Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum L.) dengan Logika Fuzzy dan Faktor Pembobotan

PENGEMBANGAN SISTEM PAKAR PEMILIHAN VARIETAS
TOMAT (Solanum lycopersicum L.) DENGAN LOGIKA FUZZY
DAN FAKTOR PEMBOBOTAN

ERLIN CAHYA RIZKI AMANDA

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pengembangan
Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum L.) dengan
Logika Fuzzy dan Faktor Pembobotan adalah benar karya saya dengan arahan dari
komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan
tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang
diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks
dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada
Institut Pertanian Bogor.
Bogor, Desember 2014
Erlin Cahya Rizki Amanda
NIM F14100083

ABSTRAK
ERLIN CAHYA RIZKI AMANDA. Pengembangan Sistem Pakar Pemilihan
Varietas Tomat (Solanum lycopersicum L.) dengan Logika Fuzzy dan Faktor
Pembobotan. Dibimbing oleh KUDANG BORO SEMINAR dan MUHAMAD
SYUKUR.
Semakin meningkatnya jumlah varietas tomat dengan keunggulan pada
masing-masing varietasnya, mengakibatkan semakin besar subjektivitas dan
kompleksitas dari pemilihan varietas tomat. Penelitian ini mengembangkan
Sistem Pakar Pemilihan Varietas Tomat (SIPMAT) untuk membantu diseminasi
pengetahuan yang terkait pemilihan varietas tomat. Sistem ini juga dikembangkan
untuk membantu pengguna menentukan varietas yang sesuai dengan beberapa
parameter atau preferensi pengguna. Sistem pakar ini menggunakan 135 varietas
tomat. Mesin inferensi yang dikembangkan pada sistem pakar menggunakan
gabungan kaidah logika fuzzy Tahani dengan kaidah pembobotan yakni Simple

Additive Weighting (SAW). Parameter pemilihan terdapat 9 parameter yakni
tujuan penanaman, ketinggian lokasi, ketahanan terhadap penyakit, ukuran buah,
bentuk, kekerasan, potensi hasil, umur panen dan warna buah dengan bobot
masing-masing parameter menurut pakar dan preferensi petani. Prototipe sistem
pakar dikembangkan dalam basis web dengan menggunakan bahasa pemrograman
PHP dan sistem manajemen basis data MySql. Pada sistem telah dilakukan
pengujian dan menghasilkan akurasi sebesar 86.2%.
Kata kunci: fuzzy, simple additive weighting, sistem pakar, varietas tomat

ABSTRACT
ERLIN CAHYA RIZKI AMANDA. Development of Expert System for Selecting
Tomato (Solanum lycopersicum L.) Varieties with Fuzzy Logic and Weighting
Factor. Supervised by KUDANG BORO SEMINAR and MUHAMAD SYUKUR.
The increasing number of tomato varieties with their unique features, has
introduced higher subjectivity and complexity for selection of tomato varieties.
This study developed Expert System Selection of Tomato Varieties (SIPMAT) to
assist dissemination of knowledge related to the selection of tomato varieties. This
system was also developed to help farmers to determine varieties that match with
some parameters or user preferences. This expert system used 135 tomato
varieties. Inference engine developed on the expert system using Tahani fuzzy

logic rules combined with Simple Additive Weighting (SAW) as weighting rules.
There are 9 parameters used for selection in the system including planting goals,
altitude, resistance to diseases, fruit size, fruit shape, fruit hardness, yield
potential, maturation and fruit color with weighting factor of each parameter
according to experts and farmer preferences. The prototype was developed on web
using PHP programming language and MySql for data base management system.
The system was tested and it showed the accuracy of 86.2%.
Key words: expert system, fuzzy, simple additive weighting, tomato varieties

PENGEMBANGAN SISTEM PAKAR PEMILIHAN VARIETAS
TOMAT (Solanum lycopersicum L.) DENGAN LOGIKA FUZZY
DAN FAKTOR PEMBOBOTAN

ERLIN CAHYA RIZKI AMANDA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknik
pada
Departemen Teknik Mesin dan Biosistem

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Judul Skripsi : Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum
lycopersicum L.) dengan Logika Fuzzy dan Faktor Pembobotan
Nama
: Erlin Cahya Rizki Amanda
NIM
: F14100083

Disetujui oleh

Prof Dr Ir Kudang B. Seminar, MSc
Pembimbing I

Prof Dr Muhamad Syukur, SP MSi

Pembimbing II

Diketahui oleh

Dr Ir Desrial, MEng
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur dipanjatkan kehadirat Allah SWT atas segala rahmat dan
karunia-Nya sehingga skripsi ini berhasil diselesaikan. Penelitian berjudul
“Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum
L.) dengan Logika Fuzzy dan Faktor Pembobotan” dilaksanakan sejak bulan
Januari sampai September 2014. Dengan telah selesainya penelitian hingga
tersusunnya skripsi ini, penulis ingin menyampaikan terima kasih yang sebesarbesarnya kepada:
1. Orang tua dan keluarga yang senantiasa memberikan dukungan moril dan
spiritual demi kebaikan penulis.
2. Prof Dr Ir Kudang Boro Seminar, MSc selaku dosen pembimbing utama
tugas akhir yang selalu memberi arahan dan masukan.

3. Prof Dr Muhamad Syukur, SP MSi selaku dosen pembimbing kedua tugas
akhir, yang juga selalu memberi arahan dan masukan serta sebagai pakar
dalam pembangunan pengetahuan sistem pemilihan varietas tomat.
4. Prof Dr Ir Bambang Pramudya, MEng selaku dosen penguji yang banyak
memberikan kritik dan saran.
5. Pak Supriyanto, Pak Solahudin, Pak Liyantono dan Pak Slamet yang sudah
banyak memberikan masukan untuk penelitian ini dalam diskusi rutin Lab
TBI.
6. Dian, Rosma, Imam, Fachri, Amri, Aulya, Marini, Fitriana dan Rifqi yang
senantiasa menemani, memberi dukungan dan menjadi tempat berbagi.
7. Edy, Husen dan Dery selaku teman satu bimbingan yang senantiasa
bekerjasama dan saling mendukung dan memberi semangat untuk
menyelesaikan penelitian ini.
8. Teman diskusi Lab TBI 47, Verari, Danang, Tio, Aidil, Fajardo, Made,
Alvin, atas saran, kritik dan arahan mengenai pembangunan basis data dan
web.
9. Semua teman-teman TMB 47 yang selalu memberikan doa dan semangat
untuk penulis.
Akhirnya penulis berharap semoga tulisan ini bermanfaat dan memberikan
kontribusi yang nyata terhadap perkembangan ilmu pengetahuan di bidangnya.

