Eva Agustina Ompusunggu1 , Dian Eka Ratnawati2

  Vol. 1, No. 5, Mei 2017, hlm. 368-377 http://j-ptiik.ub.ac.id

  

Identifikasi Penyakit Tanaman Jarak Pagar Menggunakan Metode Fuzzy

K-Nearest Neighbor (FK-NN) _{1 2 3} Eva Agustina Ompusunggu , Dian Eka Ratnawati , Lailil Muflikhah _{1,2,3 1} Fakultas Ilmu Komputer, Universitas Brawijaya _{2 3} Email: evaagustyna@gmail.com, dian_ilkom@ub.ac.id, lailil@ub.ac.id

  

Abstrak

  Tanaman jarak pagar (Jatropha curcas L., Euphorbiaceae) merupakan tanaman yang memiliki banyak kegunaan yakni sebagai bahan baku obat-obatan dan minyak nabati (biodiesel). Tanaman jarak pagar dipakai untuk menyembuhkan bermacam-macam penyakit. Sebagian masyarakat juga yang menjadikan jarak pagar sebagai bahan utama mata pencaharian mereka. Namun terjadi penurunan kualitas pada jarak pagar dikarenakan terserang berbagai penyakit. Kurangnya pengetahuan tentang penyakit pada tanaman jarak pagar dan tidak mengetahui cara menanggulanginya menjadi salah satu faktor. Serta ketidaktersediaan media bagi masyarakat untuk mengetahui penyakit yang menyerang. Untuk mengetahui dan memudahkan dalam mendiagnosis penyakit yang menyerang jarak pagar, perlu dibuatnya sistem. Untuk membantu diagnosis ini digunakan metode k-nearest neighbor dan fuzzy. Langkah awal metode ini memasukkan data latih yang berisi gejala penyakit. Kemudian pengklasifikasian menggunakan k-nearest neighbor dan fuzzy. Sehingga didapatkan hasil akhir dari sistem ini yakni diagnosis penyakit tanaman jarak dari sembilan penyakit yang ada. Hasil pengujian yang dilakukan pada penelitian ini didapatkan akurasi tertinggi sebesar 80%.

  Kata kunci: jarak pagar, penyakit jarak pagar, klasifikasi, fuzzy k-nearest neighbor

Abstract

Jatropha (Jatropha curcas L., Euphorbiaceae) is a plant that has many uses that as a raw material

medicines and vegetable oil (biodiesel). Jatropha is used to cure various diseases. Some people also

make Jatropha as a main ingredient of their livelihoods. However, the quality of Jatropha decreased

due to various diseases. Lack of knowledge about the disease of jatropha and do not know how to

overcome it became one of the causes. As well as the unavailability of media for the public to know the

diseases that attack. To know and make it easier to diagnose diseases that attack jatropha, a system

needs to be made. To support this diagnosis used k-nearest neighbor and fuzzy method. The first step

of this method is entering training data that contains symptoms. Then classification using the k-

nearest nei ghbor and fuzzy. Then we get the result of this system which is the diagnosis of Jatropha’s

diseases from nine diseases that there are. Results of tests performed on this study, obtained the

highest accuracy by 80% Keywords: jatropha, jatropha disease, classification, fuzzy k-nearest neighbor

  salah satu tanaman yang memiliki potensi 1. sebagai sumber bahan bakar yang berbahan

   PENDAHULUAN

  baku minyak (Dwi, 2010). Saat ini terjadi Tanaman jarak pagar (Jatropha curcas penurunan kualitas pada tanaman jarak

  L., Euphorbiaceae) merupakan tanaman

  pagar dikarenakan serangan penyakit serta yang sudah banyak tumbuh di Indonesia kurangnya informasi deteksi penyakit dan dikenal sebagai tanaman untuk bahan tanaman jarak pagar. Adanya sistem ini pengobatan. Tanaman ini banyak dapat memudahkan pengguna dalam ditemukan didaerah tropik dan sangat tahan mendeteksi penyakit tanaman jarak pagar kekeringan. Tanaman ini memiliki banyak dan menambah wawasan pengguna dalam khasiat dalam mengobati berbagai jenis mengatasi penyakit tanaman jarak pagar. penyakit. Tanaman ini juga merupakan

  Fakultas Ilmu Komputer Universitas Brawijaya

368

  Kelas : Dicotyledonae Ordo : Euphorbiales Famili : Euphorbiaceae Genus : Jatropha Spesies : Jatropha curcas L.

