Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembenihan Ikan Gurami

(1)

SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI

DAYA PEMBENIHAN IKAN GURAMI

SELVYA ROSSALINA

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN 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 Pembenihan 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

Selvya Rossalina

(4)

ABSTRAK

SELVYA ROSSALINA. Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembenihan Ikan Gurami. Dibimbing oleh TOTO HARYANTO dan IRZAL EFFENDI.

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 kelayakan usaha perikanan budi daya untuk menentukan kelayakan usaha budi daya pembenihan ikan gurami. Metode inferensi yang digunakan adalah metode Fuzzy Inference System (FIS) Tsukamoto dengan fungsi keanggotaan menggunakan kurva trapesium. Metode defuzzifikasi yang digunakan adalah rata-rata terbobot (weighted average method). Parameter yang digunakan bersifat fuzzy dan non-fuzzy. Parameter yang bersifat fuzzy di antaranya adalah suhu, amonia (NH3), disolved oxygen (DO),

alkalinitas, Puissance negative de H (pH), kedalaman air kolam induk, dan kesadahan. Parameter yang bersifat non-fuzzy di antaranya bentuk badan usaha, izin usaha, manfaat untuk masyarakat, perilaku konsumen, dan return cost ratio (R/C ratio). Tujuh parameter input fuzzy mempunyai 11 aturan pada skala teknis yang ditentukan oleh pakar untuk menghasilkan output analisis usaha. Sistem pakar yang dibangun sudah mampu menganalisis kelayakan usaha budi daya pembenihan ikan gurami dan telah mendekati kemampuan pakar.

Kata kunci: defuzzifikasi, fungsi keanggotaan, fuzzy inference system,

pembenihan, rata-rata terbobot.

ABSTRACT

SELVYA ROSSALINA. Expert System for Determining the Feasibility of Gouramy Hatchery. Supervised by TOTO HARYANTO and IRZAL EFFENDI.

This study develops an expert system that is designed to record and use the knowledge, experience, and expertise of the experts in the field of aquaculture feasibility to determine the feasibility of gouramy hatchery. The utilized inference method is Tsukamoto Fuzzy Inference System (FIS) with travezoid curve membership functions. The weighted average is used as the defuzzification method. The parameters used are fuzzy and non-fuzzy. The fuzzy parameters are temperature, amonia (NH3), disolved oxygen (DO), alkalinity, Puissance negative

de H (pH), pond water depth, and hardness. The non-fuzzy parameters are the forms of business entities, business licenses, benefits to society, consumer behavior, and the return cost ratio (R/C ratio). Seven fuzzy input parameters has 11 rules for technical scale that are determined by experts to produce the business analysis output. The develoved expert system has been able to analize the feasibility of gouramy hatchery with a capability close to that of expert.

(5)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer

pada

Departemen Ilmu Komputer

SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI

DAYA PEMBENIHAN IKAN GURAMI

SELVYA ROSSALINA

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN INSTITUT PERTANIAN BOGOR

(6)

(7)

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

Nama : Selvya Rossalina NIM : G64114030

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

(8)

(9)

(10)

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 Maret 2013 ini ialah Sistem Pakar Penentuan Kelayakan Usaha Budi Daya pembenihan Ikan Gurami.

Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam menyusun tugas akhir ini, antara lain :

1 Kedua orang tua tercinta, Bapak Sittar Razak dan Ibu Rahmawati atas doa, dorongan semangat, dan kasih sayang yang selalu diberikan.

2 Toto Haryanto SKom, MSi selaku pembimbing yang telah memberikan ilmu, waktu, bimbingan, dan nasihat selama mengerjakan tugas akhir ini. 3 Bapak Ir Irzal Effendi, MSi selaku pakar yang telah memberikan ilmu,

waktu, dan bimbingan dalam menyusun tugas akhir ini.

4 Ibu Dr Yeni Herdiyeni SSi, MKom selaku dosen penguji yang telah memberikan waktu, arahan, dan saran selama penelitian ini berlangsung hingga selesai.

5 Hilmy Azis, Zahfa Putri Afriandita, dan seluruh keluarga atas segala doa dan kasih sayangnya.

6 Silmi, Nurul Arifin, Yusifani, Lusi, Ika, Suci, dan Midian atas kebersamaan dan dorongan semangat yang telah diberikan.

7 Rekan–rekan ilkom angkatan 6 yang telah membantu penulis untuk menyelesaikan tugas akhir ini.

8 Departemen Ilmu Komputer, dosen, dan staf yang telah banyak membantu selama masa perkuliahan dan menyelesaikan tugas akhir ini.

Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan skripsi ini. Namun, penulis berharap dengan segala kekurangan yang ada semoga tulisan ini bisa memberikan manfaat kelak di kemudian hari. Amin.

