BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil -...
Transcript of BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil -...
20
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
4.1.1 Penelitian dan Pengumpulan Data
Sumber data yang digunakan dalam penelitian ini yaitu jumlah hasil
produksi jagung Gorontalo yang meliputi umur panen jagung, tinggi tanaman,
jarak tanam yang digunakan, daerah dan jenis lahan untuk penanaman, serta dosis
pupuk yang digunakan yang diperoleh dari Badan Pusat Informasi Jagung
Provinsi Gorontalo. Data tersebut diolah untuk mendapatkan pengetahuan tentang
jagung produktif yang sesuai dengan keadaan Gorontalo menggunakan metode
Naive Bayes. Adapun data-data tersebut terlihat pada tabel 4.1.
21
Tabel 4.1. Data Jagung
N
o Jenis jagung
Hasil
produksi
(C1)
Umur
panen
(C2)
Tinggi
tanaman
(C3)
Jarak
tanam
(C4)
Daerah tanam
(C5)
Jenis lahan
(C6)
Dosis
pupuk
(C7)
Kategori
“Produkti
f”
(C8)
1 Bima 6 ton 100 hari 200 cm 25x75
cm Dataran tinggi
Lahan
kering
250
kg Ya
2 Gumarang 5 ton 82 hari 200 cm 25x75
cm
Dataran rendah
(600 m dpl)
Lahan
sawah
tadah hujan
100
kg Tidak
3 Lamuru 5 ton 95 hari 190 cm 40x100
cm
Dataran rendah
(600 m dpl)
Lahan
kering
200
kg Tidak
4 Sukmaraga 6 ton 100 hari 195 cm 25x75
cm
Dataran rendah
(800 m dpl)
Lahan
gambut
250
kg Ya
5 Srikandi
kuning 1 5 ton 100 hari 185 cm
40x100
cm
Dataran rendah
(600 m dpl)
Lahan
sawah
tadah hujan
250
kg Ya
6 Bima 1 7 ton 97 hari 230 cm 40x100
cm
Dataran rendah
(1000 m dpl)
Lahan
kering
200
kg Tidak
7 Bisi 2 8 ton 100 hari 230 cm 25x75
cm Dataran tinggi
Lahan
kering
250
kg Tidak
8 SHS 2 6 ton 82 hari 190 cm 25x75
cm
Dataran rendah
(800 m dpl)
Lahan
gambut
100
kg Tidak
9 Bima 2 7 ton 100 hari 190 cm 40x100
cm
Dataran rendah
(1000 m dpl)
Lahan
sawah
tadah hujan
100
kg Ya
10 Bonia 8 ton 95 hari 195 cm 40x100
cm
Dataran rendah
(800 m dpl)
Lahan
kering
250
kg Ya
11 Motorokiki 5 ton 82 hari 185 cm 25x75
cm
Dataran rendah
(600 m dpl)
Lahan
kering
200
kg Ya
12 Momala 6 ton 100 hari 230 cm 25x75
cm
Dataran rendah
(600 m dpl)
Lahan
gambut
250
kg Tidak
4.1.2 Analisis Sistem
A. Analisis Permasalahan Sistem
Gorontalo adalah salah satu daerah penghasil jagung dimana jagung ini
merupakan komoditi utamanya. Untuk mempertahankan dan menghasilkan jagung
dalam jumlah besar diperlukan jagung yang produktif. Namun, berdasarkan data
yang diperoleh peneliti, permasalahan yang ada bahwa jagung yang dihasilkan di
Gorontalo kurang memuaskan. Bervariasinya cara penanaman yang ada
menyebabkan sulitnya pemilihan dan pengklasifikasian jagung yang produktif
22
sehingga keberhasilan petani dalam membudidayakannya masih belum efektif,
yang akhirnya berdampak pada hasil yang diperoleh pemerintah maupun
masyarakat. Karena belum adanya sistem untuk mengklasifikasikan jagung
produktif tersebut.
B. Analisis Kebutuhan
Untuk mengatasi permasalahan tersebut diperlukan sebuah sistem yang
dapat mengklasifikasikan jagung produktif tersebut. Dalam penelitian ini juga
terdapat data-data jumlah produksi jagung, umur panen jagung, tinggi tanaman,
jarak tanam yang digunakan, daerah dan jenis lahan untuk penanaman, dosis
pupuk yang digunakan serta kategori produktif dan tidak produktif yang
diperlukan sebagai bahan untuk pengklasifikasian jagung produktif menggunakan
metode Naive Bayes.
