ANALISIS DAN PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS
PENYAKIT TANAMAN KARET MENGGUNAKAN METODE
FAKTOR KEPASTIAN (CERTAINTY FACTOR) PADA
SMARTPHONE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Komputer
SUBARDI WANSYAH
0 7 1 4 0 1 0 9 0
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS DAN PERANCANGAN SISTEM
PAKAR UNTUK MENDIAGNOSIS PENYAKIT TANAMAN KARET MENGGUNAKAN METODE FAKTOR KEPASTIAN (CERTAINTY FACTOR) PADA SMARTPHONE
Kategori : SKRIPSI
Nama : SUBARDI WANSYAH
Nomor Induk Mahasiswa : 071401090
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 16 April 2015 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Ade Candra, ST, M.Kom. Maya Silvi Lydia, BSc, MSc. NIP. 197909042009121002 NIP. 197401272002122001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
ANALISIS DAN PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT TANAMAN KARET MENGGUNAKAN METODE FAKTOR
KEPASTIAN (CERTAINTY FACTOR) PADA SMARTPHONE SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 16 April 2015
PENGHARGAAN
Puji dan syukur yang tiada henti penulis ucapkan kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir ini.
Dengan sepenuh ketulusan hati, pada kesempatan ini penulis menyampaikan terima kasih kepada semua pihak yang telah membantu penyelesaian skripsi ini. Penulis mengucapkan terima kasih teristimewa kepada:
1. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi Ilmu Komputer.
2. Ibu Maya Silvi Lydia, BSc, MSc sebagai Sekretaris Program Studi Ilmu Komputer sekaligus sebagai dosen pembimbing yang telah banyak memberikan saran dan masukkan yang sangat berguna bagi penulis sehingga skripsi ini dapat selesai dengan baik.
3. Bapak Prof. Dr. Muhammad Zarlis sebagai Dekan Fakultas Ilmu Komputer dan Teknologi Informasi .
4. Para Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi . 5. Bapak Ade Candra, ST, M.Kom sebagai dosen pembimbing yang telah banyak
meluangkan waktunya dalam memberikan bimbingan, kritik dan masukkan kepada penulis.
6. Bapak M. Andri Budiman,S.T,M.Comp.Sc,M.E.M sebagai dosen pembanding yang telah banyak meluangkan waktu untuk memberikan bimbingan kritik dan masukan pada penulis.
7. Bapak Amer Sharif,S.Si,M.Kom sebagai dosen pembanding yang telah memberikan saran, masukan dan kritikan yang sangat berguna bagi penulis sehingga skripsi ini dapat selesai dengan baik.
8. Seluruh dosen serta pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi.
9. Ayahanda dan Ibunda Rubani dan Doriah yang selalu memberikan cinta kasih dan semangat serta kepercayaan selama masa kuliah baik dalam bentuk materil serta moril dalam menyelesaikan skripsi ini.
10.Adinda tercinta Tri Yadi dan Junaidi yang telah banyak membantu dan memberi semangat kepada penulis.
11.Dan juga kepada teman-teman seperjuangan stambuk 2007, khususnya Yogi Aditia Putra, Indra Gunawan, Kalsum Mustika, Reza Affandy, dan Berki Rahmat yang telah memberikan semangat kepada saya.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan. Oleh karena itu penulis mengharapkan kritik dan saran dari semua pihak yang bersifat membangun demi kesempurnaan dan pengembangan skripsi ini. Penulis berharap semoga skripsi ini bermanfaat bagi penulis sendiri pada khususnya dan pembaca pada umumnya.
ANALISIS DAN PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT TANAMAN KARET MENGGUNAKAN METODE FAKTOR
KEPASTIAN (CERTAINTY FACTOR) PADA SMARTPHONE
ABSTRAK
Salah satu masalah yang dihadapi oleh petani karet adalah kurangnya informasi mengenai penyakit yang diderita tanaman karetnya. Pada saat ini teknologi seluler dapat dikatakan sudah masuk dalam daftar kebutuhan penting bagi semua lapisan masyarakat untuk mendapatkan informasi. Sistem pakar merupakan salah satu solusi untuk mendiagnosis penyakit tanaman karet sebagai pengganti pakar. Pada penelitian ini dibuat sisem pakar menggunakan metode Faktor Kepastian (Certainty Factor). Manfaat yang diperoleh dari sistem pakar yang mampu melakukan diagnosis dengan cepat, tepat, dan akurat diharapkan dapat membantu para petani dalam mengantisipasi kerugian yang diakibatkan oleh serangan penyakit tanaman karet. Sistem ini dapat membantu pengguna (petani) melakukan diagnosis dini terhadap suatu penyakit untuk penanganan segera terhadap penyakit tersebut dengan memperhatikan gejala-gejala yang timbul pada tanaman karet dan ditentukan penyakit yang sesuai. Dengan sistem yang berbasis mobile yang dapat digunakan disemua platform smartphone, maka penggunaan sistem ini dapat dilakukan dimana saja dan kapan saja.
Kata Kunci : Sistem Pakar, Faktor Kepastian (Certainty Factor), Forward Chaining, Penyakit Tanaman Karet, Smartphone.
ANALYSIS AND DESIGN OF EXPERT SYSTEM FOR DIAGNOSING RUBBER PLANT DISEASE USING CERTAINTY FACTOR ON
SMARTPHONE
ABSTRACT
One of the problems faced by rubber farmers is the lack of information about the rubber plant disease. At the moment mobile technology is most needed to get information. Expert system is one of solution to diagnose rubber plant diseases as a substitute expert one. In this study an expert system created using Certainty Factor. The benefits derived from the expert system that is capable of making a diagnose quickly, precisely, and accurately, is expected to help farmers in anticipation of losses caused by rubber plant disease attack. This system can help users (farmers) do early diagnose of a rubber plant diseases. Mobile-based system that can be used in all smarthphone platforms, so that expert system can be used anywhere and anytime. Keywords : Expert system, Certainty factor, Rubber plant disease, Smartphone.
Halaman
2.3 Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis dan Memberikan Terapi Penyakit Epilepsi dan Keluarganya 23
2.4 Sistem Pakar Untuk Mendiagnosis Penyakit Pada Tanaman Karet dan Cara Penanggulangannya 24
2.5 Tanaman Karet 24
2.5.1 Penyakit Tanaman Karet 25
3.2.2 Perancangan Representasi Pengetahuan 39
3.2.2.1 Data Dasar 39
3.2.2.2 Aturan Diagnosis 39
3.2.3 Perancangan DFD (Data Flow Diagram) 43
3.2.4 Perancangan ERD (Entity Relationsip Diagram) 46
Halaman Tabel 2.1 Perbandingan Seorang Pakar dengan Sistem Pakar 9
Tabel 3.1 Tabel Requirment pada sistem 37
Tabel 3.2 Daftar Aturan Diganosis 40
Tabel 3.3 Spesifikasi DFD Level 0 43
Tabel 3.4 Spesifikasi DFD Level 1 45
Tabel 3.5 Kamus Data Pengguna 48
Tabel 3.6 Kamus Data Gejala 48
Tabel 3.7 Kamus Data Penyakit 48
Tabel 3.8 Kamus Data Kaidah 48
Tabel 3.9 Kamus Data Aturan Penyakit 49
Tabel 4.1 Pengujian Sistem 68
Halaman
Gambar 2.1 Arsitektur Sistem Pakar 13
Gambar 2.2 Struktur Sistem Pakar 14
Gambar 2.3 Jaringan Penalaran Certainty Factor 20 Gambar 2.4 Jaringan Penalaran Certainty Factor 20 Gambar 2.5 Kombinasi Paralel Certainty Factor 20 Gambar 2.6 Kombinasi Sequensial Certainty Factor 21 Gambar 3.1 Diagram Ishikawa Untuk Analisis Masalah 36
Gambar 3.2 Flowchart Penelusuran Penyakit 38
Gambar 3.3 DFD Level 0 43
Gambar 3.4 DFD Level 1 44
Gambar 3.5 DFD Level 2 Proses Analisis Diagnosis 45 Gambar 3.6 DFD Level 2 Update Informasi Data Dasar 46 Gambar 3.7 DFD Level 2 Update Akuisisi Pengetahuan 46 Gambar 3.8 Entity Relationship Diagram (ERD) Sistem 47
Gambar 3.9 Use Case Diagram 50
Gambar 3.10 Activity Diagram 51
Gambar 3.11 Diagram Sequence User 52
Gambar 3.12 Diagram Sequence Login 52
Gambar 3.13 Diagram Sequence Akuisisi Pengetahuan 53
Gambar 3.14 Struktur Aplikasi Sistem Pakar 54
Gambar 3.15 Form Awal 55
Gambar 3.16 Halaman Utama 55
Gambar 3.17 Halaman Akuisisi Pengetahuan 56
Gambar 3.18 Halaman Konsultasi 57
Gambar 4.1 Tampilan Form Home 59
Gambar 4.2 Tampilan Home 60
Gambar 4.3 Tampilan Konsultasi 61
Gambar 4.4 Tampilan Hasil Konsultasi 61
Gambar 4.5 Tampilan Form Penyakit Tanaman Karet 62 Gambar 4.6 Tampilan Informasi Penyakit Tanaman Karet 62 Gambar 4.7 Tampilan Informasi Gejala Penyakit Tanaman Karet 63
Gambar 4.8 Form Login 64
Gambar 4.9 Tampilan Menu Akuisisi Pengetahuan 64
Gambar 4.10 Tampilan Edit Penyakit 65
Gambar 4.11 Tampilan Edit Gejala 65
Gambar 4.12 Tampilan Edit Basis Pengetahuan 66
Gambar 4.13 Pengujian Tampilan Konsultasi 67
ANALISIS DAN PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT TANAMAN KARET MENGGUNAKAN METODE FAKTOR
KEPASTIAN (CERTAINTY FACTOR) PADA SMARTPHONE
ABSTRAK
Salah satu masalah yang dihadapi oleh petani karet adalah kurangnya informasi mengenai penyakit yang diderita tanaman karetnya. Pada saat ini teknologi seluler dapat dikatakan sudah masuk dalam daftar kebutuhan penting bagi semua lapisan masyarakat untuk mendapatkan informasi. Sistem pakar merupakan salah satu solusi untuk mendiagnosis penyakit tanaman karet sebagai pengganti pakar. Pada penelitian ini dibuat sisem pakar menggunakan metode Faktor Kepastian (Certainty Factor). Manfaat yang diperoleh dari sistem pakar yang mampu melakukan diagnosis dengan cepat, tepat, dan akurat diharapkan dapat membantu para petani dalam mengantisipasi kerugian yang diakibatkan oleh serangan penyakit tanaman karet. Sistem ini dapat membantu pengguna (petani) melakukan diagnosis dini terhadap suatu penyakit untuk penanganan segera terhadap penyakit tersebut dengan memperhatikan gejala-gejala yang timbul pada tanaman karet dan ditentukan penyakit yang sesuai. Dengan sistem yang berbasis mobile yang dapat digunakan disemua platform smartphone, maka penggunaan sistem ini dapat dilakukan dimana saja dan kapan saja.
