Sistem Pakar Diagnosis Penyakit Tanaman Karet dengan Metode Fuzzy Mamdani Berbasis Web
Hendrawan*, Abdul Haris, Errissya Rasywir, Yovi Pratama Fakultas Ilmu Komputer, Universitas Dinamika Bangsa, Jambi, Indonesia
Email: 1,*[email protected], 2[email protected], 3[email protected],
Email Penulis Korespondensi: [email protected]
Abstrak–Tanaman karet dapat terserang berbagai penyakit yang bersumber dari jamur, hama, hewan bahkan sel kanker.
Diperlukan suatu metode yang mampu mendiagnosis penyakit karet untuk dapat diharapkan dapat membantu petani dalam mendeteksi gejala lebih dini sehingga produktivitas hasil perkebunan karet dapat tercapai meningkat. Penelitian ini mengembangkan analisis hasil diagnosis penyakit tanaman karet dengan menggunakan metode Mamdany Fuzzy. Pemilihan metode ini berangkat dari penelitian fuzzy mamdany yang menyatakan bahwa metode fuzzy mamdany mampu menyerupai cara kerja otak manusia secara intuitif. Dengan implementasi pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani, pekerjaan mendiagnosis penyakit tanaman karet dapat dilakukan secara lebih ototmatis.
Dengan 33 data parameter sympthon gejala penyakit tanaman karet dan 14 kelas diagnosis penyakit karet yang diujikan dengan menggunakan algoritma Mamdany Fuzzy, diperoleh hasil akurasi sebesar 81.74%, nilai 5-cross validation sebesar 80.93% dan nilai 10-cross validation sebesar 82.30%. Hal ini menunjukan bahwa penerapan algoritma fuzzy mamdani menghasilkan akurasi yang baik dalam melakukan diagnosis tanaman karet.
Kata Kunci: Fuzzy, Mamdani, Evaluasi, Diagnosis, Sistem.
Abstract–Rubber plants can be attacked by various diseases originating from fungi, pests, animals and even cancer cells. A method that is able to diagnose rubber disease is needed so that it is hoped that it can help farmers detect symptoms early so that the productivity of rubber plantations can increase. This study developed an analysis of the results of the diagnosis of rubber plant disease using the Mamdany Fuzzy method. The choice of this method departs from the fuzzy mamdany research which states that the fuzzy mamdany method is able to resemble the workings of the human brain intuitively. With the implementation of the Expert System for Diagnosis of Disease in Rubber Plants with the Fuzzy Mamdani Algorithm, the work of diagnosing rubber plant diseases can be done more automatically. With 33 sympthon parameter data for rubber plant disease symptoms and 14 classes of rubber disease diagnosis tested using the Mamdany Fuzzy algorithm, the results obtained an accuracy of 81.74%, a value of 5-cross validation of 80.93% and a value of 10-cross validation of 82.30%. This shows that the application of the fuzzy mamdani algorithm produces good accuracy in diagnosing rubber plants.
Keywords: Fuzzy, Mamdani, Evaluation, Diagnosis, System.
1. PENDAHULUAN
Produksi tumbuhan karet merupakan salah satu tumbuhan yang menjadi andalan komoditas di Provinsi Jambi.
Dari hasil observasi yang dilakukan pada penelitian ini perlu dilakukan upaya untuk meningkatan produksi dari getah karet sebagai produk unggulan penggerak ekonomi provinsi Jambi. Namun, tumbuhan karet juga rentan dapat diserang berbagai penyakit. Beberapa penyakit yang biasa dapat menyerang tanaman karet antara lain yang berasal dari jamur, hama, binatang bahkan sel kanker [1]. Penyakit-penyakit tersebut dapat menyebabkan kerugian dalam industri perkebunan karet [1]. Keterbatasan pengetahuan petani karet mengenai gejala yang ditimbulkan pada penyakit tumbuhan karet dapat menyebabkan produksi getah karet menurun [5]. Seorang ahli perkebunan mampu mendiagnosis jenis penyakit tumbuhan karet, namun dibutuhkan usaha untuk menggunakan jasa seorang pakar pertanian dalam melakukan diagnosis gejala penyakit karet. Di indonesia perkembangan tumbuhan karet sangat pesat mengingat indonesia merupakan negara agraris dan telah menjadi sektor ekonomi utama.