  Neighbor ( FK-NN) telah dilakukan sebelumnya

  Tanaman jarak pagar berupa perdu dengan tinggi 1

  NN” dengan hasil uji akurasi sebesar 97,8%. Dengan akurasi seperti itu menggunakan metode FK-NN mampu memberikan hasil diagnosa yang cukup akurat (Retno, 2014).

  oleh Dewi Retno Anggraeni dengan judul penelitian “Sistem Pakar Tuberculosis pada Anak Berdasarkan Scoring Sistem dengan Metode Fuzzy K-

  Penelitian dengan metode Fuzzy K-Nearest

• – 7 m, bercabang tidak teratur. Batangnya berkayu, silindris, dan bila terluka mengeluarkan getah. Bagian – bagian tanaman jarak pagar adalah sebagai berikut (Hambali, 2006): 1.

  Daun tanaman jarak pagar adalah daun tunggal berlekuk dan bersudut 3 atau 5. Daun tersebar di sepanjang batang. Permukaan atas dan bawah daun hijau dengan bagian bawah lebih pucat dibanding permukaan atas. Daun tanaman lebar dan berbentuk jantung atau bulat telur melebar dengan panjang 5 cm

• – 15 cm. Helai daunnya bertoreh, berlekuk dan ujungnya meruncing. Tulang daun menjari dengan jumlah 5
• – 7 tulang daun utama. Daun dihubungkan dengan tangkai daun. Panjang tangkai daun antara 4

  Jarak pagar termasuk tanaman monoecieous dan bunga bersifat uniseksual. Kadang kala muncul bunga hermaprodit yang berbentuk cawan hijau kekuningan (Hambali, 2006).

  Berdasarkan uraian diatas, maka dibuatlah suatu penelitian dengan judul “Identifikasi Penyakit Tanaman Jarak Pagar Menggunakan Metode Fuzzy K-Nearest Neighbor (FK-NN) ”. Sistem ini diharapkan bisa memberikan informasi diagnosa yang akurat mengenai penyakit tanaman jarak pagar berdasarkan gejala-gejala yang ada dan membantu keterbatasan pengetahuan masyarakat tentang penyakit tanaman jarak pagar.

   Daun

2. LANDASAN KEPUSTAKAAN

2.1 Tanaman Jarak Pagar

  Tanaman jarak pagar (Jatropha curcas L.) adalah tanaman yang tumbuh di kawasan tropika dan subtropika. Tanaman jarak pagar telah lama dikenal masyarakat di berbagai daerah Indonesia sejak diperkenalkan oleh bangsa Jepang pada tahun 1942-an. Tanaman jarak pagar memiliki sebutan di setiap daerah atau wilayah antara lain : jarak budge, jarak gundul, jarak cina (Jawa); baklawah, nawaih (NAD); jarak kosta (Sunda); paku kare (Timor); peleng kaliki (Bugis); kalekhe paghar (Madura); jarak pager (Bali); lulu mau, paku kase, jarak pageh (Nusa Tenggara); kuman nema (Alor); jarak kosta, jarak wolanda, bindalo, bintalo, tondo utomene (Sulawesi); dan ai huwa kamala, balacai, kadoto (Maluku) (Hambali, 2006). Tanaman ini dikenal sebagai tanaman untuk pengobatan, saat ini makin mendapat perhatian Karena dapat berguna sebagai bahan bakar hayati (biodiesel) karena kandungan minyak bijinya. Sisa ekstrasi dari minyak bijinya dapat digunakan sebagai pupuk organik.

• – 15 cm (Hambali, 2006) 2.

   Bunga

  Bunga tanaman jarak pagar adalah bunga majemuk berbentuk malai, berwarna kuning kehijauan, berkelamin tunggal, dan berumah satu (putik dan benang sari dalam satu tanaman). bunga betina 4

• – 5 kali lebih banyak dari bunga jantan. Bunga jantan maupun bunga betina tersusun dalam rangkaian berbentuk cawan yang tumbuh di ujung batang atau ketiak daun. Bunganya mempunyai

  5 kelopak berbentuk bulat telur dengan panjang kurang lebih 4 mm. benang sari mengumpul pada pangkal dan berwarna kuning. Tangkai putik pendek berwarna hijau dan kepala putik melengkung keluar berwarna kuning. Bunga dari tanaman mempunyai mahkota berwarna keunguan. Setiap tandan terdapat lebih dari 15 bunga (Hambali, 2006).

2.2.1 Klasifikasi Morfologi

  3. Buah

  Buah tanaman jarak pagar berupa buah berbentuk bulat telur dengan diameter 2 cm

  Divisi : Spermatophyta Subdivisi : Angiospermae

  Tanaman jarak pagar termasuk family Euphorbiaceae, satu family dengan karet dan ubi kayu. Klasifikasi tanaman jarak pagar adalah sebagai berikut (Hambali, 2006):

• – 4 cm. panjang buah 2 cm dengan ketebalan
sekitar 1 cm. buah berwarna hijau ketika muda melakukan recovery dengan pembentukan akar serta abu sekunder pada akar
• – abu kecokelatan atau kehitaman – akar yang mengalami ketika masak. Buah jarak terbagi menjadi 3 pembusukan [wawancara]. ruang, masing a.
• – masing ruang berisi satu biji Penyebab sehingga dalam setiap buah terdapat 3 biji Jamur Riczoctonia bataticola (Taub) (Hambali, 2006).

  b. Gejala

  Biji berbentuk bulat lonjong dan berwarna Gejala awal :

• cokelat kehitaman. Biji inilah yang banyak

  Pada hipokotil pada batas permukaan mengandung minyak dengan rendemen sekitar tanah sebagai bercak cokelat terang

• 35 % - 45% dan beracun (Hambali, 2006).