1. Analisis Kebutuhan Input
Analisis kebutuhan input yaitu data-data hasil produksi, umur panen, tinggi
tanaman, jarak tanam yang digunakan, daerah dan jenis lahan penanaman serta
dosis pupuk yang sesuai untuk setiap jenis jagung yang ada di Gorontalo.
kemudian dari data-data tersebut dimasukkan ke dalam sistem untuk diproses
mengklasifikasikan jagung produktif.
2. Analisis Proses Sistem
Berdasarkan kategori produktif yang ada, kemudian dilakukan analisis
proses sistem menggunakan metode Naive Bayes yang membutuhkan inputan
23
data-data tentang jagung yang meliputi hasil produksi yang diperoleh, umur
panen, tinggi tanaman jagung, jarak tanam yang digunakan daerah dan jenis lahan
penanaman, dosis pupuk yang diberikan serta kategori produktif dan tidak
produktif. Dari data-data tersebut kemudian dilakukan perhitungan probabilitas
berdasarkan metode Naive Bayes tersebut.
Sebagai contoh proses klasifikasi jagung produktif dengan metode Naive
Bayes secara manual menggunakan data hasil produksi yang diperoleh, umur
panen, tinggi tanaman jagung, jarak tanam yang digunakan, daerah dan jenis lahan
penanaman, dosis pupuk yang diberikan serta kategori produktif dan tidak
produktif untuk 12 jenis jagung yang terangkum dalam tabel 4.2.
24
Dari tabel 4.2 selanjutnya akan dilakukan perhitungan menggunakan metode
Naive Bayes. Pada metode ini sebelum mendapatkan hasil akhirnya, terlebih
dahulu menentukan nilai rata-rata atau mean dan deviasi standar dari kelas YA
dan TIDAK dalam setiap atribut yang berfitur kontinu dalam hal ini empat atribut,
yakni hasil produksi, umur panen, tinggi tanaman, dan dosis pupuk.
Mean (𝜇) dan deviasi standar (𝜎) untuk masing-masing kelas YA dan
TIDAK dari keempat atribut tersebut adalah :
a. Hasil Produksi
𝜇ya = 6+6+5+7+8+5
6 =
37
6 = 6,166667
𝜇tidak = 5+5+7+8+6+6
6 =
37
6 = 6,166667
𝜎2ya
6−6,166667 2+ 6−6,166667 2+ 5−6,166667 2+ 7−6,166667 2+(8−6,166667)2+(5−6,166667)2
6−1
= 0,02778+0,02778+1,361111+0,694444+3,361111+1,361111
5
= 1,366667
𝜎ya = 1,366667 = 1,169045
𝜎2tidak =
(5−6,166667)2+(5−6,166667)2+(7−6,166667)2+(8−6,166667)2+(6−6,166667)2+(6−6,166667)2
6−1
= 0,361111+0,361111+0,694444+3,361111+0,027778+0,027778
5
= 1,366667
25
𝜎tidak = 1,366667 = 1,169045
b. Umur Panen
𝜇ya = 100+100+100+100+95+82
6 =
577
6 = 96,1667
𝜇tidak = 82+95+97+100+82+100
6 =
556
6 = 92,6667
𝜎2ya =
(100−96,1667)2+(100−96,1667)2+(100−96,1667)2+(100−96,1667)2+(95−96,1667)2+(82−96,1667)2
6−1
= 14,69419+14,69419+14,69419+14,69419+1,361189+200,6954
5
= 52,16667
𝜎ya = 52,16667 = 7,22265
𝜎2tidak =
(82−92,6667)2+(95−92,6667)2+(97−92,6667)2+(100−92,6667)2+(82−92,6667)2+(100−92,6667)2
6−1
= 113,7785+5,444289+18,77749+53,77729+113,7785+53,77729
5
= 71,86667
𝜎tidak = 71,86667 = 8,477421
c. Tinggi Tanaman
𝜇ya = 200+195+185+190+195+185
