1

BAB I
PENDAHULUAN

1.1. Latar Belakang

Kakao merupakan satu di antara produk petani yang memiliki peran sangat
penting dan cukup nyata serta dapat diandalkan, khususnya dalam hal penyediaan
tenaga kerja. Peningkatan kesejahteraan petani dan peningkatan pendapatan
Negara atau devisa (Umayah, 2018). Kakao sering disebut buah coklat karena dari
biji kakao yang telah mengalami serangkaian proses pengolahan dapat dihasilkan
coklat bubuk. Coklat bubuk ini banyak dipakai sebagai bahan untuk membuat
berbagai macam produk makanan dan minuman, seperti susu, selai, roti dan lain-
lain. Selain itu juga, coklat memiliki banyak manfaat bagi kesehatan.
Kakao juga merupakan salah satu komoditi unggulan perkebunan di Nusa
Tenggara Timur, khususnya di Kabupaten Manggarai Timur. Luas lahan
perkebunan tanaman kakao di Kabupaten Manggarai Timur saat ini mencapai
2.196 hektar dan luas panen yang sudah dihasilkan seluas 839 hektar. Jumlah
produksi perkebunan kakao terbesar di Kabupaten Manggarai Timur terdapat di
Kecamatan Kota Komba sebesar 89 ton dengan jumlah luas area 647 hektar
dimana yang sudah menghasilkan 397 hektar. Faktor permasalahan yang
mempengaruhi pertumbuhan produktivitas kakao adanya penyakit tanaman yang
biasa dilihat dari gejala-gejala fisik, daun, batang, akar, maupun dari buah kakao
yang dihasilkan, untuk membantu dan menanggulangi penyakit tanaman kakao
(Umayah, 2018).
Kurangnya pemahaman masyarakat dalam penanggulangan penyakit
tanaman kakao mengakibatkan hasil panen petani berkurang dan kualitas tanaman
kurang baik, maka perlu dibutuhkan aplikasi sistem pakar untuk mendiagnosa
penyakit tanaman kakao serta memberikan cara yang tepat untuk menanggulangi,
sehingga dapat menjadi alternatif dalam menyelesaikan permasalahan ini dengan
menerapkannya kedalam sebuah sistem.
Berdasarkan hasil penelitian maka penulis akan mengembangkan alat bantu
yang berupa aplikasi sistem pakar dengan tujuan aplikasi ini dapat membantu
pihak perkebunan kakao di Manggarai Timur dan petani untuk mengetahui jenis
penyakit yang terlihat dan juga dengan adanya aplikasi ini dapat membantu
memberikan solusi untuk menangani tanaman kakao yang terserang penyakit,
sehingga banyak tanaman kakao yang terselamatkan dan hal ini dapat
meningkatkan produksi dan juga kualitas dari kakao yang dihasilkan. Penelitian
ini akan membangun sebuah pengembangan sistem pakar mendiagnosa penyakit
pada tanaman kakao dengan menggunakan metode Teorema Bayes untuk
membantu para petani untuk mengidentifikasi kepastian pada penyakit tanaman
kakao serta memberikan solusi dan informasi untuk menangani penyakit yang
sudah dideteksi pada tanaman tersebut.

1
2

1.2. Perumusan Masalah

Rumusan masalah dari penelitian adalah bagaimana membangun sebuah
sistem pakar mendiagnosa penyakit pada tanaman kakao menggunakan metode
Teorema Bayes.

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah membangun sebuah sistem pakar
mendiagnosa penyakit pada tanaman kakao untuk membantu petugas pertanian
dan petani dalam melakukan diagnosa penyakit pada tanaman kakao berdasarkan
gejala yang ada serta memberikan solusi penanggulangan yang tepat melalui
pengolah komputer dengan menggunakan sistem pakar dengan metode Teorema
Bayes.

1.4. Manfaat Penelitian

Berdasarkan manfaat yang akan diperoleh dari penelitian ini adalah sebagai
berikut:
1. Dapat dijadikan sebagai referensi di bidang penelitian sistem pakar untuk
mendiagnosa jenis penyakit pada tanaman kakao.
2. Memberi kemudahan bagi petugas Dinas Pertanian dan Perkebunan
Provinsi NTT dalam mendiagnosa jenis penyakit tanaman kakao
berdasarkan gejala yang ada.
3. Dapat membantu masyarakat khususnya petani di Kabupaten Mangggarai
Timur dalam memberikan informasi mengenai jenis penyakit pada
tanaman kakao serta solusi cara penanggulangan penyakit teersebut.

1.5. Ruang Lingkup

Adapun ruang lingkup penelitian ini adalah sebagai berikut:
1. Penelitian ini dilakukan di Dinas Pertanian dan Perkebunan Provinsi
NTT khusus untuk wilayah Manggarai Timur.
2. Jenis tanaman yang diteliti adalah tanaman kakao (coklat).
3. Terdapat 6 jenis penyakit pada tanaman kakao:
a. Vascular Streak Dieback (VSD).
b. Busuk Buah.
c. Kanker Batang.
d. Antraknose.
e. Jamur Akar.
f. Jamur Upas.
4. Sistem ini akan menghasilkan:
a. Hasil diagnosa.
b. Cara penanganannya.
 3

3
 BAB II
TINJAUAN PUSTAKA

2.1. Artificial Intelligence (AI)

Kecerdasan buatan adalah salah satu bidang ilmu computer yang
mendayagunakan komputer sehingga dapat berprilaku cerdas seperti manusia.
Kecerdasan diciptakan dan dimasukan ke dalam suatu mesin agar dapat
melakukan pekerjaan seperti yang dapat dilakukan manusia. Artificial Intelgence
(AI) memiliki tujuan untuk menciptakan komputer-komputer dapat berpikir
lebih cerdas dan membuat mesin lebih berguna. Dua bagian utama yang
dibutuhkan untuk aplikasi kecerdasan buatan (Kusumadewi, 2003):
1. Basis pengetaahuan (knowledge base) merupakan berisi fakta-fakta,
teori, pemikiran dan hubungan antara satu dengan lainnya.
2. Motor inferensi (inference engine) merupakan kemampuan menarik
kesimpulan berdasarkan pengalaman teknologi kecerdasan buatan
dipelajari dalam berbagai bidang seperti Robotika (Robotic),
Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami
(Natural language processing), Pengenalan Pola (Pattern Recognition),
Sistem Saraf Buatan (Artificial Neural System), Pengenalan Suara
(Speech Recognition), dan Sistem Pakar (Expert System).

2.2. Penelitian Terdahulu

Sihotang (2018), melakukan penelitian berjudul “Sistem Pakar Untuk
Mendiagnosa Penyakit pada Tanaman Jagung dengan Metode Teorema Bayes”
membahas tentang bagaimana merancang aplikasi untuk mendiagnosa penyakit
tanaman jagung menggunakan Microsoft Visual Studio dengan tujuan untuk
membantu petani dalam menentukan pilihan pengobatan untuk mengatasi
penyakit pada tanaman jagung. Metode yang digunakan dalam penelitian ini
adalah metode Teorema Bayes. Hasil dari penelitian ini adalah berupa pengurutan
data penyakit pada tanaman jagung yang dijadikan sebagai alat bantu dalam
pengambilan keputusan bagi petani.
Yuki (2018), melakukan penelitian berjudul “Penerapan Metode Teorema
Bayes pada Identifikasi Penyakit Kacang Tanah”. Tujuan penelitian ini adalah
untuk membantu petani dalam hal melakukan diagnosa penyakit serta
memberikan solusi untuk mengatasu penyakit pada kacang tanah. Metode yang
digunakan dalam penelitian ini adalah metode Teorema Bayes. Penelitian ini
menghasilkan sistem yang dapat mengidentifikasi penyakit pada tanaman kacang
tanah berbasis web.
Selanjutnya Tuswanto dan Fadil (2013), melakukan penelitian berjudul
“Pengembangan Sistem Pakar Diagnosa Penyakit Cabai”. Tujuan penelitian ini
bertujuan sebagai media untuk mempermudah proses penyuluhan penyakit cabai
kepada petani yang dilakukan oleh pihak penyuluhan pertanian atau seorang
pakar. Metode yang digunakan dalam penelitian ini adalah metode Forward
Chaining. Penelitian ini menghasilkan sistem yang mendiagnosa penyakit pada
tanaman cabai yang berbasis desktop.