Bogor, Januari 2014

(11)

(12)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 3

Ruang Lingkup Penelitian 3

METODE 3

Identifikasi Masalah 4

Akuisisi Pengetahuan 4

Representasi Pengetahuan 5

Pengembangan Mesin Inferensia 5

HASIL DAN PEMBAHASAN 5

Akuisisi Pengetahuan 5

Representasi Pengetahuan 6

Pengembangan Mesin Inferensi 7

Implementasi 17

Pengujian 19

SIMPULAN DAN SARAN 20

Simpulan 20

Saran 20

DAFTAR PUSTAKA 21

(13)

DAFTAR TABEL

10 Domain dan himpunan fuzzy untuk parameter alkalinitas 9 11 Domain dan himpunan fuzzy untuk parameter pH 10 12 Domain dan himpunan fuzzy untuk parameter kedalaman air 11 13 Domain dan himpunan fuzzy untuk parameter kesadahan lokasi 12

14 Aturan aspek hukum 14

15 Aturan aspek sosial budaya 15

16 Aturan keseluruhan analisis dari setiap aspek 15

DAFTAR GAMBAR

1 Tahapan sistem pakar (Marimin 2005) 4

2 Metode pengembangan sistem pakar berbasis fuzzy inference system

(Jang et al. 1997) 5

8 Fuzzifikasi kedalaman air kolam induk 11

9 Fuzzifikasi kesadahan 12

16 Form analisis keseluruhan 19

17 Fuzzifikasi output salah satu data uji 19

DAFTAR LAMPIRAN

1 Aturan aspek teknis 22

2 Kuisioner I pengujian aspek teknis ke pakar 23

(14)

PENDAHULUAN

Latar Belakang

Ikan gurami menjadi salah satu komoditas perikanan air tawar yang sangat potensial untuk dikembangkan. Pertumbuhan gurami sangat lambat dibandingkan jenis-jenis ikan budi daya lain seperti ikan mas, lele, dan nila. Untuk mendapatkan ikan gurami berat 1 kg/ekor dari benih 1 cm membutuhkan waktu sekitar 4-5 tahun dengan pemeliharaan tradisional. Agar memudahkan pembudidaya, pemeliharaan gurami dibagi menjadi tiga tahapan segmentasi. Tahap tersebut meliputi pembenihan, pendederan, dan pembesaran. Pembenihan ikan adalah kegiatan pemeliharaan yang bertujuan untuk menghasilkan benih dan selanjutnya benih yang dihasilkan menjadi komponen input bagi kegiatan pembesaran. Pendederan merupakan kegiatan pemeliharaan benih sehingga menjadi lebih besar dari ukuran awal pemeliharaan dan berharga lebih tinggi dari harga benih awal. Pembesaran ikan adalah kegiatan pemeliharaan yang bertujuan untuk menghasilkan ikan ukuran konsumsi (Effendi 2004). Dengan adanya segmentasi tersebut, pembudidaya dapat memilih segmentasi usaha yang hendak ditekuni.

Saat ini, permintaan ikan gurami lebih besar dari persediaan yang ada karena potensi pasar ikan gurami yang semakin berkembang. Tingginya permintaan ikan gurami di pasaran memicu besarnya kebutuhan akan benih. Menurut Dinas Perternakan dan Perikanan Kabupaten Bogor (DPPKB 2011), pada tahun 2011 potensi produksi ikan air tawar di Kabupaten Bogor cukup tinggi, yaitu untuk seluruh jenis ikan konsumsi yang dibudidayakan pada tahun 2011 mencapai (56 576.67 ton/tahun), ikan hias mencapai (156 618.83 ton/tahun), dan untuk pembenihan mencapai (1 378 014.50 ton/tahun). Cabang usaha pembenihan mengalami kenaikan yang cukup tinggi pada tahun 2011. Hal ini terjadi karena adanya peralihan beberapa pelaku usaha yang sebelumnya melakukan aktivitas pembesaran beralih melakukan usaha pembenihan, disebabkan kegiatan pembenihan memerlukan waktu yang relatif singkat dan modal yang relatif rendah. Selain itu, produksi benih belum dapat mengimbangi kebutuhan benih. Dengan demikian, peluang membudidayakan pembenihan ikan gurami cukup besar untuk memenuhi kebutuhan petani pembesaran. Hal ini tentu saja menarik minat para investor atau pelaku usaha untuk membuka usaha budi daya pembenihan ikan gurami.

(15)

2

data. Hal yang harus dilakukan adalah melakukan survey lokasi tempat dijadikan usaha budi daya pembenihan ikan gurami karena tidak semua lokasi dapat dijadikan tempat budi daya pembenihan ikan gurami. Selanjutnya melakukan pengukuran kualitas air di lokasi yang nantinya akan dijadikan tempat budi daya pembenihan ikan gurami. Hasil pengukuran kualitas air kemudian dipelajari sehingga dapat diketahui kualitas air tersebut layak atau tidak sebagai tempat hidup benih ikan gurami. Untuk mempelajari hal tersebut dibutuhkan waktu yang lama apalagi bagi pelaku usaha yang belum berpengalaman, sehingga diperlukan pakar yang mengerti mengenai usaha pembenihan ikan gurami agar penentuan kelayakan bisa dilakukan lebih cepat. Usaha budi daya pembenihan gurami banyak dan tersebar di seluruh Indonesia, akan tetapi pakar yang mengerti mengenai usaha pembenihan jumlahnya sangat terbatas. Hal ini bisa mengakibatkan terhambatnya kinerja usaha apalagi bagi lokasi budi daya yang jauh dari pakar sehingga sulit untuk menemui dengan pakar.

Sebagai salah satu solusi dibangun sistem pakar yang dapat digunakan sebagai pertimbangan dalam pengambilan keputusan secara cepat dan tepat. Sistem pakar menjadi penghubung antara pakar dan investor dalam penentuan kelayakan usaha budi daya pembenihan ikan gurami. Dengan adanya sistem pakar yang memuat pengetahuan dari para pakar mengenai penentuan kelayakan usaha budi daya pembenihan ikan gurami akan dapat membantu pelaku usaha dalam menjalankan tugasnya.

