Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami

(1)

SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI

DAYA PEMBESARAN IKAN GURAMI

SUCI HITMAWATI

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(2)

(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Januari 2014

(4)

(5)

(6)

ii

ABSTRAK

SUCI HITMAWATI. Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami. Dibimbing oleh TOTO HARYANTO dan IRZAL EFFENDI.

Pembesaran merupakan segmen akhir dalam budi daya ikan gurami yang hasilnya berupa ikan ukuran konsumsi dengan berat badannya minimal 500 g/ekor. Penelitian ini mengembangkan suatu sistem pakar yang dirancang untuk merekam dan menggunakan ilmu pengetahuan, pengalaman, dan keahlian dari tenaga ahli yang memiliki disiplin ilmu pada bidang perikanan budi daya untuk menetukan kelayakan usaha budi daya pembesaran ikan gurami sesuai dengan aspek teknis, aspek hukum, aspek sosial budaya, dan aspek finansial. Metode inferensi yang digunakan adalah metode Fuzzy Inference System (FIS) Tsukamoto dengan fungsi keanggotaan menggunakan kurva trapesium. Metode defuzzifikasi yang digunakan adalah rata-rata berbobot. Tujuh parameter aspek teknis yaitu suhu, amoniak (NH3), disolved oxygen (DO), alkalinitas, puissance negative de H

(pH), kedalaman air, dan ketinggian bersifat fuzzy dan diperoleh 11 aturan yang ditentukan oleh pakar untuk menghasilkan output analisis kelayakan usaha. Sistem pakar yang dibangun sudah mampu menganalisis kelayakan usaha budi daya pembesaran ikan gurami dan sudah mendekati kemampuan pakar.

Kata kunci : fuzzy inference system (FIS), kelayakan usaha, pembesaran.

ABSTRACT

SUCI HITMAWATI. Expert System to Determine the Feasibility of Gouramy Growth-out Culture. Supervised by TOTO HARYANTO and IRZAL EFFENDI.

Growth-out is the final segment in gouramy culture which results in consumption-sized gouramy with a minimum weight of 500 g/fish. This research develops an expert system designed to record and use the knowledge, experience, and expertise of aquaculturist to determine the feasibility of gouramy growth-out culture in accordance with technical, legal, social, cultural, and financial aspects. The utilized inference method is Tsukamoto Fuzzy Inference System (FIS) with trapezoid curve. Meanwhile, weighted average is used as the defuzzification method. Seven parameters, namely technical temperature, ammonia (NH3),

disolved oxygen (DO), alkalinity, puissance negative de H (pH), water depth, and height are the fuzzy parameters which are then processed with 11 rules defined by expert to analyze the result of the qualification. This expert system is able to analyze the feasibility of gouramy growth-out culture and already approaching the capability of expert.

(7)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer

pada

Departemen Ilmu Komputer

SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI

DAYA PEMBESARAN IKAN GURAMI

SUCI HITMAWATI

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(8)

iv

(9)

Judul Skripsi : Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami

Nama : Suci Hitmawati NIM : G64114023

Disetujui oleh

Toto Haryanto, SKom MSi Pembimbing I

Ir Irzal Effendi, MSi Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom Ketua Departemen Ilmu Komputer

(10)

(11)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wata’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Juli 2013 ini ialah Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami.

Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :

1 Bapak Toto Haryanto, SKom MSi dan Bapak Ir Irzal Effendi, MSi selaku dosen pembimbing atas bantuan, nasihat, kritik, dan saran serta ketersediaan waktunya untuk penulis selama penelitian ini berlangsung hingga selesai. 2 Ibu Dr Yeni Herdiyeni, Ssi MKom selaku dosen penguji yang telah

memberikan arahan dan saran.

3 Ayahanda tercinta Mawin dan Ibunda tercinta Hidayati, Spd, atas segala doa, kasih sayang, dan dukungan baik spiritual maupun moral.

4 Kakak-kakak tercinta Mila Afrianti, Robi Satria, dan Dian Wahyuni serta keponakan tersayang Muhammad Rhaziq dan Fakhira Aulia Ramadhani atas segala dukungan dan semangatnya.

5 Sahabat-sahabat terbaik Selvya Rossalina, Nurul Arifin Subandi, Megga Dara N, Fitria ramadhani, Nella Nevannita dan Arina Pramudita atas segala semangat, persahabatan, dan kebersamaannya.

6 Teman-teman seperjuangan di Alih Jenis Ilmu Komputer Institut Pertanian Bogor Angkatan 6 atas kebersamaannya.

7 Semua pihak yang telah membantu, sehingga karya ilmiah ini dapat diselesaikan dengan baik.

Semoga karya ilmiah ini bermanfaat.

(12)

vii

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar belakang 1

Tujuan Penelitian 3

Ruang Lingkup Penelitian 3

METODE 4

Identifikasi Masalah 4

Akuisisi Pengetahuan 4

Representasi Pengetahuan 5

Pengembangan Mesin Inferensi 5

Implementasi Pengembangan 5

Pengujian 6

HASIL DAN PEMBAHASAN 6

Akuisisi Pengetahuan 6

Representasi pengetahuan 6

Pengembangan Mesin Inferensi 6

Implementasi 17

Pengujian 19

SIMPULAN DAN SARAN 21

Simpulan 21

Saran 21

DAFTAR PUSTAKA 21

(13)

