HASIL DAN PEMBAHASAN Desain Sistem

Departemen Ilmu Komputer

Sistem Pakar Diagnosis Penyakit Pada Tanaman Cabai Merah dikembangkan dalam basis sistem fuzzy yang menggunakan Fuzzy

Inference System (FIS) sebagai proses untuk

pengambilan keputusan. Sistem ini memiliki 2

kelompok jenis penyakit yang akan dideteksi. Jaringan inferensi pertama adalah jaringan yang dibangun untuk menghasilkan output jenis penyakit dari kelompok 1, yaitu penyakit yang memiliki gejala terdapat bercak pada daun. Proses fuzzifikasi sistem inferensi kelompok 1 melibatkan 5 parameter input fuzzy yang memiliki himpunan fuzzy dan domain masing-masing. Parameter input tersebut antara lain : 1. Warna Daun

Fuzzifikasi warna daun memiliki 3 himpunan fuzzy, yaitu hijau, hijau pucat, dan hijau kekuningan yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 6.

Gambar 6 Fuzzifikasi warna daun. Fungsi keanggotaan setiap himpunan fuzzy

parameter warna daun adalah sebagai berikut: µ hijau (x) = . . µ hijau_pucat (x) = . . µ hijau_kekuningan (x) = . .

2. Warna atau Pola Bercak

Fuzzifikasi warna atau pola bercak memiliki 6 himpunan fuzzy, yaitu kekuningan, putih, putih pinggiran hitam, keabuan, abu-abu pinggiran cokelat dan cokelat yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 7.

Gambar 7 Fuzzifikasi warna atau pola bercak.

7 tertentu (Askerzade & Mahmood 2010).

Jumlah total rule parameter fuzzy untuk kelompok penyakit dengan gejala terdapat bercak pada daun adalah 486 rule. Untuk kelompok penyakit dengan gejala tidak terdapat bercak pada daun memiliki 108 rule. Salah satu contoh rule yang berlaku dalam sistem inferensi kelompok 1 adalah sebagai berikut :

IF (Warna Daun = Hijau) AND (Warna Bercak = Kekuningan) AND (Diameter Bercak = Kecil) AND (Jumlah Bercak = Sedikit) AND (Warna Batang = Hijau) THEN (Penyakit = Sangat Mendukung Embun Tepung).

Salah satu contoh rule yang berlaku dalam sistem inferensi kelompok 2 adalah sebagai berikut :

IF (Warna Daun = Hijau) AND (Warna Batang = Hijau) AND (Kadar pH = Rendah) AND (Kelembaban = Rendah) THEN (Penyakit = Mendukung Layu Fusarium).

Rule lengkap untuk tiap sistem inferensi dapat

dilihat di Lampiran 1.

Pengembangan Mesin Inferensi

Penyusunan mesin inferensi dimulai dengan perumusan proses penalaran dan kemungkinan modifikasinya. Setelah itu dilakukan pemeriksaan kebenaran dari aturan-aturan, parameter-parameter, peubah-peubah dan proses penalaran yang diterapkan. Metode inferensi yang digunakan adalah metode Fuzzy

Inference System (FIS) Mamdani untuk data

masukan fuzzy.

Tahap Implementasi dan Pengujian

Sistem ini dikembangkan menggunakan Matlab versi 6.5.1 yang menyediakan fasilitas

fuzzy untuk proses Fuzzy Inference System dan

GUI sebagai user interface. Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan aplikasi, seperti kelengkapan, ketepatan dan konsistensi pengetahuan, kemudahan mengakses dan melakukan komunikasi.

HASIL DAN PEMBAHASAN Desain Sistem

Sistem Pakar Diagnosis Penyakit Pada Tanaman Cabai Merah dikembangkan dalam basis sistem fuzzy yang menggunakan Fuzzy

Inference System (FIS) sebagai proses untuk

pengambilan keputusan. Sistem ini memiliki 2

Fuzzifikasi warna daun memiliki 3 himpunan fuzzy, yaitu hijau, hijau pucat, dan hijau kekuningan yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 6.

