PENERAPAN METODE NAIVE BAYES CLASSIFIER

Jurnal Ilmiah NERO Vol. 3, No.1

2017

PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK
DETEKSI PENYAKIT PADA TANAMAN JAGUNG
Mohammad Syarief 1), Amirul Mukminin2) , Novi Prastiti 3), Wahyudi Setiawan4)
Program Studi Manajemen Informatika, Fakultas Teknik, Universitas Trunojoyo Madura
Jl Raya Telang, PO. BOX 2, Kamal, Bangkalan
Email: ayibnya@gmail.com 1), wsetiawan@trunojoyo.ac.id 4)

ABSTRAK
Jagung merupakan salah satu komoditas pertanian yang dapat digunakan sebagai makanan pokok selain
padi. Budidaya tanaman jagung tidak membutuhkan air dalam jumlah banyak, hal ini sangat cocok bagi
petani di pulau Madura yang hanya mengandalkan pertanian pada saat musim hujan. Produktivitas
tanaman jagung kabupaten Bangkalan yaitu 205,45 kw/ha per tahun. Kendala yang dihadapi oleh para
petani jagung diantaranya yaitu minimnya informasi tentang penyakit yang menyerang tanaman jagung
sehingga menyebabkan produktivitas kurang. Pada penelitian ini dibangun sebuah sistem yang dapat
melakukan deteksi otomatis tentang penyakit yang menyerang tanaman jagung sehingga dapat dilakukan
tindakan-tindakan preventif untuk mencegah tanaman jagung mengalami kematian. Dari data dinas
Pertanian Kabupaten Bangkalan terdapat 46 gejala yang yang dapat menyebabkan 15 jenis penyakit.

Pengujian sistem dengan menggunakan data gangguan hama dan penyakit sebanyak 30 kasus. Sistem
akan meminta user memilih gejala-gejala penyakit pada tanaman jagung, selanjutnya sistem akan
memproses dan memberikan keterangan hasil diagnosis penyakit. Pada penelitian ini menggunakan
metode klasifikasi yaitu Naive bayes . Hasil ujicoba pada lahan jagung pertama menunjukkan kecocokan
antara sistem pakar dengan pendapat pakar sebenarnya sebesar 18 dari 30 kasus yang diujicobakan.
Kata kunci: Sistem Pakar, Penyakit Jagung, Naïve Bayes

Abstract
Corn is one of agricultural commodities that can be used as staple food besides rice. Corn cultivation
does not require much water, it is suitable for farmers on the island of Madura who only rely on
agriculture during the rainy season. The productivity of corn plant in Bangkalan Regency is 205,45 kw /
ha per year. Constraints faced by corn farmers such as lack of information about diseases that attack
corn crops that cause less productivity. This study built a system that can perform automatic detection of
diseases that attack corn plants. It’s can be preventive measures to prevent corn crops from death. From
the data of Agriculture Agency of Bangkalan Regency, there are 46 symptoms that can cause 15 kinds of
diseases. Testing of the system using data of pest and disease diseases as much as 30 cases. The system
will ask the user to choose the symptoms of the disease in corn plants, then the system will process and
provide information on the diagnosis of the disease. In this study using the classification method that is
Naive Bayes. Test results on the first corn field showed a match between the expert system and the actual
expert of 18 out of 30 cases tested.

