PENGEMBANGAN SISTEM PAKAR PEMILIHAN VARIETAS
TOMAT (Solanum lycopersicum L.) DENGAN LOGIKA FUZZY
DAN FAKTOR PEMBOBOTAN
ERLIN CAHYA RIZKI AMANDA
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum L.) dengan Logika Fuzzy dan Faktor Pembobotan 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, Desember 2014
Erlin Cahya Rizki Amanda
ABSTRAK
ERLIN CAHYA RIZKI AMANDA. Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum L.) dengan Logika Fuzzy dan Faktor Pembobotan. Dibimbing oleh KUDANG BORO SEMINAR dan MUHAMAD SYUKUR.
Semakin meningkatnya jumlah varietas tomat dengan keunggulan pada masing-masing varietasnya, mengakibatkan semakin besar subjektivitas dan kompleksitas dari pemilihan varietas tomat. Penelitian ini mengembangkan Sistem Pakar Pemilihan Varietas Tomat (SIPMAT) untuk membantu diseminasi pengetahuan yang terkait pemilihan varietas tomat. Sistem ini juga dikembangkan untuk membantu pengguna menentukan varietas yang sesuai dengan beberapa parameter atau preferensi pengguna. Sistem pakar ini menggunakan 135 varietas tomat. Mesin inferensi yang dikembangkan pada sistem pakar menggunakan gabungan kaidah logika fuzzy Tahani dengan kaidah pembobotan yakni Simple Additive Weighting (SAW). Parameter pemilihan terdapat 9 parameter yakni tujuan penanaman, ketinggian lokasi, ketahanan terhadap penyakit, ukuran buah, bentuk, kekerasan, potensi hasil, umur panen dan warna buah dengan bobot masing-masing parameter menurut pakar dan preferensi petani. Prototipe sistem pakar dikembangkan dalam basis web dengan menggunakan bahasa pemrograman
PHP dan sistem manajemen basis data MySql. Pada sistem telah dilakukan pengujian dan menghasilkan akurasi sebesar 86.2%.
Kata kunci: fuzzy, simple additive weighting, sistem pakar, varietas tomat
ABSTRACT
ERLIN CAHYA RIZKI AMANDA. Development of Expert System for Selecting Tomato (Solanum lycopersicum L.) Varieties with Fuzzy Logic and Weighting Factor. Supervised by KUDANG BORO SEMINAR and MUHAMAD SYUKUR.
The increasing number of tomato varieties with their unique features, has introduced higher subjectivity and complexity for selection of tomato varieties. This study developed Expert System Selection of Tomato Varieties (SIPMAT) to assist dissemination of knowledge related to the selection of tomato varieties. This system was also developed to help farmers to determine varieties that match with some parameters or user preferences. This expert system used 135 tomato varieties. Inference engine developed on the expert system using Tahani fuzzy logic rules combined with Simple Additive Weighting (SAW) as weighting rules. There are 9 parameters used for selection in the system including planting goals, altitude, resistance to diseases, fruit size, fruit shape, fruit hardness, yield potential, maturation and fruit color with weighting factor of each parameter according to experts and farmer preferences. The prototype was developed on web using PHP programming language and MySql for data base management system. The system was tested and it showed the accuracy of 86.2%.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik
pada
Departemen Teknik Mesin dan Biosistem
PENGEMBANGAN SISTEM PAKAR PEMILIHAN VARIETAS
TOMAT (Solanum lycopersicum L.) DENGAN LOGIKA FUZZY
DAN FAKTOR PEMBOBOTAN
ERLIN CAHYA RIZKI AMANDA
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR BOGOR
Judul Skripsi : Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum L.) dengan Logika Fuzzy dan Faktor Pembobotan Nama : Erlin Cahya Rizki Amanda
NIM : F14100083
Disetujui oleh
Prof Dr Ir Kudang B. Seminar, MSc Pembimbing I
Prof Dr Muhamad Syukur, SP MSi Pembimbing II
Diketahui oleh
Dr Ir Desrial, MEng Ketua Departemen
PRAKATA
Puji dan syukur dipanjatkan kehadirat Allah SWT atas segala rahmat dan karunia-Nya sehingga skripsi ini berhasil diselesaikan. Penelitian berjudul “Pengembangan Sistem Pakar Pemilihan Varietas Tomat (Solanum lycopersicum
L.) dengan Logika Fuzzy dan Faktor Pembobotan” dilaksanakan sejak bulan Januari sampai September 2014. Dengan telah selesainya penelitian hingga tersusunnya skripsi ini, penulis ingin menyampaikan terima kasih yang sebesar-besarnya kepada:
1. Orang tua dan keluarga yang senantiasa memberikan dukungan moril dan spiritual demi kebaikan penulis.
2. Prof Dr Ir Kudang Boro Seminar, MSc selaku dosen pembimbing utama tugas akhir yang selalu memberi arahan dan masukan.
3. Prof Dr Muhamad Syukur, SP MSi selaku dosen pembimbing kedua tugas akhir, yang juga selalu memberi arahan dan masukan serta sebagai pakar dalam pembangunan pengetahuan sistem pemilihan varietas tomat.
4. Prof Dr Ir Bambang Pramudya, MEng selaku dosen penguji yang banyak memberikan kritik dan saran.
5. Pak Supriyanto, Pak Solahudin, Pak Liyantono dan Pak Slamet yang sudah banyak memberikan masukan untuk penelitian ini dalam diskusi rutin Lab TBI.
6. Dian, Rosma, Imam, Fachri, Amri, Aulya, Marini, Fitriana dan Rifqi yang senantiasa menemani, memberi dukungan dan menjadi tempat berbagi. 7. Edy, Husen dan Dery selaku teman satu bimbingan yang senantiasa
bekerjasama dan saling mendukung dan memberi semangat untuk menyelesaikan penelitian ini.
8. Teman diskusi Lab TBI 47, Verari, Danang, Tio, Aidil, Fajardo, Made, Alvin, atas saran, kritik dan arahan mengenai pembangunan basis data dan web.
9. Semua teman-teman TMB 47 yang selalu memberikan doa dan semangat untuk penulis.
Akhirnya penulis berharap semoga tulisan ini bermanfaat dan memberikan kontribusi yang nyata terhadap perkembangan ilmu pengetahuan di bidangnya.
Bogor, Desember 2014
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vii
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 2
Manfaat Penelitian 3
TINJAUAN PUSTAKA 3
METODE 6
Tempat dan Waktu 6
Alat dan Bahan 6
Metode Penelitian 6
HASIL DAN PEMBAHASAN 8
KESIMPULAN DAN SARAN 22
DAFTAR PUSTAKA 22
LAMPIRAN 26
DAFTAR TABEL
1 Nilai faktor pembobot masing-masing parameter 17
DAFTAR GAMBAR
1 Tomat yang digolongkan berdasarkan ukuran 3
2 Kurva yang merepresentasikan nilai keanggotaan 4
3 Tahapan pengembangan sistem pakar 7
4 Desain arsitektur sistem pakar 8
5 Fungsi keanggotaan parameter ukuran 11
6 Fungsi keanggotaan parameter potensi hasil 12
7 Fungsi keanggotaan parameter umur panen 13
8 Fungsi keanggotaan parameter tujuan penanaman 14
9 Desain basis data relasional 15
10 Rancangan proses fuzzy query 16
11 Tampilan utama SIPMAT 18
12 Tampilan hasil pencarian varietas tomat 19
13 Tampilan fasilitas penjelasan pada hasil pencarian varietas tomat 20
DAFTAR LAMPIRAN
1 Deskripsi kultivar tomat varietas Intan 25
PENDAHULUAN
Latar Belakang
Tomat merupakan sayuran unggulan di Indonesia dengan total produksi yakni 839 504 ton pada tahun 2012 meningkat menjadi 992 780 ton pada tahun 2013 (BPS 2014). Oleh karena itu produksi tomat tiap tahun akan meningkat mengimbangi kebutuhan masyarakat dan perluasan pasar sehingga peningkatan produksi tomat perlu terus diupayakan untuk dapat mencukupi kebutuhan sayuran di Indonesia. Masalah budidaya tomat di Indonesia yang sebagian besar terjadi yakni varietas yang ditanam tidak cocok, kultur teknis yang kurang baik atau penanganan hama dan penyakit yang kurang efisien (Purwati 2007). Peningkatan hasil dan kualitas buah tomat perlu dilakukan dalam upaya memenuhi kebutuhan tomat yang semakin tinggi dengan menanam varietas-varietas unggul yang juga sesuai dengan kondisi lahan.
