Sistem pakar Fuzzy untuk diagnosis penyakit pada tanaman cabai merah

SISTEM PAKAR FUZZY UNTUK DIAGNOSIS PENYAKIT PADA
TANAMAN CABAI MERAH

MUHAMMAD MULYAWANTO

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM INSTITUT PERTANIAN BOGOR
BOGOR
2011

SISTEM PAKAR FUZZY UNTUK DIAGNOSIS PENYAKIT PADA
TANAMAN CABAI MERAH

MUHAMMAD MULYAWANTO

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
2011

ABSTRACT
MUHAMMAD MULYAWANTO. Fuzzy Expert System For Diagnosing Chili Plants Disease. Under
the direction of MARIMIN and AZIZ KUSTIYO.
Chili plant is one plant that has high economic value for farmers in Indonesia. The risk of plants
that have high economic value was also high. Production of the national average chili plants is still not
maximized. One reason is the number of pests and pathogens that can attack chili plants and cause
plants can not grow optimally.
This study developed an expert system that uses the concept of Fuzzy Inference System with
Mamdani method to diagnose disease in chili plants. This system can provide early diagnosis of
diseases affecting the chili plant from the symptoms caused without having to ask directly to the
specialist or expert.
The parameters used as input parameters consist of fuzzy and non-fuzzy parameters. Fuzzy
parameters such as leaf color, the color or pattern of leaf spot, leaf spot diameter, number of leaf spot,
stem color, pH, and moisture. The non-fuzzy parameters used are the location of plant, leaf condition,

position of leaf spot, stem rottenness, spots on the stems, bumps on the stem, blackish brown ring at
the base of the stem, and dead shoots.
The results showed that the Fuzzy Inference System can be used as a way to cope uncertainty for
the case of chili plant disease diagnosis.
Keyword : chili, disease, expert system, Fuzzy Inference System.

Judul
Nama
NRP

: Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai Merah
: Muhammad Mulyawanto
: G64061611

Menyetujui:

Pembimbing I,

Pembimbing II,

Prof. Dr. Ir. Marimin, M.Sc
NIP. 19610905 198609 1 001

Aziz Kustiyo, S.Si. M.Kom
NIP. 19700719 199802 1 001

Mengetahui:
Ketua Departemen Ilmu Komputer,

Dr. Ir. Sri Nurdiati, M.Sc.
NIP 19601126 198601 2 001

Tanggal Lulus:

PRAKATA
Puji serta syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan nikmat yang telah
diberikan, sehingga tugas akhir dengan judul Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada
Tanaman Cabai Merah ini dapat diselesaikan. Penelitian ini dilakukan dari bulan Februari 2010
sampai Oktober 2010.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam

menyusun tugas akhir ini, antara lain :
1. Kedua orang tua tercinta, Bapak Sarkosih dan Ibu Kaswaningsih atas doa, dorongan semangat,
dan kasih sayang yang selalu diberikan.
2. Bapak Prof. Dr. Ir. Marimin, M.Sc dan Bapak Aziz Kustiyo, S.Si. M.Kom selaku pembimbing
yang telah memberikan ilmu, waktu, bimbingan dan nasihat selama mengerjakan tugas akhir ini.
3. Ibu Prof. Dr. Ir. Sriani Sujiprihati, M.S dan Bapak Dr. Ir. Widodo, M.S selaku pakar yang telah
memberikan ilmu, waktu dan bimbingan dalam menyusun tugas akhir ini.
4. Bapak Toto Haryanto, S.Kom selaku penguji atas segala waktu, masukan dan koreksi yang telah
diberikan.
5. Tris Ramadhan, Aditia WA, Rendi Rivaldy, Yoga Adi P dan Any Septiani M atas kebersamaan
dan dorongan semangat yang telah diberikan.
6. Rekan – rekan ilkom 43 yang telah membantu penulis untuk menyelesaikan tugas akhir ini.
7. Departemen Ilmu Komputer, dosen dan staf yang telah banyak membantu selama masa
perkuliahan dan menyelesaikan tugas akhir ini.
Penulis menyadari masih banyak kekurangan dalam laporan skripsi yang telah disusun ini. Namun,
penulis berharap dengan segala kekurangan yang ada semoga tulisan ini bisa memberikan manfaat
kelak di kemudian hari. Amin.

Bogor, Desember 2010

Muhammad Mulyawanto

RIWAYAT HIDUP
Muhammad Mulyawanto dilahirkan di kota Jakarta, pada tanggal 19 November 1987 dari
pasangan Ibu Kaswaningsih dan Bapak Sarkosih. Pada tahun 2006 penulis lulus dari Sekolah
Menengah Atas (SMA) Negeri 44 Jakarta dan diterima di Institut Pertanian Bogor melalui jalur
Seleksi Masuk Penerimaan Mahasiswa (SPMB). Setelah penulis menyelesaikan masa perkuliahan
Tingkat Persiapan Bersama (TPB), penulis diterima sebagai mahasiswa Departemen Ilmu Komputer
IPB.
Tahun 2007 penulis aktif dalam organisasi Himpunan Mahasiswa Ilmu Komputer (Himalkom)
FMIPA IPB sebagai staf Divisi Kestari. Selama aktif sebagai anggota Himalkom penulis juga aktif
sebagai panitia dalam berbagai kegiatan yang diselenggarakan Himalkom.
Tahun 2009 penulis melaksanakan Praktik Kerja Lapang di PT Eramuslim Globa Media dan
berhasil membantu mengembangkan website Eramuslim Muda.

DAFTAR ISI
Halaman
DAFTAR TABEL ........................................................................................................................ v
DAFTAR GAMBAR .................................................................................................................... v
DAFTAR LAMPIRAN ................................................................................................................. v

PENDAHULUAN
Latar Belakang .......................................................................................................................
Tujuan Penelitian ...................................................................................................................
Ruang Lingkup .......................................................................................................................
Manfaat Penelitian ..................................................................................................................

1
1
1
1

TINJAUAN PUSTAKA
Sistem Pakar ...........................................................................................................................
Fasilitas Akuisisi Pengetahuan ...............................................................................................
Basis Pengetahuan ..................................................................................................................
Mesin Inferensi .......................................................................................................................
Fasilitas Penjelasan ................................................................................................................
Interaksi Manusia-Mesin (User Interface) .............................................................................
Sistem Fuzzy ..........................................................................................................................
Fungsi Keanggotaan ..............................................................................................................

Fuzzy Inference System (FIS) .................................................................................................
Metode Mamdani ....................................................................................................................
Defuzzifikasi Centroid............................................................................................................
Tanaman Cabai .......................................................................................................................
Fase Pertumbuhan Tanaman Cabai ........................................................................................
Patogen ..................................................................................................................................
Penyakit Tanaman Cabai .......................................................................................................

1
2
2
2
2
2
2
3
3
3
3
3

4
4
4

METODE PENELITIAN
Identifikasi Masalah dan Mencari Sumber Pengetahuan ........................................................
Akuisisi Pengetahuan .............................................................................................................
Representasi Pengetahuan ......................................................................................................
Pengembangan Mesin Inferensi ..............................................................................................
Tahap Implementasi dan Pengujian ........................................................................................

