 ,6667 )2 2 (416 ,6667 ) = 0,029261 P Pupuk = 100 YA) = 1 2𝜋 60,55301 𝑒𝑥𝑝 −(100 −216 ,6667 )2 2 (3666 ,667 ) = 0,042166 P Pupuk = 100 TIDAK) = 1 2𝜋 68,31301 𝑒𝑥𝑝 −(100 −183 ,33)2 2 (4666 ,667 ) = 0,012293
Dari hasil yang diperoleh pada perhitungan di atas, maka dilakukan perhitungan untuk setiap probabilitas YA dan probabilitas TIDAK. Dimana hasil probabilitas produktif YA sebesar 0,999734278 dan probabilitas produktif TIDAK sebesar 0,000265722. Sehingga jagung tersebut diklasifikasikan ke dalam kategori PRODUKTIF.
c. Perancangan Sistem
Perancangan sistem dilakukan sebelum memulai pembuatan program aplikasi agar program aplikasi yang dibuat sesuai dengan kebutuhan sistem. Diagram konteks sistem pengklasifikasian terlihat pada gambar 1.
Admin Sistem Klasifikasi Jagung Produktif dengan Naive Bayes User (masyarakat) Pimpinan atribut jagung kondisi jagung
jagung produktif atau tidak
laporan jagung produktif
d. Implementasi Sistem
Pada tahap ini hasil yang didapatkan yaitu berupa tampilan aplikasi sistem pengklasifikasian jagung produktif yang terlihat pada gambar 2.
Gambar 2. Proses Klasifikasi Jagung Produktif
e. Pengujian Sistem
Untuk mengetahui persentase kinerja dari sistem maka dilakukan pengujian terhadap kinerja sistem menggunakan konsep sensitivitas, kekhususan, nilai prediksi benar, dan nilai prediksi salah (Bammel dalam Kusumadewi, 2009). Hasil pengujian tersebut terlihat pada tabel 2.
Tabel 2. Hasil Pengujian Kinerja
Data Ke-
Hasil
Sesuai Data Riil Hasil NB
1 Ya Ya Y 2 Tidak Ya T 3 Tidak Ya T 4 Ya Tidak T 5 Ya Tidak T 6 Tidak Ya T 7 Tidak Ya T 8 Tidak Ya T
9 Ya Ya Y
10 Ya Ya Y
11 Ya Ya Y
12 Tidak Ya T
Berdasarkan hasil pengujian terhadap semua data maka: Kinerja = (4 + 0) / (4 + 0 + 2 + 6)
= 4/12 = 0,33 = 33 %
Pembahasan
Berdasarkan tahapan dari sistem ini maka hasil akhir yang diperoleh yaitu informasi tentang klasifikasi jagung produktif. Oleh karena itu dalam implementasinya perlu diketahui data jagung serta unsur-unsur yang mengikutinya seperti hasil produksi, umur panen, tinggi tanaman, jarak tanam, daerah tanam, jenis lahan, dan dosis pupuk yang menjadi inputan dalam sistem ini.
Sistem ini menerapkan metode Naive Bayes untuk mengklasifikasikan jagung agar masyarakat maupun pemerintah dapat mengetahui jagung dengan spesifikasi tertentu dikatakan produktif di Gorontalo, sehingga pemanfaatan jagung lebih efektif. Jagung dikatakan produktif jika hasil akhir dari probabilitas produktif = YA sama dengan 1 atau mendekati 1 dan nilai probabilitas produktif = YA lebih besar dari nilai probabilitas produktif = TIDAK atau sebaliknya yang berdasarkan inputan kondisi jagung yang dialami oleh user yang dalam hal ini adalah masyarakat dan hasil yang diperoleh dari metode Naive Bayes dimana untuk pengklasifikasiannya berdasarkan kelas produktif atau tidak dan bukan berdasarkan jenis jagung. Hal ini karena jika pengklasifikasiannya berdasarkan jenis jagung maka informasi yang diperoleh hanya jagung yang nilai dan spesifikasinya mendekati suatu jenis jagung tersebut.
Tabel 2 merupakan hasil pengujian dari sistem yang menggunakan konsep sensitivitas untuk mengetahui kinerja dari sistem pengklasifikasian jagung produktif. Dari hasil yang diperoleh tersebut, kinerja sistem untuk kasus
klasifikasi jagung produktif sebesar 33 %. Dimana pada data yang digunakan untuk mengklasifikasikan jagung produktif tersebut terdapat banyak data kontinu dibandingkan data diskrit yang hal ini berpengaruh pada perhitungan kinerja sistemnya.
Berdasarkan percobaan yang dilakukan dengan mendiskritkan data yang ada, dihasilkan bahwa kinerja dari Naive Bayes adalah diatas 50 %. Ini berarti semakin banyak data diskrit dibandingkan data kontinu, maka kinerja Naive Bayes semakin baik.
SIMPULAN DAN SARAN Simpulan
Berdasarkan hasil penelitian dan pembahasan, dapat disimpulkan bahwa : 1. Banyaknya jagung dan variasi atribut jagung yang ditanam di Gorontalo
menyebabkan sulitnya pemilihan dan pengklasifikasian jagung produktif oleh masyarakat maupun pemerintah sehingga pemanfaatannyapun belum efektif yang berdampak pada hasil yang diperoleh.
2. Sistem pengklasifikasian jagung ini menerapkan metode Naive Bayes yang dapat digunakan oleh masyarakat untuk mengklasifikasi jagung berdasarkan kelas produktif atau tidak produktif.
3. Berdasarkan hasil pengujian, kinerja sistem yang menerapkan metode Naive Bayes untuk kasus pengklasifikasian jagung produktif sebesar 33%.
Saran
- Sistem ini hanya terdapat 8 atribut untuk 12 jenis jagung, untuk pengembangannya sebaiknya dapat menginput atribut jagung sesuai dengan perubahan yang ada.
- Untuk pengembangan selanjutnya sebaiknya dapat menambahkan data training dengan variabel yang lebih banyak dan lebih detail dengan variasi inputan beragam agar dapat meningkatkan keakuratan output yang dihasilkan metode tersebut.
- Untuk pengembangan kinerja dari sistem atau metode Naive Bayes ini kiranya dapat melakukan pengujian terhadap metode Naive Bayes untuk kasus dan objek berbeda dengam menggunakan data diskrit, atau metode lain untuk kasus pengklasifikasian jagung produktif ini agar persentase kinerja lebih baik lagi.
DAFTAR PUSTAKA
Badan Pusat Informasi Jagung Provinsi Gorontalo. 2013. Data Produksi Jagung Provinsi Gorontalo. Gorontalo : Badan Pusat Informasi Jagung Provinsi Gorontalo.
Kaku, R. 2013. Penerapan Metode Naive Bayes untuk Klasifikasi Jagung Produktif di Gorontalo. Skripsi. Universitas Negeri Gorontalo.
Kusumadewi, S. 2009. Jurnal CommIT. Klasifikasi Status Gizi Menggunakan Naive Bayesian Classification, Vol. 03, No. 01.
Nazir, M. 1998. Metode Penelitian. Jakarta: Ghalia Indonesia
Prasetyo, E. 2012. Data Mining Konsep dan Aplikasi menggunakan MATLAB. Yogyakarta: Andi.