Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 3, Maret 2018, hlm. 1187-1193
e-ISSN: 2548-964X http://j-ptiik.ub.ac.id
Pemodelan Sistem Pakar untuk Identifikasi Hama Penyakit Tanaman Tebu dengan Metode Dempster-Shafer Yusuf Nurcahyo1, Nurul Hidayat2, Rizal Setya Perdana3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya E-mail :
[email protected],
[email protected],
[email protected] Abstrak Setiap tahun, kebutuhan akan gula terus bertambah seiring pertumbuhan konsumsi masyarakat serta pertumbuhan di sektor makanan dan minuman. Pada tahun 2014 konsumsi gula kristal putih (GKP) mencapai 2.84 juta, sedangkan pada tahun 2015, konsumsi GKP mencapai 2.98 juta ton dan akan terus mengalami peningkatan setiap tahunnya. Namun saat ini produktivitas gula mengalami penurunanan. Penurunan produktivitas tersebut disebabkan oleh beberapa hal, salah satunya adalah penurunan tingkat rendemen gula atau kandungan gula dalam batang tebu. Selain curah hujan yang tinggi dan cara pemanenan yang tidak benar, faktor penghambat produktivitas tanaman tebu lainnya adalah adanya serangan hama dan penyakit tanaman tebu. Keterbatasan jumlah pakar dan penyuluh ketika berada di lapangan, serta kurangnya pengetahuan para petani menyebabkan permasalahan seputar hama dan penyakit tebu ini tidak dapat diatasi dengan segera. Karena keterbatasan kondisi tersebut, penulis membuat sebuah sistem pakar untuk memudahkan para petani agar dapat mengidentifikasi penyakit dan hama pada tanaman tebu. Sistem ini membuat proses identifikasi penyakit serta pengambilan kesimpulan diagnosis yang dihitung menggunakan metode Dempster-shafer dengan menggunakan masukkan gejala fakta dari pengguna. Sistem pakar ini memudahkan dalam menentukan jenis penyakit yang sesuai dengan gejala-gejala yang ditimbulkan. Pengujian dilakukan dengan cara membandingkan hasil diagnosis sistem dengan hasil diagnosis pakar dengan menggunakan 30 data uji yang terdiri dari 19 kasus hama dan 11 kasus penyakit pada tanaman tebu. Kata kunci: tebu, sistem pakar, penyakit hama tanaman tebu, dempster-shafer
Abstract Every year, the demand for sugar continues to grow as consumption of the community grows and growth in the food and beverage sector. In 2014 the consumption of white crystal sugar (GKP) reaches 2.84 million tons, while in 2015, GKP consumption reached 2.98 million tons and will continue to increase every year. But now the productivity of sugar has decreased. The decline in productivity is caused by several things, one of which is the decrease in the level of sugar content or sugar content in sugarcane stalks. In addition to high rainfall and improper harvesting methods, other sugar cane inhibiting factors are pests and diseases of sugarcane. The limited number of experts and extension agents while in the field, as well as the lack of knowledge of farmers cause problems surrounding pests and diseases of this cane can not be solved immediately. Because of the limitations of these conditions, the authors make an expert system to facilitate the farmers in order to identify diseases and pests in sugar cane plants. This system makes the process of disease identification as well as the conclusion of the diagnosis calculated using the Dempster-shafer method by using fact-insert facts from the user. This expert system makes it easy to determine the type of disease that suits the symptoms. Testing is done by comparing the diagnosis of the system with the results of expert diagnosis using 30 test data consisting of 19 cases of pests and 11 cases of disease in sugarcane. Keywords : sugarcane, expert system, sugarcane’s pests and diseases, dempster-shafer
