Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 7, Juli 2018, hlm. 2738-2744
e-ISSN: 2548-964X http://j-ptiik.ub.ac.id
Sistem Pakar Diagnosis Penyakit Pada Tanaman Jagung Menggunakan Metode Naive Bayes Berbasis Android Achmad Syarifudin1, Nurul Hidayat2, Lutfi Fanani3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email:
[email protected], 2
[email protected], 3
[email protected] Abstrak Penyakit tanaman jagung adalah salah satu penyebab tidak maksimalnya produksi jagung, bahkan penyakit bulai dapat menyebabkan kegagalan panen hingga 90%, keberadaan pakar akan sangat membantu dalam hal menangani permasalahan hama dan penyakit yang menyerang tanaman jagung dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan hama atau penyakit apa yang menyerang serta memberikan informasi untuk menangani permasalahan. Metode Naive Bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal sebagai naïve Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-gejala pada daun, batang dan tongkol tanaman jagung. Hasil pengujian penelitian ini menunjukkan semua kebutuhan fungsional valid, akurasi sistem sebesar 96% dan hasil usability testing dinyatakan sangat baik. Kata kunci : penyakit tanaman jagung, sistem pakar, naive bayes
Abstract Corn crop disease is one cause of production of corn is not a maximum, downy mildew can cause harvest failures up to 90% , the presence of an expert would be helpful in terms of solving the diseases that attack plants of corn by means of identifying the symptoms that plagued and conclude what disease attack and provide information to settle the issue. Naive Bayes method is a method used to predict probabilities. While Bayes classification is the classification of statistics that can predict the probability of a class member. For a more simple Bayes classification known as naïve Bayesian Classifier can be assumed that the effect of an attribute value is a class given is free of other attributes. The required variable in this study are the symptoms on the leaves, stem and cob of corn plants. The results of this research testing showed all functional requirements are valid, the accuracy of the system are 96% and the results of usability testing stated it very well. Keywords : Corn crop disease, expert system, naive bayes
domestik merupakan salah satu peluang bagi Indonesia untuk menyeimbangkan antara jumlah permintaan dan penawaran jagung. Adapun cara yang dapat ditempuh untuk mewujudkan keseimbangan permintaan dan penawaran jagung domestik adalah dengan memproduksi jagung sendiri di dalam negeri dengan menggunakan sumber daya domestik atau dengan melakukan impor jagung dari negara lain (Maharani,2014). Berdasarkan data produksi tanaman pangan BPS (2016), Produksi jagung tahun 2015 sebanyak 19,61 juta ton pipilan kering, mengalami kenaikan sebanyak 0,60 juta ton
1. PENDAHULUAN Jagung merupakan salah satu komoditas unggulan pertanian dari sub sektor tanaman pangan yang multi guna dan bernilai strategis untuk dikembangkan. Pada saat ini, jagung tidak hanya dimanfaatkan untuk bahan pangan (food) saja tetapi juga untuk pakan ternak (feed), dan juga bahan bakar (fuel). Jumlah produksi, produktivitas dan harga jagung selalu mengalami fluktuasi karena pengaruh jumlah permintaan dan penawaran yang selalu berubahubah. Tingginya permintaan jagung di pasar Fakultas Ilmu Komputer Universitas Brawijaya
2738
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
