Jurnal Pelita Informatika, Volume 7, Nomor 2, Oktober 2018

ISSN 2301-9425 (Media Cetak)

Hal: 175-178

SISTEM PAKAR MENDIAGNOSA HAMA PADA TANAMAN

KEDELAI DENGAN MENGGUNAKAN METODE ADAPTIVE NEURO
FUZZY INTERFERENCE SYSTEM (ANFIS)
Burju Lestari Sirait, Nelly Astuti Hasibuan, Ikhwan Lubis

Program Studi Teknik Informatika STMIK Budi Darma, Medan, Indonesia

Jl. Sisingamangaraja No. 338 Simpang Limun,

ABSTRAK
Kedelai (Glycine max L.Mer) merupakan komoditi pangan dari famili leguminoseae yang dibutuhkan dalam pelengkap gizi
makanan. Kedelai memiliki kandungan gizi tinggi yang berperan untuk membentuk sel-sel tubuh dan menjaga kondisi sel-sel
tersebut. Menurunnya produksi tanaman kedelai karena faktor tanah, iklim, hama, dan penyakit, serta ketersediaan air yang
terbatas. Hama yang sering menyerang tanaman kedelai seperti lalat bibit (Ophiomya phaseoll), hama grayak (Spodoptera
litura), hama penggerek polong (Helicoverpa armigera,etiella sp). Timbulnya hama pada tanaman kedelai disebabkan oleh
beberapa faktor seperti kekurangan zat, dan nematoda, akar bengkak, rebah senai (jamur). Sistem pakar dimaksud perlu
dibangun, khususnya untuk mendapatkan anjuran teknologi yang tepat untuk pengendalian hama pada tanaman kedelai. Sistem
pakar dapat membantu penyuluh pertanian dalam mengambil keputusan tentang serangan hama tanaman dan teknologi
pengendaliannya dalam waktu cepat, tepat, dan akurat. Artinya, sistem pakar akan mampu mengurangi ketergantungan petani
terhadap penyuluh pertanian, sekaligus ketergantungan penyuluh pertanian terhadap peneliti (ahli/pakar) terutama dalam
mendeteksi secara dini kerusakan tanaman akibat serangan hama, khususnya pada tanaman kedelai.

Kata Kunci: Kedelai,Penyakit Kedelai, ANFIS

I. PENDAHULUAN penggabungan ini didasari oleh pertimbangan bahwa

Negara Indonesia merupakan negara agraris.
Sebagian besar penduduk Indonesia bermata
pencaharian sebagai petani. Petani ialah salah satu
pekerjaan yang tugas utamanya mengelolah tanah
agar dapat menumbuhkan dan memelihara tanaman,
dengan harapan agar dapat memperoleh hasil dari
tanaman tersebut baik digunakan sendiri maupun
dijual kepada orang lain. Berbagai jenis tanaman
dibudidayakan oleh petani, tidak terkecuali kedelai.
Tanaman kedelai banyak memiliki manfaat,
diantaranya untuk membuat kecap, tahu, dan tempe.
Sehingga banyak petani Indonesia yang
membudidayakan tanaman kedelai.
Sistem pakar dapat membantu penyuluh
pertanian dalam mengambil keputusan tentang
serangan hama tanaman dan teknologi
pengendaliannya dalam waktu cepat, tepat, dan
akurat. Artinya, sistem pakar akan mampu
mengurangi ketergantungan petani terhadap
penyuluh pertanian, sekaligus ketergantungan
penyuluh pertanian terhadap peneliti (ahli/pakar)
terutama dalam mendeteksi secara dini kerusakan
tanaman akibat serangan hama, khususnya pada
tanaman kedelai.
ANFIS (Adaptive Neuro-Fuzzy Inference
System) merupakan salah satu dalam metode sistem
pakar, yang mana ANFIS itu adalah penggabungan
mekanisme fuzzy inferens sistem dengan jaringan
syaraf, sehingga membentuk jaringan adaptif yang
berbasis logika fuzzy sebagai dasar kerjanya. Metode
pengatur logika fuzzy mampu mengolah data dengan
menghilangkan ketidak jelasan dan ketidak pastian.
II. TEORITIS
A. Sistem Pakar
Sistem pakar (Expert System) adalah aplikasi
komputer yang ditunjukkan untuk membantu
mengambil suatu keputusan atau memecahkan suatu
masalah dibidang yang spesifik [2]. Sistem ini bekerja
di bidang pengetahuan dengan menganalisis yang telah
didefenisikan terlebih dahulu oleh seorang pakar yang
sesuaZi dengan keahliannya, sistem ini disebut sistem
pakar karena memiliki pengetahuan, pengalaman
dalam memecahkan suatu persoalan.
B. Diagnosa
Diagnoisa merupakan proses melakukan
pemeriksaan terhadap sesuatu dengan menggunakan
cara dan teknik tertentu, yang melibatkan
pengumpulan informasi bersangkutan tentang operasi
organisasi yang sedang berjalan, meneliti data
tersebut, serta menggambarkan penarikan kesimpulan
untuk peningkatan dan perubahan yang potensial.
C. Metode Adaptive Neuro Fuzzy Inference System
(ANFIS)
ANFIS dikembangkan oleh J.S.R Jang pada
tahun 1992. Menurut Jang kelas adaptive network
secara fungsional ekuivalen dengan fuzzy inference.
Sistem ANFIS adalah arsitektur yang secara
175
 Jurnal Pelita Informatika, Volume 7, Nomor 2, Oktober 2018
ISSN 2301-9425 (Media Cetak)
Hal: 175-178

