PENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN Achmad Lukman Teknik Komputer, STMIK EL RAHMA Yogyakarta e-mail:
[email protected],
Abstract Bayesian algorithm is one of the techniques used for classification. In this research, the base case will be made for diagnosis of fruit rot disease on cocoa crop is by grading the existing case by using Bayesian algorithm that will produce the output of diagnostic information probability value percentage rotten fruit of the base case existing case. Bayesian algorithms are used to retrieve stage Bayesian algorithm that is expected to be used to complete the diagnosis permsalahan fruit rot disease on cocoa Keywords— Bayesian algorithms, case-based reasoning, fruit rot disease PENDAHULUAN Pada akhir abad ke-18, Kakao sudah ditanam di pekarangan-pekarangan di Minahasa. Namun kakao baru dijadikan sebagai tanaman perkebunan besar pada tahun 1880 di Jawa Tengah [1]. Saat ini, Indonesia adalah negara penghasil terbesar ke-3 kakao dunia atau setara 15% dari total produksi kakao dunia. Kakao yang berasal dari Indonesia bisa diakui dipasaran dunia karena adanya kualitas yang diukur dari titik leleh bubuk coklatnya yang tinggi. Pengetahuan tentang gejala-gejala penyakit busuk buah dan cara pengendalian yang disarankan untuk tanaman kakao merupakan pengetahuan yang tidak hanya dapat disimpan di dalam memori atau ingatan seorang ahli saja. Salah satu cara yang digunakan untuk menyimpan informasi tersebut adalah dengan menggunakan Penalaran Berbasis Kasus (PBK). Pada sistem penalaran berbasis kasus, basis pengetahuannya berupa kasus-kasus yang pernah terjadi dimasa lampau dengan mengidentifikasi penyakit berdasarkan gejalagejala yang dialami dan basis pengetahuan telah tersimpan. Kasus-kasus dapat diperoleh dari pengalaman seorang pakar di bidang pertanian khususnya tanaman kakao. Solusi permasalahan diperoleh dari penelusuran kasus-kasus yang tersimpan berdasarkan kasus yang pernah terjadi sebelumnya dan dicari yang paling mirip kemudian mengadaptasikanya sesuai dengan kasus yang diberikan (kasus baru). . METODE PENELITIAN Metode penelitian diawali dengan analisis dan perancangan sistem untuk menyelesaikan kasus busuk buah, berikut adalah urutan analisis dan perancangan : 2.1 Analisis Kebutuhan Sistem Analisis kebutuhan sistem akan diuraikan kedalam analisis kebutuhan fungsional dan analisis kebutuhan non fungsional[2]. 2.1.1 Analisis Kebutuhan Data Data yang dibutuhkan pada aplikasi penalaran berbasis kasus untuk diagnosa penyakit busuk buah pada tanaman kakao. 1. Data kasus terdiri dari nomor urut kasus, gejala-gejala berupa umur buah, bercak coklat, spora, dan kelembaban udara, dan diagnosa busuk buah. 2. Data cara pengendalian yang harus dilakukan jika ter diagnosa busuk buah.
2.1.2
Analisis Kebutuhan Fungsional Fasislitas-fasilitas akses yang ada pada aplikasi penalaran berbasis kasus untuk mendiagnosa penyakit busuk buah pada tanaman kakao dengan menggunakan algoritma bayesian terdiri dari halaman pakar, halaman pengendalian, dan halaman konsultasi. 1. Halaman ‘Data dari Pakar’ a. Pada halaman ini, pakar dapat memasukkan data-data kasus berupa nomor urut kasus, data-data gejala, dan data diagnosa busuk buah. b. Pakar bisa melakukan manipulasi terhadap data-data yang telah dimasukkan yaitu berupa menambah data kasus, mengubah data kasus, dan menghapus data kasus. 