Kata Kunci : Sistem Pakar, Faktor Kepastian (Certainty Factor), Forward Chaining, Penyakit Tanaman Karet, Smartphone.
ANALYSIS AND DESIGN OF EXPERT SYSTEM FOR DIAGNOSING RUBBER PLANT DISEASE USING CERTAINTY FACTOR ON
SMARTPHONE
ABSTRACT
One of the problems faced by rubber farmers is the lack of information about the rubber plant disease. At the moment mobile technology is most needed to get information. Expert system is one of solution to diagnose rubber plant diseases as a substitute expert one. In this study an expert system created using Certainty Factor. The benefits derived from the expert system that is capable of making a diagnose quickly, precisely, and accurately, is expected to help farmers in anticipation of losses caused by rubber plant disease attack. This system can help users (farmers) do early diagnose of a rubber plant diseases. Mobile-based system that can be used in all smarthphone platforms, so that expert system can be used anywhere and anytime. Keywords : Expert system, Certainty factor, Rubber plant disease, Smartphone.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pertanian mempunyai arti penting bagi kehidupan manusia, selama manusia hidup, selama itu juga pertanian tetap akan ada. Hal itu disebabkan karena pertanian masih sebagai penunjang kebutuhan pokok manusia. Seperti tanaman karet, yang dapat diolah menjadi berbagai produk kebutuhan manusia. Di Indonesia karet merupakan salah satu komoditas nonmigas yang secara konsisten nilai ekspornya terus meningkat.
Hal yang sering terjadi di bidang pertanian yaitu banyak kerugian yang diakibatkan karena adanya penyakit tanaman yang terlambat untuk didiagnosis dan sudah mencapai tahap yang parah. Sebenarnya setiap penyakit tanaman tersebut sebelum mencapai tahap yang lebih parah dan meluas umumnya menunjukkan gejala-gejala penyakit yang diderita tetapi masih dalam tahap yang ringan dan masih sedikit. Tetapi petani sering mengabaikan hal ini karena ketidaktahuannya dan menganggap gejala tersebut sudah biasa terjadi, sampai suatu saat timbul gejala yang sangat parah dan meluas, sehingga sudah terlambat untuk dikendalikan.
Ahli pertanian dalam hal ini mempunyai kemampuan untuk menganalisis gejala-gejala penyakit tanaman tersebut, tetapi untuk mengatasi semua persoalan yang dihadapi petani terkendala oleh waktu dan banyaknya petani yang mempunyai masalah dengan tanamannya.
teknologi komputer saat ini. Teknologi komputer tersebut adalah sistem pakar yang dapat menggantikan keberadaan seorang pakar. Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang. Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Agar sistem pakar dapat melakukan penalaran sebagaimana seorang pakar meskipun berada dalam kondisi ketidakpastian data, dan untuk mendapatkan nilai kepercayaan dalam hal ini nilai kepercayaan terhadap penyakit yang diderita, diperlukan suatu metode yang dikenal dengan factor kepastian (Certainty Factor). Faktor kepastian merupakan nilai parameter yang diberikan untuk menunjukan besarnya kepercayaan. Pada penelitian Kusrini (2006), penggunaan metode Faktor Kepastian dalam sistem pakar telah mampu menjawab permasalahan. Kompleksnya permasalahan yang timbul dalam diagnosis penyakit, bisa ditangani dengan sistem pakar dengan metode Faktor Kepastian (Certainty Factor).
Mencermati hal-hal diatas maka penulis berniat membuat aplikasi sistem pakar menggunakan metode faktor kepastian pada perangkat smartphone yang dapat memberikan informasi mengenai hama penyakit tanaman dan dapat mendiagnosis gejala-gejala penyakit tanaman, khususnya tanaman karet, yang nantinya dapat digunakan untuk mengurangi atau memperkecil resiko kerusakan tanaman.
1.2 Rumusan Masalah
1.3 Batasan Masalah
Agar pembahasan penelitian ini tidak menyimpang dari tujuan awal maka diperlukan batasan masalah skripsi ini yaitu sebagai berikut:
1. Sistem pakar yang akan dirancang pada perangkat smartphone.
2. Pengembangan aplikasi menggunakan pemrograman HTML5, MySQL, dan JQueryMobile.
3. Metode yang digunakan dalam penyelesaian masalah ini adalah Metode Certainty Factor (CF).
4. Metode inferensinya menggunakan forward chaining.
5. Penyakit tanaman yang akan diuji merupakan penyakit tanaman karet yang ada di Indonesia.
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah untuk menghasilkan suatu sistem pakar yang dapat digunakan untuk melakukan diagnosis penyakit tanaman karet, dengan menerapkan metode faktor kepastian.
1.5 Manfaat Penelitian
Manfaat dari penulisan skripsi ini adalah sebagai berikut:
1. Mempermudah para petani karet dalam melakukan pendiagnosisan terhadap penyakit tanaman karet.
3. Memberikan referensi bagi masyarakat luas yang terkait untuk pengembangan topic ini lebih lanjut.
1.6 Metodologi Penelitian
Metodologi penelitian yang akan digunakan adalah: 1. Studi Literatur
Tahap ini dilakukan dengan mengumpulkan bahan-bahan referensi baik dari buku, artikel, paper, jurnal, makalah, maupun situs internet mengenai teori tentang system pakar dengan metode factor kepastian dan tentang penyakit tanaman karet.
2. Pengumpulan Data
Pengetahuan yang telah didapat terutama dari pakar atau sumber lain yang mendukung dikumpulkan dalam suatu sistem database dan dikelompokkan sesuai dengan gejala penyakit tanaman karet serta menentukan variabel.
3. Analisis dan Perancangan Sistem
Melakukan analisis terhadap masalah yang ada untuk mendapatkan solusi dari masalah tersebut dan membuat perancangan aplikasi sistem pakar berbasis web.
4. Implementasi Sistem
Pada tahap ini, dikembangkan suatu sistem pakar dengan menggunakan bahasa pemrograman PHP. Pada ini juga diterapkan faktor kepastian untuk menangani ketidakpastian pada knowledge maupun data dari pengguna untuk menunjukkan nilai kemungkinan dan nilai kebenaran dari hasil diagnosis.
Pada tahap ini, dilakukan pengujian apakah aplikasi dapat berjalan sesuai dengan teori dan tujuan dari penelitian. Jika ditemukan kesalahan maka akan dilakukan perbaikan terhadap aplikasi.
6. Pembuatan Laporan
Penulisan laporan skripsi ini bertujuan untuk dijadikan sebagai dokumentasi hasil penelitian dalam bentuk skripsi.
1.7 Sistematika Penulisan
Agar penulisan menjadi lebih terstruktur, maka penulisan ini dibagi menjadi lima bab sebagai berikut:
Bab 1 : PENDAHULUAN
Berisi latar belakang masalah, perumusan masalah, batasan masalah, tujuan penulisan dan sistematika penulisan.
Bab 2 : LANDASAN TEORI
Membahas teori-teori yang berhubungan dengan kecerdasan buatan, sistem pakar, metode CF dan penyakit tanaman karet.
Bab3 : ANALISIS DAN PEMODELAN SISTEM
Membahas bagian-bagian yang berkaitan dengan perancangan sistem pakar untuk mendiagnosis penyakit tanaman karet seperti membangun basis pengetahuan (knowledge base) beserta penjelasan mengenai cara kerja system pada proses pengambilan kesimpulan menggunakan metode CF.
