61 | N E R O
PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK
DETEKSI PENYAKIT PADA TANAMAN JAGUNG
Mohammad Syarief 1), Amirul Mukminin2) , Novi Prastiti 3), Wahyudi Setiawan4)
Program Studi Manajemen Informatika, Fakultas Teknik, Universitas Trunojoyo Madura Jl Raya Telang, PO. BOX 2, Kamal, Bangkalan
Email: ayibnya@gmail.com 1), wsetiawan@trunojoyo.ac.id 4)
ABSTRAK
Jagung merupakan salah satu komoditas pertanian yang dapat digunakan sebagai makanan pokok selain padi. Budidaya tanaman jagung tidak membutuhkan air dalam jumlah banyak, hal ini sangat cocok bagi petani di pulau Madura yang hanya mengandalkan pertanian pada saat musim hujan. Produktivitas tanaman jagung kabupaten Bangkalan yaitu 205,45 kw/ha per tahun. Kendala yang dihadapi oleh para petani jagung diantaranya yaitu minimnya informasi tentang penyakit yang menyerang tanaman jagung sehingga menyebabkan produktivitas kurang. Pada penelitian ini dibangun sebuah sistem yang dapat melakukan deteksi otomatis tentang penyakit yang menyerang tanaman jagung sehingga dapat dilakukan tindakan-tindakan preventif untuk mencegah tanaman jagung mengalami kematian. Dari data dinas Pertanian Kabupaten Bangkalan terdapat 46 gejala yang yang dapat menyebabkan 15 jenis penyakit. Pengujian sistem dengan menggunakan data gangguan hama dan penyakit sebanyak 30 kasus. Sistem akan meminta user memilih gejala-gejala penyakit pada tanaman jagung, selanjutnya sistem akan memproses dan memberikan keterangan hasil diagnosis penyakit. Pada penelitian ini menggunakan metode klasifikasi yaitu Naive bayes . Hasil ujicoba pada lahan jagung pertama menunjukkan kecocokan antara sistem pakar dengan pendapat pakar sebenarnya sebesar 18 dari 30 kasus yang diujicobakan.
Kata kunci: Sistem Pakar, Penyakit Jagung, Naïve Bayes
Abstract
Corn is one of agricultural commodities that can be used as staple food besides rice. Corn cultivation does not require much water, it is suitable for farmers on the island of Madura who only rely on agriculture during the rainy season. The productivity of corn plant in Bangkalan Regency is 205,45 kw / ha per year. Constraints faced by corn farmers such as lack of information about diseases that attack corn crops that cause less productivity. This study built a system that can perform automatic detection of diseases that attack corn plants. It’s can be preventive measures to prevent corn crops from death. From the data of Agriculture Agency of Bangkalan Regency, there are 46 symptoms that can cause 15 kinds of diseases. Testing of the system using data of pest and disease diseases as much as 30 cases. The system will ask the user to choose the symptoms of the disease in corn plants, then the system will process and provide information on the diagnosis of the disease. In this study using the classification method that is Naive Bayes. Test results on the first corn field showed a match between the expert system and the actual expert of 18 out of 30 cases tested.
Keywords : Expert System, Corn Diasease, Naïve Bayes
1. Pendahuluan
62 | N E R O
oleh Dinas Pertanian diantaranya penyuluhan dan pembimbingan tentang budidaya tanaman jagung dan penyakit yang menyertainya.
Peningkatan produksi pertanian didapat diantaranya melalui pembelajaran ilmu budidaya pertanian dan pengetahuan tentang penyakit jagung. Penelitian ini memberikan solusi alternatif untuk mengetahui penyakit pada tanaman jagung, diharapkan timbulnya berbagai gangguan pertumbuhan seperti terjadinya kegagalan panen dapat dihindari lebih maksimal. Ada beberapa penyebab penyakit yang timbul pada tanaman jagung dikarenakan oleh adanya bakteri jamur dan virus. Pertumbuhan tanaman yang terserang penyakit bisa terganggu, misalnya daun terlihat runcing dan kecil, tongkol menjadi cacat/kerdil dan daun terlihat menjadi mengering. Faktor yang menyebabkan kegagalan panen bisa dikarenakan pemahaman petani belum mengetahui jenis-jenis penyakit apa yang menyerang tanamanya dan tidak mengetahui cara pengendaliannya apabila tanaman mereka diserang oleh penyakit.
