SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN
KARET MENGGUNAKAN METODE DEMPSTER SHAFER DAN
FORWARD CHAINING
SKRIPSI
DAMORA AZRI MOHARA
131421045
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN KARET MENGGUNAKAN METODE DEMPSTER SHAFER DAN
FORWARD CHAINING
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
DAMORA AZRI MOHARA 131421045
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Sistem Pakar Mendiagnosa Hama Dan Penyakit Tanaman
Karet Menggunakan Metode Dempster Shafer Dan Forward
Chaining
Kategori : SKRIPSI
Nama : DAMORA AZRI MOHARA
NIM : 131421045
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Maya Silvi Lydia, B.Sc, M.Sc Drs. Marihat Situmorang, M.Kom NIP.19740127 200212 2 001 NIP. 19631214 198903 1 001
Diketahui/disetujui oleh
Program Studi Ekstensi S1 Ilmu Komputer
Ketua,
PERNYATAAN
SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN KARET MENGGUNAKAN METODE DEMPSTER SHAFER DAN
FORWARD CHAINING
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2015
PENGHARGAAN
Alhamdulillah, Puji dan Syukur yang paling utama Penulis ucapkan Kehadirat Allah
Subhana Wataalaa Sang Pencipta seluruh jagad raya Yang Maha Pengasih dan Maha
Penyayang yang telah melimpahkan nikmat jasmani dan rohani yang diamanahkan
kepada Penulis sehingga dapat menyelesaikan Skripsi ini sesuai dengan intruksi dan
peraturan yang berlaku di Fakultas Ilmu Komputer dan Teknologi Informasi. Dan tidak
lupa Sholawat beriring salam Penulis hadiahkan kepada ruh junjungan Rasulullah Muhammad Sollallahu ‘Alaihi Wa Sallam yang diharapkan syafaatnya di hari kelak.
Skripsi ini tidak dapat terselsaikan dengan baik tanpa adanya bantuan dari pihak– pihak lain, maka dari itu Penulis pada kesempatan ini mengucapkan terima kasih kepada :
1. Bapak Prof. Subhilhar, Ph.D, selaku PJ Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan
Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom, selaku Ketua Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara.
4. Bapak Drs. Marihat Situmorang, M.Kom, selaku Dosen Pembimbing 1 yang
memberikan bimbingan dan arahan kepada Penulis dalam proses mengerjakan skripsi
sehingga dapat menyelesaikan skripsi ini dengan baik.
5. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Dosen Pembimbing 2 yang memberikan
bimbingan dan arahan kepada Penulis dalam proses mengerjakan skripsi sehingga
dapat menyelesaikan skripsi ini dengan baik.
6. Bapak Prof. Dr. Iryanto, M.Si, selaku Dosen Pembanding 1 yang memberikan
banyak masukan kepada Penulis.
7. Ibu Dian Rachmawati, S.Si, M.Kom, selaku Dosen Pembanding 2 yang memberikan
banyak masukan kepada Penulis.
8. Seluruh Dosen dan Pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi
9. Bapak Ir. Lahmuddin, M.P, selaku dosen di Fakultas Pertanian Universitas Sumatera
Utara, yang telah membantu Penulis dalam mengumpulkan data dan informasi.
10. Orang tua Penulis yang selalu Penulis cintai dan hormati, Ayahanda (alm) Ery
Zulkifli Harahap dan Ibunda Nazaria Anni Hasibuan, yang selalu dan tidak
bosan-bosannya mendoakan, menasehati dan membimbing Penulis, serta semua keluarga
Penulis yang tidak bisa disebutkan satu persatu namanya.
11. Saudara Penulis, Azyuma Azra Mohara, Rini Farahdina Harahap, dan Hanif Zehra
Mohara yang selalu memberikan semangat dan motivasi kepada Penulis.
12. Sahabat Penulis yang membantu dan memberikan motivasi dalam menyelesaikan
skripsi, Riwandy Septiansyah Lubis, Nurdin Siregar, Asri Diansyah Putra, Dwi
Septiana Sari, Rika Rentika, dan Rahmi Utami Siregar.
13. Teman–teman Penulis di Program Studi ekstensi S1 Ilmu Komputer 2013 yang tidak bisa disebutkan satu persatu namanya.
Penulis mendoakan semoga saran, kritik, bimbingan dan masukan dari semua
pihak dibalas oleh Allah Subhana Wataalaa dengan balasan yang sebaik–baiknya. Amin.
