Modul evaluasi kesesuaian lahan budidaya tanaman dengan menggunakan logika Fuzzy
ABSTRACT
DECKY PRAYOGA. Land Suitability Evaluation Module Cultivation Using Fuzzy Logic. Supervised
by HARI AGUNG.
Land suitability evaluation is the process of predicting land suitability class and land utilization
potential for agriculture. Land suitability is evaluated by comparing the plant requirements with the
available landscape characteristics related to climate, topography, texture, drainage, soil physics, soil
fertility, salinity and alkalinity, as well as land preparation.
In this research, we develop a system based on fuzzy inference to determine the rating, threshold
levels and land suitability class from land characteristics data obtained. The data given as input are a
crisp value or a linguistic value. Land suitability is evaluated using a boundary method. The fuzzy
inference method used is the max – min method and the defuzzification method used is the center
average defuzzifier method .
Keywords: evaluation of land suitability, suitability class, fuzzy inference
MODUL EVALUASI KESESUAIAN LAHAN BUDIDAYA
TANAMAN DENGAN MENGGUNAKAN LOGIKA FUZZY
DECKY PRAYOGA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
MODUL EVALUASI KESESUAIAN LAHAN BUDIDAYA
TANAMAN DENGAN MENGGUNAKAN LOGIKA FUZZY
DECKY PRAYOGA
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
ABSTRACT
DECKY PRAYOGA. Land Suitability Evaluation Module Cultivation Using Fuzzy Logic. Supervised
by HARI AGUNG.
Land suitability evaluation is the process of predicting land suitability class and land utilization
potential for agriculture. Land suitability is evaluated by comparing the plant requirements with the
available landscape characteristics related to climate, topography, texture, drainage, soil physics, soil
fertility, salinity and alkalinity, as well as land preparation.
In this research, we develop a system based on fuzzy inference to determine the rating, threshold
levels and land suitability class from land characteristics data obtained. The data given as input are a
crisp value or a linguistic value. Land suitability is evaluated using a boundary method. The fuzzy
inference method used is the max – min method and the defuzzification method used is the center
average defuzzifier method .
Keywords: evaluation of land suitability, suitability class, fuzzy inference
Dosen Penguji:
1. Ir. Hermanu, M.Sc
2. Mushthofa, S.Kom., M.Sc
Judul : Modul Evaluasi Kesesuaian Lahan Budidaya Tanaman dengan Menggunakan Logika Fuzzy
Nama : Decky Prayoga
NRP : G64076015
Menyetujui,
Dosen Pembimbing
Hari Agung Andrianto, S.Kom., M.Si.
NIP. 19760917200501 1 001
Mengetahui,
Ketua Departemen Ilmu Komputer
Institut Pertanian Bogor
Dr. Ir. Sri Nurdiati, M.Sc
NIP. 19601126 198601 2 001
Tanggal Lulus:
PRAKATA
Puji syukur penulis panjatkan ke hadirat Allah SWT atas segala rahmat dan karunia-Nya,
sehingga tugas akhir ini dengan judul Modul Kesesuaian Lahan Budidaya Tanaman Dengan
Menggunakan Logika Fuzzy dapat diselesaikan. Karya ilmiah ini dilaksanakan mulai November 2010
sampai dengan Januari 2011, bertempat di Departemen Ilmu Komputer.
Penulis berterima kasih kepada Bapak Hari Agung, S.Kom,. M.Si. selaku pembimbing yang
telah banyak memberikan arahan, bimbingan, waktu, serta kesabarannya selama pengerjaan karya
ilmiah ini. Terima kasih yang setulus-tulusnya juga Penulis tujukan bagi ayah dan ibu tercinta yaitu
Sulistyo dan Nani Supriyatni, serta keluarga besar Penulis atas doa serta dukungan untuk keberhasilan
Penulis.
Andy Pramurjadi, Joko Purwanto, Ahmad Zafaroni, Aditya Hapsari, Fauzi Siswoyo dan
seluruh rekan ekstensi S1 Ilkom Angkatan 2 atas dukungan, bantuan, serta kebersamaannya selama
ini, semoga sukses selalu dan tetap semangat; juga untuk Ibu Imas Sukaesih Sitanggang yang telah
membantu Penulis dalam mengumpulkan bahan dan data pendukung untuk karya ilmiah ini.
Penulis juga mengucapkan terima kasih kepada semua pihak yang telah membantu selama
penyelesaian karya ilmiah ini yang tidak dapat disebutkan satu-persatu. Semoga karya ilmiah ini
bermanfaat.
Bogor, Januari 2011
Decky Prayoga
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 14 Desember 1985, dari pasangan Bapak Sulistyo
dan Ibu Nani Supriyatni. Penulis merupakan putra kedua dari tiga bersaudara. Pada Tahun 2003
penulis lulus dari SMA PGRI 4 Bogor dan pada tahun yang sama, penulis melanjutkan pendidikan
Diploma 3 di Program Studi Teknologi Informasi Kelautan, Institut Pertanian Bogor dan lulus pada
tahun 2006.
Tahun 2007, penulis bekerja di Trans Jakarta, kemudian pada bulan September 2007 penulis
resmi diterima sebagai mahasiswa Program Studi S1 Penyelenggaraan Khusus Departemen Ilmu
Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB.
DAFTAR ISI
Halaman
DAFTAR TABEL .......................................................................................................................... vii
DAFTAR GAMBAR ...................................................................................................................... viii
DAFTAR LAMPIRAN................................................................................................................... ix
PENDAHULUAN
Latar Belakang ......................................................................................................................... 1
Tujuan ...................................................................................................................................... 1
Ruang Lingkup ........................................................................................................................ 1
Manfaat Penelitian ................................................................................................................... 1
TINJAUAN PUSTAKA
Tanaman Asparagus ................................................................................................................ 1
Logika Fuzzy ........................................................................................................................... 2
Himpunan Fuzzy...................................................................................................................... 2
Operasi Dasar Himpunan Fuzzy .............................................................................................. 2
Variabel Lingusitik .................................................................................................................. 2
Aturan IF –THEN Fuzzy ......................................................................................................... 3
Fuzzifikasi ............................................................................................................................... 3
Inferensi ................................................................................................................................... 3
Komposisi ................................................................................................................................ 3
Defuzzifikasi ............................................................................................................................ 4
Pengetahuan Tentang Evaluasi Kesesuaian Lahan .................................................................. 4
Klasifikasi Kesesuaian Lahan .................................................................................................. 5
Prosedur Evaluasi Kesesuaian Lahan ...................................................................................... 6
PERANCANGAN SISTEM
Analisa Kebutuhan .................................................................................................................. 7
Desain Input ............................................................................................................................. 10
Desain Proses ........................................................................................................................... 10
Fuzzifikasi ............................................................................................................................... 10
Inferensi Min ........................................................................................................................... 11
Komposisi Max ....................................................................................................................... 11
Defuzzifikasi ............................................................................................................................ 11
Desain Output .......................................................................................................................... 13
Pemograman ............................................................................................................................ 13
Pengujian ................................................................................................................................. 13
Operasi dan Pemeliharan ......................................................................................................... 13
Implementasi Sistem................................................................................................................ 13
HASIL DAN PEMBAHASAN
Data Input Crisp....................................................................................................................... 14
Penentuan Rating Pembatas yang Berhubungan dengan Iklim................................................ 15
Penentuan Rating Pembatas yang Berhubungan dengan Kebasahan dan Tekstur ................... 16
Penentuan Kelas Kesesuaian Lahan ........................................................................................ 16
Data Nilai Linguistik ............................................................................................................... 19
Rating Pembatas yang Berhubungan dengan Temperatur Rata – rata .................................... 20
Tampilan Sistem ...................................................................................................................... 20
KESIMPULAN DAN SARAN
Kesimpulan .............................................................................................................................. 21
Saran ........................................................................................................................................ 22
DAFTAR PUSTAKA ..................................................................................................................... 22
LAMPIRAN ................................................................................................................................... 23
vi
DAFTAR TABEL
Halaman
1.Operasi Dasar Himpunan Fuzzy .................................................................................................. 2
2. Kualitas dan Karakteristik Lahan untuk Evaluasi Kesesuaian Lahan ......................................... 5
3. Hubungan antara Kelas Kesesuian Lahan dan Tingkat Pembatas .............................................. 6
4. Kriteria Penentuan Kelas Kesesuaian lahan yang Berhubungan dengan Iklim........................... 6
5. Kriteria Penentuan Kelas Kesesuaian lahan................................................................................ 6
6. Data Atribut Kesesuaian Lahan Budidaya Tanaman .................................................................. 8
7. Tingkat Pembatas untuk Interval Temperatur Rata – rata Asparagus ......................................... 9
8. Kelompok Temperatur Rata – rata ............................................................................................. 9
9. Tingkat Pembatas dan Ratingnya................................................................................................ 9
10. Kelas Tekstur ............................................................................................................................ 9
11. Nilai Center Tingkat Pembatas ................................................................................................. 11
12. Nilai – nilai Lingustik Sebagai Data Input Sistem .................................................................... 12
13. Hasil Pengujian Data Input Crisp Wilayah Cisarua .................................................................. 14
14. Hasil Pengujian Data Input Crisp Wilayah Sukamantri ............................................................ 17
15. Hasil Pengujian Data Input Crisp Wilayah Dramaga................................................................ 19
16. Hasil Pengujian Data Input Nilai Linguistik ............................................................................. 19
vii
DAFTAR GAMBAR
Halaman
1. Fungsi keanggotaan untuk kelompok umur ................................................................................ 2
2. Empat Tahap dalam Pembangunan Sistem Fuzzy ...................................................................... 3
3. Pusat dari Himpunan Fuzzy ........................................................................................................ 4
4. Skema sistem kesesuaian lahan budidaya tanaman .................................................................... 7
5. Bagan alir pengembangan sistem model waterfall ..................................................................... 7
6. Use Case Desain Input ................................................................................................................ 10
7. Fungsi Keanggotaan Temperatur Rata – rata .............................................................................. 10
8. Fungsi Keanggotaan Curah Hujan ............................................................................................. 10
9. Fungsi Keanggotaan Kelembaban Udara ................................................................................... 10
10. Fungsi Keanggotaan Tingkat Pembatas .................................................................................... 11
11. Flowchart Proses Penentuan Kelas Kesesuaian Lahan ............................................................. 12
12. Use Case Desain Output ........................................................................................................... 13
13. Derajat Keanggotaan Data Input Temperatur Rata – rata tr = 22.5 .......................................... 15
14. Derajat Keanggotaan Data Input Curah Hujan th =3888 .......................................................... 15
15. Derajat Keanggotaan Data Input Kelembaban Udara ku = 86.5 ............................................... 15
16. Derajat Keanggotaan Tingkat Pembatas Rating = 50.0 ............................................................ 16
17. Titik Perpotongan antara Himpunan Fuzzy Input Sedang dengan Himpunan Fuzzy
Kelompok Temperatur Rata - rata ........................................................................................... 20
18. FrmDataInput ............................................................................................................................ 21
19. FrmHimpunanFuzzy ................................................................................................................. 21
20. KelasKesesuaianDisplay ........................................................................................................... 21
21. FrmDisplayHimpunan .............................................................................................................. 21
viii
DAFTAR LAMPIRAN
Halaman
1. Data Kebutuhan Tanaman untuk Asparagus ............................................................................... 24
2. Tingkat Overlap Karateristik Lahan ........................................................................................... 25
3. Data Kebutuhan Tanaman untuk Asparagus dengan Menggunakan Interval Overlap .............. 26
4. Nilai Linguistik untuk Karateristik Lahan ................................................................................. 27
5. Aturan untuk Menentukan Tingkat Pembatas ............................................................................. 28
6. Use Case Diagram Penentuan Kelas ........................................................................................... 32
7. Sequence Diagram Penentuan Kelas…………………………………………………………….33
8. Hubungan antar Objek ................................................................................................................ 34
9. Contoh Kode Program Penentuan Kelas Kesesuaian yang Berhubungan dengan Iklim ........... 35
ix
PENDAHULUAN
Latar Belakang
Permintaan informasi mengenai kelas
kesesuaian lahan bagi budidaya tanaman
semakin
meningkat
sejalan
dengan
pembangunan sektor pertanian. Informasi ini
sangat
berguna
bagi
para
perencana
pembangunan
sektor
pertanian
untuk
merekomendasikan bentuk penggunaan lahan
tertentu bagi petani.
Penentuan kelas kesesuaian lahan dapat
dilakukan berdasarkan dua aspek, yaitu secara
ekonomi (economic evaluation) dan secara fisik
(physical evaluation). Kesesuaian secara
ekonomi dievaluasi berdasarkan pada analisis
biaya dan keuntungan dari bentuk penggunaan
lahan tertentu, sedangkan kesesuaian secara
fisik dievaluasi berdasarkan sifat fisik
lingkungan lahan seperti iklim, tanah dan
topografi.
Salah satu metode penentuan kelas
kesesuaian lahan adalah metode pembobotan
dan scoring. Dalam metode ini faktor – faktor
pembatas diberi bobot tertentu (crisp), misal
untuk tanaman asparagus dengan temperatur
rata – rata 35 oC dinilai memiliki kelas
kesesuaian sesuai marginal (S3), sedangkan
temperatur rata – rata 35.1 oC dinilai memiliki
kelas kesesuaian tidak sesuai (N). Metode
penentuan kelas kesesuaian lahan tersebut
dinilai terlalu baku, karena perbedaan yang
hampir sama memiliki kelas kesesuaian yang
berbeda. Oleh karena itu Sitanggang (2002)
menggunakan pendekatan logika fuzzy.
