IDENTIFIKASI VARIETAS UBI JALAR MENGGUNAKAN METODEDECISION TREE J48
EVA NATALIS SINUHAJI
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
IDENTIFIKASI VARIETAS UBI JALAR MENGGUNAKAN METODEDECISION TREE J48
EVA NATALIS SINUHAJI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
ABSTRACT EVA NATALIS SINUHAJI. Identification of Cassava Varieties Using Decision Tree J48. Supervised by SRINURDIATI. Cassava is one of the most important staple food in the human body.Like a rice, sweet potato contains carbohydrates. Cassava widely used by consumers as their basic needs as well as their health needs. The characteristics of cassava, like its shape, size, and tuber formation,are necessary to know utilization. Therefore, in order to identify cassava using its features, an application is created in this research. In this research are used data, which divided into 40 training set and 20 testing set. Using J48 decision tree, training set are processed to produce an identification model. The model then was tested using 20 testing set. The result showed that only 19 can be identified correctly. Hence, the accuracy of the model reaches 90%. Keyword : Cassava, Decision Tree, J48.
Judul Skripsi Nama NRP
: Identifikasi Ubi Jalar Menggunakan Metode Decison Tree J48 : Eva Natalis Sinuhaji : G64086058
Menyetujui: Pembimbing
Dr.Ir. Sri Nurdiati, M.Sc NIP. 196011261986012001
Mengetahui: Ketua Departemen Ilmu Komputer
Dr. Ir. Agus Buono, M.Si, M.Kom NIP. 19660702 199302 1 001
Tanggal Lulus :
PRAKATA Segala puji dan syukur penulis ucapkan ke hadirat Tuhan Yang Maha Esa atas segala berkat, kasih dan karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul Identifikasi Varietas Ubi Jalar Menggunakan Metode Decision Tree J48. Penulis mengucapkan banyak terima kasih kepada Dr. Ir. Sri Nurdiati, M.Sc selaku pembimbing yang telah memberikan motivasi, ide-ide, saran, dan juga nasihat kepada penulis. Penulis juga mengucapkan terima kasih kepada Aziz Kustiyo, S.Si., M.Kom dan kepada Hari Agung, S.Si., M.Si selaku dosen penguji yang telah memberikan saran dan kritik yang membangun kepada penulis. Selanjutnya, penulis ingin mengucapkan terima kasih kepada: 1 Kedua orang tua yang telah memberikan motivasi, bimbingan, dan doa. 2 Teman-teman ekstensi Ilkom IPB yang telah membantu penulis menyelesaikan tugas akhir. 3 Teman-teman satu bimbingan atas kerjasamanya selama penelitian. 4 Seluruh dosen dan staf Departemen Ilmu Komputer IPB. Semoga penelitian yang dikerjakan dapat memberikan manfaat bagi perkembangan ilmu pengetahuan.
Bogor, Maret 2013
Eva Natalis Sinuhaji
RIWAYAT HIDUP Penulis dilahirkan di Sidikalang, Sumatera Utara pada tanggal 19 Desember 1987. Penulis merupakan anak ketiga dari empat bersaudara dari Bapak Jakub Sinuhaji dan Ibu Martina Ginting. Penulis menyelesaikan masa studinya di Sekolah Menengah Atas Negeri 1 Sidikalang pada tahun 2005.Pada tahun 2005, penulis diterima di Institut Pertanian Bogor sebagai mahasiswa program Diploma Manajemen Informatika dan menyelesaikan studinya pada tahun 2008. Pada tahun yang sama, penulis melanjutkan studinya di Departemen Ilmu Komputer, Institut Pertanian Bogor Program S1 Ilmu Komputer Penyelenggaraan Khusus.
DAFTAR ISI Halaman DAFTAR TABEL ................................................................................................................................. vi DAFTAR GAMBAR ............................................................................................................................. vi DAFTAR LAMPIRAN .......................................................................................................................... vi PENDAHULUAN Latar belakang ................................................................................................................................... 1 Tujuan ............................................................................................................................................... 1 Ruang Lingkup .................................................................................................................................. 1 Manfaat ............................................................................................................................................. 2 TINJAUAN PUSTAKA Ubi Jalar ............................................................................................................................................ 2 Pohon Keputusan .............................................................................................................................. 2 Entropi dan Gain ............................................................................................................................... 2 WEKA............................................................................................................................................... 2 J48 ..................................................................................................................................................... 3 METODE PENELITIAN Pengumpulan Data ............................................................................................................................ 3 Praproses Data................................................................................................................................... 4 Proses Identifikasi ............................................................................................................................ 4 Pengujian ........................................................................................................................................... 4 Spesifikasi Implementasi................................................................................................................... 4 HASIL DAN PEMBAHASAN Deskripsi Data ................................................................................................................................... 4 Praproses Data ................................................................................................................................... 5 Proses Identifikasi ............................................................................................................................. 5 KESIMPULAN....................................................................................................................................... 9 SARAN ................................................................................................................................................... 9 DAFTAR PUSTAKA ............................................................................................................................. 9 LAMPIRAN ......................................................................................................................................... 11
v
DAFTAR TABEL Halaman 1 Kode ciri ubi jalar ............................................................................................................................... 5 2Data latih untuk perhitungan entropi warna kulit umbi ........................................................................ 6 3 Confusion matrix................................................................................................................................. 9
DAFTAR GAMBAR Halaman 1Diagram alur penelitian. ....................................................................................................................... 3 2 Model antarmuka web. ........................................................................................................................ 4 3 Pohon keputusan. ................................................................................................................................ 7 4 Model pohon keputusan direpresentasikandalam bentuk aturan (rule). ............................................... 7 5 Tampilan awal web. ............................................................................................................................ 8 6 Form ubi jalar. .................................................................................................................................... 8 7 Hasil identifikasi varietas ubijalar. ..................................................................................................... 8
DAFTAR LAMPIRAN Halaman
1Daftar nama varietas/kelas dan karakter ubi jalar ............................................................................... 12 2 Daftar nama varietas/kelas dan karakter bertipe nominal .................................................................. 15 3 Data latih ............................................................................................................................................ 18 4 Data uji .............................................................................................................................................. 22 5 Pengisian form ciri-ciri ubi jalar yang akan diidentifikasi ................................................................. 23 6 Tampilan output sistem identifikasi tanaman ubi jalar ...................................................................... 24 7 Tampilan tree sistem identifikasi tanaman ubi jalar .......................................................................... 25 8Rule varietas ubi jalar ......................................................................................................................... 26 9Kode algoritmedari rulevarietas ubi jalar ........................................................................................... 27 10Perhitungan nilai entropi ................................................................................................................... 29