Keywords : Expert System, Corn Diasease, Naïve Bayes

1. Pendahuluan
Lahan pertanian di Kabupaten Bangkalan sebagian besar hanya mengandalkan pengairan
dengan sistem tadah hujan. Salah satu budidaya pertanian hasil tadah hujan yaitu tanaman
jagung. Untuk meningkatkan produksi dari tanaman jagung perlu dibuat sistem yang terintegrasi
antara Dinas Pertanian dan para petani jagung di daerah. Beberapa program yang dilaksanakan
61 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

2017

oleh Dinas Pertanian diantaranya penyuluhan dan pembimbingan tentang budidaya tanaman
jagung dan penyakit yang menyertainya.
Peningkatan produksi pertanian didapat diantaranya melalui pembelajaran ilmu budidaya
pertanian dan pengetahuan tentang penyakit jagung. Penelitian ini memberikan solusi alternatif
untuk mengetahui penyakit pada tanaman jagung, diharapkan timbulnya berbagai gangguan
pertumbuhan seperti terjadinya kegagalan panen dapat dihindari lebih maksimal. Ada beberapa
penyebab penyakit yang timbul pada tanaman jagung dikarenakan oleh adanya bakteri jamur

dan virus. Pertumbuhan tanaman yang terserang penyakit bisa terganggu, misalnya daun terlihat
runcing dan kecil, tongkol menjadi cacat/kerdil dan daun terlihat menjadi mengering. Faktor
yang menyebabkan kegagalan panen bisa dikarenakan pemahaman petani belum mengetahui
jenis-jenis penyakit apa yang menyerang tanamanya dan tidak mengetahui cara
pengendaliannya apabila tanaman mereka diserang oleh penyakit.
Salah satu solusi atau metode yang bisa digunakan untuk mendiagnosis penyakit tanaman
jagung adalah sistem pakar. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan
manusia ke komputer agar dapat menyelesaikan masalah seperti yang dilakukan oleh para
ahli.Umumnya sistem pakar dirancang untuk berinteraksi langsung dengan pemakai dalam
format dialog. Sistem pakar berguna untuk membantu masyarakat dalam mengetahui jenis-jenis
penyakit tanaman dan cara penanggulangan masalah penyakit tanaman jagung sehingga dapat
mengurangi kesalahan petani maka resiko gagal panen dapat berkurang.Pada penelitian ini akan
dibangun sebuah sistem deteksi untuk mendiagnosis penyakit pada tanaman jagung secara
otomatis.
2. Dasar teori
2.1 Penelitian sebelumnya
Sistem pakar merupakan sebuah sistem yang dibuat bertujuan untuk menduplikasi
pengetahuan yang dimiliki pakar pada sebuah perangkat lunak. Keberadaan sistem pakar
memberikan kemudahan bagi khalayak umum untuk dapat memiliki pengetahuan layaknya
pakar guna mengambil keputusan tepat. Salah satu penerapan sistem pakar yaitu pada bidang

pertanian. Alternatif untuk mengatasi keterbatasan jumlah pakar pada bidang pertanian dapat
menggunakan sistem pakar. Penggunaan sistem pakar pada bidang pertanian telah berkembang
luas. Beberapa penelitian tentang sistem pakar pada bidang pertanian diantaranya yaitu “An
Internet-Based expert system platform for assistant identification of agricultural pests”
Penelitian ini membahas tentang pembuatan sistem pakar dengan melibatkan para pakar untuk
berperan dalam membuat knowledge base tentang gejala serta penyakit maupun hama yang
muncul pada sektor pertanian. Penelitian ini berbasis web sehingga mudah diakses oleh user
dengan hanya memilih gejala-gejala yang telah ada. Sistem yang akan menampilkan hasil
berupa penyakit atau hama yang menyerang tanaman [1].
Penelitian selanjutnya yaitu tentang Sistem Pakar berbasis Web untuk mendiagnosa
penyakit pada tanaman jagung. Penelitian ini menggunakan metode Certainty Factor yang
merupakan pemberian nilai antara 0 dan 1. Jika angka CF yang diberikan semakin mendekati
nilai angka 1, maka tingkat keyakinan penyakit semakin tinggi [2].
Penelitian selanjutnya yaitu tentang Perangkat Lunak Sistem Pakar Tanaman Jagung
untuk Penyusunan Paket Teknologi Spesifik Lokasi. Penelitian ini menghasilkan Sistem Pakar
Budi Daya jagung (SIPAJA) yang memperhitungkan lingkungan abiotik, biotik, kondisi petani
dan teknologi inovatif yang tersedia [3]. Penelitian selanjutnya yaitu pembuatan sistem pakar
untuk mendiagnosis penyakit pada tanaman jewawut (sejenis serelia berbiji kecil). Sistem pakar
yang dibangun menggunakan metode Fuzzy Logic [4].
62 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

