proposal penelitian

1. PROPOSAL PENELITIAN
IMPLEMENTASI SISTEM PAKAR DALAM MENDETEKSI PENYAKIT
TANAMAN CABAI MENGGUNAKAN METODE NAÏVE BAYES
Diajukan Sebagai Salah Satu Persyaratan
Guna memperoleh gelar Sarjana Komputer (S.Kom)
DISUSUN OLEH :
WANDA MUHAMMAD SAEMANTIK
NIM : 11211223
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS SERANG RAYA
2015

2. Halaman pengesahan
PROPOSAL SKRIPSI
IMPLEMENTASI SISTEM PAKAR DALAM MENDETEKSI PENYAKIT
TANAMAN CABAI MENGGUNAKAN METODE NAÏVE BAYES
DI PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
INFORMASI
Disusun oleh :
Wanda Muhammad Saemantik
NIM : 11211223
Serang, ..... ................... 2015
Ketua Program Studi
Teknik Informatika
Agung Triayudi, M.kom
Dosen Pembimbing I
..........................................
Tanggal disetujui :

3. IMPLEMENTASI SISTEM PAKAR DALAM MENDETEKSI PENYAKIT
TANAMAN CABAI MENGGUNAKAN METODE NAÏVE BAYES
1. Latar Belakang
Perkembangan teknologi informasi saat ini sudah memasuki berbagai
sendi kehidupan, dengan masuknya kita ke era digital, penggunaan
teknologi khususnya penggunaan aplikasi maupun sistem tidak lagi
dimonopoli oleh orang dengan latar belakang IT, karena aplikasi maupun
sistem tersebut diciptakan agar dapat digunakan oleh masyarakat biasa.
Dalam dunia pertanian sekalipun, teknologi informasi diterapkan untuk
meningkatkan kualitas dan kuantitas produksi. Penyebaran informasi
pertanian saat ini terbatas pada penyuluhan yang diberikan oleh penyuluh
atau ahli tanaman dari instansi terkait secara berkala. Dengan cara seperti itu
kemungkinan terjadi kesalahan informasi ataupun keterlambatan konsultasi
masalah pertanian bisa saja terjadi. Namun hal ini dapat diminimalisir
dengan mengurangi ketergantungan konsultasi dengan penyuluh dan
menggantikannya dengan sistem pakar yang diusahakan mempunyai
pengetahuan yang sama dengan pakar pertanian.
Tanaman dikatakan sakit jika ada perubahan seluruh atau sebagian organ-
organ tanaman yang menyebabkan terganggunya kegiatan fisiologis sehari-
hari. Secara singkat, sakit adalah penyimpangan dari keadaan normal.
Misalnya, kemarin dan hari-hari yang lalu tanaman terlihat selalu segar
tetapi sekarang layu. Kadang ada suatu penyimpangan yang dikira sakit,
tetapi sebenarnya terserang hama. Kekeliruan dalam menentukan penyebab
tanaman itu diserang, baik oleh hama maupun penyakit akan
mengakibatkan kekeliruan dalam pengobatannya sehingga tanaman tetap
dalam keadaan tidak sehat dan akhirnya mati.
Dalam tugas akhir ini mencoba menerapkan sebuah aplikasi pada objek
yang dipilih, yaitu ; tanaman cabai, tanaman cabai dalam bahasa ilmiahnya
disebut Capsium annum bukan merupakan tanaman asli Indonesia,
melainkan berasal dari Benua Amerika, tepatnya Amerika Tengah dan
Amerika Selatan serta Meksiko. Tanaman cabai adalah komoditas
hortikultura yang berfungsi sebagai ; sayuran, bumbu masak, penyedap rasa,