Medan, Agustus 2015
Penulis,
ABSTRAK
Salah satu faktor yang membuat produktivitas tanaman karet menjadi rendah adalah adanya serangan hama dan penyakit, serta kurangnya informasi dan pengetahuan yang dimiliki dalam perawatannya. Untuk mengatasi masalah tersebut, perlu informasi dan pengetahuan secara umum mengenai hama dan penyakit tanaman karet dari pakar di bidang tanaman karet. Keterbatasan pakar juga menjadi kendala dalam menggunakan jasa pakar dibidang tanaman karet. Untuk mengatasi permasalahan keterbatasan pakar, dibutuhkan suatu sistem yang menerapkan salah satu metode yang terdapat dalam bidang ilmu kecerdasan buatan yaitu sistem pakar. Sistem pakar mengadopsi pengetahuan pakar ke dalam komputer sehingga komputer dapat menyelesaikan masalah seperti layaknya seorang pakar. Untuk itu, dibangun sistem pakar mendiagnosa hama dan penyakit tanaman karet menggunakan metode forward chaining dan dempster shafer. Metode
forward chaining adalah proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Sedangkan dempster shafer adalah salah satu metode untuk mengatasi ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu.
EXPERT SYSTEM TO DIAGNOSE PESTS AND RUBBER PLANT DISEASES USING DEMPSTER SHAFER AND FORWARD CHAINING METHODS
ABSTRACT
One of factor make rubber plant productivity becomes low is pests and diseases presence, and lack of information and knowledge in maintenance. To overcome these problems, needed information and general knowledge about pests and rubber plant diseases from the rubber plant expert. Limitations of expert is also an obstacle in using rubber plant expert services. To overcome the limitations of expert problem, we need a system that implements one of the methods contained in artificial intelligence is an expert system. Expert system adopts expert knowledge into computer so that computer can solve the problems like an expert. So, built an expert system to diagnose pests and rubber plant diseases using forward chaining and Dempster Shafer methods. Forward chaining method is tracing process that begins by displaying data collection or facts that convincingly towards the final conclusion. While Dempster Shafer is one of the methods to cope uncertainty on the symptoms and the rules, so that expert system is able to produce conclusions by the degree of certainty.
DAFTAR ISI
1.3 Ruang Lingkup Penelitian 3
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Metodologi Penelitian 4
1.7 Sistematika Penulisan 5
BAB 2 LANDASAN TEORI
2.1 Kecerdasan Buatan (Artificial Intelligence) 7
2.2 Sistem Pakar 7
2.2.1 Arsitektur Sistem Pakar 8
2.2.2 Keuntungan Pemakaian Sistem Pakar 10
2.2.3 Orang Yang Terlibat Dalam Sistem Pakar 11
2.2.4 Kaidah/Aturan 12
2.2.5 Penalaran 13
2.2.6 Perunutan 13
2.2.6.1Forward Chainig (Runut Maju) 13
2.3 Dempster Shafer 14
2.4 Hama dan Penyakit Tanaman Karet 20
2.5 Penelitian Terdahulu 24
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem 26
3.1.1 Analisis Permasalahan Sistem 26
3.1.2 Analisis Kebutuhan Sistem 28
3.2.2 Activity Diagram 34
3.2.3 Sequence Diagram 36
3.2.4 Flowchart Sistem Pakar Mendiagnosa Hama dan Penyakit Tanaman Karet 38
3.3 Analisis Proses 39
3.3.1 Analisis Proses Metode Forward Chaining 39
3.3.2 Analisis Proses Metode Dempster Shafer 42
3.4 Perancangan Antarmuka Sistem (Interface) 46
3.4.1 Rancangan Halaman Utama 47
3.4.2 Rancangan Halaman Diagnosa 48
3.4.2.1Rancangan Halaman Pertanyaan 49
3.4.2.2Rancangan Halaman Hasil Diagnosa 50
3.4.3 Rancangan Halaman Login Admin 51
3.4.3.1Rancangan Halaman Utama Admin 53
3.4.3.2Rancangan Pengolahan Data 53
3.4.3.3Rancangan Tambah atau Edit Data 54
BAB 4 IMPLEMENTASI SISTEM
4.1 Implementasi Sistem 56
4.1.1 Spesisfikasi Perangkat Keras dan Perangkat Lunak 56
4.2 Antarmuka Pengguna (Interface) 57
4.2.1 Halaman Utama 57
4.2.2 Halaman Cara Peggunaan 58
4.2.3 Halaman Diagnosa 58
4.2.4 Halaman Login Admin 60
4.2.5 Halaman Utama Admin 61
4.2.6 Halaman Pengolahan Data 62
4.3 Pengujian 64
4.3.1 Pengujian Sistem Metode Dempster Shafer 65
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan 67
5.2 Saran 68
DAFTAR TABEL
Halaman
Tabel 2.1. Aturan Kombinasi Untuk Densitas Baru (m3) 17
Tabel 2.2. Aturan Kombinasi Untuk Densitas Baru (m5) 19
Tabel 2.3. Hama Tanaman Karet 20
Tabel 2.4. Penyakit Pada Akar 21
Tabel 2.5. Penyakit Pada Bidang Sadap 22