  Berkembang menjadi cokelat gelap di sekeliling hipokotil.

2.3 Penyakit Tanaman Jarak Pagar

• berwarna hitam.

  Jaringan kulit kayu bagian dalam

  Beberapa penyakit penting yang dapat Kulit luar pangkal batang tersobek –

• menyerang tanaman jarak pagar, antara lain : sobek dan telihat pustule hitam.

  antraknosa, bercak daun, busuk arang, busuk Daun-daun layu pada seluruh bagian

• pujuk, embun tepung, hawar bakteri, layu tanaman secara tiba-tiba.

  bakteri, layu fusarium.

• tanaman mati

  Dalam waktu kurang dari 1 minggu

  1 Antraknosa

• a.

  Jika tanaman dicabut perakaran busuk

   Penyebab

  kering bercak – bercak hitam. Jamur Colletotrichum gloeosporioides

  Gejala pada kondisi yg kurang (Penz.) Sacc, ; Colletotrichum capsici (Syd.) mendukung pathogen Butle Bispy.

• : daun bagian bawah layu b.

  Pada kondisi yang kurang mendukung

   Gejala

  Kemudian daun menguning terlebih

• dahulu sebelum akhirnya rontok.
• Daun memiliki bercak-bercak cokelat

  kehitaman bulat yang dibatasi halo Jika penyakit berlanjut, tanaman akan

• berwarna kuning.

  mati. Jika menyerang pinggir daun bercak

• Jika tanaman yang sakit dicabut maka
• berbentuk tidak beraturan.

  pada akar akan terlihat busuk Pada buah juga terdapat bercak cokelat

• kehitaman disertai dengan adanya kehitaman pada permukaannya.

  sklerosia jamur berwarna hitam. Pada kondisi lembab terlihat pustul-pustul

• hitam

  4 Busuk Pucuk

  Penyakit yang masih belum diketahui

  2 Bercak Daun

  penyebabnya. Penyebab kanker batang pada a. Penyebab tanaman jarak pagar yang terjadi di Malaysia.

  Ada dua macam jenis bercak daun, yaitu bercak daun Cercospora dan bercak daun

  a. Penyebab Alternaria. Bercak daun Cercospora

  Penyebabnya yaitu Lasiodiplodia disebabkan oleh jamur Cercospora jatrophicola

  theobromae (Pat.) Griffon dan Maubl.

  Speg sedangkan Bercak daun Alternaria desebabkan oleh Alternaria.

  b. Gejala b. Gejala

• Cercospora menyebabkan

  Bercak cekung yang berkembang menjadi

• bercak nekrotik pada batang nekrotik tidak beraturan berwarna

  Serangan

• kecokelatan pada daun.

  Busuk mulai dari pucuk

  Daun/tunas pucuk rontok

• Serangan Alternaria menyebabkan bercak
• Batang terlihat gundul hingga berkembang
• daun bulat bercincin (melingkar-lingkar) ke bagian bawah tanaman.
• 3

  Bagian yang busuk biasanya berair

  Busuk Arang Bagian pucuk mengering.

• Penyakit ini disebabkan oleh jamur yang mana cukup berbahaya karena memiliki kisaran inang yang cukup luas, yakni sekitar 400

  5 Embun Tepung

  spesies tanaman. Tanaman yang sakit mampu

• Perakaran tanaman yang sakit busuk basah, jika dibelah terlihat pembuluh maupun empelur berubah coklat.
• Jika bagian yang sakit dimasukkan ke dalam air akan terlihat eksudat (cair, merupakan massa bakteri) keluar dari pembuluh batang. Gejala berat :

a. Penyebab

• Tanaman mati tiba – tiba
• Adanya embun tepung berwarna putih pada permukaan daun serta buah.

  Penyakit ini cukup serius ditemukan pada tahun 2006. Di Indonesia tidak banyak ditemukan penyakit ini.

  8 Layu Fusarium

  merupakan penyebab utama kematian jarak pagar di Haryana, India dengan tingkat kematian hingga 25%.

  F. moniliforme

  Embun tepung adalah cendawan obligat. Ciri menonjol yang ditunjukkan yaitu koloni berwarna putih agak abu-abu, miselia bersekat dan bercabang; konidiofor tegak, silindris, hialin, bersekat dengan konidium tunggal yang besar (dibandingkan konidiofornya), licin, sedikit lonjong, satu sel, dan hialin.