6 =
1150
6 = 191,6667
𝜇tidak = 200+190+230+230+190+230
6 =
1270
6 = 211,6667
21
Tabel 4.2 Daftar Atribut Jagung
No Jenis jagung
Hasil
produksi
(C1)
Umur
panen
(C2)
Tinggi
tanaman
(C3)
Jarak
tanam
(C4)
Daerah tanam
(C5)
Jenis lahan
(C6)
Dosis
pupuk
(C7)
Kategori
“Produktif”
(C8)
1 Bima 6 ton 100 hari 200 cm 25x75 cm Dataran tinggi Lahan kering 250 kg Ya
2 Gumarang 5 ton 82 hari 200 cm 25x75 cm Dataran rendah
(600 m dpl)
Lahan sawah
tadah hujan 100 kg Tidak
3 Lamuru 5 ton 95 hari 190 cm 40x100
cm
Dataran rendah
(600 m dpl) Lahan kering 200 kg Tidak
4 Sukmaraga 6 ton 100 hari 195 cm 25x75 cm Dataran rendah
(800 m dpl)
Lahan
gambut 250 kg Ya
5 Srikandi kuning 1 5 ton 100 hari 185 cm 40x100
cm
Dataran rendah
(600 m dpl)
Lahan sawah
tadah hujan 250 kg Ya
6 Bima 1 7 ton 97 hari 230 cm 40x100
cm
Dataran rendah
(1000 m dpl) Lahan kering 200 kg Tidak
7 Bisi 2 8 ton 100 hari 230 cm 25x75 cm Dataran tinggi Lahan kering 250 kg Tidak
8 SHS 2 6 ton 82 hari 190 cm 25x75 cm Dataran rendah
(800 m dpl)
Lahan
gambut 100 kg Tidak
9 Bima 2 7 ton 100 hari 190 cm 40x100
cm
Dataran rendah
(1000 m dpl)
Lahan sawah
tadah hujan 100 kg Ya
10 Bonia 8 ton 95 hari 195 cm 40x100
cm
Dataran rendah
(800 m dpl) Lahan kering 250 kg Ya
11 Motorokiki 5 ton 82 hari 185 cm 25x75 cm Dataran rendah
(600 m dpl) Lahan kering 200 kg Ya
12 Momala 6 ton 100 hari 230 cm 25x75 cm Dataran rendah
(600 m dpl)
Lahan
gambut 250 kg Tidak
Sumber : BPIJ tahun 2011
21
𝜎2ya =
(200−191,6667)2+(195−191,6667)2+(185−191,6667)2+(190−191,6667)2+(195−191,6667)2+(185−191,6667)2
6−1
= 69,44389+11,11089+44,44489+2,777889+11,11089+44,44489
5
= 36,66667
𝜎ya = 36,66667 = 6,055301
𝜎2tidak =
(200−211,6667)2+(190−211,6667)2+(230−211,6667)2+(230−211,6667)2+(190−211,6667)2+(230−211,6667)2
6−1
= 136,1111+469,4444+336,1111+336,1111+469,4444+336,1111
5
= 416,6667
𝜎tidak = 416,6667 = 20,41241
d. Dosis Pupuk
𝜇ya = 250+250+250+100+250+200
6 =
1300
6 = 216,6667
𝜇tidak = 100+200+200+250+100+250
6 =
1100
6 = 183,333
𝜎2ya =
(250−216,6667)2+(250−216,6667)2+(250−216,6667)2+(100−216,6667)2+(250−216,6667,)2+(200−216,6667)2
6−1
= 1111,109+1111,109+1111,109+13611,12+1111,109+277,7789
5
= 3666,667
𝜎ya = 3666,667 = 60,55301
22
𝜎2tidak =
(100−183,333)2+(200−183,333)2+(200−183,333)2+(250−183,333)2+(100−183,333)2+(250−183,333)2
6−1
= 6944,389+277,7889+277,7889+4444,489+6944,389+4444,489
5
= 4666,667
𝜎tidak = 4666,667 = 68,31301
Setelah ditentukan nilai mean dan deviasi standar setiap atribut yang berfitur
kontinu, maka selanjutnya akan dihitung dengan menggunakan metode Naive
Bayes yang rumusnya sebagai berikut :
P(X| Y) = 1
2𝜋 𝜎 𝑒𝑥𝑝
− 𝑥−𝜇
2𝜎2
2
Selanjutnya untuk mengklasifikasikan jagung produktif, sebagai contoh jika
diketahui suatu jenis jagung berproduksi 8 ton, umur panen jagung tersebut 100