2. Halaman ‘Pengendalian Penyakit’ a. Halaman ‘Pengendalian Penyakit’ ini adalah halaman untuk menginputkan data cara pengendalian yang dapat dilakukan jika terdiagnosa penyakit busuk buah. b. Pakar juga bisa melakukan manipulasi data terhadap data cara pengendalian yaitu berupa menambah data baru, mengubah data yang sudah ada, dan menghapus data yang sudah ada. 3. Halaman ‘Konsultasi’ Pada halaman ini dapat dilakukan pendiagnosaan penyakit busuk buah dengan menginputkan data gejala umur buah, bercak coklat, spora, dan kelembaban udara. Setelah memberikan data gejala dan melakukan pemrosesan, makan akan mendapatkan output berupa hasil diagnosa penyakit busuk buah beserta nilai probabilitas. 2.1.3 Analisis Kebutuhan Non Fungsional Kebutuhan non fungsional terdiri dari kebutuhan perangkat keras dan kebutuhan perangkat lunak yang digunakan dalam membuat aplikasi penalaran berbasis kasus untuk mendiagnosa penyakit busuk buah pada tanaman kakao dengan menggunakan algoritma bayesian. 2.1.3.1 Kebutuhan Perangkat Lunak Spesifikasi perangkat lunak yang digunakan adalah: 1. Database MySQL. 2. Bahasa pemrograman Visual Basic 6.0. 3. Sistem operasi Windows7. 2.1.3.2 Kebutuhan Perangkat Keras Spesifikasi perangkat keras yang digunakan adalah: 1. Processor Core2Duo. 2. RAM 2 GB. 3. Hard disk 60 GB. 2.2 Flowchart Sistem Flowchart sistem yang terdapat pada Gambar 1 menjelaskan bahwa terjadi penginputan data untuk data gejala, data busuk buah dan data pengendalian yang dilakukan oleh pakar. Data gejala dan data busuk buah di simpan pada data storage yang bernama gejala. Sedangkan untuk data pengendalian di simpan pada data storage pengendalian. Kemudian user menginputkan data gejala dan terjadi proses konsultasi yang menghasilkan output diagnosa busuk buah dan nilai probabilitas.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
3
Gambar 1. Flowchart Sistem Penalaran Berbasis Kasus untuk Diagnosa Busuk Buah 2.3 Teknik Penalaran Komputer Berbasis Kasus Pada teknik penalaran komputer berbasis kasus untuk mendiagnosa penyakit busuk buah pada tanaman kakao meliputi tahap representasi kasus, tahap penelusuran (retrieve menggunakan algoritma bayesian), tahap diagnosa (identifikasi), dan tahap pencocokan [3]. 2.3.1 Representasi Kasus Dicontohkan representasi basis kasus pada Tabel 1 berikut ini [4]. Terdapat 10 kasus yang sudah berada pada basis data, data kasus.
Tabel 1. Representasi Basis Kasus
Uraian dari kode data gejala yang terdapat pada tabel 3.1 yaitu : 1. Gejala umur buah : muda, sedang, masak 2. Gejala bercak coklat : ada, tidak 3. Gejala spora : ada, tidak 4. Gejala kelembaban udara : kurang, sedang, tinggi 2.3.2 Penelusuran Kasus (Retrieve Retrieve) Pada tahap indexing akan digunakan algoritma Bayesian [5]. Dari Table 1 representasi data basis kasus terdapat 2 class yang terbentuk untuk hasil diagnosa penyakit busuk buah pada tanaman kakao, yaitu : C1 = Ya (Busuk Buah) C2 = Tidak (Tidak Busuk Buah) Misal terdapat data baru yang berupa : X = ( 1 = “masak”, 2 = “tidak”, 3 = “ada”, 4 = “tinggi”) Maka penyelesaiannya dengan menggunakan rumusan persamaan algoritma bayesian adalah: Langkah 1 Menghitung P(C1), P(C2), P(C3), dan P(C4) P(C1) : Ya P(C2) : Tidak C1 6 PC1 0.6 S 10
PC 2
C2 S
4 0.4 10
Langkah 2 Berdasar dari kasus X, menghitung P(xi|C1), P(xi|C2), i=1,2,3,4,5. Dimana x1 : 1 = masak x2 : 2 = tidak x3 : 3 = ada x4 : 4 = tinggi
IJCCS Vol. x, No. x, July 201x 20 : first_page – end_page
5
Perhitungan berdasarkan kelompok class Ya 2 P X 1 | C1 0.33 6 1 P X 2 | C1 0.167 6 3 P X 3 | C1 0.5 6 1 P X 4 | C1 0.167 6 Perhitungan berdasarkan kelompok class Tidak 1 P X 1 | C 2 0.25 4 4 P X 2 | C 2 1 4 3 P X 3 | C 2 0.75 4 2 P X 4 | C 2 0. 5 4 Langkah 3 4 Menghitung P X | Ci j 1 P X j | Ci , i 1,2,3 1. 2.
Busuk Buah = “Ya” = 0.33 X 0.167 X 0.5 X 0.167 = 0.0046 Busuk Buah = “Tidak” = 0.25 X 1 X 0.75 X 0.5 = 0.093
Langkah 4 Perhitungan dan pemilihan nilai yang terbesar dari P(X|Ci)P(Ci), i=1,2,3 1. Busuk Buah = “Ya” P(X|C1)P(C1) = 0.0046 X 0.6 = 0.00276 2.