Bab 4 : IMPLEMENTASI PROGRAM
Bab 5 : KESIMPULAN DAN SARAN
BAB II
LANDASAN TEORI
2.1 Kecerdasan Buatan
Kecerdasan buatan (Artificial Inteligent) merupakan bagian dari ilmu pengetahuan komputer yang khusus ditujukan dalam perancangan otomatisasi tingkah laku cerdas dalam sistem kecerdasan komputer. Sistem memperlihatkan sifat-sifat khas yang dihubungkan dengan kecerdasan dalam kelakuan atau tindak-tanduk yang sepenuhnya bisa menirukan beberapa fungsi otak manusia, seperti pengertian bahasa, pengetahuan, pemikiran, pemecahan masalah dan lain sebagainya (Andri Kristanto, 2004).
Lingkup utama dari kecerdasan buatan (Sri Kusumadewi, 2003) adalah sebagai berikut:
1. Sistem Pakar (Expert System). Disisni komputer digunakan untuk menyimpan pengetahuan para pakar.
2. Pengelolaan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
3. Pengenalan Ucapan (Speech Recognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer dengan menggunakan suara.
4. Robotika dan Sistem Sensor (Robotics and Sensory System).
5. Computer Visio, mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek tampak melalui komputer.
6. Intelligent Compter-aided Instruction. Komputer dapat digunakan sebagai tutor dalam melatih dan mengajar.
Ada beberapa konsep yang harus dipahami dalam kecerdasan buatan, diantaranya (Kusrini, 2006):
1. Turing Test
Merupakan metode pengujian kecerdasan yang dibuat oleh Alan Turing. Proses uji ini melibatkan seseorang penanya (manusia) dan dua obyek yang ditanyai. Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan cerdas.
2. Pemrosesan Sibolik
Sifat penting dari AI adalah bahwa AI merupakan bagian ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesaian masalah.
3. Heuristic
Merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problem secara selektif, yang memandu proses pencarian yang dilakukan sepanjang jalur yang memiliki kemungkinan sukses paling besar.
4. Penarikan Kesimpulan (Inferencing)
AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning). Kemampuan berpikir (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik atau metode pencarian lainnya.
5. Pencocokan Pola (Pattern Matching)
AI bekerja dengan metode pencocokan pola (pattern matching) yang berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional.
2.1.1 Sistem Pakar
Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud antara lain: pembuatan keputusan (decision making), pemanduan pengetahuan (knowledge fusing), pembuatan desain (desingning), perencanaan (planning), prakiraan (forecasting), pengaturan (regulating), pengendalian (controlling), diagnosis ( diagnosing), perumusan (prescribing), penjelasan (explaining), pemberian nasihat (advising), dan pelatihan (tutoring). Selain itu sistem pakar juga dapat berfungsi sebagai asisten yang pandai dari seorang pakar. (Kusrini, 2006).
Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang. Sistem pakar mencoba mencari suatu solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Berikut beberapa ciri sistem pakar: (Kusrini, 2008)
1. Terbatas pada bidang yang spesifik/khusus.
2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.
3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang dapat dipahami.
4. Berdasarkan pada rule atau kaidah tertentu.
5. Dirancang utnuk dapat dikembangkan secara bertahap. 6. Outputnya bersifat nasihat atau anjuran.
7. Output tergantung dari dialog dengan pengguna. 8. Knowledge base dan inference engine terpisah.
Ada beberapa hal yang membuat sistem pakar berbeda dengan seorang pakar. Berikut ini adalah tabel perbandingan antara kemampuan seorang pakar dengan sebuah sistem pakar dilihat dari berbagai sudut pandang:
Tabel 2.1. Perbandingan Seorang Pakar dengan Sistem Pakar
Faktor Seorang Pakar Sistem Pakar
Ketersediaan waktu Hari kerja Setiap saat
Secara umum banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain sebagai berikut (Kusumadewi, 2003):
1. Memungkinkan orang yang awam bisa mengerjakan pekerjaan ahli. 2. Bisa melakukan proses secara berulang dan otomatis.
3. Dapat menyimpan pengetahuan dan keahlian seorang pakar.
4. Dapat melestarikan pengetahuan pakar terutama keahlian pakar yang langka. 5. Menghemat waktu dalam pengambilan keputusan.
6. Menyederhanakan pekerjaan.
7. Merupakan arsip terpercaya dari sebuah keahlian, sehingga bagi pemakai sistem pakar seolah-olah berkonsultasi langsung dengan sang pakar, meskipun mungkin sang pakar telah tiada.
8. Dapat diperbanyak dengan kemampuan pakar yang sama.
Namun di samping memiliki beberapa manfaat, sistem pakar juga memiliki beberapa kelemahan, antara lain sebagai berikut:
1. Biaya yang diperlukan untuk membuat dan memelihara sistem pakar sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya denga ketersediaan pakar di bidangnya.
3. Sistem pakar tidak 100% bernilai benar.
Banyak permasalahan yang dapat diangkat menjadi sebuah aplikasi sistem pakar. Secara garis besar aplikasi-aplikasi sistem pakar dapat dikelompokkan menjadi beberapa kategori, yakni sebagai berikut (Hertati et al, 2008):
1. Diagnosis
Keamanan Tidak tergantikan Dapat diganti
Dapat habis Ya Tidak
Performa Berubah-ubah Konsisten Kecepatan Berubah-ubah Konsisten
Menentukan dugaan/hipotesa berdasarkan gejala-gejala yang di dapat dari pengamatan.
2. Desain
Menentukan konfigurasi komponen-komponen sistem berdasarkan kendala-kendala yang ada.
3. Debugging
Menentukan cara penyelesaian untuk mengatasi suatu kesalahan. 4. Interpretasi
Membuat deskripsi atau kesimpulan berdasarkan data yang didapat dari hasil pengamatan.
5. Instruksi
Pengajaran yang cerdas, menjawab pertanyaan mengapa, bagaimana dan what-if sebagaimana yang dilakukan oleh seorang guru.
6. Kontrol
Mengatur pengendalian suatu sistem (lingkungan). 7. Monitoring
Membandingkan hasil pengamatan dengan kondisi yang direncanakan. 8. Perencanaan
Pembuatan rencana untuk mencapai tujuan/sasaran yang telah ditetapkan. 9. Prediksi
Memperkirakan/memproyeksikan akibat yang terjadi dari situasi tertentu. 10.Reparasi
Melakukan perbaikan atas kesalahan yang terjadi pada fungsi atau system.
2.1.2 Komponen Sistem Pakar
Untuk membangun sebuah sistem pakar ada beberapa komponen yang harus dimiliki, diantaranya adalah sebagai berikut (Hertati et al 2008):
1. User Interface (Antarmuka Pengguna)
sistem. Pada bagian ini terjadi dialog antar program dan pemakai, yang memungkinkan sistem pakar menerima instruksi dan informasi (input) dari pemakai, juga memberikan informasi (output) kepada pemakai.
2. Knowledge Base (Basis Pengetahuan)
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah yang dapat berasal dari pakar, jurnal, majalah, dan sumber pengetahuan lain. Yang terdiri dari 2 elemen dasar yaitu fakta yang merupakan situasi masalah dan teori yang terkait dan heuristik khusus atau rules, yang langsung menggunakan pengetahuan untuk menyelesaikan masalah khusus.
3. Inference Machine (Mesin Inferensi)
Mesin inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan permodelan proses berfikir manusia.
4. Working Memory (Memori Kerja)
Merupakan area dari sekumpulan memori kerja yang digunakan untuk merekam hasil-hasil dan kesimpulan yang dicapai. Memori kerja dalam arsitektur sistem pakar merupakan bagian dari sistem pakar yang berisi fakta-fakta masalah yang ditemukan dalam suatu sesi, berisi fakta-fakta-fakta-fakta tentang suatu masalah yang ditemukan dalam proses konsultasi.
Sedangkan untuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pengguna, maka harus dilengkapi dengan fasilitas-fasilitas berikut (kusrini,2008):
1. Fasilitas Penjelasan (Explanation Facility)
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem kepada pemakai dengan cara menjawab pertanyaan-pertanyaan.
2. Fasilitas Akuisisi Pengetahuan (Knowledge Acquisition Facility)
Arsitektur dasar dari sistem pakar dapat dilihat pada Gambar 2.1 (Kusrini, 2006).
Gambar 2.1 Arsitektur Sistem Pakar
Sebuah sistem pakar dapat dilihat dari dua sudut pandang lingkungan (environment) yaitu lingkungan konsultasi dan lingkungan pengembangan (Kusumadewi, 2003).
Lingkungan konsultasi digunakan bagi pengguna yang bukan pakar untuk melakukan konsultasi dengan sistem yang tujuannya adalah mendapat saran/nasihat dari seorang pakar. Sedangkan lingkungan pengembangan digunakan bagi pembangun sistem pakar untuk memasukkan pengetahuan hasil akuisisi pengetahuan dari seorang pakar/ahli ke dalam basis pengetahuan.
Untuk lebih jelasnya, struktur sistem pakar yang menekankan pada lingkungan yang ada di dalam sistem dapat dilihat pada gambar dibawah ini:
Gambar 2.2 Struktur Sistem Pakar
Hasil pemrosesan yang dilakukan oleh mesin inferensi dari sudut pandang pengguna bukan pakar berupa aksi yang direkomendasikan oleh sistem pakar disertasi memori kerja yang digunakan untuk menyimpan kondisi/keadaan yang dialami oleh pengguna dan juga hipotesa serta keputusan sementara.