hari, tinggi tanamannya 230 cm, jarak tanam yang digunakan 25x75 cm, untuk
daerah penanamannya dilakukan di dataran rendah (600 m dpl) dengan jenis lahan
yakni lahan sawah tadah hujan, serta dosis pupuk yang diberikan sebesar 100 kg,
maka :
P Produksi = 8 YA =1
2𝜋 1,169045 𝑒𝑥𝑝
− 8−6,166667
2 (1,366667 )
2
=1
2,929619 𝑒𝑥𝑝1,229675
= 0,341341 (3,420117)
= 1,167427
23
P Produksi = 8 TIDAK =1
2𝜋 1,169045 𝑒𝑥𝑝
− 8−6,166667
2 (1,366667 )
2
=1
2,929619 𝑒𝑥𝑝1,229675
= 0,341341 (3,420117)
= 1,167427
P umur = 100 YA) =1
2𝜋 7,22265 𝑒𝑥𝑝
−(100−96,1667 )2
2 (52,16667 )
= 1
18,09991 𝑒𝑥𝑝0,140841
= 0,055391 (1,151242)
= 0,063605
P umur = 100 TIDAK) =1
2𝜋 8,477421 𝑒𝑥𝑝
−(100−92,6667 )2
2 (71,86667 )
=1
21,24436 𝑒𝑥𝑝0,37415
= 0,047071 (1,453755)
= 0,06843
P Tinggi = 230 YA) =1
2𝜋 6,055301 𝑒𝑥𝑝
−(230−191 ,6667 )2
2 (36,66667 )
=1
15,17454 𝑒𝑥𝑝20,03784
= 0,0659 (503877600)
= 33,122
P Tinggi = 230 TIDAK) =1
2𝜋 20,41241 𝑒𝑥𝑝
−(230−211 ,6667 )2
2 (416 ,6667 )
= 1
51,15336 𝑒𝑥𝑝0,403333
= 0,019549 (1,496806)
24
= 0,029261
P Pupuk = 100 YA) =1
2𝜋 60,55301 𝑒𝑥𝑝
−(100−216 ,6667 )2
2 (3666,667 )
=1
151,7454 𝑒𝑥𝑝1,8560606
= 0,00659 (6,3984809)
= 0,042166
P Pupuk = 100 TIDAK) =1
2𝜋 68,31301 𝑒𝑥𝑝
−(100−183 ,33)2
2 (4666 ,667 )
= 1
171,1919 𝑒𝑥𝑝0,774048
= 0,005841 (2,104436)
= 0,012293
Setelah menyelesaikan nilai probabilitas pada setiap kelas untuk atribut
yang bertipe numerik, maka ditentukan pula probabilitas kemunculan setiap nilai
untuk atribut yang bertipe kategori seperti terlihat pada tabel 4.3 sampai 4.6.
Tabel 4.3. Probabilitas kemunculan setiap nilai untuk atribut jarak tanam
Jarak tanam
Kategori
“Produktif” Probabilitas
Ya Tidak Ya Tidak
25 x 75 cm 3 4 3/6 4/6
40 x 100 cm 3 2 3/6 2/6
Jumlah 6 6 1 1
Tabel 4.4. Probabilitas kemunculan setiap nilai untuk atribut daerah tanam
Daerah tanam
Kategori
“Produktif” Probabilitas
Ya Tidak Ya Tidak
Dataran tinggi 1 1 1/6 1/6
Dataran rendah (600 m dpl) 2 3 2/6 3/6
Dataran rendah (800 m dpl) 2 1 2/6 1/6
Dataran rendah (1000 m dpl) 1 1 1/6 1/6
Jumlah 6 6 1 1
25
Tabel 4.5. Probabilitas kemunculan setiap nilai untuk atribut jenis lahan
Jenis lahan
Kategori
“Produktif” Probabilitas
Ya Tidak Ya Tidak
Lahan kering 3 3 3/6 3/6
Lahan sawah tadah hujan 2 1 2/6 1/6
Lahan gambut 1 2 1/6 2/6
Jumlah 6 6 1 1
Tabel 4.6. Probabilitas kemunculan setiap nilai untuk atribut kategori produktif
Jagung
produktif
Kategori
“Produktif” Probabilitas
Ya Tidak Ya Tidak
Jumlah 6 6 1/2 1/2
Dari hasil perhitungan di atas, maka :
Nilai YA = (1,167) x (0,064) x (33,122) x (3/6) x (2/6) x (2/6) x (0,042)
x (1/2)
= 0,002886119
Nilai TIDAK = (1,167) x (0,068) x (0,029) x (4/6) x (3/6) x (1/6) x
(0,012) x (1/2)
= 0,000000767108
Hasil yang diperoleh dari perhitungan nilai untuk setiap kelas tersebut akan
digunakan pada perhitungan akhir selanjutnya.