Fakultas Ilmu Komputer Universitas Brawijaya
1187
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1. PENDAHULUAN Tanaman tebu sebagai sumber penghasil gula adalah salah satu bahan makanan yang kerap tidak dapat luput dari keperluan seharihari. Pada tahun 2014 konsumsi gula kristal putih (GKP) mencapai 2.84 juta ton atau hampir sama dengan konsumsi gula pada tahun 2013 yaitu sebesar 2.69 juta ton (Septian, 2015). Sedangkan pada tahun 2015, konsumsi GKP mencapai 2.98 juta ton dan akan terus mengalami peningkatan setiap tahunnya (Septian, 2015). Namun saat ini produktivitas gula mengalami penurunanan. Penurunan produktivitas tersebut disebabkan oleh beberapa hal, salah satunya adalah penurunan tingkat rendemen gula atau kandungan gula dalam batang tebu. Pada tahun 1934 produksi gula mampu mencapai 3 juta ton dengan rata-rata rendemen gula mampu mencapai angka 11%13.8%, sedangkan saat ini hanya dapat mencapai angka rata-rata rendemen 7% saja (Susila et al., 2005). Selain curah hujan yang tinggi dan cara pemanenan yang tidak benar, faktor penghambat produktivitas tanaman tebu lainnya adalah adanya serangan hama dan penyakit tanaman tebu (Achadian, Etik M., et al., 2011). Keterbatasan jumlah pakar dan penyuluh ketika berada di lapangan, serta kurangnya pengetahuan para petani menyebabkan permasalahan seputar hama dan penyakit tebu ini tidak dapat diatasi dengan segera (Achadian, Etik M., et al., 2011). Karena keterbatasan kondisi tersebut, penulis membuat sebuah sistem pakar untuk memudahkan para petani agar dapat mengidentifikasi penyakit dan hama pada tanaman tebu. Sistem Pakar adalah bagian dari kecerdasan buatan yang mengandung pengetahuan dan pengalaman pakar yang dimasukkan ke dalam satu area pengetahuan tertentu untuk memecahkan berbagai masalah yang bersifat spesifik (Prihatini, 2011). Sistem Pakar yang penulis rancang ini diharapkan bisa membantu para petani agar dapat berkonsultasi kepada para pakar. Pengetahuan yang akan direpresentasikan ke dalam sistem pakar dilakukan dengan menggunakan metode Dempster-Shafer. Beberapa penelitian terkait sistem pakar diagnosis penyakit adalah aplikasi sistem pakar untuk pendeteksi dan penanganan dini penyakit sapi dengan metode Dempster-Shafer berbasis web (Mustikadewi, Soebroto & Regasari, 2013). Fakultas Ilmu Komputer, Universitas Brawijaya
1188
Sistem pakar ini memudahkan dalam menentukan jenis penyakit yang sesuai dengan gejala-gejala yang ditimbulkan. Sistem ini membuat proses identifikasi penyakit serta pengambilan kesimpulan diagnosis dihitung menggunakan metode Dempster-shafer dengan menggunakan masukkan gejala fakta dari pengguna. Hasil dari perhitungan DempsterShafer ini memiliki tingkat keakurasian 88,89% dengan proses manual. Sistem ini diharapkan bisa memberikan informasi yang lebih lengkap dan akurat mengenai hama dan penyakit tanaman tebu kepada petani guna meminimalisir kerugian dan meningkatkan produktivitas tanaman tebu. 2. DATA PENELITIAN Pengumpulan data pada penelitian ini dilakukan dengan metode observasi yang dilakukan di Pusat Penelitian Perkebunan Gula Indonesia (P3GI) yang bertempat di Jl. Pahlawan no. 25 Pasuruan, Jawa timur. Dengan cara tersebut diperoleh data pengetahuan tentang gejala-gejala hama dan penyakit tanaman tebu yang akan digunakan sebagai proses perhitungan dengan menggunakan metode Dempster-Shafer. Peneliti juga melakukan wawancara kepada pakar tanaman tebu mengenai hama dan penyakit tebu sebagai data pengetahuan mengenai jenis hama dan penyakit tanaman tebu. 3. TANAMAN TEBU Tanaman tebu tergolong tanaman perdu dengan nama latin Saccharum officinarum. Tanaman tebu merupakan tanaman jenis rumputrumputan yang air dari batangnya dapat dijadikan bahan baku utama pembuatan gula dan vetsin. Tebu hanya dapat hidup di daerah tropis dengan ketinggian 0-600 mdpl (Anggraeni, 2014). Sistematika tanaman tebu terlihat seperti Tabel 1. Tabel 1. Sistematika Tanaman Tebu Divisi
