SISTEM PAKAR DIAGNOSA PENYAKIT PADA IKAN BUDIDAYA AIR TAWAR DENGAN MENTODE FORWARD CHAINING

(1)

SISTEM PAKAR DIAGNOSA PENYAKIT PADA IKAN BUDIDAYA AIR TAWAR DENGAN METODE FORWARD CHAINING

(Skripsi)

Oleh

Ardye Amando Pratama

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG

(2)

SISTEM PAKAR DIAGNOSA PENYAKIT PADA IKAN BUDIDAYA AIR TAWAR DENGAN METODE FORWARD CHAINING

Oleh

ARDYE AMANDO PRATAMA

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar SARJANA KOMPUTER

Pada

Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG

(3)

ABSTRACT

EXPERT SYSTEM TO DIAGNOSE DISEASE IN FRESHWATER FISH CULTIVATION WITH FORWARD CHAINING METHOD

By

Disease is an unwanted problem in freshwater fish cultivation. Lack of information to prevent the disease and limited number of expert in the field of fishery cause unoptimal harvest that leads to substantial loss. Based on that background, expert system to diagnose disease in freshwater fish cultivation is made in this research. This system is intended to help the fish cultivator in identifying diseases based on the symptoms that the fish have. Therefore, further treatment can be applied to cure the fish. The expert system is web-based with php and MySQL as the programming languages that are used as database. Forward chaining is used as the method of reasoning. This method is used to decide which rule is going to be executed, then it is executed. The process is repeated until the result comes up. This system is able to diagnose 33 diseases in 5 kinds of fish. There are 2 tests in this research which are internal and external. The result of the internal and eksternal test shows that on the management of the rule, the system is able to run as it is intended and the system is able to diagnose well and meet the expectation. This research has created a web based expert system application that can be used to diagnose diseases based on the facts given and give solutions like an expert.

(4)

ABSTRAK

SISTEM PAKAR DIAGNOSA PENYAKIT PADA IKAN BUDIDAYA AIR TAWAR DENGAN MENTODE FORWARD CHAINING

Oleh

Penyakit merupakan hal yang tidak diinginkan dalam kegiatan pembudidayaan ikan air tawar. Kurangnya informasi penanggulangan penyakit dan sedikitnya jumlah pakar perikanan menyebabkan panen tidak maksimal sehingga pembudidaya mengalami banyak kerugian. Berdasarkan hal tersebut pada penelitian ini dibangun sistem pakar yang digunakan untuk mendiagnosa penyakit pada ikan budidaya air tawar. Sistem ini bertujuan untuk membantu pembudidaya dalam mengidentifikasi penyakit berdasarkan gejala-gejala yang diderita ikan, sehingga dapat dilakukan solusi pengobatan yang sesuai pada ikan mereka. Sistem Pakar yang dibangun berbasis web menggunakan bahasa pemrograman Php dan MySQL sebagai basis data. Metode penalaran yang digunakan yaitu forward chaining. Metode ini digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan, proses diulang hingga ditemukan suatu hasil. Sistem ini dapat mendiagnosa 33 penyakit dari 5 jenis ikan. Terdapat dua pengujian yang dilakukan pada penelitian ini yaitu pengujian internal dan eksternal. Hasil pengujian internal

dan eksternal menunjukkan bahwa pengelolaan aturan (rule) sistem dapat berjalan sesuai fungsinya dan sistem dapat mendiagnosa penyakit dengan baik sesuai dengan diagnosa yang diharapkan. Penelitian ini menghasilkan aplikasi sistem pakar berbasis web yang dapat mendiagnosa penyakit berdasarkan fakta-fakta yang diberikan dan memberikan solusi layaknya seorang pakar.

Kata kunci : Forward Chaining, Penyakit Ikan Budidaya Air Tawar, Sistem Pakar

(5)

(6)

(7)

(8)

RIWAYAT HIDUP

Penulis dilahirkan di Solok Provinsi Sumatra Barat pada tanggal 20 Desember 1993, sebagai anak pertama dari tiga bersaudara dengan Ayah bernama Yarmon dan Ibu bernama Desitawati. Penulis memiliki dua orang adik bernama Rayest Dwi Amando dan Fytrio Amando.

Penulis menyelesaikan Taman Kanak-Kanak (TK) pada tahun 1999 di TK Kartika II-7 Bandar Lampung, Sekolah Dasar (SD) di SD Kartika II-5 Bandar Lampung pada tahun 2005, Sekolah Menengah Pertama di SMP Negeri 8 Bandar Lampung pada tahun 2008, dan Sekolah Menengah Atas di SMA Negeri 5 Bandar Lampung pada tahun 2011.

(9)

PERSEMBAHAN

Kupersembahkan karya ini untuk :

Papa dan mama yang telah membesarkan, mendidik,

memberikan motivasi, dan doa untuk kesuksesan

anak-anaknya.

Adik-adikku yang aku sayangi.

(10)

MOTO

Jadikan Semua Pekerjaan Menjadi Mudah karena Tidak Ada

Pekerjaan Yang Sulit Apabila Mau Berusaha

Jangan Takut Memulai Jika Hasilnya Berujung Kebaikan

(11)

SANWACANA

Puji syukur penulis panjatkan kehadirat Allah SWT atas berkat rahmat, hidayah, dan kesehatan yang diberikan sehingga penulis dapat menyelesaikan penulisan skripsi ini.

Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Komputer di Jurusan Ilmu Komputer Universitas Lampung. Judul dari skripsi ini adalah “Sistem Pakar Diagnosa Penyakit Pada Ikan Budidaya Air Tawar Dengan Metode Forward Chaining”.

Dalam penyusunan skripsi ini, penulis banyak menghadapi kesulitan. Namun, berkat bantuan dan dorongan dari berbagai pihak, akhirnya penulis dapat menyelesaikan skripsi ini. Untuk itu pada kesempatan ini, penulis mengucapkan terimakasih kepada :

1. Papa dan Mama yang telah memberikan doa dan motivasi serta memfasilitasi kebutuhan untuk menyelesaikan skripsi ini.

(12)

skripsi ini.

4. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., sebagai pembahas yang telah memberikan masukan-masukan dan saran yang bermanfaat dalam skripsi ini. 5. Bapak Ir. Machudor Yusman, M.Kom., selaku Ketua Jurusan Ilmu Komputer

FMIPA Universitas Lampung.

6. Bapak Dwi Sakethi M.Kom., Selaku Sekretaris Jurusan Ilmu Komputer FMIPA Universitas Lampung.

7. Bapak Prof. Suharso, Ph.D., selaku Dekan FMIPA Universitas Lampung. 8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu

pengetahuan yang bermanfaat bagi penulis.

9. Ibu Anita, A.Md., selaku staf administrasi di Jurusan Ilmu Komputer yang telah membantu segala urusan administrasi selama kuliah.

10. Rekan-rekan seperjuangan Pandya, Amir, Riko, Harry, Indra, Fathan, Panji, Tryo, Bayu, Faisal, Rizqi, Dana, Rahmat, Fitriana, Ana, Aqillah, Putri, Harisa, Ika, dan Maya yang telah memberikan penulis inspirasi dan keceriaan selama perkuliahan.

11. Teman-teman Ilmu Komputer 2011, yang telah berjuang bersama-sama dalam menjalankan studi di Jurusan Ilmu Komputer Universitas Lampung.

(13)

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, akan tetapi sedikit harapan semoga skripsi ini bermanfaat bagi perkembangan ilmu pengetahuan terutama bagi rekan-rekan Ilmu Komputer.