5
5
6
7
7

HASIL DAN PEMBAHASAN
Desain Sistem .........................................................................................................................
Implementasi Dan Pengujian ..................................................................................................

Operasionalisasi Sistem ..........................................................................................................
Kompleksitas Sistem ..............................................................................................................
Keterbatasan Sistem ...............................................................................................................

7
11
12
12
12

KESIMPULAN DAN SARAN
Kesimpulan ............................................................................................................................. 12
Saran ....................................................................................................................................... 13
DAFTAR PUSTAKA ................................................................................................................... 13
LAMPIRAN ................................................................................................................................. 14

iv

DAFTAR TABEL
Halaman

1
2
3
4

Deskripsi parameter input fuzzy kelompok 1 ............................................................................
Deskripsi parameter input fuzzy kelompok 2 ............................................................................
Deskripsi parameter input non-fuzzy kelompok 1.....................................................................
Deskripsi parameter input non-fuzzy kelompok 2.....................................................................

6
6
6
6

DAFTAR GAMBAR
Halaman
1
2
3

4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Tahapan akuisisi pengetahuan ..................................................................................................
Kurva segitiga...........................................................................................................................
Kurva Gaussian ........................................................................................................................
Tahap pembentukan sistem pakar.............................................................................................
Proses diagnosis penyakit tanaman cabai .................................................................................
Fuzzifikasi warna daun .............................................................................................................
Fuzzifikasi warna atau pola bercak ..........................................................................................
Fuzzifikasi diameter bercak ......................................................................................................
Fuzzifikasi jumlah bercak.........................................................................................................
Fuzzifikasi warna batang ..........................................................................................................
Kategori output kelompok 1 .....................................................................................................
Fuzzifikasi warna daun .............................................................................................................
Fuzzifikasi warna batang ..........................................................................................................
Fuzzifikasi kadar pH ................................................................................................................
Fuzzifikasi kelembaban ............................................................................................................
Kategori output kelompok 2 .....................................................................................................
Proses deteksi awal ...................................................................................................................
Proses deteksi lebih lanjut ........................................................................................................

2
3
3
5
6
7
7
8
8
8
9
9
9
9
10
10
11
11

DAFTAR LAMPIRAN
Halaman
1
2
3
4
5
6
7
8
9

Aturan yang terdapat di setiap sistem inferensi ........................................................................
Decision Tree parameter non-fuzzy ..........................................................................................
Aturan parameter non-fuzzy tiap jenis penyakit........................................................................
Tampilan awal sistem pakar .....................................................................................................
Tampilan saat mengisi parameter masukan kelompok penyakit dengan gejala terdapat
bercak pada daun ......................................................................................................................
Tampilan saat mengisi parameter masukan kelompok penyakit dengan gejala tidak terdapat
bercak pada daun ......................................................................................................................
Hasil diagnosis sementara ........................................................................................................
Hasil diagnosis akhir ................................................................................................................
Hasil pengujian .........................................................................................................................

15
37
41
43
43
44
44
45
45

v

PENDAHULUAN
Latar Belakang
Tanaman cabai merupakan salah satu
komoditas sayuran penting dan bernilai
ekonomi tinggi di Indonesia (Syukur et al.
2010). Luas area lahan cabai menurut data
terakhir sekitar 165.000 hektar dan merupakan
suatu usaha budidaya yang terluas dibandingkan
komoditas sayuran lainnya (Duriat et al. 2007).
Namun, produksi rata-rata nasional tanaman
cabai baru mencapai 5.89 ton/hektar (BPS
2010), masih jauh di bawah potensi hasilnya
yang berkisar antara 12 sampai 20 ton/hektar
(Duriat et al. 2007). Penyebab utama masih
rendahnya jumlah produksi tanaman cabai
adalah seringnya tanaman cabai terserang hama
dan penyakit yang menyebabkan pertumbuhan
tanaman menjadi tidak optimal.
Banyaknya jenis penyakit yang dapat
menyerang tanaman cabai serta sulitnya proses
deteksi karena adanya kemiripan gejala yang
ditimbulkan membuat para petani cabai tidak
bisa menentukan metode pencegahan dan
pengendalian yang tepat untuk mengatasi
penyakit tersebut. Tiap jenis penyakit memiliki
metode pencegahan dan pengendalian yang
berbeda (Duriat et al. 2007). Jika salah dalam
menerapkan
metode
pencegahan
dan
pengendalian untuk menangani suatu penyakit,
maka penyakit tidak bisa diatasi secara tepat
sehingga tanaman akan tetap terjangkit penyakit
tersebut. Kemungkinan terburuk adalah
tanaman akan mengalami kematian dan petani
mengalami gagal panen. Oleh karena itu,
dibutuhkan kemampuan seorang ahli yang bisa
membantu dalam mendeteksi penyakit pada
tanaman cabai sedini mungkin agar dapat segera
dilakukan proses pengendaliannya untuk
menghindari gagal panen.
Sistem pakar merupakan salah satu
pemecahan yang potensial untuk mengatasi
masalah diagnosis penyakit pada tanaman cabai.
Adanya sistem pakar dapat mempermudah kerja
atau
bahkan
mengganti
tenaga
ahli,
menggabungkan ilmu dan pengalaman dari
beberapa tenaga ahli, dan menyediakan keahlian
yang diperlukan suatu proyek yang tidak
memiliki tenaga ahli (Marimin 2009).
Penelitian dengan topik ini telah dilakukan
sebelumnya oleh Faihah (1999) menggunakan
metode forward chaining untuk mendeteksi
penyakit pada tanaman cabai yang disebabkan
oleh hama dan patogen. Selanjutnya penelitian
tersebut dikembangkan oleh Suryadi (2002)
dalam basis web dan multimedia melalui

penambahan grafik, audio dan video. Adnan
(2003) kembali melakukan penelitian dengan
topik ini dan masih menggunakan metode
forward
chaining
untuk
menghasilkan
kesimpulan akhir dengan basis desktop.
Penelitian kali ini akan merancang sebuah
sistem pakar yang mampu mendeteksi jenis
penyakit dengan gejala awal yang cenderung
sulit dibedakan dengan penyakit tanaman cabai
lainnya dalam lingkungan fuzzy atau tidak pasti.
Selain itu, sistem juga akan memberikan
informasi mengenai cara pencegahan dan
pengendalian yang tepat terhadap penyakit yang
menyerang tanaman cabai.
Tujuan Penelitian
Penelitian ini memiliki 2 tujuan utama,
yaitu:
1. Merumuskan fakta dan basis pengetahuan
diagnosis penyakit pada tanaman cabai.
2. Mengembangkan
dan
melakukan
implementasi Sistem Pakar Fuzzy untuk
Diagnosis Penyakit pada Tanaman Cabai.
Ruang Lingkup
Hingga kini telah ditemui berbagai jenis
tanaman cabai. Namun, yang paling banyak
dibudidayakan oleh para petani hanya beberapa
jenis saja, antara lain cabai rawit, cabai merah,
paprika, dan cabai hias. Penyakit dapat
menyerang tanaman cabai di setiap fase
pertumbuhannya, mulai dari biji, persemaian,
hingga tahap pertumbuhan vegetatif-generatif.
Penyebab penyakit pada tanaman cabai juga
bermacam-macam,
mulai
dari
bakteri,
cendawan, nematoda, dan virus (Duriat et al.
2007).
Penelitian ini akan merancang sistem pakar
untuk mendeteksi penyakit tanaman cabai
merah
yang
menyerang
pada
tahap
pertumbuhan vegetatif-generatif dan disebabkan
oleh cendawan.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini
adalah untuk mendeteksi penyakit pada
tanaman cabai sedini mungkin agar dapat segera
dilakukan proses pencegahan dan pengendalian
penyakit yang tepat untuk menghindari
terjadinya gagal panen.
TINJAUAN PUSTAKA
Sistem Pakar
Sistem pakar merupakan salah satu cabang
dari Artificial Intelegency yang membuat
penggunaan knowledge yang khusus secara luas