3
4

2.3. Sistem Pakar

Sistem Pakar merupakan sistem informasi berbasis komputer yang
menggunakan pengetahuan pakar untuk mencapai performa keputusan tingkat
tinggi dalam domain persoalan sempit. Bagian dalam sistem pakar terdiri dari
dua komponen utama yakni berisi knowledge base yang berisi basis
pengetahuan dan mesin inferensi yang menggambarkan kesimpulan kesimpulan
tersebut merupakan respon dari sistem pakar atas permintaan pengguna. Berikut
gambaran konsep dasar suatu sistem pakar knowledge base (Turban, 2005).

keahlia Knowledge base

USER
Fakta
Mesin inferensi

Gambar 1. Konsep Dasar Sistem Pakar (Turban, 2005)

2.4. Tanaman Kakao

Tanaman kakao/coklat sendiri berasal dari hutan hujan tropis di Amerika
Tengah, tepatnya di antara 18o LU sampai 15o LS. Tananaman kakao mulai
dikenal di Indonesia sejak tahun 1560, namun baru menjadi komoditas yang
penting mulai tahun 1921. Sekitar tahun 1930’an Indonesia dikenal sebagai
Negara pengekspor biji kakao terpenting di dunia dan pada tahun 2010 Indonesia
merupakan pengekspor biji kakao terbesar ketiga dunia dengan produksi biji
kakao kering 550.000 ton.
Ada enam jenis penyakit yang sering menyerang tanaman kakao yaitu
Vascular Streak Dieback (VSD) penyebabnya adalah infeksi cendawan
Oncobasidium theobromae, busuk buah yang disebabkan oleh Phythopora
palmivora pada buah, kanker katang disebabkan oleh phythopora palmivora
pada batang, penyakit jamur akar cendawan Rigidoporus microporus,
Ganoderma Pseudoforeum, dan Fomes, penyakit Jamur Upas dan penyakit
Antraksona.
1. Penyakit Vascular Streak Dieback (VSD), gejala pada penyakit ini adalah:
a. Daun-daun menguning.
b. Daun terdapat bercak berwarna hijau.
c. Daun gugur.
d. Terdapat bintik 3 kecoklatanpermukaan bekas menempelnya daun bila
di iris tipis.
e. Permukaan kulit ranting kasar dan belang.
f. Terdapat garis-garis (Streak) berwarna kecoklatan bila kulit ranting
diiris secara memanjang.
Cara mengatasinya adalah menggunakan varietas tahan, sanitasi dan
fungsida.
2. Penyakit Busuk Buah, gejala pada penyakit ini adalah:
a. Buah terdapat bercak coklat kehitaman.
b. Buah berwarna hitam dan jika ditekan dengan jari terasa lembek dan
basa.
 5

c. Buah busuk.
Cara mengatasinya adalah menggunakan klon unggul yang tahan
penyakit busuk buah kakao seperti DRC 16, ICS 6, DR1 x Sca 12,DRC
16 x Sca 6 atau DRC 16 x Sca 12.
3. Penyakit kanker batang, gejala pada penyakit ini adalah:
a. Batang atau cabang mengembung berwarna lebih gelap atau kehitam-
hitaman.
b. Permukaan kulit batang retak.
c. Batang atau cabang terdapat cairan kemerahan seperti lapisan karat.
d. Jika lapisan kulit luar batang atau cabang dibersihkan akan tampak
lapisan di bawahnya membusuk, berwarna merah anggur menjadi
coklat.
Cara mengatasinya adalah:
1) Kulit batang yang membusuk dikupas sampai batas kulit yang
sehat.
2) Luka kupasan selanjutnya dioleskan dengan fungsida/kunyit.
4. Penyakit Antraknosa, gejala pada penyakit ini adalah:
a. Daun gugur.
b. Buah terdapat bercak coklat kehitaman.
c. Daun terdapat bintik-bintik coklat tidak beraturan.
d. Ranting gundul berbentuk sapu dan mati.
e. Buah terdapat bercak coklat berlekuk (Antraknosa).
f. Buah muda layu.
g. Buah muda kering.
h. Buah mudah mengeriput.
i. Buah tua busuk kering pada ujungnya.
Cara mengatasinya adalah menggunakan Bioagnesua pengendali
hayati yaitu bakteri antagonis dalam menelan populasi jamur C.
Gloeosporioides.
5. Penyakit Jamur Akar, gejala pada penyakit ini adalah:
a. Daun-daun menguning.
b. Daun gugur.
c. Daun layu.
Cara mengatasinya adalah menggunakan fungsida Tridemorf (Calixin
CP), PCNB (Shell Collar Protection, Ingro Pasta 20 PA).
6. Penyakit Jamur Upas, gejala pada penyakit ini adalah:
a. Daun layu.
b. Terdapat benang-benang jamur tipis seperti sutera, berbentuk sarang
laba-laba.
c. Daun kering tetap melekat pada cabang.
Cara mengatasinya adalah menggunakan Tridemorf (Calixin RM) atau
tembaga konsentrasi 10% (Nordox, Cupravit, dan lain-lain).
 6

Tabel 1. Nilai probabilitas populasi penyakit pada kakao

Kode Jumlah
Nama penyakit Jumlah populasi
penyakit populasi/1000
01 Vascular Streak Dieback 868,20 0.8682
(VSD)
02 Busuk Buah 309,50 0.3095
03 Kanker Batang 49,00 0.0490
04 Antraknose 63,10 0.0631
05 Jamur Akar 15,33 0.0153
06 Jamur Upas 25,30 0.0253
Sumber : Dinas Pertanian dan Perkebunan Provinsi NTT, 2012

Tabel 2. Basis Pengetahuan Relasi Gejala dan Penyakit

K. Kode penyakit
E1- Evidence
H1 H2 H3 H4 H5 H6
En
E1 Daun-daun menguning  
E2 Daun terdapat bercak berwarna hijau 
E3 Daun gugur   
E4 Terdapat bintik 3 kecoklatan pada 
permukaan bekas menempelnya daun
bila di iris tipis
E5 Permukaan kulit ranting kasar dan 
belang
E6 Terdapat garis-garis (Streak) 
berwarna kecoklatan bila kulit
ranting diiris secara memanjang
E7 Buah terdapat bercak coklat  
kehitaman
E8 Buah berwarna kehitaman dan jika di 
tekan dengan jari terasa lembek dan
basa
E9 Buah busuk 
E10 Batang atau cabang mengembung 
berwarna lebih gelap atau kehitam-
hitaman
E11 Permukaan kulit batang retak 
E12 Batang atau cabang membusuk dan 
basa
E13 Batang atau cabang terdapat cairan 
kemerahan seperti lapisan karat
E14 Jika lapisan kulit luar batang atau 
cabang dibersihkan, maka akan
tampak lapisan dibawahnya
 7

membusuk, berwarna merah anggur

menjadi coklat

Tabel 2. Basis Pengetahuan Relasi Gejala dan Penyakit (lanjutan)

K. Kode penyakit
Evidence
E1-En
H1 H2 H3 H4 H5 H6
E15 Buah terdapat bercak coklat 
kehitaman
E16 Daun terdapat bintik-bintik coklat 
tidak beraturan
E17 Ranting gundul berbentuk seperti 
sapu dan mati
E18 Buah terdapat bercak coklat berlekuk 
(Antraknosa)
E19 Buah muda kering 
E20 Buah muda mengeriput 
E21 Buah tua busuk kering pada ujungnya 
E22 Daun layu  
E23 Terdapat benang-benang jamur tipis 
seperti sutera, berbentuk sarang laba-
laba
E24 Daun kering tetap melekat pada 
cabang

