Sistem Pakar Diagnosis Penyakit Pada Tanaman Jagung Menggunakan Metode Naive Bayes Berbasis Android

  Vol. 2, No. 7, Juli 2018, hlm. 2738-2744 http://j-ptiik.ub.ac.id

  

Sistem Pakar Diagnosis Penyakit Pada Tanaman Jagung Menggunakan

Metode Naive Bayes Berbasis Android

1 2 3 Achmad Syarifudin , Nurul Hidayat , Lutfi Fanani

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

  

  2

  3 Email ntayadih@ub.ac.id, lutfifanani@ub.ac.id

Abstrak

  

Penyakit tanaman jagung adalah salah satu penyebab tidak maksimalnya produksi jagung, bahkan

penyakit bulai dapat menyebabkan kegagalan panen hingga 90%, keberadaan pakar akan sangat

  membantu dalam hal menangani permasalahan hama dan penyakit yang menyerang tanaman jagung dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan hama atau penyakit apa yang menyerang serta memberikan informasi untuk menangani permasalahan. Metode Naive Bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal sebagai naïve Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-gejala pada daun, batang dan tongkol tanaman jagung. Hasil pengujian penelitian ini menunjukkan semua kebutuhan fungsional valid, akurasi sistem sebesar 96% dan hasil usability testing dinyatakan sangat baik.

  Kata kunci : penyakit tanaman jagung, sistem pakar, naive bayes

  

Abstract

Corn crop disease is one cause of production of corn is not a maximum, downy mildew can

cause harvest failures up to 90% , the presence of an expert would be helpful in terms of solving the

diseases that attack plants of corn by means of identifying the symptoms that plagued and conclude what

disease attack and provide information to settle the issue. Naive Bayes method is a method used to

predict probabilities. While Bayes classification is the classification of statistics that can predict the

probability of a class member. For a more simple Bayes classification known as naïve Bayesian

Classifier can be assumed that the effect of an attribute value is a class given is free of other

attributes. The required variable in this study are the symptoms on the leaves, stem and cob of

corn plants. The results of this research testing showed all functional requirements are valid, the

accuracy of the system are 96% and the results of usability testing stated it very well.

  Keywords : Corn crop disease, expert system, naive bayes

  domestik merupakan salah satu peluang bagi 1.

   PENDAHULUAN Indonesia untuk menyeimbangkan antara jumlah

  permintaan dan penawaran jagung. Adapun cara Jagung merupakan salah satu komoditas yang dapat ditempuh untuk mewujudkan unggulan pertanian dari sub sektor tanaman keseimbangan permintaan dan penawaran pangan yang multi guna dan bernilai strategis jagung domestik adalah dengan memproduksi untuk dikembangkan. Pada saat ini, jagung tidak jagung sendiri di dalam negeri dengan hanya dimanfaatkan untuk bahan pangan (food) menggunakan sumber daya domestik atau saja tetapi juga untuk pakan ternak (feed), dan dengan melakukan impor jagung dari negara lain juga bahan bakar (fuel). Jumlah produksi, (Maharani,2014). produktivitas dan harga jagung selalu

  Berdasarkan data produksi tanaman pangan mengalami fluktuasi karena pengaruh jumlah BPS (2016), Produksi jagung tahun 2015 permintaan dan penawaran yang selalu berubah- sebanyak 19,61 juta ton pipilan kering, ubah. Tingginya permintaan jagung di pasar mengalami kenaikan sebanyak 0,60 juta ton

  Fakultas Ilmu Komputer Universitas Brawijaya

2738

  (3,18 persen) dibandingkan tahun 2014. Kenaikan produksi tersebut terjadi di Pulau Jawa dan luar Pulau Jawa masing-masing sebanyak 0,46 juta ton dan 0,15 juta ton. Kenaikan produksi terjadi karena kenaikan produktivitas sebesar 2,24 kuintal/hektar (4,52 persen). Tetapi berdasarkan buletin statistik perdagangan luar negeri impor BPS (April 2017) pada bulan Januari hingga April 2017 Indonesia melakukan impor jagung sebesar 128.494,709 ton.

