net/publication/323364973
CITATION READS
1 1,483
3 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Rizal Setya Perdana on 23 February 2018.
Abstrak
Setiap tahun, kebutuhan akan gula terus bertambah seiring pertumbuhan konsumsi masyarakat serta
pertumbuhan di sektor makanan dan minuman. Pada tahun 2014 konsumsi gula kristal putih (GKP)
mencapai 2.84 juta, sedangkan pada tahun 2015, konsumsi GKP mencapai 2.98 juta ton dan akan terus
mengalami peningkatan setiap tahunnya. Namun saat ini produktivitas gula mengalami penurunanan.
Penurunan produktivitas tersebut disebabkan oleh beberapa hal, salah satunya adalah penurunan tingkat
rendemen gula atau kandungan gula dalam batang tebu. Selain curah hujan yang tinggi dan cara
pemanenan yang tidak benar, faktor penghambat produktivitas tanaman tebu lainnya adalah adanya
serangan hama dan penyakit tanaman tebu. Keterbatasan jumlah pakar dan penyuluh ketika berada di
lapangan, serta kurangnya pengetahuan para petani menyebabkan permasalahan seputar hama dan
penyakit tebu ini tidak dapat diatasi dengan segera. Karena keterbatasan kondisi tersebut, penulis
membuat sebuah sistem pakar untuk memudahkan para petani agar dapat mengidentifikasi penyakit dan
hama pada tanaman tebu. Sistem ini membuat proses identifikasi penyakit serta pengambilan
kesimpulan diagnosis yang dihitung menggunakan metode Dempster-shafer dengan menggunakan
masukkan gejala fakta dari pengguna. Sistem pakar ini memudahkan dalam menentukan jenis penyakit
yang sesuai dengan gejala-gejala yang ditimbulkan. Pengujian dilakukan dengan cara membandingkan
hasil diagnosis sistem dengan hasil diagnosis pakar dengan menggunakan 30 data uji yang terdiri dari
19 kasus hama dan 11 kasus penyakit pada tanaman tebu.
Kata kunci: tebu, sistem pakar, penyakit hama tanaman tebu, dempster-shafer
Abstract
Every year, the demand for sugar continues to grow as consumption of the community grows and growth
in the food and beverage sector. In 2014 the consumption of white crystal sugar (GKP) reaches 2.84
million tons, while in 2015, GKP consumption reached 2.98 million tons and will continue to increase
every year. But now the productivity of sugar has decreased. The decline in productivity is caused by
several things, one of which is the decrease in the level of sugar content or sugar content in sugarcane
stalks. In addition to high rainfall and improper harvesting methods, other sugar cane inhibiting factors
are pests and diseases of sugarcane. The limited number of experts and extension agents while in the
field, as well as the lack of knowledge of farmers cause problems surrounding pests and diseases of this
cane can not be solved immediately. Because of the limitations of these conditions, the authors make an
expert system to facilitate the farmers in order to identify diseases and pests in sugar cane plants. This
system makes the process of disease identification as well as the conclusion of the diagnosis calculated
using the Dempster-shafer method by using fact-insert facts from the user. This expert system makes it
easy to determine the type of disease that suits the symptoms. Testing is done by comparing the diagnosis
of the system with the results of expert diagnosis using 30 test data consisting of 19 cases of pests and
11 cases of disease in sugarcane.
Keywords : sugarcane, expert system, sugarcane’s pests and diseases, dempster-shafer
RETURN
5.1 Admin
Admin memiliki beberapa fungsi yang
berbeda pada interfacenya antara lain:
1. Input
Proses masukan dari admin yang berupa
data gejala, nilai gejala, data hama dan
penyakit dan identifikasi. Proses ini penting
karena merupakan proses awal yang
diperlukan untuk menjalankan sistem.
Proses ini juga akan menentukan berapa
banyak jumlah data yang akan disimpan
Gambar 4. Diagram AlirSistem Pakar Identifikasi dalam system defisiensi vitamin.
Hama Penyakit Tanaman Tebu
2. Edit dan Hapus.
Proses identifikasi hama penyakit Fungsi edit dan hapus pada admin
tanaman tebu dimulai dengan memasukan berfungsi untuk mengedit dan menghapus
inputan gejala dengan cara menceklis list data dan user yang telah ada pada sistem.
gejala sesuai fakta gejala yang tampak. Bila
gejala hanya 1 maka akan langsung 5.2 User
ditampilkan kesimpulan penyakit dengan Pada interface user hanya terdapat halaman
cara mengambil nilai persentase tertinggi. check list yang menampilkan gejala gejala yang
Apabila gejala lebih dari 1 maka akan ada nantinya bisa dipilih oleh user dan sistem akan
proses perhitungan untuk menentukan memproses masukan dan menampilkan hasil
kesimpulan hasil diagnosa. sesuai dengan masukan user.
6. PENGUJIAN
Pengujian yang dilakukan terhadap sistem
ini adalah pengujian akurasi. Pengujian akurasi
digunakan untuk menguji tingkat akurasi antara
perhitungan tes secara manual dengan
perhitungan tes yang telah diimplementasikan
menjadi sistem pakar sampel yang telah diuji.
7. ANALISIS
Uji akurasi terdiri dari 19 kasus hama dan
Proses analisa dari hasil pengujian akurasi 11 kasus penyakit pada tanaman tebu.
sistem pakar identifikasi hama penyakit tanaman Berdasarkan 30 data yang diuji, prosentase nilai
tebu dengan metode Dempster-Shafer. akurasi mencapai 86,67%. Nilai prosentase
Dilakukan berdasarkan perbandingan hasil tersebut diperoleh dari pembagian data yang
identifikasi sistem dengan hasil identifikasi benar sebanyak 26 kasus yang terdiri dari 17
pakar. Hasil pengujian dari 30 data uji dapat kasus hama dan 9 kasus penyakit pada tanaman
dilihat pada tabel 2. tebu.
