Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembenihan Ikan Gurami

SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI
DAYA PEMBENIHAN IKAN GURAMI

SELVYA ROSSALINA

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar
Penentuan Kelayakan Usaha Budi Daya Pembenihan Ikan Gurami 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, Januari 2014

Selvya Rossalina
G64114030

ABSTRAK
SELVYA ROSSALINA. Sistem Pakar Penentuan Kelayakan Usaha Budi Daya
Pembenihan Ikan Gurami. Dibimbing oleh TOTO HARYANTO dan IRZAL
EFFENDI.
Penelitian ini mengembangkan suatu sistem pakar yang dirancang untuk
merekam dan menggunakan ilmu pengetahuan, pengalaman, dan keahlian dari
tenaga ahli yang memiliki disiplin ilmu pada bidang kelayakan usaha perikanan
budi daya untuk menentukan kelayakan usaha budi daya pembenihan ikan gurami.
Metode inferensi yang digunakan adalah metode Fuzzy Inference System (FIS)
Tsukamoto dengan fungsi keanggotaan menggunakan kurva trapesium. Metode
defuzzifikasi yang digunakan adalah rata-rata terbobot (weighted average
method). Parameter yang digunakan bersifat fuzzy dan non-fuzzy. Parameter yang
bersifat fuzzy di antaranya adalah suhu, amonia (NH3), disolved oxygen (DO),
alkalinitas, Puissance negative de H (pH), kedalaman air kolam induk, dan

kesadahan. Parameter yang bersifat non-fuzzy di antaranya bentuk badan usaha,
izin usaha, manfaat untuk masyarakat, perilaku konsumen, dan return cost ratio
(R/C ratio). Tujuh parameter input fuzzy mempunyai 11 aturan pada skala teknis
yang ditentukan oleh pakar untuk menghasilkan output analisis usaha. Sistem
pakar yang dibangun sudah mampu menganalisis kelayakan usaha budi daya
pembenihan ikan gurami dan telah mendekati kemampuan pakar.
Kata kunci: defuzzifikasi, fungsi keanggotaan, fuzzy inference system,
pembenihan, rata-rata terbobot.

ABSTRACT
SELVYA ROSSALINA. Expert System for Determining the Feasibility of
Gouramy Hatchery. Supervised by TOTO HARYANTO and IRZAL EFFENDI.
This study develops an expert system that is designed to record and use the
knowledge, experience, and expertise of the experts in the field of aquaculture
feasibility to determine the feasibility of gouramy hatchery. The utilized inference
method is Tsukamoto Fuzzy Inference System (FIS) with travezoid curve
membership functions. The weighted average is used as the defuzzification
method. The parameters used are fuzzy and non-fuzzy. The fuzzy parameters are
temperature, amonia (NH3), disolved oxygen (DO), alkalinity, Puissance negative
de H (pH), pond water depth, and hardness. The non-fuzzy parameters are the

forms of business entities, business licenses, benefits to society, consumer
behavior, and the return cost ratio (R/C ratio). Seven fuzzy input parameters has
11 rules for technical scale that are determined by experts to produce the business
analysis output. The develoved expert system has been able to analize the
feasibility of gouramy hatchery with a capability close to that of expert.
Keywords: defuzzification, fuzzy inference system, hatchery, membership
functions, weighted average.

SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI
DAYA PEMBENIHAN IKAN GURAMI

SELVYA ROSSALINA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ilmu Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Penguji: Dr Yeni Herdiyeni SSi, MKom

Judul Skripsi: Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembenihan
Ikan Gurami
Nama
: Selvya Rossalina
NIM
: G64114030

Disetujui oleh

Toto Haryanto, SKom, MSi
Pembimbing I

Ir Irzal Effendi, MSi

Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen Ilmu Komputer

Tanggal Lulus:

Judul Skripsi: Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembenihan
Ikan Gurami
: Selvya Rossalina
Nama
: G64114030
NIM

Disetujui oleh

c
Toto Haryanto, SKorn, MSi

Pembimbing I

Tanggal Lulus:

0 9 JAN 2014

Ir Inal Effendi, MSi
Pembimbing II

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wata’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2013 ini ialah
Sistem Pakar Penentuan Kelayakan Usaha Budi Daya pembenihan Ikan Gurami.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu
dan berperan besar dalam menyusun tugas akhir ini, antara lain :
1 Kedua orang tua tercinta, Bapak Sittar Razak dan Ibu Rahmawati atas doa,
dorongan semangat, dan kasih sayang yang selalu diberikan.
2 Toto Haryanto SKom, MSi selaku pembimbing yang telah memberikan
ilmu, waktu, bimbingan, dan nasihat selama mengerjakan tugas akhir ini.

3 Bapak Ir Irzal Effendi, MSi selaku pakar yang telah memberikan ilmu,
waktu, dan bimbingan dalam menyusun tugas akhir ini.
4 Ibu Dr Yeni Herdiyeni SSi, MKom selaku dosen penguji yang telah
memberikan waktu, arahan, dan saran selama penelitian ini berlangsung
hingga selesai.
5 Hilmy Azis, Zahfa Putri Afriandita, dan seluruh keluarga atas segala doa
dan kasih sayangnya.
6 Silmi, Nurul Arifin, Yusifani, Lusi, Ika, Suci, dan Midian atas kebersamaan
dan dorongan semangat yang telah diberikan.
7 Rekan–rekan ilkom angkatan 6 yang telah membantu penulis untuk
menyelesaikan tugas akhir ini.
8 Departemen Ilmu Komputer, dosen, dan staf yang telah banyak membantu
selama masa perkuliahan dan menyelesaikan tugas akhir ini.
Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan
skripsi ini. Namun, penulis berharap dengan segala kekurangan yang ada semoga
tulisan ini bisa memberikan manfaat kelak di kemudian hari. Amin.
Bogor, Januari 2014

Selvya Rossalina

DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Ruang Lingkup Penelitian
METODE
Identifikasi Masalah
Akuisisi Pengetahuan
Representasi Pengetahuan
Pengembangan Mesin Inferensia
HASIL DAN PEMBAHASAN
Akuisisi Pengetahuan
Representasi Pengetahuan
Pengembangan Mesin Inferensi
Implementasi
Pengujian
SIMPULAN DAN SARAN

Simpulan
Saran
DAFTAR PUSTAKA
LAMPIRAN

vi
vi
vi
1
1
3
3
3
4
4
5
5
5
5
6

7
17
19
20
20
20
21
22

DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10

11
12
13
14
15
16

Parameter aspek hukum
Parameter aspek teknis
Parameter aspek sosial budaya
Parameter aspek finansial
Tahapan validasi data dengan pakar
Parameter fuzzy aspek teknis
Domain dan himpunan fuzzy untuk parameter suhu
Domain dan himpunan fuzzy untuk parameter NH3
Domain dan himpunan fuzzy untuk parameter DO
Domain dan himpunan fuzzy untuk parameter alkalinitas
Domain dan himpunan fuzzy untuk parameter pH
Domain dan himpunan fuzzy untuk parameter kedalaman air
Domain dan himpunan fuzzy untuk parameter kesadahan lokasi
Aturan aspek hukum
Aturan aspek sosial budaya
Aturan keseluruhan analisis dari setiap aspek

