Dalam mengembangkan suatu sistem pakar diperlukan beberapa tahapan yang mana tahapan-tahapan ini berbeda dengan tahapan pengembangan sistem informasi. Turban (2005) mengatakan tahapan-tahapan dalam pengembangan sistem pakar terdiri dari tahap akuisisi atau mengumpulkan pengetahuan untuk membuat basis pengetahuan (knowledge base), merepresentasikan pengetahuan, membuat basis pengetahuan, memvalidasi pengetahuan, inferensi, dan tahap memerikan penjelasan terhadap hasil inferensi.
Mengumpulkan Pengetahuan
Dalam penelitian ini tahap mengumpulkan pengetahuan dilakukan dengan mengumpulan informasi tentang penyakit kedelai dari wawancara dengan pakar penyakit kedelai. Selain itu, pengetahuan juga diperoleh dari buku referensi, dan jurnal penelitian-penelitian sebelumnya.
Merepresentasikan Pengetahuan
Tujuan dari tahap ini adalah merepresentasikan pengetahuan yang telah dikumpulkan untuk membangun sebuah knowledge base. Dalam tahapan ini beberapa pengetahuan direpresentasikan dalam bentuk kode, kemudian ditanamkan dalam sebuah knowledge base. Beberapa pengetahuan yang digunakan dalam penelitian ini di antaranya adalah daftar penyakit penting tanaman kedelai di Indonesia, daftar peluang prior tiap-tiap penyakit, daftar gejala penyakit berdasarkan fase pertumbuhan yaitu kecambah, tanaman muda, tanaman dewasa, bijibenih, dan daftar informasi penyakit serta cara penanggulangannya.
Daftar penyakit penting tanaman kedelai di Indonesia dan daftar peluang prior tiap-tiap penyakit dapat dilihat pada Tabel 2. dan Tabel 3. Daftar gejala penyakit berdasarkan fase pertumbuhan, daftar informasi penyakit serta cara penanggulangannya dapat dilihat pada lampiran.
Tabel 2. Pengkodean Penyakit Penting Tanaman Kedelai di Indonesia
No Kode Nama Penyakit Patogen
1 A Hawar Bakteri Pseudomonas syringae pv. Glycinea
2 B Pustul Bakteri Xanthomonas axonopodis pv glycinea
3 C Antraknosa Collectrichum truncatum
4 D Bercak Coklat Septoria glycines
5 E Bercak Biji Ungu Cerospora kikuchii
No Kode Nama Penyakit Patogen 7 G Bercak Daun cercospora
(mata kodok) Cerospora sojina Hara
8 H Hawar Batang Phomopsis sojae
9 I Busuk Arang Machrophonia phaseolina
10 J Rebah Kecambah Rhizoctonia solani Kuhn
11 K Penyakit Karat Phakospora pachyrhizi Syd
12 L Kerdil Kedelai Soybean Stunt Virus
13 M Sapu Fitoplasma
14 N Virus Mosaik Soybean Mosaic Virus
Tabel 3. Peluang Prior Penyakit Kedelai (berdasarkan hasil pemberian scoring
oleh pakar)
No Nama penyakit Ketinggian Peluang Prior Tinggi Rendah Tinggi Rendah
1 Hawar Bakteri 4 5 447 558
2 Pustul Bakteri 5 4 547 458
3 Antraknosa 4 5 447 558
4 Bercak Coklat 3 3 347 358
5 Bercak Biji Ungu 2 3 247 358
6 Penyakit Layu Sklerotium 4 5 447 558 7 Bercak Daun cercospora
(mata kodok) 2 3 247 358 8 Hawar Batang 3 4 347 458 9 Busuk Arang 3 4 347 458 10 Rebah Kecambah 4 4 447 458 11 Penyakit Karat 4 5 447 558 12 Kerdil Kedelai 3 5 347 558 13 Sapu 3 4 347 458 14 Virus Mosaik 3 4 347 458
Membuat Basis Pengetahuan
Pada tahap ini, pengetahuan yang sudah dikumpulkan dibuat rule.Rule yang digunakan pada penelitian ini dapat dilihat pada Tabel 4.