2017

Penelitian selanjutnya yaitu tentang Perancangan sistem pakar untuk mendiagnosa
penyakit tanaman jagung menggunakan Fuzzy MCDM berbasis web. Penelitian ini
menggunakan metode fuzzy Multi Criteria Desicion Making untuk menghasilkan diagnosis
penyakit. Hasil diagnosis penyakit diambil dari perhitungan tertinggi dari setiap jenis penyakit
yang ada [5]. Penelitian selanjutnya membahas tentang beberapa literatur penerapan sistem
pakar menggunakan fuzzy di bidang pertanian. Beberapa bahasan diantaranya adalah penyakit,
entomology, manajemen penyuburan tanah, manajemen irigasi, penyimpanan hasil pertanian
[6].
Penelitian selanjutnya yaitu tentang sistem pakar pada bidang pertanian yang berisi
tentang pengambilan keputusan secara ekonomi, geografis mapun sosial. Penelitian ini berisi
tentang (1) laporan dan permintaan pasar tentang produk pertanian, (2) Laporan cuaca yang
terupdate lewat internet, (3) pemilihan pestisida berdasarkan tanaman dan iklim, (4) feedback
dari user berupa visual atau suara dan (5) Aplikasi kecerdasan buatan dengan data-data lampau
untuk mendukung keputusan [7].
Pada penelitian ini, digunakan akuisisi pengetahuan tentang gejala-gejala dan jenis

penyakit pada tanaman jagung. Sebagai makanan pengganti padi, jagung memiliki peranan
penting untuk terpenuhinya kebutuhan pokok warga khususnya di daerah yang beriklim kering.
Penelitian ini menggunakan metode Naïve Bayes untuk deteksi penyakit jagung.

2.2 Naïve Bayes
Naïve Bayes Classifier merupakan pengklasifikasi probabilitas sederhana berdasarkan pada
teorema Bayes. Teorema Bayes dikombinasikan dengan “Naïve” yang berarti setiap
atribut/variabel bersifat bebas (independent). Naïve Bayes Classifier dapat dilatih dengan efisien
dalam pembelajaran terawasi (supervised learning). Keuntungan dari klasifikasi adalah bahwa
ia hanya membutuhkan sejumlah kecil data pelatihan untuk memperkirakan parameter (sarana
dan varians dari variabel) yang diperlukan untuk klasifikasi. Karena variabel independen
diasumsikan, hanya variasi dari variabel untuk masing-masing kelas harus ditentukan, bukan
seluruh matriks kovarians [8] .
Dalam prosesnya, Naïve Bayes Classifier mengasumsikan bahwa ada atau tidaknya suatu
fitur pada suatu kelas tidak berhubungan dengan ada atau tidaknya fitur lain dikelas yang sama.
Pada saat klasifikasi, pendekatan bayes akan menghasilkan label kategori yang paling tinggi
probabilitasnya ( 𝑉𝑀𝐴𝑃 ) dengan masukan atribut𝑎1 ,𝑎2, 𝑎3 ,...𝑎𝑛 .
𝑉𝑀𝐴𝑃 = argmaxvj ∈V 𝑃(𝑣𝑗 ⃓ 𝑎1 𝑎2 𝑎3 … . . 𝑎𝑛 )

(1)

dengan : 𝑉𝑀𝐴𝑃 = Probabilitas tertinggi.
𝑎1 𝑎2 𝑎3 … . . 𝑎𝑛 = Atribut (Inputan)
Teorema Bayes Menyatakan :