Bogor, Desember 2014

Erlin Cahya Rizki Amanda

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vii

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

3

TINJAUAN PUSTAKA

3

METODE

6

Tempat dan Waktu

6

Alat dan Bahan

6

Metode Penelitian

6

HASIL DAN PEMBAHASAN

8

KESIMPULAN DAN SARAN

22

DAFTAR PUSTAKA

22

LAMPIRAN

26

DAFTAR TABEL
1 Nilai faktor pembobot masing-masing parameter

17

DAFTAR GAMBAR

1
2
3
4
5
6
7
8
9
10
11
12
13
14

Tomat yang digolongkan berdasarkan ukuran
Kurva yang merepresentasikan nilai keanggotaan
Tahapan pengembangan sistem pakar
Desain arsitektur sistem pakar
Fungsi keanggotaan parameter ukuran
Fungsi keanggotaan parameter potensi hasil
Fungsi keanggotaan parameter umur panen
Fungsi keanggotaan parameter tujuan penanaman
Desain basis data relasional
Rancangan proses fuzzy query
Tampilan utama SIPMAT
Tampilan hasil pencarian varietas tomat
Tampilan fasilitas penjelasan pada hasil pencarian varietas tomat
Tampilan fasilitas updating pada SIPMAT

3
4
7
8
11
12
13
14
15
16
18
19
20
21

DAFTAR LAMPIRAN
1 Deskripsi kultivar tomat varietas Intan
2 Contoh perhitungan skor

25
26

PENDAHULUAN
Latar Belakang
Tomat merupakan sayuran unggulan di Indonesia dengan total produksi
yakni 839 504 ton pada tahun 2012 meningkat menjadi 992 780 ton pada tahun
2013 (BPS 2014). Oleh karena itu produksi tomat tiap tahun akan meningkat
mengimbangi kebutuhan masyarakat dan perluasan pasar sehingga peningkatan
produksi tomat perlu terus diupayakan untuk dapat mencukupi kebutuhan sayuran
di Indonesia. Masalah budidaya tomat di Indonesia yang sebagian besar terjadi
yakni varietas yang ditanam tidak cocok, kultur teknis yang kurang baik atau
penanganan hama dan penyakit yang kurang efisien (Purwati 2007). Peningkatan
hasil dan kualitas buah tomat perlu dilakukan dalam upaya memenuhi kebutuhan
tomat yang semakin tinggi dengan menanam varietas-varietas unggul yang juga
sesuai dengan kondisi lahan.
Pemilihan varietas tomat yang selama ini dilakukan petani pada lokasi studi
lapang yakni dataran tinggi daerah Liwa Lampung Barat ditentukan dari beberapa
pertimbangan. Pertama yaitu kepercayaan terhadap produsen benih tomat melalui
rekam jejak keterkenalan suatu produsen benih. Terdapat beberapa produsen
benih tomat yang sudah dipercaya petani karena intensitas sosialisasi varietas
yang cukup tinggi. Kedua yakni petani memilih varietas berdasarkan ketahanan
terhadap penyakit tertentu misalnya penyakit daun keriting dan menguning akibat
Geminivirus. Oleh sebab itu petani menghiraukan parameter penting yakni
ketinggian lokasi yang merupakan syarat tumbuh tanaman tomat. Kelemahan dari
pertimbangan ini adalah terbatasnya informasi dan pengetahuan terkait dengan
pemilihan varietas dalam budidaya tomat kepada petani atau praktisi.
Dewasa ini telah banyak ditemukan tomat varietas baru yang memiliki
keunggulan dalam hal berproduksi, ketahanan terhadap beberapa jenis hama dan
penyakit dan daya adaptasi terhadap lingkungan. Oleh karena itu, petani harus
mempelajari dan mengetahui terlebih dahulu bermacam-macam varietas tomat
yang telah beredar di pasaran agar tidak salah dalam menentukan pilihan.
Walaupun semua varietas tomat yang telah ditemukan bersifat unggul, namun
masing-masing varietas memiliki perbedaan sifat yang unik. Perbedaan itu dapat
dilihat dari bentuk buah yang dihasilkan, ukuran buah, ketahanan terhadap
penyakit, daya adaptasi terhadap lingkungan dan daya produktivitas (Cahyono
2008). Pemilihan varietas tomat ini perlu dilakukan dengan tepat dan sesuai
dengan kondisi lahan penanaman agar mendapatkan hasil produksi yang mencapai
harapan.
Pengetahuan tentang budidaya tomat khususnya pemilihan varietas tomat
masih tersimpan pada berbagai sumber pustaka baik dalam bentuk cetak maupun
elektronik yang tersebar di berbagai lokasi. Selain itu pengetahuan ini juga
didapatkan dari pakar namun masih bersifat implisit yakni masih terdapat
kesulitan dalam pengaksesan informasi. Oleh karena hal diatas maka perlu
dikembangkan sistem pakar pemilihan varietas tomat untuk mengalihkan keahlian
pakar ke komputer dengan mendokumentasikan semua pengetahuan sehingga
mudah diakses dan bermanfaat dalam menentukan pemilihan varietas tomat yang
sesuai.

2
Sistem pakar pemilihan varietas tomat dikembangkan dengan menggunakan
logika fuzzy dan faktor pembobotan. Secara umum, logika fuzzy sangat cocok
untuk penalaran pendekatan terutama untuk sistem yang menangani masalahmasalah yang sulit didefinisikan dengan menggunakan model matematis
(Kusumadewi 2002). Aturan fuzzy bekerja seperti kecerdasan manusia dalam
memutuskan pilihan yang optimal untuk mengatasi suatu masalah tertentu
(Askerzade et al. 2010). Faktor pembobotan digunakan untuk memperlihatkan
prioritas atau urutan kepentingan suatu parameter. Sistem pakar pemilihan
varietas tomat ini ditujukan sebagai panduan bagi petani untuk memilih varietas
tomat dalam kegiatan budidaya tomat.
Penelitian terdahulu dari penelitian ini yakni Sistem Cerdas Pemilihan
Benih Unggul Sayuran Berbasis Fuzzy Query (Wendy 2012). Sistem tersebut
telah dikembangkan untuk varietas tomat dengan logika fuzzy dan berbasis web.
Ruang lingkup penelitian terdahulu yaitu hanya tiga parameter pemilihan yakni
ukuran, potensi hasil dan umur panen. Jumlah varietas tomat yang ada dalam
sistem sebanyak 36 varietas. Maka dari itu, informasi yang dapat diterima petani
masih sedikit karena terbatasnya jumlah varietas dalam sistem dan juga sedikitnya
parameter pemilihan. Oleh karena itu, pengembangan sistem pakar pemilihan
varietas tomat dilakukan dengan penambahan jumlah varietas menjadi 135
varietas tomat tidak termasuk tomat cherry dari tahun 1980-2012 yang dimuat
dalam deskripsi kultivar varietas tomat yang diperoleh dari web Direktorat
Perbenihan Balai Penelitian Tanaman Sayuran. Selain itu juga terdapat
penambahan parameter penting seperti ketinggian lokasi sebagai prasyarat tumbuh
dan juga ketahanan terhadap hama dan penyakit serta parameter lainnya.
Penelitian yang terkait lainnya adalah SIVAPAR: Sistem Pakar Penentuan
Varietas Padi Sawah (Widodo 2009), Pengembangan Modul Fuzzy Query pada
Fuzzy Database Management System (Pandi 2009) dan Identifikasi Varietas
Tanaman Kunyit Menggunakan Sistem Pakar (Busantriannyo 2014).
Perumusan Masalah
Semakin meningkatnya jumlah varietas tomat dengan keunggulan pada
masing-masing varietasnya, maka semakin besar kompleksitas dari parameter
pemilihan varietas tomat. Oleh sebab itu subjektifitas pemilihan varietas tomat
menjadi semakin tinggi dan akurasi dalam pemilihan pun akan menjadi rendah.
Selain itu sosialisasi informasi terkait varietas dan pengembangannya juga
terbatas, maka diperlukan suatu sistem yang memiliki keahlian manusia atau
pakar dalam memilih varietas dengan parameter yang beragam sehingga
memudahkan petani dalam menentukan varietas yang hendak ditanam.
Tujuan Penelitian
Tujuan penelitian ini adalah mengembangkan sistem pakar pemilihan
varietas tomat dengan kaidah fuzzy berbasis web yang dapat dijangkau secara luas
oleh pengguna tanpa batasan ruang dan waktu.