Dalam pendekatan logika fuzzy faktor –
faktor pembatas dapat memiliki kelas
kesesuaian yang sama dengan nilai derajat
keanggotaan berbeda, misal untuk tanaman
asparagus dengan temperatur rata – rata 35 oC
dinilai memiliki kelas kesesuaian sesuai
marginal (S3) dengan nilai derajat keanggotaan
0.4, dan temperatur rata – rata 35.1 oC dinilai
memiliki kelas kesesuaian sesuai marginal (S3)
dengan nilai derajat keanggotaan 0.6.
Penelitian Sitanggang (2002) menggunakan
bahasa pemograman Borland Delphi 5.0 dalam
membangun sistem evaluasi kesesuaian lahan,
dalam penelitian ini penulis membangun sistem
dengan menggunakan bahasa pemograman
JAVA.
Penelitian ini dikerjakan secara tim yang
terdiri dari Decky Prayoga, Ahmad Zafaroni
dan Facran dengan pembagian tugas sebagai
berikut :
1. Membangun modul inferensi fuzzy untuk
penentuan kelas kesesuaian (Decky
Prayoga).
2. Membangun
modul
XML
untuk
penambahan data syarat tumbuh tanaman
baru (Ahmad Zafaroni).
3. Visualisasi peta lokasi kesesuaian lahan
(Facran).
Tujuan
Menerapkan logika fuzzy untuk membangun
sistem evaluasi kesesuaian lahan budidaya
tanaman
dengan
menggunakan
bahasa
pemograman JAVA.
Ruang Lingkup Permasalahan
Penentuan kelas kesesuaian lahan untuk
budidaya tanaman dibatasi pada wilayah Bogor
dan
tanaman asparagus
berdasarkan
kesesuaian lahan secara fisik, seperti iklim,
tanah dan topografi
Manfaat
Memberikan kemudahan bagi
para
perencana pembangunan sektor pertanian untuk
merekomendasikan bentuk penggunaan lahan
tertentu bagi petani.
TINJAUAN PUSTAKA
Tanaman Asparagus
Asparagus merupakan sayuran yang
dikonsumsi bagian tunas mudanya atau bisa
disebut (spears). Untuk menghasilkan rebung
yang berkualitas baik, maka di perlukan
tanaman asparagus yang baik pula. Tanaman
asparagus yang pertumbuhannya bagus dapat
dihasilkan melalui beberapa perbanyakan, salah
satunya adalah dengan menggunakan bibit yang
telah berakar.
Perbanyakan menggunakan bibit ini
mempunyai beberapa keuntungan diantaranya
mempersingkat
masa
non
produktif,
1
menghasilkan kondisi pertanaman penuh
dengan tanaman yang seragam, mengurangi
persaingan gulma, dan dapat menjamin
perkecambahan yang lebih baik (Rubatzky &
Yamaguchi, 1999 dalam Hanum, 2009 ).
Karakteristik media tanam sebagai tempat
tumbuh yang terpenting adalah mempunyai
kemampuan memegang air yang baik,
mempunyai aerasi dan drainase yang baik,
mempunyai PH yang sesuai dengan jenis
tanaman, dan mengandung unsur hara untuk
mendukung pertumbuhan tanaman (Hanum,
2009).
Logika Fuzzy
Logika fuzzy merupakan salah satu
komponen pembentuk soft computing. Logika
fuzzy pertama kali diperkenalkan oleh Prof.
Lotfi A. Zadeh pada tahun 1965. Dasar logika
fuzzy adalah teori himpunan fuzzy. Pada teori
himpunan fuzzy, peranan derajat keanggotaan
sebagai penentu keberadaan elemen dalam suatu
himpunan sangatlah penting. Nilai keanggotaan
atau derajat keanggotaan atau membership
fuction menjadi ciri utama dari penalaran
dengan logika fuzzy tersebut (Purnomo et al,
2010).
Logika
fuzzy
digunakan
untuk
menerjemahkan
suatu
besaran
yang
diekspresikan dengan bahasa (linguistic)
misalkan besaran curah hujan yang di
ekspresikan dengan sangat rendah, rendah, agak
rendah, sedang, agak tinggi dan tinggi. Logika
fuzzy menunjukkan sejauh mana nilai itu benar
atau sejauh mana nilai itu salah.
Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai
keanggotaan suatu item x dalam himpunan A,
yang sering ditulis dengan µA(x), memiliki dua
kemungkinan yaitu (Purnomo et al, 2010) :
1. Satu (1), yang berarti bahwa suatu item
menjadi anggota dalam suatu himpunan
2. Nol (0), yang berarti bahwa suatu item tidak
menjadi anggota dalan suatu himpunan
himpunan secara gradual, dan transisi ini
dikarakterisasi dengan fungsi keanggotaan yang
memberikan
fleksibilitas
fuzzy
dalam
pemodelan umum yang digunakan dalam
ekspresi linguistik.
Operasi Dasar Himpunan Fuzzy
Seperti halnya himpunan konvesional, ada
beberapa operasi yang didefinisikan secara
khusus
untuk
mengombinasikan
dan
memodifikasi
himpunan
fuzzy.
Nilai
keanggotaan sebagai hasil dari 2 himpunan
sering dikenal dengan nama fire strength atau αpredikat. Ada 3 operasi dasar dalam himpunan
fuzzy yaitu Complement , Irisan (Intersection),
dan gabungan (union) (Cox, 1994 dalam
Purnomo et al,
2010). Fungsi keanggotaan
himpunan fuzzy baru yang dihasilkan dari
operasi – operasi tersebut diberikan dalam
Tabel 1.
Tabel 1. Operasi dasar himpunan fuzzy
Operasi
Fungsi Keanggotaan
Complement
µ A – (x) = 1 - µ A
Intersection
µ (A∩B) (x) = min [µ A (x), µ B (x)]
Union
µ (AUB) (x) = max [µ A (x), µ B (x)]
Variabel Liguistik
Variabel linguistik adalah sebuah variabel yang
memiliki nilai berupa kata – kata dalam bahasa
alamiah. Setiap variabel linguistik berkaitan
dengan sebuah fungsi keanggotaan. Sebagai
contoh: umur orang dapat dinyatakan sebagai
variabel linguistik yang memiliki nilai – nilai
linguistik seperti muda, parobaya, dan tua
dengan fungsi keanggotaan untuk semua umur
di antara 25 dan 65 ditunjukkan dalam Gambar
1.
Himpunan fuzzy didasarkan pada gagasan
untuk
memperluas
jangkauan
fungsi
karakteristik sedemikian hingga fungsi tersebut
akan mencakup bilangan real pada interval
[0,1].
Himpunan fuzzy merupakan himpunan tanpa
batasan crisp, transisi dari termasuk dalam
himpunan hingga tidak termasuk dalam
Gambar 1. Fungsi keanggotaan untuk
kelompok umur
2
Aturan IF-THEN Fuzzy
Fuzzifikasi
Logika fuzzy menggunakan himpunan fuzzy
dalam mempresentasikan dan memanipulasi
informasi yang samar (tidak jelas) untuk
keperluan penarikan kesimpulan (Arhami,
2005). Proses penarikan kesimpulan dengan
menggunakan logika fuzzy dinamakan inferensi
fuzzy.
Dalam fuzzifikasi, variabel input (crisp) dari
sistem fuzzy ditransfer ke dalam himpunan
fuzzy untuk dapat digunakan dalam perhitungan
nilai kebenaran dari premis pada setiap aturan
dalam basis pengetahuan (Arhami, 2005).
Dengan demikian tahap ini mengambil nilai –
nilai crisp dan menentukan derajat di mana nilai
– nilai tersebut menjadi anggota setiap
himpunan fuzzy yang sesuai.
Sistem berbasis pengetahuan atau sistem
berbasis aturan dimana basis pengetahuannya
direpresentasikan sebagai sekumpulan aturan
produksi, yaitu aturan IF-THEN fuzzy
dinamakan sistem fuzzy (Wang, 1997 dalam
Arhami, 2005). Aturan IF-THEN fuzzy adalah
pernyataan IF-THEN di mana beberapa kata –
kata dalam pernyataan tersebut ditentukan oleh
fungsi keanggotaan. Aturan produksi fuzzy
adalah relasi fuzzy antara dua proposisi fuzzy.
Aturan tersebut dinyatakan sebagai berikut :
IFTHEN
Bagian IF dari aturan, yaitu proposisi 1
dinamakan antecedent atau premis, sedangkan
bagian THEN dari aturan, yaitu proposisi 2,
dinamakan consequent
atau kesimpulan.
Proposisi fuzzy adalah proposisi yang memiliki
derajat kebenaran yang dinyatakan oleh suatu
bilangan dalam interval [0,1], dimana benar
dinyatakan oleh nilai 1 dan salah dinyatakan
oleh nilai 0. Premis dari aturan fuzzy dapat
memiliki lebih dari satu bagian. Semua bagian
dari premis dihitung secara simultan dan
diselesaikan untuk sebuah nilai tunggal dengan
menggunakan operator fuzzy dalam himpunan
fuzzy.
Menurut Havinga et al (1999) dalam Arhami
(2005),
terdapat
empat
tahap
dalam
pembangunan sistem fuzzy, yaitu fuzzifikasi,
inferensi,
komposisi
dan
defuzzifikasi
ditunjukan pada Gambar 2.
Setelah fungsi keanggotaan dalam nilai –
nilai crisp ditentukan, selanjutnya nilai
kebenaran dari premis dihitung. Premis dari
aturan dapat terdiri atas lebih dari satu proposisi
yang dihubungkan dengan operasi seperti
konjungsi (AND) dan disjungsi (OR). Untuk
menghitung nilai kebenaran premis, operator
fuzzy digunakan untuk memperoleh satu
bilangan yang merepresentasikan hasil dari
premis. Jika sebuah premis dari suatu aturan
memiliki derajat kebenaran tidak nol maka
aturan dikatakan terpicu (fired).
Inferensi
Inferensi diimplementasikan untuk masing –
masing aturan dalam basis pengetahuan. Dalam
inferensi, nilai kebenaran premis dari aturan –
aturan yang terpicu digunakan untuk
menentukan nilai kebenaran bagian kesimpulan
dari aturan yang terpicu. Dengan demikian
input untuk proses inferensi adalah nilai yang
diberikan oleh premis, dan output adalah suatu
himpunan fuzzy.
Metode yang biasa digunakan dalam proses
inferensi adalah min dan product (Havinga et al,
1999 dalam Arhami, 2005). Dalam metode
inferensi min, fungsi keanggotaan output
dipotong pada ketinggian fungsi yang
disesuaikan dengan nilai kebenaran dari premis.
Dalam metode inferensi product, fungsi
keanggotaan output diberi skala dengan nilai
kebenaran dari premis.
Komposisi
Gambar 2. Empat tahap dalam pembangunan
sistem fuzzy
Komposisi adalah proses di mana himpunan
fuzzy yang menyatakan output dari setiap
aturan dikombinasikan bersama ke dalam
sebuah himpunan fuzzy. Metode komposisi
yang umum digunakan adalah max (maximum)
3
dan sum. Dalam komposisi max, himpunan
fuzzy untuk output ditentukan dengan
mengambil titik maksimum dari semua
himpunan fuzzy yang dihasilkan oleh proses
inferensi untuk masing – masing aturan.
suatu titik. Jika tinggi dari himpunan fuzzy
adalah 1, maka himpunan fuzzy tersebut
dikatakan himpunan fuzzy normal.
Dalam komposisi sum, himpunan fuzzy
untuk output ditentukan dengan mengambil
penjumlahan titik dari semua himpunan fuzzy
yang dihasilkan oleh proses inferensi untuk
masing – masing aturan.
Defuzzifikasi
Input dari proses defuzzifikasi adalah
himpunan fuzzy (yang dihasilkan dari proses
komposisi) dan output adalah sebuah nilai
(crisp). Terdapat tiga teknik yang paling umum
digunakan, yaitu center of gravity (centroid)
defuzzifier, center average defuzzifier dan
maximum defuzzifier.
Dalam center of gravity (centroid)
defuzzifier, nilai crisp dari variabel output
dihitung dengan menemukan nilai variabel dari
pusat gravitasi dari fungsi keanggotaan
himpunan fuzzy. Dalam maximum defuzzifier,
salah satu dari nilai – nilai variabel dimana
subset fuzzy memiliki nilai kebenaran
maksimum dipilih sebagai nilai crisp untuk
variabel output. Menurut Wang (1997) dalam
Sitanggang (2002) center average defuzzifier
adalah metode yang paling umum digunakan
dalam sistem fuzzy dan kontrol fuzzy.
Metode
center
average
defuzzifier
menggunakan nilai pusat (center) dan tingginya
(height)
dari
himpunan
fuzzy
dalam
menentukan nilai crisp hasil. Pusat dari suatu
himpunan fuzzy didefinisikan sebagai berikut :
jika nilai titik tengah dari semua titik dimana
fungsi keanggotaan dari himpunan fuzzy
mencapai nilai maksimumnya adalah berhingga,
maka definisikan nilai titik tengah tersebut
sebagai pusat dari himpunan fuzzy, jika nilai
titik tengah adalah bilangan positif (negatif) tak
berhingga, maka pusat didefinisikan sebagai
nilai terkecil (terbesar) di antara semua titik
yang mencapai nilai keanggotaan maksimum
(Wang, 1997 dalam Sitanggang, 2002). Gambar
3 menunjukkan pusat dari beberapa himpunan
fuzzy. Tinggi dari suatu himpunan fuzzy adalah
nilai keanggotaan terbesar yang dicapai oleh
Gambar 3. Pusat dari himpunan fuzzy
Secara khusus, misalkan Y-k adalah pusat
dari himpunan fuzzy ke – k dan Wk adalah
tingginya,
center
average
defuzzifier
menentukan Y* sebagai :
Pengetahuan Tentang Evaluasi Kesesuaian
Lahan
Evaluasi lahan adalah proses menduga kelas
kesesuaian lahan dan potensi lahan untuk
pertanian. Untuk keperluan evaluasi lahan, sifat
– sifat fisik lingkungan suatu wilayah dirinci ke
dalam kualitas lahan dan setiap kualitas lahan
biasanya terdiri dari satu atau lebih karakteristik
lahan.
