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


Ya Tidak Ya Tidak

Dataran tinggi 1 1 1/6 1/6

Dataran rendah (600 m dpl) 2 3 2/6 3/6



Jumlah 6 6 1 1

25

Tabel 4.5. Probabilitas kemunculan setiap nilai untuk atribut jenis lahan

Jenis lahan

Kategori


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


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


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


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


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



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



Klasifikasi

Laporan Nilai

▼

▼


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





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

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.

bab iv hasil dan pembahasan 4.1 hasil -...

Documents