1

untuk penyelesaian masalah tingkat manusia
yang pakar (Arhami 2005). Sistem pakar
berbeda dengan program konvensional yang
hanya dapat dipahami oleh pembuat program.
Sistem pakar bersifat interaktif dan mampu
menjelaskan pertanyaan pengguna.
Pengguna menyampaikan fakta atau
informasi untuk sistem pakar kemudian
menerima saran dari pakar atau jawaban
ahlinya. Bagian dalam sistem pakar terdiri dari
2 komponen utama, yaitu knowledge base yang
berisi pengetahuan dan mesin inferensi yang
menggambarkan
kesimpulan.
Kesimpulan
tersebut merupakan tanggapan dari sistem pakar
atas permintaan pengguna.
Fasilitas Akuisisi Pengetahuan
Fasilitas akuisisi pengetahuan merupakan
alat untuk mendapatkan pengetahuan, fakta,
aturan dan model yang diperlukan oleh sistem
pakar dari berbagai sumber (Marimin 2009).
Pengetahuan tersebut didapat dari para pakar,
beberapa buku, jurnal, data dasar dan media lain
yang relevan dengan ruang lingkup sistem pakar
yang akan dikembangkan.
Pada Gambar 1 ditunjukkan proses akuisisi
pengetahuan yang terdiri atas tahap komunikasi
(mendapatkan pengetahuan dari ahli), formulasi
atau implementasi parsial (merancang mode
pengetahuan) dan validasi (keabsahan data
sistem dan interpretasi pengetahuan).

Basis pengetahuan terdiri atas basis
pengetahuan statik dan basis pengetahuan
dinamik. Basis pengetahuan statik atau
deklaratif memuat informasi tentang objek,
peristiwa atau situasi. Basis pengetahuan
dinamik atau prosedural menyatakan informasi
tentang cara pembangkitan fakta baru atau
hipotesis dari fakta yang sudah diketahui.
Mesin Inferensi
Mesin inferensi merupakan komponen
sistem pakar yang memanipulasi dan
mengarahkan
pengetahuan
dari
basis
pengetahuan, sehingga tercapai kesimpulan
(Marimin 2009). Tugas utama dari mesin
inferensi adalah menguji fakta dan kaidah serta
menambah fakta baru jika memungkinkan serta
memutuskan perintah sesuai dengan hasil
penalaran yang telah dilaksanakan.
Fasilitas Penjelasan
Fasilitas penjelasan merupakan bagian yang
menerangkan
penalaran,
aksi
ataupun
rekomendasi yang dilakukan oleh sistem pakar
(Marimin 2009). Seorang pakar sering
memberikan keterangan mengenai pandangan,
rekomendasi atau keputusan mereka. Penjelasan
di dalam sistem pakar biasanya berhubungan
dengan beberapa bentuk penelusuran aturan
(rule) yang dilakukan selama pemecahan
permasalahan berlangsung, baik berupa
diagnosis, perlakuan dan komplikasi.
Interaksi Manusia-Mesin (User Interface)
User interface merupakan mekanisme yang
digunakan oleh pengguna dan sistem pakar
untuk
berkomunikasi
(Arhami
2005).
Antarmuka menerima informasi dari pemakai
dan mengubahnya ke dalam bentuk yang dapat
diterima oleh sistem. Selain itu antarmuka
menerima
informasi
dari
sistem dan
menyajikannya ke dalam bentuk yang dapat di
mengerti oleh pengguna.
Sistem Fuzzy

Gambar 1 Tahapan akuisisi pengetahuan
(Marimin 2009).
Basis Pengetahuan
Basis pengetahuan merupakan bagian yang
memuat objek-objek pengetahuan
serta
hubungan yang dimiliki antar objek-objek
dalam sistem pakar (Marimin 2009). Basis
pengetahuan tersebut merupakan sumber
kecerdasan sistem dan hal ini dimanfaatkan oleh
mekanisme
inferensi
untuk
mengambil
keputusan.

Sistem fuzzy merupakan penduga numerik
yang terstruktur dan dinamik. Sistem ini
memunyai kemampuan untuk mengembangkan
sistem intelijen dalam lingkungan yang tidak
pasti, dan tidak tepat (Marimin 2009). Sistem
ini menduga suatu fungsi dengan logika fuzzy.
Dalam logika fuzzy terdapat beberapa proses,
yaitu menerima input untuk proses fuzzifikasi,
penerapan aturan if-then, proses inferensi fuzzy
dan defuzzifikasi untuk menghasilkan nilai
crisp (Sivarao et al. 2009b).

2

Fungsi Keanggotaan
Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukkan
pemetaan titik-titik masukan data ke dalam nilai
keanggotaannya (Kusumadewi 2002). Pada
sistem fuzzy, terdapat beberapa fungsi
keanggotaan yang dapat digunakan untuk
pemberian nilai keanggotaan pada suatu elemen
dalam himpunan fuzzy. Beberapa fungsi
keanggotaan yang umum digunakan adalah
kurva segitiga dan kurva Gaussian.
1. Kurva Segitiga
Representasi kurva segitiga merupakan
gabungan dari dua garis linear seperti
terlihat pada Gambar 2.

Fungsi keanggotaan untuk kurva Gaussian
adalah sebagai berikut:

[x] = e
Fuzzy Inference System (FIS)
Inferensi merupakan proses penarikan suatu
kesimpulan berdasarkan data dan aturan tertentu
(Siler & Buckley 2005). Fuzzy Inference System
memiliki 3 komponen penting, yaitu basis
pengetahuan (aturan fuzzy), database (fungsi
keanggotaan), dan mekanisme pengambilan
kesimpulan.
Metode Mamdani
Metode Mamdani merupakan metode yang
sering digunakan dalam pengembangan model
fuzzy. Model Mamdani mendefinisikan aturan
fuzzy sebagai:
IF x1 is A1 AND …AND xn is An THEN y is B
A1,…,An, dan B adalah nilai linguistik (fuzzy
set) dan x1 is A1 menyatakan bahwa nilai x1
adalah anggota fuzzy set A1 (Sivarao et al.
2009a).

