TUGAS AKHIR

RANCANG BANGUN APLIKASI DIAGNOSA

PENYAKIT BAWANG MERAH DENGAN METODE
NAIVE BAYES BERBASIS ANDROID

RIVAL FAHMI HIDAYAT

17102163

PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO
2022
 TUGAS AKHIR

RANCANG BANGUN APLIKASI DIAGNOSA

PENYAKIT BAWANG MERAH DENGAN METODE
NAIVE BAYES BERBASIS ANDROID

DESIGN AND DEVELOPMENT OF ONION DISEASE

DIAGNOSIS APPLICATION WITH NAIVE BAYES
METHOD BASED ON ANDROID

Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

RIVAL FAHMI HIDAYAT

17102163

PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO

i
 2022
Lembar Persetujuan Pembimbing

RANCANG BANGUN APLIKASI DIAGNOSA

PENYAKIT BAWANG MERAH DENGAN METODE
NAIVE BAYES BERBASIS ANDROID

DESIGN AND DEVELOPMENT OF ONION DISEASE

DIAGNOSIS APPLICATION WITH NAIVE BAYES
METHOD BASED ON ANDROID
Dipersiapkan dan Disusun Oleh
RIVAL FAHMI HIDAYAT
17102163

Fakultas Informatika
Institut Teknologi Telkom Purwokerto
Pada Tanggal : 1 Agustus 2022

Pembimbing I,

Faisal Dharma Adhinata, S.Kom., M.Cs.

NIDN :

ii
 Lembar Pengesahan

RANCANG BANGUN APLIKASI DIAGNOSA

PENYAKIT BAWANG MERAH DENGAN METODE
NAIVE BAYES BERBASIS ANDROID

DESIGN AND DEVELOPMENT OF ONION DISEASE

DIAGNOSIS APPLICATION WITH NAIVE BAYES
METHOD BASED ON ANDROID

Disusun Oleh
RIVAL FAHMI HIDAYAT
17102163

Telah Diujikan dan Dipertahankan dalam Sidang Ujian Tugas

Akhir Pada Hari Senin, Tanggal 1 Agustus 2022.

Penguji I, Penguji II,

(……………………) (……………………)
NIDN. NIDN.
Penguji III, Pembimbing I,

(...............................) (Faisal Dharma Adhinata, S.Kom., M.Cs.)

NIDN NIDN.
Dekan,

(Auliya Burhanuddin, S.Si., M.Kom)

NIK.

iii
 HALAMAN PERNYATAAN KEASLIAN TUGAS AKHIR

Yang bertandatangan di bawah ini,

Nama mahasiswa : Rival Fahmi Hidayat

NIM : 17102163
Program Studi : Teknik Informatika

Menyatakan bahwa Tugas Akhir dengan judul berikut:

RANCANG BANGUN APLIKASI DIAGNOSA PENYAKIT BAWANG
MERAH DENGAN METODE NAIVE BAYES BERBASIS ANDROID

Dosen Pembimbing Utama : Faisal Dharma Adhinata, S.Kom., M.Cs.

1. Karya tulis ini adalah benar-benar ASLI dan BELUM PERNAH diajukan
untuk mendapatkan gelar akademik, baik di Institut Teknologi Telkom
Purwokerto maupun di Perguruan Tinggi lainnya.
2. Karya tulis ini merupakan gagasan, rumusan, dan penelitian Saya Sendiri,
tanpa bantuan pihak lain kecuali arahan dari Tim Dosen Pembimbing.
3. Dalam Karya tulis ini tidak terdapat karya atau pendapat orang lain, kecuali
secara tertulis dengan jelas dicantumkan sebagai acuan dalam naskah dengan
disebutkan nama pengarang dan disebutkan dalam Daftar Pustaka pada karya
tulis ini.
4. Perangkat lunak yang digunakan dalam penelitian ini sepenuhnya menjadi
tanggungjawab Saya, bukan tanggungjawab Institut Teknologi Telkom
Purwokerto.
5. Pernyataan ini Saya buat dengan sesungguhnya, apabila dikemudian hari
terdapat penyimpangan dan ketidakbenaran dalam pernyataan ini, maka Saya
bersedia menerima Sanksi Akademik dengan pencabutan gelar yang sudah
diperoleh serta sanksi lainnya sesuai dengan norma yang berlaku di Perguruan
Tinggi.

Purwokerto, Agustus 2022,

Yang Menyatakan,

(materai 6000)

(Rival Fahmi Hidayat)

iv
 KATA PENGANTAR

Puji Syukur penulis panjatkan kepada Allah Swt yang telah memberikan
kemudahan dan kelancaran sehingga penulis dapat menyelesaikan Tugas Akhir
dengan judul “Rancang Bangun Aplikasi Diagnosa Penyakit Bawang Merah
Dengan Metode Naive Bayes Berbasis Android”.
Dalam proses penyusunan tugas akhir ini, tentunya banyak pihak yang telah
memberikan bantuan baik moril maupun materil. Oleh karena itu penulis tak lupa
mengucapkan terima kasih kepada :
1. Bapak Dr. Arfianto Fahmi, S.T., M.T. IPM selaku Rektor dari Institut
Teknologi Telkom Purwokerto.
2. Bapak Auliya Burhanuddin, S.Si., M.Kom selaku Dekan Fakultas Informatika
Institut Teknologi Telkom Purwokerto.
3. Ibu Amalia Beladinna Arifa, S.Pd., M.Cs., selaku Ketua Program Studi S1
Teknik Informatika.
4. Bapak Faisal Dharma Adhinata, S.Kom., M.Cs. selaku Dosen Pembimbing
yang telah memberikan bimbingan dan pengarahan dalam penyusunan tugas
akhir.
5. Kedua Orang tua yang telah memberikan dukungan dan do’a yang tak pernah
putus untuk penulis serta motivasi untuk menyelesaikan tugas akhir ini.
6. Teman-teman Institut Teknologi Telkom Purwokerto yang memberikan
dukungan dan semangat terhadap penelitian ini.
Penulis menyadari bahwa penyusunan tugas akhir ini masih jauh dari sempurna
dengan segala kekurangannya. Untuk itu penulis berharap adanya kritik dan saran
dari semua pihak demi kesempurnaan tugas akhir ini.
Purwokerto, Agustus 2022

Rival Fahmi Hidayat

v
 DAFTAR ISI

TUGAS AKHIR......................................................................................................i
Lembar Persetujuan Pembimbing.......................................................................ii
Lembar Pengesahan.............................................................................................iii
HALAMAN PERNYATAAN KEASLIAN TUGAS AKHIR...........................iv
KATA PENGANTAR............................................................................................v
DAFTAR ISI..........................................................................................................vi
DAFTAR GAMBAR..........................................................................................viii
DAFTAR TABEL.................................................................................................ix
ABSTRAK..............................................................................................................x
ABSTRACT...........................................................................................................xi
BAB I PENDAHULUAN......................................................................................1
1.1 Latar Belakang Masalah..........................................................................1
1.2 Perumusan Masalah.................................................................................2
1.3 Tujuan Penelitian.....................................................................................2
1.4 Manfaat Penelitian...................................................................................3
1.5 Batasan Masalah......................................................................................3
BAB II TINJAUAN PUSTAKA............................................................................4
2.1 Penelitian Sebelumnya............................................................................4
2.2 Dasar Teori..............................................................................................7
2.2.1 Bawang Merah..................................................................................7
2.2.2 Naive Bayes......................................................................................9
2.2.3 Android...........................................................................................10
2.2.4 Android Studio................................................................................10
2.2.5 UML (Unified Modelling Language).............................................11
2.2.6 Entity Relationship Diagram (ERD)..............................................12
2.2.7 Expert System Development Life Cycle (ESDLC)..........................12
BAB III METODELOGI PENELITIAN..........................................................14

vi
 3.1 Subjek dan Objek Penelitian..................................................................14
3.2 Diagram Alur Penelitian........................................................................14
BAB IV HASIL DAN PEMBAHASAN.............................................................34
4.1 Aplikasi Sistem Pakar............................................................................34
4.2 Analisa Pengujian..................................................................................40
BAB V KESIMPULAN.......................................................................................43
5.1 Kesimpulan............................................................................................43
5.2 Saran......................................................................................................43
DAFTAR PUSTAKA...........................................................................................44

vii
 DAFTAR GAMBAR

Gambar 2.1 Expert System Development Life Cycle..............................................12

Gambar 3.1 Diagram Alur Penelitian 14

Gambar 3.2 Use Case Diagram..............................................................................25