(3,18 persen) dibandingkan tahun 2014. Kenaikan produksi tersebut terjadi di Pulau Jawa dan luar Pulau Jawa masing-masing sebanyak 0,46 juta ton dan 0,15 juta ton. Kenaikan produksi terjadi karena kenaikan produktivitas sebesar 2,24 kuintal/hektar (4,52 persen). Tetapi berdasarkan buletin statistik perdagangan luar negeri impor BPS (April 2017) pada bulan Januari hingga April 2017 Indonesia melakukan impor jagung sebesar 128.494,709 ton. Menurut (Pajrin, 2013) yang dikutip dari jurnal (Talanca,2009) dan jurnal (Yasin dkk,2008), Rendahnya produksi jagung di tingkat petani dapat mempengaruhi produksi secara Nasional. Hal ini dimungkinkan ada kaitannya dengan pengunaan varietas, pengolahan tanah dan kepadatan tanaman persatuan luas yang tidak sesuai untuk pertumbuhan tanaman jagung. Peningkatan produksi jagung varietas adalah salah satu penentu,. tersedianya varietas unggul yang hasilnya tinggi serta tahan terhadap hama dan penyakit utama terutama penyakit bulai sangat diperlukan. Penyakit bulai pada jagung sejak lama dirasa menimbulkan kerugian cukup besar, sehingga banyak dikenal diantara para petani. Kerugian akibat penyakit bulai pada jagung sangat bervariasi. Petak-petak tertentu dapat menderita kerugian 90% (Semangun,1993). Tanaman jagung berpotensi terkena serangan hama maupun penyakit yang dapat menyerang kapan saja. Beberapa penyakit yang dapat menyerang tanaman jagung antara lain adalah Hawar Daun, Busuk Pelepah, bulai, busuk tongkol dan masih banyak yang lainnya. Keberadaan pakar akan sangat membantu dalam hal menangani permasalahan penyakit yang menyerang tanaman jagung dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan penyakit apa yang menyerang serta memberikan informasi untuk menangani permasalahan. Namun dapat merasa kelelahan sehingga dapat menurunkan konsentrasinya dan menyebabkan kesalahan ketika mendiagnosa penyakit pada tanaman jagung. Dengan perkembangan teknologi yang semakin canggih penulis ingin memberikan alternatif lain yang dapat menggantikan peran seorang pakar dengan mengembangkan sistem pakar diagnosa penyakit pada tanaman jagung. Kami memutuskan untuk menggunakan metode naive bayes classifier karena naive bayes memiliki efisiensi pembelajaran yang tinggi dan dapat memperkirakan semua kemungkinan Fakultas Ilmu Komputer, Universitas Brawijaya
2739
hanya dengan meninjau data latih. Naive Bayes Classifier adalah pengklasifikasian sederhana berdasarkan penerapan teorema bayes dengan asumsi independensi (An,2017). Proses diawali dengan masukan data oleh pengguna, kemudian data akan diolah komputer menggunakan metode Naive Bayes untuk mendapatkan klasifikasi jenis penyakit yang menyerang serta memberikan rekomendasi untuk menangani penyakit tersebut. Algoritma Naive Bayes merupakan salah satu metode yang dapat digunakan pada penelitian untuk permasalahan diagnosa penyakit. Berdasarkan pemaparan dari penelitianpenelitian sebelumnya, maka penulis akan mengembangkan aplikasi sistem pakar diagnosa penyakit pada tanaman jagung menggunakan metode Naive bayes. Sistem ini diharapkan dapat menggantikan peran seorang pakar dalam menangani masalah penyakit pada tanaman jagung. sistem menyediakan masukan berupa gejala yang dialami tanaman jagung untuk diproses, dan system dapat memberikan keluaran berupa informasi tentang penyakit yang menyerang tanaman yang diidentifikasi beserta informasi penanggulangan hama dan penyakit yang menyerang. 2.