Penentuan kelayakan usaha budi daya pembenihan ikan gurami memiliki beberapa variabel dan di antaranya ada yang bersifat ambigu atau tidak jelas, misalnya suhu. Setiap sumber menentukan rentang yang berbeda dalam menentukan keadaan suhu optimal untuk kehidupan benih gurami, tentu saja hal ini menimbulkan ketidakjelasan. Oleh sebab itu, diperlukan suatu metode yang dapat menyelesaikan keambiguan sehingga rentang nilai untuk keadaan optimal kehidupan benih ikan gurami menjadi jelas, tentu saja dengan bantuan pakar. Metode yang dapat menyelesaikan keambiguan tersebut adalah metode fuzzy inference system.

Beberapa penelitian yang pernah dilakukan sebelumnya di antaranya oleh Firmansyah dan Firda (2013) melakukan penelitian mengenai penerapan metode

fuzzy Tsukamoto pada aplikasi perencanaan produksi. Mulyawanto (2011) melakukan penelitian mengenai sistem pakar fuzzy untuk diagnosis penyakit pada tanaman cabai merah. Sevani (2009) melakukan penelitian mengenai sistem pakar penentuan kesesuaian lahan berdasarkan faktor penghambat terbesar tanaman pangan. Berdasarkan beberapa 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 sebuah sistem fuzzy ada tiga penalaran inferensi yang dapat digunakan yaitu: penalaran Mamdani, penalaran Sugeno, dan penalaran Tsukamoto. Penalaran Mamdani menggunakan fungsi implikasi MIN dan komposisi antar-aturan 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 hampir sama dengan penalaran Mamdani, hanya saja output sistem tidak berupa himpunan

(16)

3 penalaran Mamdani untuk menambah perhitungan matematika sederhana sebagai bagian dari THEN. Namun demikian, penalaran Sugeno tidak dapat menyelesaikan semua jenis permasalahan ketidakpastian sehingga muncul penalaran Tsukamoto. Penalaran Tsukamoto merepresentasikan penalaran Sugeno yang sederhana tetapi output yang dihasilkan berupa himpunan fuzzy, sehingga tetap mengakomodasi penalaran Mamdani. Pada penalaran Tsukamoto setiap konsekuen pada aturan yang berbentuk IF-THEN direpresentasikan dengan himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya,

outputdari setiap aturan diberikan secara tegas berdasarkan α-predikat, kemudian diperoleh hasil akhir dengan menggunakan rata-rata terbobot. Penelitian ini memilih metode fuzzy inference system Tsukamoto dalam pengambilan keputusan penentuan kelayakan usaha budi daya pembenihan ikan gurami.

Tujuan Penelitian

Penelitian ini bertujuan:

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

2 Membangun sistem pakar untuk menentukan kelayakan usaha pembenihan ikan gurami menggunakan metode Fuzzy Inference System.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini meliputi:

1 Data yang digunakan pada penelitian ini berasal dari pakar yaitu Bapak Ir Irzal Effendi, MSi dari Fakultas Perikanan Departemen Budi Daya Perikanan IPB, informasi tambahan dari Ibu Tintin Sarianti Sp, MM dari Fakultas Ekonomi dan Manajemen Departemen Agribisnis, Bapak Sulhi kepala Bagian Teknis Balai Budidaya Perikanan Air Tawar Sempur, Bogor, dan Bapak H.R Suryadi pengelola Pusat Pelatihan Mandiri kelautan dan Perikanan (P2 MKP) desa Pabuaran Kemang Bogor.

2 Kelayakan usaha yang dilakukan merupakan kelayakan usaha pembenihan ikan gurami skala kecil.

3 Variabel yang digunakan di antaranya aspek teknis, hukum, sosial budaya, dan finansial.

4 Parameter yang digunakan di antaranya adalah bentuk badan usaha, izin usaha, manfaat untuk masyarakat, perilaku konsumen, suhu, NH3, DO, alkalinitas, pH, kesadahan,kedalaman air kolam induk, dan R/C ratio.

5 Metode yang digunakan adalah metode Fuzzy Inference System Tsukamoto untuk penilaian skala teknis

METODE

(17)

4

Gambar 1 Tahapan sistem pakar (Marimin 2005)

Identifikasi Masalah

Penelitian ini dilakukan karena perlunya pertimbangan dan penilaian mengenai investasi yang akan ditanamkan layak atau tidak untuk dijalankan. Selama ini proses menentukan kelayakan usaha dilakukan secara manual sehingga membutuhkan waktu yang lama. Kesalahan langkah awal dalam pengambilan keputusan dapat menyebabkan kerugian di masa yang akan datang karena usaha yang dijalankan tidak sesuai dengan hasil yang diharapkan. Terbatasnya jumlah pakar mengakibatkan terhambatnya kinerja usaha apalagi bagi lokasi budi daya yang jauh sehingga sulit untuk menemui pakar. Oleh karena itu, perlu dibuat suatu sistem sebagai penghubung antara pakar dengan petani budi daya dan investor yang dapat mewakili pengetahuan pakar.