vi
1
PENDAHULUAN Latar belakang Ubi jalar atau yang biasa disebut ketela rambat merupakan salah satu kebutuhan pokok yang sangat penting yang dapat disamakan dengan beras karena mengandung karbohidrat. Ubi jalar yang banyak dimanfaatkan oleh konsumen menjadi kebutuhan pokok dan keperluan kesehatan. Ubi jalar merupakan sumber pangan yang paling efisien dalam memproduksi karbohidrat per-satuan waktu. Ditinjau dari komposisi kimianya, ubi jalar berpotensial sebagai sumber karbohidrat, mineral, dan vitamin (Setyono et al.1993). Karakteristik ubi jalar seperti bentuk, ukuran, dan formasi umbi perlu diketahui, karena berkaitan erat dengan pemanfaatannya. Informasi dari hasil evaluasi karakteristik pada ubi jalar dapat dijadikan sebagai bahan pertimbangan dalam memilih varietas yang diperkirakan memiliki kontribusiuntuk memperoleh varietas unggul baru.Beberapa karakteristik tersebut memiliki hubungan dan kemiripan yang sangat berdekatan sehingga sedikit sulit untuk membedakan setiap varietas. Varietas/kultivar ubi jalar banyak ditanam di berbagai daerah. Ubi jalar yang tumbuh di dunia diperkirakan berjumlah lebih dari 1000 jenis, tetapi yang masih dapat diidentifikasi oleh peneliti sekitar 142 jenis. Varietas yang diteliti oleh peneliti dalam penelitian ini ada 20 (dua puluh) varietas unggul, ke-20 (dua puluh) varietas unggul yang kemudian diteliti di Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumber Daya Genetik Pertanian Bogor (BB Biogen Bogor). Seiring dengan perkembangan plasma nutfah, ubi jalar yang terus bertambah setiap waktunya dan jumlah varietas ubi jalar juga terus meningkat sehingga sulitnya membedakan setiap varietas karena cirinya yang hampir sama. Untuk itu, dengan dibangunnya sebuah aplikasi identifikasi ubi jalar, diharapkan dapat membantu peneliti/petugas dalam mengidentifikasi apakah varietas tersebut merupakan varietas baru atau merupakan varietas-varietas yang sudah ada di dalam data. Untuk itu, dalam penelitian ini akan dibuat sebuah aplikasi yang tujuannya membantu peneliti dalam mengidentifikasi ubi jalar. Aplikasi tersebut menggunakan salah satu metode learning, yaitu metode decision
tree.Decision tree adalah salah satu metode belajar (learning) yang sangat populer dan banyak digunakan serta cukup praktis.Decision tree juga salah satu metode identifikasi yang mudah diinterpretasi oleh manusia karena kemampuannya dalam pengambilan keputusan yang lebih kompleks menjadi lebih sederhana yang direpresentasikan dalam bentuk pohon. Salah satu contohdecision tree adalah J48. J48 adalah salah satu jenis decision tree yang umumnya digunakan untuk menemukan aturan yang diharapkan berlaku umum untuk data yang tidak lengkap atau yang belum pernah diketahui. J48 adalah algoritme data dengan metode pohon keputusan yang memiliki kelebihan seperti mengolah data numerik (kontinu) dan diskret, dapat menangani nilai atribut yang hilang, menghasilkan aturan-aturan yang mudah diinterpresentasikan dan tercepat di antara algoritme-algoritme yang menggunakan memori utama di komputer. Penelitian identifikasi dengan menggunakan J48 telah banyak dilakukan sebelumnya, diantaranya oleh Lesmana (2012) dengan topik perbandingan kinerja Decision Tree J48 dan ID3 dalam Pegklasifikasian Diagnosis Penyakit Diabetes Mellitus. Nurma (2008) dengan topik teknik klasifikasi pohon keputusan untuk memprediksi kebangkrutan bank berdasarkan rasio keuangan bank menggunakan J48. Dari semua penelitian yang dilakukan sebelumnya, belum ada yang melakukan penelitian pengidentifikasian ubi jalar. Oleh karena itu, penelitian ini bertujuan membangun aplikasi untuk mengidentifikasi ubi jalar menggunakan ciri-ciri ubi jalar yang diperoleh dari peneliti sebelumnya. Ciri-ciri tersebut akan menjadi masukan dari pengguna pada aplikasi yang akan dibangun. Tujuan Tujuan dari penelitian ini adalah untuk membuat aplikasi pengidentifikasian varietas ubi jalar yang diharapkan membantu peneliti dalam mengidendentifikasi ubi jalar berdasarkan ciri yang dimasukkan oleh pengguna dengan menggunakan metode Decision Tree J48. Ruang Lingkup (1) Terdapat 9 (sembilan) ciri/ karakter yang mewakili 20 (dua puluh) varietas ubi jalar,
2
(2) Penggunaan Tools WEKA (Waikato Environment for Knowledge Analysis) untuk membangkitkan rule karakter ubi jalar. (3) Membangun aplikasi web untuk mengidentifikasi varietas ubi jalar. Manfaat Pemanfaatan sistem identifikasi ini untuk membantu peneliti/teknisi dalam mengidentifikasi varietas ubi jalar apakah merupakan varietas baru atau termasuk dalam jenis ubi jalar yang terdapat dalam data.
TINJAUAN PUSTAKA Ubi Jalar Ubi jalar/ketela rambat atau “sweet potato” diduga berasal dari Benua Amerika. Para ahli botani dan pertanian memperkirakan tanaman ubi jalar berasal dari Selandia Baru, Polinesia, dan Amerika bagian tengah. Nikolai Ivanovich Vavilov, seorang ahli botani Soviet, memastikan daerah sentrum primer asal tanaman ubi jalar adalah Amerika Tengah. Ubi jalar merupakan jenis tanaman yang banyak tumbuh tersebar berjumlah sekitar 1000 jenis, dan hanya 142 varietas yang dapat teridentifikasi oleh para peneliti. Lembaga penelitian yang menangani ubi jalar, antara lain: International Potato Centre (IPC) dan Centro International de La Papa (CIP). Di Indonesia, penelitian dan pengembangan ubi jalar ditangani oleh Pusat Penelitian dan Pengembangnan Tanaman Pangan atau Balai Penelitian Kacang-kacangan dan Umbiumbian (Balitkabi),Departemen Pertanian(Rukmana1997). Pohon Keputusan Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhierarki. Jika sebuah pohon keputusan telah dibangun maka dapat digunakan untuk mengidentifikasikan record yang belum ada varietas/kelasnya.Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node daun. Pada pohon keputusan setiap simpul daun menandai label kelas(Niwanputri 2007). Entropi dan Gain Entropi merupakan jumlah bit yang diperkirakan dibutuhkan untuk dapat mengekstrak suatu kelas dari sejumlah data acak pada ruang sehingga menghasilkan nilai
informasi dari suatu kumpulan ciri (Mitchell 1997). Entropi dapat menggunakan rumus:
dihitung
dengan
S : Himpunan kasus (data) yang digunakan untuk pelatihan N : Jumlah partisi S P : Proporsi dari Si terhadap S Entropi (S) sama dengan 0 jika semua contoh pada S berada dalam kelas yang sama. Entropi (S) sama dengan 1, jika jumlah contoh positif dan negatif dalam S adalah sama. Entropi (S) lebih dari 0 tetapi kurang dari 1, jika jumlah contoh positif dan negatif dalam S tidak sama. Nilai entropi terkecil atau nilai Gain terbesar yang dipilih untuk menentukan node awal dan perhitungan entropi dilakukan terusmenerus sampai iterasi selesai.Kemudian untuk menghitung perolehan informasi dari output data atau variabely yang dikelompokkan berdasarkan atribut A dinotasikan dengan gain (y,A). Perolehan informasi, gain (y,A), dari atribut A relatif terhadap output data y adalah:
nilai (A) adalah semua nilai yang mungkin dari atribut A, dan yc adalah subset dari y dengan A mempunyai nilai c. Term pertama dalam persamaan diatas adalah entropitotal y dan term kedua adalah entropi sesudah dilakukan pemisahan data berdasarkan atribut A. WEKA WEKA adalah aplikasi open sourcedata mining yang berbasis Java. Aplikasi ini dikembangkan oleh Universitas Waikato di Selandia Baru. WEKA terdiri atas koleksi algoritme mesin learning untuk melakukan generalisasi atau formulasi dari sekumpulan data sampling.WEKA dapat digunakan untuk membantu mengidentifikasikan data. Salah satu algoritme induksi pohon keputusan pada WEKA, yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J.
3
Ross Quinlan. Dalam prosedur algoritme ID3, input berupa sampel training, label training dan atribut. Algoritme C4.5 merupakan pengembangan dari ID3. Pada Perangkat lunak open source WEKA mempunyai versi sendiri C4.5 yang dikenal sebagai J48 (Moertini2007).
Algoritme J48 Algoritme J48 adalah salah satu kelas yang merupakan bagian dari algoritme decision tree di paket classifiers pada sistem WEKA. J48 disebut juga implementasi dari algoritme C4.5. Algoritme C4.5 adalah algoritme klasifikasi data dengan teknik pohon keputusan berdasarkan data training/latih. C4.5 merupakan pengembangan dari ID3. Pengembangan pada C4.5 membuat disukai dan terkenal karena memiliki kelebihankelebihan.J48 menangani himpunan data dalam format ARFF, tidak mengandung kode untuk mengkonstruksi pohon keputusan. Kelas ini mereferensi kelas-kelas lain, kebanyakan di paket weka.classifiers.j48, yang mengerjakan semua proses konstruksi pohon. Secara umum algoritme J48 dalam membangun pohon keputusan adalah sebagai berikut. Algoritme C4.8 Input : sampel training, label training, atribut Membuat simpul akar untuk pohon yang dibuat Jika semua sampel positif, berhenti dengan suatu pohon dengan satu simpul akar, beri label (+) Jika semua sampel negatif, berhenti dengan suatu pohon dengan satu simpul akar, beri label (-) Jika atribut kosong, berhenti dengan suatu pohon dengan satu simpul akar, dengan label sesuai nilai yang terbanyak yang ada pada label training Untuk yang lain, Mulai A ← atribut yang mengklasifikasikan sampel dengan hasil terbaik (berdasarkan gain ratio) Atribut keputusan untuk simpul akar ←A Untuk setiap nilai, vi, yang mungkin untuk A, − Tambahkan cabang dibawah akar yang berhubungan dengan A =vi − Tentukan sampel Svi sebagai subset dari sampel yang mempunyai nilai vi untuk atribut A − Jika sampel Svikosong,
Dibawah cabang tambahkan simpul daun dengan label = nilai yang terbanyak yang ada pada label training Yang lain, tambah cabang baru dibawah cabang yang sekarang C4.5(sampel training, label training, atribut-[A]) Berhenti (Mitchell 1997)
METODE PENELITIAN Adapun tahap-tahap pembentukan aplikasi pengidentifikasian ubi jalar dapat dilihat pada Gambar 1.