Terdapat banyak rumah tangga, industri, mainan serta otomatif yang menggunakan bahan baku karet seperti ban kendaraan, alat dapur, furnitur, aksesoris, produk tas dan sepatu dari karet sintetis [2], [3], bantalan karet pelindung serta mainan anak. Di samping itu, pohon karet mempunyai kelebihan yakni mampu menyerap gas buangan dan menghasilkan jumlah oksigen yang jauh lebih maksimal dibanding tumbuhan lainnya [4].
Penelitian sebelumnya yang melakukan diagnosis penyakit tumbuhan antara lain menggunakan metode Dempster Shafer, metode Certainty factor maupun forward chaining [9], [10]. Namun, penelitian yang mengembangkan metode diagnosis penyakit tumbuhan masih sangat sedikit jumlahnya. Sehingga, perlu dilakukan penelitian lebih lanjut mengenai diagnosis penyakit tumbuhan karet dengan berbagai metode lainnya. Untuk itu dibutuhkan sebuah sistem yang mampu menggantikan keahlian seorang pakar pertanian dalam melakukan diagnosis penyakit karet.
Dalam penelitian ini, digunakan metode Mamdany Fuzzy. Pemilihan metode tersebut berangkat dari penelitian mengenai mamdany fuzzy yang menyatakan bahwa metode mamdany fuzzy mampu menyerupai cara kerja otak manusia [11], [12] yang bersifat intuitif. Penelitian ini menggunakan data penyakit tumbuhan karet dari Dinas Perkebunan provinsi Jambi yang terletak di Kota Jambi.
Hendrawan, Copyright ©2020, MIB, Page 1226
2. METODOLOTI PENELITIAN
Pada gambar 1 berikut ini ditampilkan bagan langkah metode penelitian sistem pakar diagnosis penyakit tanaman karet dengan metode Fuzzy Mamdani berbasis web.
Gambar 1. Bagan Langkah Metode Penelitian Sistem Pakar Diagnosis Penyakit Tanaman Karet dengan Metode Fuzzy Mamdani Berbasis Web.
Pada gambar 1 di atas ditampilkan langkah metode penelitian sistem pakar diagnosis penyakit tanaman karet dengan metode fuzzy mamdani berbasis website. Pada arsitektur penelitian ini kami memulai penelitian dengan memulai kegiatan analisis sistem diagnosis penyakit tanaman karet. Selanjutnya, kami menganalisis penerapan metode Fuzzy Mamdani pada sistem diagnosis penyakit tanaman karet yang kami bangun. Kami gunakan parameter diagnosis penyakit tanaman karet dengan dipadukan dengan algoritma Fuzzy Mamdani serta parameter apa saja untuk membobotkan gejala. Jika perhitungan algoritma penyakit tanaman karet telah tepat, selanjutnya diterapkan dengan proses pembangunan aplikasi sistema diagnosis penyakit tanaman karet.
Selanjutnya, dari sistema yang dibangun dilakukan evaluasi pengujian untuk didapatkan keakuratan sistem.
2.1 Analisis Sistem Diagnosis Penyakit Tumbuhan Karet
Seperti kebanyakan tumbuhan perkebunan, karet dapat diserang berbagai penyakit yang berasal dari jamur, hama, binatang bahkan sel kanker [1]. Penyakit-penyakit tersebut dapat menyebabkan kerugian dalam industri perkebunan karet. Namun, keterbatasan pengetahuan petani karet mengenai gejala yang ditimbulkan pada penyakit tumbuhan karet dapat menyebabkan produksi getah karet menurun [1]. Karet (Hevea Brasiliensis) merupakan tumbuhan industri dengan bentuk pohon batang yang lurus dan mulai dibudidayakan pada tahun 1601 [6]. Getah karet dihasilkan oleh pohon karet ini berwarna putih dan berbentuk cairan [1], [7].
