PERANCANGAN SISTEM PAKAR PENDETEKSI HAMA PADA TANAMAN ALPUKAT BERBASIS WEB MENGGUNAKAN TEOREMA BAYES NASKAH PUBLIKASI diajuka oleh Iqbal Yudhawa 13.11.7091 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2017
PERANCANGAN SISTEM PAKAR PENDETEKSI HAMA PADA TANAMAN ALPUKAT BERBASIS WEB MENGGUNAKAN TEOREMA BAYES Iqbal Yudhawa 1), Kusawi 2), 1) Tekik Iformatika STMIK AMIKOM Yogyakarta 2) Fakultas Tekik, Tekik Elektro Uiversitas Gajah Mada Yogyakarta Jl Rigroad Utara, Codogcatur, Depok, Slema, Yogyakarta Idoesia 55283 Email :iqbal.d@studets.amikom.ac.id 1), khusawi@amikom.ac.id 2) Abstract - Disease or pests o avocado fruit ofte occurs whe at the time of fruit harvest of avocado. Pests that occur at the plat this avocado attackig some part of plats, such as avocado pests o fruit part caused by isects. May cosequeces posed by pests o avocado plat ad attack parts such as avocado leaves, twigs ad avocado fruit o fruit. A expert system is a system of iformatio that cotais with pegetahuam from the experts so it ca be used to do the cosultatio. A expert system is a computer-based system that uses a base of kowledge, facts ad techical reasoig to solve a problem. Pest detectio expert system o plat avocado is desiged usig Netbeas with MySQL database ad the Apache web server which is already itegrated i the AMPP. This expert system ca be used to fid out whether those plats i diagosis experiece symptoms affected by plat pests avocados o a certai part of the appropriate kowledge base ad master the disease of plats that exist i the database by usig the Bayes theorem. Keywords : expert system, bayesia, plats, avocado 1. Pedahulua Buah akpukat atau avocado merupaka salah satu taama yag sudah tidak asig di masyarakat. Kaduga dari buah alpukat ii megadug bayak khasiat yag membuat permitaa buah ii mejadi meigkat. Peaama buah alpukat yag secara luas oleh petai berpelua terseragya hama yag meyerag taama. Di beberapa egara hama ii dapat megacam produksi taama buah alpukat. Utuk megatasai masalah tersebut pada umumya petai melakuka pegedalia secara kovesioal dega pestisida, amu cara tersebut meimbulka bayak maslaah seperti pecemara da turuya harga buah. Oleh Karea itu dibutuhkaya seorag pakar yag dapat mediagosa da meetuka hama serta memberika solusi yag terbaik utuk petai, amu keterbarasa seora pakar, jarak tempuh, waktu, da mahalya biaya kosultasi mejadi hambata utuk para petau. Berdasarka permasalaha yag mucul, dalam peelitia ii dibuat suatu sistem pakar dega judul Peracaga Sistem Pakar Pedeteksi Hama Pada Taama Alpukat Berbasis Web Megguaka Teorema Bayes yag dapat membatu petai dalam medapatka solusi terbaik dari hasil diagosa hama tapa harus berkosultasi lagsug dega pakar. 1.1 Perumusa masalah Berdasarka uraia latar belakag diatas, maka dapat dirumuska sebagai berikut: a. Bagaimaa cara membuat sistem pakar yag dapat membatu petai dalam mediagosa hama pada taama buah alpukat. 