Akuisisi Pengetahuan

Pengetahuan dari pakar dapat diperoleh melalui wawancara. Dalam hal ini,

knowledge engineer (KE) menyodorkan permasalahan dan pakar menjelaskan proses penyelesaian masalah tersebut. Berdasarkan proses akuisisi yang telah dilakukan didapatkan 4 aspek yang dapat menentukan kelayakan usaha pembenihan ikan gurami di antaranya aspek hukum, aspek sosial budaya, aspek teknis, dan aspek finansial. Setiap aspek memiliki beberapa variabel. Variabel yang akan digunakan memiliki beberapa fitur, dapat dilihat pada Tabel 1, 2, 3, dan 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 teknis

(18)

5 Tabel 3 Parameter aspek sosial budaya

No Parameter Input Satuan Nilai 1 Manfaat Untuk

Masyarakat

Ada, tidak ada

2 Perilaku Konsumen Tidak Suka ikan,Kurang Suka ikan,Suka ikan, Sangat Suka ikan Tabel 4 Parameter aspek finansial

1 Biaya Investasi Rupiah

2 Biaya Operational Rupiah 3 Hasil produksi benih Ekor 4 Tingkat kehidupan % 5 Harga benih per ekor Rupiah 6 Pendapatan/ penerimaan Rupiah

7 Keuntungan Rupiah

8 R/C Ratio

Representasi Pengetahuan

Setelah memperoleh pengetahuan dari berbagai sumber, KE mulai memilih teknik representasi pengetahuan yang diperoleh. Hasil dari representasi pengetahuan digunakan untuk membantu pengambilan keputusan pada sistem pakar yang dikembangkan.

Pengembangan Mesin Inferensia

Berdasarkan strategi penalaran dan representasi pengetahuan yang ada, metode inferensi yang digunakan adalah metode FIS Tsukamoto. Setiap masukan dari pengguna dihitung nilai keanggotaannya sesuai dengan fungsi keanggotaan yang digunakan. Nilai keanggotaan yang diperoleh kemudian digunakan untuk mengevaluasi aturan-aturan yang ada pada basis pengetahuan. Hasil evaluasi aturan-aturan yang telah diagregasi kemudian didefuzzifikasi sehingga diperoleh kesimpulan. Prosesnya terlihat pada Gambar 2.

Gambar 2 Metode pengembangan sistem pakar berbasis fuzzy inference system

(Jang et al. 1997).

HASIL DAN PEMBAHASAN

Akuisisi Pengetahuan

(19)

6

Tabel 5 Tahapan validasi data dengan pakar

Tahap Validasi Hasil Langkah Selanjutnya

Tahap 1

Kadar Oksigen Terlarut (DO)

Alkalinitas

Kesadahan

Adanya perubahan parameter aspek sosial budaya, yaitu :

Dampak terhadap masyarakat

Dari 30 data uji yang diajukan ke pakar 27 data pengujian telah terjawab dengan benar, sehingga dapat dikatakan data yang digunakan sudah sesuai dengan keahlian pakar. yang diajukan ke pakar 30 dari data tersebut yang benar. dari data tersebut yang benar

Dari 30 data uji keseluruhan

Dalam pembuatan sistem pakar ini, jenis representasi pengetahuan yang dipilih untuk mengkonfigurasikan fakta-fakta pengetahuan adalah merepresentasikan dalam bentuk representasi fuzzy dan aturan atau rulebase. Representasi fuzzy digunakan karena ada beberapa parameter yang bersifat ambigu sehingga tidak bisa diselesaikan dengan representasi biasa. Parameter yang menggunakan fuzzy

adalah aspek teknis, sedangkan aspek hukum, aspek sosial budaya, aspek finansial, dan analisis keseluruhan aspek menggunakan aturan atau rulebase

(20)

7

Pengembangan Mesin Inferensi 1 Fuzzifikasi

Fuzzifikasi dilakukan untuk membagi variabel menjadi beberapa himpunan

fuzzy yang nantinya akan digunakan dalam pembuatan aturan. Variabel fuzzy yang digunakan merupakan aspek teknis dan dapat dilihat pada Tabel 6. Variabel lainnya tidak melakukan proses fuzzifikasi karena bersifat non-fuzzy.

Tabel 6 Parameter fuzzy aspek teknis

No Parameter Input Satuan Nilai Fuzzy atau Non-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 kolam induk

M Fuzzy

7 Kesadahan Mg/ L Fuzzy

Fungsi Keanggotaan

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

Fuzzifikasi Suhu

Fuzzifikasi suhu memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang dapat dilihat pada Tabel 7. Himpunan fuzzy direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 3.

Tabel 7 Domain dan himpunan fuzzy untuk parameter suhu Parameter atau Variabel Himpunan Fuzzy Domain

Suhu TidakOptimalBawah [0 0 20 23]

Optimal [20 26 29 35]

TidakOptimalAtas [32 35 50 50]

(21)

8

Fungsi keanggotaan setiap himpunan fuzzy parameter suhu sebagai berikut:

µ

TidakOptimalBawah

(X)

=

µ

optimal

(X)

=

µ

TidakOptimalAtas (X) =

Fuzzifikasi Amonia (NH3)

Fuzzifikasi NH3 memiliki 2 himpunan fuzzy, yaitu TidakOptimal dan

Optimal dengan domain masing masing himpunan yang dapat dilihat pada Tabel 8. Himpunan fuzzy direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 4.