Keterangan gambar:
--- : Pemisahan antara lingkungan konsultasi dengan lingkungan pengembangan.
2.1.3 Mesin Inferensi (Inference Machine)
Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam memori kerja (working memory) dan untuk memformulasikan kesimpulan (Durkin, 1994).
Kebanyakan sistem pakar berbasis aturan menggunakan strategi inferensi yang dinamakan modus ponen. Berdasarakan strategi ini, jika terdapat aturan ”IF A THEN B” dan jika diketahui bahwa A bernilai benar, maka dapat disimpulkan bahwa B juga benar. Strategi inferensi modus ponen ini dinyatakan dalam berntuk:
[A AND (A B)] B
Dengan A dan A B adalah proposisi-proposisi dalam basis pengetahuan.
Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu runut maju (forward chaining) dan runut balik (backward chaining).
2.1.3.1 Runut Maju (Forward Chaining)
Runut maju merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan untuk menuju kesimpulan akhir. Runut maju biasa juga disebut forwar chaining atau pencarian yang dimotori oleh data (data driven search).
Runut maju dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju kesimpulan atau derived information (then) atau dapat dimodelkan sebagai berikut:
IF (informasi masukan)
THEN (kesimpulan)
pencarian runut maju dimulai dari data menuju tujuan, dari bukti menuju hipotesa, atau dari gejala menuju diagnosa. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut sebagai berikut:
IF premis THEN konklusi IF masukan THEN keluaran IF kondisi THEN tindakan IF antesenden THEN konsekuen IF data THEN hasil
IF tindakan THEN tujuan IF aksi THEN reaksi IF sebab THEN akibat IF gejala THEN diagnosa
Sebagai contoh, suatu penyakit urticaria memiliki gejala-gejala yakni suhu badan normal, terdapat satu atau lebih bintik merah di kulit serta kulit terasa gatal dan si anak menggaruk-garuk. Jika dilakukan pencarian dalam bentuk runut maju, maka kasus di atas dapat diformulasikan sebagai berikut:
IF Suhu badan normal
AND Terdapat satu atau lebih bintik merah di kulit AND Kulit terasa gatal dan si anak menggaruk-garuk THEN Urticaria
2.1.3.2Runut Balik (Backward Chaining)
Runut balik merupakan proses perunutan yang arahnya kebalikan dari runut maju. Proses penalaran runut balik dimulai dengan tujuan/goal kemudian merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut, mencari bukti bahwa kondisi-kondisi terpenuhi. Sehingga secara umum, runut balik itu diaplikasikan ketika tujuan atau hipotesis yang dipilih itu sebagai titik awal penyelesaian masalah. Pencarian dengan metose runut balik ini juga dikenal sebagai goal-driven reasoning karena pencarian dimulai dari pemilihan tujuannya kemudian mencari data-data yang menjadi alasan tujuan tersebut tercapai. Metode inferensi runut balik sangat cocok digunakan untuk memecahkan masalah diagnosis. Pencarian runut balik dapat dimodelkan sebagai berikut:
Tujuan,
IF (konsisi)
Sebagai contoh, kita ambil kasus penyakit urticaria di atas. Seseorang dapat didiagnosa menderita urticaria jika memiliki geala-gejala seperti suhu badan normal, terdapat satu atau lebih bintik merah di kulit serta kulit terasa gatal dan si anak menggaruk-garuk. Jika dilakukan pencarian dalam bentuk runut balik, maka kasus di atas dapat diformulasikan sebagai berikut:
Urticaria,
IF Suhu badan normal
AND Terdapat satu atau lebih bintik merah di kulit AND Kulit terasa gatal dan si anak menggaruk-garuk
Dari sisi pengguna (user), mesin inferensi baik dengan menggunakan metode runut balik maupun runut maju tidak kelihatan perbedaannya, namun hal tersebut akan berbeda jika dilihat dari sisi pengenbang sistem pakar. Kedua metode tersebut memiliki proses internal yang berbeda. Pada metode runut balik, proses internal di dalam sistem selalu mengecek kesimpulan terlebih dahulu sebagai praduga awal, baru kemudian mengecek apakah gejala-gejala yang ada dipenuhi pengguna atau tidak. Bila keseluruhan gejala tersebut terpenuhi, maka praduga sistem bernilai benar dan akan dikeluarkan sebagai output sistem pakar, namun bila ada gejala yang tidak terpenuhi berarti praduga sistem salah, dan selanjutnya sistem akan mengecek kesimpulan berikutnya.
Hal ini berbeda dengan proses internal dalam pencarian runut maju. Pada metode runut maju, sistem tidak akan melakukan dugaan awal apapun, melainkan sistem akan menerima semua masukan data dari pengguna dan kemudian mengecek data-data tersebut memenuhi kesimpulan yang mana. Jika sudah ditemukan, maka kesimpulan tersebut akan dikeluarkan sebagai output sistem pakar.
2.1.4 Faktor Kepastian (Certainty Factor)
Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau kebolehjadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem.
Ada tiga penyebab ketidakpastian aturan yaitu aturan tunggal, penyelesaian konflik dan ketidakcocokan (incompatibility) antar konskuen dalam aturan. Aturan tunggal yang dapat menyebabkan ketidakpastian dipengaruhi oleh tiga hal, yaitu kesalahan, probabilitas dan kombinasi gejala (evidence). Kesalahan dapat terjadi karena adalah sebagai berikut (Kusrini, 2006):
2. Ketidaklengkapan data 3. Kesalahan informasi
4. Ketidakpercayaan terhadap suatu alat 5. Adanya bias
Probabilitas disebabkan ketidakmampuan seorang pakar merumuskan suatu aturan secara pasti. Misalnya jika seorang mengalami sakit kepala, demam dan bersin-bersin ada kemungkinan orang tersebut terserang penyakit flu, tetapi bukan berarti apabila seseorang mengalami gejala tersebut pasti terserang penyakit flu.
Faktor kepastian (Certainty Faktor) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Notasi Faktor Kepastian adalah sebagai berikut (Sri Kusumadewi, 2003):
CF[h,e] = MB[h,e] – MD[h,e] dengan
CF[h,e] : Faktor Kepastian
MB[h,e] : ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e (antara 0 dan 1)
MD[h,e] : ukuran ketidakpercayaan terhadap evidence h, jika diberikan evidence e (antara 0 dan 1)
CF Gabungan merupakan CF akhir dari sebuah calon konklusi. CF ini dipengaruhi oleh semua CF dari aturan yang menghasilkan konklusi tersebut. CF Gabungan diperlukan jika suatu konklusi diperoleh dari beberapa aturan sekaligus. CF akhir dari suatu aturan dengan aturan yang lain digabungkan untuk mendapatkan nilai CF akhir bagi calon konklusi tersebut. Adapun rumus untuk perhitungan CF adalah sebgai berikut:
CF[x,y] =
CF (x) + CF(y) - (CF(x)*(CF(y)) )
0.8
Dalam diagnosis suatu penyakit, hubungan antara gejala dengan hipotesis sering tidak pasti. Sangat dimungkinkan beberapa aturan menghasilkan satu hipotesis dan suatu hipotesis menjadi evidence bagi aturan lain. Kondisi tersebut dapat digambarkn sebagai berikut:
A
C D F
B E
Gambar 2.3 Jaringan Penalaran Certainty Factor
Gambar 2.3 di atas menunjukkan bahwa certainty factor dapat digunakan untuk menghitung perubahan derajat kepercayaan dari hipotesis F ketika A dan B bernilai benar. Hal ini dapat dilakukan dengan mengkombinasikan semua certainty factor pada A dan B menuju F menjadi sebuah aturan hipotesis certainty factor seperti di bawah ini:
JIKA (A DAN B) MAKA F
Kondisi ini juga digambarkan sebagai berikut:
AB F
Gambar 2.4 Jaringan Penalaran Certainty Factor
Kombinasi seperti ini disebut kombinasi paralel, sebagaimana yang ditunjukkan oleh gambar di bawah ini:
E1
H
E2
CF(E,E’) CF(H,E)
Pada kondisi ini evidence E1 dan E2 mempengaruhi hipotesis yang sama, yaitu H.
Kedua certainty factor CF(H, E1) dan CF(H, E2) dikombinasikan, menghasilkan
certainty factor CF(H, E1, E2).
Fungsi kombinasi tersebut didefinisikan sebagai berikut: x + y – xy x, y >= 0
Z = x, y berlawanan tanda
x + y + xy x, y < 0 Dimana:
x = CF(H,E1), y = CF(H, E2), dan z = CF(H, E1, E2).
Gambar di bawah ini menunjukkan adanya kombinasi sequensial. Kombinasi ini terjadi ketika suatu hipotesis menjadi evidence bagi hipotesis yang lain.