Karakteristik lahan adalah sifat lahan yang
dapat diukur dan diestimasi. Tabel 2
menyatakan kualitas dan karakteristik lahan
yang digunakan dalam evaluasi kesesuaian
lahan.
Kesesuaian lahan adalah penggambaran
tingkat kecocokan sebidang lahan untuk
penggunaan tertentu (Ritung et al, 2007).
Kerangka dasar dari evaluasi sumberdaya lahan
adalah membandingkan persyaratan yang
diperlukan untuk suatu penggunaan lahan
tertentu dengan sifat sumberdaya yang ada pada
lahan tersebut.
4
Tabel 2. Kualitas dan karakteristik lahan
untuk evaluasi kesesuaian lahan
Kualitas
Lahan
Temperatur
Ketersediaan
air
Ketersediaan
oksigen
Karakteristik Lahan
1 Temperatur rerata (OC)
atau elevasi (m)
1 Curah hujan (mm)
2 Lama masa kering (bulan)
3 Kelembaban udara (%)
1 Drainase
Media
Perakaran
1 Drainase
2 Tekstur
3 Bahan kasar (%)
4 Kedalaman tanah (cm)
5 Ketebalan gambut (cm)
6 Kematangan gambut
Retensi hara
1 KTK liat (cmol)*
2 Kejenuhan basa (%)
3 ph H20
4 C –organik (%)
Toksitas
1 Alumunium
2 Salnitas/DHL(ds/m)
Sodisitas
Bahaya
sulfidik
Bahaya erosi
1 Alkalinitas (%)
1 Pyrit (bahan sulfidik)
Bahaya banjir
Penyiapan
lahan
1 Lereng (%)
2 Bahaya erosi
1 Genangan
1 Batuan di permukaan (%)
2 Singkapan batuan (%)
Klasifikasi Kesesuaian Lahan
Berdasarkan klasifikasi kesesuaian lahan
FAO (Food and Agriculture Organization),
struktur sistem klasifikasi kesesuaian lahan
terdiri atas empat kategori yaitu (Ritung et al,
2007):
1. Ordo Kesesuaian lahan
Kategori ini menyatakan bentuk kesesuaian
lahan atau kondisi kesesuaian secara umum.
Ordo kesesuaian lahan menjelaskan apakah
lahan sesuai atau tidak untuk penggunaan
tertentu. Ordo kesesuaian lahan dibagi ke
dalam dua kategori, yaitu :
a. Ordo S : Sesuai
Lahan yang termasuk dalam ordo
sesuai adalah lahan yang dapat
digunakan
untuk
suatu
penggunaan tertentu secara lestari,
tanpa atau dengan sedikit resiko
kerusakan terhadap sumberdaya
lahannya.
b. Ordo N : Tidak Sesuai
Lahan yang termasuk dalam ordo
ini
mempunyai
pembatas
(limitation)
sedemikian rupa
sehingga
mencegah
suatu
penggunaan secara lestari
2. Kelas kesesuaian lahan
Pengelompokan ini menyatakan derajat
kesesuaian dalam ordo, terdapat tiga kelas
dalam ordo sesuai, yaitu:
a. Kelas S1: Sangat Sesuai
Lahan yang tergolong dalam
kelas ini tidak mempunyai faktor
pembatas yang berarti atau nyata
terhadap penggunaan secara
lestari, atau faktor pembatas yang
bersifat minor dan tidak akan
mengurangi produktivitas lahan
secara nyata.
b. Kelas S2:Cukup Sesuai
Lahan
mempunyai
faktor
pembatas dan faktor pembatas
ini
berpengaruh
terhadap
produktivitasnya. Lahan juga
memerlukan tambahan input
(masukan).
c.Kelas S3:Sesuai Marginal
Pada kelas ini lahan mempunyai
faktor pembatas yang berat, dan
faktor pembatas ini berpengaruh
terhadap produktivitasnya. Lahan
juga memerlukan input yang lebih
banyak dari pada lahan yang
tergolong dalam kelas S2.
3. Sub kelas kesesuaian lahan
Kategori ini menyatakan tipe pembatas atau
peningkatan lahan yang diperlukan dalam
kelas.
4. Unit Kesesuaian lahan
Pengelompokan
ini
digunakan
untuk
mengidentifikasi unit pengembangan lahan
yang memilki perbedaan – perbedaan minor
dalam kebutuhan manajamen
5
Prosedur Evaluasi Kesesuaian Lahan
Kelas kesesuaian lahan dari lahan tertentu
untuk tanaman ditentukan oleh kesesuaian
antara karakteristik lahan dan kondisi lahan
yang diperlukan oleh tanaman. Berdasarkan Sys
et al (2) (1991) dalam Sitanggang (2002)
prosedur evaluasi lahan yang diperlukan terdiri
dari tiga tahap yaitu:
1. Pengumpulan karakteristik lahan
diperlukan.
Berdasarkan klasifikasi kesesuaian
koleksi data untuk evaluasi unit lahan
tanaman tertentu dalam karakteristik
diberikan sebagai berikut:
1.
2.
3.
4.
5.
yang
FAO,
untuk
lahan
Karakteristik yang berhubungan dengan
iklim, yaitu data curah hujan, temperatur,
insolasi,
kelembaban
relatif
dan
kecepatan angin.
Karakteristik yang berhubungan dengan
landscape dan tanah, yaitu kemiringan,
drainase, genangan.
Karakteristik yang berhubungan dengan
tanah secara fisik, yaitu tekstur, bahan
kasar, kedalaman tanah, Calcium
carbonate (CaCO3), Gypsum (CaSO4).
Karakteristik yang berhubungan dengan
fertilitas, yaitu CEC (Cation Exchage
Capacity) nyata, jumlah kation dasar
(basic cation), keasaman (PH-H2O),
karbon organik.
Salinitas dan alkalinitas
2. Penentuan kebutuhan tipe penggunaan lahan
Dalam tahap ini ditentukan kebutuhan yang
berkaitan dengan iklim dan tanah untuk
tanaman.
3. Evaluasi sensu strico
Evaluasi sensu strico dilakukan dengan
membandingkan karakteristik dan kualitas lahan
dengan kebutuhan tanaman. Salah satu metode
yang digunakan untuk menentukan kelas lahan
adalah metode pembatas yang menentukan
kelas lahan berdasarkan banyaknya dan
intensitas pembatas. Tabel 3 menyatakan
hubungan antara kelas kesesuaian lahan dengan
tingkat pembatas (Sys et al(1), 1991 dalam
Sitanggang , 2002 ).
Tabel 3. Hubungan antara kelas kesesuaian
lahan dan tingkat pembatas.
Kelas
Lahan
Kesesuaian
S1 : Sangat Sesuai
Tingkat
Pembatas
S2 : Cukup sesuai
0 : tidak ada
1 : ringan
2 : sedang
S3 : Sesuai marginal
3 : berat
N : Tidak sesuai
4 : sangat berat
Metode pembatas menyarankan untuk
mengevaluasi pembatas yang berhubungan
dengan iklim terlebih dahulu. Kelas kesesuaian
iklim ditentukan berdsarkan pembatas yang
paling berat (severe). Tabel 4 menyarankan
kriteria untuk menentukan kelas kesesuaian
yang berhubungan dengan iklim.
Tabel 4. Kriteria untuk penentuan kelas
kesesuaian lahan yang berhubungan dengan
iklim
Kelas
Kriteria
S1
Iklim tidak memiliki pembatas
atau iklim maksimum 3
pembatas ringan
Iklim memiliki 4 pembatas
ringan dan/atau maksimum 3
pembatas sedang
Iklim memiliki 4 pembatas
sedang dan/atau 1 atau lebih
pembatas berat
Iklim memiliki 1 atau lebih
pembatas yang sangat berat
S2
S3
N
Kelas
kesesuaian
lahan
ditentukan
berdasarkan kriteria yang diberikan pada Tabel
5.
Tabel 5. Kriteria untuk penentuan kelas
kesesuaian lahan
Kelas
Lahan
S1
Kriteria
Unit
lahan
tidak
memiliki
pembatas, atau hanya memiliki 4
pembatas ringan
6
Kelas
Lahan
S2
S3
N
Kriteria
Unit lahan memiliki lebih dari 4
pembatas
ringan,
dan/atau
memiliki tidak lebih dari 3
pembatas sedang
Unit lahan memiliki lebih dari 3
pembatas sedang, dan/atau 1 atau
lebih pembatas berat
Unit lahan memiliki pembatas
sangat berat
Analisis
Kebutuhan
Perancangan
(Design)
Pemrograman
(coding)
Pengujian
(testing)
PERANCANGAN SISTEM
Skema sistem yang akan dibangun dalam
penelitian ini secara keseluruhan dapat dilihat
pada Gambar 4.
Operasi dan
Pemeliharaan
Gambar5. Bagan alir pengembangan sistem
model waterfall
Analisis Kebutuhan
Analisis kebutuhan merupakan langkah awal
dalam perancangan sistem , karena merupakan
dasar keberhasilan dari implementasi sistem.
Analisis kebutuhan pada penelitian ini
mencakup analisis pengguna sistem, akuisisi
pengetahuan, representasi
pengetahuan,,
pengolahan data dan output dari sistem.
Pengguna yang akan menggunakan sistem ini
adalah para pengembang di bidang sektor
pertanian.
Gambar 4. Skema sistem evaluasi kesesuaian
lahan budidaya tanaman
Tahapan perancangan sistem yang dilakukan
dalam penelitian ini menggunakan metode
waterfall karena metode ini bersifat sistematis
dan berurutan dalam membangun sistem. Aliran
dari fase satu ke fase yang lain lebih jelas
terlihat (Sommerville, 1996 dalam Kurniasih,
2003). Secara garis besar bagan alir dari
pengembangan sistem model waterfall ini dapat
dilihat pada Gambar 5. Metode yang digunakan
untuk menentukan kelas kesesuaian lahan
budidaya tanaman adalah metode pembatas
yang berkaitan dengan banyaknya dan intensitas
pembatas.
Akusisi pengetahuan dalam penelitian ini
diperoleh dari beberapa sumber yaitu buku,
dokumen tentang persyaratan hidup tanaman,
dan hasil wawancara dengan pakar yang
dilakukan oleh Sitanggang (2002) untuk
penelitiannya. Pengetahuan yang diperoleh
meliputi :
1. Bentuk bentuk pembatas yang digunakan
dalam penentuan kelas kesesuaian lahan
2. Karakteristik lahan yang digunakan untuk
menentukan tingkat pembatas
3. Data kebutuhan (persyaratan tumbuh) dari
berbagai jenis tanaman.
4. Kriteria penentuan kelas kesesuaian lahan.
Pengetahuan ini selanjutnya diekstrak dari
sumber
pengetahuan
untuk
kemudian
direpresentasikan ke dalam basis pengetahuan.
7
bentuk-bentuk pembatas yang digunakan dalam
menentukan kelas kesesuaian lahan adalah
pembatas yang dinyatakan dalam sub kelas
kesesuaian lahan dalam kerangka FAO. Selain
bentuk pembatas tersebut ada pembatas
tambahan yaitu pembatas penyiapan lahan.
Karakteristik lahan dipilih dari Tabel 2.
Penentuan kelas kesesuaian lahan penelitian ini
dibatasi pada penentuan kelas kesesuaian untuk
tanah mineral dan tidak dapat digunakan untuk
penentuan kelas kesesuaian lahan pada tanah
gambut.
Pembatas dibagi ke dalam tiga kelompok yaitu
iklim, landscape dan tanah, dan penyiapan
lahan. Ketiga bentuk pembatas tersebut beserta
karakteristik lahannya diberikan dalam Tabel 6.
Tabel 6. Data Atribut Kesesuian Lahan
Budidaya Tanaman
Iklim
Karakteristik Lahan
Temperatur rata –
rata
Curah hujan
Kelembaban udara
Landscape dan Tanah
1. Topografi
2. Kebasahan
3. Tanah secara fisik
4. Fertilitas tanah
5. Salinitas
alkalinitas
Penyiapan lahan
dan
Kemiringan
Genangan (bahaya
banjir)
Drainase
Tekstur
Bahan kasar
Kedalaman tanah
KTK tanah
pH
kejenuhan basa
C-Organik
Salinitas
Alkalinitas
Batuan
di
permukaan
Singkapan batuan
Data kebutuhan tanaman diklasifikasikan
berdasarkan kelas kesesuaian lahan S1,S2,S3
dan N. Sebagai contoh, data kebutuhan untuk
tanaman asparagus diberikan dalam Lampiran
1.
Terdapat dua jenis data kebutuhan tanaman
yaitu data numerik dan bukan data numerik.