2.5. Teorema Bayes

Teorema Bayes diadopsi dari nama penemunya yaitu Thomas Bayes sekitar
tahun 1950. Teorema bayes adalah sebuah teori kondisi probabilitas yang
memperhitungkan probabiliitas sebuah kejadian (hipotesis) bergantung pada
kejadian lain (bukti). Pada dasarnya, teorema tersebut mengatakan bahwa suatu
kejadian yang terjadi di masa depan atau yang belum terjadi dapat diprediksi
dengan syarat kejadian sebelumnya yang telah terjadi. Nilai probabilitas itu
sendiri dapat didefinisikan sebagai ukuran kuantitatif dan suatu ketidakpastian
informasi atau peristiwa. Probabilitas memiliki indeks nilai yang berkisar dari 0
sampai 1. Hal ini juga dipengaruhi oleh total kejadian adalah 0 (nol), maka
keadaan tersebut dapat diyakinkan pasti tidak akan terjadi. Namun, apabila
probabilitas suatu kejadian adalah 1 (satu), maka keadaan tersebut dapat
diyakinkan pasti terjadi. Sedangkan misalkan suatu kejadian memiliki probabilitas
0,5 maka kejadian tersebut memiliki tingkat keraguan yang maksimum. Dalam
Teorema Bayes sering disebut istilah probabilitas bersyarat. Probabilitas bersyarat
adalah suatu kejadian yang mungkin atau tidak tergantung pada terjadinya
peristwa lain. Ketergantungan ini dapat ditulis dalam bentuk probabilitas bersyarat
sebagai berikut : P(A|B), maksudnya adalah probabilitas bahwa kejadian A akan
terjadi apabila kejadian B terjadi atau bias disebut probabilitas gabungan kejadian
A dan B (Rosnelly et all, 2014).
8

1) Bentuk teorema bayes untuk evidence tunggal dan hipotesis tunggal

p ( E|H )∗P( H )
P( H ∨E)= ...................................................................(1)
P ( E)
Keterangan:
P(H|E) : probabilitas hipotesis H jika diberikan evidence E
P(E|H) : probabilitas evidence E jika diketahui hipotesis H
P(E) : probabilitas evidence E

2) Bentuk toerema bayes untuk evidence tunggal dan hipotesis ganda

p ( E|Hi )∗P( Hi)
P( H ∨E)= n
..............................................................(2)
∑ P ( E|Hk )∗P (Hk)
k=1
Keterangan:
P(H|E) : probabilitas hipotesis Hi jika diberikan evidence E
P(E|H) : probabilitas munculnya evidence E jika diketahui hipotesis Hi
P(H) : probabilitas hipotesis Hi tanpa memandang evidence apapun
n : jumlah hipotesis yang terjadi

3) Bentuk teorema bayes untuk evidence ganda dan hipotesis ganda

P ( E 1| Hi )∗P ( E 2|Hi )∗… P ( Em| Hi )∗P( Hi)
P ( Hi|E 1 , E 2 , … Em )= n
........
∑ P ( E 1|Hk )∗P ( E 2|Hk )∗… P ( Em|Hk )∗P(Hk )
k=1
..........(3)

Dalam penelitian ini, penulis menggunakan rumusan bentuk teorema

bayes dengan evidence ganda dan hipotesis ganda. Penulis ada beberapa penyakit
yang memiliki gejala yang sama.
 BAB III
METODE PENELITIAN

3.1. Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di Dinas Pertanian dan Perkebunan Provinsi NTT
selama enam bulan terhitung sejak November 2020 sampai dengan Maret 2021.

3.2. Bahan dan Alat Penelitian

Dalam penelitian ini memerlukan bahan dan alat yang dapat menunjang
proses pembuatan laporan skripsi sehingga mempermudah peneliti untuk
menyelesaikan laporan skripsi.

3.2.1. Bahan Penelitian

Pada penelitian ini penulis menggunakan metode deskriptif, yaitu metode
yang menggambarkan suatu masalah yang sedang terjadi berdasarkan fakta dari
data-data yang diperoleh dan dikumpulkan pada waktu melaksanakan penelitian,
penelitian ini dilakukan di Dinas Pertanian Dan Perkebunan Provinsi NTT. Bahan
pengumpulan data yang dilakukan dalam penelitian ini adalah dengan cara
observasi, studi pustaka dan wawancara.

3.2.2. Alat Penelitian

Dalam penelitian ini digunakan alat pendukung dalam pembuatan sistem
seperti di bawah ini:
1. Perangkat Keras
a. Perangkat Laptop Acer E1-471 dengan spesifilasi processor intel
(R)Core(TM)i3-2328MCPU@2.20GHz(4 CPUs),~2.2GHz.
b. Memori 2.00GB.
c. Harddisk 500GB.
2. Perangkat Lunak
a. Sistem operasi windows 8 64-bit.
b. Notepad++ untuk membuat aplikasi sistem pakar mendiagnosa
penyakit pada tanaman kakao menggunakan metode Teorema Bayes.
c. Xampp untuk koneksi database.
d. MySQL 2008 untuk mengolah database.
e. Google Chrome untuk menjalankan aplikasi.

3.3. Tahapan Penelitian

Dalam melakukan penelitian terdapat beberapa tahapan yang dilalui
dimulai dari mengidentifikasi masalah sampai dengan tahap pengujian dan
dokumentasi. Berikut ini merupakan alur tahapan penelitian yang dilakukan:

9
10

Gambar 2. Tahapan Penelitian

1. Akuisi data
Merupakan langkah awal yang dilakukan untuk menentukan berbagai
penyakit dan berbagai halyang berhubungan dengan penyakit seperti gejala,
cara pencegahan maupun penanggulangan penyakit. Hal ini dilakukan dengan
langkah mendefinisikan masalah, mencari kebutuhan sistem dan menentukan
batasan masalah.

2. Praproses
Sebelum menggunakan data dengan metode atau teknik yang akan
dipakai seringkali harus menggunakan praproses terhadap data. Praproses
bisa membuat nilai data menjadi lebih kecil tanpa merubah informasi yang
dikandungnya. Tahapan proses dalam data maining secara garis besar dimulai
dari data sumber dan berakhir dengan adanya informasi yang dihasilkan dari
beberapa tahapan yaitu:
a. Seleksi data
Pemilihan atau seleksi data baru dari sekumpulan data operasional perlu
dilakukan sebelum tahapan penggalian informasi dalam Knowledge
Discovery and Data Maining (KDD) dimulai. Data hasil seleksi yang
digunakan untuk proses data maining disimpan dalam suatu berkas terpisah
dari basis data operasional.
 11

b. Pembersihan data (cleaning)

Setelah proses data maining dilaksanakan, perlu dilakukan proses
pembersihan pada data yang menjadi fokus KDD. Proses pembersihan
mencakup antara lain membuang duplikasi data, memeriksa data inkonsisten
dan memperbaiki kesalahan pada data, seperti kesalahan cetak.
c. Transformasi
Pada tahap transformasi data diubah ke dalam bentuk yang sesuai dengan
data maining membutuhkan format data yang khusus sebelum bisa
dipublikasikan. Sebagai contoh, teknik standar seperti analisis asosiasi dan
klastering hanya bisa menerima input data kategorial.

3. Representasi Pengetahuan
Pengetahuan yang didapat dirumuskan dalam akuisisi pengetahuan
selanjutnya dipresentasikan dalam bentuk model kaidah produksi sesuai
dengan teknik pemecahan masalah yang terhubung antara kondisi objek
dengan tindakan yang dilakukan kondisi itu berupa macam-macam penyakit
serta gejalanya dan menghasilkan pengobatan berdasarkan gejalanya yang
ditimbulkan.