E’ E H
Gambar 2.6 Kombinasi Sequensial Certainty Factor
Untuk menentukan nilai CF akhir suatu diagnosa maka digunakan rumus CF paralel sebagai berikut:
CF[h,e1^e2] = CF [h, e1] + CF [h, e2] * (1 – CF[h,e1]) Dengan:
CF[h,e1^e2] = Faktor kepastian paralel
CF [h, e1] = ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e pertama (antara 0 dan 1)
CF [h, e2] = ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e kedua (antara 0 dan 1)
Dalam diagnosa suatu penyakit, sangat dimungkinkan beberapa aturan yang menghasilkan satu hipotesis dan suatu hipotesis menjaid evidence bagi aturan lain. Berikut contoh perhitungan CF pada suatu diagnosa penyakit tanaman karet:
x + y
No Gejala Penyakit CF 1 Daun pucat kuning dengan tepi terlipat ke
dalam
Penyakit Jamur Akar Putih 0.7
2 Daun-daun gugur Penyakit Jamur Akar Putih 0.7 3 Ujung rantingnya mati Penyakit Jamur Akar Putih 0.5 4 Pada akar terdapat benang-benang jamur
putih dan agak tebal
Penyakit Jamur Akar Putih 0.5
5 Akar tanaman membusuk, lunak, dan berwarna cokelat
Penyakit Jamur Akar Putih 0.2
CF(A) = CF(1) + CF(2) * [1 – CF(1)] = 0.7 + 0.7 * (1 – 0.7) = 0.91 CF(B) = CF(3) + CF(A) * [1 – CF(3)] = 0.5 + 0.91* (1 – 0.5) = 0.955 CF(C) = CF(4) + CF(B) * [1 – CF(4)] = 0.5 + 0.955* (1 - 0.5 ) = 0.9775 CF(D) = CF(5) + CF(C) * [1 – CF(5)] = 0.2 + 0.977 * (1 – 0.2) = 0.98
Dari perhitungan secara manual di atas, didapatkan nilai faktor kepastian dari masukkan gejala yang mengarah ke penyakit jamur akar putih adalah 0.98
2.2 Telepon Cerdas (Smartphone)
Telepon cercas (smartphone) adalah telepon genggam yang memiliki sistem operasi untuk masyarakt luas, dimana pengguna dapat dengan bebas menambahkan aplikasi, menambah fungsi-fungsi atau mengubah sesuai keinginan pengguna. Dengan kata lain, telepon cerdas merupakan komputer mini yang mempunyai kapabilitas telepon. Smartphone telah memiliki kemampuan komputasi yang lebih canggih dan konektifitas melebihi kemampuan ponsel biasa (Nazruddin, 2012).
2.3 Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis dan Memberikan Terapi Penyakit Epilepsi dan Keluarganya
komplit dan tidak pasti. Kompleksnya permasalahan yang timbul dalam diagnosis penyakit epilepsi, bisa ditangani dengan sistem pakar dengan metode Faktor Kepastian. Pengetahuan untuk melakukan diagnosis dan memberikan terapi terhadap penderita penyakit epilepsi dan keluarganya dipresentasikan dalam bentuk kaidah produksi.
Pengetahun dipresentasikan dalam empat jenis aturan, yaitu:
1. Aturan yang menentukan sawan berdasarkan gejala yang diketahui. Secara umum aturan berbentuk:
Sawan , CF : x
JIKA kumpulan gejala
2. Aturan yang menentukan jenis penyakit epilepsi berdasarkan sawan dan syarat-syarat klinis lain yang diketahui. Secara umum aturan ini berbentuk :
Jenis penyakit epilepsi , CF : x
JIKA Kumpulan Sawan OPERATOR LOGIKA Kumpulan Syarat
3. Aturan yang menentukan obat berdasarkan jenis penyakit yang selain epilepsi berdasarkan gejala dan syarat-syarat klinis lain yang diketahui. Secara umum aturan ini berbentuk:
Jenis Penyakit Non Epilepsi , CF : x
JIKA Kumpulan Gejala OPERATOR LOGIKA Kumpulan Syarat
4. Aturan yang menentukan obat berdasarkan jenis penyakit yang diketahui. Secara umum aturan ini berbentuk:
Kumpulan Obat
JIKA Jenis penyakit epilepsi CF : antara x s/d y
2.4 Sistem Pakar Untuk Mendiagnosis Penyakit Pada Tanaman Karet dan Cara Penanggulangannya.
dimasukkan oleh user. Kaidah produksi pada aplikasi ini ditulis dalam bentuk pernyataan IF-THEN. Pada perancangan basis pengetahuan sistem pakar ini premis adalah gejala-gejala yang terlihat pada tanaman karet dan konklusi adalah jenis gangguan pada tanaman karet, sehingga bentuk pernyataannya adalah JIKA [gejala] MAKA [gangguan]. Bagian premis dalam aturan produksi dapat memiliki dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu gejala. Gejala-gejala tersebut dihubungkan dengan menggunakan operator logika DAN (). Bentuk pernyataannya adalah:
JIKA [gejala1] DAN [gejala2] DAN [gejala3] MAKA [gangguan]
2.5 Tanaman Karet
Sesuai dengan nama latinnya tanaman karet (Hevea brasiliensis) berasal dari Brazil. Tanaman ini merupakan sumber utama bahan karet alam di dunia. Padahal jauh sebelum tanaman karet dibudidayakan, penduduk asli di berbagai tempat, seperti Amerika Selatan, Afrika, dan Asia menggunakan pohon-pohon lain yang juga menghasilkan getah (Semangun, 2000). Getah yang mirip lateks dapat diperoleh juga dari tanaman Castilla elastica (famili Moraceae) yang banyak hidup di rimba Bolivia hingga meksiko. Pohon guayale banyak terdapat di daerah utara Meksiko. Di luar Benua Amerika ada juga tanaman yang diambil getahnya oleh para penduduk asli, misalnya Funtumia elastica (famili Apocinaceae) di Afrika, Ficus elastica (famili Moraceae) di India, dan Taraxacum kokbsaghyz (famili Compositae) di Rusia.
Klasifikasi botani tanaman karet adalah sebagai berikut (Nazaruddin dkk, 1993):
Kingdom : Plantae
Divisi : Spermatophyta Subdivisi : Angiospermae Kelas : Dicotyledonae Ordo : Euphorbiales Famili : Euphorbiaceae Genus : Hevea
Spesies : Hevea brasiliensis
2.5.1. Penyakit Tanaman Karet
Penyakit sering menimbulkan kerugian yang cukup berarti pada tanaman karet. Setiap tahun kerugian yang ditimbulkannya bisa mencapai jutaan rupiah dari setiap hektar tanaman karet. Besarnya kerugian tersebut tidak hanya disebabkan oleh rusaknya tanaman karet saja, tetapi juga oleh biaya pengendalian penyakit yang sangat mahal. Penyebab penyakit yang sering dijumpai pada tanaman karet adalah jamur. Sedangkan bakteri atau virus jarang dijumpai dan tidak menimbulkan kerusakan yang berarti.
Untuk mengatasi penyakit karet, cara-cara pengendalian harus dilakukan secara terpadu dengan strategi yang menguntungkan. Artinya, usaha pencegahan lebih diutamakan daripada pengobatan sehingga diperlukan pemeriksaan dan pengamatan sedini mungkin secara berkala dan terus menerus. Berikut ini beberapa penyakit tanaman karet (Semangun, 2006).
1. Penyakit Akar Putih
Gejala:
tanaman yang sakit membentuk daun-daun muda atau bunga dan buah pada waktu yang lebih awal. Pada akar tanaman tampak benang-benang jamur putih dan agak tebal. Benang-benang tersebut menempel kuat pada akar sehingga sulit dilepas. Akar tanaman yang sakit akhirnya membusuk, lunak, dan berwarna cokelat.
Penyebab:
Penyebabnya adalah jamur Rigidoporus lignosus. Jamur ini membentuk badan buah mirip topi pada akar, pangkal batang, atau tunggul-tunggul tanaman. Badan buah berwarna jingga kekuning-kuningan. Permukaan bawah badan buat terdapat lubang-lubang kecil tempat spora. Badan buah yang tua akan mengering dan berwarna cokelat kelat.
Penularan penyakit akar putih terjadi melalui persinggungan antara akar karet dengan sisa-sisa akar tanaman lama, tunggul-tunggul, atau pohon yang sakit. Selain persinggungan, penyebarannya bisa terjadi karena hembusan angin yang membawa spora penyakit ini. Spora yang jatuh di tunggul atau sisa kayu akan tumbuh dan membentuk koloni. Kemudian jamur akan merambat ke akar cabang tunggul dan pindah ke akar tanaman di dekatnya melalui pertautan akar. Stum atau bahan tanaman sebagai bibit juga dapat menjadi sebab tersebarnya penyakit di areal kebun karet.
2. Penyakit Akar Merah
Gejala:
Warna daun berubah menjadi hijau pucat suram kemudian menguning dan akhirnya berguguran. Perakarannya diliputi benang-benang jamur berwarna merah muda sampai tua. Dalam keadaan kering, benang-benang jamur berubah warna menjadi putih. Sedangkan bila dibasahi, benang-benang ini menempel erat pada akar dan mengikat butiran-butiran tanah sehingga terbentuk semacam kerak. Akar tanaman yang sakit akan membusuk dan berwarna jingga kehitaman. Bila ditekan, cairan akan keluar dari akar tersebut.
