Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air
SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR
TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR
SILMI HASLINDA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar
Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air
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, Juni 2013
Silmi Haslinda
G64104053
ABSTRAK
SILMI HASLINDA. Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar
Berdasarkan Lokasi dan Kualitas Air. 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 perikanan budidaya untuk
identifikasi jenis budidaya ikan air tawar yang sesuai dengan lokasi dan kualitas
air yang ada. Metode k-fold cross validation digunakan untuk pembagian subset
data latih dan data uji dengan 3 kali ulangan untuk tiap pelatihan dan pengujian.
Nominal distance digunakan untuk perhitungan jarak pada parameter yang bersifat
nominal, sedangkan untuk parameter yang bersifat numerik menggunakan
Euclidean distance yang akan digabungkan menggunakan rumus aggregate.
Selanjutnya dilakukan proses klasifikasi untuk penentuan jenis ikan yang sesuai
dengan menggunakan k-nearest neighbour yang menghasilkan rata-rata akurasi
terbaik pada nilai k = 3 dengan normalisasi, yaitu 97.41%.
Kata kunci: aggregate, euclidean distance, k-fold cross validation, k-nearest
neighbour, nominal distance, sistem pakar
ABSTRACT
SILMI HASLINDA. Expert System for Determining Freshwater Fish Farming
Type Based on Location and Water Quality. Supervised by TOTO HARYANTO
and IRZAL EFFENDI.
This research developed an expert system designed to record and use
knowledge, experience, and expertise of the experts in aquaculture to identify
what types of freshwater fish farming based on location and existing water
quality. K-fold cross validation method is used for sharing subset of data train and
data test with three replications for each training and testing. Nominal distance is
used to calculate distances on the nominal parameters, while Euclidean distance is
used to calculate numerical parameters that will be combined using aggregate
formula. The resulting distances are combined by aggregate formula. The
classification method used for determining the appropriate class type is K-Nearest
Neighbor that give the best average of accuracy at k = 3 with normalization, with
a value of 97.41%.
Keywords: aggregate, Euclidean distance, expert system, k-fold cross validation,
k-nearest neighbour, nominal distance
SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR
TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR
SILMI HASLINDA
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
2013
Judul Skripsi: Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar
Berdasarkan Lokasi dan Kualitas Air
Nama
: Silmi Haslinda
NIM
: G641040535
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:
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 2012 ini ialah
Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan
Kualitas Air.
Terima kasih penulis ucapkan kepada Bapak Toto Haryanto SKom, MSi dan
Bapak Ir Irzal Effendi, MSi selaku pembimbing serta kepada Ibu Dr Yeni
Herdiyeni SSi, MKom selaku dosen penguji yang telah memberikan arahan dan
saran selama penelitian ini berlangsung hingga selesai. Ungkapan terima kasih
juga disampaikan kepada orangtua, kakak, adik serta seluruh keluarga dan temanteman, atas segala doa dan kasih sayangnya.
Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan
skripsi ini.
Semoga karya ilmiah ini bermanfaat.
Bogor, Juni 2013
Silmi Haslinda
DAFTAR ISI
DAFTAR TABEL
vii
DAFTAR GAMBAR
vii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
3
Manfaat Penelitian
3
Ruang Lingkup Penelitian
3
TINJAUAN PUSTAKA
4
Gambaran Umum Budidaya Perikanan
4
Keragaman Jenis Ikan Air Tawar
4
Ikan Bawal
5
Ikan Patin
5
Ikan Lele
7
Ikan Mas
8
Ikan Nila
9
Ikan Mujair
11
Sistem Pakar
12
K-Fold Cross Validation
12
Normalisasi
12
Confusion Matrix
13
KNN (K-Nearest Neighbour)
13
METODE
14
Akuisisi Pengetahuan
14
Representasi Pengetahuan
15
Pengembangan Mesin Inferensia
15
Identifikasi Masalah
16
Pengadaan Data
17
Praproses Data
21
Penentuan Data Latih dan Data Uji
21
Klasifikasi
21
Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan
Kualitas Air
22
Hasil Prediksi
22
Implementasi Pengembangan
22
Pengujian
22
HASIL DAN PEMBAHASAN
22
Identifikasi Masalah
22
Akuisisi Pengetahuan
23
Representasi Pengetahuan
24
Pengembangan Mesin Inferensi
24
Identifikasi Masalah
24
Pengadaan Data
25
Praproses Data
25
Min Max Normalization
26
Penentuan Data Latih dan Data Uji Menggunakan K-Fold Cross Validation26