Busuk Buah P(X|C2)P(C2)
= “Tidak” = 0.093 X 0.4 = 0.0372 P(X|C1)P(C1) < P(X|C2)P(C2) Dari perhitungan dengan menggunakan rumus algoritma bayesian dihasilkan bahwa dengan data kasus baru, yaitu : X = ( 1 = “masak”, 2 = “tidak”, 3 = “ada”, 4 = “tinggi”) dihasilkan nilai maksimum dari class : Busuk Buah “Tidak” dengan nilai probabilitas 0.0372.
2.3.3 Identifikasi Tahapan identifikasi merupakan tahap dimana user memasukkan data gejala yang dihadapi, gejala yang dihadapi adalah umur buah, bercak coklat, spora, dan kelembaban udara. 2.3.4 Pencocokan Tahapan pencocokan merupakan tahapan dilakukannya pencocokan dari data kasus yang baru terhadap kasus yang berada dalam basis kasus yang telah berada di data base. Dilakukan perhitungan probabilitas yang terdapat pada tahap retrieve. Nilai probabilitas yang diperoleh akan menjadi output yang bisa dilihat user. Hasil pencocokan akan menghasilkan ‘ya’ busuk buah atau ‘tidak’ busuk buah, nilai probabilitas akan tetap menjadi output untuk user. 2.4 Perancangan Basis Data (Database) Pada pembuatan aplikasi penalaran berbasis kasus untuk diagnosa penyakit busuk buah membutuhkan 2 tabel yaitu tbl_gejala dan tbl_pengendalian. a. tbl_gejala Tabel gejala digunakan untuk menyimpan data representasi kasus berupa nomor kasus, gejala-gejala (umur buah, bercak coklat, spora, dan kelembaban udara), dan busuk buah. Uraian tabel gejala dapat dilihat pada Tabel 2 berikut ini. Tabel 2. Tabel tbl_gejala No 1 2 3 4 5 6 7
Field nomor (PK) umurbuah bercakcoklat spora udaralembab bbuah cek
Data Range Explanation Type int 11 primary key untuk menyimpan nomor kasus varchar 20 untuk menyimpan data gejala umur buah varchar 20 untuk menyimpan data gejala bercak coklat varchar 20 untuk menyimpan data gejala spora varchar 20 untuk menyimpan data gejala kelembaban udara varchar 20 untuk menyimpan hasil diagnosa busuk buah int 10 melakukan cek terhadap pilihan gejala dan busuk buah
b. tbl_pengendalian Tabel tbl_pengendalian digunakan untuk menyimpan data cara pengendalian yang direkomendasikan untuk dilakukan jika terdiagnosa busuk buah. Uraian tabel tbl_pengendalian dapat dilihat pada Tabel 3. Tabel 3. tabel tbl_pengendalian Data Range Type
No
Field
1
nomor (PK)
int
5
2
pengendalian
text
no
Explanation primary key untuk menyimpan nomor pengendalian untuk menyimpan uraian cara pengendalian penyakit busuk buah
2.5 Perancangan Antarmuka Pengguna (User Interface) 2.5.1 Perancangan Antarmuka Form Depan Form depan merupakan form tampilan utama pada aplikasi sistem IJCCS Vol. x, No. x, July 201x : first_page – end_page
7
penalaran berbasis kasus untuk mendiagnosa penyakit busuk buah pada tanaman kakao dengan menggunakan algoritma bayesian. Terdapat 4 tombol operasi pada form depan yaitu tombol data dari pakar, tombol pengendalian penyakit, tombol konsultasi, dan tombol keluar. Perancangan form depan dapat dilihat pada Gambar 2.
Gambar 2. Perancangan Form Depan 2.5.2 Perancangan Antarmuka Form Data dari Pakar Form data dari pakar akan digunakan oleh pakar untuk menginputkan data gejala-gejala dan busuk buah sehingga menjadi data representasi kasus yang menjadi basis kasus. Perancangan form data dari pakar dapat dilihat pada Gambar 3.
Gambar 3. Perancangan Form Data dari Pakar 2.5.3 Perancangan Antarmuka Form Cara Pengendalian Perancangan antarmuka form cara pengendalian dibuat untuk menginputkan data cara pengendalian yang harus dilakukan jika terdiagnosa busuk buah. Perancangan antarmuka form cara pengendalian diperlihatkan pada Gambar 4.
