Pengembangan Sistem Pakar Identifikasi Awal Penyakit Kedelai Berbasis Android Dengan Pendekatan Naïve Bayes.
View/ Open
Date
2015Author
Astuti, Indah Puji
Hermadi, Irman
Buono, Agus
Mutaqin, Kikin H
Metadata
Show full item recordAbstract
Banyak faktor yang mempengaruhi menurunnya angka produksi kedelai di Indonesia, salah satunya adalah faktor penyakit. Identifikasi awal penyakit kedelai adalah upaya agar dapat dilakukan tindakan penanggulangan terhadap penyakit dengan segera sehingga penurunan angka produksi kedelai dapat diminimalisasikan. Hal ini membuat ketergantungan atas keberadaan seorang pakar penyakit kedelai sangatlah tinggi. Namun, kesempatan dan waktu pakar untuk ditemui tidak mudah tersedia untuk setiap saat, apalagi jumlahnya di daerah pedesaan yang masih relatif sedikit. Tujuan dari penelitian ini adalah mengembangkan sistem pakar identifikasi awal penyakit kedelai berbasis Android menggunakan pendekatan Naïve Bayes. Sistem pakar berbasis Android diharapkan menjadi solusi yang dapat dijadikan sarana untuk berkonsultasi tentang penyakit kedelai layaknya seorang pakar yang dapat digunakan kapanpun dan dimanapun. Pengembangan sistem pakar mengadopsi pendekatan Expert System Development Life Cycle (ESDLC). Tahapan-tahapannya terdiri dari inisialisasi proyek, analisis dan desain, implementasi dan pengujian. Jumlah penyakit kedelai yang bisa diidentifikasi dalam penelitian ini berjumlah 14 jenis penyakit. Penelitian ini menggunakan beberapa variabel untuk menghitung kemungkinan nilai bayesnya, di antaranya variabel gejala, variabel fase pertumbuhan kedelai dan variabel prior penyakit kedelai. Hasil pengujian aplikasi pada penelitian ini menunjukkan bahwa tidak semua jenis penyakit berhasil diidentifikasi dengan tepat. Hasil pengujian menunjukkan bahwa aplikasi mampu mendeteksi dengan tepat sebesar 47% untuk jenis penyakit di dataran tinggi dan 75% untuk jenis penyakit di dataran rendah. Dalam hal ini, identifikasi menggunakan pendekatan Naïve Bayes tidak selalu dapat menemukan jenis penyakit dengan benar. Nilai akurasi yang masih kurang dari 100% ini dimungkinkan karena ada variabel yang menggunakan nilai pendekatan yang masih kurang merepresentasikan data aktual.