PENERAPAN TEOREMA BAYES UNTUK IDENTIFIKASI PENYAKIT PADA TANAMAN KEDELAI

Transkripsi

1 PENERAPAN TEOREMA BAYES UNTUK IDENTIFIKASI PENYAKIT PADA TANAMAN KEDELAI Wisnu Mahendra 1, Achmad Ridok 2 dan Nurul Hidayat 3. Program Studi Ilmu Komputer, Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya Malang Jalan Veteran No. 8, Malang 1 : mh_revolt@yahoo.com ABSTRAK Kedelai merupakan salah satu komoditi pangan utama di Indonesia. Kebutuhan akan komoditi kedelai terus meningkat dari tahun ke tahun baik sebagai bahan pangan utama, pakan ternak maupun sebagai bahan baku industri skala besar hingga skala kecil. Berbagai upaya telah dilakukan untuk meningkatkan produksi kedelai nasional antara lain dengan penelitian varietas unggul, perluasan areal tanam, dan penyuluhan. Namun dalam proses penanaman kedelai terdapat beberapa kendala yaitu intensitas serangan hama dan penyakit, dan kurangnya tenaga penyuluh pertanian. Dalam mengatasi masalah serangan penyakit pada tanaman kedelai, petani kedelai selaku pihak yang berhubungan secara langsung pada penanaman kedelai perlu untuk mengetahui informasi yang cepat dan akurat terkait jenis penyakit yang menyerang. Sehingga setelah didapatkan informasi penyakitnya maka dapat segera diketahui solusi untuk mengatasi serangan penyakit tersebut. Dengan berkembangnya teknologi informasi, banyak informasi yang dapat diakses secara cepat melalui layanan internet. Kemudahan akses terhadap informasi inilah yang salah satunya dapat digunakan untuk memberikan informasi kepada petani kedelai tentang identifikasi penyakit. Oleh karena itu penulis mencoba memberikan salah satu solusi yang dapat dilakukan untuk membantu petani kedelai dalam mengidentifikasi penyakit tanaman kedelai dengan membuat suatu aplikasi berbasis Web yang dapat diakses oleh seluruh petani kedelai yang terjangkau oleh layanan internet. Aplikasi yang dibuat dapat melakukan identifikasi penyakit berdasarkan gejala yang secara umum terjadi. Pada penelitian ini penulis menerapkan teorema Bayes pada program aplikasi untuk menghitung nilai probabilitas hasil identifikasi penyakit tanaman kedelai. Pada pengujian 20 sampel data gejala penyakit menunjukkan bahwa program aplikasi menghasilkan nilai akurasi sebesar 90 %. Kata kunci : Teorema Bayes, identifikasi penyakit, tanaman kedelai ABSTRACT Soybean is one of the major food commodities in Indonesia. The need for commodity continues to increase from year to year, either as a primary food, animal feed or as a industrial raw materials. Various attempts have been made to improve the national soybean production, such as, the research of quality seed aid, expansion of planting area, and counseling. But in the process of planting soybeans, there are several obstacles such as the intensity attack of pests and diseases, and lack of agricultural investigator. In solving of the problem of disease, soybean farmers as the directly involved parties need to find information quickly and accurately related to the diseases. After the information obtained, it can be immediately known solution to overcome the disease. With the development of information technology, a lot of information can be accessed quickly via the internet service. Ease of access to information can be used to provide information for soybean farmers about disease identification. Therefore, the author tries to provide a solution that can be done to help the soybean farmers by creating a Web-based application that can be accessed by the farmers from the internet service. The application can identify the diseases based on the symptoms that generally occured. In the present study the authors applied the Bayes' theorem on the application to calculate the value of soybean disease identification certainty. On testing 20 samples of the data of the disease showed that the application yield value of 90% accuracy. Keywords : Bayes Theorem, disease identification, soybean plant 1. Pendahuluan 1.1. Latar Belakang Kedelai merupakan salah satu komoditi pangan utama masyarakat Indonesia. Kebutuhan akan komoditi kedelai terus meningkat dari tahun ke tahun baik sebagai bahan pangan utama, pakan ternak maupun sebagai bahan baku industri skala besar (pabrikan) hingga skala kecil (rumah tangga). Berbagai upaya telah dilakukan untuk meningkatkan produksi kedelai nasional antara lain dengan penciptaan dan penelitian varietas