3
Manfaat Penelitian
Manfaat dari penelitian ini adalah dengan adanya sistem pakar pemilihan
varietas tomat diharapkan dapat membantu petani menentukan varietas yang akan
ditanam sesuai dengan keahlian pakar untuk menentukan varietas yang lebih
objektif, cepat dan akurat. Selain itu sistem pakar ini bisa menjadi replika seorang
pakar untuk dapat membantu diseminasi pengetahuan yang terkait dengan
pemilihan varietas tomat kepada masyarakat.

TINJAUAN PUSTAKA
Tomat
Definisi tomat segar menurut SNI (1992) adalah buah dari tanaman tomat
dalam keadaan utuh, segar dan bersih. Tomat adalah komoditas hortikultura yang
penting, baik karena harganya yang cukup baik maupun penggunanya dalam
konsumsi masyarakat. Secara umum tomat dapat ditanam di dataran rendah
sampai dataran tinggi dengan ketinggian diatas 750 mdpl pada tanah yang
gembur, sedikit mengandung pasir, kadar keasamannya (pH) antara 5-6, curah
hujan 750-1 250 mm/tahun serta kelembaban relatif 25%.
Berdasarkan tipe pertumbuhannya, tanaman tomat dapat dibedakan atas tipe
determinate dan indeterminate. Tanaman tomat yang mempunyai tipe
pertumbuhan determinate bersifat tegak dan pada ujung tanaman terdapat tandan
bunga pada setiap ruas batang serta memiliki umur panen lebih pendek yakni
hanya sekitar 60 hari. Tanaman tomat yang mempunyai tipe pertumbuhan
indeterminate bersifat merambat dan tandan bunga tidak terdapat pada setiap ruas
batang serta ujung tanaman senantiasa terdapat pucuk muda dan memiliki umur
panen lebih panjang yakni berkisar antara 70-100 hari (Cahyono 2008).
Buah tomat dinyatakan tua apabila buah tomat telah mencapai tingkat
perkembangan fisiologi yang menjamin proses pematangan yang sempurna.
Tomat merupakan tanaman yang dipanen berkali-kali. Rata-rata pada satu kali
pertanaman tomat dapat dipanen sebanyak 8-10 kali, namun jika pertumbuhan
baik dapat mencapai 15 kali dengan selang 2-3 hari sekali untuk setiap panen
(Cahyono 2008). Menurut ukurannya, tomat digolongkan besar, sedang dan kecil
yang ditampilkan dalam Gambar 1.

Gambar 1 Tomat yang digolongkan berdasarkan ukuran (Cro

4
Sistem Pakar
Sistem pakar adalah perangkat komputer yang dirancang untuk mengadopsi
pengetahuan manusia agar dapat menyelesaikan masalah seperti yang biasa
dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli
(Marimin 2009).
Logika Fuzzy
Secara dasar, logika fuzzy adalah perluasan dari teori himpunan klasik
(crisp). Logika fuzzy dipergunakan untuk menempatkan hal-hal yang berhubungan
dengan kekaburan, seperti himpunan, predikat-predikat, nilai-nilai dan lainnya.
Logika fuzzy merupakan nama dari suatu jenis umum logika yang mempunyai
banyak nilai yang berhubungan dengan ketidakpastian dan kisaran kebenaran
yang dilandasi dengan teori fuzzy set (Tettamanzi dan Tomassini 2001).
Fungsi Keanggotaan
Menurut Zadeh (1968), fungsi keanggotaan (membership function) adalah
suatu fungsi untuk membedakan fungsi karakteristik pada aturan fuzzy dan fungsi
karakteristik pada aturan non-fuzzy. Pada logika fuzzy, terdapat beberapa fungsi
keanggotaan yang dapat digunakan untuk pemberian nilai kenggotaan pada suatu
elemen dalam himpunan fuzzy. Beberapa fungsi kenggotaan yang umum
digunakan contohnya kurva segitiga, kurva linear, kurva trapesium, kurva
sinusoidal dan kurva Gaussian. Penelitian ini menggunakan representasi kurva
trapesium karena pada proses perhitungan nilai keanggotaan pada representasi
kurva trapesium membutuhkan komputasi yang sederhana. Klasifikasi fungsi
keanggotaan kurva trapesium, nilai yang digunakan berupa nilai interval dan
merupakan gabungan dari tiga garis linear dan memiliki empat titik yakni nilai
batas kiri, dua nilai puncak dan nilai batas kanan seperti terlihat pada Gambar 2.

Gambar 2 Kurva yang merepresentasikan nilai keanggotaan (Kusumadewi 2002)
Fungsi keanggotaan untuk kurva trapesium didefinisikan sebagai berikut:
0;

x ≤ a atau x ≥ d

(x-a)/(b-a);

a≤x≤b

1;

b≤x≤c

(d-x)/(d-c);

c≤x≤d

µ(x)

5
Nilai a menyatakan batas kiri dari nilai interval suatu fungsi keanggotaan, b
dan c menyatakan nilai puncak pada kurva trapesium, sedangkan d menyatakan
nilai batas kanan dari nilai interval suatu fungsi keanggotaan. Variabel x
menyatakan elemen yang akan dicari nilai fungsi keanggotaannya.
Fuzzy Tahani
Fuzzy Tahani adalah salah satu kaidah fuzzy yang menggunakan basis data
standar dan bahasa query yang dikenal dengan SQL (Structured Query Language).
Menurut Tahani (1977), fuzzy query mengartikan suatu query yang menggunakan
predikat ketidakpastian (fuzzy predicate) pada suatu pemrosesan query pada basis
pengetahuan. Langkah pertama pemrosesan fuzzy query terdiri dari menetapkan
pengartian dari kondisi fuzzy yakni kondisi yang diwakili suatu variabel numerik
pada basis data. Model fuzzy Tahani sangat tepat digunakan dalam proses
pencarian data yang tepat dan akurat (Anggraeni 2004).
Fuzzy Query
Sintaks SQL pada query konvensional dituliskan sebagai “select (atribut)
from (relasi) where (kondisi)” dimana atribut merupakan kolom tabel yang akan
dipilih, relasi merupakan daftar relasi/tabel biasa dan kondisi merupakan kondisi
dasar (Bosc 1995). Sintaks SQL pada fuzzy query dituliskan sebagai “select
(atribut) from (relasi) where (kondisi fuzzy)” dimana kondisi fuzzy merupakan
kondisi dasar fuzzy.
Faktor Pembobotan
Faktor pembobotan merupakan salah satu syarat dari metode pembobotan
yang menunjukkan prioritas atau urutan tingkat kepentingan dari suatu kriteria.
Penentuan hasil rekomendasi varietas menggunakan metode pembobotan yang
terangkum dalam metode pengambilan keputusan yakni metode Multi Criteria
Decision Making (MCDM). Metode pengambilan keputusan ini ditujukan untuk
menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa
kriteria tertentu. Ada beberapa metode untuk menyelesaikan masalah MCDM,
salah satunya adalah metode Simple Additive Weighting (SAW). Metode ini
berdasarkan nilai faktor pembobotan. Skor evaluasi dihitung pada setiap alternatif
dengan mengalikan nilai yang diberikan setiap parameter kepada nilai faktor
pembobotan (Afshari 2010). Proses normalisasi dilakukan dengan menghitung
nilai peringkat kinerja ternormalisasi dari suatu kriteria dengan persamaan 1
sebagai berikut:
(1)
xij =
dimana xij adalah peringkat kerja ternormalisasi, rij adalah nilai atribut yang
dimiliki setiap kriteria dan Max rj adalah nilai terbesar dari setiap kriteria. Nilai
preferensi untuk setiap alternatif (Ai) diberikan pada persamaan 2 sebagai:
Ai = Σ wj xij

