BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Kecerdasan Buatan (Artificial Intelligence) Menurut Minsky (dalam Kusrini, 2006: 3) kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia. Kecerdasan buatan memungkinkan komputer untuk berpikir dengan cara menyederhanakan program. Dengan cara ini, kecerdasan buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di masa-masa mendatang. Kecerdasan atau kepandaian itu didapat berdasarkan pengetahuan dan pengalaman, untuk itu agar perangkat lunak yang dikembangkan dapat mempunyai kecerdasan maka perangkat lunak tersebut harus diberi suatu pengetahuan dan kemampuan untuk menalar dari pengetahuan yang telah didapat dalam menemukan solusi atau kesimpulan layaknya seorang pakar dalam bidang tertentu yang bersifat spesifik. 2.2 Sistem Pakar Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli dibidangnya (Kusumadewi, 2003).

2 Sejarah Sistem Pakar Sistem Pakar dikembangkan pada pertengahan tahun 1960-an oleh Artificial Intelligence Corporation. Periode penelitian artificial intelligence ini didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer canggih akan menghasilkan prestasi pakar atau bahkan yang melebihi prestasi manusia. Suatu usaha ke arah ini adalah General Purpose Problem-Solver (GPS). GPS yang berupa sebuah prosedur yang dikembangkan oleh Allen Newell, John Cliff Shaw, dan Herbert Alexander Simon dari Logic Theorist merupakan sebuah percobaan untuk menciptakan mesin yang cerdas. GPS sendiri merupakan sebuah predecessor menuju Expert System (ES). GPS berusaha untuk menyusun beberapa langkah-langkah yang dibutuhkan untuk mengubah situasi awal menjadi state tujuan yang telah ditentukan sebelumnya. Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa (general-purpose) ke program yang spesialis (special-purpose) dengan dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford dan kemudian diikuti oleh MYCIN. Pembuatan DENDRAL tujuannya mengarah kepada konklusi-konklusi berikut: a. GPS terlalu lemah untuk digunakan sebagai dasar untuk membangun ES yang berunjuk kerja tinggi. b. Pemecahan masalah manusia adalah baik hanya jika beroperasi dalam domain yang sangat sempit. c. ES harus di-update secara berkala untuk informasi baru. Update semacam ini dapat efisien apabila menggunakan representasi pengetahuan berbasis rule. d. Problem yang kompleks membutuhkan pengetahuan yang banyak sekali tentang area problem. Pada pertengahan tahun 1970-an, beberapa ES mulai muncul. Sebuah pengetahuan kunci yang dipelajari saat itu adalah kekuatan dari ES berasal dari pengetahuan spesifik yang dimilikinya, bukan dari formalisme-formalisme khusus dan pola penarikan kesimpulan yang digunakannya.

3 8 Awal 1980-an, teknologi ES yang mula-mula dibatasi oleh suasana akademis mulai muncul sebagai aplikasi komersil, khususnya XCON, XSEL (dikembangkan dari R-1 pada Digital Equipment Corp.) dan CATS-1 (dikembangkan oleh General Electric). Sistem pakar untuk melakukan diagnosis kesehatan telah dikembangkan sejak pertengahan tahun Sistem pakar untuk melakukan diagnosis pertama dibuat oleh Bruce Buchanan dan Edward Shortliffe di Stanford University. Sistem ini diberi nama MYCIN. MYCIN merupakan program interaktif yang melakukan diagnosis penyakit miningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Dalam uji coba, dia mampu menunjukkan kemampuan seperti seorang spesialis. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain (Kusrini, 2006) Konsep Dasar Sistem Pakar Menurut Turban (dalam Arhami, 2005: 11) menyatakan bahwa konsep dasar dari suatu sistem pakar mengandung beberapa unsur, yaitu keahlian, ahli, pengalihan keahlian, inferensi, aturan, dan kemampuan menjelaskan. Keahlian merupakan suatu penguasaan pengetahuan di bidang tertentu yang didapatkan dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang merupakan keahlian adalah: a. Fakta-fakta pada lingkup permasalahan tertentu. b. Teori-teori pada lingkup permasalahan tertentu. c. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu. d. Strategi-strategi global untuk menyelesaikan masalah. e. Meta-knowledge (pengetahuan tentang pengetahuan).

