See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/323364973

Pemodelan Sistem Pakar untuk Identifikasi Hama Penyakit Tanaman Tebu

dengan Metode Dempster-Shafer

Article · August 2017

CITATION READS

1 1,483

3 authors, including:

Nurul Hidayat Rizal Setya Perdana

Universitas Jenderal Soedirman Brawijaya University
7 PUBLICATIONS   7 CITATIONS    41 PUBLICATIONS   111 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Twitter event detection View project

Artificial Neural Network Applications View project

All content following this page was uploaded by Rizal Setya Perdana on 23 February 2018.

The user has requested enhancement of the downloaded file.

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X
Vol. 2, No. 3, Maret 2018, hlm. 1187-1193 http://j-ptiik.ub.ac.id

Pemodelan Sistem Pakar untuk Identifikasi Hama Penyakit Tanaman Tebu

dengan Metode Dempster-Shafer
Yusuf Nurcahyo1, Nurul Hidayat2, Rizal Setya Perdana3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

E-mail : 1yus.nurcahyo@gmail.com, 2ntayadih@ub.ac.id, 3rizalespe@ub.ac.id

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

Fakultas Ilmu Komputer

Universitas Brawijaya 1187
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1. PENDAHULUAN
Tanaman tebu sebagai sumber penghasil
gula adalah salah satu bahan makanan yang
kerap tidak dapat luput dari keperluan sehari-
hari. Pada tahun 2014 konsumsi gula kristal
putih (GKP) mencapai 2.84 juta ton atau hampir
sama dengan konsumsi gula pada tahun 2013
yaitu sebesar 2.69 juta ton (Septian, 2015).
Sedangkan pada tahun 2015, konsumsi GKP
mencapai 2.98 juta ton dan akan terus
mengalami peningkatan setiap tahunnya
(Septian, 2015). 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. Pada tahun 1934 produksi gula
mampu mencapai 3 juta ton dengan rata-rata
rendemen gula mampu mencapai angka 11%-
13.8%, sedangkan saat ini hanya dapat mencapai
angka rata-rata rendemen 7% saja (Susila et al.,
2005).
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 (Achadian, Etik M., et al., 2011).
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 (Achadian,
Etik M., et al., 2011). Karena keterbatasan
kondisi tersebut, penulis membuat sebuah sistem
pakar untuk memudahkan para petani agar dapat
mengidentifikasi penyakit dan hama pada
tanaman tebu.
Sistem Pakar adalah bagian dari kecerdasan
buatan yang mengandung pengetahuan dan
pengalaman pakar yang dimasukkan ke dalam
satu area pengetahuan tertentu untuk
memecahkan berbagai masalah yang bersifat
spesifik (Prihatini, 2011). Sistem Pakar yang
penulis rancang ini diharapkan bisa membantu
para petani agar dapat berkonsultasi kepada para
pakar. Pengetahuan yang akan direpresentasikan
ke dalam sistem pakar dilakukan dengan
menggunakan metode Dempster-Shafer.
Beberapa penelitian terkait sistem pakar
diagnosis penyakit adalah aplikasi sistem pakar
untuk pendeteksi dan penanganan dini penyakit
sapi dengan metode Dempster-Shafer berbasis
web (Mustikadewi, Soebroto & Regasari, 2013).
Fakultas Ilmu Komputer, Universitas Brawijaya
1188
Sistem pakar ini memudahkan dalam
menentukan jenis penyakit yang sesuai dengan
gejala-gejala yang ditimbulkan. Sistem ini
membuat proses identifikasi penyakit serta
pengambilan kesimpulan diagnosis dihitung
menggunakan metode Dempster-shafer dengan
menggunakan masukkan gejala fakta dari
pengguna. Hasil dari perhitungan Dempster-
Shafer ini memiliki tingkat keakurasian 88,89%
dengan proses manual. Sistem ini diharapkan
bisa memberikan informasi yang lebih lengkap
dan akurat mengenai hama dan penyakit
tanaman tebu kepada petani guna meminimalisir
kerugian dan meningkatkan produktivitas
tanaman tebu.
2. DATA PENELITIAN
Pengumpulan data pada penelitian ini
dilakukan dengan metode observasi yang
dilakukan di Pusat Penelitian Perkebunan Gula
Indonesia (P3GI) yang bertempat di Jl. Pahlawan
no. 25 Pasuruan, Jawa timur. Dengan cara
tersebut diperoleh data pengetahuan tentang
gejala-gejala hama dan penyakit tanaman tebu
yang akan digunakan sebagai proses perhitungan
dengan menggunakan metode Dempster-Shafer.
Peneliti juga melakukan wawancara kepada
pakar tanaman tebu mengenai hama dan
penyakit tebu sebagai data pengetahuan
mengenai jenis hama dan penyakit tanaman tebu.
3. TANAMAN TEBU
Tanaman tebu tergolong tanaman perdu
dengan nama latin Saccharum officinarum.
Tanaman tebu merupakan tanaman jenis rumput-
rumputan yang air dari batangnya dapat
dijadikan bahan baku utama pembuatan gula dan
vetsin. Tebu hanya dapat hidup di daerah tropis
dengan ketinggian 0-600 mdpl (Anggraeni,
2014). Sistematika tanaman tebu terlihat seperti
Tabel 1.
Tabel 1. Sistematika Tanaman Tebu
Divisi Spermatophyta
Sub Divisi Angiospermae
Kelas Monocotyledone
Ordo Graminales
Famili Graminae
Genus Saccharum
Species Saccarum officinarum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1189