LANDASAN KEPUSTAKAAN
2.1 Sistem Pakar Sistem pakar adalah sistem komputer yang mengemulasi kemampuan kepakaran manusia. Kata mengemulsi diartikan lebih kuat dari simulasi yang berarti bahwa sistem pakar diharapkan mampu bertindak sebagaimana yang dilakukan pakar manusia dalam melakukan penalaran untuk memberikan suatu justifikasi/kesimpulan. Dalam melakukan penalaran,sistem pakar banyak memanfaatkan pengetahuan yang disimpan oleh sistem sebagai basis pengetahuan untuk menyelesaikan masalah pada tingkatan sebanding dengan pakar manusia. Sistem pakar dikembangkan melalui beberapa tahapan, tahapan yang paling rumit adalah tahapan representasi pengetahuan yang meliputi pembuatan tabel keputusan, penyusunan pohon keputusan, peringkasan pohon keputusan, penyusunan kaidah-kaidah (Hartati dan iswanti,2013). 2.2 Naive Bayes Classifier yang
Metode Naive Bayes merupakan metode digunakan memprediksi probabilitas.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal sebagai naïve Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain.Naïve Bayes Classifier merupakan sebuah metoda klasifikasi yang berakar pada teorema Bayes. Ciri utama dari Naïve Bayes Classifier ini adalah asumsi yang sangat kuat (naif) akan independensi dari masing-masing kondisi/kejadian (Fais dkk, 2014). Secara garis besar model naive bayes classifier ditunjukkan pada persamaan (1) (Sutojo,2011) . 𝑝(𝐻|𝐸) =
𝑝(𝐸 |𝐻 ) 𝑥 𝑝(𝐻) 𝑝(𝐸)
(1)
Dengan : 1. p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi 2. p(E|H) = probabilitas munculnya evidence E jika hipotesis H terjadi 3. p(H) = probabilitas hipotesis H tanpa memandang evidence apapun 4. p(E) = probabilitas evidence E tanpa memandang apapun Atau dengan kata lain persamaan diatas dapat digambarkan sebagai persamaan (2). 𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 =
𝑃𝑟𝑖𝑜𝑟 𝑥 𝐿𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑 𝐸𝑣𝑖𝑑𝑒𝑛𝑐𝑒
(2)
Perhitungan naive bayes dapat dilakukan dengan langkah berikut ini: 1. Mencari nilai prior untuk tiap-tiap kelas dengan menghitung rata-rata tiap kelas dengan menggunakan persamaan (3). X
𝑃=A
2.
Keterangan : P = Nilai prior X = Jumlah data tiap kelas A = jumlah data seluruh kelas Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan persamaan (4). 𝐹
L= 𝐵
3.
(3)
(4)
Keterangan : L = Nilai likelihood F = jumlah data feature tiap kelas B = jumlah seluruh fitur tiap kelas Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan persamaan (5).
Fakultas Ilmu Komputer, Universitas Brawijaya
2740 P(c|a) = P(c) x P(a|c)
(5)
Keterangan : P(c) = Nilai prior tiap kelas P(a|c) = Nilai likelihood Hasil klasifikasi dengan menggunakan metode Naive Bayes dilakukan dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi. 2.3 Tanaman Jagung Jagung adalah tanaman pangan kedua setelah padi. Di dunia ini jagung adalah tanaman pangan ketiga setelah gandung dan padi. Jagung berasal dari mexico, disana telah dibudidayakan selama ribuan tahun. Jagung menjadi dasar dari kebudayaan aztec dan maya. Dewasa ini Amerika serikat merupakan produsen jagung terbesar karena menghasilkan lebih dari setengah produksi dunia. 2.3.1 Penyakit Bulai Penyakit bulai pada jagung sejak lama dirasa menimbulkan kerugian cukup besar, sehingga banyak dikenal diantara para petani. Kerugian akibat penyakit bulai pada jagung sangat bervariasi. Petak-petak tertentu dapat menderita kerugian 90% (Semangun 1993). Penyakit Bulai dapat menyebabkan gejala sistemik yang meluas ke seluruh badan tanaman dan dapat menimbulkan gejala lokal. Pada tanaman yang masih muda daun-daun yang baru saja mwmbuka mempunyai bercak-bercak khlorotis kecil-kecil. Bagian daun permukaan atas maupun bawah terdapat warna putih seperti tepung, sangat jelas di pagi hari. Selanjutnya pertumbuhan tanaman jagung akan terhambat, termasuk pembentukan tongkol buah, bahkan tongkol tidak terbentuk, daun-daun menggulung serta terpuntir, bunga jantan berubah menjadi massa daun yang berlebihan. 2.3.2 Hawar Daun Penyakit hawar daun pada jagung pertama kali ditemukan di sumatera pada tahun 1917 ( van Hall, 1918). Pada waktu. Di malaysia, Thailand dan Filiphina terdapat hawar daun turcicum dan maydis sedangkan adanya hawar daun carbonum belum dilaporkan. Awal terinfeksinya hawar daun, menunjukkan gejala berupa bercak kecil, berbentuk oval kemudian bercak semakin memanjang berbentuk ellips dan berkembang
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
menjadi nekrotik (disebut hawar), warnanya hijau keabu-abuan atau coklat. Panjang hawar 2,5-15 cm, bercak muncul di mulai dari daun terbawah kemudian berkembang menuju daun atas. Infeksi berat akibat serangan penyakit hawar daun dapat mengakibatkan tanaman jagung cepat mati atau mengering. Cendawan ini tidak menginfeksi tongkol atau klobot jagung, cendawan dapat bertahan hidup dalam bentuk miselium dorman pada daun atau sisa-sisa tanaman di lahan.
