PENERAPAN CERTAINTY FACTOR DALAM SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN PAPAYA
Seminar Nasional Informatika 2014
PENERAPAN CERTAINTY FACTOR DALAM SISTEM PAKAR
MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN PAPAYA
Khairul Ummi, Edi Kurniawan
STMIK Potensi Utama, Jl. K.L Yos Sudarso Km.6,5 No.3A Tanjung Mulia
[email protected]
Abstrak
Pepaya merupakan salah satu buah yang banyak dinikmati, selain rasanya yang manis menyegarkan, pepaya
juga mengandung nutrisi yang sangat baik bagi kesehatan. Betakaroten, Vit C, Vit B1, B2, Kalsium, Fospor,
Kalium, dan Betakaroten berfungsi sebagai antioksidan. Sehubungan dengan upaya pembudidayaan pepaya,
terdapat beberapa kendala, diantaranya adalah hama dan penyakit. Menurut hasil wawancara dengan petani
pepaya, pengetahuan masyarakat, khususnya para petani pepaya sangat minim. Kurangnya informasi yang
didapat oleh para penyuluh pertanian untuk memberikan pengarahan pada para petani pepaya juga
merupakan permasalahan utama yang menjadi dasar dibangunnya Sistem Pakar untuk Mendiagnosis
Penyakit pada Tanaman Pepaya. Dalam menentukan keputusan jenis penyakit tanaman pepaya, sistem ini
menggunakan konsep Certainty Factor (CF). Sistem akan mencari nilai CF tertinggi, dari berbagai
kemungkinan jenis penyakit berdasarkan gejala yang dimasukkan user dan hasilnya ditampilkan kepada user.
Sistem Pakar untuk Mendiagnosis Penyakit pada Tanaman Pepaya menghasilkan keputusan penentuan jenis
penyakit berdasarkan gejala yang dimasukkan. Nilai CF yang mungkin dihasilkan adalah antara 0 sampai
dengan 1. Jika nilai CF yang dihasilkan semakin mendekati 1, maka semakin tinggi kepastian terkena
penyakit terkait. Sebaliknya, Jika nilai CF yang dihasilkan semakin mendekati 0, maka semakin rendah
kepastian terkena penyakit terkait. Hasil diagnosis yang ditampilkan bagi pengguna meliputi nama penyakit,
gejala, dan Solusi mengatasi hama dan penyakit pada tanaman pepaya.
Kata kunci : Certainty Factor, Tanaman Pepaya, Sistem Pakar
PENDAHULUAN
Perkembangan teknologi dan Ilmu
Pengetahuan yang pesat pada saat ini, menuntut
adanya kemudahan proses pada segala bidang
kerja. Komputer merupakan salah satu media
yang mempunyai banyak kelebihan diantaranya
kecepatan, keakuratan dan efisien dalam
pengolahan data dibanding dengan sistem manual.
Dalam kehidupan modern seperti sekarang ini,
informasi telah menempati posisi yang sangat
menentukan, karena kondisi seperti itu sehingga
banyak orang menyebut sebagai zaman informasi.
Pengembangan kecerdasan buatan khususnya
dibidang sistem pakar menjadi sesuatu yang
masih sangat sulit untuk di implementasikan. Hal
ini disebabkan karena masih adanya keterbatasan
sistem, baik perangkat keras maupun perangkat
lunak untuk melakukan pengolahan data berskala
besar, padahal kekuatan utama sistem pakar
adalah basis pengetahuan dan basis aturan yang
terdiri atas kumpulan data yang sangat banyak.
Pepaya merupakan salah satu buah yang
banyak dinikmati, selain rasanya yang manis
menyegarkan, pepaya juga mengandung nutrisi
yang sangat baik bagi kesehatan. Betakaroten, Vit
C, Vit B1, B2, Kalsium, Fospor, Kalium, dan
Betakaroten berfungsi sebagai antioksidan. Selain
itu Manfaat pepaya memang bisa digunakan
dalam dunia kesehatan maupun kecantikan. Tidak
hanya buahnya saja yang bisa kita ambil
manfaatnya, namun daun pepaya juga sangat
berkhasiat dan baik untuk kesehatan tubuh seharihari, mulai dari untuk menambah nafsu makan,
memperlancar pencernaan, hingga digunakan
sebagai masker untuk mengatasi jerawat. Tapi
Banyak masyarakat yang kurang paham tentang
penyakit tanaman pepaya. Untuk memperoleh
Informasi tentang penyakit, gejala dan cara
penanggulangan penyakit pada tanaman papaya.