Bandar Lampung, 11 Agustus 2015

(14)

DAFTAR ISI

2.2.6. Perbandingan Sistem Konvensional dengan Sisem Pakar ... 18

2.2.7. Konsep Dasar Sistem Pakar ... 19

2.2.7.1. Kepakaran ... 19

(15)

(16)

(17)

DAFTAR GAMBAR

2.13. Diagram Alir Teknik Penelusuran Depth-first Search ... 27

2.14. Diagram Alir Teknik Penelusuran Breadth-first Search ... 28

(18)

3.5. DFD Level 1 ... 50

3.11. DFD Level 2 Pengelolaan Data Konsultasi ... 56

3.12. DFD Level 2 Proses Diagnosa Penyakit ... 58

3.13. ERD Sistem Pakar Diagnosa Penyakit Ikan Budidaya Air Tawar ... 60

3.14. Desain Form Login ... 61

3.24. Desain Halaman Utama Pembudidaya ... 67

(19)

4.7. Halaman Form Pembudidaya ... 78

4.8. Halaman Pilih Ikan ... 78

4.9. Halaman Pertanyaan Iterasi Ke-1 ... 79

4.13. Halaman Hasil Diagnosa ... 87

4.14. Grafik Hasil Pernyataan 1 ... 95

(20)

DAFTAR TABEL

2.1. Komoditas akuakultur yang dibudidayakan di Indonesia ... 7

2.2. Perbandingan Pakar dan Sistem Pakar ... 17

2.3. Perbandingan Sistem Konvensional dan Sistem Pakar ... 18

2.4. Tabel Kemungkinan Penyakit ... 33

2.5. Notasi Data Flow Diagram ... 33

2.6. Simbol Entity Relationship Diagram (ERD) ... 36

2.7. Simbol Flowchart ... 40

4.1. Daftar Nama Ikan ... 71

4.2. Hasil Pengujian Fungsional ... 89

4.3. Hasil Pengujian Diagnosa ... 91

4.4. Hasil Jawaban Responden Mahasiswa Terhadap Kuisioner ... 93

4.5. Hasil Jawaban Responden Dosen Terhadap Kuisioner ... 93

(21)

DAFTAR LAMPIRAN

1. Data Penyakit dan Gejala ... 109

2. Data Penyakit ... 114

3. Data Gejala ... 115

4. Tabel Keputusan ... 117

5. Pohon Keputusan ... 120

6. Basis Aturan ... 121

(22)

BAB I PENDAHULUAN

1.1.Latar Belakang

Pembudidayaan ikan saat ini merupakan kegiatan yang marak dilakukan, baik sekedar hobi maupun kebutuhan pangan. Hasil produksi pembudidayaan ikan mencapai kurang lebih dua juta ton per tahun, sebagian besar 74% berasal dari laut dan sisanya 26% dari air tawar (Mariyono dan Sundana, 2002). Dibandingkan ikan air laut pembudidayaan ikan air tawar membutuhkan biaya yang tidak terlalu mahal dan ikan air tawar merupakan bahan pangan yang berprotein, murah, dan mudah dicerna oleh tubuh (Purwaningsih, 2013). Oleh sebab itu banyak orang yang melakukan pembudidayaan pada ikan air tawar.

(23)

2

menjanjikan untuk kegiatan bisnis. Walaupun menjanjikan terdapat banyak kendala dalam pengembangan kegiatan budidaya ikan air tawar ini, salah satunya yaitu serangan penyakit.

Penyakit yang terjadi pada ikan dibedakan menjadi dua, yaitu penyakit infeksi dan non infeksi. Penyakit infeksi meliputi serangan patogen baik itu virus, bakteri, jamur, protozoa maupun parasit, dan penyakit non infeksi meliputi penyakit yang diakibatkan oleh lingkungan, pakan, genetik, dan tumor (Aryani dkk, 2004). Menurut Ratnaningsih (2011) jenis penyakit ikan air tawar yang sering dijumpai di perairan tropis yaitu penyakit bakterial yang disebabkan oleh bakteri Aeromonas hydrophilla. Bakteri ini termasuk patogen oportunistik yang hampir selalu ada di air dan siap menimbulkan penyakit, bakteri ini menimbulkan bercak merah pada ikan yang mengakibatkan kerusakan pada kulit, insang, dan organ dalam sehingga dapat menyebabkan kematian. Timbulnya penyakit juga disebabkan oleh adanya mikroorganisme, virus, induk inang dan faktor-faktor lingkungan.

(24)

mengatasinya. Akan tetapi ketersediaan pakar perikanan saat ini masih kurang dan untuk menghubungi seorang pakar penyakit ikan, pembudidaya membutuhkan biaya, waktu, dan tenaga yang tidak sedikit. Berdasarkan hal tersebut dikembangkan suatu sistem pakar tentang penyakit ikan budidaya air tawar, sehingga dapat memberikan solusi untuk menanggulangi penyakit ikan pembudidaya.

Sistem pakar merupakan program komputer yang menirukan penalaran seorang pakar dengan keahliannya pada suatu wilayah pengetahuan tertentu. Banyak bidang yang bisa diterapkan dalam sistem pakar ini seperti bidang kesehatan, pertanian, dan pendidikan. Ide dasar dari sistem ini yaitu mentransfer ilmu dari seorang pakar atau dari sumber kepakaran yang lain ke komputer, pengetahuan yang ada disimpan dalam komputer dan pengguna dapat berkonsultasi pada komputer itu untuk suatu nasehat, lalu komputer dapat menyimpulkan, mendeduksi sehingga dapat memberikan solusi seperti layaknya seorang pakar, kemudian menjelaskannya ke pengguna tersebut, bila perlu dengan alasan-alasannya.

Sistem pakar yang akan dibuat yaitu berbasis web sehingga pembudidaya dengan mudah dapat berkonsultasi dimana saja asalkan terkoneksi dengan internet. Metode inferensi yang digunakan yaitu forward chaining. Menurut Wilson (1998) dalam Kusrini (2008) pada metode ini data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan, proses diulang hingga ditemukan suatu hasil.

(25)

4

Mendiagnosa dan Menanggulangi Penyakit pada Ikan Lele Dumbo Menggunakan Metode Backward Chaining. Penelitian ini bertujuan membuat sistem pakar untuk mendiagnosa penyakit yang terjadi pada ikan lele. Pada impelementasinya sistem ini telah memenuhi tujuan tersebut dengan menggunakan basis pengetahuan dan basis aturan. Penelitian selanjutnya dilakukan oleh Elfani dan Ardi (2013) mengenai sistem pakar mendiagnosa penyakit pada ikan konsumsi air tawar berbasis website. Pada penelitian ini menghasilkan sebuah media konsultasi dengan pendekatan sistem pakar, dengan menggunakan theorema bayes yang merupakan metode untuk menghitung nilai kepastian suatu penyakit.

Dengan adanya sistem pakar ini diharapkan mampu memberikan informasi yang cukup mengenai penyakit pada ikan air tawar dan melakukan pengidentifikasian penyakit secara cepat, tepat, dan efisien serta dapat memberikan solusi untuk menanggulangi penyakit.

1.2.Rumusan Masalah

Permasalahan yang akan dibahas dalam penelitian ini adalah bagaimana merancang dan membangun suatu sistem pakar yang dapat digunakan untuk mendiagnosa penyakit pada ikan budidaya air tawar.

1.3.Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut :

(26)

2. Penyakit yang dapat diidentifikasi sebanyak 33 penyakit infeksi dengan 68 gejala.

3. Metode penalaran yang digunakan yaitu forward chaining. 4. Metode ketidakpastian yang digunakan yaitu probabilitas klasik.

1.4.Tujuan Penelitian

Tujuan dari penelitian ini adalah merancang dan membuat aplikasi sistem pakar berbasis web yang dapat membantu pembudidaya ikan air tawar dalam mengidentifikasi penyakit berdasarkan gejala-gejala yang diderita ikan, sehingga dapat dilakukan solusi pengobatan yang sesuai pada ikan mereka.

1.5.Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut :

1. Mengenalkan sistem pakar pada pembudidaya ikan air tawar.

2. Memberikan informasi terkait penyakit ikan budidaya air tawar agar dapat mengurangi kerugian akibat penyakit yang diderita ikan dan meningkatkan hasil produksi.

3. Tercipatanya sistem pakar sebagai pengganti ahli dalam bidang penyakit ikan budidaya air tawar.

(27)

BAB II

TINJAUAN PUSTAKA

2.1.Budidaya Ikan Air Tawar

Menurut Yani (2007 :112) budidaya merupakan kegiatan terencana pemeliharaan sumber daya hayati yang dilakukan pada suatu areal lahan untuk diambil manfaat/hasil panennya. Budidaya perikanan adalah usaha pemeliharaan dan pengembangbiakan ikan atau organisme air lainnya. Perikanan budidaya air tawar ialah perikanan yang terdapat di sawah, sungai, danau, kolam dan rawa.

Keberhasilan budidaya ikan air tawar sangat ditentukan oleh lingkungan yaitu tanah dan air. Jenis tanah sangat menentukan faktor keberhasilan budidaya air tawar, jenis tanah yang baik untuk budidaya air tawar adalah jenis tanah liat atau lempung. Tanah jenis ini sangat baik untuk pembuatan kolam. Air sebagai media kehidupan ikan, jadi sebagai media keberadaan, air sangat mutlak diperlukan. Jumlah dan kualitas air harus selalu menjadi perhatian agar usaha budidaya ikan air tawar bisa menjadi optimal.