1.2 Tujua Peelitia ii bertujua utuk: a. Melakuka racag bagu Sistem Pakar Deteksi Hama Taama Buah Alpukat megguaka Teorema Bayes. b. Meracag sistem pakar yag mampu memberika sara berdasarka gejala yag diiputka admi/pakar. 1.3 Tijaua pustaka Referesi pertama yag diguaka adalah peelitia yag berjudul SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT IKAN BAWAL BERBASIS WEB yag diteliti oleh Iqbal Yudhawa pada tahu 2016. Tujua yag igi dicapai dalam referesi ii adalah utuk megetahui proses perhituga algoritma bayes pada sistem berbasis web amu iputa data peyakit masih statis.[1] Referesi kedua yag diguaka adalah peelitia yag berjudul SISTEM PAKAR PEMILIHAN OBAT PADA PASIEN HIPERTENSI BERBASIS WEB MENGGUNAKAN METODE CERTAINY FACTOR yag diteliti oleh Iqbal Yudhawa pada 1
tahu 2016. Tujua yag igi dicapai dalam referesi ii adalah utuk megetahui proses perhituga bayes dega semua iputa data diamis berbasis web.[2] Referesi ketiga yag diguaka adalah peelitia yag berjudul SISTEM PAKAR UNTUK MENDIAGNOSIS KONDISI KEJIWAAN MENGGUNAKAN METODE FORWARD CHAINING PADA RUMAH SAKIT JIWA BERBASIS WEB yag diteliti oleh Iqbal Yudhawa pada tahu 2016. Tujua yag igi dicapai dalam referesi ii adlaah utuk megetahui peerapa algoritma bayes pada sistem berbasis web.[3] Sistem pakar Sistem pakar adalah sistem yag berusaha megadopsi pegetahua mausia (Pakar) ke komputer, sehigga komputer dapat meyelesaika permasalaha tersebut layakaya seorag pakar[4]. Sampai saat ii sudah bayak sistem pakar yag dibuat. Kemampuaya utuk memeberika keputusa seperti seorag pakar di dalam bidag tertetu merupaka salah satu hal yag diperluka oleh mausia dalam berbagai aspek kehidupa. Sistem pakar dibuat pada domai pegetahua tertetu utuk suatu kepakara tertetu yag medekati kemampua mausia di salah satu bidag. Sistem pakar mecoba mecari solusi yag memuaska sebagaimaa yag dilakuka seorag pakar. Ada beberapa pertimbaga megguaka sistem pakar. Dibawah ii sebagia dari pertimbaga yag utama: a. Membatu melestarika cagar alam pegetahua da keahlia pakar. b. Jika keahlia adalah lagka, mahal atau tak terbatas. c. Mudah diguaka walaupu buka seorag ahli. Teori Bayes Teori Bayes merupaka kaidah yag memeperbaiki atau merevisi suatu probabilitas dega cara memafaatka iformasi tambaha. Maksudya, dari probabilitas awal(prior probability) yag belum diperbaiki yag dirumuska berdasarka iformasi yag tersedia saat ii, kemudiak dibetuklah probabilitas berikutya(posterior probability). Rumus utuk probabilitas bersyarat P(Fi E) utuk sembarag kejadia E dalam algoritma Bayes dapat dituliska dega rumus 1 : P(Fi E) = P(Fi)*P(E Fi) P(F1)*P(E F1)+P(F2)*P(E F2)+..