START
Gejala fisik tanaman jagung
Prior = jumlah kelas suatu penyakit / total kelas
Likelihood = jumlah data fitur / jumlah seluruh fitur
2.3.3 Penyakit Karat Daun Penyakit karat daun pada jagung ini di Indonesia baru menark perhatian pada tahun 1950-an. Penyakit karat sudah terdapat pada bahan yang dikumpulkan van der goot di bogor pada tahun 1923 dan yang dikumpulkan oleh schawarz dari Bandung pada tahun 1925. Gejala pada karat daun ini berupa bercakbercak kecil (uredinia) berbentuk bulat sampai oval terdapat di permukaan daun jagung bagian atas maupun bawah, uredinia menghasilkan uredospora berbentuk bulat atau oval serta berperan penting sebagai sumber inokulum dalam menginfeksi Tanaman jagung lainnya, sebarannya melalui angin. Penyakit karat dapat terjadi di dataran rendah sampai tinggi, infeksinya berkembang baik pada musim penghujan atau musim kemarau. 2.3.4 Penyakit Gosong Pada akhir tahun 1963 di jawa muncul banyak berita tentang penyakit gosong pada jagung. Di banyak tempat di Jawa tengah penyakit baru ini diberitakan menyebabkan buah jagung menjadi beracun jika buah jagung dimakan. Gejala utama terdapat pada tongkol. Bijibiji yang terinfeksi membengkak, membentuk kelenjar. Semula kelenjar berwarna putih kemudian berwarna hitam dengan kulit jernih. Sebagian kelenjar tampak dari luar hingga akhirnya kelenjar pecah dan spora jamur yang berwarna hitam terhambur keluar. 3. METODOLOGI
Posterior = Prior x Likelihood
Perbandingan nilai posterior
Penyakit yang menyerang tanaman jagung
END
Gambar 1 Diagram Alir Naive Bayes Classifier.