fungsional sama dengan fuzzy rule base model Sugeno III.ANALISA

orde satu (Jang et al, 1997). Jika diasumsikan fuzzy A. Analisa Masalah
inference. Sistem mempunyai dua input x dan y serta Tanaman kedelai umumnya banyak diserang
mempunyai satu output z, maka menurut model hama, apalagi jika lahan untuk menanam kedelai
Sugeno orde satu, ada dua aturan sebagai berikut : sebelumnya juga ditanamami kedelai atau kacang-
kacangan lainnya. Hama yang sering menyerang
Rule 1 : if x is A1 and y is B1, then f1=p1x+q1y+r adalah Aphis glycine, Kumbang daun tembukur
Rule 2 : if x is A2 and y is B2, then f2 =p2x+q2y+r (Phaedonia inclusa), Ulat polong (Ettiela
zinchenella), dan Kepik polong (Riptortis
Model Sugeno orde-1 dan Arsitektur ANFIS lincearis), Lalat kacang (Ophiomyia phaseoli),
Menurut J.S.R.Jang (J.S.R.Jang, 1997) dalam kutipan Kepik hijau (Nezara viridula).
kusumadewi (Kusumadewi, 2003) Jaringan ANFIS Tidak semua petani menanam tanaman
terdiri dari 5 lapisan sebagai berikut : kedelai, karena para petani dipicu oleh alasan klasik
1. Lapisan 1 yaitu takut terserang hama dan penyakit yang cukup
Setiap node i pada lapisan ini adalah node adaptif tinggi 60-69%. Kerugian yang dapat ditimbulkan
dengan fungsi node sebagai berikut oleh penyakit kedelai sangat besar nilainya,
01,i = µ A,1 (x), untuk i = 1,2 dan terkadang penyakit ini menyerang hingga gagal
01,i = µ B,1-2(y), untuk i = 1,2 panen.
Dengan x (atau y) masukan ke node I. Dalam tahapan ini dilakukan pencarian dan
µ A1 (X) atau µ B1 -2(y) label linguistik (seperti pengumpulan data serta pengetahuan yang
‘besar’ atau ‘kecil’) yang terkait dengan node diperoleh dari seorang pakar, sehingga pada
tersebut. 01,i derajat keanggotaan himpunan fuzzy akhirnya analisa yang didapat harus berupa sistem
A1, A2 atau B1, B2. yang baik dan jelas. Adapun gejala-gejala yang
2. Lapisan 2 dibahas adalah sebagai berikut :
Setiap node pada lapisan ini adalah node tetap
berlabel dengan keluarannya adalah produk dari Tabel 1. Gejala Pada Tanaman
semua sinyal yang datang O2,i = wi (x) μ1 i (y),i = Kode Nama Gejala Nilai
1,2 setiap keluaran node dari lapisan ini Penyakit Pakar
K1 Aphis Gajala yang 0.8
menyatakan kuat dari aturan. glycine khas pada
3. Lapisan 3 tanaman yang
Setiap node pada lapisan ini adalah node tetap yang terinfeksi Aphis
disimbolkan dengan N. Node 1 menghitung glycine tanaman
terlihat layu dan
perbandingan kekuatan aturan ke i terhadap pertumbuhannya
jumlah semua kuat perbandingan dari semua terhambat.
aturan. 03, K2 Kumbang Tanaman ini 0.4
1 = w1/(w1+w2),i = 1,2 daun terserang larva
4. Lapisan 4 tembukur dan kumbang
Setiap node pada lapisan ini adalah node adaptif (Phaedonia memakan daun,
inclusa) bunga, pucuk,
dengan fungsi node : polong muda,
04,i = ϖ fi = ϖ1 (pix +qiy +ri) bahkan seluruh
Dengan tanaman.
W1 : Kekuatan pengiriman yang ternomalisasi dari K3 Ulat polong Gejala ini sering 0.6
lapisan 3 (Ettiela menyerang pada
(pi,qi,ri) : himpunan parameter dari node ini, zinchenella) buah terdapat
Parameter pada lapisan ini disebut parameter lubang kecil.
Waktu buah
konsekuensi. masih hijau,
5. Lapisan 5 polong bagian
Node tunggal pada lapisan ini adalah node tetap luar berubah
berlabel ∑ yang menghitung keluaran warna, di dalam
polong terdapat
keseluruhan sebagai penjumlahan semua sinyal ulat gemuk hijau
yang datang. dan kotorannya.
Output= O5,i = ∑i ϖi fi = ∑𝑖∑𝑖𝑤𝑖𝑤𝑖𝑓