Karakteristik lahan yang nilainya dinyatakan
dalam data numerik adalah temperatur ratarata, curah hujan, kelembaban udara, bahan
kasar, kedalaman tanah, KTK tanah, kejenuhan
basa, pH, C-Organik, salinitas, alkalinitas,
kemiringan, batuan di permukaan, dan
singkapan batuan, sedangkan karakteristik lahan
yang nilainya dinyatakan dalam data bukan
numerik adalah drainase, tekstur, dan genangan.
Logika
fuzzy
digunakan
untuk
mentransformasi interval data ke dalam suatu
nilai dari 0 sampai 1, dimana 1 berarti benar
secara absolut dan 0 berarti tidak benar secara
absolut. Nilai kebenaran tersebut menyatakan
derajat keanggotaan data karakteristik lahan
dalam suatu
interval
tertentu.
Untuk
memperoleh transformasi demikian, interval
data kebutuhan tanaman dinyatakan dalam
interval
yang overlap. Interval overlap
diperoleh dengan cara memperlebar kisaran
(range)
dari
interval
dengan
tetap
memperhatikan
keabsahaan kebutuhan
tanaman. Perubahan interval data tersebut
didapat dari hasil wawancara dengan pakar
dalam bidang pertanian yang dilakukan oleh
Sitanggang (2002). Tingkat overlap yang
diperoleh dari wawancara untuk setiap
karakteristik lahan diberikan dalam Lampiran 2.
Interval overlap untuk asparagus diberikan
dalam Lampiran 3.
Berdasarkan Tabel 3, tingkat pembatas dapat
ditentukan untuk setiap interval overlap data
kebutuhan penentuan kelas kesesuaian. Sebagai
contoh penentuan tingkat pembatas temperatur
rata – rata untuk tanaman asparagus,
ditunjukkan dalam Tabel 7.
Data kebutuhan tanaman diperoleh dari
penelitian dan aktivitas pemetaan lahan yang
dilakukan oleh para peneliti dan praktisi dalam
bidang kesesuaian lahan.
8
Tabel 7. Tingkat pembatas untuk interval
temperatur rata-rata asparagus
Interval
34.5
Kelas
Kesesuaian
Tidak sesuai
(N)
Sesuai
marginal (S3)
Cukup sesuai
(S2)
Sangat sesuai
(S1)
Cukup sesuai
(S2)
Sesuai
marginal (S3)
Tidak sesuai
(N)
Tingkat
Pembatas
Sangat berat
Berat
Sedang
Ringan
Sedang
Berat
Sangat berat
Karakteristik lahan yang dinyatakan secara
numerik dapat dikelompokkan untuk masing –
masing interval datanya. Sebagai contoh
temperatur
rata-rata
untuk
asparagus
dikelompokkan sebagai berikut:
Tabel 9. Tingkat pembatas dan ratingnya
Tingkat Pembatas
Tidak ada
Ringan
Sedang
Berat
Sangat berat
Karakteristik lahan yang tidak dinyatakan
dalam data numerik seperti karakteristik dalam
pembatas yang berhubungan dengan tesktur dan
kebasahan yang terdiri dari genangan dan
drainase, dinyatakan dalam kelas – kelas
karakteristik pembatas tersebut. Kelas – kelas
untuk karakteristik genangan yaitu F0 (tidak ada
pembatas genangan), F1 (ringan), F2 (sedang),
F3 (berat), F4 (sangat berat).
Kelas – kelas untuk karakteristik drainase
adalah cepat, agak cepat, agak baik, agak
terhambat, terhambat, sangat terhambat,
sedangkan Kelas – kelas untuk karakteristik
yang berhubungan dengan tekstur ditunjukkan
dalam Tabel 10.
Tabel 10. Kelas Tekstur
Tabel 8. Kelompok temperatur rata – rata
Kelompok
Dingin
Agak dingin
Sejuk
Sedang
Hangat
Agak panas
panas
Interval
< 10.5
9.5 – 15.5
14.5 – 18.5
17.5 – 25.5
24.5 – 30.5
29.5 – 35.5
>34.5
Dengan adanya pengelompokan data tersebut,
untuk data temperatur rata-rata maupun data
karakteristik lainnya dapat dipandang sebagai
variabel linguistik yang memiliki nilai linguistik
dingin, agak dingin, sejuk, sedang, hangat, agak
panas dan panas. Nilai linguistik untuk
karakteristik lainnya diberikan dalam Lampiran
4.
Selain karakteristik lahan, tingkat pembatas
juga dinyatakan dalam variabel linguistik
dengan nilai – nilai linguistiknya adalah tidak
ada, ringan, sedang, berat dan sangat berat.
Masing – masing pembatas diberikan rating
seperti pada Tabel 9.
Rating
> 90
80 – 100
55 - 90
35 - 65
< 45
Kelas
Halus
Agak
halus
Sedang
Agak
kasar
Kasar
Tekstur
Liat berpasir (SC), liat I, liat
berdebu (SiC)
Lempung berliat(CL),
lempung liat berpasir(SCL),
lempung liat berdebu (SiCL).
Lempung berpasir sangat halus
(VFSL), lempung (L),
Lempung berdebu (SiL), debu
(Si)
Lempung berpasir kasar
(SCL), lempung berpasir (SL),
Lempung berpasir halus (SFL)
Pasir(S), pasir berlempung
(LS)
Pengetahuan yang diperoleh dari proses
akuisisi direpresentasikan agar dapat dilakukan
proses
inferensi.
Teknik
representasi
pengetahuan yang digunakan adalah kaidah
produksi dimana pengetahuan dinyatakan dalam
bentuk aturan IF – THEN.
Ada dua kelompok aturan IF – THEN yang
digunakan, yaitu untuk penentuan tingkat
pembatas dan untuk penentuan kelas kesesuaian
9
lahan. Bagian premis yang digunakan untuk
penentuan tingkat pembatas merupakan
proposisi fuzzy dan proposisi bukan fuzzy yang
berkaitan dengan kelompok karakteristik lahan,
sedangkan bagian kesimpulan berkaitan dengan
tingkat pembatas.
Proposisi fuzzy adalah proposisi yang
berkaitan dengan karakteristik lahan yang
dinyatakan
sebagai
variabel
linguistik,
sedangkan proposisi bukan fuzzy digunakan
untuk drainase, tekstur dan genangan. Bagian
premis yang digunakan untuk penentuan kelas
kesesuaian lahan merupakan proposisi yang
berkaitan dengan pembatas lahan, sedangkan
bagian kesimpulan berkaitan dengan kelas
kesesuaian lahan.
Aturan – aturan untuk masing – masing
karakteristik lahan dalam menentukan tingkat
pembatas diberikan pada Lampiran 5.
lahan yang dimasukkan. Untuk karakteristik
lahan yang dinyatakan dalam variabel linguistik
yaitu, karakteristik yang berkaitan dengan
iklim, topografi, tanah secara fisik (kecuali
tekstur), fertilitas tanah, salinitas, alkalinitas dan
penyiapan lahan. Tingkat pembatas diperoleh
berdasarkan proses inferensi tahap 1.
Proses inferensi tahap 1 terdiri dari proses
fuzzifikasi,
inferensi,
komposisi
dan
defuzzifikasi. Metode inferensi yang digunakan
adalah min, dan metode komposisi yang
digunakan adalah max.
Fuzzifikasi
Fungsi keanggotaan dari temperatur rata –
rata, curah hujan dan kelembaban udara atau
data karakteristik lahan yang berhubungan
dengan iklim untuk tumbuhan asparagus
berturut – turut dapat dilihat pada Gambar 7,
Gambar 8 dan Gambar 9.
Desain Input
Desain input diperoleh dari hasil akuisisi
data yang terdiri dari data karakteristik lahan
berupa data input crisp dan data nilai linguistik
yang dimasukkan oleh pemakai (user),
ditunjukkan pada Gambar 6.
Agak
Dingin
Dingin
9.5 10.5
Sejuk
14.515.5
Sedang
17.518.5
Agak
Panas
Hangat
24.5 25.5
29.530.5
Panas
34.5 35.5
Gambar 7. Fungsi Keangotaan Temperatur
Rata – Rata
Sangat Rendah
Rendah
Gambar 6. UseCase Desain Input
Agak
Rendah
230270 480520
9801020
Sedang
Agak Tinggi
19802020
Sangat
Tinggi
Tinggi
2980 3020
3980 4020
Gambar 8. Fungsi Keangotaan Curah Hujan
Desain Proses
Proses pengolahan data pada penelitian ini
menggunakan
proses
inferensi
dalam
menentukan kelas kesesuaian lahan. Proses
inferensi terdiri atas dua tahap :
1. Proses inferensi dilakukan untuk menentukan
tingkat pembatas (Inferensi Tahap I).
2. Proses inferensi dilakukan untuk menentukan
kelas kesesuaian lahan (Inferensi Tahap II).
Proses
inferensi
dilakukan
dengan
menggunakan metode pelacakan ke depan
(forward chaining).
Rendah
Agak Rendah
.
29.5
30.5
.
35.5
Agak Tinggi
36.5
41.5
Tinggi
42.5
Gambar 9. Fungsi Keangotaan Kelembaban
Udara
Dari Gambar 7 dapat dilihat bahwa nilai
temperatur rata – rata berada dalam kelompok
sedang dengan derajat keanggotaan 1 jika nilai
tersebut berada dalam interval (18.5 – 24.5).
Dalam proses inferensi tahap 1, tingkat
pembatas disimpulkan dari nilai karakteristik
10
Fungsi keanggotaan untuk karakteristik
lahan yang lain ditentukan dengan cara yang
sama.
Selain karakteristik lahan, tingkat pembatas
juga memiliki fungsi keanggotaan yang dapat
dilihat pada Gambar 10.
Sedang
Berat
Sangaberat
35
45
55
65
Ringan
80
90
Tidak ada
100
Gambar 10. Fungsi Keangotaan Tingkat
Pembatas
Nilai pusat (center) dari setiap kelompok
tingkat pembatas diberikan dalam Tabel 11.
Tabel 11. Nilai center tingkat pembatas
Tingkat pembatas
Sangat berat
Berat
Sedang
Ringan
Tidak ada
Nilai pusat
35
50
72.5
90
100
Untuk memperjelas proses fuzzifikasi
diberikan contoh data karakteristik lahan yang
berhubungan dengan iklim:
-
Temperatur rata – rata
Curah hujan
Kelembaban udara
: 29.75 oC
: 1996 mm
: 40 %
Dari fungsi keanggotaan untuk karakteristik
lahan yang berhubungan dengan iklim(Gambar
7 - 9) dapat diperoleh nilai keanggotaan untuk
data input dalam kelompok – kelompok
tersebut. Nilai keanggotaan untuk data input
temperatur berada dalam kelompok hangat dan
agak panas. Nilai keanggotaan untuk curah
hujan berada dalam kelompok sedang dan agak
tinggi, sedangkan nilai keanggotaan untuk
kelembaban udara berada dalam kelompok agak
tinggi. Nilai – nilai keanggotaan tersebut adalah
Temperatur rata – rata(tr):
µhangat (29.75) = 0.75 dan µagakpanas (29.75)
= 0.25
Curah hujan(ch):
µsedang (1996) = 0.6 dan µagaktinggi(1996) =
0.4
Kelembaban udara(ku):
µagaktinggi(40) = 1.
Berdasarkan nilai – nilai keanggotaan
tersebut diperoleh empat aturan terpicu dengan
premis – premisnya adalah :
Premis Aturan 1 (R1) : tr adalah hangat AND
ch adalah sedang AND ku agak tinggi.
Premis Aturan 2 (R2) : tr adalah hangat AND
ch adalah agak tinggi AND ku agak tinggi.
Premis Aturan 3 (R3) : tr adalah agak panas
AND ch adalah sedang AND ku agak tinggi.
Premis Aturan 4 (R4) : tr adalah agak panas
AND ch agak tinggi AND ku agak tinggi.
Dengan
menggunakan
operator
min
diperoleh nilai kebenaran premis sebagai
berikut :
Premis R1 : min(0.75,0.6,1) = 0.6
Premis R2 : min(0.75,0.4,1) = 0.4
Premis R3 : min(0.25,0.6,1) = 0.25
Premis R4 : min(0.25,0.4,1) = 0.25
Inferensi min
Merupakan output yang
fungsi keanggotaan tingkat
aturan – aturan terpicu yang
ketinggian yang disesuaikan
kebenaran premis.
diperoleh
pembatas
dipotong
dengan
dari
dari
pada
nilai
Komposisi max
Output dari komposisi max adalah himpunan
fuzzy yang dibentuk dari titik – titik maksimum
dari semua himpunan fuzzy untuk setiap aturan
yang dihasilkan dari proses inferensi.
Defuzzifikasi
Himpunan fuzzy yang dihasilkan dari proses
komposisi dikonversi ke dalam bentuk crisp
dengan menggunakan metode center average
defuzzifier dengan mencari nilai pusat dari
pembatas terlebih dahulu.
Inferensi tahap II dilakukan untuk
menentukan kelas kesesuaian lahan berdasarkan
tingkat pembatas yang diperoleh dari proses
inferensi tahap I.
Desain proses untuk penentuan kelas
kesesuaian
digambarkan dalam bentuk
flowchart seperti pada Gambar 11, sedangkan
11
usecase diagram dan sequence diagram
ditunjukkan pada Lampiran 6 dan Lampiran 7.
Karateristik lahan
Curah hujan(mm)
Nilai
linguistik
Kisaran
data
Panas
>35
Sangat
rendah
< 200
Rendah
200 - 300
Agak
rendah
300 – 400
Sedang
400 –1110
Agak tinggi 1110–1600
Gambar 11. Flowchart penentuan kelas
kesesuaian
Data syarat tumbuh tanaman disimpan dalam
engine database yang digunakan untuk proses
penentu
DECKY PRAYOGA. Land Suitability Evaluation Module Cultivation Using Fuzzy Logic. Supervised
by HARI AGUNG.