Gambar 3.3 Activity Diagram Pengguna...............................................................26
Gambar 3.4 Activity Diagram Admin...................................................................27
Gambar 3.5 Class Diagram...................................................................................28
Gambar 3.6 Sequence Diagram............................................................................28
Gambar 3.7 Deployment Diagram........................................................................29
Gambar 3.8 Entity Relatioship Diagram................................................................29
Gambar 3.9 Perancangan Halaman Awal..............................................................30
Gambar 3.10 Perancangan Menu Utama...............................................................31
Gambar 3.11 Perancangan Diagnosa.....................................................................31
Gambar 3.12 Perancangan Hasil Diagnosa............................................................32
Gambar 3.13 Perancangan Tentang Program........................................................32
Gambar 3.14 Perancangan Login Admin...............................................................33

Gambar 4.1 Halaman Awal Aplikasi 34

Gambar 4.2 Halaman Menu Utama.......................................................................35

Gambar 4.3 Halaman Diagnosa.............................................................................36
Gambar 4.4 Halaman Hasil Diagnosa....................................................................37
Gambar 4.5 Halaman Penyakit..............................................................................37
Gambar 4.6 Halaman Detail Penyakit....................................................................38
Gambar 4.7 Halaman Tentang Program................................................................39
Gambar 4.8 Halaman Login Admin.......................................................................39
Gambar 4.9 Konfirmasi Keluar dari Aplikasi........................................................40

viii
ix
 DAFTAR TABEL

Tabel 2.1 Penelitian Terkait.....................................................................................5

Tabel 3.1 Penyakit bawang merah 16

Tabel 3.2 Gejala penyakit bawang merah..............................................................18

Tabel 3.3 Basis pengetahuan penyakit bawang merah..........................................19
Tabel 3.4 Struktur Tabel Penyakit.........................................................................29
Tabel 3.5 Struktur Tabel Gejala.............................................................................30

Tabel 4.1 Black Box Testing 40

x
 ABSTRAK

Bawang merah merupakan pelengkap bumbu masak sehari-hari yang banyak

digunakan sehingga banyak ditanam di berbagai daerah di Indonesia. Budidaya
bawang merah saat ini masih menggunakan cara konvensional yaitu dengan
menanam pada banyak lahan seperti lahan persawahan. Terdapat beberapa faktor
yang dapat menghambat budidaya bawang merah salah satu diantaranya adalah
penyakit bawang merah. Kurangnya pengetahuan petani bawang merah dan belum
meratanya penyuluhan dari petugas pertanian mengakibatkan mencegahan dan
pemberantasan penyakit bawang merah menjadi sulit tertangani. Penelitian ini
bertujuan untuk merancang dan membangun aplikasi diagnosa penyakit bawang
merah menggunakan Naive Bayes dan melakukan pengujian aplikasi diagnosa
penyakit bawang merah menggunakan Naive Bayes. Metode penelitian yang
digunakan adalah metode Expert System Development Life Cycle (ESDLC). Hasil
penelitian ini menghasilkan aplikasi diagnosa penyakit bawang merah
menggunakan Naive Bayes berbasis android. Dan berhasil dilakukan pengujian
menggunakan metode blackbox testing dan aplikasi berjalan dengan baik.

Kata Kunci : Bawang Merah, Naive Bayes, Android

xi
 ABSTRACT

Shallots are a complement to daily cooking spices that are widely used so that
they are widely grown in various regions in Indonesia. Cultivation of shallots is
currently still using the conventional way, namely by planting on many lands
such as rice fields. There are several factors that can inhibit the cultivation of
shallots, one of which is onion disease. The lack of knowledge of shallot farmers
and the unequal distribution of counseling from agricultural officers have
resulted in the prevention and eradication of shallot diseases being difficult to
handle. This study aims to design and build an application for diagnosing shallot
disease using Naive Bayes and testing the application for diagnosing shallot
disease using Naive Bayes. The research method used is the Expert System
Development Life Cycle (ESDLC) method. The results of this study resulted in an
application for diagnosing shallot disease using Android-based Naive Bayes.
And successfully tested using the blackbox testing method and the application
runs well.

Keywords : Shallots, Naive Bayes, Android

xii
 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Bawang merah merupakan salah satu komoditas yang banyak dibutuhkan
konsumen rumah tangga sebagai pelengkap bumbu masak sehari-hari. Bawang
merah banyak ditanam di berbagai daerah, salah satunya adalah Kabupaten
Brebes. Kabupaten Brebes merupakan sentra bawang merah terbesar di Indonesia
yang telah memberikan kontribusi produksi nasional sebesar 18,5% atau 57% dari
produksi Jawa Tengah [1]. Pusat bawang merah tersebar di 11 kecamatan (dari 17
kecamatan) dengan luas panen per tahun 20.000 - 25.000 hektar. Sentral bawang
merah tersebar di Kecamatan Brebes, Wanasari, Bulakamba, Tonjong, Losari,
Kersana, Ketanggungan, Larangan, Songgom, Jatibarang, dan sebagian
Banjarharjo [2].
Budidaya bawang merah saat ini masih menggunakan cara konvensional
yaitu dengan menanam pada banyak lahan seperti lahan persawahan. Terdapat
beberapa faktor yang dapat menghambat budidaya bawang merah, salah satunya
adalah adanya penyakit pada bawang merah yang disebabkan oleh jamur, virus
atau patogen lainnya yang dapat menurunkan produksi bawang merah. Beberapa
penyakit bawang merah antara lain Bercak Ungu (Alternaria porri), Antraknosa
(Colletotrichum gloeosporioides Penz.), Layu Fusarium (fusarium oxysporum
Hanz) dan lain-lain [2]. Kurangnya pengetahuan petani bawang merah dan belum
meratanya penyuluhan dari petugas pertanian sebagai pakar mengakibatkan
mencegahan dan pemberantasan penyakit bawang merah menjadi sulit tertangani.
Diperlukan suatu cara agar dapat dilakukan pendeteksian adanya penyakit bawang
merah secara dini sehingga penyebaran penyakit tersebut dapat segera tertangani
dengan cepat.
Perkembangan teknologi yang semakin maju dapat dijadikan solusi dalam
mengatasi permasalahan tersebut, yaitu dengan menggunakan sistem pakar yang

1
mengadopsi cara berpikir pakar dalam mendiagnosis hama dan penyakit bawang
merah serta memberikan solusi dalam pengobatan ataupun pencegahannya.
Dalam penelitian Achmad Syarifudin, Nurul Hidayat, Lutfi Fanani (2018)
[3] merancang sistem pakar berbasis android yang dapat mendiagnosa penyakit
tanaman jagung dengan menggunakan metode Naive Bayes. Metode Naive Bayes
merupakan metode yang digunakan memprediksi probabilitas. Sedangkan
klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu
anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal
sebagai naive Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai
atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain. Hasil
penelitian berupa aplikasi android untuk mendiagnosa penyakit tanaman jagung
dengan metode Naive Bayes.
Berdasarkan pada latar belakang masalah tersebut, maka dilakukan
penelitian berjudul “Rancang Bangun Aplikasi Diagnosa Penyakit Bawang Merah
Dengan Metode Naive Bayes Berbasis Android”.

1.2 Perumusan Masalah

Berdasarkan pemaparan latar belakang di atas, maka dapat dirumuskan
masalah sebagai berikut:
1. Bagaimana merancang dan membangun aplikasi diagnosa penyakit bawang
merah menggunakan Naive Bayes?
2. Bagaimana melakukan pengujian aplikasi diagnosa penyakit bawang merah?

1.3 Tujuan Penelitian

Tujuan penelitian ini adalah
1. Merancang dan membangun aplikasi diagnosa penyakit bawang merah
menggunakan Naive Bayes.
2. Mengetahui hasil pengujian aplikasi diagnosa penyakit bawang merah dengan
metode Naive Bayes.

2
1.4 Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah sebagai berikut:
1. Menjadi alat bantu bagi petani bawang merah dalam mendeteksi penyakit
bawang merah berdasarkan gejala yang ada.
2. Menjadikan aplikasi dalam mendiagnosis penyakit pada tanaman bawang
merah secara cepat dan mudah.

1.5 Batasan Masalah

Batasan masalah dalam penelitian ini meliputi :
1. Pembangunan aplikasi diagnosa digunakan untuk membantu mendeteksi
penyakit pada tanaman bawang merah dengan berbasis pada aplikasi android.
2. Metode yang digunakan dalam membangun sistem pakar adalah metode Naive
Bayes.
3. Software yang digunakan untuk membuat aplikasi adalah Android Studio.
4. Diagnosa berdasarkan gejala-gejala pada tanaman bawang merah, penyakit
berserta cara penanganannya.
5. Aplikasi diagnosa dijalankan secara online.
6. Pengambilan data tentang penyakit bawang merah dilakukan di daerah Brebes.
Penyakit Bawang Merah dalam penelitian ini adalah layu fusarium,
antraknosa, bercak ungu, mati pucuk dan embun bulu.