Spermatophyta
Sub Divisi
Angiospermae
Kelas
Monocotyledone
Ordo
Graminales
Famili
Graminae
Genus
Saccharum
Species
Saccarum officinarum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1189
3.1. Morfologi dan Biologi Tebu Tanaman tebu dibedakan menjadi beberapa bagian yaitu (Anggraeni, 2014): 1. Batang, batang tanaman tebu berdiri lurus dan beruas-ruas yang dibatasi dengan bukubuku. Pada setiap buku terdapat mata tunas. Batang tanaman tebu berasal dari mata tunas yang berada dibawah tanah yang tumbuh keluar dan berkembang membentuk rumpun. Diameter batang antara 3-5 cm dengan tinggi batang antara 2-5 meter dan tidak bercabang. 2. Akar, akar tanaman tebu termasuk akar serabut tidak panjang yang tumbuh dari cincin tunas anakan. Pada fase pertumbuhan batang, terbentuk pula akar dibagian yang lebih atas akibat pemberian tanah sebagai tempat tumbuh. 3. Daun, daun tebu berbentuk busur panah seperti pita, berseling kanan dan kiri, berpelepah seperti daun jagung dan tak bertangkai. Tulang daun sejajar, ditengah berlekuk. Tepi daun kadang-kadang bergelombang serta berbulu keras. 4. Bunga, bunga tebu berupa malai dengan panjang antara 50- 80 cm. Cabang bunga pada tahap pertama berupa karangan bunga dan pada tahap selanjutnya berupa tandan dengan dua bulir panjang 3-4 mm. Terdapat pula benangsari, putik dengan dua kepala putik dan bakal biji. 5. Buah, buah tebu seperti padi, memiliki satu biji dengan besar lembaga 1/3 panjang biji. Biji tebu dapat ditanam di kebun percobaan untuk mendapatkan jenis baru hasil persilangan yang lebih unggul.
Gambar 1. Penyakit Embun Bulu
Disebabkan oleh jamur Peronosclerospora sacchari. Didukung oleh cuaca yang hangat dan lembab. Gejala meliputi garis klorosis pada daun, daun terkoyak dan kerdil. Ditularkan melalui udara, sporanya mudah rusak, air hujan yang tertiup angin dan bibit. Pengendalian dengan varietas tahan dan bahan tanam sehat. Embun bulu berbeda dengan Belang bakteri karena Embun bulu memiliki gejala garis-garis pada daun yang lebih jelas. Menyebabkan penurunan produksi yang nyata terutama pada kondisi malam hari yang panas dan lembab (Achadian, et al., 2011). 2. Hama Rayap
3.2. Penyakit dan Hama Tanaman Tebu Pengendalian hama dan penyakit dapat mencegah meluasnya serangan hama dan penyakit pada areal pertanaman tebu. Pencegahan meluasnya hama dan penyakit dapat meningkatkan produktivitas. Beberapa contoh hama dan penyakit utama tanaman tebu dapat dilihat pada gambar 1 dan gambar 2. 1. Penyakit Embun Bulu
Fakultas Ilmu Komputer, Universitas Brawijaya
Gambar 2. Hama Rayap
Seringkali merupakan hama sekunder setelah tebu terserang penggerek atau boktor. Rayap menggerek batang dan merusak tanaman. Nimfa membuat sarang di dalam batang tebu di bekas gerekan ulat/boktor atau di dalam tanah di sekitar kebun tebu. Keberadaan sarang rayap di dalam kebun juga mengganggu pengolahan tanah karena tinggi sarang bisa mencapai 1–2 m. Daerah sebaran hama ini adalah Jawa, Sumatera, Kalimantan dan Sulawesi (Achadian, et al., 2011).
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
4.