LANDASAN TEORI
Sistem Pakar
Bidang
sistem
pakar
merupakan
penyelesaiaan pendekatan yang sangat berhasil
dan bagus untuk permasalahan AI (Artificial
Intelligent) klasik dari pemograman intelligent
(cerdas). Sistem pakar (expert system) merupakan
solusi AI bagi masalah pemrograman pintar
(intelligent). Profesor Edward Feigenbaum dari
Stanford University yang merupakan pionir dalam
teknologi sistem pakar mendefinisikan sistem
pakar sebagai sebuah program kamputer pintar
(intelligent
computer
program)
yang
memanfaatkan pengetahuan (knowledge) dan
prosedur inferensi (inference procedure) untuk
367
Seminar Nasional Informatika 2014
memecahkan masalah yang cukup sulit sehingga
membutuhkan keahlian khusus dari manusia.
Dengan kata lain, sistem pakar adalah sistem
komputer yang ditujukan untuk meniru semua
aspek (emulates) kemampuan pengambilan
keputusan (decision making) seorang pakar.
Sistem pakar memanfaatkan secara maksimal
pengetahuan khusus selayaknya seorang pakar
untuk memecahkan masalah. [1]
Manfaat Sistem Pakar
Secara garis besar, banyak manfaat yang
dapat diambil dengan adanya sistem pakar, antara
lain [2]:
13. Membuat seorang yang awam bekerja seperti
layaknya seorang pakar.
14. Meningkatkan
produktivitas
akibat
meningkatnya kualitas hasil pekerjaan,
mengingkatnya
kualitas
pekerjaan
ini
disebabkan meningkatnya efisiensi kerja.
15. Menghemat waktu kerja.
16. Menyederhanakan pekerjaan.
17. Merupakan arsip terpercaya dari sebuah
keahlian, sehingga bagi pemakai sistem pakar
seolah-olah berkonsultasi langsung dengan
sang pakar, meskipun mungkin sang pakar
telah tiada.
Memperluas jangkauan, dari keahlian seorang
pakar. Di mana sebuah sistem pakar yang telah
disahkan, akan sama saja artinya dengan seorang
pakar yang tersedia dalam jumlah besar (dapat
diperbanyak dengan kemampuan yang persis
sama), dapat diperoleh dan dipakai di mana saja.
Metode Certainty Factor
Dalam aplikasi sistem pakar terdapat suatu
metode
untuk
menyelesaikan
masalahketidakpastian data, salah satu metode
yang dapat digunakan adalah faktor kepastian
(certainty factor ) (Kusrini, 2008). Faktor
keyakinan diperkenalkan oleh ShortliffeBuchanan
dalam pembuatan MYCIN (Wesley).Certainty
factor (CF) merupakan nilaiparameter klinis yang
diberikan MYCIN untuk menunjukan besarnya
kepercayaan. Ada 2 macam faktor kepastian yang
digunakan, yaitu faktor kepastian yang diisikan
oleh pakarbersama dengan aturan dan faktor
kepastian yang diberikan oleh pengguna.Faktor
kepastian
yang
diisikan
oleh
pakar
menggambarkan kepercayaan pakarterhadap
hubungan antara antacedent dan konsekuen.
Sementara itu faktor kepastian daripengguna
menunjukan besarnya kepercayaan terhadap
keberadaan masing-masing elemen dalam
antecedent.
Penerapan Metode Certainty Factor
Certainty factor diperkenalkan oleh Shortliffe
Buchanan dalam pembuatan MYCIN (Wesley
1984).Certainty factor (CF) merupakan nilai
368
parameter klinis yang diberikanMYCIN untuk
menunjukkan besarnya kepercayaan.
Certainty factor didefinisikan sebagai berikut
(Giarattano dan Riley, 1994):
CF(H,E) = MB(H,E) - MD(H,E)……………[2.1]
CF(H,E): certainty factor dari hipotesis H yang
dipengaruhi oleh gejala (evidence) E.Besarnya CF
berkisar antara -1 sampai dengan 1. Nilai -1
menunjukanketidakpercayaan mutlak sedangkan
nilai 1 menunjukan kepercayaan mutlak.
MB(H,E): ukuran kenaikan kepercayaan (measure
of increased belief ) terhadaphipotesis H yang
dipengaruhi oleh gejala E.
MD(H,E): ukuran kenaikan ketidakpercayaan
(measure
of
increased
disbelief )
terhadaphipotesis H yang dipengaruhi oleh gejala
E.