3
 BAB II
TINJAUAN PUSTAKA

2.1 Penelitian Sebelumnya

Penelitian yang dilakukan tidak terlepas dari hasil-hasil penelitian terkait
yang pernah dilakukan sebelumnya sebagai bahan perbandingan dan kajian.
Berikut adalah penelitian terdahulu yang berkaitan dengan penelitian ini
1. Pengembangan Sistem Pakar Diagnosis Hama Dan Penyakit Pada
Tanaman Bawang Merah Berbasis Android., Rahayu Sunarya, Dini
Destiani.
Melakukan penelitian mengenai bagaimana merancang sistem pakar diagnosa
penyakit tanaman bawang merah berbasis android menggunakan metode
forward chaining. Metode penelitian yang digunakan adalah ESDLC (Expert
System Development Life Cycle) yang dikemukakan oleh Durkin. Hasil
penelitian ini telah berhasil mengembangkan sebuah sistem pakar diagnosis
hama dan penyakit bawang merah berbasis android yang dapat membantu
para petani dan masyarakat umum yang ingin menambah pengetahuan tentang
hama dan penyakit bawang merah [5].
2. Sistem Pakar Diagnosa Hama Dan Penyakit Tanaman Durian Dengan
Metode Naive Bayes., Eko Sudaryanto, Asep Suryanto.
Melakukan penelitian mengenai pembuatan aplikasi sistem pakar diagnosa
hama dan penyakit tanaman durian. Metode yang digunakan adalah metode
Naive Bayes. Hasil penelitian ini berupa aplikasi sistem pakar berbasis
android yang dapat membantu para petani durian dan orang awam dalam
mendiagnosa hama dan penyakit tanaman durian dan memberikan cara
penanganan hama dan penyakit tanaman durian [6].
3. Sistem Pakar Diagnosis Penyakit Pada Tanaman Jagung Menggunakan
Metode Naive Bayes Berbasis Android., Achmad Syarifudin, Nurul
Hidayat, Lutfi Fanani.

4
 Melakukan penelitian mengenai sistem pakar diagnosis penyakit pada
tanaman jagung. Metode yang digunakan pada sistem pakar ini adalah metode
Naive Bayes. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-
gejala pada daun, batang dan tongkol tanaman jagung. Hasil pengujian
penelitian ini menunjukkan semua kebutuhan fungsional valid, akurasi sistem
sebesar 96% dan hasil usability testing dinyatakan sangat baik [7].
4. Pengembangan Sistem Pakar Mendeteksi Penyakit Pencernaan
Menggunakan Metode Naive Bayes Berbasis Web., Imam Soleh
Ma’rifati, Chandra Kesuma.
Melakukan penelitian mengenai sistem pakar dimana sistem tersebut dapat
mendeteksi penyakit pencernaan berbasis web. Metode yang digunakan dalam
penelitian ini adalah metode Naive Bayes dalam menganalisa gejala-gejala
penyakit pada pasien sehingga dapat diketahui penyakit pencernaan. Sistem
pakar dalam penelitian ini berupa aplikasi berbasis web yang dibuat
menggunakan HTML 5, PHP dan My SQL. Aplikasi berbasis web
memungkinkan aplikasi dapat dijalankan di berbagai platform sistem operasi
karena aplikasi ini nantinya dijalankan atau dibuka menggunakan browser.
Keuntungan lainnya adalah bahwa aplikasi dapat dihosting di sebuah
webserver sehingga dapat dibuka oleh siapa saja yang memerlukannya. [8].
Tabel 2.1 Penelitian Terkait
Perbandingan dengan
No Judul Penulis Tahun Isi penelitian yang
dilakukan
1 Pengembangan Rahayu 2016 Penelitian ini Penelitian ini
Sistem Pakar Sunarya, Dini mengembangkan menggunakan metode
Diagnosis Destiani sistem pakar forward chaining
Hama Dan diagnosa hama Sedangkan penelitian
Penyakit Pada dan penyakit yang sedang
Tanaman tanaman bawang dilakukan
Bawang Merah merah berbasis menggunakan metode
Berbasis android Naive Bayes.
Android

5
 Perbandingan dengan
No Judul Penulis Tahun Isi penelitian yang
dilakukan
2 Sistem Pakar Eko 2020 Penelitian ini Metode penelitian
Diagnosa Sudaryanto, membuat menggunakan metode
Hama Dan Asep Suryanto aplikasi Sistem waterfall
Penyakit pakar berbasis Sedangkan penelitian
Tanaman android untuk yang sedang
Durian Dengan mendiagnosa dilakukan
Metode Naive hama dan menggunakan metode
Bayes penyakit penelitian ESDLC.
tanaman durian
3 Penerapan Mohammad 2017 Penelitian ini Penelitian ini
Metode Arifin, Slamin, membangun menggunakan metode
Certainty Windi Eka sistem pakar Certainty Factor
Factor Untuk Yulia Retnani diagnosis hama Sedangkan penelitian
Sistem Pakar dan penyakit yang sedang
Diagnosis pada tanaman dilakukan
Hama Dan tembakau. menggunakan metode
Penyakit Pada Naive Bayes.
Tanaman
Tembakau
4 Pengembangan Imam Soleh 2018 Penelitian untuk Penelitian ini
Sistem Pakar Ma’rifati, merancang merancang aplikasi
Mendeteksi Chandra sistem pakar berbasis web
Penyakit Kesuma dalam Sedangkan penelitian
Pencernaan mendiagnosa yang sedang
Menggunakan penyakit dilakukan
Metode Naive pencernaan pada menggunakan aplikasi
Bayes Berbasis manusia berbasis android.
Web

6
2.2 Dasar Teori
2.2.1 Bawang Merah
Bawang merah (Allium cepa var ascalonicum) merupakan komoditas
hortikultura termasuk sayuran rempah yang berguna sebagai bumbu untuk
menambah cita rasa dan kenikmatan pada masakan. selain digunakan sebagai
bumbu masakan bawang merah ini juga berkhasiat sebagai obat tradisional,
misalnya obat demam, masuk angin, diabetes melitus, disentri dan akibat gigitan
serangga [14].
Beberapa penyakit bawang merah dan cara mengatasinya [14] yaitu
1. Layu Fusarium (fusarium oxysporum)
Gejala Penyakit fusarium ditandai dengan tanaman menjadi cepat layu, dan
daun-daun menguning dan melintir. selain itu pada bagian umbi berubah
menjadi warna putih dan busuk karena terdapat koloni jamur yang menyerang.
Cara pengendalian penyakit ini, yaitu cabut dan musnahkan tanaman yang
terserang dengan cara dibakar . selanjutnya lakukan rotasi tanam yang bukan
tanaman inang. perbaiki drainase dan lakukan sanitasi lahan. Selain itu
perlakuan benih dengan cara menaburkan fungisida dengan dosis 100 g/
100kg benih. pemberian fungisida pada benih dilakukan tiga hari sebelum
tanam. Gunakan pupuk organik plus agens hayati trichoderma sp yang
ditaburkan pada bedengan sebelum dilakukan penanaman.
2. Antraknosa (Coletotrichum Gloeosporiodes)
Gejala penyakit Antraknosa yaitu timbul bercak putih berukuran 1-2 mm pada
daun. kemudian akan terlihat koloni dan warna menjadi merah muda,
selanjutnya coklat gelap dan akhirnya menjadi hitam gelap.
Cara pengendalian penyakit ini, yaitu mengatur jarak tanam jangan terlalu
rapat. pemupukan berimbang, karena pemberian dalam jumlah besar dapat
menimbulkan berbagai macam penyakit. ambil tanaman yang sakit kemudian
musnahkan dengan cara dibakar. Penggunaan mulsa plastik pada saat
budidaya dimusim hujan, yang bertujuan menjaga kelembaban tanah supaya
tetap stabil, dan mencegah timbulnya gulma. Gunakan fungisida bion m, czeb,