Salah satu solusi atau metode yang bisa digunakan untuk mendiagnosis penyakit tanaman jagung adalah sistem pakar. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli.Umumnya sistem pakar dirancang untuk berinteraksi langsung dengan pemakai dalam format dialog. Sistem pakar berguna untuk membantu masyarakat dalam mengetahui jenis-jenis penyakit tanaman dan cara penanggulangan masalah penyakit tanaman jagung sehingga dapat mengurangi kesalahan petani maka resiko gagal panen dapat berkurang.Pada penelitian ini akan dibangun sebuah sistem deteksi untuk mendiagnosis penyakit pada tanaman jagung secara otomatis
.
2. Dasar teori
2.1 Penelitian sebelumnya
Sistem pakar merupakan sebuah sistem yang dibuat bertujuan untuk menduplikasi pengetahuan yang dimiliki pakar pada sebuah perangkat lunak. Keberadaan sistem pakar memberikan kemudahan bagi khalayak umum untuk dapat memiliki pengetahuan layaknya pakar guna mengambil keputusan tepat. Salah satu penerapan sistem pakar yaitu pada bidang pertanian. Alternatif untuk mengatasi keterbatasan jumlah pakar pada bidang pertanian dapat menggunakan sistem pakar. Penggunaan sistem pakar pada bidang pertanian telah berkembang luas. Beberapa penelitian tentang sistem pakar pada bidang pertanian diantaranya yaitu “An Internet-Based expert system platform for assistant identification of agricultural pests” Penelitian ini membahas tentang pembuatan sistem pakar dengan melibatkan para pakar untuk berperan dalam membuat knowledge base tentang gejala serta penyakit maupun hama yang muncul pada sektor pertanian. Penelitian ini berbasis web sehingga mudah diakses oleh user dengan hanya memilih gejala-gejala yang telah ada. Sistem yang akan menampilkan hasil berupa penyakit atau hama yang menyerang tanaman [1].
Penelitian selanjutnya yaitu tentang Sistem Pakar berbasis Web untuk mendiagnosa penyakit pada tanaman jagung. Penelitian ini menggunakan metode Certainty Factor yang merupakan pemberian nilai antara 0 dan 1. Jika angka CF yang diberikan semakin mendekati nilai angka 1, maka tingkat keyakinan penyakit semakin tinggi [2].
63 | N E R O Penelitian selanjutnya yaitu tentang Perancangan sistem pakar untuk mendiagnosa penyakit tanaman jagung menggunakan Fuzzy MCDM berbasis web. Penelitian ini menggunakan metode fuzzy Multi Criteria Desicion Making untuk menghasilkan diagnosis penyakit. Hasil diagnosis penyakit diambil dari perhitungan tertinggi dari setiap jenis penyakit yang ada [5]. Penelitian selanjutnya membahas tentang beberapa literatur penerapan sistem pakar menggunakan fuzzy di bidang pertanian. Beberapa bahasan diantaranya adalah penyakit, entomology, manajemen penyuburan tanah, manajemen irigasi, penyimpanan hasil pertanian [6].
Penelitian selanjutnya yaitu tentang sistem pakar pada bidang pertanian yang berisi tentang pengambilan keputusan secara ekonomi, geografis mapun sosial. Penelitian ini berisi tentang (1) laporan dan permintaan pasar tentang produk pertanian, (2) Laporan cuaca yang terupdate lewat internet, (3) pemilihan pestisida berdasarkan tanaman dan iklim, (4) feedback dari user berupa visual atau suara dan (5) Aplikasi kecerdasan buatan dengan data-data lampau untuk mendukung keputusan [7].
Pada penelitian ini, digunakan akuisisi pengetahuan tentang gejala-gejala dan jenis penyakit pada tanaman jagung. Sebagai makanan pengganti padi, jagung memiliki peranan penting untuk terpenuhinya kebutuhan pokok warga khususnya di daerah yang beriklim kering. Penelitian ini menggunakan metode Naïve Bayes untuk deteksi penyakit jagung.