TEORI DEMPSTER-SHAFER
Metode Dempster Shafer pertama kali diperkenalkan oleh Dempster, yang melakukan percobaan model ketidakpastian dengan range probabilities dari pada sebagai probabilitas tunggal. Kemudian pada tahun 1976 Shafer mempublikasikan teori Dempsteritu pada sebuah buku yang berjudul Mathematical Theory Of Evident. Secara umum teori Dempster Shafer ditulis dalam suatu interval seperti pada Persamaan (1) dan Persamaan (2) (Kusumadewi, 2003, pp.102104): [Belief, Plausibility]
(2)
Plausibility juga bernilai 0 sampai 1. Jika yakin akan ⌐s, maka dapat dikatakan bahwa Bel(⌐s)=1, dan Pl(⌐s)=0. Pada teori Dempster Shafer dikenal adanya frame of discrement yang dinotasikan dengan θ. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah n 2 . Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0 Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3 dengan menggunakan persamaan (3), yaitu: 𝑚3(𝑍) =
∑ 𝑋∩𝑌=𝑍 𝑚1 (𝑋).𝑚2 (𝑌) 1−∑ 𝑋∩𝑌=∅𝑚1 (𝑋).𝑚2 (𝑌)
Fakultas Ilmu Komputer, Universitas Brawijaya
Diagram alir perhitungan dengan menggunakan metode Dempster-Shafer dapat dilihat pada gambar 3.
(1)
1. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. 2. Plausibility (Pl) dinotasikan sebagai : Pl(s) = 1 – Bel (⌐s)
1190
(3)
Gambar 3. Diagram Alir Proses Perhitungan Dempster-Shafer
5. IMPLEMENTASI SISTEM Pada bagian ini akan dijelaskan tentang bagaimana alur kerja dari sistem pakar identifikasi hama penyakit tanaman tebu dengan menggunakan metode Dempster-Shafer ini nantinya. Diagram alir dari sistem dalam melakukan proses identifikasi dengan menggunakan metode Dempster-Shafer digambarkan pada gambar 4. Langkah-langkah pengidentifikasian oleh sistem adalah sebagai berikut: 1. Langkah pertama, proses mencocokkan gejala dilakukan dengan menyamakan id gejala yang dipilih pengguna dengan id yang ada di database. Setelah pencocokan maka akan mendapatkan hama/penyakit yang memiliki gejala yang sama pada database. 2. Langkah ke 2 perhitungan plausibility proses identifikasi hama penyakit pada tanaman tebu. Diagram alir perhitungan plausibility merupakan sebuah perhitungan awal dari metode Dempster Shafer pada pembuatan sistem identifikasi hama penyakit pada tanaman tebu. Pada Gambar 5 menjelaskan perhitungan plausibility yang bermula dari memasukkan kemungkinan gejala setelah itu menghitung nilai maksimal gejala dilanjutkan ke proses perhitungan Dempster-Shafer. Setelah kedua perhitungan didapatkan, maka akan keluar hasil perhitungan Dempster-Shafer berdasarkan gejala yang dimasukkan.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
3. Algoritma Dempster-Shafer digunakan pada saat lebih dari 1 gejala masukan dan algoritma ini digunakan dengan cara kombinasi tiap 2 gejala. Perhitungan algoritma untuk lebih dari 1 gejala, terlebih dahulu dilakukan memasukkan data nilai densitas gejala dari pakar kedalam tabel penyakit dengan skala 0-1 sebagai dasar perhitungan. Setelah semua nilai tersimpan pada basis data maka perhitungan dapat dilakukan mengisi lebih dari 1 gejala.
1191 START
GEJALA […,]
HITUNG NILAI GEJALA
HITUNG PLAUSIBILITY
PLAUSIBILITY
RETURN
Gambar 5. Diagram Alir Perhitungan Plausability
5.1 Admin
Gambar 4. Diagram AlirSistem Pakar Identifikasi Hama Penyakit Tanaman Tebu
Proses identifikasi hama penyakit tanaman tebu dimulai dengan memasukan inputan gejala dengan cara menceklis list gejala sesuai fakta gejala yang tampak. Bila gejala hanya 1 maka akan langsung ditampilkan kesimpulan penyakit dengan cara mengambil nilai persentase tertinggi. Apabila gejala lebih dari 1 maka akan ada proses perhitungan untuk menentukan kesimpulan hasil diagnosa.
