SISTEM PENDETEKSI GANGGUAN HAMA DANPENYAKIT TANAMAN PADI BESERTA PENANGGULANGANNYA

Transkripsi

1 SISTEM PENDETEKSI GANGGUAN HAMA DANPENYAKIT TANAMAN PADI BESERTA PENANGGULANGANNYA Santi Purwaningrum 1, KhafiizhHastuti, M.Kom 2 MahasiswaUniversitas Dian Nuswantoro Semarang 1, DosenUniversitas Dian Nuswantoro Semarang 2 1, 2 Teknik Informatika, FakultasIlmuKomputer, Universitas Dian Nuswantoro Semarang Jl. Nakula 1, No Semarang, KodePos 50131, Telp. (024) , Fax: @mhs.dinus.ac.id 1 ABSTRAK Kendala petani dalam mengetahui jenis hama dan penyakit tanaman padi tidaklah asing lagi, maka diperlukansebuah sistem untuk membantu masalah tersebut. Sistem pendeteksi ini merupakan sistem yang dapat membantu para petani untuk mendiagnosa hama dan penyakit tanaman padi beserta penanggulangannya berdasarkan gejala-gejala yang terjadi pada tanaman padi. Metode sistem pendeteksi yang digunakan adalah Metode certainty factor yang akan diaplikasi kan kedalam bentuk WEB. Dalam aplikasi sistem pendeteksi ini terdapat fasilitas untuk user dimana user dapat mendiagnosa hama dan penyakit tanaman padi dengan cara menginputkan gejala-gejala tanaman padi yang kasat mata.pada menu sistem pendeteksi ini user dapat menginputkan gejala-gejala tanaman padi yang telah dialami petani. Dan akan mendapatkan informasi tentang jenis hama dan tanaman padi beserta penanggulangnnya.user juga dapat melihat hasil dan perhitungan certainty factor, dapat mengetahui informasi artikel yang berkaitan dengan padi, hama dan penyakit tanaman padi. Sistem pendeteksi hama dan penyakit tanaman padi beserta penanggulangannya ini, diharapkan dapat mempermudah para petani untuk mengetahui jenis hama dan penyakit tanaman padi. Kata kunci : Tanaman padi, hama dan penyakit tanaman padi, sistem pendeteksi, certainty factor ABSTRACT Constraints farmers in knowing the type of pests and diseases of rice plants is not foreign anymore, so we need a system to help the problem. This detection system is a system that can help farmers to diagnose pests and diseases of rice plants and their countermeasures based on the symptom sthat occur in rice plants. Methods of an expert system is a certainty factor Methods to be applied into the form of the WEB. Methods of detection system used is the certainty factor method that will beapplied into the form of theweb.in the application of this detection system there is a facility for the user where the user can diagnose pests and diseases of rice plants by means of input symptoms rice plants are visible. In this detection system menu the user can input the symptoms rice plants that have been experienced by farmers.users can also see the results and calculation certainty factor, can 1

2 find out information articles related to rice, the rice plant pests and diseases.detection systems pest and disease and countermeasures rice cropis expected to facilitate the farmers to know what types of pests and diseases of rice plants. Keywords: Rice plants, pests and diseases of rice plants, detection systems, certainty factor 1. PENDAHULUAN Padi merupakan tanaman yang menghasilkan beras sebagai makanan pokok bagi masyarakat Indonesia. Kebutuhan tanaman padi sebagai penghasil makanan pengolah makanan pokok meningkat seiring dengan semakin bertambahanya populasi manusia. Salah satu factor kegagagalan panen kerena gangguan hama dan penyakit tanaman. Kegagalan panen yang disebabkan oleh kekeringan, serangan hama penyakit dan bencana umumnya terjadi secara tidak merata di berbagai wilayah (lee(1990), 2010). Keterbatasan yang di miliki oleh seorang pakar terkadang menjadi kendala bagi petani untuk melakukan konsultasi secara langsung untuk mendapatkan solusi yang terbaik tentang peyakit atau gangguan hama yang sedang di alami dan penanggulanggannya. Dengan adanya perkembangan teknologi yang semakin pesat diera modern ini, dikembangkan suatu teknologi yang mampu memproses dan cara berpikir manusia dengan teknologi Kecerdasan Buatan, yaitu dengan sistem pakar. Sistem pendeteksi gangguan hama dan penyakit tanaman padi ini menggunakan pendekatan sistem pakar. Agar sistem pendeteksi dapat melakukan penalaran sepertihalnya seorangpakar meskipun berada dalam kondisi data yang tidak pasti dan untuk mendapat nilai kepastian maka di perlukan suatu metode yang di sebut certainty factor. Sistem pendeteksi ini akan dibangun dan dirancang kedalam bentuk web yang dapat memberikan informasi gejala-gejala serangan gangguan hama dan penyakit tanaman padi dan dapat memberikan sebuah solusi dalam gangguan hama dan penyakit tanaman padi dan agar semua orang dapat mengakses di internet tanpa harus bertatap muka dengan seorang pakar, karena dengan sistem ini semua orang bisa mengakses dimana dan kapan saja. 2

