PENERAPAN TEOREMA BAYES UNTUK IDENTIFIKASI PENYAKIT PADA TANAMAN KEDELAI
Wisnu Mahendra1, Achmad Ridok2 dan Nurul Hidayat3.
Program Studi Ilmu Komputer, Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya Malang
Jalan Veteran No. 8, Malang Email1: mh_revolt@yahoo.com
ABSTRAK
Kedelai merupakan salah satu komoditi pangan utama di Indonesia. Kebutuhan akan komoditi kedelai terus meningkat dari tahun ke tahun baik sebagai bahan pangan utama, pakan ternak maupun sebagai bahan baku industri skala besar hingga skala kecil. Berbagai upaya telah dilakukan untuk meningkatkan produksi kedelai nasional antara lain dengan penelitian varietas unggul, perluasan areal tanam, dan penyuluhan. Namun dalam proses penanaman kedelai terdapat beberapa kendala yaitu intensitas serangan hama dan penyakit, dan kurangnya tenaga penyuluh pertanian. Dalam mengatasi masalah serangan penyakit pada tanaman kedelai, petani kedelai selaku pihak yang berhubungan secara langsung pada penanaman kedelai perlu untuk mengetahui informasi yang cepat dan akurat terkait jenis penyakit yang menyerang. Sehingga setelah didapatkan informasi penyakitnya maka dapat segera diketahui solusi untuk mengatasi serangan penyakit tersebut. Dengan berkembangnya teknologi informasi, banyak informasi yang dapat diakses secara cepat melalui layanan internet. Kemudahan akses terhadap informasi inilah yang salah satunya dapat digunakan untuk memberikan informasi kepada petani kedelai tentang identifikasi penyakit. Oleh karena itu penulis mencoba memberikan salah satu solusi yang dapat dilakukan untuk membantu petani kedelai dalam mengidentifikasi penyakit tanaman kedelai dengan membuat suatu aplikasi berbasis Web yang dapat diakses oleh seluruh petani kedelai yang terjangkau oleh layanan internet. Aplikasi yang dibuat dapat melakukan identifikasi penyakit berdasarkan gejala yang secara umum terjadi. Pada penelitian ini penulis menerapkan teorema Bayes pada program aplikasi untuk menghitung nilai probabilitas hasil identifikasi penyakit tanaman kedelai. Pada pengujian 20 sampel data gejala penyakit menunjukkan bahwa program aplikasi menghasilkan nilai akurasi sebesar 90 %.
Kata kunci : Teorema Bayes, identifikasi penyakit, tanaman kedelai ABSTRACT
Soybean is one of the major food commodities in Indonesia. The need for commodity continues to increase from year to year, either as a primary food, animal feed or as a industrial raw materials. Various attempts have been made to improve the national soybean production, such as, the research of quality seed aid, expansion of planting area, and counseling. But in the process of planting soybeans, there are several obstacles such as the intensity attack of pests and diseases, and lack of agricultural investigator. In solving of the problem of disease, soybean farmers as the directly involved parties need to find information quickly and accurately related to the diseases. After the information obtained, it can be immediately known solution to overcome the disease. With the development of information technology, a lot of information can be accessed quickly via the internet service. Ease of access to information can be used to provide information for soybean farmers about disease identification. Therefore, the author tries to provide a solution that can be done to help the soybean farmers by creating a Web-based application that can be accessed by the farmers from the internet service. The application can identify the diseases based on the symptoms that generally occured. In the present study the authors applied the Bayes' theorem on the application to calculate the value of soybean disease identification certainty. On testing 20 samples of the data of the disease showed that the application yield value of 90% accuracy.
Keywords : Bayes Theorem, disease identification, soybean plant
1. Pendahuluan 1.1. Latar Belakang
Kedelai merupakan salah satu komoditi pangan utama masyarakat Indonesia. Kebutuhan akan komoditi kedelai terus meningkat dari tahun ke tahun baik sebagai bahan pangan utama, pakan ternak maupun sebagai bahan baku industri skala besar (pabrikan) hingga skala kecil (rumah tangga). Berbagai upaya telah dilakukan untuk meningkatkan produksi kedelai nasional antara lain dengan penciptaan dan penelitian varietas unggul, bantuan benih unggul bermutu, perluasan areal tanam, dan penyuluhan.