4
4
5
5
6
7
7
8
9
9
10
11
12
14
15
15

DAFTAR GAMBAR
1 Tahapan sistem pakar (Marimin 2005)
2 Metode pengembangan sistem pakar berbasis fuzzy inference system
(Jang et al. 1997)
3 Fuzzifikasi suhu
4 Fuzzifikasi NH3
5 Fuzzifikasi DO
6 Fuzzifikasi alkalinitas
7 Fuzzifikasi pH
8 Fuzzifikasi kedalaman air kolam induk
9 Fuzzifikasi kesadahan
10 Output analisis usaha
11 Menu pada sistem
12 Form aspek hukum
13 Form aspek teknis
14 Form aspek finansial
15 Form aspek sosial budaya
16 Form analisis keseluruhan
17 Fuzzifikasi output salah satu data uji

4
5
7
8
9
10
10
11
12
13
17
17
17
18
18
19
19

DAFTAR LAMPIRAN
1 Aturan aspek teknis
2 Kuisioner I pengujian aspek teknis ke pakar
3 Kuisioner II pengujian data keseluruhan aspek ke pakar

22
23
24

PENDAHULUAN
Latar Belakang
Ikan gurami menjadi salah satu komoditas perikanan air tawar yang sangat
potensial untuk dikembangkan. Pertumbuhan gurami sangat lambat dibandingkan
jenis-jenis ikan budi daya lain seperti ikan mas, lele, dan nila. Untuk mendapatkan
ikan gurami berat 1 kg/ekor dari benih 1 cm membutuhkan waktu sekitar 4-5
tahun dengan pemeliharaan tradisional. Agar memudahkan pembudidaya,
pemeliharaan gurami dibagi menjadi tiga tahapan segmentasi. Tahap tersebut
meliputi pembenihan, pendederan, dan pembesaran. Pembenihan ikan adalah
kegiatan pemeliharaan yang bertujuan untuk menghasilkan benih dan selanjutnya
benih yang dihasilkan menjadi komponen input bagi kegiatan pembesaran.
Pendederan merupakan kegiatan pemeliharaan benih sehingga menjadi lebih besar
dari ukuran awal pemeliharaan dan berharga lebih tinggi dari harga benih awal.
Pembesaran ikan adalah kegiatan pemeliharaan yang bertujuan untuk
menghasilkan ikan ukuran konsumsi (Effendi 2004). Dengan adanya segmentasi
tersebut, pembudidaya dapat memilih segmentasi usaha yang hendak ditekuni.
Saat ini, permintaan ikan gurami lebih besar dari persediaan yang ada
karena potensi pasar ikan gurami yang semakin berkembang. Tingginya
permintaan ikan gurami di pasaran memicu besarnya kebutuhan akan benih.
Menurut Dinas Perternakan dan Perikanan Kabupaten Bogor (DPPKB 2011),
pada tahun 2011 potensi produksi ikan air tawar di Kabupaten Bogor cukup
tinggi, yaitu untuk seluruh jenis ikan konsumsi yang dibudidayakan pada tahun
2011 mencapai (56 576.67 ton/tahun), ikan hias mencapai (156 618.83 ton/tahun),
dan untuk pembenihan mencapai (1 378 014.50 ton/tahun). Cabang usaha
pembenihan mengalami kenaikan yang cukup tinggi pada tahun 2011. Hal ini
terjadi karena adanya peralihan beberapa pelaku usaha yang sebelumnya
melakukan aktivitas pembesaran beralih melakukan usaha pembenihan,
disebabkan kegiatan pembenihan memerlukan waktu yang relatif singkat dan
modal yang relatif rendah. Selain itu, produksi benih belum dapat mengimbangi
kebutuhan benih. Dengan demikian, peluang membudidayakan pembenihan ikan
gurami cukup besar untuk memenuhi kebutuhan petani pembesaran. Hal ini tentu
saja menarik minat para investor atau pelaku usaha untuk membuka usaha budi
daya pembenihan ikan gurami.
Membuka usaha pembenihan ikan gurami tidak mudah, perlu adanya
pengalaman, perencanaan, dan pengetahuan yang cukup agar dapat
memaksimalkan keuntungan karena faktor kegagalan selalu ada. Oleh sebab itu,
untuk menghindari kegagalan perlu dilakukan kelayakan usaha untuk mencari
jalan keluar agar meminimalkan hambatan dan risiko yang mungkin saja timbul di
masa yang akan datang. Selama ini, proses menentukan kelayakan usaha
pembenihan ikan gurami dilakukan secara manual dan cukup sulit karena
varibelnya beragam sehingga prosesnya memerlukan waktu yang lama. Selain itu,
ada beberapa pembudidaya yang tidak mengerti tentang studi kelayakan usaha
sehingga memilih terjun langsung tanpa melakukan studi kelayakan usaha terlebih
dahulu. Penelitian sebelumnya, Efrina (2011) melakukan analisis kelayakan
investasi pengusahaan ikan gurami yang hasilnya menunjukkan bahwa
pengusahaan pembenihan ikan gurami di perusahaan Tambak Sari layak untuk
dijalankan, akan tetapi membutuhkan waktu 3 bulan untuk melakukan analisis

2
data. Hal yang harus dilakukan adalah melakukan survey lokasi tempat dijadikan
usaha budi daya pembenihan ikan gurami karena tidak semua lokasi dapat
dijadikan tempat budi daya pembenihan ikan gurami. Selanjutnya melakukan
pengukuran kualitas air di lokasi yang nantinya akan dijadikan tempat budi daya
pembenihan ikan gurami. Hasil pengukuran kualitas air kemudian dipelajari
sehingga dapat diketahui kualitas air tersebut layak atau tidak sebagai tempat
hidup benih ikan gurami. Untuk mempelajari hal tersebut dibutuhkan waktu yang
lama apalagi bagi pelaku usaha yang belum berpengalaman, sehingga diperlukan
pakar yang mengerti mengenai usaha pembenihan ikan gurami agar penentuan
kelayakan bisa dilakukan lebih cepat. Usaha budi daya pembenihan gurami
banyak dan tersebar di seluruh Indonesia, akan tetapi pakar yang mengerti
mengenai usaha pembenihan jumlahnya sangat terbatas. Hal ini bisa
mengakibatkan terhambatnya kinerja usaha apalagi bagi lokasi budi daya yang
jauh dari pakar sehingga sulit untuk menemui dengan pakar.
Sebagai salah satu solusi dibangun sistem pakar yang dapat digunakan
sebagai pertimbangan dalam pengambilan keputusan secara cepat dan tepat.
Sistem pakar menjadi penghubung antara pakar dan investor dalam penentuan
kelayakan usaha budi daya pembenihan ikan gurami. Dengan adanya sistem pakar
yang memuat pengetahuan dari para pakar mengenai penentuan kelayakan usaha
budi daya pembenihan ikan gurami akan dapat membantu pelaku usaha dalam
menjalankan tugasnya.
Penentuan kelayakan usaha budi daya pembenihan ikan gurami memiliki
beberapa variabel dan di antaranya ada yang bersifat ambigu atau tidak jelas,
misalnya suhu. Setiap sumber menentukan rentang yang berbeda dalam
menentukan keadaan suhu optimal untuk kehidupan benih gurami, tentu saja hal
ini menimbulkan ketidakjelasan. Oleh sebab itu, diperlukan suatu metode yang
dapat menyelesaikan keambiguan sehingga rentang nilai untuk keadaan optimal
kehidupan benih ikan gurami menjadi jelas, tentu saja dengan bantuan pakar.
Metode yang dapat menyelesaikan keambiguan tersebut adalah metode fuzzy
inference system.
Beberapa penelitian yang pernah dilakukan sebelumnya di antaranya oleh
Firmansyah dan Firda (2013) melakukan penelitian mengenai penerapan metode
fuzzy Tsukamoto pada aplikasi perencanaan produksi. Mulyawanto (2011)
melakukan penelitian mengenai sistem pakar fuzzy untuk diagnosis penyakit pada
tanaman cabai merah. Sevani (2009) melakukan penelitian mengenai sistem
pakar penentuan kesesuaian lahan berdasarkan faktor penghambat terbesar
tanaman pangan. Berdasarkan beberapa penelitian tersebut dapat diambil
kesimpulan bahwa logika fuzzy mampu menyelesaikan ketidakpastian dan
mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus
melalui proses pelatihan.
Dalam membangun sebuah sistem fuzzy ada tiga penalaran inferensi yang
dapat digunakan yaitu: penalaran Mamdani, penalaran Sugeno, dan penalaran
Tsukamoto. Penalaran Mamdani menggunakan fungsi implikasi MIN dan
komposisi antar-aturan menggunakan fungsi agregasi MAX sehingga untuk
menghasilkan output tunggal diperlukan proses agregasi yang cukup sulit karena
harus menghitung luas daerah di bawah kurva. Penalaran Sugeno hampir sama
dengan penalaran Mamdani, hanya saja output sistem tidak berupa himpunan
fuzzy, melainkan berupa konstanta. Penalaran Sugeno memperbaiki kelemahan