Tabel 4. Rule Penyakit Kedelai dan Gejalanya pada Tiap-tiap Fase Pertumbuhan
Fase Nama Penyakit Gejala
BijiBenih 1. Hawar Bakteri BJ001, BJ002
2. Antraknose BJ003
3. Bercak Biji Ungu BJ004, BJ005 4. Rebah Kecambah BJ006
5. Kerdil Kedelai BJ007
6. Virus Mosaik BJ007, BJ008
Kecambah 1. Hawar Bakteri KC001, KC002, KC007
2. Antraknose KC003
Fase Nama Penyakit Gejala
Kecambah 4. Busuk Arang KC005
5. Virus Mosaik KC006, KC009, KC0010 Tanaman 1. Hawar Bakteri TM003, TM010
Muda 2. Pustul Bakteri TM011, TM012, TM018
3. Antraknosa TM004 4. Bercak Coklat TM005, TM013 5. Penyakit Layu Sklerotium TM006, TM019 6. Hawar Batang TM007, TM020 7. Busuk Arang TM001, TM008, TM014, TM021 8. Kerdil Kedelai TM015, TM016 9. Virus Mosaik TM002, TM009, TM017, TM022, TM023
Tanaman 1. Hawar Bakteri TD003, TD011, TD027
Dewasa 2. Pustul Bakteri TD012, TD013, TD028, TD029, TD044
3. Antraknosa TD004, TD030, TD031, TD032, TD033, TD045
4. Bercak Coklat TD005, TD014, TD015 5. Bercak Biji Ungu TD016, TD034, TD035 6. Bercak Daun cercospora
(mata kodok) TD006, TD017, TD018, TD019, TD036, TD037, TD038 7. Hawar Batang TD007, TD046 8. Busuk Arang TD001, TD008, TD020, TD047 9. Penyakit Karat TD009, TD021, TD022, TD023, TD039, TD048 10.Kerdil Kedelai TD024, TD025, TD040, TD049 11.Sapu TD041, TD050 12.Virus Mosaik TD002, TD010, TD026, TDD042, TD043, TD051, TD052, TD053 Validasi Pengetahuan
Pada tahapan ini, pengetahuan dan rule yang sudah dibuat divalidasi oleh pakar.
Inferensi
Pada tahap inferensi digunakan pendekatan Naïve Bayes untuk menentukan jenis penyakit kedelai. Perhitungan secara manual deteksi penyakit kedelai dengan beberapa gejala yang sesuai pada rule yang sudah dibuat, dengan menggunakan persamaan (6) yang terdiri dari beberapa tahapan berikut:
1. Menentukan nilai nc untuk setiap class
2. Menentukan nilai P(Vj) atau nilai prior. Pada penelitian ini nilai prior
3. Menghitung nilai P(Gi|Vj)
VMAP = argmaxvjϵv P(Vj) ∏ ' '| ) Dimana :
P(Vj) = Peluang jenis penyakit kej nilai prior penyakit kej
P(Gi|Vj) = #$ .
#$
4. Menghitung P(Vj) x P(Gi|Vj) untuk tiap V
5. Menentukan hasil klasifikasi yaitu V yang memiliki hasil perkalian yang terbesar
Contoh perhitungan identifikasi penyakit kedelai dengan perhitungan Naïve Bayes dapat dilihat pada lampiran.
Berikut ini adalah hasil uji coba perhitungan dengan pendekatan Naïve Bayes yang dibandingkan dengan rule yang sebenarnya ketika diinputkan gejala sesuai dengan yang ada pada Tabel 4. Perbandingan hasil diagnosis pendekatan
Naïve Bayes dan rule pada dataran tinggi ditunjukkan pada Tabel 5.