(28)

Tabel 2.1. Komoditas akuakultur yang dibudidayakan di Indonesia.

Sistem Komoditas

Kolam air tenang Ikan mas, nila, gurami, udang galah, patin, bawal, tawes, ikan hias, tambakan, sepat, kowan, mola, sidat Kolam air deras Ikan mas

Tambak Udang windu, bandeng, belanak, mujair, nila, kakap putih, kerapu, rumput laut, kepiting bakau, udang galah

Jaring apung Kerapu, kakap, udang windu, bandeng, samadar, ikan hias laut, ikan mas, nila, mujair, gurami, patin, bawal, sidat, ikan hias air tawar.

Jaring tancap Kerapu, kakap, udang windu, bandeng, samadar, ikan hias laut, ikan mas, nila, mujair, gurami, patin, bawal, sidat, ikan hias air tawar

Keramba Ikan mas, nila, mujair, patin, gurami, betutu Kombongan Ikan mas, ikan nila

Akuarium/tangki/bak Ikan hias, benih ikan konsumsi, plankton pakan alami

Beberapa komoditas ikan budidaya air tawar disajikan pada Gambar 2.1 – 2.6.

(Sumber : Gusrina, 2008)

Gambar 2.1. Ikan Mas

Gambar 2.2. Ikan Nila

Gambar 2.3. Ikan Gurami

(29)

8

Gambar 2.5. Ikan Bawal Air Tawar Gambar 2.6. Ikan Lele

2.1.1.Penyakit Ikan Budidaya Air Tawar

Kegiatan budidaya ikan air tawar baik jenis ikan konsumsi dan ikan hias merupakan kegiatan yang mempunyai resiko yang tinggi karena ikan merupakan makhluk bernyawa yang kapan saja mengalami kematian. Salah satu penyebab gagalnya kegiatan budidaya ikan adalah karena faktor penyakit. Munculnya penyakit pada ikan umumnya merupakan hasil interaksi kompleks/ tidak seimbang antara tiga komponen dalam ekosistem perairan yaitu inang (ikan yang lemah), patogen yang ganas, dan kualitas lingkungan yang memburuk (Gusrina, 2008).

Menurut Gusrina (2008) secara umum penyakit ikan dapat dikelompokkan menjadi dua, yaitu :

1. Penyakit infeksi

Penyakit infeksi merupakan penyakit yang disebabkan oleh :

a. Parasit

(30)

protozoa yang paling sering menjadi kendala dalam budidaya ikan adalah

Ichthyophthirius multifiliis atau ich (penyakit bintik putih).

Sifat serangannya sangat sporadis dan kematian yang diakibatkannya dapat mencapai 100% populasi dalam tempo yang relatif singkat. Secara umum gejala ikan yang terserang protozoa adalah ikan tampak pucat, nafsu makan berkurang, gerakan lambat (sering menggosok-gosokkan tubuhnya pada dinding kolam), adanya bercak-bercak putih pada permukaan tubuh ikan, dan pada infeksi lanjut ikan megap-megap dan meloncat-loncat ke permukaan air untuk mengambil oksigen. Parasit Ichthyophthirius multifiliis dapat dilihat pada Gambar 2.7.

Gambar 2.7.Ichthyophthirius multifiliis

b. Jamur

(31)

10

satu jenis jamur yang sering menjadi kendala adalah dari family saprolegniaceae.

Saprolegniaceae dapat dilihat pada Gambar 2.8.

Gambar 2.8.Saprolegniaceae

c. Bakteri

Penyakit yang disebabkan oleh bakteri adalah penyakit yang paling banyak menyebabkan kegagalan pada budidaya ikan air tawar. Penyakit akibat infeksi bakterial masih sering terjadi dengan intensitas yang variatif. Umumnya

pembudidaya masih mengandalkan antibiotik sebagai “magic bullet” untuk

melawan penyakit bakterial. Jenis penyakit yang disebabkan oleh bakteri antara lain adalah penyakit merah yang disebabkan oleh bakteri garam negatif (Aeromonas hydrophila), penyakit columnaris atau luka kulit, sirip dan inang yang disebabkan oleh infeksi bakteri Flavobacterium columnare, penyakit tuberculosis yang tergolong sangat kronis disebabkan oleh bakteri gram positif Mycrobacterium sp, dan penyakit Streptocociasis yang disebabkan oleh bakteri gram positif

(32)

Gambar 2.9.Aeromonas sp

d. Virus

Patogen virus juga menyebabkan penyakit pada budidaya ikan air tawar. Belum banyak diketahui penyakit yang disebabkan oleh virus di Indonesia kecuali penyakit Lymphocystis dan Koi Hervesvirus (KHV). Infeksi Lymphoccystis hanya bersifat kronis dan bila menyerang ikan hias akan mengalami kerugian yang berarti merusak keindahan ikan. Sampai saat ini KHV merupakan penyakit yang paling serius dan sporadis terutama untuk komoditi ikan mas koi.

2. Penyakit non-infeksi

Penyakit non-infeksi merupakan penyakit yang diakibatkan karena faktor :

a. Lingkungan

Pengaruh dari penyakit yang diakibatkan faktor lingkungan sering mengakibatkan kerugian yang serius karena kematian yang berlangsung sangat cepat, tiba-tiba, dan mematikan seluruh populasi ikan. Penyebabnya seperti keracunan akibat peledakan populasi plankton, keracunan pestisida/limbah industri, bahan kimia dan lainnya.

(33)

12

- Tercekik yaitu kekurangan oksigen yang umumnya terjadi menjelang pagi hari pada perairan yang punya populasi Phytoplankton tinggi.

- Keracunan nitrit, yang sering disebut penyakit darah cokelat karena disebabkan oleh konsentrasi nitrit yang tinggi di dalam air yang berasal dari hasil metabolisme ikan.

- Keracunan ammonia, terjadi hampir sama dengan nitrit tetapi pada umumnya karena pengaruh pemberian pakan yang berlebihan atau bahan organik, sedangkan populasi bakteri pengurai tidak mencukupi. Yang sangat beracun adalah dalam bentuk NH3.

- Fluktuasi suhu air yang ekstrim, dimana perubahan suhu air yang ekstrim akan merusak keseimbangan hormonal dan fisiologis tubuh ikan dan pada umumnya ikan tidak mampu untuk beradaptasi terhadap perubahan dan mengakibatkan ikan stress bahkan kematian.

b. Malnutrisi

(34)

berbahaya adalah karena defisiensi vitamin C yang merupakan penyakit yang umum terjadi dimana akibat yang paling popular adalah broken back syndrome

seperti scoliosis dan lordosis.

c. Genetis

Salah satu penyebab penyakit yang kompleks pada kegiatan budidaya ikan air tawar karena adanya faktor genetik terutama karena adanya perkawinan satu keturunan (inbreeding). Pernikahan inbreeding yang dilakukan secara terus-menerus akan menurunkan kualitas ikan berupa variasi genetik dalam tubuh ikan. Akibat dari pernikahan inbreeding adalah:

- Pertumbuhan ikan lambat (bantet/kontet) dan ukuran beragam. - Lebih sensitif terhadap infeksi patogen.

- Organ tubuh badan yang tidak sempurna serta kelainan lainnya.

2.1.2.Tindakan Terhadap Penyakit

Secara umum tindakan preventif terhadap penyakit dapat dilakukan dengan cara melakukan pengolahan budidaya ikan secara baik, seperti :

1. Melakukan persiapan kolam dengan baik dan tepat yaitu pengeringan kolam, pengapuran dan pemupukan.

2. Melakukan pencucian akuarium atau bak yang akan dipakai dengan menggunakan desinfektan.

3. Padat penebaran optimal.

(35)

14

5. Mencegah agar tidak terjadi kontak langsung antara ikan sakit dan sehat dengan cara mengisolasi ikan yang terserang penyakit.

6. Mencegah agar tidak terjadi kontak langsung antara ikan sakit dan sehat dengan cara mengisolasi ikan yang terserang penyakit.

7. Mencegah penularan yang dapat terjadi melalui peralatan yang dipakai, wadah maupun air media pemeliharaan.

8. Menjaga agar kualitas air media tetap pada kondisi optimal.

9. Menjaga kualitas pakan agar tetap baik dan cukup dalam jumlah pakan yang diberikan (Gusrina, 2008).

2.2.Sistem Pakar

2.2.1.Definisi Sistem Pakar

Martin dan Oxman (1988) dalam Kusrini (2008: 3) mendefinisikan sistem pakar sebagai sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut.