Tabel 3.1. Skenario Use Case Input Data Diri 31
Tabel 3.2. Skenario Use Case Menjawab Pertanyaan 32
Tabel 3.3. Skenario Use Case Login 32
Tabel 3.4. Skenario Use Case Pengolahan Data 33
Tabel 3.5. Skenario Use Case Logout 34
Tabel 3.6. Gejala Hama dan Penyakit Tanaman Karet 42
Tabel 3.7. Aturan Kombinasi Untuk Densitas Baru (m3) 45
Tabel 3.8. Aturan Kombinasi Untuk Densitas Baru (m5) 46
Tabel 4.1. Aturan Kombinasi Untuk Densitas Baru (m3) 65
DAFTAR GAMBAR
Halaman
Gambar 2.1. Arsitektur Sistem Pakar 10
Gambar 3.1 Diagram Ishikawa Untuk Analisis Masalah 27
Gambar 3.2. Use Case Diagram Mendiagnosa Hama dan Penyakit Tanaman Karet 30
Gambar 3.3 Activity Diagram Halaman Diagnosa 35
Gambar 3.4. Activity Diagram Halaman Admin 36
Gambar 3.5. Sequence Diagram Halaman Diagnosa 37
Gambar 3.6. Sequence Diagram Halaman Admin 37
Gambar 3.7. Flowchart Sistem 38
Gambar 3.8. Rancangan Halaman Utama 47
Gambar 3.9. Rancangan Halaman Daftar Diri Pengguna 48
Gambar 3.10. Rancangan Halaman Pertanyaan 49
Gambar 3.11. Rancangan Hasil Diagnosa dan Solusi 50
Gambar 3.12. Rancangan Halaman Login Admin 52
Gambar 3.13. Rancangan Halaman Utama Admin 53
Gambar 3.14. Rancangan Pengolahan Data 54
Gambar 3.15. Rancangan Tambah atau Edit Data 55
Gambar 4.1. Halaman Utama 57
Gambar 4.2. Halaman Cara Penggunaan 58
Gambar 4.3. Form Data Diri Pengguna 59
Gambar 4.4. Halaman Pertanyaan 59
Gambar 4.5. Halaman Hasil Diagnosa 60
Gambar 4.6. Halaman Login Admin 61
Gambar 4.7. Halaman Utama Admin 61
Gambar 4.8 Halaman Pengolahan Data 62
Gambar 4.9. Form Tambah Data Gejala dan Bobot 63
Gambar 4.10. Form Edit Data Gejala dan Bobot 63
Gambar 4.11. Hapus Data Hama dan Penyakit 64
ABSTRAK
Salah satu faktor yang membuat produktivitas tanaman karet menjadi rendah adalah adanya serangan hama dan penyakit, serta kurangnya informasi dan pengetahuan yang dimiliki dalam perawatannya. Untuk mengatasi masalah tersebut, perlu informasi dan pengetahuan secara umum mengenai hama dan penyakit tanaman karet dari pakar di bidang tanaman karet. Keterbatasan pakar juga menjadi kendala dalam menggunakan jasa pakar dibidang tanaman karet. Untuk mengatasi permasalahan keterbatasan pakar, dibutuhkan suatu sistem yang menerapkan salah satu metode yang terdapat dalam bidang ilmu kecerdasan buatan yaitu sistem pakar. Sistem pakar mengadopsi pengetahuan pakar ke dalam komputer sehingga komputer dapat menyelesaikan masalah seperti layaknya seorang pakar. Untuk itu, dibangun sistem pakar mendiagnosa hama dan penyakit tanaman karet menggunakan metode forward chaining dan dempster shafer. Metode
forward chaining adalah proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Sedangkan dempster shafer adalah salah satu metode untuk mengatasi ketidakpastian pada gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu.
EXPERT SYSTEM TO DIAGNOSE PESTS AND RUBBER PLANT DISEASES USING DEMPSTER SHAFER AND FORWARD CHAINING METHODS
ABSTRACT
One of factor make rubber plant productivity becomes low is pests and diseases presence, and lack of information and knowledge in maintenance. To overcome these problems, needed information and general knowledge about pests and rubber plant diseases from the rubber plant expert. Limitations of expert is also an obstacle in using rubber plant expert services. To overcome the limitations of expert problem, we need a system that implements one of the methods contained in artificial intelligence is an expert system. Expert system adopts expert knowledge into computer so that computer can solve the problems like an expert. So, built an expert system to diagnose pests and rubber plant diseases using forward chaining and Dempster Shafer methods. Forward chaining method is tracing process that begins by displaying data collection or facts that convincingly towards the final conclusion. While Dempster Shafer is one of the methods to cope uncertainty on the symptoms and the rules, so that expert system is able to produce conclusions by the degree of certainty.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Tanaman Karet adalah polimer hidrokarbon yang terkandung pada lateks (getah kental
yang membeku ketika terkena udara bebas) beberapa jenis tumbuhan. Sumber utama
produksi karet dalam perdagangan internasional adalah para atau havea brasiliensis.