unggul, bantuan benih unggul bermutu, perluasan areal tanam, dan penyuluhan. Namun dalam proses penanaman kedelai terdapat beberapa kendala yaitu terjadinya perubahan iklim yang mengakibatkan intensitas serangan hama dan penyakit, dan kurangnya tenaga penyuluh pertanian. Dalam mengatasi masalah serangan penyakit pada tanaman kedelai, petani kedelai selaku pihak yang berhubungan secara langsung perlu untuk mengetahui informasi yang cepat dan akurat terkait jenis penyakit yang menyerang tanaman kedelai. Sehingga setelah didapatkan informasi penyakitnya dapat segera diketahui solusi untuk mengatasi serangan penyakit tersebut. Dengan berkembangnya teknologi informasi, banyak informasi yang dapat diakses secara cepat melalui layanan internet. Kemudahan akses terhadap informasi inilah yang salah satunya dapat digunakan untuk memberikan informasi kepada petani kedelai tentang identifikasi penyakit. Oleh karena itu penulis mencoba memberikan salah satu solusi yang dapat dilakukan untuk membantu petani kedelai dalam mengidentifikasi penyakit tanaman kedelai dengan membuat suatu aplikasi berbasis Web yang dapat diakses oleh seluruh petani kedelai yang terjangkau oleh layanan internet. Aplikasi ini dapat melakukan identifikasi penyakit berdasarkan gejala yang tampak secara umum pada tanaman kedelai. Penelitian sebelumnya mengenai identifikasi penyakit yang sudah dilakukan antara lain Identifikasi

2 Penyakit pada Tanaman Kedelai Menggunakan Metode Classical Probability (Anum, 2013), Pemanfaatan Teorema Bayes dalam Penentuan Penyakit THT (Winiarti, 2008), Sistem Pakar Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web (Yakub, 2008), Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia (Rosnelly, 2010). Pada penelitian tersebut disebutkan bahwa teorema Bayes dapat diterapkan pada suatu aplikasi untuk mengidentifikasi suatu permasalahan. Berdasarkan beberapa penelitian tersebut penulis menerapkan teorema Bayes pada suatu aplikasi untuk mengidentifikasi penyakit tanaman kedelai. Teorema Bayes merupakan satu dari cabang teori statistik matematik yang memungkinkan kita untuk membuat satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan pengetahuan umum dengan fakta dari hasil pengamatan. Teorema Bayes mempunyai beberapa kelebihan, yaitu mudah untuk dipahami, hanya memerlukan pengkodean yang sederhana, dan lebih cepat dalam penghitungan (Ramadhani, 2012). Teorema Bayes memiliki kelebihan dibandingkan dengan probabilitas klasik dalam proses pengambilan kesimpulan atau inferensi. Probabilitas klasik sepenuhnya mengandalkan proses inferensi pada data sampel yang diambil dari populasi, sedangkan teorema Bayes disamping memanfaatkan data sampel yang diperoleh dari populasi juga memperhitungkan suatu distribusi awal yang disebut distribusi prior untuk parameter yang diinginkan. Kemudian distribusi prior dikombinasikan dengan informasi sampel untuk mendapatkan kesimpulan atau distribusi posterior. Dalam aplikasi ini terdapat jenis-jenis penyakit yang menyerang tanaman kedelai berdasarkan gejala-gejala umum yang tampak pada tanaman kedelai. Petani kedelai dapat berkonsultasi melalui aplikasi ini dengan cara memililh gejala-gejala umum yang tampak pada tanaman kedelai kemudian sistem akan memberikan hasil berupa jenis penyakit yang dialami Penelitian Yang Berkaitan Berdasarkan hasil dari beberapa penelitian yang sudah dilakukan menunjukkan bahwa teorema Bayes dapat dijadikan sebagai alat untuk menghitung keakuratan hasil. Penelitian tersebut antara lain Pemanfaatan Teorema Bayes dalam Penentuan Penyakit THT (Winiarti, 2008), Sistem Pakar Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web (Yakub, 2008), Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia (Rosnelly, 2010). 