135 313 1 PB
135 313 1 PB
Abstract
Rice plants are now many been developed in the swamp land. One of the problems is
disease of rice is a risk that must be faced and counted in rice cultivation to increase production
as expected. The purpose of this research is an analysis of rice disease diagnosis that grows in
wetlands by applying the method of Fuzzy Inference System and Certainty Factor. Fuzzy
Inference System used in this system is fuzzy Tsukamoto used to obtain the value measure of
belief (MB) and a measure of disbelief (MD) symptoms of the disease. And the certainty factor
(CF) for the assessment of each disease. The result that obtained is the analysis succeeded in
giving a diagnosis of disease in rice of symptoms that attack the rice.
Keywords: Rice Plants, Diagnosis, Fuzzy Inference System Tsukamoto, Certainty Factor.
Abstrak
Tanaman padi sekarang banyak dikembangkan di lahan rawa. Salah satu masalahnya
adalah penyakit padi, yang merupakan resiko yang harus dihadapi dan diperhitungkan dalam
budidaya padi untuk meningkatkan produksi yang sesuai dengan harapan. Tujuan penelitian
ini adalah membuat analisis diagnosa penyakit padi yang tumbuh di lahan rawa dengan
menerapkan metode Fuzzy Inference System dan Certainty Factor. Fuzzy Inference System
yang digunakan dalam sistem ini adalah Fuzzy Tsukamoto yang digunakan untuk
memperoleh nilai measure of belief (MB) dan measure of disbelief (MD) gejala terhadap suatu
penyakit. Sedangkan certainty factor (CF) untuk pemberian nilai masing-masing penyakit.
Hasil yang didapatkan yaitu analisis ini berhasil memberikan diagnosa penyakit yang padi
dari gejala-gejala yang menyerang padi tersebut.
Kata kunci: Tanaman Padi, Diagnosa, Fuzzy Inference System Tsukamoto, Certainty Factor.
1. PENDAHULUAN
Pemanfaatan lahan gambut untuk pertanian berkembang pesat seiring
dengan adanya Proyek Pembukaan Persawahan Pasang Surut (P4S). Menurut
Aqmarina[1] tanaman padi sekarang banyak dikembangkan di lahan rawa. Salah
satu masalahnya adalah penyakit padi, yang merupakan resiko yang harus dihadapi
dan diperhitungkan dalam budidaya padi untuk meningkatkan produksi yang
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 110
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
sesuai dengan harapan. Serangan penyakit padi cukup menonjol sejak awal masa
pertumbuhan sampai dengan menjelang panen, hal ini harus diwaspadai agar dapat
dilakukan pengendalian secara tepat sehingga tidak menimbulkan kerusakan berat
dan bahkan kehilangan hasil panen.
Banyak sekali metode yang digunakan dalam mendiagnosa penyakit,
beberapa diantaranya adalah metode backward chaining, forward chaining, fuzzy
logic, certainty factor dan lain-lain. Dari banyaknya algoritma dari metode tersebut,
analisis disini adalah mencoba menggabungkan dua algoritma sehingga
mendapatkan hasil yang diinginkan. Hasil yang diinginkan disini adalah
mendapatkan diagnosa penyakit padi berdasarkan gejala-gejala yang menyerang
padi tersebut. Tujuannya agar keberadaan penyakit tersebut dapat diberi
penanganan yang tepat. Semakin dini penyakit padi yang tumbuh dilahan rawa ini
dideteksi, kemungkinan padi untuk diberi penanganan secara cepat jauh lebih
besar. Secara khusus beras merupakan hasil dari tanaman padi yang digunakan
sebagai makanan pokok manusia, oleh karena itu diagnosa padi ini penting.
Menurut Agbonifo[2] melakukan pengembangan sistem pakar fuzzy untuk
diagnosis dan pengobatan penyakit tanaman. Sehingga diperoleh hasil sistem fuzzy
berdasarkan aturan dikembangkan menjadi sasaran data uji untuk menunjukkan
efisiensi sistem. Pengamatan dari data yang diuji menunjukkan bahwa sistem ini
mampu mendiagnosis dengan benar jenis penyakit yang mempengaruhi tanaman
pada perkebunan berdasarkan berbagai gejala yang dapat diamati dan
pengendalian penyakitnya. Juga dapat menyediakan sarana untuk tenaga ahli.