Tanaman karet adalah tanaman tahunan yang dapat tumbuh sampai umur 30 tahun.
Habitus tanaman ini merupakan pohon dengan tinggi tanaman dapat mencapai 15-20
meter. Tanaman karet memiliki masa belum menghasilkan selama lima tahun (masa TBM
5 tahun) dan sudah mulai dapat disadap pada awal tahun ke enam. Secara ekonomis
tanaman karet dapat disadap selama 15 sampai 20 tahun (Budiman, 2012).
Karet merupakan salah satu komoditi hasil perkebunan yang mempunyai peran
yang cukup penting dalam kegiatan perekonomian Indonesia dan menjadi salah satu dari
beberapa komoditi ekspor unggulan Indonesia dalam menghasilkan devisa Negara di luar
minyak dan gas. Terdapat 3 jenis perkebunan karet yang ada di Indonesia, yaitu
Perkebunan Rakyat (PR), Perkebunan Besar Negara (PBN) dan Perkebunan Besar Swasta
(PBS). Pada tahun 2012 diperkirakan nilai ekspor komoditi karet mencapi US$ 7,86
miliar dengan volume ekspor sebanyak 2,44 juta ton. Sedangkan pada tahun 2013 nilai
ekspornya sekitar US$ 5,26 miliar dengan volume ekspor sekitar 2 juta ton (Kontan,
Indonesia merupakan Negara dengan kebun karet terbesar di dunia mengungguli
produsen utama lainnya yaitu Thailand dan Malaysia dengan luas 3,4 juta hektar. Dari
jumlah ini, sebesar 85% atau sekitar 2,84 juta hektar adalah kebun rakyat. Meskipun
demikian, produksi karet Thailand per tahun lebih besar dibandingkan dengan hasil
produksi karet Indonesia. Keadaan ini disebabkan karena rendahnya produktivitas dan
kualitas tanaman karet Indonesia yang tidak dikelola secara profesional, terutama
diperkebunan karet rakyat yang menyumbang 84% dari total produksi karet nasional.
Sisanya (sekitar 16%) merupakan perkebunan karet milik Negara atau perkebunan besar
yang dikelola secara profesional. Salah satu faktor yang membuat produktivitas tanaman
karet menjadi rendah adalah adanya serangan hama dan penyakit. Kemudian kurangnya
informasi dan pengetahuan yang dimiliki dalam perawatan sehari-hari, seperti pemupukan
serta pemberantasan hama dan penyakit yang kurang intensif (Budiman, 2012).
Untuk mengatasi masalah tersebut, perlu pengenalan dan pengetahuan serta
informasi secara umum dan praktis mengenai hama dan penyakit dari para ahli atau pakar
di bidang tanaman karet, sehingga memudahkan dalam mengidentifikasi dan proses
pengendalian lebih lanjut. Keterbatasan pakar juga menjadi kendala dalam menggunakan
jasa pakar dibidang tanaman karet. Untuk mengatasi permasalahan keterbatasan pakar,
dibutuhkan suatu sistem yang menerapkan salah satu metode yang terdapat dalam bidang
ilmu kecerdasan buatan yaitu sistem pakar.
Sistem pakar mengadopsi pengetahuan pakar ke dalam komputer sehingga
komputer dapat menyelesaikan masalah seperti layaknya seorang pakar. Dalam
membangun suatu sistem pakar metode inferensi dapat digunakan untuk merunutkan
kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Dalam penulisan
tugas akhir ini, penulis menggunakan metode Forward Chaining sebagai metode
inferensinya. Dan untuk menghasilkan konklusi dengan derajat kepastian tertentu penulis
menggunakan metode Dempster Shafer. Metode Dempster Shafer adalah salah satu
metode untuk menangani ketidakpastian pada gejala-gejala maupun pada kaidah,
Harapannya dengan adanya sistem pakar ini dapat membantu pihak-pihak yang
melakukan budidaya tanaman karet dalam mencegah penyebaran hama dan penyakit pada
tanaman karet sedini mungkin serta medapatkan solusi pengendaliannya. Sehingga dapat
meningkatkan kembali produktivitas dan kualitas tanaman karet di Indonesia agar bisa
bersaing dipasar dunia.
1.2 Rumusan Masalah
Adapun rumusan masalah yang dibahas dalam penelitian ini adalah bagaimana
mendiagnosa hama dan penyakit tanaman karet menggunakan metode Forward Chaining
dan Dempster Shafer serta memberi solusi untuk pengendaliannya.
1.3 Ruang Lingkup Penelitian
1. Jenis hama dan penyakit yang dibahas adalah hama yang umum seperti rayap dan
kutu. Untuk penyakit yang akan di bahas adalah penyakit pada bagian akar dan pada
bidang sadap. Adapun penyakit akar adalah jamur akar putih dan jamur akar merah.