3.2 Data Penelitian Sumber data diperoleh dari hasil wawancara yang dilakukan dengan seorang pakar dari fakultas pertanian Universitas Brawijaya Malang yaitu Luqman Qurata A, S.P.,M.Si.,Ph.D. Data yang digunakan adalah data gejala penyakit pada daun, batang dan tongkol tanaman jagung jumlah gejala yang digunakan sebagai data set sebanyak 19 gejala. Gejala dan penyakit tanaman jagung dapat dilihat pada tabel 1. Tabel 1 Gejala dan Penyakit Tanaman Jagung Kode
Gejala
Penyakit
G1
Daun Berwarna Khlorotik
1 Bulai
G2
Mengalami pertumbuhan
hambatan
1 Bulai
G3
Warna putih seperti tepung dipermukaan atas dan bawah daun yang berwarna khlorotik
1 Bulai
G4
Daun menggulung dan terpuntir
1 Bulai
G5
Pembentukan terganggu
1 Bulai
3.1 Alur Naive Bayes Classifier
Fakultas Ilmu Komputer, Universitas Brawijaya
2741
tongkol
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer G6
Daun yang terserang tampak layu
1 Hawar Daun
G7
Beberapa bercak kecil bersatu membentuk bercak yang lebih besar
1 Hawar Daun 2 Karat Daun 3 Busuk Pelepah
Bercak berwarna coklat muda memanjang berbentuk kumparan atau perahu
1 Hawar Daun
G9
Bercak coklat menyerupai elip
1 Hawar Daun
G10
Daun tampak kering
G8
berbentuk
2742
sistem antara hasil yang diharapkan dan hasil pada sistem, apabila hasil pada sistem sesuai dengan hasil yang diharapkan maka status pengujian dinyatakan valid sedangkan apabila hasil pada sistem tidak sesuai dengan hasil yang diharapkan maka status pengujian dinyatakan tidak valid. Tabel 2 Blackbox Testing N o
Test Name
Test Case
Expecte d Result
Result
1
Pengujian Tentang Penyakit
Mengkli k tombol tentang penyaki t
Masuk ke halama n tentang penyaki t
Masuk ke halama n tentang penyaki t
Valid
2
Pengujian Diagnosa
Mengkli k tombol Diagnos a pada halama n utama
Masuk ke halama n diagnos a
Masuk ke halama n diagnos a
Valid
3
Pengujian Hasil Diagnosa
Mengkli k tombol diagnos a pada halama n diagnos a
Menam pilkan hasil diagnos a dan cara penang gulanga n
Menam pilkan hasil diagnos a dan cara penang gulanga n
Valid
4
Pengujian Tentang Pengem bang
Mengkli k tombol tentang pengem bang
Masuk ke halama n tentang pengem bang
Masuk ke halama n tentang pengem bang
Valid
5
Pengujian Tentang Perang kat
Mengkli k tombol tentang perang kat
Masuk ke halama n tentang perang kat
Masuk ke halama n tentang perang kat
Valid
6
Pengujian Pilih Gejala
Mengkli k tombol ya pada gejala
Muncul gambar gejala
Muncul gambar gejala
Valid
7
Pengujian Bulai
Mengkli k tombol bulai
Masuk ke halama n bulai
Masuk ke halama n bulai
Valid
8
Pengujian Hawar daun
Mengkli k tombol hawar daun
Masuk ke halama n hawar daun
Masuk ke halama n hawar daun
Valid
9
Pengujian Karat daun
Mengkli k tombol
Masuk ke halama
Masuk ke halama
Valid
1 Hawar Daun 2 Karat Daun
G11
Bercak-bercak kecil berwarna coklat atau kuning pada permukaan daun
1 Karat Daun
G12
Bercak pelepah
pada
1 Busuk Pelepah
G13
Terdapat berbentuk berwarna coklat
benang-benang tak beraturan putih kemudian
1 Busuk Pelepah
G14
Keluar serbuk seperti tepung berwarna coklat kekuningan
1 Karat Daun
G15
Pembengkakan pada tongkol
1 Penyakit Gosong
kemerahan
G16
Terdapat cendawan putih hingga kehitaman pada biji
1 Penyakit Gosong
G17
Biji membengkak
1 Penyakit Gosong
G18
Terbentuk kelenjar pada biji
1 Penyakit Gosong
G19
Kelobot terbuka dan muncul banyak cendawan berwarna putih hingga kehitaman
1 Penyakit Gosong
4.