(36)

Istilah sistem pakar berasal dari klowledge-based expert system. Istilah ini muncul karena untuk memecahkan masalah, sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan ke dalam komputer. Seseorang yang bukan pakar menggunankan sistem pakar untuk meningkatkan kemampuan pemecahan masalah, sedangkan seorang pakar menggunakan sistem pakar untuk knowledge assistant

(Sutojo, 2011: 160).

Menurut Turban (2001) dalam Sutojo (2011: 160) mendefinisikan sistem pakar adalah sebuah sistem yang menggunakan pengetahuan manusia di mana pengetahuan tersebut dimasukkan ke dalam sebuah komputer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan kepakaran atau keahlian manusia.

Sistem pakar adalah program komputer yang merepresentasikan dan melakukan penalaran dengan pengetahuan beberapa pakar untuk memecahkan masalah dan memberikan saran (Jackson (2001) dalam Sutojo, 2011: 160).

Sedangkan menurut Luger dan Stubblefield (1993) dalam Sutojo (2011: 160), sistem pakar adalah program yang berbasiskan pengetahuan yang menyediakan

sebuah “kualitas pakar” kepada masalah-masalah dalam bidang (domain) yang

spesifik.

2.2.2.Ciri-Ciri Sistem Pakar

Menurut Sutojo (2011: 162), ciri-ciri sistem pakar adalah :

1. Terbatas pada domain keahlian tertentu.

(37)

16

3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami.

4. Berdasarkan pada kaidah/ketentuan/rule tertentu. 5. Dirancang untuk dapat dikembangkan secara bertahap.

6. Pengetahuan dan mekanisme penalaran (inference) jelas terpisah. 7. Keluarannya bersifat anjuran.

8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai dituntun oleh dialog dengan user.

2.2.3.Manfaat Sistem Pakar

Menurut Sutojo (2011: 160) sistem pakar menjadi populer karena sangat banyak kemampuan dan manfaat yang diberikannya, di antaranya :

1. Meningkatkan produktivitas, karena sistem pakar dapat bekerja lebih cepat daripada manusia.

2. Membuat seorang yang awam bekerja seperti layaknya seorang pakar.

3. Meningkatkan kualitas, dengan memberi nasihat yang konsisten dan mengurangi kesalahan.

4. Mampu menangkap pengetahuan dan kepakaran seseorang. 5. Dapat beroperasi di lingkungan yang berbahaya.

6. Memudahkan akses pengetahuan seorang pakar.

7. Handal, sistem pakar tidak pernah menjadi bosan dan kelelahan atau sakit. 8. Meningkatkan kapabilitas sistem komputer. Integrasi sistem pakar dengan

(38)

9. Mampu bekerja dengan informasi yang tidak lengkap atau tidak pasti.

10. Bisa digunakan sebagai media pelengkap dalam pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman karena adanya fasilitas penjelas yang berfungsi sebagai guru.

11. Meningkatkan kemampuan untuk menyelesaikan masalah karena sistem pakar mengambil sumber pengetahuan dari banyak pakar.

2.2.4.Kekurangan Sistem Pakar

Beberapa kekurangan sistem pakar adalah sebagai berikut :

1. Biaya yang sangat mahal untuk membuat dan memeliharanya.

2. Sulit dikembangkan karena keterbatasan keahlian dan ketersediaan pakar. 3. Sistem pakar tidak 100% bernilai benar.

2.2.5.Perbandingan Pakar dan Sistem Pakar

Perbandingan kemampuan antara seorang pakar dengan sistem pakar disajikan pada Tabel 2.2.

Tabel 2.2. Perbandingan Pakar dan Sistem Pakar

No Pakar Manusia Sistem Pakar

1 Memiliki waktu yang terbatas, karena manusia membutuhkan istirahat.

3 Pengetahuan bersifat variabel dan dapat berubah tergantung situasi.

Pengetahuan bersifat konsisten.

4 Kecepatan untuk menemukan solusi bervariasi.

(39)

18

Tabel 2.2. Perbandingan Pakar dan Sistem Pakar (Lanjutan)

No Pakar Manusia Sistem Pakar

5 Biaya yang diperlukan untuk konsultasi sangat mahal.

Biaya yang dibutuhkan untuk konsultasi lebih murah.

2.2.6.Perbandingan Sistem Konvensional dengan Sistem Pakar

Menurut Sutojo (2011: 165), karakteristik dan kemampuan yang dimiliki oleh sistem pakar berbeda dengan sistem konvensional. Perbandingan sistem konvensional dan sistem pakar disajikan pada Tabel 2.3.

Tabel 2.3. Perbandingan Sistem Konvensional dan Sistem Pakar

(Sumber : Sutojo, 2011: 165)

No Sistem Konvensional Sistem Pakar

1 Informasi dan pemrosesan umumnya digabungkan dalam satu program sequential.

Knowledge based terpisah dari mekanisme pemrosesan (interface). 2 Program tidak pernah salah

(kecuali pemrogramnya yang salah).

Program bisa saja melakukan kesalahan.

3 Tidak menjelaskan mengapa input dibutuhkan atau bagaimana hasil diperoleh.

Penjelasan merupakan bagian dari sistem pakar.

4 Data harus lengkap. Data tidak harus lengkap. 5 Perubahan pada program

merepotkan.

Perubahan pada rules dapat dilakukan dengan mudah.

6 Sistem bekerja jika sudah lengkap. Sistem dapat bekerja hanya dengan

rules yang sedikit. 7 Eksekusi secara algoritmik (

step-by-step).

Eksekusi dilakukan secara heuristik dan logik.

8 Manipulasi pada database yang besar.

Manipulasi efektif pada knowledge base yang besar.

9 Efisiensi adalah tujuan utama. Efektif adalah tujuan utama. 10 Data kuantitatif. Data kualitatif.

11 Representasi data dalam numerik. Representasi pengetahuan dalam simbol.

12 Menangkap, menambah, dan mendistribusikan data numerik atau informasi.

(40)

2.2.7.Konsep Dasar Sistem Pakar

Menurut Sutojo (2011: 163) konsep dasar sistem pakar meliputi enam hal berikut ini:

2.2.7.1.Kepakaran

Kepakaran merupakan sutu pengetahuan yang diperoleh dari pelatihan, membaca, dan pengalaman. Kepakaran inilah yang memungkinkan para ahli dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan pakar. Kepakaran itu sendiri meliputi pengetahuan tentang :

1. Fakta-fakta pada lingkup permasalahan tertentu. 2. Teori-teori pada lingkup permasalahan tertentu.

3. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu.

4. Strategi-strategi global untuk menyelesaikan masalah. 5. Meta-knowledge (pengetahuan tentang pengetahuan).

2.2.7.2.Pakar

(41)

20

2.2.7.3.Pemindahan Kepakaran

Tujuan dari sistem pakar adalah memindahkan kepakaran dari seorang pakar ke dalam komputer, kemudian ditransfer kepada orang lain yang bukan pakar. Proses ini melibatkan empat kegiatan, yaitu :

1. Akuisisi pengetahuan (dari pakar atau sumber lain) 2. Representasi pengetahuan (pada komputer)

3. Inferensi pengetahuan

4. Pemindahan pengetahuan ke pengguna

2.2.7.4.Inferensi

Inferensi adalah sebuah prosedur yang mempunyai kemampuan dalam melakukan penalaran. Inferensi ditampilkan pada suatu komponen yang disebut mesin inferensi yang mencakup prosedur-prosedur mengenai pemecahan masalah. Semua pengetahuan yang dimiliki oleh seorang pakar disimpan pada basis pengetahuan oleh sistem pakar. Tugas mesin inferensi adalah mengambil kesimpulan berdasarkan basis pengetahuan yang dimilikinya.

2.2.7.5.Aturan-aturan

Kebanyaan aplikasi sistem pakar komersial adalah sistem yang berbasis rule ( rule-based system), yaitu pengetahuan disimpan terutama dalam bentuk rule, sebagai prosedur-prosedur pemecahan masalah.

2.2.7.6.Kemampuan Menjelaskan

(42)

disebut subsistem penjelasan (explanation). Bagian dari sistem ini memungkinkan sistem untuk memeriksa penalaran yang dibuatnya sendiri dan menjelaskan operasi-operasinya.

2.2.8.Bentuk Sistem Pakar

Sistem pakar dibagi menjadi empat bentuk, yaitu :

1. Berdiri Sendiri

Sistem pakar jenis ini merupakan perangkat lunak yang berdiri sendiri tidak bergabung dengan software lainnya.