2. Teorema Bayes Teorema bayes merupakan satu metode yang digunakan untuk menghitung ketidakpastian data menjadi data yang pasti dengan membandingkan antara data ya dan tidak. Probabilitas bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan menggunakan formula bayes yang dinyatakan : Dimana: P(H E) = probabilitas hipotesis H jika diberikan evidence E P(E H) = probailitas munculnya evidence E jika diketahui hipotesis H P(H) = probabilitas H tanpa mengandung evidence apapun P(E) = probabilitas evidence E 3. Penyakit Tanaman Kedelai Penyakit-penyakit yang menyerang tanaman kedelai dapat dilihat pada Tabel 1. PID P01 P02 P03 P04 P05 P06 P07 P08 P09 Penyakit Penyakit Target Spot / Corynespora cassicola Penyakit Rebah Kecambah, Busuk Daun, Batang dan Polong / R. Solani Penyakit Antraknose / Colletotrichum dematium var truncatum Penyakit Hawar Batang / Sclerotium rolfsii Penyakit Karat / Phakopsora pachyrhizi Penyakit Virus Mosaik / Soybean Mosaic Virus Penyakit Hawar, Bercak Daun, dan Bercak Biji Ungu / Cercospora kikuchii Penyakit Pustul Bakteri / Xanthomonas axonopodis pv glycines Penyakit Downy Mildew / Peronospora manshurica Tabel 1. Penyakit tanaman kedelai Sedangkan gejala penyakit yang menyerang tanaman kedelai dapat dilihat pada Tabel 2. GID G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 G13 G14 G15 G16 G17 G18 G19 G20 G21 G22 G23 Gejala Ada bercak kemerahan pada akar Ada bercak kemerahan pada batang Ada batang dekat akar busuk Pada batang timbul bintik bintik hitam berupa duri duri jamur Batang tanaman menjadi kering Ada bercak coklat tua pada batang bawah dekat permukaan tanah Ada miselium putih pada pangkal batang Ada bercak merah karat pada bagian daun, batang dan tangkai Bijinya mengecil Biji berwarna ungu Ada biji yang rusak Tulang daun pada batang berwarna kurang jernih Bercak daun membentuk lingkaran seperti papan tembak Daun mengkerut dan mempunyai gambar mozaik berwarna hijau gelap Daun yang timbul miselium dan daun lengket seperti terkena sarang laba laba Daun mengering dan menempel pada batang Bentuk bercak menyudut berukuran sampai 1 mm Ada bercak berwarna coklat muda atau putih pada bawah daun Bentuk bercak bervariasi dari bintik kecil sampai bintik besar berwarna kecoklatan Ada daun yang berlobang Ada tulang daun yang menebal dan warnanya kecoklatan Ada bercak berwarna putih kekuning kuningan pada permukaan bawah daun Ada daun yang kaku Tabel 2. Gejala penyakit tanaman kedelai

3 Hubungan antara penyakit dan gejalanya dapat dilihat pada Tabel 3. Gejala Penyakit P01 P02 P03 P04 P05 P06 P07 P08 P09 G G G G G G G G G G G G G G G G G G G

4 G G G G Tabel 3. Tabel keputusan antara penyakit dan gejala 4. Perhitungan Manual Misalnya gejala yang tampak pada tanaman kedelai ada 2 gejala yaitu ada bercak kemerahan pada akar (G01), dan ada bercak kemerahan pada batang (G02). Berdasarkan gejala tersebut maka dapat di hitung: 1. Penyakit target spot (P01) Jika probabilitas penyakit target spot (P01) adalah : 0,11 Jika probabilitas gejala memandang penyakit adalah : ada bercak kemerahan pada akar (G01) : 0,3 ada bercak kemerahan pada batang (G02) : 0,3 Perhitungan nilai Bayes : 1. P (P01 G01) = P (G01 P01) * P (P01) P(G01 P01) * P (P01) + P (G01 P02) * P (P02) + P (G01 P03) * P (P03) + P (G01 P04) * P (P04) + P (G01 P05) * P (P05) + P (G01 P06) * P (P06) + P (G01 P07) * P (P07) + P (G01 P08) * P (P08) + P (G01 P09) * P (P09) Perhitungan nilai Bayes : 1. P (P03 G01) = P (G01 P03) * P (P03) P (G01 P01) * P (P01) + P (G01 P02) * P (P02) + P (G01 P03) * P (P03) + P (G01 P04) * P (P04) + P (G01 P05) * P (P05) + P (G01 P06) * P (P06) + P (G01 P07) * P (P07) + P (G01 P08) * P (P08) + P (G01 P09) * P (P09) * 0.11 (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) 2. P (P03 G02) = P (G02 P03) * P (P03) P (G02 P01) * P (P01) + P (G02 P02) * P (P02) + P (G02 P03) * P (P03) + P (G02 P04) * P (P04) + P (G02 P05) * P (P05) + P (G02 P06) * P (P06) + P (G02 P07) * P (P07) + P (G02 P08) * P (P08) + P (G02 P09) * P (P09),3 * 0.11 (0*0,11) +(0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) +(0*0,11) = = 1 2. P (P01 G02) = P (G02 P01) * P (P01) P (G02 P01) * P (P01) + P (G02 P02) * P (P02) + P (G02 P03) * P (P03) + P (G02 P04) * P (P04)+ P (G02 P05) * P (P05) + P (G02 P06) * P (P06) + P (G02 P07) * P (P07) + P (G02 P08) * P (P08) + P (G02 P09) * P (P09),3 * 0.11 (0*0,11) +(0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) +(0*0,11) = = 1 Total Bayes 1 = = 2 2. Penyakit Antraknose (P03) Jika probabilitas penyakit target spot (P01) adalah : 0,11 Jika probabilitas gejala memandang penyakit adalah : ada bercak kemerahan pada akar (G01) : 0 ada bercak kemerahan pada batang (G02) : 0 * 0.11 (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) + (0*0,11) Total Bayes Hasil = Total Bayes 1 + Total Bayes 2 = = 2 Maka perhitungan probabilitas penyakitnya adalah : 1. Penyakit target spot (P01) = 2 / 2 * 100% = 100 % 2. Penyakit Antraknose (P03) / 2 * 100% % 5. Hasil Tampilan menu awal aplikasi dapat dilihat pada Gambar 1.