Gambar 2 Kurva segitiga.
Fungsi keanggotaan untuk kurva segitiga
adalah sebagai berikut :
µ(x) =

0;
(x-a)/(b-a);
1;
(c-x)/(c-a);

x ≤ a atau x ≥ c
a≤ x≤b
x=b
b≤x≤c

Nilai a menyatakan batas bawah dari range
nilai, b menyatakan nilai puncak pada kurva
segitiga sekaligus titik tengah dari a dan c,
sedangkan c menyatakan nilai batas atas dari
range nilai. Variabel x menyatakan elemen
yang akan dicari nilai keanggotaannya.
2. Kurva Gaussian
Kurva Gaussian merupakan kurva bentuk
lonceng dengan dua parameter, yaitu a (nilai
rataan) dan b (standar deviasi). Representasi
kurva Gaussian dapat dilihat pada Gambar 3.
a

Untuk mendapatkan output diperlukan 4
tahapan, yaitu pembentukan himpunan fuzzy,
aplikasi fungsi implikasi (aturan), komposisi
aturan, dan penegasan (defuzzifikasi).
Defuzzifikasi Centroid
Defuzzifikasi merupakan suatu proses
pengubahan output fuzzy ke output yang bernilai
tunggal (crisp) (Marimin 2009). Metode
Centroid menghitung nilai tunggal dari variabel
output dengan menemukan nilai variabel dari
center of gravity suatu fungsi keanggotaan
untuk nilai fuzzy.
Rumus umum untuk metode defuzzifikasi
centroid adalah sebagai berikut :
atau

∑
∑

Untuk mendapatkan nilai defuzzifikasi (Z)
dibutuhkan nilai domain (z) dan derajat
keanggotaan ( ).
Tanaman Cabai

Gambar 3 Kurva Gaussian.

Tanaman cabai termasuk suku terungterungan (Solanaceae), berbentuk perdu, dan
tergolong tanaman semusim (Tjahjadi 1991).
Tinggi tanaman antara 50 sampai 120 cm.
Tanaman ini mempunyai banyak cabang, dan
dari setiap cabang akan tumbuh bunga atau

3

buah. Semakin banyak cabang yang terbentuk
berarti akan semakin banyak buahnya.
Fase Pertumbuhan Tanaman Cabai
Menurut Duriat et al. (2007) tanaman cabai
memiliki 3 fase pertumbuhan, antara lain:
1. Fase Bibit.
Fase bibit merupakan fase saat tanaman
cabai masih dalam bentuk bibit atau benih.
2. Fase Persemaian.
Pada fase ini benih cabai mulai disemaikan
di kantung plastik atau di tempat persemaian
(seed bed).
3. Fase Pertumbuhan Vegetatif-Generatif.
Petumbuhan
vegetatif
merupakan
perkembangan bagian vegetatif tanaman,
antara lain akar, batang dan daun.
Pertumbuhan
generatif
merupakan
perkembangan bagian generatif tanaman,
seperti bunga, buah dan biji. Tanaman cabai
mengalami fase vegetatif dan generatif yang
hampir bersamaan.
Patogen
Kata patogen berarti sesuatu yang
menyebabkan tanaman menderita (Duriat et al.
2007). Oleh karena itu, patogen atau penyebab
tersebut tidak selalu berupa makhluk hidup
(animate pathogen), tetapi juga sesuatu yang
tidak hidup (inanimate pathogen) seperti virus,
hara, air atau penyebab lainnya. Patogen
penyebab penyakit dibagi dalam 3 kelompok,
antara lain:
1. Patogen yang hidup
Patogen ini merupakan makhluk hidup,
dapat berpindah, menular dan berkembang
biak. Bakteri, cendawan dan nematoda
termasuk pada kelompok patogen yang
hidup.

Penyakit Tanaman Cabai
Tanaman cabai dapat terserang penyakit di
setiap fase pertumbuhannya, mulai dari bibit,
persemaian, sampai fase pertumbuhan vegetatifgeneratif cabai (Duriat et al. 2007). Penyakit
yang menyerang tanaman cabai pada masa
pertumbuhan vegetatif-generatif dan disebabkan
oleh cendawan, antara lain:
1. Antraknosa
Penyakit ini disebabkan oleh cendawan
Colletotrichum spp. yang dapat menyerang
hampir seluruh bagian tanaman cabai.
Gejalanya adalah bagian yang terserang
menjadi busuk kering dan berwarna cokelat
kehitaman.
2. Bercak Daun Serkospora
Penyakit yang disebabkan oleh cendawan
Cercospora capsici dengan gejala timbulnya
bercak pada daun. Infeksi lebih lanjut
penyakit ini dapat menyebabkan daun
tanaman menguning sebelum waktunya.
3. Busuk Daun Fitoftora
Penyakit disebabkan oleh cendawan
Phytophthora capsici yang mengakibatkan
daun tanaman cabai menjadi layu serentak
disertai bercak. Batang menjadi busuk basah
berwarna hijau dan menjadi cokelat ketika
kering.
4. Layu Fusarium
Penyakit disebabkan oleh cendawan
Fusarium
oxysporum
yang
juga
mengakibatkan daun tanaman cabai menjadi
layu dan berwarna kuning.
5. Busuk Daun Choanephora
Penyakit ini disebabkan oleh cendawan
Choanephora
cucurbitarum
yang
mengakibatkan daun menjadi busuk dan
berwarna cokelat kehitaman.

2. Patogen virus
Kelompok virus terletak antara patogen yang
hidup dan patogen yang mati. Di luar
jaringan tanaman, virus hanya benda protein
yang mati, tetapi saat masuk ke dalam
jaringan tanaman, virus menjadi aktif,
memperbanyak diri dan dapat menular.

6. Bercak Kelabu Stemfilium
Penyakit yang disebabkan oleh cendawan
Stemphylium solani dengan gejala timbulnya
bercak pada daun. Bercak akan menyebar ke
bagian tanaman lainnya, seperti pada batang
yang ditandai dengan bercak berbentuk elips
tidak beraturan.

3. Patogen yang mati
Panyakit-penyakit fisiologi yang disebabkan
oleh kahat atau kelebihan hara, sinar,
kelembaban, pupuk atau kondisi lingkungan
lainnya termasuk ke dalam kelompok ini.
Patogen dari kelompok ini tidak bisa
menyebar atau berpindah pada tanaman lain.

7. Embun Tepung
Penyakit ini disebabkan oleh cendawan
Leveillula taurica dengan gejala timbulnya
bercak di atas dan di bawah permukaan
daun. Penyakit akan menjalar dari daun tua
ke daun muda dan seluruh daun menjadi
gejala yang mencolok.

