IMPLEMENTASI FRAMEWORK CODEIGNITER PADA SISTEM PAKAR DIAGNOSA HAMA TANAMAN KELAPA SAWIT DENGAN METODE NAÏVE BAYES CLASSIFIER

Seminar Nasional Teknologi Informasi dan Multimedia 2017

ISSN : 2302-3805

STMIK AMIKOM Yogyakarta, 4 Februari 2017

IMPLEMENTASI FRAMEWORK CODEIGNITER PADA SISTEM PAKAR DIAGNOSA HAMA TANAMAN KELAPA SAWIT DENGAN METODE NAÏVE BAYES CLASSIFIER Leno Asman1), Muh. Fierhan Hasir 2), Ilham 3) 1), 2,), 3)

Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : [email protected]), [email protected]), [email protected])

Abstrak Kelapa sawit merupakan salah satu komoditas unggulan di Indonesia yang saat ini produktivitas mengalami peningkatan yang signifikan. Salah satu bentuk untuk meningkatkan produktivitas kelapa sawit adalah dengan upaya mengatasi hama kelapa sawit. Hal ini mengindikasikan bahwa diperlukannya sebuah langkah strategis agar dapat mengatasi hama tanaman kelapa sawit. Salah satu cara yang dapat dilakukan adalah dengan menggunakan sebuah sistem pakar diagnosa hama tanaman kelapa sawit. Penelitian ini menggunakan metode Naïve Bayes Classifier dan Model View Controller yang diimplementasikan dengan framework codeigniter sehingga menghasilkan sebuah sistem pakar yang digunakan untuk mendiagnosa hama tanaman kelapa sawit dan memberikan solusi pemberantasannya. Kata kunci: Kelapa Sawit, Hama Tanaman, Sistem Pakar Naïve Bayes Classifier, MVC, framework codeigniter 1. Pendahuluan Kelapa Sawit (Elaeis Guineesis) merupakan tumbuhan pohon yang memiliki tinggi mencapai 24 meter, buah dan bunganya berupa tanda bercabang banyak, dan apabila buah kecilnya masak berwarna merah kehitaman. Daging buah kelapa sawit mengandung minyak yang dapat digunakan sebagai bahan minyak goreng, sabun, lilin, dan juga bahan bakar (biodiesel)[1]. Salah satu bentuk untuk meningkatkan produktivitas kelapa sawit adalah dengan upaya mengatasi hama kelapa sawit. Hama tanaman kelapa sawit bisa dilihat dari gejala-gejala fisik, daun, batang, akar, ataupun dari buah sawit. Sebagai salah satu faktor penyebab terganggunya pertumbuhan kelapa sawit, hama tanaman kelapa sawit memiliki banyak jenisnya. Hal ini menyebabkan para petani mengalami kesulitan dalam menangini hama yang menyerang perkebunan kelapa sawit. Apabila hal ini tidak ditangani secara intensif, maka dapat menyebabkan mengurangi pertumbahan dan prodiktivitas kelapa sawit.

Dalam rangka mengatasi permasalahan hama tanaman kelapa sawit diperlukan sebuah sistem pakar yang dapat mendiagnosis hama tanaman kelapa sawit. Sistem pakar merupakan suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang yang ahli untuk menyelesaikannya[2]. Dengan demikian dapat diketahui bahwa sistem pakar bisa menjadi salah satu solusi cerdas yang dapat mendeteksi dan menyelesaikan suatu permasalahan sesuai dengan keahlian seorang pakar. Effendi menyatakan bahwa sistem pakar yang dapat digunakan untuk mendiagnosa hama tanaman kelapa sawit ini menggunakan metode Naïve Bayes Classifier[3]. Metode ini merupakan pengklasifikasian probabilitas sederhana berdasarkan teorema Bayes yang dikombinasikan dengan Naïve (veriabel bebas). Dengan menggunakan metode Naïve Bayes Classifier maka metode ini dianggap representatif untuk digunakan pada sistem pakar. Sistem pakar yang menerapkan metode Naïve Bayes Classifier ini dapat mendiagnosa hama tanaman kelapa sawit melalui gejala-gejala yang diinput untuk kemudian pada sistem pakar tersebut akan ditampilkan hasil diagnosis hama tanaman kelapa sawit. Oleh karena itu pada tulisan ini akan dibahas tentang sistem pakar diagnosis hama tanaman kelapa sawit dengan metode Naïve Bayes Classifier. Berdasarkan latar belakang masalah di atas, maka rumusan masalah pada penelitian ini adalah “bagaimana cara mendiagnosa hama tanaman kelapa sawit berdasarkan gejala-gejala fisik yang ditunjukan dengan menggunakan metode Naïve Bayes Classifier?”. Dengan tujuan dalam penelitian ini adalah untuk mendiagnosa hama tanaman kelapa sawit dengan menggunakan metode Naïve Bayes Classifier pada aplikasi sistem pakar. Metode analisa yang digunakan pada penelitian ini adalah Naïve Bayes Classifier. “Metode ini merupakan pengklasifikasi probalitas sederhana berdasarkan pada teorema Bayes”[3].

