Firmansyah Arif Maulana1 , Nurul Hidayat2

  Vol. 3, No. 1, Januari 2019, hlm. 7807-7813 http://j-ptiik.ub.ac.id

  

Diagnosis Penyakit Pada Bawang Merah Dengan Menggunakan

Metode Fuzzy Tsukamoto (Studi Kasus : UPTD. Pembibitan Ternak

dan Hijauan Makanan Ternak Kec. Singosari Malang)

_{1 2 3} Firmansyah Arif Maulana , Nurul Hidayat , Satrio Hadi Wijoyo

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: firmanfilkom@gmail.com, ntayadih@ub.ac.id, satrihadi@ub.ac.id

  

Abstrak

  Bawang merah termasuk salah satu jenis tanaman holtikultura. Tanaman bawang merah banyak mengandung zat-zat yang berfungsi sebagai antibiotik, merangsang pertumbuhan sel tubuh, untuk menekan aktifitas bakteri, dan juga mengandung vitamin B1. Ada banyak hal yang dapat mempengaruhi baik buruknya hasil panen para petani, salah satunya adalah serangan hama pada tanamannya. Pada praktik lapangan banyak para petani yang tidak tahu bagaimana caranya merawat dan mendeteksi serangan hama pada tanamannya. Berdasarkan kasus yang terjadi, maka sistem yang dibangun pada penelitian ini adalah “Diagnosis Penyakit Pada Bawang Merah Dengan Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : UPTD. Pembibitan Ternak Dan Hijauan Makanan Ternak Kec. Singosari Malang)

  ”. Metode yang digunakan dalam diagnosis penyakit pada tanaman bawang merah ini menggunakan metode Fuzzy Tsukamoto. Hasil dari diagnosis pada sistem ini adalah sebuah penyakit bawang merah. Pengujian sistem ini menggunakan data penyakit dari BPTP Malang, Jawa Timur. Dari hasil ujicoba yang telah dilakukan untuk mendiagnosis penyakit pada bawang merah menghasilkan tingkat akurasi sebesar 80%.

  Kata kunci: bawang merah, diagnosis, Fuzzy Tsukamoto

Abstract

The onion is one of horticultural plant. The onions plant contain abundant substances that act as an

antibiotic, stimulate the body cell growth, repress bacteria activity, and also contain vitamin B1. Some

factors could affect farmer’s harvest result, one of them is pest attack. In fact, many farmers don’t

know how to treat and detect the pest attack on their plan ts. Based on that case, the system “Onion

Disease Diagnose Using Fuzzy Tsukamoto Method (Case Study: UPTD. Cattle Breeding and Green

  

Animal Feed Kec. Singosari Malang)” was built in this research. Fuzzy Tsukamoto method was used

to diagnose the disease of onion plant. The result of diagnosis in this system was an onion disease.

This system testing used the disease data from BPTP Malang, East Java. The onion disease diagnose

experiment result showed 80 % accuracy.

  Keywords: onion, diagnose, Fuzzy Tsukamoto

  223.22 ribu ton dari tahun 2013 atau sekitar 1. 22.08% (BPS,2015). Adanya perbedaan

   PENDAHULUAN

  produksi bawang merah di Jawa dan di luar Bawang merah termasuk salah satu jenis pulau Jawa. Menurut data BPS tentang produksi

  holtikultura . Bawang merah merupakan jenis

  bawang merah di seluruh dareah Jawa dalam tanaman yang dapat dijadikan bumbu di periode 2012

• – 2014 selalu meningkat tiap berbagai masakan. Bawang merah memiliki tahunnya, berbeda dengan daerah luar pulau beberapa manfaat antara lain untuk menekan

  Jawa pada tahun 2012 panen bawang di daerah aktifitas bakteri, merangsang pertumbuhan sel luar Jawa mencapai 230.56 ribu ton, pada tahun tubuh, sebagai antibiotic dan mengandung 2013 produksi bawang merah menurun ke vitamin B1. Menurut data yang diperoleh dari angka 221.25 ribu ton, akan tetapi pada tahun