7
 sorento, score, dakonil atau karibu, dithane m-45, dan antracol 70 wp.
semprotkan 4-7 hari dengan dosis yang ditentukan.
3. Bercak Ungu (Alternaria Porrii)
Gejala Penyakit Bercak Ungu ini dicirikan dengan gejala bercak melengkung
berwarna putih atau kelabu pada daun. setelah membesar bercak menyerupai
cincin, berwarna agak ungu, dan dikelilingi warna kuning menyebar keatas
ataupun kebawah. udara saat cuaca lembab permukaan bercak tertutup
menjadi hitam dan pada bagian ujung daun yang sakit mengering. pada bagian
ujung daun yang sakit mengering dan patah. infeksi yang terjadi pada umbi
mengakibatkan umbi menjadi busuk. pembusukan pada umbi dimulai dari
bagian leher dan warna umbi menjadi kuning atau merah kecoklatan. daun
yang terserang lebih banyak pada daun tua jika dibandingkan dengan daun
muda.
Cara Pengendalian, yaitu tanam bawang merah pada waktu tidak banyak hujan
dan apabila pada musim hujan perbaiki drainase. lakukan pemupukan secara
berimbang dan rotasi tanaman yang buakn sejenis. selain itu semprotkan
fungisida kontak berbahan aktif mancozeb selama 3 hari berturut-turut serta
gunakan fungisida sistemik berbahan aktif dimetomorf atau metalaksil setiap 7
hari sekali.
4. Mati Pucuk (Phytophthora Porri)
Gejala penyakit mati pucuk, yaitu pada bagian ujung daun menjadi busuk
basah, kemudian mengering dan warnanya berubah menjadi kuning
kecoklatan lalu putih.
Cara Pengendalian, yaitu lakukan penanaman bawang merah pada saat tidak
banyak hujan, dan gunakan benih yang sehat bebas dari hama dan penyakit.
lakukan rotasi tanam yang bukan merupakan tanaman sejenis. potong pucuk
daun yang terserang kemudian musnahkan dengan cara dibakar. kendalikan
dengan antracol atau dithane m-45 0,2%.
5. Embun Bulu(Peronospora Destructor)

8
 gejala penyakit Embun Bulu, yaitu daun menjadi hijau pucat dan kemudian
menjadi kuning sedangkan bagian umbi yang terinfeksi berwarna coklat pada
lapisan luarnya dan menjadi lunak dan mengerut.
Cara Pengendalian, yaitu potong dan kumpulkan daun yang terserang lalu
musnahkan dengan cara dibakar. gunakan bibit sehat yang bebas dari hama
dan penyakit. lakukan rotasi tanam, dan jangan tanam bawang merah yang
banyak hujan, dan kabut, serta embun. semprotkan fungisida berbahan aktif
tiram (tifo 80 wp ziplo 90 wp) ditambahkan mancozeb (dithane 80 wp,
manzed 80 wp, detazeb 80 wp). dosis pemakaian 3 sendok penuh/17 liter air.

2.2.2 Naive Bayes

Metode Naive Bayes merupakan metode yang digunakan memprediksi
probabilitas. Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat
memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana
yang lebih dikenal sebagai Naive Bayesian Classifier dapat diasumsikan bahwa
efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-
atribut lain. Naive Bayes Classifier merupakan sebuah metoda klasifikasi yang
berakar pada teorema Bayes. Ciri utama dari Naive Bayes Classifier ini adalah
asumsi yang sangat kuat (naif) akan independensi dari masing-masing
kondisi/kejadian [3].
Perhitungan naive bayes dapat dilakukan dengan langkah berikut ini:
1. Mencari nilai prior untuk tiap-tiap kelas dengan menghitung rata-rata tiap
kelas dengan menggunakan persamaan:
P = X/A...............................................................................................(2.1)
Keterangan :
P = Nilai prior
X = Jumlah data tiap kelas
A = jumlah data seluruh kelas
2. Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan
persamaan:
L = F/B................................................................................................(2.2)

9
 Keterangan :
L = Nilai likelihood
F = jumlah data feature tiap kelas
B = jumlah seluruh fitur tiap kelas
3. Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan
persamaan:
P(c|a) = P(c) x P(a|c).............................................................................(2.3)
Keterangan :
P(c) = Nilai prior tiap kelas
P(a|c) = Nilai likelihood
Hasil klasifikasi dengan menggunakan metode Naive Bayes dilakukan
dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior
yang paling tinggi yang terpilih sebagai hasil klasifikasi [10].

2.2.3 Android
Android merupukan suatu kumpulan perangkat lunak yang digunakan
pada perangkat mobile yang didialamnya meliputi sistem operasi, aplikasi dan
middleware [15]. Pada penggunaanya Android menyediakan banyak tools yang
bisa digunakan oleh para pengembang software/aplikasi berbasis mobile. Pada
Android juga menyediakan banyak tools dan library sehingga memudahkan dan
sangat membantu bagi para pengembang.
Beberapa versi Android yang pernah dirilis adalah sebagai berikut:
Android versi 1.1, Android versi 1.5 (Cupcake), Android versi 1.6 (Donut),
Android versi 2.0/2.1 (Eclair), Android versi 2.2 (Froyo: Frozen Yoghurt),
Android versi 2.3 (Gingerbread), Android versi 3.0 (Honeycomb), Android versi
4.0 (Ice Cream Sandwitch), Android versi 4.1 (Jelly Bean), Android versi 4.2
(Jelly Bean), Android versi 4.3 (Jelly Bean), Android versi 4.4 (KitKat), Android
versi 5.0 (Lollipop), Android versi 6.0 (Marshmallow), Android versi 7.0
(Nougat), Android versi 8.0 (Oreo, Android versi 9.0 ( Pie ), Android 10, Android
11 [16].

10
2.2.4 Android Studio
Android studio adalah IDE (Integrated Development Environment)
pengembangan aplikasi Android dan bersifat open source atau gratis. Peluncuran
Android Studio ini diumumkan oleh Google pada 16 mei 2013 pada event Google
I/O Conference untuk tahun 2013. Sejak saat itu, Android Studio mengantikan
Eclipse sebagai IDE resmi untuk mengembangkan aplikasi Android [17].

2.2.5 UML (Unified Modelling Language)

UML (Unified Modelling Language) adalah salah satu standar bahasa yang
banyak digunakan di dunia industri untuk mendefinisikan requirement, membuat
analisis dan desain, serta menggambarkan arsitektur dalam pemrograman
berorientasi objek [18].
2.2.5.1. Use Case Diagram
Use case diagram merupakan pemodelan untuk kelakuan (behavior)
sistem informasi yang akan dibuat. Use case digunakan untuk mengetahui fungsi
apa saja yang ada di dalam sistem informasi dan siapa saja yang berhak
menggunakan fungsi-fungsi tersebut[18].
2.2.5.2. Activity Diagram
Menggambarkan aktifitas-aktifitas, objek, state, transisi state dan event.
Dengan kata lain kegiatan diagram alur kerja menggambarkan perilaku sistem
untuk aktivitas [18].
2.2.5.3. Class Diagram
Class diagram yaitu salah satu jenis diagram pada UML yang
digunakan untuk menampilkan kelas-kelas maupun paket-paket yang ada pada
suatu sistem yang nantinya akan digunakan. Jadi diagram ini dapat memberikan
sebuah gambaran mengenai sistem maupun relasi-relasi yang terdapat pada sistem
tersebut [18].
2.2.5.4. Sequence Diagram
Diagram sequence mendeskripsikan kelakuan objek di use case
menggunakan menggambarkan ketika hidup objek serta message yang dikirimkan

11
dan diterima antar objek. Oleh karena itu untuk menggambar diagram sequence
maka harus diketahui objek-objek yang terlibat pada sebuah use case.
menghasilkan sequence juga dibutuhkan buat melihat sekenario yang ada di use
case [18].

2.2.6 Entity Relationship Diagram (ERD)

ERD (Entity Relationship Diagram) adalah model teknik pendekatan yang
menyatakan atau menggambarkan hubungan suatu model. Didalam hubungan ini
tersebut dinyatakan yang utama dari ERD adalah menunjukan objek data (Entity)
dan hubungan (Relationship), yang ada pada Entity berikutnya. Proses
memungkinkan analis menghasilkan struktur basis data dapat disimpan dan
diambil secara efisien [20].

2.2.7 Expert System Development Life Cycle (ESDLC)

Expert System Development Life Cycle merupakan konsep dasar dalam
perancangan dan pengembangan sistem pakar yang sering digunakan yang
dikembangkan oleh Durkin pada tahun 1994 [21]. Gambar 2.6 berikut merupakan
siklus pengembangan sistem pakar (Expert System Development Life Cycle -
ESDLC).