Cara pengambilan getah karet adalah dengan cara disadap. Banyak produk yang menggunakan bahan baku karet seperti ban kendaraan, alat-alat rumah tangga, produk fashion seperti tas dan sepatu dari karet sintetis, bantalan karet pelindung serta mainan anak [1], [5]. Selain itu, pohon karet mempunyai kelebihan yakni mampu menyerap gas buangan dan menghasilkan jumlah oksigen yang jauh lebih maksimal dibanding tumbuhan lainnya [5], [8].
Sampai saat ini produksi karet masih menjadi andalan komoditas di provinsi Jambi. Sehingga, perlu dilakukan upaya peningkatan produksi dari getah karet sebagai produk unggulan penggerak ekonomi provinsi Jambi. Seorang ahli atau pakar pertanian dan perkebunan mampu mendiagnosis jenis penyakit tumbuhan karet.
Tapi membutuhkan effort yang lebih untuk menggunakan jasa seorang pakar pertanian dalam melakukan diagnosis gejala penyakit disetiap kegiatan produksi getah karet. Data penyakit tumbuhan karet disimpan sebagai pengetahuan dan pengalaman yang dihasilkan metode mamdany fuzzy dan digunakan untuk proses pengujian diagnosis penyakit tumbuhan karet.
(a) (b)
Gambar 2. (a) Penyakit Jamur Akar Putih Pada Tumbuhan Karet (b) Penyakit Kanker Kulit Pada Tumbuhan Karet.
2.2 Analisis Penerapan Metode Fuzzy Mamdani.
Metode Mamdani ditemukan oleh Ebrahim Mamdani pada tahun 1975. Mamdany Fuzzy ini merupakan metode yang paling populer digunakan dalam aplikasi fuzzy [13]. Metode Fuzzy Mamdani merupakan salah satu bagian dari Fuzzy Inference System. Metode ini menggunakan output yang ditentukan menggunakan metode MIN yang aturannya diinterferensikan menggunakan metode MAX [10], [11]. Sehingga metode Mamdani juga dikenal dengan metode MIN-MAX.
Namun, metode Mamdani bukan hanya proses pembatasan nilai MIN-MAX. Metode mamdany juga menggunakan metode penjumlahan (sum) untuk memperoleh solusi himpunan fuzzy terhadap semua output daerah fuzzy. Selain itu, Metode mamdany fuzzy menggunakan metode probabilistik “OR” atau “disjungsi” untuk memperoleh solusi himpunan fuzzy dengan cara melakukan perkalian pada semua output daerah fuzzy[12].
Algoritma ini berguna untuk penarikan kesimpulan atau suatu keputusan terbaik dalam permasalahan yang tidak pasti [12]. Dalam penelitian ini, digunakan metode Mamdany Fuzzy. Pemilihan metode tersebut berangkat dari penelitian mengenai mamdany fuzzy yang menyatakan bahwa metode mamdany fuzzy mampu menyerupai cara kerja otak manusia yang bersifat intuitif.
2.3 Analisis Penerapan Algoritma Mamdany Fuzzy pada Sistem Diagnosis Penyakit Tumbuhan Karet Nilai yang digunakan untuk melakukan perhitungan dengan algoritma fuzzy untuk tanaman karet. Setiap variabel gejala penyakit pada tanaman karet, terdapat beberapa variabel lagi yang menyatakan tingkatan dari gejala yang dialami oleh tanaman karet.
Kemudian, setiap tingkatan nilai keparahan gejala, kami berikan rentang nilai. Berikut ini adalah data perentangan nilai yang kami gunakan untuk penerapan algoritma mamdany fuzzy pada sistem diagnosis penyakit tumbuhan karet:
Gambar 3. Bagan Langkah Metode Penelitian Sistem Pakar Diagnosis Penyakit Tanaman Karet dengan Metode Fuzzy Mamdani Berbasis Web.
