SISTEM PAKAR UNTUK DIAGNOSA JENIS DAN PE (1)
SISTEM PAKAR UNTUK DIAGNOSA JENIS DAN PENYAKIT PADA BUNGA MAWAR
Ni Made Ari Setiawati
Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika dan Teknik Komputer
Kampus Renon: Jl. Raya Puputan No. 86 Renon – Denpasar, Telp: (0361)244445, Kampus
Jimbaran: Jl. Raya Kampus Udayana Jimbaran Bali Telp: (0361)8953537/081288778840, email:
arisetiawati23@gmail.com
ABSTRACT
The roses can be attacked various diseases, the disease can be seen from the symptoms it
causes, but to know exactly the types and diseases that attack roses, require an expert / horticulturist.
While the number of estate experts is limited and can not resolve the problems gardeners at the same
time, so we need a system that has the ability as an expert, which in this system contains expert
knowledge of an expert on the plantation diagnosis of disease type and roses. In this study designed
expert system uses a rule base (rule based reasoning) by the method of forward chaining and backward
chaining intended to help gardeners in diagnosing types and diseases of roses. An expert system for the
diagnosis of disease type and the roses that have been developed have advantages in ease of access and
ease of use. With features that are owned, an expert system to diagnose the type and disease rose plants
that have been built to be used as a tool to diagnose types and diseases on roses and can be accessed by
gardeners everywhere also to overcome the limitation of the number of experts plantation in helping
gardeners diagnose the type and disease on roses.
Keyword : Sistem pakar, rose plants, forward chaining, rule based reasoning
ABSTRAK
Bunga mawar dapat diserang berbagai macam penyakit, penyakit tersebut dapat diketahui dari
gejala-gejala yang ditimbulkannya, akan tetapi untuk mengetahui secara tepat jenis dan penyakit yang
menyerang mawar tersebut, memerlukan seorang pakar/ahli perkebunan. Sedangkan jumlah pakar
perkebunan terbatas dan tidak dapat mengatasi permasalahan tukang kebun dalam waktu yang
bersamaan, sehingga diperlukan suatu sistem yang mempunyai kemampuan seperti seorang pakar,
yang mana didalam sistem ini berisi pengetahuan keahlian seorang pakar perkebunan mengenai
diagnosa jenis dan penyakit bunga mawar. Pada penelitian ini dirancang sistem pakar menggunakan
basis aturan (rule based reasoning) dengan metode inferensi forward chaining dan backward chaining
yang dimaksudkan untuk membantu tukang kebun dalam mendiagnosa jenis dan penyakit pada bunga
mawar. Sistem pakar untuk diagnosa jenis dan penyakit pada bunga mawar yang telah dikembangkan
mempunyai keunggulan dalam kemudahan akses dan kemudahan pemakaian. Dengan fitur yang yang
dimiliki, sistem pakar untuk diagnosa jenis dan penyakit tanaman mawar yang telah dibangun dapat
digunakan sebagai alat bantu untuk diagnosa jenis dan penyakit pada bunga mawar dan dapat diakses
oleh tukang kebun dimanapun juga untuk mengatasi persoalan keterbatasan jumlah pakar perkebunan
dalam membantu tukang kebun mendiagnosa jenis dan penyakit pada bunga mawar.
Kata kunci : Sistem pakar, Bunga mawar, forward chaining, rule based reasoning
I.
PENDAHULUAN
Mawar merupakan salah satu bunga yang banyak diminati masyarakat. Hal tersebut tidak
dipungkiri karena hampir seluruh penjuru dunia mengetahui dan mengenal bunga mawar, disamping
itu bunga mawar mempunyai banyak manfaat bagi masyarakat luas. Selain mempunyai banyak
manfaat, bunga mawar mempunyai jenis yang berbeda-beda dan dalam pertumbuhan dan
perkembangannya bunga mawar tidak lepas dari hama dan penyakit. Adapun jenis hama dan penyakit
yang menyerang sangat beragam. Untuk mengetahui jenis mawar beserta penyakitnya maka perlu
dilakukan identifikasi.
Kemajuan teknologi komputer yang pesat saat ini, sangat membantu manusia dalam segala
bidang. Tidak terkecuali juga dalam bidang sistem pakar. Sistem pakar merupakan sebuah program
komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya
seorang pakar (human expert).
Dengan berkembangnya sistem pakar yang pesat, maka sistem pakar juga dapat diterapkan
dalam mengidentifikasi jenis dan penyakit pada bunga mawar. Penggunaan sistem pakar dapat
mempermudah kalangan pecinta bunga mawar dalam mengidentifikasi jenis dan penyakit pada bunga
mawar. Sistem pakar yang akan dibangun ini berbasis web dengan harapan dapat diakses oleh seluruh
kalangan masyarakat yang membutuhkan informasi mengenai bunga mawar melalui internet. Adapun
Ciri-ciri yang digunakan untuk identifikasi jenis meliputi warna bunga, warna daun, daun, batang, dan
warna benang sari.