  BPS (Badan Pusat Statistik) produksi bawang 2014 produksi bawang merah di daerah luar merah pada tahun 2014 meningkat sebanyak

  Fakultas Ilmu Komputer Universitas Brawijaya

7807 pulau Jawa kembali meningkat menjadi dapat membantu para petani dalam 277,34ribu ton (BPS, 2015). mendiagnosis jenis penyakit yang menyerang

  Adapun hal-hal yang menyebabkan pada tanaman bawang merah berdasarkan turunnya produksi bawang merah bahkan gejala-gejala yang terjadi secara akurat. sampai gagal panen seperti curah hujan terlalu 2. tinggi, pemilihan benih dan perawatan benih, BAWANG MERAH dan juga penyakit yang disebabkan oleh virus

  Kasus terjadinya gagal panen ataupun (BPTPJATIM, 2013). Pencegah serangan hama turunnya hasil produksi sering di alami oleh dan penyakit dapat dilakukan dengan cara para petani. Adapun hal-hal yang menyebabkan melakukan diagnosis dini. Apabila setelah turunnya produksi bawang merah bahkan dilakukan diagnosis ditemukan gejala-gejala sampai gagal panen. Selain faktor-faktor seperti serangan penyakit pada tanaman bawang curah hujan terlalu tinggi, pemilihan benih dan merah, petani dapat melakukan pencegahan perawatan benih, ada juga faktor yang sangat sebelum penyakit menyebar luas, bahkan dapat berpengaruh dalam hal penyebab menurunnya menyebabkan gagal panen. Akan tetapi tidak produksi bawang merah yaitu penyakit yang di semua orang dapat melakukan diagnosis sebabkan oleh virus (BPTPJATIM, 2013). serangan penyakit pada bawang merah.

  Dibutuhkan seorang pakar yang ahli agar dapat

  Tabel 1. Penyakit Bawang Merah

  mendiagnosis gejala-gejala serangan penyakit

  No Penyakit Gejala yang menyerang pada tanaman bawang merah.

  1 Hama Ulat 1.

  Adanya ulat dengan

  Jumlah pakar yang ada tidak sebanding dengan Bawang panjang sampai +25 mm. banyaknya petani bawang merah, sehingga di 2.

  Daun menjadi transparan bahkan sampai habis.

  butuhkan sebuah sistem yang dapat membantu 3.

  Ulat memakan bagian

  petani bawang dalam memberikan diagnosis dalam daun. penyakit yang menyerang tanaman bawang

  2 Lalat 1.

  Gejala serangan dapat merah sebagai pengganti seorang pakar. Pengorok dilihat mulai dari usia 15 Daun

  Ada beberapa metode yang dipakai dalam

  HST hingga menjelang pembuatan sistem pakar untuk mendiagnosis tanam.

  2.

  penyakit. Sebelumnya telah dilakukan sebuah Daun berwarna coklat

  seperti terbakar dan masuk

  penelitian untuk membangun sistem diagnosis ke dalam umbi bawang. penyakit pada tanaman cabai dengan 3.

  Hampir semua bagian daun

  menggunakan metode Forward Chaining terdapat bercak/kerokan. (Anshori, 2013). Metode Forward Chaining ini menggunakan rule untuk menarik kesimpulan

  3 Penyakit 1.

  Daun bawang merah Moler menguning dan terpelintir

  dari diagnosis hama dan penyakit.

  layu (moler).

  Adapun metode lain yang dapat digunakan 2.

  Pertumbuhan yang kurang

  untuk mendiagnosis serangan hama dan

  maksimal dikarenakan

  penyakit. Metode Fuzzy Tsukamoto dipilih bagian akar menjadi busuk. karena setiap konsekuen pada aturan berbentuk 3.

  Akan terlihat pembusukan pada umbi bawang dimulai

  IF-THEN direpresentasikan dengan himpunan dari bagian pangkal/akar. fuzzy dengan fungsi keanggotaan yang 4.

  Tanaman kurus kekuningan

  monoton. Untuk menghasilkan nilai output dan busuk bagian pangkal. yang tegas. Metode defuzzifikasi yang

  4 Penyakit 1.

  Ujung daun mengering,

  digunakan dalam metode Tsukamoto adalah Trotol bahkan daun dapat patah. metode defuzzifikasi rata-rata terpusat 2.