(2)

6
dimana Ai adalah peringkat untuk setiap alternatif, wj adalah nilai bobot dari
setiap kriteria dan xij = nilai peringkat kinerja ternormalisasi.

METODE
Tempat dan Waktu Penelitian
Penelitian dilaksanakan di Laboratorium Teknik Bioinformatika,
Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian.
Ekstraksi pengetahuan pakar (akademisi) dilakukan di Bagian Pemuliaan
Tanaman, Departemen Agronomi dan Hortikultura, Fakultas Pertanian. Studi
lapang dilakukan dalam penelitian ini untuk menggali preferensi praktisi yang
dilakukan di dataran tinggi yakni Liwa, Lampung Barat. Lama penelitian
terhitung dari bulan Januari sampai September 2014 sekitar 9 bulan.
Alat
Alat yang digunakan dalam penelitian ini yakni seperangkat komputer
personal, piranti lunak DBMS (Data Base Management System) yakni MySQL,
piranti lunak untuk analisis dan perhitungan yakni Ms. Excel 2010, piranti lunak
untuk analisis data fuzzy yaitu Matlab, piranti lunak untuk pembangunan aplikasi
berbasis web yaitu antara lain Adobe Dreamweaver CS6, Notepad ++, dan Web
Browser, piranti lunak web server yakni XAMPP dan bahasa pemrograman yakni
PHP.
Bahan
Bahan yang digunakan dalam penelitian adalah data sekunder yang
bersumber dari buku, tulisan populer, jurnal dan literatur serta hasil ekstraksi
pengetahuan pakar. Selain itu digunakan 135 data deskripsi kultivar tomat dari
web Direktorat Perbenihan dan juga hasil wawancara langsung dengan petani
lokasi studi lapang yakni preferensi pemilihan varietas tomat.
Metode Penelitian
Adapun metodologi yang digunakan adalah tahapan pengembangan sistem
pakar ditampilkan pada Gambar 3.

7
Mulai
Identifikasi Masalah
Akuisisi Pengetahuan
Representasi Pengetahuan
Validasi Pengetahuan
Pengembangan Mesin Inferensi
Pengujian dan Implementasi

Mewakili
human expert?
Tidak
Ya
Perbaikan dan Perawatan
Selesai
Gambar 3 Tahapan pengembangan sistem pakar (Marimin 2009)
Tahap identifikasi masalah meliputi tahap identifikasi masalah dan tujuan
yang telah diterangkan pada tujuan dan perumusan masalah. Sumber pengetahuan
yang diperoleh yakni pengetahuan pakar dan publikasi terkait berupa deskripsi
kultivar, buku, jurnal dan literatur untuk dijadikan sumber akuisisi pengetahuan.
Tahap akuisisi pengetahuan dilakukan dengan studi pustaka serta metode
wawancara dan diskusi dengan akademisi dan praktisi untuk membangun
pengetahuan pada sistem. Pakar (akademisi) dalam penelitian ini adalah ahli
tanaman tomat yakni Prof Dr Muhamad Syukur, SP MSi. Praktisi pada penelitian
ini adalah petani tomat lokasi studi lapang yang memiliki pengalaman empiris
dalam kegiatan penanaman tomat.
Tahapan
representasi
pengetahuan
yang
merupakan
kegiatan
mengkonfigurasi pengetahuan yang diperoleh dari hasil penelusuran pustaka dan
pakar. Bentuk representasi pengetahuan pada penelitian ini adalah representasi
kurva trapesium dan representasi himpunan klasik untuk menentukan derajat
keanggotaan suatu kategori dari suatu parameter. Pengetahuan pada parameter

8
fuzzy direpresentasikan dengan menggunakan pemrograman Matlab yang
memiliki fuzzy toolbox untuk memudahkan pengolahan data fuzzy.
Tahapan validasi pengetahuan bertujuan untuk mengecek kebenaran dan
keabsahan dari pengetahuan yang direpresentasikan. Tahapan ini dilakukan
dengan mengkonfirmasikan kebenaran dari pengetahuan kepada akademisi dan
praktisi. Selain itu juga dilakukan validasi pengetahuan di lapangan untuk
mengkonfirmasi kebenaran dari deskripsi kultivar tomat yang ada.
Pengembangan mesin inferensi menggunakan metode pencarian fuzzy query
ple Additive Weighting. Kemudian
yang dimodifikasi dengan metode
dilakukan penarikan kesimpulan dari varietas paling direkomendasikan.
Tahap implementasi dilakukan pembuatan prototipe sistem pakar dengan
platform web menggunakan pemrograman PHP dan MySql. Semua parameter
pemilihan merupakan input sistem dan rekomendasi varietas merupakan output
sistem. Kemudian tahap pengujian sistem pakar dimulai dari pengambilan contoh
keluaran sistem kemudian penilaian secara manual oleh pakar dan penilaian
dengan sistem. Selanjutnya dari kedua hasil penilaian dibandingkan untuk
mengetahui tingkat keakuratan sistem.
Tahapan perbaikan dan perawatan yang sangat penting agar sistem tetap
dapat berjalan dengan baik. Perawatan sistem berupa auditing sistem dan fasilitas
updating data deskripsi kultivar tomat untuk merawat keakuratan dan
keterbaruannya.