DAFTAR TABEL

1 Parameter aspek hukum 4

2 Parameter aspek sosial budaya 4

3 Parameter aspek teknis 5

4 Parameter aspek finansial 5

5 Pengujian dengan pakar 7

6 Variabel aspek teknis 8

7 Himpunan fuzzy dan domain parameter suhu 8

8 Himpunan fuzzy dan domain parameter NH3 9

9 Himpunan fuzzy dan domain parameter DO 10

10 Himpunan fuzzy dan domain parameter alkalinitas 11

11 Himpunan fuzzy dan domain parameter pH 11

12 Himpunan fuzzy dan domain parameter kedalaman air 12 13 Himpunan fuzzy dan domain parameter ketinggian 13

14 Aturan aspek hukum 15

15 Aturan aspek sosial budaya 15

16 Aturan keseluruhan dari setiap aspek 16

DAFTAR GAMBAR

1 Tahapan sistem pakar (Marimin 2005) 4

2 Metode pengembangan sistem pakar berbasis FIS (Marimin 2002) 5

3 Fungsi keanggotaan suhu 8

4 Fungsi keanggotaan NH3 9

5 Fungsi keanggotaan DO 10

6 Fungsi keanggotaan alkalinitas 11

7 Fungsi keanggotaan pH 12

8 Fungsi keanggotaan kedalaman air 12

9 Fungsi keanggotaan ketinggian 13

10 Fungsi keanggotaan output analisa usaha 14

11 Menu pada sistem 17

12 Form aspek hukum 17

13 Form aspek teknis 17

14 Form aspek finansial. 18

15 Perhitungan kelayakan aspek finansial 18

16 Form aspek sosial budaya 19

17 Tampilan hasil analisis keseluruhan aspek 19

18 Hasil data uji sistem 19

19 Fungsi keanggotaan output 20

DAFTAR LAMPIRAN

1 Aturan aspek teknis 23

(14)

PENDAHULUAN

Latar belakang

Osphronemus gouramy termasuk salah satu komoditas perikanan yang memiliki nilai ekonomis tinggi. Permintaannya di pasaran cukup tinggi dan belum sepenuhnya mampu dipenuhi oleh para pembudidaya. Salah satu penyebabnya adalah masih terbatasnya pengetahuan mengenai teknik pengolahan budi daya gurami sehingga yang mengusahakan masih terbatas (Saparinto 2008). Terdapat tiga tahap usaha budi daya yang bisa dilakukan oleh pengusaha gurami. Tahap tersebut meliputi pembenihan, pendederan, dan pembesaran. Pembenihan merupakan kegiatan pemijahan induk gurami jantan dan betina hingga bertelur. Benih gurami mulai dapat dialihkan ke tahap pendederan saat larva berumur 1-12 hari. Pendederan dilakukan setelah benih berumur 10-12 hari hingga panjang tubuhnya mencapai 16 cm. Pembesaran merupakan segmen akhir dalam budi daya ikan gurami. Pembesaran dilakukan sejak panjang tubuh gurami mencapai 16 cm hingga berat badannya minimal 500 g/ekor (Saparinto 2008).

Pembesaran merupakan segmentasi yang menjanjikan selain pembenihan. Hasil budidayanya berupa ikan konsumsi. Mengkonsumsi ikan dinilai dapat meningkatkan tingkat kecerdasan masyarakat. Oleh karena itu, pemerintah sangat menganjurkan masyarakat mengkonsumsi ikan baik ikan tawar maupun ikan laut. Pemerintah melalui Kementerian Kelautan dan Perikanan telah mencanangkan meningkatkan konsumsi ikan nasional melalui Gerakan Makan Ikan Nasional (Gemarikan) sebagai upaya meningkatkan kecerdasan masyarakat. Sehingga budi daya pembesaran penting dilakukan guna menghasilkan ikan konsumsi yang berguna bagi kecerdasan anak bangsa. Usaha pembesaran ikan gurami menyimpan potensi yang cukup besar untuk dikembangkan, namun pengelolaan kegiatan usaha tersebut memiliki beberapa permasalahan. Permasalahan yang dihadapi oleh pembudidaya ikan berkaitan dengan aspek teknis dan aspek finansial. Permasalahan yang berkaitan dengan aspek teknis budi daya yaitu masih menerapkan teknologi perikanan yang tradisional, sehingga penggunaan input maupun output diduga belum optimal. Permasalahan yang berkaitan dengan aspek finansial antara lain harga jual ikan, manajemen usaha serta keuntungan yang diperoleh pembudidaya ikan belum maksimal.

Berdasarkan data yang diperoleh dari Dinas Perternakan dan Perikanan Kabupaten Bogor (DPPKB 2011), untuk wilayah Bogor produksi ikan konsumsi terus naik tiap tahunnya sehingga mencapai angka terbesar pada tahun 2013 sebesar 88 597/ton. Terlihat minat masyarakat dari tahun ke tahun terhadap ikan gurami semakin meningkat. Harga ikan gurami konsumsi jauh lebih tinggi dibandingkan dengan ikan air tawar lainnya. Saat ini harga ikan gurami mencapai Rp 35 125/ekor. Hal ini tentu saja menarik minat para investor atau pelaku usaha untuk membuka usaha budi daya pembesaran ikan gurami.

(15)

perhitungan kelayakan usaha dengan baik. Studi kelayakan usaha juga dilakukan guna menghindari kerugian yang bisa ditimbulkan di masa yang akan datang. Analisis kelayakan usaha merupakan pemeriksaan keuangan untuk mengetahui keberhasilan yang telah dicapai selama usaha perikanan berlangsung. Studi kelayakan digunakan untuk mengetahui layak atau tidaknya suatu bisnis untuk dikembangkan. Sebelum bisnis baru dikembangkan, harus diadakan penelitian apakah bisnis yang akan dikembangkan menguntungkan atau tidak. Bila menguntungkan, apakah keuntungan tersebut memadai dan dapat diperoleh secara terus menerus dan dalam waktu yang lama. Secara teknis mungkin saja usaha tersebut layak dilakukan, tetapi secara ekonomis dan sosial, kemungkinan kurang memberikan manfaat.

