E-ISSN 2621-3052
Sistem Pakar Mendiagnosis Penyakit Tanaman Cabai Merah Menggunakan Metode CBR
Farhan Karim1, Ivo Colanus Rally Drajana2*
1 Universitas Ichsan Gorontalo
Jln. Achmad Nadjamuddin No 17 Kota Tengah, Kota Gorontalo 96158
2Universitas Pohuwato
Jln. Trans Sulawesi No 147 Marisa, Kabupaten Pohuwato, Gorontalo 96266 Corresponding author‘s e-mail: [email protected]
Abstrak - Tanaman cabai merah merupakan jenis buah dan tumbuhan dalam anggota genus Capsicum yang masuk dalam komodias sayuran yang banyak dinikmati masyarakat Indonesia. Kabupaten Pohuwato merupakan salah satu wilayah yang menjadi sasaran utama dalam pengembangan tanaman holtikultura. Akan tetapi dalam pengembangannya komoditi ini memiliki beberapa permasalahan salah satunya Hama dan penyakit. Kendala utama dalam mendiagnosa penyakit cabai merah yaitu minimnya pengetahuan petani tentang penyakit tanaman cabai merah, keterbatasan waktu yang dimiliki petani, dan kurangnya jumlah pakar.
Dalam mengatasi situasi ini, sistem pakar sangat dibutuhkan. Sistem pakar merupakan program berbasis pengetahuan, dengan sistem pakar dapat dengan mudah mendiagnosa penyakit yang menyerang cabai merah.
Penelitian ini menerapkan metode Case Based Reasoning. Metode CBR merupakan metode yang membangun sistem dengan pengambilan keputusan dari kasus baru berdasarkan solusi dari kasus sebelumnya, menyelesaikan kasus baru dengan mengamati kasus lama yang terdekat dengan kasus baru. Sistem ini di bangun dengan 5 penyakit dengan 16 gejala yang memiliki bobot yang berbeda berdasarkan hasil penelitian.
Dalam menguji kelayakan sistem dan menghindari kesalahan pada sistem, maka pada penelitian ini telah melakukan pengujian sistem dengan hasil pengujian sistem white box yang dilakukan menghasilkan nilai Cyclomatic Complexity 8, untuk pengujian sistem black box semuanya sesuai dengan tampilan pada sistem.
Kata kunci: Sistem Pakar, Cabai Merah, CBR
Abstract - The red chili plant is a type of fruit and plant in the genus Capsicum which is included in the vegetable commodity that is widely enjoyed by the people of Indonesia. Pohuwato Regency is one of the areas that are the main targets in the development of horticultural crops. However, in its development this commodity has several problems, one of which is pests and diseases. The main obstacle in diagnosing red chili disease is the lack of knowledge of farmers about red chili disease, the limited time farmers have, and the lack of experts.
To overcome this, an expert system is needed. The expert system is a knowledge-based program, with the expert system being able to easily diagnose diseases that attack red chilies. This research uses Case Based Reasoning method. The CBR method is a method that builds a system by making decisions from new cases based on solutions from previous cases, solving new cases by observing the old cases that are closest to the new cases.
This system is built with 5 diseases with 16 symptoms that have different weights based on the results of the study. In testing the feasibility of the system and avoiding errors in the system, this research has tested the system with the results of a white box system test that produces a value of Cyclomatic Complexity 8, for testing the black box system everything is in accordance with the appearance on the system.
Keywords: Expert System, Red Chili, CBR
1. Pendahuluan
Tanaman cabai merah merupakan jenis buah dan tumbuhan dalam anggota genus Capsicum atau dalam Bahasa Latin dikenal dengan Capsicum annum L ini masuk dalam komoditas sayuran yang banyak dinikmati masyarakat Indonesia. Tanaman cabai merah menjadi salah satu bahan yang sering digunakan oleh masyarakat untuk dijadikan bumbu pada masakan tradisional Indonesia [1]. Tanaman cabai Capsicum annum L termasuk dalam komoditi holtikultura yang buahnya memiliki kandungan gizi cukup tinggi terutama kandungan vitamin A dan C. Penggunaan cabai yang cukup luas baik dalam bentuk Segar maupun olahan menyebabkan komoditi ini memiliki nilai ekonomi tinggi. Nilai ekonomi yang tinggi menjadi alasan petani untuk terus membudidayakan tanaman cabai sebagai mata pencaharian dalam memenuhi kebutuhan hidup [2].