Metodologi yang digunakan dalam pengembangan sistem pakar ini adalah metode sekuensial
linier atau metode waterfall, yang terdiri dari (Pressman,2002): rekayasa dan pemodelan sistem,
analisis kebutuhan perangkat lunak, desain, pengkodean, pengujian, dan pemeliharaan. Namun dalam
pembuatan sistem ini hanya sampai tahap pengujian, dimana program telah berjalan sesuai dengan
fungsinya.
II. KAJIAN PUSTAKA
II.1.
Sistem Pakar
Sistem pakar adalah sistem yang menggunakan pengetahuan manusia yang terekam dalam
komputer untuk memecahkan persoalan yang biasanya memerlukan keahlian manusia [2-3]. Sistem
pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja
dari para ahli.
Sistem pakar dapat ditampilkan dalam dua lingkungan, yaitu: pengembangan dan konsultasi.
Lingkungan pengembangan digunakan oleh pembangun sistem pakar untuk membangun komponen
dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh
orang yang bukan ahli untuk memperoleh pengetahuan dan berkonsultasi.
Komponen-komponen yang ada pada sistem pakar dapat dilihat pada Gambar 1, yaitu :
1. Basis pengetahuan (Knowledge base). Berisi pengetahuan-pengetahuan yang
dibutuhkan untuk memahami, memformulasikan dan memecahkan persoalan.
2. Motor inferensi (inference engine). Ada 2 cara yang dapat dikerjakan dalam
melakukan inferensi, yaitu:
a. Forward chaining merupakan grup dari multiple inferensi yang melakukan
pencarian dari suatu masalah kepada solusinya. Forward chaining adalah datadriven karena inferensi dimulai dengan informasi yang tersedia dan baru
konklusi diperoleh.
b. Backward chaining menggunakan pendekatan goal-driven, dimulai dari
ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mencari bukti yang
mendukung (atau kontradiktif) dari ekspektasi tersebut.
3. Blackboard. Merupakan area kerja memori yang disimpan sebagai database untuk
deskripsi persoalan terbaru yang ditetapkan oleh data input dan digunakan juga
untuk perekaman hipotesis dan keputusan sementara.
4. Subsistem akuisisi pengetahuan. Akuisisi pengetahuan adalah akumulasi, transfer
dan transformasi keahlian pemecahan masalah dari pakar atau sumber pengetahuan
terdokumentasi ke program komputer untuk membangun atau memperluas basis
pengetahuan.
5. Antarmuka pengguna. Digunakan untuk media komunikasi antara user dan program.
6. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan
tentang kelakuan sistem pakar secara interaktif melalui pertanyaan.
7. Sistem penyaring pengetahuan.
II.2.
Pendekatan Forward Dan Backward Chaining
Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan solusinya disebut
dengan rantai (chain). Suatu rantai yang dicari atau dilewati / dilintasi dari suatu permasalahan untuk
memperoleh solusinya disebut dengan forward chaining. Cara lain menggambarkan forward chaining
ini adalah dengan penalaran dari fakta menuju konklusi yang terdapat dari fakta. Suatu rantai yang
dilintasi dari suatu hipotesa kembali ke fakta yang mendukung hipotesa tersebut adalah backward
chaining. Cara lain menggambarkan backwkard chaining adalah dalam hal tujuan yang dapat dipenuhi
dengan pemenuhan sub tujuannya.
Contoh sederhana dari forward dan backward chaining seperti berikut ini : misalkan anda
sedang mengemudi dan tiba-tiba anda melihat mobil polisi dengan cahaya kelap-kelip dan bunyi
sirine. Dengan forward chaining mungkin anda akan berkesimpulan bahwa polisi ingin anda atau
seseorang untuk berhenti. Itu adalah fakta awal yang mendukung dua kemungkinan konklusi. Jika
mobil polisi membuntuti di belakang anda atau polisi melambaikan tangan memberhentikan anda,
maka kesimpulan lebih lanjut adalah polisi ingin anda yang berhenti. Dengan mengadopsi ini sebagai
suatu kerja hipotesis, maka anda dapat menggunakan backward chaining untuk alasan “mengapa?”.