𝑃 𝐵|𝐴 =

𝑃 𝐴|𝐵 𝑃(𝐵)
𝑃(𝐴)

(2)

dimana :
𝑃 𝐵|𝐴 = Peluang B jika diketahui keadaan jenis penyakit A.
𝑃 𝐵|𝐴 = Peluang evidence A jika diketahui hipotesis B
𝑃(𝐵) = Probabilitas hipotesis B tanpa memandang evidence apapun.
𝑃(𝐴) = Peluang evidence penyakit A.
Menggunakan teorema Bayes ini, persamaan (1) ini dapat ditulis sebagai berikut:
63 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

𝑉𝑀𝐴𝑃 = argmaxvj ∈V

dengan :
𝑉𝑀𝐴𝑃 = Probabilitas tertinggi.
𝑃(𝑣𝑗 ) = Peluang jenis penyakit ke𝑗

𝑃 𝑎 1 𝑎 2 ….𝑎 𝑛 𝑣𝑗 𝑃(𝑣𝑗 )
𝑃(𝑎 1 𝑎 2 ….𝑎 𝑛 )

2017

(3)

𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 = Peluang atribut-atribut (inputan), Jika diketahui keadaan v𝑗
𝑃(𝑎1 𝑎2 … . 𝑎𝑛 ) = Peluang atribut-atribut (inputan)

Karena nilai 𝑃(𝑎1 𝑎2 … . 𝑎𝑛 ) nilainya konstan untuk semua 𝑣𝑗 sehingga persamaan ini dapat
ditulis sebagai berikut:

(4)
𝑉𝑀𝐴𝑃 = argmaxvj ∈V 𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 𝑃 𝑣𝑗
dengan :
𝑉𝑀𝐴𝑃 = Probabilitas tertinggi.
𝑃(𝑣𝑗 ) = Peluang jenis penyakit ke𝑗
𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 = Peluang atribut-atribut (inputan) jika diketahui keadaan v𝑗

Untuk menghitung𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗 )bisa jadi semakin sulit karena jumlah gejala
𝑃 𝑎1 𝑎2 … . 𝑎𝑛 𝑣𝑗 𝑃(𝑣𝑗 ) bisa jadi sangat besar. Hal ini disebabkan jumlah gejala tersebut sama
dengan jumlah semua kombinasi gejala dikali dengan jumlah kategori yang ada .
Perhitungan Naïve bayes classifier adalah :
Menghitung P(ai|vj) dengan persamaan (5)
P(ai|vj) = nc + m.p
n+m

(5)

dengan:
nc
= jumlah record pada data learning yang v = vj dan a = ai

p
= 1/ banyaknya jenis class / penyakit
m
= jumlah parameter / gejala
n
= jumlah record pada data learning yang v = vj / tiap class
Persamaan (5) diselesaikan melalui perhitungan sebagai berikut :
1. Menentukan nilai nc untuk setiap class
2. Menghitung nilai P (ai|vj) dan menghitung nilai P (vj)
𝑉𝑀𝐴𝑃 = argmaxvj ∈V 𝑃 𝑣𝑗 ∏𝑖 𝑃(ai |vj )
dengan :

𝑛 + 𝑚𝑝
P(ai |vj ) = 𝑐𝑛+𝑚

(6)

3. Menghitung P(ai|vj) x P(vj) untuk tiap v
4. Menentukan hasil klasifikasi yaitu v yang memiliki hasil perkalian yang terbesar.
Data didapatkan dari Dinas Pertanian Kabupaten Bangkalan. Jumlah penyakit jagung

terdiri dari 15 jenis. Masing-masing jenis penyakit pada tanaman jagung juga terdapat gejalagejala yang menyertainya. Jenis penyakit pada tanaman jagung terdapat pada Tabel 1,
sedangkan gejala-gejala dari penyakit pada tanaman jagung terdapat pada Tabel 2.