  Menurut (Pajrin, 2013) yang dikutip dari jurnal (Talanca,2009) dan jurnal (Yasin dkk,2008), Rendahnya produksi jagung di tingkat petani dapat mempengaruhi produksi secara Nasional. Hal ini dimungkinkan ada kaitannya dengan pengunaan varietas, pengolahan tanah dan kepadatan tanaman persatuan luas yang tidak sesuai untuk pertumbuhan tanaman jagung. Peningkatan produksi jagung varietas adalah salah satu penentu,. tersedianya varietas unggul yang hasilnya tinggi serta tahan terhadap hama dan penyakit utama terutama penyakit bulai sangat diperlukan.

  Penyakit bulai pada jagung sejak lama dirasa menimbulkan kerugian cukup besar, sehingga banyak dikenal diantara para petani. Kerugian akibat penyakit bulai pada jagung sangat bervariasi. Petak-petak tertentu dapat menderita kerugian 90% (Semangun,1993).

  Tanaman jagung berpotensi terkena serangan hama maupun penyakit yang dapat menyerang kapan saja. Beberapa penyakit yang dapat menyerang tanaman jagung antara lain adalah Hawar Daun, Busuk Pelepah, bulai, busuk tongkol dan masih banyak yang lainnya. Keberadaan pakar akan sangat membantu dalam hal menangani permasalahan penyakit yang menyerang tanaman jagung dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan penyakit apa yang menyerang serta memberikan informasi untuk menangani permasalahan. Namun dapat merasa kelelahan sehingga dapat menurunkan konsentrasinya dan menyebabkan kesalahan ketika mendiagnosa penyakit pada tanaman jagung.

  Dengan perkembangan teknologi yang semakin canggih penulis ingin memberikan alternatif lain yang dapat menggantikan peran seorang pakar dengan mengembangkan sistem pakar diagnosa penyakit pada tanaman jagung. Kami memutuskan untuk menggunakan metode naive bayes classifier karena naive bayes memiliki efisiensi pembelajaran yang tinggi dan dapat memperkirakan semua kemungkinan hanya dengan meninjau data latih. Naive Bayes Classifier adalah pengklasifikasian sederhana berdasarkan penerapan teorema bayes dengan asumsi independensi (An,2017). Proses diawali dengan masukan data oleh pengguna, kemudian data akan diolah komputer menggunakan metode Naive Bayes untuk mendapatkan klasifikasi jenis penyakit yang menyerang serta memberikan rekomendasi untuk menangani penyakit tersebut. Algoritma Naive Bayes merupakan salah satu metode yang dapat digunakan pada penelitian untuk permasalahan diagnosa penyakit.

  Berdasarkan pemaparan dari penelitian- penelitian sebelumnya, maka penulis akan mengembangkan aplikasi sistem pakar diagnosa penyakit pada tanaman jagung menggunakan metode Naive bayes. Sistem ini diharapkan dapat menggantikan peran seorang pakar dalam menangani masalah penyakit pada tanaman jagung. sistem menyediakan masukan berupa gejala yang dialami tanaman jagung untuk diproses, dan system dapat memberikan keluaran berupa informasi tentang penyakit yang menyerang tanaman yang diidentifikasi beserta informasi penanggulangan hama dan penyakit yang menyerang.

  2. LANDASAN KEPUSTAKAAN

  2.1 Sistem Pakar

  Sistem pakar adalah sistem komputer yang mengemulasi kemampuan kepakaran manusia. Kata mengemulsi diartikan lebih kuat dari simulasi yang berarti bahwa sistem pakar diharapkan mampu bertindak sebagaimana yang dilakukan pakar manusia dalam melakukan penalaran untuk memberikan suatu justifikasi/kesimpulan. Dalam melakukan penalaran,sistem pakar banyak memanfaatkan pengetahuan yang disimpan oleh sistem sebagai basis pengetahuan untuk menyelesaikan masalah pada tingkatan sebanding dengan pakar manusia.

  Sistem pakar dikembangkan melalui beberapa tahapan, tahapan yang paling rumit adalah tahapan representasi pengetahuan yang meliputi pembuatan tabel keputusan, penyusunan pohon keputusan, peringkasan pohon keputusan, penyusunan kaidah-kaidah (Hartati dan iswanti,2013).

  2.2 Naive Bayes Classifier

  Metode Naive Bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal sebagai naïve Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain.Naïve Bayes Classifier merupakan sebuah metoda klasifikasi yang berakar pada teorema Bayes. Ciri utama dari Naïve Bayes Classifier ini adalah asumsi yang sangat kuat (naif) akan independensi dari masing-masing kondisi/kejadian (Fais dkk, 2014).

  Secara garis besar model naive bayes classifier ditunjukkan pada persamaan (1) (Sutojo,2011) .