26
3. Analisis Kebutuhan Output
Data keluaran yang dihasilkan dan ditampilkan oleh program adalah suatu
keputusan apakah jenis jagung tersebut dikatakan produktif atau tidak yang bisa
menjadi tolak ukur pemerintah maupun petani dalam membudidayakannya.
Hasil akhir dari pengklasifikasian jagung menggunakan metode Naive
Bayes tersebut dihitung menggunakan nilai akhir probabilitas= YA dan
probabilitas= TIDAK dengan persamaan sebagai berikut :
Nilai Ya
Probabilitas Ya =
Nilai Ya + Nilai Tidak
Nilai Tidak
Probabilitas Tidak =
Nilai Ya + Nilai Tidak
Berdasarkan rumus nilai akhir probabilitas, maka :
0,002886119
Probabilitas Ya =
0,002886119+ 0,000000767108
= 0,999734278
0,000000767108
Probabilitas Tidak =
0,002886119+ 0,000000767108
= 0,000265722
Untuk mengklasifikasi apakah suatu jenis jagung dikatakan produktif
dengan memperhatikan nilai akhir yang sama dengan 1 atau mendekati 1. Hasil
akhir yang diperoleh untuk tiap probabilitas tersebut yakni untuk nilai akhir
probabilitas produktif = YA sebesar 0,999734278 sedangkan untuk probabilitas
27
produktif = TIDAK sebesar 0,000265722 sehingga dikategorikan YA atau
jagung di atas PRODUKTIF.
4.1.3 Perancangan Sistem
Perancangan sistem dilakukan sebelum memulai pembuatan program
aplikasi agar program aplikasi yang dibuat sesuai dengan kebutuhan sistem.
Proses perancangan meliputi identifikasi external entity, pembuatan Diagram Alir
Data (DAD), struktur basis data dan relasi antar tabel.
A. Identifikasi External Entity
Tabel 4.7. Identifikasi External Entity
No External Entity Input Output
1 Admin Atribut jagung
2 User (masyarakat) Kondisi jagung Jagung produktif
atau tidak
3 Pimpinan Laporan Jagung
Produktif
B. Diagram Konteks
Admin
Sistem
Klasifikasi
Jagung Produktif
dengan Naive
Bayes
User
(masyarakat)
Pimpinan
atribut jagung
kondisi jagung
jagung produktif atau tidak
laporan jagung
produktif
Gambar 4.1 Diagram Konteks Sistem Pengklasifikasian Jagung Produktif
28
C. DAD level 0
Admin
User
(masyarakat)
Pimpinan
1.0
input atribut
jagung
3.0
pembuatan
laporan
2.0
klasifikasi
dengan Naive
Bayes
atribut jagung
penilaian
atribut jagung atribut jagung
penilaian
laporan jagung
produktif
jagung produktif atau tidak
atribut jagung
penilaian
kondisi jagung
D. DAD Level 1 Proses 2
User
(masyarakat)
2.1
perhitungan
probabilitas
2.2
klasifikasi
dengan Naive
Bayes
atribut jagung
penilaian
penilaian
kondisi jagung
jagung produktif atau tidak
atribut jagung
atribut jagung
Gambar 4.2. DAD Level 0 Sistem Pengklasifikasian Jagung Produktif
Gambar 4.2. DAD Level 1 Proses 2 Sistem Pengklasifikasian Jagung
Produktif
29
E. Struktur Basis Data
Struktur tabel basis data dari sistem pengklasifikasian jagung produktif
terlihat pada tabel 4.7 sampai tabel 4.8.
Tabel 4.8 Atribut Jagung
No Nama Tipe Size Keterangan
1
2
3
4
5
6
7
8
9
kode_atribut
hasil_produksi
umur_panen
tinggi_tanaman
jarak_tanam
daerah_tanam
jenis_lahan
dosis_pupuk
produktif
Integer
Varchar
Integer
Varchar
Varchar
Varchar
Varchar
Varchar
Varchar
5
10
4
10
15
50
50
10
5
Tabel 4.9 Penilaian
No Nama Tipe Size Keterangan
1
2
3
4
5
kode_penilaian
kode_atribut
nilai_ya
nilai_tdk
produktif
Integer
Integer
Float
float
Varchar
5
5
5
30
F. Relasi antar Tabel
Dalam sistem yang dibuat ini terdapat relasi atau hubungan antar tabel
dimana tabel-tabel tersebut adalah tabel atribut jagung, dan tabel penilaian. Dalam
tabel atribut memuat kode atribut sebagai primary key, hasil produksi, umur
panen, tinggi tanaman, jarak tanam, daerah tanam, jenis lahan, dosis pupuk dan
produktif. Sedangkan untuk tabel penilaian terdapat kode penilaian sebagai
primary key, kode atribut, nilai ya, nilai tidak, dan produktif. Hubungan antara
kedua tabel terlihat pada gambar 4.3.