4 9 Bentuk-bentuk ini memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli. Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang perlu memecah aturan-aturan jika dibutuhkan, dan menentukan relevan tidaknya keahlian mereka. Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas, yaitu tambahan pengetahuan (dari para ahli atau sumber lainnya), representasi pengetahuan (ke komputer), inferensi pengetahuan, dan pengalihan pengetahuan ke user. Pengetahuan yang disimpan di komputer disebut dengan basis pengetahuan. Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basisdata, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk mesin inferensi (inferensi engine) Kategori Sistem Pakar Gunawan (2008, hal: 3) menyatakan bahwa berdasarkan tujuan pembuatannya, sistem pakar dikategorikan menjadi: 1. Interpretasi (Interpretation) Bertujuan untuk menganalisa data yang tidak lengkap, tidak teratur dan data yang kontradiktif yang biasanya diperoleh melalui sensor. Contoh: pencitraan. 2. Prediksi (Prediction) Bertujuan untuk memberikan kesimpulan mengenai akibat yang mungkin ditimbulkan dari sejumlah situasi yang diberikan. Contoh: financial forecasting.

5 10 3. Diagnosa (Diagnosys) Bertujuan untuk melakukan diagnosa untuk menentukan penyebab gagalnya sistem dalam situasi kompleks yang didasarkan pada observasi terhadap gejala-gejala yang dapat diamati. Prinsipnya adalah untuk menemukan apa masalah atau kerusakan yang terjadi. Contoh: diagnosa penyakit di bidang kedokteran. 4. Disain (Design) Bertujuan untuk menentukan konfigurasi yang cocok dari komponen yang ada pada sebuah sistem sehingga unjuk kerja yang memuaskan dapat diperoleh walupun didalamnya terdapat sejumlah keterbatasan. Contoh: layout circuit. 5. Perencanaan (Planning) Bertujuan untuk mendapatkan urutan tindakan yang harus dilakukan untuk mencapai sasaran yang ditentukan sebelumnya dari suatu kondisi awal tertentu. Contoh: lengan yang robot harus memindahkan tiga balok dengan susunan tertentu dari susunan asal yang acak. 6. Pengamatan (Monitoring) Bertujuan untuk membandingkan perilaku yang diamati dalam suatu sistem dengan perilaku yang diharapkan untuk mengenal variasi perilaku yang terdapat didalamnya. Contoh: control instalasi nuklir. 7. Pelacakan dan Perbaikan (Debugging dan Repair) Bertujuan untuk menentukan dan mengimplementasikan perbaikan pada kegagalan suatu sistem. Contoh: tahap ujicoba software komputer. 8. Instruksi (Instruction) Bertujuan untuk mendeteksi dan memperbaiki kekurangan perilaku siswa dalam memahami bidang informasi tertentu. Contoh: program tutorial.

6 11 9. Kontrol (Control) Bertujuan untuk pengaturan perilaku kerja sistem dalam suatu lingkungan yang kompleks, termasuk didalamnya adalah penafsiran, perkiraan, pengawasan dan perbaikan perilaku kerja sistem tersebut. Contoh: control terhadap proses manufacturing lengkap. 10. Klasifikasi (Classification). Bertujuan untuk menentukan kategori-kategori dari sejumlah kriteria yang diberikan. Contoh: menentukan bidang pekerjaan yang cocok untuk seorang calon pegawai Ciri-Ciri Sistem Pakar Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut (Kusumadewi, 2003): 1. Memiliki fasilitas informasi yang handal. 2. Memiliki fasilitas mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu kemampuan dari basis pengetahuannya. 3. Dapat digunakan dalam berbagai jenis komputer. 4. Memiliki kemampuan untuk belajar beradaptasi Keuntungan dan Kelemahan Sistem Pakar Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain (Kusumadewi, 2003): 1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. 2. Bisa melakukan proses secara berulang secara otomatis. 3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output dan produktivitas. 5. Meningkatkan kualitas.