Pemilihan varietas tomat yang selama ini dilakukan petani pada lokasi studi lapang yakni dataran tinggi daerah Liwa Lampung Barat ditentukan dari beberapa pertimbangan. Pertama yaitu kepercayaan terhadap produsen benih tomat melalui rekam jejak keterkenalan suatu produsen benih. Terdapat beberapa produsen benih tomat yang sudah dipercaya petani karena intensitas sosialisasi varietas yang cukup tinggi. Kedua yakni petani memilih varietas berdasarkan ketahanan terhadap penyakit tertentu misalnya penyakit daun keriting dan menguning akibat Geminivirus. Oleh sebab itu petani menghiraukan parameter penting yakni ketinggian lokasi yang merupakan syarat tumbuh tanaman tomat. Kelemahan dari pertimbangan ini adalah terbatasnya informasi dan pengetahuan terkait dengan pemilihan varietas dalam budidaya tomat kepada petani atau praktisi.
Dewasa ini telah banyak ditemukan tomat varietas baru yang memiliki keunggulan dalam hal berproduksi, ketahanan terhadap beberapa jenis hama dan penyakit dan daya adaptasi terhadap lingkungan. Oleh karena itu, petani harus mempelajari dan mengetahui terlebih dahulu bermacam-macam varietas tomat yang telah beredar di pasaran agar tidak salah dalam menentukan pilihan. Walaupun semua varietas tomat yang telah ditemukan bersifat unggul, namun masing-masing varietas memiliki perbedaan sifat yang unik. Perbedaan itu dapat dilihat dari bentuk buah yang dihasilkan, ukuran buah, ketahanan terhadap penyakit, daya adaptasi terhadap lingkungan dan daya produktivitas (Cahyono 2008). Pemilihan varietas tomat ini perlu dilakukan dengan tepat dan sesuai dengan kondisi lahan penanaman agar mendapatkan hasil produksi yang mencapai harapan.
2
Sistem pakar pemilihan varietas tomat dikembangkan dengan menggunakan logika fuzzy dan faktor pembobotan. Secara umum, logika fuzzy sangat cocok untuk penalaran pendekatan terutama untuk sistem yang menangani masalah-masalah yang sulit didefinisikan dengan menggunakan model matematis (Kusumadewi 2002). Aturan fuzzy bekerja seperti kecerdasan manusia dalam memutuskan pilihan yang optimal untuk mengatasi suatu masalah tertentu (Askerzade et al. 2010). Faktor pembobotan digunakan untuk memperlihatkan prioritas atau urutan kepentingan suatu parameter. Sistem pakar pemilihan varietas tomat ini ditujukan sebagai panduan bagi petani untuk memilih varietas tomat dalam kegiatan budidaya tomat.
Penelitian terdahulu dari penelitian ini yakni Sistem Cerdas Pemilihan Benih Unggul Sayuran Berbasis Fuzzy Query (Wendy 2012). Sistem tersebut telah dikembangkan untuk varietas tomat dengan logika fuzzy dan berbasis web. Ruang lingkup penelitian terdahulu yaitu hanya tiga parameter pemilihan yakni ukuran, potensi hasil dan umur panen. Jumlah varietas tomat yang ada dalam sistem sebanyak 36 varietas. Maka dari itu, informasi yang dapat diterima petani masih sedikit karena terbatasnya jumlah varietas dalam sistem dan juga sedikitnya parameter pemilihan. Oleh karena itu, pengembangan sistem pakar pemilihan varietas tomat dilakukan dengan penambahan jumlah varietas menjadi 135 varietas tomat tidak termasuk tomat cherry dari tahun 1980-2012 yang dimuat dalam deskripsi kultivar varietas tomat yang diperoleh dari web Direktorat Perbenihan Balai Penelitian Tanaman Sayuran. Selain itu juga terdapat penambahan parameter penting seperti ketinggian lokasi sebagai prasyarat tumbuh dan juga ketahanan terhadap hama dan penyakit serta parameter lainnya. Penelitian yang terkait lainnya adalah SIVAPAR: Sistem Pakar Penentuan Varietas Padi Sawah (Widodo 2009), Pengembangan Modul Fuzzy Query pada
Fuzzy Database Management System (Pandi 2009) dan Identifikasi Varietas Tanaman Kunyit Menggunakan Sistem Pakar (Busantriannyo 2014).
Perumusan Masalah
Semakin meningkatnya jumlah varietas tomat dengan keunggulan pada masing-masing varietasnya, maka semakin besar kompleksitas dari parameter pemilihan varietas tomat. Oleh sebab itu subjektifitas pemilihan varietas tomat menjadi semakin tinggi dan akurasi dalam pemilihan pun akan menjadi rendah. Selain itu sosialisasi informasi terkait varietas dan pengembangannya juga terbatas, maka diperlukan suatu sistem yang memiliki keahlian manusia atau pakar dalam memilih varietas dengan parameter yang beragam sehingga memudahkan petani dalam menentukan varietas yang hendak ditanam.
Tujuan Penelitian
3 Manfaat Penelitian
Manfaat dari penelitian ini adalah dengan adanya sistem pakar pemilihan varietas tomat diharapkan dapat membantu petani menentukan varietas yang akan ditanam sesuai dengan keahlian pakar untuk menentukan varietas yang lebih objektif, cepat dan akurat. Selain itu sistem pakar ini bisa menjadi replika seorang pakar untuk dapat membantu diseminasi pengetahuan yang terkait dengan pemilihan varietas tomat kepada masyarakat.
TINJAUAN PUSTAKA
Tomat
Definisi tomat segar menurut SNI (1992) adalah buah dari tanaman tomat dalam keadaan utuh, segar dan bersih. Tomat adalah komoditas hortikultura yang penting, baik karena harganya yang cukup baik maupun penggunanya dalam konsumsi masyarakat. Secara umum tomat dapat ditanam di dataran rendah sampai dataran tinggi dengan ketinggian diatas 750 mdpl pada tanah yang gembur, sedikit mengandung pasir, kadar keasamannya (pH) antara 5-6, curah hujan 750-1 250 mm/tahun serta kelembaban relatif 25%.