  Jamur Pseudoidium jatrophae b.

   Gejala

• Daun gugur atau pucuk tidak berkembang dan mati
• Buah-buah muda yang terserang biasanya berubah bentuk dan gugur.
• Jika serangan terjadi pada daun yang baru saja berkembang akan menyebabkan perubahan warna menjadi kusam, daun lemas dan tepi-tepinya agak mengeriting.

  b. Gejala

  Penyakit layu bakteri disebabkan oleh bakteri yang mana penyebarannya melalui tanah. Tanah yang lembab merupakan lingkunangan yang sangat disukai bakteri ini. Selain tanaman jarak pagar dewasa penyakit ini juga menyerang tanaman bibit.

  3. Kemudian mengurutkan obyek-obyek tersebut kedalam kelompok yang mempunyai

  2. Menghitung kuadrat jarak Euclid (query instance) masing-masing obyek terhadap data sampel yang diberikan

  1. Menentukan parameter k (jumlah tetangga paling dekat)

  Tahapan dalam teknik K-Nearest Neighbor dapat dilakukan dengan (H.Ninki, 2008):

  tersebut masuk ke dalam sebuah kelas. Prinsip kerja metode K-NN adalah mencari jarak berdasarkan tetangga terdekat antara data uji dengan K tetangga terdekatnya terhadap data latih. Untuk dapat menghitung jarak berdasarkan jarak tetangga terdekat dapat menggunakan rumus Euclidean Distance seperti pada persamaan 2-1. (Beyan, 2014)

  training sehingga dapat memperkirakan objek

  Metode K-Nearest Neighbor (K-NN) adalah metode yang digunakan dalam klasifikasi dengan melakukan prediksi pada data uji berdasarkan jarak tetangga terdeket. Jarak terdekat yang dimaksud adalah jarak yang terpendek. Metode K-NN mengklasifikasikan objek berdasarkan jarak terdekat terhadap data

  2.4 K-Nearest Neighbor (K-NN)

  b. Gejala

  Penyakit ini disebabkan oleh jamur Fusarium spp. .

  a. Penyebab

• Tanaman akan layu disertai daun kekuningan

6 Hawar Bakteri

• Batang dibelah akan terlihat bagian yang berkayu bergaris-garis kecokelatan serta perakaran

  a. Penyebab Bakteri Xanthomonas campestris.

• Pangkal batang (leher akar) busuk hitam.
• Bercak berair berbatas pertulangan daun membentuk bercak bersudut
• Bercak menjadi agak kehitaman dan permukaan bawah daun tampak mengkilat

7 Layu Bakteri

a. Penyebab

  Gejala awal :

   Gejala

  Bakteri Ralstonia solanacearum b.

  Bakteri ini memiliki kisaran inang yang sangat luas yaitu tembakau, serta tanaman hortikultura seperti cabai, tomat, terong, serta pisang. Tingkat keparahan dan perkembangan penyakit ini tergantung pada tingkat ketahanan tanaman terhadap penyakit selain itu juga tergantung kondisi lingkungan.

• Busuk dimulai dari akar menjalar ke pangkal batang dan satu sisi tanaman.
jarak euclid terkecil

  4. Mengumpulkan kategori Y (klasifikasi nearest neighbor)

  5. Dengan menggunakan kategori nearest neighbor yang paling mayoritas maka dapat diprediksi nilai query instance yang telah dihitung

  Dekat atau jauhnya tetangga biasanya dihitung berdasarkan Euclidean Distance yang dituangkan dalam rumus.

  ( , ) = √∑ ( =1

  ( ) − ( ))

  2 (2.1) Keterangan:

  = Jarak Euclidean = Record ke-i untuk data uji = Record ke-j untuk data latih = Data ke-r

2.5 Fuzzy K-Nearest Neighbor (FK-NN)

  Metode FK-NN merupakan gabungan antar teknik fuzzy dan K-NN. Metode fuzzy digunakan untuk menghitung nilai keanggotaan. Gejala penyakit pada tanaman jarak pagar digunakan untuk menentukan diagnosa. Sedangkan algoritma K-NN merupakan metode untuk klasifikasi sebuah obyek berdasarkan dataset yang jaraknya terdekat dengan obyek. Kelebihan K-NN yaitu teknik klasifikasi yang sederhana dengan hasil yang bagus, sehingga diharapkan metode ini dapat memberikan solusi yang sederhana, mudah, dan cepat (Amiratus, 2013).

