ANALISA ALGORITMA FUZZY MAMDANI DALAM PENGKLASIFIKASIAN PENYAKIT PADA TANAMAN
Abstract
Penyakit pada tanaman merupakan ancaman serius dalam sektor pertanian yang dapat menyebabkan kerugian produksi dan ekonomi. Identifikasi dan pengklasifikasi penyakit pada tanaman dengan akurasi tinggi menjadi penting untuk mengambil tindakan yang tepat dalam penanganan penyakit. Pada tahap awal penelitian, data penyakit tanaman yang terverifikasi dikumpulkan dan fitur-fitur yang relevan diidentifikasi. Selanjutnya, basis pengetahuan fuzzy yang mencerminkan hubungan antara fitur-fitur tersebut dan klasifikasi penyakit dibangun. Algoritma Fuzzy Mamdani diimplementasikan untuk melakukan pengklasifikasi berdasarkan fitur-fitur pengamatan yang diamati pada tanaman yang terinfeksi. Evaluasi kinerja algoritma dilakukan dengan menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-score. Pengujian dilakukan dengan menggunakan data penyakit pada tanaman yang telah diverifikasi oleh para ahli. Hasil penelitian menunjukkan bahwa algoritma Fuzzy Mamdani mampu mengklasifikasikan penyakit pada tanaman dengan akurasi yang memadai. Namun, tantangan dalam pengklasifikasi penyakit pada tanaman menggunakan algoritma Fuzzy Mamdani meliputi pemilihan fitur yang relevan, penentuan variabel linguistik, dan fungsi keanggotaan yang tepat. Parameter algoritma juga mempengaruhi hasil pengklasifikasi. Oleh karena itu, perlu dilakukan penyesuaian yang optimal untuk mencapai hasil yang lebih baik. Penelitian ini memberikan kontribusi dalam pengembangan metode pengklasifikasi penyakit pada tanaman dengan menggunakan algoritma Fuzzy Mamdani. Hasil penelitian ini dapat digunakan sebagai dasar untuk pengembangan sistem pakar yang membantu petani dan ahli pertanian dalam mengidentifikasi penyakit pada tanaman secara efektif. Penelitian selanjutnya dapat mengeksplorasi integrasi teknik Fuzzy Mamdani dengan metode lain, seperti machine learning, untuk meningkatkan akurasi pengklasifikasi penyakit pada tanaman.
References
D. P. Ayuni Et Al., “Augmentasi Data Pada Implementasi Convolutional Neural Network Arsitektur Efficientnet-B3 Untuk Klasifikasi Penyakit,” Vol. 5, No. 2, Pp. 239–249.
R. Maulana, M. A. Fadillah, S. S. Pambudi, And P. Rosyani, “Literature Review : Implementasi Sistem Pakar Untuk Diagnosa Penyakit Diabetes Menggunakan Metode Fuzzy,” Vol. 1, No. 2, Pp. 451–456, 2023.
R. Tullah, S. Sutarman, And M. P. Saladin, “Sistem Pakar Diagnosa Penyakit Paru Pada Anak Dengan Menggunakan Metode Forward Chaining,” J. Sisfotek Glob., Vol. 10, No. 2, P. 80, 2020, Doi: 10.38101/Sisfotek.V10i2.293.
P. Muhamad Abor, “Rekayasa Perangkat Lunak Guna Menentukan Penyakit Tanaman Padi Dengan Metode Fuzzy Mamdani Jurnal Informasi Dan Komputer Vol : 7 No : 2 Thn .: 2019,” Pp. 87–96, 2019.
P. Rosyani, “Ekstraksi Fitur Wajah Menggunakan Metode Viola Jones Dengan Tools Cascade Detector,” Vol. 10, No. 2, Pp. 633–639, 2023, Doi: 10.30865/Jurikom.V10i2.6062.
Y. Anggraini, M. Indra, M. Khoirusofi, I. N. Azis, And P. Rosyani, “Systematic Literature Review : Sistem Pakar Diagnosa Penyakit Gigi Menggunakan Metode Forward Chaining,” Vol. 1, No. 01, Pp. 1–7, 2023.
J. Manajemen Et Al., “Analisis Metode Forward Chaining Pada Sistem Pakar : Systematic Literature Review,” Vol. 1, No. 04, Pp. 144–151, 2023.
R. Dian, S. Sumijan, And Y. Yuhandri, “Sistem Pakar Dalam Identifikasi Kerusakan Gigi Pada Anak Dengan Menggunakan Metode Forward Chaining Dan Certainty Factor,” J. Sistim Inf. Dan Teknol., Vol. 2, Pp. 65–70, 2020, Doi: 10.37034/Jsisfotek.V2i3.24.
D. Fernianti, H. Juniar, And N. Dwiayu Adinda, “Pengaruh Massa Ossein Dan Waktu Ekstraksi Gelatin Dari Tulang Ikan Tenggiri Dengan Perendaman Asam Sitrat Belimbing Wuluh,” J. Distilasi, Vol. 5, No. 2, P. 1, 2020, Doi: 10.32502/Jd.V5i2.3027.
A. Suryani, “Comparing Case Study And Ethnography As Qualitative Research Approaches,” J. Ilmu Komun., Vol. 5, No. 1, Pp. 117–127, 2013, Doi: 10.24002/Jik.V5i1.221.