PENGUJIAN DAN ANALISIS
Pengujian pada penelitian ini dibagi menjadi 3 yaitu blackbox testing, usability testing dan pengujian akurasi. Blackbox testing akan menguji fungsionalitas sistem dapat berjalan dengan baik. Usability testing akan menguji tingkat kepuasan pengguna. Pengujian akurasi dilakukan dengan membandingkan hasil diagnosa sistem dengan hasil diagnosa seorang pakar. 4.1 Blackbox Testing Pada pengujian ini akan dilihat kesesuaian Fakultas Ilmu Komputer, Universitas Brawijaya
Status
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
10
11
Pengujian Busuk pelepah
Pengujian Penyakit gosong
karat daun
n karat daun
n karat daun
Mengkli k tombol busuk pelepah
Masuk ke halama n busuk pelepah
Masuk ke halama n busuk pelepah
Valid
Mengkli k tombol penyaki t gosong
Masuk ke halama n penyaki t gosong
Masuk ke halama n penyaki t gosong
Valid
kelayakan dengan nilai ukur yang dapat dilihat pada tabel 3. Tabel 3 Hasil Penilaian Kuisioner
Pengujian ini dilakukan dengan menguji tingkat keakuratan atau kesesuaian dari data testing yang didapatkan oleh pakar dengan hasil output dari sistem. Data testing yang didapatkan sebanyak 50. Kemudian akan dilakukan percobaan sebanyak 50 kali dengan masukan sesuai data testing, kemudian nilai akurasi akan didapatkan dengan persamaan (6). 𝑜𝑢𝑡𝑝𝑢𝑡 𝑦𝑎𝑛𝑔 𝑠𝑒𝑠𝑢𝑎𝑖 𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛
𝑥 100
(6)
Dari percobaan yang telah dilakukan sebanyak 50 kali didapatkan hasil output yang sesuai sebanyak 48. sehingga didapatkan nilai akurasi : 𝑎𝑘𝑢𝑟𝑎𝑠𝑖 =
48 𝑥 100 50
Maka akurasi = 96%. 4.3 Usability Testing Pengujian ini dilakukan dengan cara membagikan kuisioner ke petani dan meminta petani untuk mencoba sistem yang telah dibuat kemudian petani akan mengisi kuisioner sesuai penilaian masing-masing, setiap pertanyaan bernilai satu hingga 5 dan dari total seluruh nilai yang didapat akan dibagi dengan jumlah pertanyaan hingga didapatkan nilai yang dijadikan sebagai tolak ukur kelayakan aplikasi dimana semakin tinggi nilai yang dihasilkan maka semakin baik sistem nya. Kuisioner yang dibagikan ke petani dan pihak dinas pertanian sebanyak 25 lembar,dari hasil kuisioner yang telah di dapat, kemudian akan diambil rata-rata setiap pertanyaan dengan persamaan (7) 𝑀𝑒𝑎𝑛 =
𝑇𝑜𝑡𝑎𝑙 𝑁𝑖𝑙𝑎𝑖 𝐽𝑢𝑚𝑙𝑎ℎ 𝑜𝑟𝑎𝑛𝑔
Skor
Kualifikasi
Hasil
4,01 – 5
Sangat Baik
Layak
3,01 – 4
Baik
Layak
2,01 – 3
Cukup Baik
Layak
1,01 – 2
Buruk
Tidak Layak
0,01 – 1
Sangat Buruk
Tidak Layak
Untuk mendapatkan digunakan persamaan (8).