Kabupaten Pohuwato merupakan salah satu wilayah yang menjadi sasaran utama dalam pengembangan tanaman holtikultura. Berdasarkan data Badan Pusat Statistik Kabupaten Pohuwato (2011) memiliki potensi lahan pertaian yang cukup luas yaitu sebesar 108.314 Ha, dengan luas lahan kering sebesar 105.279 Ha, dan luas lahan basah sebesar 5.251 Ha. Hal ini menunjukan bahwa Kabupaten Pohuwato memberikan peluang bagi petani untuk meningkatkan pendapatannya melalui sector pertanian dengan memanfaatkan lahan kering dengan membudidayakan komoditi cabai merah. Adapun produksi cabai merah yang dihasilkan oleh petani yang ada dikabupaten pohuwato 19.153 ton dari data keseluruhan. Akan tetapi dalam pengembangannya
E-ISSN 2621-3052 komoditi ini masih memiliki beberapa permasalahan, salah satunya yaitu Hama dan penyakit pada tanaman cabai merah. Sebelumnya dalam mendiagnosa penyakit tanaman cabai merah para petani biasanya mengamati melalui gejala-gejala yang nampak pada tanaman. Kendala utama dalam mendiagnosa jenis penyakit cabai antara lain adalah minimnya pengetahuan petani tentang penyakit tanaman cabai merah, keterbatasan waktu yang dimiliki petani dan kurangnya pakar. Untuk mengatasi masalah maka dibuat sebuah sistem yang dapat membantu para petani berupa sistem pakar.
Sistem pakar (Expert System) adalah program berbasis pengetahuan yang menyediakan solusi-solusi dengan kualitas pakar untuk problema-problema dalam suatu dominan yang spesifik. Sistem pakar merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah tertentu [3]. Dengan menggunakan sistem pakar petani dapat dengan mudah mendiagnosa penyakit yang menyerang cabai, karena sistem pakar dapat menyimpan data dari para pakar. Pada penelitian ini akan menerapkan metode CBR (Case Based Reasoning). Metode Case Based Reasoning adalah salah satu metode untuk membangun sistem dengan pengambilan keputusan dari kasus yang baru dengan berdasarkan solusi dari kasus-kasus sebelumnya [4].
2. Tinjauan Pustaka 2.1. Tinjauan Studi
Menurut Dimas Olga N, dkk dengan judul Sistem pakar Analisa penyakit pada tanaman cabai merah menggunakan metode backward chaining, aplikasi sistem pakar ini dapat mudah digunakan petani khususnya yang tidak paham dengan bagaimana cara mendiagnosa dan penanganan penyakit tanaman cabai. Berdasarkan dengan metode backward chaining, didapati ketika sebuah sistem tidak bisa menemukan hasil diagnosa dari penyakit yang di pilih oleh pengguna, sehingga tidak dapat menunjukkan hasil output yang bisa menjadi acuan untuk pengguna dalam melakukan penangan penyakit tanaman cabai merah [5].
Menurut Petti I. S dan Sulindawaty dengan judul sistem pakar penanganan penyakit tanaman jahe dengan metode case based reasoning menjelaskan hasil kasus lama, nilai kemiripan tertinggi: penyakit layu bakteri [P1], tingkat kemiripan 43 %. Perhitungan nilai kemiripan berdasarkan kasus lama yaitu menjumlahkan semua gejala yang dipilih dan membagikan nilai total gejala penyakit secara keseluruhan, dihasilkan nilai gejala baru= 0,15. Hasil kasus baru menghasilkan nilai kedekatan pada penyakit buncak akar, kode penyakit=P3 (Penyakit bercak daun) dan bernilai sebesar 0.2307 [6].