3
penalaran Mamdani untuk menambah perhitungan matematika sederhana sebagai
bagian dari THEN. Namun demikian, penalaran Sugeno tidak dapat
menyelesaikan semua jenis permasalahan ketidakpastian sehingga muncul
penalaran Tsukamoto. Penalaran Tsukamoto merepresentasikan penalaran Sugeno
yang sederhana tetapi output yang dihasilkan berupa himpunan fuzzy, sehingga
tetap mengakomodasi penalaran Mamdani. Pada penalaran Tsukamoto setiap
konsekuen pada aturan yang berbentuk IF-THEN direpresentasikan dengan
himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya,
output dari setiap aturan diberikan secara tegas berdasarkan α-predikat, kemudian
diperoleh hasil akhir dengan menggunakan rata-rata terbobot. Penelitian ini
memilih metode fuzzy inference system Tsukamoto dalam pengambilan keputusan
penentuan kelayakan usaha budi daya pembenihan ikan gurami.
Tujuan Penelitian
Penelitian ini bertujuan:
1 Merumuskan fakta dan pengetahuan dalam menentukan kelayakan usaha budi
daya pembenihan ikan gurami.
2 Membangun sistem pakar untuk menentukan kelayakan usaha pembenihan
ikan gurami menggunakan metode Fuzzy Inference System.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini meliputi:
Data yang digunakan pada penelitian ini berasal dari pakar yaitu Bapak Ir
Irzal Effendi, MSi dari Fakultas Perikanan Departemen Budi Daya Perikanan
IPB, informasi tambahan dari Ibu Tintin Sarianti Sp, MM dari Fakultas
Ekonomi dan Manajemen Departemen Agribisnis, Bapak Sulhi kepala Bagian
Teknis Balai Budidaya Perikanan Air Tawar Sempur, Bogor, dan Bapak H.R
Suryadi pengelola Pusat Pelatihan Mandiri kelautan dan Perikanan (P2 MKP)
desa Pabuaran Kemang Bogor.
2 Kelayakan usaha yang dilakukan merupakan kelayakan usaha pembenihan
ikan gurami skala kecil.
3 Variabel yang digunakan di antaranya aspek teknis, hukum, sosial budaya, dan
finansial.
4 Parameter yang digunakan di antaranya adalah bentuk badan usaha, izin
usaha, manfaat untuk masyarakat, perilaku konsumen, suhu, NH3, DO,
alkalinitas, pH, kesadahan,kedalaman air kolam induk, dan R/C ratio.
5 Metode yang digunakan adalah metode Fuzzy Inference System Tsukamoto
untuk penilaian skala teknis
1

METODE
Pada penelitian ini akan digunakan metode penelitian yang mengacu pada
tahap–tahap pembentukan sistem pakar seperti yang dijelaskan Marimin (2005)
yang ditunjukan pada Gambar 1.

4

Gambar 1 Tahapan sistem pakar (Marimin 2005)
Identifikasi Masalah
Penelitian ini dilakukan karena perlunya pertimbangan dan penilaian
mengenai investasi yang akan ditanamkan layak atau tidak untuk dijalankan.
Selama ini proses menentukan kelayakan usaha dilakukan secara manual sehingga
membutuhkan waktu yang lama. Kesalahan langkah awal dalam pengambilan
keputusan dapat menyebabkan kerugian di masa yang akan datang karena usaha
yang dijalankan tidak sesuai dengan hasil yang diharapkan. Terbatasnya jumlah
pakar mengakibatkan terhambatnya kinerja usaha apalagi bagi lokasi budi daya
yang jauh sehingga sulit untuk menemui pakar. Oleh karena itu, perlu dibuat suatu
sistem sebagai penghubung antara pakar dengan petani budi daya dan investor
yang dapat mewakili pengetahuan pakar.
Akuisisi Pengetahuan
Pengetahuan dari pakar dapat diperoleh melalui wawancara. Dalam hal ini,
knowledge engineer (KE) menyodorkan permasalahan dan pakar menjelaskan
proses penyelesaian masalah tersebut. Berdasarkan proses akuisisi yang telah
dilakukan didapatkan 4 aspek yang dapat menentukan kelayakan usaha
pembenihan ikan gurami di antaranya aspek hukum, aspek sosial budaya, aspek
teknis, dan aspek finansial. Setiap aspek memiliki beberapa variabel. Variabel
yang akan digunakan memiliki beberapa fitur, dapat dilihat pada Tabel 1, 2, 3, dan
4.
Tabel 1 Parameter aspek hukum
No
Parameter Input
Satuan Nilai
1 Bentuk badan usaha
Usaha Mandiri, Badan
Pemerintahan
2 Izin usaha
ada surat izin, tidak ada surat izin
Tabel 2 Parameter aspek teknis
No
Parameter Input
Satuan Nilai
1 Suhu
C
2 NH3
Mg/lt
3 DO
Ppm
4 Alkalinitas
Mg/lt
5 pH
Asam (< 7), normal (7), basa (> 7)
6 Kedalaman air kolam
M
induk
7 Kesadahan
Mg/ L

5
Tabel 3 Parameter aspek sosial budaya
No
Parameter Input
Satuan Nilai
1 Manfaat Untuk
Ada, tidak ada
Masyarakat
2 Perilaku Konsumen
Tidak Suka ikan,Kurang Suka
ikan,Suka ikan, Sangat Suka ikan
No
1
2
3
4
5
6
7
8

Tabel 4 Parameter aspek finansial
Parameter Input
Satuan Nilai
Biaya Investasi
Rupiah
Biaya Operational
Rupiah
Hasil produksi benih
Ekor
Tingkat kehidupan
%
Harga benih per ekor
Rupiah
Pendapatan/ penerimaan
Rupiah
Keuntungan
Rupiah
R/C Ratio
Representasi Pengetahuan

Setelah memperoleh pengetahuan dari berbagai sumber, KE mulai memilih
teknik representasi pengetahuan yang diperoleh. Hasil dari representasi
pengetahuan digunakan untuk membantu pengambilan keputusan pada sistem
pakar yang dikembangkan.
Pengembangan Mesin Inferensia
Berdasarkan strategi penalaran dan representasi pengetahuan yang ada,
metode inferensi yang digunakan adalah metode FIS Tsukamoto. Setiap masukan
dari pengguna dihitung nilai keanggotaannya sesuai dengan fungsi keanggotaan
yang digunakan. Nilai keanggotaan yang diperoleh kemudian digunakan untuk
mengevaluasi aturan-aturan yang ada pada basis pengetahuan. Hasil evaluasi
aturan-aturan yang telah diagregasi kemudian didefuzzifikasi sehingga diperoleh
kesimpulan. Prosesnya terlihat pada Gambar 2.