Sedangkan pada bidang sadap adalah penyakit kanker garis, mouldy rot, dan brown
blast.
2. Solusi pengendalian hama dan penyakit akan dilakukan secara mekanis maupun
kimiawi.
3. Sistem pakar ini hanya mendiagnosa gejala fisik yang muncul pada tanaman karet.
4. Sistem pakar ini menggunakan metode Forward Chaining untuk menarik kesimpulan
dari informasi yang diketahui menuju konklusi akhir. Dan menggunakan metode
Dempster Shafer untuk menangani ketidakpastian pada gejala-gejala maupun pada
5. Sistem yang akan dibangun menggunakan bahasa pemrograman PHP dan MySQL
sebagai Database Management System (DBMS).
6. Informasi untuk menyusun aturan merupakan fakta yang diperoleh dari pakar ( Ir.
Lahmuddin Lubis, MP.)
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk membangun sistem pakar mendiagnosa hama dan penyakit
tanaman karet menggunakan metode Forward Chaining dan Dempster Shafer serta
memberi solusi untuk pengendaliaanya.
1.5 Manfaat Penelitian
Diharapakan dengan adanya sistem ini dapat membantu peningkatan produktivitas dan
kualitas tanaman karet serta meminimalkan biaya dalam penyediaan dan menggunakan
jasa pakar.
1.6 Metodologi Penelitian
1. Studi Literatur
Pada tahapan ini dilakukan dengan membaca buku-buku referensi, skripsi, jurnal,
artikel dan sumber lain yang berkaitan dengan penulisan tugas akhir ini, seperti sistem
pakar, metode Forward Chaining dan Dempster Shafer, maupun tanaman karet.
2. Pengumpulan Data
Pada tahapan ini dilakukan penelitian atau wawancara yang bertujuan untuk
memperoleh data yang berhubungan dengan hama dan penyakit tanaman karet, baik
3. Analisis dan Perancangan Sistem
Pada metode ini dilakukan analisis sesuai dengan kebutuhan seperti cara membangun
sistem pakar dengan metode Forward Chaining dan Dempster Shafer, jenis perangkat
yang digunakan, pembuatan desain interface, target pengguna, dan hasil yang
diinginkan.
4. Implementasi Sistem
Menyusun kode program untuk membangun sistem pakar mendiagnosa hama dan
penyakit tanaman karet menggunakan bahasa pemrograman PHP dan MySQL sebagai
Database Management System (DBMS).
5. Pengujian Sistem
Pada tahap ini dilakukan pengujian sistem apakah sistem sudah berfungsi sesuai
dengan metode dan komponen utama yang ditentukan dalam sistem pakar.
6. Dokumentasi
Tahapan ini berisi laporan dan kesimpulan akhir dari hasil analisis dan pengujian
dalam bentuk penulisan tugas akhir beserta kesimpulannya dan menampilkan data
sebagai bukti dalam bentuk hard copy.
1.7 Sistematika Penulisan
Penulisan tugas akhir disajikan dengan sistematika sebagai berikut:
BAB 1 : PENDAHULUAN
Pada bab ini membahas tentang latar belakang, rumusan masalah, ruang
lingkup penelitin, tujuan penelitian, manfaat penelitian, metodologi penelitian,
dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Pada bab ini membahas tentang landasan teori yang berhubungan dengan
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
Pada bab ini membahas tentang tujuan dari perancangan sistem pakar dalam
mendiagnosa hama dan penyakit tanaman karet serta analisis dan perancangan
sistem dengan metode Forward Chaining dan Dempster Shafer.
BAB 4 : IMPLEMENTASI SISTEM
Pada bab ini membahas tentang implementasi dari aplikasi yang dibangun
secara keseluruhan. Serta melakukan pengujian terhadap aplikasi yang
dibangun untuk mengetahui aplikasi tersebut telah dapat menyelesaikan
permasalahan yang dihadapi sesuai dengan yang diharapkan.
BAB 5 : KESIMPULAN DAN SARAN
Pada bab ini membahas tentang kesimpulan-kesimpulan penulis dari penelitian
BAB 2
LANDASAN TEORI
2.1 Kecerdasan Buatan (Artificial Intelligence)
Menurut Minsky dalam (Kusrini, 2006) kecerdasan buatan adalah suatu ilmu yang
mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh
manusia. Kecerdasan buatan memungkinkan komputer untuk berpikir dengan cara
menyederhanakan program. Dengan cara ini, kecerdasan buatan dapat menirukan proses
belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di
masa-masa mendatang.
Kecerdasan atau kepandaian itu didapat berdasarkan pengetahuan dan
pengalaman, untuk itu agar perangkat lunak yang dikembangkan dapat mempunyai
kecerdasan maka perangkat lunak tersebut harus diberi suatu pengetahuan dan
kemampuan untuk menalar dari pengetahuan yang telah didapat dalam menemukan solusi
atau kesimpulan layaknya seorang pakar dalam bidang tertentu yang bersifat spesifik.
