Jurnal Ilmiah NERO Vol. 3, No.1
2017
PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK DETEKSI PENYAKIT PADA TANAMAN JAGUNG Mohammad Syarief 1), Amirul Mukminin2) , Novi Prastiti 3), Wahyudi Setiawan4) Program Studi Manajemen Informatika, Fakultas Teknik, Universitas Trunojoyo Madura Jl Raya Telang, PO. BOX 2, Kamal, Bangkalan Email:
[email protected] 1),
[email protected] 4)
ABSTRAK Jagung merupakan salah satu komoditas pertanian yang dapat digunakan sebagai makanan pokok selain padi. Budidaya tanaman jagung tidak membutuhkan air dalam jumlah banyak, hal ini sangat cocok bagi petani di pulau Madura yang hanya mengandalkan pertanian pada saat musim hujan. Produktivitas tanaman jagung kabupaten Bangkalan yaitu 205,45 kw/ha per tahun. Kendala yang dihadapi oleh para petani jagung diantaranya yaitu minimnya informasi tentang penyakit yang menyerang tanaman jagung sehingga menyebabkan produktivitas kurang. Pada penelitian ini dibangun sebuah sistem yang dapat melakukan deteksi otomatis tentang penyakit yang menyerang tanaman jagung sehingga dapat dilakukan tindakan-tindakan preventif untuk mencegah tanaman jagung mengalami kematian. Dari data dinas Pertanian Kabupaten Bangkalan terdapat 46 gejala yang yang dapat menyebabkan 15 jenis penyakit. Pengujian sistem dengan menggunakan data gangguan hama dan penyakit sebanyak 30 kasus. Sistem akan meminta user memilih gejala-gejala penyakit pada tanaman jagung, selanjutnya sistem akan memproses dan memberikan keterangan hasil diagnosis penyakit. Pada penelitian ini menggunakan metode klasifikasi yaitu Naive bayes . Hasil ujicoba pada lahan jagung pertama menunjukkan kecocokan antara sistem pakar dengan pendapat pakar sebenarnya sebesar 18 dari 30 kasus yang diujicobakan. Kata kunci: Sistem Pakar, Penyakit Jagung, Naïve Bayes
Abstract Corn is one of agricultural commodities that can be used as staple food besides rice. Corn cultivation does not require much water, it is suitable for farmers on the island of Madura who only rely on agriculture during the rainy season. The productivity of corn plant in Bangkalan Regency is 205,45 kw / ha per year. Constraints faced by corn farmers such as lack of information about diseases that attack corn crops that cause less productivity. This study built a system that can perform automatic detection of diseases that attack corn plants. It’s can be preventive measures to prevent corn crops from death. From the data of Agriculture Agency of Bangkalan Regency, there are 46 symptoms that can cause 15 kinds of diseases. Testing of the system using data of pest and disease diseases as much as 30 cases. The system will ask the user to choose the symptoms of the disease in corn plants, then the system will process and provide information on the diagnosis of the disease. In this study using the classification method that is Naive Bayes. Test results on the first corn field showed a match between the expert system and the actual expert of 18 out of 30 cases tested. Keywords : Expert System, Corn Diasease, Naïve Bayes
1. Pendahuluan Lahan pertanian di Kabupaten Bangkalan sebagian besar hanya mengandalkan pengairan dengan sistem tadah hujan. Salah satu budidaya pertanian hasil tadah hujan yaitu tanaman jagung. Untuk meningkatkan produksi dari tanaman jagung perlu dibuat sistem yang terintegrasi antara Dinas Pertanian dan para petani jagung di daerah. Beberapa program yang dilaksanakan 61 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
2017
oleh Dinas Pertanian diantaranya penyuluhan dan pembimbingan tentang budidaya tanaman jagung dan penyakit yang menyertainya. Peningkatan produksi pertanian didapat diantaranya melalui pembelajaran ilmu budidaya pertanian dan pengetahuan tentang penyakit jagung. Penelitian ini memberikan solusi alternatif untuk mengetahui penyakit pada tanaman jagung, diharapkan timbulnya berbagai gangguan pertumbuhan seperti terjadinya kegagalan panen dapat dihindari lebih maksimal. Ada beberapa penyebab penyakit yang timbul pada tanaman jagung dikarenakan oleh adanya bakteri jamur dan virus. Pertumbuhan tanaman yang terserang penyakit bisa terganggu, misalnya daun terlihat runcing dan kecil, tongkol menjadi cacat/kerdil dan daun terlihat menjadi mengering. Faktor yang menyebabkan kegagalan panen bisa dikarenakan pemahaman petani belum mengetahui jenis-jenis penyakit apa yang menyerang tanamanya dan tidak mengetahui cara pengendaliannya apabila tanaman mereka diserang oleh penyakit. Salah satu solusi atau metode yang bisa digunakan untuk mendiagnosis penyakit tanaman jagung adalah sistem pakar. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli.Umumnya sistem pakar dirancang untuk berinteraksi langsung dengan pemakai dalam format dialog. Sistem pakar berguna untuk membantu masyarakat dalam mengetahui jenis-jenis penyakit tanaman dan cara penanggulangan masalah penyakit tanaman jagung sehingga dapat mengurangi kesalahan petani maka resiko gagal panen dapat berkurang.Pada penelitian ini akan dibangun sebuah sistem deteksi untuk mendiagnosis penyakit pada tanaman jagung secara otomatis. 2. Dasar teori 2.1 Penelitian sebelumnya Sistem pakar merupakan sebuah sistem yang dibuat bertujuan untuk menduplikasi pengetahuan yang dimiliki pakar pada sebuah perangkat lunak. Keberadaan sistem pakar memberikan kemudahan bagi khalayak umum untuk dapat memiliki pengetahuan layaknya pakar guna mengambil keputusan tepat. Salah satu penerapan sistem pakar yaitu pada bidang pertanian. Alternatif untuk mengatasi keterbatasan jumlah pakar pada bidang pertanian dapat menggunakan sistem pakar. Penggunaan sistem pakar pada bidang pertanian telah berkembang luas. Beberapa penelitian tentang sistem pakar pada bidang pertanian diantaranya yaitu “An Internet-Based expert system platform for assistant identification of agricultural pests” Penelitian ini membahas tentang pembuatan sistem pakar dengan melibatkan para pakar untuk berperan dalam membuat knowledge base tentang gejala serta penyakit maupun hama yang muncul pada sektor pertanian. Penelitian ini berbasis web sehingga mudah diakses oleh user dengan hanya memilih gejala-gejala yang telah ada. Sistem yang akan menampilkan hasil berupa penyakit atau hama yang menyerang tanaman [1]. Penelitian selanjutnya yaitu tentang Sistem Pakar berbasis Web untuk mendiagnosa penyakit pada tanaman jagung. Penelitian ini menggunakan metode Certainty Factor yang merupakan pemberian nilai antara 0 dan 1. Jika angka CF yang diberikan semakin mendekati nilai angka 1, maka tingkat keyakinan penyakit semakin tinggi [2]. Penelitian selanjutnya yaitu tentang Perangkat Lunak Sistem Pakar Tanaman Jagung untuk Penyusunan Paket Teknologi Spesifik Lokasi. Penelitian ini menghasilkan Sistem Pakar Budi Daya jagung (SIPAJA) yang memperhitungkan lingkungan abiotik, biotik, kondisi petani dan teknologi inovatif yang tersedia [3]. Penelitian selanjutnya yaitu pembuatan sistem pakar untuk mendiagnosis penyakit pada tanaman jewawut (sejenis serelia berbiji kecil). Sistem pakar yang dibangun menggunakan metode Fuzzy Logic [4]. 62 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
2017
Penelitian selanjutnya yaitu tentang Perancangan sistem pakar untuk mendiagnosa penyakit tanaman jagung menggunakan Fuzzy MCDM berbasis web. Penelitian ini menggunakan metode fuzzy Multi Criteria Desicion Making untuk menghasilkan diagnosis penyakit. Hasil diagnosis penyakit diambil dari perhitungan tertinggi dari setiap jenis penyakit yang ada [5]. Penelitian selanjutnya membahas tentang beberapa literatur penerapan sistem pakar menggunakan fuzzy di bidang pertanian. Beberapa bahasan diantaranya adalah penyakit, entomology, manajemen penyuburan tanah, manajemen irigasi, penyimpanan hasil pertanian [6]. Penelitian selanjutnya yaitu tentang sistem pakar pada bidang pertanian yang berisi tentang pengambilan keputusan secara ekonomi, geografis mapun sosial. Penelitian ini berisi tentang (1) laporan dan permintaan pasar tentang produk pertanian, (2) Laporan cuaca yang terupdate lewat internet, (3) pemilihan pestisida berdasarkan tanaman dan iklim, (4) feedback dari user berupa visual atau suara dan (5) Aplikasi kecerdasan buatan dengan data-data lampau untuk mendukung keputusan [7]. Pada penelitian ini, digunakan akuisisi pengetahuan tentang gejala-gejala dan jenis penyakit pada tanaman jagung. Sebagai makanan pengganti padi, jagung memiliki peranan penting untuk terpenuhinya kebutuhan pokok warga khususnya di daerah yang beriklim kering. Penelitian ini menggunakan metode Naïve Bayes untuk deteksi penyakit jagung.