4. penambah nafsu makan, hias makanan, dan penghasil sumber vitamin c
yang cukup baik.
Gangguan penyakit pada tanaman cabai sangat kompleks, baik pada
musim hujan maupun musim kemarau. Bahkan dapat menimbulkan
kerugian cukup besar, seperti yang diuraikan oleh Dr. Ati Srie Duriat,
Peneliti Balai Penelitian Tanaman Sayuran (Balitsa) bersama timnya
(Duriat, 2007).
Metode Naïve Bayes merupakan bagian dari teknik probabilitas yang
mampu menangani masalah ketidakpastian dengan menekankan pada
konsep probabilitas hipotesis dan evidence.
Pemikiran akan adanya suatu sistem pakar yang mampu melakukan
diagnosa terhadap penyakit pada tanaman secara umum telah ada
sebelumnya. Tetapi belum ditemukan metode naïve bayes yang secara
khusus mendiagnosa penyakit tanaman cabai.
Berdasarkan pemaparan diatas, maka penulis tertarik menjadikan
permasalahan tersebut sebagai tema dari Tugas Akhir dengan judul
“Implementasi Sistem Pakar Dalam Mendeteksi Penyakit Tanaman Cabai
Menggunakan Metode Naïve Bayes”
2. Identifikasi Masalah
Permasalahan yang dapat di definisikan adalah sebagai berikut :
1. Tidak banyak tersedianya sarana informasi untuk masyarakat, khususnya
di bidang hortikultura seperti cabai yang menyangkut penyakit-
penyakitnya, sehingga dapat membantu masyarakat untuk
mengidentifikasi lebih dini penyakit-penyakit tersebut.
2. Ketidakwaspadaan masyarakat terhadap penyakit tanaman cabai
menyebabkan hasil tanaman cabai menjadi kurang bagus, sehingga
berdampak pada panen yang kurang maksimal.

5. 3. Rumusan Masalah
Berdasarkan uraian di atas maka permasalahan yang akan dikaji dalam
penelitian ini dapat dirumuskan sebagai berikut:
1. Bagainmana menerapkan metode naïve bayes dalam mendeteksi
penyakit pada tanaman cabai?
2. Bagaimana membangun aplikasi sistem pakar dengan
mengimplementasikan metode naïve bayes?
3. Solusi apa yang ditawarkan sistem ketika sudah mendeteksi penyakit
tanaman?
4. Batasan Masalah
Berdasarkan latar belakang masalah di atas, maka penulis membuat
batasan masalah, agar tugas lebih terarah. Sehingga pembahasan dibatasi
pada ruang lingkup :
1. Menentukan gejala dan kemungkinan penyakit pada tanaman cabai
merah kriting.
2. Pembahasan hanya mengenai cabai merah keriting.
3. Solusi hanya mengenai cabai merah keriting.
5. Tujuan dan Manfaat Penelitian
Adapun tujuan dari penulisan proposal skripsi ini adalah
1. Mendeteksi penyakit pada tanaman cabai melalui sistem pakar.
2. Mengimplementasikan metode naïve bayes dalam sistem pakar untuk
mendeteksi penyakit pada tanaman cabai.
3. Merancang sistem pakar untuk mendeteksi penyakit pada tanaman
cabai.
Manfaat penulisan proposal skripsi ini adalah sebagai berikut :
1. Membuat suatu sistem pakar yang bisa membantu petani cabai dalam
meningkatkan mutu atau kualitas panen cabainya.
2. Membantu para petani cabai dalam mendeteksi penyakit pada tanaman
cabai melalui sistem pakar sehingga tidak terjadi salah penanganan.