3 3 2. METODE Certainty factor diperkenalkan oleh Shortliffedan Buchanan pada tahun 1975 untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Seorang pakar biasanya melakukan penalaran yang sudah ada berdasarkan data dengan dugaandugaan yang tidak pasti atau meragukan seperti :mungkin, kemungkinan besar, hampir pasti dan masih banyak lainnya. Untuk mengakomondasi hal tersebut kita menggunakan Certainty Factor agar member tingkat keyakinan pada masalah yang tengah dihadapi. Terdapat 2 cara untuk mendapatkan CF dari sebuah rule, yaitu: 1. Metode Net Belief CF(Rule)=MB(H,E)-MD(H,E) Dimana : CF(Rule) Factor kepastian : MB(H,E) : MD(H,E) : Ukuran kepercayaan terhadap Hipotesis H, jikadiberikan evidence E (antara 0 dan 1) Ukuran ketidak percayaan terhadap P(H) Hipotesis H, jika diberikan evidence E (antara 0 dan 1) : Hipotesis H P(H E) : Fakta E 2. Dengan cara mewawancarai seorang pakar Nilai CF (Rule) diperoleh dari interpretasi term dari pakar, yang diganti dari nilai CF tertentu sesuai tabe dibawahini. Tabel 2. 1Nilai Certainty Factor dan interpretasis Uncertain Term CF Tidakpasti -1.0 Hampir tidak pasti Kemungkinan besar tidak Mungkin tidak -0.4 Tidak yakin to 0.2 Kurang yakin 0.4 Cukup yakin 06 Yakin 0..8 Sangat yakin 1.0 Terdapat 3 hal yang mungkin terjadi pada Certainty Factor. a) Rule dengan evidence E tunggal dengan hipotesis tunggal IF E THEN H (CF Rule) CF(H,E)=CF(E) * CF(rule)

4 4 Dengan catatan nilai CF rule ditentukan oleh pakar, sedangkan nilai CF (E) ditentukan oleh pengguna saat berkonsultasi dengan sistem pakar. b) Rule dengan evidence E ganda dan Hipotesis H Tunggal IF E 1 E 2 E 2THEN H (CF rule) CF(H,E)=min[CF(E 1),CF(E 2),,CF( E n)]*cf(rule) IF E 1OR E 2 E 2THEN H (CF rule) CF(H,E)=max[CF(E 1),CF(E 2),,CF( E n)] * CF(rule) c) Gabungan dua buah rule denga evidence berbeda (E 1dan E 2), tetapi hipotesis sama IF E 1 THEN H Rule 1 CF(H,E 1)=CF 1=C(E 1)*CF(Rule1) IF E 2 THEN H Rule 2 CF(H,E 2)=CF 2=C(E 2)*CF(Rule1) CF(CF 1,CF 2) = CF 1 + CF 2 * (1 - CF 1) ;jika CF 1 > 0 dan CF 2> 0 (jika CF 1 dan CF 2 positif) CF(CF 1,CF 2) = CF 1 + CF 2 * (1 + CF 1) ; jika CF 1 < 0 dan CF 2< 0 (jika CF 1 dan CF 2 negatif) CF(CF 1,CF 2) = CF 1 + CF 2 / 1 min [ CF 1, CF 2 ] ;jika CF 1 < 0 dan CF 2< 0 (jika CF 1 positif dan CF 2 negatif). Kelebihan Motode Certainty Factor (Sutojo, 2011): Metode ini sangat susuai dengan sistem pakar yang datanya mengandung ketidak pastian. Dalam sekali kerja dapat memproses 2 data sehingga keakuratan data masih terjaga. Kekurangan Motode Certaity Factor (Sutojo, 2011): Pemodelan ketidak pastian menggunakan perhtungan metode certainty Factor biasanya dipermasalahkan. masih Untuk data lebih dari 2 buah, harus dilakukan berulang kali pengolahan data. 3. PEMBAHASAN DAN HASIL 1. PEMBAHASAN Pada tahap ini dilakukan pembuatan rancangan aplikasi. Mulai dari perancangan fungsi, logika, dan desain aplikasi agar dapat digunakan sesuai dengan awal topik pembahasan.basis pengetahunan beberapa merupakan kumpulan pengetahuan dari seorang pakar yang dihubungkan dengan suatu permasalahan yang di gunakan

5 5 dalam sistem aplikasi sistem kecerdasan buatan. Pada pembuatan sistem pendeteksi ini penulis menggunakan penalaran berbasis aturan IF-THEN. Bentuk penalaran ini digunakan apabila mempunyai banyak pengetahuan seorang pakar pada suatu permasalahan dalam suatu bidang dan seorang pakar dapat menyelesaikan permasalahan dengan berurutan. Berikut ini rule dari sistempakar mendiagnosa hama dan penyakit tanaman padi dengan menggunakan metode certainty factor : RULE 1 : IF G01 G02 G03 G04 G05 G06 THEN P1 RULE 2 : IF G07 G08 G09 THEN P2 RULE 3 : IF G10 G11 G12 G13 G14 THEN P3 RULE 4 : IF G15 G16 G17 RULE 5 RULE 6 RULE 7 RULE 8 RULE 9 THEN P4 G18 : IF G05 G19 G20 G21 THEN P5 : IF G04 G18 G22 THEN P6 : IF G03 G18 G23 G24 G27 THEN P7 : IF G03 G18 G27 G28 G29 THEN P8 : IF G18 G25 G26 G27 THEN P9 Tabel3.1 Contoh perhitungan Certainty Factor No Gejala Penyakit Nilai CF