  Gejala tampak pada daun, (ABDURRAHMAN, 2011). timbul bercak berwarna

  Berdasarkan latar belakang tersebut, maka

  putih dengan pusat dapat di buat sebuah sistem yang dapat berwarna ungu.

  mendiagnosis serangan penyakit pada tanaman

  5 Antraknose 1.

  Terbentuk Lekukan ke

  bawang merah. Dalam pembuatan sistem,

  dalam, berlubang dan patah

  peneliti menggunakan metode Fuzzy Tsukamoto 2.

  Terdapat bercak berwarna dalam penelitian yang dilakukan dengan judul putih pada daun.

  “Sistem Pakar Untuk Diagnosis Penyakit Pada

  3. Tanaman akan mati dengan

  cepat dan mendadak

  Bawang Merah Dengan Menggunakan Metode

  Fuzzy Tsukamoto

  ”. Diharapkan nantinya sistem Tabel 1 merupakan penyakit yang sering menyerang tanaman bawang merah beserta gejala-gejala yang mudah dideteksi.

3. Fuzzy Tsukamoto

  Himpunan fuzzy merupakan suatu pengembangan lebih lanjut tentang konsep himpunan dalam matematika. Himpunan Fuzzy juga bisa disebut rentang nilai. setiap nilai memiliki derajat keanggotaan (membership). Derajat keanggotaan dalam fuzzy antara 0 sampai 1. Logika Boolean menggambarkan nilai

  .

  Tahap pertama yang perlu dilakukan adalah menentukan gejala, pada Tabel 2 dapat dilihat list penyakit pada bawang merah. Gejala akan diberikan simbol yang dapat dilihat pada Tabel 3. Pada Tabel 4 dapat kita lihat bobot dari

  Untuk lebih memahami alur dari proses yang telah disebutkan sebelumnya dapat dilihat pada diagram alir fuzzy Tsukamoto pada Gambar 3.

  Diagnosis dilakukan dengan cara input bobot gejala yang telah ditentukan oleh pakar dan kemudian dijadikan sebagai parameter. Diagnosis pada studi kasus ini meliputi penyakit moler, trotol, antraknose, lalat penggorok daun, dan ulat bawang. Untuk lebih memahami proses diagnosis pada sistem ini dapat diruntut sebagai berikut: inputkan gejala dan bobot, proses fuzzifikasi, menghitung nilai alpha, menghitung nilai z, kemudian proses defuzzifikasi, dan hasil akhir adalah penyakit.

  Gambar 2 Representasi kurva segitiga 4.

  − − ) ; b ≤ x ≤ c (2)

  − − ) ; a ≤ x ≤ b (

  µ (x) = { 0 ; x ≤ a atau x ≥ c (

  Kurva Segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) seperti terlihat pada Gambar 2 dan fungsi keanggotaannya dapat dilihat pada persamaan 2. Pada penelitian ini memakai persamaan kurva segitiga untuk menghitung bobot pada setiap gejala.

  “benar” atau “salah”. Biasanya dalam Logika fuzzy menggunakan istilah

  3.2. Representasi kurva segitiga

  (1) Pada pemetaan ini biasanya kenaikan dimulai dari derajat keanggotaan 0 dan naik ke derajat keanggotaan yang lebih tinggi. Representasi linier naik ini dapat dilihat pada gambar 1 dan fungsi keanggotaannya dapat dilihat pada persamaan 1.

  ; a ≤ x ≤ b 1 ; x ≥ b

  Gambar 1 representasi linier naik µ (X) = { 0 ; x ≤ a ( − ) (b−a)

  Pemetaan input ke derajat keanggotaan dapat digambarkan dengan sebuat garis lurus. Bentuk ini paling sederhana untuk melakukan pendekatan pada suatu konsep yang kurang jelas.

  antara lain: input gejala pada tanaman bawang merah dan memberikan bobot pada setiap gejala yang dipilih, kemudian sistem akan melakukan proses defuzzifikasi. Hasil nilai dari perhitungan akan dijadikan untuk pengambilan keputusan.

  tsukamoto perlu dilakukan beberapa tahap

  Dalam menyelesaikan masalah diagnosis penyakit bawang merah dengan metode fuzzy

  : “lambat”,” sedang”, “sangat cepat” dan lain sebagainya untuk mengungkapkan derajat intensitasnya (Kusumadewi dan Purnomo, 2010).