2.2 Naïve Bayes
Naïve Bayes Classifier merupakan pengklasifikasi probabilitas sederhana berdasarkan pada
teorema Bayes. Teorema Bayes dikombinasikan dengan “Naïve” yang berarti setiap
atribut/variabel bersifat bebas (independent). Naïve Bayes Classifier dapat dilatih dengan efisien dalam pembelajaran terawasi (supervised learning). Keuntungan dari klasifikasi adalah bahwa ia hanya membutuhkan sejumlah kecil data pelatihan untuk memperkirakan parameter (sarana dan varians dari variabel) yang diperlukan untuk klasifikasi. Karena variabel independen diasumsikan, hanya variasi dari variabel untuk masing-masing kelas harus ditentukan, bukan seluruh matriks kovarians [8] .
Dalam prosesnya, Naïve Bayes Classifier mengasumsikan bahwa ada atau tidaknya suatu fitur pada suatu kelas tidak berhubungan dengan ada atau tidaknya fitur lain dikelas yang sama. Pada saat klasifikasi, pendekatan bayes akan menghasilkan label kategori yang paling tinggi probabilitasnya ( 𝑉𝑀𝐴𝑃) dengan masukan atribut𝑎1,𝑎2,𝑎3,...𝑎𝑛.
𝑉𝑀𝐴𝑃 = argmaxvj∈V𝑃(𝑣𝑗⃓𝑎1𝑎2𝑎3…. .𝑎𝑛) (1)
dengan : 𝑉𝑀𝐴𝑃 = Probabilitas tertinggi. 𝑎1𝑎2𝑎3…. .𝑎𝑛 = Atribut (Inputan)
Teorema Bayes Menyatakan :
𝑃 𝐵|𝐴 = 𝑃 𝐴|𝐵 𝑃(𝐵)
𝑃(𝐴) (2)
dimana :
𝑃 𝐵|𝐴 = Peluang B jika diketahui keadaan jenis penyakit A. 𝑃 𝐵|𝐴 = Peluang evidence A jika diketahui hipotesis B
𝑃(𝐵) = Probabilitas hipotesis B tanpa memandang evidence apapun. 𝑃(𝐴) = Peluang evidence penyakit A.
64 | N E R O
𝑉𝑀𝐴𝑃 = argmaxvj∈V
𝑃 𝑎1𝑎2….𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗)
𝑃(𝑎1𝑎2….𝑎𝑛) (3)
dengan :
𝑉𝑀𝐴𝑃 = Probabilitas tertinggi. 𝑃(𝑣𝑗) = Peluang jenis penyakit ke𝑗
𝑃 𝑎1𝑎2….𝑎𝑛 𝑣𝑗 = Peluang atribut-atribut (inputan), Jika diketahui keadaan v𝑗
𝑃(𝑎1𝑎2….𝑎𝑛) = Peluang atribut-atribut (inputan)
Karena nilai 𝑃(𝑎1𝑎2….𝑎𝑛) nilainya konstan untuk semua 𝑣𝑗sehingga persamaan ini dapat ditulis sebagai berikut:
𝑉𝑀𝐴𝑃 = argmaxvj∈V𝑃 𝑎1𝑎2….𝑎𝑛 𝑣𝑗 𝑃 𝑣𝑗 (4)
dengan : 𝑉𝑀𝐴𝑃 = Probabilitas tertinggi.
𝑃(𝑣𝑗) = Peluang jenis penyakit ke𝑗
𝑃 𝑎1𝑎2….𝑎𝑛 𝑣𝑗 = Peluang atribut-atribut (inputan) jika diketahui keadaan v𝑗
Untuk menghitung𝑃 𝑎1𝑎2….𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗)bisa jadi semakin sulit karena jumlah gejala
𝑃 𝑎1𝑎2….𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗) bisa jadi sangat besar. Hal ini disebabkan jumlah gejala tersebut sama
dengan jumlah semua kombinasi gejala dikali dengan jumlah kategori yang ada . Perhitungan Naïve bayes classifier adalah :
Menghitung P(ai|vj) dengan persamaan (5)
P(ai|vj) = nc + m.p (5)
n + m
dengan:
nc = jumlah record pada data learning yang v = vj dan a = ai
p = 1/ banyaknya jenis class / penyakit m = jumlah parameter / gejala
n = jumlah record pada data learning yang v = vj / tiap class
Persamaan (5) diselesaikan melalui perhitungan sebagai berikut : 1. Menentukan nilai nc untuk setiap class
2. Menghitung nilai P (ai|vj) dan menghitung nilai P (vj)
𝑉𝑀𝐴𝑃 = argmaxvj∈V 𝑃 𝑣𝑗 ∏𝑖𝑃(ai|vj) (6)