Karakteristik forward dan backward chaining :
Forward chaining
backward chaining
Perencanaan, monitoring, control
diagnosis
Disajikan untuk masa depan
disajikan untuk masa lalu
Antecedent ke konsekuen
konsekuen ke antecedent
Data memandu, penalaran dari bawah ke
tujuan memandu, penalaran
dari atas ke
atas
bawah
Bekerja ke depan untuk mendapatkan
bekerja ke belakang untuk
mendapatkan
solusi apa yang yang mengikuti fakta
fakta yang mendukung hipotesis
Breadth first search dimudahkan
depth first search dimudahkan
Antecedent menentukan pencarian
konsekuen menentukan pencarian
Penjelasan tidak difasilitasi
penjelasan difasilitasi
Kekurangan dari pendekatan ini adalah efisiensi. System backward chaining memudahkan
pencarian depth first, sementara itu forward chaining memudahkan pencarian breadth first. Walaupun
anda dapat menuliskan aplikasi backward chaining ke system forward chaining dan sebaliknya, system
tersebut tidak akan efisien dalam hal pencarian penyelesaiannya. Kesulitan yang kedua adalah
konseptual. Pengetahuan diperoleh dari pakar yang harus diubah untuk mengimbangi permintaan dari
mesin inferensi.
Forward chaining merupakan grup dari multipel inferensi yang melakukan pencarian dari
suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka
proses akan meng-assert konklusi Forward Chaining adalah data driven karena inferensi dimulai
dengan informasi yg tersedia dan baru konklusi diperoleh Jika suatu aplikasi menghasilkan tree yang
lebar dan tidak dalam, maka gunakan forward chaining .
Sifat Forward Chaining Good for monitoring, planning, and control Looks from present to
future. Works from antecedent to consequent. Is data-driven, bottom-up reasoning. Works forward to
find what solutions follow from the facts. It facilitates a breadth-first search. The antecedents
determine the search. It does not facilitate explanation.
Contoh Kasus Sistem Pakar : Penasihat Keuangan Kasus : Seorang user ingin berkonsultasi
apakah tepat jika dia berinvestasi pada stock IBM? Variabel-variabel yang digunakan: A = memiliki
uang $10.000 untuk investasi B = berusia < 30 tahun C = tingkat pendidikan pada level college D =
pendapatan minimum pertahun $40.000 E = investasi pada bidang Sekuritas (Asuransi) F = investasi
pada saham pertumbuhan ( growth stock) G = investasi pada saham IBM Setiap variabel dapat bernilai
TRUE atau FALSE
FAKTA YANG ADA: Diasumsikan si user (investor) memiliki data: Memiliki uang $10.000
(A TRUE) Berusia 25 tahun (B TRUE) Dia ingin meminta nasihat apakah tepat jika berinvestasi pada
IBM stock?
RULES R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan
pada level college THEN dia harus berinvestasi pada bidang sekuritas R2 : IF seseorang memiliki
pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus
berinvestasi pada saham pertumbuhan ( growth stocks) R3 : IF seseorang berusia < 30 tahun AND dia
berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan R4 : IF
seseorang berusia < 30 tahun dan > 22 tahun THEN dia berpendidikan college R5 : IF seseorang ingin
berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.
Backward Chaining Pendekatan goal-driven , dimulai dari ekspektasi apa yang diinginkan
terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari
ekspektasi tersebut. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka
gunakan backward chaining .
Sifat dari backward chaining Good for Diagnosis. Looks from present to past. Works from
consequent to antecedent. Is goal-driven, top-down reasoning. Works backward to find facts that
support the hypothesis. It facilitates a depth-first search. The consequents determine the search. It does
facilitate explanation.
Program dimulai dengan tujuan ( goal ) yang diverifikasi apakah bernilai TRUE atau FALSE
Kemudian melihat rule yang mempunyai GOAL tersebut pada bagian konklusinya. Mengecek pada
premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) Pertama dicek
apakah ada assertion-nya Jika pencarian disitu gagal, maka ES akan mencari rule lain yang memiliki
konklusi yang sama dengan rule pertama tadi Tujuannya adalah membuat rule kedua terpenuhi ( satisfy
) Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial
yang diperiksa (dg GOAL) telah terpenuhi Jika GOAL terbukti FALSE, maka GOAL berikut yang
dicoba.
Gambar 1. Struktur Sistem Pakar
2.3.
Morfologi Bunga Mawar
Sebagian besar spesies mempunyai daun yang panjangnya antara 5-15 cm, dua-dua
berlawanan (pinnate). Daun majemuk yang tiap tangkai daun terdiri dari paling sedikit 3 atau 5 hingga
9 atau 13 anak daun dan daun penumpu (stipula) berbentuk lonjong, pertulangan menyirip, tepi
beringgit, meruncing pada ujung daun dan berduri pada batang yang dekat ke tanah. Mawar sebetulnya
bukan tanaman tropis, sebagian besar spesies merontokkan seluruh daunnya (deciduous) dan hanya
beberapa spesies yang ada di Asia Tenggara yang selalu berdaun hijau sepanjang tahun.
Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa sericea yang hanya
memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan merah jambu atau kuning dan merah
pada beberapa spesies. Ovari berada di bagian bawah daun mahkota dan daun kelopak. Pada umumnya
mawar memiliki duri berbentuk seperti pengait yang berfungsi sebagai pegangan sewaktu memanjat
tumbuhan lain. Beberapa spesies Mawar mempunyai duri yang tidak berkembang dan tidak tajam.
III.
CONTOH DAN PEMBAHASAN
Sistem pakar yang dibangun ini merupakan suatu sistem informasi yang berbasis komputer
dengan memanfaatkan teknologi kecerdasan buatan (artificial intelligence) yang berfungsi sebagai
sistem alat bantu atau pemberi saran/rekomendasi dari proses konsultasi jenis dan konsultasi penyakit
kepada user, sehingga user mengetahui masalah yang menyerang pada bunga mawar. Konsultasi yang
dihasilkan oleh sistem ini dilengkapi dengan jenis, keterangan,dan gambar untuk konsultasi jenis pada
bunga mawar. Sedangkan untuk konsultasi penyakitnya dilengkapi dengan penyebab, keterangan, dan
pengendaliannya.
Akuisisi pengetahuan merupakan suatu proses untuk mengumpulkan data-data pengetahuan
akan suatu masalah pakar. Bahan pengetahuan dapat ditempuh dengan beberapa cara, misalnya
mendapatkan pengetahuan dari buku, jurnal ilmiah, para pakar dibidangnya, laporan, dan sebagainya.
Sumber pengetahuan tersebut dijadikan dokumentasi untuk dipelajari, diolah dan diorganisasikan
secara terstruktur menjadi basis pengetahuan. Akuisisi pengetahuan dalam sistem ini dapat dilihat pada
Tabel 1 untuk tabel akuisisi jenis dan Tabel 2 untuk tabel akuisisi penyakit.
III.1. Pelacakan
Proses pelacakan yang digunakan dalam sistem ini mengikuti pola pelacakan maju (forward
chaining). Pada identifikasi jenis bunga mawar,proses pelacakan maju dimulai dengan memberikan
pertanyaan tentang ciri-ciri bunga mawar. Kemudian dari fakta ciri-ciri yang dimasukkan user akan
diperoleh kesimpulan tentang jenis bunga mawar. Contoh beberapa proses pelacakan untuk jenis dan
penyakit pada mawar dapat di lihat pada gambar 3
III.2. Representasi Pengetahuan
Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah
produksi, yaitu dengan IF-Then. Berikut contoh untuk jenis mawar Rossa Braksiae dan hama
Nematoda akar
a. Kaidah untuk jenis mawar Rossa Banksiae
if warna bunga putih
and warna hijau gelap
and daun kasar
and batang tidak berduri
and warna benang sari kuning
then identifikasi jenis Rossa Banksiae
b. Kaidah untuk hama Nematode akar (Meloidgynesp)
if terdapat bintik-bintik pada akar
and (tanaman menjadi layu
or pertumbuhan kerdil)
then identifikasi hama Nematode akar (Meloidgynesp)
Gambar 2. Contoh Proses pelacakan untuk jenis dan penyakit pada bunga mawar
Tabel 1. Hubungan Jenis dan Ciri Bunga Mawar
Tabel 2. Hubungan Gejala dan Penyakit Bunga mawar
IV.
KESIMPULAN
a.
b.
c.
d.
Telah dapat dibangun dan dihasilkan suatu sistem pakar untuk mengidentifikasi jenis dan
penyakit pada bunga mawar berbasis web.
Mampu mengidentifikasi jenis berdasarkan ciri-ciri pada bunga mawar
Mampu mengidentifikasi penyakit berdasarkan gejala-gejala yang menyerang pada bunga
mawar
Penerapan metode sistem berbasis aturan dengan proses inferensi forward chaining dan
backward chaining pada aplikasi sistem pakar dapat mengahasilkan diagnosis jenis dan
penyakit bunga mawar dengan benar berdasarkan aturan-aturan yang telah dibuat dan
berdasarkan hasil pengujian, didapatkan bahwa dari jenis dan penyakit yang diujikan dapat
dideteksi oleh sistem pakar.
DAFTAR PUSTAKA
[1] Burnie, Geoff dkk, 1998, Botanica, Random House, Australia
[2] Giarratano, J & Gary R., 1994, Expert System Principles and Programming, PWS Publishing
Company, Boston Harmon P and King David, 1985, Expert System : Artificial Intelligent In Bussiness,
John Wiley & Sons Inc, New York
[3] Pressman Roger, 2002, Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu), Andi,
Yogyakarta. Turban, Efraim, 1995, Decision Support System and Expert System, 4 th ed., Prentice-Hall,
Inc., New Jersey, pp 472-679
[4] Yuwono B, 2004, Sistem Pakar Untuk Diagnosis Penyakit Ayam yang Disebabkan oleh Virus,
Tesis, UGM http://id.wikipedia.org/wiki/Mawar
Ni Made Ari Setiawati
Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika dan Teknik Komputer
Kampus Renon: Jl. Raya Puputan No. 86 Renon – Denpasar, Telp: (0361)244445, Kampus
Jimbaran: Jl. Raya Kampus Udayana Jimbaran Bali Telp: (0361)8953537/081288778840, email:
arisetiawati23@gmail.com
ABSTRACT
The roses can be attacked various diseases, the disease can be seen from the symptoms it
causes, but to know exactly the types and diseases that attack roses, require an expert / horticulturist.