3.1. Representasi Linier

FORMULASI FUZZY TSUKAMOTO

  Tabel 3. Gejala Penyakit

  setiap gejala penyakit bawang merah yang didapatkan dari UPTD pembibitan ternak dan

  Kode Gejala Penyakit hijauan makanan ternak kec. Singosari Malang.

  G1 Daun layu berwarna kecoklatan Mulai

  G2 Adanya bercak-bercak kecil G3 Daun mengering bahkan sampai sampai patah G4 Adanya lekukan ke dalam

  Pilih Gejala G5 Daging daun habis G6 Daun bagian dalam habis dan terlihat transparan

  Fuzzifikasi G7 Terdapat lubang di ujung daun atau bagian bawah G8 Adanya larva mengakibatkan daun mengering

  α = MIN(fuzzifikasi) G9 Kerokan pada daun dapat dilihat hampir di seluruh bagian

  G10 Umbi bawang hasil panen berukuran sangat kecil Hitung nilai z

  G11 Umbi bawang membusuk G12 Akan terjadi pembusukan dari pangkal umbi sampai seluruh bagian.

  Hitung nilai Alp haZ G13 Serangan terjadi 15 hari sebelum

  =alpha-predikat*z panen G14 Kerokan larva berkelok-kelok

  G15 Bawang akan mati secara cepat Defuzzifikasi

  G16 Pertumbuhan akar terganggu, sampai tanaman dapat tercabut dengan mudah. Bawang G17 Daun tanaman terlihat kurus dan kuning. terdeteksi G18 Terdapat bercak di beberapa bagian

  Penyakit/Hama G19 Adanya bercak hitam G20 Daun bawang tiba-tiba layu G21 Bercak seperti melingkar G22 Daun menguning dan masuk ke dalam

  Selesai umbi G23 Pada daun terdapat bercak-bercak putih Gambar 3 Diagram alir Fuzzy Tsukamoto

  Tahap kedua adalah menghitung nilai preferensi menggunakan Persamaan (2) dengan

  Tabel 2. Penyakit

  cara memasukkan bobot gejala yang telah diinputkan kedalam kriteria yang telah

  Kode Penyakit

  ditentukan. Contoh penghitungan dapat dilihat

  P01 Ulat Bawang

  pada gambar 5. Kemudian menghitung nilai

  P02 Lalat Bawang

  preferensinya sesuai dengan fungsi preferensi

  P03 Penyakit Moler

  yang digunakan yang mana hasil nilai fungsi

  P04 Penyakit Trotol

  preferensi penyakit 1 direpresentasikan pada

  P05 Penyakit Antraknosa

  Tabel 5, preferensi penyakit 2 direpresentasikan pada Tabel 6, preferensi penyakit 3 direpresentasikan pada Tabel 7, preferensi penyakit 4 direpresentasikan pada Tabel 8, dan preferensi penyakit 5 direpresentasikan pada Tabel 9. Pada penelitian ini menggunakan fungsi preferensi kurva segitiga.

  

Tabel 4 Bobot Gejala

Tabel 7 Nilai Preferensi Penyakit 3 Gambar 5 contoh perhitungan 1 ; 0 ≤ 0,2

  0,4− µ (x) = { ( ) ; 0,2 ≤ x ≤ 0,4

  0,2 0 = 0,4 1 ; 0 ≤ 0,2

  0,4 − 0,3 µ (x) = { ( 0,2 ) ; 0,2 ≤ x ≤ 0,4 0 = 0,4

  1 ; 0 ≤ 0,2 Tabel 8 Nilai Preferensi Penyakit 4 (0,5); 0,2 ≤ x ≤ 0,4 µ (x) = {

  0 = 0,4 Tabel 5 Nilai Preferensi Penyakit 1 Tabel 9 Nilai Preferensi Penyakit 5 Tabel 6 Nilai Preferensi Penyakit 2

  5. AKURASI

  output dari sistem menggunakan penerapan

  Table 10 Hasil Pengujian Akurasi Sistem

  mendiagnosis penyakit pada tanaman bawang merah.