Selama ini proses menentukan kelayakan usaha pembesaran ikan gurami dilakukan secara manual dan cukup sulit karena variabelnya beragam sehingga prosesnya memerlukan waktu yang lama. Selain itu, ada beberapa pembudidaya yang tidak mengerti tentang studi kelayakan usaha sehingga memilih terjun langsung tanpa melakukan studi kelayakan usaha terlebih dahulu. Penelitian sebelumnya, Efrina (2011) melakukan analisis kelayakan investasi pengusahaan ikan gurami yang hasilnya menunjukkan bahwa usaha pembesaran ikan gurami di perusahaan tersebut layak untuk dikembangkan, akan tetapi proses analisis data memerlukan waktu yang cukup lama yaitu sekitar 3 bulan. Hal ini terjadi karena sebelum memulai usaha pembesaran ikan gurami banyak aspek yang harus diperhatikan diantaranya aspek sosial budaya, aspek hukum, aspek teknis, dan aspek finansial. Lokasi tempat yang akan dijadikan tempat usaha harus ditinjau apakah lokasi yang memadai untuk dibangun sebuah usaha pembesaran ikan gurami. Selain itu, aspek teknis juga harus diperhatikan dengan cara pengukuran kualitas air yang nantinya akan mempengaruhi tingkat kehidupan ikan gurami. Untuk mempelajari kelayakan semua aspek tentunya memerlukan waktu yang lama dikarenakan harus mencari informasi sebanyak mungkin dari semua sumber yang memang sudah ahli dan berpengalaman melakukan usaha pembesaran ikan gurami, sehingga memperoleh kelayakan usaha yang optimal. Pengetahuan dari pakar yang berpengalaman akan membantu mempercepat proses penentuan sebuah usaha yang akan dikembangkan layak atau tidak.

(16)

3

penelitian tersebut dapat diambil kesimpulan bahwa logika fuzzy mampu menyelesaikan ketidakpastian dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

Dalam membangun sistem fuzzy ada tiga penalaran inferensi yang dapat digunakan diantaranya penalaran Mamdani, penalaran Sugeno dan penalaran Tsukamoto. Penalaran Mamdani menggunakan fungsi implikasi MIN dan komposisi antar rule menggunakan fungsi agregasi MAX sehingga untuk menghasilkan output tunggal diperlukan proses agregasi yang cukup sulit karena harus menghitung luas daerah di bawah kurva. Penalaran Sugeno sebenarnya hampir mirip dengan penalaran Mamdani, hanya saja output yang dihasilkan tidak berupa himpunan fuzzy melainkan berupa konstanta. Penalaran Sugeno memperbaiki kelemahan penalaran Mamdani dengan menambah perhitungan matematika sederhana sebagai bagian dari THEN. Tetapi penalaran Sugeno tidak dapat menyelesaikan semua jenis permasalahan dan ketidakpastiaan dari sistem fuzzy dan belum dapat merepresentasikan permasalahan secara baik. Oleh karena itu, muncul penalaran Tsukamoto yang merepresentasikan penalaran Sugeno yang sederhana tetapi output yang dihasilkan berupa himpunan fuzzy, sehingga tetap mengakomodasi penalaran Mamdani. Fuzzy Tsukamoto merupakan salah satu metode yang sangat fleksibel dan memiliki toleransi pada data yang ada. Pada metode Tsukamoto, setiap konsekuen pada aturan berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Hasil akhirnya diperoleh dengan menggunakan rata-rata berbobot. Maka penelitian ini memilih metode Tsukamoto dalam pengambilan keputusan penentuan kelayakan usaha budi daya pembesaran ikan gurami.

Tujuan Penelitian

Penelitian ini bertujuan:

1 Merumuskan fakta dan pengetahuan dalam menentukan usaha kelayakan budi daya pembesaran ikan gurami.

2 Membangun sistem pakar untuk menentukan kelayakan usaha pembesaran ikan gurami menggunakan metode Fuzzy Inference System (FIS).

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini meliputi:

1 Data yang digunakan berasal dari pakar yaitu Bapak Ir Irzal Effendi, MSi dari Fakultas Perikanan Departemen Budidaya Perikanan Institut Pertanian Bogor, informasi dari Bapak Ir H M Sulhi, kepala Bagian Teknis Balai Budidaya Perikanan Air Tawar Sempur, Bogor, Bapak H.R Suryadi pengelola Pusat Pelatihan Mandiri Kelautan dan Perikanan (P2 MKP) desa Pabuaran Kemang Bogor.

2 Variabel yang digunakan diantaranya ditinjau dari aspek teknis, aspek hukum, aspek sosial budaya, dan aspek finansial.

(17)

METODE

Penelitian ini mengacu pada tahap pembangunan sistem pakar dalam Marimin (2005). Skema tahapan ini dapat dilihat pada Gambar 1.

Gambar 1 Tahapan sistem pakar (Marimin 2005) Identifikasi Masalah

Menurut Maguire (1988) dalam Marimin (2005) pada tahap identifikasi masalah perlu dipertimbangkan hal seperti jenis penerapan baru untuk pemakai umum dan sistem perorangan, pengembangan sistem pakar yang sesuai dengan model pengetahuan pakar, desain yang erat kaitannya dengan versi data sistem pakar yang akan dikembangkan, dan keterpaduan sistem dengan lingkungan produksi yang dimiliki pengguna.

Akuisisi Pengetahuan

Akuisisi pengetahuan digunakan sebagai alat untuk mendapatkan pengetahuan, fakta, dan aturan yang diperlukan oleh sistem. Pengetahuan dari pakar dapat diperoleh melalui wawancara dan telaah pustaka.

Berdasarkan proses akuisisi yang telah dilakukan didapatkan 4 aspek yang dapat menentukan kelayakan usaha pembesaran ikan gurami di antaranya aspek hukum pada Tabel 1, sosial budaya pada Tabel 2, teknis pada Tabel 3, dan finansial dapat dilihat pada Tabel 4.

Tabel 1 Parameter aspek hukum

No Parameter Input Satuan Nilai

1 Bentuk badan usaha Usaha mandiri, Badan pemerintahan 2 Izin usaha Ada surat izin, Tidak ada surat izin

Tabel 2 Parameter aspek sosial budaya

1 Manfaat terhadap masyarakat Ada, Tidak ada

(18)

5

Tabel 3 Parameter aspek teknis

1 Suhu C

Tabel 4 Parameter aspek finansial

1 Biaya Investasi Rupiah

2 Biaya Operational Rupiah

3 Tingkat Kehidupan %

Pengetahuan yang diperoleh dari proses akuisisi kemudian direpresentasikan untuk membentuk basis pengetahuan. Basis pengetahuan terdiri atas pengetahuan yang dimaksud dan spesifikasi dari pokok persoalan yang akan diselesaikan (Marimin 2005).