Tabel 8 Domain dan himpunan fuzzy untuk parameter NH3 Parameter atau Variabel Himpunan Fuzzy Domain

NH3 Optimal [0 0 0.09 0.6]

TidakOptimal [0.3 0.6 5 5]

Gambar 4 Fuzzifikasi NH3

Fungsi keanggotaan setiap himpunan fuzzy parameter NH3 sebagai berikut:

µOptimal (X) =

(22)

9

Fuzzifikasi Kandungan Oksigen Terlarut (DO)

Fuzzifikasi DO memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang dapat dilihat pada Tabel 9. Himpunan fuzzy direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 5.

Tabel 9 Domain dan himpunan fuzzy untuk parameter DO Parameter atau Variabel Himpunan Fuzzy Domain

DO TidakOptimalBawah [0 0 1 3]

Optimal [1 4 8 15]

Gambar 5 Fuzzifikasi DO

Fungsi keanggotaan setiap himpunan fuzzy parameter DO sebagai berikut:

µTidakOptimalBawah (X) =

µOptimal (X) =

µTidakOptimalAtas (X) =

Fuzzifikasi Alkalinitas

Fuzzifikasi alkalinitas memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang dapat dilihat pada Tabel 10. Himpunan fuzzy

direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 6.

Tabel 10 Domain dan himpunan fuzzy untuk parameter alkalinitas Parameter atau Variabel Himpunan Fuzzy Domain Alkalinitas TidakOptimalBawah [0 0 4 30]

Optimal [5 50 200 400]

(23)

10

Gambar 6 Fuzzifikasi alkalinitas

Fungsi keanggotaan setiap himpunan fuzzy parameter alkalinitas sebagai berikut:

µoptimal (X) =

Fuzzifikasi pH

Fuzzifikasi pH memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing masing himpunan yang dapat dilihat pada Tabel 11. Himpunan fuzzy direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 7.

Tabel 11 Domain dan himpunan fuzzy untuk parameter pH Parameter atau Variabel Himpunan Fuzzy Domain

pH TidakOptimalBawah [0 0 3 5]

Optimal [3 6.5 8 12]

(24)

11 Fungsi keanggotaan setiap himpunan fuzzy parameter pH sebagai berikut:

µoptimal (X) =

Fuzzifikasi Kedalaman Air Kolam Induk

Fuzzifikasi kedalaman air kolam induk memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing-masing himpunan yang dapat dilihat pada Tabel 12. Himpunan fuzzy

Tabel 12 Domain dan himpunan fuzzy untuk parameter kedalaman air Parameter atau Variabel Himpunan Fuzzy Domain Kedalaman air kolam

induk

TidakOptimalBawah [0 0 0.5 0.9]

Optimal [0.6 1 1.5 3]

Gambar 8 Fuzzifikasi kedalaman air kolam induk

Fungsi keanggotaan setiap himpunan fuzzy parameter kedalaman air sebagai berikut:

(25)

12

Fuzzifikasi Kesadahan

Fuzzifikasi kesadahan memiliki 3 himpunan fuzzy, yaitu TidakOptimalBawah, Optimal dan TidakOptimalAtas dengan domain masing-masing himpunan yang dapat dilihat pada Tabel 13. Himpunan fuzzy

Tabel 13 Domain dan himpunan fuzzy untuk parameter kesadahan lokasi Parameter atau Variabel Himpunan Fuzzy Domain

Kesadahan TidakOptimalBawah [0 0 49 80]

Optimal [49 100 200 2000]

Gambar 9 Fuzzifikasi kesadahan

Fungsi keanggotaan setiap himpunan fuzzy parameter kesadahan lokasi sebagai berikut:

µoptimal (X) =

Setelah masing-masing parameter memperoleh nilai himpunan fuzzy dan domain himpunan fuzzy-nya maka tahap selanjutnya adalah menentukan output

dari analisis usaha yang akan dilakukan. Dari pakar diperoleh output yang nantinya akan digunakan yaitu tidak layak, layak bersyarat, dan layak.

(26)

13 Setelah output diperoleh maka aturan dapat dibuat. Dari tujuh parameter

inputfuzzy yang telah ditentukan, diperoleh 11 aturan yang ditentukan oleh pakar.

Output analisis usaha, awalnya ditentukan terlebih dahulu batasan nilai untuk masing-masing output-nya dan direpresentasikan dengan kurva segitiga yang ditunjukkan pada Gambar 10.

Gambar 10 Output analisis usaha

Fungsi keanggotaan untuk setiap himpunan fuzzy pada output analisis usaha sebagai berikut:

µTidaklayak(X) =

µLayakBersyarat(X)=

µLayak (X) =

2 Pembuatan Aturan Fuzzy

Aturan-aturan fuzzy diperoleh dari hasil diskusi dengan pakar. Aturan fuzzy

aspek teknis diperoleh dari pakar dapat dilihat pada Lampiran 1. Aturan yang diterapkan dalam sistem pakar menentukan kelayakan usaha budi daya pembenihan ikan gurami direpresentasikan dalam bentuk kaidah produksi if – then

dan menghubungkan antar-premisnya (setiap kolom dalam tabel) dengan operator “and”, sedangkan derajat keanggotaan yang dipilih pada setiap parameter merupakan nilai paling besar karena menggunakan operator “or” dan ditanyatakan dalam tabel menggunakan tanda garis miring ( / ). Pada metode fuzzy Tsukamoto, fungsi yang digunakan adalah implikasi MIN untuk mendapatkan nilai α-predikat tiap-tiap aturan (α1, α2, α3,.... αn) sehingga saat proses evaluasi aturan dalam mesin inferensi α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan dan komposisi antar-aturan menggunakan fungsi agregasi MAX dengan mengambil semua nilai dalam aturan. Masing-masing nilai α-predikat digunakan untuk menghitung hasil inferensi secara tegas (crisp) masing-masing aturan (z1, z2, z3,.... zn).