  Fuzzy Tsukamoto dapat digunakan untuk

  Hasil perhitungan akurasi dari sistem dengan menggunakan metode Fuzzy Tsukamoto mendapatkan hasil tingkat akurasi sebersar 80% yang mana dapat disimpulkan bahwa metode

  15 100% = 80% = 100% − 80% = 20%

  12

  =

  oleh beberapa gejala pada penyakit yang memiliki gejala umum yang sama sehingga dapat dihitung dengan menggunakan persamaan (3) dan persamaan (4) untuk tingkat error.

  Error sistem terjadi karena dipengaruhi

  metode forward chaining, setelah output didapat proses selanjutnya yang akan dilakukan adalah perbandingan hasil sistem dengan hasil diagnosis dari pakar. Dari 15 data uji terdapat 12 data dengan tingkat akurasi benar dan 3 data dengan tingkat error pada pengujian dengan nomer 11, 13 dan 14.

  Hasil dari tahap pengujian dapat dilihat pada Tabel 10 yang mana pengujian sistem menggunakan 15 data uji yang diperoleh dari pakar pada saat pengambilan data, kemudian

  Pada pengujian yang telah dilakukan dengan menggunakan metode Fuzzy Tsukamoto didapat hasil tingkat error dan akurasi dari sistem, tingkat akurasi sistem merupakan tingkat ke cocokan hasil dari model Fuzzy

  6.2. Analisis Hasil Pengujian

  Pengujian akurasi sistem dilakukan untuk mengukur tingkat akurasi dari sistem, pada pengujian akurasi ini menggunakan 15 data uji yang diambil pada saat pengambilan data. Sehingga hasil pengujian ditunjukkan oleh Tabel 10.

  Pada tahapa ini akan dilakukan pengukur tingkat keakuratan dari sistem dengan menggunakan metode Fuzzy Tsukamoto , pengujian akurasi ini menggunakan 15 data uji, hasil dari pengujian sistem akan dicocokkan dengan data yang didapat dari BPTP Jawa Timur.

  6. PENGUJIAN DAN ANALISIS

  100% (3) = 100% − (4)

  = ℎ ℎ ℎ

  pada model Fuzzy Tsukamoto dalam proses mengenali input yang diberikan. Penghitungan tingkat akurasi telah diimplementasikan pada persamaan (3) dan Persamaan (4).

  error merupakan kesalahan deteksi oleh sistem

  untuk mengenali input oleh user sehingga didapat output yang benar sedangkan

  Tsukamoto

6.1. Pengujian Akurasi

7. KESIMPULAN

  Dari penelitian yang telah dilakukan, maka diperoleh kesimpulan :  Penggunaan Fuzzy dapat membantu kepakaran sehingga dapat meminimalisir terjadinya kesalahan diagnosis

   Berdasarkan hasil pengujian ke 15 kali sampel, algoritma Fuzzy berhasil dibuktikan dengan hasil pengujian tingkat validitas sebesar 12 dengan presentase akurasi sebesar 80% 8.

DAFTAR PUSTAKA

  Anshori,

  A., 2013. Available at: Sri Kusumadewi, H. P., 2010. Aplikasi logika

  fuzzy untuk pendukung keputusan, Yogyakarta: Graha Ilmu.

  BPS, 2013. Available at: http://catatan2pekan.blogspot.co.id/2013/03/tinj auan-pustaka bawang-merah.html BPS, 2015. Available at: https://jatim.bps.go.id/Brs/view/id/340 Prof. (Riset). Dr. Ir. Moh. Cholil Mahfud, M., 2018. Hama -Penyakit Bawang Merah [Wawancara] (10 2 2018). Prof. (Riset). Dr. Ir. Moh. Cholil Mahfud, M., 2018. Teknik Budaya Bawang Merah [Wawancara] (10 2 2018).