Gambar 2.1 Expert System Development Life Cycle [21]

12
 Secara umum tahapan dari Expert System Development Life Cycle [21]
adalah:
1. Penilaian Keadaan
a. Mengidentifikasi masalah,
b. Mendefinisikan tujuan umum dan ruang lingkup sistem,
c. Memverifikasi kesesuaian sistem pakar dengan masalah.
2. Analisa dan Akuisisi Pengetahuan
a. Analisa kebutuhan data, kebutuhan fungsi identifikasi unjuk kerja
sistem dari mulai Flowchart, Use Case Diagram, Sequence Diagram,
dan Activity Diagram yang dilakukan perangkat, runtutan kondisi
perangkat, serta pengembangan perangkat,
b. Menentukan sumber pengetahuan,
c. Mendapatkan pengetahuan yang berhubungan dengan masalah yang
akan dibahas,
d. Mempelajari, menambah, dan mengatur pengetahuan.
3. Perancangan dan Implementasi
a. Mendefinisikan struktur sistem, pengaturan sistem, dan metode yang
akan digunakan untuk pengambilan kesimpulan
b. Memilih bahasa pemrograman yang digunakan,
c. Implementasi konsep rancangan sistem.
4. Pengujian
a. Melakukan pengujian sistem yang telah dibangun,
b. Memodifikasi pengetahuan sistem.
5. Dokumentasi
Membuat diagram dan user dictionary dalam sebuah dokumen teknis
sebagai panduan bagi pengguna.

2.2.8 Black Box Testing

Black box testing merupakan sebuah tahap pengujian yang dilakukan
untuk pengujian perangkat lunak. Teknik pengujian ini dilakukan dengan cara
menguji fungsionalitas perangkat lunak yang ada apakah sudah sesuai dengan

13
dokumen spesifikasi perangkat lunak tau belum. Selain itu teknik ini juga
memungkinkan pengembang perangkat lunak untuk mendapatkan serangkaian
kondisi input yang mempergunakan semua persyaratakan fungsional sistem [22]

14
 BAB III
METODELOGI PENELITIAN

3.1 Subjek dan Objek Penelitian

Subjek pada penelitian ini adalah penyakit pada tanaman bawang merah.
Penggunaan sistem pakar dalam mendiagnosa penyakit bawang merah
berdasarkan gejala yang didapatkan pada tanaman bawang merah. Sedangkan
Objek pada penelitian ini adalah budidaya bawang merah yang berlokasi di daerah
Losari, Kabupaten Brebes. Penelitian ini menggunakan data hasil wawancara
dengan petani bawang merah Desa Tawangsari, Kecamatan Losari, Brebes.
3.2 Diagram Alur Penelitian
Dalam pengembangan sistem pakar, akan digunakan pendekatan
konvensional dengan metode Expert System Development Life Cycle (ESDLC)
berdasarkan Durkin[22]. Tahapan–tahapan yang akan dilakukan dalam penelitian
ini adalah :

Tahap 1. Penilaian Keadaan Formulasi Ulang

(Assessment)
Kebutuhan Eksplorasi
Tahap 2. Akuisi Pengetahuan
(Knowledge Acquisition)
Pengetahua
n
Perbaikan
Tahap 3. Desain (Design)
Struktur

Tahap 4. Pengujian (Test)

Evaluasi
Tahap 5. Dokumentasi
(Documentation)
Produk
Tahap 6. Pemeliharaan
(Maintenance)
Gambar 3.1 Diagram Alur Penelitian

15
Berikut penjelasan untuk masing-masing tahap, yaitu :
1. Tahap 1 Penilaian Keadaan (Assessment)
Penilaian keadaan merupakan tahap penentuan sebagai dasar dari
permasalahan mengenai penyakit bawang merah dengan mengkaji dan
membatasi masalah yang akan diimplementasikan.
Adapun langkah – langkah yang dilakukan pada tahapan ini adalah :
a. Kelayakan dan Justifikasi Masalah
Mendefinisikan masalah penyakit pada bawang merah yang ada di
lapangan, dan penjelasan mengenai kelayakan pemilihan topik yang akan
dibahas untuk dijadikan suatu sistem pakar.
b. Tujuan Pengembangan Sistem Pakar
Memaparkan tujuan dari pengembangan sistem pakar diagnosis penyakit
bawang merah yang akan dibuat.
c. Analisis Kebutuhan
Menentukan hal – hal apa saja yang dibutuhkan pada saat pengembangan
sistem pakar diagnosis penyakit bawang merah.
d. Sumber Pengetahuan
Memaparkan bagaimana cara mendapatkan data mengenai penyakit
bawang merah, serta apa saja gejala dan solusi pencegahannya.
2. Tahap 2 Akuisi Pengetahuan (Knowledge Acquisition)
Akuisi pengetahuan merupakan tahapan di mana dilakukan pengumpulan data
tentang macam – macam penyakit pada bawang merah, gejala, serta cara
pencegahannya. Setelah data dikumpulkan maka akan digabung dan dibuat
tabel basis pengetahuan.
Daftar penyakit bawang merah dapat dilihat pada tabel 3.1.

16
 Tabel 3.1 Penyakit bawang merah
Kode Nama
Penanganan Gambar
Penyakit Penyakit
a. Cabut dan musnahkan
tanaman yang
terserang dengan cara
dibakar.
b. Lakukan rotasi tanam
yang bukan tanaman
inang. perbaiki
P01 Layu Fusarium
drainase dan lakukan
sanitasi lahan.
c. Pemberian fungisida
dengan dosis 100 g/
100kg benih
dilakukan tiga hari
sebelum tanam.
P02 Antraknosa a. Ambil tanaman yang
sakit kemudian
musnahkan dengan
cara dibakar.
b. Mengatur jarak
tanam jangan terlalu
rapat dan pemupukan
berimbang.
c. Gunakan fungisida
bion m, czeb,
sorento, score,
dakonil atau karibu,
dithane m-45, dan
antracol 70 wp.

17
 semprotkan 4-7 hari
dengan dosis yang
ditentukan.
P03 Bercak Ungu a. Menanam bawang
merah pada waktu
tidak banyak hujan
dan apabila pada
musim hujan perbaiki
drainase.
b. Melakukan
pemupukan secara
berimbang dan rotasi
tanaman yang bukan
sejenis.
c. Semprotkan fungisida
mancozeb selama 3
hari berturut-turut
serta gunakan
fungisida dimetomorf
atau metalaksil setiap
7 hari sekali.
P04 Mati Pucuk a. Melakukan
penanaman bawang
merah pada saat tidak
banyak hujan.
b. Memotong pucuk
daun yang terserang
kemudian musnahkan
dengan cara dibakar.
c. Gunakan antracol
atau dithane m-45

18
 0,2%.
P05 Embun Bulu a. Memotong daun yang
terserang lalu
musnahkan dengan
cara dibakar.
b. Jangan menanam
bawang merah pada
saat banyak hujan,
dan kabut, serta
embun.
c. Semprotkan fungisida
berbahan aktif tiram
(tifo 80 wp ziplo 90
wp) ditambahkan
mancozeb (dithane
80 wp, manzed 80
wp, detazeb 80 wp).
dosis pemakaian 3
sendok penuh/17 liter
air.

Gejala penyakit bawang merah dapat dilihat pada tabel 3.2:

Tabel 3.2 Gejala penyakit bawang merah
Kode Gejala Nama Gejala
G01 Daun menguning dan melintir
G02 Umbi berubah menjadi warna putih dan busuk
G03 Tanaman menjadi cepat layu
G04 Timbul bercak putih berukuran 1-2 mm pada daun
G05 Terbentuk koloni dengan warna berubah dari merah muda,
coklat gelap dan menjadi hitam gelap.
G06 Timbul bercak melengkung berwarna putih atau kelabu pada

19
 daun.
G07 Ujung daun mengering bahkan mudah patah.
G08 Bagian ujung daun menjadi busuk basah.
G09 Daun mengering, warnanya berubah menjadi kuning
kecoklatan lalu putih.
G10 Daun menjadi hijau pucat
G11 Umbi yang terinfeksi berwarna coklat pada lapisan luarnya
G12 Umbi menjadi lunak dan mengerut
G13 Berbentuk spora yang sangat banyak seperti bulu-bulu pada
umbi.