dengan : P(ai|vj) =𝑛𝑐 + 𝑚𝑝
𝑛+𝑚
3. Menghitung P(ai|vj) x P(vj) untuk tiap v
4. Menentukan hasil klasifikasi yaitu v yang memiliki hasil perkalian yang terbesar.
65 | N E R O Tabel 1. Jenis penyakit jagung dan gejala yang menyertainya
No Penyakit Gejala
1 Lalat bibit g1,g2,g27,g21
2 Ulat tanah g3,g4,g28
3 Lundi (uret) g5,g6
4 Penyakit bulai g7,g8,g9,g10,g29
5
Penyakit Virus Mozaik
Kerdil g11,g8,g30
6 Penggerek batang g12,g13,g14,g8,g6,g31,g32,g33,g32,g34
7 Penyakit bercak daun g15,g16,g35,g36,g6
8
Penyakit Hawar/Upih
Daun g17,g18,g19,g37
9 ulat grayak g8,g20,g38,g39
10
Penyakit Busuk Batang
dan tongkol g21,g22,g23,g40,g41,g42
11 penyakit karat g24,g16,g43
12 Penyakit gosong bengkak g24,g25,g44,g45
13 belalang g1,g4,g20
14 penggerek tongkol g26,g23,g46
15 wereng jagung g12,g2,g14,g8,g6
Tabel 2. Gejala-gejala penyakit jagung
Kode Gejala
g1 adanya bekas gigitan pada daun
g2 pucuk daun layu
g3 batangnya patah dekat permukaan tanah
g4 adanya bekas gigitan pada batangnya g5 akar rusak karena gigitan lundi
g6 tanaman menjadi layu
g7 daun berklorosis sebagian atau seluruh daun
g8 tanaman menjadi kerdil
g9 tidak berbuah
g10 tongkolnya tidak normal
g11 daun berwarna hijau dan diselingi garis kuning g12 daun tampak bercak bergaris kuning
g13 adanya garis-garis pendek terputus-putus pada tulang daun g14 Daun tampak bergaris kuning panjang
g15 bercak coklat kelabu pada permukaan daun
g16 permukaan daun berwarna coklat
g17 bercak melebar pada daun
g18 pelepah berwarna merah keabu-abuan g19 adanya butiran berwarna putih
66 | N E R O
g22 bagian atas layu dan mengering g23 rusaknya tongkol
g24 terdapat titik merah kecoklatan seperti karat
g25 tongkol pembungkus rusak
g26 ada ulat ditongkol jagung
g27 warna daun dari hijau normal menjadi kekuning-kuningan
g28 daun tanaman muda rusak
g29 pada pagi hari disisi bawah daun jagung terdapat lapisan beledu putih g30 daun bagian bawah dan atas dipegang tidak terasa adanya serbuk spora g31 .lubang kecil pada daun
g32 .lubang gorokan pada batang g33 batang dan tassel yang mudah patah g34 tumpukan tassel yang rusak
g35 biji akan rusak dan busuk,bahkan tongkol dapat gugur
g36 Permukaan biji tertutupi miselium berwarna abu-abu sampai hitam g37 tanaman cepat mati atau mengering
g38 daun menjadi transparan,
g39 berlubang bahkan tinggal tulang-tulang saja
g40
pangkal batang atau tongkol berwarna merah jambu, merah kecoklatan atau coklat
g41 apakah tanaman mudah rebah
g42 apakah bagian batang kulit luarnya tipis g43 terdapat serbuk berwarna kuning kecoklatan, g44 biji jagung yang bengkak berwarna hitam
g45 sebagian biji jagung yang bengkak tersembul keluar g46 terdapat kotoran–kotoran di tongkol jagung
3. Metodologi Penelitian
Metodologi Penelitian terdiri dari Studi Literatur, Pengumpulan data dan akuisisi pengetahuan pakar, Pembuatan perangkat lunak dan pengujian sistem. Blok diagram ujicoba sistem pakar terdapat pada Gambar 1.