4. Pengambilan sampel
Pengambilan sampel dalam hal ini adalah dengan memberikan
kuesioner kepada pegawai Dinas Pertanian dan Perkebunan provinsi NTT
yang bekerja pada bidang pengendalian hama organisme pengganggu
tumbuhan dengan tujuan untuk memberikan nilai probabilitas pada tabel
gejala dan penyakit dari tanaman kakao. Untuk mencari rata-rata nilai
probabilitas pada tabel penyakit tanaman kako dari setiap kuisioner responden
yaitu dengan menggunakan rumus:

P=
∑ e n l H n x 100 %........................................................................
2a
(4)

Keterangan:
P = Probabilitas
∑ en l H n = nilai evidence ke 1..n dari setiap kuesioner responden
n = total responden yang mengisi kuesioner

contoh:
Diketahui jumlah responden yang mengisi kuesioner adalah 3
orang, masing-masing kuesioner mengisi data kuesionernya pada kolom
gejala penyakit adalah sebagai berikut:
Identifikasi nilai probabilitas dari kuesioner.
Penyakit H1
Kuesioner 1 : e1 ∣ H1 = 50
Kuesioner 2 : e2 ∣ H2 = 40
Kuesioner 3 : e3 ∣ H3 = 60

Memilih rumus:
 12

P¿
∑ e n l H n x 100 %
2a
Mengganti kode ∑ en dan nilai n dengan nilai probabilitas dari
kuesioner.
50+40+60
P= x 100 %
3
Melakukan proses hitungan.
P = 50x100%
P = 0.5
Kesimpulan:
Jadi, nilai probabilitas e1 ∣ H1 adalah 0.5

5. Pengembangan mesin inferensi

Metode penelusuran jawaban menggunakan metode teorema Bayes.
Dimana sistem menampilkan keseluruhan data gejala yang kemudian dari
berbagai kemungkinan itu dipersempit berdasarkan inputan user. Setiap gejala
yang ada dilakukan perhitungan menggunakan rumus teorema bayes.
Contoh penerapan Teorema bayes pada penyakit tanaman kakao
(Dinas Perkebunan dan Pertanian Provinsi NTT, 2012).

Tabel 3. Populasi penyakit tanaman kakao

Kode Jumlah Jumlah
Nama penyakit
penyakit pupulasi populasi/1000
01 Vascular Streak Dieback (VSD) 868.20 0.8682
02 Busuk Buah 309.50 0.3095
03 Kanker Batang 49.00 0.0490
04 Antraknose 63.10 0.0631
05 Jamur Akar 15.33 0.0155
06 Jamur Upas 25.30 0.0253

Tabel 4. Tabel gejala penyakit pada tanaman kakao

Nilai probabilitas
Busuk Kanker
Penyakit akibat serangan hama VSD Antaknosa
Kode buah batang
pada tanaman kakao (H1) (H4)
(H2) (H3)
E1 Daun-daun menguning 0.3 0.5 0.2 0
E2 Daun terdapat bercak berwarna 0.4 0.4 0.1 0.1
hijau
E3 Daun gugur 0.2 0.2 0.2 0.2
E4 Terdapat bintik 3 kecoklatan 0.2 0.3 0.3 0.1
permukaan bekas menempelnya
daun bila diiris tipis
E5 Permukaan kulit ranting kasar 0.5 0.5 0.2 0.1
dan belang
 13

Tabel 4. Tabel gejala penyakit pada tanaman kakao (lanjutan)

Nilai probabilitas
Penyakit akibat serangan hama
kode Busuk Kanker
pada tanaman kakao VSD Antraknosa
Buah Batang
(H1) (H4)
(H2) (H3)
E6 Terdapat garis-garis (Strak) 0.3 0.1 0.2 0.1
berwarna kecoklatan bila kulit
ranting diiris secara memanjang
E7 Buah terdapat beercak coklat 0.3 0.4 0.3 0.3
kehitaman
E8 Buah berwarna kehitaman dan 0.4 0.3 0.3 0.2
jika di tekan dengan jari terasa
lembek dan basa
E9 Buah busuk 0.3 0.3 0.3 0.2
E10 Batang atau cabang 0.2 0.2 0.2 0.1
mengembang berwarna lebih
gelap atau kehitam-hitaman
E11 Permukaan kulit batang retak 0.2 0.1 0.3 0.4
E12 Batang atau cabang membusuk 0.3 0.3 0.3 0.3
dan basa
E13 Batang atau cabang terdapat 0.2 0.2 0.2 0.2
cairan kemerahan seperti lapisan
karat
E14 Jika lapisan kulit luar batang 0.1 0.2 0.2 0.3
atau cabang dibersihkan, maka
akan tampak lapisan di
bawahnya membusuk, berwarna
merah anggur menjadi coklat
E15 Daun terdapat bintik-bintik 0.1 0.1 0.2 0.3
coklat tidak beraturan
E16 Ranting gundul berbentuk 0.1 0.1 0.3 0.3
seperti sapu dan mati
E17 Buah terdapat bercak coklat 0.1 0.1 0.3 0.4
berlekuk (Antraknosa)

Contoh: Algoritma diagnosis dengan teorema Bayes untuk

mengidentifikasi penyakit kakao.
Diketahui tiga gejala yaitu:
a. Daun-daun menguning.
b. Terdapat bintik 3 kecoklatan permukaan bekas menempelnya daun bila diiris
tipis.
c. Permukaan kulit ranting kasar dan belang.
14

1.) Identifikasi gejala dan penyakit

Gejala: 1 = E1, 2 = E2, 3= E3
Penyakit: H1= Vascular Streak Dieback (VSD), H2 = Busuk buah, H3 =
Kanker batang, H4 = Antraknosa
2.) Memilh rumus dengan pendekatan teorema bayes untuk evidence ganda
dan hipotesis ganda.
p ( E1|H i ) x p ( E2|H i ) x … x p ( Em|H i ) x p(H i )
p ( H i|E1 E 2 … E m )= n

∑ p ( E1|H k ) x p ( E2|H k ) x … x p ( E m|H k ) x p ( H k )

k=1

3.) Menguraikan rumus berdasarkan hasil identifikasi gejala dan penyakit.

p ( E1|H 1 ) x p ( E2|
p ( H 1| E1 E 2 E3 ) =
p ( E 1|H 1 ) x p ( E2|H 1 ) x p ( E3|H 1 ) x p ( H 1 ) + p ( E1|H 2 ) x p ( E2|H 2 ) x p ( E3|H 2 ) x p ( H

p ( E1|H 2 ) x p ( E2|
p ( H 2|E1 E 2 E3 ) =
p ( E 1|H 1 ) x p ( E 2|H 1 ) x p ( E3|H 1 ) x p ( H 1 ) + p ( E1|H 2 ) x p ( E2|H 2 ) x p ( E3|H 2 ) x p ( H

p ( E1|H 3 ) x p ( E2|
p ( H 3|E1 E 2 E3 ) =
p ( E 1|H 1) x p ( E 2|H 1 ) x p ( E 3|H 1 ) x p ( H 1 ) + p ( E1|H 2 ) x p ( E2|H 2 ) x p ( E3|H 2 ) x p ( H

p ( E 1|H 4 ) x p ( E2|
p ( H 4|E 1 E2 E3 )=
p ( E1|H 1 ) x p ( E2|H 1 ) x p ( E3|H 1 ) x p ( H 1 ) + p ( E1| H 2 ) x p ( E 2| H 2 ) x p ( E 3| H 2 ) x p ( H

4.) Mengganti kode En dan Hn dengan nilai probabilitas.