  L =

  Penyakit hawar daun pada jagung pertama kali ditemukan di sumatera pada tahun 1917 ( van Hall, 1918). Pada waktu. Di malaysia, Thailand dan Filiphina terdapat hawar daun turcicum dan maydis sedangkan adanya hawar daun carbonum belum dilaporkan.

  2.3.2 Hawar Daun

  Penyakit Bulai dapat menyebabkan gejala sistemik yang meluas ke seluruh badan tanaman dan dapat menimbulkan gejala lokal. Pada tanaman yang masih muda daun-daun yang baru saja mwmbuka mempunyai bercak-bercak khlorotis kecil-kecil. Bagian daun permukaan atas maupun bawah terdapat warna putih seperti tepung, sangat jelas di pagi hari. Selanjutnya pertumbuhan tanaman jagung akan terhambat, termasuk pembentukan tongkol buah, bahkan tongkol tidak terbentuk, daun-daun menggulung serta terpuntir, bunga jantan berubah menjadi massa daun yang berlebihan.

  Penyakit bulai pada jagung sejak lama dirasa menimbulkan kerugian cukup besar, sehingga banyak dikenal diantara para petani. Kerugian akibat penyakit bulai pada jagung sangat bervariasi. Petak-petak tertentu dapat menderita kerugian 90% (Semangun 1993).

  2.3.1 Penyakit Bulai

  Jagung berasal dari mexico, disana telah dibudidayakan selama ribuan tahun. Jagung menjadi dasar dari kebudayaan aztec dan maya. Dewasa ini Amerika serikat merupakan produsen jagung terbesar karena menghasilkan lebih dari setengah produksi dunia.

  Jagung adalah tanaman pangan kedua setelah padi. Di dunia ini jagung adalah tanaman pangan ketiga setelah gandung dan padi.

  2.3 Tanaman Jagung

  (5) Keterangan : P(c) = Nilai prior tiap kelas P(a|c) = Nilai likelihood Hasil klasifikasi dengan menggunakan metode Naive Bayes dilakukan dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi.

  P(c|a) = P(c) x P(a|c)

  (4) Keterangan : L = Nilai likelihood F = jumlah data feature tiap kelas B = jumlah seluruh fitur tiap kelas 3. Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan persamaan (5).

  2. Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan persamaan (4).

  ( | ) =

  (3) Keterangan : P = Nilai prior X = Jumlah data tiap kelas A = jumlah data seluruh kelas

  X A

  =

  1. Mencari nilai prior untuk tiap-tiap kelas dengan menghitung rata-rata tiap kelas dengan menggunakan persamaan (3).

  (2) Perhitungan naive bayes dapat dilakukan dengan langkah berikut ini:

  ℎ

  Atau dengan kata lain persamaan diatas dapat digambarkan sebagai persamaan (2). =

  4. p(E) = probabilitas evidence E tanpa memandang apapun

  3. p(H) = probabilitas hipotesis H tanpa memandang evidence apapun

  2. p(E|H) = probabilitas munculnya evidence E jika hipotesis H terjadi

  (1) Dengan : 1. p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi

  ( | ) ( ) ( )

  Awal terinfeksinya hawar daun, menunjukkan gejala berupa bercak kecil, berbentuk oval kemudian bercak semakin memanjang berbentuk ellips dan berkembang menjadi nekrotik (disebut hawar), warnanya

  START

  hijau keabu-abuan atau coklat. Panjang hawar 2,5-15 cm, bercak muncul di mulai dari daun terbawah kemudian berkembang menuju daun Gejala fisik tanaman

  jagung

  atas. Infeksi berat akibat serangan penyakit hawar daun dapat mengakibatkan tanaman jagung cepat mati atau mengering. Cendawan ini

  Prior = jumlah kelas suatu

  tidak menginfeksi tongkol atau klobot jagung,

  penyakit / total kelas

  cendawan dapat bertahan hidup dalam bentuk miselium dorman pada daun atau sisa-sisa tanaman di lahan.

  Likelihood = jumlah data fitur

  2.3.3 Penyakit Karat Daun / jumlah seluruh fitur

  Penyakit karat daun pada jagung ini di Indonesia baru menark perhatian pada tahun

  Posterior = Prior x Likelihood

  1950-an. Penyakit karat sudah terdapat pada bahan yang dikumpulkan van der goot di bogor pada tahun 1923 dan yang dikumpulkan oleh schawarz dari Bandung pada tahun 1925.