  (2.2) (2.3)

  = Selisih jarak data x ke data x ^j dalam k tetangga terdekat m = Bobot pangkat yang besarnya m>1

  Dimana: u ⁱ (x) = Nilai keanggotaan fuzzy u ij = Nilai keanggotaan data tetangga i terhadap kelas j nilainya 1 jika data latih I milik kelas j, atau 0 jika bukan milik kelas j. k = Banyaknya nilai ketetanggan terdekat yang diambil, berupa bilangan integer positif x

  5. Mengambil data sebanyak nilai k Contoh: Misalkan k=10, berarti memilih 10 jarak yang sebelumnya sudah diurutkan dari nilai terkecil hingga terbesar. Kelas yang memiliki keluaran terbanyak merupakan kelas target. Rumus yang digunakan pada Persamaan 2.4.

• – x ^j

  2. Jika rentang nilai antar parameter dari data terlalu jauh, lakukan normalisasi terlebih dahulu menggunakan min-max normalization.

  distance pada persamaan 2.3 pada sub bab sebelumnya.

  4. Mengurutkan jarak dari nilai terkecil ke nilai terbesar.

  1. Masukkan nilai data latih dan data uji.

  Proses perhitungan Fuzzy k-nearest neighbor (fk-nn) adalah: (Beyan, 2014).

  digunakan karena dalam penentuan kelas akhirnya tidak hanya memperhitungkan jumlah data yang mengikuti sebuah kelas tetapi juga jarak pada tetangga terdekatnya.

  2.6 Akurasi

  Untuk mengetahui seberapa besar nilai kebenaaran yang dilakukan sistem terhadap data uji maka dilakukan perhitungan akurasi. Semakin besar nilai yang benar maka semakin tinggi juga nilai akurasi yang diperoleh. Cara mengitung akurasi menggunakan persamaan sebagai berikut.

  3. Metodologi

  3.1 Penentuan Objek

  Objek yang digunakan sebagai bahan penelitian ini adalah penyakit tanaman jarak pagar. Penyakit terdiri dari 9 penyakit yakni Antraknosa, Busuk Arang, Hawar Bakteri, Bercak Daun Cescospora, Busuk Pucuk, Layu Bakteri, Bercak Alternaria, Embun Tepung, dan Layu Fusarium

  3.2 Studi Literatur

  Pada tahap berikut dilakukan pembelajaran literatur dari berbagai bidang-bidang ilmu yang berhubungan dengan identifikasi penyakit pada tanaman jarak pagar, antara lain:

  Fuzzy k-nearest neighbor (fk-nn) ini

  3. Hitung jarak antara data uji terhadap data latih menggunakan rumus Euclidean

  Menentuka 1.

   Fuzzy K-Nearest Neighbor (fk-nn) n penyakit Data

  2.

  tanaman

  Identifikasi penyakit pada tanaman jarak

  penyakit Buku

  1. Observasi jarak pagar

  pagar

  tanaman Literatur dan solusi jarak pagar 3. penanganan

  K-Nearest Neighbor

  na 4.

  Penyakit tanaman jarak pagar dan

  Menentuka

  penanggulangannya Densitas Pakar n nilai

  tiap gejala Penyakit densitas 2. penyakit Tanaman Wawancara gejala tiap tanaman Jarak penyakit

3.3 Pengumpulan Data

  jarak pagar Pagar tanaman jarak pagar

  Pengumpulan data yang digunakan dalam

  Data yang

  penelitian ini dilakukan di Balittas

  didapat

  Karangploso. Data yang digunakan merupakan

  akan Data kasus digunakan data yang dipakai pada penelitian sebelumnya. tanaman Balittas sebagai

  Variabel penelitian pada skripsi ini adalah jenis

  jarak pagar

  3. Karangpl Observasi contoh

  penyakit apa yang menyerang tanaman jarak yang

  oso perhitungan terserang

  pagar berdasarkan hasil perhitungan

  dengan penyakit

  menggunakan metode Fuzzy K-Nearest

  metode Fuzzy K-

  Neighbor . Selain hasil diagnosis penyakit NN

  tanaman jarak pagar, sistem ini juga menghasilkan solusi penanggulangan yang

  3.4 Perancangan Sistem perlu dilakukan sesuai dengan hasil diagnosis.

  Tujuan dari penelitian ini adalah membuat Sistem yang akan dibuat merupakan sistem sistem yang dapat menentukan jenis penyakit yang mengimplementasikan metode fuzzy k- apakah yang menyerang tanaman jarak pagar

  nearest neighbor untuk mengidentifikasi

  dan beberapa cara penanganannya serta untuk penyakit tanaman jarak pagar. Sistem ini mendapatkan hasil yang lebih baik. ditujukan untuk mengetahui penyakit apa yang menyerang tanaman jarak pagar tersebut serta

  Penentuan kebutuhan data penelitian beberapa cara penanganannya. Parameter yang adalah sebagai berikut: digunakan pada sistem ini adalah 30 gejala penyakit.