3.6-49

Seminar Nasional Teknologi Informasi dan Multimedia 2017

ISSN : 2302-3805

STMIK AMIKOM Yogyakarta, 4 Februari 2017

Penelitian ini juga menggunakan Model View Controller (MVC) yang merupakan metode untuk membuat sebuah aplikasi dengan memisahkan bagian data (model), tampilan (view), dan bagian proses (controller)[4]. Dalam pembuatan web dengan menerapkan MVC ini akan menggunakan framework codelgniter. Framework ini memiliki libraries yang sudah ada di dalamnya sehingga lebih mudah dalam membangun aplikasi. 1.1. Tinjauan Pustaka Penelitian mengenai diagnosa hama tanaman kelapa sawit telah banyak dilakukan sebelumnya. Seperti penelitian yang dilakukan oleh Nurhatika dengan judul “Sistem Pakar Untuk Mendiagnosis Penyakit Tanaman Kelapa Sawit”. Penelitian ini bertujuan untuk merancang suatu aplikasi sistem pakar yang dapat dikembangkan lebih lanjut untuk memberikan informasi yang akurat mengenai penyakit tanaman kelapa sawit beserta pengendaliannya bagi masyarakat khususnya petani kelapa sawit, dan untuk membantu mengurangi resiko penurunan produksi kelapa sawit[1]. Perbedaan dengan penelitian ini ialah metode yang digunakan yaitu metode naïve bayes classifier sedangkan pada penelitian sebelumnya penulis menggunakan metode forward chaining. Penelitian lainnya dilakukan oleh Effendi dengan judul “Sistem Pakar Diagnosis Penyakit ISPA menggunakan Metode Naïve Bayes Classifier”. Hasil penelitian tersebut ialah sebuah aplikasi berbasis web yang diharapkan dapar membantu masyarakat untuk mendiagnosis penyakit ISPA pada anak berdasarkan gejala-gejala yang diderita[3]. Perbedaannya dengan penelitian ini ialah metode yang digunakan hanya sebatas metode naïve bayes classifier, sedangkan penelitian ini juga menggunakan metode naïve bayer classifier dengan memanfaatkan framework codeigniter sebagai MVC untuk memudahkan pembuatan dan pengembangan.

buah (mesokarp) berwarna merah. Sedangkan minyak yang kedua berasal dari inti kelapa sawit, tidak berwarna, dikenal sebagai minyak inti kelapa sawit atau Palm Kernel Oil (PKO)[6]. Metode Naïve Bayes Classifier Menurut Zhang Naïve Bayes Classifier merupakan pengklasifikasi probabilitas sederhana berdasarkan pada teorema Bayes[7]. 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 masingmasing kelas harus ditentukan, bukan seluruh matriks kovarians[3]. Model View Controller Model View Controller (MVC) merupakan metode untuk membuat sebuah aplikasi dengan memisahkan bagian data, tampilan, dan bagian proses. MVC yang digunakan adalah framework codeigniter. Ada 3 (tiga) bagian utama yang penting pada framework codeigniter, yaitu model, view, dan controller. Model merupakan bagian yang berfungsi menghubungkan aplikasi dengan database, View merupakan bagian yang menampilkan desain dari aplikasi, sedangkan controller adalah bagian yang mengatur jalannya model dan view[4]. 2. Pembahasan Representasi Pengetahuan Pakar Berikut ini pada tabel 1 berisikan tentang daftar jenis hama dan penyakit, pemberantasannya pada kelapa sawit. Tabel 1. Jenis Hama Penyakit dan Pemberantasannya