  Perbandingan nilai posterior

  Gejala pada karat daun ini berupa bercak- bercak kecil (uredinia) berbentuk bulat sampai

  Penyakit yang

  oval terdapat di permukaan daun jagung bagian

  menyerang tanaman

  atas maupun bawah, uredinia menghasilkan

  jagung

  uredospora berbentuk bulat atau oval serta berperan penting sebagai sumber inokulum dalam menginfeksiainnya,

  END

  sebarannya melalui angin. Penyakit karat dapat terjadi di dataran rendah sampai tinggi,

  Gambar 1 Diagram Alir Naive Bayes Classifier.

  infeksinya berkembang baik pada musim penghujan atau musim kemarau.

  3.2 Data Penelitian

  2.3.4 Penyakit Gosong

  Sumber data diperoleh dari hasil wawancara Pada akhir tahun 1963 di jawa muncul yang dilakukan dengan seorang pakar dari banyak berita tentang penyakit gosong pada fakultas pertanian Universitas Brawijaya jagung. Di banyak tempat di Jawa tengah

  Malang yaitu Luqman Qurata

  A, penyakit baru ini diberitakan menyebabkan buah S.P.,M.Si.,Ph.D. jagung menjadi beracun jika buah jagung

  Data yang digunakan adalah data gejala dimakan. penyakit pada daun, batang dan tongkol tanaman

  Gejala utama terdapat pada tongkol. Biji- jagung jumlah gejala yang digunakan sebagai biji yang terinfeksi membengkak, membentuk data set sebanyak 19 gejala. kelenjar. Semula kelenjar berwarna putih

  Gejala dan penyakit tanaman jagung dapat kemudian berwarna hitam dengan kulit jernih. dilihat pada tabel 1. Sebagian kelenjar tampak dari luar hingga

  Tabel 1

  akhirnya kelenjar pecah dan spora jamur yang Gejala dan Penyakit Tanaman Jagung berwarna hitam terhambur keluar.

  Kode Gejala Penyakit G1 Daun Berwarna Khlorotik

  1 Bulai 3.

   METODOLOGI G2 Mengalami hambatan

  1 Bulai pertumbuhan

3.1 Alur Naive Bayes Classifier

  G3 Warna putih seperti tepung

  1 Bulai dipermukaan atas dan bawah daun yang berwarna khlorotik G4 Daun menggulung dan terpuntir

  1 Bulai G5 Pembentukan tongkol

  1 Bulai terganggu G6 Daun yang terserang tampak layu

  1 Hawar Daun G7 Beberapa bercak kecil bersatu membentuk bercak yang lebih besar

  Muncul gambar gejala Muncul gambar gejala

  4 Pengujian Tentang Pengem bang

  Mengkli k tombol tentang pengem bang

  Masuk ke halama n tentang pengem bang Masuk ke halama n tentang pengem bang

  Valid

  5 Pengujian Tentang Perang kat

  Mengkli k tombol tentang perang kat

  Masuk ke halama n tentang perang kat Masuk ke halama n tentang perang kat

  Valid

  6 Pengujian Pilih Gejala Mengkli k tombol ya pada gejala

  Valid

  1 Hawar Daun

  7 Pengujian Bulai Mengkli k tombol bulai

  Masuk ke halama n bulai

  Masuk ke halama n bulai

  Valid

  8 Pengujian Hawar daun Mengkli k tombol hawar daun

  Masuk ke halama n hawar daun Masuk ke halama n hawar daun

  Valid

  9 Pengujian Karat daun Mengkli k tombol

  Masuk ke halama Masuk ke halama

  Valid

  Valid

  Menam pilkan hasil diagnos a dan cara penang gulanga n Menam pilkan hasil diagnos a dan cara penang gulanga n

  3 Pengujian Hasil Diagnosa Mengkli k tombol diagnos a pada halama n diagnos a

  1 Karat Daun G15 Pembengkakan pada tongkol

  2 Karat Daun

  3 Busuk Pelepah G8 Bercak berwarna coklat muda memanjang berbentuk kumparan atau perahu

  1 Hawar Daun G9 Bercak coklat berbentuk menyerupai elip

  1 Hawar Daun G10 Daun tampak kering

  1 Hawar Daun

  2 Karat Daun G11 Bercak-bercak kecil berwarna coklat atau kuning pada permukaan daun

  1 Karat Daun G12 Bercak kemerahan pada pelepah

  1 Busuk Pelepah G13 Terdapat benang-benang berbentuk tak beraturan berwarna putih kemudian coklat

  1 Busuk Pelepah G14 Keluar serbuk seperti tepung berwarna coklat kekuningan

  1 Penyakit Gosong G16 Terdapat cendawan putih hingga kehitaman pada biji

  2 Pengujian Diagnosa Mengkli k tombol Diagnos a pada halama n utama Masuk ke halama n diagnos a Masuk ke halama n diagnos a Valid