HASIL DAN PEMBAHASAN
Analisis
Desain sistem mencakup tiga kegiatan yaitu desain user interface, desain
basis data dan desain proses yang ditampilkan pada Gambar 4.
Output Rekomendasi Varietas

Input pengguna
USER
INTERFACE

Deskripsi Kultivar
Tomat

Basis
Pengetahuan

Sistem pakar

Aturan Fuzzy
(Representasi Kurva
Trapesium)
Nilai crisp

Nilai keanggotaan

Gambar 4 Desain arsitektur sistem pakar

9
Deskripsi kultivar tomat memiliki 30 atribut deskripsi beserta nilainya.
Namun hanya 9 atribut yang menjadi parameter pemilihan dalam sistem. Nilai
crisp dari 9 atribut ditranformasi menjadi nilai keanggotaan dengan kaidah fuzzy
serta kaidah himpunan klasik dan disimpan ke dalam basis pengetahuan.
Pengguna dihubungkan dengan sistem pakar melalui user interface. Input
pengguna digunakan sebagai masukan dalam sistem pakar kemudian diproses
sehingga menghasilkan output rekomendasi varietas.
Akuisisi Pengetahuan
Akuisisi pengetahuan dilakukan dengan metode wawancara dan diskusi
dengan pakar. Berdasarkan hal tersebut diperoleh hasil akuisisi yakni 9 parameter
yaitu 1 parameter utama, 4 parameter fuzzy dan 4 parameter non-fuzzy.
prasyarat tumbuh.
Parameter

Parameter Ketinggian Lokasi
Tanaman tomat merupakan tanaman yang dapat tumbuh di semua tempat,
dari dataran rendah sampai dataran tinggi. Secara umum tomat tumbuh pada
ketinggian 1-1500 meter diatas permukaan laut (m dpl). Beberapa factor yang
berkaitan erat dengan ketinggian lokasi yakni iklim, suhu harian, kelembaban
udara, curah hujan dan lama penyinaran. Pertumbuhan tanaman tomat di dataran
tinggi lebih baik daripada di dataran rendah, karena tanaman menerima sinar
matahari lebih banyak tetapi suhu rendah (Cahyono 1998). Ketinggian tempat dari
permukaan laut menentukan suhu udara dan intensitas sinar matahari yang
diterima tanaman. Semakin tinggi suatu tempat maka semakin rendah suhunya,
demikian juga intensitas matahari semakin bertambah. Ketinggian lokasi
dikelompokkan dalam 3 himpunan biasa yakni dataran rendah, sedang dan tinggi.
Dataran rendah yakni 0-400 m dpl, dataran sedang yakni 400-700 m dpl dan
dataran tinggi yakni diatas 700 m dpl.
Representasi Pengetahuan
Representasi pengetahuan pada parameter fuzzy diformulasikan ke dalam
dengan kurva trapesium untuk menentukan nilai
kaidah fuzzy yakni re
keanggotaan. Di samping itu, representasi pengetahuan pada parameter non-fuzzy
dengan menggunakan kaidah himpunan klasik. Berikut adalah klasifikasi
pengetahuan 4 parameter non-fuzzy dilanjutkan dengan 4 parameter fuzzy yang
secara berurutan mencakup:
Parameter Ketahanan Terhadap Penyakit
Berbagai jenis hama dan penyakit tomat yang sering ditemukan adalah hama
ulat dan kutu sedangkan penyakit yang disebabkan oleh bakteri, virus dan
cendawan. Serangan hama pada tanaman tomat dapat menyebabkan penurunan
hasil panen yang signifikan (Setiawati 1997). Sama halnya dengan serangan
hama, serangan penyakit tanaman seperti layu bakteri dan busuk daun serta

10
serangan virus yang kemungkinan besar dibawa oleh hama dapat menyebabkan
pertumbuhan terhambat dan tanaman menjadi kerdil yang juga mempengaruhi
hasil panen (Gunawan et al. 1997). Keterangan ketahanan terhadap hama dan
penyakit pada deskripsi kultivar 135 varietas tomat menghasilkan bahwa sebagian
besar varietas memiliki keterangan terhadap penyakit namun minim akan
informasi tentang ketahanan terhadap hama. Oleh karena itu ketahanan terhadap
hama dan penyakit dikelompokkan sebagai parameter non-fuzzy dan memiliki 5
kategori penyakit yaitu layu fusarium, busuk daun, layu bakteri, geminivirus, dan
mosaicvirus.
Parameter Kekerasan
Kekerasan buah merupakan hal penting dalam proses pascapanen yakni
pada proses pengangkutan. Kategori kekerasan dikelompokkan menjadi 3 yakni
keras, cukup keras dan lunak. Sebagian besar keterangan untuk parameter
kekerasan buah dalam deskripsi kultivar tomat dituliskan dalam bentuk nominal
sehingga parameter kekerasan termasuk dalam parameter non-fuzzy.
Parameter Bentuk Buah
Bentuk buah menjadi pertimbangan pemilihan oleh konsumen dan
merupakan salah satu preferensi petani dalam memilih varietas tomat. Bentuk
buah yang sering ditemukan di lapangan adalah bulat, lonjong dan mawar. Bentuk
buah bulat yakni buah yang memiliki panjang dan diameter yang sama. Bentuk
buah lonjong memiliki ukuran panjang yang lebih besar dari diameternya. Bentuk
buah mawar yakni memiliki diameter yang lebih besar dari panjang buahnya.
Parameter Warna Buah
Menurut Cahyono (2008), terdapat tiga fase warna tomat yakni hijau masak,
merah pecah warna dan merah masak sempurna. Dari ketiga fase warna tomat
tersebut akan dilakukan pengkategorian warna tomat menurut klasifikasi warna
tomat sesuai dengan keterangan yang dimuat dalam deskripsi kultivar tomat dan
juga keadaan lapangan. Maka kategori warna buah yang terdapat dalam sistem
adalah merah menyala, merah dan merah jingga.
Parameter Ukuran
Karakteristik fisik hasil pertanian akan mempengaruhi bentuk dan ukuran.
Konsumen memiliki penerimaan tertentu mempertimbangkan karakteristik fisik.
Bentuk dan ukuran berat dan warna yang seragam menjadi pilihan konsumen.
Ukuran buah memiliki kategori besar, sedang dan kecil. Ukuran kecil yakni tomat
yang memiliki berat dibawah 30 gram, ukuran sedang untuk tomat yang memiliki
berat antar 30 gram sampai 60 gram dan ukuran besar untuk tomat yang memiliki
berat diatas 80 gram. Gambar 5 menjelaskan fungsi keanggotaan ukuran dalam
kurva trapesium.

11

Gambar 5 Fungsi keanggotaan parameter ukuran
Himpunan fuzzy parameter ukuran buah yang disajikan dalam Gambar 5
diatas memiliki fungsi kenggotaan yakni kecil (a=0, b=0, c=30, d=40), sedang
(a=30, b=40, c=60, d=80) dan besar (a=60, b=80, c=200, d=200) adalah sebagai
berikut:
0;
x > 30
µ kecil(x)

µ sedang(x)

µ besar(x)

(40-x)/(40-30);

30< x < 40

1;

0 ≤ x ≤ 30

0;

x < 30 dan x > 80

(x-30)/(40-30);

30 < x < 40

1;

40 ≤ x ≤ 60

(80-x)/(80-60);

60 < x < 80

0;

x < 60

(x-60)/(80-60);

60 < x < 80

1;

x ≥ 80

Parameter Potensi Hasil
Menurut Mujiburrahmad (2011), tinggi rendahnya hasil produksi dalam
suatu usahatani sangat tergantung pada sistem pengelolaan usahatani dan
pemakaian sarana produksi. Produktivitas usahatani secara signifikan dipengaruhi
oleh kondisi kesesuaian agroklimat, kesesuaian lahan, aspek budidaya dan
penggunaan varietas. Faktor dominan untuk dataran tinggi dalam menentukan
produktivitas usahatani tomat adalah aspek budidaya dan kesesuaian iklim. Faktor
dominan untuk dataran medium adalah aspek budidaya dan varietas yang
digunakan. Salah satu faktor yang mempengaruhi produktivitas tomat adalah
varietas tomat. Fungsi keanggotaan potensi hasil dikelompokkan menjadi 3 yakni
rendah, sedang dan tinggi. Potensi hasil menggunakan satuan berat per tanaman,
untuk potensi hasil rendah yakni dibawah 1.5 kg per tanaman. Potensi hasil
sedang yakni antara 1.5 kg per tanaman sampai 2.5 kg per tanaman. Potensi hasil

12
tinggi yakni diatas 2.5 kg per tanaman. Gambar 6 menjelaskan fungsi keanggotaan
potensi hasil dalam kurva trapesium.