2.2 Naïve Bayes Naïve Bayes Classifier merupakan pengklasifikasi probabilitas sederhana berdasarkan pada teorema Bayes. Teorema Bayes dikombinasikan dengan “Naïve” yang berarti setiap atribut/variabel bersifat bebas (independent). Naïve Bayes Classifier dapat dilatih dengan efisien dalam pembelajaran terawasi (supervised learning). Keuntungan dari klasifikasi adalah bahwa ia hanya membutuhkan sejumlah kecil data pelatihan untuk memperkirakan parameter (sarana dan varians dari variabel) yang diperlukan untuk klasifikasi. Karena variabel independen diasumsikan, hanya variasi dari variabel untuk masing-masing kelas harus ditentukan, bukan seluruh matriks kovarians [8] . Dalam prosesnya, Naïve Bayes Classifier mengasumsikan bahwa ada atau tidaknya suatu fitur pada suatu kelas tidak berhubungan dengan ada atau tidaknya fitur lain dikelas yang sama. Pada saat klasifikasi, pendekatan bayes akan menghasilkan label kategori yang paling tinggi probabilitasnya ( 𝑉𝑀𝐴𝑃 ) dengan masukan atribut𝑎1 ,𝑎2, 𝑎3 ,...𝑎𝑛 . 𝑉𝑀𝐴𝑃 = argmaxvj ∈V 𝑃(𝑣𝑗 ⃓ 𝑎1 𝑎2 𝑎3 … . . 𝑎𝑛 )
(1)
dengan : 𝑉𝑀𝐴𝑃 = Probabilitas tertinggi. 𝑎1 𝑎2 𝑎3 … . . 𝑎𝑛 = Atribut (Inputan) Teorema Bayes Menyatakan : 𝑃 𝐵|𝐴 =
𝑃 𝐴|𝐵 𝑃(𝐵) 𝑃(𝐴)
(2)
dimana : 𝑃 𝐵|𝐴 = Peluang B jika diketahui keadaan jenis penyakit A. 𝑃 𝐵|𝐴 = Peluang evidence A jika diketahui hipotesis B 𝑃(𝐵) = Probabilitas hipotesis B tanpa memandang evidence apapun. 𝑃(𝐴) = Peluang evidence penyakit A. Menggunakan teorema Bayes ini, persamaan (1) ini dapat ditulis sebagai berikut: 63 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
𝑉𝑀𝐴𝑃 = argmaxvj ∈V
𝑃 𝑎 1 𝑎 2 ….𝑎 𝑛 𝑣𝑗 𝑃(𝑣𝑗 ) 𝑃(𝑎 1 𝑎 2 ….𝑎 𝑛 )
2017
(3)
dengan : 𝑉𝑀𝐴𝑃 = Probabilitas tertinggi. 𝑃(𝑣𝑗 ) = Peluang jenis penyakit ke𝑗 𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 = Peluang atribut-atribut (inputan), Jika diketahui keadaan v𝑗 𝑃(𝑎1 𝑎2 … . 𝑎𝑛 ) = Peluang atribut-atribut (inputan) Karena nilai 𝑃(𝑎1 𝑎2 … . 𝑎𝑛 ) nilainya konstan untuk semua 𝑣𝑗 sehingga persamaan ini dapat ditulis sebagai berikut: 𝑉𝑀𝐴𝑃 = argmaxvj ∈V 𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 𝑃 𝑣𝑗 (4) dengan : 𝑉𝑀𝐴𝑃 = Probabilitas tertinggi. 𝑃(𝑣𝑗 ) = Peluang jenis penyakit ke𝑗 𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 = Peluang atribut-atribut (inputan) jika diketahui keadaan v𝑗 Untuk menghitung𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗 )bisa jadi semakin sulit karena jumlah gejala 𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗 ) bisa jadi sangat besar. Hal ini disebabkan jumlah gejala tersebut sama dengan jumlah semua kombinasi gejala dikali dengan jumlah kategori yang ada . Perhitungan Naïve bayes classifier adalah : Menghitung P(ai|vj) dengan persamaan (5) P(ai|vj) = nc + m.p n+m
(5)
dengan: nc = jumlah record pada data learning yang v = vj dan a = ai p = 1/ banyaknya jenis class / penyakit m = jumlah parameter / gejala n = jumlah record pada data learning yang v = vj / tiap class Persamaan (5) diselesaikan melalui perhitungan sebagai berikut : 1. Menentukan nilai nc untuk setiap class 2. Menghitung nilai P (ai|vj) dan menghitung nilai P (vj) 𝑉𝑀𝐴𝑃 = argmaxvj ∈V 𝑃 𝑣𝑗 ∏𝑖 𝑃(ai |vj ) dengan :