2. Tergabung

Sistem pakar jenis ini merupakan bagian program yang terkandung di dalam suatu algoritma (konvensional), atau merupakan program dimana di dalamnya memanggil algoritma subrutin lain (konvensional).

3. Menghubungkan ke perangkat lunak lain

Bentuk ini biasanya merupakan sistem pakar yang menghubungkan ke suatu paket program tertentu, misalnya DBMS.

4. Sistem Mengabdi

Sistem pakar merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu. Misalnya sistem pakar yang digunakan untuk membantu menganalisis data radar.

2.2.9.Struktur Sistem Pakar

(43)

22

pembangunan sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi. Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat pada Gambar 2.10.

User

Gambar 2.10. Struktur Sistem Pakar

(Sumber : Sutojo, 2011: 167)

Penjelasan mengenai komponen-komponen sistem pakar pada Gambar 2.10 adalah sebagai berikut :

1. Basis Pengetahuan

Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah. Basis pengetahuan terdiri dari dua elemen dasar, yaitu :

(44)

b. Aturan (rule), untuk mengarahkan penggunaan pengetahuan dalam memecahkan masalah.

2. Mesin inferensi (inference engine)

Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan dan blackboard, serta digunakan untuk memformulasikan konklusi. Terdapat 3 elemen utama dalam mesin inferensi, yaitu:

a. Interpreter : mengeksekusi item-item agenda yang dipilih dengan menggunakan aturan-aturan dalam basis pengetahuan yang sesuai.

b. Scheduler : akan mengontrol agenda.

c. Consistency enforcer : akan berusaha memelihara kekonsistenan dalam mempresentasikan solusi yang bersifat darurat.

3. Subsistem penambahan pengetahuan

Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau memperluas pengetahuan dalam basis pengetahuan. Pengetahuan bisa berasal dari ahli, buku, basis data, penelitian, dan gambar.

4. Blackboard

Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3 tipe keputusan yang dapat direkam, yaitu :

a. Rencana : Bagaimana menghadapi masalah?

b. Agenda : Aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi. c. Solusi : Calon aksi yang dibangkitkan.

(45)

24

Digunakan sebagai media komunikasi antara user dengan program. 6. Subsistem penjelasan

Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan :

a. Mengapa suatu pertanyaan ditanyakan oleh sistem pakar? b. Bagaimana konklusi dicapai?

c. Mengapa ada alternatif yang dibatalkan?

d. Rencana apa yang digunakan untuk mendapatkan solusi? 7. Sistem penyaring pengetahuan

Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan dimasa mendatang.

2.2.10.Basis Pengetahuan

Basis pengetahuan berisi pengetahuan-pengetahuan dalam menyelesaian masalah, tentu di dalam domain tertentu. Ada dua bentuk pendekatan basis pengetahuan yang umum digunakan, yaitu :

1. Penalaran berbasis aturan (Rule-Based Reasoning)

Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu, juga digunakan apabila dibutuhkan penjelasan tentang langkah-langkah pencapaian solusi.

(46)

Basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang sekarang. Bentuk ini akan digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama. Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan (Kusumadewi, 2003: 105).

2.2.11.Mesin Inferensi

Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (mesin inferensi). Ketika representasi pengetahuan pada bagian knowledge base telah lengkap, atau paling tidak telah berada pada level yang cukup akurat, maka representasi pengetahuan telah siap digunakan. Inference Engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning (Kusrini, 2008: 8). Ada dua metode inferensi yang penting dalam sistem pakar yaitu :

1. Runut Maju (Forward Chaining)

(47)

26

Menurut Arhami (2005: 19), pelacakan ke depan adalah pendekatan yang dimotori data (data-driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN. Proses

forward chaining disajikan pada Gambar 2.11.

Observasi 1

Gambar 2.11. Proses Forward Chaining

(Sumber : Arhami, 2005: 20)

2. Runut Balik (Backward Chaining)

Menurut Giarattano dan Riley (1994) dalam Kusrini (2005: 11), runut balik merupakan metode penalaran kebalikan dari runut maju. Dalam runut balik penalaran dimulai dengan tujuan kemudian merunut balik ke jalur yang mengarahkan ke tujuan tersebut. Runut balik disebut juga sebagai goal-driven reasoning, merupakan cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan terstruktur.

(48)

Observasi 1

Gambar 2.12. Proses Backward Chaining

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu : 1. Depth-first search, melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan. Diagram alir

depth-first search disajikan pada Gambar 2.13.

1

Gambar 2.13. Diagram Alir Teknik Penelusuran Depth-first Search

(49)

28

Gambar 2.14. Diagram Alir Teknik Penelusuran Breadth-first Search

3. Best-first search, bekerja berdasarkan kombinsi kedua metode sebelumnya.

2.2.12.Metode Forward Chaining

Menurut Sutojo (2011: 171) metode forward chaining merupakan teknik pencarian yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta-fakta tersebut dengan bagian IF dari rules IF-THEN. Bila ada fakta yang cocok dengan bagian IF, maka rule tersebut dieksekusi. Bila sebuah rule dieksekusi, maka sebuah fakta baru (bagian THEN) ditambahkan ke dalam database. Setiap kali pencocokan berhenti bila tidak ada lagi rule yang bisa dieksekusi.

Contoh:

Misalkan diketahui sistem pakar menggunakan 5 buah rule berikut.

R1 : IF (Y AND D) THEN Z

R2 : IF ( X AND B AND E) THEN Y R3 : IF A THEN X

R4 : IF C THEN L

(50)

Fakta-fakta : A, B, C, D, dan E bernilai benar

Goal : menentukan apakah Z bernilai benar atau salah

Iterasi ke-1

Iterasi ke-1 dapat dilihat pada Gambar 2.15.

(51)

30

Iterasi ke-2

Knowledge Base (Basis Pengetahuan)

(52)

Sampai di sini proses dihentikan karena sudah tidak ada lagi rule yang bisa dieksekusi. Hasil pencarian adalah Z bernilai benar (lihat database di bagian fakta baru).

2.2.13.Klasifikasi Sistem Pakar

Menurut Siswanto (2005: 96), klasifikasi sistem pakar berdasarkan kegunaannya adalah sebagai berikut :

1. Diagnosis

Digunakan untuk merekomendasikan obat untuk orang sakit, kerusakan mesin, kerusakan rangkaian elektronik. Bertujuan menemukan masalah/kerusakan yang terjadi. Biasanya menggunakan pohon keputusan (decision tree) sebagai representasi pengetahuannya.

2. Pengajaran

Digunakan untuk pengajaran, mulai dari SD s/d PT. Membuat diagnosa apa kekurangan dari siswa, kemudian memberikan solusi atau cara untuk memperbaikinya.

3. Interpretasi

Untuk menganalisa data yang tidak lengkap, tidak teratur, dan data yang kontradiktif. Misal : untuk interpretasi citra.

4. Prediksi

(53)

32

5. Perencanaan

Digunakan untuk merencanakan suatu pekerjaan misalnya, perencanaan mesin-mesin dan manajemen bisnis. Untuk menghemat biaya, waktu, & material, sebab pembuatan model sudah tidak diperlukan. Contoh : sistem konfigurasi komputer.

6. Kontrol

Digunakan untuk mengontrol kegiatan yang membutuhkan presisi waktu tinggi. Misal: pengontrolan pada industri-industri berteknologi tinggi.

2.2.14.Probabilitas Klasik

Menurut Arhami (2005: 135) probabilitas merupakan suatu cara kuantitatif yang berhubungan dengan ketidakpastian yang telah ada. Probabilitas klasik disebut juga

a priori probability karena berhubungan dengan suatu permainan (games) atau sistem. Seperti yang telah disebutkan sebelumnya, istilah a prioriberarti “sebelum”

(Arhami, 2005:138). Probabilitas ini dianggap sebagai suatu jenis permainan seperti pelemparan dadu, permainan kartu, dan pelemparan koin.

Rumus umum untuk probabilitas klasik di definisikan sebagai peluang P(A) dengan n adalah banyaknya kejadian, n(A) merupakan banyaknya hasil mendapatkan A.

Frekuensi relatif terjadinya A adalah � �

� maka (Arhami, 2005:138) :

P(A) = � �

� ... (Persamaan 1)

Probabilitas klasik ini digunakan untuk mendapatkan peluang kemungkinan penyakit, sehingga untuk menghitung persentase penyakit adalah :

(54)

Tabel 2.4. Tabel Kemungkinan Penyakit

Data flow diagram menggambarkan komponen-komponen suatu sistem, aliran data, dan penyimpanan data. Digunakannya DFD yaitu untuk membuat dokumentasi dari sistem yang ada atau untuk menyusun dokumentasi untuk sistem yang baru.