6. 6. Tinjauan Pustaka dan Landasan Teori
6.1 Tinjauan Pustaka
APLIKASI SISTEM PAKAR UNTUK IDENTIFIKASI
HAMA DAN PENYAKIT TANAMAN TEBU DENGAN
METODE NAÏVE BAYES BERBASIS WEB. Angga Hardika P,
Arief Andy Soebroto ST, M.Kom, Rekyan Regasari M.P, ST, MT.
2011. Article ptiik.ub.ac.id/file/DR00066201312, dalam penilitian
ini memiliki suatu tujuan yaitu untuk membangun aplikasi sistem
pakar untuk identifikasi hama dan penyakit pada tanaman tebu,
kemudian bagaiman caranya menerapkan metode naïve bayes untuk
identifikasi hama dan penyakit pada tanaman tebu dalam suatu
aplikasi, dan terakhir memberikan informasi mengenai hama dan
penyakit tanaman tebu pada masyarakat umum terutama para petani
ataupun pengusaha yang bergerak di bidang tanaman tebu, adapun
langkah dalam penelitian ini peneliti mengunakan metodologi yang
pertama yaitu studi literatur, yang mana untuk mempelajari beberapa
bidang ilmu yang berhubungan dengan pembuatan sistem pakar untuk
mengidentifikasi suatu hama dan penyakit pada tanaman tebu,
selanjutnya peneliti menggunakan analisis kebutuhan yang mana
untuk mengidentifikasi pelaku yang terlibat pada sistem pakar, lalu
kemudian di tahap ini memulai untuk perancangan perangkat lunak,
perancangan ini digunakan untuk memenuhi kebutuhan fungsional
dan kebutuhan domain sistem pakar menggunakan metode naïve
bayes, dalam rancangan ini peneliti menggambarkan suatu rancangan
sistemnya pada diagram ERD dan diagram algoritma, selanjutnya
peneliti mencoba untuk menerapkan rancangan tersebut apakah
berfungsi dengan baik atau tidaknya, dalam tahap ini bahasa yang di
pakai ialah PHP, DBMS, MySQL dan tools lainnya dalam mendukung
suatu rancangannya, dan terakhir pengujian sistem yaitu pengujian
valid (black box) atau tidaknya akurasi sistem pakar. Kemudian hasil
dari perancangan dan pengujian pada penyakit tanaman tebu dapat
diambil keputusan bahwa metode naïve bayes sangat berjalan baik
pada sistem dimana memiliki tingkat akurasi sebesar 94,28% dan error
5% karena data fakta gejala tidak tercakup dalam basis pengetahuan.

7. KOMPARASI ALGORITMA C4.5, NAIVE BAYES DAN
NEURAL NETWORK UNTUK MEMPREDIKSI PENYAKIT
JANTUNG. Mochamad Wahyudi, Sa’diyah Noor Novita
Alfisahrin. 2014. Jurnal TICOM Vol.2 No.2 Januari, dalam
penelitian ini, peneliti memiliki tujuan yaitu untuk mengetahui
algoritma mana yang lebih akurat untuk diterapkan pada proses
prediksi penyakit jantung. tahap penelitian disini peneliti melakukan
penarikan sampel dimana dalam sampel tersebut digunkan 270 record
data pasien, 10 record digunakan pada tahap deployment, 260 akan di
bagi menjadi dua bagian, yang pertama untuk data training sebanyak
80% (208 record), dan kedua sebagai data testing yaitu sebanyak 20%
(52 record), kemudian peneliti melakukan tahap experimen dimana
peneliti menggunakan kerangka kerja CRISP-DM, CRISP-DM terdiri
dari enam tahap, pertama dalam tahap ini yaitu Business
Understanding, di tahap ini peneliti melakukan komparasi C4.5,
Naïve Bayes, dan Neuralnetwork untuk mengetahui algoritma mana
yang lebih akurat dalam memprediksi penyakit jantung, selanjutnya
tahap Data Understanding, tahap ini ialah tempat dimana proses
pengumpulan data, menganalisis data, mengevaluasi kualitas data, dan
memilih subset pola untuk ditindaklanjuti, kemudian selanjutnya tahap
Data Preparation disini peneliti menyiapkan data akhir yang akan
digunakan berikutnya, di tahap inipun data yang masih nilai numerik
atau continue ditransformasikan kedalam bentuk kategorikal dan
dibuat skala sehingga menghasilkan range yang lebih kecil untuk
bahan pembelajaran algoritma, lalu tahap sekarang merupakan
modeling, tahap ini peneliti mengatur kalibrasi model untuk
mendapatkan hasil yang optimal, kemudian tahap evaluation disini
peneliti mengevaluasi kualitas model dan evektifitasnya dengan
memasukan data testing sebelum disebar untuk digunakan, selanjutnya
tahap deployment ditahap ini diterapkan model yang memeliki akurasi
tinggi atau baik untuk mendiagnosa/prediksi penyakit jantung dengan
data baru. Hasil dalam penelitian dari tiga algoritma menunjukkan
bahwa algoritma C4.5 memiliki akurasi terbaik yaitu 96,15% dari
pada Naif Bayes hanya 86,15% dan Neuralalgoritma 94,23%.