Namun dalam proses penanaman kedelai terdapat beberapa kendala yaitu terjadinya perubahan iklim yang mengakibatkan intensitas serangan hama dan penyakit, dan kurangnya tenaga penyuluh pertanian. Dalam mengatasi masalah serangan penyakit pada tanaman kedelai, petani kedelai selaku pihak yang berhubungan secara langsung perlu untuk mengetahui informasi yang
cepat dan akurat terkait jenis penyakit yang menyerang tanaman kedelai. Sehingga setelah didapatkan informasi penyakitnya dapat segera diketahui solusi untuk mengatasi serangan penyakit tersebut. Dengan berkembangnya teknologi informasi, banyak informasi yang dapat diakses secara cepat melalui layanan internet. Kemudahan akses terhadap informasi inilah yang salah satunya dapat digunakan untuk memberikan informasi kepada petani kedelai tentang identifikasi penyakit. Oleh karena itu penulis mencoba memberikan salah satu solusi yang dapat dilakukan untuk membantu petani kedelai dalam mengidentifikasi penyakit tanaman kedelai dengan membuat suatu aplikasi berbasis Web yang dapat diakses oleh seluruh petani kedelai yang terjangkau oleh layanan internet. Aplikasi ini dapat melakukan identifikasi penyakit berdasarkan gejala yang tampak secara umum pada tanaman kedelai.
Penelitian sebelumnya mengenai identifikasi penyakit yang sudah dilakukan antara lain Identifikasi
Penyakit pada Tanaman Kedelai Menggunakan Metode Classical Probability (Anum, 2013), Pemanfaatan Teorema Bayes dalam Penentuan Penyakit THT (Winiarti, 2008), Sistem Pakar Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web (Yakub, 2008), Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia (Rosnelly, 2010). Pada penelitian tersebut disebutkan bahwa teorema Bayes dapat diterapkan pada suatu aplikasi untuk mengidentifikasi suatu permasalahan. Berdasarkan beberapa penelitian tersebut penulis menerapkan teorema Bayes pada suatu aplikasi untuk mengidentifikasi penyakit tanaman kedelai. Teorema Bayes merupakan satu dari cabang teori statistik matematik yang memungkinkan kita untuk membuat satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan pengetahuan umum dengan fakta dari hasil pengamatan. Teorema Bayes mempunyai beberapa kelebihan, yaitu mudah untuk dipahami, hanya memerlukan pengkodean yang sederhana, dan lebih cepat dalam penghitungan (Ramadhani, 2012). Teorema Bayes memiliki kelebihan dibandingkan dengan probabilitas klasik dalam proses pengambilan kesimpulan atau inferensi. Probabilitas klasik sepenuhnya mengandalkan proses inferensi pada data sampel yang diambil dari populasi, sedangkan teorema Bayes disamping memanfaatkan data sampel yang diperoleh dari populasi juga memperhitungkan suatu distribusi awal yang disebut distribusi prior untuk parameter yang diinginkan. Kemudian distribusi prior dikombinasikan dengan informasi sampel untuk mendapatkan kesimpulan atau distribusi posterior.
Dalam aplikasi ini terdapat jenis-jenis penyakit yang menyerang tanaman kedelai berdasarkan gejala-gejala umum yang tampak pada tanaman kedelai. Petani kedelai dapat berkonsultasi melalui aplikasi ini dengan cara memililh gejala-gejala umum yang tampak pada tanaman kedelai kemudian sistem akan memberikan hasil berupa jenis penyakit yang dialami.