Tabel 5. Perbandingan hasil diagnosis pendekatan Naïve Bayes dan Rule
(Dataran Tinggi)
No Pendekatan Naïve Bayes Rule
Fase Biji
1 Hawar Bakteri Hawar Bakteri
2 Antraknosa Antraknosa
3 Bercak Biji Ungu Bercak Biji Ungu
4 Rebah Kecambah Rebah Kecambah
5 Kerdil Kedelai Kerdil Kedelai
6 Virus Mosaik Virus Mosaik
Fase Kecambah
7 Hawar Bakteri Hawar Bakteri
8 Antraknosa Antraknosa
9 Bercak Biji Ungu Bercak Biji Ungu
10 Busuk Arang Busuk Arang
11 Virus Mosaik Virus Mosaik
Tanaman Muda
12 Hawar Bakteri Hawar Bakteri
13 Pustul Bakteri Pustul Bakteri
14 Pustul Bakteri Antraknosa
15 Pustul Bakteri Bercak Coklat
16 Penyakit Layu Sklerotium Penyakit Layu Sklerotium
17 Pustul Bakteri Hawar Batang
18 Pustul Bakteri Busuk Arang
19 Pustul Bakteri Sapu
No Pendekatan Naïve Bayes Rule Tanaman Dewasa
21 Pustul Bakteri Hawar Bakteri
22 Pustul Bakteri Pustul Bakteri
23 Pustul Bakteri Antraknosa
24 Pustul Bakteri Bercak Coklat
25 Pustul Bakteri Bercak Biji Ungu
26 Pustul Bakteri Bercak Cerospora
27 Pustul Bakteri Hawar Batang
28 Pustul Bakteri Busuk Arang
29 Pustul Bakteri Penyakit Karat
30 Pustul Bakteri Kerdil Kedelai
31 Pustul Bakteri Sapu
32 Pustul Bakteri Virus Mosaik
Dari Tabel 5 dapat dilihat bahwa pada dataran tinggi terdapat 17 penyakit yang hasilnya tidak sesuai dengan rule. Pendekatan Naïve Bayes mampu mendiagnosis dengan tepat sesuai rule yang sebenarnya sebesar 47% dari 32 data rule yang ada pada dataran tinggi.
Pada dataran tinggi terdapat 17 hasil identifikasi pada fase tanaman muda dan tanaman dewasa yang hasil diagnosanya berbeda dengan rule yaitu Pustul Bakteri. Jika dilihat di tabel prior, penyakit Pustul Bakteri memiliki nilai prior yang lebih tinggi dari prior-prior penyakit lainnya. Sehingga hasil pendekatan
Naïve Bayesnya lebih mendominasi ke nilai prior penyakit yang lebih tinggi yaitu penyakit Pustul Bakteri.
Perbandingan hasil diagnosis pendekatan Naïve Bayes dan rule pada dataran rendah ditunjukkan pada Tabel 6.
Tabel 6. Perbandingan hasil diagnosis pendekatan Naïve Bayes dan Rule
(Dataran Rendah)
No Pendekatan Naïve Bayes Rule
Fase Biji
1 Hawar Bakteri Hawar Bakteri
2 Antraknosa Antraknosa
3 Bercak Biji Ungu Bercak Biji Ungu
4 Rebah Kecambah Rebah Kecambah
5 Kerdil Kedelai Kerdil Kedelai
6 Virus Mosaik Virus Mosaik
Fase Kecambah
7 Hawar Bakteri Hawar Bakteri
8 Antraknosa Antraknosa
9 Bercak Biji Ungu Bercak Biji Ungu
10 Busuk Arang Busuk Arang
No Pendekatan Naïve Bayes Rule Tanaman Muda
12 Hawar Bakteri Hawar Bakteri
13 Pustul Bakteri Pustul Bakteri
14 Antraknosa Antraknosa
15 Antraknosa Bercak Coklat
16 Penyakit Layu Sklerotium Penyakit Layu Sklerotium
17 Hawar Batang Hawar Batang
18 Busuk Arang Busuk Arang
19 Sapu Sapu
20 Virus Mosaik Virus Mosaik
Tanaman Dewasa
21 Hawar Bakteri Hawar Bakteri
22 Pustul Bakteri Pustul Bakteri
23 Antraknosa Antraknosa
24 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Bercak Coklat 25 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Bercak Biji Ungu 26 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Bercak Cerospora 27 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Hawar Batang 28 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Busuk Arang
29 Penyakit Karat Penyakit Karat
30 Kerdil Kedelai Kerdil Kedelai
31 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Sapu 32 Hawar Bakteri, Antraknosa,
Penyakit Karat, Kerdil Kedelai Virus Mosaik
Dari Tabel 6 dapat dilihat bahwa pada dataran rendah terdapat 8 penyakit yang hasilnya tidak sesuai dengan rule. Pendekatan Naïve Bayes mampu mendiagnosis dengan tepat sesuai rule yang sebenarnya sebesar 75% dari 32 data rule yang ada pada dataran rendah.