(6)
𝑛 + 𝑚𝑝 P(ai |vj ) = 𝑐𝑛+𝑚
3. Menghitung P(ai|vj) x P(vj) untuk tiap v 4. Menentukan hasil klasifikasi yaitu v yang memiliki hasil perkalian yang terbesar. Data didapatkan dari Dinas Pertanian Kabupaten Bangkalan. Jumlah penyakit jagung terdiri dari 15 jenis. Masing-masing jenis penyakit pada tanaman jagung juga terdapat gejalagejala yang menyertainya. Jenis penyakit pada tanaman jagung terdapat pada Tabel 1, sedangkan gejala-gejala dari penyakit pada tanaman jagung terdapat pada Tabel 2.
64 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
2017
Tabel 1. Jenis penyakit jagung dan gejala yang menyertainya No
Penyakit
Gejala
1
Lalat bibit
g1,g2,g27,g21
2 3
Ulat tanah Lundi (uret)
g3,g4,g28 g5,g6
4
g7,g8,g9,g10,g29
5
Penyakit bulai Penyakit Virus Kerdil
6
Penggerek batang
g12,g13,g14,g8,g6,g31,g32,g33,g32,g34
7
Penyakit bercak daun Penyakit Hawar/Upih Daun
g15,g16,g35,g36,g6
g8,g20,g38,g39
10
ulat grayak Penyakit Busuk dan tongkol
11
penyakit karat
g24,g16,g43
12
Penyakit gosong bengkak
g24,g25,g44,g45
13
belalang
g1,g4,g20
14 15
penggerek tongkol wereng jagung
g26,g23,g46 g12,g2,g14,g8,g6
8 9
Mozaik g11,g8,g30
g17,g18,g19,g37
Batang g21,g22,g23,g40,g41,g42
Tabel 2. Gejala-gejala penyakit jagung Kode
Gejala
g1
adanya bekas gigitan pada daun
g2
pucuk daun layu
g3
batangnya patah dekat permukaan tanah
g4
adanya bekas gigitan pada batangnya
g5
akar rusak karena gigitan lundi
g6
tanaman menjadi layu
g7
daun berklorosis sebagian atau seluruh daun
g8
tanaman menjadi kerdil
g9
tidak berbuah
g10
tongkolnya tidak normal
g11
daun berwarna hijau dan diselingi garis kuning
g12
daun tampak bercak bergaris kuning
g13
adanya garis-garis pendek terputus-putus pada tulang daun
g14
Daun tampak bergaris kuning panjang
g15
bercak coklat kelabu pada permukaan daun
g16
permukaan daun berwarna coklat
g17
bercak melebar pada daun
g18
pelepah berwarna merah keabu-abuan
g19
adanya butiran berwarna putih
g20
tulang daun rusak
g21
batang busuk
65 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
g22
bagian atas
g23
rusaknya tongkol
g24
terdapat titik merah kecoklatan seperti karat
g25
tongkol pembungkus rusak
g26
ada ulat ditongkol jagung
g27
warna daun dari hijau normal menjadi kekuning-kuningan
g28
daun tanaman muda rusak
g29
pada pagi hari disisi bawah daun jagung terdapat lapisan beledu putih
g30
daun bagian bawah dan atas dipegang tidak terasa adanya serbuk spora
g31
.lubang kecil pada daun
g32
.lubang gorokan pada batang
g33
batang dan tassel yang mudah patah
g34
tumpukan tassel yang rusak
g35
biji akan rusak dan busuk,bahkan tongkol dapat gugur
g36
Permukaan biji tertutupi miselium berwarna abu-abu sampai hitam
g37
tanaman cepat mati atau mengering
g38
daun menjadi transparan,
g39 g40
berlubang bahkan tinggal tulang-tulang saja pangkal batang atau tongkol berwarna merah jambu, merah kecoklatan atau coklat
g41