0,3 x 0,4 x 0,2 x 0,8682

p ( H 1| E1 E 2 E3 ) =
( 0,3 x 0,4 x 0,2 x 0,8682 )+ ( 0,5 x 0,4 x 0,2 x 0,3095 )+ ¿ ( 0,2 x 0,1 x 0,2 x 0,0490 )

( 0,5 x 0,4 x 0,2 x 0,3095 )

p ( H 2|E1 E 2 E3 ) =
( 0,3 x 0,4 x 0,2 x 0,8682 )+ ( 0,5 x 0,4 x 0,2 x 0,3095 )+ ¿ ( 0,2 x 0,1 x 0,2 x 0,0490 )

( 0,2 x 0,1 x 0,2 x 0,0490 )

p ( H 3|E1 E 2 E3 ) =
( 0,3 x 0,4 x 0,2 x 0,8682 )+ ( 0,5 x 0,4 x 0,2 x 0,3095 ) +¿ ( 0,2 x 0,1 x 0,2 x 0,0490 )

(0 x 0 , 1 x 0,2 x 0,0631)
p ( H 4|E 1 E2 E3 )=
( 0,3 x 0,4 x 0,2 x 0,8682 ) + ( 0,5 x 0,4 x 0,2 x 0,3095 ) +¿ ( 0,2 x 0,1 x 0,2 x 0,0490 )

5.) Melakukan proses perhitungan

 15

0,020837
p ( H 1| E1 E 2 E3 ) = =0,623617
0,033413
0,01238
p ( H 2|E1 E 2 E3 ) = =0,370517
0,033413

0,000196
p ( H 3|E1 E 2 E3 ) = =0 ,005866
0,033413

0
p ( H 4|E 1 E2 E3 )= =0
0,033413

6.) Menarik kesimpulan berdasarkan nilai tertinggi

Kesimpulan=Max ( p ( H 1|E 1 E2 E3 )| p ( H 2|E1 E 2 E3 )| p ( H 3|E1 E2 E3 )| p ( H 4|E1 E2 E 3 )

Kesimpulan=Max ( 0,623617|0,370517|0 , 005866|0 ¿
Kesimpulan=0,623617 (Vascular Streak Dieback (VSD))

6. Implementasi
Pada tahapan ini ditentukan perangkat keras dan lunak yang diperlukan untuk
membangun sistem pakar pendeteksi penyakit pada tanaman kakao menggunakan
metode Teorema Bayes.

7. Evaluasi
Evaluasi dilakukan dengan menganalisa klasifikasi. Pengukuran data dilakukan
dengan confusion untuk mengevaluasi hasil dari Teorema Bayes. Confunsion matrix
adalah suatu metode yang biasanya digunakan untuk melakukan perhitungan akurasi
atau melakukan pengujian untuk memperkirakan objek yang benar dan salah.
Confusion matrix melakukan pengujian untuk memperkirakan objek yang benar dan
salah. Urutan pengujian ditabulasikan dalam confusion matriks dimana kelas yang
diprediksi ditampilkan dibagian atas matrix dan kelas yang diamati di bagian kiri.
Setiap sel berisi angka yang menunjukan berapa banyak kasus yang sebenarnya dari
kelas yang diamati untuk diprediksi.
Pada pengukuran kinerja mengggunakan confusion matriks, terdapat 4 (empat)
istilah sebagai representasi hasil proses klasifikasi. Keempat istilah tersebut adalah
True Positive (TP), True Negative (TN), False Positive (FT), dan False Negative
(FN). Nilai True Negatif (TN) merupakan jumlah data negatif yang terdeteksi dengan
benar, sedangkan False Positif (FP) merupakan data negatif namun terdeteksi
sebagai data positif. Sementara itu, True Positive (TP) merupakan data positif yang
terdeteksi benar. False Negative (FN) merupakan kebalikan dari True Positive (TP),
sehingga data positif, namun terdeteksi sebagai data negatif. Confusion matrix dapat
dilihat pada Gambar 2.
 16

Gambar 3. Confusion Matrix

Keterangan:
TP : tupel positif yang di klasifikasikan positif.
TN : tupel negatif yang diklasifikasikan negatif.
FP : tupel positif yang diklasifikasikan negatif.
FN : tupel negatif yang diklasifikasikan positif.

Sensivitas berhubungan dengan kemampuan pengujian untuk

mengidentifikasi hasil yang positif dari sejumlah data yang sebenearnya positif.
Persamaan yang digunakan untuk menghitung sensivitas adalah sebagai berikut:
TP
Sensivitas : ...........................................................................(6)
TP+ FN
Spesifisitas berhubungan dengan kemampuan pengujian untuk
mengidentifikasi hasil yang negatif dari sejumlah data yang sebenarnya negative.
Persamaan yang digunakan untuk meng hitung spesifisitas adalah sebagai berikut:
TN
Spesifisitas = ......................................................................
TN + FP
(7)
Akurasi berhubungan dengan jumlah data yang diklasifikasikan secara
benar. Persamaan yang digunakan untuk menghitung akurasi adalah sebagai
berikut:
TP
Akurasi = x 100 %.................................................................
TP+ FN
(8)
Nilai sensitivitas, spesifisitas dan akurasi yang tinggi atau mencapai 100%
menunjukan bahwa sistem secara handal mampu mengenali dan
mengklasifikasikan semua data dengan baik.

8. Validasi sistem
Proses penentuan apakah model sebagai konseptualisasi atau abstraksi
merupakan representasi berarti dan akurat dari sistem nyata jika sistem tidak valid
atau hasilnya tidak akurat dengan kenyataan yang ada maka kembali ke tahap
representasi pengetahuan dan jika sistem sudah valid maka proses penelitian sudah
selesai.

3.4. Perancangan Sistem

Aplikasi ini digunakan untuk membantu Dinas Pertanian dan Perkebunan
Provinsi NTT dan petani khususnya di Manggarai Timur untuk mengidentifikasi
penyakit tanaman kakao agar mengetahui solusi tanaman yang terkena penyakit
dengan gejala yang ada pada tanaman. Sistem atau aplikasi ini di buat dengan bahas
 17

pemrograman Notepad++ dan untuk mengelolah database manajemen sistem

menggunakan Xampp.

1. Fungsi produk
a. Fungsi Login: fungsi login merupakan fungsi awal yang digunakan oleh
pakar dan pengguna untuk bisa mengakses aplikasi. Hal ini mencegah akses
data yang tidak sah ke aplikasi. Di dalam form login ada tombol login untuk
masuk kedalam sistem dan tombol keluar untuk keluar dari form tombol
login.
b. Fungsi mengubah Password: fungsi ubah password merupakan fungsi yang
disediakan bagi pakar dan pengguna untuk melakukan perubahan password.
Di dalam form ubah password terdapat tombol ubah untuk mengubah
password dan tombol keluar untuk keluar dari form ubah password.
c. Fungsi pengolahan data kategori: fungsi pengolahan data kategori
merupakan fungsi yang digunakan oleh pakar untuk mengolah data kategori
tanaman. Di dalam form kategori ada tombol refresh yaitu untuk memuat
kembali data kategori, tombol tambah yaitu untuk menambahkan data
kategori, tombol ubah yaitu untuk mengubah data kategori, tombol hapus
yaitu untuk menghapus data kategori
d. Fungsi pengolahan data penyakit: fungsi mengubah nilai probabilitas jenis
penyakit merupakan fungsi yang digunakan oleh pakar untuk mengelolah
data penyakit. Di dalam form data penyakit ada tombol refresh yaitu untuk
memuat ulang data penyakit, tombol tambah yaitu untuk menambahkan data
penyakit, tombol ubah yaitu untuk mengubah data penyakit, tombol hapus
yaitu untuk menghapus data penyakit.
e. Fungsi pengolahan data gejala: merupakan fungsi yang digunakan oleh
pakar untuk mengolah data gejala. Di dalam form data gejala ada tombol
refresh yaitu untuk memuat ulang data gejala, tombol tambah yaitu untuk
menambahkan data gejala, tombol ubah yaitu untuk mengubah data gejala,
tombol hapus yaitu untuk menghapus data gejala.
f. Fungsi pengolahan data aturan : merupakan fungsi yang digunakan oleh
pakar untuk mengolah data aturan. Di dalam form data aturan ada tombol
refresh yaitu untuk memuat ulang data aturan, tombol tambah yaitu untuk
menambahkan data relasi, tombol ubah yaitu untuk mengubah data relasi,
tombol hapus yaitu untuk menghapus data relasi.
g. Fungsi diagnosa : fungsi diagnosa untuk mengolah data diagnosa untuk
mendiagnosa penyakit pada tanaman. Di dalam form diagnosa ada tombol
listbox untuk memilih kategori tanaman yang akan dipilih setelah itu ada
cekbox untuk memilih gejala tanaman, dan ada tombol proses untuk proses
perhitungan untuk mengidentifikasi tanaman. Tombol refresh untuk memuat
ulang data.