Berikut ini adalah pengkondisian rentang semesta pada gejala penyakit tanaman karet (Rentang Semesta 0-25):
µ Rendah [Gejala] { 1, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 5; (5-x )/(5-10) , 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≥ 10 ; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≥ 5}
µ Sedang [Gejala] { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 10; (x-5 )/(10-5) , 𝑢𝑛𝑡𝑢𝑘 5 ≤ 𝑥 ≤ 10 ; (15-x )/(15-5) , 𝑢𝑛𝑡𝑢𝑘 10 ≤ 𝑥 ≤ 15 ; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 15}
µ Tinggi [Gejala] { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 15; (x-10 )/(15-10) ,𝑢𝑛𝑡𝑢𝑘 15 ≤ 𝑥 ≤ 25 ; 1, 𝑢𝑛𝑡𝑢𝑘 ≥ 25}
Pengkondisian Rentang Semesta pada Gejala Penyakit Tanaman Karet (Rentang 0-60):
µ Rendah [Gejala] { 1, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 5 ; (5-x )/(5-10) , 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≥ 10; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≥ 5}
µ Sedang [Gejala] { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 10; (x-5 )/(10-5) , 𝑢𝑛𝑡𝑢𝑘 5 ≤ 𝑥 ≤ 10; (15-x )/(15-5) , 𝑢𝑛𝑡𝑢𝑘 10 ≤ 𝑥 ≤ 15; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 15}
µ Tinggi [Gejala] { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 15; (x-10 )/(15-10) ,𝑢𝑛𝑡𝑢𝑘 15 ≤ 𝑥 ≤ 25; 1, 𝑢𝑛𝑡𝑢𝑘 ≥ 25}
Hendrawan, Copyright ©2020, MIB, Page 1228 Dari rentang yang ditampilkan dengan kondisi rentang semesta pada gejala penyakit tanaman karet dengan nilai 0-25 dan 0-60. Terdapat beberapa instruksi yang dijalankan dalam algoritma fuzzy mamdani, jika kondisi tersebut dapat terpenuhi. Pengkondisian Rentang Semesta pada Gejala Penyakit Tanaman Karet (Rentang 0-70):
µ Rendah [Gejala] { 1, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 20 ; (40-x )/(40-20) , 𝑢𝑛𝑡𝑢𝑘 20 ≤ 𝑥 ≥ 40; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≥ 40}
µ Sedang [Gejala] {0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 40; (x-20 )/(40-20) , 𝑢𝑛𝑡𝑢𝑘 20 ≤ 𝑥 ≤ 40; (60-x )/(60-40) , 𝑢𝑛𝑡𝑢𝑘 40 ≤ 𝑥 ≤ 60;
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 40}
µ Tinggi [Gejala] { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 30; (x-60 )/(60-40) ,𝑢𝑛𝑡𝑢𝑘 40 ≤ 𝑥 ≤ 60; 1, 𝑢𝑛𝑡𝑢𝑘 ≥ 60}
Dari rentang yang ditampilkan kondisi rentang semesta pada gejala penyakit tanaman karet dengan nilai rentang 0-70 dan 0-80. Terdapat beberapa instruksi seperti 1, 40−x
40−20 , 0, x−20
40−20 dan 60−x
60−40 yang dijalankan dalam algoritma fuzzy mamdani, jika kondisi tersebut dapat terpenuhi. Pengkondisian Rentang Semesta pada Gejala Penyakit Tanaman Karet (Rentang 0-90):
µ Rendah [Gejala] { 1, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 10; (40-x )/(40-20) , 𝑢𝑛𝑡𝑢𝑘 10 ≤ 𝑥 ≥ 40; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≥ 40}
µ Sedang [Gejala] {0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 40 atau 𝑥 ≥ 70; (x-10 )/(40-10) , 𝑢𝑛𝑡𝑢𝑘 20 ≤ 𝑥 ≤ 40; (70-x )/(70-40) , 𝑢𝑛𝑡𝑢𝑘 40 ≤ 𝑥 ≤ 70; 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 40}
µ Tinggi [Gejala] { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≤ 30; (x-40 )/(70-40) ,𝑢𝑛𝑡𝑢𝑘 40 ≤ 𝑥 ≤ 70; 1, 𝑢𝑛𝑡𝑢𝑘 ≥ 70}
2.4 Implementasi pada Diagnosis Penyakit Tumbuhan Karet
Pada tahap ini, kami menerapkan proses perhitungan algoritma Fuzzy Mamdani pada data tanaman karet yang telah kami peroleh sebanyak 191 data penyakit tanaman Karet.
