1. Nilai data faktor lingkungan yang tidak ada diganti dengan nilai yang
umum digunakan dengan bantuan asumsi pakar atau berdasarkan pada literatur. Dalam hal ini sangat diperhatikan species fungi ektomikoriza, jenis
tanaman inang, serta keadaan faktor lingkungan sekitar. 2.
Mengkonversi nilai efektivitas respon tumbuh, yang diwakili oleh nilai biomassa atau berat kering total ke persentase respon pertumbuhan mikoriza
atau yang sering juga disebut Relative Field Mychorrizal Dependency RFMD dengan menggunakan persamaan 31.
RFMD = BKT bermikoriza - BKT tanpa mikoriza
100 BKT tanpa mikoriza
× 32
3. Mengelompokan data untuk setiap species fungi ektomikoriza. Dokumentasi
pengelompokan data dapat dilihat dari Tabel 1.
Tabel 1 Dokumentasi data No Nama file
Keterangan 1. Datacolumnare
Data untuk species S. columnare 2. Datadictyosporum
Data untuk species S. dyctyosporum
3. Datasinnamariense Data untuk species S. sinnamariense
2. Praproses Data untuk Metode ANFIS
Tahapan praproses data untuk metode ANFIS adalah : Mengelompokan data dengan komposisi 70 untuk data training dan 30
untuk data testing dari total jumlah data. Tabel 2 adalah dokumentasi nama file
data yang digunakan untuk proses pelatihan dan pengujian model.
Tabel 2 Dokumentasi data training dan data testing model No
Nama file Keterangan
1 Training1.txt Data pelatihan untuk species S.columnare
2 Testing1.txt Data pengujian untuk species S.columnare
3 Training2.txt Data pelatihan untuk species S.dyctyosporum
4 Testing2.txt Data pengujian untuk species S.dyctyosporum
5 Training3.txt Data pelatihan untuk species S.sinnamariense
6 Testing3.txt Data pengujian untuk species S.sinnamariense
3.2.5 Representasi Pengetahuan
Representasi pengetahuan adalah penyajian pengetahuan ahli atau praktisi dalam bahasa logika yang sederhana yaitu basis pengetahuan. Basis pengetahuan
terdiri atas pengetahuan yang dimaksud dan spesifikasi dari pokok persoalan yang akan diselesaikan Marimin 2009. Basis pengetahuan selanjutnya dikumpulkan,
dikodekan, diorganisasikan, dan digambarkan dalam bentuk rancangan lain menjadi bentuk yang sistematik.
Metode representasi pengetahuan yang digunakan pada penelitian ini adalah representasi fuzzy, hal ini disebabkan karena faktor lingkungan pada sistem
memiliki sifat ambiguitas dan ketidakpastian. Basis pengetahuan pada sistem pakar yang dirancang direpresentasikan dengan menggunakan kaidah produksi.
Bentuk kaidah produksi yang digunakan adalah bentuk if – then. Dimana “if” merupakan premis yang menunjukkan suatu kondisi yang akan dinilai, “then”
merupakan konklusi yang menunjukkan aksi yang dapat diambil apabila kondisi terpenuhi. Bentuk if – then dapat terdiri dari beberapa kondisi dan juga beberapa
aksi yang digabungkan dengan menggunakan operator logika AND atau OR. Masukan input yang akan dimasukkan oleh pengguna akan dibandingkan
dengan kondisi dari kaidah-kaidah pada basis pengetahuan yang telah dirancang. Kondisi pada kaidah yang ada merupakan parameter yang akan digunakan untuk
penentuan nilai prediksi efektivitas respon tumbuh ektomikoriza. Sebelum model ANFIS dibangun perlu dilakukan identifikasi struktur dan
parameter jaringan. Algoritme CART digunakan untuk mengidentifikasi struktur dan parameter ANFIS tersebut. Algoritme CART melalui pohon regresinya dapat
digunakan untuk melakukan pemilihan peubah. CART dapat mengetahui peubah dominan dari sederet peubah yang dilibatkan dan dapat pula mengidentifikasi
peubah-peubah yang hanya berpengaruh dan berinteraksi secara lokal dalam kelompok tertentu.
Setelah parameter identifikasi dan struktur ANFIS diperoleh maka masing- masing parameter akan dihitung derajat keanggotaannya pada setiap kelompok
nilai masing-masing parameter. Perhitungan derajat keanggotaan untuk setiap parameter dilakukan menggunakan rumus Gaussian GAUSSMF. Penetapan
rumus yang akan digunakan dilakukan melalui diskusi dengan pakar dan