Pada dataran rendah terdapat 8 hasil identifikasi pada fase tanaman muda dan tanaman dewasa yang hasil diagnosanya berbeda dengan rule. Terdapat 7 hasil identifikasi pada tanaman dewasa yang terdiagnosa lebih dari 1 penyakit yaitu Hawar Bakteri, Antraknosa, Penyakit Karat, dan Kerdil Kedelai. Jika dilihat ditabel prior, ke 4 jenis prior pada tanaman tersebut lebih tinggi nilainya dari prior-prior tanaman lainnya. Sehingga hasil pendekatan Naïve Bayesnya lebih mendominasi ke nilai prior penyakit yang lebih tinggi.
Penjelasan Hasil Inferensi
Pada tahapan ini sistem akan memberikan saran penanggulangan dan informasi seputar penyakit yang berhasil diidentifikasi.
Daftar informasi dan cara penanggulangan penyakit kedelai dapat dilihat pada lampiran.
Tahap III Pengembangan Sistem
Perancangan pada penelitian ini terdiri dari beberapa tahapan di antaranya, tahap analisis, tahap desain, tahap implementasi dan tahap pengujian. Berikut adalah tahapan-tahapan pengembangan sistem dalam penelitian ini:
Analisis
Pada tahapan ini akan dilakukan analisis kebutuhan sistem. Pada penelitian sebelumnya, pengembangan sistem pakar diimplementasikan pada sistem yang berbasis desktop dan web. Sistem dinilai kurang efisien karena ketergantungan akan pemakaian perangkat komputer dan koneksi internet masih sangat tinggi.
Permasalahan yang terjadi adalah masih banyak user khususnya petani yang tidak mempunyai perangkat komputer, apalagi koneksi internet yang susah khususnya di daerah pedesaan. Untuk itu pada penelitian ini sistem pakar dikembangkan untuk diimplementasikan pada mobile device dengan menggunakan basis Android. Dengan semakin banyaknya masyarakat yang sudah memiliki perangkat smartphone maka selain digunakan untuki sarana komunikasi dapat dimanfaatkan juga untuk berkonsultasi atau mengidentifikasi penyakit kedelai.
Desain
Tahap desain pada penelitian ini menggambarkan sistem secara konseptual menggunakan pendekatan Unified Modeling Language (UML). UML terdiri dari perancangan use case, actor, class diagram, sequence diagram dan activity diagram. Di dalam tahap ini juga dibuat arsitektur sistem dan perancangan antarmuka (Interface).
Beberapa desain yang dibuat dalam penelitian ini adalah sebagai berikut:
a. Use Case Diagram
Pemodelan fungsional dari sistem dapat dilihat pada use case diagram yang merupakan pemodelan untuk menggambarkan lingkungan sistem. Use case ini dibuat untuk mengetahui gambaran interaksi antara sistem pakar deteksi awal penyakit kedelai yang dibuat dengan aktor-aktor yang terlibat. Bisa juga didefinisikan bahwa use case ini dibuat untuk mengetahui fungsi-fungsi apa saja yang ada di dalam aplikasi sistem pakar dan siapa saja yang berhak menggunakan fungsi-fungsi tersebut.
Pada Gambar 4. dapat dilihat gambaran use case diagram untuk pengguna XSIDS.
user engineer, pakar pengetahuan tentang kedelai kebijakan pemerintah konsultasi tentang kami tentang XSIDS note update pengetahuan
System Deteksi Awal Penyakit Kedelai Berbasis Android
Gambar 4. Rancangan Use Case diagram
Aktor merupakan orang, proses atau sistem lain yang berinteraksi dengan sistem yang akan dibuat. Pada penelitian ini aktor utamanya adalah semua jenis pengguna sistem, yaitu user (penyuluh, praktisi, dinas pertanisn, petani, mahasiswa atau siapa saja yang membutuhkan informasi dan pengetahuan yang terkait dengan identifikasi awal penyakit kedelai), pakar, dan engineer.
Engineer adalah pengelola sistem pakar identifikasi awal penyakit kedelai berbasis Android. Engineer mempunyai hak akses yang sama dengan pakar yaitu dapat melihat dan memodifikasi seluruh data serta dapat menambah, mengubah, menyimpan, dan menghapus data berdasarkan kesepakatan dari pakar. Begitu juga dengan pakar. Ketika ingin memodifikasi data (pengetahuan) maka harus menghubungi engineer untuk mendapatkan password untuk security sistem.