Berdasarkan tipe pertumbuhannya, tanaman tomat dapat dibedakan atas tipe
determinate dan indeterminate. Tanaman tomat yang mempunyai tipe
pertumbuhan determinate bersifat tegak dan pada ujung tanaman terdapat tandan bunga pada setiap ruas batang serta memiliki umur panen lebih pendek yakni hanya sekitar 60 hari. Tanaman tomat yang mempunyai tipe pertumbuhan
indeterminate bersifat merambat dan tandan bunga tidak terdapat pada setiap ruas batang serta ujung tanaman senantiasa terdapat pucuk muda dan memiliki umur panen lebih panjang yakni berkisar antara 70-100 hari (Cahyono 2008).
Buah tomat dinyatakan tua apabila buah tomat telah mencapai tingkat perkembangan fisiologi yang menjamin proses pematangan yang sempurna. Tomat merupakan tanaman yang dipanen berkali-kali. Rata-rata pada satu kali pertanaman tomat dapat dipanen sebanyak 8-10 kali, namun jika pertumbuhan baik dapat mencapai 15 kali dengan selang 2-3 hari sekali untuk setiap panen (Cahyono 2008).Menurut ukurannya, tomat digolongkan besar, sedang dan kecil yang ditampilkan dalam Gambar 1.
4
Sistem Pakar
Sistem pakar adalah perangkat komputer yang dirancang untuk mengadopsi pengetahuan manusia agar dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli (Marimin 2009).
Logika Fuzzy
Secara dasar, logika fuzzy adalah perluasan dari teori himpunan klasik (crisp). Logika fuzzy dipergunakan untuk menempatkan hal-hal yang berhubungan dengan kekaburan, seperti himpunan, predikat-predikat, nilai-nilai dan lainnya. Logika fuzzy merupakan nama dari suatu jenis umum logika yang mempunyai banyak nilai yang berhubungan dengan ketidakpastian dan kisaran kebenaran yang dilandasi dengan teori fuzzy set (Tettamanzi dan Tomassini 2001).
Fungsi Keanggotaan
Menurut Zadeh (1968), fungsi keanggotaan (membership function) adalah suatu fungsi untuk membedakan fungsi karakteristik pada aturan fuzzy dan fungsi karakteristik pada aturan non-fuzzy. Pada logika fuzzy, terdapat beberapa fungsi keanggotaan yang dapat digunakan untuk pemberian nilai kenggotaan pada suatu elemen dalam himpunan fuzzy. Beberapa fungsi kenggotaan yang umum digunakan contohnya kurva segitiga, kurva linear, kurva trapesium, kurva sinusoidal dan kurva Gaussian. Penelitian ini menggunakan representasi kurva trapesium karena pada proses perhitungan nilai keanggotaan pada representasi kurva trapesium membutuhkan komputasi yang sederhana. Klasifikasi fungsi keanggotaan kurva trapesium, nilai yang digunakan berupa nilai interval dan merupakan gabungan dari tiga garis linear dan memiliki empat titik yakni nilai batas kiri, dua nilai puncak dan nilai batas kanan seperti terlihat pada Gambar 2.
Gambar 2 Kurva yang merepresentasikan nilai keanggotaan (Kusumadewi 2002) Fungsi keanggotaan untuk kurva trapesium didefinisikan sebagai berikut:
0; x ≤ a atau x ≥ d
(x-a)/(b-a); a ≤ x ≤ b
1; b ≤ x ≤ c
5 Nilai a menyatakan batas kiri dari nilai interval suatu fungsi keanggotaan, b dan c menyatakan nilai puncak pada kurva trapesium, sedangkan d menyatakan nilai batas kanan dari nilai interval suatu fungsi keanggotaan. Variabel x menyatakan elemen yang akan dicari nilai fungsi keanggotaannya.
Fuzzy Tahani
Fuzzy Tahani adalah salah satu kaidah fuzzy yang menggunakan basis data standar dan bahasa query yang dikenal dengan SQL (Structured Query Language). Menurut Tahani (1977), fuzzy query mengartikan suatu query yang menggunakan predikat ketidakpastian (fuzzy predicate) pada suatu pemrosesan query pada basis pengetahuan. Langkah pertama pemrosesan fuzzy query terdiri dari menetapkan pengartian dari kondisi fuzzy yakni kondisi yang diwakili suatu variabel numerik pada basis data. Model fuzzy Tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat (Anggraeni 2004).
FuzzyQuery
Sintaks SQL pada query konvensional dituliskan sebagai “select (atribut) from (relasi) where (kondisi)” dimana atribut merupakan kolom tabel yang akan dipilih, relasi merupakan daftar relasi/tabel biasa dan kondisi merupakan kondisi dasar (Bosc 1995). Sintaks SQL pada fuzzy query dituliskan sebagai “select
(atribut) from (relasi) where (kondisi fuzzy)” dimana kondisi fuzzy merupakan kondisi dasar fuzzy.
Faktor Pembobotan
Faktor pembobotan merupakan salah satu syarat dari metode pembobotan yang menunjukkan prioritas atau urutan tingkat kepentingan dari suatu kriteria. Penentuan hasil rekomendasi varietas menggunakan metode pembobotan yang terangkum dalam metode pengambilan keputusan yakni metode Multi Criteria Decision Making (MCDM). Metode pengambilan keputusan ini ditujukan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Ada beberapa metode untuk menyelesaikan masalah MCDM, salah satunya adalah metode Simple Additive Weighting (SAW). Metode ini berdasarkan nilai faktor pembobotan. Skor evaluasi dihitung pada setiap alternatif dengan mengalikan nilai yang diberikan setiap parameter kepada nilai faktor pembobotan (Afshari 2010). Proses normalisasi dilakukan dengan menghitung nilai peringkat kinerja ternormalisasi dari suatu kriteria dengan persamaan 1 sebagai berikut:
xij =
dimana xij adalah peringkat kerja ternormalisasi, rij adalah nilai atribut yang
dimiliki setiap kriteria dan Max rj adalah nilai terbesar dari setiap kriteria. Nilai
preferensi untuk setiap alternatif (Ai) diberikan pada persamaan 2 sebagai: Ai= Σ wj xij
(1)
6
dimana Ai adalah peringkat untuk setiap alternatif, wj adalah nilai bobot dari
setiap kriteria dan xij = nilai peringkat kinerja ternormalisasi.
METODE
Tempat dan Waktu Penelitian
Penelitian dilaksanakan di Laboratorium Teknik Bioinformatika, Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian. Ekstraksi pengetahuan pakar (akademisi) dilakukan di Bagian Pemuliaan Tanaman, Departemen Agronomi dan Hortikultura, Fakultas Pertanian. Studi lapang dilakukan dalam penelitian ini untuk menggali preferensi praktisi yang dilakukan di dataran tinggi yakni Liwa, Lampung Barat. Lama penelitian terhitung dari bulan Januari sampai September 2014 sekitar 9 bulan.
Alat
Alat yang digunakan dalam penelitian ini yakni seperangkat komputer personal, piranti lunak DBMS (Data Base Management System) yakni MySQL, piranti lunak untuk analisis dan perhitungan yakni Ms. Excel 2010, piranti lunak untuk analisis data fuzzy yaitu Matlab, piranti lunakuntuk pembangunan aplikasi berbasis web yaitu antara lain Adobe Dreamweaver CS6, Notepad ++, dan Web
Browser, piranti lunak web server yakni XAMPP dan bahasa pemrograman yakni
PHP.
Bahan
Bahan yang digunakan dalam penelitian adalah data sekunder yang bersumber dari buku, tulisan populer, jurnal dan literatur serta hasil ekstraksi pengetahuan pakar. Selain itu digunakan 135 data deskripsi kultivar tomat dari
web Direktorat Perbenihan dan juga hasil wawancara langsung dengan petani lokasi studi lapang yakni preferensi pemilihan varietas tomat.