1.2. Landasan Teori Sistem Pakar Menurut Turban dalam Sutojo, dkk bahwa sistem pakar adalah sebuah sistem yang menggukan pengetahuan manusia diamana pengetahuan tersebut dimasukkan ke dalam sebuah computer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan kepakaran atau keahlian manusia[5]. Hama Tanaman Kelapa Sawit Hama merupakan semua binatang yang mengganggu dan merugikan tanaman yang diusahakan manusia. Tanaman kelapa sawit adalah tanaman penghasil minyak nabati yang dapat menjadi andalan dimasa depan karena berbagai kegunaannya bagi kebutuhan manusia. Buah kelapa sawit menghasilkan dua kenis minyak. Minyak yang berasal dari daging 3.6-50

ISSN : 2302-3805

Seminar Nasional Teknologi Informasi dan Multimedia 2017 STMIK AMIKOM Yogyakarta, 4 Februari 2017

Tabel 3. Tabel Relasi Gejala dan Hama Penyakit

Sumber: Mustaqim, 2013 Model View Controller (MVC) pada Sistem Pakar Berikut ini hasil implementasi bagian controller pada sistem pakar hama tanaman kelapa sawit.

Gambar 1. Struktur File pada Bagian Controller Berikut ini merupakan hasil implementasi bagian model pada sistem pakar hama tanaman kelapa sawit.

Sumber: Mustaqim, 2013 Gambar 2. Struktur File pada Bagian Model Tabel 2. Tabel Gejala-gejala Hama Penyakit Pada Gambar 3 berikut implementasi bagian view pada sistem pakar hama tanaman kelapa sawit.

Sumber: Mustaqim, 2013

Gambar 3. Struktur File pada Bagian View 3.6-51

Seminar Nasional Teknologi Informasi dan Multimedia 2017

ISSN : 2302-3805

STMIK AMIKOM Yogyakarta, 4 Februari 2017

Konfigurasi Framework Codelgniter pada Sistem Pakar Hama Tanaman Kelapa Sawit Berikut ini merupakan konfigurasi file config.php dan database.php pada Framework Codelgniter. File config.php dan database.php terletak di dalam folder config. Berikut ini adalah settingan file config.php.

Gambar 4. Halaman Login Halaman hama penyakit digunakan admin untuk mengelola data hama penyakit kelapa sawit yang akan dideteksi dapat dilihat pada Gambar 5.

$config['base_url'] = 'http://localhost/sp/'; Script $config [‘base_url’] digunakan untuk menginisialisasikan variabel “base_url” yang berisi path server dimana aplikasi ini diinstal. Sedangkan pada file database.php settingannya sebagai berikut. $db['default'] = array( 'dsn' => '', 'hostname' => 'localhost', 'username' => 'root', 'password' => '', 'database' => 'sistem_pakar', 'dbdriver' => 'mysqli', 'dbprefix' => '', 'pconnect' => FALSE, 'db_debug' => (ENVIRONMENT 'production'), 'cache_on' => FALSE, 'cachedir' => '', 'char_set' => 'utf8', 'dbcollat' => 'utf8_general_ci', 'swap_pre' => '', 'encrypt' => FALSE, 'compress' => FALSE, 'stricton' => FALSE, 'failover' => array(), 'save_queries' => TRUE );

!==

Gambar 5. Halaman Hama Penyakit Halaman gejala hama penyakit digunakan admin untuk mengelola data gejala hama penyakit kelapa sawit dapat dilihat pada Gambar 6.

Gambar 6. Halaman Gejala Hama Penyakit Halaman solusi digunakan admin untuk mengelola data solusi berdasarkan hama penyakit dapat dilihat pada Gambar 7.

Gambar 7. Halaman Solusi Halaman relasi antara hama dan gejala digunakan admin untuk mengelola hubungan antara hama dan gejala penyakit kelapa sawit dapat dilihat pada Gambar 8.