8. SISTEM PAKAR DETEKSI PENYAKIT DIABETES
MELLITUS DENGAN MENGGUNAKAN PENDEKATAN
NAÏVE BAYESIAN BERBASIS WEB. SUARDIN YAKUB. 2008.
SKRIPSI UNIVERSITAS ISLAM NEGERI MALANG, dalam
penelitian ini, peneliti memiliki tujuan yaitu untuk merancang dan
membuat sistem pakar yang mampu mendiagnosa gangguan diabetes
mellitus baik tipe 1 maupun 2 dengan memberikan solusinya, peneliti
akan memulai tahap pengerjaan dalam mendukung rancangan sistem
pakarnya yaitu dengan awal pengumpulan data-data yang mana
terbagi dalam 3 bagian yaitu studi literatur, tahap ini penulis
melakukan pencarian, pembelajaran macam literatur dan dokumen
yang menunjang pekerjaan tahap akhirnya. selanjutnya peneliti
melakukan observasi yaitu melakukan pengamatan yang diteliti serta
melakukan interview dengan pihak pakar diabetes mellitus, pasien,
dan orang tua pasien, kemudian peneliti melakukan browsing untuk
pengamatan berbagai macam website, setelah tahap awal selesai
peneliti menganalisa data yang telah dikumpulkan yaitu menganalisa
data hasil observasi dengan menggabungkan laporan survey menjadi
spesifikasi yang terstruktur menggunakan pemodelan, selanjutnya
peneliti melakukan perancangan dan desain sistem yaitu
mengimplementasikan model yang diinginkan oleh pengguna,
pemodelan disini berupa Blok Diagram Area Permasalahan, Blok
Diagram Fokus Permasalahan, Blok Diagram Faktor Kritis,
Dependency Diagram, serta perancangan database, lalu pembuatan
aplikasi, peniliti membuat aplikasi sistem pakar deteksi penyakit
diabetes mellitus menggunakan php dan MySQL, kemudian peneliti
melakukan Uji coba dan Evaluasi menggunakan data lab pasien untuk
memastikan sistem telah benar sesuai dengan karakteristik, terakhir
peneliti melakukan penyusunan buku tugas akhir yaitu dokumentasi,
Bahwa hasil dari permasalahan yang di bahas dalam penelitian ini
berdasarkan pengujian dengan 10 orang, bahwa aplikasi sistem pakar
metode naïve bayes ini berguna membantu user dalam memperoleh
informasi serta mendapatkan hasil diagnosa gangguan diabetes baik
tipe 1 maupun tipe 2.

9. 6.2 Landasan Teori
6.2.1 Implementasi
Implementasi dalam Kamus Besar Bahasa Indonesia diartikan
sebagai pelaksanaan atau penerapan. Artinya yang dilaksanakan
dan diterapkan adalah kurikulum yang telah dirancang/didesain
untuk kemudian dijalankan sepenuhnya.
Sedangkan menurut para ahli ;
Majone dan Wildavsky (dalam Nurdin dan Usman, 2002),
mengemukakan implementasi sebagai evaluasi.
Browne dan Wildavsky (dalam Nurdin dan Usman, 2004:70)
mengemukakan bahwa ”implementasi adalah perluasan aktivitas
yang saling menyesuaikan”.
Pengertian implementasi sebagai aktivitas yang saling
menyesuaikan juga dikemukakan oleh Mclaughin (dalam Nurdin
dan Usman, 2004).
Adapun Schubert (dalam Nurdin dan Usman, 2002:70)
mengemukakan bahwa ”implementasi adalah sistem rekayasa.”
6.2.2 Sistem Pakar
Sistem pakar (expert system) adalah aplikasi berbasis komputer
yang digunakan untuk menyelesaikan masalah sebagaimana yang
dipikirkan oleh pakar (Kusrini, 2006 : 12). Adapun manfaat dari
sistem pakar antara lain sebagai berikut (Kusrini, 2006 : 15) :
1. Membuat seorang yang awam dapat bekerja seperti layaknya
seorang pakar .
2. Dapat bekerja dengan informasi yang tidak lengkap atau tidak
pasti.
3. Meningkatkan output dan produktivitas. Sistem pakar bisa
bekerja lebih cepat dari manusia. Keuntungan ini berarti
mengurangi jumlah pekerja yang dibutuhkan, dan akhirnya akan
mereduksi biaya.
4. Meningkatkan kualitas
5. Sistem pakar menyediakan nasihat yang konsisten dan dapat
mengurangi tingkat kesalahan.