1.2. Penelitian Yang Berkaitan
Berdasarkan hasil dari beberapa penelitian yang sudah dilakukan menunjukkan bahwa teorema Bayes dapat dijadikan sebagai alat untuk menghitung keakuratan hasil. Penelitian tersebut antara lain Pemanfaatan Teorema Bayes dalam Penentuan Penyakit THT (Winiarti, 2008), Sistem Pakar Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web (Yakub, 2008), Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia (Rosnelly, 2010).
2. Teorema Bayes
Teorema bayes merupakan satu metode yang digunakan untuk menghitung ketidakpastian data menjadi data yang pasti dengan membandingkan antara data ya dan tidak. Probabilitas bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan menggunakan formula bayes yang dinyatakan :
Dimana:
P(H | E) = probabilitas hipotesis H jika diberikan evidence E
P(E | H) = probailitas munculnya evidence E jika diketahui hipotesis H
P(H) = probabilitas H tanpa mengandung evidence apapun
P(E) = probabilitas evidence E
3. Penyakit Tanaman Kedelai
Penyakit-penyakit yang menyerang tanaman kedelai dapat dilihat pada Tabel 1.
PID Penyakit
P01 Penyakit Target Spot / Corynespora cassicola
P02 Penyakit Rebah Kecambah, Busuk Daun, Batang dan Polong / R. Solani
P03 Penyakit Antraknose / Colletotrichum dematium
var truncatum
P04 Penyakit Hawar Batang / Sclerotium rolfsii
P05 Penyakit Karat / Phakopsora pachyrhizi
P06 Penyakit Virus Mosaik / Soybean Mosaic Virus
P07 Penyakit Hawar, Bercak Daun, dan Bercak Biji Ungu / Cercospora kikuchii
P08 Penyakit Pustul Bakteri / Xanthomonas axonopodis pv glycines
P09 Penyakit Downy Mildew / Peronospora manshurica
Tabel 1. Penyakit tanaman kedelai
Sedangkan gejala penyakit yang menyerang tanaman kedelai dapat dilihat pada Tabel 2.
GID Gejala
G01 Ada bercak kemerahan pada akar G02 Ada bercak kemerahan pada batang G03 Ada batang dekat akar busuk
G04 Pada batang timbul bintik bintik hitam berupa duri duri jamur
G05 Batang tanaman menjadi kering
G06 Ada bercak coklat tua pada batang bawah dekat permukaan tanah
G07 Ada miselium putih pada pangkal batang G08 Ada bercak merah karat pada bagian daun,
batang dan tangkai
G09 Bijinya mengecil
G10 Biji berwarna ungu
G11 Ada biji yang rusak
G12 Tulang daun pada batang berwarna kurang jernih G13 Bercak daun membentuk lingkaran seperti papan
tembak
G14 Daun mengkerut dan mempunyai gambar mozaik berwarna hijau gelap
G15 Daun yang timbul miselium dan daun lengket seperti terkena sarang laba laba
G16 Daun mengering dan menempel pada batang G17 Bentuk bercak menyudut berukuran sampai 1 mm G18 Ada bercak berwarna coklat muda atau putih pada
bawah daun
G19 Bentuk bercak bervariasi dari bintik kecil sampai bintik besar berwarna kecoklatan
G20 Ada daun yang berlobang
G21 Ada tulang daun yang menebal dan warnanya kecoklatan
G22 Ada bercak berwarna putih kekuning kuningan pada permukaan bawah daun
G23 Ada daun yang kaku
Hubungan antara penyakit dan gejalanya dapat dilihat pada Tabel 3.