Basis pengetahuan untuk sistem pakar penyakit bawang merah dapat dilihat
pada tabel 3.3.
Tabel 3.3 Basis pengetahuan penyakit bawang merah
Kode Penyakit Kode Gejala
P01 G01, G02, G03
P02 G04, G05
P03 G06, G07
P04 G08, G09
P05 G10, G11, G12, G13

Perhitungan Menggunakan Klasifikasi Naive Bayes

Contoh perhitungan dengan menggunakan klasifikasi Naive Bayes dapat
diterapkan pada bawang merah yang mengalami gejala nomor 1,3, 7 dan 11.
Keterangan gejala adalah :
a. Daun menguning dan melintir
b. Tanaman menjadi cepat layu
c. Ujung daun mengering bahkan mudah patah
d. Umbi yang terinfeksi berwarna coklat pada lapisan luarnya
20
Langkah-langkah perhitungan Naive Bayes sebagai berikut :
1) Menentukan nilai nc untuk setiap class
Penyakit Bawang Merah ke - 1 : Layu Fusarium
n=1
p = 1/5 = 0.2
m = 13
1. nc = 1
3. nc = 1
7. nc = 0
11. nc = 0
Penyakit Bawang Merah ke - 2 : Antraknosa
n=1
p = 1/5 = 0.2
m = 13
1. nc = 0
4. nc = 0
7. nc = 0
11. nc = 0
Penyakit Bawang Merah ke - 3 : Bercak Ungu
n=1
p = 1/5 = 0.2
m = 13
1. nc = 0
4. nc = 0
7. nc = 1
11. nc = 0
Penyakit Bawang Merah ke - 4 : Mati Pucuk
n=1
p = 1/5 = 0.2
m = 13
1. nc = 0

21
 4. nc = 0
7. nc = 0
11. nc = 0
Penyakit Bawang Merah ke - 5 : Embun Bulu
n=1
p = 1/5 = 0.2
m = 13
1. nc = 0
4. nc = 0
7. nc = 0
11. nc = 1
Keterangan :
n adalah jumlah data tiap kelas
p adalah nilai prior
m adalah jumlah seluruh fitur tiap kelas

2) Menghitung nilai P (ai|vj) dan menghitung nilai P (vj)

Penyakit Bawang Merah ke - 1 : Layu Fusarium

1 + 1 3 x 0,2
P(1|M) = = 0.2571
1+13

1 + 1 3 x 0,2
P(3|M) = = 0.2571
1+13

0 + 1 3 x 0,2
P(7|M) = = 0.1857
1+1 3

0 + 1 3 x 0, 2
P(11|M) = = 0.1857
1+13

P(M) = 1/5 = 0,2

Penyakit Bawang Merah ke - 2 : Antraknosa

0 + 13 x 0,2
P(1|K) = = 0.1857
1+13

22
 0 + 13 x 0,2
P(3|K) = = 0.1857
1+1 3

0 + 1 3 x 0,2
P(7|K) = = 0.1857
1+13

0 + 1 3 x 0,2
P(11|K) = = 0.1857
1+13

P(K) = 1/5 = 0,2

Penyakit Bawang Merah ke - 3 : Bercak Ungu

0 + 1 3 x 0,2
P(1|MK) = = 0.1857
1+13

0 + 1 3 x 0,2
P(3|MK) = = 0.1857
1+13

1 + 13 x 0,2
P(7|MK) = = 0.2571
1+1 3

0 + 1 3 x 0,2
P(11|MK) = = 0.1857
1+13

P(MK) = 1/2 = 0,2

Penyakit Bawang Merah ke - 4 : Mati Pucuk

0 + 13 x 0,2
P(1|K) = = 0.1857
1+13

0 + 13 x 0,2
P(3|K) = = 0.1857
1+1 3

0 + 1 3 x 0,2
P(7|K) = = 0.1857
1+13

0 + 1 3 x 0,2
P(11|K) = = 0.1857
1+13

P(K) = 1/5 = 0,2

Penyakit Bawang Merah ke - 5 : Embun Bulu

23
 0 + 1 3 x 0,2
P(1|MK) = = 0.1857
1+13

0 + 1 3 x 0,2
P(3|MK) = = 0.1857
1+13

0 + 13 x 0,2
P(7|MK) = = 0.1857
1+1 3

1 + 1 3 x 0,2
P(11|MK) = = 0.2571
1+13

P(MK) = 1/5 = 0,2

Keterangan :
P(MK) adalah Nilai prior tiap kelas
P(A|MK) adalah Nilai Likelihood
3) Menghitung P(ai|vj) x P(vj) untuk tiap v
Penyakit Bawang Merah ke - 1 : Layu Fusarium

P(M) x P(1|M) x P(3|M) x P(7|M) x P(11|M)

= 0,2 x 0.2571 x 0.2571 x 0.1857 x 0.1857

= 4.559 e-4
Penyakit Bawang Merah ke - 2 : Antraknosa

P(M) x P(1|M) x P(3|M) x P(7|M) x P(11|M)

= 0,2 x 0.1857 x 0.1857 x 0.1857 x 0.1857

= 2.3784 e-4
Penyakit Bawang Merah ke - 3 : Bercak Ungu
P(M) x P(1|M) x P(3|M) x P(7|M) x P(11|M)
= 0,2 x 0.1857 x 0.1857 x 0.2571 x 0.1857
= 3.2928 e-4
Penyakit Bawang Merah ke - 4 : Mati Pucuk

P(M) x P(1|M) x P(3|M) x P(7|M) x P(11|M)

= 0,2 x 0.1857 x 0.1857 x 0.1857 x 0.1857

24
 = 2.3784 e-4
Penyakit Bawang Merah ke - 53 : Embun Bulu
P(M) x P(1|M) x P(3|M) x P(7|M) x P(11|M)
= 0,2 x 0.1857 x 0.1857 x 0.1857 x 0.2571
= 3.2928 e-4
4) Menentukan hasil klasifikasi yaitu v yang memiliki hasil perkalian
yang terbesar
Penyakit Layu Fusarium, nilai v = 4.559 e-4

Penyakit Antraknosa, nilai v = 2.3784 e-4

Penyakit Bercak Ungu, nilai v = 3.2928 e-4

Penyakit Mati Pucuk, nilai v = 2.3784 e-4

Penyakit Embun Bulu, nilai v = 3.2928 e-4

Karena nilai 4.559 e-4 adalah yang terbesar, maka untuk kasus penyakit
bawang merah diklasifikasikan sebagai penyakit Layu Fusarium.
3. Tahap 3 Desain (Design)
Tahap perancangan sistem merupakan suatu proses, desain dan cara supaya
sistem dapat berjalan seperti yang diharapkan. Pada tahap perancangan
dilakukan perancangan sistem berupa UML (Unified Modelling Language),
perancangan basis data, perancangan antar muka aplikasi dan dilanjutkan
dengan konstruksi.
a. Use Case Diagram
Use case diagram merupakan penggambaran terhadap hal yang bisa
dilakukan oleh pengguna terhadap sistem. Berikut Use Case sistem pakar
penyakit bawang merah :

25
 Gambar 3.2 Use Case Diagram

b. Activity Diagram
Activity diagram digunakan untuk memodelkan proses-proses apa saja
yang terjadi pada sistem. Berikut activity diagram sistem pakar penyakit
bawang merah.

26
Gambar 3.3 Activity Diagram Pengguna

27
 Gambar 3.4 Activity Diagram Admin
c. Class Diagram
Class diagram digunakan untuk menampilkan kelas-kelas maupun paket-
paket yang ada pada suatu sistem. Berikut class diagram sistem pakar
penyakit bawang merah.

28
 Gambar 3.5 Class Diagram
d. Sequence Diagram
Sequence diagram adalah diagram yang digunakan untuk menampilkan
interaksi antar objek-objek dalam sebuah sistem. Berikut sequence
diagram sistem pakar penyakit bawang merah.

Gambar 3.6 Sequence Diagram

29
e. Deployment Diagram
Deployment diagram adalah diagram yang digunakan untuk digunakan
untuk memvisualisasikan hubungan antara software dan hardware.
Berikut deployment diagram sistem pakar penyakit bawang merah.

Gambar 3.7 Deployment Diagram

f. Perancangan Basis Data
Dalam perancangan basis data digunakan ERD (Entity Relatioship
Diagram) untuk membuat hubungan antar entitas pada basis data. Berikut
perancangan ERD sistem pakar penyakit bawang merah.

Gambar 3.8 Entity Relatioship Diagram

Untuk perancangan tabelnya adalah sebagai berikut :
Tabel 3.4 Struktur Tabel Penyakit

No Nama Field Tipe Data Keterangan

1. IdPenyakit Integer Primary Key, AutoIncrement

30
 2. Nama_Penyakit Varchar(30)
3. Penanganan Text
4. Gambar Varchar(30)
5. Gejala Varchar(30)

Tabel 3.5 Struktur Tabel Gejala

No Nama Field Tipe Data Keterangan
1. IdGejala Integer Primary Key, AutoIncrement
2. Gejala Text

g. Perancangan Antarmuka
Berikut adalah rancangan antarmuka aplikasi sistem pakar penyakit
bawang merah.

Gambar 3.9 Perancangan Halaman Awal

Perancangan halaman awal terdiri logo
dan tombol Selamat datang untuk
masuk ke menu utama.

31
 Gambar 3.10 Perancangan Menu Utama
Perancangan menu utama terdiri dari tombol menu yang terdiri dari menu
diagnosa, menu penyakit, menu tentang prgram, menu admin dan menu
keluar.