Menurut Munandar[5] dalam penelitiannya, ia mengembangkan sistem pakar
aplikasi untuk mendiagnosa penyakit dengan menggunakan certainty factor
dengan beberapa aturan premis, yang memungkinkan konsultasi pasien untuk
menentukan banyak gejala. Dari hasilnya ia mendapatkan nilai tingkat kepercayaan
yaitu 90% dari hasil penelitiannya.
Penelitian ini mencoba untuk menggunakan penggabungan dua algoritma
tersebut yaitu fuzzy inference system dan Certainty Factor. Metode fuzzy inference
system digunakan adalah metode tsukamoto untuk menentukan nilai tingkat
kepercayaan terhadap gejala yang menyerang padi dan metode certainty factor
akan digunakan untuk nilai kepastian dalam mendefinisikan hubungan antara
gejala dengan penyakit. Melalui analisis ini diharapkan dapat menjadi solusi
terhadap permasalahan-permasalahan yang ada di dalam bidang pertanian
khususnya pada tanaman padi yang tumbuh pada lahan rawa.
2. METODOLOGI PENELITIAN
Perancangan sistem fuzzy digunakan untuk memperoleh nilai MB (measure
of belief) dan MD (measure of disbelief), meliputi penentuan input dan output,
penentuan himpunan dan fungsi keanggotaan, penyusunan aturan (rules), serta
penentuan metode inferensi. Dalam penelitian ini metode inferensi yang digunakan
adalah metode Tsukamoto. Input sistem fuzzy merupakan nilai yang digunakan
untuk merepresentasikan tingkat kepercayaan terhadap suatu gejala yang
menyerang. Serta metode certainty factor yang digunakan untuk pemberian nilai
masing-masing penyakit.
Menurut kusumadewi[4], pada dasarnya metode Tsukamoto
mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran
monoton, sistem hanya memiliki satu aturan, pada metode Tsukamoto, sistem
terdiri atas beberapa aturan. Karena menggunakan konsep dasar penalaran
monoton, pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 111
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
h h1 h2 B
e2 C
(a) (b) (c)
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 112
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 113
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
3.2 Pembahasan
3.2.1 Gambaran Umum
Komponen-komponen yang terdapat pada analisis diagnosa penyakit padi
lahan rawa dengan menggunakan metode fuzzy inference system dan certainty factor
yaitu :
a. Sebelumnya dilakukan penginputan berupa : [INPUT I] Tingkat kemunculan
gejala yang menyatakan seberapa berat kerusakan gejala yang muncul
mengiringi suatu penyakit yang menyerang dan [INPUT II] Tingkat keunikan
gejala yang menyatakan seberapa khas (unik) suatu gejala yang terdapat pada
tanaman yang mengindikasikan suatu penyakit.
b. Dalam penelitian ini metode inferensi yang digunakan untuk mengubah nilai
input I dan input II adalah metode fuzzy inference system tsukamoto.
c. Setelah perhitungan dari metode fuzzy inference system tsukamoto, maka
output yang keluar adalah nilai MB (Measure of Belief) dan nilai MD (Measure of
Disbelief).
d. Kemudian dilakukan cek diagnosa dengan memilih gejala yang telah menyerang
penyakit tanaman padi lahan rawa. Dengan daftar gejala adalah sebagai berikut
:
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 114
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
No. GEJALA
7 Bercak daun sepenuhnya berwarna coklat dengan titik
tengah putih/abu-abu
8 Bercak daun berwarna coklat gelap/sedikit ungu
9 Bercak bentuk bulat
10 Tanaman kerdil/pertumbuhan terhambat
11 Kulit gabah bercak berwarna hitam/coklat gelap
12 Bercak kecil, agak memanjang
13 Tepi bercak daun berwarna coklat kemerah-merahan
14 Daun mengering
15 Bercak pada ketiak daun
16 Bercak pada gabah lebih besar & lebih pendek
17 Dari tepi daun terdapat garis kuning/orange
18 Gejala muncul pada saat pembungaan/stadia anakan
maksimum
19 Bercak pada pelepah daun
20 Bercak daun berwarna kelabu kehijauan
21 Jumlah anakan berkurang
22 Bercak membentuk sklerotia berwarna coklat
23 Bercak bentuk oval/elips
Sumber : Sistem Pakar Diagnosa Penyakit Pada Tumbuhan Padi Dengan Metode Fuzzy
Inference System dan Certainty Factor (Studi Kasus : Pertanian Lahan Rawa). 2015
e. Proses diagnosa menggunakan metode Certainty Factor (CF) untuk mengatasi
ketidakpastian dalam pengambilan keputusan hasil diagnosa.
f. Hasil diagnosa yang diperoleh adalah penyakit dengan nilai CF masing-masing.