(27)

14

dikombinasikan harus digunakan. Ada beberapa parameter yang bersifat mutlak dan tidak perlu dikombinasikan lagi. Dengan mengetahui parameter yang bersifat mutlak maka diperoleh 11 aturan yang sudah mampu mengakomodasi seluruh aturan dan permasalahan.

Parameter yang paling menentukan dan bersifat mutlak pada aturan ini adalah suhu. Suhu sangat penting karena mempengaruhi pertumbuhan, nafsu makan dan dapat menyebabkan kematian massal sehingga apabila suhu tidak optimal maka usaha budi daya pembenihan ikan gurami skala teknis tidak layak untuk dijalankan, walaupun parameter aspek teknis yang lain dalam keadaan optimal. Parameter lain yang bersifat mutlak adalah pH. pH yang terlalu tinggi dapat menyebabkan kematian pada ikan sehingga ketika keadaan pH di atas batas optimal maka yang terjadi adalah budi daya pembenihan ikan gurami skala teknis tidak layak untuk dijalankan walaupun parameter aspek teknis yang lain berada pada keadaan optimal. Selain suhu dan pH kesadahan juga menjadi parameter yang bersifat mutlak. Apabila kesadahan di atas batas optimal maka usaha budi daya pembenihan skala teknis tidak layak dijalankan.

Parameter aspek teknis yang lain tidak bersifat mutlak sehingga ketika berada pada keadaan di bawah atau di atas batas optimal maka usaha budi daya pembenihan ikan gurami menjadi layak untuk dijalankan tetapi ada beberapa syarat yang harus dipenuhi. Hal tersebut disebabkan saat ini sudah ada teknologi yang dapat menanggulangi parameter yang keadaannya tidak optimal.

Pembuatan Aturan Non-Fuzzy

Selain aturan aspek teknis yang bersifat fuzzy untuk memperoleh suatu keputusan dalam menentukan kelayakan usaha budi daya pembenihan ikan gurami dibutuhkan aturan untuk parameter aspek hukum, sosial budaya, dan aspek analisis keseluruhan yang bersifat non-fuzzy. Aturan untuk parameter non-fuzzy

dapat dilihat pada Tabel 14,15, dan 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

(28)

15 Tabel 15 Aturan aspek sosial budaya

No Manfaat Untuk Masyarakat

Perilaku Konsumen Layak/tidak layak

1 Ada Tidak suka ikan layak

2 Ada Kurang suka ikan layak

3 Ada Suka Ikan layak

4 Ada Sangat Suka Ikan layak

5 Tidak Ada Tidak suka ikan layak bersyarat 6 Tidak Ada Kurang suka ikan layak bersyarat

7 Tidak Ada Suka Ikan layak

8 Tidak Ada Sangat Suka Ikan layak

Aturan aspek sosial budaya diperoleh dengan mengombinasikan himpunan setiap parameter sehingga diperoleh sebanyak 8 aturan. Berdasarkan hasil diskusi dengan pakar untuk aspek sosial budaya, output yang dihasilkan ada dua yaitu layak dan layak bersyarat. Hal ini disebabkan aspek sosial budaya berhubungan dengan kebiasaan dan perilaku masyarakat. Kebiasaan masyarakat sekitar yang menyukai ikan akan menambah keuntungan bagi pelaku usaha pembenihan karena akan semakin banyak juga petani yang membuka usaha budi daya pembesaran ikan gurami di lingkungan tersebut, tetapi jika masyarakat sekitar tidak menyukai ikan hal ini tidak akan menjadi masalah karena pelaku usaha dapat menjual benih ikan kepada petani lain di luar lingkungan sekitar.

Tabel 16 Aturan keseluruhan analisis dari setiap aspek No Aspek

Hukum

Aspek Teknis

Aspek Finansial Aspek Sosbud Analisis Usaha

(29)

16

Parameter yang paling menentukan dan bersifat mutlak pada aturan ini adalah aspek hukum. Apabila aspek hukum tidak layak, walaupun parameter yang lainnya keadaannya layak dan menguntungkan maka secara keseluruhan usaha budi daya pembenihan ikan gurami tidak layak untuk dijalankan. Hal ini disebabkan aspek hukum merupakan syarat untuk tercapainya tertib usaha, kelancaran arus barang, pemerataan kesempatan usaha, kepastian usaha, keamanan kesehatan, dan keamanan lingkungan usaha. Parameter lain yang bersifat mutlak adalah aspek teknis. Apabila aspek teknis tidak layak, walaupun parameter lain keadaannya layak dan menguntungkan maka secara keseluruhan usaha budi daya pembenihan ikan gurami tidak layak untuk dijalankan. Hal ini disebabkan jika lokasi tidak cocok untuk benih maka pertumbuhan benih akan terhambat. Kondisi tersebut dapat menyebabkan produktivitas kehidupan benih menurun dan hasil produksi juga akan menurun serta semakin banyak biaya yang harus dikeluarkan sehingga keuntungan berkurang.