Gambar 6 Fungsi keanggotaan parameter potensi hasil
Himpunan fuzzy parameter potensi hasil memiliki fungsi kenggotaan yakni
rendah (a=0, b=0, c=1.5, d=2.2), sedang (a=1.5, b=2.2, c=2.5, d=2.8) dan tinggi
(a=2.5, b=2.8, c=9, d=9) adalah sebagai berikut:
0;
x > 2.2
µ rendah(x)

µ sedang(x)

µ tinggi(x)

(2.2-x)/(2.2-1.5);

1.5< x < 2.2

1;

0 ≤ x ≤ 1.5

0;

x < 1.5 dan x > 2.8

(x-1.5)/(2.2-1.5);

1.5 < x < 2.2

1;

2.2 ≤ x ≤ 2.5

(2.8-x)/(2.8-2.5);

2.5 < x < 2.8

0;

x < 2.5

(x-2.5)/(2.8-2.5);

2.5 < x < 2.8

1;

x ≥ 2.8

Parameter Umur Panen
Parameter umur panen dibagi menjadi 3 kategori yakni umur genjah, dalam
dan sedang. Menurut Cahyono (2008), umur genjah yakni panen saat tanaman
berumur pendek sekitar 60 hari. Umur sedang yakni panen tanaman yang berada
pada umur antara 60 sampai 70 hari. Umur dalam yakni panen tanaman pada
umur berkisar 70 sampai 100 hari. Fungsi kenggotaan parameter umur panen
direpresentasikan dalam kurva trapesium pada Gambar 7.

13

Gambar 7 Fungsi keanggotaan parameter umur panen
Himpunan fuzzy parameter umur panen memiliki fungsi keanggotaan yakni
genjah (a=50, b=50, c=60, d=65), sedang (a=60, b=70, c=75, d=80) dan dalam
(a=75, b=85, c=110, d=110) adalah sebagai berikut:
0;
x > 65
µ genjah(x)

(65-x)/(65-60);

60< x < 65

1;

50 ≤ x ≤ 60

0;

x < 60 dan x > 80

(x-60)/(70-60);

60 < x 50
µ kecil(x)

µ sedang(x)

µ besar(x)

(50-x)/(50-40);

40< x 90

(x-40)/(50-40);

40 < x < 50

1;

50 ≤ x ≤ 90

(100-x)/(100-90);

90 < x < 100

0;

x < 90

(x-90)/(100-90);

90 < x < 100

1;

x ≥ 100
Validasi Pengetahuan

Tahap validasi pengetahuan dilakukan dengan memvalidasi secara
keseluruhan pengetahuan yang telah dibangun pada tahap akuisisi dan representasi
pengetahuan. Selain validasi oleh pakar, dilakukan juga validasi lapang pada
deskripsi kultivar tomat dengan varietas yang ada di lapang. Tahap validasi
dikhususkan untuk mengecek kebenaran dari 2 tahapan utama pembangunan
pengetahuan. Namun pada kenyataannya, tahapan pengembangan mesin inferensi
dan implemetasi juga divalidasi secara menyeluruh untuk meminimalisir
kesalahan berarti.

15
Pengembangan Mesin Inferensi
Mesin inferensi adalah program komputer yang memberikan metodologi
untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan
workplace dan untuk memformulasikan kesimpulan (Turban 1995). Tahap
pengembangan mesin inferensi mencakup desain basis data, desain proses dan
desain user interface.
Desain Basis Data
Desain struktur basis data memerlukan perhatian khusus karena berfungsi
sebagai penyimpanan data untuk diakses oleh sistem. Desain basis data
menggambarkan relasi obyek-obyek data secara konseptual yang akan
diimplementasikan ke dalam sistem. Pembangunan basis pengetahuan
menggunakan MySql karena mudah digunakan dan juga terkoneksi dengan bahasa
pemrograman PHP. Struktur database yang digunakan adalah struktur database
relasional. Gambar 9 menampilkan relasi antar tabel dalam database yang terdiri
dari 5 tabel yakni tabel parameter, keterangan varietas, nilai crisp, fuzzy dan
bobot. Tabel parameter digunakan untuk menyimpan nama parameter dan
kategori yang terdapat didalamnya. Tabel nilai crisp digunakan untuk menyimpan
nilai crisp dari parameter fuzzy dan non-fuzzy pada setiap varietas. Tabel
keterangan varietas digunakan untuk menyimpan keterangan dasar yang dimiliki
varietas. Tabel fuzzy digunakan untuk menyimpan nilai batas kiri, batas kanan
dan nilai puncak yang direpresentasikan dalam kurva trapesium pada parameter
fuzzy. Tabel bobot digunakan untuk menyimpan nilai faktor pembobotan pada
setiap parameter. Tabel parameter digunakan untuk menyimpan nama parameter
dan kategori yang terdapat didalamnya.

Gambar 9 Desain basis data relasional sistem pakar

16
Desain Proses
Desain proses menggambarkan proses yang terjadi pada sistem. Metode
yang digunakan adalah metode fuzzy Tahani yang disusun dari beberapa kegiatan
yaitu menggambarkan fungsi keanggotaan, proses fuzzifikasi yakni mengubah
nilai crisp ke nilai fuzzy atau derajat keanggotaan, proses fuzzifikasi query dan
menggunakan operator dasar himpunan fuzzy.
Parameter utama yakni ketinggian lokasi adalah syarat tumbuh tanaman
juga merupakan parameter terpenting dalam sistem. Sistem akan membagi
varietas menjadi 3 kategori yaitu varietas untuk dataran rendah, dataran sedang
dan dataran tinggi. Nilai keanggotaan parameter utama dan parameter non-fuzzy
yang merupakan variabel nominal didapatkan dari kesesuaian deskripsi kultivar
dengan kategori, apabila sesuai maka diberikan nilai 1 dan apabila tidak sesuai
maka diberikan nilai 0 sesuai dengan kaidah himpunan klasik. Parameter fuzzy
merupakan variable numerik yang memiliki nilai interval pada setiap kategori
untuk proses fuzzifikasi. Penentuan interval ini diperoleh dari hasil diskusi dengan
pakar. Himpunan keanggotaan parameter fuzzy memiliki derajat keanggotaan yang
bernilai kontinu 0 sampai 1.
mencapai sebuah kelenturan atau fleksibilitas dari sebuah Database
Management System (DBMS) yang mempunyai aspek variasi seperti koreksi
kesalahan secara otomatis, pencarian fleksibel, kemampuan menghindari respon
kosong dan kemungkinan dari ketepatan dalam sebuah query (Motro 1988).
Rancangan fuzzy query dimulai dari pemilihan atribut yang akan
ditampilkan, kemudian pemilihan tabel pada basis pengetahuan dan dilanjutkan
dengan pemilihan kondisi yang ditampilkan pada Gambar 10.