Gambar 4. Perancangan Form Penegendalian Penyakit 2.5.4 Perancangan Antarmuka Form Konsultasi Perancangan form konsultasi merupakan form aplikasi yang akan digunakan untuk melakukan konsultasi oleh user dengan cara memberikan masukan berupa gejalagejala yang dihadapi sehingga sistem akan melakukan proses retrieve dan pencocokan terhadap basis kasus sehingga hasil diagnosa dapat dihasilkan. Perancangan form konsultasi dapat dilihat pada Gambar 5.
Gambar 5. Perancangan Form Konsultasi 4.1 Implementasi Form Depan Form depan terdapat 3 (tiga) tombol operasi yaitu: 1. Tombol data dari pakar Tombol data dari pakar digunakan untuk menginputkan data gejala dan data busuk buah sehingga menjadi representasi kasus.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
9
2. Tombol pengendalian penyakit Digunakan untuk melakukan penginputan data cara pengendalian terhadap penyakit busuk buah pada tanaman kakao. 3. Tombol konsultasi Digunakan untuk melakukan konsultasi dengan memberikan inputan berupa gejalagejala yang dialami. Implementasi dari Gambar 2 dapat dilihat pada Gambar 6.
Gambar 6. Implementasi Form Depan 4.2 Implementasi Form Data dari Pakar` Implemetasi yang dapat dilihat pada Gambar 7 merupakan hasil implementasi dari perancangan form data dari pakar yang terdapat pada Gambar 3. Form data dari pakar digunakan untuk menginputkan data nomor kasus, data-data gejala dan data keputusan bususk buah atau tidak. Terdapat 4 tombol operasi yaitu tombol simpan, ubah, hapus, dan batal. Data yang diinputkan akan menjadi representasi kasus. Representasi kasus yang baru dapat disimpan, jika mau melakukan proses perubahan data maka dapat menggunakan tombol ubah, jika mau menghapus data representasi kasus maka akan menggunakan tombol hapus. Tombol batal digunakan untuk membatalkan aktifitas pada saat pemilihan data sudah dilakukan.
Gambar 7. Implementasi Form Data dari Pakar 4.3 Implementasi Form Pengendalian Penyakit Form pengendalian penyakit sudah diimplementasikan pada Gambar 8, merupakan implementasi dari perancangan form pengendalian penyakit yang terdapat pada Gambar 4. Implementasi dari form pengendalian penyakit digunakan untuk melakukan proses input data baru, ubah data yang sudah data, menghapus data yang sudah ada untuk data cara pengendalian penyakit terhadap diagnosa penyakit busuk buah pada tanaman kakao.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
11
Gambar 9. Implemetasi Form Pengendalian Penyakit 4.4 Implementasi Form Konsultasi Implementasi form konsultasi merupakan implementasi dari perancangan form konsultasi pada Gambar 5, dapat dilihat pada Gambar 10. Dengan memberikan inputan berupa gejala umur buah, bercak coklat, spora, dan kelembaban udara kemudian memilih tombol proses untuk di klik, maka akan tampil hasil diagnosa terdeteksi busuk buah atau tidak serta akan ditampilkan cara pengendalian yang direkomendasikan dan nilai probabilitas yang dihasilkan dari proses penelusuran (retrieve) dengan menggunakan algoritma bayesian.
Gambar 10. Implementasi Form Konsultasi1 Pada gambar 4.4 terlihat hasil diagnosa adalah ‘ya’ dengan nilai probabilitas 0.38, contoh inputan data untuk kasus baru mengacu pada contoh perhitungan dengan menggunakan algoritma bayesian yang berada pada bab 3 point 3.3.2. Pada Gambar 11 merupakan contoh masukan data kasus baru yang menghasilkan diagnosa ‘tidak’ dan memberikan nilai probabilitas serta tidak menampilkan cara pengendalian yang direkomendasikan karena terdiagnosa tidak terdeteksi penyakit busuk buah.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
13
Gambar 11. Implementasi Form Konsultasi2 HASIL DAN PEMBAHASAN Pada tahap penelusuran akan digunakan algoritma bayesian. Dari Tabel 1 representasi data basis kasus terdapat 2 class yang terbentuk untuk hasil diagnosa penyakit busuk buah pada tanaman kakao [7], yaitu: C1 = Ya (Busuk Buah) C2 = Tidak (Tidak Busuk Buah) Misal terdapat data baru yang berupa: X = ( 1 = “masak”, 2 = “tidak”, 3 = “ada”, 4 = “tinggi”) Maka penyelesaiannya dengan menggunakan rumusan persamaan algoritma bayesian adalah: Langkah 1 Menghitung P(C1), P(C2), P(C3), dan P(C4) P(C1) : Ya P(C2) : Tidak
PC1 PC 2
C1 S C2 S
6 0.6 10
4 0.4 10
Langkah 2 Berdasar dari kasus X, menghitung P(xi|C1), P(xi|C2), i=1,2,3,4,5. Dimana x1 : 1 = masak x2 : 2 = tidak x3 : 3 = ada x4 : 4 = tinggi Perhitungan berdasarkan kelompok class Ya 2 P X 1 | C1 0.33 6 1 P X 2 | C1 0.167 6 3 P X 3 | C1 0.5 6 1 P X 4 | C1 0.167 6 Perhitungan berdasarkan kelompok class Tidak 1 P X 1 | C 2 0.25 4 4 P X 2 | C 2 1 4 3 P X 3 | C 2 0.75 4 2 P X 4 | C 2 0. 5 4 Langkah 3 4 Menghitung P X | Ci j 1 P X j | Ci , i 1,2,3 3. 4.