Penyebab:
buah berwarna merah cokelat dan permukaan atas badan buah berwarna merah cokelat dan permukaan bawahnya berwarna putih kelabu penuh lubang kecil tempat spora. Badan buah ini mengeras dan mengeriput. Jamur ini bisa berkembang dengan cepat pada berbagai jenis tanah.
Penularan penyakit ini biasanya terjadi akibat persinggungan antara akar yang sehat dengan yang sakit atau akar yang mengandung spora jamur. Penularan bisa juga terjadi melalui angin yang membawa spora jamur.
3. Jamur Upas
Gejala:
Pada pangkal atau bagian atas percabangan tampak benang-benang berwarna putih seperti sutera. Sekumpulan benang ini membentuk lapisan kerak berwarna merah yang akhirnya berubah menjadi lapisan tebal berwarna merah tua. Bagian tanaman yang terserang akan mengeluarkan cairan lateks berwarna cokelat kehitaman yang meleleh di permukaan batang tanaman. Lambat laun kulit tanaman yang terserang akan membusuk dan berubah menjadi hitam, mengering, dan terkelupas. Bagian kayu di bawah kulit menjadi rusak dan menghitam. Pada serangan lanjut, tajuk percabangan akan mati dan mudah patah oleh hembusan angin.
Penyebab:
Penyebabnya adalah jamur Corticium salmonicolor. Jamur ini memiliki empat tingkat perkenbangan. Mula-mula terbentuk lapisan jamur tipis dan berwarna putih pada permukaan kulit (tingkat sarang laba-laba). Kemudian jamur ini berkembang membentuk sekumpulan benang jamur (tingkat bongkol). Pada perkembangan selanjutnya terbentuk lapisan kerak berwarna merah muda (tingkat kortisium). Pada tingkat ini jamur telah masuk ke bagian kayu. Akhirnya, jamur membentuk lapisan tebal berwarna merah tua (tingkat nektor). Penularannya berlangsung melalui penyebaran spora oleh angin.
Gejala:
Gejala awal sulit dilihat karena serangannya dimulai dari bawah kulit. Bila kulit batang atau cabang dikerok, kulit syang sakit baru tampak: berwarna cokelat kemerahan dengan bercak-bercak besar yang meluas ke samping, kambium, dan bagian kayu. Pada bagian yang sakit biasanya keluar cairan lateks berwarna cokelat kemerahan dan berbau busuk. Terkadang lateks mengumpul di bawah kulit segingga mengakibatkan kulit batang pecah dan terbuka. Bagian yang terbuka ini sering dimasuki serangga penggerek batang.
Penyebab:
Penyebabnya adalah jamur Phytphthora palmivora. Jamur ini memiliki benang-benang hifa berwarna putih yang tidak jelas bila dilihat dengan mata telanjang. Sebagian alat perkembangbiakannya adalah spora yang bisa bertahan hidup di dalam tanah. Penularan penyakit ini bisa terjadi karena angin dan hujan. Percikan air hujan di tanah yang dekat dengan tanaman sering menyebarkan benih atau spora jamur pembawa penyakit ke permukaan batang.
5. Kanker Garis
Gejala:
Awal serangan ditandai dengan adanya selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap. Bila dikerok atau diiris, bi bawah kulit di atas irisan sadap akan tampak garis-garis tegak berwarna cokelat atau hitam. Garis-garis ini akan berkembang dan berpadu satu sama lain membentuk jalur hitam yang tampak seperti retakan membujur pada kulit pulihan.
Penyebab:
penyebaran spora oleh hujan dan angin. Percikan air hujan di permukaan tanah pada pohon yang disadap rendah dapat mempercepat penularan.
6. Mouldy rot
Gejala:
Mula-mula tampak selaput tipis berwarna putih pada bidang sadap di dekat alur sadap. Selaput ini kemudian berkembang membentuk lapisan seperti beledu berwarna kelabu sejajar dengan alur sadap. Bila lapisan kelabu ini dikerok, akan tampak bintik-bintik berwarna cokelat atau hitam. Serang ini akan meluas hingga ke kambium dan bagian kayu. Jika bagian yang sakit tampak membusuk dan berwarna hitam kecokelatan, maka serangan ini sudah parah. Bekas serangan akan membentuk cekungan berwarna hitam seperti melilit sejajar alur sadap.
Penyebab:
Penyebabnya adalah cendawan Ceratocystis fimbriata. Jamur ini memiliki benang-benang hifa yang membentuk lapisan berwarna kelabu pada bagian yang terserang. Penularan penyakit ini melalui spora yang diterbangkan oleh angin , dapat mencapai jarak yang jauh. Selain itu, penularannya bisa terjadi melalui pisau sadap yang dipakai menyadap pohon yang sakit.
7. Embun Tepung
Gejala:
Daun muda berwarna hitam, lemas, keriput, dan seperti berlendir. Di bawah permukaan daun terdapat bercak-bercak bundar berwarna putih seperti tepung halus yang terdiri dari benang-benang hifa dan spora jamur. Pada serangan lebih lanjut, daun dan tangkainya akan gugur sehingga dipermukaan tanah banyak dijumpai daun-daun yang berguguran.
Penyebab:
berwarna putih yang merupakan tempat menghasilkan spora. Penularan penyakit ini melalui spora yang diterbangkan oleh angin atau embun, dapat mencapai jarak yang jauh.
8. Penyakit Daun Collectotrichum
Gejala:
Daun muda tampak lemas berwarna hitam, keriput, bagian ujungnya mati dan menggulung, dan akhirnya gugur. Daun tua tampak bercak cokelat atau hitam kemudian menjadi lubang, mengeriput, dan sebagian ujungnya mati. Pucuk, ranting, dan buah menampakkan gejala seperti pada daun.
Penyebab:
Penyebabnya adalah cendawan Colletorichum gloeosporoides. Sporanya banyak dihasilkan pada bercak-bercak daun dalam keadaan cuaca lembap atau hujan. Benang-benang hifa jamur kurang jelas terlihat dengan mata telanjang. Penularan penyakit ini terjadi melalui spora yang diterbangkan oleh angin atau akibat hujan. Penyebaran spora biasanya terjadi pada malam hari, pada saat cuaca lembap, atau pada saat hujan.
`
9. Penyakit Daun Phytophthora
Gejala:
Gejala awal tampak pada buah yang berwarna hitam dan membusuk. Dari buah, serangan akan menular hingga ke daun dan tangkainya sehingga dalam beberapa minggu kemudian daun dan tangkainya gugur. Daun yang gugur masih tetap berwarna hijau, sepanjang tangkainya terdapat bercak-bercak berwarna hitam dan gumpalan lateks.
Penyebab:
10. Penyakit Akar Cokelat
Gejala:
Jika akar tanaman yang sakit dibuka, terlihat permukaan akar-akar terutama akar tunggangnya sangat kasar karena diliputi oleh kerak yang terdiri atas butir-butir tanah yang melekat sangat erat. Kayu dari akar yang sakit mula-mula berwarna cokelat yang terdiri atas miselium jamur. Kayu busuk, kering, ringan, dan rapuh, sehingga dapat dihancurkan dengan jari. Di dalamnya terdapat selaput jamur yang membentuk struktur seperti sarang lebah madu. Pada tingkat penyakit yang telah lanjut jamur membentuk benang-benang berwarna cokelat pada permukaan kayu di bawah kulit akar.
Penyebab:
Penyebab akar cokelat disebabkan oleh jamur yang disebut jamur akar cokelat, dengan nama ilmiah Phellinus noxius (Corner) G.H Cunn., yang sampai sekarang masih banyak disebut sebagai Fomes noxius Corner.
11. Penyakit Leher Akar
Gejala:
Penyakit terutama timbul pada leher akar dan pangkal batang. Kulit bagian yang sakit (sepanjang 0,5-1 m) meneteskan lateks terus menerus, akhirnya mati dan mengelupas. Pada bagian yang sakit sering terbentuk banyak tubuh buah jamur. Kayu akar yang sakit busuk dan kering, berwarna cokelat muda, lunak, dan mudah dihancurkan dengan jari.
Penyebab:
Penyebab penyakit ini disebut jamur leher akar, atau Ustulina deusta (Hoffm, ex Fr.) Lind, yang dahulu disebut juga sebagai U. Vulgaris Tull., U. Zonata (Lev.) Sacc., dan Sphaeria deusta Hoffm.
Gejala:
Akar yang sakit berwarna lembayung (violet) tua dan berbau asam mentega. Bau yang tidak enak ini terjadi karena akar membusuk dalam lingkungan anaerob. Di antara kulit dan kayu terdapat rizomorf jamur seperti pita, mula-mula berwarna cokelat kemerahan, kelak berwarna lembayung tua sampai hitam, dengan ujung berwarna putih.
Penyebab:
Penyakit ini disebabkan oleh jamur akar berbau, dengan nama ilmiah Sphaerostilbe repens B. et Br. Seperti yang sudah diuraikan pada gejala penyakit, jamur membentuk rizomorf di antara kulit dan kayu.
13. Penyakit Akar Hitam
Gejala:
Pada akar-akar yang sakit terdapat benang-benang tipis, agak datar, hitam suram, mengikuti arah panjang akar. Di sana-sini jamur mengadakan percabangan seperti jala. Jika telah lanjut, jamur membentuk selaput atau bercak-bercak hitam suram.