  1. Data mengenai penyakit pada tanaman jarak pagar. Sumber data didapat dari buku Berikut langkah-langkah yang dilakukan dalam literatur melalui obsevarsi. Data digunakan pengklasifikasian penyakit tanaman jarak pagar: dalam menentukan penyakit jarak pagar

  1. Masukkan data latih dan nilai k. dan solusi penanganannya.

  2. Proses k-nearest neighbor untuk 2. Data Densitas tiap gejala penyakit mencari nilai jarak antara data latih tanaman jarak pagar. Sumber didapat dari terhadap data uji menggunakan Pakar Penyakit Tanaman Jarak Pagar Euclidean Distance . melalui wawancara. Dengan tujuan untuk menentukan nilai densitas gejala tiap

  3. Proses fuzzy k-nearest neighbor (fk-nn) penyakit jarak pagar. dengan mencari nilai keanggotaan data.

  Output berupa hasil identifikasi terserang penyakit. Didapat dari Balittas penyakit. Karangploso melalui metode observasi.

3. Data Kasus tanaman jarak pagar yang 4.

  Tahapan-tahapan diatas digambarkan dalam Digunakan sebagai contoh perhitungan diagram alir 3.1 sebagai berikut: dengan metode Fuzzy K-Nearest

  Neighbor. Berikut tabel 3.1 menampilkan penentuan kebutuhan data penelitian.

Tabel 3.1 Penentuan Kebutuhan Data Penelitian

  Kebutuha Sumber Kegunaan No. Metode n Data Data Data

  2 ^{2 2 2 2 2} (0 − 0.9)

• (0 − 0.75) + (0 − 0.25) +(0 − 0) +(0 − 0) + (0.85 − 0) +
_{2 2 2 2 2} 2<
• (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0)
₂ (0 − 0) _{2 2 2 2 2 2} 2<
• (0 − 0) + (0 − 0) + (0.47 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0)
_{2 2 2 2 2 2 2} 2<
• (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0 − 0) + (0.7 − 0)
₂ 2<
• (0 − 0) + (0 − 0)

  √

  = 1.693635144 (

  2 Hasil perhitungan jarak antara data uji terhadap .

  data latih ditunjukkan pada tabel di bawah ini.

  5 Tabel 3.2 Hasil perhitungan jarak data uji terhadap )

  data latih

Gambar 3.1 Alur Proses Klasifikasi

3.5 Perhitungan Manual

  Langkah pertama dalam perhitungan manual ini mengambil 27 data latih. Data latih yang digunakan berisi data latih Antraknosa, Bercak Daun Cescopora, Bercak Daun Alternaria, Busuk Arang, Busuk Pucuk, Embun Tepung, Hawar Bakteri, Layu Bakteri, data latih Layu Fusarium. Langkah selanjutnya adalah menentukan data gejala atau data uji untuk menentukan data yang

  Langkah selanjutnya adalah mengurutkan hasil di masukkan sesuai dengan penyakit data uji. perhitungan jarak data uji terhadap data latih

  Data uji yang digunakan dapat dilihat pada dari yang terkecil ke terbesar. Berikut tabel 3.3 gambar 1 dan 2. menampilkan hasil perhitungan jarak data uji terhadap data latih yang telah diurutkan.

Tabel 3.3 Hasil perhitungan jarak data uji terhadap data latih

  Gambar 1 Data Uji Gambar 2 Data Uji

  Langkah selanjutnya adalah menghitung jarak data uji terhadap data latih. Perhitungan jarak menggunakan persamaan berikut. Contoh perhitungan jarak antara data uji terhadap data latih ke-1 adalah sebagai berikut.

  jarak =

  Kemudian langkah selanjutnya adalah mengambil data hasil perhitungan pada tabel 3.3 sebanyak k. Pada perhitungan manual ini dimisalkan k=8. Berikut tabel 3.4 menampilkan data hasil perhitungan yang diambil sebanyak delapan.

  5.2 Analisis Hasil Pengaruh Variasi Nilai k

  Kelas Layu Bakteri _{u() 2.184578 1 Layu Bakteri 1}

  1.25 k7 Layu Bakteri 1.3919411 k8 Busuk Arang 1.4133294

  k Penyakit Jarak k1 Layu Fusarium 0.9682458 k2 Layu Bakteri 1.0307764 k3 Layu Bakteri 1.1726039 k4 Busuk Arang 1.2237238 k5 Busuk Arang 1.2489996 k6 Layu Fusarium

Tabel 3.4 Tabel mengambil data sebanyak k

  Pada pengujian ini dilakukan dengan memasukan satu nilai variabel k terhadap 135 ^{Kelas Busuk Arang u() 1.8094311 Busuk Arang 1 1 Kelas Bercak Daun Cescopora 1 u(k1,busuk arang) u(k2,busuk arang) u(k3,busuk arang) u(k4,busuk arang) u(k5,busuk arang) u(k6,busuk arang) u(k7,busuk arang) u(k8,busuk arang) u - Bercak Cescopora u(k7,bercak cescopora) u(k8,bercak cescopora) u(k1,bercak cescopora) u(k2,bercak cescopora) u(k3,bercak cescopora) u(k4,bercak cescopora) u(k5,bercak cescopora) u(k6,bercak cescopora)}