Pengembangan Mesin Inferensi

Metode inferensi yang digunakan adalah metode FIS Tsukamoto. Prosesnya terlihat pada Gambar 2. Setiap masukan dari pengguna dihitung nilai keanggotaannya sesuai dengan fungsi keanggotaan yang digunakan. Nilai keanggotaan yang diperoleh kemudian digunakan untuk mengevaluasi rules yang ada pada basis pengetahuan. Hasil evaluasi rules yang telah diagregasi kemudian didefuzzifikasi sehingga diperoleh kesimpulan.

Gambar 2 Metode pengembangan sistem pakar berbasis FIS (Marimin 2002) Implementasi Pengembangan

Sistem ini dikembangkan dalam lingkungan XAMPP 1.7.2 dengan bahasa pemrograman PHP. Spesifikasi perangkat keras yang digunakan di tahap implementasi pengembangan sistem di antaranya menggunakan processor Intel Core 2 Duo 2.10 GHz, RAM 2.00 GB, dan harddisk kapasitas 320 GB. Sistem

Domain masalah

Pembuatan

aturan fuzzy Evaluasi

(19)

pakar ini dikembangkan berbasis web agar lebih mudah diakses dan dimanfaatkan oleh lebih banyak orang.

Pengujian

Pengujian sistem dilakukan untuk mengetahui apakah sistem sudah sesuai dengan kebutuhan pakar atau belum. Tahap pengujian dilakukan dengan uji coba program kepada pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan aplikasi, seperti kelengkapan, ketepatan dan konsistensi pengetahuan, serta kemudahan menggunakan aplikasi.

HASIL DAN PEMBAHASAN

Akuisisi Pengetahuan

Akuisisi pengetahuan dilakukan melalui wawancara langsung dengan pakar ditambah telaah pustaka. Selain dari pakar, data diperoleh dari beberapa informasi tambahan yang diperoleh dari buku, jurnal, dan makalah yang berhubungan dengan pengembangan sistem pakar serta informasi mengenai kelayakan usaha budi daya pembesaran ikan gurami. Proses validasi kemudian dilakukan untuk melihat kebenaran dari data yang diperoleh dari proses akuisisi pengetahuan. Tahapan proses validasi dapat dilihat pada Tabel 5.

Representasi pengetahuan

Proses penentuan sebuah usaha layak atau tidak dilakukan dimulai dari mengumpulkan fakta yang diperoleh dari hasil survey pada beberapa tempat budi daya pembesaran ikan gurami yang kemudian dianalisis dan digunakan untuk penentuan kesimpulan. Dari hasil survey ada beberapa parameter input yang bersifat fuzzy yaitu pada aspek teknis, sehingga digunakanlah FIS untuk memproses input tersebut. Metode FIS yang digunakan adalah metode Tsukamoto.

Pengembangan Mesin Inferensi

a) Domain Masalah

(20)

7

Tabel 5 Pengujian dengan pakar

Validasi Hasil Langkah selanjutnya

Tahap 1 aspek sosial budaya, yaitu : Dampak terhadap masyarakat  Penelitian kembali ke tahap

akuisisi pengetahuan. diujikan dapat dikatakan sudah mendekati keilmuan pakar.

(21)

Tabel 6 Variabel aspek teknis

No Parameter Input Satuan Nilai Fuzzy

1 Suhu C Fuzzy

2 NH3 Mg/lt Fuzzy

3 DO Ppm Fuzzy

4 Alkalinitas Mg/lt Fuzzy

5 pH Asam (< 7), normal (7), basa (> 7) Fuzzy

6 Kedalaman air M Fuzzy

7 Ketinggian m Dpl Fuzzy

Fungsi Keanggotaan

Fungsi keanggotaan yang akan digunakan untuk memberikan nilai pada himpunan fuzzy adalah kurva trapesium untuk input dan kurva segitiga untuk output. Adapun penjelasan lebih lengkap mengenai fungsi keanggotaan masing masing parameter adalah sebagai berikut.

Fungsi Keanggotaan Suhu

Parameter suhu memiliki tiga himpunan dengan domain masing masing himpunan yang dapat dilihat pada Tabel 7. Fungsi keanggotaan suhu direpresentasikan menggunakan kurva trapesium seperti pada Gambar 3.

Tabel 7 Himpunan fuzzy dan domain parameter suhu

Parameter Himpunan Fuzzy Domain

Suhu TidakOptimalBawah [0 0 20 23]

Optimal [20 25 30 35]

TidakOptimalAtas [32 35 50 50]

Gambar 3 Fungsi keanggotaan suhu

Dari kurva dirumuskan fungsi keanggotaan suhu sebagai berikut:

µTidakOptimalBawah (X)=

0; �< 0 � 23 1; 0 �< 20

23−�

(22)

9

µOptimal (X)=

0; �< 20 � 35

�−20

25−20; 20 �< 25

1; 25 �< 30

35−�

35−30; 30 �< 35

µTidakOptimalAtas (X) =

0; �< 32 � 50

�−32

35−32; 32 �< 35

1; 35 �< 50

Fungsi Keanggotaan Amoniak (NH3)

Parameter NH3 memiliki 2 himpunan fuzzy dengan domain masing masing

himpunan yang dapat dilihat pada Tabel 8. Fungsi keanggotaan NH3

direpresentasikan menggunakan kurva trapezium seperti ditunjukkan pada Gambar 4.

Tabel 8 Himpunan fuzzy dan domain parameter NH3

NH3 Optimal [0 0 0.09 0.6]

TidakOptimalBawah [0.3 0.6 5 5]

Gambar 4 Fungsi keanggotaan NH3

Dari kurva dirumuskan fungsi keanggotaan NH3 sebagai berikut:

µOptimal (X)=

0; � < 0 � 0.6 1; 0 �< 0.09

0.6−�

0.6−0.09; 0.09 �< 0.6

0; �< 0.3 � 5

�−0.3

0.6−0.3; 0.3 � < 0.6

(23)

Fungsi Keanggotaan DO

Parameter DO memiliki 3 himpunan fuzzy dengan domain masing masing himpunan yang dapat dilihat pada Tabel 9. Fungsi keanggotaan DO direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 5.