3.1. Morfologi dan Biologi Tebu

Tanaman tebu dibedakan menjadi beberapa
bagian yaitu (Anggraeni, 2014):
1. Batang, batang tanaman tebu berdiri lurus
dan beruas-ruas yang dibatasi dengan buku-
buku. Pada setiap buku terdapat mata tunas.
Batang tanaman tebu berasal dari mata tunas
yang berada dibawah tanah yang tumbuh
keluar dan berkembang membentuk
rumpun. Diameter batang antara 3-5 cm
dengan tinggi batang antara 2-5 meter dan
tidak bercabang. Gambar 1. Penyakit Embun Bulu
2. Akar, akar tanaman tebu termasuk akar Disebabkan oleh jamur Peronosclerospora
serabut tidak panjang yang tumbuh dari sacchari. Didukung oleh cuaca yang hangat dan
cincin tunas anakan. Pada fase pertumbuhan lembab. Gejala meliputi garis klorosis pada
batang, terbentuk pula akar dibagian yang daun, daun terkoyak dan kerdil. Ditularkan
lebih atas akibat pemberian tanah sebagai melalui udara, sporanya mudah rusak, air hujan
tempat tumbuh. yang tertiup angin dan bibit. Pengendalian
3. Daun, daun tebu berbentuk busur panah dengan varietas tahan dan bahan tanam sehat.
seperti pita, berseling kanan dan kiri, Embun bulu berbeda dengan Belang bakteri
berpelepah seperti daun jagung dan tak karena Embun bulu memiliki gejala garis-garis
bertangkai. Tulang daun sejajar, ditengah pada daun yang lebih jelas. Menyebabkan
berlekuk. Tepi daun kadang-kadang penurunan produksi yang nyata terutama pada
bergelombang serta berbulu keras. kondisi malam hari yang panas dan lembab
4. Bunga, bunga tebu berupa malai dengan (Achadian, et al., 2011).
panjang antara 50- 80 cm. Cabang bunga 2. Hama Rayap
pada tahap pertama berupa karangan bunga
dan pada tahap selanjutnya berupa tandan
dengan dua bulir panjang 3-4 mm. Terdapat
pula benangsari, putik dengan dua kepala
putik dan bakal biji.
5. Buah, buah tebu seperti padi, memiliki satu
biji dengan besar lembaga 1/3 panjang biji.
Biji tebu dapat ditanam di kebun percobaan
untuk mendapatkan jenis baru hasil
persilangan yang lebih unggul.