Tabel 1. Gejala atau Sympton Penciri Penyakit Pada Tanaman Karet.
Kode Parameter
V1 Warna pada daun menjadi hijau kusam dan kaku
V2 Terdapat jamur berwarna putih menyelimuti permukaan akar V3 Akar tanaman membusuk
V4 Badan buah berwarna orange dengan tepi berwarna kuning muda atau keputihan.
V5 Terdapat bercak berwarna putih seperti tepung di permukaan bawah daun V6 Daun berwarna hitam
V7 Terdapat bercak transparan pada daun tua V8 Daun mati dan akhirnya gugur
V9 Daun terlihat lemas
V10 Bercak hitam pada tulang daun V11 Daun menguning atau kecoklatan V12 Daun mengering dan berlubang V13 Kulit batang menjadi membusuk V14 Permukaan kulit batang pecah-pecah
V15 Adanya bercak coklat kehitaman pada batang V16 Adanya bercak basah
V17 Terdapat sebara seperti sarang laba-laba melekat pada permukaan daun V18 Kulit yang terserang terdapat selaput (mielia jamur) tebal
V19 Cabang atau ranting yang terserang mati V20 Adanya bercak-bercak hitam pada bidang sadap
V21 Bercak hitam menyatu membentuk garis vertikal di atas alur sadap V22 Serangan berat mengakibatkan kulit berbenjol-benjol
V23 Adanya bercak-bercak putih kelabu sejajar dengan alur sadap
V24 Terdapatnya bagian-bagian alur sadap yang tidak mengeluarkan lateks V25 Lateks menjadi encer dan kadar karet kering
V26 Bagian karet yang kering akan berubah warnanya menjadi coklat V27 Alur sadap kering dan pecah-pecah hingga mengelupas
V28 Terdapat lubang gerek pada batang atau cabang disertai tepung bekas herakan V29 Terdapat jalur rayap disekitar batang atau ranting
V30 Bagian tanaman yang di serang berlubang-lubang dan keropos V31 Perakaran hancur
V32 Timbulnya cendawan jelaga pada permukaan tanaman yang terserang kutu V33 Ditemukan adanya larva
2.5 Analisis Pengujian Diagnosis Penyakit Tumbuhan Karet Metode Fuzzy Mamdani.
Pada bagian ini, kami melakukan pengujian terhadap penerapan algoritma Fuzzy Mamdani uuntuk diagnosis tanaman karet. Evaluasi pengujian disimpan menggunakan akurasi di mana nilai akurasi adalah hasil perbandingan diagnosis pakar manusia dibanding dengan diagnosis metode. Tujuan dari penelitian ini diharapkan diagnosis penyakit tumbuhan karet dapat dilakukan secara otomatis untuk membantu perekonomian hasil kebun petani di Jambi, kemudian mengetahui evaluasi hasil diagnosis pakar manusia dibanding dengan diagnosis dengan metode, serta mengetahui hasil penerapan metode Mamdany Fuzzy pada penyakit tumbuhan karet. Untuk mencapai tujuan tersebut kami melakukan analisis hasil Diagnosis Penyakit Tumbuhan Karet dengan Metode Fuzzy Mamdani.
3. HASIL DAN PEMBAHASAN
Pada tahapan ini akan dianalisa desain pembangunan sistem pakar diagnosis penyakit tanaman karet dengan metode Fuzzy Mamdani berbasis web. Berikut ini adalah salah satu diagram desain yang dirancang untuk pemodelan sistem pakar diagnosis penyakit tanaman karet dengan Metode Fuzzy Mamdani berbasis web.