Admin memiliki beberapa fungsi yang berbeda pada interfacenya antara lain: 1. Input Proses masukan dari admin yang berupa data gejala, nilai gejala, data hama dan penyakit dan identifikasi. Proses ini penting karena merupakan proses awal yang diperlukan untuk menjalankan sistem. Proses ini juga akan menentukan berapa banyak jumlah data yang akan disimpan dalam system defisiensi vitamin. 2. Edit dan Hapus. Fungsi edit dan hapus pada admin berfungsi untuk mengedit dan menghapus data dan user yang telah ada pada sistem. 5.2 User Pada interface user hanya terdapat halaman check list yang menampilkan gejala gejala yang nantinya bisa dipilih oleh user dan sistem akan memproses masukan dan menampilkan hasil sesuai dengan masukan user. 6. PENGUJIAN Pengujian yang dilakukan terhadap sistem ini adalah pengujian akurasi. Pengujian akurasi digunakan untuk menguji tingkat akurasi antara perhitungan tes secara manual dengan perhitungan tes yang telah diimplementasikan menjadi sistem pakar sampel yang telah diuji.
Fakultas Ilmu Komputer, Universitas Brawijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
7. ANALISIS Proses analisa dari hasil pengujian akurasi sistem pakar identifikasi hama penyakit tanaman tebu dengan metode Dempster-Shafer. Dilakukan berdasarkan perbandingan hasil identifikasi sistem dengan hasil identifikasi pakar. Hasil pengujian dari 30 data uji dapat dilihat pada tabel 2. Tabel 2. Hasil Perbandingan output sistem dan pakar Kasus 1 2 3 4
5 6 7 8 9 10 11 12
13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Hasil Deteksi Sistem Penggerek Pucuk Penggerek Batang Boktor Kumbang Penggerek Tebu Rayap Uret Tonggeret Boktor Belalang Ulat Grayak Peloncat Pohon Garis Merah Busuk Pucuk Kutu bulu Putih Cabuk Hitam Kutu Babi Kutu Perisai Kutu Tebu Tungau Tikus atau Babi Hutan Noda Daun Daun hangus Blendok Luka Api Blendok Garis Merah Busuk Pucuk Pokahbung Busuk Merah Luka Api Pembuluh Busuk Akar dan Pangkal Batang
Hasil Deteksi Pakar Penggerek Pucuk Penggerek Batang Boktor Kumbang Penggerek Tebu Rayap Uret Tonggeret Kepinding Tanah Belalang Ulat Grayak Peloncat Pohon Kumbang Pemakan Daun Kutu bulu Putih Cabuk Hitam Kutu Babi Kutu Perisai Kutu Tebu Tungau Tikus atau Babi Hutan Noda Daun Daun Hangus Blendok Embun Bulu Garis Klorosis Garis Merah Busuk Pucuk Pokahbung Busuk Merah Luka Api Pembuluh Busuk Akar dan Pangkal Batang
Akurasi Hasil 1 1 1 1
1 1 1 0 1 1 1 0
1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1
Fakultas Ilmu Komputer, Universitas Brawijaya
1192
Uji akurasi terdiri dari 19 kasus hama dan 11 kasus penyakit pada tanaman tebu. Berdasarkan 30 data yang diuji, prosentase nilai akurasi mencapai 86,67%. Nilai prosentase tersebut diperoleh dari pembagian data yang benar sebanyak 26 kasus yang terdiri dari 17 kasus hama dan 9 kasus penyakit pada tanaman tebu. Hasil perbedaan antara data sebenarnya dengan perhitungan karena beberapa hal yaitu: 1. Pada jenis hama kasus ke 8 terjadi perbedaan identifikasi dimana data pakar mengidentifikasi hama kepinding tanah, sedangkan hasil sistem mengidentifikasi hama boktor. Hama tersebut menghasilkan nilai densitas sebesar 0,810 atau 81%. 