4

METODE PENEL
ELITIAN
Metode yang digunakan
an untuk merancang
sistem pakar diagnosis penya
yakit tanaman cabai
terdiri dari beberapa tahap ya
yang secara lengkap
disajikan pada Gambar 4.

jenis penyakit yang terdapat
at pada tanaman cabai
agar dapat segera dilakukan
an proses pencegahan
dan pengendalian terhadap
ap penyakit tersebut
secara cepat dan tepat.
Sumber pengetahuan ddiperoleh langsung
dari pakar yang berasall dari Departemen
Agronomi dan Hortikult
ultura (AGH) dan
Institut
Departemen
Proteksi
Tanaman
T
Pertanian Bogor. Selain dari
ri pakar, pengetahuan
juga berasal dari bebera
rapa pustaka yang
mendukung penelitian.
Akuisisi Pengetahuan
Fasilitas akuisisi penge
getahuan merupakan
alat untuk mendapatkan peng
ngetahuan, fakta, dan
aturan yang dibutuhkan ooleh sistem pakar.
Pengetahuan tersebut diperoleh
d
dengan
wawancara langsung kepad
ada pakar dan dari
beberapa pustaka yang men
endukung penelitian
tentang jenis-jenis penya
yakit yang dapat
menyerang tanaman cabai,
i, mulai dari faktor
pembawa, gejala yang dditimbulkan, serta
metode pencegahan dan peng
ngendaliannya.
Berdasarkan proses ak
akuisisi yang telah
dilakukan didapat 7 jenis
is penyakit tanaman
cabai yang akan dideteksi ol
oleh sistem pakar ini.
Penyakit tersebut kemudiann dikelompokkan ke
dalam 2 kelompok berdas
asarkan gejala yang
dimiliki oleh tiap penyakit . Kelompok 1 adalah
kelompok penyakit yangg memiliki gejala
terdapat bercak pada daun, an
antara lain :
1.
2.
3.
4.

tukan sistem pakar
Gambar 4 Tahap pembentu
(Marimin 2009)
9).
Identifikasi Masalah dan
n Mencari Sumber
Pengetahuan
rmasalahan meliputi
Tahap indentifikasi perm
tahap pemilihan masalah, iidentifikasi tujuan,
dan sumber pengetahuan.
Masalah yang sering di
dialami oleh petani
cabai adalah rawannya tanam
aman cabai terjangkit
berbagai
jenis
penyaki
kit
yang
dapat
menyebabkan rendahnya jum
umlah produksi yang
dihasilkan. Banyaknya jen
enis penyakit yang
dapat menyerang tanaman ccabai dan memiliki
kemiripan dalam gejala yang
ng ditimbulkan, serta
sulitnya proses deteksi dapa
pat berdampak pada
kegagalan panen jika tidak ssegera dicegah dan
ditanggulangi sedini mungkin
kin. Untuk itu, dibuat
sebuah sistem pakar yangg dapat mendeteksi

Bercak Daun Serkospora
Busuk Daun Fitoftora
Bercak Kelabu Stemfilium
ium
Embun Tepung

Kelompok 2 adalah kelomp
mpok penyakit yang
memiliki gejala tidak terd
rdapat bercak pada
daun, antara lain :
1. Antraknosa
2. Layu Fusarium
3. Busuk Daun Choanephora
ora
Setiap kelompok memili
liki parameter input,
sistem inferensi fuzzy, serta rule
r
masing-masing
dan terpisah satu sama lain
ain. Proses diagnosis
penyakit tanaman cabai ddapat dilihat pada
Gambar 5.

5

Tabel 2 Deskripsi parameter
ter input fuzzy
kelompok 2
No
1
2
3
4

Parameter
Warna daun
Warna batang
Kadar pH
Kelembaban

Satuan
Warna
Warna
Persen (%)

Jaringan inferensi tersebu
but dibentuk untuk
menghasilkan suatu hasil
il berupa diagnosis
penyakit sementara. Se
Selanjutnya proses
diteruskan dengan mengisik
sikan data parameter
input non-fuzzy yang berka
rkaitan dengan hasil
diagnosis sementara.
Parameter input non-fuzzy
zzy untuk kelompok 1
dideskripsikan dalam Tabel
el 3, sedangkan untuk
kelompok 2 dideskripsikan dalam
d
Tabel 4.
Tabel 3 Deskripsi parameter
ter input non-fuzzy
kelompok 1
No
1
2
3
4
5

Parameter
Lokasi tanaman
Daun tampak layu
Posisi bercak daun
Bercak pada batang
Kebusukan batang

Tabel 4 Deskripsi parameter
ter input non-fuzzy
kelompok 2

Gambar 5 Proses diagnosis
is penyakit tanaman
cabai.
Proses paling awal adala
lah mengidentifikasi
keberadaan bercak pada da
daun. Jika terdapat
bercak maka akan masuk ke jaringan inferensi
kelompok 1 dan jika tidak ter
terdapat bercak maka
akan masuk ke jaringan infere
erensi kelompok 2.
Jaringan inferensi kelomppok 1 dibentuk dari
5 parameter input fuzzy yang
ya
dideskripsikan
dalam Tabel 1.
Tabel 1 Deskripsi parameter
er input fuzzy
kelompok 1
No Parameter
Satuan
1
Warna daun
Warna
2
Warna / pola bercak Warna
3
Diameter bercak
Milimeter (mm)
4
Jumlah bercak
Bercak
5
Warna batang
Warna
Untuk jaringan inferensi kel
elompok 2 dibentuk
dari 4 parameter input fuzzy yang
y
dideskripsikan
dalam Tabel 2.

No
1
2
3
4
5

Parameter
Terjadi mati pucuk
Daun tampak layu
Benjolan pada batang
ng
Kebusukan batang
Terdapat cincin coke
kelat kehitaman di
pangkal batang

Setelah data parameter input
inp non-fuzzy terisi,
data tersebut akan diprosess untuk
u
menghasilkan
diagnosis penyakit akhir.
Representasi Pengetahuan
Setelah memperoleh pengetahuan dari
berbagai sumber, selanjutn
utnya dipilih teknik
representasi
yang
di
digunakan
untuk
mengembangkan sistem pak
akar. Pengembangan
sistem pakar ini menggunak
akan kaidah produksi
untuk menyajikan represe
sentasi pengetahuan
prosedural. Bentuk kaida
dah produksi yang
digunakan adalah bentukk if – then. “If”
merupakan premis yang m
menunjukkan suatu
kondisi yang akan dinilai dan
an “then” merupakan
konklusi yang menunjukkan
kan aksi yang dapat
diambil apabila kondisii terpenuhi. Untuk
menghubungkan antar pre
remis menggunakan
operator “and”. Aturan fuzzy
zy ini bekerja seperti
kecerdasan manusia dalam m
memutuskan pilihan

6

yang optimal untuk mengatasi suatu masalah
tertentu (Askerzade & Mahmood 2010).

jaringan inferensi yang terpisah berdasarkan
kelompok jenis penyakit yang akan dideteksi.