Beberapa aktor dan perannya dalam sistem pakar XSIDS dapat dilihat pada pada Tabel 7.
Tabel 7. Aktor Sistem Pakar XSIDS
Aktor Peran
User Pengguna langsung sistem pakar XSIDS
Pakar Sumber pengetahuan
Engineer Pengguna langsung sistem pakar XSIDS sekaligus sebagai developer XSIDS
b. Class Diagram (Diagram Kelas)
Class diagram atau diagram kelas digunakan untuk menggambarkan struktur sistem dari segi pendefinisian kelas yang akan dibuat dalam membangun suatu sistem (S. Rosa & Shalahuddin 2013). Rancangan class diagram dalam penelitian ini terdiri dari beberapa kelas. Class diagram tersebut yaitu kelas Prior, kelas PriorPenyakit, kelas Penyakit, kelas GejalaPenyakit, dan kelas Gejala. Class diagram dari XSIDS ditunjukkan pada Gambar 5.
+input() +edit() +hapus() -kd_penyakit -nama_penyakit -nama_ilmiah -gambar -info -penanggulangan Penyakit +input() +edit() +hapus() -kd_gejala -nama_gejala Gejala +input() +edit() +tambah() -kd_prior -dat_tinggi -dat_rendah -nilai_prior Prior +input() +edit() +hapus() -kd_prior -kd_prnyakit -dat_tinggi -dat_rendah -fase -nilai_prior PriorPenyakit +input() +edit() +hapus() -kd_gejala -kd_penyakit GejalaPenyakit 1 * 1 * 1 * 1 *
Gambar 5. Rancangan Class Diagram
c. Sequence Diagram (Diagram Sekuensial)
Diagram sekuensial digunakan untuk memvisualisasikan pelaksanaan aktivitas objek terhadap sistem (Elmasri 2011). Aktormelakukan aktivitaskepada sistem dan sistem memberikan tanggapan sesuai dengan aktivitas aktor. Banyaknya diagram sekuen yang digambarkan sesuai dengan banyaknya use case
yang sudah didefinisikan (S. Rosa & Shalahuddin 2013).
Diagram sekuensial untuk modul-modul XSIDS ditunjukkan pada Gambar 6 sampai dengan Gambar 11.
- Diagram sekuensial Pengetahuan tentang Kedelai
Pada Gambar 6. ditunjukkan diagram sekuensial bagaimana user
mendapatkan informasi pengetahuan tentang kedelai. User memilih icon
pengetahuan tentang kedelai, kemudian sistem akan menampilkan halaman pengetahuan tentang kedelai.
User bisa menscroll gambar untuk jenis pengetahuan yang berbeda misalnya tanaman kedelai, fase pertumbuhan, penyakit kedelai, hama kedelai, varietas tanaman kedelai, manfaat kedelai, dan kebutuhan kedelai di Indonesia. Sistem akan menampilkan informasi sesuai pilihan yang sudah diklik oleh user
pada gambar di menu pengetahuan tentang kedelai.
Gambar 6. Diagram Sekuensial Pengetahuan Tentang Kedelai - Diagram sekuensial Kebijakan Pemerintah
Pada Gambar 7. ditunjukkan diagram sekuensial bagaimana user
mendapatkan informasi tentang kebijakan pemerintah. User memilih icon
kebijakan pemerintah, kemudian sistem akan menampilkan halaman kebijakan pemerintah kaitannya dengan tanaman kedelai yang ada di Indonesia.
- Diagram sekuensial Konsultasi
Pada Gambar 8. ditunjukkan diagram sekuensial bagaimana user dapat melakukan identifikasi penyakit kedelai. User memilih icon konsultasi, kemudian sistem akan menampilkan halaman konsultasi. Ada beberapa tahapan yang dilakaukan pada saat proses identifikasi. Pertama, user memilih dataran (terdiri dari dataran tinggi atau dataran rendah) yang menjelaskan di dataran jenis apa tanaman kedelai yang akan dideteksi tersebut ditanam. Kedua, user memilih fase pertumbuhan kedelai yang akan dideteksi (terdiri dari fase kecambah, tanaman muda, tanaman dewasa dan biji). Kemudian user akan diarahkan ke halaman pemilihan gejala. Ketiga, user memilih gejala-gejala penyakit sesuai dengan fase yang sudah dipilih. Keempat, user mengklik button diagnosa untuk mengetahui jenis penyakitnya.