Gambar 1. Blok diagram uji coba sistem pakar
Pada Gambar 1 menunjukkan tahapan ujicoba sistem pakar. Pertama yaitu input gejala-gejala yang terdapat pada tanaman jagung. Selanjutnya sistem akan mampu menghasilkan deteksi otomatis tentang penyakit yang terdapat pada tanaman jagung, demikian seterusnya hingga kasus ke 30 selesai terdeteksi. Selanjutnya hasil deteksi sistem pakar akan dibandingkan dengan pakar sebenarnya untuk mengetahui prosentase keakuratan dari sistem yang telah dibuat.
67 | N E R O 4. Pengujian dan Pembahasan
Pengujian dilakukan menggunakan data sampel sebanyak 30. Tanaman jagung pada dua lahan yaitu lahan milik prodi agro ekoteknologi Universitas Trunojoyo Madura dan lahan jagung di desa Gili Timur, kecamatan Kamal . Dari tahap pengujian didapatkan hasil pada Tabel 3 dan Tabel 4. Tampilan antarmuka sistem terdapat pada Gambar 2.
Tabel 3. Perbandingan hasil ujicoba sistem pakar dan pakar sebenarnya Jagung
Tabel 4. Hasil ujicoba pada lahan jagung di desa gili timur kecamatan kamal Jagung
6 Ulat grayak Ulat Grayak 21 Penggerek Batang Penggerek Batang
7 Belalang Ulat Grayak 22 Ulat Grayak Ulat Grayak
68 | N E R O
Gambar 2. Tampilan Antarmuka sistem pakar
5. Kesimpulan
1. Hasil ujicoba pertama menunjukkan kecocokan deteksi 18 dari 30 kasus sedangkan hasil ujicoba kedua menunjukkan kecocokan deteksi 17 dari 30 kasus.
2. Ujicoba pada lahan pertama menunjukkan penyakit yang paling banyak dijumpai yaitu penyakit Bulai, sedangkan pada ujicoba lahan kedua menunjukkan penyakit yang paling banyak dijumpai yaitu Hama Ulat Grayak
3. Metode Naïve Bayes kurang efektif dalam mendeteksi keakuratan klasifikasi sistem. Perlu perbaikan akuisisi pengetahuan menggunakan metode lainnya, misalnya ditambah menggunakan metode Certainty Factor untuk memberikan bobot keyakinan pada gejala-gejala yang dipilih.
Ucapan Terima Kasih
Terima Kasih, tim peneliti haturkan kepada Dirjen Riset Penelitian dan pengabdian Masyarakat DRPM DIKTI yang telah membiayai Penelitian ini pada Skim Penelitian Dosen Pemula. Terima kasih, tim peneliti ucapkan pada Dr. Achmad Amzeri yang telah berkenan menjadi pakar pada penelitian ini
Daftar Pustaka
[1] Li, Q, Z Shen, L Gao, H Yang, W Lin, J Qiao. “An Internet Based Expert System Platform
for assistant identification of Agricultural Pests.”World Automation Congress (WAC), 2010:
141-144.
[2] Indriana, Isti Fina. “e prints Universitas Negeri Yogyakarta.” 2010.
[3] Ikhwani, I, AK Makarim, AF Fadhly, R Effendy. “Perangkat Lunak Sistem Pakar Tanaman
Jagung untuk Penyusunan Paket Teknologi Spesifik Lokasi.” Pekan Serelia Nasional. Bogor,
2010.
[4] Roseline , P, JM Clarence, N Ganesan. “Design and Development of Fuzzy Expert System
for Integrated Disease Management Integration Millets.” International Journal of Computer APplication, 2012: 31-37.
[5] Munanda, Edi, Nanang P. “Perancangan Sistem Pakar untuk Mendiagnosa Penyakit
Tanaman jagung menggunakan Fuzzy MCDM berbasis Web.” Litek 10, no. 2 (2013): 113-117.
[6] Dubey, S, RF Pandey, dan SS Gautan. “Literature Review on Fuzzy Expert System in
Agriculture.” International Journal of Soft Computing and Engineering , 2013.
[7] Maurya, B, MR Beg, dan S Mukherjee. “Expert SYstem Design and Architecture for
Farming Sector.” Information and Communication Technology IEEE, 2013: 10-15.
[8] Setiawan, Wahyudi, dan Sofie Ratnasari. “Sistem pakar Diagnosis Penyakit mata