apakah tanaman mudah rebah
g42
apakah bagian batang kulit luarnya tipis
g43
terdapat serbuk berwarna kuning kecoklatan,
g44
biji jagung yang bengkak berwarna hitam
g45
sebagian biji jagung yang bengkak tersembul keluar
g46
terdapat kotoran–kotoran di tongkol jagung
2017
layu dan mengering
3. Metodologi Penelitian Metodologi Penelitian terdiri dari Studi Literatur, Pengumpulan data dan akuisisi pengetahuan pakar, Pembuatan perangkat lunak dan pengujian sistem. Blok diagram ujicoba sistem pakar terdapat pada Gambar 1. Input pengetahuan gejala dan penyakit tanaman jagug
Deteksi Penyakit metode Naïve Bayes
Hasil deteksi otomatis sistem pakar terdeteksi
Bandingkan dengan pendapat pakar sebenarnya
Prosentase akurasi sistem
Gambar 1. Blok diagram uji coba sistem pakar Pada Gambar 1 menunjukkan tahapan ujicoba sistem pakar. Pertama yaitu input gejalagejala yang terdapat pada tanaman jagung. Selanjutnya sistem akan mampu menghasilkan deteksi otomatis tentang penyakit yang terdapat pada tanaman jagung, demikian seterusnya hingga kasus ke 30 selesai terdeteksi. Selanjutnya hasil deteksi sistem pakar akan dibandingkan dengan pakar sebenarnya untuk mengetahui prosentase keakuratan dari sistem yang telah dibuat.
66 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
2017
4. Pengujian dan Pembahasan Pengujian dilakukan menggunakan data sampel sebanyak 30. Tanaman jagung pada dua lahan yaitu lahan milik prodi agro ekoteknologi Universitas Trunojoyo Madura dan lahan jagung di desa Gili Timur, kecamatan Kamal . Dari tahap pengujian didapatkan hasil pada Tabel 3 dan Tabel 4. Tampilan antarmuka sistem terdapat pada Gambar 2. Tabel 3. Perbandingan hasil ujicoba sistem pakar dan pakar sebenarnya Jagung ke1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Deteksi sistem pakar Bulai Bulai Bulai Bulai Bulai Bulai Bulai Bulai Lalat Bibit Penggerek Batang Bulai Bulai Bulai Bulai Belalang
Pendapat pakar Bulai Bulai Bulai Bulai Bulai Bulai Bulai Bulai Lalat Bibit Penggerek Batang Bulai Lalat Bibit Bulai Ulat Grayak Lalat Bibit
Jegung ke16 17 18 19 20 21 22 23 24 25
Deteksi sistem pakar Wereng Ulat Tanah Penggerek Batang Bercak daun Bulai Bercak Daun Ulat Grayak Karat Karat Bercak Daun
Pendapat pakar
26 27 28 29 30
Bercak Daun Belalang Wereng Belalang Bulai
Lundi Belalang Wereng Wereng Bulai
Belalang Virus Mozaik Bulai Lundi Bulai Penggerek Batang Ulat Grayak Karat Busuk Batang Bulai
Tabel 4. Hasil ujicoba pada lahan jagung di desa gili timur kecamatan kamal Jagung ke1 2 3 4 5
10 11
Deteksi sistem pakar Ulat Grayak Wereng Ulat grayak Bulai Penggerak Batang Ulat grayak Belalang Bulai Penggerek Batang Ulat Grayak Bulai
12 13 14 15
Wereng Bulai Bulai Belalang
6 7 8 9
Pendapat pakar
Deteksi sistem pakar Wereng Ulat Tanah Penggerek Batang Ulat Grayak Bulai
Pendapat pakar
Ulat Grayak Belalang Ulat Grayak Lalat Bibit Bulai
Jegung ke16 17 18 19 20
Ulat Grayak Ulat Grayak Belalang Ulat Grayak
21 22 23 24
Penggerek Batang Ulat Grayak Karat Karat
Penggerek Batang Ulat Grayak Karat Karat