Setelah diketahui jenis penyakitnya user dapat mengklik button info penyakit untuk mengetahui informasi seputar penyakit yang berhasil diidentifikasi. Selain itu juga terdapat button penanggulangan penyakit untuk mengetahui bagaimana cara memberikan penangggulangan terhadap kedelai sesuai dengan penyakit yang berhasil diidentifikasi.
- Diagram sekuensial Tentang Kami
Pada Gambar 9. ditunjukkan diagram sekuensial bagaimana user
mendapatkan informasi tentang tim pengembang XSIDS. User memilih icon
tentang kami, kemudian sistem akan menampilkan halaman tentang kami yang berisi informasi tentang personal para pengembang XSIDS.
Gambar 9. Diagram Sekuensial Tentang Kami - Diagram sekuensial Tentang XSIDS
Pada Gambar 10. ditunjukkan diagram sekuensial bagaimana user
mendapatkan informasi tentang cara penggunaan XSIDS. User memilih icon
tentang XSIDS, kemudian sistem akan menampilkan halaman tentang XSIDS yang berisi penjelasan masing-masing menu yang terdapat pada XSIDS.
- Diagram sekuensial Note
Pada Gambar 11. ditunjukkan diagram sekuensial bagaimana user
menggunakan note untuk pencatatan. User memilih icon note, kemudian sistem akan menampilkan halaman note. Dengan menggunakan menu ini pengguna dapat membuat note baru, memodifikasi ataupun menghapus note yang sudah dibuat.
Gambar 11. Diagram Sekuensial Note d. Activity Diagram (Diagram Aktivitas)
Diagram aktivitas digunakan untuk menggambarkan aliran kerja atau aktivitas, proses bisnis atau menu dari suatu sistem. Menu utama yang ada dalam penelitian ini adalah menu Konsultasi. Pada Gambar 12. ditunjukkan diagram aktivitas bagaimana user menggunakan menu Konsultasi.
pilih konsultasi
pemilihan dataran pemilihan fase pertumbuhan
pemilihan gajala
menampilkan konsultasi
diagnosa
menampilkan info penyakit menampilkan penanggulangan
User Sistem
e. Arsitektur Sistem
Sistem pakar dibangun dengan dua bagian utama yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment) (Turban et al. 2005). Lingkungan pengembangan sistem pakar dibuat untuk menyimpan atau mengumpulkan pengetahuan pakar ke dalam sistem sedangkan lingkungan konsultasi digunakan user yang bukan pakar untuk berkonsultasi untuk mendapatkan jawaban dari pengetahuan yang sudah dikumpulkan dari pakar.
Dalam perancangan arsitektur sistem XSIDS terdiri dari beberapa elemen di antaranya :
- User, engineer dan pakar (pengguna yang akan berinteraksi dengan sistem) - Interface berupa rancangan aplikasi sistem berbasis Android
- Proses akuisisi atau pengumpulan informasi tentang gejala dan penyakit kedelai oleh knowledge enginer dari seorang pakar penyakit kedelai
- Proses verifikasi pengetahuan oleh pakar - Aksi yang direkomendasikan untuk user
- Fasilitas penjelasan yang berisi info penyakit dan saran untuk menanggulangi penyakit kedelai
- Mesin inferensi untuk memproses gejala-gejala yang diinputkan sampai menghasilkan keputusan jenis penyakit yang menyerang kedelai
- Basis pengetahuan untuk menyimpan semua pengetahuan tentang penyakit kedelai
- Teknik inferensi yang nantinya akan menggunakan pendekatan Naïve Bayes
untuk menemukan jenis penyakit
Arsitektur sistem XSIDS dapat dilihat pada Gambar 13.
Gambar 13. Arsitektur Sistem Pakar XSIDS f. Rancangan Antarmuka (Interface)
Berikut adalah rancangan XSIDS yang berbasis Android. Terdiri dari beberapa menu di antaranya menu Pengetahuan Tentang Kedelai, Kebijakan Pemerintah, Konsultasi, Tentang Kami, Tentang XSIDS, dan Note.