Jumlah total rule parameter fuzzy untuk
kelompok penyakit dengan gejala terdapat
bercak pada daun adalah 486 rule. Untuk
kelompok penyakit dengan gejala tidak terdapat
bercak pada daun memiliki 108 rule. Salah satu
contoh rule yang berlaku dalam sistem inferensi
kelompok 1 adalah sebagai berikut :

Jaringan inferensi pertama adalah jaringan
yang dibangun untuk menghasilkan output jenis
penyakit dari kelompok 1, yaitu penyakit yang
memiliki gejala terdapat bercak pada daun.
Proses fuzzifikasi sistem inferensi kelompok 1
melibatkan 5 parameter input fuzzy yang
memiliki himpunan fuzzy dan domain masingmasing. Parameter input tersebut antara lain :

IF (Warna Daun = Hijau) AND (Warna Bercak
= Kekuningan) AND (Diameter Bercak = Kecil)
AND (Jumlah Bercak = Sedikit) AND (Warna
Batang = Hijau) THEN (Penyakit = Sangat
Mendukung Embun Tepung).
Salah satu contoh rule yang berlaku dalam
sistem inferensi kelompok 2 adalah sebagai
berikut :

1. Warna Daun
Fuzzifikasi warna daun memiliki 3
himpunan fuzzy, yaitu hijau, hijau pucat, dan
hijau kekuningan yang direpresentasikan
menggunakan kurva Gaussian seperti
ditunjukkan pada Gambar 6.

IF (Warna Daun = Hijau) AND (Warna Batang
= Hijau) AND (Kadar pH = Rendah) AND
(Kelembaban = Rendah) THEN (Penyakit =
Mendukung Layu Fusarium).
Rule lengkap untuk tiap sistem inferensi dapat
dilihat di Lampiran 1.
Pengembangan Mesin Inferensi
Penyusunan mesin inferensi dimulai dengan
perumusan proses penalaran dan kemungkinan
modifikasinya.
Setelah
itu
dilakukan
pemeriksaan kebenaran dari aturan-aturan,
parameter-parameter,
peubah-peubah
dan
proses penalaran yang diterapkan. Metode
inferensi yang digunakan adalah metode Fuzzy
Inference System (FIS) Mamdani untuk data
masukan fuzzy.
Tahap Implementasi dan Pengujian
Sistem ini dikembangkan menggunakan
Matlab versi 6.5.1 yang menyediakan fasilitas
fuzzy untuk proses Fuzzy Inference System dan
GUI sebagai user interface. Tahap pengujian
dilakukan dengan uji coba program kepada ahli
atau praktisi. Pada tahap ini dilakukan evaluasi
terhadap berbagai kriteria yang berkaitan
dengan aplikasi, seperti kelengkapan, ketepatan
dan konsistensi pengetahuan, kemudahan
mengakses dan melakukan komunikasi.

Gambar 6 Fuzzifikasi warna daun.
Fungsi keanggotaan setiap himpunan fuzzy
parameter warna daun adalah sebagai
berikut:
.

µ hijau (x)

=

.

µ hijau_pucat (x)

=

.

µ hijau_kekuningan (x) =

.

.
.

2. Warna atau Pola Bercak
Fuzzifikasi warna atau pola bercak memiliki
6 himpunan fuzzy, yaitu kekuningan, putih,
putih pinggiran hitam, keabuan, abu-abu
pinggiran cokelat dan cokelat yang
direpresentasikan
menggunakan
kurva
Gaussian seperti ditunjukkan pada Gambar
7.

HASIL DAN PEMBAHASAN
Desain Sistem
Sistem Pakar Diagnosis Penyakit Pada
Tanaman Cabai Merah dikembangkan dalam
basis sistem fuzzy yang menggunakan Fuzzy
Inference System (FIS) sebagai proses untuk
pengambilan keputusan. Sistem ini memiliki 2

Gambar 7 Fuzzifikasi warna atau pola
bercak.

7

Fungsi keanggotaan setiap himpunan fuzzy
parameter warna atau pola bercak adalah
sebagai berikut:
.

µ kekuningan (x)

=

.

µ putih (x)

=

.
. !

µ putih_hitam (x)

=

.!
. !

µ keabuan (x)

=

. "
. !

µ keabuan_cokelat (x) =

.
. !

Gambar 9 Fuzzifikasi jumlah bercak.

.#

µ cokelat (x)

=

.

3. Diameter Bercak
Fuzzifikasi diameter bercak memiliki 3
himpunan fuzzy, yaitu kecil, sedang dan
besar yang direpresentasikan menggunakan
kurva segitiga seperti ditunjukkan pada
Gambar 8.

Fungsi keanggotaan setiap himpunan fuzzy
parameter jumlah bercak adalah sebagai
berikut:
kecil (x)

sedang (x)

besar (x)

Gambar 8 Fuzzifikasi diameter bercak.
Fungsi keanggotaan setiap himpunan fuzzy
parameter diameter bercak adalah sebagai
berikut:
0;
kecil (x) =

(3.5-x)/(3.5-2);

1;
sedang (x)

=

0;
(x-3)/(4-3);
1;
(5-x)/(5-4);
0;

besar (x)

=

(x-4.5)/(6-4.5);

1;

=

=

=

0;
(4-x)/(4-1);
1;

x≥4
1≤ x≤4
x=1

0;
(x-3)/(5-3);
1;
(7-x)/(7-5);

x ≤ 3 atau x ≥ 7
3≤ x≤5
x=5
5≤ x≤7

0;
(x-6)/(10-6);
1;

x≤6
6 ≤ x ≤ 10
x = 10

5. Warna Batang
Fuzzifikasi warna batang memiliki 3
himpunan fuzzy, yaitu hijau, cokelat dan
cokelat kehitaman yang direpresentasikan
menggunakan kurva Gaussian seperti
ditunjukkan pada Gambar 10.

x ≥ 3.5
2 ≤ x ≤ 3.5
x=2

x ≤ 3 atau x ≥ 5
3≤ x≤4
x=4
4≤ x≤5
x ≤ 4.5
4.5 ≤ x ≤ 6

x=6

4. Jumlah Bercak
Fuzzifikasi jumlah bercak memiliki 3
himpunan fuzzy, yaitu sedikit, sedang dan
banyak
yang
direpresentasikan
menggunakan kurva segitiga seperti
ditunjukkan pada Gambar 9.

Gambar 10 Fuzzifikasi warna batang.
Fungsi keanggotaan setiap himpunan fuzzy
parameter warna batang adalah sebagai
berikut:
.

µ hijau (x)

=

µ cokelat (x)

=

µ cokelat_hitam (x)

=

.
.
.
."
.

Lima parameter input fuzzy tersebut membentuk
486 rules pembangkit untuk menghasilkan
output jenis penyakit yang direpresentasikan
dengan kurva Gaussian. Setiap penyakit

8

memiliki 2 himpunan fuzzy, yaitu mendukung
dan sangat mendukung seperti ditunjukkan
dalam Gambar 11.

Gambar 11 Kategori output kelompok 1.
Fungsi keanggotaan untuk setiap himpunan
fuzzy pada output jenis penyakit adalah sebagai
berikut:
µ M-BDS (x)

=

Fungsi keanggotaan setiap himpunan fuzzy
parameter warna daun adalah sebagai
berikut:
.

µ hijau (x)

=

.

µ hijau_kekuningan (x)

=

.

µ cokelat (x)

=

.

µ cokelat_kehitaman (x)

=

.

.
.
."