Pembuatan Aturan Non-Fuzzy Aspek Finansial

Dalam melakukan perhitungan aspek finansial yang merupakan parameter

non-fuzzy, ditentukan aturan-aturan yang digunakan untuk mendapatkan output

analisis usaha. Output yang digunakan untuk aspek finansial ada 3, yaitu menguntungkan yang artinya jumlah penerimaan lebih besar dari pada jumlah pengeluaran, impas yang artinya jumlah penerimaan sama dengan jumlah pengeluaran, dan tidak menguntungkan yang arinya jumlah penerimaan lebih kecil dari pada jumlah pengeluaran. Aturan yang digunakan sebagai berikut: [R1] Jika R/C ratio > 1 maka analisis usaha pembenihan ikan gurami menguntungkan

[R2] Jika R/C ratio = 1 maka analisis usaha pembenihan ikan gurami Impas [R3] Jika R/C ratio < 1 maka analisis usaha pembenihan ikan gurami tidak menguntungkan

R/C ratio merupakan hasil perbandingan total pendapatan dengan total pengeluaran. Variabel input yang digunakan untuk menghitung R/C ratio adalah biaya investasi, biaya operational yang terdiri dari biaya tetap dan biaya variabel, hasil produksi benih per ekor, tingkat kehidupan dan harga benih per ekor. Variabel input akan menghitung output yaitu pendapatan, keuntungan, dan R/C

ratio.

3 Defuzzifikasi

(30)

17

Implementasi

Sistem ini dikembangkan dalam lingkungan XAMPP 1.7.2 dengan bahasa pemrograman PHP. Sistem pakar ini dikembangkan berbasis web agar lebih mudah diakses dan dimanfaatkan oleh lebih banyak orang terutama pelaku usaha dan investor maupun masyarakat umum yang ingin menentukan usaha budi daya pembenihan ikan gurami layak atau tidak untuk dijalankan.

Pada sistem yang dikembangkan ini terdiri dari beberapa modul di antaranya Beranda, Kelayakan Usaha Pembenihan, Kelayakan Usaha Pembesaran, Petunjuk Penggunaan, dan Hubungi Kami seperti terlihat pada Gambar 11.

Gambar 11 Menu pada sistem

Modul yang paling utama pada sistem ini terletak pada modul penentuan kelayakan usaha pembenihan ikan gurami dan modul kelayakan usaha pembesaran ikan gurami. Kelayakan usaha pembenihan akan menampilkan sebuah halaman berupa form yang berisi pertanyaan yang harus dijawab oleh user. Jawaban yang diberikan oleh user berupa pilihan pada combo box dan nilai yang dimasukkan pada kolom textbox yang disediakan sesuai dengan parameter yang ada. Halaman ini dibagi menjadi lima bagian. Bagian pertama berisi pertanyaan yang berkaitan dengan hukum, di antaranya bentuk badan usaha dan ada surat izin. Tampilan aspek hukum dapat dilihat pada Gambar 12.

Gambar 12 Form aspek hukum

Bagian kedua berisi pertanyaan yang berhubungan dengan syarat kualitas air yang digunakan, di antaranya suhu, kadar amonia (NH3), kadar oksigen terlarut

(dissolved oxygen [DO]), alkalinitas, derajat keasaman air (pH), kedalaman air kolam induk, dan kesadahan. Tampilan bagian kedua dan ketiga ini dapat dilihat pada Gambar 13.

(31)

18

Bagian ketiga berisi pertanyaan yang berhubungan dengan keuangan, di antaranya biaya investasi, biaya operational, hasil produksi benih, tingkat kehidupan, dan harga benih per ekor. Tampilan bagian ketiga dapat dilihat pada Gambar 14.

Gambar 14 Form aspek finansial

Bagian keempat berisi pertanyaan yang berkaitan dengan sosial budaya, di antaranya manfaat untuk masyarakat dan perilaku konsumen. Tampilan bagian keempat dapat dilihat pada Gambar 15.

Gambar 15 Form aspek sosial budaya

(32)

19

Gambar 16 Form analisis keseluruhan

Pengujian

Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan konsistensi pengetahuan pada hasil yang diperoleh.

Pada penelitian ini, telah dilakukan proses pengujian sistem dan validasi data dengan pakar sebanyak 2 kali sampai akhirnya mendapat hasil yang sesuai. Jika masih terdapat kesalahan atau sistem pakar yang dibuat belum sesuai dengan keahlian pakar, maka tahapan penelitian harus kembali ke tahap akuisisi pengetahuan, representasi pengetahuan, pengembangan mesin inferensi, implementasi dan pengujian.

Pada pengujian pertama dari 30 data uji yang diberikan kepada pakar 27 data uji yang berhasil diidentifikasi dengan benar. Kesalahan terjadi karena hasil dari nilai crisp yang didapatkan masuk ke dalam 2 kategori output, salah satu kasus data uji menghasilkan nilai crisp 2.07. jika dilihat pada Gambar 17, nilai tersebut masuk dalam 2 kategori output yaitu tidak layak dan layak bersyarat. Kemudian dihitung nilai derajat keanggotaannya. Salah satu output yang ditampilkan adalah output yang memiliki nilai derajat keanggotaan paling tinggi. Hasil yang diidentifikasi pakar dan hasil yang diidentifikasi sistem keduanya benar tetapi hanya satu output yang ditampilkan oleh sistem. Adanya kesalahan dalam proses akuisisi data juga sangat mempengaruhi keberhasilan dari sistem pakar yang dibuat. Adapun kuisioner pengujian yang diberikan kepada pakar dapat dilihat pada Lampiran 2 dan 3.