2.2 Sistem Pakar
Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu
yang mendekati kemampuan manusia di salah satu bidang. Sistem pakar mencoba
mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu
Menurut Martin dan Oxman dalam (Kusrini, 2006) sistem pakar adalah sistem
berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam
memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam
bidang tertentu.
Sedangkan menurut Giarratano dan Riley dalam (Hartati dan Iswanti, 2008)
sistem pakar adalah salah satu cabang kecerdasan buatan yang menggunakan
pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan
suatu masalah tertentu.
2.2.1 Arsitektur Sistem Pakar
Menurut Giarratano dan Riley dalam (Hartati dan Iswanti, 2008) menyatakan sistem
pakar sebagai sebuah program yang difungsikan untuk menirukan pakar manusia harus
bisa melakukan hal-hal yang dapat dikerjakan oleh seorang pakar. Untuk membangun
sistem yang seperti itu maka komponen-komponen yang harus dimiliki adalah sebagai
berikut:
1. Antarmuka pengguna (user interface) adalah perangkat lunak yang menyediakan
media komunikasi antara pengguna dengan sistem. Antarmuka menerima informasi
dari pengguna dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem.
Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam
bentuk yang dapat dimengerti oleh pengguna.
2. Basis pengetahuan (knowledge base) merupakan kumpulan pengetahuan bidang
tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari
akumulasi pengetahuan pakar dan sumber-sumber pengetahuan lainnya seperti
buku-buku, majalah, jurnal ilmiah, maupun dokumentasi yang tercetak lainnya.
3. Mekanisme inferensi (inference machine) merupakan perangkat lunak yang
melakukan penalaran dengan menggunakan pengetahuan yang ada untuk
Dalam komponen ini dilakukan pemodelan proses berpikir manusia. Pada prinsipnya
mesin inferensi inilah yang mencari solusi dari suatu permasalahan.
4. Memori kerja (working memory) merupakan bagian dari sistem pakar yang
menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. Fakta-fakta
inilah nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang
disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan
masalah. Konklusinya bisa berupa hasil diagnosa, tindakan, dan akibat.
Sedangkan utuk menjadikan sistem pakar menjadi lebih menyerupai seorang
pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut :
1. Fasilitas penjelasan (explanation facility) merupkan proses menentukan keputusan
yang dilakukan oleh mesin inferensi selama sesi konsultasi mencerminkan proses
penalaran seorang pakar. Karena pemakai kadangkala bukanlah ahli dalam bidang
tersebut, maka dibutuhkan fasilitas penjelasan. Fasilitas penjelasan inilah yang dapat
memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga
dihasilkan suatu keputusan. Bentuk penjelasannya dapat berupa keterangan yang
diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan
mengapa, atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi.
2. Fasilitas akuisisi pengetahuan (knowledge acquisition facility) merupakan perangkat
lunak yang menyediakan fasilitas dialog antara pakar dengan sistem. Fasilitas akuisisi
ini digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan
perkembangan ilmu. Meliputi proses pengumpulan, pemidahan, dan perubahan dari
kemampuan pemecahan masalah seorang pakar atau sumber pengetahuan
terdokumentasi (buku, dll) ke program komputer, yang bertujuan untuk memperbaiki
Arsitektur dasar dari sistem pakar dapat dilihat pada Gambar 2.1 :
Gambar 2.1. Arsitektur Sistem Pakar
2.2.2 Keuntungan Pemakaian Sistem Pakar
Adapun keuntungan pemakaian sistem pakar antara lain sebagai berikut (Kusrini, 2006):
1. Membuat seorang yang awam dapat bekerja seperti layaknya seorang pakar.
2. Dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti.
3. Meningkatkan output dan produktivitas. Sistem pakar dapat bekerja lebih cepat dari
manusia. Keuntungan ini berarti mengurangi jumlah pekerja yang dibutuhkan, dan
akhirnya akan mereduksi biaya.
5. Sistem Pakar meyediakan nasihat yang konsisten dan dapat mengurangi tingkat
kesalahan.
6. Membuat peralatan yang kompleks lebih mudah dioperasikan karena sistem pakar
dapat melatih pekerja yang tidak berpengalaman.
7. Handal (reliability).
8. Sistem pakar tidak dapat lelah atau bosan. Juga konsisten dalam memberi jawaban
dan selalu memberikan perhatian penuh.
9. Memiliki kemampuan untuk memecahkan masalah yang kompleks.
2.2.3 Orang Yang Terlibat Dalam Sistem Pakar
Untuk memahami perancangan sistem pakar, perlu dipahami mengenai siapa saja yang
berinteraksi dengan sistem. Mereka adalah (Kusrini, 2006):
1. Pakar (domain expert) adalah seseorang ahli yang dapt menyelesaikan masalah yang
sedang diusahakan untuk dipecahkan oleh sistem.