Gambar 1Diagram alur penelitian. Pengumpulan Data Pengumpulan data digunakan untuk kebutuhan analisis data. Data dan informasi dapat berupa pencarian sumber-sumber yang terkait dalam penelitian, data kebutuhan dan informasi yang berhubungan dengan penelitian. Data penelitian diperoleh dari BapakSujarno dan Ibu Rini (Staf Peneliti BB Biogen Bogor). Data berbentuk excel terdiri atas 60 data dengan 20 kelas serta 9 (sembilan) parameter dalam setiap kelas. Satu kelas diwakili 3 (tiga) instance terdapat dalam Lampiran 1.
4
Praproses Data Data yang diperoleh, dianalisis dengan menggunakan seluruh parameter tanpa mengurangi dan mengubah karakter lain dalam data. Parameter beserta seluruh instancedigunakan karena dianggap penting dalam proses pengidentifikasian. Proses Identifikasi Dalam hal ini data dibagi menjadi dua bagian, data uji dan data latih. Data latih tersebut diolah menggunakan pohon keputusan (decision tree) J48 untuk mendapatkan aturan/rule yang akan dibuat menjadi model.Model prediksi data latih menggunakan struktur pohon dimana setiap percabangan menyatakan ciri/karakter ubi jalar yang harus dipenuhi dan tiap ujung pohon menyatakan jenis varietas ubi jalar. Model data latih tersebut akan digunakan untuk menguji data baru atau data uji.Setelah data latih diolah menggunakan pohon keputusan,data akan diinterpretasikan ke dalam sebuah aplikasi pengidentifikasian ubi jalar berbasis web. Aplikasi yang digunakan dengan berbasis web agarpengguna dapat mengakses dari komputer manapun yang terhubung ke Internet menggunakan browser standar sehingga tidak perlu dipasang di setiap komputer lokal dan pengguna dapat mengakses data yang dibutuhkan. Antarmuka aplikasi identifikasi yang akan dibangun berbentuk aplikasiweb pada Gambar 2 berikut.
aplikasi identifikasi varietas ubi jalar dapat dihitung dengan rumus: Akurasi = Spesifikasi Implementasi Aplikasi yang digunakan pada penelitian ini dibangun dengan menggunakan perangkat keras dan perangkat lunak dengan spesifikasi sebagai berikut: Spesifikasi perangkat keras berupa: (1) Processor AMD-C50 Processor 1.00 GHz (2) RAM kapasitas 1 GB (3) Harddisk kapasitas 320 GB. (4) Monitor pada resolusi 1024×600pixels (5) Keyboard dan Mouse Perangkat lunak berupa : (1) Sistem Operasi : Microsoft Windows 7 PC (2) XAMPP 1.7.1 yang terdiri atas WebServerApache 2.2.11 dan Bahasa Pemrograman: PHP 5.0 (3) Browser GoogleChrome (4) WEKA versi 3.6.4 (5) Adobe Dreamweaver CS 3 (6) Java JDK 1.6.exe (versi lainnya)
HASIL DAN PEMBAHASAN Deskripsi Data Perkembangan varietas tanaman yang terus bertambah, jumlah tanaman ubi jalar yang juga terus meningkat, menyebabkan sulitnya membedakan dari masing-masing tanaman ubi jalar karena penampilan, ukuran, dan warnanya hampir sama. Karena sulitnya membedakan varietas ubi jalar tersebut,dibutuhkan sebuah aplikasi untuk mengidentifikasi ubi jalar. Tujuan membuat aplikasi ini adalah membuat aplikasi untuk membantu peneliti/teknisi dalam mengidentifikasi varietas ubi jalar berdasarkan karakter cirinya. Karakter ini akan memberikan keluaran ubi jalar yang sudah diteliti oleh BBBiogen Bogor.
Gambar2Model antarmuka web. Pengujian Tahap ini adalah menguji aplikasi apakah sudah berfungsi dengan baik dan memberi output/keluaran yang sesuai. Akurasi dari
Dua puluh (20) jenis ubi jalar yang dipakai dan direpresentasikan dalam penelitian ini adalah: Lokal Banjaran, Biru Mantang, Kalasan, Sablah, Kuning, Andoi Atega, Mantang Merah, Super, Lokal Pekalongan, Jepang-2, Lokal Cilacap, Sirihit, Kalasan-12, BIS 175-40-26, MIS159-3, BIS 192-58-69, Kentang, Retok, Arnet.
5
Parameter ciri/karakter yang dipakai dalam membangun aplikasi ini dapat direpresentasikan dalam Tabel 1. Tabel 1 Kode ciri ubi jalar Parameter Kode Warna_Kulit_ Umbi
Warna_Daging_ Umbi
Tipe_Tanaman
Bentuk_Daun
Warna_ Daun_Tua Warna_Daun_ Muda
Warna_Tangkai Daun
1 2 3 4 5 6 1 2 3 4 5 1 2 3 4 1 2 3 1 2 3 1 2 3 4 1 2 3 4
Keterangan Krem Krem Tua Putih Merah Merah Tua Merah Muda Kuning Kuning pucat Putih Orange Krem Semi Tegak Tegak Menjalar Semi Kompak Jantung Racik Segitiga Hijau Hijau Tua Ungu Ungu Ungu Muda Hijau Hijau Tepi Ungu Hijau Hijau Bintik Ungu Hijau garis Ungu
Tabel 1 merupakan Karakteristik yang pada Lampiran 1 yang merepresentasikan ciri pembeda antara varietas ubi jalar dan cara pengkodean karakter. Misalnya warna kulit umbi terdiri atas 6 kategori, yaitu krem, krem tua, putih, merah, dan merah tua. Fitur yang datanya bertipe nominal direpresentasikan langsung sesuai dengan kode. Praproses Data Tahapan praproses data dilakukan dengan menyiapkan data yang akan diolah sebelum masuk kedalam pengidentifikasi data. Data yang akan diolah menggunakan data varietas ubi jalar yang terdiri atas 9 ciri/karakter ubi jalar, dengan 2 jenis data bertipe numerik yaitu parameter berat umbi dan Jumlah umbi sedangka 7 jenis data bertipe nominal yaitu parameter warna daging umbi, tipe tanaman, bentuk daun, warna daun tua, warna daun muda, warna tangkai daun. Pengambilan data dilakukan dengan teknik pengumpulan sampel(sampling).
