Pengaksesan Mobile Dengan Pesan Teks Pada Sistem Berbasis Pengetahuan. (Studi Kasus: Pertanian Padi Di Timor Leste)

da Costa, Edio (2018) Pengaksesan Mobile Dengan Pesan Teks Pada Sistem Berbasis Pengetahuan. (Studi Kasus: Pertanian Padi Di Timor Leste). Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 5113301203-Disertation.pdf - Accepted Version Restricted to Repository staff only Download (11MB) | Request a copy

Abstract

Salah satu penyebab menurunnya hasil produktivitas padi adalah serangan hama dan penyakit. Untuk mengatasi hama dan penyakit padi, petani selalu mengandalkan informasi dan pengetahuan dari para ahli pertanian untuk pengambilan keputusan. Masalahnya adalah para ahli tidak selalu tersedia ketika petani membutuhkan dan juga biayanya cukup tinggi. Penanganan hama dan penyakit sulit dilakukan secara individu karena petani kurang memiliki pengetahuan tentang jenis hama yang menyerang tanaman padinya. Tujuan penelitian ini adalah untuk membangun sistem berbasis pengetahuan yang dapat mengidentifikasi hama dan penyakit secara interaktif berdasarkan pesan teks yang disampaikan petani menggunakan layanan komunikasi SMS dan Web portal. Sistem ini dapat memberikan kemudahan kepada para petani untuk menyampaikan informasi tentang masalah hama dan penyakit padi menggunakan bahasa alami. Penerapan Text Mining dengan melakukan Tokenizing, Filtering dan Porter Stemming untuk mengekstrak pesan teks yang dikirim petani menggunakan natural language. Selanjutnya metode Jaccard Similarity Coefficient (JSC) digunakan untuk uji similaritas hama dan penyakit berdasarkan gejala yang dikirim petani melalui pesan teks. Korpus database yang digunakan terdiri dari 28.526 kata dasar, 1.309 stop word dan 180 word list. Sedangkan database reference hama dan penyakit dalam penelitian ini divalidasi oleh Kementerian Pertanian dan Perikanan, Timor-Leste. Data yang divalidasi terdiri dari 60 data (instances) dan 20 kelas hama dan penyakit. Hasil percobaan menunjukkan bahwa sistem mampu mengidentifikasi gejala berdasarkan kata kunci yang diidentifikasi dengan akurasi 81%. Sedangkan hasil identifikasi hama dan penyakit dengan akurasi 86%. Selanjutnya adalah klasifikasi multi kelas hama dan penyakit berdasarkan data survey yang diperoleh dari pengamatan di lapangan. Lokasi pengamatan di distrik Bobonaro, Timor Leste. Pengamatan dilakukan secara random terhadap tanaman padi yang terkena gejala hama dan penyakit pada fase vegetatif dan generatif. Pada kedua fase tersebut, tanaman padi akan rentan terhadap serangan hama dan penyakit. Selain itu beberapa hama dan penyakit yang muncul pada fase vegetatif sering muncul juga pada fase generatif. Sehingga menyebabkan petani kesulitan dalam melakukan identifikasi terhadap hama dan penyakit menyerang tanaman padinya karena sering menunjukkan gejala yang mirip antara satu penyakit dengan penyakit yang lain. Dengan demikian tujuan dari penelitian ini adalah melakukan klasifikasi multi-kelas hama dan penyakit tanaman padi yang telah memasuki fase vegetatif dan generatif.vi Data yang terkumpul dari observasi lapangan terdiri dari 186 data, namun setelah melewati tahap seleksi maka data yang diperoleh terdiri dari 133 data (instances), 10 kelas hama dan penyakit, dan 180 atribut (gejala). Sedangkan database reference hama dan penyakit tanaman padi diperoleh dari Kementerian Pertanian dan Perikanan, Timor Leste. Data yang diperoleh terdiri dari 60 data (instances) dan 20 kelas hama dan penyakit, dan 180 atribut (gejala). Setiap hama atau penyakit memiliki beberapa atribut, sedangkan beberapa atribut ada yang overlapping. Database reference digunakan sebagai referensi untuk menentukan label kelas terhadap data yang diperoleh dari observasi lapangan. Teknik machine learning dengan Naïve Bayes Classifier (NBC), Random Forests (RF), dan Multi-Layer Perceptron (MLP) sebagai base learner dan AdaBoost digunakan untuk melakukan klasifikasi. Rata-rata hasil klasifikasi multi kelas hama dan penyakit yang diperoleh menunjukkan MLP memperoleh performa tertinggi dengan accuracy, precision, dan F-measure yaitu 0.804, 0.807 dan 0.802 (skenario B) dibandingkan dengan RF 0.786, 0.809, dan 0.780 (skenario B) dan NBC 0.723, 0.735 dan 0.721 (skenario B)
=================================================================================================================================