Metode Penelitian
7
Gambar 3 Tahapan pengembangan sistem pakar (Marimin 2009)
Tahap identifikasi masalah meliputi tahap identifikasi masalah dan tujuan yang telah diterangkan pada tujuan dan perumusan masalah. Sumber pengetahuan yang diperoleh yakni pengetahuan pakar dan publikasi terkait berupa deskripsi kultivar, buku, jurnal dan literatur untuk dijadikan sumber akuisisi pengetahuan.
Tahap akuisisi pengetahuan dilakukan dengan studi pustaka serta metode wawancara dan diskusi dengan akademisi dan praktisi untuk membangun pengetahuan pada sistem. Pakar (akademisi) dalam penelitian ini adalah ahli tanaman tomat yakni Prof Dr Muhamad Syukur, SP MSi. Praktisi pada penelitian ini adalah petani tomat lokasi studi lapang yang memiliki pengalaman empiris dalam kegiatan penanaman tomat.
Tahapan representasi pengetahuan yang merupakan kegiatan mengkonfigurasi pengetahuan yang diperoleh dari hasil penelusuran pustaka dan pakar. Bentuk representasi pengetahuan pada penelitian ini adalah representasi kurva trapesium dan representasi himpunan klasik untuk menentukan derajat keanggotaan suatu kategori dari suatu parameter. Pengetahuan pada parameter
Mulai
Identifikasi Masalah
Akuisisi Pengetahuan
Mewakili
human expert?
Validasi Pengetahuan Representasi Pengetahuan
Pengujian dan Implementasi Pengembangan Mesin Inferensi
Selesai Ya
Tidak
8
fuzzy direpresentasikan dengan menggunakan pemrograman Matlab yang
memiliki fuzzy toolbox untuk memudahkan pengolahan data fuzzy.
Tahapan validasi pengetahuan bertujuan untuk mengecek kebenaran dan keabsahan dari pengetahuan yang direpresentasikan. Tahapan ini dilakukan dengan mengkonfirmasikan kebenaran dari pengetahuan kepada akademisi dan praktisi. Selain itu juga dilakukan validasi pengetahuan di lapangan untuk mengkonfirmasi kebenaran dari deskripsi kultivar tomat yang ada.
Pengembangan mesin inferensi menggunakan metode pencarian fuzzy query
yang dimodifikasi dengan metode ple Additive Weighting. Kemudian dilakukan penarikan kesimpulan dari varietas paling direkomendasikan.
Tahap implementasi dilakukan pembuatan prototipe sistem pakar dengan
platform web menggunakan pemrograman PHP dan MySql. Semua parameter
pemilihan merupakan input sistem dan rekomendasi varietas merupakan output
sistem. Kemudian tahap pengujian sistem pakar dimulai dari pengambilan contoh keluaran sistem kemudian penilaian secara manual oleh pakar dan penilaian dengan sistem. Selanjutnya dari kedua hasil penilaian dibandingkan untuk mengetahui tingkat keakuratan sistem.
Tahapan perbaikan dan perawatan yang sangat penting agar sistem tetap dapat berjalan dengan baik. Perawatan sistem berupa auditing sistem dan fasilitas
updating data deskripsi kultivar tomat untuk merawat keakuratan dan
keterbaruannya.
HASIL DAN PEMBAHASAN
Analisis
Desain sistem mencakup tiga kegiatan yaitu desain user interface, desain basis data dan desain proses yang ditampilkan pada Gambar 4.
Gambar 4 Desain arsitektur sistem pakar Nilai crisp
9 Deskripsi kultivar tomat memiliki 30 atribut deskripsi beserta nilainya. Namun hanya 9 atribut yang menjadi parameter pemilihan dalam sistem. Nilai
crisp dari 9 atribut ditranformasi menjadi nilai keanggotaan dengan kaidah fuzzy
serta kaidah himpunan klasik dan disimpan ke dalam basis pengetahuan. Pengguna dihubungkan dengan sistem pakar melalui user interface. Input
pengguna digunakan sebagai masukan dalam sistem pakar kemudian diproses sehingga menghasilkan output rekomendasi varietas.
Akuisisi Pengetahuan
Akuisisi pengetahuan dilakukan dengan metode wawancara dan diskusi dengan pakar. Berdasarkan hal tersebut diperoleh hasil akuisisi yakni 9 parameter yaitu 1 parameter utama, 4 parameter fuzzy dan 4 parameter non-fuzzy.
prasyarat tumbuh. berkaitan erat dengan ketinggian lokasi yakni iklim, suhu harian, kelembaban udara, curah hujan dan lama penyinaran. Pertumbuhan tanaman tomat di dataran tinggi lebih baik daripada di dataran rendah, karena tanaman menerima sinar matahari lebih banyak tetapi suhu rendah (Cahyono 1998). Ketinggian tempat dari permukaan laut menentukan suhu udara dan intensitas sinar matahari yang diterima tanaman. Semakin tinggi suatu tempat maka semakin rendah suhunya, demikian juga intensitas matahari semakin bertambah. Ketinggian lokasi dikelompokkan dalam 3 himpunan biasa yakni dataran rendah, sedang dan tinggi. Dataran rendah yakni 0-400 m dpl, dataran sedang yakni 400-700 m dpl dan dataran tinggi yakni diatas 700 m dpl.
Representasi Pengetahuan
Representasi pengetahuan pada parameter fuzzy diformulasikan ke dalam kaidah fuzzy yakni re dengan kurva trapesium untuk menentukan nilai keanggotaan. Di samping itu, representasi pengetahuan pada parameter non-fuzzy
dengan menggunakan kaidah himpunan klasik. Berikut adalah klasifikasi pengetahuan 4 parameter non-fuzzy dilanjutkan dengan 4 parameter fuzzy yang secara berurutan mencakup:
Parameter Ketahanan Terhadap Penyakit
10
serangan virus yang kemungkinan besar dibawa oleh hama dapat menyebabkan pertumbuhan terhambat dan tanaman menjadi kerdil yang juga mempengaruhi hasil panen (Gunawan et al. 1997). Keterangan ketahanan terhadap hama dan penyakit pada deskripsi kultivar 135 varietas tomat menghasilkan bahwa sebagian besar varietas memiliki keterangan terhadap penyakit namun minim akan informasi tentang ketahanan terhadap hama. Oleh karena itu ketahanan terhadap hama dan penyakit dikelompokkan sebagai parameter non-fuzzy dan memiliki 5 kategori penyakit yaitu layu fusarium, busuk daun, layu bakteri, geminivirus, dan
mosaicvirus.
Parameter Kekerasan
Kekerasan buah merupakan hal penting dalam proses pascapanen yakni pada proses pengangkutan. Kategori kekerasan dikelompokkan menjadi 3 yakni keras, cukup keras dan lunak. Sebagian besar keterangan untuk parameter kekerasan buah dalam deskripsi kultivar tomat dituliskan dalam bentuk nominal sehingga parameter kekerasan termasuk dalam parameter non-fuzzy.