Menurut Desi Ernawati, dkk dengan judul Analisis penyakit pada tanaman cabai dengan metode case based reasoning berbasis web menjelaskan bahwa untuk mengetahui penyakit tanaman cabai para petani hanya melihat penyakit tanpa mengetahui gejala terlebih dahulu yang muncul sehingga akan mempengaruhi hasil produksi tanaman cabai. Sistem pakar diagnosa penyakit tanaman cabai dijadikan sarana konsultasi bagi para petani. Sistem ini membantu dalam hal mengetahui hama dan penyakit beserta solusi yang harus dilakukan untuk menanggulangi hama dan penyakit tersebut. Metode case based reasoning dapat dengan cepat mengetahui jenis hama dan penyakit dengan membandingkan kasus baru dengan kasus yang tersimpan di basis pengetahuan dalam sistem [7].
2.2. Dasar Teori 2.2.1. Cabai Merah
Cabai merah (Capsicum annum L) merupakan salah satu produk holtikultura yang memiliki nilai ekonomi penting di Indonesia. Selain di jadikan atau sayuran cabai juga memiliki nilai jual yang sangat tinggi, sehingga dapat meningkatkan pendapatan petani [5]. Komoditas cabai ini memiliki manfaat yang cukup besar, antara lain sebagai bahan penyedap rasa makanan, penghasil minyak astiri dan dijadikan ramuan obat-obatan.
Kandungan dalam cabai tersebut dapat menyembuhkan beberapa penyakit seperti meredakan pilek dan hidung tersumbat. Rendahnya produksi cabai ini disebabkan oleh berbagai macam faktor, salah satu diantaranya adalah serangan organisme pengganggu tanaman (OPT) berupa serangga dan mikroorganisme seperti virus, bakteri dan jamur [6]. Jenis-jenis penyakit cabai merah seperti layu fusarium, layu bakteri, buah busuk antraknosa, virus kuning dan bercak daun.
2.2.2. Sistem Pakar
Sistem pakar adalah suatu sistem yang dirancang untuk dapat menirukan keahllian seorang pakar dalam menjawab pertanyaan dan memecahkan suatu masalah[7]. Sistem pakar akan memberikan pemecah suatu masalah yang didapat dari dialog dengan pengguna [8]. Sistem pakar adalah sistem komputer yang ditujukan untuk meniru semua aspek (emulates) kemampuan penngambilan keputusan (decision making) seorang pakar[9]. Sistem pakar memanfaatkan secara maksimal pengetahuan khusus selayaknya seorrang pakar untuk memecahkan masalah. Pakar atau ahli (expert) didefinisikan sebagai seseorang yang memiliki pengetahuan atau keahlian khusus yang tidak dimiliki oleh kebanyakan orang [10].
E-ISSN 2621-3052 2.2.3. Case Based Reasoning (CBR)
Case Based Reasoning adalah metode untuk menyelesaikan masalah dengan mengingat kejadian-kejadian yang sama (similar) yang pernah terjadi di masa lalu kemudian menggunakan pengetahuan tersebut untuk menyelesaikan masalah yang baru, atau d engan kata lain menyelesaikan masalah dengan mengadaptasi solusi-solusi yang pernah digunakan di masa lalu [11].
3. Metode Penelitian
Dipandang dari jenis informasi yang diolah, maka penelitian ini merupakan penelitian kuantitatif.
Penelitian kuantitatif merupakan penelitian yang lebih memfokuskan pada aspek pengukuran secara objectif terhadap fenomena sosial. Penelitian ini menggunakan metode penelitian studi kasus. Dengan demikian jenis penelitian ini adalah penelitian deskriptif. Objek yang dilakukan pada penelitian ini yaitu Penyakit Cabai Merah di Kantor Dinas Pertanian Kabupaten Pohuwato, Provinsi Gorontalo. Jln. Kusno Danupoyo.
3.1. Pengumpulan Data
Berikut ini adalah teknik-teknik yang dilakukan dalam proses pengambilan data:
1. Teknik Wawancara
Merupakan pembuktian terhadap informasi yang telah diperoleh. Teknik yang dilakukan dalam penelitian kualitatif adalah wawancara mendalam, yang merupakan proses memperoleh keterangan untuk tujuan penelitian.
2. Observasi
Merupakan proses peneliti dalam melihat situasi penelitian. Informasi yang diperoleh dari hasil observasi adalah tempat, pelaku, kegiatan atau peristiwa, dan waktu.