2.3. Menentukan CF Paralel
Menurut Kusrini (2008) pengertian mengenai
certainty factor paralel dan contoh penerapannya
adalah sebagai berikut.Certainty factor paralel
merupakan CF yangdiperoleh dari beberapa
premis pada sebuah aturan. Besarnya CF paralel
dipengaruhi olehCF user untuk masing-masing
premis dan operator dari premis. Rumus untuk
masing-masing operator adalah sebagai berikut :
CF (x Dan y)= Min(CF(x),CF(y)) .…….……[2.2]
CF
(x
Atau
y)=
Max(CF(x),CF(y))……….…..[2.3]
CF (Tidak x)= -CF(x)..………………………[2.4]
Pengetahuan mengenai Tanaman Pepaya
Pepaya merupaka tanaman buah berupa herba dari
family Caricaceae yang berasal dari amerika
tengan dan Hindia barat, bahkan kawasan sekitar
meksiko dan kosta rika. Tanaman papaya ditanam
orang, baik didaerah tropis maupun subtropics,
disaerah-daerah basah dan kering, atau didaerahdaerah dataran pegunungan (sampai 1.00 m dpl).
Buah papaya merupakan buah meja bermutu dan
bergizi tinggi. Papaya merupakan salah satu jenis
buah yang memiliki prospek yang baik untuk
dikembangkan di Indonesia.[4]
METODOLOGI PENELITIAN
Subjek penelitian ini adalah membuat aplikasi
sistem pakar penentuan penyakit pada tumbuhan
pepaya berdasarkan gejala yang ada dan
memberitahukan cara penanggulangan dari
penyakit tanaman pepaya dengan menggunakan
metode certainty factor. Langkah yang dilakukan
dalam penelitian ini meliputi analisis data:
mengumpulkan data dan mendiskripsikan data.
Perancangan Sistem : Mengidentifikasi masalah
dan kebutuhan, menentukan masalah yang cocok,
Seminar Nasional Informatika 2014
Factor dengan menentukan nilai CF untuk
Penyakit dan Gejala. Metode penanganan
ketidakpastian pada sistem pakar identifikasi
penyakit Tanaman pepaya ini menggunakan
certainty factor dengan rentang CF antara -1
(definitely false) sampai +1 (definitely true)
akusisi Pengetahuan, rekayasa Pengetahuan :
tabel keputusan, pohon keputusan, tabel aturan,
perancangan sistem : DVD level 0 dan flowchart
sistem. hasil program : form hasil konsultasi.
ANALISA DAN PERANCANGAN SISTEM
Tabel 1. Nilai CF untuk Penyakit
Kode
Nilai
Nama Gangguan
Gangguan
CF
0.6
P001
Kutu Putih
Analisa
Untuk mendiagnosa penyakit pada tanaman
pepaya perlu diketahui terlebih dahulu gejalagejala yang timbul. Meskipun dari gejala klinis
(gejala-gejala yang terlihat langsung). Ada 3 tabel
untuk membantu Rule basis pengetahuan
menentukan nilai CF untuk mendiagnosa penyakit
pada tumbuhan pepaya yaitu tabel penyakit, tabel
gejala, tabel solusi, serta akan digambarkan
dengan menggunakan pohon keputusan.
