Semiar Nasioal Tekologi Iformasi da Multimedia 2017 SISTEM PAKAR DIAGNOSA PENYAKIT BUAH NANAS MENGGUNAKAN ALGORITMA BAYES BERBASIS WEB hyrga Purama Dewa 1), Ade Pujiato 2), Muhhamad Hatta Putra 3) 1), 2, 3) Tekik Iformatika STMIK AMIKOM Yogyakarta Jl Rig road Utara, Codogcatur, Slema, Yogyakarta 55281 Email : vhyrga.d@studets.amikom.ac.id 1), ade.pujiato@studets.amikom.ac.id 2), muhhamad.6898@studets.amikom.ac.id 3) Abstrak Sistem pakar adalah cabag kecerdasa buata yag megguaka pegetahua/ kowledge khusus utuk memecahka masalah pada level huma expert/pakar. Salah satu peerapa sistem pakar dalam bidag pertaia adalah utuk melakuka diagosa peyakit pada taama. Pada makalah ii dilakuka peracaga da pembuata sistem pakar yag diguaka utuk membatu meetuka diagosa suatu peyakit yag diawali dari gejala utama peyakit pada taama buah aas utuk meetuka sara atau solusi pegobata kepada para petai buah aas. Masalah ketidakpastia pegetahua dalam sistem pakar ii diatasi dega megguaka metode probabilitas Bayesia. Proses peetua diagosa dalam sistem pakar ii diawali dega sesi kosultasi, dimaa sistem aka megajuka pertayaa-pertayaa yag releva kepada petai sesuai gejala utama peyakit taama buah aas. Hasil akhir dari peelitia ii adalah sebuah sistem pakar utuk melakuka diagosa peyakit pada taama buah aas beserta ilai probabilitas dari peyakit hasil diagosa, yag meujukka tigkat kepercayaa sistem terhadap peyakit tersebut da sara atau solusi pegobata kepada para petai buah aas. Kata kuci: Sistem pakar, bayesia, diagosa, buah aas 1. Pedahulua Buah aas atau pieapple merupaka salah satu taama buah yag memiliki daya tarik tersediri di masyarakat. Buahya yag lezat juga dapat disajika dalam berbagai macam acara. Rasa buah yag asam, mais, da meyegarka mejadika cita rasa yag khas pada buah ii. selai itu buah aas juga megadug berbagai kaduga zat yag berkhasiat sebagai obat. Karea rasa da khasiat tersebut yag membuat buah aas ii semaki dicari orag yag igi meikmati ataupu merasaka khasiat dari utuk kesehata meraka. Semaki bayakya permitaa terhadap buah ii memberika prospek usaha yag sagat mejajika utuk para petai buah di Idoesia. Peluag ii yag telah dimafaatka bayak petai lokal yag membudidayaka buah berbetuk uik ii. peaama suatu komoditas pertaia secara luas da mookultur berpeluag terjadiya gaggua suatu hama atau peyakit. Di beberapa egara produse buah aas dilaporka adaya beberapa hama da peyakit berbahaya yag dapat megacam produksi taama buah aas. Masalah gaggua hama atau peyakit tersebut juga dialami oleh petai buah aas di Idoesia. Utuk megatasi masalah ii umumya petai melakuka pegadalia secara kovesioal seperti megguaka pestisida secara itesif. Pegguaa pestisida secara berlebiha selai tidak efisie juga dapat meimbulka berbagai masalah yag lai seperti pecemara ligkuga da meuruka harga jual buah tersebut. Utuk megatasi permasalaha ii pera seorag pakar sagat diadalka utuk mediagosa da meetuka jeis peyakit serta memberika cara peaggulaga yag tepat utuk medapatka solusi terbaik utuk para petai. Namu keterbatasa yag dimiliki seorag ahli taama terkadag mejadi kedala bagi para petai yag aka melakuka kosultasi. Meskipu seorag pakar adalah orag yag ahli dalam bidagya, amu pada keyataaya seorag pakar mempuyai keterbatasa daya igat da stamia kerja. Selai itu