Gambar 6 Fuzzifikasi warna daun. Fungsi keanggotaan setiap himpunan fuzzy

parameter warna daun adalah sebagai berikut: µ hijau (x) = . . µ hijau_pucat (x) = . . µ hijau_kekuningan (x) = . .

2. Warna atau Pola Bercak

Gambar 7 Fuzzifikasi warna atau pola bercak.

8 parameter warna atau pola bercak adalah

sebagai berikut: µ kekuningan (x) = . . µ putih (x) = . . ! µ putih_hitam (x) = .! . ! µ keabuan (x) = . " . ! µ keabuan_cokelat (x) = . . ! µ cokelat (x) = .# . 3. Diameter Bercak

Fuzzifikasi diameter bercak memiliki 3 himpunan fuzzy, yaitu kecil, sedang dan besar yang direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 8.

Gambar 8 Fuzzifikasi diameter bercak. Fungsi keanggotaan setiap himpunan fuzzy

parameter diameter bercak adalah sebagai berikut: 0; x ≥ 3.5 kecil (x) = (3.5-x)/(3.5-2); 2 ≤ x ≤ 3.5 1; x = 2 0; x ≤ 3 atau x ≥ 5 sedang (x) = (x-3)/(4-3); 3 ≤ x ≤ 4 1; x = 4 (5-x)/(5-4); 4 ≤ x ≤ 5 0; x ≤ 4.5 besar (x) = (x-4.5)/(6-4.5); 4.5 ≤ x ≤ 6 1; x = 6 4. Jumlah Bercak

Fuzzifikasi jumlah bercak memiliki 3 himpunan fuzzy, yaitu sedikit, sedang dan banyak yang direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 9.

Gambar 9 Fuzzifikasi jumlah bercak. Fungsi keanggotaan setiap himpunan fuzzy

parameter jumlah bercak adalah sebagai berikut: 0; x ≥ 4 kecil (x) = (4-x)/(4-1); 1 ≤ x ≤ 4 1; x = 1 0; x ≤ 3 atau x ≥ 7 sedang (x) = (x-3)/(5-3); 3 ≤ x ≤ 5 1; x = 5 (7-x)/(7-5); 5 ≤ x ≤ 7 0; x ≤ 6 besar (x) = (x-6)/(10-6); 6 ≤ x ≤ 10 1; x = 10 5. Warna Batang

Fuzzifikasi warna batang memiliki 3 himpunan fuzzy, yaitu hijau, cokelat dan cokelat kehitaman yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 10.

Gambar 10 Fuzzifikasi warna batang. Fungsi keanggotaan setiap himpunan fuzzy

parameter warna batang adalah sebagai berikut: µ hijau (x) = . . µ cokelat (x) = . . µ cokelat_hitam (x) = ." .

Lima parameter inputfuzzy tersebut membentuk

486 rules pembangkit untuk menghasilkan

output jenis penyakit yang direpresentasikan

9 dan sangat mendukung seperti ditunjukkan

dalam Gambar 11.

Gambar 11 Kategori output kelompok 1. Fungsi keanggotaan untuk setiap himpunan

fuzzy pada output jenis penyakit adalah sebagai

berikut: µ M-BDS (x) = . µ SM-BDS (x) = . . µ M-ET (x) = . . µ SM-ET (x) = .! . µ M-BDF (x) = . . µ SM-BDF (x) = . . µ M-BKS (x) = .# . µ SM-BKS (x) = .

Jaringan inferensi kedua adalah jaringan yang dibangun untuk menghasilkan output jenis penyakit dari kelompok 2, yaitu penyakit yang memiliki gejala tidak terdapat bercak pada daun seperti yang ditunjukkan dalam Gambar 15. Proses fuzzifikasi sistem inferensi kelompok 2 melibatkan 4 parameter input fuzzy yang memiliki himpunan fuzzy dan domain masing-masing. Parameter input tersebut antara lain : 1. Warna Daun

Fuzzifikasi warna daun memiliki 4 himpunan fuzzy, yaitu hijau, hijau kekuningan, cokelat dan cokelat kehitaman yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 12.