64 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

2017

Tabel 1. Jenis penyakit jagung dan gejala yang menyertainya
No

Penyakit

Gejala

1

Lalat bibit

g1,g2,g27,g21

2
3

Ulat tanah
Lundi (uret)

g3,g4,g28
g5,g6

4

g7,g8,g9,g10,g29

5

Penyakit bulai
Penyakit Virus
Kerdil

6

Penggerek batang

g12,g13,g14,g8,g6,g31,g32,g33,g32,g34

7

Penyakit bercak daun
Penyakit
Hawar/Upih
Daun

g15,g16,g35,g36,g6

g8,g20,g38,g39

10

ulat grayak
Penyakit Busuk
dan tongkol

11

penyakit karat

g24,g16,g43

12

Penyakit gosong bengkak

g24,g25,g44,g45

13

belalang

g1,g4,g20

14
15

penggerek tongkol
wereng jagung

g26,g23,g46
g12,g2,g14,g8,g6

8
9

Mozaik
g11,g8,g30

g17,g18,g19,g37

Batang
g21,g22,g23,g40,g41,g42

Tabel 2. Gejala-gejala penyakit jagung
Kode

Gejala

g1

adanya bekas gigitan pada daun

g2

pucuk daun layu

g3

batangnya patah dekat permukaan tanah

g4

adanya bekas gigitan pada batangnya

g5

akar rusak karena gigitan lundi

g6

tanaman menjadi layu

g7

daun berklorosis sebagian atau seluruh daun

g8

tanaman menjadi kerdil

g9

tidak berbuah

g10

tongkolnya tidak normal

g11

daun berwarna hijau dan diselingi garis kuning

g12

daun tampak bercak bergaris kuning

g13

adanya garis-garis pendek terputus-putus pada tulang daun

g14

Daun tampak bergaris kuning panjang

g15

bercak coklat kelabu pada permukaan daun

g16

permukaan daun berwarna coklat

g17

bercak melebar pada daun

g18

pelepah berwarna merah keabu-abuan

g19

adanya butiran berwarna putih

g20

tulang daun rusak

g21

batang busuk

65 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

g22

bagian atas

g23

rusaknya tongkol

g24

terdapat titik merah kecoklatan seperti karat

g25

tongkol pembungkus rusak

g26

ada ulat ditongkol jagung

g27

warna daun dari hijau normal menjadi kekuning-kuningan

g28

daun tanaman muda rusak

g29

pada pagi hari disisi bawah daun jagung terdapat lapisan beledu putih

g30

daun bagian bawah dan atas dipegang tidak terasa adanya serbuk spora

g31

.lubang kecil pada daun

g32

.lubang gorokan pada batang

g33

batang dan tassel yang mudah patah

g34

tumpukan tassel yang rusak

g35

biji akan rusak dan busuk,bahkan tongkol dapat gugur

g36

Permukaan biji tertutupi miselium berwarna abu-abu sampai hitam

g37

tanaman cepat mati atau mengering

g38

daun menjadi transparan,

g39
g40

berlubang bahkan tinggal tulang-tulang saja
pangkal batang atau tongkol berwarna merah jambu, merah kecoklatan
atau coklat

g41

apakah tanaman mudah rebah

g42

apakah bagian batang kulit luarnya tipis

g43

terdapat serbuk berwarna kuning kecoklatan,

g44

biji jagung yang bengkak berwarna hitam

g45

sebagian biji jagung yang bengkak tersembul keluar

g46

terdapat kotoran–kotoran di tongkol jagung

2017

layu dan mengering

3. Metodologi Penelitian
Metodologi Penelitian terdiri dari Studi Literatur, Pengumpulan data dan akuisisi
pengetahuan pakar, Pembuatan perangkat lunak dan pengujian sistem. Blok diagram ujicoba
sistem pakar terdapat pada Gambar 1.
Input
pengetahuan
gejala dan
penyakit
tanaman
jagug