3. Teknik Dokumen
Merupakan sumber data yang digunakan untuk melengkapi penelitian, berupa sumber tertulis, film, dan gambar. Dokumen tersebut akan memberikan informasi bagi proses penelitian.
3.2. Pengembangan Sistem
Dalam pengembangan sistem pakar diagnosis penyakit tanaman cabai merah menggunkan metode CBR ada beberapa perangkat lunak yang digunakan PHP, MySql, Xammp, Adobe Dreamweaver dan Adobe Photoshop. Kemudian tahapan-tahapan yang dilakukan di antaranya seperti tahap analisis (analisis sistem berjalan dan sistem yang diusulkan), tahap desain (input, output, database, teknologi, model, sumber data dan alat) dan tahap pengujian sistem (white box dan black box).
4. Hasil dan Pembahasan 4.1. Flowchart Gejalan
Gambar 1. Flowchart Gejala
mulai
Tampil data gejala
pencarian
Tambah data
Ubah data
Hapus data
selesai
Input data
Data ditemukan?
Data tidak ditemukan Input data
gejala Simpan data?
Proses penyimpanan
Edit data Simpan data? Proses
penyimpanan Ya
Tidak Ya
Ya
Tidak Ya
Tidak
Data gejala dittemukan
Proses hapus data
E-ISSN 2621-3052 4.2. Flowgraph Gejala
Gambar 2. Flowgraph Gejala Dari flowgraph di atas pada gambar 2, didapatkan
- Region (R) = 8 - Node (N) = 18 - Edge (E) = 24 - Predicate Node (P) = 7
Dari flow graph diatas, cyclomatic complexity dari sebuah program dapat dibuat dengan menggunakan rumus dibawah ini :
V(G) : cyclomatic complexity E : total jumlah edge N : Total jumlah node
Pada Flow graph diatas (gambar 5.3), dapat dihitung cyclomatic complexity nya sebagai berikut :
V(G) = 24 Edge – 18 Node + 2
= 8 Atau
V(G) = 7 Predicate + 1
= 8
4.3. Pembahasan Model
Tahap pembahasan model, disini akan diuraikan perhitungan dari metode yang digunakan dengan menggunakan data yang telah ada.
Rumus :
Similirity (p,q)= S1 x W1 + S2 x W2 + … + Sn x Wn
W1 + W2 +…+Wn
1
2 14
3 8 9 10
4 11
13
12
5 15 16 17
6 18
7
R1
R2 R3
R4
R5
R6
R7
R8
V(G) = E – N + 2
V(G) = P + 1
E-ISSN 2621-3052
Kode Jenis Penyakit Nama Macam Penyakit
P01 Layu Fusarium
P02 Layu Bakteri
P03 Buah Busuk antraknosa
P04 Virus Kuning
P05 Bercak Daun
Tabel 1. Jenis Penyakit Kasus I (P01) = Layu Fusarium
Kasus Lama
Gejala Bobot
G02 3
G05 3
G08 3
G10 5
G13 3
G14 5
G16 5
Tabel 2. Kasus Lama Pada Layu Fusarium Konsultasi
Gejala Bobot
G01 3
G10 5
G07 5
Tabel 3. Konsultasi Layu Fusarium Kemiripan
Kasus Lama Konsultasi Kasus Baru
G02 - 0
G05 0
G08 0
G10 G10 1
G13 0
G14 0
G16 0
G01 0
G07 0
Tabel 4. Kemiripan Pada Layu Fusarium Similirity (p,q)= (0*3)+(0*3)+(0*3)+(1*5)+(0*3)+(0*5)+(0*5)+(0*3)+(0*5)
3+3+5+3+5+5+3 = 5
27 = 0,185
Dijadikan % = 0,185 * 100 = 18,52%
Kasus 2 (P02) = Layu Bakteri Kasus Lama
Gejala Bobot
G0G08 3
G1G10 5
G1G14 5
E-ISSN 2621-3052 Tabel 5. Kasus Lama pada Layu Bakteri
Konsultasi
Gejala Bobot
G01 3
G10 5
G07 5
Tabel 6. Konsultasi Pada Layu Bakteri Kemiripan
Kasus Lama Konsultasi Kasus Baru
G08 - 0
G10 G10 1
G14 0
- G01 0
G07 0