Tabel 9 Himpunan fuzzy dan domain parameter DO

DO TidakOptimalBawah [0 0 1 3]

Optimal [1 4 8 14]

Gambar 5 Fungsi keanggotaan DO

Dari kurva dirumuskan fungsi keanggotaan DO sebagai berikut:

µTidakOptimalBawah (X) =

0; �< 0 � 3 1; 0 �< 1

3−�

3−1; 1 �< 3

µOptimal (X)=

0; �< 1 � 11

�−1

4−1; 1 �< 4

1; 4 �< 8

14−�

14−8 ; 8 �< 14

µTidakOptimalAtas (X)=

0; �< 9 � 20

�−8

11−8; 9 � < 15

1; 15 �< 20

Fungsi Keanggotaan Alkalinitas

(24)

11

Tabel 10 Himpunan fuzzy dan domain parameter alkalinitas

Alkalinitas TidakOptimalBawah [0 0 4 30]

Optimal [4 50 200 401]

Gambar 6 Fungsi keanggotaan alkalinitas

Dari kurva dirumuskan fungsi keanggotaan alkalinitas sebagai berikut:

0; �< 0 � 30 1; 0 �< 4

30−�

30−4; 4 �< 30

µOptimal(X)=

0; �< 4 � 401

�−4

50−4 ; 4 �< 50

1; 50 �< 200

401−�

401−200 ; 200 � < 401

µTidakOptimalAtas(X)=

0; �< 250 � 600

�−250

401−250; 250 �< 401

1; 401 �< 600

Fungsi Keanggotaan pH

Parameter pH memiliki 3 himpunan fuzzy dengan domain masing masing himpunan yang dapat dilihat pada Tabel 11. Fungsi keanggotaan pH direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 7.

Tabel 11 Himpunan fuzzy dan domain parameter pH

pH TidakOptimalBawah [0 0 3 5]

Optimal [3 6.5 8 12]

(25)

Gambar 7 Fungsi keanggotaan pH

Dari kurva dirumuskan fungsi keanggotaan pH sebagai berikut:

0; �< 0 � 5 1; 0 �< 3

5−�

5−3 ; 3 �< 5

µOptimal (X)=

0; �< 3 � 12

�−3

6.5−3 ; 3 �< 6.5

1; 6.5 �< 8

12−�

12−8 ; 8 � < 12

0; � < 9 � 14

�−9

12−9; 9 �< 12

1; 12 �< 14

Fungsi Keanggotaan Kedalaman Air

Parameter kedalaman air memiliki 3 himpunan fuzzy dengan domain masing-masing himpunan yang dapat dilihat pada Tabel 12. Fungsi keanggotaan kedalaman air kolam direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 8.

Tabel 12 Himpunan fuzzy dan domain parameter kedalaman air

Kedalaman Air TidakOptimalBawah [0 0 0.5 0.7]

Optimal [0.5 0.8 1.2 2]

TidakOptimalAtas [1.5 3 4 4]

(26)

13

Dari kurva dirumuskan fungsi keanggotaan kedalaman air sebagai berikut:

0; �< 0 � 0.7 1; 0 �< 0.5

0.7−�

0.7−0.5; 0.5 �< 0.7

µOptimal (X)=

0; �< 0.5 � 3

�−0.5

0.8−0.5 ; 0.5 �< 0.8

1; 0.8 �< 1.2

2−�

2−1.2 ; 1.2 � < 2

0; �< 1.5 � 4

�−1.5

3−1.5; 1.5 �< 3

1; 3 �< 4

Fungsi Keanggotaan Ketinggian

Parameter ketinggian memiliki 3 himpunan fuzzy dengan domain masing-masing himpunan yang dapat dilihat pada Tabel 13. Fungsi keanggotaan ketinggian direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 9.

Tabel 13 Himpunan fuzzy dan domain parameter ketinggian

Ketinggian TidakOptimalBawah [0 0 4 10]

Optimal [6 20 300 600]

Gambar 9 Fungsi keanggotaan ketinggian

Dari kurva dirumuskan fungsi keanggotaan ketinggian sebagai berikut:

0; �< 0 � 10 1; 0 � < 4

10 −�

(27)

µOptimal (X)=

Untuk output analisis usaha awalnya ditentukan terlebih dahulu batasan nilai untuk masing-masing output dan direpresentasikan dengan kurva segitiga yang ditunjukkan pada Gambar 10. Nilai output 1 sampai 10 diperoleh berdasarkan diskusi dengan pakar dan dengan dosen pembimbing. Pemberian skor 1 sampai 10 berfungsi untuk mengetahui range dari masing-masing output, sehingga nantinya dapat diketahui hasil dari output tergolong tidaklayak, layakbersyarat, atau layak.

Gambar 10 Fungsi keanggotaan output analisa usaha

Dari kurva dirumuskan fungsi keanggotaan himpunan fuzzy output analisa usaha sebagai berikut:

(28)

15

agregasi dengan mengambil semua nilai dalam rule. Adapun rule yang berlaku untuk aspek teknis dapat dilihat pada Tabel 14.

Aturan aspek teknis berjumlah 11 aturan yang diperoleh berdasarkan hasil diskusi dengan pakar. Awalnya aturan berjumlah 1458 aturan yang merupakan kombinasi dari seluruh parameter yang digunakan. Menurut pakar dari aturan yang telah dikombinasikan tidak semua dari aturan tersebut yang akan digunakan. Hal ini disebabkan beberapa parameter yang bersifat mutlak. Parameter yang paling menentukan dan bersifat mutlak pada aturan ini adalah suhu. Apabila keadaan suhu sudah tidak optimal, walaupun parameter lainnya keadaannya optimal maka budi daya pembesaran ikan gurami sudah tidak layak untuk dijalankan. Parameter lain yang juga menentukan adalah pH. Ketika pH keadaannya diatas batas optimal maka yang terjadi adalah budi daya yang dilakukan menjadi tidak layak. Hal ini dikarenakan apabila pH terlalu tinggi menyebabkan kualitas air menjadi asam sehingga menyebabkan kematian pada ikan. Sehingga dari kasus khusus parameter suhu dan pH, diperoleh 11 aturan yang sudah mampu mengakomodasi seluruh aturan dan permasalahan. Aturan aspek teknis dapat dilihat pada Lampiran 1.