ketiadaa pakar da mahalya biaya kosultasi disuatu daerah juga mejadi hambata utuk para petai dalam medapatka solusi utuk masalah yag meraka hadapi. Hal ii bisa berlajut pada kesalaha solusi yag diambil. Jika hal ii sampai terjadi dapat megakibatka suatu kejadia yag fatal terhadap taama seperti peurua kualitas buah ataupu terjadi gagal pae. Utuk megatasi masalah tersebut ditawarka pemafaata tekologi sebagai peggati pakar. Utuk megambil suatu keputusa yag bear pada sistem pakar, diperluka suatu metode yag dapat megatasi ketidakpastia data. Ketidakpastia dapat megakibatka data mejadi tidak legkap da tidak kosiste. Salah satu cara yag diguaka utuk 3.6-43
Semiar Nasioal Tekologi Iformasi da Multimedia 2017 megatasi ketidakpastia data adalah dega megguaka metode Bayes. Teori Bayes merupaka sebuah teorema dega dua peafsira berbeda. Dalam peafsira Bayes, teorema ii mayataka seberapa jauh derajat kepercayaa subjektif harus berubah secara rasioal ketika ada petujuk baru. Dalam peafsira frekuesi, feomea ii mejelaska represetasi ivers probabilitas dua kejadia. Berdasarka permasalaha yag mucul, dalam peelitia ii dibuat suatu sistem pakar dega judul SISTEM PAKAR DIAGNOSA PENYAKIT BUAH NANAS MENGGUNAKAN ALGORITMA BAYES BERBASIS WEB yag dapat membatu petai dalam medapatka solusi atau peyakit yag meyerag taama buah aas mereka tampa harus berkosultasi lagsug dega pakar da dapat membatu pakar dega cara meggatika pakar jika pakar sedag tidak ditempat. Output yag aka dihasilka dari sistem ii adalah jeis peyakit yag meyerag taama buah aas da solusi peaggulagaya. Adapu pakar yag mejadi rujuka dalam peelitia ii adalah Sugiasih yag mejabat sebagai Mador/Kepala di RPH Magua BDH Kuloprogo Batul KPH Yogyakarta. Sistem pakar adalah sistem yag berusaha megadopsi pegetahua mausia (Pakar) ke komputer, sehigga komputer dapat meyelesaika permasalaha tersebut layakya seorag pakar [1]. Sampai saat ii sudah bayak sistem pakar yag dibuat.kemampuaya utuk memberika 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 merupaka kaidah yag memperbaiki 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, kemudia dibetukla probabilitas berikutya (posterior probability) [4]. Rumus utuk probabilitas bersyarat P(Fi E) utuk sembarag kejadia E dalam algoritma Bayes dapat dituliska dega rumus 1 [2] : P(Fi E) = Keteraga : P(Fi E) P(E Fi) P(Fi) P(E) P(Fi)*P(E Fi) P(F1)*P(E F1)+P(F2)*P(E F2)+...+ P(F)*P(E F) : 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. Referesi pertama yag diguaka sebagai rujuka dalam peelitia ii adalah peelitia yag berjudul SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT IKAN BAWAL. Dalam peelitia ii dihadirka peracaga da pembuata sistem pakar utuk mediagosis peyakit yag biasa terjadi pada ika bawal. Sistem pakar ii megguaka algoritma tree da metode iferesi forward chaiig. Peggua melakuka iput berupa gejala-gejala, lalu sistem aka melakuka iferesi yag meghasilka kemugkia peyakit berserta cara meaggulagiya.. Perbedaa pada peelitia ii adalah sistem megguaka algoritma forward chaiig yag megharuska pembuat meuliska rule pecaria ruut maju seakurat mugki, da hasil diagosa yag kurag akurat [3]. Referesi kedua yag diguaka sebagai rujuka dalam peelitia ii adalah peelitia yag berjudul SISTEM PAKAR DETEKSI DINI PENYAKIT HERNIATED