Tabel 7. Kemiripan Pada Layu Bakteri Similirity (p,q)= (0 * 3) + (1 * 5) + (0*5) + (0*3) + (0*5)
3+5+5
= 5 13 = 0,384
Dijadikan % = 0,384 * 100 = 38,46%
Kasus 3 (P04) = Virus Kuning Kasus Lama
Gejala Bobot
G0G01 3
G1G03 5
G1G11 3
Tabel 8. Kasus Lama Pada Virus Kuning Konsultasi
Gejala Bobot
G01 3
G10 5
G07 5
Tabel 9. Konsultasi Pada Virus Kuning Kemiripan
Kasus Lama Konsultasi Kasus Baru
G01 G01 1
G03 0
G11 0
- G01 0
G07 0
Tabel 10. Kemiripan Pada Virus Kuning
E-ISSN 2621-3052 Similirity (p,q)= (1*3) + (0*5) +(0*3) + (0*5)+(0*5)
3+5+3
= 3 11 = 0,27
Dijadikan % = 0,27 * 100 = 27,27%
Kasus 4 (P05) = Bercak Daun Kasus Lama
Gejala Bobot
G0G04 1
G1G07 5
G1G13 3
Tabel 11. Kasus Lama Pada Bercak Daun Konsultasi
Gejala Bobot
G01 3
G10 5
G07 5
Tabel 12. Konsultasi Pada Bercak Daun Kemiripan
Kasus Lama Konsultasi Kasus Baru
G04 0
G07 G07 1
G13 0
G01 0
G10 0
Tabel 13. Kemiripan Pada Bercak Daun Similirity (p,q)= (0*1) + (1*5) + (0*3)+(0*3)+(0*5)
1+5+3
= 5 9 = 0,5
Dijadikan % = 0,5 * 100 = 55,56%
4.4. Tampilan Form Login Admin
Gambar 3. Form Login 4.5. Tampilan Menu Utama
E-ISSN 2621-3052
Gambar 4. Menu Utama
Pada tampilan menu utama terdapat 6 menu yang digunakan pada system, yaitu menu Home, Gejala, Data, Konsultasi, Informasi dan Admin.Sedangkan pada tampilan dibawahnya terdapat link untuk mempermudah/
cara cepat untuk menampilkan gejala, penyakit, Solusi, data kasus dan sebagainya.
4.6. Tampilan Data Gejala
Gambar 5. Data Gejala
Pada tampilan menu Gejala, digunakan untuk melihat data gejala-gejala pada tanaman cabai merah. Pada Form ini juga digunakan untuk menginput/ menambah, mengubah dan menghapus gejala.
4.7. Tampilan Menu Konsultasi
Gambar 6. Menu Konsultasi
Pada tampilan menu konsultasi, pada tampilan di atas merupakan form untuk daftar konsultasi, maksudnya setiap user yang konsultasi datanya yang disimpan bisa dilihat di halaman ini, dihalaman ini juga admin bisa melihat detail gejala-gejala dan penyakit yang dialami tanaman cabai merah user, dihalaman ini juga admin bisa menghapus data user yang telah konsultasikan tanaman cabai merahnya.
4.8. Tampilan Menu Data Penyakit
E-ISSN 2621-3052
Gambar 7. Menu Data Penyakit
Pada halaman ini admin bisa melihat data-data gejala yang sering terjadi pada tanaman cabai merah.
Dihalaman ini admin juga bisa menambah, mengubah/ mengedit dan menghapus penyakit.
4.9. Tampilan Data Kasus
Gambar 8. Data Kasus
Pada halaman ini, admin bisa menambah solusi untuk setiap penyakit. Jadi solusi yang dimasukkan/ yang ditambahkan nantinya akan muncul pada hasil konsultasi tergantung dari Penyakit yang dialami tanaman cabai merah. Pada halaman ini juga admin bisa mengubah dan menghapus data.
4.10. Tampilan Menu Informasi Data Penyakit
Gambar 9. Menu Informasi Data Penyakit
Pada halaman menu informasi daftra penyakit, pada halaman ini admin bisa melihat detail stiap penyakit beserta solusi yang akan ditampilkan.