Parameter Bentuk Buah
Bentuk buah menjadi pertimbangan pemilihan oleh konsumen dan merupakan salah satu preferensi petani dalam memilih varietas tomat. Bentuk buah yang sering ditemukan di lapangan adalah bulat, lonjong dan mawar. Bentuk buah bulat yakni buah yang memiliki panjang dan diameter yang sama. Bentuk buah lonjong memiliki ukuran panjang yang lebih besar dari diameternya. Bentuk buah mawar yakni memiliki diameter yang lebih besar dari panjang buahnya. Parameter Warna Buah
Menurut Cahyono (2008), terdapat tiga fase warna tomat yakni hijau masak, merah pecah warna dan merah masak sempurna. Dari ketiga fase warna tomat tersebut akan dilakukan pengkategorian warna tomat menurut klasifikasi warna tomat sesuai dengan keterangan yang dimuat dalam deskripsi kultivar tomat dan juga keadaan lapangan. Maka kategori warna buah yang terdapat dalam sistem adalah merah menyala, merah dan merah jingga.
Parameter Ukuran
11
Gambar 5 Fungsi keanggotaan parameter ukuran
Himpunan fuzzy parameter ukuran buah yang disajikan dalam Gambar 5 diatas memiliki fungsi kenggotaan yakni kecil (a=0, b=0, c=30, d=40), sedang (a=30, b=40, c=60, d=80) dan besar (a=60, b=80, c=200, d=200) adalah sebagai berikut:
0; x > 30
(40-x)/(40-30); 30< x < 40
1; 0 ≤ x ≤ 30
0; x < 30 dan x > 80 (x-30)/(40-30); 30 < x < 40
1; 40 ≤ x ≤ 60
(80-x)/(80-60); 60 < x < 80 0; x < 60 (x-60)/(80-60); 60 < x < 80
1; x ≥ 80
Parameter Potensi Hasil
Menurut Mujiburrahmad (2011), tinggi rendahnya hasil produksi dalam suatu usahatani sangat tergantung pada sistem pengelolaan usahatani dan pemakaian sarana produksi. Produktivitas usahatani secara signifikan dipengaruhi oleh kondisi kesesuaian agroklimat, kesesuaian lahan, aspek budidaya dan penggunaan varietas. Faktor dominan untuk dataran tinggi dalam menentukan produktivitas usahatani tomat adalah aspek budidaya dan kesesuaian iklim. Faktor dominan untuk dataran medium adalah aspek budidaya dan varietas yang digunakan. Salah satu faktor yang mempengaruhi produktivitas tomat adalah varietas tomat. Fungsi keanggotaan potensi hasil dikelompokkan menjadi 3 yakni rendah, sedang dan tinggi. Potensi hasil menggunakan satuan berat per tanaman, untuk potensi hasil rendah yakni dibawah 1.5 kg per tanaman. Potensi hasil sedang yakni antara 1.5 kg per tanaman sampai 2.5 kg per tanaman. Potensi hasil
µbesar(x)
µsedang(x)
12
tinggi yakni diatas 2.5 kg per tanaman. Gambar 6 menjelaskan fungsi keanggotaan potensi hasil dalam kurva trapesium.
Gambar 6 Fungsi keanggotaan parameter potensi hasil
Himpunan fuzzy parameter potensi hasil memiliki fungsi kenggotaan yakni rendah (a=0, b=0, c=1.5, d=2.2), sedang (a=1.5, b=2.2, c=2.5, d=2.8) dan tinggi (a=2.5, b=2.8, c=9, d=9) adalah sebagai berikut:
0; x > 2.2
(2.2-x)/(2.2-1.5); 1.5< x < 2.2
1; 0 ≤ x ≤ 1.5
0; x < 1.5 dan x > 2.8 (x-1.5)/(2.2-1.5); 1.5 < x < 2.2
1; 2.2 ≤ x ≤ 2.5
(2.8-x)/(2.8-2.5); 2.5 < x < 2.8
0; x < 2.5
(x-2.5)/(2.8-2.5); 2.5 < x < 2.8
1; x ≥ 2.8
Parameter Umur Panen
Parameter umur panen dibagi menjadi 3 kategori yakni umur genjah, dalam dan sedang. Menurut Cahyono (2008), umur genjah yakni panen saat tanaman berumur pendek sekitar 60 hari. Umur sedang yakni panen tanaman yang berada pada umur antara 60 sampai 70 hari. Umur dalam yakni panen tanaman pada umur berkisar 70 sampai 100 hari. Fungsi kenggotaan parameter umur panen direpresentasikan dalam kurva trapesium pada Gambar 7.
µrendah(x)
µsedang(x)
13
Gambar 7 Fungsi keanggotaan parameter umur panen
Himpunan fuzzy parameter umur panen memiliki fungsi keanggotaan yakni genjah (a=50, b=50, c=60, d=65), sedang (a=60, b=70, c=75, d=80) dan dalam (a=75, b=85, c=110, d=110) adalah sebagai berikut:
0; x > 65
(65-x)/(65-60); 60< x < 65
1; 50 ≤ x ≤ 60
0; x < 60 dan x > 80 (x-60)/(70-60); 60 < x <70
1; 70 ≤ x ≤ 75
(80-x)/(80-75); 75 < x < 80
0; x < 75
(x-75)/(85-75); 75 < x < 85
1; x ≥ 85
Parameter Tujuan Penanaman
Buah tomat segar dan baru panen dapat digunakan untuk beberapa tujuan sebagai bahan konsumsi langsung (tomat meja), bahan masak (tomat sayur) dan bahan minuman segar (tomat olahan). Tomat meja yakni tomat utuh dan menarik yang dikonsumsi langsung atau dijadikan hiasan meja. Tomat meja dipilih dari tomat yang berukuran yakni lebih dari 100 gram, rasa agak manis, warna merah tua dan tebal daging agak tebal lebih dari 4 mm. Tomat sayur memiliki ukuran yakni kurang dari 50 gram, rasa asam, warna merah dan tebal daging lebih dari 2 mm. Tomat olahan memiliki ukuran yakni antara 50 gram sampai 100 gram, warna merah merata dan tebal daging buah antara 2 mm sampai 4 mm (Marpaung 1997). Gambar 8 menjelaskan fungsi keanggotaan tujuan penanaman dalam kurva trapesium.
µgenjah(x)
µsedang(x)
14
Gambar 8 Fungsi keanggotaan parameter tujuan penanaman
Parameter tujuan penanaman direpresentasikan dalam kurva trapesium memiliki fungsi keanggotaan yakni kecil untuk tomat sayur (a=0, b=0, c=40, d=50), sedang untuk tomat olahan (a=40, b=50, c=90, d=100) dan besar untuk tomat meja (a=90, b=100, c=200, d=200).
0; x > 50
(50-x)/(50-40); 40< x <50
1; 0 ≤ x ≤ 40
0; x < 40 dan x > 90 (x-40)/(50-40); 40 < x < 50
1; 50 ≤ x ≤ 90
(100-x)/(100-90); 90 < x < 100 0; x < 90
(x-90)/(100-90); 90 < x < 100
1; x ≥ 100
Validasi Pengetahuan
Tahap validasi pengetahuan dilakukan dengan memvalidasi secara keseluruhan pengetahuan yang telah dibangun pada tahap akuisisi dan representasi pengetahuan. Selain validasi oleh pakar, dilakukan juga validasi lapang pada deskripsi kultivar tomat dengan varietas yang ada di lapang. Tahap validasi dikhususkan untuk mengecek kebenaran dari 2 tahapan utama pembangunan pengetahuan. Namun pada kenyataannya, tahapan pengembangan mesin inferensi dan implemetasi juga divalidasi secara menyeluruh untuk meminimalisir kesalahan berarti.