Atribut Jagung
kode_atribut *
hasil_produksi
umur_panen
tinggi_tanaman
jarak_tanam
daerah_tanam
jenis_lahan
dosis_pupuk
produktif
Penilaian
kode_penilaian *
kode_atribut **
nilai_ya
nilai_tdk
produktif
Gambar 4.3. Relasi antar tabel Sistem Jenis Penentuan Jagung Produktif
5
31
G. Perancangan Antar Muka (Interface)
Perancangan antar muka merupakan tampilan dalam sistem pengklasifikasian
jagung produktif yang sesuai dengan kebutuhan input-output. Rancangan
antarmuka yang dibuat antara lain adalah sebagai berikut :
1. Rancangan Menu Utama
Gambar 4.4. Rancangan Menu Utama
5
Sistem Klasifikasi Jagung Produktif Badan Pusat Informasi Jagung Provinsi Gorontalo
Username : Password :
Klasifikasi
Laporan Nilai
LOGIN
Login
32
2. Rancangan Menu Utama Admin
3. Rancangan Input Atribut Jagung
Input Atribut Jagung Input Atribut Jagung Input Atribut Jagung
Sistem Klasifikasi Jagung Produktif Badan Pusat Informasi Jagung Provinsi Gorontalo
Probabilitas Kemunculan Nilai
Klasifikasi
Laporan Nilai
Input Atribut Jagung
Daftar Atribut Jagung
Logout
Gambar 4.5. Rancangan Menu Admin
5
Gambar 4.6. Rancangan Input Atribut Jagung
Sistem Klasifikasi Jagung Produktif Badan Pusat Informasi Jagung Provinsi Gorontalo
Input Atribut Jagung
Jenis Jagung Hasil Produksi ton
Umur Panen hari Tinggi Tanaman cm
Jarak Tanam x cm Daerah Tanam
Jenis Lahan Dosis Pupuk Kg
Produktif Ya Tidak
Input Atribut Jagung
Probabilitas Kemunculan Nilai
Klasifikasi
Laporan Nilai
▼
▼
Input Atribut Jagung
Simpan
Logout
33
4. Rancangan Daftar Atribut Jagung
Daftar Atribut Jagung
Kembali
No Jenis
Jagung
Hasil
Produksi
Umur
Panen
Tinggi
Tanaman
Jarak
Tanam
Daerah
Tanam
Jenis
Lahan
Dosis
Pupuk
Kategori
Produktif
1
2
x x x x x x x x x
5. Rancangan Form Probabilitas Kemunculan Nilai
Gambar 4.7. Rancangan Daftar Atribut Jagung
Gambar 4.8. Rancangan Form Probabilitas Kemunculan Nilai
Sistem Klasifikasi Jagung Produktif Badan Pusat Informasi Jagung Provinsi Gorontalo
Probabilitas Kemunculan Nilai
Input Atribut Jagung
Probabilitas Kemunculan Nilai
Klasifikasi
Laporan Nilai
Input Atribut Jagung Tabel 1 Tabel 2 Tabel 4 Tabel 3
Tabel 5 Tabel 6 Tabel 7 Tabel 8
Logout
34
6. Rancangan Form Klasifikasi
7. Rancangan Form Laporan Nilai
Atribut Jagung
No Jenis
Jagung
Hasil
Produksi
Umur
Panen
Tinggi
Tanaman
Jarak
Tanam
Daerah
Tanam
Jenis
Lahan
Dosis
Pupuk
Kategori
Produktif
1
2
x x x x x x x x x
Hasil Penilaian Menggunakan Sistem Klasifikasi Jagung
Hasil
Produksi
Umur
Panen
Tinggi
Tanaman
Jarak
Tanam
Daerah
Tanam
Jenis
Lahan
Dosis
Pupuk
Kategori
Produktif
x x x x x x x x
Gambar 4.10. Rancangan Form Laporan Nilai
Gambar 4.9. Rancangan Form Klasifikasi
Sistem Klasifikasi Jagung Produktif Badan Pusat Informasi Jagung Provinsi Gorontalo
Sistem Klasifikasi Jagung
Hasil Produksi ton
Umur Panen hari Tinggi Tanaman cm
Jarak Tanam x cm Daerah Tanam
Jenis Lahan Dosis Pupuk Kg
▼
▼
Proses
Username : Password :
Klasifikasi
Laporan Nilai
LOGIN
Login
35
4.1.4 Implementasi Sistem
Implementasi sistem merupakan bentuk penerapan proses dan antarmuka
ke dalam suatu bahasa pemrograman untuk mengetahui apakah sistem yang ada
berjalan sesuai dengan kebutuhan. Tampilan Implementasi sistem
pengklasifikasian jagung produktif dengan menggunakan metode Naive Bayes
adalah sebagai berikut :
a. Implementasi Menu Utama
Implementasi menu utama terdapat pilihan menu diantaranya menu
klasifikasi, menu laporan nilai serta login untuk admin.