Gambar 10 Rancangan proses fuzzy query (Pandi 2009)
Fuzzy query terdiri dari fuzzy predicates dan fuzzy quantifiers. Fuzzy
predicates direpresentasikan oleh fungsi keanggotaan. Fuzzy quantifiers dapat
mengekspresikan nilai fuzzy kepada nilai pendekatan (approximate value). Fuzzy
quantifiers terbagi absolut atau relatif. Sistem yang dikembangkan menggunakan
fuzzy predicates yang direpresentasikan oleh fungsi keanggotaan (Bosc 1995).
Contohnya “besar” atau “rendah”. Contoh fuzzy query yang terbentuk adalah:
“Select nama_varietas from nilai_crisp where ukuran is kecil”
Kategori “kecil” ditransformasikan ke dalam batasan yang akan digunakan dalam
SQL. Batasan tersebut ialah nilai a (batas kiri), b, c dan d (batas kanan). Batas kiri
dari parameter ukuran kategori kecil yakni 0 gram dan batas kanannya yakni 40
gram. Operator AND digunakan untuk mengubungkan kondisi yang diberikan
karena akan dipilih suatu varietas yang memenuhi semua parameter. Bentuk SQL
hasil transformasi adalah:
“Select nama_varietas from nilai_crisp where batas kiri ≤ ukuran ≤ batas
kanan”

17
Maka bentuk SQL menjadi:
“Select nama_varietas from nilai_crisp where 0 ≤ ukuran ≤ 40”
Bentuk SQL diatas menyatakan bahwa akan ditampilkan atribut nama
varietas dari relasi tabel nilai crisp dengan kondisi nilai derajat keanggotaan
kurang dari 40 gram atau ukuran buah adalah kecil.
Selanjutnya dalam menentukan hasil rekomendasi varietas digunakan
metode pembobotan yang terangkum dalam metode pengambilan keputusan yakni
metode Multi criteria decision making (MCDM) dengan metode Simple Additive
Weighting (SAW). Preferensi petani dalam memilih varietas tomat berdasarkan
hasil studi lapang mengurut dari potensi hasil, ketahanan terhadap penyakit,
ukuran, tujuan penanaman, umur panen, kekerasan buah, bentuk dan warna buah.
Maka dari itu dilakukan pembedaan bobot parameter sesuai dengan urutan
preferensi petani berdasarkan ketentuan pakar yang disajikan dalam Tabel 1.
Setelah itu dilakukan perhitungan sesuai dengan persamaan 2 yakni
menjumlahkan perkalian nilai faktor pembobot dengan nilai keanggotaan masingmasing parameter yang ada dalam basis pengetahuan.
Tabel 1 Nilai faktor pembobot masing-masing parameter
Parameter
Potensi Hasil
Ketahanan terhadap penyakit
Ukuran
Tujuan penanaman
Umur panen
Kekerasan
Bentuk
Warna

Faktor pembobot
0.3
0.2
0.1
0.1
0.08
0.08
0.07
0.07

Contoh kasus perhitungan pemilihan varietas, diberikan 3 varietas contoh
beserta nilai keanggotaannya dari setiap parameter yakni potensi hasil, ketahanan
terhadap penyakit, ukuran, tujuan penanaman, umur panen, kekerasan, bentuk dan
warna dengan kategori yang telah ditentukan dalam Lampiran 2.
Desain User Interface
Tahap implementasi sistem pakar pemilihan
diimplementasikan dengan bahasa pemrograman PHP.

varietas

tomat

Pada desain user interface tampilan utama SIPMAT, kebutuhan
informasi untuk sistem diidentifikasi terlebih dahulu kepada petani dengan
wawancara langsung. Informasi mengenai varietas sangat diperlukan petani untuk
mencapai hasil panen sesuai dengan yang diinginkan. Berdasarkan hasil
identifikasi kebutuhan informasi, didapatkan kriteria pemilihan yakni karakteristik
lokasi, sifat buah tomat yang dihasilkan dan sifat tanaman tomat yang diinginkan
(Widodo et al. 2009). Setiap kriteria pemilihan memiliki satu atau lebih dari satu
parameter pemilihan untuk dapat diisi oleh pengguna. Urutan dari karakteristik
tersebut dirancang dengan melihat ketergantungan antar parameter dimana
parameter yang paling tergantung pada parameter lain berada pada urutan

18
terbawah. Parameter yang paling berpengaruh berada pada urutan atas pada menu
pengisian parameter pada user interface yang dikembangkan.
Tampilan hasil pencarian varietas tomat pada desain user interface terdapat
komponen rekaman data untuk menampilkan parameter yang telah dipilih
pengguna. Selanjutnya terdapat tabel untuk menampilkan hasil pencarian varietas
yang berisi nama varietas, skor hasil proses, menu unduh deskripsi untuk
mengunduh deskripsi kultivar tomat varietas terpilih dan link dari perusahaan
benih yang mengeluarkan varietas untuk dapat menghubungkan pengguna dengan
web perusahaan benih.
Implementasi
Parameter yang terdapat dalam sistem sebanyak 9 parameter dan terdapat
keterkaitan antara parameter pemilihan tersebut. Parameter utama dalam
penelitian ini adalah parameter bebas yang dapat menentukan parameter lainnya
yang terikat dalam parameter utama. Penentuan urutan parameter dalam sistem
ditentukan berdasarkan parameter bebas terlebih dahulu kemudian parameter
terikat sehingga dapat memudahkan pengguna dalam memasukkan pilihan.
Parameter bebas pada sistem ini adalah ketinggian lokasi dan mempengaruhi
parameter lain yang terikat yakni tujuan penanaman, ukuran dan umur panen.
Pengguna memasukkan pilihan-pilihan pada karakteristik lokasi, sifat tanaman
yang diinginkan dan sifat buah tomat yang dihasilkan. Pilihan pada parameter
tujuan penanaman akan muncul setelah parameter ketinggian lokasi telah dipilih.
Tampilan utama dari sistem disajikan dalam Gambar 11.

Gambar 11 Tampilan utama SIPMAT

19
Setelah itu pada tampilan hasil pencarian varietas tomat akan muncul 10
varietas tomat yang direkomendasikan dengan skor dari urutan tertinggi hingga
terendah. Varietas dengan skor tertinggi merupakan varietas yang sesuai dengan
keinginan pengguna. Varietas yang memiliki nilai lebih kecil dari varietas dengan
skor tertinggi adalah varietas yang dapat dipertimbangkan untuk dipilih jika
terdapat kesulitan mendapatkan varietas dengan skor tertinggi atau jika harga
varietas yang bersangkutan terlalu mahal. Tampilan hasil pencarian varietas tomat
disajikan dalam Gambar 12.