NUCLEUS PUPOSUS (HNP) BERBASIS WEB MENGGUNAKAN TEOREMA BAYES. Dalam peelitia ii dihadirka peracaga da pembuata sistem pakar utuk medeteksi dii peyakit HNP. Sistem pakar ii megguaka algoritma Bayes. Admi melakuka iput berupa peyakit da gejala-gejala, lalu sistem aka megiferesi sesuai kriteria yag ada pada data master sistem megguaka bobot ilai Bayes. Perbedaa pada peelitia ii adalah data peyakit pada sistem masih statis sehigga ketika mucul peyakit baru maka sistem tidak bisa meyimpa peyakit tersebut [4]. 2. Pembahasa Jeis Peyakit gaggua metal pada aak yag aka coba didiagosa dalam makalah ii ada 5, yaitu : Peyakit layu, busuk pagkal batag, atrakosa, busuk bakteri, da uret. Gejala dari masig-masig jeis peyakit gaggua metal pada aak tersebut dapat dilihat pada tabel 1. : 3.6-44
Semiar Nasioal Tekologi Iformasi da Multimedia 2017 Tabel 1. Gejala Masig-Masig Peyakit Taama Buah Naas No Gejala x1 x2 x3 x4 x5 1. DAUN MELENGKUNG 2. TERDAPAT KUTU PUTIH PADA AKAR 3. DAUN LAYU MENGUNING DAN MENGERING 4. PERTUMBUAH AKAR TERHENTI 5. AKAR MEMBUSUK 6. BUSUK PADA BAGIAN PANGKAL 7. DAUN BAGIAN BAWAH MENGUNING 8. PANGKAL BERWARNA COKLAT 9. DAUN BERCAK PUTIH KEKUNINGAN 10. BUAH MENGUNING LALU MENGHITAM 11. DAUN DAN BUAH MUDAH DICABUT 12. BAGIAN DAUN BERWARNA COKLAT 13. BAGIAN YANG MEMBUSUK BERBAU TIDAK SEDAP 14. PERTUMBUHA N TANAMAN TERHAMBAT 15. AKAR RUSAK 16. LUKA PADA PANGKAL 17. AKAR DAN TERDAPAT URET Keteraga : x1 x2 x3 x4 x5 = Peyakit Layu = Busuk Pagkal Batag = Atrakosa = Busuk Bakteri = Uret Jumlah luas laha taama buah aas pada perkebua Magua Yogyakarta seluah 1 hektar/10.000m2. Adapu ilai probabilitas awal (priori) masig-masig jeis peyakit yag terjadi tapa memadag bukti apapu (Fi) didapat dega meghitug luas laha kebu yag tekea peyakit dibagi dega jumlah semua data sample yag dilakuka. Nilai ii dapat dilihat di tabel 2. Tabel 2. Nilai Probabilitas awal masig-masig hipotesa No. Gejala Jumlah Pederita 1. Peyakit Layu H(Fi) 8.000 80 % 2. Busuk Pagkal Batag 7.200 72 % 3. Atrakosa 4. Busuk Bakteri 5. Uret 7.600 76 % 6.000 60 % 4.000 40 % Sedagka utuk ilai probabilitas evidece pada setiap hipotesa didapat dega meghitug jumlah kemucula gejala dibagi dega jumlah hipotesa pada setiap jeis Peyakit yag aka dicari. Perhituga algoritma bayes ketika ada seorag pasie megalami dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7) dapat dihitug dega cara : = (P(E3 Fx1) * P(E7 Fx1) * P(Fx1)) + P(E3 Fx2) * P(E7 Fx2) * P(Fx2)) + (P(E3 Fx3) * P(E7 Fx3) * P(Fx3)) + (P(E3 Fx4) * P(E7 Fx4) * P(Fx4)) + (P(E3 Fx5) * P(E7 Fx5) * P(Fx5)) + (P(E3 Fx6) * P(E7 Fx6) * P(Fx6)) = (0,9 x 0,06 x 0,8) + (0,9 x 0,8 x 0,72) + (0,9 x 0 x 0,76) + (0 x 0 x 0,6) + (0,87 x 0 x 0,4) = 0,5616 P(Fx1 E2,E7) = P(E3 Fx1) * P(E7 Fx1) * P(Fx1) Σ P(E6,E20 Fxk)* P(Fxk) = (0,9*0,06*0,08)/0,5616 = 0,077 3.6-45