Gambar 4. Usecase Sistem Pakar Diagnosis Penyakit Tanaman Karet dengan Metode Fuzzy Mamdani Berbasis Web.
Pada gambar 4 ditampilkan usecase sistem pakar diagnosis penyakit tanaman karet dengan metode fuzzy mamdani berbasis web. Kegiatan yang bisa dilakukan oleh admin dan pengguna sistem diagnosis tanaman pakar antara lain adalah mengolah data admin, mengolah data user, mengolah data gejala penyakit karet, mengolah data diagnosis penyakit karet (fuzzy based), menginputkan data gejala penyakit karet, melihat hasil diagnosis penyakit karet, melakukan login dan logout.
3.1 Sistem Pakar Diagnosis Tanaman Karet Berbasis Mamdany Fuzzy Berikut merupakan tampilan website sistem pakar.
(a) (b)
Gambar 5.(a)Tampilan Home Halaman 1 pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani. (b) Tampilan Home Halaman 2 Penyakit Kanker Kulit Pada Tumbuhan Karet
dengan Algoritma Fuzzy Mamdani.
Hendrawan, Copyright ©2020, MIB, Page 1230 Gambar 6. (a) Tampilan Morfologi pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani (b) Menu informasi Penyakit pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan
Karet dengan Algoritma Fuzzy Mamdani.
Gambar 7. (a)Tampilan Pendaftaran Akun pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani. (b) Tampilan Halaman Login pada Sistem Pakar Pada Diagnosis Penyakit
Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Gambar 8. (a) Tampilan Menu Unutk Diagnosis pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani. (b)Tampilan Informasi Data Diagnosis pada Sistem Pakar Diagnosis
Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Gambar 9. (a) Tampilan Menu Konsultasi Data Gejala pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani. (b) Tampilan Data Konsultasi Pengguna pada
Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Gambar 10. Tampilan Hasil Diagnosis pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Gambar 11. Tampilan Hasil Perhitungan Diagnosis pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani. (b) Tampilan Histori Diagnosis Diagnosis Penyakit pada Sistem Pakar
Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Tabel 2. Tampilan Kode Variabel dan Kategori pada Sistem Pakar Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
No Kode
Variabel Kategori Kode
Kategori Kategori Kode
Kategori Kategori Kode Kategori
1 V1 Low V1R Medium V1S Tinggi V1T
2 V2 Low V2R Medium V2S Tinggi V2T
3 V3 Low V3R Medium V3S Tinggi V3T
4 V4 Low V4R Medium V4S Tinggi V4T
5 V5 Low V5R Medium V5S Tinggi V5T
6 V6 Low V6R Medium V6S Tinggi V6T
7 V7 Low V7R Medium V7S Tinggi V7T
Hendrawan, Copyright ©2020, MIB, Page 1232
No Kode
Variabel Kategori Kode
Kategori Kategori Kode
Kategori Kategori Kode Kategori
8 V8 Low V8R Medium V8S Tinggi V8T
9 V9 Low V9R Medium V9S Tinggi V9T
10 V10 Low V10R Medium V10S Tinggi V10T
11 V11 Low V11R Medium V11S Tinggi V11T
12 V12 Low V12R Medium V12S Tinggi V12T
13 V13 Low V13R Medium V13S Tinggi V13T
14 V14 Low V14R Medium V14S Tinggi V14T
15 V15 Low V15R Medium V15S Tinggi V15T
16 V16 Low V16R Medium V16S Tinggi V16T
17 V17 Low V17R Medium V17S Tinggi V17T
18 V18 Low V18R Medium V18S Tinggi V18T
19 V19 Low V19R Medium V19S Tinggi V19T
20 V20 Low V20R Medium V20S Tinggi V20T
21 V21 Low V21R Medium V21S Tinggi V21T
22 V22 Low V22R Medium V22S Tinggi V22T
23 V23 Low V23R Medium V23S Tinggi V23T
24 V24 Low V24R Medium V24S Tinggi V24T
25 V25 Low V25R Medium V25S Tinggi V25T