  5.3 Pengujian Pengaruh Variasi Nilai Data Latih Terhadap Tingkat Akurasi

  Berdasarkan pengujian pengaruh variasi nilai k = 5, 10, 15, 20, dan 25, nilai akurasi yang didapatkan berbeda-beda. Jika nilai k yang digunakan rendah atau tinggi maka akurasi yang didapatkan kurang optimal. Sehingga pada pengujian variasi nilai k ini dapat dianalisa bahwa variasi nilai k mempengaruhi akurasi data latih. Nilai akurasi maksimal dicapai ketika nilai k= 15 dengan akurasi optimal 80% dengan 81 dan 135 data latih. Pada saat nilai k=15 merupakan titik untuk mencapai akurasi maksimal. Jika dibawah atau diatas nilai k tersebut maka nilai akurasinya mengalami penurunan.

  Pada tabel diatas menunjukkan akurasi yang diperoleh dengan menggunakan nilai k yang bervariasi pada 81 data latih (60% dari dataset). Berdasarkan pengujian ini, nilai akurasi tertinggi yang didapatkan dari k =15 yaitu sebesar 80%.

  Langkah selanjutnya adalah menghitung nilai keanggotaan jarak ke dalam masing-masing kelas penyakit. Nilai keanggotaan bernilai 1 jika data kelas penyakit terdapat pada data yang diambil sebanyak k seperti pada tabel 3.4. Berikut tabel 3.5 menampilkan nilai keanggotaan kelas penyakit. Tabel

  5 64% 10 68% 15 80% 20 72% 25 60%

Tabel 5.1 Pengujian pengaruh variasi nilai k nilai k akurasi(%)

  Pengujian nilai k dilakukan untuk melihat nilai akurasi tertinggi diantara akurasi yang ada. Sehingga hasil pengujian akurasi terhadap variasi nilai k akan digunakan sebagai nilai ketetapan pada proses perhitungan metode Fuzzy K-Nearest Neighbor. Pada pengujian ini k yang dimasukkan adalah 5, 10, 15, 20, dan 25 pada 81 data latih dan 25 data uji. Berikut adalah hasil pengaruh variasi nilai k terhadap tingkat akurasi.

  5.1 Pengujian Akurasi Data

  5. Pengujian

  Langkah terakhir adalah menentukan nilai keanggotaan terbesar. Pada tabel 3.5 terdapat nilai keanggotaan yang didapat dari perhitungan menggunakan rumus 3.1 berikut. Dari tabel 3.5 dapat ditentukan nilai keanggotaan terbesar terdapat pada kelas penyakit layu bakteri dengan nilai 2.184578. Hasil yang didapatkan sesuai dengan data uji gejala yang dimasukkan.

Tabel 3.5 Nilai keanggotaan jarak pada masing- masing kelas

  3.5 menampilkan beberapa dari sembilan kelas penyakit.

  1 ^{u(k1,layu bakteri) u(k2,layu bakteri) u(k3,layu bakteri) u(k4,layu bakteri) u(k5,layu bakteri) u(k6,layu bakteri) u(k7,layu bakteri)} _{u(k8,layu bakteri)}

  data latih terhadap 25 data uji, 108 data latih pagar dengan langkah menghitung jarak terhadap 25 data uji, 81 data latih terhadap 25 data uji terhadap data latih kemudian hasil data uji, 54 data latih terhadap 25 data uji jarak yang didapatkan diurutkan dari yang penyakit dan 27 data latih terhadap 25 data uji terkecil hingga terbesar lalu diambil data penyakit tanaman jarak pagar. Pada pengujian sebanyak k, untuk menentukan nilai ini akan dihitung rata-rata dari hasil pengujian keanggotaan pada setiap kelas. Hasil dengan nilai k = 15. Berikut tabel 5.2 pengaruh didapatkan dari nilai keanggotaan terbesar. variasi nilai data latih terhadap akurasi.

  2. Tabel 5.2 Pengaruh Variasi Nilai Data Latih Pada penelitian ini hasil akurasi tertinggi dari implementasi fuzzy k-nearest neighbor

  Nilai

  27

  54 81 108 135

  (fk-nn) sebesar 80% dari hasil pengujian

  k data data data data data latih latih latih latih latih

  variasi nilai k dan pada variasi jumlah data

  dan dan dan 25 dan dan

  latih yang menggunakan k=15 dan 135

  25 25 data

  25

  25 data latih. data data uji data data uji uji uji uji

  6.2 Saran 15 76% 76% 80% 64% 80%

  Sistem Identifikasi Penyakit Tanaman Jarak Pagar Menggunakan Metode Fuzzy K-Nearest

  Neighbor (fk-nn) masih memiliki banyak

  kekurangan. Saran yang dapat diberikan untuk

  V A R I A S I J U M L A H D A T A

  pengembangan sistem agar menjadi lebih baik

  L A T I H

  adalah melakukan optimasi menggunakan

  100

  metode lain seperti algoritma evolusi untuk

  ) (%

  mendapatkan akurasi yang lebih optimal.