Gambar 12 Fuzzifikasi warna daun.

parameter warna daun adalah sebagai berikut: µ hijau (x) = . . µ hijau_kekuningan (x) = . . µ cokelat (x) = . . µ cokelat_kehitaman (x) = ." . 2. Warna Batang

Fuzzifikasi warna batang memiliki 3 himpunan fuzzy, yaitu hijau, cokelat dan cokelat kehitaman yang direpresentasikan menggunakan kurva Gaussian seperti ditunjukkan pada Gambar 13.

Gambar 13 Fuzzifikasi warna batang. Fungsi keanggotaan setiap himpunan fuzzy

parameter warna batang adalah sebagai berikut: µ hijau (x) = . . µ cokelat (x) = . . µ cokelat_hitam (x) = ." . 3. Kadar pH

Fuzzifikasi kadar pH memiliki 3 himpunan

fuzzy, yaitu rendah, sedang dan tinggi yang

direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 14.

Gambar 14 Fuzzifikasi kadar pH. Fungsi keanggotaan setiap himpunan fuzzy

parameter ukuran bercak adalah sebagai berikut:

10 rendah (x) = (6-x)/(6-2); 2 ≤ x ≤ 6 1; x = 2 0; x ≤ 5 atau x ≥ 9 sedang (x) = (x-5)/(7-5); 5 ≤ x ≤ 7 1; x = 7 (9-x)/(9-7); 7 ≤ x ≤ 9 0; x ≤ 8 tinggi (x) = (x-8)/(14-8); 8 ≤ x ≤ 14 1; x = 14 4. Kelembaban

Fuzzifikasi kelembaban memiliki 3 himpunan fuzzy, yaitu rendah, sedang dan tinggi yang direpresentasikan menggunakan kurva segitiga seperti ditunjukkan pada Gambar 15.

Gambar 15 Fuzzifikasi kelembaban. Fungsi keanggotaan setiap himpunan fuzzy

parameter kelembaban adalah sebagai berikut: 0; x ≥ 70 rendah (x) = (70-x)/(70-10); 10 ≤ x ≤ 70 1; x = 10 0; x ≤ 65 atau x ≥ 85 sedang (x) = (x-65)/(75-65); 65 ≤ x ≤ 75 1; x = 75 (85-x)/(85-75); 75 ≤ x ≤ 85 0; x ≤ 80 tinggi (x) = (x-80)/(100-80); 80 ≤ x ≤ 100 1; x = 100

Empat parameter input fuzzy tersebut membentuk 108 rules pembangkit untuk menghasilkan output jenis penyakit yang direpresentasikan dengan kurva Gaussian. Setiap penyakit memiliki 2 himpunan fuzzy, yaitu mendukung dan sangat mendukung seperti ditunjukkan dalam Gambar 16.

Gambar 16 Kategori output kelompok 2. Fungsi keanggotaan untuk setiap himpunan

fuzzy pada output jenis penyakit adalah sebagai

berikut: µ M-ANT (x) = . µ SM-ANT (x) = . . µ M-BDC (x) = .! . µ SM-BDC (x) = . . µ M-LF (x) = ." . µ SM-LF (x) = .# .

Selain dari data perameter input, untuk memperoleh suatu keputusan dalam Fuzzy

Inference System dibutuhkan adanya suatu

aturan (rule) tertentu. Aturan (rule) yang diterapkan dalam Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai Merah direpresentasikan dalam bentuk kaidah produksi

if – then dan menghubungkan antar premisnya

dengan operator “and”.

Pada metode Mamdani, proses output

merupakan proses berikutnya setelah proses penarikan kesimpulan. Proses output ini ditandai dengan dilakukannya tahap defuzzifikasi untuk menghasilkan satu nilai

crisp dari beberapa output fuzzy hasil evaluasi

aturan pada basis pengetahuan. Metode defuzzifikasi yang digunakan pada penelitian ini adalah metode centroid (composite moment). Pada metode centroid, nilai crisp yang dihasilkan merupakan nilai pusat daerah fuzzy.