2. Pembangun pengetahuan (knowledge engineer) adalah seseorang yang
menerjemahkan pengetahuan seorang pakar dalam bentuk deklaratif sehingga dapat
digunakan oleh sistem pakar.
3. Pengguna (user) adalah seseorang yang berkonsultasi dengan sistem untuk
mendapatkan saran yang disediakan oleh pakar.
4. Pembangun sistem (system engineer): seseorang yang membuat antarmuka pengguna,
merancang bentuk basis pengetahuan secara deklaratif dan mengimplementasikan
Seorang pakar/ahli (human expert) adalah seorang individu yang memiliki
kemampuan pemahaman yang superior atas suatu masalah. Misalnya seorang dokter,
penasihat keuangan, pakar mesin mobil, dll. Seorang pakar memiliki kemampuan:
1. Dapat mengenali (recognizing) dan merumuskan masalah
2. Menyelesaikan masalah dengan cepat dan tepat
3. Menjelaskan solusi
4. Belajar dari pengalaman
5. Restrukturisasi pengetahuan
6. Memahami batas kemampuan
Kepakaran/keahlian merupakan pemahaman yang luas dari tugas atau
pengetahuan spesifik yang diperoleh dari pelatihan, membaca dan pengalaman. Jenis-
jenis pengetahuan yang dimiliki dalam kepakaran :
1. Teori-teori dari permasalahan
2. Aturan dan prosedur yang mengacu pada area permasalahan
3. Aturan (heuristic) yang harus dikerjakan pada situasi yang terjadi
4. Strategi global untuk menyelesikan berbagai jenis masalah
5. Meta knowledge (pengetahuan tentang pengetahuan) dan fakta
2.2.4 Kaidah/Aturan
Cara merepresentasikan pengetahuan berbasis kaidah memanfaatkan apa yang disebut
kaidah, yang tak lain adalah pernyataan IF-THEN diamana bagian THEN akan bernilai
benar jika satu atau lebih sekumpulan fakta atau hubungan antar fakta diketahui benar,
memenuhi bagian IF. Secara umum, dalam bentuk kaidah produksi IF premis THEN
konklusi, maka untuk premis yang lebih dari satu dapat dihubungkan dengan operator and
atau or. Sedangkan bagian konklusi dapat berupa kalimat tunggal, beberapa kalimat yang
2.2.5 Penalaran
Penalaran adalah proses untuk menghasilkan inferensi dari fakta yang diketahui atau yang
diasumsikan. Inferensi adalah konklusi logis (logical conclusion) atau implikasi
berdasarkan informasi yang tersedia.
2.2.6 Perunutan
Perunutan adalah proses pencocokan fakta, pernyataan atau kondisi berjalan yang
tersimpan pada basis pengetahuan maupun pada memori kerja dengan kondisi yang
dinyatakan pada premis atau bagian kondisi pada kaidah.
2.2.6.1Forward Chaining (Runut Maju)
Runut maju merupakan proses perunutan yang dimulai dengan menampilkan kumpulan
data atau fakta yang meyakinkan menuju konklusi akhir. Runut maju bisa juga disebut
sebagai penalaran forward (forward reasoning) atau pencarian yang dimotori data (data
driven search). Jadi dimulai dari premis-premis atau informasi masukan (if) dahulu
kemudian menuju konklusi atau derived information (then) atau dapat dimodelkan
sebagai berikut:
IF (informasi masukan)
Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan.
Sedangkan konklusi dapat berupa tujuan, hipotesa, penjelasan, atau diagnosis. Sehingga
jalannya penalaran runut maju dapat dimulai dari data menuju tujuan, dari bukti menuju
hipotesa, dari temuan menuju penjelasan, atau dari pengamatan menuju diagnosa (Hartati
dan Iswanti, 2008). Adapun contoh struktur kaidah dalam Forward Chaining sebagai
berikut :
IF panas badan
AND hidung buntu
AND makan udang
THEN demam
Jadi, dengan metode forward chaining ini dapat diperoleh konklusi dengan
menyusun aturan berdasarkan informasi berupa data atau fakta yang meyakinkan.
Informasi tersebut didapatkan dari jawaban pengguna yang disimpan di memori kerja dan
disesuaikan dengan aturan yang ada pada basis pengetahuan, yang kemudian diolah oleh
mesin inferensi untuk mendapatkan konklusi. Berdasarkan contoh diatas informasinya
adalah panas badan, hidung buntu, dan makan udang. Kemudian diperoleh konklusi
berupa diagnosa demam.