2. Flowchart
Flowchart sistem menggambarkan alur program utama. Hal ini
merupakan fasilitas utama dari sistem yang dibangun untuk admin atau pakar
18

untuk mengolah aplikasi. Tampilan flowchart dapat dilihat pada Gambar 4

berikut ini.

Gambar 4. Flowchart proses diagnosa penyakit pada tanaman

3. Sosialisasi sistem pakar mendiagnosa penyakit pada tanaman kakao ke

masyarakat.
Proses sosialisasi sistem pakar mendiagnosa penyakit pada tanaman kakao
ke masyarakat (petani dan petugas pertanian) dapat dilakukan melalui iklan
sosialisasi. Selain itu juga dapat dibuat buku manual yang berisi tata cara
mengoperasikan sistem pakar mengidentifikasi penyakit tanaman kakao.

4. Karakteristik pengguna
Karakteristik pengguna perangkat lunak sistem pakar mendiagnosa
penyakit tanaman kakao adalah sebagai berikut:
i. Mengerti pengoperasian komputer.
ii. Memahami pengoperasian sistem.
iii. Memahami sistem komputer.

5. Entity Relationship Diagram (ERD)

Entity relationship diagram di atas menerangkan bahwa dalam sistem
memiliki entitas. Entitas-entitas tersebut memiliki atribut yang menjadi cirinya
masing-masing seperti Gambar 5 di bawah ini.
 19

Gambar 5. Entity Relationship Diagram (ERD)

6. Alur dokumen
Bagan alur dokumen (document flowchart) merupakan bagan yang
menemukan arus pekerjaan secara keseluruhan dari sebuah sistem. Pada alur
dokumen yang diusulkan proses pengimputan data telah menggunakan sebuah
database.
20

Alur dokumen
Petugas / petani Pakar

Gambar 6. Alur Dokumen

7. Diagram konteks
Diagram konteks adalah sebuah digram sederhana yang
menggambarkan hubungan satu dengan yang lain dengan aliran dan
penyimpanan data atau sebuah diagram yang menggambarkan hubungan
input atau output antara sistem dengan dunia luar (kesatuan luar). Diagram
konteks dapat dilihat pada Gambar 7 di bawah ini:

Gambar 7. Diagram konteks

8. Hierarchy Input Process Output ( HIPO)

suatu teknik pendokumentasian program yang dapat digunakan untuk
mengkomunikasikan spesifikasi sistem melalui proses perancangan. HIPO
dapat dilihat dari Gambar 8 di bawah ini:
 21

Gambar 8. Hierarchy Input Process Output (HIPO)

9. Data Flow Diagram (DFD)

Merupakan diagram yang menggambarkan aliran data dari sebuah
proses atau sistem informasi. DFD terbagi atas beberapa jenis yaitu DFD
Level 0 dan DFD Level 1.
a) DFD Level 0
Merupakan diagram dengan tingkatan paling rendah, dimana
menggambarkan sistem berinteraksi dengan entitas eksternal.
Dapat dilihat dari Gambar 9 di bawah ini :

aturan
aturan

aturan

Gambar 9. DFD Level 0

b) DFD Level 1 proses 1.0

Merupakan lanjutan dari diagram level 0 karena setiap proses yang
berjalan akan diperinci pada tingkatan ini sehingga proses utama akan
dipecah menjadi sub-sub proses yang lebih kecil lagi.
Dapat dilihat dari Gambar 10 di bawah ini:

aturan
22

Data aturan Data aturan

Data aturan

Gambar 10. DFD level 0 proses 1.0

10. Kamus Data

Kamus data juga dapat diartikan sebagai sebuah gambaran tertulis dari
data-data yang dimasukan dalam database dan juga merupakan katalog
fakta tentang data dan kebutuhan informasi dari suatu sistem informasi,
kamus data menjelaskan tentang substansi atau isi dari aliran DFD.
a. Data Kategori
Nama arus data : data kategori
Alias :-
Keterangan : berisi data kategori
Dari entitas kategori ke proses1.0
Dari proses 1.0 ke penyimpanan data D1
Dari entitas kategori ke proses 1.1
Dari proses 1.1 ke penyimpanan data D1

Tabel 5. Arus Data Kategori

Lebar
No Nama field Tipe Keterangan
field
1 Kode_Kategori Varchar 16 PM dan NN,
kode jenis
tanaman
2 Nama_Kategori Varchar 225 Nama kategori
tanaman yaitu
yang akan diisi
tanaman kakao

b. Data Penyakit
Nama arus data : data penyakit
Alias :-
Keterangan : berisi data jenis penyakit tanaman dan nilai bobot tiap
penyakit
Dari entitas penyakit ke proses1.0
Dari proses 1.0 ke penyimpanan data D2
Dari entitas kategori ke proses 1.2
Dari proses 1.2 ke penyimpanan data D2
 23

Tabel 6. Arus data penyakit

Lebar
No Nama field Tipe Keterangan
field
1 Kode_Penyakit Varchar 16 PM dan NN, kode jenis
Penyakit tanaman
2 Nama_Penyakit Varchar 225 Nama penyakit yaitu
nama-nama jenis
penyakit dari masing
masing kategori
No Nama field Tipe Lebar Keterangan
field
3 Kode_Kategori Varchar 16 Kode kategori
4 Bobot_Penyakit Double - Yaitu nilai bobot penyakit
dari semua kategori

c. Data gejala
Nama arus data : data gejala
Alias :-
Keterangan : berisi data gejala penyakit dari semua jenis penyakit
Dari entitas gejala ke proses1.0
Dari proses 1.0 ke penyimpanan data D3
Dari entitas penyakit ke proses 1.3
Dari proses 1.3 ke penyimpanan data D3

Tabel 7. Data arus gejala

Lebar
No Nama field Tipe Keterangan
field
1 Kode_Gejala Varchar 16 PM dan NN, kode gejala
2 Nama_Gejala Varchar 225 Nama gejala dari masing-
masing penyakit
3 Pilih TynInt 1 Untuk nantinya memilih
gejala yang akan dihitung

d. Data Aturan
Nama arus data : data Aturan
Alias :-
Keterangan : berisi data Aturan antara nilai probabilitas gejala
terhadap penyakit
Dari entitas Aturan ke proses1.0
Dari proses 1.0 ke penyimpanan data D4
Dari entitas aturan ke proses 1.4
Dari proses 1.4 ke penyimpanan data D4
24

Tabel 8. Arus data aturan

Lebar
No Nama field Tipe Keterangan
field
1 ID Int 11 ID aturan
2 Kode_penyakit Varchar 16 Kode penyakit
3 Kode_gejala Varchar 16 Kode gejala
4 Bobot Double - Bobot nilai
masing-masing
gejala terhadap
masing-masing
penyakit

e. Data Diagnosa
Nama arus data : data Diagnosa
Alias :-
Keterangan : berisi data aturan diagnosa penyakit tanaman
yang akan digunakan user
Dari entitas penyakit ke proses 2.0
Dari proses 2.0 ke penyimpanan data D5
Dari entitas penyakit ke proses 2.1
Dari proses 2.1 ke penyimpanan data D5