7 12 6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka). 7. Mampu beroperasi dalam lingkungan yang berbahaya. 8. Memiliki kemampuan untuk mengakses pengetahuan. 9. Memiliki reabilitas. 10. Meningkatkan kapabilitas sistem komputer. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. 12. Sebagai media pelengkap dalam pelatihan. 13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambil keputusan. Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain: 1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal. 2. Sedikitnya ketersediaan pakar dibidangnya sehingga sistem pakar sulit dibuat atau dikembangkan. 3. Sistem pakar tidak 100% bernilai benar Struktur Sistem Pakar Menurut Turban (dalam Arhami, 2005: 13) sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan dan lingkungan konsultasi. Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Menurut Turban (dalam Arhami, 2005) komponen-komponen yang terdapat dalam sistem pakar, yaitu: 1. Antarmuka pengguna (user interface) Perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem. Antarmuka menerima informasi dari pemakai dan

8 13 mengubahnya kedalam bentuk yang dapat diterima oleh sistem. Pada bagian ini terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar menerima instruksi dan informasi (input) dari pemakai, juga memberikan informasi (output) kepada pemakai. 2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah yang dapat berasal dari pakar, jurnal, majalah, dan sumber pengetahuan lain. 3. Akuisisi Pengetahuan (knowledge acquisition) Akuisisi pengetahuan merupakan tranformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan kedalam program komputer. Terdapat empat metode utama dalam akuisisi pengetahuan, yaitu: wawancara, analisis protocol, observasi pada pekerjaan pakar dan induksi aturan dari contoh. 4. Mesin inferensi Mesin inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan permodelan proses berfikir manusia. 5. Fasilitas penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem kepada pemakai dengan cara menjawab pertanyaan-pertanyaan. 6. Workplace Workplace merupakan area dari sekumpulan memori kerja yang digunakan untuk merekam hasil-hasil dan kesimpulan yang dicapai.

9 14 7. Perbaikan pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dan kinerjanya. Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat pada gambar 2.1 berikut ini: LINGKUNGAN KONSULTASI LINGKUNGAN PENGEMBANGAN Pemakai Fakta tentang Kejadian tertentu Basis Pengetahuan: Fakta dan aturan Antarmuka Fasilitas penjelasan Knowledge Engineer Akuisisi Pengetahuan Aksi yang direkomendasikan Mesin Inferensia Pakar Workplace Perbaikan Pengetahuan Gambar 2.1 Struktur Sistem Pakar Basis Pengetahuan Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan berisi pengetahuan penting untuk

10 15 pengertian, formulasi, dan pemecahan masalah. Basis pengetahuan memasukkan dua elemen dasar, yaitu (Kusrini, 2006): 1. Facts (fakta), seperti situasi masalah dan teori dari area masalah. 2. Heuristic (heuristik) khusus atau rule-rule yang menghubungkan penggunaan pengetahuan untuk pemecahan masalah spesifik dalam sebuah domain khusus. Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah yang dapat berasal dari pakar, jurnal, majalah, dan sumber pengetahuan lain. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Ada 2 bentuk basis pengetahuan yang umum digunakan, yaitu (Kusumadewi, 2003): 1. Penalaran berbasis aturan (Rule-Based Reasoning) Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : If-Then. Penalaran ini digunakan jika terdapat sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan pakar dapat melakukan penyelesaian secara berurutan. 2. Penalaran berbasis kasus (Cased-Based Reasoning) Pada penalaran ini, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang Representasi pengetahuan Pengetahuan merupakan kemampuan untuk membentuk model mental yang menggambarkan objek dengan tepat dan merepresentasikannya dalam aksi yang dilakukan terhadap suatu objek. Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Perepresentasian dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat informasi itu dapat diakses oleh prosedur pemecahan masalah (Kusrini, 2006).