Menurut Fatansyah (1999), DFD merupakan pembuatan model yang memungkinkan professional sistem untuk menggambarkan sistem sebagai suatu jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data, baik secara manual maupun komputerisasi. DFD merupakan diagram yang digunakan untuk menggambarkan proses-proses yang terjadi pada sistem yang dikembangkan dan data-data yang terlibat pada masing-masing proses dapat didentifikasi.

Terdapat dua jenis notasi simbol yang digunakan pada DFD yaitu Notasi Yourdon/ DeMarco dan Notasi Gane Sarson, notasi tersebut dapat dilihat pada Tabel 2.5.

Tabel 2.5. Notasi Data Flow Diagram

Yourdon/ DeMarco

Gane &

Sarson Keterangan

(55)

34

Tabel 2.5. Notasi Data Flow Diagram (Lanjutan)

Yourdon/ ditransformasikan ke aliran data keluar. Penamaan sebuah proses dapat berupa kata, frase, atau kalimat sederhana yang menjelaskan nama proses itu sendiri.

Simbol aliran data menggambarkan aliran data dari sumber ke tujuan. Penamaan pada aliran untuk menunjukkan data yang mengalir melalui flow

tersebut.

Simbol penyimpanan data menggambarkan tempat data disimpan. Store berfungsi sebagai tempat penyimpanan data yang dapat digunakan dalam sistem, baik sebagai input untuk melakukan suatu proses maupun untuk menyimpan hasil suatu proses untuk kemudian digunakan oleh proses-proses lainnya.

DFD memiliki beberapa level, DFD Level 0 biasa disebut Context Diagram yang membedakan dari yang lainnya yaitu tidak mengunakan data store (penyimpanan data) dan hanya memiliki satu proses utama. DFD level n merupakan suatu diagram level yang berfungsi menjabarkan diagram konteks (diagram level sebelumnya) pada suatu sistem. Level tertinggi dalam DFD hanya mempunyai sebuah proses yang memodelkan seluruh sistem. Pemberian nomor pada setiap proses dalam DFD berguna untuk memudahkan penurunan DFD pada level yang lebih rendah.

2.4.Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) merupakan teknik yang digunakan untuk memodelkan kebutuhan data dari suatu organisasi. ERD sebagai dasar untuk desain

(56)

data yang akan diambil, disimpan, dan dipanggil kembali untuk keperluan tertentu dalam mendukung kegiatan yang dilakukan. ERD merupakan gambaran struktur dan keterkaitan entitas data yang menyusun database secara detail. ERD merepresentasikan data sebagai entitas, atribut, dan relasi.

Entity Relationship Diagram memiliki tiga komponen, yaitu :

1. Entitas

Entitas adalah segala sesuatu yang dapat digambarkan oleh data. Entitas dapat diartikan sebagai individu yang mewakili sesuatu yang nyata dan dapat dibedakan dari sesuatu yang lain (Fatansyah, 1999: 77).

2. Atribut

Atribut merupakan pendeksripsian karakteristik dari entitas. Atribut memiliki beberapa jenis, yaitu :

a. Atribut Key

Satu atau gabungan beberapa atribut yang dapat membedakan semua baris data dalam tabel secara unik. Unik maksudnya pada atribut yang dijadikan key tidak boleh ada baris data dengan nilai yang sama. Contoh: NPM, NIM, NIP, dan ID. b. Atribut Simpel

Atribut yang tidak dapat dipecah/dibagi lagi. Contoh : alamat, penerbit, tahun terbit, atau pengarang.

c. Atribut Multivalue

Nilai dari suatu atribut yang mempunyai lebih dari satu nilai dari atribut yang bersangkutan. Contoh : dari sebuah buku, terdapat beberapa pengarang.

(57)

36

Atribut yang terdiri dari beberapa atribut yang lebih kecil yang mempunyai arti tertentu dan masih bisa dipecah lagi. Contoh : atribut nama yang bisa dipecah menjadi nama depan, tengah, dan belakang.

e. Atribut Derivatif

Atribut yang tidak harus disimpan dalam database. Atribut yang dihasilkan dari atribut lain atau dari suatu hubungan.

3. Relasi

Relasi merupakan salah satu kata kunci dalam database relational. Relasi menunjukkan adanya hubungan antara entitas yang berbeda.

Simbol-simbol entity relationship diagram disajikan pada Tabel 2.6.

Tabel.2.6. Simbol Entity Relationship Diagram (ERD)

Notasi Nama

Entity

Weak Entity

Relationship

Identifying Relationship

Atribute

Atribute Primary Key

_

(58)

Tabel.2.6. Simbol Entity Relationship Diagram (ERD) (Lanjutan)

Notasi Nama

Atribute Multivalue

Atribute Composite

Atribute Derivatif

2.4.1.Derajat Kardinalitas

Derajat kardinalitas/relasi merupakan jumlah maksimum entitas yang dapat berelasi dengan entitas pada himpunan entitas lain. Menurut Fatansyah (1999: 77-79), ada beberapa tipe hubungan antar entitas, yaitu :

1. Satu ke satu (One to One)

Setiap-setiap entitas pada himpunan entitas A berhubungan paling banyak dengan satu entitas pada himpunan entitas B dan begitu sebaliknya. Relasi satu ke satu disajikan pada Gambar 2.18.

Entitas 1

Entitas 2

Entitas 3

Entitas 1

Entitas 2

Entitas 3

A B

Gambar 2.18. Relasi Satu ke Satu

(Sumber : Fatansyah, 1999: 77)

(59)

38

2. Satu ke banyak (One to Many)

Setiap-setiap entitas pada himpunan entitas A dapat berhubungan dengan banyak entitas pada himpunan entitas B, tetapi tidak sebaliknya, dimana setiap entitas pada himpunan entitas B berhubungan dengan paling banyak dengan satu entitas pada himpunan A. Relasi satu ke banyak disajikan pada Gambar 2.19.

Entitas 1

Entitas 2

Entitas 1

Entitas 2

Entitas 3

A B

Gambar 2.19. Relasi Satu ke Banyak

3. Banyak ke satu (Many to One)

Setiap entitas pada himpunan entitas A berhubungan paing banyak dengan satu entitas pada himpunan entitas B, tetapi tidak sebaliknya, dimana setiap entitas pada himpunan entitas A berhubungan dengan paling banyak satu entitas pada himpunan entitas B. Relasi banyak ke satu disajikan pada Gambar 2.20.

4. Banyak ke banyak (Many to Many)

(60)

Entitas 1

Gambar 2.20. Relasi Banyak ke Satu

Entitas 1

Gambar 2.21. Relasi Banyak ke Banyak

Kardinalitas relasi satu ke banyak dan banyak ke satu dapat dianggap sama, karena tinjauan kardinalitas relasi selalu dilihat dari satu sisi (dari himpunan entitas A ke himpunan entitas B dan dari himpunan entitas B ke himpunan entitas A).

2.5.Flowchart

(61)

40

programer untuk mempersiapkan program yang rumit. Bagan alir terdiri dari simbol-simbol yang mewakili fungsi-fungsi langkah program dan garis alir (flow lines) menunjukkan urutan dari simbol-simbol yang akan dikerjakan (Hartono, 2005: 662-663). Simbol-simbol dari flowchart dapat dilihat pada Tabel 2.7.

Tabel 2.7. Simbol Flowchart

(Sumber : Hartono, 2005)

Simbol Nama Simbol Keterangan

Titik terminal (terminal point symbol)

Digunakan untuk menunjukan awal dan akhir dari suatu proses.

Persiapan (preparation symbol)

(62)

Tabel 2.7. Simbol Flowchart (Lanjutan)

Simbol Nama Simbol Keterangan

Simbol garis lurus

Equivalence Partitioning (EP) merupakan salah satu metode dari black-box testing.

Black-box testing merupakan pendekatan pengujian untuk mengetahui apakah semua fungsi perangkat lunak telah berjalan semestinya sesuai dengan kebutuhan fungsional yang telah didefinisikan (Jiang, 2012). Equivalence Partitioning

membagi domain masukan dari program kedalam kelas-kelas sehingga test case

dapat diperoleh. Equivalence Partitioning berusaha untuk mendefinisikan kasus uji yang menemukan sejumlah jenis kesalahan, dan mengurangi jumlah kasus uji yang dibuat. Kasus uji yang didesain untuk Equivalence Partitioning berdasarkan pada evaluasi dari kelas ekuivalensi untuk kondisi masukan yang menggambarkan kumpulan keadaan yang valid atau tidak. Kondisi masukan dapat berupa spesifikasi nilai numerik, kisaran nilai, kumpulan nilai yang berhubungan atau kondisi

boolean.