Gambar 2 Metode pengembangan sistem pakar berbasis fuzzy inference system
(Jang et al. 1997).

HASIL DAN PEMBAHASAN
Akuisisi Pengetahuan
Penyerapan pengetahuan dari pakar akan dilakukan dengan cara wawancara
secara langsung. Untuk memastikan kebenaran dari data yang diperoleh dari
proses akuisisi pengetahuan, maka perlu dilakukan validasi data dengan pakar.
Pada penelitian ini, proses validasi data dilakukan dengan pengajuan kuisioner
yang berisi sampel data kepada pakar. Selanjutnya pakar akan menentukan data
yang diajukan sudah tepat sesuai dengan keilmuan pakar. Tahapan proses validasi
lebih lengkap dapat dilihat pada Tabel 5.

6
Tabel 5 Tahapan validasi data dengan pakar
Tahap Validasi
Hasil
Langkah Selanjutnya
Masih terdapat kesalahan range  Mengubah range nilai
Tahap 1
Evaluasi parameter nilai pada beberapa parameter
Amonia (NH3), Kadar
setiap aspek
aspek teknis, yaitu:
Oksigen Terlarut
 Amonia (NH3)
(DO), Alkalinitas,
 Kadar Oksigen Terlarut (DO)
dan Kesadahan.
 Alkalinitas
 Mengganti parameter
 Kesadahan
dampak terhadap
masyarakat menjadi
Adanya perubahan parameter
manfaat untuk
aspek sosial budaya, yaitu :
masyarakat.
 Dampak terhadap masyarakat  penelitian harus
kembali ke tahap
akuisisi pengetahuan.
 Dari 30 data uji yang diajukan  Sistem telah
Tahap 2
Pengajuan
ke pakar 27 data pengujian
tervalidasi
kuisioner pengujian
telah terjawab dengan benar,
pada pakar.
sehingga dapat dikatakan data
yang digunakan sudah sesuai
dengan keahlian pakar.
 Dari 30 data uji aspek hukum  Sistem telah
Tahap 3
yang diajukan ke pakar 30 dari
tervalidasi
Pengajuan
data tersebut yang benar.
kuisioner pengujian
 Dari 30 data uji aspek
pada pakar
finansial yang diajukan ke
pakar 30 dari data tersebut
yang benar.
 Dari 30 data uji aspek sosial
yang diajukan ke pakar 28
dari data tersebut yang benar
 Dari 30 data uji keseluruhan
aspek yang bersifat fuzzy dan
non fuzzy yang diajukan ke
pakar 28 dari data tersebut
yang benar.
Representasi Pengetahuan
Dalam pembuatan sistem pakar ini, jenis representasi pengetahuan yang dipilih
untuk mengkonfigurasikan fakta-fakta pengetahuan adalah merepresentasikan
dalam bentuk representasi fuzzy dan aturan atau rulebase. Representasi fuzzy
digunakan karena ada beberapa parameter yang bersifat ambigu sehingga tidak
bisa diselesaikan dengan representasi biasa. Parameter yang menggunakan fuzzy
adalah aspek teknis, sedangkan aspek hukum, aspek sosial budaya, aspek
finansial, dan analisis keseluruhan aspek menggunakan aturan atau rulebase
karena bersifat non-fuzzy .

7
Pengembangan Mesin Inferensi
1 Fuzzifikasi
Fuzzifikasi dilakukan untuk membagi variabel menjadi beberapa himpunan
fuzzy yang nantinya akan digunakan dalam pembuatan aturan. Variabel fuzzy yang
digunakan merupakan aspek teknis dan dapat dilihat pada Tabel 6. Variabel
lainnya tidak melakukan proses fuzzifikasi karena bersifat non-fuzzy.
Tabel 6 Parameter fuzzy aspek teknis
No Parameter Input Satuan Nilai
Fuzzy atau Non-Fuzzy
1 Suhu
Fuzzy
C
2 NH3
Mg/lt
Fuzzy
3 DO
Ppm
Fuzzy
4 Alkalinitas
Mg/lt
Fuzzy
5 pH
Asam (< 7), normal (7), basa Fuzzy
(> 7)
6 Kedalaman air
M
Fuzzy
kolam induk
7 Kesadahan
Mg/ L
Fuzzy
Fungsi Keanggotaan
Fungsi keanggotaan yang akan digunakan untuk memberikan nilai pada
himpunan fuzzy pada penelitian ini adalah kurva trapesium untuk input dan kurva
segitiga untuk output. Adapun penjelasan lebih lengkap mengenai fungsi
keanggotaan masing-masing parameter sebagai berikut:
Fuzzifikasi Suhu
Fuzzifikasi suhu memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah,
Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang
dapat dilihat pada Tabel 7. Himpunan fuzzy direpresentasikan menggunakan kurva
trapesium seperti ditunjukkan pada Gambar 3.
Tabel 7 Domain dan himpunan fuzzy untuk parameter suhu
Parameter atau Variabel
Himpunan Fuzzy
Domain
Suhu
TidakOptimalBawah
[0 0 20 23]
Optimal
[20 26 29 35]
TidakOptimalAtas
[32 35 50 50]

Gambar 3 Fuzzifikasi suhu

8
Fungsi keanggotaan setiap himpunan fuzzy parameter suhu sebagai berikut:

µ TidakOptimalBawah (X) =

µ optimal (X) =

µ TidakOptimalAtas (X) =
Fuzzifikasi Amonia (NH3)
Fuzzifikasi NH3 memiliki 2 himpunan fuzzy, yaitu TidakOptimal dan
Optimal dengan domain masing masing himpunan yang dapat dilihat pada Tabel
8. Himpunan fuzzy direpresentasikan menggunakan kurva trapesium seperti
ditunjukkan pada Gambar 4.
Tabel 8 Domain dan himpunan fuzzy untuk parameter NH3
Parameter atau Variabel
Himpunan Fuzzy
Domain
NH3
Optimal
[0 0 0.09 0.6]
TidakOptimal
[0.3 0.6 5 5]

Gambar 4 Fuzzifikasi NH3
Fungsi keanggotaan setiap himpunan fuzzy parameter NH3 sebagai berikut:

µ Optimal (X) =

µ TidakOptimal (X) =

9
Fuzzifikasi Kandungan Oksigen Terlarut (DO)
Fuzzifikasi DO memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah,
Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang
dapat dilihat pada Tabel 9. Himpunan fuzzy direpresentasikan menggunakan kurva
trapesium seperti ditunjukkan pada Gambar 5.
Tabel 9 Domain dan himpunan fuzzy untuk parameter DO
Parameter atau Variabel
Himpunan Fuzzy
Domain
DO
TidakOptimalBawah
[0 0 1 3]
Optimal
[1 4 8 15]
TidakOptimalAtas
[12 15 20 20]