Penyakit dengan nilai CF terbesar adalah penyakit utama yang menyerang padi
lahan rawa.
Atau dapat dilihat pada gambaran umum seperti yang terlihat pada gambar
dibawah ini.
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 115
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
3.2.2 Perancangan
a. Perancangan fuzzy digunakan untuk memperoleh nilai MB dan MD meliputi
penentuan input dan output, penentuan himpunan dan fungsi keanggotaan,
penyusunan aturan (rules), serta penentuan metode inferensi. Dalam penelitian
ini metode inferensi yang digunakan adalah metode Tsukamoto.
b. Mendefinisikan variabel
Dalam tahap ini ada 3 variabel fuzzy yang akan dimodelkan yaitu :
1). Variabel Tingkat kemunculan gejala, menyatakan seberapa berat kerusakan
gejala yang muncul mengiringi suatu penyakit yang menyerang. Dibagi
menjadi himpunan Sedikit, Sedang, Banyak, dengan nilai 0,20; 0,55; 0,85.
2). Variabel Tingkat keunikan gejala, menyatakan seberapa khas (unik) suatu
gejala yang terdapat pada tanaman yang mengindentifikasikan suatu
penyakit. Dibagi menjadi himpunan Rendah, Sedang, dan Tinggi, dengan
nilai 0,25; 0,65; 0,85.
3). Nilai MB/MD adalah nilai measure of belief (MB) dan measure of disbelief
(MD) yang nantinya akan digunakan dalam pencarian tingkat keyakinan
(certainty factor/CF). Terdiri dari himpunan Tidak Tahu, Mungkin,
Kemungkinan Besar, Hampir Pasti, dan Pasti.
Tidak Tahu
1 ; x ≤ 30
(30 x )
[ x ]= ; 0 ≤ x ≤ 30
30
0 ; x ≥ 30
Mungkin
0 ; x ≤ 30 atau x ≥ 50
( x 30)
[ x ]= ; 30 ≤ x ≤ 40
10
(50 x )
; 40 ≤ x ≤ 50
10
Kemungkinan Besar
0 ; x ≤ 50 atau x ≥ 70
( x 50)
[ x ]= ; 50 ≤ x ≤ 60
10
(70 x )
; 60 ≤ x ≤ 70
10
Hampir Pasti
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 116
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
0 ; x ≤ 70 atau x ≥ 90
( x 70)
[ x ]= ; 70 ≤ x ≤ 80
10
(90 x )
; 80 ≤ x ≤ 90
10
Pasti
0 ; x ≤ 90
( x 90)
[ x ]= ; 90 ≤ x ≤ 100
10
1 ; x ≥ 100
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 117
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
3.3 Implementasi
Berikut adalah implementasi metode fuzzy tsukamoto untuk mendapatkan
nilai MB dan nilai MD :
Gejala 1 : Bercak daun yang dikelilingi oleh warna kuning, tepi coklat
Gejala 2 : Bercak daun berwarna hijau gelap
Gejala 3 : Bercak daun berwarna abu-abu sedikit kebiru-biruan
Aturan 2 : JIKA Kemunculan Gejala adalah Banyak dan Keunikan Gejala adalah
Sedang MAKA Nilai MB adalah Hampir Pasti
αpred2 = µbanyak ; µsedang
(0,85;0,65)
µ[x] = (Z2-70)/10
1 = (Z2-70)/10
Z2 = 80
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 118
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
Aturan 3 : JIKA Kemunculan Gejala adalah Banyak dan Keunikan Gejala adalah
Rendah MAKA Nilai MB adalah Mungkin
αpred3 = µbanyak ; µrendah
(0,85;0)
µ[x] = (Z3-30)/10
0 = (Z3-30)/10
Z3 = 5
Aturan 4 : JIKA Kemunculan Gejala adalah Sedang dan Keunikan Gejala adalah
Tinggi MAKA Nilai MB adalah Hampir Pasti
αpred4 = µsed ng ; µtinggi
(0;0)
µ[x] = (Z4-70)/10
0 = (Z4-70)/10
Z4 = 7
Aturan 5 : JIKA Kemunculan Gejala adalah Sedang dan Keunikan Gejala adalah