6 6 1 Helaian daun memendek 2 Tanaman menjadi kerdil 3 Daun berwarna kuning sampai kuningoranye. Tungro 0,6 Tungro, 0,8 Tungro 0,6 Rumus = CF(1.2) = CF(1) + [CF(2) * (1 CF(1)] CF(A) = CF(1) + [CF(2) * (1 CF(1))] = 0,6 + [0.8 * (1 0.6 )] = 0.92 CF(B) = CF(3) + [CF(A) * (1 - CF(3))] =0.6 + [0.92 * (1 0.6)] = 0,968 Sehingga dari gejala-gejala yang di input oleh user pada tanaman padi adalah penyakit tunggo dengan nilai maximal yaitu 0,968 dibulatkan menjadi 0,96 atau 97%. 4. IMPLEMENTASI SISTEM Pada tampilan menu utama adalah gambaran perancangan halaman depan yang terdapat bebera patampilan menu antara lain: pengantar, Knowledge Base, history, pembuat, sistem Pendeteksi, kontak. Gambar 4. 1 Menu Pengantar Sebelum memasuki sistem pendeteksi user akan di sajikan menu login. Seperti gambar dibawah ini: Gambar 4. 2 Login User Pada menu sistem pendekatan ini user dapat menginputkan gejala-gejala tanaman padi yang telah dialami petani. Dan akan mendapatkan informasi tentang jenis - jenis hama dan penyakit tanaman padi beserta penanggulangnnya.

7 7 Gambar 4. 3 menu Sistem pendekatan Pada tampilan hasil diagnosa user dapat mengetahui hasil diagnosa jenis hama dan penyakit tanaman padi berdasarkan gejala yang user input. Gambar 4. 4 Tampilan Hasil Diagnosa 5. KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan dapat disimpulkan : pembahasan 1. Dari penelitian yang telah dilakukan diperoleh hasil perangkat lunak tentang sistem pendeteksi yang mampu keputusan mengambil dengan memberikan solusi untuk mendeteksi hama dan penyakit tanaman padi dengan jumlah hama sebanyak 3 dan jumlah penyakit sebanyak 6 yang sudah diverifikasi oleh sorang pakar. 2. Perangkat lunak yang hasilkan dapat mendeteksi hama dan penyakit tanaman padi dengan mengadopsi pengetahuan dari sorang pakar. Selain itu sistem dapat digunaan sebagai media untuk berkonsultasi tentang hama dan penyakit tanaman padi yang meliputi gejala, jenis hama dan penyakit, serta solusi penanggulangannya. 3. Sistem dapat digunakan sebagai media belajar bagi mahasiswa pertanian dan dapat digunakan untuh media penyuluhan di daerah. 5.2 Saran Saran-saran untuk pengembangan aplikasi ini adalah: 1. Sistem aplikasi ini hanya terdapat 3 jenis hama dan 6

8 8 jenis penyakit tanman padi.untuk penelitian selanjutnaya dapat menambahkan lebih banyak hama dan penyakit tanaman padi lagi. 2. Aplikasi yang dibuatini dapat dikembangkan lagi dengan menambah fasilitasfasilitas lagi dan mengembangkan aplikasi kebasis yang lain contohnya android.

9 DAFTAR PUSTAKA 1. Aak. (1992). Budidaya Tanaman Padi. Kanisius, Yogyakarta, Bunafit Nugroho. (2008 : 2). Panduan lengkap manguasai perintah SQL. Jakarta: Mediakita. 3. Departemen Pertanian. (1983). 4. dkk, L. (1990). Pasaribu (2010). 5. Fowler, M. (2005). UML Distilled Edisi 3. Yogyakarta: Andi. 6. lee(1990). (2010). pasaribu. (2010): dalam pasaribu. 7. Marunung, S. d. (1988). Morfologi dan Fisiologi Padi. badan penelitian dan pengembangan Pertanian( Bogor). 8. Nataliana, b. D. (Agustus 2013 ). sistem pakar untuk mendiagnosa penyakit alopesia pada manusia dengan metode certainty factor. Pelita Informatika Budi Darma, IV, Stubblefield, L. (1993). Artificial Intellligence Structures and Strategies for Complex Problem Solving. Cummings Publishing Company Inc. 10. Sutojo, M. S. ( 2011). Kecerdasan Buatan. Yogyakarta: Andi. 11. Tangaguling, G. (skripsi 2013). pembangunan sistempakar untuk mendiagnosa hama dan penyakit padi pada tanaman padi berbasis web. Universitas admajaya Yogyakarta. 12. Turban(2010). (n.d.). p402. p402: p402. 9