  1 Penyakit Gosong G17 Biji membengkak

  1 Penyakit Gosong G18 Terbentuk kelenjar pada biji

  1 Penyakit Gosong G19 Kelobot terbuka dan muncul banyak cendawan berwarna putih hingga kehitaman

  1 Penyakit Gosong

  Pengujian pada penelitian ini dibagi menjadi 3 yaitu blackbox testing, usability testing dan pengujian akurasi. Blackbox testing akan menguji fungsionalitas sistem dapat berjalan dengan baik. Usability testing akan menguji tingkat kepuasan pengguna. Pengujian akurasi dilakukan dengan membandingkan hasil diagnosa sistem dengan hasil diagnosa seorang pakar.

  Pada pengujian ini akan dilihat kesesuaian sistem antara hasil yang diharapkan dan hasil pada sistem, apabila hasil pada sistem sesuai dengan hasil yang diharapkan maka status pengujian dinyatakan valid sedangkan apabila hasil pada sistem tidak sesuai dengan hasil yang diharapkan maka status pengujian dinyatakan tidak valid.

  Tabel 2 Blackbox Testing

  N o Test Name Test Case Expecte d Result Result Status

  1 Pengujian Tentang Penyakit Mengkli k tombol tentang penyaki t Masuk ke halama n tentang penyaki t

  Masuk ke halama n tentang penyaki t Valid

4. PENGUJIAN DAN ANALISIS

4.1 Blackbox Testing

  karat n karat n karat

  kelayakan dengan nilai ukur yang dapat dilihat

  daun daun daun pada tabel 3.

  10 Pengujian Mengkli Masuk Masuk Valid Busuk k ke ke Tabel 3 Hasil Penilaian Kuisioner pelepah tombol halama halama busuk n busuk n busuk

  Skor Kualifikasi Hasil pelepah pelepah pelepah

  4,01 Sangat Baik Layak

  • – 5

11 Pengujian Mengkli Masuk Masuk Valid

  3,01 Baik Layak

  • – 4

  Penyakit k ke ke gosong tombol halama halama 2,01 Cukup Baik Layak

  • – 3

  penyaki n n 1,01 Buruk Tidak Layak

  • – 2

  t penyaki penyaki gosong t t 0,01 Sangat Buruk Tidak Layak

  • – 1

  gosong gosong

  Untuk mendapatkan nilai skor akan digunakan persamaan (8).

  4.2 Pengujian Akurasi

  Pengujian ini dilakukan dengan menguji (8)

  = ℎ

  tingkat keakuratan atau kesesuaian dari data Dan didapatkan hasil sebagai berikut testing yang didapatkan oleh pakar dengan hasil output dari sistem. Data testing yang didapatkan

  =

  sebanyak 50. Kemudian akan dilakukan

  ℎ

  percobaan sebanyak 50 kali dengan masukan

  21,4

  sesuai data testing, kemudian nilai akurasi akan

  =

  5 didapatkan dengan persamaan (6). = 4,28 = 100 (6)

  ℎ

  Karena Skor bernilai 4,28 maka sistem Dari percobaan yang telah dilakukan dapat dianggap sebagai sistem yang sangat baik sebanyak 50 kali didapatkan hasil output yang dan layak digunakan masyarakat. sesuai sebanyak 48. sehingga didapatkan nilai 5. akurasi :

   KESIMPULAN

  48 Berdasarkan hasil pengujian dan analisis =

  hasil penelitian ini, maka dapat diambil beberapa

  50 100

  kesimpulan sebagai berikut : Maka akurasi = 96%.

  1. Sistem yang dihasilkan sesuai dengan perancanganan sistem karena keseluruhan

  4.3 Usability Testing

  kebutuhan fungsional yang diuji dengan Pengujian ini dilakukan dengan cara blackbox testing hasilnya valid. membagikan kuisioner ke petani dan meminta 2.