Tabel 2. Hasil Perbandingan output sistem dan Hasil perbedaan antara data sebenarnya
pakar dengan perhitungan karena beberapa hal yaitu:
Hasil Deteksi Hasil Deteksi Akurasi 1. Pada jenis hama kasus ke 8 terjadi perbedaan
Kasus identifikasi dimana data pakar
Sistem Pakar Hasil
1 Penggerek Penggerek 1 mengidentifikasi hama kepinding tanah,
Pucuk Pucuk sedangkan hasil sistem mengidentifikasi
2 Penggerek Penggerek 1 hama boktor. Hama tersebut menghasilkan
Batang Batang nilai densitas sebesar 0,810 atau 81%.
3 Boktor Boktor 1 2. Pada jenis hama kasus ke 12 terjadi
4 Kumbang Kumbang 1 perbedaan identifikasi dimana data pakar
Penggerek Penggerek mengidentifikasi hama kumbang pemakan
Tebu Tebu daun, sedangkan hasil sistem
5 Rayap Rayap 1 mengidentifikasi garis merah busuk pucuk.
6 Uret Uret 1 Penyakit tersebut menghasilkan nilai
7 Tonggeret Tonggeret 1 densitas sebesar 0,300 atau 30%.
8 Boktor Kepinding 0
Tanah 3. Pada jenis penyakit kasus ke 23 terjadi
9 Belalang Belalang 1 perbedaan identifikasi dimana data pakar
10 Ulat Grayak Ulat Grayak 1 mengidentifikasi penyakit embun bulu,
11 Peloncat Peloncat 1 sedangkan hasil sistem mengidentifikasi
Pohon Pohon penyakit luka api. Penyakit tersebut
12 Garis Merah Kumbang 0 menghasilkan nilai densitas sebesar 0,567
Busuk Pucuk Pemakan atau 56,7%.
Daun 4. Pada jenis penyakit kasus ke 24 terjadi
13 Kutu bulu Kutu bulu 1 perbedaan identifikasi dimana data pakar
Putih Putih mengidentifikasi penyakit garis klorosis,
14 Cabuk Hitam Cabuk Hitam 1 sedangkan hasil sistem mengidentifikasi
15 Kutu Babi Kutu Babi 1 penyakit blendok. Penyakit tersebut
16 Kutu Perisai Kutu Perisai 1 menghasilkan nilai densitas sebesar 0,567
17 Kutu Tebu Kutu Tebu 1 atau 56,7%.
18 Tungau Tungau 1
19 Tikus atau Tikus atau 1 8. KESIMPULAN
Babi Hutan Babi Hutan
20 Noda Daun Noda Daun 1 Berdasarkan pada hasil perancangan,
21 Daun hangus Daun Hangus 1 implementasi dan pengujian sistem yang telah
22 Blendok Blendok 1 dilakukan maka kesimpulan yang didapat
23 Luka Api Embun Bulu 0 sebagai berikut:
24 Blendok Garis Klorosis 0 1. Pemodelan sistem pakar identifikasi hama
25 Garis Merah Garis Merah 1 penyakit tanaman tebu dengan metode
Busuk Pucuk Busuk Pucuk Dempster-Shafer dapat digunakan sebagai
26 Pokahbung Pokahbung 1
salah satu cara untuk mengidentifikasi hama
27 Busuk Merah Busuk Merah 1
penyakit pada tanaman tebu. Sistem
28 Luka Api Luka Api 1
diimplementasikan dengan menggunakan
29 Pembuluh Pembuluh 1
gejala hama penyakit tanaman tebu dengan
30 Busuk Akar Busuk Akar 1
dan Pangkal dan Pangkal
memberikan nilai densitas.
Batang Batang
DAFTAR PUSTAKA
Achadian, Etik M., et al., 2011. Hama dan
Penyakit Tebu. Westminster Printing:
Paddington.
Anggraeni, D., 2014. Sistem Pakar Untuk
Identifikasi Hama dan Penyakit
Tanaman Tebu Dengan Metode Fuzzy-
AHP. S1. Universitas Brawijaya.
Kusumadewi, S., 2003. Artificial Intelligence
(Teknik dan Aplikasinya). Graha
Ilmu.Yogyakarta.
Mustikadewi, Soebroto, A.A. & Regasari, R.,
2014. Aplikasi Sistefprihatinim Pakar
Untuk Pendeteksi dan Penanganan Dini
pada Penyakit Sapi dengan Metode
Dempster-Shafer berbasis WEB. Jurnal
Mahasiswa PTIIK UB.
Prihatini, P.M., 2011. Metode Ketidakpastian
Dan Kesamaran Dalam Sistem Pakar.
Lontar Komputer, Vol.2, No.1, Hal.29-
42.
Septian, D., 2015. Konsumsi Gula Tahun Ini
Diperkirakan Mencapai 2,98 Juta Ton.
[online] Tersedia di:
<http://bisnis.liputan6.com/read/216025
9/konsumsi-gula-tahun-ini-
diperkirakan-mencapai-298-juta-ton>
[Diakses 24 Oktober 2016].
Sulistyohati, A., 2008. Aplikasi Sistem Pakar
Diagnosis Penyakit Ginjal Dengan
Metode Dempster-Shafer. Yogyakarta,
Universitas Islam Indonesia.
Susila, W. R., Bonar M. S., 2005.
Pengembangan Industri Gula Indonesia