Gambar 14. Rancangan Halaman Loading Gambar 15. Rancangan Halaman Utama
Proses identifikasi jenis penyakit tanaman kedelai berada pada menu Konsultasi. Di dalam menu Konsultasi ada beberapa pilihan yang harus diinputkan oleh user di antaranya, pemilihan dataran, fase, dan gejala.
Info Penyakit
Berdasarkan dari gejala yang diinputkan, kemungkinan penyakit yang menyerang
adalah ---INFO PENYAKIT SARAN PENANGGULANGAN JPEG Gambar
Implementasi
Pengembangan XSIDS pada penelitian ini digunakan perangkat keras dan perangkat lunak sebagai berikut:
1. Perangkat lunak:
a. Eclipse dan android Emulator: untuk pembuatan desain, pengkodean, dan pengujian
b. SQLite: untuk layanan basis data portable
c. Adobe photoshop CS, untuk desain gambar dan icon. 2. Perangkat keras:
a. Notebook dengan Prosesor Intel(R) Core(TM) i3 2.40Ghz b. Wifi untuk koneksi internet
c. Smart phone berbasis Android untuk pengujian lapangan aplikasi Android
yang dibangun (menggunakan Lenovo S890)
Implementasi pada tahap ini adalah menterjemahkan tahap desain dalam bentuk kode program. Sistem pakar berbasis Android ini diimplementasikan dengan menggunakan bahasa pemrograman Java dan basis data (database) SQLite. Java digunakan untuk mebangun interface dari XSIDS sedangkan SQLite digunakan sebagai penyimpanan basis pengetahuan.
Pengembangan sistem pakar berbasis Android ini terdiri dari beberapa hal yaitu:
1. Pembuatan project
Pembuatan project adalah langkah pertama yang harus dilakukan dalam membuat pemrograman dengan Java. Project yang berhasil dibuat di dalamnya terdapat beberapa komponen yang dibutuhkan dalam pengembangan sistem. Pada penelitian ini, project diberi nama “Xsids” yang merupakan inisial dari (Expert System for Identification of Disease in Soybean)
2. Pengelolaan package untuk setiap kelas .java (class)
Pada penelitian ini dibuat satu package yaitucom.tesis.xsids yang terdapat pada folder src. Package ini berisi berkas-berkas kelas pada palikasi XSIDS seperti CheckboxGejala.java, Loading.java, Xsids.java dan lain-lain. Package dan berkas-berkas kelas dapat dilihat pada Gambar 17.
3. Pembuatan database.
Implementasi basis data pada penelitian ini menggunakan
SQLiteOpenHelper. Berikut adalah contoh cuplikan kode program implementasi menggunakan SQLiteOpenHelper:
Berikut adalah bentuk tabel rule sesuai baris kode yang sudah dibuat.
Gambar 18. Tabel Rule di SQLite 4. Pembuatan antarmuka sistem dan pembuatan kode program.
Pembuatan antarmuka dilakukan dengan pengkodean pada file .xml sedangkan pembuatan kode program dilakukan dengan pembuatan kelas .java. Antarmuka di dalam pemrograman Android terletak pada sub direktori layout dari direktori resource (reslayout*.xml). Kelas-kelas menu terletak pada masing-masing package seperti yang sudah dibahas pada poin 2.
package com.tesis.xsids; import android.content.ContentValues; import android.content.Context; import android.database.Cursor; import android.database.sqlite.SQLiteDatabase; import android.database.sqlite.SQLiteOpenHelper;
public class dbHelperRule extends SQLiteOpenHelper {
private static final String DATABASE_NAME="dbrules.db"; private static final int SCHEMA_VERSION=1;
public dbHelperRule(Context context){super(context,
DATABASE_NAME, null, SCHEMA_VERSION);}
private static final String tb_rule="tbrule"; @Override
public void onCreate(SQLiteDatabase db){
db.execSQL("CREATE TABLE "+tb_rule+" (_id INTEGER PRIMARY KEY AUTOINCREMENT, kode_rule TEXT, nama_rule TEXT, keterangan TEXT)");
Gambar 19.Pembuatan Antar Muka pada File .xml
5. Simulasi program menggunakan simulator Android emulator untuk menguji