Gambar 5 Fuzzifikasi DO
Fungsi keanggotaan setiap himpunan fuzzy parameter DO sebagai berikut:

µ TidakOptimalBawah (X) =

µ Optimal (X) =

µ TidakOptimalAtas (X) =

Fuzzifikasi Alkalinitas
Fuzzifikasi
alkalinitas
memiliki
3
himpunan
fuzzy,
yaitu
TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing
masing himpunan yang dapat dilihat pada Tabel 10. Himpunan fuzzy
direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada
Gambar 6.
Tabel 10 Domain dan himpunan fuzzy untuk parameter alkalinitas
Parameter atau Variabel
Himpunan Fuzzy
Domain
Alkalinitas
TidakOptimalBawah
[0 0 4 30]
Optimal
[5 50 200 400]
TidakOptimalAtas
[250 400 600 600]

10

Gambar 6 Fuzzifikasi alkalinitas
Fungsi keanggotaan setiap himpunan fuzzy parameter alkalinitas sebagai
berikut:
µ TidakOptimalBawah (X) =

µ optimal (X) =

µ TidakOptimalAtas (X) =

Fuzzifikasi pH
Fuzzifikasi pH memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah,
Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang
dapat dilihat pada Tabel 11. Himpunan fuzzy direpresentasikan menggunakan
kurva trapesium seperti ditunjukkan pada Gambar 7.
Tabel 11 Domain dan himpunan fuzzy untuk parameter pH
Parameter atau Variabel
Himpunan Fuzzy
Domain
pH
TidakOptimalBawah
[0 0 3 5]
Optimal
[3 6.5 8 12]
TidakOptimalAtas
[9 12 14 14]

Gambar 7 Fuzzifikasi pH

11
Fungsi keanggotaan setiap himpunan fuzzy parameter pH sebagai berikut:
µ TidakOptimalBawah (X) =

µ optimal (X) =

µ TidakOptimalAtas (X) =

Fuzzifikasi Kedalaman Air Kolam Induk
Fuzzifikasi kedalaman air kolam induk memiliki 3 himpunan fuzzy, yaitu
TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masingmasing himpunan yang dapat dilihat pada Tabel 12. Himpunan fuzzy
direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada
Gambar 8.
Tabel 12 Domain dan himpunan fuzzy untuk parameter kedalaman air
Parameter atau Variabel
Himpunan Fuzzy
Domain
Kedalaman air kolam
TidakOptimalBawah
[0 0 0.5 0.9]
induk
Optimal
[0.6 1 1.5 3]
TidakOptimalAtas
[2 3 4 4]

Gambar 8 Fuzzifikasi kedalaman air kolam induk
Fungsi keanggotaan setiap himpunan fuzzy parameter kedalaman air sebagai
berikut:
µ TidakOptimalBawah (X) =

µ optimal (X) =

12

µ TidakOptimalAtas (X) =

Fuzzifikasi Kesadahan
Fuzzifikasi
kesadahan
memiliki
3
himpunan
fuzzy,
yaitu
TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masingmasing himpunan yang dapat dilihat pada Tabel 13. Himpunan fuzzy
direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada
Gambar 9.
Tabel 13 Domain dan himpunan fuzzy untuk parameter kesadahan lokasi
Parameter atau Variabel
Himpunan Fuzzy
Kesadahan
TidakOptimalBawah
Optimal
TidakOptimalAtas

Domain
[0 0 49 80]
[49 100 200 2000]
[1700 2000 3000 3000]

optimal

Gambar 9 Fuzzifikasi kesadahan
Fungsi keanggotaan setiap himpunan fuzzy parameter kesadahan lokasi
sebagai berikut:
µ TidakOptimalBawah (X) =

µ optimal (X) =

µ TidakOptimalAtas (X) =

Setelah masing-masing parameter memperoleh nilai himpunan fuzzy dan
domain himpunan fuzzy-nya maka tahap selanjutnya adalah menentukan output
dari analisis usaha yang akan dilakukan. Dari pakar diperoleh output yang
nantinya akan digunakan yaitu tidak layak, layak bersyarat, dan layak.

13
Setelah output diperoleh maka aturan dapat dibuat. Dari tujuh parameter
input fuzzy yang telah ditentukan, diperoleh 11 aturan yang ditentukan oleh pakar.
Output analisis usaha, awalnya ditentukan terlebih dahulu batasan nilai untuk
masing-masing output-nya dan direpresentasikan dengan kurva segitiga yang
ditunjukkan pada Gambar 10.

Gambar 10 Output analisis usaha
Fungsi keanggotaan untuk setiap himpunan fuzzy pada output analisis usaha
sebagai berikut:
µ Tidaklayak(X) =

µ LayakBersyarat(X)=

µ Layak (X) =
2 Pembuatan Aturan Fuzzy
Aturan-aturan fuzzy diperoleh dari hasil diskusi dengan pakar. Aturan fuzzy
aspek teknis diperoleh dari pakar dapat dilihat pada Lampiran 1. Aturan yang
diterapkan dalam sistem pakar menentukan kelayakan usaha budi daya
pembenihan ikan gurami direpresentasikan dalam bentuk kaidah produksi if – then
dan menghubungkan antar-premisnya (setiap kolom dalam tabel) dengan operator
“and”, sedangkan derajat keanggotaan yang dipilih pada setiap parameter
merupakan nilai paling besar karena menggunakan operator “or” dan ditanyatakan
dalam tabel menggunakan tanda garis miring ( / ). Pada metode fuzzy Tsukamoto,
fungsi yang digunakan adalah implikasi MIN untuk mendapatkan nilai α-predikat
tiap-tiap aturan (α1, α2, α3,.... αn) sehingga saat proses evaluasi aturan dalam
mesin inferensi α-predikat sebagai hasil operasi dengan operator AND diperoleh
dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunanhimpunan yang bersangkutan dan komposisi antar-aturan menggunakan fungsi
agregasi MAX dengan mengambil semua nilai dalam aturan. Masing-masing nilai
α-predikat digunakan untuk menghitung hasil inferensi secara tegas (crisp)
masing-masing aturan (z1, z2, z3,.... zn).
Pada awalnya aturan yang digunakan untuk aspek teknis adalah 1458 aturan.
Aturan tersebut didapatkan dengan mengombinasikan himpunan yang ada pada
setiap parameter aspek teknis. Menurut pakar tidak semua aturan yang