176
 Jurnal Pelita Informatika, Volume 7, Nomor 2, Oktober 2018
ISSN 2301-9425 (Media Cetak)
Hal: 175-178

Kode Nama Gejala Nilai Nilai x2 = 0.15

Penyakit Pakar Nilai K1 = 10
K4 Kepik Gejala ini akan 0.8
polong menyerang pada Nilai K2 = 7
(Riptortis polong kedelai Nilai K3 = 1
lincearis) polong bercak- Nilai K4 = 25
bercak hitam Nilai K5 = 5
dan menjadi
hampa. Nilai K6 = 3
Nilai K7 = 19
K5 Lalat Gejala ini terjadi 0.8
Nilai K8 = 2
kacang saat bibit kedelai Nilai K9 = 20
(Ophiomyia yang masih Nilai K10 = 8
phaseoli) muda baru
tumbuh.
Prioritas p1 (1=tinggi, 0=rendah)
Nilai X1 prioritas tinggi
K6 Kepik hijau Pagi hari berada 0.8
(Nezara di atas daun, saat Maka nilai Mx1 = 0.25/15.5
viridula) matahari = 0.01613
bersinar turun ke Maka nilai Mx2 = 0.25 / 45.7
polong, = 0.00547
memakan
polong dan Maka nilai Mx3 = 0.25 / 300.5
bertelur. Umur = 0.00083
kepik dari telur Maka nilai prioritas tertinggi adalah 0.01613
hingga dewasa Input nilai X2 =0.15
antara 1 sampai
6 bulan Prioritas p2 (1=tinggi, 0=rendah)
Nilai x2 prioritas rendah
Tabel 2. Bobot Kepastian Maka nilai Mx4 = 0.15 / 213.7
No Keterangan Bobot = 0.0007
Maka nilai Mx5 = 0.15 / 7.1
1 Tidak 0 = 0.02113
Maka nilai Mx6 = 0.15 / 45.7
2 Tidak yakin 0.2 = 0.00328
3 Sedikit yakin 0.4 Maka nilai prioritas terendah adalah 0.0007
Perhitungan pada lapisan kedua dapat kita ambil
4 Cukup yakin 0.6 dari perhitungan pada lapisan kesatu dengan cara
5 Yakin 0.8 melihat nilai tertinggi pada X1 dan terendah pada
X2
Maka nilai W1 = 0.01613
Dari tabel diatas maka dipresentasikan Maka nilai W2 = 0.0007
seperti rule dibawah ini. Refresentasi ini digunakan Perhitungan pada lapisan ketiga
untuk memperoleh hasil diagnosa berikut adalah Langkah selanjutnya mencari nilai Wt1 dengan cara
pembahasannya : :
Wt1 = w1/(w1+w2)
Rule 1 : IF G01 AND G02 AND G03 THEN K1 = 0.01613 / (0.01613+0.0007)
Rule 2 : IF G04 AND G05 AND G01 THEN K2 = 0.01613 / 0.01683
Rule 3 : IF G01 AND G03 AND G06 THEN K3 = 0.958407
Rule 4 : IF G04 AND G05 THEN K4 Langkah selanjutnya mencari nilai wt2 dengan cara
Rule 5 : IF G01 AND IF G06 AND G04 THEN K5 :
Rule 6 : IF G01 AND IF G02 AND IF G03 AND Wt2 =w2/(w1+w2)
G04 AND IF G05 AND IF G06 THEN K6 = 0.0007 / (0.01613+0.0007)
= 0.0007 / 0.01683
B. Penerapan Metode Adaptive Neuro Fuzzy = 0.041592
Inference System Perhitungan pada lapisan keempat
Jika α predikat untuk kedua aturan adalah W1f1 = wt1 ( p1*xi + q1*xi + r1*xi)
w1 dan w2, Dari tabel diatas maka dapat dihitung = 0.958407 ( 0.01613*1 +
nilainya dengan ANFIS, berikut adalah 0.01613*1 + 0.01613*1)
perhitunganya : = 0.958407 (0.01613 + 0.01613 +
Nilai x1 = 0.25 0.01613)
177
 Jurnal Pelita Informatika, Volume 7, Nomor 2, Oktober 2018
ISSN 2301-9425 (Media Cetak)
Hal: 175-178