10. 6. Membuat peralatan yang kompleks lebih mudah dioperasikan
karena sistem pakar dapat melatih pekerja yang tidak
berpengalaman.
7. Handal (realibility).
8. Sistem pakar tidak dapat lelah atau bosan. Juga konsisten dalam
memberi jawaban dan selalu memberikan perhatian penuh.
9. Memiliki kemampuan untuk memecahkan masalah yang
kompleks.
10. Memungkinkan pemindahan pengetahuan ke lokasi yang jauh
serta memperluas jangkauan seorang pakar, dapat diperoleh dan
dipakai dimana saja. Merupakan arsip yang terpercaya dari
sebuah keahlian sehingga user seolah-olah berkonsultasi
langsung dengan sang pakar meskipun sang pakar sudah
pensiun.
6.2.3 Penyakit Tanaman
Menurut Tim Bina Karya Tani dalam bukunya yang berjudul
Pedoman Bertanam Cabai (2008 : 67), penyakit tanaman adalah
gangguan pada tanaman yang disebabkan oleh mikroorganisme.
Mikroorganisme tersebut adalah virus, bakteri, protozoa, jamur
dan cacing nematoda. Mikroorganisme ini dapat menyerang
organ tumbuhan seperti akar, batang, daun dan buah.Penyebaran
penyakit pada tanaman dapat terjadi melalui angin, air atau
serangga. Serangga dapat menularkan virus, bakteri, protozoa
dan jamur dari satu tanaman ke tanaman lain. Selain itu, factor
lingkungan, misalnya kelembaban dan suhu jugamempengaruhi
penyakit pada tanaman. Tanaman yang terserang suatu penyakit
akan terhambatpertumbuhannya, dan akhirnya dapat mati.
6.2.4 Sejarah Cabai
Penemu tanaman cabai (Capsicum sp.) ialah petualang
dunla bernama Christophorus Columbus, berkebangsaan
spanyol. bermula pada tahun 1490 Saat itu ekspedisi yang
dipimpinnya mendarat di sebuah daerah berhawa panas

11. yang semula diki- ranya sebagai salah satu daerah dari
Benua Asia. Namun, belakangan barulah diketahui bahwa
daerah yang didaratinya itu merupakan daerah Guanahani,
sekarang merupakan wilayah San Salvador. Cabai yang
ditemukan Columbus memang merupakan tanaman asli
Amerika Selatan. Dari sinilah tanaman ini menyebar ke
Amerika Tengah menuju Amerika Serikat bagian selatan.
Namun, kapan dan siapa yang menyebarluaskannya tidak
banyak yang mengungkapkannya. Dugaan sementara
menyebutkan bahwa berdasarkan penelusuran sejarah
make yang berperan besar adalah orang Indian
(penduduk asli Amerika). Konon sejak tahun 7000 SM,
buah cabai sudah diman- faatkan oleh suku Indian untuk
keperluan masak-memasak (bumbu). Menginjak tahun
5200-3400 SM, barulah mereka mulai membudidayakannya.
Dari hasil budi daya ini, cabai disebarluaskan ke berbagai
daerah lain.di Benua Amerika.
Kini, hasll produksi cabai dunia justru tidak berpusat
di Eropa, tempat asal Columbus, melainkan di daerah-daerah
tropis yang jauh dari benua dingin tersebut.
6.2.5 Pengertian dan Ragam Jenis Cabai
Cabal merupakan tanaman perdu dari famili terung-
terung- an (Solanaceae). Keluarga ini diduga memiliki
sekitar 90 genus dan sekitar 2.000 spesies yang terdiri
dari tumbuhan herba, semak, dan tumbuhan kerdil
lainnya. Dari banyaknya spesies tersebut, hampir dapat
dikatakan sebagian besar merupakan tumbuhan negeri
tropis. Namun, secara ekonomis yang dapat atau' sudah
dimanfaatkan baru beberapa spesies saja. Di anta-ranya
yang sangat dekat dengan kehidupan kita sehari-hari
adalah kentang (Solanum Fuberosum), tomat
(Lypercosicumescu/antun), dan tembakau (Nicotiana tabacum)