Data diproses dengan menggunakan teknik representasi pohon keputusan (decision tree). Pohon keputusan ini bisa dicari secara terus menerus sampai terbentuk sebuah pohon keputusan dengan bobot entropi masingmasing. Proses Identifikasi Varietas ubi jalar yang berjumlah 60 data dibagi menjadi 40 data sebagai data latih dan 20 data sebagai data uji. Data latih diproses dengan menggunakan teknik representasi pohon keputusan (decision tree) J48. Pohon keputusan mampu memberikan sebuah keputusan dengan pertanyaan/aturan yang terstruktur sehingga membentuk model data training. Model data training tersebut akan menghasilkan pohon keputusan yang berusaha menemukan sebuah keputusan yang mampu mengidentifikasikan data trainingdengan baik. Model yang terbentuk ini juga akan dijadikan rule/aturan atau bisa disebut pengganti query dalam proses searching (pencarian).Model direpresentasikan dalam bentuk pohon aturan. Sembilan karakter yang ada direpresentasikan dalam bentuk pohon dengan menggunakan rule hasil perhitugan nilai entropi. Perhitungan nilai entropi ini akan dilakukan secara terus menerus sampai terbentuk sebuah pohon keputusan dengan bobot entropi masing-masing.Perhitungan nilai entropi menggunakan logaritme basis 2.Perhitungan pertama yang dilakukan adalah, menghitung nilai entropi seluruhvarietas Ubi Jalar dengan rumus:
Ada 20 jenis ubi jalar yang digunakan dan direpresentasikan ke dalam perhitungan nilai entropi. Untuk mencari seluruhnya, ditentukan peluang masing-masing varietas ubi jalar : prob (1) =2/40 Peluang untuk jenis lokal banjaran prob (2) = 2/40 Peluang untuk jenis Biru Mantang prob (3) = 2/40 Peluang untuk jenis Kalasan prob (4) = 2/40 Peluang untuk jenis Sablah prob (5) = 2/40 Peluang untuk jenis Kuning prob (6) = 2/40 Peluang untuk jenis Andoi Atega prob (7) = 2/40 Peluang untuk jenis
6
prob (8) = 2/40 prob (9) = 2/40 prob(10) = 2/40 prob(11) = 2/40 prob(12) = 2/40 prob(13) = 2/40 prob(14) = 2/40 prob(15) = 2/40 prob(16) = 2/40 prob(17) = 2/40 prob(18) = 2/40 prob(19) = 2/40 prob(20) = 2/40
Mantang Merah Peluang untuk jenis Super Peluang untuk jenis Lokal Pekalongan Peluang untuk jenis Lokal Samarinda Peluang untuk jenis Jepang -2 Peluang untuk jenis Lokal Cilacap Peluang untuk jenis Sirihit Peluang untuk jenis Kalasan -12 Peluang untuk jenis Bis 175-40-26 Peluang untuk jenis 1593 Peluang untuk jenis Bis 192-58-69 Peluang untuk jenis Kentang Peluang untuk jenis Retok Peluang untuk jenis Arnet
Jadi, entropi seluruhnya = (-2/40 )log2(2/40) - (2/40 )log2(2/40) (2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/60) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) (2/40 )log2 (2/40) - (2/60 )log2 (2/60) - (2/40 )log2 (2/40) - (2/60 )log2 (2/60) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) (2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) - (2/40 )log2 (2/40) = 4,32 Setelah nilai entropi jenis ubi jalar diperoleh maka dapat dicari nilai entropi setiap parameter, ada sebanyak 7 (tujuh) jenis karakter yang dicari nilai entropinya, yaitu entropi warna kulit umbi, warna daging umbi, tipe tanaman, bentuk daun, warna daun muda, warna daun tua, bentuk tangkai daun. Perhitungan entropi warna kulit umbi dapat dilihat pada Tabel 2.Entropi warna kulit umbi = Krem dihitung dengan menghitung peluang masuknya nilai krem kedalam jenis varietas ubi jalar, dapat dilihat dengan perhitungan sebagai berikut : (-2/6) log2 (2/6) - (2/6) log2 (2/6) - (2/6) log2 (2/6) = 1.59
Entropi warna kulit umbi = putih dihitung dengan: (-2/10) log2 (2/10) - (2/10) log2 (2/10) (2/10) log2 (2/10) - (2/10) log2 (2/10) - (2/10) log2 (2/10) = 2.32 Entropi warna kulit umbi = krem tua dapat dihitung dengan: (-2/4) log2 (2/4) - (2/4) log2 (2/4) = 1 Entropi warna kulit umbi = merah (-2/12) log2 (2/12) - (2/12) log2 (2/12) (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) = 258 Entropi warna kulit umbi = merah tua dapat dihitung dengan: (-2/6) log2 (2/6) - (2/6) log2 (2/6) - (2/6) log2 (2/6) = 1,59 Entropi warna kulit umbi = Merah muda (-2/2) log2 (2/2) - (0/2) log2 (0/2) = 0 Perhitungan nilai entropi parameter lainnya dapat dilihat dalam Lampiran 10. Tabel2Data latih untuk perhitungan entropi warna kulit umbi Warna Umbi Kulit
Krem Krem Krem Putih Putih Putih Putih Putih Krem Tua Krem Tua Merah Merah Merah Merah Merah Merah Merah Tua Merah Tua Merah Tua Merah Muda
Varietas
Lokal Banjaran Arnet Kalasan 12 Bis 175-40-26 Biru Mantang Sablah Kuning Super Kentang Kalasan Andoi Atega Mantang Merah Lokal Pekalongan Lokal Samarinda Bis 192-58-69 Retok Jepang Lokal Cilacap Sirihit Mis 159-3
Juml -ah
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
7
Gambar 3Pohon keputusan. WarnaKulitUmbi = Krem |WarnaTangkaiDaun = Ungu: Lokal Banjaran (2.0) | WarnaTangkaiDaun = Hijau: Arnet (2.0) | WarnaTangkaiDaun = Hijau Bintik Ungu: Lokal Banjaran (0.0) | WarnaTangkaiDaun = Hijau Bintik ungu: Kalasan-12 (2.0) | WarnaTangkaiDaun = Hijau Garis Ungu: Lokal Banjaran (0.0) WarnaKulitUmbi = Putih | WarnaDagingUmbi = Kuning | | Jumlah Umbi/Tanaman <= 1: Biru Mantang (2.0) | | Jumlah Umbi/Tanaman > 1: Kuning (2.0) | WarnaDagingUmbi = Kuning : Biru Mantang (0.0) | WarnaDagingUmbi = Kuning Pucat: Sablah (2.0) | WarnaDagingUmbi = Putih: Super (2.0) | WarnaDagingUmbi = Orange: Biru Mantang (0.0) | WarnaDagingUmbi = Krem: BIS 175-40-26 (2.0) WarnaKulitUmbi = Krem Tua | Berat Umbi/Tanaman <= 1800: Kentang (2.0) | Berat Umbi/Tanaman > 1800: Kalasan (2.0) WarnaKulitUmbi = Merah | WarnaDagingUmbi = Kuning | | TipeTanaman = Semi Tegak: Andoi Atega (0.0) | | TipeTanaman = Menjalar: Andoi Atega (2.0)
| | TipeTanaman = Tegak: Lokal Pekalongan (2.0) | | TipeTanaman = Semi Kompak: Andoi Atega (0.0) | WarnaDagingUmbi = Kuning : Andoi Atega (0.0) | WarnaDagingUmbi = Kuning Pucat: Andoi Atega (0.0) | WarnaDagingUmbi = Putih | | TipeTanaman = Semi Tegak: Mantang Merah (0.0) | | TipeTanaman = Menjalar: Mantang Merah (2.0) | | TipeTanaman = Tegak: Lokal Samarinda (2.0) | | TipeTanaman = Semi Kompak: Mantang Merah (0.0) | WarnaDagingUmbi = Orange: Andoi Atega (0.0) | WarnaDagingUmbi = Krem: Andoi Atega (0.0) WarnaKulitUmbi = Merah Tua | TipeTanaman = Semi Tegak: Jepang-2 (0.0) | TipeTanaman = Menjalar: Jepang-2 (2.0) | TipeTanaman = Tegak: Lokal Cilacap (2.0) | TipeTanaman = Semi Kompak: Sirihit (2.0) WarnaKulitUmbi = Merah Muda: MIS 159-3 (2.0) WarnaKulitUmbi = Merah | WarnaDagingUmbi = Kuning: Retok (2.0) | WarnaDagingUmbi = Kuning : BIS 192-58-69 (0.0) | WarnaDagingUmbi = Kuning Pucat: BIS 192-58-69 (0.0) | WarnaDagingUmbi = Putih: BIS 192-58-69 (0.0) | WarnaDagingUmbi = Orange: BIS 192-58-69 (0.0) | WarnaDagingUmbi = Krem: BIS 192-58-69 (2.0)
Gambar4Model pohon keputusan direpresentasikandalam bentuk aturan (rule). Perhitungan nilai gain parameter entropi warna kulit umbi dapat dihitung dengan:
4.32- ((6/40 *1.59) + (10/40 * 2.32) + (4/40*1) + (12/40*2.58) + (6/40*1.59) + (0)) = 2.6275
Pencarian nilai entropi terhadap 9 ciri, dilakukan sampai didapatkanroot pohon keputusan. Nilai gain yang paling tinggi akan di jadikan root. Roottersebut adalah karakter yang paling dominan. Berdasarkan hasil pohon keputusan yang dibangkitkan dengan menggunakan nilai entropi dan gain yang terbesar,diperolehlah bahwa fitur dari warna kulit umbi yang menjadi root. Warna kulit umbi merupakan
8
kriteria/ciri yang paling berpengaruhdiantara fitur lainnya.Model pohon keputusan bisa dilihat pada Gambar 3. Dari 40 data yang terdiri atas 20 varietas tersebut terdapat aturan-aturan yang diperoleh dari pohon keputusan untuk membentuk model prediksi varietas ubi jalar. Model pohon keputusan tersebutdirepresentasikan ke dalam rule (aturan). Rule dari pohon keputusan dapat dilihat pada Gambar 4. Rule yang diperoleh dengan menggunakan decision tree J48 tersebut dijadikan model untuk mengidentifikasi data baru/data uji.Model data training digunakan untuk menguji data testing berdasarkan pada banyaknya (count)datasetrecord yang diprediksi secara benar dan secara tidak benar pada model. Count ini ditabulasikan dalam sebuah tabel yang dikenal sebagai confusion matrix.