= 0.958407 ( 0.04839) 1. Gejala yang terjadi pada tanaman kedelai ada

= 0.046377 beberapa yaitu :
W1f2 = wt2 ( p1*xi + q1*xi + r1*xi) a. Adanya bintik - bintik putih pada keping
= 0.041592 ( 0.0007*1 + biji, daun pertama, atau daun kedua
0.0007*1 + 0.0007*1) b. Adanya lubang gerekan pada batang
= 0.041592 ( 0.0007 + 0.0007 + c. Adanya helaian daun yang layu
0.0007) seluruhnya pada tangkai daun
= 0.041592 (0.0021) d. Adanya eksreta yang menghasilkan
= 0.000087 embun madu untuk tumbuh cendawan
Perhitungan pada lapisan kelima e. Dan lain-lain
Langkah selanjutnya mencari nilai wiFi dengan Penyakit yang terjadi pada tanaman kedelai ada
cara : beberapa yaitu :
Wifi = w1f1 + w2f2 a. Ulat grayak
= 0.046377 + 0.000087 b. Lalat kacang
= 0.046466 c. Kutu kebul
Maka nilai wifi = 0.046466 d. Tungau merah
Langkah selanjutnya mencari nilai wti dengan cara e. Dan lain-lain
: 2. Cara menerapkan Metode ANFIS dalam
Wti =wt1+wt2 melakukan diagnosis dapat memerlukan data
= 0.958407 + 0.041592 training yang berhubungan dengan kasus yang
= 0.999999 diteliti sehingga akan lebih muda untuk
Maka nilai Wti = 0.999999 mendapatkan hasilnya.
Langkah selanjutnya mencari nilai output dengan 3. Aplikasi system pakar untuk mendiagnosa
cara : penyakit tanaman kedelai telah selesai dirancang
Out = wifi/wti menggunakanVisual basic.Net 2008 dan dapat
= 0.046466 / 0.999999 digunakan dengan baik.
= 0.0464660
Maka nilai Y adalah 0.0464660 REFERENCES
[1] Adi Nugraha, Rekaya Perangkat Lunak Berorientasi Objek
IV. KESIMPULAN dengan Metode USPD. Yogyakarta: Andi Yogyakarta, 2010.
Dari hasil penulisan dan analisa dari bab-bab [2] R.Priyanto, Langsung bisa visual Basic.Net., 2008.
sebelumnya, maka dapat diambil kesimpulan- [3] B.Herawan S.Kom,M.Kom Hayadi, Sistem Pakar., 2016.
kesimpulan, dimana kesimpulan-kesimpulan [4] Miftakhul Huda and Bunafit Komputer, Membuat Aplikasi
tersebut kiranya dapat berguna bagi para pembaca, Database dengan Java MySQL dan NetBeans.: Flex Media
Komputindo.
sehingga penulisan skripsi ini dapat lebih
bermanfaat. Adapun kesimpulan-kesimpulan
tersebut adalah sebagai berikut :

178