µbesar(x)
µsedang(x)
15 Pengembangan Mesin Inferensi
Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan
workplace dan untuk memformulasikan kesimpulan (Turban 1995). Tahap
pengembangan mesin inferensi mencakup desain basis data, desain proses dan desain user interface.
Desain Basis Data
Desain struktur basis data memerlukan perhatian khusus karena berfungsi sebagai penyimpanan data untuk diakses oleh sistem. Desain basis data menggambarkan relasi obyek-obyek data secara konseptual yang akan diimplementasikan ke dalam sistem. Pembangunan basis pengetahuan menggunakan MySql karena mudah digunakan dan juga terkoneksi dengan bahasa pemrograman PHP. Struktur database yang digunakan adalah struktur database
relasional.Gambar 9 menampilkan relasi antar tabel dalam database yang terdiri dari 5 tabel yakni tabel parameter, keterangan varietas, nilai crisp, fuzzy dan bobot. Tabel parameter digunakan untuk menyimpan nama parameter dan kategori yang terdapat didalamnya. Tabel nilai crisp digunakan untuk menyimpan nilai crisp dari parameter fuzzy dan non-fuzzy pada setiap varietas. Tabel keterangan varietas digunakan untuk menyimpan keterangan dasar yang dimiliki varietas. Tabel fuzzy digunakan untuk menyimpan nilai batas kiri, batas kanan dan nilai puncak yang direpresentasikan dalam kurva trapesium pada parameter
fuzzy. Tabel bobot digunakan untuk menyimpan nilai faktor pembobotan pada setiap parameter. Tabel parameter digunakan untuk menyimpan nama parameter dan kategori yang terdapat didalamnya.
16
Desain Proses
Desain proses menggambarkan proses yang terjadi pada sistem. Metode yang digunakan adalah metode fuzzy Tahani yang disusun dari beberapa kegiatan yaitu menggambarkan fungsi keanggotaan, proses fuzzifikasi yakni mengubah nilai crisp ke nilai fuzzy atau derajat keanggotaan, proses fuzzifikasi query dan menggunakan operator dasar himpunan fuzzy.
Parameter utama yakni ketinggian lokasi adalah syarat tumbuh tanaman juga merupakan parameter terpenting dalam sistem. Sistem akan membagi varietas menjadi 3 kategori yaitu varietas untuk dataran rendah, dataran sedang dan dataran tinggi. Nilai keanggotaan parameter utama dan parameter non-fuzzy
yang merupakan variabel nominal didapatkan dari kesesuaian deskripsi kultivar dengan kategori, apabila sesuai maka diberikan nilai 1 dan apabila tidak sesuai maka diberikan nilai 0 sesuai dengan kaidah himpunan klasik. Parameter fuzzy
merupakan variable numerik yang memiliki nilai interval pada setiap kategori untuk proses fuzzifikasi. Penentuan interval ini diperoleh dari hasil diskusi dengan pakar. Himpunan keanggotaan parameter fuzzy memiliki derajat keanggotaan yang bernilai kontinu 0 sampai 1.
mencapai sebuah kelenturan atau fleksibilitas dari sebuah Database
Management System (DBMS) yang mempunyai aspek variasi seperti koreksi
kesalahan secara otomatis, pencarian fleksibel, kemampuan menghindari respon kosong dan kemungkinan dari ketepatan dalam sebuah query (Motro 1988).
Rancangan fuzzy query dimulai dari pemilihan atribut yang akan ditampilkan, kemudian pemilihan tabel pada basis pengetahuan dan dilanjutkan dengan pemilihan kondisi yang ditampilkan pada Gambar 10.
Gambar 10 Rancangan proses fuzzy query (Pandi 2009)
Fuzzy query terdiri dari fuzzy predicates dan fuzzy quantifiers. Fuzzy predicates direpresentasikan oleh fungsi keanggotaan. Fuzzy quantifiers dapat mengekspresikan nilai fuzzy kepada nilai pendekatan (approximate value). Fuzzy quantifiers terbagi absolut atau relatif. Sistem yang dikembangkan menggunakan
fuzzy predicates yang direpresentasikan oleh fungsi keanggotaan (Bosc 1995). Contohnya “besar” atau “rendah”. Contoh fuzzy query yang terbentuk adalah:
“Select nama_varietas from nilai_crisp where ukuran is kecil”
Kategori “kecil” ditransformasikan ke dalam batasan yang akan digunakan dalam
SQL. Batasan tersebut ialah nilai a (batas kiri), b, c dan d (batas kanan). Batas kiri dari parameter ukuran kategori kecil yakni 0 gram dan batas kanannya yakni 40 gram. Operator AND digunakan untuk mengubungkan kondisi yang diberikan karena akan dipilih suatu varietas yang memenuhi semua parameter. Bentuk SQL
hasil transformasi adalah:
17 Maka bentuk SQL menjadi:
“Select nama_varietas from nilai_crisp where 0 ≤ ukuran ≤ 40” Bentuk SQL diatas menyatakan bahwa akan ditampilkan atribut nama varietas dari relasi tabel nilai crisp dengan kondisi nilai derajat keanggotaan kurang dari 40 gram atau ukuran buah adalah kecil.
Selanjutnya dalam menentukan hasil rekomendasi varietas digunakan metode pembobotan yang terangkum dalam metode pengambilan keputusan yakni metode Multi criteria decision making (MCDM) dengan metode Simple Additive Weighting (SAW). Preferensi petani dalam memilih varietas tomat berdasarkan hasil studi lapang mengurut dari potensi hasil, ketahanan terhadap penyakit, ukuran, tujuan penanaman, umur panen, kekerasan buah, bentuk dan warna buah. Maka dari itu dilakukan pembedaan bobot parameter sesuai dengan urutan preferensi petani berdasarkan ketentuan pakar yang disajikan dalam Tabel 1. Setelah itu dilakukan perhitungan sesuai dengan persamaan 2 yakni menjumlahkan perkalian nilai faktor pembobot dengan nilai keanggotaan masing-masing parameter yang ada dalam basis pengetahuan.
Tabel 1 Nilai faktor pembobot masing-masing parameter
Parameter Faktor pembobot
Contoh kasus perhitungan pemilihan varietas, diberikan 3 varietas contoh beserta nilai keanggotaannya dari setiap parameter yakni potensi hasil, ketahanan terhadap penyakit, ukuran, tujuan penanaman, umur panen, kekerasan, bentuk dan warna dengan kategori yang telah ditentukan dalam Lampiran 2.
Desain User Interface
Tahap implementasi sistem pakar pemilihan varietas tomat diimplementasikan dengan bahasa pemrograman PHP.
18
terbawah. Parameter yang paling berpengaruh berada pada urutan atas pada menu pengisian parameter pada user interface yang dikembangkan.
Tampilan hasil pencarian varietas tomat pada desain user interface terdapat komponen rekaman data untuk menampilkan parameter yang telah dipilih pengguna. Selanjutnya terdapat tabel untuk menampilkan hasil pencarian varietas yang berisi nama varietas, skor hasil proses, menu unduh deskripsi untuk mengunduh deskripsi kultivar tomat varietas terpilih dan link dari perusahaan benih yang mengeluarkan varietas untuk dapat menghubungkan pengguna dengan
web perusahaan benih.