12. Tanaman cabai (Capsicum sp.) sendiri diperkirakan
ada sekitar 20 spesies yang sebagian besarnya tumbuh
dl tempat asalnya, Amerika. Di antaranya yang sudah
akrab dengan kehidupan manusia baru beberapa spesies
saja, yaitu cabai besar (C. annuum), cabai kecil (C.
Irustescens), C. baccatum, C. pubescens, dan C. chinense.
6.2.6 Cabai keriting
Cabai ini berukuran lebih kecil dari cabai rnerah biasa,
tetapi rasanya lebih pedas dan arornanya lebih tajam.
Bentuk fisiknya memang agak berkelok-kelok dengan
permukaan buah tidak rata sehingga memberikan kesan
"keriting". Mungkin dari bentuk fisik inilah sehingga cabai
ini disebut dengan cabal keriting. Buah mudanya ada
yang berwama hijau dan ada yang ungu. Mengenai
bagaimana cabai ini dapat dikenal di Indonesia belum dapat
diungkap.
Penampakan fisik tanamannya tegak. Ukuran daunnya
lebih besar dan lebar dibanding cabai merah umumnya.
Daun cabai ini berwama hijau tua bertabur wama putih di
atasnya sehingga memberikan kesan sebagai daun keriting
yang dibedaki.
Dibandingkan dengan cabai lainnya, cabai keriting
lebih tahan terhadap serangan penyakit. Pernyataan ini
didasarkan pada pengamatan di lapangan. Saat di Brebes,
ada banyak jenis cabai yang diserang penyakit keriting
daun. Namun, dari sekian banyak yang diserang ternyata
sebagian besar cabai keriting terbebas dari serangan
tersebut.

13. 6.2.7 Kandungan Buah Cabai
Secara umum buah cabai mempunyai banyak
kandungan gizi yang masing-masing jenisnya akan
berlainan. Tabel 1 menunjukkan kandungan gizi buah
dari beberapa jenis cabai, baik bentuk segar maupun
kering.
TABEL 1. KANDUNGAN ZAT GIZI BUAH CABAl SEGAR DAN
KERING SETIAP
100 GRAM BAHAN
Catatan : b.d.d. = bagian yang dapat dimakan
Sumber: Departemen Kesehatan, 1989
6.2.8 Naïve Bayes
Thomas Bayes menemukan pendekatan penalaran statistik
yang jauh lebih maju dibandingkan dengan pola pikir matematis
tradisional pada saat itu. Fokus matematika pada saat itu adalah
pada tingkah laku sampel dari populasi yang diketahui. Akan
tetapi, Bayes mengemukakan ide untuk menentukan property
dari populasi berdasarkan sampel tersebut. Dalam “An Essay
Towards the Solving a Problem in the Doctrines of Chance”, dia
menyajikan tentang “Proposition 9”, yang akhirnya dikenal
dengan “Teorema Bayes”. Selanjutnya, teorema ini menjadi