Deteksi
Penyakit
metode
Naïve Bayes

Hasil
deteksi
otomatis
sistem
pakar
terdeteksi

Bandingkan
dengan
pendapat
pakar
sebenarnya

Prosentase
akurasi
sistem

Gambar 1. Blok diagram uji coba sistem pakar
Pada Gambar 1 menunjukkan tahapan ujicoba sistem pakar. Pertama yaitu input gejalagejala yang terdapat pada tanaman jagung. Selanjutnya sistem akan mampu menghasilkan
deteksi otomatis tentang penyakit yang terdapat pada tanaman jagung, demikian seterusnya
hingga kasus ke 30 selesai terdeteksi. Selanjutnya hasil deteksi sistem pakar akan dibandingkan
dengan pakar sebenarnya untuk mengetahui prosentase keakuratan dari sistem yang telah dibuat.

66 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

2017

4. Pengujian dan Pembahasan
Pengujian dilakukan menggunakan data sampel sebanyak 30. Tanaman jagung pada dua
lahan yaitu lahan milik prodi agro ekoteknologi Universitas Trunojoyo Madura dan lahan
jagung di desa Gili Timur, kecamatan Kamal . Dari tahap pengujian didapatkan hasil pada Tabel
3 dan Tabel 4. Tampilan antarmuka sistem terdapat pada Gambar 2.
Tabel 3. Perbandingan hasil ujicoba sistem pakar dan pakar sebenarnya
Jagung
ke1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Deteksi
sistem
pakar
Bulai
Bulai
Bulai
Bulai
Bulai
Bulai
Bulai
Bulai
Lalat Bibit
Penggerek
Batang
Bulai
Bulai
Bulai
Bulai
Belalang

Pendapat pakar
Bulai
Bulai
Bulai
Bulai
Bulai
Bulai
Bulai
Bulai
Lalat Bibit
Penggerek
Batang
Bulai
Lalat Bibit
Bulai
Ulat Grayak
Lalat Bibit

Jegung
ke16
17
18
19
20
21
22
23
24
25

Deteksi
sistem
pakar
Wereng
Ulat Tanah
Penggerek Batang
Bercak daun
Bulai
Bercak Daun
Ulat Grayak
Karat
Karat
Bercak Daun

Pendapat pakar

26
27
28
29
30

Bercak Daun
Belalang
Wereng
Belalang
Bulai

Lundi
Belalang
Wereng
Wereng
Bulai

Belalang
Virus Mozaik
Bulai
Lundi
Bulai
Penggerek Batang
Ulat Grayak
Karat
Busuk Batang
Bulai

Tabel 4. Hasil ujicoba pada lahan jagung di desa gili timur kecamatan kamal
Jagung
ke1
2
3
4
5

10
11

Deteksi
sistem
pakar
Ulat Grayak
Wereng
Ulat grayak
Bulai
Penggerak
Batang
Ulat grayak
Belalang
Bulai
Penggerek
Batang
Ulat Grayak
Bulai