While the number of estate experts is limited and can not resolve the problems gardeners at the same
time, so we need a system that has the ability as an expert, which in this system contains expert
knowledge of an expert on the plantation diagnosis of disease type and roses. In this study designed
expert system uses a rule base (rule based reasoning) by the method of forward chaining and backward
chaining intended to help gardeners in diagnosing types and diseases of roses. An expert system for the
diagnosis of disease type and the roses that have been developed have advantages in ease of access and
ease of use. With features that are owned, an expert system to diagnose the type and disease rose plants
that have been built to be used as a tool to diagnose types and diseases on roses and can be accessed by
gardeners everywhere also to overcome the limitation of the number of experts plantation in helping
gardeners diagnose the type and disease on roses.
Keyword : Sistem pakar, rose plants, forward chaining, rule based reasoning
ABSTRAK
Bunga mawar dapat diserang berbagai macam penyakit, penyakit tersebut dapat diketahui dari
gejala-gejala yang ditimbulkannya, akan tetapi untuk mengetahui secara tepat jenis dan penyakit yang
menyerang mawar tersebut, memerlukan seorang pakar/ahli perkebunan. Sedangkan jumlah pakar
perkebunan terbatas dan tidak dapat mengatasi permasalahan tukang kebun dalam waktu yang
bersamaan, sehingga diperlukan suatu sistem yang mempunyai kemampuan seperti seorang pakar,
yang mana didalam sistem ini berisi pengetahuan keahlian seorang pakar perkebunan mengenai
diagnosa jenis dan penyakit bunga mawar. Pada penelitian ini dirancang sistem pakar menggunakan
basis aturan (rule based reasoning) dengan metode inferensi forward chaining dan backward chaining
yang dimaksudkan untuk membantu tukang kebun dalam mendiagnosa jenis dan penyakit pada bunga
mawar. Sistem pakar untuk diagnosa jenis dan penyakit pada bunga mawar yang telah dikembangkan
mempunyai keunggulan dalam kemudahan akses dan kemudahan pemakaian. Dengan fitur yang yang
dimiliki, sistem pakar untuk diagnosa jenis dan penyakit tanaman mawar yang telah dibangun dapat
digunakan sebagai alat bantu untuk diagnosa jenis dan penyakit pada bunga mawar dan dapat diakses
oleh tukang kebun dimanapun juga untuk mengatasi persoalan keterbatasan jumlah pakar perkebunan
dalam membantu tukang kebun mendiagnosa jenis dan penyakit pada bunga mawar.
Kata kunci : Sistem pakar, Bunga mawar, forward chaining, rule based reasoning
I.
PENDAHULUAN
Mawar merupakan salah satu bunga yang banyak diminati masyarakat. Hal tersebut tidak
dipungkiri karena hampir seluruh penjuru dunia mengetahui dan mengenal bunga mawar, disamping
itu bunga mawar mempunyai banyak manfaat bagi masyarakat luas. Selain mempunyai banyak
manfaat, bunga mawar mempunyai jenis yang berbeda-beda dan dalam pertumbuhan dan
perkembangannya bunga mawar tidak lepas dari hama dan penyakit. Adapun jenis hama dan penyakit
yang menyerang sangat beragam. Untuk mengetahui jenis mawar beserta penyakitnya maka perlu
dilakukan identifikasi.
Kemajuan teknologi komputer yang pesat saat ini, sangat membantu manusia dalam segala
bidang. Tidak terkecuali juga dalam bidang sistem pakar. Sistem pakar merupakan sebuah program
komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya
seorang pakar (human expert).
Dengan berkembangnya sistem pakar yang pesat, maka sistem pakar juga dapat diterapkan
dalam mengidentifikasi jenis dan penyakit pada bunga mawar. Penggunaan sistem pakar dapat
mempermudah kalangan pecinta bunga mawar dalam mengidentifikasi jenis dan penyakit pada bunga
mawar. Sistem pakar yang akan dibangun ini berbasis web dengan harapan dapat diakses oleh seluruh
kalangan masyarakat yang membutuhkan informasi mengenai bunga mawar melalui internet. Adapun
Ciri-ciri yang digunakan untuk identifikasi jenis meliputi warna bunga, warna daun, daun, batang, dan
warna benang sari.