Gambar 17 Fuzzifikasi output salah satu data uji Derajat Keanggotaannya salah satu kasus data uji

µTidakLayak(X)=

µLayakBersyarat(X)=

Setelah melakukan pengujian pada aspek teknis yang bersifat fuzzy

(33)

20

data pengujian aspek hukum yang diajukan ke pakar semua data uji berhasil teridentifikasi dengan benar, sehingga dapat dikatakan aturan yang digunakan sudah dapat mengakomodasi seluruh aturan dan data yang digunakan sesuai dengan keahlian pakar. Dari 30 data pengujian aspek finansial yang diajukan ke pakar semua data uji berhasil teridentifikasi dengan benar, sehingga dapat dikatakan aturan yang dihasilkan sudah dapat mengakomodasi seluruh aturan. Dari 30 data pengujian aspek sosial budaya yang diajukan ke pakar, 28 teridentifikasi dengan benar. Dari 30 data pengujian didapatkan output dari setiap aspek. Output yang didapatkan kemudian digabungkan dan dilakukan pengujian kembali untuk keseluruhan aspek. Dari 30 data pengujian keseluruhan aspek yang diajukan ke pakar, 28 teridentifikasi dengan benar. Kesalahan yang terjadi karena adanya perbedaan jawaban pada aspek teknis sehingga mengakibatkan perbedaan

output yang dihasilkan. Hal ini sangat berpengaruh karena aspek teknis merupakan salah satu aspek yang bersifat mutlak dan memiliki bobot tertinggi setelah aspek hukum. Output dari aspek teknis akan mempengaruhi aspek finansial. Apabila aspek teknis tidak layak, walaupun parameter lain keadaannya layak dan menguntungkan maka secara keseluruhan usaha budi daya pembenihan ikan gurami tidak layak untuk dijalankan. Hal ini disebabkan jika lokasi tidak cocok untuk benih maka pertumbuhan benih akan terhambat, hasil produksi menurun, keuntungan berkurang sehingga output yang dihasilkan dari keseluruhan aspek akan bergantung pada output yang dihasilkan pada aspek teknis.

SIMPULAN DAN SARAN

Simpulan

1 Parameter suhu, amonia (NH3), disolved oxygen (DO), alkalinitas, pH,

kedalaman air kolam induk, dan kesadahan, bentuk badan usaha, izin usaha, manfaat untuk masyarakat, perilaku konsumen, dan R/C ratio dapat digunakan sebagai parameter untuk mementukan kelayakan usaha budi daya pembenihan ikan gurami.

2 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.

3 Metode Fuzzy Inference System Tsukamoto dapat diterapkan sebagai metode untuk menentukan kelayakan teknis budi daya pembenihan ikan gurami 4 Sistem pakar ini mampu menganalisis kelayakan usaha budi daya pembenihan

ikan gurami dan telah mendekati kemampuan pakar

Saran

(34)

21

DAFTAR PUSTAKA

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

Effendi I. 2004. Pengantar Akuakultur. Jakarta (ID): Penebar Swadaya.

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 S. 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 August 28-29; Avillion Legacy Melaka Hotel, Malaysia. Bandung(ID): Department of Industrial Engineering, Faculty of Engineering , University of Pasundan. hlm 70-78.

Jang JSR, Sun CT, Mizutani E. 1997. Neuro-Fuzzy and Soft Computing. London (UK): Prentice Hall.

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

Mulyawanto M. 2011. Sistem pakar fuzzy untuk diagnosis penyakit pada tanaman cabai merah [skripsi]. Bogor (ID): Institut Pertanian Bogor.

(35)

22

Lampiran 1 Aturan aspek teknis

No Suhu Nh3 Do Alkalinitas pH Kedalaman air

kolam induk kesadahan

Layak/ TidakLayak

1 Optimal Optimal Optimal Optimal Optimal Optimal Optimal Layak

2 TidakOptimalBawah TidakOptimalBawah

9 Optimal Optimal Optimal Optimal Optimal TidakOptimalBawah

/ TidakOptimalAtas

TidakOptimalBawah/

Optimal Layak bersyarat

10 Optimal Optimal Optimal Optimal Optimal Optimal TidakOptimalBawah Layak bersyarat

(36)

(37)

24

(38)

RIWAYAT HIDUP

Penulis bernama Selvya Rossalina, dilahirkan di Garut, Jawa Barat pada tanggal 12 Juli 1990. Penulis merupakan anak pertama dari pasangan Sittar Rajak dan Rahmawati.

Penulis memulai pendidikan formal pada tahun 1994 di TK Al-Musadadiyah Garut selama 2 tahun, kemudian pada tahun 1996 melanjutkan pendidikan ke jenjang Sekolah Dasar (SD) di Sekolah Abdi Negara Bekasi dan lulus pada tahun 2002. Kemudian melanjutkan pendidikannya ke Sekolah Lanjutan Tingkat Pertama (SLTP) di SLTP islam Assyafi’iyah 04 Jatiwaringin, Pondok Gede, Jawa Barat selesai pada tahun 2005. Sekolah Menengah Atas (SMA) penulis diselesaikan pada tahun 2008 di SMA YPI “45” Bekasi, Jawa Barat. Penulis diterima sebagai mahasiswa Direktorat Program Diploma Institut Pertanian Bogor (IPB) pada tahun 2008 melalui jalur Undangan Seleksi Masuk IPB (USMI) pada program keahlian Manajemen Informatika.