2. Warna Batang
Fuzzifikasi warna batang memiliki 3
himpunan fuzzy, yaitu hijau, cokelat dan
cokelat kehitaman yang direpresentasikan
menggunakan kurva Gaussian seperti
ditunjukkan pada Gambar 13.

.
.

µ SM-BDS (x) =

.

µ M-ET (x)

=

.

µ SM-ET (x)

=

.

µ M-BDF (x)

=

.

µ SM-BDF (x) =

.

µ M-BKS (x)

.

.
.!
.
.
.#

=

µ SM-BKS (x) =

.

Jaringan inferensi kedua adalah jaringan
yang dibangun untuk menghasilkan output jenis
penyakit dari kelompok 2, yaitu penyakit yang
memiliki gejala tidak terdapat bercak pada daun
seperti yang ditunjukkan dalam Gambar 15.
Proses fuzzifikasi sistem inferensi kelompok 2
melibatkan 4 parameter input fuzzy yang
memiliki himpunan fuzzy dan domain masingmasing. Parameter input tersebut antara lain :
1. Warna Daun
Fuzzifikasi warna daun memiliki 4
himpunan fuzzy, yaitu hijau, hijau
kekuningan, cokelat dan cokelat kehitaman
yang direpresentasikan menggunakan kurva
Gaussian seperti ditunjukkan pada Gambar
12.

Gambar 13 Fuzzifikasi warna batang.
Fungsi keanggotaan setiap himpunan fuzzy
parameter warna batang adalah sebagai
berikut:
.

µ hijau (x)

=

µ cokelat (x)

=

µ cokelat_hitam (x)

=

.
.
.
."
.

3. Kadar pH
Fuzzifikasi kadar pH memiliki 3 himpunan
fuzzy, yaitu rendah, sedang dan tinggi yang
direpresentasikan
menggunakan
kurva
segitiga seperti ditunjukkan pada Gambar
14.

Gambar 14 Fuzzifikasi kadar pH.
Gambar 12 Fuzzifikasi warna daun.

Fungsi keanggotaan setiap himpunan fuzzy
parameter ukuran bercak adalah sebagai
berikut:

9

rendah (x)

=

sedang (x)

=

tinggi (x)

=

0;
(6-x)/(6-2);
1;

x≥6
2≤ x≤6
x=2

0;
(x-5)/(7-5);
1;
(9-x)/(9-7);

x ≤ 5 atau x ≥ 9
5≤ x≤7
x=7
7≤ x≤9

0;
(x-8)/(14-8);
1;

x≤8
8 ≤ x ≤ 14
x = 14

4. Kelembaban
Fuzzifikasi
kelembaban
memiliki
3
himpunan fuzzy, yaitu rendah, sedang dan
tinggi yang direpresentasikan menggunakan
kurva segitiga seperti ditunjukkan pada
Gambar 15.

Gambar 15 Fuzzifikasi kelembaban.
Fungsi keanggotaan setiap himpunan fuzzy
parameter kelembaban adalah sebagai
berikut:
rendah (x)

=

sedang (x)

=

tinggi (x)

=

0;
(70-x)/(70-10);
1;

x ≥ 70
10 ≤ x ≤ 70
x = 10

0;
x ≤ 65 atau x ≥ 85
(x-65)/(75-65); 65 ≤ x ≤ 75
1;
x = 75
(85-x)/(85-75); 75 ≤ x ≤ 85
0;
x ≤ 80
(x-80)/(100-80); 80 ≤ x ≤ 100
1;
x = 100

Empat parameter input fuzzy tersebut
membentuk 108 rules pembangkit untuk
menghasilkan output jenis penyakit yang
direpresentasikan dengan kurva Gaussian.
Setiap penyakit memiliki 2 himpunan fuzzy,
yaitu mendukung dan sangat mendukung seperti
ditunjukkan dalam Gambar 16.

Gambar 16 Kategori output kelompok 2.
Fungsi keanggotaan untuk setiap himpunan
fuzzy pada output jenis penyakit adalah sebagai
berikut:
µ M-ANT (x)

=

µ SM-ANT (x)

=

µ M-BDC (x)

=

µ SM-BDC (x)

=

µ M-LF (x)

=

µ SM-LF (x)

=

.
.
.
.!
.
.
.
."
.
.#
.

Selain dari data perameter input, untuk
memperoleh suatu keputusan dalam Fuzzy
Inference System dibutuhkan adanya suatu
aturan (rule) tertentu. Aturan (rule) yang
diterapkan dalam Sistem Pakar Fuzzy untuk
Diagnosis Penyakit pada Tanaman Cabai Merah
direpresentasikan dalam bentuk kaidah produksi
if – then dan menghubungkan antar premisnya
dengan operator “and”.
Pada metode Mamdani, proses output
merupakan proses berikutnya setelah proses
penarikan kesimpulan. Proses output ini
ditandai
dengan
dilakukannya
tahap
defuzzifikasi untuk menghasilkan satu nilai
crisp dari beberapa output fuzzy hasil evaluasi
aturan pada basis pengetahuan. Metode
defuzzifikasi yang digunakan pada penelitian
ini adalah metode centroid (composite moment).
Pada metode centroid, nilai crisp yang
dihasilkan merupakan nilai pusat daerah fuzzy.
Hasil defuzzifikasi dari tiap sistem inferensi
merupakan hasil diagnosis penyakit sementara
yang selanjutnya akan diproses menggunakan
data parameter input non-fuzzy untuk
menghasilkan diagnosis akhir. Parameter input
non-fuzzy yang diberikan hanya parameter yang
berhubungan dengan penyakit sementara seperti
yang ditunjukkan dalam Decision Tree di
Lampiran 2.
Misalkan output sementara yang dihasilkan
adalah Sangat Mendukung Antraknosa.

10

Parameter non-fuzzy yang akan ditampilkan
untuk diisi oleh pengguna adalah terjadi mati
pucuk, benjolan pada batang dan kondisi
batang. Salah satu rule yang berlaku adalah
sebagai berikut :

Setelah data terisi, selanjutnya data tersebut
akan diolah melalui proses inferensi untuk
menghasilkan suatu diagnosis sementara.
Gambar hasil diagnosis sementara dapat dilihat
di Lampiran 7.

IF (terjadi mati pucuk = Ya) AND (benjolan
pada batang = Ya) AND (kondisi batang =
busuk kering) THEN (penyakit = sangat
mendukung antraknosa).

Untuk mendapatkan hasil diagnosis akhir,
proses harus dilanjutkan dengan menekan
tombol Deteksi Lebih Lanjut. Pada tahap ini
akan ditampilkan beberapa parameter non-fuzzy
yang berkaitan dengan hasil diagnosis
sementara sebelumnya. Pengguna kembali
mengisi data tersebut untuk diproses seperti
ditunjukkan dalam Gambar 18.