Metodologi yang digunakan dalam pengembangan sistem pakar ini adalah metode sekuensial
linier atau metode waterfall, yang terdiri dari (Pressman,2002): rekayasa dan pemodelan sistem,
analisis kebutuhan perangkat lunak, desain, pengkodean, pengujian, dan pemeliharaan. Namun dalam
pembuatan sistem ini hanya sampai tahap pengujian, dimana program telah berjalan sesuai dengan
fungsinya.
II. KAJIAN PUSTAKA
II.1.
Sistem Pakar
Sistem pakar adalah sistem yang menggunakan pengetahuan manusia yang terekam dalam
komputer untuk memecahkan persoalan yang biasanya memerlukan keahlian manusia [2-3]. Sistem
pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja
dari para ahli.
Sistem pakar dapat ditampilkan dalam dua lingkungan, yaitu: pengembangan dan konsultasi.
Lingkungan pengembangan digunakan oleh pembangun sistem pakar untuk membangun komponen
dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh
orang yang bukan ahli untuk memperoleh pengetahuan dan berkonsultasi.
Komponen-komponen yang ada pada sistem pakar dapat dilihat pada Gambar 1, yaitu :
1. Basis pengetahuan (Knowledge base). Berisi pengetahuan-pengetahuan yang
dibutuhkan untuk memahami, memformulasikan dan memecahkan persoalan.
2. Motor inferensi (inference engine). Ada 2 cara yang dapat dikerjakan dalam
melakukan inferensi, yaitu:
a. Forward chaining merupakan grup dari multiple inferensi yang melakukan
pencarian dari suatu masalah kepada solusinya. Forward chaining adalah datadriven karena inferensi dimulai dengan informasi yang tersedia dan baru
konklusi diperoleh.
b. Backward chaining menggunakan pendekatan goal-driven, dimulai dari
ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mencari bukti yang
mendukung (atau kontradiktif) dari ekspektasi tersebut.
3. Blackboard. Merupakan area kerja memori yang disimpan sebagai database untuk
deskripsi persoalan terbaru yang ditetapkan oleh data input dan digunakan juga
untuk perekaman hipotesis dan keputusan sementara.
4. Subsistem akuisisi pengetahuan. Akuisisi pengetahuan adalah akumulasi, transfer
dan transformasi keahlian pemecahan masalah dari pakar atau sumber pengetahuan
terdokumentasi ke program komputer untuk membangun atau memperluas basis
pengetahuan.
5. Antarmuka pengguna. Digunakan untuk media komunikasi antara user dan program.
6. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan
tentang kelakuan sistem pakar secara interaktif melalui pertanyaan.
7. Sistem penyaring pengetahuan.
II.2.
Pendekatan Forward Dan Backward Chaining
Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan solusinya disebut
dengan rantai (chain). Suatu rantai yang dicari atau dilewati / dilintasi dari suatu permasalahan untuk
memperoleh solusinya disebut dengan forward chaining. Cara lain menggambarkan forward chaining
ini adalah dengan penalaran dari fakta menuju konklusi yang terdapat dari fakta. Suatu rantai yang
dilintasi dari suatu hipotesa kembali ke fakta yang mendukung hipotesa tersebut adalah backward
chaining. Cara lain menggambarkan backwkard chaining adalah dalam hal tujuan yang dapat dipenuhi
dengan pemenuhan sub tujuannya.
Contoh sederhana dari forward dan backward chaining seperti berikut ini : misalkan anda
sedang mengemudi dan tiba-tiba anda melihat mobil polisi dengan cahaya kelap-kelip dan bunyi
sirine. Dengan forward chaining mungkin anda akan berkesimpulan bahwa polisi ingin anda atau
seseorang untuk berhenti. Itu adalah fakta awal yang mendukung dua kemungkinan konklusi. Jika
mobil polisi membuntuti di belakang anda atau polisi melambaikan tangan memberhentikan anda,
maka kesimpulan lebih lanjut adalah polisi ingin anda yang berhenti. Dengan mengadopsi ini sebagai
suatu kerja hipotesis, maka anda dapat menggunakan backward chaining untuk alasan “mengapa?”.