14
dikombinasikan harus digunakan. Ada beberapa parameter yang bersifat mutlak
dan tidak perlu dikombinasikan lagi. Dengan mengetahui parameter yang bersifat
mutlak maka diperoleh 11 aturan yang sudah mampu mengakomodasi seluruh
aturan dan permasalahan.
Parameter yang paling menentukan dan bersifat mutlak pada aturan ini
adalah suhu. Suhu sangat penting karena mempengaruhi pertumbuhan, nafsu
makan dan dapat menyebabkan kematian massal sehingga apabila suhu tidak
optimal maka usaha budi daya pembenihan ikan gurami skala teknis tidak layak
untuk dijalankan, walaupun parameter aspek teknis yang lain dalam keadaan
optimal. Parameter lain yang bersifat mutlak adalah pH. pH yang terlalu tinggi
dapat menyebabkan kematian pada ikan sehingga ketika keadaan pH di atas batas
optimal maka yang terjadi adalah budi daya pembenihan ikan gurami skala teknis
tidak layak untuk dijalankan walaupun parameter aspek teknis yang lain berada
pada keadaan optimal. Selain suhu dan pH kesadahan juga menjadi parameter
yang bersifat mutlak. Apabila kesadahan di atas batas optimal maka usaha budi
daya pembenihan skala teknis tidak layak dijalankan.
Parameter aspek teknis yang lain tidak bersifat mutlak sehingga ketika
berada pada keadaan di bawah atau di atas batas optimal maka usaha budi daya
pembenihan ikan gurami menjadi layak untuk dijalankan tetapi ada beberapa
syarat yang harus dipenuhi. Hal tersebut disebabkan saat ini sudah ada teknologi
yang dapat menanggulangi parameter yang keadaannya tidak optimal.
Pembuatan Aturan Non-Fuzzy
Selain aturan aspek teknis yang bersifat fuzzy untuk memperoleh suatu
keputusan dalam menentukan kelayakan usaha budi daya pembenihan ikan gurami
dibutuhkan aturan untuk parameter aspek hukum, sosial budaya, dan aspek
analisis keseluruhan yang bersifat non-fuzzy. Aturan untuk parameter non-fuzzy
dapat dilihat pada Tabel 14,15, dan 16.
Tabel 14 Aturan aspek hukum
No
1
2
3
4

Bentuk Badan Usaha
Usaha Mandiri
Usaha Mandiri
Badan Pemerintahan
Badan Pemerintahan

Izin Usaha
ada surat izin
Tidak ada surat izin
ada surat izin
Tidak ada surat izin

Layak atau tidak
layak
Layak
Tidak layak
layak
Tidak layak

Aturan aspek hukum diperoleh dengan mengombinasikan himpunan setiap
parameter sehingga aturan yang didapatkan sebanyak 4 aturan. Berdasarkan hasil
diskusi dengan pakar, output kelayakan aspek hukum ada dua yaitu layak dan
tidak layak. Parameter yang paling mempengaruhi dalam aspek hukum adalah izin
usaha. Pelaku usaha atau para investor budi daya pembenihan ikan gurami yang
tidak memiliki surat izin usaha maka tidak layak untuk menjalankan usahanya.
Hal ini disebabkan berdasarkan Undang-Undang Nomor 31 Tahun 2004
menyatakan bahwa setiap orang yang melakukan usaha perikanan wajib memiliki
surat izin usaha perikanan.

15
Tabel 15 Aturan aspek sosial budaya
No
1
2
3
4
5
6
7
8

Manfaat Untuk
Masyarakat
Ada
Ada
Ada
Ada
Tidak Ada
Tidak Ada
Tidak Ada
Tidak Ada

Perilaku Konsumen
Tidak suka ikan
Kurang suka ikan
Suka Ikan
Sangat Suka Ikan
Tidak suka ikan
Kurang suka ikan
Suka Ikan
Sangat Suka Ikan

Layak/tidak layak
layak
layak
layak
layak
layak bersyarat
layak bersyarat
layak
layak

Aturan aspek sosial budaya diperoleh dengan mengombinasikan himpunan
setiap parameter sehingga diperoleh sebanyak 8 aturan. Berdasarkan hasil diskusi
dengan pakar untuk aspek sosial budaya, output yang dihasilkan ada dua yaitu
layak dan layak bersyarat. Hal ini disebabkan aspek sosial budaya berhubungan
dengan kebiasaan dan perilaku masyarakat. Kebiasaan masyarakat sekitar yang
menyukai ikan akan menambah keuntungan bagi pelaku usaha pembenihan karena
akan semakin banyak juga petani yang membuka usaha budi daya pembesaran
ikan gurami di lingkungan tersebut, tetapi jika masyarakat sekitar tidak menyukai
ikan hal ini tidak akan menjadi masalah karena pelaku usaha dapat menjual benih
ikan kepada petani lain di luar lingkungan sekitar.
Tabel 16 Aturan keseluruhan analisis dari setiap aspek
No Aspek
Aspek
Aspek Finansial
Aspek Sosbud
Analisis
Hukum
Teknis
Usaha
1
Tidak
Layak/
Menguntungkan Layak/
Tidak
Layak
LayakBersy / Impas / Tidak
LayakBersyarat Layak
arat / Tidak Menguntungkan
Layak
2
Layak
Tidak Layak Menguntungkan Layak/
Tidak
/ Impas / Tidak
LayakBersyarat Layak
Menguntungkan
3
Layak
Layak /
Menguntungkan Layak/
Layak
Layak
/ Impas
LayakBersyarat
Bersyarat
4
Layak
Layak /
Tidak
Layak/
Tidak
Layak
Menguntungkan LayakBersyarat Layak
Bersyarat
Pada awalnya aturan yang digunakan untuk keseluruhan analisis untuk
setiap aspek adalah 36 aturan. Aturan tersebut didapatkan dengan
mengombinasikan himpunan setiap parameter. Menurut pakar tidak semua aturan
yang dikombinasikan harus digunakan. Ada beberapa parameter yang bersifat
mutlak sehinggga tidak perlu dikombinasikan lagi sehingga aturan yang
didapatkan untuk aspek teknis adalah sebanyak 4 aturan. Dengan mengetahui
parameter yang bersifat mutlak maka 4 aturan yang digunakan sudah mampu
mengakomodasi seluruh aturan dan permasalahan.

16
Parameter yang paling menentukan dan bersifat mutlak pada aturan ini
adalah aspek hukum. Apabila aspek hukum tidak layak, walaupun parameter yang
lainnya keadaannya layak dan menguntungkan maka secara keseluruhan usaha
budi daya pembenihan ikan gurami tidak layak untuk dijalankan. Hal ini
disebabkan aspek hukum merupakan syarat untuk tercapainya tertib usaha,
kelancaran arus barang, pemerataan kesempatan usaha, kepastian usaha,
keamanan kesehatan, dan keamanan lingkungan usaha. Parameter lain yang
bersifat mutlak adalah aspek teknis. Apabila aspek teknis tidak layak, walaupun
parameter lain keadaannya layak dan menguntungkan maka secara keseluruhan
usaha budi daya pembenihan ikan gurami tidak layak untuk dijalankan. Hal ini
disebabkan jika lokasi tidak cocok untuk benih maka pertumbuhan benih akan
terhambat. Kondisi tersebut dapat menyebabkan produktivitas kehidupan benih
menurun dan hasil produksi juga akan menurun serta semakin banyak biaya yang
harus dikeluarkan sehingga keuntungan berkurang.
Pembuatan Aturan Non-Fuzzy Aspek Finansial
Dalam melakukan perhitungan aspek finansial yang merupakan parameter
non-fuzzy, ditentukan aturan-aturan yang digunakan untuk mendapatkan output
analisis usaha. Output yang digunakan untuk aspek finansial ada 3, yaitu
menguntungkan yang artinya jumlah penerimaan lebih besar dari pada jumlah
pengeluaran, impas yang artinya jumlah penerimaan sama dengan jumlah
pengeluaran, dan tidak menguntungkan yang arinya jumlah penerimaan lebih
kecil dari pada jumlah pengeluaran. Aturan yang digunakan sebagai berikut:
[R1] Jika R/C ratio > 1 maka analisis usaha pembenihan ikan gurami
menguntungkan
[R2] Jika R/C ratio = 1 maka analisis usaha pembenihan ikan gurami Impas
[R3] Jika R/C ratio < 1 maka analisis usaha pembenihan ikan gurami tidak
menguntungkan
R/C ratio merupakan hasil perbandingan total pendapatan dengan total
pengeluaran. Variabel input yang digunakan untuk menghitung R/C ratio adalah
biaya investasi, biaya operational yang terdiri dari biaya tetap dan biaya variabel,
hasil produksi benih per ekor, tingkat kehidupan dan harga benih per ekor.
Variabel input akan menghitung output yaitu pendapatan, keuntungan, dan R/C
ratio.
3 Defuzzifikasi
Pada metode Tsukamoto, proses output merupakan proses berikutnya
setelah proses penarikan kesimpulan. Proses output ini ditandai dengan
dilakukannya tahap defuzzifikasi untuk menghasilkan satu nilai crisp dari
beberapa output fuzzy hasil evaluasi aturan pada basis pengetahuan. Metode
defuzzifikasi yang digunakan pada penelitian ini adalah rata-rata terbobot
(weighted average method). Pada metode weighted average, nilai crisp diperoleh
dengan formula sebagai berikut :

