Waktu dan Tempat Penelitian Kebutuhan Alat dan Bahan Penelitian

Pada Tabel 4 disajikan parameter input dan output yang digunakan pada model prediksi efektivitas respon tumbuh fungi ektomikoriza. Tabel 4 Parameter input dan output prediksi efektivitas ektomikoriza No. Variabel Tipe data Satuan Keterangan 1. Kecocokan inang nonfuzzy - input 2. Suhu rata-rata fuzzy o input C 3. pH tanah fuzzy - input 4. Kapasitas tukar kation KTK fuzzy me100g input 5. Kandungan fosfor fuzzy ppm input 6. Kandungan karbon fuzzy input 7. Kandungan nitrogen fuzzy input 8. Kandungan kalium fuzzy me100grm input 9. Kandungan aluminium fuzzy input 10. Kandungan kalsium fuzzy me100grm input 11. Kandungan magnesium fuzzy me100grm input 12. Efektivitas fuzzy output Pada Tabel 5 disajikan contoh data input yang digunakan, selanjutnya dapat dilihat pada Lampiran 6. Tabel 5 Contoh data input Inang pH Suhu KTK C N P Al Ca Mg K Efekti- vitas Shorea 4.4 28 4.5 1.1 0.24 11.6 2.1 10.9 1.8 1.1 40 javanica Shorea 5.4 23 6.6 2.1 0.14 11.3 0.2 4.9 5.5 0.1 43 javanica Shorea 4.3 22 12 2.2 0.15 10 0.38 2.3 1.3 1.2 41.3 javanica Satu input nonfuzzy adalah variabel kecocokan inang. Variabel ini menggambarkan suatu nilai yang menunjukkan tingkat kecocokan fungi dengan tanaman inang. Nilai kecocokan ditentukan melalui cara diskusi dan wawancara dengan pakar dan melalui studi literatur. Nilai kecocokan dilakukan dengan membuat skala dari 0 – 100, makin besar skor nilai berarti makin tinggi tingkat kecocokan fungi dengan tanaman inang. Pada Tabel 6 disajikan nilai kecocokan inang yang digunakan. Tabel 6 Data input nonfuzzy kecocokan inang Tanaman inang Scleroderma columnare Scleroderma dictyosporum Scleroderma sinnamarianse Shorea javanica 98 98 80 Shorea pinanga 97 92 40 Shores seminis 95 96 78 Gnetum gnemon 99 95 90 Eucalyptus pellita 75 77 70 Eucalyptus urophylla 74 76 68

4.3.2 Himpunan Fuzzy

Sistem pakar yang dibangun adalah sistem pakar berbasis fuzzy. Penggunaan representasi fuzzy adalah karena faktor-faktor lingkungan, sebagai input pada sistem ini memiliki sifat ambiguitas dan ketidakpastian. Variabel fuzzy mempunyai banyak keunggulan dalam representasi data dibandingkan variabel dalam bentuk tegas crisp. Pendekatan sistem fuzzy memiliki toleransi terhadap data-data yang tidak tepat imprecise, dan mampu membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung. Data yang diperoleh dari karakteristik faktor lingkungan merupakan karakteristik yang tidak tegas, memiliki sifat ambiguitas dan ketidakpastian. Hal ini mengakibatkan sukar untuk ditarik batas yang tegas. Dalam kasus ini variabel fuzzy memberikan representasi yang lebih sesuai dibandingkan representasi dalam himpunan yang tegas. Pada Tabel 7 disajikan rangkuman dari proses fuzifikasi yang dilakukan.