Karakteristik forward dan backward chaining :
Forward chaining
backward chaining
Perencanaan, monitoring, control
diagnosis
Disajikan untuk masa depan
disajikan untuk masa lalu
Antecedent ke konsekuen
konsekuen ke antecedent
Data memandu, penalaran dari bawah ke
tujuan memandu, penalaran
dari atas ke
atas
bawah
Bekerja ke depan untuk mendapatkan
bekerja ke belakang untuk
mendapatkan
solusi apa yang yang mengikuti fakta
fakta yang mendukung hipotesis
Breadth first search dimudahkan
depth first search dimudahkan
Antecedent menentukan pencarian
konsekuen menentukan pencarian
Penjelasan tidak difasilitasi
penjelasan difasilitasi
Kekurangan dari pendekatan ini adalah efisiensi. System backward chaining memudahkan
pencarian depth first, sementara itu forward chaining memudahkan pencarian breadth first. Walaupun
anda dapat menuliskan aplikasi backward chaining ke system forward chaining dan sebaliknya, system
tersebut tidak akan efisien dalam hal pencarian penyelesaiannya. Kesulitan yang kedua adalah
konseptual. Pengetahuan diperoleh dari pakar yang harus diubah untuk mengimbangi permintaan dari
mesin inferensi.
Forward chaining merupakan grup dari multipel inferensi yang melakukan pencarian dari
suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka
proses akan meng-assert konklusi Forward Chaining adalah data driven karena inferensi dimulai
dengan informasi yg tersedia dan baru konklusi diperoleh Jika suatu aplikasi menghasilkan tree yang
lebar dan tidak dalam, maka gunakan forward chaining .
Sifat Forward Chaining Good for monitoring, planning, and control Looks from present to
future. Works from antecedent to consequent. Is data-driven, bottom-up reasoning. Works forward to
find what solutions follow from the facts. It facilitates a breadth-first search. The antecedents
determine the search. It does not facilitate explanation.
Contoh Kasus Sistem Pakar : Penasihat Keuangan Kasus : Seorang user ingin berkonsultasi
apakah tepat jika dia berinvestasi pada stock IBM? Variabel-variabel yang digunakan: A = memiliki
uang $10.000 untuk investasi B = berusia < 30 tahun C = tingkat pendidikan pada level college D =
pendapatan minimum pertahun $40.000 E = investasi pada bidang Sekuritas (Asuransi) F = investasi
pada saham pertumbuhan ( growth stock) G = investasi pada saham IBM Setiap variabel dapat bernilai
TRUE atau FALSE
FAKTA YANG ADA: Diasumsikan si user (investor) memiliki data: Memiliki uang $10.000
(A TRUE) Berusia 25 tahun (B TRUE) Dia ingin meminta nasihat apakah tepat jika berinvestasi pada
IBM stock?
RULES R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan
pada level college THEN dia harus berinvestasi pada bidang sekuritas R2 : IF seseorang memiliki
pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus
berinvestasi pada saham pertumbuhan ( growth stocks) R3 : IF seseorang berusia < 30 tahun AND dia
berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan R4 : IF
seseorang berusia < 30 tahun dan > 22 tahun THEN dia berpendidikan college R5 : IF seseorang ingin
berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.
Backward Chaining Pendekatan goal-driven , dimulai dari ekspektasi apa yang diinginkan
terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari
ekspektasi tersebut. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka
gunakan backward chaining .
Sifat dari backward chaining Good for Diagnosis. Looks from present to past. Works from
consequent to antecedent. Is goal-driven, top-down reasoning. Works backward to find facts that
support the hypothesis. It facilitates a depth-first search. The consequents determine the search. It does
facilitate explanation.
Program dimulai dengan tujuan ( goal ) yang diverifikasi apakah bernilai TRUE atau FALSE
Kemudian melihat rule yang mempunyai GOAL tersebut pada bagian konklusinya. Mengecek pada
premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) Pertama dicek
apakah ada assertion-nya Jika pencarian disitu gagal, maka ES akan mencari rule lain yang memiliki
konklusi yang sama dengan rule pertama tadi Tujuannya adalah membuat rule kedua terpenuhi ( satisfy
) Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial
yang diperiksa (dg GOAL) telah terpenuhi Jika GOAL terbukti FALSE, maka GOAL berikut yang
dicoba.
Gambar 1. Struktur Sistem Pakar
2.3.
Morfologi Bunga Mawar
Sebagian besar spesies mempunyai daun yang panjangnya antara 5-15 cm, dua-dua
berlawanan (pinnate). Daun majemuk yang tiap tangkai daun terdiri dari paling sedikit 3 atau 5 hingga
9 atau 13 anak daun dan daun penumpu (stipula) berbentuk lonjong, pertulangan menyirip, tepi
beringgit, meruncing pada ujung daun dan berduri pada batang yang dekat ke tanah. Mawar sebetulnya
bukan tanaman tropis, sebagian besar spesies merontokkan seluruh daunnya (deciduous) dan hanya
beberapa spesies yang ada di Asia Tenggara yang selalu berdaun hijau sepanjang tahun.
Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa sericea yang hanya
memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan merah jambu atau kuning dan merah
pada beberapa spesies. Ovari berada di bagian bawah daun mahkota dan daun kelopak. Pada umumnya
mawar memiliki duri berbentuk seperti pengait yang berfungsi sebagai pegangan sewaktu memanjat
tumbuhan lain. Beberapa spesies Mawar mempunyai duri yang tidak berkembang dan tidak tajam.