2. Pada jenis hama kasus ke 12 terjadi perbedaan identifikasi dimana data pakar mengidentifikasi hama kumbang pemakan daun, sedangkan hasil sistem mengidentifikasi garis merah busuk pucuk. Penyakit tersebut menghasilkan nilai densitas sebesar 0,300 atau 30%. 3. Pada jenis penyakit kasus ke 23 terjadi perbedaan identifikasi dimana data pakar mengidentifikasi penyakit embun bulu, sedangkan hasil sistem mengidentifikasi penyakit luka api. Penyakit tersebut menghasilkan nilai densitas sebesar 0,567 atau 56,7%. 4. Pada jenis penyakit kasus ke 24 terjadi perbedaan identifikasi dimana data pakar mengidentifikasi penyakit garis klorosis, sedangkan hasil sistem mengidentifikasi penyakit blendok. Penyakit tersebut menghasilkan nilai densitas sebesar 0,567 atau 56,7%. 8. KESIMPULAN Berdasarkan pada hasil perancangan, implementasi dan pengujian sistem yang telah dilakukan maka kesimpulan yang didapat sebagai berikut: 1. Pemodelan sistem pakar identifikasi hama penyakit tanaman tebu dengan metode Dempster-Shafer dapat digunakan sebagai salah satu cara untuk mengidentifikasi hama penyakit pada tanaman tebu. Sistem diimplementasikan dengan menggunakan gejala hama penyakit tanaman tebu dengan memberikan nilai densitas.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
2. Sistem pakar identifikasi hama penyakit tanaman tebu dengan metode DempsterShafer dapat digunakan untuk mengidentifikasi 19 jenis hama dan 18 jenis penyakit pada tanaman tebu. 3. Hasil pengujian fungsionalitas sistem pakar identifikasi hama penyakit tanaman tebu dengan metode Demspter-Shafer memiliki tingkat prosentase pengujian sebesar 100%. 4. Hasil pengujian akurasi sistem pakar identifikasi hama dan penyakit tanaman tebu dengan metode Dempster-Shafer memiliki tingkat kesesuaian prosentase sebesar 86,67% dengan menggunakan 30 data uji yang terdiri dari 19 kasus hama dan 11 kasus penyakit pada tanaman tebu. DAFTAR PUSTAKA Achadian, Etik M., et al., 2011. Hama dan Penyakit Tebu. Westminster Printing: Paddington. Anggraeni, D., 2014. Sistem Pakar Untuk Identifikasi Hama dan Penyakit Tanaman Tebu Dengan Metode FuzzyAHP. S1. Universitas Brawijaya. Kusumadewi, S., 2003. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu.Yogyakarta. Mustikadewi, Soebroto, A.A. & Regasari, R., 2014. Aplikasi Sistefprihatinim Pakar Untuk Pendeteksi dan Penanganan Dini pada Penyakit Sapi dengan Metode Dempster-Shafer berbasis WEB. Jurnal Mahasiswa PTIIK UB. Prihatini, P.M., 2011. Metode Ketidakpastian Dan Kesamaran Dalam Sistem Pakar. Lontar Komputer, Vol.2, No.1, Hal.2942. Septian, D., 2015. Konsumsi Gula Tahun Ini Diperkirakan Mencapai 2,98 Juta Ton. [online] Tersedia di:
[Diakses 24 Oktober 2016]. Sulistyohati, A., 2008. Aplikasi Sistem Pakar Diagnosis Penyakit Ginjal Dengan Metode Dempster-Shafer. Yogyakarta, Universitas Islam Indonesia. Susila,
W. R., Bonar M. S., 2005. Pengembangan Industri Gula Indonesia
Fakultas Ilmu Komputer, Universitas Brawijaya
1193 Yang Kompetitif Pada Situasi Persaingan Yang Adil. Jurnal Penelitian dan Pengembangan Pertanian. Volume 24, No. 1, hlm. 1-9. Tersedia melalui: [terhubung berkala]