Sedang MAKA Nilai MB adalah Kemungkinan Besar
αpred5 = µsedang ; µsedang
(0;0,65)
µ[x] = (Z5-50)/10
0 = (Z5-50)/10
Z5 = 50
Aturan 6 : JIKA Kemunculan Gejala adalah Sedang dan Keunikan Gejala adalah
Rendah MAKA Nilai MB adalah Mungkin
αpred6 = µsedang ; µrendah
(0;0)
µ[x] = (Z6-30)/10
0 = (Z6-30)/10
Z6 = 30
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 119
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
Z8 = 30
Z = (αpred1*Z1+..+αpredn*Zn)/αpred1+..+αpredn)
= (80 / 1) = 80
MB = 80 / 100 = 0,8
MD = 1 - 0,8 = 0,2
Kemudian dilakukan perhitungan yang sama seperti diatas untuk gejala 2 dan
gejala 3. Setelah itu dilakukan perhitungan menggunakan metode certainty factor,
yang mana implementasinya adalah untuk masing-masing penyakit dari gejala-
gejala yang telah diketahui (gejala 1, 2 dan 3).
Blas
MB[h, e1 ^ e2] = MB[h, e1] + MB[h, e2] * (1 MB[h, e1] )
MD[h, e1 ^ e2] = MD[h, e1] + MD[h, e2] * (1 MD[h, e1] )
MB (Blas, G01 ^ G02) = 0,8+1*(1-0,8)= 1
MD (Blas, G01 ^ G02) = 0,2+0*(1-0,2)= 0,2
Tungro
CF= 0-0=MB-MD=0
Bercak Coklat
CF= 0-0=MB-MD=0
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 120
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.01 Februari 2018
ISSN: 2406-7857
Dari hasil perhitungan diatas diketahui bahwa penyakit Blas mempunyai nilai
CF tertinggi yaitu 0,8 daripada penyakit lainnya. Hal ini membuktikan bahwa
penyakit Blas adalah penyakit utama yang menyerang padi dari gejala-gejala yang
sudah diketahui.
4. SIMPULAN
Simpulan yang didapat dari penelitian ini adalah :
a. Metode fuzzy inference system dan certainty factor dapat diterapkan untuk
melakukan diagnosa penyakit tanaman padi lahan rawa.
b. Metode fuzzy inference system yang digunakan adalah metode Fuzzy Tsukamoto
digunakan untuk memperoleh nilai measure of belief (MB) dan measure of
disbelief MD gejala terhadap suatu penyakit. certainty factor (CF) untuk
pemberian nilai masing-masing penyakit. Yang mana penyakit dengan nilai CF
terbesar merupakan penyakit utama dari gejala-gejala yang sudah dipilih
menyerang.
DAFTAR PUSTAKA
[1] Aqmarina, Retma. 2015. Sistem Pakar Diagnosa Penyakit Pada Tumbuhan
Padi Dengan Metode Fuzzy Inference System dan Certainty Factor (Studi
Kasus : Pertanian Lahan Rawa). Program S-1 Ilmu Komputer, Universitas
Lambung Mangkurat: Banjarbaru.
[2] Agbonifo, et al. 2013. A Fuzzy Expert System for Diagnosis and Treatment of
Maize Plant Diseases Volume 2, Issue 12, December 2012, ISSN: 2277 128X.
University of Technology Akure: Nigeria.
[3] Kusumadewi. 2003. Artficial Intelligence (Teknik dan Aplikasinya).
Yogyakarta: Graha Ilmu.
[4] Kusumadewi. 2006. Neuro Fuzzy-Integrasi Sistem Fuzzy dan Jaringan
Syaraf. Yogyakarta: Graha Ilmu.
[5] Munandar, dkk. 2012. The Use of Certainty Factor with Multiple Rules for
Diagnosing Internal Disease Volume 1, Issue 1, September 2012, ISSN 2319
- 4847. Universitas Serang Raya Banten: Indonesia.
[6] Sutojo. 2011. Kecerdasan Buatan. ANDI : Yogyakarta.
Diagnosa Penyakit Tanaman Dengan Fuzzy Inference System & Certainty Factor (Retma A) | 121