Implementasi
Parameter yang terdapat dalam sistem sebanyak 9 parameter dan terdapat keterkaitan antara parameter pemilihan tersebut. Parameter utama dalam penelitian ini adalah parameter bebas yang dapat menentukan parameter lainnya yang terikat dalam parameter utama. Penentuan urutan parameter dalam sistem ditentukan berdasarkan parameter bebas terlebih dahulu kemudian parameter terikat sehingga dapat memudahkan pengguna dalam memasukkan pilihan. Parameter bebas pada sistem ini adalah ketinggian lokasi dan mempengaruhi parameter lain yang terikat yakni tujuan penanaman, ukuran dan umur panen. Pengguna memasukkan pilihan-pilihan pada karakteristik lokasi, sifat tanaman yang diinginkan dan sifat buah tomat yang dihasilkan. Pilihan pada parameter tujuan penanaman akan muncul setelah parameter ketinggian lokasi telah dipilih. Tampilan utama dari sistem disajikan dalam Gambar 11.
19 Setelah itu pada tampilan hasil pencarian varietas tomat akan muncul 10 varietas tomat yang direkomendasikan dengan skor dari urutan tertinggi hingga terendah. Varietas dengan skor tertinggi merupakan varietas yang sesuai dengan keinginan pengguna. Varietas yang memiliki nilai lebih kecil dari varietas dengan skor tertinggi adalah varietas yang dapat dipertimbangkan untuk dipilih jika terdapat kesulitan mendapatkan varietas dengan skor tertinggi atau jika harga varietas yang bersangkutan terlalu mahal. Tampilan hasil pencarian varietas tomat disajikan dalam Gambar 12.
Gambar 12 Tampilan hasil pencarian varietas tomat
Tampilan hasil pencarian varietas tomat memuat komponen fasilitas penjelasan yang merupakan komponen tambahan pada sistem pakar yang berfungsi untuk menggambarkan penalaran sistem kepada pengguna. Isi dari fasilitas penjelasan pada sistem adalah keterangan tahun keluaran, perusahaan benih, nilai bobot masing-masing parameter serta juga dimuat aturan yang yang ada sehingga dapat mengeluarkan 10 varietas rekomendasi. Contoh penalarannya yakni sebagai berikut:
20
kekerasan adalah keras (bobot=0.08) dan bentuk adalah bulat (bobot=0.07) dan warna adalah merah (bobot=0.07) maka dihasilkan varietas Warani.
Fasilitas penjelasan ini ditampilkan dalam Gambar 13.
Gambar 13 Tampilan fasilitas penjelasan pada hasil pencarian varietas tomat Pengujian
Tahapan pengujian menggunakan 51 data pengujian berupa masukan pengguna terhadap sistem beserta 10 hasil rekomendasi varietas keluaran sistem yang telah dibandingkan dengan metode pencarian varietas berdasarkan pakar. Data pengujian tersebut hanya melibatkan beberapa parameter yang penting yaitu ketinggian lokasi, ketahanan terhadap penyakit, potensi hasil, tujuan penanaman dan ukuran buah.
Berdasarkan hasil pengujian terhadap 51 data pengujian, terdapat 44 data yang sesuai dan 7 data yang tidak sesuai dengan metode pencarian varietas berdasarkan pakar. Akurasi dari sistem pakar pemilihan varietas tomat ini sebesar 86.2%. Hal ini dikarenakan dalam deskripsi kultivar tomat terdapat beberapa data yang tidak lengkap sehingga tidak dapat diproses dalam basis pengetahuan, selain itu terbatasnya jumlah data pengujian juga mempengaruhi hasil akurasi sistem.
Penggunaan metode fuzzy query dan metode Simple Additive Weighting
21 tumbuhnya dan preferensi pengguna. Keuntungan dan kerugian metode yang digunakan dalam penelitian ini adalah logika fuzzy untuk memetakan nilai keanggotaan yang tepat yakni antara 0 sampai 1, faktor pembobotan untuk menunjukkan prioritas atau urutan kepentingan dari suatu parameter yang berbeda-beda sesuai ketentuan pakar dan metode SAW yakni modifikasi logika
fuzzy dan faktor pembobot dengan penjumlahan hasil perkalian nilai parameter dan bobot sehingga didapatkan skor dan urutan hasil rekomendasi varietas. Keuntungan dari sistem adalah membantu petani menentukan varietas yang akan ditanam sesuai dengan keahlian pakar dengan lebih objektif, cepat dan cukup akurat. Kemudian membantu diseminasi pengetahuan yang terkait dengan pemilihan varietas benih tomat. Selain itu dalam sistem juga terdapat fasilitas penjelasan untuk memberikan penalaran kepada pengguna. Kekurangan dari sistem ini adalah tidak adanya data ketersediaan benih di pasaran sehingga tidak ada keterangan untuk varietas yang sudah tidak ada dan sudah tidak diproduksi.
Perbaikan dan Perawatan
Kegiatan perawatan dan perbaikan dari sistem dilakukan untuk menjaga konsistensi data dan keterbaruannya. Hal ini dilakukan memperbarui data nilai
crisp pada deskripsi kultivar varietas tomat. Tampilan untuk fasilitas updating
data disajikan pada Gambar 14.
22
KESIMPULAN DAN SARAN
Kesimpulan
SistemPakar Pemilihan Varietas Tomat dengan menggunakan logika fuzzy
dan faktor pembobotan telah dibangun dalam basis web. Sesuai dengan kebutuhan fungsionalnya, sistem ini telah dapat menentukan varietas rekomendasi yang sesuai dengan masukan pengguna pada sistem. Dari 135 varietas tomat yang ada pada basis data, dihasilkan 10 rekomendasi varietas yang berurutan sesuai dengan skor yang dihasilkan dari logika fuzzy dan metode Simple Additive Weighting
(SAW). Keluaran sistem ini juga dilengkapi dengan fasilitas penjelasan yang berfungsi untuk memberikan
Pengujian sistem dilakukan dengan 51 data pengujian kemudian didapatkan 44 data pengujian yang sesuai dan 7 data pengujian yang tidak sesuai. Secara general, sistem ini memiliki akurasi sebesar 86.2%. Hasil pengujian menyatakan bahwa sistem pakar pemilihan varietas tomat telah mewakili pakar dalam menentukan varietas tomat bagi pengguna.
Saran
Keterbaruan basis varietas tomat perlu dilakukan secara kontinu untuk memperluas ketercakupan sistem. Selain itu masukan untuk deskripsi kultivar tomat selanjutnya agar memuat informasi yang kuantitatif dan juga lengkap sehingga lebih banyak parameter yang dapat diproses dengan kaidah
fuzzy. Penelitian selanjutnya disarankan untuk melakukan survey pasar untuk melihat ketersediaan benih di pasaran untuk menyesuaikan sistem dengan kondisi yang ada. Sistem juga dapat disinergikan dengan sistem lain yang telah dibuat seperti sistem kelayakan usaha dalam hortikultura sehingga lebih memudahkan dan meningkatkan kemampuan petani dalam usaha tani.
DAFTAR PUSTAKA
Afshari A, Mojahed M, Yusuff RM. 2010. Simple additive weighting approach to personel selection problem. International Journal of Innovation, Management and Technology. 1(5):511-515.
Anggraeni R, Kusumadewi S, Indarto W. 2004. Sistem pencarian kriteria kelulusan menggunakan metode fuzzy Tahani: Studi kasus pada Fakultas Teknologi Industri Universitas Islam Indonesia. Media Informatika. 2(2):65-74. Askerzade IN, Mahmood M. 2010. Control the extention time of traffic light in
single junction by using fuzzy logic. International Journal of Electrical and Computer Science. 10(2):52-59.
