BAB I
PENDAHULUAN
1
2
3
BAB II
TINJAUAN PUSTAKA
3
4
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
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
9
10
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
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
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)
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
(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 )
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. 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
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.
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.
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
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.
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
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:
aturan
aturan
aturan
aturan
22
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
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
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
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
SIPAKA
Proses 1
K
Proses 2
Proses 3
Pakar
`
Pengguna
27
28
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:
120
100
80
60 Sensitifitas
Spesifitas
40 Akurasi
20
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
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