Land suitability evaluation is the process of predicting land suitability class and land utilization
potential for agriculture. Land suitability is evaluated by comparing the plant requirements with the
available landscape characteristics related to climate, topography, texture, drainage, soil physics, soil
fertility, salinity and alkalinity, as well as land preparation.
In this research, we develop a system based on fuzzy inference to determine the rating, threshold
levels and land suitability class from land characteristics data obtained. The data given as input are a
crisp value or a linguistic value. Land suitability is evaluated using a boundary method. The fuzzy
inference method used is the max – min method and the defuzzification method used is the center
average defuzzifier method .
Keywords: evaluation of land suitability, suitability class, fuzzy inference
MODUL EVALUASI KESESUAIAN LAHAN BUDIDAYA
TANAMAN DENGAN MENGGUNAKAN LOGIKA FUZZY
DECKY PRAYOGA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
MODUL EVALUASI KESESUAIAN LAHAN BUDIDAYA
TANAMAN DENGAN MENGGUNAKAN LOGIKA FUZZY
DECKY PRAYOGA
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
ABSTRACT
DECKY PRAYOGA. Land Suitability Evaluation Module Cultivation Using Fuzzy Logic. Supervised
by HARI AGUNG.
Land suitability evaluation is the process of predicting land suitability class and land utilization
potential for agriculture. Land suitability is evaluated by comparing the plant requirements with the
available landscape characteristics related to climate, topography, texture, drainage, soil physics, soil
fertility, salinity and alkalinity, as well as land preparation.
In this research, we develop a system based on fuzzy inference to determine the rating, threshold
levels and land suitability class from land characteristics data obtained. The data given as input are a
crisp value or a linguistic value. Land suitability is evaluated using a boundary method. The fuzzy
inference method used is the max – min method and the defuzzification method used is the center
average defuzzifier method .
Keywords: evaluation of land suitability, suitability class, fuzzy inference
Dosen Penguji:
1. Ir. Hermanu, M.Sc
2. Mushthofa, S.Kom., M.Sc
Judul : Modul Evaluasi Kesesuaian Lahan Budidaya Tanaman dengan Menggunakan Logika Fuzzy
Nama : Decky Prayoga
NRP : G64076015
Menyetujui,
Dosen Pembimbing
Hari Agung Andrianto, S.Kom., M.Si.
NIP. 19760917200501 1 001
Mengetahui,
Ketua Departemen Ilmu Komputer
Institut Pertanian Bogor
Dr. Ir. Sri Nurdiati, M.Sc
NIP. 19601126 198601 2 001
Tanggal Lulus:
PRAKATA
Puji syukur penulis panjatkan ke hadirat Allah SWT atas segala rahmat dan karunia-Nya,
sehingga tugas akhir ini dengan judul Modul Kesesuaian Lahan Budidaya Tanaman Dengan
Menggunakan Logika Fuzzy dapat diselesaikan. Karya ilmiah ini dilaksanakan mulai November 2010
sampai dengan Januari 2011, bertempat di Departemen Ilmu Komputer.
Penulis berterima kasih kepada Bapak Hari Agung, S.Kom,. M.Si. selaku pembimbing yang
telah banyak memberikan arahan, bimbingan, waktu, serta kesabarannya selama pengerjaan karya
ilmiah ini. Terima kasih yang setulus-tulusnya juga Penulis tujukan bagi ayah dan ibu tercinta yaitu
Sulistyo dan Nani Supriyatni, serta keluarga besar Penulis atas doa serta dukungan untuk keberhasilan
Penulis.
Andy Pramurjadi, Joko Purwanto, Ahmad Zafaroni, Aditya Hapsari, Fauzi Siswoyo dan
seluruh rekan ekstensi S1 Ilkom Angkatan 2 atas dukungan, bantuan, serta kebersamaannya selama
ini, semoga sukses selalu dan tetap semangat; juga untuk Ibu Imas Sukaesih Sitanggang yang telah
membantu Penulis dalam mengumpulkan bahan dan data pendukung untuk karya ilmiah ini.
Penulis juga mengucapkan terima kasih kepada semua pihak yang telah membantu selama
penyelesaian karya ilmiah ini yang tidak dapat disebutkan satu-persatu. Semoga karya ilmiah ini
bermanfaat.
Bogor, Januari 2011
Decky Prayoga
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 14 Desember 1985, dari pasangan Bapak Sulistyo
dan Ibu Nani Supriyatni. Penulis merupakan putra kedua dari tiga bersaudara. Pada Tahun 2003
penulis lulus dari SMA PGRI 4 Bogor dan pada tahun yang sama, penulis melanjutkan pendidikan
Diploma 3 di Program Studi Teknologi Informasi Kelautan, Institut Pertanian Bogor dan lulus pada
tahun 2006.
Tahun 2007, penulis bekerja di Trans Jakarta, kemudian pada bulan September 2007 penulis
resmi diterima sebagai mahasiswa Program Studi S1 Penyelenggaraan Khusus Departemen Ilmu
Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB.
DAFTAR ISI
Halaman
DAFTAR TABEL .......................................................................................................................... vii
DAFTAR GAMBAR ...................................................................................................................... viii
DAFTAR LAMPIRAN................................................................................................................... ix
PENDAHULUAN
Latar Belakang ......................................................................................................................... 1
Tujuan ...................................................................................................................................... 1
Ruang Lingkup ........................................................................................................................ 1
Manfaat Penelitian ................................................................................................................... 1
TINJAUAN PUSTAKA
Tanaman Asparagus ................................................................................................................ 1
Logika Fuzzy ........................................................................................................................... 2
Himpunan Fuzzy...................................................................................................................... 2
Operasi Dasar Himpunan Fuzzy .............................................................................................. 2
Variabel Lingusitik .................................................................................................................. 2
Aturan IF –THEN Fuzzy ......................................................................................................... 3
Fuzzifikasi ............................................................................................................................... 3
Inferensi ................................................................................................................................... 3
Komposisi ................................................................................................................................ 3
Defuzzifikasi ............................................................................................................................ 4
Pengetahuan Tentang Evaluasi Kesesuaian Lahan .................................................................. 4
Klasifikasi Kesesuaian Lahan .................................................................................................. 5
Prosedur Evaluasi Kesesuaian Lahan ...................................................................................... 6
PERANCANGAN SISTEM
Analisa Kebutuhan .................................................................................................................. 7
Desain Input ............................................................................................................................. 10
Desain Proses ........................................................................................................................... 10
Fuzzifikasi ............................................................................................................................... 10
Inferensi Min ........................................................................................................................... 11
Komposisi Max ....................................................................................................................... 11
Defuzzifikasi ............................................................................................................................ 11
Desain Output .......................................................................................................................... 13
Pemograman ............................................................................................................................ 13
Pengujian ................................................................................................................................. 13
Operasi dan Pemeliharan ......................................................................................................... 13
Implementasi Sistem................................................................................................................ 13
HASIL DAN PEMBAHASAN
Data Input Crisp....................................................................................................................... 14
Penentuan Rating Pembatas yang Berhubungan dengan Iklim................................................ 15
Penentuan Rating Pembatas yang Berhubungan dengan Kebasahan dan Tekstur ................... 16
Penentuan Kelas Kesesuaian Lahan ........................................................................................ 16
Data Nilai Linguistik ............................................................................................................... 19
Rating Pembatas yang Berhubungan dengan Temperatur Rata – rata .................................... 20
Tampilan Sistem ...................................................................................................................... 20
KESIMPULAN DAN SARAN
Kesimpulan .............................................................................................................................. 21
Saran ........................................................................................................................................ 22
DAFTAR PUSTAKA ..................................................................................................................... 22
LAMPIRAN ................................................................................................................................... 23
vi
DAFTAR TABEL
Halaman
1.Operasi Dasar Himpunan Fuzzy .................................................................................................. 2
2. Kualitas dan Karakteristik Lahan untuk Evaluasi Kesesuaian Lahan ......................................... 5
3. Hubungan antara Kelas Kesesuian Lahan dan Tingkat Pembatas .............................................. 6
4. Kriteria Penentuan Kelas Kesesuaian lahan yang Berhubungan dengan Iklim........................... 6
5. Kriteria Penentuan Kelas Kesesuaian lahan................................................................................ 6
6. Data Atribut Kesesuaian Lahan Budidaya Tanaman .................................................................. 8
7. Tingkat Pembatas untuk Interval Temperatur Rata – rata Asparagus ......................................... 9
8. Kelompok Temperatur Rata – rata ............................................................................................. 9
9. Tingkat Pembatas dan Ratingnya................................................................................................ 9
10. Kelas Tekstur ............................................................................................................................ 9
11. Nilai Center Tingkat Pembatas ................................................................................................. 11
12. Nilai – nilai Lingustik Sebagai Data Input Sistem .................................................................... 12
13. Hasil Pengujian Data Input Crisp Wilayah Cisarua .................................................................. 14
14. Hasil Pengujian Data Input Crisp Wilayah Sukamantri ............................................................ 17
15. Hasil Pengujian Data Input Crisp Wilayah Dramaga................................................................ 19
16. Hasil Pengujian Data Input Nilai Linguistik ............................................................................. 19
vii
DAFTAR GAMBAR
Halaman
1. Fungsi keanggotaan untuk kelompok umur ................................................................................ 2
2. Empat Tahap dalam Pembangunan Sistem Fuzzy ...................................................................... 3
3. Pusat dari Himpunan Fuzzy ........................................................................................................ 4
4. Skema sistem kesesuaian lahan budidaya tanaman .................................................................... 7
5. Bagan alir pengembangan sistem model waterfall ..................................................................... 7
6. Use Case Desain Input ................................................................................................................ 10
7. Fungsi Keanggotaan Temperatur Rata – rata .............................................................................. 10
8. Fungsi Keanggotaan Curah Hujan ............................................................................................. 10
9. Fungsi Keanggotaan Kelembaban Udara ................................................................................... 10
10. Fungsi Keanggotaan Tingkat Pembatas .................................................................................... 11
11. Flowchart Proses Penentuan Kelas Kesesuaian Lahan ............................................................. 12
12. Use Case Desain Output ........................................................................................................... 13
13. Derajat Keanggotaan Data Input Temperatur Rata – rata tr = 22.5 .......................................... 15
14. Derajat Keanggotaan Data Input Curah Hujan th =3888 .......................................................... 15
15. Derajat Keanggotaan Data Input Kelembaban Udara ku = 86.5 ............................................... 15
16. Derajat Keanggotaan Tingkat Pembatas Rating = 50.0 ............................................................ 16
17. Titik Perpotongan antara Himpunan Fuzzy Input Sedang dengan Himpunan Fuzzy
Kelompok Temperatur Rata - rata ........................................................................................... 20
18. FrmDataInput ............................................................................................................................ 21
19. FrmHimpunanFuzzy ................................................................................................................. 21
20. KelasKesesuaianDisplay ........................................................................................................... 21
21. FrmDisplayHimpunan .............................................................................................................. 21
viii
DAFTAR LAMPIRAN
Halaman
1. Data Kebutuhan Tanaman untuk Asparagus ............................................................................... 24
2. Tingkat Overlap Karateristik Lahan ........................................................................................... 25
3. Data Kebutuhan Tanaman untuk Asparagus dengan Menggunakan Interval Overlap .............. 26
4. Nilai Linguistik untuk Karateristik Lahan ................................................................................. 27
5. Aturan untuk Menentukan Tingkat Pembatas ............................................................................. 28
6. Use Case Diagram Penentuan Kelas ........................................................................................... 32
7. Sequence Diagram Penentuan Kelas…………………………………………………………….33
8. Hubungan antar Objek ................................................................................................................ 34
9. Contoh Kode Program Penentuan Kelas Kesesuaian yang Berhubungan dengan Iklim ........... 35
ix
PENDAHULUAN
Latar Belakang
Permintaan informasi mengenai kelas
kesesuaian lahan bagi budidaya tanaman
semakin
meningkat
sejalan
dengan
pembangunan sektor pertanian. Informasi ini
sangat
berguna
bagi
para
perencana
pembangunan
sektor
pertanian
untuk
merekomendasikan bentuk penggunaan lahan
tertentu bagi petani.
Penentuan kelas kesesuaian lahan dapat
dilakukan berdasarkan dua aspek, yaitu secara
ekonomi (economic evaluation) dan secara fisik
(physical evaluation). Kesesuaian secara
ekonomi dievaluasi berdasarkan pada analisis
biaya dan keuntungan dari bentuk penggunaan
lahan tertentu, sedangkan kesesuaian secara
fisik dievaluasi berdasarkan sifat fisik
lingkungan lahan seperti iklim, tanah dan
topografi.
Salah satu metode penentuan kelas
kesesuaian lahan adalah metode pembobotan
dan scoring. Dalam metode ini faktor – faktor
pembatas diberi bobot tertentu (crisp), misal
untuk tanaman asparagus dengan temperatur
rata – rata 35 oC dinilai memiliki kelas
kesesuaian sesuai marginal (S3), sedangkan
temperatur rata – rata 35.1 oC dinilai memiliki
kelas kesesuaian tidak sesuai (N). Metode
penentuan kelas kesesuaian lahan tersebut
dinilai terlalu baku, karena perbedaan yang
hampir sama memiliki kelas kesesuaian yang
berbeda. Oleh karena itu Sitanggang (2002)
menggunakan pendekatan logika fuzzy.