17
Implementasi
Sistem ini dikembangkan dalam lingkungan XAMPP 1.7.2 dengan bahasa
pemrograman PHP. Sistem pakar ini dikembangkan berbasis web agar lebih
mudah diakses dan dimanfaatkan oleh lebih banyak orang terutama pelaku usaha
dan investor maupun masyarakat umum yang ingin menentukan usaha budi daya
pembenihan ikan gurami layak atau tidak untuk dijalankan.
Pada sistem yang dikembangkan ini terdiri dari beberapa modul di antaranya
Beranda, Kelayakan Usaha Pembenihan, Kelayakan Usaha Pembesaran, Petunjuk
Penggunaan, dan Hubungi Kami seperti terlihat pada Gambar 11.

Gambar 11 Menu pada sistem
Modul yang paling utama pada sistem ini terletak pada modul penentuan
kelayakan usaha pembenihan ikan gurami dan modul kelayakan usaha
pembesaran ikan gurami. Kelayakan usaha pembenihan akan menampilkan
sebuah halaman berupa form yang berisi pertanyaan yang harus dijawab oleh user.
Jawaban yang diberikan oleh user berupa pilihan pada combo box dan nilai yang
dimasukkan pada kolom textbox yang disediakan sesuai dengan parameter yang
ada. Halaman ini dibagi menjadi lima bagian. Bagian pertama berisi pertanyaan
yang berkaitan dengan hukum, di antaranya bentuk badan usaha dan ada surat
izin. Tampilan aspek hukum dapat dilihat pada Gambar 12.

Gambar 12 Form aspek hukum
Bagian kedua berisi pertanyaan yang berhubungan dengan syarat kualitas air
yang digunakan, di antaranya suhu, kadar amonia (NH3), kadar oksigen terlarut
(dissolved oxygen [DO]), alkalinitas, derajat keasaman air (pH), kedalaman air
kolam induk, dan kesadahan. Tampilan bagian kedua dan ketiga ini dapat dilihat
pada Gambar 13.

Gambar 13 Form aspek teknis

18
Bagian ketiga berisi pertanyaan yang berhubungan dengan keuangan, di
antaranya biaya investasi, biaya operational, hasil produksi benih, tingkat
kehidupan, dan harga benih per ekor. Tampilan bagian ketiga dapat dilihat pada
Gambar 14.

Gambar 14 Form aspek finansial
Bagian keempat berisi pertanyaan yang berkaitan dengan sosial budaya, di
antaranya manfaat untuk masyarakat dan perilaku konsumen. Tampilan bagian
keempat dapat dilihat pada Gambar 15.

Gambar 15 Form aspek sosial budaya
Bagian kelima berisi pertanyaan analisis keseluruhan. Tampilan bagian
kelima dapat dilihat pada Gambar 16.

19

Gambar 16 Form analisis keseluruhan
Pengujian
Tahap pengujian dilakukan dengan uji coba program kepada ahli atau
praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab
oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang
berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan
konsistensi pengetahuan pada hasil yang diperoleh.
Pada penelitian ini, telah dilakukan proses pengujian sistem dan validasi
data dengan pakar sebanyak 2 kali sampai akhirnya mendapat hasil yang sesuai.
Jika masih terdapat kesalahan atau sistem pakar yang dibuat belum sesuai dengan
keahlian pakar, maka tahapan penelitian harus kembali ke tahap akuisisi
pengetahuan, representasi pengetahuan, pengembangan mesin inferensi,
implementasi dan pengujian.
Pada pengujian pertama dari 30 data uji yang diberikan kepada pakar 27
data uji yang berhasil diidentifikasi dengan benar. Kesalahan terjadi karena hasil
dari nilai crisp yang didapatkan masuk ke dalam 2 kategori output, salah satu
kasus data uji menghasilkan nilai crisp 2.07. jika dilihat pada Gambar 17, nilai
tersebut masuk dalam 2 kategori output yaitu tidak layak dan layak bersyarat.
Kemudian dihitung nilai derajat keanggotaannya. Salah satu output yang
ditampilkan adalah output yang memiliki nilai derajat keanggotaan paling tinggi.
Hasil yang diidentifikasi pakar dan hasil yang diidentifikasi sistem keduanya
benar tetapi hanya satu output yang ditampilkan oleh sistem. Adanya kesalahan
dalam proses akuisisi data juga sangat mempengaruhi keberhasilan dari sistem
pakar yang dibuat. Adapun kuisioner pengujian yang diberikan kepada pakar
dapat dilihat pada Lampiran 2 dan 3.

Gambar 17 Fuzzifikasi output salah satu data uji
Derajat Keanggotaannya salah satu kasus data uji
µ TidakLayak(X)=
µ LayakBersyarat(X)=
Setelah melakukan pengujian pada aspek teknis yang bersifat fuzzy
selanjutnya melakukan pengujian untuk aspek hukum, aspek finansial, aspek
sosial budaya dan kesuluruhan aspek yang bersifat fuzzy dan non-fuzzy. Dari 30

20
data pengujian aspek hukum yang diajukan ke pakar semua data uji berhasil
teridentifikasi dengan benar, sehingga dapat dikatakan aturan yang digunakan
sudah dapat mengakomodasi seluruh aturan dan data yang digunakan sesuai
dengan keahlian pakar. Dari 30 data pengujian aspek finansial yang diajukan ke
pakar semua data uji berhasil teridentifikasi dengan benar, sehingga dapat
dikatakan aturan yang dihasilkan sudah dapat mengakomodasi seluruh aturan.
Dari 30 data pengujian aspek sosial budaya yang diajukan ke pakar, 28
teridentifikasi dengan benar. Dari 30 data pengujian didapatkan output dari setiap
aspek. Output yang didapatkan kemudian digabungkan dan dilakukan pengujian
kembali untuk keseluruhan aspek. Dari 30 data pengujian keseluruhan aspek yang
diajukan ke pakar, 28 teridentifikasi dengan benar. Kesalahan yang terjadi karena
adanya perbedaan jawaban pada aspek teknis sehingga mengakibatkan perbedaan
output yang dihasilkan. Hal ini sangat berpengaruh karena aspek teknis
merupakan salah satu aspek yang bersifat mutlak dan memiliki bobot tertinggi
setelah aspek hukum. Output dari aspek teknis akan mempengaruhi aspek
finansial. Apabila aspek teknis tidak layak, walaupun parameter lain keadaannya
layak dan menguntungkan maka secara keseluruhan usaha budi daya pembenihan
ikan gurami tidak layak untuk dijalankan. Hal ini disebabkan jika lokasi tidak
cocok untuk benih maka pertumbuhan benih akan terhambat, hasil produksi
menurun, keuntungan berkurang sehingga output yang dihasilkan dari keseluruhan
aspek akan bergantung pada output yang dihasilkan pada aspek teknis.