E-ISSN 2621-3052
5. Kesimpulan
Berdasarkan hasil penelitian yang telah dilakukan dan pembahasan yang telah di uraikan sebelumnya, maka dapat ditarik suatu kesimpulan bahwa :
1. Dapat diketahui cara merekayasa sistem pakar Diagonsa Penyakit Tanaman Cabai merah.
2. Sistem pakar ini dapat di implementasikan untuk Mendiagnosa Penyakit Tanaman Cabai Merah. Hal ini dapat dibuktikan dengan hasil pengujian yang dilakukan dengan metode White Box Testing dan Bases Path Testing.
3. Sistem pakar ini dapat di implementasikan untuk Mendiagnosa Penyakit Tanaman Cabai merah. Hal ini dapat dibuktikan dengan hasil pengujian yang dilakukan dengan metode White Box Testing dan Bases Path Testing yang menghasilkan nilai Cyclomatic Complexity = 8.
Penulis ingin menyampaikan beberapa saran atau masukan bagi siapapun yang ingin mengembangkan atau menyempurnakan dari Sistem Pakar ini yaitu gunakan metode lain untuk menjadi bahan perbandingan Daftar Pustaka
[1] Pratiwi, A. E. N. (2018). Sistem Diagnosa Penyakit Pada Tanaman Cabai Merah Dengan Metode Backward Chaining (Studi Kasus: Petani Cabai Merah Desa Grobongan Kabupaten Madiun).
[2] Laely, M., Wijaya, I. G. P. S., & Aranta, A. (2020). Sistem Pakar Diagnosis Tanaman Cabai dengan Metode Forward Chaining dan Dempster Shafer. Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), 2(2), 268-279.
[3] Sari, C. R., Kom, S., & Kom, M. (2020). SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT PADA TANAMAN CABAI BERBASIS WEBSITE. Jurnal Teknologi Informasi Mura, 12(02), 145- 155.
[4] Amriana, A., Nugraha, D. W., & Tanti, R. Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Case Based Reasoning Berbasis Web. CESS (Journal of Computer Engineering, System and Science), 5(1), 114-123.
[5] Nusantara, D. O., Pamungkas, S. W., Syaifudin, N. R., Kusuma, L. W., & Fikri, J. (2017). Sistem Pakar Analisa Penyakit pada Tanaman Cabai Merah Menggunakan Metode Backward Chaining. Semnasteknomedia Online, 5(1), 3-5.
[6] Sijabat, P. I., & Sulindawaty, S. (2018). Sistem Pakar Penanganan Penyakit Tanaman Jahe Dengan Metode Case Based Reasoning. Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), 1(2), 148- 152.
[7] Ernawati, D., Yusda, R. A., & Putra, G. M. (2021). Analisis Penyakit Pada Tanaman Cabai Dengan Metode Case Based Reasoning Berbasis Web. J-Com (Journal of Computer), 1(1), 43-48.
[8] Tanjung, M. Y., Kristalisasi, E. N., & Yuniasih, B. (2018). Keanekaragaman Hama dan Penyakit Pada Tanaman Cabai Merah (Capsicum annum L) Pada Daerah Pesisir dan Dataran Rendah. Jurnal Agromast, 3(1).
[9] Vivaldy, L. A. (2017, July). Insidensi penyakit virus pada tanaman cabai (Capsicum anuum) di Desa Kakaskasen II Kecamatan Tomohon Utara Kota Tomohon. In Cocos (Vol. 1, No. 6).
[10] Muniar, A. Y., & Ashari, A. (2015). Penerapan Sistem Pakar dalam Mendiagnosa Hama dan Penyakit Tanaman Jarak Pagar dengan Metode Forward Chaining. Inspiration: Jurnal Teknologi Informasi dan Komunikasi, 5(2).
[11] Rosnelly, R. (2012). Sistem Pakar: Konsep dan Teori. Penerbit Andi.
[12] Maldini, R. (2019). SISTEM PAKAR PENERAPAN METODE CASE BASED REASONING UNTUK IDENTIFIKASI PENYAKIT CABAI BERBASIS WEB (Doctoral dissertation, Institut Teknologi Nasional Malang).