12
13
14
15

Wereng
Bulai
Bulai
Belalang

6
7
8
9

Pendapat pakar

Deteksi
sistem
pakar
Wereng
Ulat Tanah
Penggerek Batang
Ulat Grayak
Bulai

Pendapat pakar

Ulat Grayak
Belalang
Ulat Grayak
Lalat Bibit
Bulai

Jegung
ke16
17
18
19
20

Ulat Grayak
Ulat Grayak
Belalang
Ulat Grayak

21
22
23
24

Penggerek Batang
Ulat Grayak
Karat
Karat

Penggerek Batang
Ulat Grayak
Karat
Karat

Ulat Grayak
Penggerak
Batang
Wereng
Bulai
Ulat Grayak
Lalat Bibit

25
26

Belalang
Ulat Grayak

Bulai
Ulat Grayak

27
28
29
30

Belalang
Wereng
Ulat Grayak
Ulat Grayak

Belalang
Wereng
Ulat Grayak
Ulat Grayak

Belalang
Virus Mozaik
Bulai
Ulat Grayak
Bulai

Sistem deteksi penyakit jagung menggunakan metode Naïve Bayes dapat memberikan
akurasi hingga 60%. Keterbatasan yang dimiliki oleh metode ini yaitu jika terdapat dua atau
lebih nilai yang sama maka tidak dapat ditentukan jenis penyakit yang terdeteksi. Sistem pakar
yang dibuat dapat mengakuisisi pengetahuan dari pakar, namun tidak dapat menggantikan
keberadaan dari pakar sebenarnya.
67 | N E R O

Jurnal Ilmiah NERO Vol. 3, No.1

2017

Gambar 2. Tampilan Antarmuka sistem pakar
5. Kesimpulan
1. Hasil ujicoba pertama menunjukkan kecocokan deteksi 18 dari 30 kasus sedangkan hasil
ujicoba kedua menunjukkan kecocokan deteksi 17 dari 30 kasus.
2. Ujicoba pada lahan pertama menunjukkan penyakit yang paling banyak dijumpai yaitu
penyakit Bulai, sedangkan pada ujicoba lahan kedua menunjukkan penyakit yang paling
banyak dijumpai yaitu Hama Ulat Grayak
3. Metode Naïve Bayes kurang efektif dalam mendeteksi keakuratan klasifikasi sistem. Perlu
perbaikan akuisisi pengetahuan menggunakan metode lainnya, misalnya ditambah
menggunakan metode Certainty Factor untuk memberikan bobot keyakinan pada gejalagejala yang dipilih.
Ucapan Terima Kasih
Terima Kasih, tim peneliti haturkan kepada Dirjen Riset Penelitian dan pengabdian
Masyarakat DRPM DIKTI yang telah membiayai Penelitian ini pada Skim Penelitian Dosen
Pemula. Terima kasih, tim peneliti ucapkan pada Dr. Achmad Amzeri yang telah berkenan
menjadi pakar pada penelitian ini
Daftar Pustaka
[1] Li, Q, Z Shen, L Gao, H Yang, W Lin, J Qiao. “An Internet Based Expert System Platform
for assistant identification of Agricultural Pests.”World Automation Congress (WAC), 2010:
141-144.
[2] Indriana, Isti Fina. “e prints Universitas Negeri Yogyakarta.” 2010.
[3] Ikhwani, I, AK Makarim, AF Fadhly, R Effendy. “Perangkat Lunak Sistem Pakar Tanaman
Jagung untuk Penyusunan Paket Teknologi Spesifik Lokasi.” Pekan Serelia Nasional. Bogor,
2010.
[4] Roseline , P, JM Clarence, N Ganesan. “Design and Development of Fuzzy Expert System
for Integrated Disease Management Integration Millets.” International Journal of Computer
APplication, 2012: 31-37.
[5] Munanda, Edi, Nanang P. “Perancangan Sistem Pakar untuk Mendiagnosa Penyakit
Tanaman jagung menggunakan Fuzzy MCDM berbasis Web.” Litek 10, no. 2 (2013): 113-117.
[6] Dubey, S, RF Pandey, dan SS Gautan. “Literature Review on Fuzzy Expert System in
Agriculture.” International Journal of Soft Computing and Engineering , 2013.
[7] Maurya, B, MR Beg, dan S Mukherjee. “Expert SYstem Design and Architecture for
Farming Sector.” Information and Communication Technology IEEE, 2013: 10-15.
[8] Setiawan, Wahyudi, dan Sofie Ratnasari. “Sistem pakar Diagnosis Penyakit mata
menggunakan Naive Bayes.” SEMNASTEK. Jakarta, 2014.
68 | N E R O