2.7.Skala Likert

(63)

42

tetapi ditentukan oleh distribusi respons setuju dan tidak setuju dari sekelompok responden yang bertindak sebagai kelompok uji coba (pilot study) (Azwar, 2011).

Skala Likert, yaitu skala yang berisi lima tingkat preferensi jawaban dengan pilihan sebagai berikut : 1= sangat setuju; 2 = tidak setuju; 3 = ragu-ragu atau netral; 4 = setuju; 5 = sangat setuju. Persentase penilaian berdasarkan kriteria skala likert akan diperoleh dengan rumus aritmatika mean, yaitu (Djarwanto, 1996 : 52) :

P = ��

� � �x 100% ... (Persamaan 3)

Keterangan :

P = Persentase pernyataan Xi = Nilai kuantitatif total n = Jumlah responden

N = Nilai item pernyataan terbaik

Selanjutnya, penentuan kategori penentuan interval kurang, sedang, atau baik digunakan rumus sebagai berikut :

� = _�% ... (Persamaan 4) Keterangan :

I = Interval;

(64)

BAB III

METODE PENELITIAN

3.1.Waktu dan Tempat Penelitian

Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam dan Jurusan Budidaya Perairan Fakultas Pertanian Universitas Lampung. Waktu penelitian dilakukan pada bulan April 2015 sampai dengan bulan Juli 2015.

3.2.Alat Pendukung

Alat pendukung yang digunakan dalam penelitian ini adalah sebagai berikut:

A. Perangkat Keras

- Notebook dengan spesifikasi :

Processor : Intel® Core™ i5-2410M CPU @ 2,30 GHz

RAM : 4096 MB

Harddisk : 640 GB

B. Perangkat Lunak

- Sistem Operasi Windows 8.1 Pro 64-bit - Text Editor (Notepad++ v.6.6.8)

(65)

44

- Web browser (Chrome v.43.0)

3.3.Tahapan Penelitian

Tahapan penelitian merupakan langkah-langkah yang akan dilakukan peneliti dalam melakukan penelitian. Tahapan yang dilakukan dalam penelitian ini meliputi studi literatur, pengumpulan data, perancangan sistem, pembuatan sistem, pengujian sistem, dan pembuatan laporan. Bagan tahapan penelitian disajikan pada Gambar 3.1.

Gambar 3.1. Tahapan Penelitian

3.3.1.Studi Literatur

(66)

bahan referensi dalam penyusunan laporan. Mencari informasi terkait sistem yang akan dibuat dan menganalisa sistem-sistem yang sudah ada.

3.3.2.Pengumpulan Data

Tahapan ini mengumpulkan data-data terkait penyakit ikan budidaya air tawar. Data yang dikumpulkan berasal dari hasil konsultasi dengan pakar dan literatur-literatur tentang penyakit ikan budidaya air tawar. Data-data yang dikumpulkan disusun menjadi basis aturan yang akan digunakan dalam sistem pakar.

3.3.3.Perancangan Sistem

Perancangan sistem merupakan tahapan rencana pengembangan sistem ke dalam bentuk desain yang digunakan untuk memudahkan pengguna dalam memahami sistem yang akan dibuat. Tahapan perancangan sistem meliputi deskripsi sistem, perancangan struktur perangkat lunak seperti flowchart, diagram konteks, data flow diagram, dan desain antarmuka. Perancangan sistem juga meliputi perancangan struktur data yaitu menggunakan entity relationship diagram (ERD).

3.3.3.1.Deskripsi Sistem

Deskripsi sistem merupakan gambaran umum tentang sistem yang akan dikembangkan. Sistem pakar diagnosa penyakit ikan budidaya air tawar merupakan aplikasi berbasis web yang digunakan untuk membantu pembudidaya dalam mendiagnosa penyakit pada ikan yang mereka budidayakan. Menggunakan metode

(67)

46

3.3.3.2.Flowchart

Pada sistem pakar diagnosa penyakit ikan budidaya air tawar dibagi menjadi dua pengguna yaitu pakar dan pembudidaya. Pakar yaitu pengguna yang berhak mengelola data-data dan basis pengetahuan pada sistem pakar seperti menambah, merubah, dan menghapus data. Sedangkan pembudidaya merupakan pengguna yang hanya dapat mengakses menu tertentu dalam sistem seperti melakukan konsultasi penyakit. Untuk menggambarkan proses-proses dari kedua pengguna digunakan flowchart. Flowchart untuk pakar dari sistem pakar diagnosa penyakit ikan budidaya air tawar disajikan pada Gambar 3.2, sedangkan flowchart

pembudidaya dalam melakukan konsultasi dari Sistem Pakar Diagnosa Penyakit Ikan Budidaya Air Tawar disajikan pada Gambar 3.3.

3.3.3.3.Diagram Konteks (Context Diagram)

Diagram Konteks disebut juga DFD Level 0, diagram ini menggambarkan aliran data dari sistem pakar yang dibuat secara keseluruhan. Diagram Konteks memiliki satu proses utama, melibatkan eksternal entity dan arus datanya. Diagram Konteks dari Sistem Pakar Diagnosa Penyakit Ikan Budidaya Air Tawar disajikan pada Gambar 3.4.

3.3.3.4.Data Flow Diagram A.DFD Level 1

(68)

(69)

48

(70)

Gambar 3.4. Diagram Konteks Sistem Pakar Diagnosa Penyakit Pada Ikan Budidaya Air Tawar

DFD Level 1 menggambarkan proses-proses yang terjadi pada diagram konteks secara terperinci dan melibatkan data store untuk menyimpan dan memperoleh informasi dari proses yang dilakukan. Proses-proses pada DFD Level 1 adalah sebagai berikut :

1. Proses Login

Pada proses ini pakar melakukan proses login ke sistem dengan memasukkan nama pakar dan kata sandi. Kemudian sistem melakukan pengecekan nama pakar dan kata sandi dengan membandingkan data yang dimasukkan dengan data yang ada di

database. Jika sesuai maka sistem akan mengijinkan untuk masuk ke menu pakar. Akan tetapi jika tidak maka sistem akan memberikan pesan kesalahan bahwa nama pakardan kata sanditidak sesuai.

(71)

50

(72)

Merupakan proses yang dilakukan pakar untuk mengelola data pakar yang disimpan di tabelpakar.

3. Proses Kelola Data Penyakit

Merupakan proses yang dilakukan pakar untuk mengelola data penyakit yang disimpan di tabel penyakit.

4. Proses Kelola Data Gejala

Merupakan proses yang dilakukan pakar untuk mengelola data gejala yang disimpan di tabel gejala.

5. Proses Kelola Relasi

Merupakan proses yang dilakukan pakar untuk menghubungkan antara data ikan dan penyakit yang akan disimpan di tabel relasi penyakit. Juga menghubungkan data penyakit dan gejala yang akan disimpan di tabel relasi gejala. Relasi ini yang akan dijadikan basis aturan pada sistem pakar.

6. Proses Kelola Data Konsultasi

Merupakan proses yang dilakukan pakar untuk mengelola data hasil konsultasi pembudidaya yang disimpan di tabel konsultasi.

7. Proses Konsultasi Penyakit

Merupakan proses yang dilakukan pembudidaya untuk mengidentifikasi penyakit yang diderita ikannya, dengan menginputkan data jenis ikannya dan menjawab pertanyaan-pertanyaan yang disediakan.

(73)

52

Merupakan proses penyimpanan data konsultasi yang akan disimpan di tabel konsultasi. Data konsultasi terdiri dari data hasil diagnosa dan data pembudidaya.

B.DFD Level 2 Pengelolaan Data Pakar

DFD Level 2 pada proses pengelolaan data pakar disajikan pada Gambar 3.6.

Gambar 3.6. DFD Level 2 Pengelolaan Data Pakar

Pada DFD Level 2 proses pengelolaan data pakar terdapat satu proses yaitu proses mengubah kata sandi. Dalam proses ini pakar memasukkan kata sandi baru untuk mengganti kata sandi lama. Kemudian data tersebut disimpan di tabel pakar.

C.DFD Level 2 Pengelolaan Data Ikan

DFD Level 2 pada proses pengelolaan data ikan disajikan pada Gambar 3.7.