Gambar 4.11. Implementasi Menu Utama
36
b. Implementasi Menu Admin
Menu utama admin ini terdiri dari beberapa pilihan menu yaitu menu
logout, input atribut jagung, daftar atribut jagung, probabilitas kemunculan nilai,
klasifikasi dan laporan nilai.
Gambar 4.12. Implementasi Menu Admin
c. Implementasi Menu Input Atribut Jagung
Menu input atribut ini terdapat pada menu admin, dimana admin menginput
dan menyimpan data-data tentang jagung. Data-data tersebut berupa atribut
jagung yang meliputi jenis jagung, hasil produksi, umur panen, tinggi tanaman,
jarak tanam, daerah tanam, jenis lahan, dosis pupuk dan produktif atau tidak.
Implementasinya terlihat pada gambar 4.13.
37
Gambar 4.13. Implementasi Menu Input Atribut Jagung
d. Implementasi Menu Daftar Atribut Jagung
Menu daftar atribut jagung ini terdapat pada menu utama admin yang
menampilkan daftar atribut-atribut jagung yang telah diinput sebelumnya oleh
admin berupa jenis jagung, hasil produksi, umur panen, tinggi tanaman, jarak
tanam, daerah tanam, jaenis lahan, dosis pupuk dan kategori produktif atau tidak.
Gambar 4.14. Implementasi Menu Daftar Atribut Jagung
38
e. Implementasi Menu Probabilitas Kemunculan Nilai
Pada menu ini ditampilkan nilai probabilitas YA dan nilai probabilitas
TIDAK untuk setiap atribut. Dimana nilai-nilai ini yang akan digunakan pada
proses klasifikasi nantinya.
Gambar 4.15. Implementasi Menu Probabilitas Kemunculan Nilai
f. Implementasi Form Klasifikasi
Form klasifikasi ini digunakan oleh user dalam hal ini masyarakat untuk
mengetahui apakah jagung yang ditanam merupakan jagung produktif atau tidak
dengan menginput atribut jagung berupa hasil produksi, umur panen, tinggi
tanaman, jarak tanam, daerah tanam, jenis lahan, dosis pupuk. Dari inputan
tersebut nantinya akan diproses menggunakan metode Naive Bayes dengan
memperhatikan nilai probabilitas tiap atributnya. Hasil akhirnya berupa keputusan
bahwa jagung yang diinput user tersebut produktif atau tidak dilihat dari nilai
yang dihasilkan oleh probabilitas YA atau probabilitas TIDAK.
39
Gambar 4.16. Implementasi Form Klasifikasi
g. Implementasi Form Laporan Nilai
Form laporan nilai ini digunakan untuk keperluan laporan kepada pimpinan
instansi agar pimpinan dapat melihat hasil yang diperoleh dari sistem, berupa
jagung yang produktif atau tidak berdasarkan kondisi jagung yang telah diinput
oleh masyarakat dilihat dari atribut-atribut yang ada seperti terlihat pada gambar
4.17.
40
Gambar 4.17. Implementasi Form Laporan Nilai
4.1.5 Pengujian Sistem
Setelah implementasi sistem dilaksanakan, maka tahap selanjutnya yaitu
pengujian sistem dari hasil perhitungan manual dari data yang ada menggunakan
metode Naive Bayes dibandingkan dengan output yang dihasilkan oleh sistem
apakah sesuai atau tidak.
Sistem pengklasifikasian jagung produktif menggunakan metode Naive
Bayes ini dapat membantu pemerintah ataupun masyarakat untuk melihat dan
mengetahui apakah jagung yang ditanam dan dihasilkan merupakan jagung
produktif di Gorontalo atau tidak berdasarkan kondisi jagung yang diinput user.