Bosc P, Oliver P. 1995. SQLF: A relational database language for fuzzy querying.
23 [BPS] Badan Pusat Statistika. 2014. Produksi sayuran di Indonesia 1997-2013, Badan Pusat Statistika. [internet]. [diunduh 2014 Des 3]. Tersedia pada: http://www.bps.go.id/menutab.php?tabel=1&kat=3&id_subyek=55.
Bursantriannyo. 2014. Identifikasi varietas tanaman kunyit menggunakan sistem pakar [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Cahyono B. 2008. Tomat Usaha Tani dan Penanganan Pascapanen. Yogyakarta (ID): Kanisius.
Cahyono B. 1998. Tomat. Yogyakarta (ID): Kanisius.
Creative Crop. 2013. Three tomatoes of different sizes. [internet]. [diunduh 2014 Agustus 19]. Tersedia pada: http://www.gettyimages.com/detail/photo/three-tomatoes-of-different-sizes-royalty-free-image/100957128.
Gunawan OS, Suryaningsih E, Duriat AS. 1997. Penyakit-penyakit penting tanaman tomat dan cara pengendaliannya. Di dalam: Duriat AS, Hadisoeganda WW, Permadi AH, Sinaga RM, Hilman Y, Basuki RS, editor. Teknologi
Produksi Tomat; Bandung, Indonesia. Bandung (ID): Balai Penelitian Tanaman
Sayuran. hlm 94-117.
Kusumadewi S. 2002. Analisis dan Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta (ID): Graha Ilmu.
Marimin. 2009. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Bogor (ID): IPB Press.
Marpaung L. 1997. Pemanenan dan penanganan buah tomat. Di dalam: Duriat AS, Hadisoeganda WW, Permadi AH, Sinaga RM, Hilman Y, Basuki RS, editor.
Teknologi Produksi Tomat; Bandung, Indonesia. Bandung (ID): Balai
Penelitian Tanaman Sayuran. hlm 118-127.
Motro A. 1988. VAGUE: A user interface to relational database that permits vague queries. ACM Transaction on Office Information Systems. 6(3):187-214. Mujiburrahmad. 2011. Analisis produktivitas usaha tani tomat berbasis
agroklimat (kasus dataran medium dan dataran tinggi). Sains Riset. 1(2):1-10. Pandi M. 2009. Pengembangan modul fuzzy query pada fuzzy database
management system [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Purwati E. 2007. Varietas unggul harapan tomat hibrida (F1) dari Balitsa. Iptek Hortikultura. 3(3): 34-40.
Setiawati W. 1997. Hama-hama penting tanaman tomat dan cara pengendaliannya. Di dalam: Duriat AS, Hadisoeganda WW, Permadi AH, Sinaga RM, Hilman Y, Basuki RS, editor. Teknologi Produksi Tomat; Bandung, Indonesia. Bandung (ID): Balai Penelitian Tanaman Sayuran. hlm 81-93.
[SNI] Standar Nasional Indonesia. 1992. Tomat Segar. Jakarta (ID): Badan Standardisasi Nasional.
Tahani V. 1977. A conceptual framework for fuzzy query processing: A step toward very intelligent database system. Information, Processing and
Management. 13(5):289-303.
Tettamanzi A, Tomassini M. 2001. Soft Computing: Integrating Evolutionary,
Neural And Fuzzy System. New York (US): Springer, Berlin Heidelberg.
Turban E. 1995. Decision Support and Expert Systems: Management Support Systems. Englewood Cliffs, N.J. (US): Prentice Hall.
24
Widodo S, Pertiwi S, Makarim AK. 2009. SIVAPAR: Sistem pakar penentuan varietas padi sawah. Di dalam: Kastaman R, Kramadibrata AM, Seminar KB, Saukat M, editor. Prosiding Seminar Nasional Himpunan Informatika Pertanian 2009; 2009 Agustus 6-7; Bogor, Indonesia. Bogor (ID): Himpunan Informatika Pertanian. hlm 1-6.
25
Lampiran 1 Deskripsi kultivar tomat varietas Intan
LAMPIRAN SURAT KEPUTUSAN MENTERI PERTANIAN NOMOR : 99/Kpts/Um/2/1980
TANGGAL : 18 Agustus 1980
DESKRIPSI TOMAT VARIETAS INTAN
Asal : persilangan antara Nagcarlan/Anahu (introduksi dari AVRDC Taiwan) Nomor asal : AVRDC l33 (VC-8-1-2-1)
Umur : mulai berbunga 55 – 60 hari setelah semai mulai berbuah 70 – 80 hari setelah semai panen seluruhnya 130 – 140 hari setelah semai Tinggi tanaman berbunga : 40 – 70 cm
Bentuk tanaman : determinate sampai semi determinate Bentuk percabangan : vertikal
Permukaan buah : licin mengkilat, sedikit bergelombang Warna buah muda : hijau muda
: tahan terhadap layu bakteri (Psedamonas solanacearum)
Kepekeaan terhadap penyakit
: peka terhadap busuk daun (Phytoptora infenstans)
26
Lampiran 2 Contoh perhitungan skor
Diberikan 3 contoh varietas yakni Permata F1, Tombatu dan Jelita F1. Kemudian juga diberikan contoh masukan pengguna sebagai berikut:
1. Potensi hasil : Tinggi
2. Ketahanan terhadap penyakit : Layu bakteri 3. Ukuran : Besar
4. Tujuan penanaman : Tomat meja 5. Umur panen : Dalam
6. Kekerasan : Keras 7. Bentuk : Bulat 8. Warna : Merah
Maka nilai keanggotaan dari 8 parameter untuk masing-masing varietas adalah: No Nama Hasil Ketahanan
Kemudian diubah kedalam matriks keputusan X dengan data dan bobot W:
1 1 1 0 0.1 1 0 1
X = 1 1 0 1 0 1 0 1
1 1 0 0 0.1 1 0 1
W = 0.3 0.2 0.1 0.1 0.08 0.08 0.07 0.07
Kemudian dilakukan proses pencarian peringkat dengan persamaan (2): A1 = (1)(0.3)+(1)(0.2)+(1)(0.1)+(0)(0.1)+(0.1)(0.08)+
27
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 23 Februari 1993, anak pertama dari tiga bersaudara dari keluarga Bapak Ir Zainuddin Malik dan Ibu Wigunandari. Pendidikan SD ditempuh penulis di SD Swasta Hang Tuah 7 pada tahun 1998 sampai tahun 2004. Penulis melanjutkan pendidikan menengah pada tahun 2004 di SMP Negeri 9 Bekasi dan lulus pada tahun 2007. Pada tahun 2007 pula penulis melanjutkan pendidikan di SMA Negeri 5 Bekasi dan menyelesaikannya pada tahun 2010.
Pada tahun yang sama penulis diterima di Program Sarjana Program Studi Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB). Selama mengikuti perkuliahan, penulis aktif sebagai pengurus divisi Human Resource and
Development (HRD) Badan Eksekutif Mahasiswa (BEM) Fakultas Teknologi
Pertanian dan juga pengurus Engineering Design Club, kemudian sebagai asisten praktikum mata kuliah Fisika Dasar pada tahun 2012 dan asisten praktikum mata kuliah Gambar Teknik 2014. Pada tahun 2013 penulis melaksanakan Praktek Lapang selama empat puluh (40) hari di Pusat Penelitian Kopi dan Kakao Indonesia (Puslitkoka) dengan judul “Mempelajari Sistem Perencanaan dan Pengendalian Produksi Kopi”