Pembuatan Aturan Non-Fuzzy

Sistem pakar penentuan kelayakan usaha pembesaran ikan gurami juga memiliki parameter yang bersifat non-fuzzy. Aturan untuk aspek hukum dilihat pada Tabel 14, aturan aspek sosial budaya dilihat pada Tabel 15, dan aturan keseluruhan aspek dilihat pada Tabel 16.

Tabel 14 Aturan aspek hukum

No Bentuk Badan Usaha Izin Usaha Layak atau tidak layak

1 Usaha Mandiri Ada surat izin Layak

2 Usaha Mandiri Tidak ada surat izin Tidak layak 3 Badan Pemerintahan Ada surat izin Layak 4 Badan Pemerintahan Tidak ada surat izin Tidak layak

Aturan aspek hukum diperoleh sebanyak 4 aturan. Hal yang pertama kali dianalisis ketika akan memulai suatu usaha budi daya pembesaran ikan gurami adalah aspek hukum. Ketika aspek hukum tidak layak maka usaha budi daya pembesaran ikan gurami tidak layak untuk dijalankan.

Tabel 15 Aturan aspek sosial budaya No Manfaat Untuk

5 Tidak Ada Tidak suka ikan layak bersyarat

6 Tidak Ada Kurang suka ikan layak bersyarat

7 Tidak Ada Suka Ikan Layak

(29)

Aturan aspek sosial budaya diperoleh sebanyak 8 aturan. Output aspek sosial budaya hanya ada layak dan layak bersyarat. Tahap selanjutnya adalah mengkombinasikan semua aspek untuk memperoleh output akhir dalam menentukan apakah usaha yang dijalankan layak atau tidak. Tanda garis miring (/) berarti rule yang nantinya dipilih menggunakan operasi “or”, sehingga nilai yang diambil untuk derajat keanggotaannya adalah nilai maksimum.

Dari aturan terlihat bahwa ketika aspek hukum sudah tidak layak maka yang terjadi adalah analisis usaha menjadi tidak layak karena aspek hukum bersifat mutlak untuk aspek lainnya.

Tabel 16 Aturan keseluruhan dari setiap aspek No Aspek

Hukum Aspek Teknis Aspek Finansial

Aspek Sosial

2 Layak Tidak Layak Menguntungkan / Impas / Tidak

Pembuatan Aturan Non-Fuzzy Aspek Finansial

Output yang digunakan pada aspek finansial yaitu menguntungkan, impas, dan tidak menguntungkan. Aturan yang digunakan sebagai berikut:

[Rule1] Jika R/C ratio > 1 maka analisis usaha pembesaran ikan gurami menguntungkan

[Rule2] Jika R/C ratio = 1 maka analisis usaha pembesaran ikan gurami Impas [Rule3] Jika R/C ratio < 1 maka analisis usaha pembesaran ikan gurami tidak

menguntungkan d) Defuzzifikasi

Proses output ini ditandai dengan dilakukannya tahap defuzzifikasi untuk menghasilkan satu nilai crisp dari beberapa output fuzzy hasil evaluasi aturan pada basis pengetahuan. Metode defuzzifikasi yang digunakan pada penelitian ini adalah weighted average method, nilai crisp diperoleh dengan formula sebagai berikut :

= α1∗ �1 + α2∗ �2 + … … … …. +αn∗ ��

(30)

17

Implementasi

Sistem yang dikembangkan terdiri dari beberapa modul diantaranya Beranda, Kelayakan Usaha Pembenihan, Kelayakan Usaha Pembesaran, Petunjuk Penggunaan, dan Hubungi Kami seperti yang terlihat pada Gambar 11.

Gambar 11 Menu pada sistem

Modul yang paling utama pada sistem ini adalah modul kelayakan usaha pembenihan dan kelayakan usaha pembesaran yang akan menampilkan sebuah halaman berupa form dan harus diisi oleh user. Ada 4 form yang harus diisi oleh user diantaranya form aspek hukum terlihat pada Gambar 12, form aspek teknis pada Gambar 13, form aspek finansial pada Gambar 14, dan form aspek sosial budaya pada Gambar 16.

Gambar 12 Form aspek hukum

Pengisisan form aspek hukum user harus memilih jawaban dari combo-box yang sudah disediakan. Bagian form aspek teknis user harus mengisi form dengan angka yang sudah dibatasi nilainya. Hasil output dari parameter aspek teknis akan berhubungan dengan tingkat kehidupan yang diisikan nantinya pada aspek finansial.

(31)

Untuk aspek finansial, user juga mengisi form yang disediakan. Aspek finansial terdiri dari biaya investasi dan biaya operasional yang nilainya diinputkan sendiri oleh user. Komponen untuk biaya investasi dan biaya operasional sudah disediakan oleh penulis, sehingga user hanya memilih komponen yang sesuai dengan kebutuhan perhitungan kelayakan usaha yang dilakukan. Setelah user menginputkan semua komponen yang maka selanjutnya adalah perhitungan pendapatan dan keuntungan apakah menguntungkan, impas, atau rugi, seperti yang terlihat pada Gambar 15.

Gambar 14 Form aspek finansial.

Gambar 15 Perhitungan kelayakan aspek finansial

(32)

19

Gambar 16 Form aspek sosial budaya

Tahap selanjutnya melihat hasil analisis keseluruhan apakah kelayakan budi daya yang dilakukan layak atau tidak untuk dijalankan. Tampilannya seperti yang terlihat pada Gambar 17.