Ulat Grayak Penggerak Batang Wereng Bulai Ulat Grayak Lalat Bibit
25 26
Belalang Ulat Grayak
Bulai Ulat Grayak
27 28 29 30
Belalang Wereng Ulat Grayak Ulat Grayak
Belalang Wereng Ulat Grayak Ulat Grayak
Belalang Virus Mozaik Bulai Ulat Grayak Bulai
Sistem deteksi penyakit jagung menggunakan metode Naïve Bayes dapat memberikan akurasi hingga 60%. Keterbatasan yang dimiliki oleh metode ini yaitu jika terdapat dua atau lebih nilai yang sama maka tidak dapat ditentukan jenis penyakit yang terdeteksi. Sistem pakar yang dibuat dapat mengakuisisi pengetahuan dari pakar, namun tidak dapat menggantikan keberadaan dari pakar sebenarnya. 67 | N E R O
Jurnal Ilmiah NERO Vol. 3, No.1
2017
Gambar 2. Tampilan Antarmuka sistem pakar 5. Kesimpulan 1. Hasil ujicoba pertama menunjukkan kecocokan deteksi 18 dari 30 kasus sedangkan hasil ujicoba kedua menunjukkan kecocokan deteksi 17 dari 30 kasus. 2. Ujicoba pada lahan pertama menunjukkan penyakit yang paling banyak dijumpai yaitu penyakit Bulai, sedangkan pada ujicoba lahan kedua menunjukkan penyakit yang paling banyak dijumpai yaitu Hama Ulat Grayak 3. Metode Naïve Bayes kurang efektif dalam mendeteksi keakuratan klasifikasi sistem. Perlu perbaikan akuisisi pengetahuan menggunakan metode lainnya, misalnya ditambah menggunakan metode Certainty Factor untuk memberikan bobot keyakinan pada gejalagejala yang dipilih. Ucapan Terima Kasih Terima Kasih, tim peneliti haturkan kepada Dirjen Riset Penelitian dan pengabdian Masyarakat DRPM DIKTI yang telah membiayai Penelitian ini pada Skim Penelitian Dosen Pemula. Terima kasih, tim peneliti ucapkan pada Dr. Achmad Amzeri yang telah berkenan menjadi pakar pada penelitian ini Daftar Pustaka [1] Li, Q, Z Shen, L Gao, H Yang, W Lin, J Qiao. “An Internet Based Expert System Platform for assistant identification of Agricultural Pests.”World Automation Congress (WAC), 2010: 141-144. [2] Indriana, Isti Fina. “e prints Universitas Negeri Yogyakarta.” 2010. [3] Ikhwani, I, AK Makarim, AF Fadhly, R Effendy. “Perangkat Lunak Sistem Pakar Tanaman Jagung untuk Penyusunan Paket Teknologi Spesifik Lokasi.” Pekan Serelia Nasional. Bogor, 2010. [4] Roseline , P, JM Clarence, N Ganesan. “Design and Development of Fuzzy Expert System for Integrated Disease Management Integration Millets.” International Journal of Computer APplication, 2012: 31-37. [5] Munanda, Edi, Nanang P. “Perancangan Sistem Pakar untuk Mendiagnosa Penyakit Tanaman jagung menggunakan Fuzzy MCDM berbasis Web.” Litek 10, no. 2 (2013): 113-117. [6] Dubey, S, RF Pandey, dan SS Gautan. “Literature Review on Fuzzy Expert System in Agriculture.” International Journal of Soft Computing and Engineering , 2013. [7] Maurya, B, MR Beg, dan S Mukherjee. “Expert SYstem Design and Architecture for Farming Sector.” Information and Communication Technology IEEE, 2013: 10-15. [8] Setiawan, Wahyudi, dan Sofie Ratnasari. “Sistem pakar Diagnosis Penyakit mata menggunakan Naive Bayes.” SEMNASTEK. Jakarta, 2014. 68 | N E R O
