Klasifikasi Penyakit pada Tanaman Teh Menggunkan Algoritma C4.5 (Studi Kasus : PTPN IV Unit Kebun Sidamanik)

Abstract

Tanaman teh (camellia sinensis) merupakan tanaman penting dalam perekonomian Indonesia. Bukan hanya sebagai bahan konsumsi saja, tanaman ini juga dapat berperan dalam membantu perekonomian seperti menyediakan lapangan pekerjaan, sehingga mengurangi pengangguran, dan sangat berguna untuk menambah devisi negara. Perkebunan teh di Sidamanik memiliki lahan yang sangat luas yaitu sekitar 6.373 Ha. Petani disana kerap mengalami kesulitan dalam menjaga kualitas produksinya. Hal ini salah satunya dipengaruhi oleh sulitnya menentukan jenis penyakit yang menjangkit pada tanaman. Sehingga perlu mengklasifikasikan penyakit-penyakit pada tanaman teh tersebut. Dengan memanfaatkan teknologi informatika atau data miningAlgoritma C4.5 adalah algoritma yang sudah banyak digunakan untuk klasifikasi data memiliki atribut-atribut numerik, kemampuan dari hasil klasifikasi yang dapat digunanakan memprediksi nilai atribut bertipe dikret dari record yang baru. Hasil akurasi algoritma tersebut adalah 96% dengan jumlah data yang digunakan yaitu 400 record meggunakan proporsi data dan training 80% dan testing 20%. Berdasarkan hasil akurasi yang dicapai, dapat dikatakan bawha Algoritma C4.5 baik digunakan dalam klasifikasi penyakit tanaman teh. The tea plant (camellia sinensis) plays an important role in Indonesian economy. This plant act as the consumption material and play contribute to providing jobs, reducing unemployment, and is very useful for increasing state division. The tea plantations in Sidamanik have a very large area of 6,373 ha. Farmers often felt difficulties in maintaining the quality of their production, including determining the type of disease that infects plants. Hence, it is necessary to classify the diseases in the tea plant by utilizing informatics technology or data mining. C4.5 Algorithm is tool that has been widely used for classifying data with numberic attributes, the ability of the classification results is used to predict the value of dict type attributes from new records. The results shows that the algorithm’s accuracy is 96% with the amount of data used, namely 400 records using the proportion of 80% data training and 20% data testing. Based on classification, there are 43,67% plants are infected Blister Blight,31,33% are infected Phytophthora infestans,and about 25% of plants are infected die back disease.