dengan setiap masukan akan diproses untuk mendapatkan keluaran/output. Dalam hal ini masukan berupa data yang akan diidentifikasi. Pengguna dapat memasukkan ciri dari parameter ubi jalar, seperti warna umbi, warna umbi daging, tipe tanaman, bentuk daun, warna daun tua, warna daun muda, warna tangkai daun. Dari ciri masukan tersebut varietas ubi jalar yang diharapkan dapat menghasilkan keputusan yang sesuai. Pada Gambar 6 ditampilkan form yang akan diisi untuk proses pengecekan data uji. Parameter dengan ciri-ciri ubi jalar di latih sesuai dengan model data training. Pada Gambar 7, terlihat bahwa nilai yang dihasilkan dari rule menghasilkan keluaran. Ini diartikan hasil keluaran tersebut merepresentasikan data varietas ubi jalar
Confusion matrix merupakan salah satu alat ukur matriks yang digunakan untuk menetapkan ketepatan jumlah kelas ubijalar. Adapun Confusion Matrix yang diperoleh dari WEKA J48 dapat dilihat pada Tabel 3. Dari tabel confusion matrixtersebut, dapat dilihat bahwa varietas ubi jalar biru mantang masuk ke dalam kelompok kelas ubi jalar kuningdan varietas ubi jalar kentang masuk ke dalam kelompok varietas ubi jalar kalasan. Setelah dilakukan pengolahan pada data uji maka hasil dari data uji akan diimplementasikan ke dalam sebuah aplikasi. Aplikasi yang digunakan berbasis web. Adapun tampilan awal saat aplikasi dibuka dapat dilihat pada Gambar 5. Gambar 6Form ubi jalar.
Gambar 5Tampilan awal web. Implementasi Proses implementasi yang dilakukan pada setiap masukan/rule akan menghasilkan nilai,
Gambar 7Hasil identifikasi varietas ubijalar.
9
Tabel 3Confusion matrix a b c d e f g 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
h 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
i 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
j 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
k 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
l 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
m 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
Pengujian Pengujian aplikasi dilakukan dengan memasukkan data uji sebanyak 20 data. Pada tahap pengujian, pengguna memasukkan data yang terdiri atas warna umbi, warna umbi daging, tipe tanaman, bentuk daun, warna daun tua, warna daun muda, warna tangkai daun (Lampiran6). Setelah data diisi oleh pengguna kemudian “SIMPAN” maka output yang dihasilkan dapat diketahui untuk selanjutnya dilakukan pencocokandengan data dan rule yang sudah tersedia. Bentuk keluaran dari form yang diisi pengguna akan menampilkan varietas ubi jalar yang sesuai (Lampiran 7). Berdasarkan hasil pengujian terhadap 20 data yang sudah dimasukkan ke dalam aplikasi, terdapat 19 data uji yang sesuai dan 1(satu) data yang tidak sesuai dengan data sebenarnya.Dengandemikian, tingkat akurasi dari aplikasi identifikasi varietas ubi jalar ini sebesar 95%.
KESIMPULAN Pada penelitian ini telah dibentuk sebuah aplikasi web untuk mengidentifikasi ubi jalar menggunakan teknik decision tree J48. Dari data yang diuji ke dalam aplikasi ada 19 data yang sesuai dan 1(satu) data yang tidak sesuai dengan data sebenarnya. Hal ini disebabkan
n 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
o 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
p 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
q 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
s 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
t 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
a b c d e f g h i j k l m n o p q r s t
class Lokal Banjaran Biru Mantang Kalasan Sablah Kuning Andoi Atega Mantang Merah Super Lokal Pekalongan Lokal Samarinda Jepang-2 Lokal Cilacap Sirihit Kalasan-12 BIS 175-40-26 MIS 159-3 BIS 192-58-69 Kentang Retok Arnet
oleh data yang memiliki kemiripan yang hampir sama dari segi ciri tanaman ubi jalar. Secara umum aplikasi yang dibangun ini memiliki keakuratan sebesar 90 %.
SARAN Saran untuk peneliti lanjutan dengan topik sejenis adalah: (1) Data yang diolah dapat di-update dengan menambah data, karena semakin banyak data, maka tingkat keakuratan data akan semakin baik. (2) Nilai keluaran dari sistem hanya merupakan rujukan dari data sampling. untuk memperoleh hasil yang akurat dalam mengetahui jenis varietas ubi jalar tetap ditentukan oleh peneliti.
DAFTAR PUSTAKA Lesmana D. 2012. Perbandinangan Kinerja Decision Tree J48 dan ID3 Dalam Pengkalsifikasian Diagnosis Penyakit Diabetes Melitus. Jurnal Teknologi dan Informatika 2(2): 155-164. MitchellM. 1997. Machine Learning. New York. New York : MIT Press and Mc Grow Hill Companies
10
Moertini2007.Pengembangan skalabilitas algoritme identifikasi C4.5 dengan pendekatan konsep operator relasi (Studi kasus: Prapengolahan dan klasifikasi citra batik)[disertasi]. Bogor:Institut Teknologi Bandung. Niwanputri GS. 2007. Penggunaaan decision tree analysis untuk pengambilan keputusan [skripsi]. Bandung: Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika. Institut Teknologi Bandung.
Nurma J. 2008. Teknik klasifikasi pohon keputusan untuk memprediksi kebangkrutan bank menggunakan J48.Seminar Ilmiah Nasional Komputer dan Sistem Intelijen; Depok, 20 Agu 2008. Rukmana R. 1997. Ubi Jalar: Budi Daya dan Pascapanen. Yogyakarta: Kanisius. Setyono AY, Setiawati, Sudaryono. 1993. Penanganan pascapanen ubi jalar. Dalam Syam M, Hermanto, Musaddad A, editor. Di dalam:Prosiding Simposium Penelitian Tanaman Pangan III; Jakarta, 23-25 Agu 2003.
11
LAMPIRAN
12
Lampiran 1Daftar nama varietas/kelas dan karakter ubi jalar Berat Umbi/ Tanaman 2050 1800 1400 1200 900 1100 2650 2700 2300 1000 1100 1350 1450 1000 1300 650 1150 1000 1600 1150 2350
Jumlah Umbi/ Tanaman 3 5 6 4 1 1 3 2 2 2 3 4 4 3 2 3 3 2 1 1 2
Warna Umbi_Kulit Krem Krem Krem Putih Putih Putih Krem Tua Krem Tua Krem Tua Putih Putih Putih Putih Putih Putih Merah Merah Merah Merah Merah Merah
Warna Umbi_Daging Kuning Kuning Kuning Kuning Kuning Kuning Kuning Kuning Kuning Kuning Pucat Kuning Pucat Kuning Pucat Kuning Kuning Kuning Kuning Kuning Kuning Putih Putih Putih
Tipe Tanaman Semi Tegak Semi Tegak Semi Tegak Semi Tegak Semi Tegak Semi Tegak Menjalar Menjalar Menjalar Semi Tegak Semi Tegak Semi Tegak Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar
Bentuk Daun Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Racik Racik Racik Jantung Jantung Jantung Jantung Jantung Jantung
Warna Daun_Tua Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau
Warna Daun_Mud a Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau
1800
1
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
1200
2
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
1200
1
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
Warna Tangkai Daun Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Ungu Ungu Ungu Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu
Varietas Lokal Banjaran Lokal Banjaran Lokal Banjaran Biru Mantang Biru Mantang Biru Mantang Kalasan Kalasan Kalasan Sablah Sablah Sablah Kuning Kuning Kuning Andoi Atega Andoi Atega Andoi Atega Mantang Merah Mantang Merah Mantang Merah Super Super Super
13 Lampiran 1 (Lanjutan). Berat Umbi/ Tanaman 1000 1050 1000 1250 1350 400 1800 1650 3400 1600 800 1200
Jumlah Umbi/ Tanaman 3 2 3 2 2 1 3 2 4 3 3 3
Warna Umbi_Kulit Merah Merah Merah Merah Merah Merah Merah Tua Merah Tua Merah Tua Merah Tua Merah Tua Merah Tua
Warna Umbi_Daging Kuning Kuning Kuning Putih Putih Putih Orange Orange Orange Putih Putih Putih
Tipe Tanaman Tegak Tegak Tegak Tegak Tegak Tegak Menjalar Menjalar Menjalar Tegak Tegak Tegak
Bentuk Daun Jantung Jantung Jantung Segitiga Segitiga Segitiga Jantung Jantung Jantung Racik Racik Racik
Warna Daun_Tua Hijau Tua Hijau Tua Hijau Tua Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau
Orange
Semi Kompak
Segitiga
Hijau Tua
Merah Tua
Orange
Semi Kompak
Segitiga
Hijau Tua
6
Merah Tua
Orange
Semi Kompak
Segitiga
Hijau Tua
Warna Daun_Mud a Hijau Hijau Hijau Ungu Ungu Ungu Ungu Ungu Ungu Hijau Hijau Hijau Hijau Tepi Ungu Hijau Tepi Ungu Hijau Tepi Ungu
1200
4
Merah Tua
800
6
2100 900
3
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
1000
3
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
1000
2
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
1100
4
Putih
Krem
Semi Tegak
Racik
Hijau
Hijau
1300 1900
3 4
Putih Putih
Krem Krem
Semi Tegak Semi Tegak
Racik Racik
Hijau Hijau
Hijau Hijau
Warna Tangkai Daun Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik ungu Hijau Bintik ungu Hijau Bintik ungu Hijau Garis Ungu Hijau Garis Ungu Hijau Garis
Varietas Lokal Pekalongan Lokal Pekalongan Lokal Pekalongan Lokal Samarinda Lokal Samarinda Lokal Samarinda Jepang-2 Jepang-2 Jepang-2 Lokal Cilacap Lokal Cilacap Lokal Cilacap Sirihit Sirihit Sirihit Kalasan-12 Kalasan-12 Kalasan-12 BIS 175-40-26 BIS 175-40-26 BIS 175-40-26
14 Lampiran 1 (Lanjutan). Berat Umbi/ Tanaman
Jumlah Umbi/ Tanaman
Warna Umbi_Kulit
Warna Umbi_Daging
1500 2500 500
1 3 1
Merah Muda Merah Muda Merah Muda
850
4
1500
Warna Daun_Mud a
Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Kuning Kuning Kuning
Semi Tegak Semi Tegak Semi Tegak
Racik Racik Racik
Hijau Tua Hijau Tua Hijau Tua
Merah
Krem
Tegak
Racik
Hijau Tua
2
Merah
Krem
Tegak
Racik
Hijau Tua
1700
4
Merah
Krem
Tegak
Racik
Hijau Tua
Ungu Ungu Ungu Hijau Tepi Ungu Hijau Tepi Ungu Hijau Tepi Ungu
2500
7
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
1000
2
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
1300
10
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
1250
4
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
2750
8
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
650 1600 1500 1350
3 2 2 2
Merah Krem Krem Krem
Kuning Kuning Kuning Kuning
Menjalar Semi Tegak Semi Tegak Semi Tegak
Racik Racik Racik Racik
Hijau Tua Hijau Hijau Hijau
Ungu Muda Hijau Hijau Hijau
Warna Tangkai Daun Ungu Hijau Hijau Hijau
Varietas MIS 159-3 MIS 159-3 MIS 159-3
Hijau
BIS 192-58-69
Hijau
BIS 192-58-69
Hijau Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Hijau Garis Ungu Hijau Garis Ungu Hijau Garis Ungu Hijau Hijau Hijau
BIS 192-58-69 Kentang Kentang Kentang Retok Retok Retok Arnet Arnet Arnet
15
Lampiran 2Daftar nama varietas/kelas dan karakter bertipe nominal NO
Warna Umbi_Daging Kuning Kuning Kuning Kuning Kuning Kuning Kuning Kuning Kuning Kuning Pucat Kuning Pucat Kuning Pucat Kuning Kuning Kuning Kuning Kuning Kuning Putih Putih Putih Putih
Tipe Tanaman
Bentuk Daun
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Warna Umbi_Kulit Krem Krem Krem Putih Putih Putih Krem Tua Krem Tua Krem Tua Putih Putih Putih Putih Putih Putih Merah Merah Merah Merah Merah Merah Putih
Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Racik Racik Racik Jantung Jantung Jantung Jantung Jantung Jantung Jantung
Warna Daun_Tua Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau
Warna Daun_Muda Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau
Semi Tegak Semi Tegak Semi Tegak Semi Tegak Semi Tegak Semi Tegak Menjalar Menjalar Menjalar Semi Tegak Semi Tegak Semi Tegak Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar Menjalar
23
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
24
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
25
Merah
Kuning
Tegak
Jantung
Hijau Tua
Hijau
Warna Tangkai Daun Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Ungu Ungu Ungu Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Ungu
Varietas Lokal Banjaran Lokal Banjaran Lokal Banjaran Biru Mantang Biru Mantang Biru Mantang Kalasan Kalasan Kalasan Sablah Sablah Sablah Kuning Kuning Kuning Andoi Atega Andoi Atega Andoi Atega Mantang Merah Mantang Merah Mantang Merah Super Super Super Lokal Pekalongan
16
NO
Warna Umbi_Daging Kuning
Tipe Tanaman
Bentuk Daun
26
Warna Umbi_Kulit Merah
Jantung
Warna Daun_Tua Hijau Tua
Warna Daun_Muda Hijau
Warna Tangkai Daun Ungu
Tegak
27
Merah
Kuning
Tegak
Jantung
Hijau Tua
Hijau
Ungu
28
Merah
Putih
Tegak
Segitiga
Hijau
Ungu
Hijau
29
Merah
Putih
Tegak
Segitiga
Hijau
Ungu
Hijau
30
Merah
Putih
Tegak
Segitiga
Hijau
Ungu
Hijau
31 32 33 34 35 36 37
Merah Tua Merah Tua Merah Tua Merah Tua Merah Tua Merah Tua Merah Tua
Orange Orange Orange Putih Putih Putih Orange
Menjalar Menjalar Menjalar Tegak Tegak Tegak Semi Kompak
Jantung Jantung Jantung Racik Racik Racik Segitiga
Hijau Hijau Hijau Hijau Hijau Hijau Hijau Tua
38
Merah Tua
Orange
Semi Kompak
Segitiga
Hijau Tua
39
Merah Tua
Orange
Semi Kompak
Segitiga
Hijau Tua
40
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Ungu Ungu Ungu Hijau Hijau Hijau Hijau Tepi Ungu Hijau Tepi Ungu Hijau Tepi Ungu Hijau
41
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
42
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
43
Putih
Krem
Semi Tegak
Racik
Hijau
Hijau
44
Putih
Krem
Semi Tegak
Racik
Hijau
Hijau
Hijau Hijau Hijau Hijau Hijau Hijau Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik ungu Hijau Bintik ungu Hijau Bintik ungu Hijau Garis Ungu Hijau Garis
Varietas Lokal Pekalongan Lokal Pekalongan Lokal Samarinda Lokal Samarinda Lokal Samarinda Jepang-2 Jepang-2 Jepang-2 Lokal Cilacap Lokal Cilacap Lokal Cilacap Sirihit Sirihit Sirihit Kalasan-12 Kalasan-12 Kalasan-12 BIS 175-40-26 BIS 175-40-26
17
NO
Warna Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
45
Putih
Krem
Semi Tegak
Racik
Hijau
Hijau
46 47 48 49
Merah Muda Merah Muda Merah Muda Merah
Kuning Kuning Kuning Krem
Semi Tegak Semi Tegak Semi Tegak Tegak
Racik Racik Racik Racik
Hijau Tua Hijau Tua Hijau Tua Hijau Tua
50
Merah
Krem
Tegak
Racik
Hijau Tua
51
Merah
Krem
Tegak
Racik
Hijau Tua
52
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu Ungu Ungu Hijau Tepi Ungu Hijau Tepi Ungu Hijau Tepi Ungu Ungu