Implementasi Sistem Pakar Dalam melakukan pengolahan basis pengetahuan berupa hama penyakit, gelaja, dan data relasi maka user lebih dahulu melakukan proses login. Berikut tampilan halaman login yang dapat dilihat pada Gambar 4. Gambar 8. Halaman Relasi antara Hama dan Gejala Halaman konsultasi digunakan user untuk menginput gejala yang dialami pada tanaman kelapa sawit dapat dilihat pada Gambar 9.

3.6-52

ISSN : 2302-3805

Seminar Nasional Teknologi Informasi dan Multimedia 2017 STMIK AMIKOM Yogyakarta, 4 Februari 2017

G20. nc = 0 Hama Penyakit ke -3: Ulat Api n=1 p = 1/18 = 0.0555556 m = 43 G01. nc = 0 G04. nc = 1 G11. nc = 0 G20. nc = 0

Gambar 9. Halaman Konsultasi Halaman hasil digunakan user untuk mengetahui jenis hama penyakit dan solusinya sesuai dengan gejala yang diinput dapat dilihat pada Gambar 10.

Dan Seterusnya hingga Hama penyakit ke 18. b.

Menghitung nilai P(ai|vj) dan P(vj) Hama Penyakit ke -1: Nematoda P(G01|P1)=((1+43)x0.0555556)/(1+43)= 0.0555556 P(G04|P1)=((0+43)x0.0555556)/(1+43)= 0.054293 P(G11|P1)=((0+43)x0.0555556)/(1+43)= 0.054293 P(G20|P1)=((0+43)x0.0555556)/(1+43)= 0.054293 P(P1)=((1+43)x0.0555556)/(1+43)= 0.0555556

Gambar 10. Halaman Hasil Perhitungan Manual Naïve Bayes Classifier Uji Coba perhitungan Naïve Bayes Classifier diterapkan pada tanaman kelapa sawit yan mengalami Daun Mengering (G01), Daun Berlubang (G04), Daun Tidak Utuh (G11) dan Tajuk Bagian Bawah Berwarna Abu-abu (G20).

Hama Penyakit ke -2: Tungau P(G01|P2)=((1+43)x0.0555556)/(1+43)= 0.0555556 P(G04|P2)=((0+43)x0.0555556)/(1+43)= 0.054293 P(G11|P2)=((0+43)x0.0555556)/(1+43)= 0.054293 P(G20|P2)=((0+43)x0.0555556)/(1+43)= 0.054293 P(P2)=((1+43)x0.0555556)/(1+43)= 0.0555556

Langkah dan Uji coba perhitungan Naïve Bayes Classifier: a. Menentukan nilai nc untuk setiap class: Hama Penyakit ke -1: Nematoda n=1 p = 1/18 = 0.0555556 m = 43 G01. nc = 1 G04. nc = 0 G11. nc = 0 G20. nc = 0 Hama Penyakit ke -2: Tungau n=1 p = 1/18 = 0.0555556 m = 43 G01. nc = 1 G04. nc = 0 G11. nc = 0

Hama Penyakit ke -3: Ulat Api P(G01|P3)=((0+43)x0.0555556)/(1+43)= 0.054293 P(G04|P3)=((1+43)x0.0555556)/(1+43)= 0.0555556 P(G11|P3)=((0+43)x0.0555556)/(1+43)= 0.054293 P(G20|P3)=((0+43)x0.0555556)/(1+43)= 0.054293 P(P3)=((1+43)x0.0555556)/(1+43)= 0.0555556 Dan Seterusnya hingga Hama penyakit ke 18. c.

Menghitung nilai P(ai|vj) x P(vj) untuk setiap v Hama Penyakit ke -1: Nematoda

P(P1)x[P(G01|P1)xP(G04|P1)xP(G11|P1)xP(G20|P1)] = 0.0555556*0.0555556*0.054293*0.054293*0.054293 = 4.9395207227328E-7 3.6-53

Seminar Nasional Teknologi Informasi dan Multimedia 2017

ISSN : 2302-3805

STMIK AMIKOM Yogyakarta, 4 Februari 2017

memudahkan pembuatan dan pengembangan sistem pakar hama tanaman kelapa sawit. Sistem pakar yang didesain pada penelitian ini dengan menggunakan metode Naïve Bayes Classifier dapat diterapkan untuk mendiagnosa hama tanaman kelapa sawit. Sistem pakar ini memberikan informasi mengenai jenis hama tanaman kelapa sawit dan solusinya.

