NAMA : YOLANDA PAH
NIM :13110266
SEMESTER IV
IDENTIFIKASI
PENYAKIT PADA TANAMAN KEDELAI
ABSTRAK
Kedelai
merupakan salah satu komoditi pangan utama di Indonesia. Kebutuhan akan
komoditi kedelai terus meningkat dari tahun ke tahun baik sebagai bahan pangan
utama, pakan ternak maupun sebagai bahan baku industri skala besar hingga skala
kecil. Berbagai upaya telah dilakukan untuk meningkatkan produksi kedelai
nasional antara lain dengan penelitian varietas unggul, perluasan areal tanam,
dan penyuluhan. Namun dalam proses penanaman kedelai terdapat beberapa kendala
yaitu intensitas serangan hama dan penyakit, dan kurangnya tenaga penyuluh
pertanian. Dalam mengatasi masalah serangan penyakit pada tanaman kedelai,
petani kedelai selaku pihak yang berhubungan secara langsung pada penanaman
kedelai perlu untuk mengetahui informasi yang cepat dan akurat terkait jenis
penyakit yang menyerang. Sehingga setelah didapatkan informasi penyakitnya maka
dapat segera diketahui solusi untuk mengatasi serangan penyakit tersebut.
Dengan berkembangnya teknologi informasi, banyak informasi yang dapat diakses
secara cepat melalui layanan internet. Kemudahan akses terhadap informasi
inilah yang salah satunya dapat digunakan untuk memberikan informasi kepada
petani kedelai tentang identifikasi penyakit. Oleh karena itu penulis mencoba
memberikan salah satu solusi yang dapat dilakukan untuk membantu petani kedelai
dalam mengidentifikasi penyakit tanaman kedelai dengan membuat suatu aplikasi
berbasis Web yang dapat diakses oleh seluruh petani kedelai yang
terjangkau oleh layanan internet. Aplikasi yang dibuat dapat melakukan identifikasi
penyakit berdasarkan gejala yang secara umum terjadi. Pada penelitian ini
penulis menerapkan teorema Bayes pada program aplikasi untuk menghitung
nilai probabilitas hasil identifikasi penyakit tanaman kedelai. Pada pengujian
20 sampel data gejala penyakit menunjukkan bahwa program aplikasi menghasilkan
nilai akurasi
1.
Pendahuluan
1.1. Latar Belakang
Kedelai merupakan salah satu komoditi pangan utama
masyarakat Indonesia. Kebutuhan akan komoditi kedelai terus meningkat dari
tahun ke tahun baik sebagai bahan pangan utama, pakan ternak maupun sebagai
bahan baku industri skala besar (pabrikan) hingga skala kecil (rumah tangga).
Berbagai upaya telah dilakukan untuk meningkatkan produksi kedelai nasional
antara lain dengan penciptaan dan penelitian varietas unggul, bantuan benih
unggul bermutu, perluasan areal tanam, dan penyuluhan.
Namun dalam proses penanaman kedelai terdapat beberapa
kendala yaitu terjadinya perubahan iklim yang mengakibatkan intensitas serangan
hama dan penyakit, dan kurangnya tenaga penyuluh pertanian. Dalam mengatasi
masalah serangan penyakit pada tanaman kedelai, petani kedelai selaku pihak
yang berhubungan secara langsung perlu untuk mengetahui informasi yang cepat
dan akurat terkait jenis penyakit yang menyerang tanaman kedelai. Sehingga
setelah didapatkan informasi penyakitnya dapat segera diketahui solusi untuk
mengatasi serangan penyakit tersebut. Dengan berkembangnya teknologi informasi,
banyak informasi yang dapat diakses secara cepat melalui layanan internet.
Kemudahan akses terhadap informasi inilah yang salah satunya dapat digunakan
untuk memberikan informasi kepada petani kedelai tentang identifikasi penyakit.
Oleh karena itu penulis mencoba memberikan salah satu solusi yang dapat
dilakukan untuk membantu petani kedelai dalam mengidentifikasi penyakit tanaman
kedelai dengan membuat suatu aplikasi berbasis Web yang dapat diakses
oleh seluruh petani kedelai yang terjangkau oleh layanan internet. Aplikasi ini
dapat melakukan identifikasi penyakit berdasarkan gejala yang tampak secara
umum pada tanaman kedelai.
