4.2 Rancang Bangun Sistem Pakar
Sistem ini diperuntukkan untuk dapat digunakan oleh petani, ahli lingkungan, ahli biologi, peneliti mikoriza, dan pihak komersial seperti
perusahaan penyedia bibit tanaman untuk hutan tanaman industri. Rancang bangun sistem pakar prediksi efektivitas respon tumbuh fungi ektomikoriza dibuat
dengan mengikuti tahapan penelitian sistem pakar. Pengguna menginputkan nilai crisp dari faktor-faktor lingkungan yang telah diseleksi melalui algoritme CART.
Sistem kemudian memproses input pengguna kedalam FIS yang sesuai dengan pilihan pengguna. Sistem kemudian memberikan output berupa prediksi nilai
efektivitas respon tumbuh berdasarkan input tersebut.
4.3 Pemodelan Sistem
Dalam penelitian ini, digunakan kombinasi logika samar fuzzy logic dan jaringan syaraf tiruan artificial neural network yang sering disebut Adaptive
Neuro Fuzzy Inference System ANFIS untuk menduga atau memprediksi nilai efektivitas respon tumbuh fungi ektomikoriza pada tanaman kehutanan dengan
memperhatikan faktor lingkungan dan faktor kecocokan inang. Alasan penggunaan sistem ANFIS karena sistem ini merupakan teknologi
yang saling melengkapi. Jaringan syaraf tiruan digunakan untuk melatih dan mengawasi informasi sistem, dan dapat diterapkan pada hampir setiap kondisi jika
hubungan antara peubah peramal predictor, input dan peubah ramalan predicted, output ada, bahkan ketika hubungan tersebut sangat kompleks. Sistem
fuzzy digunakan sebagai metode inferensi informasi linguistik dan verbal dari pakar Marimin 2009. Sistem fuzzy juga menarik karena sifat pendekatannya
yang alami, memiliki toleransi terhadap data-data yang tidak tepat imprecise, mampu membangun dan mengaplikasikan pengalaman-pengalaman para pakar
secara langsung. Kondisi lingkungan yang dipertimbangkan untuk setiap model yang
dibangun adalah berbeda-beda sesuai dengan hasil dari pemilihan input melalui metode decision tree dengan menggunakan algoritme Classification and
Regression Tree CART.
Sistem pakar yang dibangun memiliki tiga model ANFIS, sesuai dengan jumlah fungi yang diamati. Berikut adalah nama-nama model yang digunakan
disajikan pada Tabel 3. Tabel 3 Nama-nama model ANFIS
No Nama Model
Keterangan 1
Ekto1 Nama model untuk species S. columnare
2 Ekto2
Nama model untuk species S. dictyoporum 3
Ekto3 Nama model untuk species S. sinnamariense
Variabel input sistem bersifat fuzzy dan nonfuzzy. Variabel input yang bersifat fuzzy yaitu: suhu, pH tanah, kapasitas tukar kation KTK, kandungan
fosfor, karbon, nitrogen, kalium, aluminium, magnesium, dan kandungan kalsium. Variabel input lainnya yang bersifat nonfuzzy adalah spesies fungi ektomikoriza
dan jenis tanaman inang, yang dihubungkan dengan nilai kecocokan inang. Variabel output pada sistem ini adalah persentase efektivitas respon tumbuh yang
didasarkan pada nilai biomassa berat kering total tanaman inang. Basis pengetahuan yang dibangun berupa aturan rules IF-THEN fuzzy,
penggunaan representasi fuzzy adalah karena faktor-faktor lingkungan memiliki sifat ambiguitas dan ketidakpastian. Pada setiap model terdapat jumlah aturan IF-
THEN fuzzy yang berbeda-beda. Metode inferensi yang digunakan adalah metode FIS Sugeno orde 1, dengan metode pembelajaran hybrid. Pada model dilakukan
pelatihan dan pengujian, guna mengetahui kinerja model. Hasil pendugaan yang dilakukan model diukur dengan analisa korelasi antara data output testing dengan
hasil penalaran fuzzy model dan menghitung mean absolute percentage error MAPE. Pengujian juga dilakukan pada pakar untuk memeriksa apakah model
sudah mewakili human expert.
4.3.1 Komposisi Data
Komposisi data yang digunakan pada penelitian ini terdiri dari satu input non fuzzy dan sebelas input fuzzy.
Kategori