Busuk Buah = “Ya” = 0.33 X 0.167 X 0.5 X 0.167 = 0.0046 Busuk Buah = “Tidak” = 0.25 X 1 X 0.75 X 0.5 = 0.093
Langkah 4 Perhitungan dan pemilihan nilai yang terbesar dari P(X|Ci)P(Ci), i=1,2,3 3. Busuk Buah = “Ya” P(X|C1)P(C1) = 0.0046 X 0.6 = 0.00276 4.
Busuk Buah P(X|C2)P(C2)
= “Tidak” = 0.093 X 0.4 = 0.0372
IJCCS Vol. x, No. x, July 201x : first_page – end_page
15
P(X|C1)P(C1) < P(X|C2)P(C2) Dari perhitungan dengan menggunakan rumus algoritma bayesian dihasilkan bahwa dengan data kasus baru, yaitu: X = ( 1 = “masak”, 2 = “tidak”, 3 = “ada”, 4 = “tinggi”) dihasilkan nilai maksimum dari class : Busuk Buah “Tidak” dengan nilai probabilitas 0.0372. KESIMPULAN Kesimpulan yang dapat diuraikan dari pembahasan yaitu algoritma bayesian dapat digunakan untuk menyelesaikan permasalahan untuk diagnosa penyakit busuk buah pada tanaman kakao. Proses retrieve dengan menggunakan algoritma Bayesian menghasilkan 0.0372 untuk kasus baru berupa gejala 1 = masak, gejala 2 = tidak, gejala 3 = ada, dan gejala 4 = tinggi. SARAN Saran yang disampaikan oleh peneliti adalah untuk melakukan diagnosa busuk buah, algoritma bayesian dapat digabungkan dengan metode yang lain dengan tujuan hasil persentasi retrieve kasus menjadi lebih baik. DAFTAR PUSTAKA [1] Semangun, H. 2000. Penyakit-Penyakit Tanaman Perkebunan di Indonesia. Gadjah Mada University Press. Yogjakarta. [2] Jogiyanto, 2000, Analisis dan Desain Sistem Informasi, ANDI Offset, Yogyakarta. [3] Kusrini, Emha Taufiq Luthfi, 2009, Algoritma Data Mining, Andi Offset, Yogyakarta. [4] Kusrini and Hartati, S, Penggunaan Penalaran berbasis Kasus Untuk membangun Basis Pengetahuan dalam Sistem Diagnosa Penyakit, http://dosen.amikom.ac.id/downloads/artikel/full_paper_sriti_kusrini.pdf , diakses pada tanggal 17 maret 2010. [5] Pal, Sankar.K, Simon K.C. Shiu, 2004, Foundations of Soft Case-Based Reasoning, John Wiley & Sons, Inc., Hoboken, New Jersey, Canada. [6]
Fatta, Hanif Al, 2007, Analisis & Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan & Organisasi Modern, Andi Offset, Yogyakarta.
[7] Seniwati, Erni, Ferry W.W, 2012, Comparison of Nutritional Status Data Calculation Between K-Nearest Neighbour and Bayesian Algorithms, Proceeding Vol.5, ISSN:1978-774X, International Seminar on Industrial Engineering and Management (ISIEM), Manado, Indonesia. [8] Sri dan Sukamto, 1998, Pengendalian Penyakit Utama Tanaman Kakao, Warta Pusat Penelitian Kopi dan Kakao 14(3), 271-276. [9] Watson, I., 1997, Applying Case-Based Reasoning, Technique for Enterprise Systems, Morgan Kaufmann Publishers.
[10] http://ditjenbun.deptan.go.id/bbp2tpsur/images/stories/proteksi/bbk.pdf. diakses tanggal 23 januari 2013. waktu 13.00
IJCCS Vol. x, No. x, July 201x : first_page – end_page