11 Model representasi pengetahuan Menurut Schnupp (dalam Kusrini, 2006: 24) pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. Beberapa model representasi pengetahuan yang penting, adalah: a. Logika (logic) Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu proses penalaran. Bentuk logika komputasional ada 2 macam, yaitu: 1. Logika Proporsional Logika proporsional merupakan logika simbolik untuk memanipulasi proposisi. Proposisi merupakan pernyataan yang dapat bernilai benar atau salah yang dihubungkan dengan operator logika diantaranya operator And, Or, Not, Impilikasi (if..then), Bikondisional (if and only if). Contohnya: Jika hujan turun sekarang maka saya tidak akan ke pasar, dapat dituliskan dalam bentuk: ( p => q) 2. Logika Predikat Logika predikat adalah suatu logika yang seluruhnya menggunakan konsep dan kaidah proposional yang sama dengan rinci. Suatu proposisi atau premis dibagi menjadi dua bagian, yaitu: argumen (objek) dan predikat (keterangan). Predikat adalah keterangan yang membuat argument dan predikat. Contohnya: Mobil berada dalam garasi, dapat dinyatakan menjadi (didalam = keterangan, mobil = argumen, garasi = argumen). b. Jaringan semantic (semantic nets) Representasi jaringan semantic merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari objek-objek yang terdiri atas simpul (node) dan penghubung (link). Contohnya: Merepresentasikan pernyataan bahwa semua komputer merupakan alat elektronika, semua PC merupakan komputer, dan semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki monitor dan

12 17 hanya sebagian alat elektronik yang memiliki monitor hal ini dapat dilihat pada gambar 2.2 berikut ini: PC Merupakan Komputer Merupakan Alat elektronik Memiliki Monitor Gambar 2.2 Representasi Jaringan Semantik c. Object-Atributte-Value (OAV) Object dapat berupa bentuk fisik atau konsep, Attribute adalah karakteristik atau sifat dari object tersebut, Value (nilai) - besaran spesifik dari attribute tersebut yang berupa numeric, string atau boolean. Contoh: Object: mangga; Attribute: warna, rasa; Value: hijau, manis. d. Bingkai (frame) Bingkai berupa ruang (slots) yang berisi atribut untuk mendeskripsikan pengetahuan yang berupa kejadian. Bingkai memuat deskripsi sebuah objek dengan menggunakan tabulasi informasi yang berhubungan dengan objek. Contoh: Bingkai penyakit yang dilihat pada gambar 2.3 berikut ini: Ruang(slots) Nama Gejala Isi (fillers) Flu A. Bersin B. Pusing C. Demam Obat A. Mextril B. Paramex Gambar 2.3 Bingkai Penyakit e. Kaidah produksi (production rule) Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi dalam bentuk jika-maka (If-Then) yang menghubungkan anteseden dengan konsekuensi. Contoh: JIKA bersin-bersin dan pusing MAKA terserang penyakit flu.

13 Mesin Inferensi Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan (Kusrini, 2006, hal: 35). Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia dalam hal ini akan digunakan metode inferensi dalam pengambilan kesimpulan. Ada dua metode inferensi yang penting dalam sistem pakar, yaitu pelacakan ke depan (forward chaining) dan pelacakan ke belakang (backward chaining). 1. Metode inferensi yang digunakan dalam sistem pakar untuk menarik kesimpulan dalam masalah adalah metode berantai ke depan (forward chaining). Berantai ke depan adalah cara membentuk penalaran dari fakta menuju hipotesa. Seluruh fakta diberikan kepada sistem dan sistem melakukan deduksi terhadap hipotesa yang paling mungkin. Cara ini dapat ditunjukkan pada gambar 2.4 berikut ini: Observasi A Aturan R1 fakta C Kesimpulan 1 Aturan R3 Observasi B Aturan R2 fakta D Kesimpulan 2 Aturan R2 fakta E Gambar 2.4 Proses forward chaining 2. Metode inferensi yang digunakan dalam sistem pakar untuk menarik kesimpulan dalam masalah adalah metode berantai ke belakang (backward chaining). Berantai ke belakang adalah cara membentuk penalaran yang dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan. Cara ini dapat ditunjukkan pada gambar 2.5 berikut ini:

