Sistem Pakar Mendiagnosa Hama dan Penyakit Tanaman Karet Menggunakan Metode Dempster Shafer Dan Forward Chaining

(1)

SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN

KARET MENGGUNAKAN METODE DEMPSTER SHAFER DAN

FORWARD CHAINING

SKRIPSI

DAMORA AZRI MOHARA

131421045

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

(2)

SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN KARET MENGGUNAKAN METODE DEMPSTER SHAFER DAN

FORWARD CHAINING

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

DAMORA AZRI MOHARA 131421045

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(3)

PERSETUJUAN

Judul : Sistem Pakar Mendiagnosa Hama Dan Penyakit Tanaman Karet Menggunakan Metode Dempster Shafer Dan Forward Chaining

Kategori : SKRIPSI

Nama : DAMORA AZRI MOHARA

NIM : 131421045

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Agustus 2015 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Maya Silvi Lydia, B.Sc, M.Sc Drs. Marihat Situmorang, M.Kom NIP.19740127 200212 2 001 NIP. 19631214 198903 1 001 Diketahui/disetujui oleh

Program Studi Ekstensi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 19620217 199103 1 001

(4)

PERNYATAAN

SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN KARET MENGGUNAKAN METODE DEMPSTER SHAFER DAN

FORWARD CHAINING

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Agustus 2015

(5)

PENGHARGAAN

Alhamdulillah, Puji dan Syukur yang paling utama Penulis ucapkan Kehadirat Allah Subhana Wataalaa Sang Pencipta seluruh jagad raya Yang Maha Pengasih dan Maha Penyayang yang telah melimpahkan nikmat jasmani dan rohani yang diamanahkan kepada Penulis sehingga dapat menyelesaikan Skripsi ini sesuai dengan intruksi dan peraturan yang berlaku di Fakultas Ilmu Komputer dan Teknologi Informasi. Dan tidak lupa Sholawat beriring salam Penulis hadiahkan kepada ruh junjungan Rasulullah Muhammad Sollallahu ‘Alaihi Wa Sallam yang diharapkan syafaatnya di hari kelak.

Skripsi ini tidak dapat terselsaikan dengan baik tanpa adanya bantuan dari pihak– pihak lain, maka dari itu Penulis pada kesempatan ini mengucapkan terima kasih kepada : 1. Bapak Prof. Subhilhar, Ph.D, selaku PJ Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom, selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

4. Bapak Drs. Marihat Situmorang, M.Kom, selaku Dosen Pembimbing 1 yang memberikan bimbingan dan arahan kepada Penulis dalam proses mengerjakan skripsi sehingga dapat menyelesaikan skripsi ini dengan baik.

5. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Dosen Pembimbing 2 yang memberikan bimbingan dan arahan kepada Penulis dalam proses mengerjakan skripsi sehingga dapat menyelesaikan skripsi ini dengan baik.

6. Bapak Prof. Dr. Iryanto, M.Si, selaku Dosen Pembanding 1 yang memberikan banyak masukan kepada Penulis.

7. Ibu Dian Rachmawati, S.Si, M.Kom, selaku Dosen Pembanding 2 yang memberikan banyak masukan kepada Penulis.

8. Seluruh Dosen dan Pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah banyak memberikan pengetahuannya kepada

(6)

9. Bapak Ir. Lahmuddin, M.P, selaku dosen di Fakultas Pertanian Universitas Sumatera Utara, yang telah membantu Penulis dalam mengumpulkan data dan informasi. 10. Orang tua Penulis yang selalu Penulis cintai dan hormati, Ayahanda (alm) Ery

Zulkifli Harahap dan Ibunda Nazaria Anni Hasibuan, yang selalu dan tidak bosan-bosannya mendoakan, menasehati dan membimbing Penulis, serta semua keluarga Penulis yang tidak bisa disebutkan satu persatu namanya.

11. Saudara Penulis, Azyuma Azra Mohara, Rini Farahdina Harahap, dan Hanif Zehra Mohara yang selalu memberikan semangat dan motivasi kepada Penulis.

12. Sahabat Penulis yang membantu dan memberikan motivasi dalam menyelesaikan skripsi, Riwandy Septiansyah Lubis, Nurdin Siregar, Asri Diansyah Putra, Dwi Septiana Sari, Rika Rentika, dan Rahmi Utami Siregar.

13. Teman–teman Penulis di Program Studi ekstensi S1 Ilmu Komputer 2013 yang tidak bisa disebutkan satu persatu namanya.

Penulis mendoakan semoga saran, kritik, bimbingan dan masukan dari semua pihak dibalas oleh Allah Subhana Wataalaa dengan balasan yang sebaik–baiknya. Amin.

Medan, Agustus 2015 Penulis,

(7)

ABSTRAK

Salah satu faktor yang membuat produktivitas tanaman karet menjadi rendah adalah adanya serangan hama dan penyakit, serta kurangnya informasi dan pengetahuan yang dimiliki dalam perawatannya. Untuk mengatasi masalah tersebut, perlu informasi dan pengetahuan secara umum mengenai hama dan penyakit tanaman karet dari pakar di bidang tanaman karet. Keterbatasan pakar juga menjadi kendala dalam menggunakan jasa pakar dibidang tanaman karet. Untuk mengatasi permasalahan keterbatasan pakar, dibutuhkan suatu sistem yang menerapkan salah satu metode yang terdapat dalam bidang ilmu kecerdasan buatan yaitu sistem pakar. Sistem pakar mengadopsi pengetahuan pakar ke dalam komputer sehingga komputer dapat menyelesaikan masalah seperti layaknya seorang pakar. Untuk itu, dibangun sistem pakar mendiagnosa hama dan penyakit tanaman karet menggunakan metode forward chaining dan dempster shafer. Metode

forward chaining adalah proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Sedangkan dempster shafer adalah salah satu metode untuk mengatasi ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu.

Kata kunci: sistem pakar, forward chaining, dempster shafer, diagnosa, hama, penyakit, tanaman karet

(8)

EXPERT SYSTEM TO DIAGNOSE PESTS AND RUBBER PLANT DISEASES USING DEMPSTER SHAFER AND FORWARD CHAINING METHODS

ABSTRACT

One of factor make rubber plant productivity becomes low is pests and diseases presence, and lack of information and knowledge in maintenance. To overcome these problems, needed information and general knowledge about pests and rubber plant diseases from the rubber plant expert. Limitations of expert is also an obstacle in using rubber plant expert services. To overcome the limitations of expert problem, we need a system that implements one of the methods contained in artificial intelligence is an expert system. Expert system adopts expert knowledge into computer so that computer can solve the problems like an expert. So, built an expert system to diagnose pests and rubber plant diseases using forward chaining and Dempster Shafer methods. Forward chaining method is tracing process that begins by displaying data collection or facts that convincingly towards the final conclusion. While Dempster Shafer is one of the methods to cope uncertainty on the symptoms and the rules, so that expert system is able to produce conclusions by the degree of certainty.

Keyword: expert system, forward chaining, dempster shafer, diagnostic, pests, diseases, rubber plant

(9)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Ruang Lingkup Penelitian 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Metodologi Penelitian 4

1.7 Sistematika Penulisan 5

BAB 2 LANDASAN TEORI

2.1 Kecerdasan Buatan (Artificial Intelligence) 7

2.2 Sistem Pakar 7

2.2.1 Arsitektur Sistem Pakar 8

2.2.2 Keuntungan Pemakaian Sistem Pakar 10

2.2.3 Orang Yang Terlibat Dalam Sistem Pakar 11

2.2.4 Kaidah/Aturan 12

2.2.5 Penalaran 13

2.2.6 Perunutan 13

2.2.6.1Forward Chainig (Runut Maju) 13

2.3 Dempster Shafer 14

2.4 Hama dan Penyakit Tanaman Karet 20

2.5 Penelitian Terdahulu 24

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem 26

3.1.1 Analisis Permasalahan Sistem 26

3.1.2 Analisis Kebutuhan Sistem 28

(10)

3.2.2 Activity Diagram 34

3.2.3 Sequence Diagram 36

3.2.4 Flowchart Sistem Pakar Mendiagnosa Hama dan Penyakit Tanaman Karet 38

3.3 Analisis Proses 39

3.3.1 Analisis Proses Metode Forward Chaining 39

3.3.2 Analisis Proses Metode Dempster Shafer 42

3.4 Perancangan Antarmuka Sistem (Interface) 46

3.4.1 Rancangan Halaman Utama 47

3.4.2 Rancangan Halaman Diagnosa 48

3.4.2.1Rancangan Halaman Pertanyaan 49

3.4.2.2Rancangan Halaman Hasil Diagnosa 50

3.4.3 Rancangan Halaman Login Admin 51

3.4.3.1Rancangan Halaman Utama Admin 53

3.4.3.2Rancangan Pengolahan Data 53

3.4.3.3Rancangan Tambah atau Edit Data 54

BAB 4 IMPLEMENTASI SISTEM

4.1 Implementasi Sistem 56

4.1.1 Spesisfikasi Perangkat Keras dan Perangkat Lunak 56

4.2 Antarmuka Pengguna (Interface) 57

4.2.1 Halaman Utama 57

4.2.2 Halaman Cara Peggunaan 58

4.2.3 Halaman Diagnosa 58

4.2.4 Halaman Login Admin 60

4.2.5 Halaman Utama Admin 61

4.2.6 Halaman Pengolahan Data 62

4.3 Pengujian 64

4.3.1 Pengujian Sistem Metode Dempster Shafer 65

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 67

5.2 Saran 68

(11)

DAFTAR TABEL

Halaman

Tabel 2.1. Aturan Kombinasi Untuk Densitas Baru (m3) 17

Tabel 2.2. Aturan Kombinasi Untuk Densitas Baru (m5) 19

Tabel 2.3. Hama Tanaman Karet 20

Tabel 2.4. Penyakit Pada Akar 21

Tabel 2.5. Penyakit Pada Bidang Sadap 22

Tabel 3.1. Skenario Use Case Input Data Diri 31

Tabel 3.2. Skenario Use Case Menjawab Pertanyaan 32

Tabel 3.3. Skenario Use Case Login 32

Tabel 3.4. Skenario Use Case Pengolahan Data 33

Tabel 3.5. Skenario Use Case Logout 34

Tabel 3.6. Gejala Hama dan Penyakit Tanaman Karet 42

Tabel 3.7. Aturan Kombinasi Untuk Densitas Baru (m3) 45

Tabel 3.8. Aturan Kombinasi Untuk Densitas Baru (m5) 46

Tabel 4.1. Aturan Kombinasi Untuk Densitas Baru (m3) 65

(12)

DAFTAR GAMBAR

Halaman

Gambar 2.1. Arsitektur Sistem Pakar 10

Gambar 3.1 Diagram Ishikawa Untuk Analisis Masalah 27

Gambar 3.2. Use Case Diagram Mendiagnosa Hama dan Penyakit Tanaman Karet 30

Gambar 3.3 Activity Diagram Halaman Diagnosa 35

Gambar 3.4. Activity Diagram Halaman Admin 36

Gambar 3.5. Sequence Diagram Halaman Diagnosa 37

Gambar 3.6. Sequence Diagram Halaman Admin 37

Gambar 3.7. Flowchart Sistem 38

Gambar 3.8. Rancangan Halaman Utama 47

Gambar 3.9. Rancangan Halaman Daftar Diri Pengguna 48

Gambar 3.10. Rancangan Halaman Pertanyaan 49

Gambar 3.11. Rancangan Hasil Diagnosa dan Solusi 50

Gambar 3.12. Rancangan Halaman Login Admin 52

Gambar 3.13. Rancangan Halaman Utama Admin 53

Gambar 3.14. Rancangan Pengolahan Data 54

Gambar 3.15. Rancangan Tambah atau Edit Data 55

Gambar 4.1. Halaman Utama 57

Gambar 4.2. Halaman Cara Penggunaan 58

Gambar 4.3. Form Data Diri Pengguna 59

Gambar 4.4. Halaman Pertanyaan 59

Gambar 4.5. Halaman Hasil Diagnosa 60

Gambar 4.6. Halaman Login Admin 61

Gambar 4.7. Halaman Utama Admin 61

Gambar 4.8 Halaman Pengolahan Data 62

Gambar 4.9. Form Tambah Data Gejala dan Bobot 63

Gambar 4.10. Form Edit Data Gejala dan Bobot 63

Gambar 4.11. Hapus Data Hama dan Penyakit 64

(13)

ABSTRAK

Kata kunci: sistem pakar, forward chaining, dempster shafer, diagnosa, hama, penyakit, tanaman karet

(14)

EXPERT SYSTEM TO DIAGNOSE PESTS AND RUBBER PLANT DISEASES USING DEMPSTER SHAFER AND FORWARD CHAINING METHODS

ABSTRACT

Keyword: expert system, forward chaining, dempster shafer, diagnostic, pests, diseases, rubber plant

(15)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Tanaman Karet adalah polimer hidrokarbon yang terkandung pada lateks (getah kental yang membeku ketika terkena udara bebas) beberapa jenis tumbuhan. Sumber utama produksi karet dalam perdagangan internasional adalah para atau havea brasiliensis.

Tanaman karet adalah tanaman tahunan yang dapat tumbuh sampai umur 30 tahun. Habitus tanaman ini merupakan pohon dengan tinggi tanaman dapat mencapai 15-20 meter. Tanaman karet memiliki masa belum menghasilkan selama lima tahun (masa TBM 5 tahun) dan sudah mulai dapat disadap pada awal tahun ke enam. Secara ekonomis tanaman karet dapat disadap selama 15 sampai 20 tahun (Budiman, 2012).

Karet merupakan salah satu komoditi hasil perkebunan yang mempunyai peran yang cukup penting dalam kegiatan perekonomian Indonesia dan menjadi salah satu dari beberapa komoditi ekspor unggulan Indonesia dalam menghasilkan devisa Negara di luar minyak dan gas. Terdapat 3 jenis perkebunan karet yang ada di Indonesia, yaitu Perkebunan Rakyat (PR), Perkebunan Besar Negara (PBN) dan Perkebunan Besar Swasta (PBS). Pada tahun 2012 diperkirakan nilai ekspor komoditi karet mencapi US$ 7,86 miliar dengan volume ekspor sebanyak 2,44 juta ton. Sedangkan pada tahun 2013 nilai ekspornya sekitar US$ 5,26 miliar dengan volume ekspor sekitar 2 juta ton (Kontan, 2014).

(16)

Indonesia merupakan Negara dengan kebun karet terbesar di dunia mengungguli produsen utama lainnya yaitu Thailand dan Malaysia dengan luas 3,4 juta hektar. Dari jumlah ini, sebesar 85% atau sekitar 2,84 juta hektar adalah kebun rakyat. Meskipun demikian, produksi karet Thailand per tahun lebih besar dibandingkan dengan hasil produksi karet Indonesia. Keadaan ini disebabkan karena rendahnya produktivitas dan kualitas tanaman karet Indonesia yang tidak dikelola secara profesional, terutama diperkebunan karet rakyat yang menyumbang 84% dari total produksi karet nasional. Sisanya (sekitar 16%) merupakan perkebunan karet milik Negara atau perkebunan besar yang dikelola secara profesional. Salah satu faktor yang membuat produktivitas tanaman karet menjadi rendah adalah adanya serangan hama dan penyakit. Kemudian kurangnya informasi dan pengetahuan yang dimiliki dalam perawatan sehari-hari, seperti pemupukan serta pemberantasan hama dan penyakit yang kurang intensif (Budiman, 2012).

Untuk mengatasi masalah tersebut, perlu pengenalan dan pengetahuan serta informasi secara umum dan praktis mengenai hama dan penyakit dari para ahli atau pakar di bidang tanaman karet, sehingga memudahkan dalam mengidentifikasi dan proses pengendalian lebih lanjut. Keterbatasan pakar juga menjadi kendala dalam menggunakan jasa pakar dibidang tanaman karet. Untuk mengatasi permasalahan keterbatasan pakar, dibutuhkan suatu sistem yang menerapkan salah satu metode yang terdapat dalam bidang ilmu kecerdasan buatan yaitu sistem pakar.

Sistem pakar mengadopsi pengetahuan pakar ke dalam komputer sehingga komputer dapat menyelesaikan masalah seperti layaknya seorang pakar. Dalam membangun suatu sistem pakar metode inferensi dapat digunakan untuk merunutkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Dalam penulisan tugas akhir ini, penulis menggunakan metode Forward Chaining sebagai metode inferensinya. Dan untuk menghasilkan konklusi dengan derajat kepastian tertentu penulis menggunakan metode Dempster Shafer. Metode Dempster Shafer adalah salah satu metode untuk menangani ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu .

(17)

Harapannya dengan adanya sistem pakar ini dapat membantu pihak-pihak yang melakukan budidaya tanaman karet dalam mencegah penyebaran hama dan penyakit pada tanaman karet sedini mungkin serta medapatkan solusi pengendaliannya. Sehingga dapat meningkatkan kembali produktivitas dan kualitas tanaman karet di Indonesia agar bisa bersaing dipasar dunia.

1.2 Rumusan Masalah

Adapun rumusan masalah yang dibahas dalam penelitian ini adalah bagaimana mendiagnosa hama dan penyakit tanaman karet menggunakan metode Forward Chaining

dan Dempster Shafer serta memberi solusi untuk pengendaliannya.

1.3 Ruang Lingkup Penelitian

1. Jenis hama dan penyakit yang dibahas adalah hama yang umum seperti rayap dan kutu. Untuk penyakit yang akan di bahas adalah penyakit pada bagian akar dan pada bidang sadap. Adapun penyakit akar adalah jamur akar putih dan jamur akar merah. Sedangkan pada bidang sadap adalah penyakit kanker garis, mouldy rot, dan brown blast.

2. Solusi pengendalian hama dan penyakit akan dilakukan secara mekanis maupun kimiawi.

3. Sistem pakar ini hanya mendiagnosa gejala fisik yang muncul pada tanaman karet. 4. Sistem pakar ini menggunakan metode Forward Chaining untuk menarik kesimpulan

dari informasi yang diketahui menuju konklusi akhir. Dan menggunakan metode Dempster Shafer untuk menangani ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga menghasilkan konklusi akhir dengan derajat kepastian tertentu.

(18)

5. Sistem yang akan dibangun menggunakan bahasa pemrograman PHP dan MySQL sebagai Database Management System (DBMS).

6. Informasi untuk menyusun aturan merupakan fakta yang diperoleh dari pakar ( Ir. Lahmuddin Lubis, MP.)

1.4 Tujuan Penelitian

Penelitian ini bertujuan untuk membangun sistem pakar mendiagnosa hama dan penyakit tanaman karet menggunakan metode Forward Chaining dan Dempster Shafer serta memberi solusi untuk pengendaliaanya.

1.5 Manfaat Penelitian

Diharapakan dengan adanya sistem ini dapat membantu peningkatan produktivitas dan kualitas tanaman karet serta meminimalkan biaya dalam penyediaan dan menggunakan jasa pakar.

1.6 Metodologi Penelitian

1. Studi Literatur

Pada tahapan ini dilakukan dengan membaca buku-buku referensi, skripsi, jurnal, artikel dan sumber lain yang berkaitan dengan penulisan tugas akhir ini, seperti sistem pakar, metode Forward Chaining dan Dempster Shafer, maupun tanaman karet. 2. Pengumpulan Data

Pada tahapan ini dilakukan penelitian atau wawancara yang bertujuan untuk memperoleh data yang berhubungan dengan hama dan penyakit tanaman karet, baik dari pakar tanaman karet ataupun sumber pengetahuan lain.

(19)

3. Analisis dan Perancangan Sistem

Pada metode ini dilakukan analisis sesuai dengan kebutuhan seperti cara membangun sistem pakar dengan metode Forward Chaining dan Dempster Shafer, jenis perangkat yang digunakan, pembuatan desain interface, target pengguna, dan hasil yang diinginkan.

4. Implementasi Sistem

Menyusun kode program untuk membangun sistem pakar mendiagnosa hama dan penyakit tanaman karet menggunakan bahasa pemrograman PHP dan MySQL sebagai

Database Management System (DBMS). 5. Pengujian Sistem

Pada tahap ini dilakukan pengujian sistem apakah sistem sudah berfungsi sesuai dengan metode dan komponen utama yang ditentukan dalam sistem pakar.

6. Dokumentasi

Tahapan ini berisi laporan dan kesimpulan akhir dari hasil analisis dan pengujian dalam bentuk penulisan tugas akhir beserta kesimpulannya dan menampilkan data sebagai bukti dalam bentuk hard copy.

1.7 Sistematika Penulisan

Penulisan tugas akhir disajikan dengan sistematika sebagai berikut:

BAB 1 : PENDAHULUAN

Pada bab ini membahas tentang latar belakang, rumusan masalah, ruang lingkup penelitin, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Pada bab ini membahas tentang landasan teori yang berhubungan dengan sistem pakar, metode Forward Chaining dan Dempster Shafer, hama dan

(20)

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Pada bab ini membahas tentang tujuan dari perancangan sistem pakar dalam mendiagnosa hama dan penyakit tanaman karet serta analisis dan perancangan sistem dengan metode Forward Chaining dan Dempster Shafer.

BAB 4 : IMPLEMENTASI SISTEM

Pada bab ini membahas tentang implementasi dari aplikasi yang dibangun secara keseluruhan. Serta melakukan pengujian terhadap aplikasi yang dibangun untuk mengetahui aplikasi tersebut telah dapat menyelesaikan permasalahan yang dihadapi sesuai dengan yang diharapkan.

BAB 5 : KESIMPULAN DAN SARAN

Pada bab ini membahas tentang kesimpulan-kesimpulan penulis dari penelitian yang dilakukan serta saran-saran untuk pengembangan aplikasi lebih lanjut.

(21)

BAB 2

LANDASAN TEORI

2.1 Kecerdasan Buatan (Artificial Intelligence)

Menurut Minsky dalam (Kusrini, 2006) kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia. Kecerdasan buatan memungkinkan komputer untuk berpikir dengan cara menyederhanakan program. Dengan cara ini, kecerdasan buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di masa-masa mendatang.

Kecerdasan atau kepandaian itu didapat berdasarkan pengetahuan dan pengalaman, untuk itu agar perangkat lunak yang dikembangkan dapat mempunyai kecerdasan maka perangkat lunak tersebut harus diberi suatu pengetahuan dan kemampuan untuk menalar dari pengetahuan yang telah didapat dalam menemukan solusi atau kesimpulan layaknya seorang pakar dalam bidang tertentu yang bersifat spesifik.

2.2 Sistem Pakar

Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang. Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan

(22)

Menurut Martin dan Oxman dalam (Kusrini, 2006) sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tertentu.

Sedangkan menurut Giarratano dan Riley dalam (Hartati dan Iswanti, 2008) sistem pakar adalah salah satu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah tertentu.

2.2.1 Arsitektur Sistem Pakar

Menurut Giarratano dan Riley dalam (Hartati dan Iswanti, 2008) menyatakan sistem pakar sebagai sebuah program yang difungsikan untuk menirukan pakar manusia harus bisa melakukan hal-hal yang dapat dikerjakan oleh seorang pakar. Untuk membangun sistem yang seperti itu maka komponen-komponen yang harus dimiliki adalah sebagai berikut:

1. Antarmuka pengguna (user interface) adalah perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem. Antarmuka menerima informasi dari pengguna dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pengguna.

2. Basis pengetahuan (knowledge base) merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi pengetahuan pakar dan sumber-sumber pengetahuan lainnya seperti buku-buku, majalah, jurnal ilmiah, maupun dokumentasi yang tercetak lainnya.

3. Mekanisme inferensi (inference machine) merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir.

(23)

Dalam komponen ini dilakukan pemodelan proses berpikir manusia. Pada prinsipnya mesin inferensi inilah yang mencari solusi dari suatu permasalahan.

4. Memori kerja (working memory) merupakan bagian dari sistem pakar yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. Fakta-fakta inilah nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan masalah. Konklusinya bisa berupa hasil diagnosa, tindakan, dan akibat.

Sedangkan utuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut : 1. Fasilitas penjelasan (explanation facility) merupkan proses menentukan keputusan

yang dilakukan oleh mesin inferensi selama sesi konsultasi mencerminkan proses penalaran seorang pakar. Karena pemakai kadangkala bukanlah ahli dalam bidang tersebut, maka dibutuhkan fasilitas penjelasan. Fasilitas penjelasan inilah yang dapat memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. Bentuk penjelasannya dapat berupa keterangan yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa, atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi. 2. Fasilitas akuisisi pengetahuan (knowledge acquisition facility) merupakan perangkat

lunak yang menyediakan fasilitas dialog antara pakar dengan sistem. Fasilitas akuisisi ini digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan perkembangan ilmu. Meliputi proses pengumpulan, pemidahan, dan perubahan dari kemampuan pemecahan masalah seorang pakar atau sumber pengetahuan terdokumentasi (buku, dll) ke program komputer, yang bertujuan untuk memperbaiki dan atau mengembangkan basis pengetahuan (knowledge base).

(24)

Arsitektur dasar dari sistem pakar dapat dilihat pada Gambar 2.1 :

Gambar 2.1. Arsitektur Sistem Pakar

2.2.2 Keuntungan Pemakaian Sistem Pakar

Adapun keuntungan pemakaian sistem pakar antara lain sebagai berikut (Kusrini, 2006): 1. Membuat seorang yang awam dapat bekerja seperti layaknya seorang pakar.

2. Dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti.

3. Meningkatkan output dan produktivitas. Sistem pakar dapat bekerja lebih cepat dari manusia. Keuntungan ini berarti mengurangi jumlah pekerja yang dibutuhkan, dan akhirnya akan mereduksi biaya.

(25)

5. Sistem Pakar meyediakan nasihat yang konsisten dan dapat mengurangi tingkat kesalahan.

6. Membuat peralatan yang kompleks lebih mudah dioperasikan karena sistem pakar dapat melatih pekerja yang tidak berpengalaman.

7. Handal (reliability).

8. Sistem pakar tidak dapat lelah atau bosan. Juga konsisten dalam memberi jawaban dan selalu memberikan perhatian penuh.

9. Memiliki kemampuan untuk memecahkan masalah yang kompleks.

2.2.3 Orang Yang Terlibat Dalam Sistem Pakar

Untuk memahami perancangan sistem pakar, perlu dipahami mengenai siapa saja yang berinteraksi dengan sistem. Mereka adalah (Kusrini, 2006):

1. Pakar (domain expert) adalah seseorang ahli yang dapt menyelesaikan masalah yang sedang diusahakan untuk dipecahkan oleh sistem.

2. Pembangun pengetahuan (knowledge engineer) adalah seseorang yang menerjemahkan pengetahuan seorang pakar dalam bentuk deklaratif sehingga dapat digunakan oleh sistem pakar.

3. Pengguna (user) adalah seseorang yang berkonsultasi dengan sistem untuk mendapatkan saran yang disediakan oleh pakar.

4. Pembangun sistem (system engineer): seseorang yang membuat antarmuka pengguna, merancang bentuk basis pengetahuan secara deklaratif dan mengimplementasikan mesin inferensi.

(26)

Seorang pakar/ahli (human expert) adalah seorang individu yang memiliki kemampuan pemahaman yang superior atas suatu masalah. Misalnya seorang dokter, penasihat keuangan, pakar mesin mobil, dll. Seorang pakar memiliki kemampuan:

1. Dapat mengenali (recognizing) dan merumuskan masalah 2. Menyelesaikan masalah dengan cepat dan tepat

3. Menjelaskan solusi 4. Belajar dari pengalaman 5. Restrukturisasi pengetahuan 6. Memahami batas kemampuan

Kepakaran/keahlian merupakan pemahaman yang luas dari tugas atau pengetahuan spesifik yang diperoleh dari pelatihan, membaca dan pengalaman. Jenis- jenis pengetahuan yang dimiliki dalam kepakaran :

1. Teori-teori dari permasalahan

2. Aturan dan prosedur yang mengacu pada area permasalahan 3. Aturan (heuristic) yang harus dikerjakan pada situasi yang terjadi 4. Strategi global untuk menyelesikan berbagai jenis masalah 5. Meta knowledge (pengetahuan tentang pengetahuan) dan fakta

2.2.4 Kaidah/Aturan

Cara merepresentasikan pengetahuan berbasis kaidah memanfaatkan apa yang disebut kaidah, yang tak lain adalah pernyataan IF-THEN diamana bagian THEN akan bernilai benar jika satu atau lebih sekumpulan fakta atau hubungan antar fakta diketahui benar, memenuhi bagian IF. Secara umum, dalam bentuk kaidah produksi IF premis THEN

konklusi, maka untuk premis yang lebih dari satu dapat dihubungkan dengan operator and

atau or. Sedangkan bagian konklusi dapat berupa kalimat tunggal, beberapa kalimat yang dihubungkan dengan and, dan dimungkinkan dikembangkan dengan else.

(27)

2.2.5 Penalaran

Penalaran adalah proses untuk menghasilkan inferensi dari fakta yang diketahui atau yang diasumsikan. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia.

2.2.6 Perunutan

Perunutan adalah proses pencocokan fakta, pernyataan atau kondisi berjalan yang tersimpan pada basis pengetahuan maupun pada memori kerja dengan kondisi yang dinyatakan pada premis atau bagian kondisi pada kaidah.

2.2.6.1Forward Chaining (Runut Maju)

Runut maju merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Runut maju bisa juga disebut sebagai penalaran forward (forward reasoning) atau pencarian yang dimotori data (data driven search). Jadi dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju konklusi atau derived information (then) atau dapat dimodelkan sebagai berikut:

IF (informasi masukan)

(28)

Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan. Sedangkan konklusi dapat berupa tujuan, hipotesa, penjelasan, atau diagnosis. Sehingga jalannya penalaran runut maju dapat dimulai dari data menuju tujuan, dari bukti menuju hipotesa, dari temuan menuju penjelasan, atau dari pengamatan menuju diagnosa (Hartati dan Iswanti, 2008). Adapun contoh struktur kaidah dalam Forward Chaining sebagai berikut :

IF panas badan AND hidung buntu AND makan udang THEN demam

Jadi, dengan metode forward chaining ini dapat diperoleh konklusi dengan menyusun aturan berdasarkan informasi berupa data atau fakta yang meyakinkan. Informasi tersebut didapatkan dari jawaban pengguna yang disimpan di memori kerja dan disesuaikan dengan aturan yang ada pada basis pengetahuan, yang kemudian diolah oleh mesin inferensi untuk mendapatkan konklusi. Berdasarkan contoh diatas informasinya adalah panas badan, hidung buntu, dan makan udang. Kemudian diperoleh konklusi berupa diagnosa demam.

2.3 Dempster Shafer

Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini dapat berupa probabilitas atau kebolehjadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor, yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini dapat dilihat pada sistem diagnosis penyakit, dimana pakar tidak dapat mendefenisikan hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya akan ditemukan banyak kemungkinan diagnosis (Kusrini, 2006).

(29)

Ketidakpastian yang terjadi pada suatu kaidah disebabkan oleh 3 hal yaitu, aturan tunggal, ketidaksesuaian antar kaidah, dan resolusi konflik. Tiga hal yang mempengaruhi aturan tunggal adalah: adanya kesalahan, probabilitas, dan kombinasi premis. Kesalahan disebabkan oleh:

1. Ambiguitas, sesuatu didefenisikan lebih dari satu cara 2. Ketidaklengkapan data/informasi, misalnya data hilang

3. Kesalah informasi, misal: kesalahan manusia dalam membaca data, meletakkan data, informasi yang tidak benar

4. Kesalahan pengukuran: ketidakpastian dalam melakukan pengukuran data

Probabilitas disebabkan karena ketidakmampuan pakar dalam merumuskan kaidah secara pasti. Kombinasi premis turut mempengaruhi terjadinya aturan tunggal, yang dimaksud adalah suatu kaidah yang terdiri dari lebih satu premis dan antar premis tersebut dihubungkan dengan beberapa operator yang berbeda.

Penanganan ketidakpastian dapat dilibatkan untuk menangani ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu. Penambahan ini akan membuat sistem menjadi lebih sempurna. Ketidakpastian yang merupakan masalah tersendiri dapat diatasi oleh beberapa metode antara lain adalah dengan metode Dempster Shafer (Hartati dan Iswanti, 2008).

Metode Dempster Shafer pertama kali diperkenalkan oleh Arthur P. Dempster dan Glenn Shafer, yang melakukan model ketidakpastian dengan range probabilities daripada sebagai probabilitas tunggal. Kemudian pada tahun 1976 Shafer mempublikasikan teori Dempster itu pada sebuah buku yang berjudul Mathematical Theory Of Evident. Dempster Shafer Theory Of Evidence, menunjukkan suatu cara untuk memberikan bobot kenyakinan sesuai fakta yang dikumpulkan. Pada teori ini dapat membedakan ketidakpastian dan ketidaktahuan.

(30)

Secara umum teori Dempster Shafer ditulis dalam suatu interval: [Belief, Plausibility]. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian.

Plausibility menunjukkan keadaan yang bisa dipercaya. Plausibility (Pl) dinotasikan sebagai: Pl (s) = 1 – Bel (¬s). Plausibility juga bernilai 0 sampai 1. Jika kita yakin akan ¬s, maka dapat dikatakan bahwa Bel (¬s) = 1, dan Pl (¬s) = 0. Plausability

akan mengurangi tingkat kepercayaan dari evidence (Wahyuni dan Prijodiprojo, 2013).

Dalam teori Dempster Shafer diasumsikan bahwa hipotesa-hipotesa yang digunakan dikelompokkan ke dalam suatu lingkungan tersendiri yang biasa disebut himpunan semesta pembicaraan dari sekumpulan hipotesa dan diberikan notasi θ. Selain itu dikenal juga probabilitas fungsi densitas (m) yang menunjukkan besarnya kepercayaan

evidence terhadap hipotesa tertentu. Fungsi kombinasi m1 dan m2 sebagai m3 dibentuk

dengan persamaan :

Keterangan:

m1 (X) =ukuran kepercayaan evidence X

m2 (Y) = ukuran kepercayaan evidence Y

m3 (Z) = ukuran kepercayaan evidence Z

∑ ∩ = m X . m Y = merupakan nilai kekuatan dari evidence Z yang diperoleh dari kombinasi nilai keyakinan sekumpulan evidence.

�

m .m

₌_{hasil irisan m}₁_{dan m}₂

Y

m .m

₌_{tidak ada hasil irisan (irisan kosong(Ø)).} � � = _{− ∑}∑ ∩ = � . �

(31)

Contoh Dempster Shafer (Sumber: Binus University, 2005):

Vany mengalami gejala panas badan, hidung buntu dan makan udang. Dari diagnosa dokter kemungkinan Vany menderita : Flu, Demam, Bronkitis, Alergi.

Tunjukkan kaitan ukuran kepercayaan dari elemen-elemen yang ada?

 Gejala 1: panas badan

Apabila diketahui nilai kepercayaan setelah dilakukan observasi panas sebagai gejala Flu, Demam dan Bronkitis adalah :

m1{Flu, Demam, Bronkitis} = 0,8

m1{} = 1 – 0,8 = 0,2

Sehari kemudian Vany datang ke dokter lagi dengan gejala hidung buntu.

 Gejala 2: hidung buntu

Setelah observasi diketahui bahwa nilai kepercayaan hidung buntu sebagai gejala Alergi, Flu dan Deman adalah :

m2{Alergi, Flu, Demam} = 0,9

m2{} = 1 – 0,9 = 0,1

Munculnya gejala baru maka harus dihitung densitas baru untuk beberapa kombinasi (m3). Untuk memudahkan perhitungan maka himpunan-himpunan bagian

dibawa ke bentuk tabel. Tabel dapat dilihat pada tabel 2.1 dan tabel 2.2 berikut :

Tabel 2.1. Aturan Kombinasi Untuk Densitas Baru (m3)

Keterangan:

- Kolom pertama berisikan semua himpunan bagian pada gejala pertama (panas) dengan m1 sebagai fungsi densitas.

{Alergi, Flu, Demam} 0,9

θ 0,1 {Flu, Demam, Bronkitis}

0,8

{Flu, Demam} 0,72

{Flu, Demam, Bronkitis} 0,08

θ 0,2

{Alergi, Flu, Demam} 0,18

θ 0,02

(32)

- Baris pertama berisikan semua himpunan bagian pada gejala kedua (hidung buntu) dengan m2 sebagai fungsi densitas.

- Baris kedua dan ketiga pada kolom kedua merupakan irisan dari kedua himpunan.

Selanjutnya dihitung densitas baru untuk beberapa kombinasi (m3) dengan

persamaan Dempster-Shafer sbb : m3 {Flu, Demam} = ,

− = 0,72 m3 {Alergi, Flu, Demam} = ,

− = 0,18 m3 {Flu, Demam, Bronkitis} = ,

− = 0,08 m3 {θ} = ,

− = 0,02 Keterangan :

- Terlihat bahwa pada mulanya dengan hanya gejala panas, m{Flu, Demam, Bronkitis} = 0,8. Namun setelah ada gejala baru (hidung buntu), maka nilai m{Flu, Demam, Bronkitis} = 0,08.

- Demikian pula pada mulanya hanya dengan gejala hidung buntu, m{Alergi, Flu, Demam} = 0,9. Namun setelah ada gejala baru (panas) maka m{Alergi, Flu, Demam} = 0,18.

-

Dengan adanya 2 gejala tersebut, maka nilai densitas yang paling kuat adalah m{Flu, Demam} = 0,72

.

Bagaimana jika Vany ke dokter lagi dan ditemukan gejala baru lagi berupa Vany makan udang.

 Gejala 3 : makan udang

Setelah dilakukan observasi, diketahui bahwa udang sebagai gejala Alergi dengan nilai kepercayaan :

m4{Alergi} = 0,6

(33)

Maka harus dihitung densitas baru untuk setiap himpunan bagian dengan fungsi densitas m5. Untuk memudahkan dibuat tabel dengan kolom pertama berisi himpunan

bagian-himpunan bagian hasil kombinasi gejala 1 dan gejala 2 dengan fungsi densitas m3.

Sedangkan baris pertama berisi himpunan bagian-himpunan bagian pada gejala 3 dengan fungsi densitas m4.Sehingga dihasilkan tabel sbb :

Tabel 2.2. Aturan Kombinasi Untuk Densitas Baru (m5)

{Alergi} 0,6  0,4 {Flu, Demam} 0,72 Ø 0,432 {Flue, Demam} 0,288 {Alergi, Flu, Demam}

0,18

{Alergi} 0,108

{Alergi, Flue, Demam} 0,072

{Flu, Demam, Bronkitis} 0,08

Ø 0,048

{Flu, Demam, Bronkitis} 0,032  0,02 {Alergi} 0,012  0,008

Sehingga dapat dihitung densitas baru m5 hasil kombinasi dari gejala lama dengan

gejala baru.

m5 {Alergi} = , + ,

− , + , = 0,231 m5 {Flu, Demam} = ,

− , + , = 0,554 m5 {Alergi, Flu, Demam} = ,

− , + , = 0,138 m5 {Flu, Demam, Bronkitis} = ,

− , + , = 0,062 m5 {θ} = ,

− , + , = 0,015

Ternyata dengan gejala baru ini karena Vany makan udang, dimana Vany alergi terhadap udang, nilai densitas yang paling tetap yaitu m5{Flu, Demam} = 0,554. Jadi

dengan tiga jenis gejala yang dialami oleh Vany, kemungkinan paling kuat Vany terkena Flu dan Demam.

(34)

2.4 Hama dan Penyakit Tanaman Karet

Hama adalah organisme yang menyebabkan pertumbuhan dan perkembangan tanaman terganggu bahkan bisa mematikan tanaman. Sedangkan penyakit adalah suatu proses fisiologi tumbuhan yang abnormal dan merugikan, yang disebabkan oleh faktor primer (biotik atau abiotik) dan gangguannya bersifat terus menerus serta akibatnya dinyatakan oleh aktifitas sel/jaringan yang abnormal. Adapun hama dan penyakit tanaman karet dapat dilihat pada tabel 2.3, tabel 2.4 dan tabel 2.5 berikut (Setiawan dan Andoko, 2008):

Tabel 2.3. Hama Tanaman Karet

No. Hama Keterangan

1. Rayap Rayap yang menjadi hama bagi tanaman karet, terutama spesies Microtermes Inspiratus dan

Captotermes Curvignathus. Rayap-rayap tersebut menggerogoti bibit yang baru saja ditanam di lahan, dari ujung stum sampai perakaran, sehingga menimbulkan kerusakan yang sangat berat.

2. Kutu Kutu tanaman yang menjadi hama bagi tanaman karet adalah Saissetia Nigra, Laccifer Greeni, Laccifer Lacca, Ferrisiana Virgata, dan

Planococcus Citri yang masing-masing memiliki ciri berbeda. Saissetia berbentuk perisai dengan warna cokelat muda sampai kehitaman. Laccifer

berwarna putih lilin dengan kulit keras dan hidup berkelompok. Ferrisiana berwarna kuning muda sampai kuning tua dengan badan tertutup lilin tebal. Sementara itu, Planococcus berwarna cokelat gelap dan badannya tertutup semacam lilin halus mengilap. Kutu tersebut menjadi hama bagi tanaman karet dengan cara menusuk pucuk batang dan daun muda untuk mengisap cairan yang ada di dalamnya. Bagian tanaman yang diserang berwarna kuning dan akhirnya mengering, dan pertumbuhan terhambat.

(35)

Tabel 2.4. Penyakit Pada Akar

No. Penyakit Pada Akar Keterangan

1. Jamur Akar Putih Disebut dengan penyakit akar putih karena di akar tanaman yang terserang terlihat miselia jamur berbentuk benang berwarna putih yang menempel kuat dan sulit dilepaskan. Akar tanaman yang terinfeksi akan menjadi lunak, membusuk, dan berwarna cokelat. Cendawan penyebab penyakit akar putih adalah Rigidoporus Lignosus yang membentuk badan buah seperti topi di akar, pangkal batang, dan tunggul tanaman. Badan buah cendawan ini berwarna jingga kekuningan dengan lubang-lubang kecil di bagian bawah tempat spora. Jika sudah tua, badan buah tersebut akan mengering dan berwarna cokelat.

2. Jamur Akar Merah Jika penyakit akar putih cenderung menyerang tanaman muda (berumur 2–4 tahun), penyakit akar merah justru lebih banyak menyerang tanaman dewasa atau bahkan yang mulai menua. Meskipun berbahaya, kematian tanaman baru terjadi lima tahun setelah terinfeksi. Gejala yang bisa dilihat dari serangan penyakit ini adalah terjadinya perubahan warna daun dari hijau menjadi hijau pucat suram, menguning, dan akhirnya berguguran. Disebut dengan penyakit akar merah karena jika tanah di daerah perakaran tanaman yang sakit dibongkar akan terlihat miselia jamur berwarna merah muda sampai merah tua di akar-akarnya. Miselia tersebut menempel sangat erat dan mengikat butiran tanah, sehingga menjadi seperti berkerak. Jika sudah kering, miselia tersebut akan berwarna putih, tetapi kalau dibasahi dengan air akan kembali berwarna merah. Infeksi terjadi jika akar tanaman sehat bersentuhan dengan akar tanaman sakit atau akar yang mengandung spora cendawan penyebab penyakit akar merah. Infeksi juga terjadi jika spora jatuh di leher akar karena tiupan angin.

(36)

Tabel 2.5. Penyakit Pada Bidang Sadap No. Penyakit Pada Bidang

Sadap

Keterangan

1. Kanker Garis Cendawan penyebab penyakit kanker garis sama dengan biang keladi kanker bercak, yakni

Phytophthora Palmivora. Infeksi cendawan ini mengakibatkan kerusakan berupa benjolan-benjolan atau cekungan-cekungan di bekas bidang sadap lama, sehingga penyadapan berikutnya sulit dilakukan. Penyakit ini umumnya berjangkit di kebun-kebun berkelembaban tinggi, terletak di wilayah beriklim basah, serta di kebun-kebun yang penyadapannya terlalu dekat dengan tanah. Gejala serangan penyakit kanker garis dapat dilihat dari adanya selaput tipis putih dan tidak begitu jelas menutup alur sadap. Jika dikerok atau diiris, di bawah kulit yang terletak di atas irisan sadap terlihat garis-garis tegak berwarna cokelat kehitaman. Dalam perkembangannya, garis-garis ini akan menyatu membentuk jalur hitam yang tampak seperti retakan membujur di kulit pulihan. Pada beberapa kasus, di bawah kulit yang baru pulih akan terbentuk gumpalan lateks yang bisa menyebabkan pecahnya kulit. Dari pecahan kulit ini akan keluar tetesan-tetesan lateks berwarna cokelat yang berbau busuk. Karena rusak, pemulihan kulit akan terhambat.

(37)

2 Mouldy Rot Penyebab penyakit mouldy rot adalah cendawan

Ceratocystis Jimbriata dengan benang-benang hifa yang membentuk lapisan berwarna kelabu di bagian yang terserang. Spora banyak dihasilkan di bagian tanaman yang sakit dan bisa bertahan lama dalam kondisi kering. Akibat yang ditimbulkan penyakit ini sarat dengan kanker garis, yaitu menimbulkan luka-luka di bidang sadap, sehingga pemulihan kulit menjadi terganggu. Luka-luka tersebut meninggalkan bekas bergelombang di bidang sadap, sehingga menyulitkan penyadapan berikutnya. Bahkan, dalam beberapa kasus bidang sadap menjadi rusak, sehingga tidak bisa dilakukan penyadapan lagi. Penyakit ini mudah berjangkit pada musim hujan, terutama di daerah-daerah berkelembaban tinggi dan beriklim basah. Penyadapan yang terlalu dekat dengan tanah juga bisa memicu serangan penyakit ini.

3. Brown Blast Penyakit brown blast bukan disebabkan oleh infeksi mikroorganisme, melainkan karena penyadapan yang terlalu sering, apalagi jika disertai penggunaan bahan perangsang lateks. Penyakit ini juga sering menyerang tanaman yang terlalu subur, berasal dari biji, dan tanaman yang sedang membentuk daun baru. Gejala penyakit ini dapat dilihat dengan tidak mengalirnya lateks dari sebagian alur sadap. Beberapa minggu kemudian seluruh alur sadap menjadi kering dan tidak mengeluarkan lateks. Bagian yang kering berubah warna menjadi cokelat karena terbentuk gum

(blendok). Kulit menjadi pecah-pecah dan di batang terjadi pembengkakan atau tonjolan. Penyakit ini berbahaya karena bisa menurunkan produktivitas lateks dalam jumlah yang cukup signifikan karena alur sadap mengering, sehingga tidak bisa mengalirkan lateks.

(38)

2.5 Penelitian Terdahulu

Adapun bahan pertimbangan dalam melakukan penelitian ini, penulis mengambil beberapa referensi dari penelitian sebelumnya. Beberpa penelitian yang penulis jadikan bahan referensi untuk melakukan penelitian ini adalah sebegai berikut:

a. Penelitian yang dilakukan oleh Dewi Yanti (2010) dengan menggunakan metode

Forward Chaining untuk diagnosis penyakit utama tanaman kelapa sawit diperoleh kesimpulan sebagai berikut : Informasi yang didapat dari sistem pakar ini sudah sesuai dengan tujuan yaitu sistem dapat mendefenisikan penyakit tanaman kelapa sawit beserta saran pengendaliannya. Sistem pakar yang dibuat sudah mampu melakukan proses penalaran dengan menggunakan metode Forward Chaining yaitu proses penalaran dari premis atau data menuju pada konklusi. Dan Pada perancangan sistem pakar ini proses konsultasi hanya memiliki pilihan jawaban ya dan tidak (Yanti, 2010).

b. Penelitian yang dilakukan oleh Hasdya Mutia Rambey (2011) dengan menggunakan metode Forward Chaining untuk menentukan penyakit dan hama pada tanamana semangka diperoleh kesimpulan sebagai berikut: Telah berhasil dibuat aplikasi sistem pakar untuk menentukan penyakit dan hama pada tanaman semangka menggunakan metode Forward Chaining, Sistem pakar untuk penyakit dan hama tanaman semangka ini telah mampu memberikan informasi kepada user mengenai penyakit dan hama tanaman semangka berdasarkan pertanyaan yang diberikan, Aplikasi ini dapat memberikan informasi kepada orang awam mengenai penyakit dan hama tanaman semangka sehingga dapat diketahui langkah lebih lanjut untuk mengatasinya (Rambey, 2011).

c. Penelitian yang dilakukan oleh Misbahul Jannah (2011) dengan menggunakan metode

Forward Chaining dan Dempster Shafer untuk mendiagnosa penyakit lambung diperoleh kesimpulan bahwa perangkat lunak tersebut dapat mendiagnosa penyakit pada lambung antara lain Gastritis, Dispepsia dan GERD dengan nilai kepercayaan rata-rata 0.9981 (Jannah, 2011).

(39)

d. Penelitian yang dilakukan oleh Elyza Gustri Wahyuni dan Widodo Prijodiprojo (2013) dengan menggunakan metode Dempster Shafer untuk mendiangnosa tingkat resiko penyakit Jantung Koroner dengan masukkan berupa gejala serta faktor resiko yang dimiliki pasien. Dari beberapa kasus yang diuji cobakan diperoleh hasil diagnosa yang sama antara perhitungan sistem dengan menggunakan teori mesin inferensi Dempster Shafer dan pengetahuan pakar yaitu Dokter Spesialis Jantung. Hasil ujicoba 10 kasus yang didapatkan dari Rekam medis RS.PKU Muhammadiyah Yogyakarta, maka didapatkan persentase sebesar 100% nilai kebenaran dari prediksi diagnosa yang sesuai dengan pengetahuan yang dimiliki oleh pakar (Wahyuni dan Prijodiprojo, 2013).

(40)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Analisis sistem merupakan sebuah teknik pemecahan masalah yang menguraikan sebuah sistem menjadi bagian-bagian komponen dengan tujuan mempelajari seberapa baik bagian-bagian komponen tersebut bekerja dan berinteraksi untuk mencapai tujuannya. Analisis sistem merupakan suatu proses yang harus dilaksanakan untuk menentukan permasalahan yang harus dihadapi. Tahap ini adalah sangat penting, karena proses analisis yang kurang akurat akan menyebabkan hasil dari suatu sistem pengembangan perangkat akan tidak sesuai dengan yang diharapkan. Jadi untuk itu proses ini harus benar-benar sesuai dengan penggunaan agar hasil penggunaan perangkat lunak memuaskan pengguna. Sehingga nantinya dapat membantu didalam proses perancangan model suatu sistem yang akan di implementasikan.

3.1.1 Analisis Permaslahan Sistem

Analisis permasalahan sistem merupakan langkah pertama yang dilakukan dalam analisis sistem. Masalah dapat didefinisikan sebagai suatu pertanyaan yang diinginkan untuk dipecahkan. Masalah ini yang menyebabkan sasaran dari sistem tidak dapat dicapai. Oleh karena itulah pada tahap analisis sistem, langkah pertama yang harus dilakukan oleh analis sistem adalah mengidentifikasi terlebih dahulu masalah-masalah yang terjadi.

(41)

Adapun permasalahan dalam perancangan sistem pakar ini yaitu bagaimana mendiagnosa hama dan penyakit tanaman karet menggunakan metode Forward Chaining

dan Dempster Shafer. Hal ini sangat bermanfaat bagi pengguna agar dapat mengetahui jenis hama dan penyakit yang dialami oleh tanaman karet sehingga lebih cepat dalam pemberian solusi dan pengendaliannya.

Metode analisis yang digunakan dalam menganalisis masalah yang akan dihadapi untuk membuat aplikasi ini adalah dengan menggunakan metode Fishbone Diagram/Ishikawa Diagram. Diagram ishikawa digunakan untuk menjelaskan tentang sebab dan akibat dari masalah yaitu dengan menjelaskan bahwa bagian kepala atau segiempat yang berada di sebelah kanan merupakan masalah. Sementara pada bagian tulang merupakan penyebab. Ishikawa diagram dapat dilihat pada gambar 3.1 berikut :

Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah

Keterangan gambar 3.1. diagram ishikawa adalah sebagai berikut :

People

1. Dengan adanya sistem yang akan dibangun, penggunadapat mendiagnosa hama dan penyakit tanaman karet serta dapat mengetahui solusi untuk pengendaliannya.

(42)

2. Dengan adanya sistem yang akan dibangun diharapkan seorang admin dapat menambah, mengubah dan menghapus data

Material

1. Sistem yang akan dibangun diharapkan dapat menampilkan hasil diagnosa dan solusi untuk pengendaliannya.

Method

1. Sistem nantinya akan menggunakan metode forward chaining dan dempster shafer dalam mendiagnosa hama dan penyakit tanaman karet.

Machine

1. Sistem yang akan dibangun nantinya akan menggunakan bahasa pemrograman PHP

(Hypertext Processor) dan Mysql sebagai Database Management System (DBMS).

3.1.2 Analisis Kebutuhan Sistem

Langkah selanjutnya dari tahap analisis sistem adalah memahami kerja dari sistem yang ada. Langkah ini dapat dilakukan dengan mempelajari secara terinci bagaimana sistem yang ada beroperasi. Analisis sistem perlu mempelajari apa dan bagaimana operasi dari sistem yang ada sebelum mencoba untuk menganalisis permasalahan-permasalahan, kelemahan-kelemahan dan kebutuhan-kebutuhan pengguna sistem untuk dapat memberikan solusi pengendalian. Tahap analisis kebutuhan sistem dibagi menjadi dua, yaitu analisis kebutuhan fungsional sistem dan analisis kebutuhan non-fungsional sistem. 1. Kebutuhan Fungsional Sistem

Kebutuhan fungsional sistem adalah kebutuhan yang berisi proses-proses apa saja yang nantinya dilakukan oleh sistem. Adapun kebutuhan sistem pakar mendiagnosa hama dan penyakit tanaman karet antara lain sebagai berikut:

a. Sistem menampilkan informasi mengenai cara penggunaan sistem untuk mempermudah pengguna dalam menggunakan sistem ini.

b. Dalam mendiagnosa hama dan penyakit tanaman karet, sistem menggunakan metode Dempster Shafer dalam menghitung derajat kepastian hama dan penyakit tanaman karet dan Forward Chaining dalam proses perunutannya.

(43)

c. Sistem memberikan hasil diagnosa berupa jenis hama dan penyakit dari tanaman karet berdasarkan jawaban dari pertanyaan yang diberikan langsung kepada pengguna, dimana pertanyaan yang diberikan merupakan gejala-gejala yang terlihat oleh pengguna dilapangan.

d. Sistem mengolah data pada halaamn admin, baik itu untuk tambah, ubah dan hapus data.

2. Kebutuhan Non-Fungsional Sistem

Kebutuhan non-fungsional adalah kebutuhan yang menitikberaktkan pada property

perilaku yang dimiliki oleh sistem. Kebutuhan non-fungsional memberikan batasan suatu sistem dan mendeskripsikan beberapa fitur dalam sistem. Berikut adalah kebutuhan non-fungsional sistem pakar mendiagnosa hama dan penyakit tanaman karet, yaitu:

a. Data yang digunakan dalam penghitungan nilai kepastian mendiagnosa hama dan penyakit tanaman karet didapat dari pakar (Ir. Lahmuddin Lubis, MP.) untuk menghasilkan informasi yang benar,

b. Sistem yang telah dirancang nantinya masih dapat dikembangkan kembali oleh pakar untuk menghasilkan informasi yang lebih akurat, dan

c. Sistem yang dibangun mudah dimengerti dan digunakan oleh pengguna ( user-friendly).

3.2 Pemodelan Sistem

Pemodelan sistem adalah proses membangun atau membentuk sebuah model dari suatu sistem nyata dalam bahasa formal tertentu. Pemodelan sistem dilakukan dengan membuat

use case diagram, activity diagram, sequence diagram dan flowchart sistem yang dibangun.

(44)

3.2.1 Use Case Diagram

Use case diagram merupakan model diagram yang digunakan untuk menggambarkan

requirement fungsional yang diharapkan dari sebuah sistem. Use case diagram menekankan pada “siapa” melakukan “apa” dalam lingkungan sistem yang akan dibangun. Atau use case diagram merupakan diagram yang menyatakan interaksi antar sistem dan pengguna.

Use case dari sistem pakar mendiagnosa hama dan penyakit tanaman karet dapat dilihat pada gambar 3.2 dibawah ini :

(45)

Berikut adalah skenario dari use case pada gambar 3.2 yaitu: Nama Use Case : Input Data Pengguna

Aktor : Pengguna

Deskripsi : Use case ini berfungsi untuk mendapatkan informasi data diri pengguna

Pre-condition : Penggunabelum meng-input data diri

Post-condition :Penggunatelah meng-input data diri

Skenario : Skenario use caseinput data diri dapat dilihat pada tabel 3.1

Tabel 3.1. Skenario Use CaseInput Data Diri Aksi Aktor Reaksi Sistem Skenario Normal

1. Meng-input data pengguna

2. Menampilkan halaman pertanyaan

Skenario Alternatif

1. Meng-input data pengguna

2. Menampilkan pesan “Field Tidak Boleh Kosong”

Nama Use Case : Menjawab Pertanyaan Sesuai Gejala Tanaman Karet

Aktor :Pengguna

Deskripsi : Use case ini berfungsi untuk mendapatkan jawaban dari pengguna

Pre-condition : Pengguna belum menjawab pertanyaan

Post-condition : Pengguna telah menjawab pertanyaan

Skenario : Skenario use case menjawab pertanyaan dapat dilihat pada tabel 3.2 berikut

(46)

Tabel 3.2. Skenario Use Case Menjawab Pertanyaan Aksi Aktor Reaksi Sistem

Skenario Normal

1. Menjawab pertanyaan

2. Menampilkan halaman hasil diagnosa dan solusi, berupa jenis hama atau penyakit yang dialami tanaman karet disertai dengan derajat kepastian terhadap hama atau penyakit tersebut.

Skenario Alternatif

- -

Nama Use Case : Login

Aktor : Admin

Deskripsi : Use case ini berfungsi untuk mengauthentifikasi pengguna ketika akan masuk kedalam sistem dengan menggunakan username dan

password.Username dan password di hasilkan oleh administator. Tujuan utama use case ini adalah agar hanya pengguna terdaftar saja yang dapat memasuki sistem

Pre-condition : Admin belum login kedalam sistem

Post-condition : Admin sudah login kedalam sistem

Skenario : Skenario use caselogin dapat dilihat pada tabel 3.3 di bawah ini

Tabel 3.3. Skenario Use CaseLogin

Aksi Aktor Reaksi Sistem Skenario Normal

1. Input username & password

2. Memeriksa input

(47)

Skenario Alternatif

1. Input username & password

2. Menampilkan pesan “Username atau

Password salah dan Field Tidak Boleh Kosong”

Nama Use Case : Pengolahan Data

Aktor : Admin

Deskripsi : Use case ini berfungsi untuk admin dalam memperbaharui basis pengetahuan atau menambah, menghapus dan mengedit gejala serta bobot hama dan penyakit tanaman karet

Pre-condition : Admin sudah login kedalam sistem

Post-condition : Admin dapat melihat data hama dan penyakit tanaman karet Skenario : Skenario use case pengolahan basis data dapat dilihat pada tabel 3.4 di bawah ini

Tabel 3.4. Skenario Use Case Pengolahan Data Aksi Aktor Reaksi Sistem Skenario Normal

1. Memilih menu “Input Data”

2. Menampilkan halaman “Input Data” untuk selanjutnya melakukan pengolahan data

Skenario Alternatif -

Nama Use Case : Logout

Aktor : Admin

Deskripsi : Use case ini berfungsi untuk mengeluarkan admin dari halaman admin

(48)

Pre-condition : Admin belum logout dari halaman admin

Post-condition : Admin sudah logout dari halaman admin

Skenario : Skenario use caselogout dapat dilihat pada tabel 3.5 berikut ini

Tabel 3.5. Skenario Use CaseLogout

Aksi Aktor Reaksi Sistem Skenario Normal

1. Memilih menu “Logout”

2. Mengarahkan pengguna keluar dari halaman admin menuju form login admin

Skenario Alternatif -

3.2.2 Activity Diagram

Activity diagram adalah diagram yang digunakan untuk menggambarkan grafis aliran bisnis proses atau sistem, langkah-langkah dari use case, atau perilaku objek (melakukan sesuatu sesuai fungsinya). Activity diagram mendiagnosa hama dan penyakit tanaman karet dari pengguna dapat dilihat pada gambar 3.3 berikut :

(49)

Gambar 3.3. Activity Diagram Halaman Diagnosa

Sedangkan activity diagram kelola data (tambah, ubah, atau hapus) pada halaman admin dapat dilihat pada gambar 3.4 berikut :

(50)

Gambar 3.4. Activity Diagram Halaman Admin

3.2.3 Sequence Diagram

Sequence diagram adalah diagram yang digunakan untuk menggambarkan interaksi antara aktor dan sistem untuk sebuah use case. Dan membantu mengidentifikasi pesan tingkat tinggi dari sistem yang masuk dan keluar.

Berikut ini adalah gambar sequence diagram untuk mendiagnosa hama dan penyakit tanaman karet yang diperlihatkan gambar 3.5 dan sequence diagram halaman admin pada gambar 3.6 berikut :

(51)

Gambar 3.5. Sequence Diagram Halaman Diagnosa

(52)

3.2.4 Flowchart Sistem

Flowchart adalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses dengan proses lainnya dalam menyelesaikan suatu masalah. Flowchart sistem merupakan bagan yang menunjukkan alur kerja atau apa yang sedang dikerjakan di dalam sistem secara keseluruhan dan menjelaskan urutan dari prosedur–prosedur yang ada di dalam sistem. Adapun flowchart sistem yang akan dibangun dapat dilihat pada gambar 3.7 berikut :

Gambar 3.7. Flowchart Sistem Pakar Mendiagnosa Hama dan Penyakit Tanaman Karet

(53)

Keterangan:

Flowchart akan diawali dengan mulai. Selanjutnya sistem akan menampilkan halaman utama yang berisi menu pilihan dan ucapan selamat datang kepada pengguna. Pengguna dapat memilih menu cara penggunaan, dan sistem akan menampilkan halaman cara penggunaan atau pengguna dapat memilih menu lainnya. Kemudian jika pengguna tidak memilih menu cara penggunaan, dapat memilih menu diagnosa. Pada halaman diagnosa ini, pengguna terlebih dahulu harus mengisi data pengguna. Untuk selanjutnya pengguna akan masuk ke halaman pertanyaan. Pada halaman ini akan ditampilkan pertanyaan mengenai gejala tanaman karet. Selanjutnya pengguna menjawab pertanyaan yang diajukan sistem. Jawaban dari pengguna tersebut akan diproses dengan Forward Chaining dan melakukan proses penghitungan dengan Dempster Shafer. Selanjutnya akan didapatkan hasil diagnosa dan solusi.

3.3 Analisis Proses

Analisis proses ini dibutuhkan untuk mengetahui bagaimana proses dari suatu sistem dalam mencapai tujuannya dengan benar. Dalam mendiagnosa hama dan penyakit tanaman karet, sistem pakar ini menggunakan metode Forward Chaining dan Dempster Shafer. Adapun hasil dari analisis proses ini adalah di dapatkannya konklusi berupa hama dan penyakit tanaman karet disertai dengan derajat kepastian tertentu. Untuk selanjutnya didapatkan solusi pengendaliannya.

3.3.1 Analisis Proses Metode Forward Chaining

Forward Chaining (runut maju) merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Runut maju bisa juga disebut sebagai penalaran forward (forward reasoning) atau pencarian yang dimotori data (data driven search). Jadi dimulai dari premis-premis atau informasi

(54)

Pada proses ini, pengguna diminta untuk menjawab pertanyaan yang berhubungan dengan gejala tanaman karet. Dari jawaban pengguna tersebut akan didapatkan informasi yang selanjutnya bisa di jadikan acuan untuk menentukan konklusi atau hasil akhir dari hama dan penyakit yang dialami tanaman karet. Untuk mendiagnosa hama dan penyakit tanaman karet dapat dimodelkan sebagai berikut:

1. Hama Kutu

IF Berkerumunnya semut dibagian tanaman yang terserang

AND Bagian tanaman yang diserang tampak gerombolan kutu yang berwarna putih

AND Bagian pucuk batang dan daun muda berwara kuning, mengering, dan mati

THEN Hama Kutu

2. Hama Rayap

IF Adanya alur dari tanah yang menempel dibatang,dahan, atau bagian kayu lainnya

AND Bagian tanaman yang diserang berlubang-lubang dan keropos pada pangkal batang

AND Perakaran hancur

THEN Hama Rayap

3. Penyakit Jamur Akar Putih

IF Daun tampak pucat, dan melengkung kebawah

AND Daun gugur dan ujung rantingnya mati

AND Terdapat benang-benang miselium jamur berwarna putih menjalar sepanjang akar

AND Pembentukan bunga, dan buah yang cepat sebelum waktunya

AND Akar tanaman yang diserang menjadi lunak, membusuk dan berwarna

Kecoklatan

(55)

4. Penyakit Jamur Akar Merah

IF Perubahan warna daun dari hijau menjadi hijau pucat suram, menguning dan berguguran

AND Terdapat miselium jamur berwarna merah yang dilekati oleh butiran- butiran tanah

THEN Penyakit Jamur Akar Merah

5. Penyakit Kanker Garis

IF Jika dikerok atau diiris, dekat diatas irisan sadap terlihat garis-garis tegak berwarna coklat kehitaman

AND Terdapat selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap

AND Garis-garis tersebut lama kelamaan akan berkembang dan menyatu membentuk jalur hitam yang terlihat seperti retak-retak membujur pada kulit pulihan

AND Terdapat gumpalan lateks berwarna coklat yang berbau busuk pada kulit pulihan

THEN Penyakit Kanker Garis

6. Penyakit Mouldy Rot

IF Terdapat selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap

AND Selaput tersebut akan berkembang membentuk lapisan benang (seperti beludru) berwarna kelabu sepanjang alur sadap

AND Jika lapisan tersebut dikerok akan terlihat bintik-bintik berwarna coklat atau hitam pada bagian yang terserang

AND Terjadi pembusukan kulit batang, sehingga bagian yang sakit berwarna hitam kecoklatan

AND Terjadi pengelupasan kulit batang sehingga bagian kayu terlihat dan mengering

(56)

7. Penyakit Brown Blast

IF Apabila disadap terkadang lateks tidak keluar, hanya mengeluarkan tetesan-tetesan lateks seperti air

AND Beberapa minggu kemudian alur sadap mengering dan tidak mengeluarkan lateks

AND Bagian yang kering berubah warna menjadi coklat karena terbentuk gum (blendok)

AND Kulit menjadi pecah-pecah dan di batang terjadi pembengkakan atau tonjolan

THEN Penyakit Brown Blast

3.3.2 Analisis Proses Metode Dempster Shafer

Dalam mendiagnosa hama dan penyakit tanaman karet, penanganan ketidakpastian dapat dilibatkan untuk menangani ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu. Penambahan ini akan membuat sistem menjadi lebih sempurna. Ketidakpastian yang merupakan masalah tersendiri dapat diatasi dengan metode Dempster Shafer. Langkah-langkah yang dilakukan dalam analisis sistem pakar dengan proses metode Dempster Shaferadalah sebagai berikut :

1. Menentukan gejala dari hama dan penyakit tanaman karet disertai pemberian bobot yang didapatkan dari pakar (dosen Fakultas Pertanian Universitas Sumatera Utara, Bapak Ir. Lahmuddin Lubis, MP.). Tabel dapat dilihat pada tabel 3.6 berikut :

Tabel 3.6. Gejala Hama dan Penyakit Tanaman Karet Hama Kutu

No. Gejala Bobot

1. Berkerumunnya semut dibagian tanaman yang terserang 0.5 2. Bagian tanaman yang diserang tampak gerombolan kutu yang

berwarna putih

(57)

3. Bagian pucuk batang dan daun muda berwara kuning, mengering, dan mati

0.4

Hama Rayap

No. Gejala Bobot

1. Adanya alur dari tanah yang menempel dibatang,dahan, atau bagian kayu lainnya

0.5

2. Bagian tanaman yang diserang berlubang-lubang dan keropos pada pangkal batang

0.7

3. Perakaran hancur 0.4

Penyakit Jamur Akar Putih

No. Gejala Bobot

1. Daun tampak pucat, dan melengkung kebawah 0.3

2. Daun gugur dan ujung rantingnya mati 0.5

3. Terdapat benang-benang miselium jamur berwarna putih menjalar sepanjang akar

0.8

4. Pembentukan bunga, dan buah yang cepat sebelum waktunya 0.7 5. Akar tanaman yang diserang menjadi lunak, membusuk dan

berwarna kecoklatan

0.7

Penyakit Jamur Akar Merah

No. Gejala Bobot

1. Perubahan warna daun dari hijau menjadi hijau pucat suram, menguning dan berguguran

0.5

2. Terdapat miselium jamur berwarna merah yang dilekati oleh butiran-butiran tanah

0.8

Penyakit Kanker Garis

No. Gejala Bobot

1. Jika dikerok atau diiris, dekat diatas irisan sadap terlihat garis-garis tegak berwarna coklat kehitaman

(58)

2. Terdapat selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap

0.3

3. Garis-garis tersebut lama kelamaan akan berkembang dan menyatu membentuk jalur hitam yang terlihat seperti retak-retak membujur pada kulit pulihan

0.8

4. Terdapat gumpalan lateks berwarna coklat yang berbau busuk pada kulit pulihan

0.7

Penyakit Mouldy Rot

No. Gejala Bobot

1. Terdapat selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap

0.3

2. Selaput tersebut akan berkembang membentuk lapisan benang (seperti beludru) berwarna kelabu sepanjang alur sadap

0.4

3. Jika lapisan tersebut dikerok akan terlihat bintik-bintik berwarna coklat atau hitam pada bagian yang terserang

0.5

4 Terjadi pembusukan kulit batang, sehingga bagian yang sakit berwarna hitam kecoklatan

0.8

5. Terjadi pengelupasan kulit batang sehingga bagian kayu terlihat dan mengering

0.7

Penyakit Brown Blast

No. Gejala Bobot

1. Apabila disadap terkadang lateks tidak keluar, hanya mengeluarkan tetesan-tetesan lateks seperti air

0.7

2. Beberapa minggu kemudian alur sadap mengering dan tidak mengeluarkan lateks

0.5

3. Bagian yang kering berubah warna menjadi coklat karena terbentuk gum (blendok)

0.6

4. Kulit menjadi pecah-pecah dan di batang terjadi pembengkakan atau tonjolan

(59)

2. Menghitung nilai Dempster Shafer, misalnya pertanyaan yang mucul pertama kali adalah pertanyaan mengenai gejala hama kutu. Dan untuk Gejala 1, 2, 3 pengguna menjawab “YA” untuk semua pertanyaan. Adapun rumus dari Dempster adalah sebagai berikut:

Contoh:

Menghitung derajat kepastian dari hama kutu (K) misalnya diketahui ada 3 gejala. Masing-masing gejala adalah berkerumunnya semut dibagian tanaman yang terserang (0.5), bagian tanaman yang diserang tampak gerombolan kutu yang berwarna putih (0.7), dan bagian pucuk batang dan daun muda berwara kuning, mengering, dan mati (0,4). Untuk aturan kombinasi dapat dilihat pada tabel 3.7 dan tabel 3.8 berikut : Penyelesaian:

Gejala 1

m1{K} = 0,5

m1{θ} = 1-0,5 = 0,5

Gejala 2

m2{K} = 0,7

m2 {θ} = 1-0,7 = 0,3

Tabel 3.7. Aturan Kombinasi Untuk Densitas Baru (m3)

{K} 0,7 {θ} 0,3 {K} 0,5 {K} 0,35 {K} 0,15 {θ} 0,5 {K} 0,35 {θ} 0,15

m3{K} = , + , + ,

− = 0,85

m3 {θ} = ,

− = 0,15

� � = _{− ∑}∑ ∩ = � . �

(60)

Gejala 3

m4{K} = 0,4

m4 {θ} = 1-0,4= 0,6

Tabel 3.8. Aturan Kombinasi Untuk Densitas Baru (m5)

{K} 0,4 {θ} 0,6 {K} 0,85 {K} 0,34 {K} 0,51 {θ} 0,15 {K} 0,06 {θ} 0,09 m5{K} = , + , + ,

− = 0,91

m5 {θ} = ,

− = 0,09

Jadi, dari 3 pertanyaan memberikan konklusi bahwa 3 gejala tersebut adalah gejala dari hama kutu dengan derajat kepastian 0,91.

3.4 Perancangan Antarmuka Sistem (Interface)

Antarmuka (interface) merupaka media yang menghubungkan antara pengguna dengan sistem. Rancangan antarmuka masukan dalam sistem pakar untuk mendiagnosa hama dan penyakit tanaman karet terdiri dari :

1. Rancangan Menu Utama

Rancangan ini merupakan tempat pemanggilan rancangan antarmuka untuk pengguna dan admin.

2. Rancangan antarmuka untuk pengguna

Rancangan ini terdiri dari rancangan diagnosa untuk mendapatkan hasil berupa jenis hama dan penyakit tanaman karet serta solusi untuk pengendaliannya.

3. Rancangan antar muka untuk admin

Rancangan ini terdiri dari antarmuka pengolahan data seperti tambah data, edit dan hapus gejala serta bobot.

(1)

<td>$data[gejala]</td>

<input type='radio' name='jwb$no' value='tidak' class='radio-jawaban2'><span class='radio-title-jawaban'>Tidak</span></td>

</tr>"; $no++; }

?> </table>

<tr>

</tr> </form>

</div> </div>

/proses_pertanyaan/

<?php

ob_start(); session_start(); include"koneksi.php";

date_default_timezone_set("Asia/Jakarta"); $date = date('y-m-d');

$no = 1;

while ($no <= 30) {

$id = $_POST["jwb$no"];

// $id_pertanyaan = $_POST['id'];

if (!(empty($id)) and $id != 'tidak') {

mysql_query("insert into jawaban

values('".$_SESSION['id_maksimal']."','$id','YA','$date')"); }

$no++; }

header("location:../../index.php?m=hasil"); ?>

**/jamurakarmerah/ Dempster Shafer**

<?php

// session_start(); error_reporting(0); include"koneksi.php";

$PTS = mysql_query("select * from hama_penyakit, jawaban where jawaban.id_pengguna='$X' and jawaban.tanggal='$date' and hama_penyakit.kode_hama_penyakit ='AM' and hama_penyakit.id = jawaban.id_pertanyaan");

$cba = 1;

$gf_yes = 0;

while ($ijh = mysql_fetch_array($PTS)) { if ($ijh['jawaban']=="YA") {

(2)

$mkl =mysql_query("select * from hama_penyakit where id='".$ijh['id']."'");

$ijhDS = mysql_fetch_array($mkl); $nm[$cba] = $ijhDS['bobot']; $po[$cba] = $ijhDS['id']; $rq[$cba] = 1 - $nm[$cba];

// echo $nm[$gf_yes]." >> $gf_yes"."</br>"; $gf_yes++;

$cba++; }

// echo $nm[7]."</br>"; }

// echo $gf_yes; if ($gf_yes == 1) {

$jam = $nm[1]; //echo $jam; }else{

$hgf = 1;

while ($hgf < $cba) { if ($hgf < 2) {

$qsd = substr($po[$hgf], 0,1); $jh = substr($po[$hgf], 0,1); $ut = 0;

if ($qsd != $jh) {

$ut[$hgf] = $nm[$hgf] + $nm[$hgf+1]; }else{

$qwr = 1;

while($qwr <= 2){ if ($qwr < 2) {

$gty[$qwr] = $nm[$qwr] * $nm[$qwr+1];

$rti[$qwr] = $rq[$qwr] * $nm[$qwr];

}else{

$gty[$qwr] = $nm[$qwr-1] * $rq[$qwr-1];

$nml[$qwr] = $rq[$qwr-1] * $rq[$qwr];

}

$O[$hgf] += $gty[$qwr]; $yO[$hgf] += $nml[$qwr]; $qwr++;

}

$O[$hgf] += $rti[$hgf]; }

}elseif($hgf > 2){ // echo $hgf;

$qsd = substr($po[$hgf], 0,1); $jh = substr($po[$hgf], 0,1); $ut = 0;

if ($qsd != $jh) {

$ut[$hgf] = $nm[$hgf] + $nm[$hgf+1]; }else{

(3)

$qwr = 1;

while($qwr <= $hgf){ // echo $hgf; if ($qwr < 2) {

$gty[$qwr] = $O[$hgf-2] * $nm[$hgf];

$rti[$qwr] = $rq[$hgf] * $O[$hgf-2];

$edi = $gty[$qwr] + $rti[$qwr];

}else{

$gty[$qwr] = $yO[$hgf-2] * $nm[$hgf];

$nml[$qwr] = $yO[$hgf-2] * $rq[$hgf];

}

$yO[$hgf] += $nml[$qwr]; $qwr++;

}

$O[$hgf-1] = $edi + $gty[$hgf]; $yO[$hgf-1] = $nml[$hgf-1]; // echo $hgf;

} }

$jam = $O[$hgf-1]."</br>"; $hgf++;

} }

/hasil/

<span class="title-hasil">Hasil Diagnosa Hama atau Penyakit Tanaman Karet </span>

<span id="text-hasil"> Dari laporan diagnosis ini, anda dapat mengetahui jenis hama dan penyakit apa yang dialami tanaman

karet, sehingga anda dengan cepat dapat menanganinya dan melakukan pengendalian lebih lanjut.</span>

<form action="menu/diagnosa/proses_hasil.php" method="post"> <?php

session_start(); include"koneksi.php";

date_default_timezone_set("Asia/Jakarta"); $date = date('y-m-d');

$X = $_SESSION['id_maksimal']; include"jamurakarmerah.php"; include"jamurakarputih.php"; include"hamakutu.php";

(4)

include"hamarayap.php"; // include"kankergaris.php"; // include"mouldyrot.php"; // include"brownblast.php";

if ($rayap >= $kutu and $rayap >= $jam and $rayap >= $jap and $rayap >= $kanker and $rayap >=$mouldy and $rayap >= $brown) {

$kode = "R";

$HP = "Hama Rayap"; $nilai = $rayap;

}elseif ($kutu >= $rayap and $kutu >= $jam and $kutu >= $jap and $kutu >= $kanker and $kutu >= $mouldy and $kutu >= $brown) {

$kode = "K";

$HP = "Hama Kutu"; $nilai = $kutu; }

elseif($jam >= $kutu and $jam >= $rayap and $jam >= $jap and $jam >= $kanker and $jam >= $mouldy and $jam >= $brown){

$kode = "AM";

$HP = "Penyakit Jamur Akar Merah"; $nilai = $jam;

}

elseif ($jap >= $jam and $jap >= $rayap and $jap >= $kutu and $jap >= $kanker and $jap >= $mouldy and $jap >=$brown ) {

$kode = "AP";

$HP = "Penyakit Jamur Akar Putih"; $nilai = $jap;

}

elseif ($kanker >= $kutu and $kanker >= $rayap and $kanker >= $jap and $kanker >= $jam and $kanker >= $mouldy and $kanker >= $brown) {

$kode = "KG";

$HP = "Penyakit Kanker Garis"; $nilai = $kanker;

}

elseif ($mouldy >= $kutu and $mouldy >= $rayap and $mouldy >= $jap and $mouldy >= $jam and $mouldy >= $kanker and $mouldy >= $brown) {

$kode = "MR";

$HP = "Penyakit Mouldy Rot"; $nilai = $mouldy;

}

elseif ($brown >= $kutu and $brown >= $rayap and $brown >= $jap and $brown >= $jam and $brown >= $kanker and $brown >= $mouldy) {

$kode = "BB";

$HP = "Penyakit Brown Blast"; $nilai = $brown;

}

$sql=mysql_query("select * from pengguna where id_pengguna='".$X."'");

$data=mysql_fetch_array($sql); echo"

(5)

<td class='title-hasil2'>Nama Pengguna</td>

<tr>

<td class='text-hasilnya'>$data[umur] Tahun</td>

</tr> <tr>

<td class='title-hasil2'>Jenis Kelamin</td>

<td

class='text-hasilnya'>$data[kelamin]</td> </tr> <tr>

<td class='title-hasil2'>Alamat</td> <td class='titikdua-hasil'>:</td>

<td

class='text-hasilnya'>$data[alamat]</td> </tr> <tr>

<td class='title-hasil2'>Nama Hama atau Penyakit</td>

<tr>

<td class='title-hasil2'>Gejala</td> <td class='titikdua-hasil'>:</td> <td class='text-hasilnya'>";

$sqlGej = mysql_query("select * from hama_penyakit where kode_hama_penyakit = '".$kode."'");

$no = 1; while ($data=mysql_fetch_array($sqlGej)) {

echo $no.". ".$sol = $data['gejala'],"</br>";

$no++; }

echo"</td> </tr>

<tr>

<td class='title-hasil2'>Densitas</td> <td class='titikdua-hasil'>:</td> <td class='text-hasilnya'> $nilai</td> </tr>

<tr>

<td class='title-hasil2'>Solusi</td> <td class='titikdua-hasil'>: </td> <td class='text-hasilnya'>";

(6)

$sqlSol = mysql_query("select * from solusi where kode_hama_penyakit = '".$kode."'");

$no=1; while ($data=mysql_fetch_array($sqlSol)) {

echo $no.". ".$sol = $data['solusi'];

} echo "</td> </tr>

<tr>

<td><a href='menu/diagnosa/selesai.php' class='button-diagnosa2'> <span class='selesai'>Selesai</span> </a></td>

</tr> </table>"; ?>

</form> </div>

</div>

/proses_hasil.php/

<?php

header('location:../../index.php?m=diagnosa'); ?>

Sistem Pakar Mendiagnosa Hama dan Penyakit Tanaman Karet Menggunakan Metode Dempster Shafer Dan Forward Chaining