P002
P003
P004
Perancangan Sistem
Penggambaran perancangan sistem menggunakan
DFD Level 0 dan Flowchart sebagai berikut :
Konfirmasi Logon
Gejala Penyakit
User
Nama Penyakit
Informasi Penyakit
Sistem Pakar
mendiagnosa
Penyakit Tanaman
pepaya
Pakar
Nama Penyakit
GejalaPenyakit
Informasi Penyakit
Aturan Nilai CF
Konfirmasi Logon
Gambar 1. DVD Level 0
Mulai
Tampilkan Pilihan
gejala
Kode
Solusi
Solusi = kdpenyakit
Tampilkan hasil
diagnosa
S001
S002
S003
Selesai
S004
Gambar 2. Flowchart sistem
0.7
0.6
0.5
Tabel 2. Nilai CF untuk Tabel Gejala
Kode
Nilai
Nama Gejala
Gejala
CF
G001
Terdapat bercak putih pada 0.7
belakang daun
G002
Daun terlihat layu
0.8
G003
Tumbuhan Sulit Berkembang
0.6
G004
Pucuk daun mengering
0.8
G005
Daun menggulung
0.8
G006
Bentuk bunga tidak sempurna
0.7
G007
Daun muda menjadi pucat 0.7
ketika membesar
G008
Bercak merah pada daun tua
0.6
G009
Ada tenunan seperti sarang 0.8
laba - laba pada permukaan
bawah daun
G010
Sel - sel daun membesar karena 0.6
pengaruh enzim
G011
Buah membusuk di sebagian 0.8
tempat
G012
Busuk pada buah berair
0.7
G013
Banyak buah muda yang 0.5
rontok
Baca pilihan gejala
sesuaikan dengan aturan
If solusi = 0
Kutu Tanaman ( Aphid )
Tungau ( Acarina )
Lalat Buah
Tabel 3. Tabel Solusi
Kode
Solusi
Gangguan
Penyiraman
tanaman
dengan
pestidida
dan
P001
perhatian
untuk
pemeliharaan lebih rutin
Penyemprotan tepung deris
P002
atau tepung belerang
Penyemprotan tepung deris
P003
atau tepung belerang
Menjaga kebersihan areal
pertanaman dan menginfus
P004
tanaman dengan insektisida
Perencanaan
pembuatan
sistem
meliputi
perencanaan sistem pakar dalam perancangan
sistem diagnosa menggunakan metode Certainty
369
Seminar Nasional Informatika 2014
Gambar 4. Form Konsultasi
Form hasil konsultasi
Tabel 4. Tabel Keputusan
Kode
Gejala
G001
G002
G003
G004
G005
G006
G007
G008
G009
G010
G011
G012
G013
Kode Gangguan
P001
P002
P003
P004
*
*
*
*
*
*
*
*
*
*
*
*
*
Gambar 5. Form Hasil Konsultasi
PEMBAHASAN
Dari tabel yang sudah dipaparkan sebelumnya
maka sebagai hasil uji coba sistem aplikasi yang
dibangun dihitung untuk tingkat keakuratan
menggunakan metode CF.
No
1
Gambar 3. Pohon Keputusan
2
3
Tabel 5. Contoh perhitungan
Gejala
Penyakit
Terdapat
bercak
putih pada belakang
daun
Daun terlihat layu
Tumbuhan
Sulit
Berkembang
Kutu Putih
Nilai
CF
0,7
Kutu Putih
Kutu Putih
0,8
0,6
HASIL dan PEMBAHASAN
Hasil
Dari hasil perancangan sistem yang sebelumnya
terdapat hasil tampilah aplikas yang dibangun
sebagai berikut :
Form konsultasi
CF(H,e) = CF (E,e) * CF(H,E)
CF(E,e) = 1 nilai kepastian
CF(H,E) = min [ Rule CF(H,e)]
nilai 1 jika menggunakan min, -1 jika
menggunakan max untuk batas kepastian
CF(H,e) = 1 * min [0.7, 0.8, 0.6]
CF(H,e) = 0.6
Dari perhitungan di atas, didapatkan nilai faktor
kepastian dari masukan gejala untuk gangguan
hama kutu putih adalah 0,6
KESIMPULAN
Pada penelitian ini menggunakan metode
certainty factor dalam pengembangan sistem
pakar untuk mendiagnosa Tanaman Pepaya. Hasil
akhir yang didapat dalam aplikasi berupa jenis
penyakit berdasarkan gejala yang dipilih oleh
user. Pada penerapan certainty factor dalam
370
Seminar Nasional Informatika 2014
permasalahan ini dikatakan sudah sesuai dengan
hasil perhitungan manual dan hasil diberikan oleh
sistem. Berdasarkan hasil analisa yang dilakukan
dengan teknik sampling menunjukkan hasil 80%
dengan nilai CF yang telah ditetapkan., pengguna
merasa pada aplikasi yang dibuat sangat baik
dengan presentase 80 %.
[2]
DAFTRA PUSTAKA
[4]
[1]
[3]
Sari Ria Eka, 2013, Sistem Pakar Untuk
Mendeteksi
Penyakit
THT
Dengan
Menggunakan Metode Forward Chaining,
Prosiding SNIf STMIK Potensi Utama
2013.
Kusrini,
2008,
Menentukan
Faktor
Kepastian Pengguna dengan metode
kuantifikasi pertanyaan, Yogyakarta : Andi.
Tim Karya Tani Mandiri, 2011, Pedoman
Bertanam Pepaya, Bandung : Nusa Aulia
Rosnelly Rika, 2012, Sistem Pakar Konsep
dan Teori, Yogyakarta, Andi Offset.