Dimana untuk mengetahui hasil tersebut dilakukan perhitungan menggunakan
metode Naive Bayes dengan menentukan nilai untuk setiap probabilitas YA dan
probabilitas TIDAK. Selain itu dilakukan pengujian terhadap kinerja dari sistem
yang menerapkan metode Naive Bayes itu sendiri menggunakan konsep
41
sensitivitas, kekhususan, nilai prediksi benar, dan nilai prediksi salah dengan
formula (Bammel dalam Kusumadewi, 2009) :
Kinerja = (TP + TN) / (TP + TN + FP + FN)
Hasil pengujian dari 12 data yang ada terlihat pada tabel 4.20.
Tabel 4.10. Hasil Pengujian
Data
Ke-
Hasil Sesuai
Data Riil Hasil NB
1 Ya Ya Y
2 Tidak Ya T
3 Tidak Ya T
4 Ya Tidak T
5 Ya Tidak T
6 Tidak Ya T
7 Tidak Ya T
8 Tidak Ya T
9 Ya Ya Y
10 Ya Ya Y
11 Ya Ya Y
12 Tidak Ya T
Berdasarkan hasil pengujian terhadap semua data maka:
Kinerja = (4 + 0) / (4 + 0 + 2 + 6)
= 4/12 = 0,33 = 33 %
42
4.2 Pembahasan
Berdasarkan tahapan dari sistem ini maka hasil akhir yang diperoleh yaitu
informasi tentang klasifikasi jagung produktif. Oleh karena itu dalam
implementasinya perlu diketahui data jagung serta unsur-unsur yang
mengikutinya seperti hasil produksi, umur panen, tinggi tanaman, jarak tanam,
daerah tanam, jenis lahan, dan dosis pupuk yang menjadi inputan dalam sistem
ini.
Sistem ini menerapkan metode Naive Bayes untuk mengklasifikasikan
jagung agar masyarakat maupun pemerintah dapat mengetahui jagung dengan
spesifikasi tertentu dikatakan produktif di Gorontalo, sehingga pemanfaatan
jagung lebih efektif. Jagung dikatakan produktif jika hasil akhir dari probabilitas
produktif = YA sama dengan 1 atau mendekati 1 dan nilai probabilitas produktif =
YA lebih besar dari nilai probabilitas produktif = TIDAK atau sebaliknya yang
berdasarkan inputan kondisi jagung yang dialami oleh user yang dalam hal ini
adalah masyarakat dan hasil yang diperoleh dari metode Naive Bayes dimana
untuk pengklasifikasiannya berdasarkan kelas produktif atau tidak dan bukan
berdasarkan jenis jagung. Hal ini karena jika pengklasifikasiannya berdasarkan
jenis jagung maka informasi yang diperoleh hanya jagung yang nilai dan
spesifikasinya mendekati suatu jenis jagung tersebut.
Tabel 4.9 merupakan hasil pengujian dari sistem yang menggunakan
konsep sensitivitas untuk mengetahui kinerja dari sistem pengklasifikasian jagung
produktif. Dari hasil yang diperoleh tersebut, kinerja sistem untuk kasus
klasifikasi jagung produktif sebesar 33 %. Dimana pada data yang digunakan
43
untuk mengklasifikasikan jagung produktif tersebut terdapat banyak data kontinu
dibandingkan data diskrit yang hal ini berpengaruh pada perhitungan kinerja
sistemnya.
Berdasarkan percobaan yang dilakukan dengan mendiskritkan data yang
ada, dihasilkan bahwa kinerja dari Naive Bayes adalah diatas 50 %. Ini berarti
semakin banyak data diskrit dibandingkan data kontinu, maka kinerja Naive Bayes
semakin baik.
Output yang dihasilkan dari sistem ini akan menjadi laporan kepada
pimpinan berupa laporan nilai serta kondisi jagung produktif yang dialami oleh
masyarakat yang dapat menjadi tolak ukur pemerintah maupun masyarakat itu
sendiri.
Pada penentuan jenis jagung produktif ini jika dibandingkan dengan
penelitian terdahulu yaitu dengan penelitian Suryana yang hanya menganalisis
faktor-faktor yang mempengaruhi produksi jagung. Penelitian lainnya oleh
Yusnita dan Handini ada kesamaan dalam metodenya namun mereka mengambil
fokus pada keputusan menetukan lokasi rumah makan yang strategis. Dari kedua
penelitian yang dikemukakan ini, terdapat perbedaan mendasar baik fokus
masalah maupun kesimpulannya.