+P(F)*P(E F) Keteraga : P(Fi E) P(E Fi) P(Fi) P(E) : Probabilitas akhir bersyarat(coditioal probability) suatu hipotesis Fi terjadi jika diberika bukti(evidece) E terjadi. : Probabilitas sebuah bukti E terjadi aka mempegaruhi hipotesis Fi. : Probabilitas awal(priori) hipotesis Fi terjadi tapa memadag bukti apapu. : Probabilitas awal(priori) bukti E terjadi tapa memadag hipotesis / bukti yag lai. 1.4 Metode Pegumpula Data 2. Pembahasa Tahapa pegumpula data dega pakar pada umumya meliputi hal-hal sebagai berikut: Studi literatur, yaitu dtudi peelitiapeelitia sebelumya yag perah dilakuka oleh para peeliti dega domai yag hampir mirip. 2.1 Pembahasa Masalah N o Jeis hama pada taama buah alpukat dalam makalah ii ada 6 yaitu : Hama ulat kipat, ulat kupukupu gajah, kutu dompola putih, codot, lalat buah dacus, da kumbag bubuk cabag. Gejala dari masig-masig hama pada taama buah alpukat tersebut dapat dilihat pada tabel 1. : Tabel 1. Gejala Masig-Masig Hama Taama Buah Alpukat Gejala 1 DAUN TERDAPAT BEKAS GIGITAN 2 DAUN HABIS SAMA SEKALI 3 DAUN TERLIHAT KEPOMPONG BERGELANTUN GAN 4 BUAH BERLUBANG BEKAS GIGITAN 5 TUNAS MUDA, DAUN, BATANG DAN BUAH PUCAT 1 2 3 4 5 6 2
6 PERTUMBUHA N TANAMAN TERHAMBAT DAN KURUS 7 BINTIK HITAM PADA PERMUKAAN BUAH 8 BAGIAN HITAM PADA PERMUKAAN BUAH 9 TERDAPAT LUBANG SEPERTI TEROWONGAN PADA CABANG ATAU RANTING Keteraga : 1 2 3 4 5 6 = Hama Ulat Kipat = Hama Ulat Kupu-Kupu Gajah = Hama Kutu Dompola Putih = Hama Codot = Hama Lalat Buah Dacus = Hama Kumbag Bubuk Cabag Jumlah luas laha taama buah alpukat pada perkebua alpukat seluas 1 hektar/10.000m2. Adapu ilai probabilitas awal(priori) masig-masig jeis hama pada taama alpukat terjadi tapa memadag bukti apapu. (Hi) didapat dega meghitug luas taah yag terserag hama tersebut dibagi dega jumlah semua data sample yag dilakuka. Nilai ii dapat dilihat di tabel 2. Tabel 2. Nilai Probabilitas awal masig-masig hipotesa No Hama Jumlah luas taah p(hi) 1 Hama ulat kipat 8000 80% 2 Hama ulat kupukupu gajah 3 Hama kutu dompola putih 7200 72% 7600 76% 4 Hama codot 6000 60% 5 Hama lalat buah dacus 6 Hama kumbag bubuk cabag 4000 40% 5000 50% Sedagka utuk ilai probabilitas evidece pada setiap hipotesa didapat dega meghitug jumlah kemucula gejala dibagi dega jumlah hipotesa pada setiap jeis hama yag aka dicari. Perhituga algoritma bayes ketika terdapat buah yag terserag gejala dau terdapat bekas gigita (E1) da buah berlubag bekas gigita (E4) dapat dihitug dega cara: (P(E1 Fx1) * P(E1 Fx1) * P(Fx1)) + (P(E1 Fx2) * P(E4 Fx2) * P(Fx2)) + (P(E1 Fx3) * P(E4 Fx3) * P(Fx3)) + (P(E1 Fx4) * P(E4 Fx4) * P(Fx4)) + (P(E1 Fx5) * P(E4 Fx5) * P(Fx5)) + (P(E1 Fx6) * P(E4 Fx6) * P(Fx6)) = (0.36 x 0 x 0.8) + ( 0.16 x 0.16 x 0.72) + (0.03 x 0.5 x 0.76) + (0 x 0.4 x 0.6) + (0 x 0 x 0.4) + (0 x 0 0.5) = 0.132432 P(Fx1 E1,E4) = P(E1 Fx1) * P(E4 Fx1) * P(Fx1) (0.36 x 0 x 0.8) / 0.132432 = 0 P(Fx2 E1,E4) = P(E1 Fx2) * P(E4 Fx2) * P(Fx2) (0.16 x 0.16 x 0.72) / 0.132432 = 0.1391808626313882 P(Fx3 E1,E4) = P(E1 Fx3) * P(E4 Fx3) * P(Fx3) (0.03 x 0.5 x 0.76) / 0.132432 = 0.8608191373686118 P(Fx4 E1,E4) = P(E1 Fx4) * P(E4 Fx4) * P(Fx4) (0 x 0.4 x 0.6) / 0.132432 = 0 P(Fx5 E1,E4) = P(E1 Fx5) * P(E4 Fx5) * P(Fx5) 3