Gambar 17 Tampilan hasil analisis keseluruhan aspek Pengujian

Pada penelitian ini, telah dilakukan proses pengujian sistem dan validasi data dengan pakar sebanyak 3 kali sampai akhirnya mendapat hasil yang sesuai. Proses tahapan validasi lebih lengkap dapat dilihat pada Tabel 5. Pada pengujian kedua untuk aspek teknis dengan pakar dari 31 data uji 29 teridentifikasi dengan benar. Data yang teridentifikasi salah dikarenakan perbedaan nilai output, sehingga keputusan analisis kelayakan antara sistem dengan pakar terjadi perbedaan. Setelah dilakukan perhitungan derajat keanggotaan dari data yang diujikan yaitu suhu 25.5 ºC, NH3 3 Mg/L, DO 0.7 ppm, alkalinitas 167 Mg/L, pH

11, kedalaman air 0.2 m, dan ketinggian 678 m dpl diperoleh nilai derajat keanggotaannya dapat dilihat pada Gambar 18.

Gambar 18 Hasil data uji sistem

(33)

Gambar 19 Fungsi keanggotaan output

Karena nilai keanggotaan pada µLayakBersyarat lebih besar sehingga pada sistem nilai maksimum yang terambil, dan output yang ditampilkan adalah layak bersyarat. Kuisioner pengujian aspek teknis dapat dilihat pada Lampiran 2.

(34)

21

SIMPULAN DAN SARAN

Simpulan

Dari penelitian yang telah dilakukan dapat disimpulkan :

1 Menentukan kelayakan usaha budi daya pembesaran ikan gurami dapat dilihat dari aspek teknis, aspek hukum, aspek sosial budaya, dan aspek finansial.

2 Parameter suhu, amoniak (NH3), disolved oxygen (DO), alkalinitas, pH,

kedalaman air, ketinggian, bentuk badan usaha, izin usaha, manfaat untuk masyarakat, perilaku konsumen, dan R/C ratio dapat digunakan sebagai parameter untuk menentukan kelayakan usaha budi daya pembesaran ikan gurami.

3 Aturan yang digunakan pada aspek hukum memiliki 4 aturan, aspek teknis memiliki 11 aturan, aspek sosial budaya memiliki 8 aturan dan keseluruhan aspek memiliki 4 aturan. Aturan yang digunakan sudah mampu mengakomodasi seluruh aturan dan permasalahan.

4 Metode Fuzzy Inference System Tsukamoto dapat diterapkan sebagai metode untuk menentukan kelayakan teknis budi daya pembesaran ikan gurami.

5 Sistem pakar ini mampu menganalisis kelayakan usaha budidaya pembesaran ikan gurami dan sudah mendekati kemampuan dari pakar.

Saran

Sistem pakar yang dikembangkan dapat menangani analisis kelayakan usaha budi daya ikan gurami pada segmentasi pembenihan dan pembesaran. Kedepannya bisa dikembangkan dengan menambahkan segmetasi pendederan yang merupakan segmentasi antara proses pembenihan dengan proses pembesaran.

DAFTAR PUSTAKA

[DPPKB] Dinas Perternakan dan Perikanan Kabupaten Bogor. 2011. Buku Data Perikanan 2011 Dinas kabupaten Bogor. Bogor (ID): DPPKB.

Efrina S. 2011. Analisis kelayakan investasi pengusahaan ikan gurami (studi kasus di Perusahaan Mekar Tambak Sari Kecamatan Sawangan, Kota Depok) [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Firmansyah I, Firda SU. 2013. Tsukamoto fuzzy logic application in production planning at PT. Kimia Farma (Persero) Tbk. Plant Bandung Indonesia. Di dalam : Proceedings The 2nd International Conference On Global Optimization and Its Applications 2013; 2013 Augustus 28-29; Avillion Legacy Melaka Hotel, Malaysia. Bandung (ID): Department of Industrial Engineering, Faculty of Engineering, University of Pasundan. hlm 70-78. Marimin, 2002. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial. Bogor

(35)

Marimin, 2005. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial. Bogor (ID): IPB Press.

Maguire B. 1988. An incremental approach to expert systems development. Di Dalam: Proceedings of The Eighth International Workshop Expert System & Their Application; 1988 Mei 30–Jun 3; Avignon, Perancis. Avignon (FR): EC2. hlm 250–259.

Mustarizi. 2012. Sistem pakar fuzzy untuk optimasi penggunaan bandwidth jaringan komputer [tesis]. Semarang (ID): Universitas Diponegoro.

Saparinto C. 2008. Panduan lengkap Gurami. Jakarta (ID): Penebar Swadaya. Solikin F. 2012. Aplikasi logika fuzzy dalam optimasi produksi barang

(36)

23

No Suhu NH3 DO Alkalinitas pH

Kedalaman air kolam Ketinggian Layak/ TidakLayak

1 Optimal Optimal Optimal Optimal Optimal Optimal Optimal Layak

2

9 Optimal Optimal Optimal Optimal Optimal TidakOptimalBawah

/ TidakOptimalAtas

TidakOptimalAtas/

Optimal Layak bersyarat

10 Optimal Optimal Optimal Optimal Optimal Optimal TidakOptimalAtas Layak bersyarat

(37)

Lampiran 2 Kuisioner 1 pengujian data aspek teknis ke pakar

10.5 2.7 13.4 146 8 3.8 432 _{Tidak layak}

49 2.9 0.7 157 8.3 0.09 543 Tidak layak

25.5 3 0.7 167 11 0.2 678 _{Tidak layak}

16.9 3.33 15.5 180 9.13 0.4 200 Tidak layak

32.3 4 17.8 190 10.33 0.06 300 Tidak layak

25 4.6 11.7 200 12 0.3 400 _{Tidak layak}

28.9 0.05 3.9 203 13.4 1.23 500 Tidak layak

19.8 0.09 4.6 206 11 1.55 600 _{Tidak layak}

18.3 0.06 5.9 304 7.4 3.33 700 _{Tidak layak}

36 4 5.5 405 7.98 0.33 780 Tidak layak

11.4 0.07 19 506 6.7 2.46 2 _{Tidak layak}

6.8 0.8 4.4 509 4.6 3.33 6 Tidak layak

3.3 2.3 2.45 80 9.9 2.45 10 _{Tidak layak}

44 3.7 0.5 90 10 1.11 20 _{Tidak layak}

30 4.1 10.9 23.6 11.56 3.12 30 Tidak layak

22 2.22 12.3 34.7 12.67 0.07 40 _{Tidak layak}

(38)