14. dasar dalam pengambilan keputusan modern [2]. Formula Bayes
dinyatakan dalam persamaan 2.1[3]:
Dimana:
a. P(H|E) = Probabilitas posterior bersyarat (Conditional
Probability) suatu hipotesis H terjadi jika diberikan
evidence/bukti E terjadi.
b. P(E|H) = Probabilitas sebuah evidence E terjadi akan
mempengaruhi hipotesis H.
c. P(H) = Probabilitas awal (priori) hipotesis H terjadi tanpa
memandang evidence apapun.
d. P(E) = Probabilitas awal (priori) evidence E terjadi tanpa
memandang hipotesis/evidence yang lain.
Naïve Bayes Classifier atau bisa juga disebut sebagai
Multinomial Naïve Bayes merupkan model dari
penyederhanaan Bayes [4]. Algoritma Naïve Bayes
berasumsi bahwa efek suatu nilai variabel di sebuah kelas
yang ditentukan adalah tidak terkait pada nilai-nilai
variabel lain [5].
Naive Bayes dinyatakan sebagai sebuah hipotesa yang
disebut dengan HMAP (Hypothesis Maximum Appriori
Probability). Secara matematis HMAP dirumuskan seperti
persamaan 2.2 [5]:
Dalam konteks data mining atau machine learning, data
e adalah set training, dan h adalah ruang dimana fungsi
yang akan ditemukan tersebut terletak. HMAP juga
seringkali dituliskan seperti persamaan 2.3 [5]:

15. HMAP menyatakan hipotesa yang diambil berdasarkan
nila bilitas berdasarkanprior yang diketahui. HMAP inilah
yang digunakan di dalam machine learning sebagai
metode untuk mendapatkan hipotesis suatu keputusan [5].
7. Metodelogi Penelitian
7.1 Pengumpulan Data
Dalam menyusun penelitian skripsi, penulis membutuhkan data-
data yang berhubungan dengan tema yang akan dikupas oleh penulis,
yaitu mengenai konsep dan teori dasar sistem pakar. Dalam hal ini
tentunya penulis membutuhkan data-data mengenai kendala-kendala,
keuntungan serta kekurangan yang mempengaruhi sistem kerja di
lapangan. Data-data diklarifikasikan dalam dua bagian (Sarwono,
Jonathan dan Hary Lubis, 2007) yaitu :
1. Data Primer
Data primer merupakan data yang dikumpulkan oleh orang atau
perseorangan secara langsung dari sumbernya.
2. Data Sekunder
Data sekunder merupakan data yang tidak diperoleh secara langsung
dari objek peneltian.
Penggunaan metode penelitian ini diklasifikasikan menjadi tiga
bagian yaitu :
a. Studi Literatur
Tahap ini penulis melakukan penggalian konsep peneitian
melalui studi pustaka berdasarkan penelitian - penelitian yang

16. telah dilakukan sebelumnya untuk dijadikan kajian pendukung
dalam topic penilitian yang penulis lakukan.
b. Observasi Lapangan
Observasi lapangan yang dilakukan yaitu mengamati dan
mencatat secara langsung bentuk - bentuk potensi sumber yang
bisa dimanfaatkan dalam mengoptimalkan dan melakukan
penghematan pada pengaturan suhu ruangan.
c. Wawancara atau Interview
Meyiapkan daftar pertanyaan dan menentukan siapa saja
yang akan jadi objeknya, melakukan pengumpuldan data
melalui metode wawancara dengan mengajukan pertanyaan -
pertanyaan pada pihak - pihak terkait.
7.2 Analisa Sistem
Suatu proses untuk memahami sistem yang sudah ada. Pada tahap
ini akan dilakukan analisa terhadap focus permasalahan penelitian,
apakah sudah sesuai seperti yang diinginkan atau tidak. Serta
menemukan solusi yang tepat bagi penyelesaian masalah untuk
penyakit pada tanaman cabai.
7.3 Perancangan Sistem
Melakukan perancangan terhadap sistem yang sedang berjalan
apabila ditemukan ada kekurangan.
7.4 Pembuatan Program
Melakukan pembuatan program dengan menggunakan program
PowerBuilder 9.0 dan database menggunakan SQL 2000
7.5 Testing
Melalukan testing aplikasi sistem pakar dan mengevaluasi tehadap
program yang sudah dibuat.
7.6 Implementasi
Mengimplementasikan program yang sudah dibuat ke pengguna
atau para petani tanaman cabai
7.7 Dokumentasi
Mendokumentasikan semua hasil analisa dan perancangan system
yang telah di buat.