  Metode naive bayes baik digunakan untuk petani untuk mencoba sistem yang telah dibuat diagnosa penyakit tanaman jagung karena kemudian petani akan mengisi kuisioner sesuai menghasilkan tingkat akurasi sebesar 96%. penilaian masing-masing, setiap pertanyaan 3.

  Sistem Pakar diagnosa penyakit tanaman bernilai satu hingga 5 dan dari total seluruh nilai jagung ini layak digunakan oleh masayakat yang didapat akan dibagi dengan jumlah maupun pihak dinas terkait karena pertanyaan hingga didapatkan nilai yang menghasilkan nilai usability testing dengan dijadikan sebagai tolak ukur kelayakan aplikasi predikat sangat baik. dimana semakin tinggi nilai yang dihasilkan maka semakin baik sistem nya.

DAFTAR PUSTAKA

  Kuisioner yang dibagikan ke petani dan Agustiawan, Beni. 2015. Sistem Klasifikasi pihak dinas pertanian sebanyak 25 lembar,dari

  Penyakit Tenggorokan Berbasis WEB hasil kuisioner yang telah di dapat, kemudian Menggunakan Metode Naive Bayes akan diambil rata-rata setiap pertanyaan dengan persamaan (7)

  Anugroho, Prasetyo. 2010. Klasifikasi Email Spam dengan Metode Naive Bayes

  (7) =

  Classifier Menggunakan Java

  ℎ

  Programming Nilai rata-rata setiap pertanyaan yang telah didapat akan digunakan untuk mengukur tingkat

  An, Yunjing, Shutao Sun, Shujuan Wang. 2017. Naive Bayes Classifiers for Music Emotion Saputra, Eko. 2014. Usability Testing untuk Classification Based on Lyrics Mengukur Penggunaan Website Inspektorat Kota Palembang.

  Ariadi, Dio, Kartika Fithriasari. 2017.

  Klasifikasi Berita Indonesia Menggunakan Semangun, Haryono. 1993. Penyakit-Penyakit Metode Naive Bayesian Classification dan Tanaman Pangan di Indonesia. Yogyakarta Support Vector Machine dengan Confix : Gadjah Mada University press Stripping Stemmer. Vol. 4, No.2

  SetyaStiawan, Ivan. 2013. Peranan Komoditas As’ad, Bahrawi. 2016. Prediksi Keputusan Jagung (Zea mays L.) Terhadap

  Menggunakan Metode Klasifikasi Naive Peningkatan Pendapatan Wilayah Bayes, One-R dan Decisision Tree Kabupaten Karo

  Badan Pusat Statistik. 2015. Produksi Tanaman Sutojo. T., Mulyanto. E, Suhartono V., Pangan 2015. CV. Tapasuma Ratu Agung 2011.Kecerdasan Buatan.C.V Andi Offset. Badan Pusat Staistik. 2015. Buletin Statistik

  Perdagangan Luar Negeri Impor April 2017. CV. Josevindo

  Fahrurozi, Achmad. 2014. Klasifikasi Kayu dengan Menggunakan Naive Bayes Classifier

  Fhadli, Muhammad. 2017. Peringkasan Literatur Ilmu Komputer Bahasa Indonesia Berbasis Fitur Statistik dan Linguistik menggunakan Metode Gaussian Naïve Bayes

  Hartati, Sri dan Sari Iswanti. 2013. Sistem Pakar dan Pengembangannya. Yogyakarta : Graha Ilmu J., Pajrin, Johanis Panggesso dan Rosmini. 2013.

  Uji Ketahanan Beberapa Varietas Jagung (Zea mays L.) Terhadap Intensitas Serangan Penyakit Bulai (Peronosclerospora maydis)

  Karina, Nia Esti, Yuni Yamasari. 2013. Aplikasi diagnosis Kanker Kandungan dengan Menggunakan Metode Naive Bayes (Studi Kasus : Rumah Sakit Islam Surabaya)

  Kusumadewi, Sri. 2009. Maharani. Navita., 2014. Analisis Keunggulan

  Komparatif Komoditas Jagung (Zea mays L.) di Kabupaten Kediri. Volume XIV No.

  3 Marofi, M. Nuzulul. 2017. Rancang Bangun Sistem Klasifikasi Frekuensi Penggunaan Minyak Goreng dengan Menggunakan Metode Bayes

  Nugroho, Septian Yuda, 2014. Data Mining Menggunakan Algoritma Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro