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’sdiseases 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 neighborsalah 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
- – 15 cm (Hambali, 2006) 2.
- – 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
- – 4 cm. panjang buah 2 cm dengan ketebalan
- – 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).
- cokelat kehitaman. Biji inilah yang banyak
- 35 % - 45% dan beracun (Hambali, 2006).
- berwarna hitam.
- menyerang tanaman jarak pagar, antara lain : sobek dan telihat pustule hitam.
- pujuk, embun tepung, hawar bakteri, layu tanaman secara tiba-tiba.
- tanaman mati
- a.
- : daun bagian bawah layu b.
- dahulu sebelum akhirnya rontok.
- Daun memiliki bercak-bercak cokelat
- berwarna kuning.
- Jika tanaman yang sakit dicabut maka
- berbentuk tidak beraturan.
- kehitaman disertai dengan adanya kehitaman pada permukaannya.
- hitam
- Cercospora menyebabkan
- bercak nekrotik pada batang nekrotik tidak beraturan berwarna
- kecokelatan pada daun.
- Serangan Alternaria menyebabkan bercak
- Batang terlihat gundul hingga berkembang
- daun bulat bercincin (melingkar-lingkar) ke bagian bawah tanaman.
- 3
- Penyakit ini disebabkan oleh jamur yang mana cukup berbahaya karena memiliki kisaran inang yang cukup luas, yakni sekitar 400
- 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 :
- Tanaman mati tiba – tiba
- Adanya embun tepung berwarna putih pada permukaan daun serta buah.
- 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.
- Tanaman akan layu disertai daun kekuningan
- Batang dibelah akan terlihat bagian yang berkayu bergaris-garis kecokelatan serta perakaran
- Pangkal batang (leher akar) busuk hitam.
- Bercak berair berbatas pertulangan daun membentuk bercak bersudut
- Bercak menjadi agak kehitaman dan permukaan bawah daun tampak mengkilat
- Busuk dimulai dari akar menjalar ke pangkal batang dan satu sisi tanaman.
- – x j
- (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)
√
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.
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 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):
b. Gejala
Biji berbentuk bulat lonjong dan berwarna Gejala awal :
Pada hipokotil pada batas permukaan mengandung minyak dengan rendemen sekitar tanah sebagai bercak cokelat terang
Berkembang menjadi cokelat gelap di sekeliling hipokotil.
2.3 Penyakit Tanaman Jarak Pagar
Jaringan kulit kayu bagian dalam
Beberapa penyakit penting yang dapat Kulit luar pangkal batang tersobek –
antraknosa, bercak daun, busuk arang, busuk Daun-daun layu pada seluruh bagian
bakteri, layu fusarium.
Dalam waktu kurang dari 1 minggu
1 Antraknosa
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.
Pada kondisi yang kurang mendukung
Gejala
Kemudian daun menguning terlebih
kehitaman bulat yang dibatasi halo Jika penyakit berlanjut, tanaman akan
mati. Jika menyerang pinggir daun bercak
pada akar akan terlihat busuk Pada buah juga terdapat bercak cokelat
sklerosia jamur berwarna hitam. Pada kondisi lembab terlihat pustul-pustul
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
Bercak cekung yang berkembang menjadi
Serangan
Busuk mulai dari pucuk
Daun/tunas pucuk rontok
Bagian yang busuk biasanya berair
Busuk Arang Bagian pucuk mengering.
5 Embun Tepung
spesies tanaman. Tanaman yang sakit mampu
a. Penyebab
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
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
6 Hawar Bakteri
a. Penyebab Bakteri Xanthomonas campestris.
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.
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.
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 PenelitianKebutuha Sumber Kegunaan No. Metode n Data Data Data
2 2 2 2 2 2 (0 − 0.9)
= 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 Klasifikasi3.5 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 latihGambar 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 kPada 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 kelas3.5 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 LatihFuzzy 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, & 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 & 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.