5 semakin tinggi pula kemungkinan tanaman kedelai terserang penyakit. 7. Kesimpulan dan Saran Gambar 1. Menu Awal Aplikasi Tampilan identifikasi penyakit dapat dilihat pada Gambar 2. Teorema Bayes dapat digunakan untuk mengidentifikasi penyakit pada tanaman kedelai dengan menerapkannya pada suatu program aplikasi. Aplikasi yang dibuat hanya dapat mengidentifikasi gejala yang tampak secara umum, belum dapat digunakan untuk mengidentifikasi gejala penyakit yang tampak secara khusus seperti penampakan gejala bersifat ringan, sedang, atau berat. Nilai akurasi hasil identifikasi program yang didapat dari pengujian 20 sampel gejala penyakit adalah 90 %. Disarankan menggunakan data training untuk nilai probabilitas gejala dan penyakit agar hasil identifikasi lebih akurat. Disarankan menggunakan data sampel yang lebih besar untuk pengujian agar validitas hasil menjadi lebih akurat. Diperlukan pengembangan aplikasi untuk mengidentifikasi penampakan gejala yang lebih khusus seperti penampakan gejala bersifat ringan, sedang, dan berat. 7. Referensi [1] Anum, R Identifikasi Penyakit pada Tanaman Kedelai Menggunakan Metode Classical Probability. Malang: Universitas Brawijaya [2] Arhami, M Konsep Dasar Sistem Pakar. Yogyakata: Andi Gambar 2. Menu identifikasi penyakit Tampilan hasil identifikasi penyakit dapat dilihat pada Gambar 3. [3] Dwiarta, L Menyelam dan Menaklukkan Samudra PHP. Bogor: CBS Centre [4] Hidayat, O. D Morfologi Tanaman Kedelai. Pusat Penelitian dan Pengembangan Pertanian [5] Kusumadewi, S Artificial Intelegence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu [6] Marwoto, Hardiningsih, S, Taufiq, A Masalah Hama, Penyakit, dan Hara pada Tanaman Kedelai (Identifikasi dan Pengendaliannya). Bogor: Pusat Penelitian dan Pengembangan Tanaman Pangan [7] Ramadhani, P., Wardhani, D.K., Nugroho, E.S. Sistem Pakar Diagnosa Infeksi Penyakit Tropis Berbasis Web. Jurnal Teknik Informatika Vol. 1 September Analisa Hasil Gambar 3. Hasil identifikasi Berdasarkan hasil pengujian perbandingan identifikasi program dengan identifikasi pakar pada 20 sampel data gejala penyakit diketahui bahwa akurasi hasil identifikasi program adalah sebesar 90%. Hasil identifikasi program memiliki tingkat probabilitas yang menunjukkan seberapa besar kemungkinan tanaman kedelai terkena suatu penyakit berdasarkan gejala yang telah dipilih. Semakin tinggi nilai probabilitasnya maka [8] Rosnelly, R.,Wardoyo, R Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia. Prosiding Seminar Nasional Ilmu Komputer Pendekatan Green Computing dan Manfaatnya Bagi Lingkungan, Universitas Sumatera Utara, Medan, hal [9] Winiarti, S Pemanfaatan Teorema Bayes dalam Penentuan Penyakit THT. Jurnal Informatika Vol. 2, No. 2 [10] Yakub, S Sistem Pakar Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web. Malang: Universitas Islam Negeri Maulana Malik Ibrahim