3.2. Penyakit dan Hama Tanaman Tebu

Pengendalian hama dan penyakit dapat
mencegah meluasnya serangan hama dan
penyakit pada areal pertanaman tebu.
Pencegahan meluasnya hama dan penyakit dapat
meningkatkan produktivitas. Beberapa contoh
hama dan penyakit utama tanaman tebu dapat
dilihat pada gambar 1 dan gambar 2.
1. Penyakit Embun Bulu
Gambar 2. Hama Rayap
Seringkali merupakan hama sekunder
setelah tebu terserang penggerek atau boktor.
Rayap menggerek batang dan merusak tanaman.
Nimfa membuat sarang di dalam batang tebu di
bekas gerekan ulat/boktor atau di dalam tanah di
sekitar kebun tebu. Keberadaan sarang rayap di
dalam kebun juga mengganggu pengolahan
tanah karena tinggi sarang bisa mencapai 1–2 m.
Daerah sebaran hama ini adalah Jawa, Sumatera,
Kalimantan dan Sulawesi (Achadian, et al.,
2011).

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1190

4. TEORI DEMPSTER-SHAFER Diagram alir perhitungan dengan

Metode Dempster Shafer pertama kali
diperkenalkan oleh Dempster, yang melakukan
percobaan model ketidakpastian dengan range
probabilities dari pada sebagai probabilitas
tunggal. Kemudian pada tahun 1976 Shafer
mempublikasikan teori Dempsteritu pada sebuah
buku yang berjudul Mathematical Theory Of
Evident.
Secara umum teori Dempster Shafer ditulis
dalam suatu interval seperti pada Persamaan (1)
dan Persamaan (2) (Kusumadewi, 2003, pp.102-
104):
[Belief, Plausibility]
1. Belief (Bel) adalah ukuran kekuatan
evidence dalam mendukung suatu himpunan
proposisi. Jika bernilai 0 maka
mengindikasikan bahwa tidak ada evidence,
dan jika bernilai 1 menunjukkan adanya
kepastian.
2. Plausibility (Pl) dinotasikan sebagai :
Pl(s) = 1 – Bel (⌐s)
Plausibility juga bernilai 0 sampai 1. Jika
yakin akan ⌐s, maka dapat dikatakan bahwa
Bel(⌐s)=1, dan Pl(⌐s)=0.
Pada teori Dempster Shafer dikenal adanya
frame of discrement yang dinotasikan dengan θ.
Frame ini merupakan semesta pembicaraan dari
sekumpulan hipotesis.
Tujuannya adalah mengaitkan ukuran
kepercayaan elemen-elemen θ. Tidak semua
evidence secara langsung mendukung tiap-tiap
elemen. Untuk itu perlu adanya probabilitas
fungsi densitas (m). Nilai m tidak hanya
mendefinisikan elemen-elemen θ saja, namun
juga semua subsetnya. Sehingga jika θ berisi n
elemen, maka subset θ adalah n 2 . Jumlah semua
m dalam subset θ sama dengan 1. Apabila tidak
ada informasi apapun untuk memilih hipotesis,
maka nilai :
m{θ} = 1,0
Apabila diketahui X adalah subset dari θ,
dengan m1 sebagai fungsi densitasnya, dan Y
juga merupakan subset dari θ dengan m2 sebagai
fungsi densitasnya, maka dapat dibentuk fungsi
kombinasi m1 dan m2 sebagai m3 dengan
menggunakan persamaan (3), yaitu:
𝑚3(𝑍) =
∑ 𝑋∩𝑌=𝑍 𝑚1 (𝑋).𝑚2 (𝑌)
1−∑ 𝑋∩𝑌=∅𝑚1 (𝑋).𝑚2 (𝑌)
menggunakan metode Dempster-Shafer dapat
dilihat pada gambar 3.
(1)
Gambar 3. Diagram Alir Proses Perhitungan
Dempster-Shafer
5. IMPLEMENTASI SISTEM
(2) Pada bagian ini akan dijelaskan tentang
bagaimana alur kerja dari sistem pakar
identifikasi hama penyakit tanaman tebu dengan
menggunakan metode Dempster-Shafer ini
nantinya. Diagram alir dari sistem dalam
melakukan proses identifikasi dengan
menggunakan metode Dempster-Shafer
digambarkan pada gambar 4.
Langkah-langkah pengidentifikasian oleh
sistem adalah sebagai berikut:
1. Langkah pertama, proses mencocokkan
gejala dilakukan dengan menyamakan id
gejala yang dipilih pengguna dengan id yang
ada di database. Setelah pencocokan maka
akan mendapatkan hama/penyakit yang