(74)

Proses-proses pada DFD Level 2 pengelolaan data ikan adalah sebagai berikut :

1. Proses Tambah Data Ikan

Proses yang digunakan untuk menambahkan data ikan budidaya air tawar baru, kemudian data tersebut disimpan di tabel ikan.

2. Edit Data Ikan

Proses yang digunakan untuk melakukan perubahan pada data ikan yang sudah ada pada tabel ikan.

3. Hapus Data Ikan

Proses yang digunakan untuk menghapus data ikan dari tabel ikan.

4. Tampilan Data Ikan

Proses yang digunakan untuk menampilkan data-data pada tabel ikan.

D.DFD Level 2 Pengelolaan Data Penyakit

DFD Level 2 pada proses pengelolaan data penyakit disajikan pada Gambar 3.8.

(75)

54

Proses-proses pada DFD Level 2 pengelolaan data penyakit adalah sebagai berikut:

1. Proses Tambah Data Penyakit

Proses yang digunakan untuk menambahkan data penyakit baru, kemudian data tersebut disimpan di tabel penyakit.

2. Edit Data Penyakit

Proses yang digunakan untuk melakukan perubahan pada data penyakit yang sudah ada pada tabel penyakit.

3. Hapus Data Penyakit

Proses yang digunakan untuk menghapus data penyakit dari tabel penyakit.

4. Tampilan Data Penyakit

Proses yang digunakan untuk menampilkan data-data pada tabel penyakit.

E.DFD Level 2 Pengelolaan Data Gejala

DFD Level 2 pada proses pengelolaan data gejala disajikan pada Gambar 3.9.

(76)

Proses-proses pada DFD Level 2 pengelolaan data gejala adalah sebagai berikut:

1. Proses Tambah Data Gejala

Proses yang digunakan untuk menambahkan data gejala baru, kemudian data tersebut disimpan di tabel gejala.

2. Edit Data Gejala

Proses yang digunakan untuk melakukan perubahan pada data gejala yang sudah ada pada tabel gejala.

3. Hapus Data Gejala

Proses yang digunakan untuk menghapus data gejala dari tabel gejala.

4. Tampilan Data Gejala

Proses yang digunakan untuk menampilkan data-data pada tabel gejala.

F. DFD Level 2 Pengelolaan Data Relasi

DFD Level 2 pada proses pengelolaan data relasi disajikan pada Gambar 3.10.

Proses-proses pada DFD Level 2 pengelolaan data relasi adalah sebagai berikut :

1. Tambah/Edit Relasi Ikan & Penyakit

Proses yang digunakan untuk menambahkan dan mengubah relasi antara penyakit dan ikan yang kemudian disimpan di tabel relasi penyakit.

2. Tambah/Edit Relasi Penyakit & Ikan

(77)

56

3. Tampilan Relasi/ Basis Aturan

Proses yang digunakan untuk menampilkan data relasi antara ikan, penyakit, dan gejala. Menampilkan tabel basis aturan.

Gambar 3.10. DFD Level 2 Pengelolaan Data Relasi

G.DFD Level 2 Pengelolaan Data Konsultasi

DFD Level 2 pada proses pengelolaan data konsultasi disajikan pada Gambar 3.11.

(78)

Proses-proses pada DFD Level 2 pengelolaan data konsultasi adalah sebagai berikut:

1. Hapus Data Konsultasi

Proses yang digunakan untuk menghapus data konsultasi dari tabel konsultasi.

2. Tampilan Data Gejala

Proses yang digunakan untuk menampilkan data-data pada tabel konsultasi.

H.DFD Level 2 Proses Konsultasi Penyakit

DFD Level 2 pada proses diagnosa penyakit ikan disajikan pada Gambar 3.12. Proses-proses pada DFD Level 2 diagnosa penyakit ikan adalah sebagai berikut :

1. Proses Mengisi Form Pembudidaya

Proses ini merupakan proses awal untuk melakukan identifikasi penyakit ikan. Pembudidaya mengisi form biodata lalu disimpan di tabel pembudidaya.

2. Proses Memilih Ikan

Pada proses ini pembudidaya memilih jenis ikan yang akan didiagnosa. 3. Proses Memilih Pertanyaan Berdasarkan Relasi

Pada proses ini pertanyaan akan dipilih berdasarkan jenis ikan yang dipilih pada proses sebelumnya, kemudian data ikan dicocokkan pada tabel relasi penyakit kemudian didapatkan data relasi penyakit. Data relasi penyakit ini dicocokkan dengan tabel relasi gejala kemudian akan didapatkan data aturan. Data aturan ini digunakan untuk pertanyaan pada proses selanjutnya.

(79)

58

(80)

Pada proses ini pembudidaya menjawab pertanyaan yang disediakan. Jawaban pembudidaya disimpan pada tabel jawaban(tmp). Tabel analisa(tmp) berisi data aturan atau relasi gejala yang penyakitnya mungkin terjadi. Data dari analisa(tmp) digunakan untuk menampilkan pertanyaan yang terkait dengan jawaban yang diberikan pembudidaya dan menyimpan aturan analisa kemungkinan penyakit yang diderita ikan pembudidaya.

5. Proses Diagnosa

Pada proses ini hasil analisa pada proses sebelumnya dicocokkan dengan tabel penyakit(tmp) sehingga didapat data diagnosa yang digunakan pada proses hasil diagnosa.

6. Proses Hasil Diagnosa

Proses ini menampilkan hasil diagnosa penyakit yang diderita dan memberikan informasi tentang penyakit tersebut, serta memberikan solusi penanganannya.

3.3.3.5.Entity Relationship Diagram (ERD)

Entitiy Relationship Diagram (ERD) merupakan tahapan pemodelan data dari suatu sistem, untuk menjelaskan hubungan antar data dalam database berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. ERD digunakan untuk memodelkan struktur data dan hubungan antar data. ERD sistem pakar diagnosa penyakit ikan air tawardapat dilihat pada Gambar 3.13.

3.3.3.6.Desain Antarmuka

(81)

60

(82)

pakar diagnosa penyakit ikan budidaya air tawar yang akan dibuat terdapat dua aktor yang dapat mengakses, yaitu pakar dan pembudidaya.

A.Pakar

Pakar merupakan aktor yang dapat mengelola data dan basis pengetahuan pada sistem pakar. Seorang pakar harus melakukan proses login agar dapat mengakses halaman ini. Adapun halaman yang disediakan bagi pakar adalah sebagai berikut :

1. Halaman Login

Merupakan halaman yang digunakan oleh pakar untuk dapat mengakses halaman utama. Pakar harus mengisi nama pakar dan kata sandi, kemudian sistem akan membandingkan data yang dimasukkan dengan data yang ada di database. Apabila data sesuai maka pakar dapat masuk ke halaman pakar. Jika tidak sesuai maka proses login gagal dan ditampilkan pesan kesalahan. Desain halaman login dapat dilihat pada Gambar 3.14.

(83)

62

2. Halaman Utama Pakar

Merupakan halaman utama seorang pakar setelah proses login. Pada halaman ini disediakan menu-menu untuk mengelola data-data pada sistem pakar. Desain halaman utama pakardapat dilihat pada Gambar 3.15.

Gambar 3.15. Desain Halaman Utama Pakar

3. Halaman Ganti Kata Sandi

Merupakan halaman untuk mengganti kata sandi yang lama dengan yang baru. Desain form ganti kata sandidapat dilihat pada Gambar 3.16.

(84)

4. Halaman Tambah Data Ikan

Merupakan halaman untuk menambahkan data ikan baru. Desain form tambah data ikan dapat dilihat pada Gambar 3.17.

Gambar 3.17. Desain Form Tambah Data Ikan

5. Halaman Tambah Data Penyakit

Merupakan halaman untuk menambahkan data penyakit baru. Desain form tambah data penyakit dapat dilihat pada Gambar 3.18.

(85)

64

6. Halaman Tambah Data Gejala

Merupakan halaman untuk menambahkan gejala baru. Desain form tambah data gejala dapat dilihat pada Gambar 3.19.

Gambar 3.19. Desain Form Tambah Data Gejala

7. Halaman Relasi

Merupakan halaman untuk menambahkan dan merubah relasi atau hubungan antara ikan dan penyakit, serta penyakit dan gejala. Pada relasi ikan dan penyakit, pakar harus memilih jenis ikan lalu memilih penyakit-penyakit terkait ikan yang dipilih. Desain halaman relasi ikan dan penyakitdapat dilihat pada Gambar 3.20.