Gambar 3.11 Perancangan Diagnosa

Perancangan halaman diagnosa terdiri
dari daftar gejala yang dapat dipilih berupa
check box dan tombol diagnosa untuk
melakukan proses diagnosa.

32
 Gambar 3.12 Perancangan Hasil Diagnosa
Perancangan hasil diagnosa terdiri dari data perhitungan dengan metode
naive bayes dan hasil diagnosa penyakit.

Gambar 3.13 Perancangan Tentang Program

Perancangan tentang program terdiri dari
keterangan mengenai data pembuat
aplikasi.

33
 Gambar 3.14 Perancangan Login Admin
Perancangan halaman login admin terdiri dari data username dan password
untuk login.
4. Tahap 4 Pengujian (Test)
Pengujian adalah tahap uji coba sistem pakar yang telah dikembangkan. Tahap
pengujian ini menggunakan pengujian black box.
5. Tahap 5 Dokumentasi (Documentation)
Tahap dokumentasi menangani kebutuhan untuk mengumpulkan seluruh
informasi proyek ke dalam dokumen yang dapat memenuhi persyaratan baik
pengguna dan pengembang sistem pakar, dokumentasi menampung kebutuhan
pengguna yang sesuai dengan persyaratan yang ditemukan dalam kebanyakan
proyek perangkat lunak, dokumentasi menjelaskan bagaimana cara untuk
mengoperasikan sistem dan mungkin penyediakan tutorial langkah-langkah
melalui fitur operasional penting dari sebuah sistem.
6. Tahap 6 Pemeliharaan (Maintenance)
Setelah sistem pakar diterapkan di lingkungan kerja, diperlukan pemeliharaan
sistem secara berkala. Tujuannya agar pengetahuan sistem perlu
disempurnakan atau diperbarui untuk memenuhi kebutuhan saat ini. Pada
aplikasi sistem pakar ini untuk pemeliharaan tidak dapat dilakukan karena
sistem pakar penyakit bawang merah ini dijalankan secara offline.

34
 BAB IV
HASIL DAN PEMBAHASAN

Dalam bab ini dibahas mengenai hasil dan pembahasan mengenai

penelitian sistem pakar penyakit bawang merah berbasis android dengan metode
naive bayes.
4.1 Aplikasi Diagnosa Penyakit Bawang Merah
Setelah melewati tahap perancangan aplikasi, maka dilanjutkan dengan
pembuatan aplikasi diagnosa menggunakan software Android Studio. Hasil
tersebut menyesuaikan dengan rancangan yang telah dibuat, mulai dari halaman
awal aplikasi, menu utama, diagnosis, daftar penyakit, dan login admin. Berikut
ini adalah hasil dari implementasi rancangan yang telah dibuat sebelumnya.
a. Tampilan Halaman Awal Aplikasi
Halaman awal aplikasi merupakan tampilan awal yang akan ditampilkan pada
saat pengguna menjalankan aplikasi Diagnosa Bawang Merah. Halaman awal
aplikasi menampilkan gambar logo aplikasi diagnosa bawang merah dan
tombol Selamat Datang. Hasil halaman awal aplikasi yang dibuat dapat
diketahui pada gambar 4.1.

35
 Gambar 4.1 Halaman Awal Aplikasi
Untuk masuk ke Menu Utama aplikasi diagnosa penyakit Bawang Merah
dapat dilakukan dengan menekan tombol Selamat Datang

b. Tampilan Halaman Menu Utama

Halaman menu utama merupakan halaman yang menampilkan tombol-tombol
menu yang dapat dijalankan oleh pengguna aplikasi. Hasil implementasi
halaman menu utama yang dibuat dapat diketahui pada gambar 4.2.

Gambar 4.2 Halaman Menu Utama

Halaman menu utama terdiri dari menu-menu sebagai berikut :
1. Menu Diagnosa : untuk menampilkan hasil diagnosa penyakit bawang
merah menggunakan metode Naive Bayes dengan memilih beberapa
gejala penyakit yang terdapat pada bawang merah.
2. Menu Penyakit : untuk menampilkan data penyakit yang terdapat pada
bawang merah.
3. Menu Tentang : untuk menampilkan informasi mengenai aplikasi dan
pembuat aplikasi.
4. Menu Admin : untuk menampilkan menu administrator yang merupakan
pakar bawang merah.

36
 5. Menu Keluar : untuk keluar dari aplikasi diagnosa bawang merah
Pengguna dapat menjalankan menu dengan menekan salah satu tombol pada
menu utama tersebut.

c. Tampilan Halaman Diagnosa

Halaman diagnosa merupakan halaman yang menampilkan daftar gejala
penyakit yang terdapat tanaman bawang merah. Hasil implementasi halaman
diagnosa yang dibuat dapat diketahui pada gambar 4.3.

Gambar 4.3 Halaman Diagnosa

Pengguna memilih gejala penyakit pada tanaman bawang merah, kemudian
pilih tombol Diagnosis ntuk menampilkan hasil diagnosa penyakit bawang
merah. Untuk kembali ke menu utama pilih tombol Kembali.

d. Tampilan Halaman Hasil Diagnosa

Halaman hasil diagnosa merupakan halaman yang menampilkan hasil
diagnosa penyakit bawang merah menggunakan metode Naive Bayes. Hasil
implementasi halaman hasil diagnosa yang dibuat dapat diketahui pada
gambar 4.4.

37
 Gambar 4.4 Halaman Hasil Diagnosa
Pada halaman hasil diagnosa akan menampilkan nilai perhitungan semua
penyakit bawang merah menggunakan metode Naive Bayes, dan memberikan
hasil kesimpulan diagnosa penyakit bawang merah berdasarkan gejala-gejala
yang sudah dipilih.

e. Tampilan Halaman Penyakit

Halaman penyakit merupakan halaman yang menampilkan data penyakit
bawang merah. Hasil implementasi halaman penyakit adalah:

Gambar 4.5 Halaman Penyakit

38
 Pada halaman penyakit akan ditampilkan daftar nama penyakit yang disertai
dengan gambar penyakit bawang merah.

Gambar 4.6 Halaman Detail Penyakit

Mengklik pada masing-masing penyakit bawang merah untuk menampilkan
detail penyakit bawang merah, sehingga ditampilkan detail penyakit bawang
merah dengan gejala-gejalanya dan cara penanganannya. Memilih tombol
Kembali untuk kembali ke menu utama.

f. Tampilan Halaman Tentang Program

39
 Gambar 4.7 Halaman Tentang Program
Halaman tentang program merupakan halaman yang menampilkan informasi
mengenai aplikasi diagnosa bawang merah dan pembuat aplikasi tersebut.
Pada gambar juga ditampilkan logo kampus ITTelkom Purwokerto tempat
pembuat progra menimba ilmu selama ini.

g. Tampilan Halaman Login Admin

Halaman login admin merupakan halaman yang digunakan untuk login
administrator yang merupakan pakar di bidang tanaman bawang merah. Hasil
implementasi halaman login admin yang dibuat dapat diketahui pada gambar
4.8.

Gambar 4.8 Halaman Login Admin

Pengguna memasukkan nama admin dan password, jika nama admin dan
password sesuai maka ditampilkan menu untuk Administrator atau Pakar. Jika
nama admin dan password tidak sesuai maka ditampilkan pesan bahwa nama
dan password tidak sesuai.

40
h. Tampilan Menu Keluar
Menu Keluar merupakan tombol untuk keluar dari aplikasi. Menu Keluar
dapat diketahui pada gambar 4.9.