26 V26 Low V26R Medium V26S Tinggi V26T
27 V27 Low V27R Medium V27S Tinggi V27T
28 V28 Low V28R Medium V28S Tinggi V28T
29 V29 Low V29R Medium V29S Tinggi V29T
30 V30 Low V30R Medium V30S Tinggi V30T
31 V31 Low V31R Medium V31S Tinggi V31T
32 V32 Low V32R Medium V32S Tinggi V32T
33 V33 Low V33R Medium V33S Tinggi V33T
Tabel 2. Tampilan Kode Gejala Penyakit pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
No Nama Kelas Penyakit Output
1 Penggerak Batang (Xyleborus sp) Gejala1 2 Rayap (captotermes curvignatus) Gejala2
3 Kutu Tempurung (Coccus sp). Gejala3
4 Uret Gejala4
5 Penyakit Nekrosis kulit/Bark Necrosis (Fusarium sp) Gejala5 6 Penyakit Jamur Upas (corticium salmonicolor) Gejala6 7 Penyakit Kanker Garis (Phytophthora palmivora) Gejala7 8 Penyakit Mouldy Rot (ceratocytis fimbriata) Gejala8
9 Kering alur sadap Gejala9
10 Jamur Akar Putih Gejala10
11 Embun Tepung Gejala11
12 Gugur daun Gejala12
13 Jamur Corynespora cassiicola Gejala13
14 Penyakit daun Helminthosporium sp. Gejala14
(a) (b)
Gambar 12. (a)Nilai Kecenderungan Diagnosis I pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani. (b) Nilai Kecenderungan Diagnosis II pada Sistem Pakar Diagnosis Penyakit
Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
(a) (b)
Gambar 10. (a) Nilai Kecenderungan Diagnosis III pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.(b) Nilai Kecenderungan Diagnosis IV Penyakit pada Sistem Pakar
Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Tabel 3. Hasil Evaluasi pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Akurasi 5-Cross Validation 10-Cross validation
81.74% 80.93% 82.30%
Gambar 13. Diagram Visualisasi Evaluasi Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani.
Dengan implementasi pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani, pekerjaan mendiagnosis penyakit tanaman karet dapat dilakukan secara lebih ototmatis. Dengan 33 data parameter sympthon gejala penyakit tanaman karet dan 14 kelas diagnosis penyakit karet yang diujikan dengan menggunakan algoritma Mamdany Fuzzy, diperoleh hasil akurasi sebesar 81.74%, nilai 5-cross validation sebesar 80.93% dan nilai 10-cross validation sebesar 82.30%. Hal ini menunjukan bahwa penerapan algoritma fuzzy mamdani menghasilkan akurasi yang baik dalam melakukan diagnosis tanaman karet.
4. KESIMPULAN
Diperlukan suatu metode yang mampu mendiagnosis penyakit karet untuk dapat diharapkan dapat membantu petani dalam mendeteksi gejala lebih dini sehingga produktivitas hasil perkebunan karet dapat tercapai meningkat. Penelitian ini mengembangkan analisis hasil diagnosis penyakit tanaman karet dengan menggunakan metode Mamdany Fuzzy. Pemilihan metode ini berangkat dari penelitian fuzzy mamdany yang menyatakan bahwa metode fuzzy mamdany mampu menyerupai cara kerja otak manusia secara intuitif. Dengan implementasi pada Sistem Pakar Diagnosis Penyakit Pada Tumbuhan Karet dengan Algoritma Fuzzy Mamdani, pekerjaan mendiagnosis penyakit tanaman karet dapat dilakukan secara lebih ototmatis. Dengan 33 data parameter sympthon gejala penyakit tanaman karet dan 14 kelas diagnosis penyakit karet yang diujikan dengan menggunakan algoritma Mamdany Fuzzy, diperoleh hasil akurasi sebesar 81.74%, nilai 5-cross validation sebesar 80.93% dan nilai 10-cross validation sebesar 82.30%. Hal ini menunjukan bahwa penerapan algoritma fuzzy mamdani menghasilkan akurasi yang baik dalam melakukan diagnosis tanaman karet.