Metode Klasifikasi Menggunakan K-NN
27
Euclidean Distance
27
Nominal Distance
27
Aggregate
27
Tahap KNN (Penetuan Tetangga Terdekat)
28
Percobaan dengan Normalisasi
28
Implementasi
31
Pengujian
SIMPULAN DAN SARAN
36
37
Simpulan
37
Saran
37
DAFTAR PUSTAKA
38
LAMPIRAN
40
RIWAYAT HIDUP
44
DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Standar kualitas air budidaya ikan bawal
Standar kualitas air budidaya ikan patin
Standar kualitas air budidaya ikan lele
Standar kualitas air budidaya ikan mas
Standar kualitas air budidaya ikan nila
Standar kualitas air budidaya ikan mujair
Confusion matrix empat kelas
Parameter input yang digunakan
Tahapan validasi data dengan pakar
Representasi pengetahuan
Standar kualitas air dan lokasi budidaya ikan patin
Jumlah data setiap subset
Susunan data latih dan data uji
Hasil akurasi setiap subset dengan k = 3, 5, dan 7
Confusion matrix percobaan dengan k = 7 subset ke-2
Hasil akurasi setiap subset dan rata-rata akurasi setiap nilai k
5
6
8
9
10
11
13
17
23
24
25
27
27
29
29
30
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Ikan patin
Ikan lele
Ikan mas
Ikan nila
Ikan mujair
Tahapan sistem pakar (Marimin 2005)
Tahapan KNN
Grafik hasil akurasi pada percobaan dengan normalisasi
Grafik rata–rata akurasi setiap nilai k
Modul/menu pada sistem
Menu tambahan pada sistem
Tampilan pertanyaan kondisi awal
Tampilan pertanyaan syarat kondisi lokasi dan kualitas air
Tampilan penentuan nilai k yang akan digunakan
Tampilan hasil akhir identifikasi bagian I
Tampilan hasil akhir identifikasi bagian II
Tampilan peringatan jika user belum memasukkan nilai
Peringatan jika jenis kolam air deras tetapi ketinggian 4 mg/lt
NH3
TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR
SILMI HASLINDA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar
Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air
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, Juni 2013
Silmi Haslinda
G64104053
ABSTRAK
SILMI HASLINDA. Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar
Berdasarkan Lokasi dan Kualitas Air. 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 perikanan budidaya untuk
identifikasi jenis budidaya ikan air tawar yang sesuai dengan lokasi dan kualitas
air yang ada. Metode k-fold cross validation digunakan untuk pembagian subset
data latih dan data uji dengan 3 kali ulangan untuk tiap pelatihan dan pengujian.
Nominal distance digunakan untuk perhitungan jarak pada parameter yang bersifat
nominal, sedangkan untuk parameter yang bersifat numerik menggunakan
Euclidean distance yang akan digabungkan menggunakan rumus aggregate.
Selanjutnya dilakukan proses klasifikasi untuk penentuan jenis ikan yang sesuai
dengan menggunakan k-nearest neighbour yang menghasilkan rata-rata akurasi
terbaik pada nilai k = 3 dengan normalisasi, yaitu 97.41%.
Kata kunci: aggregate, euclidean distance, k-fold cross validation, k-nearest
neighbour, nominal distance, sistem pakar
ABSTRACT
SILMI HASLINDA. Expert System for Determining Freshwater Fish Farming
Type Based on Location and Water Quality. Supervised by TOTO HARYANTO
and IRZAL EFFENDI.
This research developed an expert system designed to record and use
knowledge, experience, and expertise of the experts in aquaculture to identify
what types of freshwater fish farming based on location and existing water
quality. K-fold cross validation method is used for sharing subset of data train and
data test with three replications for each training and testing. Nominal distance is
used to calculate distances on the nominal parameters, while Euclidean distance is
used to calculate numerical parameters that will be combined using aggregate
formula. The resulting distances are combined by aggregate formula. The
classification method used for determining the appropriate class type is K-Nearest
Neighbor that give the best average of accuracy at k = 3 with normalization, with
a value of 97.41%.
Keywords: aggregate, Euclidean distance, expert system, k-fold cross validation,
k-nearest neighbour, nominal distance
SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR
TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR
SILMI HASLINDA
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
2013
Judul Skripsi: Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar
Berdasarkan Lokasi dan Kualitas Air
Nama
: Silmi Haslinda
NIM
: G641040535
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:
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 2012 ini ialah
Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan
Kualitas Air.
Terima kasih penulis ucapkan kepada Bapak Toto Haryanto SKom, MSi dan
Bapak Ir Irzal Effendi, MSi selaku pembimbing serta kepada Ibu Dr Yeni
Herdiyeni SSi, MKom selaku dosen penguji yang telah memberikan arahan dan
saran selama penelitian ini berlangsung hingga selesai. Ungkapan terima kasih
juga disampaikan kepada orangtua, kakak, adik serta seluruh keluarga dan temanteman, atas segala doa dan kasih sayangnya.
Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan
skripsi ini.
Semoga karya ilmiah ini bermanfaat.
Bogor, Juni 2013
Silmi Haslinda
DAFTAR ISI
DAFTAR TABEL
vii
DAFTAR GAMBAR
vii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
3
Manfaat Penelitian
3
Ruang Lingkup Penelitian
3
TINJAUAN PUSTAKA
4
Gambaran Umum Budidaya Perikanan
4
Keragaman Jenis Ikan Air Tawar
4
Ikan Bawal
5
Ikan Patin
5
Ikan Lele
7
Ikan Mas
8
Ikan Nila
9
Ikan Mujair
11
Sistem Pakar
12
K-Fold Cross Validation
12
Normalisasi
12
Confusion Matrix
13
KNN (K-Nearest Neighbour)
13
METODE
14
Akuisisi Pengetahuan
14
Representasi Pengetahuan
15
Pengembangan Mesin Inferensia
15
Identifikasi Masalah
16
Pengadaan Data
17
Praproses Data
21
Penentuan Data Latih dan Data Uji
21
Klasifikasi
21
Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan
Kualitas Air
22
Hasil Prediksi
22
Implementasi Pengembangan
22
Pengujian
22
HASIL DAN PEMBAHASAN
22
Identifikasi Masalah
22
Akuisisi Pengetahuan
23
Representasi Pengetahuan
24
Pengembangan Mesin Inferensi
24
Identifikasi Masalah
24
Pengadaan Data
25
Praproses Data
25
Min Max Normalization
26
Penentuan Data Latih dan Data Uji Menggunakan K-Fold Cross Validation26
Metode Klasifikasi Menggunakan K-NN
27
Euclidean Distance
27
Nominal Distance
27
Aggregate
27
Tahap KNN (Penetuan Tetangga Terdekat)
28
Percobaan dengan Normalisasi
28
Implementasi
31
Pengujian
SIMPULAN DAN SARAN
36
37
Simpulan
37
Saran
37
DAFTAR PUSTAKA
38
LAMPIRAN
40
RIWAYAT HIDUP
44
DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Standar kualitas air budidaya ikan bawal
Standar kualitas air budidaya ikan patin
Standar kualitas air budidaya ikan lele
Standar kualitas air budidaya ikan mas
Standar kualitas air budidaya ikan nila
Standar kualitas air budidaya ikan mujair
Confusion matrix empat kelas
Parameter input yang digunakan
Tahapan validasi data dengan pakar
Representasi pengetahuan
Standar kualitas air dan lokasi budidaya ikan patin
Jumlah data setiap subset
Susunan data latih dan data uji
Hasil akurasi setiap subset dengan k = 3, 5, dan 7
Confusion matrix percobaan dengan k = 7 subset ke-2
Hasil akurasi setiap subset dan rata-rata akurasi setiap nilai k
5
6
8
9
10
11
13
17
23
24
25
27
27
29
29
30
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Ikan patin
Ikan lele
Ikan mas
Ikan nila
Ikan mujair
Tahapan sistem pakar (Marimin 2005)
Tahapan KNN
Grafik hasil akurasi pada percobaan dengan normalisasi
Grafik rata–rata akurasi setiap nilai k
Modul/menu pada sistem
Menu tambahan pada sistem
Tampilan pertanyaan kondisi awal
Tampilan pertanyaan syarat kondisi lokasi dan kualitas air
Tampilan penentuan nilai k yang akan digunakan
Tampilan hasil akhir identifikasi bagian I
Tampilan hasil akhir identifikasi bagian II
Tampilan peringatan jika user belum memasukkan nilai
Peringatan jika jenis kolam air deras tetapi ketinggian 4 mg/lt
NH3