4.2 Pengujian Akurasi
𝑎𝑘𝑢𝑟𝑎𝑠𝑖 =
2743
(7)
Nilai rata-rata setiap pertanyaan yang telah didapat akan digunakan untuk mengukur tingkat Fakultas Ilmu Komputer, Universitas Brawijaya
𝑆𝑘𝑜𝑟 =
nilai
skor
𝑇𝑜𝑡𝑎𝑙 𝑟𝑒𝑟𝑎𝑡𝑎 𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑡𝑎𝑛𝑦𝑎𝑎𝑛
akan
(8)
Dan didapatkan hasil sebagai berikut 𝑆𝑘𝑜𝑟 =
𝑇𝑜𝑡𝑎𝑙 𝑟𝑒𝑟𝑎𝑡𝑎 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑟𝑡𝑎𝑛𝑦𝑎𝑎𝑛 =
21,4 5
= 4,28
Karena Skor bernilai 4,28 maka sistem dapat dianggap sebagai sistem yang sangat baik dan layak digunakan masyarakat. 5. KESIMPULAN Berdasarkan hasil pengujian dan analisis hasil penelitian ini, maka dapat diambil beberapa kesimpulan sebagai berikut : 1. Sistem yang dihasilkan sesuai dengan perancanganan sistem karena keseluruhan kebutuhan fungsional yang diuji dengan blackbox testing hasilnya valid. 2. Metode naive bayes baik digunakan untuk diagnosa penyakit tanaman jagung karena menghasilkan tingkat akurasi sebesar 96%. 3. Sistem Pakar diagnosa penyakit tanaman jagung ini layak digunakan oleh masayakat maupun pihak dinas terkait karena menghasilkan nilai usability testing dengan predikat sangat baik. DAFTAR PUSTAKA Agustiawan, Beni. 2015. Sistem Klasifikasi Penyakit Tenggorokan Berbasis WEB Menggunakan Metode Naive Bayes Anugroho, Prasetyo. 2010. Klasifikasi Email Spam dengan Metode Naive Bayes Classifier Menggunakan Java Programming An, Yunjing, Shutao Sun, Shujuan Wang. 2017.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Naive Bayes Classifiers for Music Emotion Classification Based on Lyrics Ariadi, Dio, Kartika Fithriasari. 2017. Klasifikasi Berita Indonesia Menggunakan Metode Naive Bayesian Classification dan Support Vector Machine dengan Confix Stripping Stemmer. Vol. 4, No.2
2744
Saputra, Eko. 2014. Usability Testing untuk Mengukur Penggunaan Website Inspektorat Kota Palembang. Semangun, Haryono. 1993. Penyakit-Penyakit Tanaman Pangan di Indonesia. Yogyakarta : Gadjah Mada University press
As’ad, Bahrawi. 2016. Prediksi Keputusan Menggunakan Metode Klasifikasi Naive Bayes, One-R dan Decisision Tree
SetyaStiawan, Ivan. 2013. Peranan Komoditas Jagung (Zea mays L.) Terhadap Peningkatan Pendapatan Wilayah Kabupaten Karo
Badan Pusat Statistik. 2015. Produksi Tanaman Pangan 2015. CV. Tapasuma Ratu Agung
Sutojo. T., Mulyanto. E, Suhartono V., 2011.Kecerdasan Buatan.C.V Andi Offset.
Badan Pusat Staistik. 2015. Buletin Statistik Perdagangan Luar Negeri Impor April 2017. CV. Josevindo Fahrurozi, Achmad. 2014. Klasifikasi Kayu dengan Menggunakan Naive Bayes Classifier Fhadli, Muhammad. 2017. Peringkasan Literatur Ilmu Komputer Bahasa Indonesia Berbasis Fitur Statistik dan Linguistik menggunakan Metode Gaussian Naïve Bayes Hartati, Sri dan Sari Iswanti. 2013. Sistem Pakar dan Pengembangannya. Yogyakarta : Graha Ilmu J., Pajrin, Johanis Panggesso dan Rosmini. 2013. Uji Ketahanan Beberapa Varietas Jagung (Zea mays L.) Terhadap Intensitas Serangan Penyakit Bulai (Peronosclerospora maydis) Karina, Nia Esti, Yuni Yamasari. 2013. Aplikasi diagnosis Kanker Kandungan dengan Menggunakan Metode Naive Bayes (Studi Kasus : Rumah Sakit Islam Surabaya) Kusumadewi, Sri. 2009. klasifikasi status gizi menggunakan naive bayesian classification Maharani. Navita., 2014. Analisis Keunggulan Komparatif Komoditas Jagung (Zea mays L.) di Kabupaten Kediri. Volume XIV No. 3 Marofi, M. Nuzulul. 2017. Rancang Bangun Sistem Klasifikasi Frekuensi Penggunaan Minyak Goreng dengan Menggunakan Metode Bayes Nugroho, Septian Yuda, 2014. Data Mining Menggunakan Algoritma Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro Fakultas Ilmu Komputer, Universitas Brawijaya