25

Mandiri Tidak Ada Tidak layak 2 0.02 2 2 1 0.6 12 Tidak layak -3 Rugi Ada Suka Ikan Layak Tidak layak

Mandiri Tidak Ada Tidak layak 12 0.03 5 12 1.4 0.8 24 Tidak layak -1 Rugi Tidak Ada Kurang Suka Ikan Layak Bersyarat Tidak layak

Mandiri Ada

Layak 26 0.08 7 23 1.6 1.3 34 Layak

Bersyarat 1.05 Untung Tidak Ada Kurang Suka Ikan

Layak Bersyarat Layak

Pemerintahan Ada Layak 20 0.2 8 34 2 1.6 46 Tidak layak -2 Rugi Ada Suka Ikan Layak Tidak layak

Mandiri Ada

Layak 31 0.4 10 36 2.7 1.8 57 Layak

Bersyarat 1.2 Untung Ada Sangat Suka Ikan

Layak Layak

Mandiri Ada Layak 26 0.9 12 45 13 2 68 _{Tidak layak} -1.1 Rugi Ada Sangat Suka Ikan Layak Tidak layak

Mandiri Ada Layak 43 1 14 56 3 2.3 79 Tidak layak -1.2 Rugi Tidak Ada Kurang Suka Ikan Layak Bersyarat Tidak layak

Mandiri Ada

Layak 24 1.3 16 66 3.6 2.5 80 _Layak

Bersyarat 1.3 Untung Ada Sangat Suka Ikan

Layak Layak

Mandiri Ada

Layak 22 1.6 18 68 3.8 2.7 100 Layak

Bersyarat 1.9 Untung Ada Suka Ikan

Layak Layak

Pemerintahan Ada

Layak 30 1.7 1 78 4 2.9 120 _Layak

Bersyarat 1.02 Untung Tidak Ada Tidak Suka Ikan

Mandiri Ada

Layak 24 1.8 0.9 99 5.6 3 130 Layak

Bersyarat 1.05 Untung Tidak Ada Kurang Suka Ikan

Mandiri Ada

Layak 27 2 3 123 7 3.2 230 _Layak

Bersyarat 1.09 Untung Tidak Ada Suka Ikan

Layak Layak

Mandiri Ada

Layak 26 2.2 6 135 6.4 3.5 345 _Layak

Bersyarat 1.01 Untung Tidak Ada Sangat Suka Ikan

Layak Layak

Mandiri Ada Layak 10.5 2.7 13.4 146 8 3.8 432 Tidak layak -2 Rugi Ada Sangat Suka Ikan Layak Tidak layak

Pemerintahan Ada Layak 49 2.9 0.7 157 8.3 0.09 543 _{Tidak layak} -1 Rugi Ada Kurang Suka Ikan Layak Bersyarat Tidak layak

Pemerintahan Ada Layak 25.5 3 0.7 167 11 0.2 678 Tidak layak -1.9 Rugi Ada Suka Ikan Layak Tidak layak

Mandiri Ada Layak 16.9 3.33 15.5 180 9.13 0.4 200 _{Tidak layak} -2 Rugi Ada Suka Ikan Layak Tidak layak

Mandiri Ada Layak 32.3 4 17.8 190 10.33 0.06 300 Tidak layak 1 impas Ada Suka Ikan Layak Tidak layak

Mandiri Ada Layak 25 4.6 11.7 200 12 0.3 400 _{Tidak layak} -2.5 Rugi Ada Kurang Suka Ikan Layak Tidak layak

Pemerintahan Ada Layak 28.9 0.05 3.9 203 13.4 1.23 500 Tidak layak -1.09 Rugi Tidak Ada Kurang Suka Ikan Layak Bersyarat Tidak layak

Mandiri Ada Layak 19.8 0.09 4.6 206 11 1.55 600 _{Tidak layak} -1.02 Rugi Ada Suka Ikan Layak Tidak layak

Mandiri Ada Layak 18.3 0.06 5.9 304 7.4 3.33 700 Tidak layak -1.67 Rugi Tidak Ada Suka Ikan Layak Tidak layak

Mandiri Ada Layak 36 4 5.5 405 7.98 0.33 780 _{Tidak layak} -1.87 Rugi Ada Sangat Suka Ikan Layak Tidak layak

Mandiri Ada Layak 11.4 0.07 19 506 6.7 2.46 2 Tidak layak -1.65 Rugi Ada Kurang Suka Ikan Layak Tidak layak

Mandiri Ada Layak 6.8 0.8 4.4 509 4.6 3.33 6 _{Tidak layak} -1.08 Rugi Ada Suka Ikan Layak Tidak layak

Mandiri Ada Layak 3.3 2.3 2.45 80 9.9 2.45 10 Tidak layak -1.98 Rugi Tidak Ada Suka Ikan Layak Tidak layak

Pemerintahan Ada Layak 44 3.7 0.5 90 10 1.11 20 _{Tidak layak} -1.87 Rugi Ada Sangat Suka Ikan Layak Tidak layak

Pemerintahan Ada Layak 30 4.1 10.9 23.6 11.56 3.12 30 Tidak layak -1.2 Rugi Ada Kurang Suka Ikan Layak Bersyarat Tidak layak

Pemerintahan Ada Layak 22 2.22 12.3 34.7 12.67 0.07 40 _{Tidak layak} -1.45 Rugi Tidak Ada Tidak Suka Ikan Layak Bersyarat Tidak layak

(39)

RIWAYAT HIDUP

Penulis bernama Suci Hitmawati, dilahirkan di Salido, Sumatera Barat tanggal 10 Februari 1990. Penulis anak keempat dari empat bersaudara dari pasangan Bapak Mawin dan Ibu Hidayati.