Tabel 9. Arus data identifikasi

Lebar
No Nama field Tipe Keterangan
field
1 ID Int 16 ID
2 Kode_penyakit Varcha 225 Kode penyakit
r
3 Nama_penyakit Varcha 16 Nama penyakit
r
4 Total Double - Total nilai yang di
hitung berdasarkan
gejala yang dipilih
5 Kode_Gejala Varcha 16 Kode gejala
r
6 Nama_Gejala Varcha 225 Nama gejala
r

11. Perancangan Antarmuka

Perancangan antarmuka (dialog layar terminal interface) merupakan
rancang bangun dari percakapan antara pemakai sistem dengan komputer.
Percakapan tersebut terdiri dari peoses memasukan data kedalam system (input),
menampilkan keluaran (output) informasi, atau dapatkan keduanya.
a. Perancangan antarmuka menu Dashboard
Menu Dashboard ini akan menampilkan pengertian singkat tentang
tanaman kakao
 25

Gambar 11. Rancangan menu Dashboard

b. Perancangan antarmuka menu penyakit

Menu penyakit ini akan menampilkan nama penyakit serta dapat
mengubah, menambahkan dan menghapus data penyakit.

Gambar 12. Rancangan menu penyakit

c. Perancangan antarmuka menu gejala

Menu gejala ini akan menampilkan data gejala yang dapat diubah,
dihapus dan ditambahkan sesuai dengan data yang ada.

Gambar 13. Rancangan menu gejala

d. Peracangan antarmuka menu aturan/ rule

Menu aturan/rule ini akan menampilkan data aturan yang dapat
dihapus, diubah dan ditambahkan.
26

Gambar 14. Rancangan menu aturan

e. Perancangan antarmuka menu identifikasi atau diagnosa

Menu diagnosa ini akan menampilkan data diagnosa yang dapat
dihapus, diubah dan ditambahkan.

Gambar 15. Rancangan menu diagnosa

f. Perancangan antarmuka menu ubah password

Menu ubah password ini untuk mengubah password yang sudah ada

Gambar 16. Rancangan menu ubah password

 BAB IV
HASIL DAN PEMBAHASAN

4.1. Implementasi Sistem

Tahapan implementasi sistem merupakan proses yang dilakukan setelah
tahap perancangan sistem selesai dilaksanakan. Tujuan yang dicapai pada tahap
ini adalah dapat dioperasikan hasil perancangan sistem yang telah dibuat pada
tahap ini dijelaskan mengenai sistem yang dirancang dan bagaimana cara
penggunaannya.
a. Proses implementasi sistem
Proses implementasi sistem ini proses dimana prosedur sistem yang
dilakukan untuk menyelesaikan perancangan sistem yang telah disetujui seperti
menguji, menginstal dan memulai menggunakan sistem yang baru untuk
dioperasikan. Proses implementasi sistem dapat dilihat pada Gambar 17 di bawah
ini.

SIPAKA
Proses 1
K
Proses 2

Proses 3
Pakar
`

Pengguna

Gambar 17. Proses implementasi pada sistem

b. Antarmuka sistem pakar mengidentifikasi penyakit tanaman kakao

1. Desain menu login
Menu login digunakan pada saat user memasuki sistem dengan
mengisi username dan password.

Gambar 18. Tampilan Menu Login

27
28

2. Tampilan menu Dashboard

Menu Dashboard merupakan tampilan awal pada sistem

Gambar 19. Tampilan menu Dashboard

3. Tampilan menu data penyakit

Menu penyakit adalah tampilan untuk pakar menambah, mengubah
dan menghapus penyakit tanaman sertakan nilai probabilitas penyakit pada
tanaman

Gambar 20. Tampilan menu penyakit

4. Tampilan menu data gejala

Menu gejala adalah tampilan yang digunakan untuk pakar dapat
menambah, mengubah, dan menghapus gejala pada tanaman.
 29

Gambar 21. Tampilan menu gejala

5. Tampilan menu data aturan/rule

Menu aturan/rule adalah tampilan menu yang digunakan untuk
melihat dan merubah serta menambah data aturan/rule sesuai dengan
keinginan user.

Gambar 22. Tampilan menu aturan/ rule

6. Desain menu Solusi

Menu solusi merupakan tampilan menu yang digunakan pakar untuk
mengubah, menambah serta menghapus solusi pada tanaman.
30

Gambar 23. Tampilan menu solusi

7. Tampilan menu Diagnosa

Menu diagnosa merupakan tampilan menu yang digunkan pakar
untuk menambah, merubah serta menghapus diagnosa pada tanaman.

Gambar 24. Tampilan menu diagnosa

8. Tampilan menu ubah password

Menu ubah password merupakan tampilan menu yang digunakan user
untuk merubah username dan password sesuai keinginan User.
 31

Gambar 25. Tampilan menu Ubah Password

a) File hasil implementasi Sistem pakar mendiagnosa penyakit pada tanaman

kakao.
Sebuah aplikasi dapat berjalan dengan baik apabila aplikasi tersebut
memiliki file pendukung untuk menunjang berbagai proses koputasional yang
akan dijalankan. File tersebut harus mengandung bebrapa fungsi, method dan
Query yang bertugas untuk mengontrol atau mengendalikan berbagai proses
dalam sebuah aplikasi.

Tabel 10. Penjelasan form aplikasi

Nama Ukura
No Nama file Deskripsi
Folder n
1 Form Dashboard 5 kb File ini berisi komponen-komponen user
interface dan beberapa method logic
(untuk validasi masukan) yang
berhubungan dengan halaman dashboard
2 Form Login 5 kb File ini berisi komponen-komponen user
interface dan bebrapa method logic
(untuk validasi masukan) yang
berhubungan dengan halaman login
3 Form Penyakit 8 kb File ini berisi komponen-komponen user
interface dan bebrapa method logic
(untuk validasi masukan) yang
berhubungan dengan halaman penyakit
4 Form Gejala 8 kb File ini berisi komponen-komponen user
interface dan bebrapa method logic
(untuk validasi masukan) yang
berhubungan dengan halaman gejala
6 Form Aturan/ 11 kb File ini berisi komponen-komponen user
rule interface dan bebrapa method logic
(untuk validasi masukan) yang
berhubungan dengan halaman aturan/rule
32

Tabel 10. Penjelasan form aplikasi (lanjutan)

Nama
No Nama file Ukuran Deskripsi
Folder
7 Form Solusi 8 kb File ini berisi komponen-komponen
user interface dan bebrapa method
logic (untuk validasi masukan) yang
berhubungan dengan halaman solusi
8 Form Ubah 11 kb File ini berisi komponen-komponen
Pasword user interface dan bebrapa method
logic (untuk validasi masukan) yang
berhubungan dengan halaman ubah
password
9 From Ubah 11 kb File ini berisi komponen-komponen
penyakit user interface dan bebrapa method
logic (untuk validasi masukan) yang
berhubungan dengan halaman ubah
penyakit
10 From Ubah 11 kb File ini berisi komponen-komponen
Gejala user interface dan bebrapa method
logic (untuk validasi masukan) yang
berhubungan dengan halaman ubah
gejala
11 From Ubah 11 kb File ini berisi komponen-komponen
aturan/ user interface dan bebrapa method
rule logic (untuk validasi masukan) yang
berhubungan dengan halaman ubah
aturan/rule
12 Form Ubah 11 kb File ini berisi komponen-komponen
solusi user interface dan bebrapa method
logic (untuk validasi masukan) yang
berhubungan dengan halaman ubah
solusi

4.2. Pengujian Sistem

Dalam pengujian ini penulis menggunakan confusion matrix dengan data
pakar gejala keseluruhan pada penyakit kakao dalah 17 gejala, jadi jumlah data
gejala semuanya adalah 17 gejala yang akan dihitung pada sistem, untuk menguji
dengan confusion matriks diambil hasil perhitungan beberapa gejala manual
dengan Excel dan hasil run pada program untuk menghitung sensitivitas dan
akurasi sistem.
 33

1. Pengujian untuk tanaman kakao

Pada tanaman kakao yang akan dipilih dan diproses dengan Teorema
Bayes di sistem adalah gejala satu sampai gejala delapan hasil dari proses
perhitungan seperti pada Gambar 26 dibawah ini.