Salah satu penyebab menurunnya hasil produktivitas padi adalah serangan hama dan penyakit. Untuk mengatasi hama dan penyakit padi, petani selalu mengandalkan informasi dan pengetahuan dari para ahli pertanian untuk pengambilan keputusan. Masalahnya adalah para ahli tidak selalu tersedia ketika petani membutuhkan dan juga biayanya cukup tinggi. Penanganan hama dan penyakit sulit dilakukan secara individu karena petani kurang memiliki pengetahuan tentang jenis hama yang menyerang tanaman padinya. Tujuan penelitian ini adalah untuk membangun sistem berbasis pengetahuan yang dapat mengidentifikasi hama dan penyakit secara interaktif berdasarkan pesan teks yang disampaikan petani menggunakan layanan komunikasi SMS dan Web portal. Sistem ini dapat memberikan kemudahan kepada para petani untuk menyampaikan informasi tentang masalah hama dan penyakit padi menggunakan bahasa alami. Penerapan Text Mining dengan melakukan Tokenizing, Filtering dan Porter Stemming untuk mengekstrak pesan teks yang dikirim petani menggunakan natural language. Selanjutnya metode Jaccard Similarity Coefficient (JSC) digunakan untuk uji similaritas hama dan penyakit berdasarkan gejala yang dikirim petani melalui pesan teks. Korpus database yang digunakan terdiri dari 28.526 kata dasar, 1.309 stop word dan 180 word list. Sedangkan database reference hama dan penyakit dalam penelitian ini divalidasi oleh Kementerian Pertanian dan Perikanan, Timor-Leste. Data yang divalidasi terdiri dari 60 data (instances) dan 20 kelas hama dan penyakit. Hasil percobaan menunjukkan bahwa sistem mampu mengidentifikasi gejala berdasarkan kata kunci yan diidentifikasi dengan akurasi 81%. Sedangkan hasil identifikasi hama dan penyakit dengan akurasi 86%. Selanjutnya adalah klasifikasi multi kelas hama dan penyakit berdasarkan data survey yang diperoleh dari pengamatan di lapangan. Lokasi pengamatan di distrik Bobonaro, Timor Leste. Pengamatan dilakukan secara random terhadap tanaman padi yang terkena gejala hama dan penyakit pada fase vegetatif dan generatif. Pada kedua fase tersebut, tanaman padi akan rentan terhadap serangan hama dan penyakit. Selain itu beberapa hama dan penyakit yang muncul pada fase vegetatif sering muncul juga pada fase generatif. Sehingga menyebabkan petani kesulitan dalam melakukan identifikasi terhadap hama dan penyakit menyerang tanaman padinya karena sering menunjukkan gejala yang mirip antara satu penyakit dengan penyakit yang lain. Dengan demikian tujuan dari penelitian ini adalah melakukan klasifikasi multi-kelas hama dan penyakit tanaman padi yang telah memasuki fase vegetatif dan generatif.vi Data yang terkumpul dari observasi lapangan terdiri dari 186 data, namun setelah melewati tahap seleksi maka data yang diperoleh terdiri dari 133 data (instances), 10 kelas hama dan penyakit, dan 180 atribut (gejala). Sedangkan database reference hama dan penyakit tanaman padi diperoleh dari Kementerian Pertanian dan Perikanan, Timor Leste. Data yang diperoleh terdiri dari 60 data (instances) dan 20 kelas hama dan penyakit, dan 180 atribut (gejala). Setiap hama atau penyakit memiliki beberapa atribut, sedangkan beberapa atribut ada yang overlapping. Database reference digunakan sebagai referensi untuk menentukan label kelas terhadap data yang diperoleh dari observasi lapangan. Teknik machine learning dengan Naïve Bayes Classifier (NBC), Random Forests (RF), dan Multi-Layer Perceptron (MLP) sebagai base learner dan AdaBoost digunakan untuk melakukan klasifikasi. Rata-rata hasil klasifikasi multi kelas hama dan penyakit yang diperoleh menunjukkan MLP memperoleh performa tertinggi dengan accuracy, precision, dan F-measure yaitu 0.804, 0.807 dan 0.802 (skenario B) dibandingkan dengan RF 0.786, 0.809, dan 0.780 (skenario B) dan NBC 0.723, 0.735 dan 0.721 (skenario B)

Item Type:	Thesis (Doctoral)
Additional Information:	RDIf 006.33 Cos p-1
Uncontrolled Keywords:	Text mining, hama dan penyakit tanaman padi, sistem berbasis pengetahuan, klasifikasi multi kelas, pengamatan lapangan, Bobonaro, Timor Leste.
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD30.2 Knowledge management.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis
Depositing User:	Edio da Costa
Date Deposited:	03 Jul 2023 06:40
Last Modified:	03 Jul 2023 06:40
URI:	http://repository.its.ac.id/id/eprint/71347

Actions (login required)

View Item