Rule lengkap yang berlaku di setiap penyakit
dapat dilihat di Lampiran 3.
Implementasi Dan Pengujian
Sistem ini dikembangkan menggunakan
Matlab versi 6.5.1 yang menyediakan fasilitas
fuzzy untuk proses Fuzzy Inference System dan
GUI sebagai user interface. Tampilan awal dari
sistem ini dapat dilihat di Lampiran 4. Pada
tampilan ini pengguna disediakan 3 menu
utama, yaitu menu Deteksi, Tentang Program
dan Keluar. Untuk memulai proses deteksi
pengguna harus memilih menu Deteksi.
Tahap paling awal yang dilakukan dalam
proses deteksi adalah mendeteksi adanya bercak
pada daun atau tidak seperti ditunjukkan dalam
Gambar 17.

Gambar 18 Proses deteksi lebih lanjut.
Setelah data tersebut terisi, selanjutnya akan
diproses untuk menghasilkan diagnosis akhir
berupa jenis penyakit, jenis cendawan, dan
metode pencegahan dan pengendalian terhadap
penyakit tersebut. Tampilan diagnosis akhir
dapat dilihat di Lampiran 8.
Hasil diagnosis akhir tersebut dapat
disimpan dalam format teks untuk memberikan
kemudahan bagi pengguna dalam menyimpan
hasil diagnosis.

Gambar 17 Proses deteksi awal.
Jika terdapat bercak pada daun, maka akan
ditampilkan
parameter-parameter
fuzzy
kelompok penyakit dengan gejala terdapat
bercak pada daun sebagai data input dalam
sistem inferensi seperti dilampirkan pada
Lampiran 5. Namun, jika tidak terdapat bercak
pada daun, maka akan ditampilkan parameter
fuzzy dalam sistem inferensi kelompok penyakit
dengan gejala tidak terdapat bercak pada daun
yang dapat dilihat pada Lampiran 6.

Tahap pengujian dilakukan dengan uji coba
program kepada ahli atau praktisi dengan
menilai kelengkapan, ketepatan dan konsistensi
pengetahuan, kemudahan mengakses dan
melakukan komunikasi.
Untuk kelengkapan, sistem ini dinilai masih
belum memperhitungkan semua parameter yang
dianggap perlu untuk dijadikan input dalam
sistem ini. Masih ada beberapa parameter yang
berkaitan dengan keadaan lingkungan tempat
tanaman
cabai
tumbuh
yang
belum
diperhitungkan untuk proses deteksi.
Untuk mengukur ketepatan dan konsistensi
pengetahuan, sistem diuji berdasarkan skenario

11

uji yang sudah dibuat sebelumnya dengan
melakukan berbagai kombinasi parameter input.
Berdasarkan pengujian didapat beberapa
kombinasi yang dinilai sudah mengeluarkan
hasil yang benar dan ada kombinasi yang dinilai
masih mengeluarkan hasil yang kurang tepat.
Sistem ini juga dinilai sudah memiliki
antarmuka yang cukup sederhana dan dapat
memberikan kemudahan bagi pengguna untuk
mengakses dan berkomunikasi dengan sistem.
Hasil pengujian yang telah dilakukan dapat
dilihat di Lampiran 9.
Kelebihan sistem ini dibandingkan dengan
sistem yang telah dikembangkan oleh Faihah
(1999), Suryadi (2002) dan Adnan (2003)
adalah sistem ini telah mampu mendeteksi jenis
penyakit dengan parameter masukan yang
bersifat fuzzy atau tidak pasti. Penelitian
sebelumnya
belum
ada
yang
mengembangkannya dalam lingkungan fuzzy.
Selain itu, sistem ini juga lebih fokus untuk
mendeteksi jenis penyakit yang disebabkan oleh
cendawan yang merupakan jenis patogen yang
paling sering menyerang tanaman cabai dan
cenderung sulit untuk dideteksi karena memiliki
kemiripan dalam gejala yang ditimbulkan.
Gejala yang dideteksi oleh sistem merupakan
gejala yang timbul di awal serangan penyakit,
sehingga sistem dapat mendeteksi jenis
penyakit yang menyerang tanaman cabai lebih
dini.
Operasionalisasi Sistem
Untuk dapat menggunakan sistem ini,
pengguna harus memiliki program Matlab
minimal versi 6.5.1. Selain itu, sistem ini
dikembangkan dalam sistem operasi Windows
XP Professional menggunakan perangkat keras
processor Intel Pentium Dual Core 1.60GHz,
RAM 1 GB, dan harddisk kapasitas 120 GB.
Pengguna bisa menggunakan sistem operasi dan
perangkat keras yang sama atau menggunakan
yang lebih baru dari yang digunakan peneliti
untuk menggunakan sistem ini.
Kompleksitas Sistem
Proses inferensi yang terjadi dalam sistem
sangat memengaruhi kompleksitas sistem
tersebut. Sistem ini memiliki 7 variabel fuzzy
yang memiliki kompleksitas 3C1 + 4C2 = C. C
merupakan konstanta dengan C1 adalah proses
yang terjadi di fungsi keanggotaan Gaussian
dengan 3 variabel input dan C2 adalah proses
yang terjadi di fungsi keanggotaan segitiga
dengan 4 variabel input.
Setelah itu dilakukan proses evaluasi aturan
(rule) sebanyak jumlah aturan yang ada dalam

sistem. Jika sistem memiliki jumlah aturan
sebanyak m, maka proses evaluasi dilakukan
sebanyak m kali.
Selanjutnya terjadi proses agregrasi output
setiap aturan. Proses ini juga memiliki
kompleksitas sebesar m sesuai dengan
banyaknya aturan (rule). Akhir dari proses
inferensi adalah proses defuzzifikasi yang
memiliki kompleksitas n, dengan n adalah
banyaknya titik yang digunakan pada himpunan
fuzzy output.
Proses terakhir pada sistem ini adalah
mengolah variabel non-fuzzy yang dilakukan
sebanyak jumlah aturan yang ada. Jika terdapat
sejumlah o aturan, maka evaluasi dilakukan
sebanyak o untuk mendapatkan output akhir.
Sehingga kompleksitas keseluruhan adalah
O(2m + n + o).
Keterbatasan Sistem
Sistem Diagnosis Penyakit Pada Tanaman
Cabai Merah ini hanya dapat mendeteksi jenis
penyakit yang disebabkan oleh cendawan.
Masih ada jenis patogen lain yang bisa
membawa penyakit pada tanaman cabai dan
tidak kalah merugikan dari penyakit yang
disebabkan oleh cendawan.
Pada proses pendeteksian, sistem ini belum
memperhitungkan parameter-parameter lain
yang bisa dijadikan sebagai masukan sistem
inferensi, seperti sinar matahari, curah hujan,
suhu udara, angin dan penguapan.
Sistem ini juga hanya mendiagnosis gejala
klinis berupa gejala yang ditimbulkan pada awal
serangan dan belum sampai pada tahap
pemeriksaan di laboratorium. Selain itu, sistem
masih berbasis desktop sehingga jangkauan
pengguna sistem ini masih belum luas.
KESIMPULAN DAN SARAN
Kesimpulan
Penyakit tanaman cabai yang disebabkan
oleh cendawan hampir semuanya menyerang
pada bagian daun pada awal serangan dan
memiliki dampak yang cukup berbahaya
apabila tidak segera ditangani sedini mungkin.
Tiap jenis penyakit juga memiliki metode
pencegahan