17. 7.8 Jadwal Penelitian
Waktu yang dipergunakan untuk melakukan penelitian terhadap
Implementasi Sistem Pakar Untuk Mendeteksi Penyakit Pada
Tanaman Cabai Menggunakan Metode Naïve Bayes ini dimulai dari
awal bulan Mei sampai akhir Juli 2015. Adapun jadwal
pengembangan aplikasi ini adalah sebagai berikut :
Tabel 1. Tabel pelaksanaan Implementasi Sistem Pakar Untuk Mendeteksi
Penyakit Pada Tanaman Cabai Menggunakan Metode Naïve Bayes
No Kegiatan
Bulan
Mei Juni Juli
1 2 3 4 1 2 3 4 1 2 3 4
1 Pengumpulan Data
2 Analisa
3 Perancangan
4 Coding
5 Testing
6 Implementasi
7 Dokumentasi
7.9 Sistematika Penulisan
Agar lebih jelas dan mudah untuk dimengerti, maka penulis akan
memberikan rangkuman dari pembuatan tugas akhir ini untuk
memberikan gambaran-gambaran pokok sebagai berikut :
BAB I PENDAHULUAN
Bab I mengurangkaikan latar belakang masalah, perumusan
masalah, batasan masalah untuk memberikan batasan yang tegas dan
jelas serta sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab II membahas tentang landasan teori dan tinjauan pustaka dari
topik penulisan skripsi secara mendalam beserta dengan referensinya.

18. BAB III METODOLOGI PENELITIAN
Bab III ini membahas tentang perancangan umum maupun uraian
lebih lanjut mengenai perancangan sistem dalam pembuatan perangkat
lunak.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
Bab IV memuat tentang metodologi penelitian yang digunakan
penulis dalam menyelesaikan penelitian, materi penelitian, alat,
langkah - langkah penelitian, analisis dan kesulitan - kesulitan yang
ada. menjelaskan tentang pengujian sistem secara umum maupun
terperinci.
BAB V PENUTUP
Bab V ini berisi kesimpulan yang telah didapatkan dari hasil uji
coba sistem dan analisanya mengenai keterkaitan dengan tujuan
pembuatan sistem.
DAFTAR PUSTAKA
Kusrini, 2006. Sistem Pakar, Teori dan Aplikasi. Yogyakarta: Penerbit Andi
Setiadi, 1996. Bertanam Cabai. Depok: Penebar Swadaya

19. P Angga Hardika, dan Soebroto Arief Andy ST, M.Kom, Regasari Rekyan M.P,
ST, MT. 2011. “APLIKASI SISTEM PAKAR UNTUK IDENTIFIKASI HAMA
DAN PENYAKIT TANAMAN TEBU DENGAN METODE NAÏVE BAYES
BERBASIS WEB”. Article ptiik.ub.ac.id /file/DR00066201312,
http://ptiik.ub.ac.id/doro/download/article/file/DR00052201406, 22 Maret 2015.
Wahyudi Mochamad, Alfisahrin Sa’diyah Noor Novita. 2014. “KOMPARASI
ALGORITMA C4.5, NAIVE BAYES DAN NEURAL NETWORK UNTUK
MEMPREDIKSI PENYAKIT JANTUNG”. Jurnal TICOM Vol.2 No.2 Januari.
http://aptikom3.or.id/files/Jurnal%20TICOM%20Vol.%202%20No.
%202%20Tahun%202014.pdf, 8 April 2015.
YAKUB SUARDIN. 2008. “SISTEM PAKAR DETEKSI PENYAKIT
DIABETES MELLITUS DENGAN MENGGUNAKAN PENDEKATAN
NAÏVE BAYESIAN BERBASIS WEB”. SKRIPSI UNIVERSITAS ISLAM
NEGERI MALANG.