14 19 Observasi A Aturan R1 fakta C Aturan R3 Observasi B Aturan R2 fakta D Tujuan 1 (Kesimpulan) Aturan R2 Gambar 2.5 Proses Backward Chaining Metoda Pelacakan Ada 2 macam pendekatan pelacakan ruang keadaan dalam perancangan suatu kecerdasan buatan, yaitu blind search (pelacakan buta) dan heuristic search (pelacakan heuristik). Penggunaan metoda heuristik digunakan untuk membantu mengurangi wilayah pelacakan atau regenerasi node yang bisa menimbulkan berbagai alternatif solusi, dan berusaha memberikan satu solusi yang jelas (Suparman 2007). Pada perancangan program menggunakan metoda heuristik generate and test yang pada dasarnya melakukan pelacakan berdasarkan prosedur sebagai berikut (Wolfgram et al, 1987): 1. Membangkitkan satu kriteria yang menjadi awal proses 2. Melacak suatu titik yang mungkin bersesuaian dengan tujuan awal 3. Jika pelacakan sudah menemukan satu kesimpulan maka pelacakan akan berhenti, namun jika tidak maka pelacakan akan diteruskan ke titik selanjutnya 4. Pelacakan akan terus dilakukan sampai mencapai satu kesimpulan. 2.3 Tanaman Kelapa Sawit Kelapa sawit (Elaeis guineensis Jacq.) termasuk golongan tumbuhan palma yang umumnya dapat tumbuh di daerah antara 12 0 Lintang Utara 12 0 Lintang Selatan. Kelapa sawit berkembang biak dengan biji dan termasuk tanaman daerah tropis yang umumnya hidup pada ketinggian m di atas permukaan laut. Selain itu, kelapa

15 20 sawit dapat tumbuh di berbabagai jenis tanah. Bunga dan buahnya berupa tandan, bercabang banyak. Buahnya kecil dan bila masak berwarna merah kehitaman. Daging dan kulitnya mengandung minyak yang dapat digunakan sebagai bahan mentah industri pangan maupun nonpangan yang bernilai tinggi (Risza, 1994). 2.4 Penyakit Tanaman Penyakit tanaman adalah sesuatu yang menyimpang dari keadaan normal, cukup jelas menimbulkan gejala yang dapat dilihat, menurunkan kualitas atau nilai ekonomis, dan merupakan akibat interaksi yang cukup lama. Tanaman sakit adalah suatu keadaan proses hidup tanaman yang menyimpang dari keadaan normal dan menimbulkan kerusakan. Makna kerusakan tanaman adalah setiap perubahan pada tanaman yang menyebabkan menurunnya kuantitas dan kualitas hasil (Rukmana et al, 1997). Penyakit tanaman terbagi menjadi dua yaitu penyakit abiotis yaitu suatu penyakit pada tanaman yang disebabkan oleh organisme tak hidup misalnya difisiensi unsur hara, keracunan mineral, kelembaban, suhu, sinar yang tidak sesuai, kekurangan oksigen, polusi, dan reaksi tanah. Yang kedua adalah penyakit biotis yaitu penyakit yang disebabkan organisme hidup yang kesemuanya adalah jasad renik atau mikroorganisme yaitu jamur, bakteri, virus, dan nematoda Gejala Penyakit Tanaman Gejala adalah keadaan keadaan patologi dan fisiologi dari tanaman terhadap aktivitas dari patogen atau faktor yang lain. Untuk penyakit tertentu pada tanaman tertentu, terdapat adanya gejala yang khas. Biasanya ada suatu urutan perubahan bentuk gejala sesuatu penyakit, selama perkembangan dari penyakit itu. Jadi pada suatu tanaman sakit biasanya terdapat suatu variasi dari gejala, yang memberikan sindrom atau gambaran penyakit. Melihat sifatnya gejala penyakit dapat dibagi atas gejala lokal dan sistemis. Gejala lokal yaitu suatu gejala yang terbatas, sedangkan gejala sistemis ialah gejala yang meliputi seluruh tubuh tanaman (Sastrahidayat, 1990).