Hasil defuzzifikasi dari tiap sistem inferensi merupakan hasil diagnosis penyakit sementara yang selanjutnya akan diproses menggunakan data parameter input non-fuzzy untuk menghasilkan diagnosis akhir. Parameter input

non-fuzzy yang diberikan hanya parameter yang

berhubungan dengan penyakit sementara seperti yang ditunjukkan dalam Decision Tree di Lampiran 2.

Misalkan output sementara yang dihasilkan adalah Sangat Mendukung Antraknosa.

11 untuk diisi oleh pengguna adalah terjadi mati

pucuk, benjolan pada batang dan kondisi batang. Salah satu rule yang berlaku adalah sebagai berikut :

IF (terjadi mati pucuk = Ya) AND (benjolan pada batang = Ya) AND (kondisi batang = busuk kering) THEN (penyakit = sangat mendukung antraknosa).

Rule lengkap yang berlaku di setiap penyakit

dapat dilihat di Lampiran 3.

Implementasi Dan Pengujian

Sistem ini dikembangkan menggunakan Matlab versi 6.5.1 yang menyediakan fasilitas

fuzzy untuk proses Fuzzy Inference System dan

GUI sebagai user interface. Tampilan awal dari sistem ini dapat dilihat di Lampiran 4. Pada tampilan ini pengguna disediakan 3 menu utama, yaitu menu Deteksi, Tentang Program dan Keluar. Untuk memulai proses deteksi pengguna harus memilih menu Deteksi.

Tahap paling awal yang dilakukan dalam proses deteksi adalah mendeteksi adanya bercak pada daun atau tidak seperti ditunjukkan dalam Gambar 17.

Gambar 17 Proses deteksi awal. Jika terdapat bercak pada daun, maka akan ditampilkan parameter-parameter fuzzy

kelompok penyakit dengan gejala terdapat bercak pada daun sebagai data input dalam sistem inferensi seperti dilampirkan pada Lampiran 5. Namun, jika tidak terdapat bercak pada daun, maka akan ditampilkan parameter

fuzzy dalam sistem inferensi kelompok penyakit

dengan gejala tidak terdapat bercak pada daun yang dapat dilihat pada Lampiran 6.

akan diolah melalui proses inferensi untuk menghasilkan suatu diagnosis sementara. Gambar hasil diagnosis sementara dapat dilihat di Lampiran 7.

Untuk mendapatkan hasil diagnosis akhir, proses harus dilanjutkan dengan menekan tombol Deteksi Lebih Lanjut. Pada tahap ini akan ditampilkan beberapa parameter non-fuzzy

yang berkaitan dengan hasil diagnosis sementara sebelumnya. Pengguna kembali mengisi data tersebut untuk diproses seperti ditunjukkan dalam Gambar 18.

Gambar 18 Proses deteksi lebih lanjut. Setelah data tersebut terisi, selanjutnya akan diproses untuk menghasilkan diagnosis akhir berupa jenis penyakit, jenis cendawan, dan metode pencegahan dan pengendalian terhadap penyakit tersebut. Tampilan diagnosis akhir dapat dilihat di Lampiran 8.

Hasil diagnosis akhir tersebut dapat disimpan dalam format teks untuk memberikan kemudahan bagi pengguna dalam menyimpan hasil diagnosis.

Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi dengan menilai kelengkapan, ketepatan dan konsistensi pengetahuan, kemudahan mengakses dan melakukan komunikasi.

Untuk kelengkapan, sistem ini dinilai masih belum memperhitungkan semua parameter yang dianggap perlu untuk dijadikan input dalam sistem ini. Masih ada beberapa parameter yang berkaitan dengan keadaan lingkungan tempat tanaman cabai tumbuh yang belum diperhitungkan untuk proses deteksi.

Untuk mengukur ketepatan dan konsistensi pengetahuan, sistem diuji berdasarkan skenario

12 melakukan berbagai kombinasi parameter input.

Berdasarkan pengujian didapat beberapa kombinasi yang dinilai sudah mengeluarkan hasil yang benar dan ada kombinasi yang dinilai masih mengeluarkan hasil yang kurang tepat. Sistem ini juga dinilai sudah memiliki antarmuka yang cukup sederhana dan dapat memberikan kemudahan bagi pengguna untuk mengakses dan berkomunikasi dengan sistem. Hasil pengujian yang telah dilakukan dapat dilihat di Lampiran 9.