Dalam pendekatan logika fuzzy faktor –
faktor pembatas dapat memiliki kelas
kesesuaian yang sama dengan nilai derajat
keanggotaan berbeda, misal untuk tanaman
asparagus dengan temperatur rata – rata 35 oC
dinilai memiliki kelas kesesuaian sesuai
marginal (S3) dengan nilai derajat keanggotaan
0.4, dan temperatur rata – rata 35.1 oC dinilai
memiliki kelas kesesuaian sesuai marginal (S3)
dengan nilai derajat keanggotaan 0.6.
Penelitian Sitanggang (2002) menggunakan
bahasa pemograman Borland Delphi 5.0 dalam
membangun sistem evaluasi kesesuaian lahan,
dalam penelitian ini penulis membangun sistem
dengan menggunakan bahasa pemograman
JAVA.
Penelitian ini dikerjakan secara tim yang
terdiri dari Decky Prayoga, Ahmad Zafaroni
dan Facran dengan pembagian tugas sebagai
berikut :
1. Membangun modul inferensi fuzzy untuk
penentuan kelas kesesuaian (Decky
Prayoga).
2. Membangun
modul
XML
untuk
penambahan data syarat tumbuh tanaman
baru (Ahmad Zafaroni).
3. Visualisasi peta lokasi kesesuaian lahan
(Facran).
Tujuan
Menerapkan logika fuzzy untuk membangun
sistem evaluasi kesesuaian lahan budidaya
tanaman
dengan
menggunakan
bahasa
pemograman JAVA.
Ruang Lingkup Permasalahan
Penentuan kelas kesesuaian lahan untuk
budidaya tanaman dibatasi pada wilayah Bogor
dan
tanaman asparagus
berdasarkan
kesesuaian lahan secara fisik, seperti iklim,
tanah dan topografi
Manfaat
Memberikan kemudahan bagi
para
perencana pembangunan sektor pertanian untuk
merekomendasikan bentuk penggunaan lahan
tertentu bagi petani.
TINJAUAN PUSTAKA
Tanaman Asparagus
Asparagus merupakan sayuran yang
dikonsumsi bagian tunas mudanya atau bisa
disebut (spears). Untuk menghasilkan rebung
yang berkualitas baik, maka di perlukan
tanaman asparagus yang baik pula. Tanaman
asparagus yang pertumbuhannya bagus dapat
dihasilkan melalui beberapa perbanyakan, salah
satunya adalah dengan menggunakan bibit yang
telah berakar.
Perbanyakan menggunakan bibit ini
mempunyai beberapa keuntungan diantaranya
mempersingkat
masa
non
produktif,
1
menghasilkan kondisi pertanaman penuh
dengan tanaman yang seragam, mengurangi
persaingan gulma, dan dapat menjamin
perkecambahan yang lebih baik (Rubatzky &
Yamaguchi, 1999 dalam Hanum, 2009 ).
Karakteristik media tanam sebagai tempat
tumbuh yang terpenting adalah mempunyai
kemampuan memegang air yang baik,
mempunyai aerasi dan drainase yang baik,
mempunyai PH yang sesuai dengan jenis
tanaman, dan mengandung unsur hara untuk
mendukung pertumbuhan tanaman (Hanum,
2009).
Logika Fuzzy
Logika fuzzy merupakan salah satu
komponen pembentuk soft computing. Logika
fuzzy pertama kali diperkenalkan oleh Prof.
Lotfi A. Zadeh pada tahun 1965. Dasar logika
fuzzy adalah teori himpunan fuzzy. Pada teori
himpunan fuzzy, peranan derajat keanggotaan
sebagai penentu keberadaan elemen dalam suatu
himpunan sangatlah penting. Nilai keanggotaan
atau derajat keanggotaan atau membership
fuction menjadi ciri utama dari penalaran
dengan logika fuzzy tersebut (Purnomo et al,
2010).
Logika
fuzzy
digunakan
untuk
menerjemahkan
suatu
besaran
yang
diekspresikan dengan bahasa (linguistic)
misalkan besaran curah hujan yang di
ekspresikan dengan sangat rendah, rendah, agak
rendah, sedang, agak tinggi dan tinggi. Logika
fuzzy menunjukkan sejauh mana nilai itu benar
atau sejauh mana nilai itu salah.
Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai
keanggotaan suatu item x dalam himpunan A,
yang sering ditulis dengan µA(x), memiliki dua
kemungkinan yaitu (Purnomo et al, 2010) :
1. Satu (1), yang berarti bahwa suatu item
menjadi anggota dalam suatu himpunan
2. Nol (0), yang berarti bahwa suatu item tidak
menjadi anggota dalan suatu himpunan
himpunan secara gradual, dan transisi ini
dikarakterisasi dengan fungsi keanggotaan yang
memberikan
fleksibilitas
fuzzy
dalam
pemodelan umum yang digunakan dalam
ekspresi linguistik.
Operasi Dasar Himpunan Fuzzy
Seperti halnya himpunan konvesional, ada
beberapa operasi yang didefinisikan secara
khusus
untuk
mengombinasikan
dan
memodifikasi
himpunan
fuzzy.
Nilai
keanggotaan sebagai hasil dari 2 himpunan
sering dikenal dengan nama fire strength atau αpredikat. Ada 3 operasi dasar dalam himpunan
fuzzy yaitu Complement , Irisan (Intersection),
dan gabungan (union) (Cox, 1994 dalam
Purnomo et al,
2010). Fungsi keanggotaan
himpunan fuzzy baru yang dihasilkan dari
operasi – operasi tersebut diberikan dalam
Tabel 1.
Tabel 1. Operasi dasar himpunan fuzzy
Operasi
Fungsi Keanggotaan
Complement
µ A – (x) = 1 - µ A
Intersection
µ (A∩B) (x) = min [µ A (x), µ B (x)]
Union
µ (AUB) (x) = max [µ A (x), µ B (x)]
Variabel Liguistik
Variabel linguistik adalah sebuah variabel yang
memiliki nilai berupa kata – kata dalam bahasa
alamiah. Setiap variabel linguistik berkaitan
dengan sebuah fungsi keanggotaan. Sebagai
contoh: umur orang dapat dinyatakan sebagai
variabel linguistik yang memiliki nilai – nilai
linguistik seperti muda, parobaya, dan tua
dengan fungsi keanggotaan untuk semua umur
di antara 25 dan 65 ditunjukkan dalam Gambar
1.
Himpunan fuzzy didasarkan pada gagasan
untuk
memperluas
jangkauan
fungsi
karakteristik sedemikian hingga fungsi tersebut
akan mencakup bilangan real pada interval
[0,1].
Himpunan fuzzy merupakan himpunan tanpa
batasan crisp, transisi dari termasuk dalam
himpunan hingga tidak termasuk dalam
Gambar 1. Fungsi keanggotaan untuk
kelompok umur
2
Aturan IF-THEN Fuzzy
Fuzzifikasi
Logika fuzzy menggunakan himpunan fuzzy
dalam mempresentasikan dan memanipulasi
informasi yang samar (tidak jelas) untuk
keperluan penarikan kesimpulan (Arhami,
2005). Proses penarikan kesimpulan dengan
menggunakan logika fuzzy dinamakan inferensi
fuzzy.
Dalam fuzzifikasi, variabel input (crisp) dari
sistem fuzzy ditransfer ke dalam himpunan
fuzzy untuk dapat digunakan dalam perhitungan
nilai kebenaran dari premis pada setiap aturan
dalam basis pengetahuan (Arhami, 2005).
Dengan demikian tahap ini mengambil nilai –
nilai crisp dan menentukan derajat di mana nilai
– nilai tersebut menjadi anggota setiap
himpunan fuzzy yang sesuai.
Sistem berbasis pengetahuan atau sistem
berbasis aturan dimana basis pengetahuannya
direpresentasikan sebagai sekumpulan aturan
produksi, yaitu aturan IF-THEN fuzzy
dinamakan sistem fuzzy (Wang, 1997 dalam
Arhami, 2005). Aturan IF-THEN fuzzy adalah
pernyataan IF-THEN di mana beberapa kata –
kata dalam pernyataan tersebut ditentukan oleh
fungsi keanggotaan. Aturan produksi fuzzy
adalah relasi fuzzy antara dua proposisi fuzzy.
Aturan tersebut dinyatakan sebagai berikut :
IFTHEN
Bagian IF dari aturan, yaitu proposisi 1
dinamakan antecedent atau premis, sedangkan
bagian THEN dari aturan, yaitu proposisi 2,
dinamakan consequent
atau kesimpulan.
Proposisi fuzzy adalah proposisi yang memiliki
derajat kebenaran yang dinyatakan oleh suatu
bilangan dalam interval [0,1], dimana benar
dinyatakan oleh nilai 1 dan salah dinyatakan
oleh nilai 0. Premis dari aturan fuzzy dapat
memiliki lebih dari satu bagian. Semua bagian
dari premis dihitung secara simultan dan
diselesaikan untuk sebuah nilai tunggal dengan
menggunakan operator fuzzy dalam himpunan
fuzzy.
Menurut Havinga et al (1999) dalam Arhami
(2005),
terdapat
empat
tahap
dalam
pembangunan sistem fuzzy, yaitu fuzzifikasi,
inferensi,
komposisi
dan
defuzzifikasi
ditunjukan pada Gambar 2.
Setelah fungsi keanggotaan dalam nilai –
nilai crisp ditentukan, selanjutnya nilai
kebenaran dari premis dihitung. Premis dari
aturan dapat terdiri atas lebih dari satu proposisi
yang dihubungkan dengan operasi seperti
konjungsi (AND) dan disjungsi (OR). Untuk
menghitung nilai kebenaran premis, operator
fuzzy digunakan untuk memperoleh satu
bilangan yang merepresentasikan hasil dari
premis. Jika sebuah premis dari suatu aturan
memiliki derajat kebenaran tidak nol maka
aturan dikatakan terpicu (fired).
Inferensi
Inferensi diimplementasikan untuk masing –
masing aturan dalam basis pengetahuan. Dalam
inferensi, nilai kebenaran premis dari aturan –
aturan yang terpicu digunakan untuk
menentukan nilai kebenaran bagian kesimpulan
dari aturan yang terpicu. Dengan demikian
input untuk proses inferensi adalah nilai yang
diberikan oleh premis, dan output adalah suatu
himpunan fuzzy.
Metode yang biasa digunakan dalam proses
inferensi adalah min dan product (Havinga et al,
1999 dalam Arhami, 2005). Dalam metode
inferensi min, fungsi keanggotaan output
dipotong pada ketinggian fungsi yang
disesuaikan dengan nilai kebenaran dari premis.
Dalam metode inferensi product, fungsi
keanggotaan output diberi skala dengan nilai
kebenaran dari premis.
Komposisi
Gambar 2. Empat tahap dalam pembangunan
sistem fuzzy
Komposisi adalah proses di mana himpunan
fuzzy yang menyatakan output dari setiap
aturan dikombinasikan bersama ke dalam
sebuah himpunan fuzzy. Metode komposisi
yang umum digunakan adalah max (maximum)
3
dan sum. Dalam komposisi max, himpunan
fuzzy untuk output ditentukan dengan
mengambil titik maksimum dari semua
himpunan fuzzy yang dihasilkan oleh proses
inferensi untuk masing – masing aturan.
suatu titik. Jika tinggi dari himpunan fuzzy
adalah 1, maka himpunan fuzzy tersebut
dikatakan himpunan fuzzy normal.
Dalam komposisi sum, himpunan fuzzy
untuk output ditentukan dengan mengambil
penjumlahan titik dari semua himpunan fuzzy
yang dihasilkan oleh proses inferensi untuk
masing – masing aturan.
Defuzzifikasi
Input dari proses defuzzifikasi adalah
himpunan fuzzy (yang dihasilkan dari proses
komposisi) dan output adalah sebuah nilai
(crisp). Terdapat tiga teknik yang paling umum
digunakan, yaitu center of gravity (centroid)
defuzzifier, center average defuzzifier dan
maximum defuzzifier.
Dalam center of gravity (centroid)
defuzzifier, nilai crisp dari variabel output
dihitung dengan menemukan nilai variabel dari
pusat gravitasi dari fungsi keanggotaan
himpunan fuzzy. Dalam maximum defuzzifier,
salah satu dari nilai – nilai variabel dimana
subset fuzzy memiliki nilai kebenaran
maksimum dipilih sebagai nilai crisp untuk
variabel output. Menurut Wang (1997) dalam
Sitanggang (2002) center average defuzzifier
adalah metode yang paling umum digunakan
dalam sistem fuzzy dan kontrol fuzzy.
Metode
center
average
defuzzifier
menggunakan nilai pusat (center) dan tingginya
(height)
dari
himpunan
fuzzy
dalam
menentukan nilai crisp hasil. Pusat dari suatu
himpunan fuzzy didefinisikan sebagai berikut :
jika nilai titik tengah dari semua titik dimana
fungsi keanggotaan dari himpunan fuzzy
mencapai nilai maksimumnya adalah berhingga,
maka definisikan nilai titik tengah tersebut
sebagai pusat dari himpunan fuzzy, jika nilai
titik tengah adalah bilangan positif (negatif) tak
berhingga, maka pusat didefinisikan sebagai
nilai terkecil (terbesar) di antara semua titik
yang mencapai nilai keanggotaan maksimum
(Wang, 1997 dalam Sitanggang, 2002). Gambar
3 menunjukkan pusat dari beberapa himpunan
fuzzy. Tinggi dari suatu himpunan fuzzy adalah
nilai keanggotaan terbesar yang dicapai oleh
Gambar 3. Pusat dari himpunan fuzzy
Secara khusus, misalkan Y-k adalah pusat
dari himpunan fuzzy ke – k dan Wk adalah
tingginya,
center
average
defuzzifier
menentukan Y* sebagai :
Pengetahuan Tentang Evaluasi Kesesuaian
Lahan
Evaluasi lahan adalah proses menduga kelas
kesesuaian lahan dan potensi lahan untuk
pertanian. Untuk keperluan evaluasi lahan, sifat
– sifat fisik lingkungan suatu wilayah dirinci ke
dalam kualitas lahan dan setiap kualitas lahan
biasanya terdiri dari satu atau lebih karakteristik
lahan.