371
PENERAPAN CERTAINTY FACTOR DALAM SISTEM PAKAR
MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN PAPAYA
Khairul Ummi, Edi Kurniawan
STMIK Potensi Utama, Jl. K.L Yos Sudarso Km.6,5 No.3A Tanjung Mulia
[email protected]
Abstrak
Pepaya merupakan salah satu buah yang banyak dinikmati, selain rasanya yang manis menyegarkan, pepaya
juga mengandung nutrisi yang sangat baik bagi kesehatan. Betakaroten, Vit C, Vit B1, B2, Kalsium, Fospor,
Kalium, dan Betakaroten berfungsi sebagai antioksidan. Sehubungan dengan upaya pembudidayaan pepaya,
terdapat beberapa kendala, diantaranya adalah hama dan penyakit. Menurut hasil wawancara dengan petani
pepaya, pengetahuan masyarakat, khususnya para petani pepaya sangat minim. Kurangnya informasi yang
didapat oleh para penyuluh pertanian untuk memberikan pengarahan pada para petani pepaya juga
merupakan permasalahan utama yang menjadi dasar dibangunnya Sistem Pakar untuk Mendiagnosis
Penyakit pada Tanaman Pepaya. Dalam menentukan keputusan jenis penyakit tanaman pepaya, sistem ini
menggunakan konsep Certainty Factor (CF). Sistem akan mencari nilai CF tertinggi, dari berbagai
kemungkinan jenis penyakit berdasarkan gejala yang dimasukkan user dan hasilnya ditampilkan kepada user.
Sistem Pakar untuk Mendiagnosis Penyakit pada Tanaman Pepaya menghasilkan keputusan penentuan jenis
penyakit berdasarkan gejala yang dimasukkan. Nilai CF yang mungkin dihasilkan adalah antara 0 sampai
dengan 1. Jika nilai CF yang dihasilkan semakin mendekati 1, maka semakin tinggi kepastian terkena
penyakit terkait. Sebaliknya, Jika nilai CF yang dihasilkan semakin mendekati 0, maka semakin rendah
kepastian terkena penyakit terkait. Hasil diagnosis yang ditampilkan bagi pengguna meliputi nama penyakit,
gejala, dan Solusi mengatasi hama dan penyakit pada tanaman pepaya.
Kata kunci : Certainty Factor, Tanaman Pepaya, Sistem Pakar
PENDAHULUAN
Perkembangan teknologi dan Ilmu
Pengetahuan yang pesat pada saat ini, menuntut
adanya kemudahan proses pada segala bidang
kerja. Komputer merupakan salah satu media
yang mempunyai banyak kelebihan diantaranya
kecepatan, keakuratan dan efisien dalam
pengolahan data dibanding dengan sistem manual.
Dalam kehidupan modern seperti sekarang ini,
informasi telah menempati posisi yang sangat
menentukan, karena kondisi seperti itu sehingga
banyak orang menyebut sebagai zaman informasi.
Pengembangan kecerdasan buatan khususnya
dibidang sistem pakar menjadi sesuatu yang
masih sangat sulit untuk di implementasikan. Hal
ini disebabkan karena masih adanya keterbatasan
sistem, baik perangkat keras maupun perangkat
lunak untuk melakukan pengolahan data berskala
besar, padahal kekuatan utama sistem pakar
adalah basis pengetahuan dan basis aturan yang
terdiri atas kumpulan data yang sangat banyak.
Pepaya merupakan salah satu buah yang
banyak dinikmati, selain rasanya yang manis
menyegarkan, pepaya juga mengandung nutrisi
yang sangat baik bagi kesehatan. Betakaroten, Vit
C, Vit B1, B2, Kalsium, Fospor, Kalium, dan
Betakaroten berfungsi sebagai antioksidan. Selain
itu Manfaat pepaya memang bisa digunakan
dalam dunia kesehatan maupun kecantikan. Tidak
hanya buahnya saja yang bisa kita ambil
manfaatnya, namun daun pepaya juga sangat
berkhasiat dan baik untuk kesehatan tubuh seharihari, mulai dari untuk menambah nafsu makan,
memperlancar pencernaan, hingga digunakan
sebagai masker untuk mengatasi jerawat. Tapi
Banyak masyarakat yang kurang paham tentang
penyakit tanaman pepaya. Untuk memperoleh
Informasi tentang penyakit, gejala dan cara
penanggulangan penyakit pada tanaman papaya.
LANDASAN TEORI
Sistem Pakar
Bidang
sistem
pakar
merupakan
penyelesaiaan pendekatan yang sangat berhasil
dan bagus untuk permasalahan AI (Artificial
Intelligent) klasik dari pemograman intelligent
(cerdas). Sistem pakar (expert system) merupakan
solusi AI bagi masalah pemrograman pintar
(intelligent). Profesor Edward Feigenbaum dari
Stanford University yang merupakan pionir dalam
teknologi sistem pakar mendefinisikan sistem
pakar sebagai sebuah program kamputer pintar
(intelligent
computer
program)
yang
memanfaatkan pengetahuan (knowledge) dan
prosedur inferensi (inference procedure) untuk
367
Seminar Nasional Informatika 2014
memecahkan masalah yang cukup sulit sehingga
membutuhkan keahlian khusus dari manusia.
Dengan kata lain, sistem pakar adalah sistem
komputer yang ditujukan untuk meniru semua
aspek (emulates) kemampuan pengambilan
keputusan (decision making) seorang pakar.
Sistem pakar memanfaatkan secara maksimal
pengetahuan khusus selayaknya seorang pakar
untuk memecahkan masalah. [1]
Manfaat Sistem Pakar
Secara garis besar, banyak manfaat yang
dapat diambil dengan adanya sistem pakar, antara
lain [2]:
13. Membuat seorang yang awam bekerja seperti
layaknya seorang pakar.
14. Meningkatkan
produktivitas
akibat
meningkatnya kualitas hasil pekerjaan,
mengingkatnya
kualitas
pekerjaan
ini
disebabkan meningkatnya efisiensi kerja.
15. Menghemat waktu kerja.
16. Menyederhanakan pekerjaan.
17. Merupakan arsip terpercaya dari sebuah
keahlian, sehingga bagi pemakai sistem pakar
seolah-olah berkonsultasi langsung dengan
sang pakar, meskipun mungkin sang pakar
telah tiada.
Memperluas jangkauan, dari keahlian seorang
pakar. Di mana sebuah sistem pakar yang telah
disahkan, akan sama saja artinya dengan seorang
pakar yang tersedia dalam jumlah besar (dapat
diperbanyak dengan kemampuan yang persis
sama), dapat diperoleh dan dipakai di mana saja.
Metode Certainty Factor
Dalam aplikasi sistem pakar terdapat suatu
metode
untuk
menyelesaikan
masalahketidakpastian data, salah satu metode
yang dapat digunakan adalah faktor kepastian
(certainty factor ) (Kusrini, 2008). Faktor
keyakinan diperkenalkan oleh ShortliffeBuchanan
dalam pembuatan MYCIN (Wesley).Certainty
factor (CF) merupakan nilaiparameter klinis yang
diberikan MYCIN untuk menunjukan besarnya
kepercayaan. Ada 2 macam faktor kepastian yang
digunakan, yaitu faktor kepastian yang diisikan
oleh pakarbersama dengan aturan dan faktor
kepastian yang diberikan oleh pengguna.Faktor
kepastian
yang
diisikan
oleh
pakar
menggambarkan kepercayaan pakarterhadap
hubungan antara antacedent dan konsekuen.
Sementara itu faktor kepastian daripengguna
menunjukan besarnya kepercayaan terhadap
keberadaan masing-masing elemen dalam
antecedent.
Penerapan Metode Certainty Factor
Certainty factor diperkenalkan oleh Shortliffe
Buchanan dalam pembuatan MYCIN (Wesley
1984).Certainty factor (CF) merupakan nilai
368
parameter klinis yang diberikanMYCIN untuk
menunjukkan besarnya kepercayaan.
Certainty factor didefinisikan sebagai berikut
(Giarattano dan Riley, 1994):
CF(H,E) = MB(H,E) - MD(H,E)……………[2.1]
CF(H,E): certainty factor dari hipotesis H yang
dipengaruhi oleh gejala (evidence) E.Besarnya CF
berkisar antara -1 sampai dengan 1. Nilai -1
menunjukanketidakpercayaan mutlak sedangkan
nilai 1 menunjukan kepercayaan mutlak.
MB(H,E): ukuran kenaikan kepercayaan (measure
of increased belief ) terhadaphipotesis H yang
dipengaruhi oleh gejala E.
MD(H,E): ukuran kenaikan ketidakpercayaan
(measure
of
increased
disbelief )
terhadaphipotesis H yang dipengaruhi oleh gejala
E.