Hama Penyakit ke -2: Tungau P(P2)x[P(G01|P2)xP(G04|P2)xP(G11|P2)xP(G20|P2)] = 0.0555556*0.0555556*0.054293*0.054293*0.054293 = 4.9395207227328E-7 Hama Penyakit ke -3: Ulat Api P(P3)x[P(G01|P3)xP(G04|P3)xP(G11|P3)xP(G20|P3)] = 0.0555556*0.054293*0.0555556*0.054293*0.054293 = 4.9395207227328E-7 Dan Seterusnya hingga Hama penyakit ke 18. d. Menentukan hasil klasifikasi yaitu v yang memiliki nilai perkalian terbesar Hingga didapatkan hasil seperti berikut : Tabel 4. Nilai v

Penelitian ini diharapkan dapat menjadi masukan bagi berbagai pihak dengan adanya penambahan atau pembaharuan basis pengetahuan yang ada pada sistem pakar ini agar lebih akurat dan penyempurnaan kembali, selain itu bagi peneliti lanjutan dapat melakukan pengembangan penelitian. Daftar Pustaka [1] Nurhatika, Serly. “Sistem Pakar Untuk Mendiagnosis Penyakit Tanaman Kelapa Sawit,”, tt. [2] Muhammad, Arhami, Konsep Dasar Sistem Pakar, Yogyakarta: Andi Offset, 2015. [3] Effendi, Lubis Rustam dan Agus Widanarko, SP, Buku Pntar Kelapa Sawit, PT. Agro Media Pustaka, 2011. [4] Prabowo, Donni, “Website E-commerce Menggunakan Model view Controller (MVC) Dengan Framework Codeigniter Studi Kasus : Toko Miniatur ,“ Jurnal Ilmiah DASI, Vol. 16, No. 1, hal 23-29, Maret 2015, [5] Sutojo, T., Edy Mulyanto, dan Vincent Suhartono, Kecerdasan Buatan, Yogyakarta: Andi, 2011. [6] Mangoensoekarjo, Soepadiyo & Haryono Semangun, Manajemen Agrobisnis Kelapa Sawit, Yogyakarta: UGM Press, 2008 [7] Zhang, The Optimality of Naïve Bayes, Canada: University of New Brunswick, 2004.

Hama Nematoda

Nilai v 4.9395207227328E-7

Tungau

4.9395207227328E-7

Ulat Api

4.9395207227328E-7

Ulat Kantong

5.2922149401345E-7

Belalang

4.9395207227328E-7

Kumbang Malam

5.0543932976801E-7

Biodata Penulis

Kutu Daun

4.8272588881252E-7 4.8272588881252E-7

Leno Asman, Mahasiswa Jurusan Teknik Informatika STMIK AMIKOM Yogyakarta.

Tikus

4.8272588881252E-7

Muh. Fierhan Hasir, Mahasiswa Jurusan Teknik Informatika STMIK AMIKOM Yogyakarta.

Daun Bibit Muda

4.9395207227328E-7

Akar

4.8272588881252E-7

Tanjuk

4.8272588881252E-7

Busuk Pengkal Batang

4.8272588881252E-7

Busuk Batang Atas

4.8272588881252E-7

Busuk Kering Pangkal Batang

4.9395207227328E-7

Busuk Pucuk

4.8272588881252E-7

Garis Kuning

4.9395207227328E-7

Busuk Tandan

4.8272588881252E-7

Penggerak Buah

Tandan

Ilham, Mahasiswa Jurusan Teknik Informatika STMIK AMIKOM Yogyakarta.

Nilai terbesar adalah 5.2922149401345E-7. Sehingga dapat disimpulkan kelapa sawit mengalami hama ulat kantong. 3. Kesimpulan Berdasarkan pembahasan di atas, dapat disimpulkan bahwa Model View Controller (MVC) yang diimplementasikan dengan framework codeigniter dapat

3.6-54