Identifikasi Ubi Jalar Menggunakan Metode Decison Tree J48

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: 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: 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

Ku