(0 x 0 x 0.4) / 0.132432 = 0 P(Fx6 E1,E4) = P(E1 Fx6) * P(E4 Fx6) * P(Fx6) (0 x 0 x 0.5) / 0.132432 = 0 Dari hasil perhituga tersebut, dapat diketahui hipotesa (Jeis Hama) yag dialami oleh taama berdasarka Evidece (Gejala) yag timbul saat ii, yaitu : Fx3 = hama kutu dompola putih Gambar 2. Halama Pedaftara 3. Halama peggua Halama peggua merupaka halama yag berisika tetag iformasi data pribadi peggua. 2.2 Atarmuka Aplikasi Tampila atar muka sistem pakar deteksi hama pada taama alpukat dapat dilihat pada gambar 1 sampai dega gambar 5. 1. Halama utama Halama utama merupaka halama awal dari sistem pakar. Berisika lik-lik utuk meuju halama laiya. Gambar 3. Halama Peggua 4. Halama Diagosa Halama Diagosa merupaka halama utuk peggua dalam mediagosa hama berdasarka gejala yag ada pada taama buah alpukat. Gambar 1. Halama utama 2. Halama pedaftara Halama pedaftara merupaka halama yag berisika formulir pedaftara utuk peggua baru. Gambar 4. Halama Diagosa 4
5. Halama Hasil Diagosa Halama Hasil Diagosa merupaka halama hasil dari aktivitas diagosa yag dilakuka oleh peggua, halama ii berisi prediksi hama da solusi peaggulagaya. Biodata Peulis Iqbal Yudhawa Dyasmoro, memperoleh gelar Sarjaa (S.Kom) Program Studi Tekik Iformatika STMIK AMIKOM Yogyakarta, lulus tahu 2016 Kusawi, memperoleh gelar Sarjaa Komputer (S.Kom), Jurusa Tekik Iformatika STMIK AMIKOM Yogyakarta, lulus tahu 2004. Memperoleh gelar Master of Egieerig (M.Eg) Program Pasca Sarjaa Magister Tekologi Iformasi Fakultas Tekik Elektro Uiversitas Gajah Mada Yogyakarta, lulus tahu 2009. Saat ii mejadi Dose di STMIK AMIKOM Yogyakarta, pada Program Studi D3-Tekik Iformatika da S1-Tekik Iformatika 3. Peutup 3.1 Kesimpula Gambar 5. Halama Hasil Diagosa 1. Sistem ii berhasil dibagu sebuah sistem pakar utuk mediagosa hama taama buah alpukat megguaka metode teorema bayes. 2. Sistem ii telah dapat membatu orag yag aka melakuka cocok taama buah alpukat utuk mediagosa hama pada taama buah alpukat yag ditaam beserta peaggulagaya. 3. Hasil dari pegujia sistem ii mecapai keakurata 90% Daftar Pustaka [1] Aziz, Abdul. 2014. Sistem Pakar Uruk Mediagosa Peyakit Ika berbasis Web. Skripsi, Prodi Tekik Iformatika : STMIK Amikom Yogyakarta [2] Sibghotallah. A. Zulfa 2014. Sistem Pakar Pemiliha Obat Pada Pasies Hipertesi Berbasis Web Megguaka Metode Certaity Factor. Skripsi. Prodi Tekik Iformatika : STMIK Amikom Yogyakarta [3] Adri. D. Sadwi. 2014 Sistem Pakar Utuk Mediagosis Kodisi Kejiwaa Megguaka Metode Forward Chaiig Pada Rumah Sakit Jiwa Berbasis Web. Skripsi. Prodi Tekik Iformatika : STMIK Amikom Yogyakarta [4] Kusrii. 2016. Sistem Pakar Teori Da Aplikasi. Yogyakarta. Adi Offset. 5