Penyebab:
Penyakit disebabkan oleh jamur Xylaria thwaitesii Cke. Jamur jarang membentuk tubuh buah. Kalau dibentuk, tubuh buah terdapat pada tunggul-tunggul mati atau pada leher akar pohon yang sakit.
14. Busuk Helicobasidium
Gejala:
pangkal batang, berwarna cokelat kemerahan sampai cokelat ungu. Dalam keadaan yang lembab berwarnanya lebih tua, yaitu cokelat tua sampai hitam.
Penyebab:
Penyakit ini disebabkan oleh jamur Helicobasidium compactum Boedijn. Jika tubuh buah dipotong, tampak bahwa tubuh buah terdiri atas hifa yang teranyam agak kendor (lepas). Sering mempunyai lapisan tipis yang padat.
15. Brown Bast (Kering Alur Sadap)
Gejala:
Gejala awal ditandai dengan tidak mengalirnya lateks dari sebagian alur sadap. Beberapa minggu kemudian, seluruh alur sadap menjadi kering dan tidak mengeluarkan lateks. Bagian yang kering berubah warna menjadi cokelat karena pada bagian ini terbentuk gum (blendok). Kulit tampak pecah-pecah, dan pada batang terjadi pembengkakan atau tonjolan. Kekeringan kulit ini akan meluas hingga ke kulit lain yang seumur.
Penyebab:
Penyakit ini disebabkan karena penyadapan yang terlalu sering, apalagi jika disertai dengan penggunaan bahan perangsang lateks ethephon (ethrel). Tanaman yang tumbuhnya terlalu subur, yang bersal dari biji, dan yang sedang membentuk daun baru sering terangsang penyakit ini.
16. Nekrosis Kulit
Gejala:
bercak-bercak yang warnaya agak gelap. Jika bercak dikorek, terlihat bahwa kulit dalam mati setempat-setempat, dengan ukuran 2-5 cm.
Penyebab:
Penyakit ini disebabkan oleh jamur Fusarium sp. Infek oleh Fusaruim terjadi pada pohon-pohon yang lemah sebagai akibat interaksi antara sifat klon, sistem sadap, dan keadaan cuaca setempat.
17. Bercak Daun Dreschlera
Gejala:
Gejala yang tampak pada penyakit ini adalah bercak-bercak bulat, bergaris tengah 1-3 mm, dengan pusat yang tembus cahaya dan tepi cokelat sempit yang jelas. Pada daun muda tidak terjadi bercak daun dengan batas yang jelas. Tepi atau seluruh permukaan daun menjadi hitam dan keriput.
Penyebab:
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis yang akan dilakukan dalam penelitian ini terbagi dalam beberapa tahap yakni analisis sistem manual, analisis permasalahan dan analisis kebutuhan sistem pakar. Berikut akan dijelaskan masing-masing analisis tersebut.
3.1.1 Analisis Sistem Manual
Untuk mendiagnosa suatu penyakit perlu diketahui terlebih dahulu gejala-gejala yang ditimbulkan. Dari gejala-gejala tersebut petani dapat menyimpulkan penyakit yang diderita oleh tanaman. Tetapi ada kalanya diperlukan pemeriksaan lebih lanjut untuk mengetahui penyakit-penyakit lain yang diderita oleh tanaman karet.
3.1.2 Analisis Permasalahan
Untuk melakukan diagnosis penyakit tanaman karet diperlukan data gejala-gejala penyakit tanaman karet. Gejala-gejala penyakit tanaman karet dapat diketahui melalui pemeriksaan fisik pada tanaman karet. Cara pemeriksaan lanjutan dapat menghasilkan diagnosis yang sangat akurat. Namun, cara ini sering diabaikan oleh masyarakat Karen memerlukan biaya lebih. Selain itu, hasil diagnosis yang belum tentu benar, memebuat masyarakat enggan membuang uang untuk melakukan pemeriksaan lanjutan ini.
Untuk itu dalam penelitian ini, penulis akan membuat suatu sistem pakar yang dapat mempresentasikan pengetahuan sistem pakar dalam mendiagnosis penyakit kulit dengan cara melihat gejal-gejala fisik pada tanaman karet. Serta memberikan pengetahuan bagaimana cara menangani penyakit tanaman karet tersebut. Metode yang digunakan pada sistem untuk menelusuri gejala demi gejala hingga dicapainya hasil diagnosis adalah metode forward chaining atau perunutan maju.
kotak yang berada di sisi kanan merupakan masalah utamanya, sedangkan di bagian tulangnya merupakan penyebab.
Gambar 3.1 Diagram Ishikawa Untuk Analisis Masalah
3.1.3 Analisis Persyaratan
Tujuan analisis ini adalah untuk menentukan kebutuhan-kebutuhan yang diperlukan dalam sebuah sistem pakar. Analisis fungsional sistem ada 2 yaitu;
1. Fungsional pada sistem
Yaitu fungsi-fungsi atau layanan untuk menunjang fungsionalitas dan utilitas sistem. Berikut ini merupakan functional sistem pada aplikasi sistem pakar. a. Data berupa gejala-gejala yang ada pada tanaman dari hasil jawaban
pertanyaan yang diberikan sistem. b. Meminta menceklist gejala yang ada.
c. Melakukan managemen sistem berupa proses tambah, edit, dan hapus untuk gejala dan penyakit.
d. Data keluaran sistem berupa diagnosa kemungkinan penyakit
Kerugian diderita petani
2. Non-fungsional pada sistem
Merupakan fitur-fitur lain yang bukan fungsi atau layanan untuk menunjang fungsionalitas dan utilitas sistem. Berikut ini merupakan tabel non-funtional sistem pada sistem pakar ini.
Tabel 3.1 Tabel Requirment pada sistem
Parameter Keterangan
Reliability Sistem ini dapat menentukan jenis penyakit tanaman karet dan menampilkan hasilnya.
Simplicity Sistem ini merupakan aplikasi yang dapat diakses semua perangkat smartphone.
Response Time Waktu yang diperlukan user untuk memperoleh hasil dari sistem tidak terlalu lama. User langsung mendapatkan hasilnya setelah menjawab semua pertanyaan yang diberikan sistem.
Security Keamanan sistem ini cukup baik. User harus login untuk mengubah data diagnosis dan data gejala penyakit.
Efficiency Dengan adanya sistem ini user tidak perlu lagi berkonsultasi ke pakar sehingga dapat menghemat biaya dan waktu.
Perfomance Kinerja pada sistem ini sudah berjalan dengan baik, hal ini ditandai dengan uji coba yang dilakukan pada sistem berjalan sesuai dengan hasil yang diinginkan.
3.2 Pemodelan Sistem
3.2.1 Perancangan Mesin Inferensi
Diagnosis adalah suatu proses untuk menentukan penyakit yang diderita pasien berdasarkan data-data yang diberikan oleh user. Mesin inferensi forward chaining yang digunakan dalam sistem ini bertujuan untuk mendiagnosis suatu penyakit tanaman karet dan memberikan cara penanganannya berdasarkan gejala-gejala dan nilai kepercayaan yang di-input oleh user. Penelusuran dengan forward chaining dapat dilihat pada flowchart di bawah ini:
Gambar 3.2 Flowchart Penelusuran Penyakit Mulai
Nama Gejala
For I = 1 to jumlah inputan gejala do
If nama penyakit=true and gejala=true then
Cari Solusi
Hasil
Ulang
Selesai Y
T
If solusi ditemukan then
Y
T
T
3.2.2 Perancangan Representasi Pengetahuan
Untuk mendukung penalaran dalam mendiagnosis penyakit tanaman karet, maka berikut adalah perancangan untuk mengkodekan pengetahuan yang diperoleh dari pakar.
3.2.2.1 Data Dasar
Dalam sistem pakar untuk mendiagnosis penyakit tanaman karet ini, pengguna diminta memasukkan beberapa data dasar sebagai acuan dalam operasional sistem. Jenis data dasar yang diperlukan dalam sistem pakar ini adalah sebagai berikut:
1. Gejala, berisi data-data gejala yang menjadi dasar diagnosis suatu penyakit. 2. Penyakit tanaman karet, berisi data-data penyakit yang diderita oleh tanaman
karet.
3.2.2.2 Aturan Diagnosis
Data-data dasar tersebut digunakan dalam operasional konsultasi dan sebagai bahan untuk mempresentasikan pengetahuan. Dalam sistem pakar ini, mempresentasikan pengetahuan dengan menggunakan kaidah produksi.