III.
CONTOH DAN PEMBAHASAN
Sistem pakar yang dibangun ini merupakan suatu sistem informasi yang berbasis komputer
dengan memanfaatkan teknologi kecerdasan buatan (artificial intelligence) yang berfungsi sebagai
sistem alat bantu atau pemberi saran/rekomendasi dari proses konsultasi jenis dan konsultasi penyakit
kepada user, sehingga user mengetahui masalah yang menyerang pada bunga mawar. Konsultasi yang
dihasilkan oleh sistem ini dilengkapi dengan jenis, keterangan,dan gambar untuk konsultasi jenis pada
bunga mawar. Sedangkan untuk konsultasi penyakitnya dilengkapi dengan penyebab, keterangan, dan
pengendaliannya.
Akuisisi pengetahuan merupakan suatu proses untuk mengumpulkan data-data pengetahuan
akan suatu masalah pakar. Bahan pengetahuan dapat ditempuh dengan beberapa cara, misalnya
mendapatkan pengetahuan dari buku, jurnal ilmiah, para pakar dibidangnya, laporan, dan sebagainya.
Sumber pengetahuan tersebut dijadikan dokumentasi untuk dipelajari, diolah dan diorganisasikan
secara terstruktur menjadi basis pengetahuan. Akuisisi pengetahuan dalam sistem ini dapat dilihat pada
Tabel 1 untuk tabel akuisisi jenis dan Tabel 2 untuk tabel akuisisi penyakit.
III.1. Pelacakan
Proses pelacakan yang digunakan dalam sistem ini mengikuti pola pelacakan maju (forward
chaining). Pada identifikasi jenis bunga mawar,proses pelacakan maju dimulai dengan memberikan
pertanyaan tentang ciri-ciri bunga mawar. Kemudian dari fakta ciri-ciri yang dimasukkan user akan
diperoleh kesimpulan tentang jenis bunga mawar. Contoh beberapa proses pelacakan untuk jenis dan
penyakit pada mawar dapat di lihat pada gambar 3
III.2. Representasi Pengetahuan
Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah
produksi, yaitu dengan IF-Then. Berikut contoh untuk jenis mawar Rossa Braksiae dan hama
Nematoda akar
a. Kaidah untuk jenis mawar Rossa Banksiae
if warna bunga putih
and warna hijau gelap
and daun kasar
and batang tidak berduri
and warna benang sari kuning
then identifikasi jenis Rossa Banksiae
b. Kaidah untuk hama Nematode akar (Meloidgynesp)
if terdapat bintik-bintik pada akar
and (tanaman menjadi layu
or pertumbuhan kerdil)
then identifikasi hama Nematode akar (Meloidgynesp)
Gambar 2. Contoh Proses pelacakan untuk jenis dan penyakit pada bunga mawar
Tabel 1. Hubungan Jenis dan Ciri Bunga Mawar
Tabel 2. Hubungan Gejala dan Penyakit Bunga mawar
IV.
KESIMPULAN
a.
b.
c.
d.
Telah dapat dibangun dan dihasilkan suatu sistem pakar untuk mengidentifikasi jenis dan
penyakit pada bunga mawar berbasis web.
Mampu mengidentifikasi jenis berdasarkan ciri-ciri pada bunga mawar
Mampu mengidentifikasi penyakit berdasarkan gejala-gejala yang menyerang pada bunga
mawar
Penerapan metode sistem berbasis aturan dengan proses inferensi forward chaining dan
backward chaining pada aplikasi sistem pakar dapat mengahasilkan diagnosis jenis dan
penyakit bunga mawar dengan benar berdasarkan aturan-aturan yang telah dibuat dan
berdasarkan hasil pengujian, didapatkan bahwa dari jenis dan penyakit yang diujikan dapat
dideteksi oleh sistem pakar.
DAFTAR PUSTAKA
[1] Burnie, Geoff dkk, 1998, Botanica, Random House, Australia
[2] Giarratano, J & Gary R., 1994, Expert System Principles and Programming, PWS Publishing
Company, Boston Harmon P and King David, 1985, Expert System : Artificial Intelligent In Bussiness,
John Wiley & Sons Inc, New York
[3] Pressman Roger, 2002, Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu), Andi,
Yogyakarta. Turban, Efraim, 1995, Decision Support System and Expert System, 4 th ed., Prentice-Hall,
Inc., New Jersey, pp 472-679
[4] Yuwono B, 2004, Sistem Pakar Untuk Diagnosis Penyakit Ayam yang Disebabkan oleh Virus,
Tesis, UGM http://id.wikipedia.org/wiki/Mawar