Karakteristik lahan adalah sifat lahan yang
dapat diukur dan diestimasi. Tabel 2
menyatakan kualitas dan karakteristik lahan
yang digunakan dalam evaluasi kesesuaian
lahan.
Kesesuaian lahan adalah penggambaran
tingkat kecocokan sebidang lahan untuk
penggunaan tertentu (Ritung et al, 2007).
Kerangka dasar dari evaluasi sumberdaya lahan
adalah membandingkan persyaratan yang
diperlukan untuk suatu penggunaan lahan
tertentu dengan sifat sumberdaya yang ada pada
lahan tersebut.
4
Tabel 2. Kualitas dan karakteristik lahan
untuk evaluasi kesesuaian lahan
Kualitas
Lahan
Temperatur
Ketersediaan
air
Ketersediaan
oksigen
Karakteristik Lahan
1 Temperatur rerata (OC)
atau elevasi (m)
1 Curah hujan (mm)
2 Lama masa kering (bulan)
3 Kelembaban udara (%)
1 Drainase
Media
Perakaran
1 Drainase
2 Tekstur
3 Bahan kasar (%)
4 Kedalaman tanah (cm)
5 Ketebalan gambut (cm)
6 Kematangan gambut
Retensi hara
1 KTK liat (cmol)*
2 Kejenuhan basa (%)
3 ph H20
4 C –organik (%)
Toksitas
1 Alumunium
2 Salnitas/DHL(ds/m)
Sodisitas
Bahaya
sulfidik
Bahaya erosi
1 Alkalinitas (%)
1 Pyrit (bahan sulfidik)
Bahaya banjir
Penyiapan
lahan
1 Lereng (%)
2 Bahaya erosi
1 Genangan
1 Batuan di permukaan (%)
2 Singkapan batuan (%)
Klasifikasi Kesesuaian Lahan
Berdasarkan klasifikasi kesesuaian lahan
FAO (Food and Agriculture Organization),
struktur sistem klasifikasi kesesuaian lahan
terdiri atas empat kategori yaitu (Ritung et al,
2007):
1. Ordo Kesesuaian lahan
Kategori ini menyatakan bentuk kesesuaian
lahan atau kondisi kesesuaian secara umum.
Ordo kesesuaian lahan menjelaskan apakah
lahan sesuai atau tidak untuk penggunaan
tertentu. Ordo kesesuaian lahan dibagi ke
dalam dua kategori, yaitu :
a. Ordo S : Sesuai
Lahan yang termasuk dalam ordo
sesuai adalah lahan yang dapat
digunakan
untuk
suatu
penggunaan tertentu secara lestari,
tanpa atau dengan sedikit resiko
kerusakan terhadap sumberdaya
lahannya.
b. Ordo N : Tidak Sesuai
Lahan yang termasuk dalam ordo
ini
mempunyai
pembatas
(limitation)
sedemikian rupa
sehingga
mencegah
suatu
penggunaan secara lestari
2. Kelas kesesuaian lahan
Pengelompokan ini menyatakan derajat
kesesuaian dalam ordo, terdapat tiga kelas
dalam ordo sesuai, yaitu:
a. Kelas S1: Sangat Sesuai
Lahan yang tergolong dalam
kelas ini tidak mempunyai faktor
pembatas yang berarti atau nyata
terhadap penggunaan secara
lestari, atau faktor pembatas yang
bersifat minor dan tidak akan
mengurangi produktivitas lahan
secara nyata.
b. Kelas S2:Cukup Sesuai
Lahan
mempunyai
faktor
pembatas dan faktor pembatas
ini
berpengaruh
terhadap
produktivitasnya. Lahan juga
memerlukan tambahan input
(masukan).
c.Kelas S3:Sesuai Marginal
Pada kelas ini lahan mempunyai
faktor pembatas yang berat, dan
faktor pembatas ini berpengaruh
terhadap produktivitasnya. Lahan
juga memerlukan input yang lebih
banyak dari pada lahan yang
tergolong dalam kelas S2.
3. Sub kelas kesesuaian lahan
Kategori ini menyatakan tipe pembatas atau
peningkatan lahan yang diperlukan dalam
kelas.
4. Unit Kesesuaian lahan
Pengelompokan
ini
digunakan
untuk
mengidentifikasi unit pengembangan lahan
yang memilki perbedaan – perbedaan minor
dalam kebutuhan manajamen
5
Prosedur Evaluasi Kesesuaian Lahan
Kelas kesesuaian lahan dari lahan tertentu
untuk tanaman ditentukan oleh kesesuaian
antara karakteristik lahan dan kondisi lahan
yang diperlukan oleh tanaman. Berdasarkan Sys
et al (2) (1991) dalam Sitanggang (2002)
prosedur evaluasi lahan yang diperlukan terdiri
dari tiga tahap yaitu:
1. Pengumpulan karakteristik lahan
diperlukan.
Berdasarkan klasifikasi kesesuaian
koleksi data untuk evaluasi unit lahan
tanaman tertentu dalam karakteristik
diberikan sebagai berikut:
1.
2.
3.
4.
5.
yang
FAO,
untuk
lahan
Karakteristik yang berhubungan dengan
iklim, yaitu data curah hujan, temperatur,
insolasi,
kelembaban
relatif
dan
kecepatan angin.
Karakteristik yang berhubungan dengan
landscape dan tanah, yaitu kemiringan,
drainase, genangan.
Karakteristik yang berhubungan dengan
tanah secara fisik, yaitu tekstur, bahan
kasar, kedalaman tanah, Calcium
carbonate (CaCO3), Gypsum (CaSO4).
Karakteristik yang berhubungan dengan
fertilitas, yaitu CEC (Cation Exchage
Capacity) nyata, jumlah kation dasar
(basic cation), keasaman (PH-H2O),
karbon organik.
Salinitas dan alkalinitas
2. Penentuan kebutuhan tipe penggunaan lahan
Dalam tahap ini ditentukan kebutuhan yang
berkaitan dengan iklim dan tanah untuk
tanaman.
3. Evaluasi sensu strico
Evaluasi sensu strico dilakukan dengan
membandingkan karakteristik dan kualitas lahan
dengan kebutuhan tanaman. Salah satu metode
yang digunakan untuk menentukan kelas lahan
adalah metode pembatas yang menentukan
kelas lahan berdasarkan banyaknya dan
intensitas pembatas. Tabel 3 menyatakan
hubungan antara kelas kesesuaian lahan dengan
tingkat pembatas (Sys et al(1), 1991 dalam
Sitanggang , 2002 ).
Tabel 3. Hubungan antara kelas kesesuaian
lahan dan tingkat pembatas.
Kelas
Lahan
Kesesuaian
S1 : Sangat Sesuai
Tingkat
Pembatas
S2 : Cukup sesuai
0 : tidak ada
1 : ringan
2 : sedang
S3 : Sesuai marginal
3 : berat
N : Tidak sesuai
4 : sangat berat
Metode pembatas menyarankan untuk
mengevaluasi pembatas yang berhubungan
dengan iklim terlebih dahulu. Kelas kesesuaian
iklim ditentukan berdsarkan pembatas yang
paling berat (severe). Tabel 4 menyarankan
kriteria untuk menentukan kelas kesesuaian
yang berhubungan dengan iklim.
Tabel 4. Kriteria untuk penentuan kelas
kesesuaian lahan yang berhubungan dengan
iklim
Kelas
Kriteria
S1
Iklim tidak memiliki pembatas
atau iklim maksimum 3
pembatas ringan
Iklim memiliki 4 pembatas
ringan dan/atau maksimum 3
pembatas sedang
Iklim memiliki 4 pembatas
sedang dan/atau 1 atau lebih
pembatas berat
Iklim memiliki 1 atau lebih
pembatas yang sangat berat
S2
S3
N
Kelas
kesesuaian
lahan
ditentukan
berdasarkan kriteria yang diberikan pada Tabel
5.
Tabel 5. Kriteria untuk penentuan kelas
kesesuaian lahan
Kelas
Lahan
S1
Kriteria
Unit
lahan
tidak
memiliki
pembatas, atau hanya memiliki 4
pembatas ringan
6
Kelas
Lahan
S2
S3
N
Kriteria
Unit lahan memiliki lebih dari 4
pembatas
ringan,
dan/atau
memiliki tidak lebih dari 3
pembatas sedang
Unit lahan memiliki lebih dari 3
pembatas sedang, dan/atau 1 atau
lebih pembatas berat
Unit lahan memiliki pembatas
sangat berat
Analisis
Kebutuhan
Perancangan
(Design)
Pemrograman
(coding)
Pengujian
(testing)
PERANCANGAN SISTEM
Skema sistem yang akan dibangun dalam
penelitian ini secara keseluruhan dapat dilihat
pada Gambar 4.
Operasi dan
Pemeliharaan
Gambar5. Bagan alir pengembangan sistem
model waterfall
Analisis Kebutuhan
Analisis kebutuhan merupakan langkah awal
dalam perancangan sistem , karena merupakan
dasar keberhasilan dari implementasi sistem.
Analisis kebutuhan pada penelitian ini
mencakup analisis pengguna sistem, akuisisi
pengetahuan, representasi
pengetahuan,,
pengolahan data dan output dari sistem.
Pengguna yang akan menggunakan sistem ini
adalah para pengembang di bidang sektor
pertanian.
Gambar 4. Skema sistem evaluasi kesesuaian
lahan budidaya tanaman
Tahapan perancangan sistem yang dilakukan
dalam penelitian ini menggunakan metode
waterfall karena metode ini bersifat sistematis
dan berurutan dalam membangun sistem. Aliran
dari fase satu ke fase yang lain lebih jelas
terlihat (Sommerville, 1996 dalam Kurniasih,
2003). Secara garis besar bagan alir dari
pengembangan sistem model waterfall ini dapat
dilihat pada Gambar 5. Metode yang digunakan
untuk menentukan kelas kesesuaian lahan
budidaya tanaman adalah metode pembatas
yang berkaitan dengan banyaknya dan intensitas
pembatas.
Akusisi pengetahuan dalam penelitian ini
diperoleh dari beberapa sumber yaitu buku,
dokumen tentang persyaratan hidup tanaman,
dan hasil wawancara dengan pakar yang
dilakukan oleh Sitanggang (2002) untuk
penelitiannya. Pengetahuan yang diperoleh
meliputi :
1. Bentuk bentuk pembatas yang digunakan
dalam penentuan kelas kesesuaian lahan
2. Karakteristik lahan yang digunakan untuk
menentukan tingkat pembatas
3. Data kebutuhan (persyaratan tumbuh) dari
berbagai jenis tanaman.
4. Kriteria penentuan kelas kesesuaian lahan.
Pengetahuan ini selanjutnya diekstrak dari
sumber
pengetahuan
untuk
kemudian
direpresentasikan ke dalam basis pengetahuan.
7
bentuk-bentuk pembatas yang digunakan dalam
menentukan kelas kesesuaian lahan adalah
pembatas yang dinyatakan dalam sub kelas
kesesuaian lahan dalam kerangka FAO. Selain
bentuk pembatas tersebut ada pembatas
tambahan yaitu pembatas penyiapan lahan.
Karakteristik lahan dipilih dari Tabel 2.
Penentuan kelas kesesuaian lahan penelitian ini
dibatasi pada penentuan kelas kesesuaian untuk
tanah mineral dan tidak dapat digunakan untuk
penentuan kelas kesesuaian lahan pada tanah
gambut.
Pembatas dibagi ke dalam tiga kelompok yaitu
iklim, landscape dan tanah, dan penyiapan
lahan. Ketiga bentuk pembatas tersebut beserta
karakteristik lahannya diberikan dalam Tabel 6.
Tabel 6. Data Atribut Kesesuian Lahan
Budidaya Tanaman
Iklim
Karakteristik Lahan
Temperatur rata –
rata
Curah hujan
Kelembaban udara
Landscape dan Tanah
1. Topografi
2. Kebasahan
3. Tanah secara fisik
4. Fertilitas tanah
5. Salinitas
alkalinitas
Penyiapan lahan
dan
Kemiringan
Genangan (bahaya
banjir)
Drainase
Tekstur
Bahan kasar
Kedalaman tanah
KTK tanah
pH
kejenuhan basa
C-Organik
Salinitas
Alkalinitas
Batuan
di
permukaan
Singkapan batuan
Data kebutuhan tanaman diklasifikasikan
berdasarkan kelas kesesuaian lahan S1,S2,S3
dan N. Sebagai contoh, data kebutuhan untuk
tanaman asparagus diberikan dalam Lampiran
1.
Terdapat dua jenis data kebutuhan tanaman
yaitu data numerik dan bukan data numerik.
Karakteristik lahan yang nilainya dinyatakan
dalam data numerik adalah temperatur ratarata, curah hujan, kelembaban udara, bahan
kasar, kedalaman tanah, KTK tanah, kejenuhan
basa, pH, C-Organik, salinitas, alkalinitas,
kemiringan, batuan di permukaan, dan
singkapan batuan, sedangkan karakteristik lahan
yang nilainya dinyatakan dalam data bukan
numerik adalah drainase, tekstur, dan genangan.
Logika
fuzzy
digunakan
untuk
mentransformasi interval data ke dalam suatu
nilai dari 0 sampai 1, dimana 1 berarti benar
secara absolut dan 0 berarti tidak benar secara
absolut. Nilai kebenaran tersebut menyatakan
derajat keanggotaan data karakteristik lahan
dalam suatu
interval
tertentu.
Untuk
memperoleh transformasi demikian, interval
data kebutuhan tanaman dinyatakan dalam
interval
yang overlap. Interval overlap
diperoleh dengan cara memperlebar kisaran
(range)
dari
interval
dengan
tetap
memperhatikan
keabsahaan kebutuhan
tanaman. Perubahan interval data tersebut
didapat dari hasil wawancara dengan pakar
dalam bidang pertanian yang dilakukan oleh
Sitanggang (2002). Tingkat overlap yang
diperoleh dari wawancara untuk setiap
karakteristik lahan diberikan dalam Lampiran 2.
Interval overlap untuk asparagus diberikan
dalam Lampiran 3.
Berdasarkan Tabel 3, tingkat pembatas dapat
ditentukan untuk setiap interval overlap data
kebutuhan penentuan kelas kesesuaian. Sebagai
contoh penentuan tingkat pembatas temperatur
rata – rata untuk tanaman asparagus,
ditunjukkan dalam Tabel 7.
Data kebutuhan tanaman diperoleh dari
penelitian dan aktivitas pemetaan lahan yang
dilakukan oleh para peneliti dan praktisi dalam
bidang kesesuaian lahan.
8
Tabel 7. Tingkat pembatas untuk interval
temperatur rata-rata asparagus
Interval
34.5
Kelas
Kesesuaian
Tidak sesuai
(N)
Sesuai
marginal (S3)
Cukup sesuai
(S2)
Sangat sesuai
(S1)
Cukup sesuai
(S2)
Sesuai
marginal (S3)
Tidak sesuai
(N)
Tingkat
Pembatas
Sangat berat
Berat
Sedang
Ringan
Sedang
Berat
Sangat berat
Karakteristik lahan yang dinyatakan secara
numerik dapat dikelompokkan untuk masing –
masing interval datanya. Sebagai contoh
temperatur
rata-rata
untuk
asparagus
dikelompokkan sebagai berikut:
Tabel 9. Tingkat pembatas dan ratingnya
Tingkat Pembatas
Tidak ada
Ringan
Sedang
Berat
Sangat berat
Karakteristik lahan yang tidak dinyatakan
dalam data numerik seperti karakteristik dalam
pembatas yang berhubungan dengan tesktur dan
kebasahan yang terdiri dari genangan dan
drainase, dinyatakan dalam kelas – kelas
karakteristik pembatas tersebut. Kelas – kelas
untuk karakteristik genangan yaitu F0 (tidak ada
pembatas genangan), F1 (ringan), F2 (sedang),
F3 (berat), F4 (sangat berat).
Kelas – kelas untuk karakteristik drainase
adalah cepat, agak cepat, agak baik, agak
terhambat, terhambat, sangat terhambat,
sedangkan Kelas – kelas untuk karakteristik
yang berhubungan dengan tekstur ditunjukkan
dalam Tabel 10.
Tabel 10. Kelas Tekstur
Tabel 8. Kelompok temperatur rata – rata
Kelompok
Dingin
Agak dingin
Sejuk
Sedang
Hangat
Agak panas
panas
Interval
< 10.5
9.5 – 15.5
14.5 – 18.5
17.5 – 25.5
24.5 – 30.5
29.5 – 35.5
>34.5
Dengan adanya pengelompokan data tersebut,
untuk data temperatur rata-rata maupun data
karakteristik lainnya dapat dipandang sebagai
variabel linguistik yang memiliki nilai linguistik
dingin, agak dingin, sejuk, sedang, hangat, agak
panas dan panas. Nilai linguistik untuk
karakteristik lainnya diberikan dalam Lampiran
4.
Selain karakteristik lahan, tingkat pembatas
juga dinyatakan dalam variabel linguistik
dengan nilai – nilai linguistiknya adalah tidak
ada, ringan, sedang, berat dan sangat berat.
Masing – masing pembatas diberikan rating
seperti pada Tabel 9.
Rating
> 90
80 – 100
55 - 90
35 - 65
< 45
Kelas
Halus
Agak
halus
Sedang
Agak
kasar
Kasar
Tekstur
Liat berpasir (SC), liat I, liat
berdebu (SiC)
Lempung berliat(CL),
lempung liat berpasir(SCL),
lempung liat berdebu (SiCL).
Lempung berpasir sangat halus
(VFSL), lempung (L),
Lempung berdebu (SiL), debu
(Si)
Lempung berpasir kasar
(SCL), lempung berpasir (SL),
Lempung berpasir halus (SFL)
Pasir(S), pasir berlempung
(LS)
Pengetahuan yang diperoleh dari proses
akuisisi direpresentasikan agar dapat dilakukan
proses
inferensi.
Teknik
representasi
pengetahuan yang digunakan adalah kaidah
produksi dimana pengetahuan dinyatakan dalam
bentuk aturan IF – THEN.
Ada dua kelompok aturan IF – THEN yang
digunakan, yaitu untuk penentuan tingkat
pembatas dan untuk penentuan kelas kesesuaian
9
lahan. Bagian premis yang digunakan untuk
penentuan tingkat pembatas merupakan
proposisi fuzzy dan proposisi bukan fuzzy yang
berkaitan dengan kelompok karakteristik lahan,
sedangkan bagian kesimpulan berkaitan dengan
tingkat pembatas.
Proposisi fuzzy adalah proposisi yang
berkaitan dengan karakteristik lahan yang
dinyatakan
sebagai
variabel
linguistik,
sedangkan proposisi bukan fuzzy digunakan
untuk drainase, tekstur dan genangan. Bagian
premis yang digunakan untuk penentuan kelas
kesesuaian lahan merupakan proposisi yang
berkaitan dengan pembatas lahan, sedangkan
bagian kesimpulan berkaitan dengan kelas
kesesuaian lahan.
Aturan – aturan untuk masing – masing
karakteristik lahan dalam menentukan tingkat
pembatas diberikan pada Lampiran 5.
lahan yang dimasukkan. Untuk karakteristik
lahan yang dinyatakan dalam variabel linguistik
yaitu, karakteristik yang berkaitan dengan
iklim, topografi, tanah secara fisik (kecuali
tekstur), fertilitas tanah, salinitas, alkalinitas dan
penyiapan lahan. Tingkat pembatas diperoleh
berdasarkan proses inferensi tahap 1.
Proses inferensi tahap 1 terdiri dari proses
fuzzifikasi,
inferensi,
komposisi
dan
defuzzifikasi. Metode inferensi yang digunakan
adalah min, dan metode komposisi yang
digunakan adalah max.
Fuzzifikasi
Fungsi keanggotaan dari temperatur rata –
rata, curah hujan dan kelembaban udara atau
data karakteristik lahan yang berhubungan
dengan iklim untuk tumbuhan asparagus
berturut – turut dapat dilihat pada Gambar 7,
Gambar 8 dan Gambar 9.
Desain Input
Desain input diperoleh dari hasil akuisisi
data yang terdiri dari data karakteristik lahan
berupa data input crisp dan data nilai linguistik
yang dimasukkan oleh pemakai (user),
ditunjukkan pada Gambar 6.
Agak
Dingin
Dingin
9.5 10.5
Sejuk
14.515.5
Sedang
17.518.5
Agak
Panas
Hangat
24.5 25.5
29.530.5
Panas
34.5 35.5
Gambar 7. Fungsi Keangotaan Temperatur
Rata – Rata
Sangat Rendah
Rendah
Gambar 6. UseCase Desain Input
Agak
Rendah
230270 480520
9801020
Sedang
Agak Tinggi
19802020
Sangat
Tinggi
Tinggi
2980 3020
3980 4020
Gambar 8. Fungsi Keangotaan Curah Hujan
Desain Proses
Proses pengolahan data pada penelitian ini
menggunakan
proses
inferensi
dalam
menentukan kelas kesesuaian lahan. Proses
inferensi terdiri atas dua tahap :
1. Proses inferensi dilakukan untuk menentukan
tingkat pembatas (Inferensi Tahap I).
2. Proses inferensi dilakukan untuk menentukan
kelas kesesuaian lahan (Inferensi Tahap II).
Proses
inferensi
dilakukan
dengan
menggunakan metode pelacakan ke depan
(forward chaining).
Rendah
Agak Rendah
.
29.5
30.5
.
35.5
Agak Tinggi
36.5
41.5
Tinggi
42.5
Gambar 9. Fungsi Keangotaan Kelembaban
Udara
Dari Gambar 7 dapat dilihat bahwa nilai
temperatur rata – rata berada dalam kelompok
sedang dengan derajat keanggotaan 1 jika nilai
tersebut berada dalam interval (18.5 – 24.5).
Dalam proses inferensi tahap 1, tingkat
pembatas disimpulkan dari nilai karakteristik
10
Fungsi keanggotaan untuk karakteristik
lahan yang lain ditentukan dengan cara yang
sama.
Selain karakteristik lahan, tingkat pembatas
juga memiliki fungsi keanggotaan yang dapat
dilihat pada Gambar 10.
Sedang
Berat
Sangaberat
35
45
55
65
Ringan
80
90
Tidak ada
100
Gambar 10. Fungsi Keangotaan Tingkat
Pembatas
Nilai pusat (center) dari setiap kelompok
tingkat pembatas diberikan dalam Tabel 11.
Tabel 11. Nilai center tingkat pembatas
Tingkat pembatas
Sangat berat
Berat
Sedang
Ringan
Tidak ada
Nilai pusat
35
50
72.5
90
100
Untuk memperjelas proses fuzzifikasi
diberikan contoh data karakteristik lahan yang
berhubungan dengan iklim:
-
Temperatur rata – rata
Curah hujan
Kelembaban udara
: 29.75 oC
: 1996 mm
: 40 %
Dari fungsi keanggotaan untuk karakteristik
lahan yang berhubungan dengan iklim(Gambar
7 - 9) dapat diperoleh nilai keanggotaan untuk
data input dalam kelompok – kelompok
tersebut. Nilai keanggotaan untuk data input
temperatur berada dalam kelompok hangat dan
agak panas. Nilai keanggotaan untuk curah
hujan berada dalam kelompok sedang dan agak
tinggi, sedangkan nilai keanggotaan untuk
kelembaban udara berada dalam kelompok agak
tinggi. Nilai – nilai keanggotaan tersebut adalah
Temperatur rata – rata(tr):
µhangat (29.75) = 0.75 dan µagakpanas (29.75)
= 0.25
Curah hujan(ch):
µsedang (1996) = 0.6 dan µagaktinggi(1996) =
0.4
Kelembaban udara(ku):
µagaktinggi(40) = 1.
Berdasarkan nilai – nilai keanggotaan
tersebut diperoleh empat aturan terpicu dengan
premis – premisnya adalah :
Premis Aturan 1 (R1) : tr adalah hangat AND
ch adalah sedang AND ku agak tinggi.
Premis Aturan 2 (R2) : tr adalah hangat AND
ch adalah agak tinggi AND ku agak tinggi.
Premis Aturan 3 (R3) : tr adalah agak panas
AND ch adalah sedang AND ku agak tinggi.
Premis Aturan 4 (R4) : tr adalah agak panas
AND ch agak tinggi AND ku agak tinggi.
Dengan
menggunakan
operator
min
diperoleh nilai kebenaran premis sebagai
berikut :
Premis R1 : min(0.75,0.6,1) = 0.6
Premis R2 : min(0.75,0.4,1) = 0.4
Premis R3 : min(0.25,0.6,1) = 0.25
Premis R4 : min(0.25,0.4,1) = 0.25
Inferensi min
Merupakan output yang
fungsi keanggotaan tingkat
aturan – aturan terpicu yang
ketinggian yang disesuaikan
kebenaran premis.
diperoleh
pembatas
dipotong
dengan
dari
dari
pada
nilai
Komposisi max
Output dari komposisi max adalah himpunan
fuzzy yang dibentuk dari titik – titik maksimum
dari semua himpunan fuzzy untuk setiap aturan
yang dihasilkan dari proses inferensi.
Defuzzifikasi
Himpunan fuzzy yang dihasilkan dari proses
komposisi dikonversi ke dalam bentuk crisp
dengan menggunakan metode center average
defuzzifier dengan mencari nilai pusat dari
pembatas terlebih dahulu.
Inferensi tahap II dilakukan untuk
menentukan kelas kesesuaian lahan berdasarkan
tingkat pembatas yang diperoleh dari proses
inferensi tahap I.
Desain proses untuk penentuan kelas
kesesuaian
digambarkan dalam bentuk
flowchart seperti pada Gambar 11, sedangkan
11
usecase diagram dan sequence diagram
ditunjukkan pada Lampiran 6 dan Lampiran 7.
Karateristik lahan
Curah hujan(mm)
Nilai
linguistik
Kisaran
data
Panas
>35
Sangat
rendah
< 200
Rendah
200 - 300
Agak
rendah
300 – 400
Sedang
400 –1110
Agak tinggi 1110–1600
Gambar 11. Flowchart penentuan kelas
kesesuaian
Data syarat tumbuh tanaman disimpan dalam
engine database yang digunakan untuk proses
penentu