Penelitian
sebelumnya mengenai identifikasi penyakit yang sudah dilakukan antara lain
Identifikasi Penyakit pada Tanaman Kedelai Menggunakan Metode Classical
Probability (Anum, 2013), Pemanfaatan Teorema Bayes dalam Penentuan
Penyakit THT (Winiarti, 2008), Sistem Pakar Deteksi Penyakit Diabetes Mellitus
dengan Menggunakan Pendekatan Naïve Bayesian Berbasis Web (Yakub, 2008),
Penerapan Teorema Bayes untuk Mendiagnosa Penyakit pada Manusia (Rosnelly,
2010). Pada penelitian tersebut disebutkan bahwa teorema Bayes dapat diterapkan
pada suatu aplikasi untuk mengidentifikasi suatu permasalahan. Berdasarkan
beberapa penelitian tersebut penulis menerapkan teorema Bayes pada suatu
aplikasi untuk mengidentifikasi penyakit tanaman kedelai. Teorema Bayes merupakan
satu dari cabang teori statistik matematik yang memungkinkan kita untuk membuat
satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan
pengetahuan umum dengan fakta dari hasil pengamatan. Teorema Bayes mempunyai
beberapa kelebihan, yaitu mudah untuk dipahami, hanya memerlukan pengkodean
yang sederhana, dan lebih cepat dalam penghitungan (Ramadhani, 2012). Teorema Bayes
memiliki kelebihan dibandingkan dengan probabilitas klasik dalam proses
pengambilan kesimpulan atau inferensi. Probabilitas klasik sepenuhnya
mengandalkan proses inferensi pada data sampel yang diambil dari populasi,
sedangkan teorema Bayes disamping memanfaatkan data sampel yang
diperoleh dari populasi juga memperhitungkan suatu distribusi awal yang
disebut
distribusi prior untuk parameter yang diinginkan. Kemudian distribusi prior dikombinasikan dengan
informasi sampel untuk mendapatkan kesimpulan atau distribusi posterior.
Dalam aplikasi ini terdapat jenis-jenis penyakit yang
menyerang tanaman kedelai berdasarkan gejala-gejala umum yang tampak pada
tanaman kedelai. Petani kedelai dapat berkonsultasi melalui aplikasi ini dengan
cara memililh gejala-gejala umum yang tampak pada tanaman kedelai kemudian
sistem akan memberikan hasil berupa jenis penyakit yang dialami.
1.2. Penelitian Yang Berkaitan
Berdasarkan hasil dari beberapa penelitian yang sudah
dilakukan menunjukkan bahwa teorema Bayes dapat dijadikan sebagai alat
untuk menghitung keakuratan hasil. Penelitian tersebut antara lain Pemanfaatan
Teorema Bayes dalam Penentuan Penyakit THT (Winiarti, 2008), Sistem Pakar
Deteksi Penyakit Diabetes Mellitus dengan Menggunakan Pendekatan Naïve Bayesian
Berbasis Web (Yakub, 2008), Penerapan Teorema Bayes untuk Mendiagnosa Penyakit
pada Manusia (Rosnelly, 2010).
2.
Teorema
Bayes
Teorema
bayes merupakan satu metode yang digunakan untuk menghitung ketidakpastian data
menjadi data yang pasti dengan membandingkan antara data ya dan tidak.
Probabilitas bayes merupakan salah satu cara untuk mengatasi ketidakpastian
data dengan menggunakan formula bayes yang dinyatakan :
Dimana:
P(H | E) = probabilitas hipotesis H jika diberikan
evidence E
P(E | H) = probailitas munculnya evidence E
jika diketahui hipotesis H
P(H) = probabilitas H tanpa mengandung
evidence apapun
P(E) = probabilitas evidence E
3. Penyakit Tanaman Kedelai
Penyakit-penyakit yang menyerang
tanaman kedelai dapat dilihat pada
Tabel 1.
|
PID
|
Penyakit
|
|
P01
|
Penyakit Target Spot / Corynespora cassicola
|
|
P02
|
Penyakit Rebah Kecambah,
Busuk Daun, Batang dan Polong / R.