2.3. Menentukan CF Paralel
Menurut Kusrini (2008) pengertian mengenai
certainty factor paralel dan contoh penerapannya
adalah sebagai berikut.Certainty factor paralel
merupakan CF yangdiperoleh dari beberapa
premis pada sebuah aturan. Besarnya CF paralel
dipengaruhi olehCF user untuk masing-masing
premis dan operator dari premis. Rumus untuk
masing-masing operator adalah sebagai berikut :
CF (x Dan y)= Min(CF(x),CF(y)) .…….……[2.2]
CF
(x
Atau
y)=
Max(CF(x),CF(y))……….…..[2.3]
CF (Tidak x)= -CF(x)..………………………[2.4]
Pengetahuan mengenai Tanaman Pepaya
Pepaya merupaka tanaman buah berupa herba dari
family Caricaceae yang berasal dari amerika
tengan dan Hindia barat, bahkan kawasan sekitar
meksiko dan kosta rika. Tanaman papaya ditanam
orang, baik didaerah tropis maupun subtropics,
disaerah-daerah basah dan kering, atau didaerahdaerah dataran pegunungan (sampai 1.00 m dpl).
Buah papaya merupakan buah meja bermutu dan
bergizi tinggi. Papaya merupakan salah satu jenis
buah yang memiliki prospek yang baik untuk
dikembangkan di Indonesia.[4]
METODOLOGI PENELITIAN
Subjek penelitian ini adalah membuat aplikasi
sistem pakar penentuan penyakit pada tumbuhan
pepaya berdasarkan gejala yang ada dan
memberitahukan cara penanggulangan dari
penyakit tanaman pepaya dengan menggunakan
metode certainty factor. Langkah yang dilakukan
dalam penelitian ini meliputi analisis data:
mengumpulkan data dan mendiskripsikan data.
Perancangan Sistem : Mengidentifikasi masalah
dan kebutuhan, menentukan masalah yang cocok,
Seminar Nasional Informatika 2014
Factor dengan menentukan nilai CF untuk
Penyakit dan Gejala. Metode penanganan
ketidakpastian pada sistem pakar identifikasi
penyakit Tanaman pepaya ini menggunakan
certainty factor dengan rentang CF antara -1
(definitely false) sampai +1 (definitely true)
akusisi Pengetahuan, rekayasa Pengetahuan :
tabel keputusan, pohon keputusan, tabel aturan,
perancangan sistem : DVD level 0 dan flowchart
sistem. hasil program : form hasil konsultasi.
ANALISA DAN PERANCANGAN SISTEM
Tabel 1. Nilai CF untuk Penyakit
Kode
Nilai
Nama Gangguan
Gangguan
CF
0.6
P001
Kutu Putih
Analisa
Untuk mendiagnosa penyakit pada tanaman
pepaya perlu diketahui terlebih dahulu gejalagejala yang timbul. Meskipun dari gejala klinis
(gejala-gejala yang terlihat langsung). Ada 3 tabel
untuk membantu Rule basis pengetahuan
menentukan nilai CF untuk mendiagnosa penyakit
pada tumbuhan pepaya yaitu tabel penyakit, tabel
gejala, tabel solusi, serta akan digambarkan
dengan menggunakan pohon keputusan.