Gambar 4.9 Konfirmasi Keluar dari Aplikasi

Pada menu keluar akan ditampilkan konfirmasi berupa pesan “Anda ingin
keluar dari aplikasi ini?”. Jika dipilih Keluar, maka aplikasi akan tertutup. Jika
dipilih Tidak maka pengguna tetap berada pada menu utama aplikasi.
4.2 Analisa Pengujian
Aplikasi diagnosa penyakit bawang merah berbasis android telah berhasil
dibuat. Dalam pengujian aplikasi tersebut dilakukan dengan metode Black Box
Testing. Berikut ini hasil pengujian Black Box Testing.
Tabel 4.1 Black Box Testing
Fungsional Skenario Status
No Pengujian
Sistem Pengujian Pengujian
1 Halaman awal Mengklik tombol Jika diklik tombol
aplikasi selamat datang selamat datang
untuk maka
menampilkan menampilkan Berhasil
menu utama menu utama
sistem pakar
bawang merah

2 Diagnosa Memilih gejala Jika gejala belum Berhasil

Penyakit penyakit, dipilih pada saat
kemudian mengklik tombol

41
 Fungsional Skenario Status
No Pengujian
Sistem Pengujian Pengujian
1 Halaman awal Mengklik tombol Jika diklik tombol
aplikasi selamat datang selamat datang
untuk maka
menampilkan menampilkan Berhasil
menu utama menu utama
sistem pakar
bawang merah

mengklik tombol diagnosa akan

Diagnosa muncul
konfirmasi untuk
memilih gejala
terlebih dahulu

3 Hasil Memilih gejala Setelah memilih

Diagnosa penyakit bawang gejala, kemudian
merah, kemudian mengklik tombol
mengklik tombol diagnosa maka
Diagnosa ditampilkan hasil
perhitungan Berhasil
metode naive
bayes penyakit
dan hasil diagnosa
penyakit bawang
merah

4 Daftar Mengklik menu Jika diklik menu

Penyakit penyakit pada penyakit maka
menu utama menampilkan
daftar nama
penyakit beserta Berhasil
gambarnya

5 Detail Mengklik salah Jika diklik data

Penyakit satu penyakit penyakit maka
pada daftar menampilkan
detail penyakit Berhasil
berupa gambar,
gejala dan cara
penanganannya

6 Tentang Mengklik menu Jika diklik menu Berhasil

Program tentang pada tentang maka
menu utama menampilkan
informasi

42
 Fungsional Skenario Status
No Pengujian
Sistem Pengujian Pengujian
1 Halaman awal Mengklik tombol Jika diklik tombol
aplikasi selamat datang selamat datang
untuk maka
menampilkan menampilkan Berhasil
menu utama menu utama
sistem pakar
bawang merah

mengenai aplikasi
beserta pembuat
aplikasi

7 Login Admin Mengisikan Jika nama admin

nama admin dan dan password
password untuk keliru maka
mengakses menu muncul notifikasi
pakar kesalahan. Jika Berhasil
benar maka
muncul notifikasi
selamat datang
admin.

8 Keluar Mengklik menu Jika diklik menu

Aplikasi keluar pada keluar maka
menu utama muncul
konfirmasi
“Keluar dari
aplikasi?”. Jika
Berhasil
dipilih keluar
maka aplikasi
akan berakhir.
Jika dipilih tidak
maka aplikasi
tetap berjalan

43
 BAB V
KESIMPULAN

5.1 Kesimpulan
Berdasarkan penelitian yang dilakukan maka diambil kesimpulan sebagai
berikut :
1. Penelitian ini berhasil membuat aplikasi diagnosa penyakit bawang merah
dengan metode Naive Bayes berbasis android.
2. Aplikasi ini berhasil diuji dengan menggunakan metode blackbox testing dan
berhasil berjalan dengan baik.

5.2 Saran
Dari penelitian yang dilakukan, penulis memberikan saran sebegai berikut:
1. Aplikasi diagnosa penyakit bawang merah dapat diterapkan untuk
smartphone selain android.
2. Adanya fitur kontak person untuk pakar bawang merah agar pengguna dapat
melakukan konsultasi tentang penyakit bawang merah.

44
 DAFTAR PUSTAKA

[1] Kementan RI, "Mentan Bersama Kabulog Panen Raya Bawang Merah di
Brebes". diambil dari https://www.pertanian.go.id/home/?show=new
&act=view&id=3292.

[2] Tuswanto, A. Fadlil. "Sistem Pakar Untuk Mendiagnosa Hama Dan

Penyakit Tanaman Bawang Merah Menggunakan Certainty Factor". Jurnal
Sarjana Teknik Informatika Vol. 1 No.1. 2013.

[3] A. Ke, N. Hidayat, L. Fanani. " Sistem Pakar Diagnosis Penyakit Pada
Tanaman Jagung Menggunakan Metode Naive Bayes Berbasis Android".
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2 No.
7. 2018.

[4] M. Fauzi, M.I.J. Lamabelawa. "Sistem Pakar Penentuan Penyakit Pada

Tanaman Bawang Merah Dengan Metode Teorema Bayes". Prosiding
SEMAU. 2020.

[5] R, Sunarya, D. Destiani. "Pengembangan Sistem Pakar Diagnosis Hama

Dan Penyakit Pada Tanaman Bawang Merah Berbasis Android". Jurnal
Algoritma STT Garut Vol. 13 No. 1. 2016.

[6] E. Sudaryanto, A. Suryanto. "Sistem Pakar Diagnosa Hama Dan Penyakit

Tanaman Durian Dengan Metode Naive Bayes". Jurnal Teodolita Vol. 21
No. 1. 2020.

[7] A. Syarifudin, N. Hidayat, L. Fanani. " Sistem Pakar Diagnosis Penyakit

Pada Tanaman Jagung Menggunakan Metode Naive Bayes Berbasis
Android ". Jurnal PTIIK Vol. 2 No. 7. 2018.

[8] I.S. Ma’rifati, C. Kesuma. "Pengembangan Sistem Pakar Mendeteksi

Penyakit Pencernaan Menggunakan Metode Naive Bayes Berbasis Web".
Jurnal Evolusi Universitas BSI Volume 6 No. 1. 2018.

[9] Y.B. Utomo, G.W. Harsanto. "Penerapan Metode Certainty Factor Dan
Naive Bayes Untuk Mendiagnosa Penyakit Akibat Gigitan Nyamuk".
Generation Journal Vol.4 No.2. 2020.

[10] H.T. Sihotang. "Sistem Pakar Mendiagnosa Penyakit Kolesterol Pada

Remaja Dengan Metode Certainty Factor (Cf) Berbasis Web". Jurnal

45
 Mantik Penusa Vol 15 No. 1. 2014.

[11] R. Miranda, N.A Hasibuan, Pristiwanto, Mesran. "Sistem Pakar

Mendiagnosa Penyakit Jamur Akar Putih (Riqidoporus Lignosus) Pada
Tanaman Karet (Havea Brasiliensis) Dengan Metode Certainty Factor".
JURIKOM Vol. 3 No. 6. 2016.

[13] J. Nasir, Jahro. "Sistem Pakar Konseling Dan Psikoterapi Masalah

Kepribadian Dramatik Menggunakan Metode Forward Chaining Berbasis
Web". RABIT (Jurnal Teknologi dan Sistem Informasi Univrab) Vol 3 No.
1. 2018.

[14] A. Juansyah, “Pembangunan Aplikasi Child Tracker Berbasis Assisted –

Global Positioning System ( A-Gps ) Dengan Platform Android Jurnal
Ilmiah Komputer Dan Informatika ( Komputa )”. Jurnal Ilmu Komputer
Dan Informatika Vol. 1, No. 1. 2015.

[15] F.H.M. Ichwan, "Pengukuran Kinerja Goodreas Application Programming

Interface (API) Pada Aplikasi Mobile Android," INFORMATIKA, vol.2,
no.2, pp.13-21. 2015.

[16] Bayu. "Urutan OS Android Terbaru dari Cupcake hingga Android 11".
Diambil dari https://hpsultan.com/urutan-android-terbaru. 2021

[17] A. Juansyah, “Pembangunan Aplikasi Child Tracker Berbasis Assisted –

Global Positioning System ( A-Gps ) Dengan Platform Android Jurnal
Ilmiah Komputer Dan Informatika ( Komputa ),” J. Ilmu. Komput. Dan
Informatika., Vol. 1, No. 1, Pp. 1–8, 2015.

[18] D.W Putra, Trise, A. Rahmi, “Unified Modelling Language ( UML )

dalam Perancangan Sistem Informasi Permohonan Pembayaran Restitusi
SPPD,” Jurnal TEKNOIF, vol. 7, no. 1, pp. 32–39, 2019.

[19] W.Y Sasmita, Sulistiowati, J. Lemantara.. "Rancang Bangun Sistem

Informasi Persebaran Dan Potensi Bidang Usaha Perdagangan Pada Dinas
Perdagangan Dan Perindustrian Kota Surabaya". Jurnal JSIKA Vol. 4, No.
2. 2015.

[20] E.W. Fridayanthie, T. Mahdiati. "Rancang Bangun Sistem Informasi

Permintaan Atk Berbasis Intranet (Studi Kasus: Kejaksaan Negeri
Rangkasbitung)". Jurnal Khatulistiwa Informatika, Vol. IV, No. 2. 2016.

[21] A. Saepulloh, D.D.S. Fatimah. "Pengembangan Sistem Pakar Diagnosa

Penyakit Dan Hama Pada Tanaman Padi Varietas Sarinah Berbasis

46
 Android". Jurnal Algoritma Vol. 13 No. 1. 2016.

[22] A. Rouf, “Pengujian Perangkat Lunak Dengan Menggunakan Metode

White Box Dan Black Box,” No.1,Pp. 1–7,2014.

47