Solani
|
|
P03
|
Penyakit Antraknose / Colletotrichum dematium var truncatum
|
|
P04
|
Penyakit Hawar Batang / Sclerotium rolfsii
|
|
P05
|
Penyakit Karat / Phakopsora pachyrhizi
|
|
P06
|
Penyakit Virus Mosaik / Soybean Mosaic Virus
|
|
P07
|
Penyakit Hawar, Bercak Daun,
dan Bercak Biji Ungu / Cercospora
kikuchii
|
|
P08
|
Penyakit Pustul Bakteri / Xanthomonas axonopodis pv glycines
|
|
P09
|
Penyakit Downy Mildew / Peronospora manshurica
|
Tabel 1 Penyakit Tanaman Kedelai
Sedangkan gejala penyakit yang
menyerang tanaman kedelai dapat dilihat pada Tabel 2.
|
GID
|
Gejala
|
|
G01
|
Ada bercak kemerahan pada
akar
|
|
G02
|
Ada bercak kemerahan pada
batang
|
|
G03
|
Ada batang dekat akar busuk
|
|
G04
|
Pada batang timbul bintik
bintik hitam berupa duri duri
jamur
|
|
G05
|
Batang tanaman menjadi kering
|
|
G06
|
Ada bercak coklat tua pada
batang bawah dekat permukaan tanah
|
|
G07
|
Ada miselium putih pada
pangkal batang
|
|
G08
|
Ada bercak merah karat pada
bagian daun, batang dan tangkai
|
|
G09
|
Bijinya mengecil
|
|
G10
|
Biji berwarna ungu
|
|
G11
|
Ada biji yang rusak
|
|
G12
|
Tulang daun pada batang
berwarna kurang jernih
|
|
G13
|
Bercak daun membentuk
lingkaran seperti papan tembak
|
|
G14
|
Daun mengkerut dan mempunyai
gambar mozaik berwarna hijau gelap
|
|
G15
|
Daun yang timbul miselium dan
daun lengket seperti terkena sarang laba laba
|
|
G16
|
Daun mengering dan menempel
pada batang
|
|
G17
|
Bentuk bercak menyudut
berukuran sampai 1 mm
|
|
G18
|
Ada bercak berwarna coklat muda
atau putih pada bawah daun
|
|
G19
|
Bentuk bercak bervariasi dari
bintik kecil sampai bintik besar berwarna kecoklatan
|
|
G20
|
Ada daun yang berlobang
|
|
G21
|
Ada tulang daun yang menebal
dan warnanya kecoklatan
|
|
G22
|
Ada bercak berwarna putih
kekuning kuningan pada permukaan bawah daun
|
|
G23
|
Ada daun yang kaku
|
Tabel
2. Gejala penyakit tanaman kedelai.
Hubungan antara penyakit dan
gejalanya dapat dilihat pada Tabel 3.
|
Gejala
|
Penyakit
|
|||||||||||||||||
|
P01
|
P02
|
P03
|
P04
|
P05
|
P06
|
P07
|
P08
|
P09
|
||||||||||
|
G01
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G02
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G03
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G04
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G05
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G06
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G07
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G08
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
|||||||||
|
G09
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
|||||||||
|
G10
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
|||||||||
|
G11
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
|||||||||
|
G12
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
|||||||||
|
G13
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G14
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
|||||||||
|
G15
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G16
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G17
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
|||||||||
|
G18
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
|||||||||
|
G19
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
|||||||||
|
G20
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
|||||||||
|
G21
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
|||||||||
|
G22
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
|||||||||
|
G23
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
|||||||||
Tabel
3. Tabel keputusan antara penyakit dan gejala
4.
Perhitungan
Manual
Misalnya
gejala yang tampak pada tanaman kedelai ada 2 gejala yaitu ada bercak kemerahan
pada akar (G01), dan ada bercak kemerahan pada batang (G02). Berdasarkan gejala
tersebut maka dapat di hitung:
1.
Penyakit target spot (P01)
Jika
probabilitas penyakit target spot (P01) adalah : 0,11
Jika
probabilitas gejala memandang penyakit adalah :
ada bercak kemerahan pada akar (G01) : 0,3
ada bercak kemerahan pada batang (G02) : 0,3
Perhitungan
nilai Bayes :
1. P
(P01 | G01) = P (G01 | P01) * P (P01)
P(G01
| P01) * P (P01) + P (G01 | P02) *
P
(P02) + P (G01 | P03) * P (P03) +
P (G01
| P04) * P (P04) + P (G01 | P05) *
P
(P05) + P (G01 | P06) * P (P06) +
P (G01
| P07) * P (P07) + P (G01 | P08) *
P
(P08) + P (G01 | P09) * P (P09)
= 0,3
* 0.11
(0.3*0,11)
+ (0*0,11) + (0*0,11) +
(0*0,11)
+(0*0,11) + (0*0,11) +
(0*0,11)
+ (0*0,11) +(0*0,11)
=
0,033
0,033
= 1
2. P
(P01 | G02) = P (G02 | P01) * P (P01)
P (G02
| P01) * P (P01) + P (G02 | P02) *
P
(P02) + P (G02 | P03) * P (P03) +
P (G02
| P04) * P (P04)+ P (G02 | P05) *
P
(P05) + P (G02 | P06) * P (P06) +
P (G02
| P07) * P (P07) + P (G02 | P08) *
P
(P08) + P (G02 | P09) * P (P09)
= 0,3
* 0.11
(0.3*0,11)
+ (0*0,11) + (0*0,11) +
(0*0,11)
+(0*0,11) + (0*0,11) +
(0*0,11)
+ (0*0,11) +(0*0,11)
=
0,033
0,033
= 1
Total
Bayes 1 = 1 + 1 = 2
2.