  I

50 AS

  Metode tersebut dapat diterapkan pada

  UR penelitian berikutnya. AK 2 0 4 0 6 0 8 0 1 0 0 JUMLAH DATA LATIH

  7. DAFTAR PUSTAKA

  Amiratus, Rahmi. 2013. Penerapan Metode

Gambar 5.1 Pengaruh Variasi Jumlah Data Latih

  Fuzzy K- NN Untuk Menentukan

5.4 Analisis Hasil Pengaruh Variasi Jumlah Kualitas Hasil Rendeman Tebu.

  Program Teknologi Informasi dan Ilmu

  Data Latih Terhadap Tingkat Akurasi

  Komputer. Malang: Universitas Berdasarkan pengujian pengaruh variasi Brawijaya. jumlah data latih terhadap tingkat akurasi

  Beyan, C. 2014. A Fuzzy K-NN Approach for dengan k = 15 dengan 27 data latih, 54 data

  Cancer Diagnosis with Microarray

  latih, 81 data latih, 108 data latih, dan 135 data Gene Exspression Data. latih pada 25 data uji diperoleh akurasi optimal

  Dwi, Laksono Krisna, Ceppy Nasahi, &amp; Nenet sebesar 80%. Akurasi optimal mencapai 80% Susniahti. 2010. Inventarisasi Penyakit dikarenakan pada jumlah data latih sebanyak 81 data latih mencapai titik optimal. Hal ini juga Pada Tanaman Jarak Pagar Pada Tiga

  Daerah di Jawa Barat. Bandung: disebabkan Karena penyebaran data latih yang Universitas Padjajaran. diterima tidak merata.

  Fernandez, C.M. 2015. Supercritical Extraction

6. PENUTUP

  and Fractionation of Jathropa Curcas

6.1 Kesimpulan L.oil For Biodiesel Production.

  Berdasarkan perancangan, implementasi, dan hasil pengujian Sistem Identifikasi Penyakit H, Ninki. 2008. Sistem Pendukung Keputusan

  Berbasis SMS Untuk Menentukan Tanaman Jarak Pagar Menggunakan Metode

  

Fuzzy K-Nearest Neighbor(fk-nn) , maka Status Gizi Dengan Menggunakan

didapatkan kesimpulan sebagai berikut: Metode K-Nearest Neighbor .

  Yogyakarta: Universitas Islam 1. Pada penelitian ini metode fuzzy k-nearest Indonesia.

  neighbor dapat membantu untuk

  Hambali E, Suryani A, Dadang Hariyadi, mengidentifikasi penyakit tanaman jarak Hanafie H, Reksowardojo I K, Rivai M, Ihsanur M, Suryadarma P, Tjitrosemito S, Soerawidjaja TH, Prawitasari T, Prakoso T, Purnama W. 2006. Jarak Pagar Tanaman Penghasil Biodiesel.

  Jakarta: Penebar Swadaya. Kusumaningrum, Anindita. 2011. Pengaruh

  Tegakan Mahoni (Switenia

  Macrophylla King) Terhadap

  Pertumbuhan dan Produksi Jarak Pagar

  (Jathropa Curcas Linn). Fakultas

  Kehutanan. Bogor : Institut Pertanian Bogor Kusumadewi, Sri &amp; Hari Purnomo. 2010.

  Aplikasi Logika Fuzzy Untuk Mendukung Keputusan. Jakarta.:

  Penerbit Graha Ilmu. Gour,

  V.K. 2006. Production practices

  including post harvest management of Jatropha curcas. Rashtrapati Bhavan,

  New Delhi. Retno, Dewi

  H. 2013. Sistem Pakar

  Tuberculosis Pada Anak Berdasarkan Scoring Sistem dengan Metode Fuzzy K-NN. Program Teknologi Informasi

  dan Ilmu Komputer. Malang: Universitas Brawijaya. Rofika. 2015. Sistem Pakar Diagnosa Penyakit

  Kulit Pada Anak Menggunakan Metode

  Fuzzy K-Nearest Neighbor. Program

  Teknologi Informasi dan Ilmu Komputer. Malang: Universitas Brawijaya.

  Yulianti, T. 2012. Penyakit Tanaman Jarak Pagar .Malang : Balai Penelitian Tanaman Pemanis dan Serat.