Kelebihan sistem ini dibandingkan dengan sistem yang telah dikembangkan oleh Faihah (1999), Suryadi (2002) dan Adnan (2003) adalah sistem ini telah mampu mendeteksi jenis penyakit dengan parameter masukan yang bersifat fuzzy atau tidak pasti. Penelitian sebelumnya belum ada yang mengembangkannya dalam lingkungan fuzzy. Selain itu, sistem ini juga lebih fokus untuk mendeteksi jenis penyakit yang disebabkan oleh cendawan yang merupakan jenis patogen yang paling sering menyerang tanaman cabai dan cenderung sulit untuk dideteksi karena memiliki kemiripan dalam gejala yang ditimbulkan. Gejala yang dideteksi oleh sistem merupakan gejala yang timbul di awal serangan penyakit, sehingga sistem dapat mendeteksi jenis penyakit yang menyerang tanaman cabai lebih dini.

Operasionalisasi Sistem

Untuk dapat menggunakan sistem ini, pengguna harus memiliki program Matlab minimal versi 6.5.1. Selain itu, sistem ini dikembangkan dalam sistem operasi Windows XP Professional menggunakan perangkat keras

processor Intel Pentium Dual Core 1.60GHz,

RAM 1 GB, dan harddisk kapasitas 120 GB. Pengguna bisa menggunakan sistem operasi dan perangkat keras yang sama atau menggunakan yang lebih baru dari yang digunakan peneliti untuk menggunakan sistem ini.

Kompleksitas Sistem

Proses inferensi yang terjadi dalam sistem sangat memengaruhi kompleksitas sistem tersebut. Sistem ini memiliki 7 variabel fuzzy

yang memiliki kompleksitas 3C1 + 4C2 = C. C merupakan konstanta dengan C1 adalah proses yang terjadi di fungsi keanggotaan Gaussian dengan 3 variabel input dan C2 adalah proses yang terjadi di fungsi keanggotaan segitiga dengan 4 variabel input.

Setelah itu dilakukan proses evaluasi aturan (rule) sebanyak jumlah aturan yang ada dalam

sebanyak m, maka proses evaluasi dilakukan sebanyak m kali.

Selanjutnya terjadi proses agregrasi output setiap aturan. Proses ini juga memiliki kompleksitas sebesar m sesuai dengan banyaknya aturan (rule). Akhir dari proses inferensi adalah proses defuzzifikasi yang memiliki kompleksitas n, dengan n adalah banyaknya titik yang digunakan pada himpunan

fuzzy output.

Proses terakhir pada sistem ini adalah mengolah variabel non-fuzzy yang dilakukan sebanyak jumlah aturan yang ada. Jika terdapat sejumlah o aturan, maka evaluasi dilakukan sebanyak o untuk mendapatkan output akhir. Sehingga kompleksitas keseluruhan adalah O(2m + n + o).

Keterbatasan Sistem

Sistem Diagnosis Penyakit Pada Tanaman Cabai Merah ini hanya dapat mendeteksi jenis penyakit yang disebabkan oleh cendawan. Masih ada jenis patogen lain yang bisa membawa penyakit pada tanaman cabai dan tidak kalah merugikan dari penyakit yang disebabkan oleh cendawan.

Pada proses pendeteksian, sistem ini belum memperhitungkan parameter-parameter lain yang bisa dijadikan sebagai masukan sistem inferensi, seperti sinar matahari, curah hujan, suhu udara, angin dan penguapan.

Sistem ini juga hanya mendiagnosis gejala klinis berupa gejala yang ditimbulkan pada awal serangan dan belum sampai pada tahap pemeriksaan di laboratorium. Selain itu, sistem masih berbasis desktop sehingga jangkauan pengguna sistem ini masih belum luas.

Dalam dokumen Sistem pakar Fuzzy untuk diagnosis penyakit pada tanaman cabai merah (Halaman 67-73)