16 21 Gejala-gejala penyakit tanaman dapat dibedakan menjadi tiga jenis, yaitu: 1) Gejala-gejala Nekrotik Gejala nekrotik ini disebabkan karena adanya kerusakan pada sel atau bagian sel atau bahkan matinya sel. Gejala Nekrotik terbagi sebagai berikut: 1. Nekrosis atau matinya bagian tanaman Sekumpulan sel yang terbatas dalam jaringan tertentu mati dan pada alat tanaman terlihat adanya becak-becak atau bintik-bintik hitam. 2. Hidrosis Disebabkan karena air sel keluar dari ruang sel masuk kedalam ruang sela-sela sel, bagian ini akan tampak kebasah-basahan. 3. Klorosis Rusaknya kloroplas menyebabkan menguningnya bagian-bagian yang lazimnya berwarna hijau. 4. Layu Ini adalah gejala sekunder yang disebabkan karena adanya gangguan dalam berkas pengangkutan atau adanya kerusakan pada susunan akar yang menyebabkan tidak seimbangknya penguapan dengan pengangkutan air. 5. Gosong Gejala gosong atau scorch yang sering disebut terbakar adalah mati dan mengeringnya bagian tanaman tertentu hampir sama dengan gejala nekrosis. Gejala gosong biasanya terjadi karena penyebab abiotik. 6. Mati ujung Mati ujung biasanya terjadi pada ranting atau cabang yang dimulai dari ujungnya baru meluas kepangkal. 7. Busuk Busuk disebabkan karena rusaknya sel-sel atau jaringan-jaringan. Sebenarnya gejala busuk sama dengan gejala nekrosis tetapi lazimnya perkataan busuk dipakai untuk bagian-bagian yang tebal seperti buah, batang, akar. Busuk terbagi menjadi dua yaitu busuk basah dan busuk kering. Busuk basah biasanya disertai bau yang tidak enak atau cairan-cairan yang kental biasanya terjadi pada bagian tanaman yang berdaging, sedangkan busuk kering jarang berbau.

17 22 8. Rebah semai Jamur yang biasanya menyerang adalah jenis Rhizoctonia, Sclerotium, Fusarium, Phytium, Phytophthora dan menyebkan batang membusuk atau tanaman rebah. 9. Kanker Gejala ini lazimnya terjadi pada bagian-bagian yang berkayu pada batang, ranting ataupun akar. 10. Perdarahan atau eksudasi Gejala ini biasanya ditunjukkan dengan adanya cairan-cairan yang keluar pada bagian tanaman. 2) Gejala-gejala Hipolastik Gejala hipoplastik adalah gejala yang disebabkan karena terhambat atau terhentinya pertumbuhan sel, gejala ini terbagi menjadi berikut: 1. Kerdil atau tumbuh terhambat Terhambatnya pertumbuhan bagian-bagian tanaman sehingga ukurannya lebih kecil daripada biasanya. 2. Klorosis Rusaknya kloroplas menyebabkan menguningnya bagian-bagian yang lazimnya berwarna hijau. 3. Etiolasi Gejala ini ditunjukkan dengan tanaman yang menjadi pucat, tumbuh memanjang dan mempunyai daun-daun yang sempit. 3) Gejala-gejala Hiperplastik Gejala hiperplastik ini disebabkan karena adanya pertumbuhan sel yang lebih dari biasanya (overdevelopment). Gejala hiperplastik terbagi sebagai berikut: 1. Menggulung atau mengeriting Gejala gulung daun (leaf roll) atau gejala mengeriting (curling) disebabkan karena pertumbuhan yang tidak seimbang dari bagian-bagian daun. 2. Rontok Peristiwa ini dianggap sebagai gejala penyakit jika terjadi sebelum waktunya (premature) dan dalam jumlah yang lebih banyak dari biasanya. Rontoknya