Gejala Penyakit P01 P02 P03 P04 P05 P06 P07 P08 P09 G01 1 0 0 0 0 0 0 0 0 G02 1 0 0 0 0 0 0 0 0 G03 0 1 0 0 0 0 0 0 0 G04 0 0 1 0 0 0 0 0 0 G05 0 1 0 0 0 0 0 0 0 G06 0 0 0 1 0 0 0 0 0 G07 0 0 0 1 0 0 0 0 0 G08 0 0 0 0 1 0 0 0 0 G09 0 0 0 0 0 1 0 0 0 G10 0 0 0 0 0 0 1 0 0 G11 0 0 0 0 0 0 1 0 0 G12 0 0 0 0 0 1 0 0 0 G13 1 0 0 0 0 0 0 0 0 G14 0 0 0 0 0 1 0 0 0 G15 0 1 0 0 0 0 0 0 0 G16 0 0 0 1 0 0 0 0 0 G17 0 0 0 0 1 0 0 0 0 G18 0 0 0 0 0 0 0 1 0 G19 0 0 0 0 0 0 0 1 0
G20 0 0 0 0 0 0 0 1 0
G21 0 0 1 0 0 0 0 0 0
G22 0 0 0 0 0 0 0 0 1
G23 0 0 0 0 0 0 0 0 1
Tabel 3. Tabel keputusan antara penyakit dan gejala
4. Perhitungan Manual
Misalnya gejala yang tampak pada tanaman kedelai ada 2 gejala yaitu ada bercak kemerahan pada akar (G01), dan ada bercak kemerahan pada batang (G02). Berdasarkan gejala tersebut maka dapat di hitung: 1. Penyakit target spot (P01)
Jika probabilitas penyakit target spot (P01) adalah : 0,11
Jika probabilitas gejala memandang penyakit adalah :
ada bercak kemerahan pada akar (G01) : 0,3
ada bercak kemerahan pada batang (G02) : 0,3 Perhitungan nilai Bayes :
1. P (P01 | G01) = P (G01 | P01) * P (P01) P(G01 | P01) * P (P01) + P (G01 | P02) * P (P02) + P (G01 | P03) * P (P03) + P (G01 | P04) * P (P04) + P (G01 | P05) * P (P05) + P (G01 | P06) * P (P06) + P (G01 | P07) * P (P07) + P (G01 | P08) * P (P08) + P (G01 | P09) * P (P09) = 0,3 * 0.11 (0.3*0,11) + (0*0,11) + (0*0,11) + (0*0,11) +(0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) +(0*0,11) = 0,033 0,033 = 1 2. P (P01 | G02) = P (G02 | P01) * P (P01) P (G02 | P01) * P (P01) + P (G02 | P02) * P (P02) + P (G02 | P03) * P (P03) + P (G02 | P04) * P (P04)+ P (G02 | P05) * P (P05) + P (G02 | P06) * P (P06) + P (G02 | P07) * P (P07) + P (G02 | P08) * P (P08) + P (G02 | P09) * P (P09) = 0,3 * 0.11 (0.3*0,11) + (0*0,11) + (0*0,11) + (0*0,11) +(0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) +(0*0,11) = 0,033 0,033 = 1 Total Bayes 1 = 1 + 1 = 2 2. Penyakit Antraknose (P03)
Jika probabilitas penyakit target spot (P01) adalah : 0,11
Jika probabilitas gejala memandang penyakit adalah :
ada bercak kemerahan pada akar (G01) : 0
ada bercak kemerahan pada batang (G02) : 0
Perhitungan nilai Bayes :
1. P (P03 | G01) = P (G01 | P03) * P (P03) P (G01 | P01) * P (P01) + P (G01 | P02) * P (P02) + P (G01 | P03) * P (P03) + P (G01 | P04) * P (P04) + P (G01 | P05) * P (P05) + P (G01 | P06) * P (P06) + P (G01 | P07) * P (P07) + P (G01 | P08) * P (P08) + P (G01 | P09) * P (P09) = 0 * 0.11 (0.3*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) = 0 0,033 = 0 2. P (P03 | G02) = P (G02 | P03) * P (P03) P (G02 | P01) * P (P01) + P (G02 | P02) * P (P02) + P (G02 | P03) * P (P03) + P (G02 | P04) * P (P04) + P (G02 | P05) * P (P05) + P (G02 | P06) * P (P06) + P (G02 | P07) * P (P07) + P (G02 | P08) * P (P08) + P (G02 | P09) * P (P09) = 0 * 0.11 (0.3*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) = 0 0,033 = 0 Total Bayes 2 = 0 + 0 = 0
Hasil = Total Bayes 1 + Total Bayes 2 =2 + 0
= 2
Maka perhitungan probabilitas penyakitnya adalah : 1. Penyakit target spot (P01)
= 2 / 2 * 100% = 100 % 2. Penyakit Antraknose (P03)
= 0 / 2 * 100% = 0 %
5. Hasil
Tampilan menu awal aplikasi dapat dilihat pada Gambar 1.