53
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
54
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
55
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
56
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
57
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
58 59 60
Krem Krem Krem
Kuning Kuning Kuning
Semi Tegak Semi Tegak Semi Tegak
Racik Racik Racik
Hijau Hijau Hijau
Hijau Hijau Hijau
Warna Tangkai Daun Ungu Hijau Garis Ungu Hijau Hijau Hijau Hijau
Varietas
BIS 175-40-26 MIS 159-3 MIS 159-3 MIS 159-3 BIS 192-58-69
Hijau
BIS 192-58-69
Hijau
BIS 192-58-69
Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Hijau Garis Ungu Hijau Garis Ungu Hijau Garis Ungu Hijau Hijau Hijau
Kentang Kentang Kentang Retok Retok Retok Arnet Arnet Arnet
18
Lampiran 3 Data latih Berat umbi tanaman
Jumlah Umbi/Tana man
Warna Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna Tangkai Daun
1800
5
Krem
Kuning
Semi Tegak
Jantung
Hijau
Ungu
Ungu
Varietas Lokal Banjaran
1400
6
Krem
Kuning
Semi Tegak
Jantung
Hijau
Ungu
Ungu
Lokal Banjaran
900
1
Putih
Kuning
Semi Tegak
Jantung
Hijau
Hijau
Hijau
Biru Mantang
1100
1
Putih
Kuning
Semi Tegak
Jantung
Hijau
Hijau
Hijau
Biru Mantang
2700
2
Krem Tua
Kuning
Menjalar
Jantung
Hijau
Hijau
Hijau
Kalasan
2300
2
Krem Tua
Kuning
Menjalar
Jantung
Hijau
Hijau
Hijau
Kalasan
1100
3
Putih
Kuning Pucat
Semi Tegak
Jantung
Hijau
Hijau
Ungu
Sablah
1350
4
Putih
Kuning Pucat
Semi Tegak
Jantung
Hijau
Hijau
Ungu
Sablah
1000
3
Putih
Kuning
Menjalar
Racik
Ungu
Ungu
Ungu
Kuning
1300
2
Putih
Kuning
Menjalar
Racik
Ungu
Ungu
Ungu
Kuning
1150
3
Merah
Kuning
Menjalar
Jantung
Hijau
Hijau
Hijau
Andoi Atega
1000
2
Merah
Kuning
Menjalar
Jantung
Hijau
Hijau
Hijau
Andoi Atega
1150
1
Merah
Putih
Menjalar
Jantung
Hijau
Hijau
Hijau Mantang
19
Berat umbi tanaman
Jumlah Umbi/Tana man
Warna Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda
Warna Tangkai Daun
Varietas Merah Mantang Merah
2350
2
Merah
Putih
Menjalar
Jantung
Hijau
Hijau
Hijau
2
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
Hijau Ungu
Bintik
1200
Bintik
Super
1200
1
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
Hijau Ungu
1050
2
Merah
Kuning
Tegak
Jantung
Hijau Tua
Hijau
Ungu
Lokal Pekalongan
1000
3
Merah
Kuning
Tegak
Jantung
Hijau Tua
Hijau
Ungu
Lokal Pekalongan
1350
2
Merah
Putih
Tegak
Segitiga
Hijau
Ungu
Hijau
Lokal Samarinda
Super
400
1
Merah
Putih
Tegak
Segitiga
Hijau
Ungu
Hijau
Lokal Samarinda
1650
2
Merah Tua
Orange
Menjalar
Jantung
Hijau
Ungu
Hijau
Jepang-2
3400
4
Merah Tua
Orange
Menjalar
Jantung
Hijau
Ungu
Hijau
Jepang-2
800
3
Merah Tua
Putih
Tegak
Racik
Hijau
Hijau
Hijau
Lokal Cilacap
20
Berat umbi tanaman 1200
Jumlah Umbi/Tana man 3
800
2100
Warna Umbi_Kulit Merah Tua
Warna Umbi_Daging Putih
Tipe Tanaman Tegak
Bentuk Daun Racik
Warna Daun_Tua Hijau
Warna Daun_Muda Hijau
Warna Tangkai Daun Hijau
Varietas Lokal Cilacap
Orange
Semi Kompak
Segitiga
Hijau Tua
Hijau Ungu
Bintik
Merah Tua
Hijau Ungu
Tepi
6
Sirihit
Orange
Semi Kompak
Segitiga
Hijau Tua
Hijau Ungu
Bintik
Merah Tua
Hijau Ungu
Tepi
6
Bintik
Sirihit
1000
3
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
Hijau ungu
2
Krem
Putih
Semi Kompak
Racik
Hijau Tua
Hijau
Hijau ungu
Bintik
1000
3
Putih
Krem
Semi Tegak
Racik
Hijau
Hijau
Hijau Ungu
Garis
1300
4
Putih
Krem
Semi Tegak
Racik
Hijau
Hijau
Hijau Ungu
Garis
1900 2500
3
Merah Muda
Kuning
Semi Tegak
Racik
Hijau Tua
Ungu
Hijau
MIS 159-3
500
1
Merah Muda
Kuning
Semi Tegak
Racik
Hijau Tua
Ungu
Hijau
MIS 159-3
2
Merah
Krem
Tegak
Racik
Hijau Tua
Hijau Ungu
Tepi
1500
Hijau
BIS 192-58-69
1700
4
Merah
Krem
Tegak
Racik
Hijau Tua
Hijau
BIS 192-58-69
Hijau
Tepi
Kalasan-12
Kalasan-12
BIS 175-40-26
BIS 175-40-26
21
Berat umbi tanaman
Jumlah Umbi/Tana man
Warna Umbi_Kulit
Warna Umbi_Daging
Tipe Tanaman
Bentuk Daun
Warna Daun_Tua
Warna Daun_Muda Ungu
Warna Tangkai Daun
2
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
Hijau Ungu
Bintik
1000
10
Krem Tua
Putih
Menjalar
Racik
Hijau Tua
Ungu
Hijau Ungu
Bintik
1300
Garis
Garis
2750
8
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
Hijau Ungu
650
3
Merah
Kuning
Menjalar
Racik
Hijau Tua
Ungu Muda
Hijau Ungu
1500
2
Krem
Kuning
Semi Tegak
Racik
Hijau
Hijau
Hijau
Varietas
Kentang
Kentang
Retok
Retok Arnet
22
Lampiran 4Data uji Berat Umbi tanaman 2050
Jumlah Umbi/Tana man 3
Warna Umbi_Kulit Krem
Warna Umbi_Daging Kuning
Tipe Tanaman Semi Tegak
Bentuk Daun Jantung
Warna Daun_Tua Hijau
Warna Daun_Muda Ungu
Warna Tangkai Daun Ungu
Varietas Lokal Banjaran
1200
4
Putih
Kuning
Semi Tegak
Jantung
Hijau
Hijau
Hijau
Biru Mantang
2650
3
Krem Tua
Kuning
Menjalar
Jantung
Hijau
Hijau
Hijau
Kalasan
1000
2
Putih
Kuning Pucat
Semi Tegak
Jantung
Hijau
Hijau
Ungu
Sablah
1450
4
Putih
Kuning
Menjalar
Racik
Ungu
Ungu
Ungu
Kuning
650
3
Merah
Kuning
Menjalar
Jantung
Hijau
Hijau
Hijau
Andoi Atega Mantang Merah
1600
1
Merah
Putih
Menjalar
Jantung
Hijau
Hijau
Hijau
1800
1
Putih
Putih
Menjalar
Jantung
Hijau
Hijau
Hijau Ungu
1000
3
Merah
Kuning
Tegak
Jantung
Hijau Tua
Hijau
Ungu
Lokal Pekalongan
Hijau
Lokal Samarinda
400
1
Merah
Putih
Tegak
Segitiga
Hijau
Ungu
Bintik Super
23
Lampiran 5Pengisian form ciri-ciri ubi jalar yang akan diidentifikasi
24
Lampiran 6Tampilan output sistem identifikasi tanaman ubi jalar
25
Lampiran 7Tampilan tree sistem identifikasi tanaman ubi jalar
26
Lampiran 8Rulevarietas ubi jalar
27
Lampiran 9Kode algoritmedari rulevarietas ubi jalar
If
WarnaKuliUmbi = Krem Then If
WarnaTangkaiDaun = Ungu Then Classification = Loka Banjaran Elseif WarnaTangkaiDaun = Hijau Then Classification = Arnet Elseif WarnaTangkaiDaun = Hijau Bintik Ungu Then Classification = Kalasan 12 Elseif WarnaTangkaiDaun = Hijau garis ungu Then Classification = Lokal Banjaran Elseif WarnaKulitUmbi = Putih Then If WarnaDagingUmbi = Kuning Then If warna umbi/tanaman = <=1 Then Classification = Biru Mantang Else Classification = Kuning Elseif WarnaDagingUmbi = Kuning Then Classification = Biru Mantang Elseif WarnaDagingUmbi = Kuning Pucat Then Classification = Sablah Elseif WarnaDagingUmbi = Putih Then Classification = Super Elseif WarnaUmbiDaging = Orange Then Classification = Biru Mantang Elseif WarnaUmbiDaging = Krem Then Classification = Bis 175-26 Elseif WarnaKulitUmbi = Krem Then If BeratUmbiTanaman = <=1800 Then Classification = Kentang Else Classification = Kalasan Elseif WarnaKulitUmbi = Merah Then If WarnaDagingUmbi = Kuning Then If TipeTanaman = Semi Tegak
28