Penyakit Antraknose (P03)
Jika
probabilitas penyakit target spot (P01) adalah : 0,11
Jika
probabilitas gejala memandang penyakit adalah :
ada bercak kemerahan pada akar (G01) : 0
ada
bercak kemerahan pada batang (G02) : 0
Perhitungan
nilai Bayes :
1. P
(P03 | G01) = P (G01 | P03) * P (P03)
P (G01
| P01) * P (P01) + P (G01 | P02) *
P
(P02) + P (G01 | P03) * P (P03) +
P (G01
| P04) * P (P04) + P (G01 | P05) *
P
(P05) + P (G01 | P06) * P (P06) +
P (G01
| P07) * P (P07) + P (G01 | P08) *
P
(P08) + P (G01 | P09) * P (P09)
= 0 *
0.11
(0.3*0,11)
+ (0*0,11) + (0*0,11) +
(0*0,11)
+ (0*0,11) + (0*0,11) +
(0*0,11)
+ (0*0,11) + (0*0,11)
= 0
0,033
= 0
2. P
(P03 | G02) = P (G02 | P03) * P (P03)
P (G02
| P01) * P (P01) + P (G02 | P02) *
P
(P02) + P (G02 | P03) * P (P03) +
P (G02
| P04) * P (P04) + P (G02 | P05) *
P
(P05) + P (G02 | P06) * P (P06) +
P (G02
| P07) * P (P07) + P (G02 | P08) *
P
(P08) + P (G02 | P09) * P (P09)
= 0 *
0.11
(0.3*0,11)
+ (0*0,11) + (0*0,11) +
(0*0,11)
+ (0*0,11) + (0*0,11) +
(0*0,11)
+ (0*0,11) + (0*0,11)
= 0
0,033
= 0
Total Bayes 2 =
0 + 0 = 0
Hasil
= Total Bayes 1 + Total Bayes 2
= 2 + 0
= 2
Maka
perhitungan probabilitas penyakitnya adalah :
1. Penyakit
target spot (P01)
= 2 / 2 * 100% = 100 %
2.
Penyakit Antraknose (P03)
= 0 /
2 * 100% = 0 %
5. Analisa Hasil
Berdasarkan hasil pengujian perbandingan identifikasi
program dengan identifikasi pakar pada 20 sampel data gejala penyakit diketahui
bahwa akurasi hasil identifikasi program adalah sebesar 90%. Hasil identifikasi
program memiliki tingkat probabilitas yang menunjukkan seberapa besar
kemungkinan tanaman kedelai terkena suatu penyakit berdasarkan gejala yang
telah dipilih. Semakin tinggi nilai probabilitasnya maka semakin tinggi pula
kemungkinan tanaman kedelai terserang penyakit.
6.
Kesimpulan dan Saran
Teorema
Bayes dapat digunakan untuk mengidentifikasi penyakit pada tanaman kedelai
dengan menerapkannya pada suatu program aplikasi. Aplikasi yang dibuat hanya
dapat mengidentifikasi gejala yang tampak secara umum, belum dapat digunakan
untuk mengidentifikasi gejala penyakit yang tampak secara khusus seperti
penampakan gejala bersifat ringan, sedang, atau berat. Nilai akurasi hasil
identifikasi program yang didapat dari pengujian 20 sampel gejala penyakit
adalah 90 %.
Disarankan menggunakan data training untuk
nilai probabilitas gejala dan penyakit agar hasil identifikasi lebih akurat.
Disarankan menggunakan data sampel yang lebih besar untuk pengujian agar
validitas hasil menjadi lebih akurat. Diperlukan pengembangan aplikasi untuk
mengidentifikasi penampakan gejala yang lebih khusus seperti penampakan gejala
bersifat ringan, sedang, dan berat.
Sumbernya : Anum, R. 2013. Identifikasi Penyakit pada Tanaman Kedelai Menggunakan Metode Classical
Probability. Malang: Universitas Brawijaya