18 23 bagian tanaman disebabkan terjadinya lapisan pemisah yang terdiri atas sel-sel yang membulat seperti tepung dan lepas-lepas. 3. Perubahan warna Yang dimaksud disini adalah perubahan warna yang bukan klorosis misalnya daun yang sakit berubah warna menjadi kengu-unguan karena membentuk antosianin Perlindungan Tanaman Perlindungan tanaman mempunyai peranan yang sangat penting dan merupakan bagian yang tidak dapat dipisahkan dari usaha peningkatan produksi tanaman atau produksi pertanian, dengan dasar yaitu apabila pengendalian jasad pengganggu baik biotis maupun non biotis tidak berhasil, jelaslah tidak akan mendapatkan hasil produksi yang baik dan menguntungkan secara ekonomis. Dapat dikatakan perlindungan tanaman menjamin kepastian hasil dan memperkecil resiko berproduksi suatu tanaman, sebab walaupun langkah-langkah lainnya dari budi daya suatu tanaman sudah dilaksanakan dengan baik baik pemilihan varietas unggul, menanam, memupuk, mengairi, menyiang dan lainnya tetapi langkah pengendalian gangguan diabaikan terutama jasad pengganggu makan apa yang akan diberikan oleh langkah lain akan dapat menjadi hilang sama sekali. Djafaruddin (1996, hal: 70) menyatakan bahwa secara umum metode perlindungan tanaman khususnya pengendalian jasad pengganggu antara lain dikelompokkan sebagai berikut: 1. Metode atau cara kultur teknik (Fisik) Yaitu melakukan langkah-langkah bercocok tanam yang dibudayakan itu sebaik-baiknya, langkah yang sudah lazim dalam dasar-dasar agronomi, contohnya: Pemilihan bibit unggul, sanitasi yang baik, pengairan yang baik, pengolahan tanah, pencabutan atau pembakaran tumbuhan yang sakit agar tidak menyebarkan patogen. dan lain sebagainya.

19 24 2. Metode atau cara kimia Dalam pengelolaan hama dan penyakit tanaman seringkali petani harus memakai bahan-bahan kimia yang disebut pestisida. Memang pengendalian penyakit tumbuhan dengan pestisida memerlukan banyak biaya, tetapi banyak yang memakai cara ini dikarenakan hasilnya segera tampak. Pestisida yang khususnya fungisida yang baik jika mempunyai sifat-sifat berikut: a. Meracun patogen sasaran. b. Tidak meracuni tumbuhan. c. Tidak meracuni manusia, ternak, ikan dan sebangsanya. d. Tidak meracuni tanah dan lingkungan termasuk jasad renik. e. Murah dan mudah didapat. f. Tidak mudah terbakar. g. Dapat disimpan lama tanpa menurun mutunya. h. Tidak merusak alat-alat. i. Mudah disiapkan dan mudah dipakai. j. Dapat merata dan melekat kuat pada permukaan badan tanaman. k. Aktif dalam waktu yang tidak terlalu lama, agar tidak banyak meninggalkan residu pada hasil pertanian dan kurang mencemari lingkungan. l. Kalau dapat selain membunuh jamur juga dapat membunuh serangga, tungau dan sebangsanya yang merugikan.