Gambar 12 Tampilan hasil pencarian varietas tomat
Tampilan hasil pencarian varietas tomat memuat komponen fasilitas
penjelasan yang merupakan komponen tambahan pada sistem pakar yang
berfungsi untuk menggambarkan penalaran sistem kepada pengguna. Isi dari
fasilitas penjelasan pada sistem adalah keterangan tahun keluaran, perusahaan
benih, nilai bobot masing-masing parameter serta juga dimuat aturan yang yang
ada sehingga dapat mengeluarkan 10 varietas rekomendasi. Contoh penalarannya
yakni sebagai berikut:
Varietas dapat ditanam di Dataran tinggi. Penjumlahan dari potensi hasil adalah
tinggi (bobot=0.3) dan ketahanan terhadap penyakit adalah busuk daun
(bobot=0.2) dan ukuran adalah besar (bobot=0.1) dan tujuan penanaman adalah
tomat meja (bobot=0.1) dan umur panen adalah dalam (bobot=0.08) dan

20
kekerasan adalah keras (bobot=0.08) dan bentuk adalah bulat (bobot=0.07) dan
warna adalah merah (bobot=0.07) maka dihasilkan varietas Warani.
Fasilitas penjelasan ini ditampilkan dalam Gambar 13.

Gambar 13 Tampilan fasilitas penjelasan pada hasil pencarian varietas tomat
Pengujian
Tahapan pengujian menggunakan 51 data pengujian berupa masukan
pengguna terhadap sistem beserta 10 hasil rekomendasi varietas keluaran sistem
yang telah dibandingkan dengan metode pencarian varietas berdasarkan pakar.
Data pengujian tersebut hanya melibatkan beberapa parameter yang penting yaitu
ketinggian lokasi, ketahanan terhadap penyakit, potensi hasil, tujuan penanaman
dan ukuran buah.
Berdasarkan hasil pengujian terhadap 51 data pengujian, terdapat 44 data
yang sesuai dan 7 data yang tidak sesuai dengan metode pencarian varietas
berdasarkan pakar. Akurasi dari sistem pakar pemilihan varietas tomat ini sebesar
86.2%. Hal ini dikarenakan dalam deskripsi kultivar tomat terdapat beberapa data
yang tidak lengkap sehingga tidak dapat diproses dalam basis pengetahuan, selain
itu terbatasnya jumlah data pengujian juga mempengaruhi hasil akurasi sistem.
Penggunaan metode fuzzy query dan metode Simple Additive Weighting
(SAW) mampu menghasilkan rekomendasi varietas yang sesuai dengan prasyarat

21
tumbuhnya dan preferensi pengguna. Keuntungan dan kerugian metode yang
digunakan dalam penelitian ini adalah logika fuzzy untuk memetakan nilai
keanggotaan yang tepat yakni antara 0 sampai 1, faktor pembobotan untuk
menunjukkan prioritas atau urutan kepentingan dari suatu parameter yang
berbeda-beda sesuai ketentuan pakar dan metode SAW yakni modifikasi logika
fuzzy dan faktor pembobot dengan penjumlahan hasil perkalian nilai parameter
dan bobot sehingga didapatkan skor dan urutan hasil rekomendasi varietas.
Keuntungan dari sistem adalah membantu petani menentukan varietas yang akan
ditanam sesuai dengan keahlian pakar dengan lebih objektif, cepat dan cukup
akurat. Kemudian membantu diseminasi pengetahuan yang terkait dengan
pemilihan varietas benih tomat. Selain itu dalam sistem juga terdapat fasilitas
penjelasan untuk memberikan penalaran kepada pengguna. Kekurangan dari
sistem ini adalah tidak adanya data ketersediaan benih di pasaran sehingga tidak
ada keterangan untuk varietas yang sudah tidak ada dan sudah tidak diproduksi.
Perbaikan dan Perawatan
Kegiatan perawatan dan perbaikan dari sistem dilakukan untuk menjaga
konsistensi data dan keterbaruannya. Hal ini dilakukan memperbarui data nilai
crisp pada deskripsi kultivar varietas tomat. Tampilan untuk fasilitas updating
data disajikan pada Gambar 14.

Gambar 14 Tampilan fasilitas updating pada SIPMAT

22

KESIMPULAN DAN SARAN
Kesimpulan
Sistem Pakar Pemilihan Varietas Tomat dengan menggunakan logika fuzzy
dan faktor pembobotan telah dibangun dalam basis web. Sesuai dengan kebutuhan
fungsionalnya, sistem ini telah dapat menentukan varietas rekomendasi yang
sesuai dengan masukan pengguna pada sistem. Dari 135 varietas tomat yang ada
pada basis data, dihasilkan 10 rekomendasi varietas yang berurutan sesuai dengan
skor yang dihasilkan dari logika fuzzy dan metode Simple Additive Weighting
(SAW). Keluaran sistem ini juga dilengkapi dengan fasilitas penjelasan yang
berfungsi untuk memberikan
Pengujian sistem dilakukan dengan 51 data pengujian kemudian didapatkan
44 data pengujian yang sesuai dan 7 data pengujian yang tidak sesuai. Secara
general, sistem ini memiliki akurasi sebesar 86.2%. Hasil pengujian menyatakan
bahwa sistem pakar pemilihan varietas tomat telah mewakili pakar dalam
menentukan varietas tomat bagi pengguna.
Saran
Keterbaruan basis
varietas tomat perlu dilakukan secara
kontinu untuk memperluas ketercakupan sistem. Selain itu masukan untuk
deskripsi kultivar tomat selanjutnya agar memuat informasi yang kuantitatif dan
juga lengkap sehingga lebih banyak parameter yang dapat diproses dengan kaidah
fuzzy. Penelitian selanjutnya disarankan untuk melakukan survey pasar untuk
melihat ketersediaan benih di pasaran untuk menyesuaikan sistem dengan kondisi
yang ada. Sistem juga dapat disinergikan dengan sistem lain yang telah dibuat
seperti sistem kelayakan usaha dalam hortikultura sehingga lebih memudahkan
dan meningkatkan kemampuan petani dalam usaha tani.

DAFTAR PUSTAKA
Afshari A, Mojahed M, Yusuff RM. 2010. Simple additive weighting approach to
personel selection problem. International Journal of Innovation, Management
and Technology. 1(5):511-515.
Anggraeni R, Kusumadewi S, Indarto W. 2004. Sistem pencarian kriteria
kelulusan menggunakan metode fuzzy Tahani: Studi kasus pada Fakultas
Teknologi Industri Universitas Islam Indonesia. Media Informatika. 2(2):65-74.
Askerzade IN, Mahmood M. 2010. Control the extention time of traffic light in
single junction by using fuzzy logic. International Journal of Electrical and
Computer Science. 10(2):52-59.
Bosc P, Oliver P. 1995. SQLF: A relational database language for fuzzy querying.
IEEE Transaction on System. 3(1):1-17.

23
[BPS] Badan Pusat Statistika. 2014. Produksi sayuran di Indonesia 1997-2013,
Badan Pusat Statistika. [internet]. [diunduh 2014 Des 3]. Tersedia pada:
http://www.bps.go.id/menutab.php?tabel=1&kat=3&id_subyek=55.
Bursantriannyo. 2014. Identifikasi varietas tanaman kunyit menggunakan sistem
pakar [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Cahyono