P002
P003
P004
Perancangan Sistem
Penggambaran perancangan sistem menggunakan
DFD Level 0 dan Flowchart sebagai berikut :
Konfirmasi Logon
Gejala Penyakit
User
Nama Penyakit
Informasi Penyakit
Sistem Pakar
mendiagnosa
Penyakit Tanaman
pepaya
Pakar
Nama Penyakit
GejalaPenyakit
Informasi Penyakit
Aturan Nilai CF
Konfirmasi Logon
Gambar 1. DVD Level 0
Mulai
Tampilkan Pilihan
gejala
Kode
Solusi
Solusi = kdpenyakit
Tampilkan hasil
diagnosa
S001
S002
S003
Selesai
S004
Gambar 2. Flowchart sistem
0.7
0.6
0.5
Tabel 2. Nilai CF untuk Tabel Gejala
Kode
Nilai
Nama Gejala
Gejala
CF
G001
Terdapat bercak putih pada 0.7
belakang daun
G002
Daun terlihat layu
0.8
G003
Tumbuhan Sulit Berkembang
0.6
G004
Pucuk daun mengering
0.8
G005
Daun menggulung
0.8
G006
Bentuk bunga tidak sempurna
0.7
G007
Daun muda menjadi pucat 0.7
ketika membesar
G008
Bercak merah pada daun tua
0.6
G009
Ada tenunan seperti sarang 0.8
laba - laba pada permukaan
bawah daun
G010
Sel - sel daun membesar karena 0.6
pengaruh enzim
G011
Buah membusuk di sebagian 0.8
tempat
G012
Busuk pada buah berair
0.7
G013
Banyak buah muda yang 0.5
rontok
Baca pilihan gejala
sesuaikan dengan aturan
If solusi = 0
Kutu Tanaman ( Aphid )
Tungau ( Acarina )
Lalat Buah
Tabel 3. Tabel Solusi
Kode
Solusi
Gangguan
Penyiraman
tanaman
dengan
pestidida
dan
P001
perhatian
untuk
pemeliharaan lebih rutin
Penyemprotan tepung deris
P002
atau tepung belerang
Penyemprotan tepung deris
P003
atau tepung belerang
Menjaga kebersihan areal
pertanaman dan menginfus
P004
tanaman dengan insektisida
Perencanaan
pembuatan
sistem
meliputi
perencanaan sistem pakar dalam perancangan
sistem diagnosa menggunakan metode Certainty
369
Seminar Nasional Informatika 2014
Gambar 4. Form Konsultasi
Form hasil konsultasi
Tabel 4. Tabel Keputusan
Kode
Gejala
G001
G002
G003
G004
G005
G006
G007
G008
G009
G010
G011
G012
G013
Kode Gangguan
P001
P002
P003
P004
*
*
*
*
*
*
*
*
*
*
*
*
*
Gambar 5. Form Hasil Konsultasi
PEMBAHASAN
Dari tabel yang sudah dipaparkan sebelumnya
maka sebagai hasil uji coba sistem aplikasi yang
dibangun dihitung untuk tingkat keakuratan
menggunakan metode CF.
No
1
Gambar 3. Pohon Keputusan
2
3
Tabel 5. Contoh perhitungan
Gejala
Penyakit
Terdapat
bercak
putih pada belakang
daun
Daun terlihat layu
Tumbuhan
Sulit
Berkembang
Kutu Putih
Nilai
CF
0,7
Kutu Putih
Kutu Putih
0,8
0,6
HASIL dan PEMBAHASAN
Hasil
Dari hasil perancangan sistem yang sebelumnya
terdapat hasil tampilah aplikas yang dibangun
sebagai berikut :
Form konsultasi
CF(H,e) = CF (E,e) * CF(H,E)
CF(E,e) = 1 nilai kepastian
CF(H,E) = min [ Rule CF(H,e)]
nilai 1 jika menggunakan min, -1 jika
menggunakan max untuk batas kepastian
CF(H,e) = 1 * min [0.7, 0.8, 0.6]
CF(H,e) = 0.6
Dari perhitungan di atas, didapatkan nilai faktor
kepastian dari masukan gejala untuk gangguan
hama kutu putih adalah 0,6
KESIMPULAN
Pada penelitian ini menggunakan metode
certainty factor dalam pengembangan sistem
pakar untuk mendiagnosa Tanaman Pepaya. Hasil
akhir yang didapat dalam aplikasi berupa jenis
penyakit berdasarkan gejala yang dipilih oleh
user. Pada penerapan certainty factor dalam
370
Seminar Nasional Informatika 2014
permasalahan ini dikatakan sudah sesuai dengan
hasil perhitungan manual dan hasil diberikan oleh
sistem. Berdasarkan hasil analisa yang dilakukan
dengan teknik sampling menunjukkan hasil 80%
dengan nilai CF yang telah ditetapkan., pengguna
merasa pada aplikasi yang dibuat sangat baik
dengan presentase 80 %.
[2]
DAFTRA PUSTAKA
[4]
[1]
[3]
Sari Ria Eka, 2013, Sistem Pakar Untuk
Mendeteksi
Penyakit
THT
Dengan
Menggunakan Metode Forward Chaining,
Prosiding SNIf STMIK Potensi Utama
2013.
Kusrini,
2008,
Menentukan
Faktor
Kepastian Pengguna dengan metode
kuantifikasi pertanyaan, Yogyakarta : Andi.
Tim Karya Tani Mandiri, 2011, Pedoman
Bertanam Pepaya, Bandung : Nusa Aulia
Rosnelly Rika, 2012, Sistem Pakar Konsep
dan Teori, Yogyakarta, Andi Offset.
371