UCAPAN TERIMAKASIH
Terima kasih disampaikan kepada Universitas Dinamika Bangsa Jambi yang telah memfasilitasi tim peneliti serta kepada Kementrian Pendidikan dan Kebudayaan yang telah mendanai riset ini pada Skema Penelitian Dosen Pemula dengan ID Proposal: b9098506-ccba-4c58-8541-e6a0b5e9304 dengan judul ” Sistem Pakar Diagnosis Penyakit Tanaman Karet dengan Metode Fuzzy Mamdani Berbasis Web”.
REFERENCES
[1] Maulana, J. Rizky, Fitriyadi, and R. Fitriani, “Sistem Pakar Diagnosa Penyakit Tanaman Karet,” JUTISI, vol. 1, no. 3, pp. 67–70, 2017.
Akurasi 5-Cross Validation
10-Cross validation 81.74%
80.93%
82.30%
AKURASI SISTEM PAKAR
Hendrawan, Copyright ©2020, MIB, Page 1234 [2] H. Hendrawan, A. Haris, E. Rasywir, and Y. Pratama, “Diagnosis Penyakit Tanaman Karet dengan Metode Fuzzy
Mamdani,” J. Paradig. UBSI, vol. 22, no. 2, pp. 132–138, 2020.
[3] E. Rasywir, R. Sinaga, and Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network ( CNN ),” J. Paradig. UBSI, vol. 22, no. 2, pp. 117–123, 2020.
[4] Filie and M. Kusuma, “Sistem Pakar Untuk Mendiagnosa Penyakit Pada Tanaman Karet Dan Cara Penanggulangannya,”
2011.
[5] S. Nurhatika, “Sistem Pakar Untuk Mendiagnosis Penyakit Tanaman Kelapa Sawit,” 2013.
[6] K. Mustaqim, “Aplikasi Sistem Pakar Untuk Diagnosa Hama dan Penyakit Tanaman Kelapa Sawit Menggunakan Naive Bayes( STUDY KASUS : PT . Perkebunan Nusantara V ),” 2013.
[7] R. I. Fajri, “Identifikasi Penyakit Daun Tanaman Kelapa Sawit Menggunakan Support Vector Machine,” J. Teknol.
Perkeb., 2014.
[8] A. Sidauruk and A. Pujianto, “Sistem Pakar Diagnosa Penyakit Tanaman Kelapa Sawit menggunakan Teorema Bayes,”
J. Ilm. Data Manaj. dan Teknol. Inf., vol. 18, no. maret, 2017.
[9] B. H. Hayadi and A. Setiawan, “Sistem Berbasis Pengetahuan Dengan Menggunakan Fuzzy Tsukamoto (Untuk Kesehatan Dan Perawatan Bayi),” Semin. Nas. Teknol. Inf. dan Komun. 2016, vol. 2016, no. Sentika, pp. 18–19, 2016.
[10] A. Kamsyakawuni, R. Gernowo, and E. A. Sarwoko, “Aplikasi Sistem Pakar untuk Diagnosa Penyakit Hipertiroid dengan Metode Inferensi Fuzzy Mamdani,” J. Sist. Inf. Bisnis, vol. 2, no. 2, pp. 58–66, 2012.
[11] A. Kaur and A. Kaur, “Comparison of Mamdani-Type and Sugeno-Type Fuzzy Inference Systems for Air Conditioning System,” Int. J. Soft Comput. Eng., vol. 2, no. 2, pp. 323–325, 2012.
[12] M. Sumitre, R. Kurniawan, J. Informatika, and J. Z. A. P. Alam, “Rancang Bangun Sistem Pendukung Keputusan Seleksi Penerimaan Tenaga Pengajar Dengan Metode Fuzzy Inference System (Fis) Mamdani,” J. Inform. Darmajaya, vol. 14, no. 1, pp. 61–71, 2014.
[13] M. S. Mahua, “SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT TANAMAN JERUK ( LIMAU ) MENGGUNAKAN METODE BAYES,” JATI (Jurnal Mhs. Tek. Inform., vol. 2, no. 2, pp. 196–202, 2018.