Gambar 26. Hasil proses diagnose

Dengan hasil proses diatas maka akan dihitung sensitivitas, spesivitas, dan
akurasi dari perhitungan gejala yang dipilih pada tanaman kakao sesuai dengan
data gejala dan penyakit dari pakar:

Tabel 11. Pengujian tanaman kakao

Identifikasi
+ -
Aktual
+ 5 0
- 3 7
Sensitivitas 5
¿ =100 %
5+0
Spesifitas 4
¿ =40 %
4+ 3
Akurasi 5+7
¿ =80 %
5+7+0+3
34

Dari hasil Tabel 11 pengujian diatas dapat disimpulkan kedalam suatu

bentuk diagram yang akan menampilkan persentase sensitifitas 100%, spesifitas
40% dan akurasi 80% seperti pada Gambar 27 di bawah ini.

120

100

80

60 Sensitifitas
Spesifitas
40 Akurasi
20

Gambar 27. Hasil presentasi pengujian sistem

 35

Tabel 12. Pengujian sistem aplikasi

Deskripsi Prosedur Keluaran yang Kriteria evaluasi Hasil yang
No. Deskripsi Masukan Kesimpulan
Pengujian diharapkan akhir diperoleh

1 Pengujian Masukkan user ID User ID dan Masuk ke halaman Masuk ke halaman Masuk ke Sukses
fungsi dan password. Jika password pengaturan sistem sistem atau menu halaman sistem
login user ID benar, maka pada textbox. atau menu utama. utama. atau menu
pada kolom user utama.
name akan terisi nama
pengguna dan tombol
login yang semulanya
mati secara otomatis
akan hidup. Pada saat
tombol login diklik
maka halaman
pengaturan sistem
atau halaman utama
akan ditampilkan
Masukkan user ID,
password lama.
 36

Tabel 12. Pengujian sistem apliksi (lanjutan)

Deskripsi Prosedur Keluaran yang Kriteria evaluasi Hasil yang
No Deskripsi Masukan Kesimpulan
Pengujian diharapkan akhir diperoleh
.
2. Mengolah data jenis Mengolah data Masukan kode Form data Form data Form data Sukses
penyakit penyakit dengan penyakit, nama penyakit penyakit penyakit
masuk pada form penyakit, bobot dapat ditampilkan dan dapat
penyakit penyakit, nama ditampilkan dan admin dapat ditampilkan dan
kategori pada dapat melakukan olah dapat melakukan
textbox, melakukan olah data olah data
melakukan olah data (tambah, (tambah, ubah, (tambah, ubah,
data (tambah, ubah, simpan simpan dan simpan dan
ubah, simpan, dan hapus) hapus). hapus) penyakit.
dan testing
hapus).
3 Mengolah data gejala Mengolah Menampikan Form data gejala Form data Form data Sukses
data gejala dengan form data dapat Gejala dapat Gejala dapat
masuk atau klik gejala setelah itu ditampilkan ditampilkan ditampilkan
pada menu gejala admin dapat sesuai dengan dengan data dengan data
mengolah data pengolahan yang terbaru yang terbaru
gejala yaitu yang sudah di sesuai sesuai
menghapus, lakukan oleh pengolahan pengolahan
merubah, admin admin admin
 37

Tabel 12. Pengujian sistem aplikasi (lanjutan)

Deskripsi Prosedur Keluaran yang Kriteria evaluasi Hasil yang
No Deskripsi Masukan Kesimpulan
Pengujian diharapkan akhir diperoleh
.
menambah
dengan
memasukan
kode gejala dan
nama gejala
4 Mengolah data aturan Mengolah Menampikan Form data Form data Form data Sukses
data aturan dengan form data Aturan dapat Aturan dapat Aturan dapat
masuk atau klik pada aturan setelah ditampilkan ditampilkan ditampilkan
menu aturan itu admin dapat sesuai dengan dengan data dengan data
mengolah data pengolahan yang terbaru yang terbaru
Aturan yaitu yang sudah di sesuai sesuai
menghapus, lakukan oleh pengolahan pengolahan
merubah, admin admin admin
menambah
dengan
memasukan
kode gejala dan
nama gejala
 38

Tabel 12. Pengujian sistem aplikasi (lanjutan)

Deskripsi Prosedur Keluaran yang Kriteria evaluasi Hasil yang
No Deskripsi Masukan Kesimpulan
Pengujian diharapkan akhir diperoleh
.
Pengujian fungsi ubah Masukan username dan Username dan Data berhasil di Data berhasil di Username dan Sukses
5 password password yang lama password pada simpan dan simpan dan password sudah
setelah itu masukan text box username dan username dan berubah yang
username dan password password password baru
yang baru berhasil di ubah berhasil di ubah
 39

4.3. Analisis Kelebihan dan Kekurangan Sistem

Setelah dilakukan pengujian fungsional perangkat lunak dan pengujian untuk
kerja website ditemukan beberapa kelebihan dan kekurangan dari website
diantaranya sebagai berikut:

4.3.1. Kelebihan Sistem

Kelebihan dari Aplikasi Diagnosa Penyakit pada Tanaman Kakao adalah
memiliki keamanan data berupa fungsi login yang dapat melindungi
pengaksesaan data oleh pihak lain dan juga dapat menciptakan suatu sistem yang
dapat diperluas secara global bukan hanya lokal.

4.3.2. Kekurangan Sistem

Kekurangan dari Aplikasi Diagnosa Penyakit pada Tanaman Kakao adalah:
1. Website ini tidak berjalan apabila program pendukung mengalami
kerusakan.
2. Proses pembobotan yang digunakan dalam penelitian ini adalah
pembobotan dilakukan oleh satu pakar saja.
3. Pelayanan sistemnya masih dalam bentuk offline.
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan penelitian dan hasil pengujian sistem maka dapat disimpulkan
bahwa penelitian ini menghasilkan sebuah sistem pakar mendiagnosa penyakit
pada tanaman kakao dengan metode Theorema Bayes dengan memperhitungkan
nilai terbesar pada penyakit sesuai dengan gejala yang dipilih, yang dapat
membantu pakar/ petani untuk mendiagnosa penyakit yang menyerang tanaman
kakao berdasarkan gejala serta memberi solusi penanggulangan yang tepat. Dari
hasil pengujian sistem identifikasi penyakit menggunakan confusional matrix
pada kakao menghasilkan akurasi 80%. Akurasi yang didapat maka sistem ini
mampu mendiagnosa penyakit pada tanaman kakao serta memberikan solusi
untuk penanganan penyakit kakao.

5.2 Saran
1. Program pendukung pada website ini harus diperiksa sebelum digunakan agar
tidak terjadi kerusakan.
2. Proses pembobotan yang digunakan dalam penelitian ini adalah pembobotan
yang dilakukan oleh satu pakar sehingga untuk penelitian selanjutnya
disarankan untuk pembobotannya beberapa pakar dan diambil rata-rata agar
diperoleh pembobotan yang lebih baik.
3. Agar sistem ini dapat memberikan layanan yang semakin maksimal sesuai
dengan tujuannya maka sistem perlu dikembangkan dalam bentuk online
sehingga semua orang dapat mengaksesnya kapan dan dimana saja selama
koneksi jaringan internet tersedia dan tidak bermasalah.

40