Aturan-aturan diagnosis berikut ini bersumber dari pakar yaitu, Pakar dalam bidang penyakit tanaman karet yang, Sutiar, SP. Pakar akan memasukkan pengetahuan yang dimilikinya ke format yang telah disediakan. Dalam sistem ini telah memiliki 17 aturan diagnosis, yang nantinya masih bisa ditambahkan oleh pakar. Seperti penyakit tanaman jamur akar putih yang bernilai 0.77, didapat berdasarkan perhitungan nilai MB dan MD. Untuk nilai gejala nilai MB dan MD yaitu;
a. Daun-daun pucat kuning dengan tepi ujungnya terlipat ke dalam MB = 0.7, MD = 0.1
b. Daun-daun gugur MB = 0.7, MD = 0 c. Ujung rantingny mati
MB = 0.7, MD = 0.1
d. Pada akar terdapat benang-benang jamur putih dan agak tebal MB = 0.5, MD = 0.2
Daftar aturan diagnosis pada sistem ini ditunjukkan pada tabel berikut ini:
Tabel 3.2 Daftar Aturan Diagnosis No Aturan
1 JIKA Daun-daun pucat kuning dengan tepi ujungnya terlipat ke dalam DAN Daun-daun gugur
DAN Ujung rantingnya mati
DAN Pada akar terdapat benang-benang jamur putih dan agak tebal DAN Akar tanaman membusuk, lunak, dan berwarna cokelat MAKA Penyakit Jamur Akar Putih, CF= 0.77
2 JIKA Warna daun pucat suram kemudian menguning DAN Daun-daun gugur
DAN Akar diselimuti benang-benang jamur berwarna merah muda sampai tua DAN Akar tanaman yang sakit membusuk dan berwarna jingga kehitamana MAKA Penyakit Akar Merah, CF= 0.75
3 JIKA Pada pangkal atau bagian atas percabangan tampak benang-benang berwarna putih seperti sutera
DAN Mengeluarkan cairan lateks berwana cokelat kehitaman di permukaan batang
DAN Kulit tanaman membusuk, mengering, dan terkelupas DAN Bagian kayu di bawah kulit menjadi rudak dan menghitam MAKA Jamur Upas, CF= 0.74
4 JIKA Kulit batang dikerok, kulit berwarna cokelat kemerahan dengan bercak-bercak besar yang meluas ke samping, kambium, dan bagian kayu
DAN Keluar cairan lateks berwarna cokelat kemerahan berbau busuk DAN Kulit batang pecah dan terbuka
MAKA Kanker Bercak, CF= 0.73
5 JIKA Adanya selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap
DAN Bila dikerok atau diiris, di bawah kulit di atas irisan sadap akan tampak garis-garis tegak berwarna cokelat atau hitam
MAKA Kanker Garis, CF= 0.83
sadap
DAN Terdapat lapisan seperti beledu berwarna sejajar alur sadap
DAN Bila dikerok, akan tampak bintik-bintik berwarna cokelat atau hitam DAN Bagian yang sakit tampak membusuk dan berwarna hitam kecoklatan MAKA Mouldy Rot,CF= 0.74
7 JIKA Daun muda berwarna hitam, lemas, keriput dan seperti berlendir
DAN Dibawah permukaan daun terdapat bercak-bercak bundar berwarna putih seperti tepung halus yang terdiri dari benang-benang hifa dan spora jamur DAN Daun dan tangkainya gugur sehingga dipermukaan tanah banyak dijumpai daun-daun berguguran
MAKA Embun Tepung, CF= 0.82
8 JIKA Daun muda tampak lemas berwarna hitam, keriput, bagian ujungnya mati dan menggulung
DAN Daun tua tampak bercak cokelat atau hitam kemudian menjadi lubang, mengeriput, dan sebagian ujungnya mati.
DAN Pucuk, ranting, dan buah menampakkan gejala seperti daun MAKA Penyakit Daun Collectotrichum, CF= 0.73
9 JIKA Buah berwarna hitam dan membusuk DAN Daun dan tangkainya gugur
DAN Daun yang gugur masih berwarna hijau
DAN Sepanjang tangkai terdapat bercak-bercak berwarna hitam dan gumpalan lateks
MAKA Penyakit Daun Phytophthora,CF= 0.77
10 JIKA Akar tanaman dibuka terlihat pada permukaan akar-akar diliputi oleh kerak yang terdiri atas butir-butir tanah yang melekat sangat erat
DAN Kayu menjadi busuk, kering, ringan, dan rapuh
DAN Didalam kayu terdapat selaput jamur yang membentuk seperti sarang lebah
DAN Dipermukaan kayu dibawah permukaan kulit terdapat jamur yang membentuk seperti benang-benang berwarna cokelat
MAKA Penyakit Akar Cokelat, CF= 0.68
DAN Pada leher akar dan pangkal batang terdapat banyak tubuh buah jamur DAN Kayu akar membusuk, mengering, dan berwarna cokelat muda
MAKA Penyakit Leher Akar, CF= 0.85
12 JIKA Akar berwarna ungu tua dan berbau asam
DAN Diantara kulit dan kayu terdapat rizomorf jamur seperti pita
DAN Rizomorf jamur mula-mula berwarna cokelat kemerahan, kemudian berwarna ungu tua sampai hitam, dengan ujung berwarna putih
MAKA Penyakit Akar Berbau, CF= 0.83
13 JIKA Pada akar terdapat benang tipis, agak datar, hitam mengikuti arah panjang akar
DAN Terdapat jamur yang mengadakan percabangan seperti jala DAN Terdapat jamur yang membentuk selaput atau bercak-bercak hitam MAKA Penyakit Akar Hitam, CF= 0.62
14 JIKA Kulit yang terinfeksi membusuk, berwarna cokelattua DAN Terdapat pembususkan menggelang pada pangkal batang
DAN Terdapat jamur yang membentuk tubuh buah di sekeliling pangkal batang MAKA Busuk Helicobasidium, CF= 0.75
15 JIKA Tidak mengalirnya lateks dari sebagian alur sadap
DAN Seluruh alur sadap menjadi kering dan tidak mengeluarkan lateks DAN Kulit tampak pecah-pecah, dan pada batang terjadi pembengkakan atau tonjolan
MAKA Kering Alur Sadap, CF= 0.71
16 JIKA Pada permukaan kulit batang terlihat adanya bercak-bercak yang warnanya agak gelap
DAN Bila bercak dikorek, terlihat bahwa kulit dalam mati setempat-setempat dengan ukuran 2-5cm
MAKA Nekrosis Kulit, CF= 0.74
17 JIKA Pada daun terdapat bercak-bercak bulat, bergaris tengah 1-3mm, dengan pusat tembus cahaya dan tepi berwarna cokelat
3.2.3 Perancangan DFD (Data Flow Diagram)
Perancangan DFD dalam aplikasi system pakar ini menjelaskan aliran informasi dan transformasi data yang masuk maupun ke luar sistem baik dari/ke user aplikasi maupun dari/ke admin (pengontrol sistem). Perancangan DFD pada sistem ini dimulai dari diagram konteks (DFD Level 0), dilanjutkan dengan DFD level 1, hingga DFD level 2. Berikut penjelasan selengkapnya.
Berikut adalah rancangan DFD Level 0 (Diagram Konteks) system pakar untuk mendiagnosis penyakit tanaman karet.
Gambar 3.3 DFD Level 0 (Diagram Konteks)
Pada DFD Level 0 ini, pengguna konsultasi dengan memberikan input kepada sistem pakar berupa gejala-gejala penyakit tanaman karet, kemudian sistem akan memproses masukan pengguna. Sistem pakar akan memberikan output berupa data hasil diagnosis. Pada diagram ini juga digambarkan admin member masukan berupa data login dan system akan memberikan daftar data dasar dan daftar aturan. Admin juga dapat meng-update basis pengetahuan. Berikut adalah tabel DFD level 0.
Tabel 3.3 Spesifikasi DFD Level 0
Nama Input Keterangan Proses Output
P0 Gejala Sistem pakar akan memproses gejala-gejala yang di-input-kan oleh user dan akan menghasilkan
berupa data hasil diagnosis dan fasilitas cara penanganannya.
Hasil Diagnosis
Berikut adalah DFD level 1 setelah membuat DFD level 0. DFD level 1 adalah diagram yang terdiri dari suatu proses yang menggambarkan ruang lingkup sistem
secara lebih luas dan terperinci pengembangannya dari pada DFD level 0. Berikut adalah DFD level 1 dari aplikasi ini.
Gambar 3.4 DFD Level 1
Pada DFD level 1 ini, merupakan pengembangan dari DFD Level 0. Pada P1, user dapat melakukan konsultasi penyakit tanaman karet dan mendapatkan hasil diagnosa. Pada P2, pengguna sistem dapat memasukkan data hak askses untuk dapat melakukan akuisisi pengetahuan dan dapat meng-update data dasar. Pada data dasar terdapat informasi berupa data-data gejala yang menjadi dasar diagnosis suatu penyakit dan
berisi data-data penyakit tanaman karet. Pada P3, pengguna merupakan sebagai admin yang dapat meng-update data dasar dan pada P4, pengguna juga sebagai admin dapat melakukan akuisisi pengetahuan pada sistem. Berikut tabel spesifikasi DFD Level 1.
Tabel 3.4 Spesifikasi DFD Level 1
Nama Input Ket. Proses Output
P1 Data fakta dan gejala Proses ini user memasukkan fakta dan gejala yang ditemukan di lapangan
Hasil diagnosis
P2 Konfirmasi Login Proses dimana user dapat berperan sebagai admin dengan memasukkan
hak akses
Data login
P3 Update Data Dasar Proses ini admin meng-update data dasar ke database
Update data
P4 Akuisisi Pengetahuan Proses ini admin meng-update data aturan aturan diagnosis
Update data
Berikutnya adalah DFD level 2, yang merupakan diagram yang terdiri dari suatu proses yang menggambarkan ruang lingkup proses secara lebih terperinci dan merupakan pengembangan dari DFD level 1. Berikut merupakan gambaran DFD level 2 pada aplikasi ini.
Gambar 3.5 DFD Level 2 Proses Analisis Diagnosis