memiliki gejala yang sama pada database.
2. Langkah ke 2 perhitungan plausibility proses
identifikasi hama penyakit pada tanaman
tebu. Diagram alir perhitungan plausibility
merupakan sebuah perhitungan awal dari
metode Dempster Shafer pada pembuatan
sistem identifikasi hama penyakit pada
tanaman tebu. Pada Gambar 5 menjelaskan
perhitungan plausibility yang bermula dari
memasukkan kemungkinan gejala setelah itu
menghitung nilai maksimal gejala
dilanjutkan ke proses perhitungan
(3) Dempster-Shafer. Setelah kedua
perhitungan didapatkan, maka akan keluar
hasil perhitungan Dempster-Shafer
berdasarkan gejala yang dimasukkan.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
3. Algoritma Dempster-Shafer digunakan pada
saat lebih dari 1 gejala masukan dan
algoritma ini digunakan dengan cara
kombinasi tiap 2 gejala. Perhitungan
algoritma untuk lebih dari 1 gejala, terlebih
dahulu dilakukan memasukkan data nilai
densitas gejala dari pakar kedalam tabel
penyakit dengan skala 0-1 sebagai dasar
perhitungan. Setelah semua nilai tersimpan
pada basis data maka perhitungan dapat
dilakukan mengisi lebih dari 1 gejala.
Gambar 4. Diagram AlirSistem Pakar Identifikasi
Hama Penyakit Tanaman Tebu
Proses identifikasi hama penyakit
tanaman tebu dimulai dengan memasukan
inputan gejala dengan cara menceklis list
gejala sesuai fakta gejala yang tampak. Bila
gejala hanya 1 maka akan langsung
ditampilkan kesimpulan penyakit dengan
cara mengambil nilai persentase tertinggi.
Apabila gejala lebih dari 1 maka akan ada
proses perhitungan untuk menentukan
kesimpulan hasil diagnosa.
Fakultas Ilmu Komputer, Universitas Brawijaya
1191
START
GEJALA […,]
HITUNG NILAI GEJALA
HITUNG PLAUSIBILITY
PLAUSIBILITY
RETURN
Gambar 5. Diagram Alir Perhitungan Plausability
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
dalam system defisiensi vitamin.
2. Edit dan Hapus.
Fungsi edit dan hapus pada admin
berfungsi untuk mengedit dan menghapus
data dan user yang telah ada pada sistem.
5.2 User
Pada interface user hanya terdapat halaman
check list yang menampilkan gejala gejala yang
nantinya bisa dipilih oleh user dan sistem akan
memproses masukan dan menampilkan hasil
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.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1192

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

Fakultas Ilmu Komputer, Universitas Brawijaya

 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1193

2. Sistem pakar identifikasi hama penyakit Yang Kompetitif Pada Situasi

tanaman tebu dengan metode Dempster- Persaingan Yang Adil. Jurnal Penelitian
Shafer dapat digunakan untuk dan Pengembangan Pertanian. Volume
mengidentifikasi 19 jenis hama dan 18 jenis 24, No. 1, hlm. 1-9. Tersedia melalui:
penyakit pada tanaman tebu. <http://pustaka.litbang.deptan.go.id/pub
3. Hasil pengujian fungsionalitas sistem pakar likasi/p3241051.pdf> [terhubung
identifikasi hama penyakit tanaman tebu berkala]
dengan metode Demspter-Shafer memiliki
tingkat prosentase pengujian sebesar 100%.
4. Hasil pengujian akurasi sistem pakar
identifikasi hama dan penyakit tanaman tebu
dengan metode Dempster-Shafer memiliki
tingkat kesesuaian prosentase sebesar
86,67% dengan menggunakan 30 data uji
yang terdiri dari 19 kasus hama dan 11 kasus
penyakit pada tanaman tebu.

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

Fakultas Ilmu Komputer, Universitas Brawijaya

View publication stats