SIMPULAN DAN SARAN
Simpulan
1 Parameter suhu, amonia (NH3), disolved oxygen (DO), alkalinitas, pH,
kedalaman air kolam induk, dan kesadahan, bentuk badan usaha, izin usaha,
manfaat untuk masyarakat, perilaku konsumen, dan R/C ratio dapat digunakan
sebagai parameter untuk mementukan kelayakan usaha budi daya pembenihan
ikan gurami.
2 Aturan yang digunakan pada aspek hukum memiliki 4 aturan, aspek teknis
memiliki 11 aturan, aspek sosial budaya memiliki 8 aturan dan keseluruhan
aspek memiliki 4 aturan. Aturan yang digunakan sudah mampu
mengakomodasi seluruh aturan dan permasalahan.
3 Metode Fuzzy Inference System Tsukamoto dapat diterapkan sebagai metode
untuk menentukan kelayakan teknis budi daya pembenihan ikan gurami
4 Sistem pakar ini mampu menganalisis kelayakan usaha budi daya pembenihan
ikan gurami dan telah mendekati kemampuan pakar
Saran
Sistem pakar kelayakan usaha budi daya pembenihan ikan gurami yang
dibangun merupakan kelayakan usaha budi daya skala kecil. Untuk selanjutnya,
bisa dikembangan menjadi kelayakan usaha budi daya skala menengah dan skala
besar dengan menambahkan parameter dari komponen investasi, komponen
operational serta parameter lain dilihat dari aspek pasar dan aspek ekonomi.

21

DAFTAR PUSTAKA
[DPPKB] Dinas Perternakan dan Perikanan Kabupaten Bogor. 2011. Buku Data
Perikanan 2011 Dinas Kabupaten Bogor. Bogor (ID): DPPKB.
Effendi I. 2004. Pengantar Akuakultur. Jakarta (ID): Penebar Swadaya.
Efrina S. 2011. Analisis kelayakan investasi pengusahaan ikan gurami (studi
kasus di perusahaan Mekar Tambak Sari Kecamatan Sawangan, Kota Depok)
[skripsi]. Bogor (ID): Institut Pertanian Bogor.
Firmansyah I, Firda S. 2013. Tsukamoto fuzzy logic application in production
planning at PT. Kimia Farma (Persero) Tbk. Plant Bandung Indonesia. Di
dalam: Proceedings The 2nd International Conference On Global Optimization
and Its Applications 2013; 2013 August 28-29; Avillion Legacy Melaka Hotel,
Malaysia. Bandung(ID): Department of Industrial Engineering, Faculty of
Engineering , University of Pasundan. hlm 70-78.
Jang JSR, Sun CT, Mizutani E. 1997. Neuro-Fuzzy and Soft Computing. London
(UK): Prentice Hall.
Marimin, 2005. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial.
Bogor (ID): IPB Pr.
Mulyawanto M. 2011. Sistem pakar fuzzy untuk diagnosis penyakit pada tanaman
cabai merah [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Sevani N. 2009. Sistem pakar penentuan kesesuaian lahan berdasarkan faktor
penghambat terbesar (maximum limitation factor) untuk tanaman pangan
[skripsi]. Bogor (ID): Institut Pertanian Bogor

22

Lampiran 1 Aturan aspek teknis
No
1
2

3

4

5

Suhu
Optimal

Nh3

Do

Optimal

Optimal
TidakOptimalBawah
TidakOptimalBawah TidakOptimalBawah Optimal/
/ Optimal
TidakOptimalAtas
TidakOptimalBawah
TidakOptimalAtas TidakOptimalBawah Optimal/
TidakOptimalAtas
/ Optimal
TidakOptimalBawah
Optimal
TidakOptimalBawah Optimal/
TidakOptimalAtas
Optimal
Optimal
TidakOptimalBawah/
TidakOptimalAtas
Optimal
Optimal
Optimal

6

7

Optimal

8

Optimal

9

Optimal

10 Optimal
11
Optimal

Optimal

Optimal

Alkalinitas

pH

Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal /
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas

Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal

TidakOptimalBawah/
Optimal

TidakOptimalBawah/ TidakOptimalBawah/
TidakOptimalAtas
Optimal
TidakOptimalBawah
Optimal

TidakOptimalBawah
TidakOptimalBawah Optimal/
TidakOptimalAtas
/ Optimal
Optimal
Optimal

TidakOptimalBawah TidakOptimalAtas
Optimal/
TidakOptimalAtas
Optimal
Optimal

Optimal

Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas

Optimal
TidakOptimalBawah
TidakOptimalBawah Optimal/
/ Optimal
TidakOptimalAtas

Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas

Kedalaman air
kolam induk
Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
/ TidakOptimalAtas
Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas

kesadahan
Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah
Optimal

Layak/
TidakLayak
Layak
Tidak layak

Tidak layak

Layak bersyarat

TidakOptimalBawah/
Optimal

Layak bersyarat

TidakOptimalBawah/
Optimal

Layak bersyarat

TidakOptimalBawah/
Optimal
TidakOptimalBawah
Optimal/
TidakOptimalAtas
TidakOptimalBawah/
Optimal
TidakOptimalBawah
TidakOptimalAtas

Layak bersyarat

Tidak layak
Layak bersyarat
Layak bersyarat
Tidak layak

23
Lampiran 2 Kuisioner I pengujian aspek teknis ke pakar

24
Lampiran 3 Kuisioner II pengujian data keseluruhan aspek ke pakar

RIWAYAT HIDUP
Penulis bernama Selvya Rossalina, dilahirkan di Garut, Jawa Barat pada
tanggal 12 Juli 1990. Penulis merupakan anak pertama dari pasangan Sittar Rajak
dan Rahmawati.
Penulis memulai pendidikan formal pada tahun 1994 di TK AlMusadadiyah Garut selama 2 tahun, kemudian pada tahun 1996 melanjutkan
pendidikan ke jenjang Sekolah Dasar (SD) di Sekolah Abdi Negara Bekasi dan
lulus pada tahun 2002. Kemudian melanjutkan pendidikannya ke Sekolah
Lanjutan Tingkat Pertama (SLTP) di SLTP islam Assyafi’iyah 04 Jatiwaringin,
Pondok Gede, Jawa Barat selesai pada tahun 2005. Sekolah Menengah Atas
(SMA) penulis diselesaikan pada tahun 2008 di SMA YPI “45” Bekasi, Jawa
Barat. Penulis diterima sebagai mahasiswa Direktorat Program Diploma Institut
Pertanian Bogor (IPB) pada tahun 2008 melalui jalur Undangan Seleksi Masuk
IPB (USMI) pada program keahlian Manajemen Informatika.
Pada tahun 2011 penulis lulus dari Diploma Institut Pertanian Bogor dan
melanjutkan pendidikan di Program Alih Jenis Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam, IPB. Selama menjalani perkuliahan
penulis pernah menjadi asisten dosen di Direktorat Program Dip