Then Classificcation =Andoi Antega Elseif TipeTanaman = menjalar Then Classification = Andoi Antega Elseif TipeTanaman= tegak Then Classification = Lokal Pekalongan Elseif TipeTanaman = Semi kompak Then Classification = Andoi Atega Elseif WarnaDagingUmbi = Orange Then Classification = Andoi Antega Else if WarnaDagingUmbi =Krem Then Classification = Andoi Antega Elseif WarnaKulitUmbi =Merah tua Then If TipeTanaman = Semi Tegak Then Classification = Jepang Elseif TipeTanaman = Menjalar Then Classification = Jepang Elseif TipeTanaman = tegak Then Classification = Lokal Cilacap Elseif TipeTanaman = SemiKompak Then Classification = Sirihit Else if WarnaKulitUmbi = Merah Then If Classification = Mis 159-3 Elseif WarnaKulitUmbi = Merah Then If WarnaDagingUmbi =Kuning Then Classification = Retok Else Classification = Bis 192-58-69
29
Lampiran 10Perhitungan nilai entropi Warna Umbi Daging Varietas Ubi Jalar Jumlah Kuning Lokal Banjaran 2 Kuning Biru Mantang 2 Kuning Kalasan 2 Kuning Kuning 2 Kuning Andoi antega 2 Kuning Lokal Pekalongan 2 Kuning Mis 159-3 2 Kuning Retok 2 Kuning Arnet 2 Kuning pucat Sablah 2 Putih Mantang Merah 2 Putih Super 2 Putih Lokal Samarinda 2 Putih Lokal Cilacap 2 Putih Kalasan 12 2 Putih Kentang 2 Orange Sirihit 2 Orange Bis 175-4-026 2 Krem Bis 195-58-65 2 Krem 2 Entropi (Warna Umbi Daging) = Kuning = (-2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) - (2/18) log2 (2/18) = 3.24 Entropi (Warna Umbi Daging) = Kuning Pucat = (-2/2) log2 (2/2) =0 Entropi (Warna Umbi Daging) = Putih = (-2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12) = 2.58 Entropi (Warna Umbi Daging) = Orange = (-2/4) log2 (2/4) - (2/4) log2 (2/4) =1 Entropi (Warna Umbi Daging) = Krem = (-2/4) log2 (2/4) - (2/4) log2 (2/4) =1 Maka nilai gain untuk parameter: = 4-32 – ((18/40*3.24)+(12/40*2.58)+(4/40*1)+(4/40*1)) = 4,32- (1,458+0,774+0.1+0.1) = 2.432
30
Lampiran 10 (Lanjutan) Tipe Tanaman Varietas Jumlah Semi Tegak Lokal Banjar 2 Semi Tegak Biru Mantang 2 Semi Tegak Sablah 2 Semi Tegak Bis 175 2 Semi Tegak Mis 159 2 Semi Tegak Arnet 2 Menjalar Kalasan 2 Menjalar Kuning 2 Menjalar Andoi Antega 2 Menjalar Mantang Merah 2 Menjalar Super 2 Menjalar Jepang 2 2 Menjalar Kentang 2 Menjalar Retok 2 Tegak Bis 159 2 Tegak Lokal Pekalongan 2 Tegak Lokal Samarinda 2 Tegak Lokal Cilacap 2 Semi Kompak Sirihit 2 Semi Kompak Kalasan 2 Entropi (Tipe Tanaman) = Semi Tegak = (-2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12)- (2/12) log2 (2/12)- (2/12) log2 (2/12)(2/12) log2 (2/12) = 2.58 Entropi (Tipe Tanaman) = Menjalar = (-2/16) log2 (2/16) - (2/16) log2 (2/16)- (2/16) log2 (2/16)- (2/16) log2 (2/16)- (2/16) log2 (2/16)(2/16) log2 (2/16)- (2/16) log2 (2/16)- (2/16) log2 (2/16) =3 Entropi (Tipe Tanaman) = Menjalar = (-2/8) log2 (2/8) - (2/8) log2 (2/8)- (2/8) log2 (2/8)- (2/8) log2 (2/8) =2 Entropi (Tipe Tanaman) = Semi Kompak = (-2/4) log2 (2/4) - (2/4) log2 (2/4) =1 Maka nilai gain untuk parameter: = 4.32 – ((12/40*2.58)+(16/40*3)+(8/40*2)+(4/40*1) = 4.32 – (0.344+1.2+0.4+0.1) = 2.276
31
Lampiran 10 (Lanjutan). Bentuk Daun Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Jantung Racik Racik Racik Racik Racik Racik Racik Racik Racik Segitiga Segitiga
Varietas Lokal Banjaran Biru Mantang Andoi Anterga Mantang Merah Super Lokal Pekalongan Jepang Kalasan sablah Kuning Lokal Cilacap Kalasan 12 Bis 175-40-26 Mis 159-3 Bis 192-58-69 Kentang Retok arnet Lokal Samarinda Sirihit
Jumlah 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Entropi (Bentuk Daun) = Jantung = (-2/18) log2 (2/18) - (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)(2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18) = 3.24 Entropi (Bentuk Daun) = Racik = (-2/18) log2 (2/18) - (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)(2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18)- (2/18) log2 (2/18) = 3.24 Entropi (Bentuk Daun) = Segitiga = (-2/4) log2 (2/4) - (2/4) log2 (2/4) =1 Maka nilai gain untuk parameter: = 4.32- ((18/40*3.16)+(18/40*3.16)+(4/40*1)) = 4.32-(1.422+1.422+0.1) = 1.376
32
Lampiran 10 (Lanjutan) Warna Daun Tua Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Tua Hijau Tua Hijau Tua Hijau Tua Hijau Tua Hijau Tua Hijau Tua Ungu
Varietas Lokal Banjara Biru Mantang Kalasan Sablah Andoti Atega Mantang Merah Super Lokal samarinda Jepang Lokal Cilacap Kentang arnet Lokal Pekalongan Sirihit Kalasan 12 Bis 175-40-26 Mis 159-3 Bis 192-58-69 retok Kuning
Jumlah 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Entropi (Warna daun tua) = Hijau (-2/24) log2 (2/24) - (2/24) log2 (2/24) - (2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)(2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)- (2/24) log2 (2/24)(2/24) log2 (2/24)- (2/24) log2 (2/24) = 3.58 Entropi (Warna daun tua) = Hijau Tua (-2/14) log2 (2/14) - (2/14) log2 (2/14)- (2/14) log2 (2/14)- (2/14) log2 (2/14)- (2/14) log2 (2/14)(2/14) log2 (2/14)- (2/14) log2 (2/14) = 2.81 Entropi (Warna daun tua) = Ungu = (-2/2) log2 (2/2) =0 Maka nilai gain untuk parameter: = 4.32- ((24/40*3.58)+(14/40*2.81)+0) =1.185
33
Lampiran 10 (Lanjutan) Warna Daun Muda Ungu Ungu Ungu Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau tepi ungu Hijau tepi ungu Ungu Muda
Varietas Lokal Banjaran Kuning Lokal Samarinda Jepang Mis 159-3 KEntang Biru Mantang Kalasan Sablah Andoi Atega Mantang Merah Super Lokal Pekalongan Lokal Cilacap Kalasan 12 Bis 175-40-26 arnet Sirihit Bis 192-58-69 retok
Jumlah 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Entropi (Warna daun muda) = Ungu = (-2/12) log2 (2/12) - (2/12) log2 (2/12) - (2/12) log2 (2/12)- (2/12) log2 (2/12)- (2/12) log2 (2/12)(2/12) log2 (2/12) = 2.58 Entropi (Warna daun muda) = Hijau = (-2/22) log2 (2/22) - (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)(2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)- (2/22) log2 (2/22)(2/22) log2 (2/22) = 3.45 Entropi (Warna daun muda) = Hijau = (-2/4) log2 (2/4) - (2/4) log2 (2/4) =1 Entropi (Warna daun muda) = Ungu Muda =0 Maka nilai gain untuk parameter: = 4.32- ((12/40*2.58)+(22/40*3.45)+(4/40)*1)) = 1.5485
34
Lampiran 10 (Lanjutan) Warna Tangkai Daun Ungu Ungu Ungu Ungu Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Hijau Bintik Ungu Hijau Garis Ungu Hijau Garis Ungu
Varietas Lokal Banjaran Sablah Kuning Lokal Pekalongan Biru Mantang Kalasan Andoi atega Mantang Merah Lokal Samarinda Jepang -2 Lokal Cilacap Mis 159-3 Bis 192-58-69 Arnet Super Sirihit Kalasan-12 Kentang Bis 175-40-26 Retok
Jumlah 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Entropi (Warna Tangkai Daun) = Ungu = (-2/8) log2 (2/8) - (2/8) log2 (2/8)- (2/8) log2 (2/8)- (2/8) log2 (2/8) =2 Entropi (Warna Tangkai Daun) = Hijau = (-2/20) log2 (2/20) - (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)(2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20)- (2/20) log2 (2/20) = 3.32 Entropi (Warna Tangkai Daun) = Hijau Bintik Ungu = (-2/8) log2 (2/8) - (2/8) log2 (2/8)- (2/8) log2 (2/8)- (2/8) log2 (2/8) =2 Entropi (Warna Tangkai Daun) = Hijau Garis Ungu = (-2/4) log2 (2/4) - (2/4) log2 (2/4) =1 Maka nilai gain untuk parameter: = 4.32- ((8/40*2)+(20/40*3.32)+(8/40*2)+(4/40*1)) = 4.32 – (0.4+1.66+0.4 +0.1) = 1. 76