Semiar Nasioal Tekologi Iformasi da Multimedia 2017 P(Fx2 E2,E7) = P(E3 Fx2) * P(E7 Fx2) * P(Fx2) = (0,9*0,8*0,072)/0,5616 = 0,923 P(Fx3 E2,E7) = P(E3 Fx1) * P(E7 Fx3) * P(Fx3) = (0,9*0*0,76)/0,5616 = 0 P(Fx4 E2,E7) = P(E3 Fx4) * P(E7 Fx4) * P(Fx4) = (0*0*0,6)/0,5616 = 0 P(Fx5 E2,E7) = P(E3 Fx5) * P(E7 Fx5) * P(Fx5) = (0,87*0*0,4)/0,5616 = 0 Dari hasil perhituga tersebut, dapat diketahui Hipotesa (Jeis Peyakit) yag dialami oleh pederita berdasarka Evidece (Gejala) yag timbul saat ii, yaitu : Fx2 = Busuk Pagkal Batag 2.1 Atarmuka Aplikasi Tampila atar muka sistem pakar diagosa Peyakit Paru-Paru dapat dilihat pada gambar 1 sampai dega gambar 5. Gambar 1 adalah atarmuka atura/rule utuk meetuka peyakit berdasarka gejala Gambar 2 adalah atarmuka meu diagosa, dimaa peggua memilih gejala yag dialami. Gambar 3.Hasil diagosa da sara ditujukka di atarmuka. Gambar 1 Atura utuk meetuka peyakit berdasarka gejala Atarmuka bagi admi utuk dapat memberika rule/atura utuk meambah basis pegetahua (kowledge base) system pakar berdasarka ilai-ilai yag telah didapat atau diaalisa oleh pakarya. Atarmuka ii terletak pada meu admi seperti pada gambar 1. Cotoh berdasarka masalah tersebut diatas adalah : rule pada peyakit Uret dimaa gejala-gejalaya (Evide) meliputi : dau layu meguig da megerig (E3), pertumbuha akar terheti (E4), akar membusuk (E5), dau da buah mudah dicabut (E11), akar rusak (E15), luka pada pagkal batag (E16), akar da batag terdapat uret (E17). Sebagai cotoh pegguaa da hasil dari aplikasi ii, kami aka meerapka masalah yag telah dibahas sebelumya, yaitu : Petai megalami dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7) pada taama buah aasya. Gambar 2 Meu Diagosa Meu Diagosa merupaka meu yag meyediaka beberapa piliha gejala yag sedag dialami oleh pederita/pasie sehigga atiya dapat di aalisa oleh 3.6-46
Semiar Nasioal Tekologi Iformasi da Multimedia 2017 aplikasi utuk memberika hasil berupa hipotesa (Jeis Peyakit) yag di derita. Meu terdapat pada meu user seperti pada gambar 2. Cotoh pasie megiputka Gejala dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7). Biodata Peulis hyrga Purama Dewa. Saat ii mejadi Mahasiswa di STMIK AMIKOM Yogyakarta. Ade Pujiato. Saat ii mejadi Mahasiswa di STMIK AMIKOM Yogyakarta. Muhhamad Hatta Putra. Saat ii mejadi Mahasiswa di STMIK AMIKOM Yogyakarta. Gambar 3 Meu Hasil Diagosa da Sara Meu Hasil Diagosa merupaka meu yag memberika hasil atas evidece/gejala yag telah diiputka oleh petai/peggua sebelumya. Hasilya berupa diagosa Peyakit yag yag ada pada taama serta beberapa sara utuk dapat meaggulagi atau megobati peyakit pada taama tersebut seperti pada gambar 3. Cotoh Hasil Diagosa pasie megiputka Gejala dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7) adalah Busuk Pagkal Batag. 3. Kesimpula Metode Bayes dapat diguaka utuk melakuka diagosa peyakit pada taama buah aasberdasarka gejala-gejala yag ada pada taama tersebut. Kebeara dari hasil output sistem ditetuka oleh ilai probabilitas hipotesa tapa memadag gejala apapu da ilai probabilitas kemucula evidece pada setiap hipotesa yag diiputka pada basis pegetahua. Daftar Pustaka [1] Kusrii. 2016. Sistem Pakar Teori Da Aplikasi. Yogyakarta. Adi Offset. [2] Natalius, Samuel. 2010. Metode Naive Bayes Classifer da Pegguaaya Pada Klasifikasi Dokume. Skripsi, Prodi Sistem da Tekologi Iformasi : Istitut Tekologi Badug. [3] Aziz, Abdul. 2014. Sistem Pakar Utuk Mediagosa Peyakit Ika berbasis Web. Skripsi, Prodi Tekik Iformatika : STMIK Amikom Yogyakarta. [4] Gama, A. Adhitama. 2015. Sistem Pakar Deteksi Dii Peyakit Heriated Nucleus Pulposus (HNP) Berbasis Web megguaka Teorema Bayes. Skripsi. Prodi Tekik Iformatika : STMIK AMIKOM Yogyakarta. 3.6-47
Semiar Nasioal Tekologi Iformasi da Multimedia 2017 3.6-48