Gambar 1. Menu Awal Aplikasi
Tampilan identifikasi penyakit dapat dilihat pada Gambar 2.
Gambar 2. Menu identifikasi penyakit
Tampilan hasil identifikasi penyakit dapat dilihat pada Gambar 3.
Gambar 3. Hasil identifikasi 6. Analisa Hasil
Berdasarkan hasil pengujian perbandingan identifikasi program dengan identifikasi pakar pada 20 sampel data gejala penyakit diketahui bahwa akurasi hasil identifikasi program adalah sebesar 90%. Hasil identifikasi program memiliki tingkat probabilitas yang menunjukkan seberapa besar kemungkinan tanaman kedelai terkena suatu penyakit berdasarkan gejala yang telah dipilih. Semakin tinggi nilai probabilitasnya maka
semakin tinggi pula kemungkinan tanaman kedelai terserang penyakit.
7. Kesimpulan dan Saran
Teorema Bayes dapat digunakan untuk mengidentifikasi penyakit pada tanaman kedelai dengan menerapkannya pada suatu program aplikasi. Aplikasi yang dibuat hanya dapat mengidentifikasi gejala yang tampak secara umum, belum dapat digunakan untuk mengidentifikasi gejala penyakit yang tampak secara khusus seperti penampakan gejala bersifat ringan, sedang, atau berat. Nilai akurasi hasil identifikasi program yang didapat dari pengujian 20 sampel gejala penyakit adalah 90 %.
Disarankan menggunakan data training untuk nilai probabilitas gejala dan penyakit agar hasil identifikasi lebih akurat. Disarankan menggunakan data sampel yang lebih besar untuk pengujian agar validitas hasil menjadi lebih akurat. Diperlukan pengembangan aplikasi untuk mengidentifikasi penampakan gejala yang lebih khusus seperti penampakan gejala bersifat ringan, sedang, dan berat.
7. Referensi
[1] Anum, R. 2013. Identifikasi Penyakit pada Tanaman Kedelai Menggunakan Metode Classical Probability. Malang: Universitas Brawijaya
[2] Arhami, M. 2005. Konsep Dasar Sistem Pakar. Yogyakata: Andi
[3] Dwiarta, L. 2010. Menyelam dan Menaklukkan Samudra PHP. Bogor: CBS Centre
[4] Hidayat, O. D. 1985. Morfologi Tanaman Kedelai. Pusat Penelitian dan Pengembangan Pertanian
[5] Kusumadewi, S. 2003. Artificial Intelegence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu
[6] Marwoto, Hardiningsih, S, Taufiq, A. 2011. Masalah Hama, Penyakit, dan Hara pada Tanaman Kedelai (Identifikasi dan Pengendaliannya). Bogor: Pusat Penelitian dan Pengembangan Tanaman Pangan
[7] Ramadhani, P., Wardhani, D.K., Nugroho, E.S. Sistem Pakar Diagnosa Infeksi Penyakit Tropis Berbasis Web. Jurnal Teknik Informatika Vol. 1 September 2012 [8] Rosnelly, R.,Wardoyo, R. 2010. Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia. Prosiding Seminar Nasional Ilmu Komputer “Pendekatan Green Computing dan Manfaatnya Bagi Lingkungan”, Universitas Sumatera Utara, Medan, hal. 283 – 288. [9] Winiarti, S. 2008. Pemanfaatan Teorema Bayes dalam Penentuan Penyakit THT. Jurnal Informatika Vol. 2, No. 2
[10] Yakub, S. 2008. Sistem Pakar Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web. Malang: Universitas Islam Negeri Maulana Malik Ibrahim