2.3 Dempster Shafer
Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak memiliki
kepastian penuh. Ketidakpastian ini dapat berupa probabilitas atau kebolehjadian yang
tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor,
yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu
pertanyaan yang diajukan oleh sistem. Hal ini dapat dilihat pada sistem diagnosis
penyakit, dimana pakar tidak dapat mendefenisikan hubungan antara gejala dengan
penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti
Ketidakpastian yang terjadi pada suatu kaidah disebabkan oleh 3 hal yaitu, aturan
tunggal, ketidaksesuaian antar kaidah, dan resolusi konflik. Tiga hal yang mempengaruhi
aturan tunggal adalah: adanya kesalahan, probabilitas, dan kombinasi premis. Kesalahan
disebabkan oleh:
1. Ambiguitas, sesuatu didefenisikan lebih dari satu cara
2. Ketidaklengkapan data/informasi, misalnya data hilang
3. Kesalah informasi, misal: kesalahan manusia dalam membaca data,
meletakkan data, informasi yang tidak benar
4. Kesalahan pengukuran: ketidakpastian dalam melakukan pengukuran data
Probabilitas disebabkan karena ketidakmampuan pakar dalam merumuskan kaidah
secara pasti. Kombinasi premis turut mempengaruhi terjadinya aturan tunggal, yang
dimaksud adalah suatu kaidah yang terdiri dari lebih satu premis dan antar premis
tersebut dihubungkan dengan beberapa operator yang berbeda.
Penanganan ketidakpastian dapat dilibatkan untuk menangani ketidakpastian pada
gejala-gejala maupun pada kaidah, sehingga sistem pakar mampu menghasilkan konklusi
dengan derajat kepastian tertentu. Penambahan ini akan membuat sistem menjadi lebih
sempurna. Ketidakpastian yang merupakan masalah tersendiri dapat diatasi oleh beberapa
metode antara lain adalah dengan metode Dempster Shafer (Hartati dan Iswanti, 2008).
Metode Dempster Shafer pertama kali diperkenalkan oleh Arthur P. Dempster dan
Glenn Shafer, yang melakukan model ketidakpastian dengan range probabilities daripada
sebagai probabilitas tunggal. Kemudian pada tahun 1976 Shafer mempublikasikan teori
Dempster itu pada sebuah buku yang berjudul Mathematical Theory Of Evident.
Dempster Shafer Theory Of Evidence, menunjukkan suatu cara untuk memberikan bobot
kenyakinan sesuai fakta yang dikumpulkan. Pada teori ini dapat membedakan
Secara umum teori Dempster Shafer ditulis dalam suatu interval: [Belief,
Plausibility]. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu
himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan
jika bernilai 1 menunjukkan adanya kepastian.
Plausibility menunjukkan keadaan yang bisa dipercaya. Plausibility (Pl)
dinotasikan sebagai: Pl (s) = 1 – Bel (¬s). Plausibility juga bernilai 0 sampai 1. Jika kita yakin akan ¬s, maka dapat dikatakan bahwa Bel (¬s) = 1, dan Pl (¬s) = 0. Plausability
akan mengurangi tingkat kepercayaan dari evidence (Wahyuni dan Prijodiprojo, 2013).
Dalam teori Dempster Shafer diasumsikan bahwa hipotesa-hipotesa yang
digunakan dikelompokkan ke dalam suatu lingkungan tersendiri yang biasa disebut himpunan semesta pembicaraan dari sekumpulan hipotesa dan diberikan notasi θ. Selain itu dikenal juga probabilitas fungsi densitas (m) yang menunjukkan besarnya kepercayaan
evidence terhadap hipotesa tertentu. Fungsi kombinasi m1 dan m2 sebagai m3 dibentuk
dengan persamaan :
Keterangan:
m1 (X) =ukuran kepercayaan evidence X
m2 (Y) = ukuran kepercayaan evidence Y
m3 (Z) = ukuran kepercayaan evidence Z
∑ ∩ = m X . m Y = merupakan nilai kekuatan dari evidence Z yang diperoleh dari kombinasi nilai keyakinan sekumpulan evidence.
�
m .m= hasil irisan m1 dan m2
Y
m .m=tidak ada hasil irisan (irisan kosong(Ø)). � � = − ∑∑ ∩ = � . �
Contoh Dempster Shafer (Sumber: Binus University, 2005):
Vany mengalami gejala panas badan, hidung buntu dan makan udang. Dari diagnosa
dokter kemungkinan Vany menderita : Flu, Demam, Bronkitis, Alergi.
Tunjukkan kaitan ukuran kepercayaan dari elemen-elemen yang ada?
Gejala 1: panas badan
Apabila diketahui nilai kepercayaan setelah dilakukan observasi panas sebagai gejala Flu,
Demam dan Bronkitis adalah :
m1{Flu, Demam, Bronkitis} = 0,8
m1{} = 1 – 0,8 = 0,2
Sehari kemudian Vany datang ke dokter lagi dengan gejala hidung buntu.
Gejala 2: hidung buntu
Setelah observasi diketahui bahwa nilai kepercayaan hidung buntu sebagai gejala Alergi,
Flu dan Deman adalah :
m2{Alergi, Flu, Demam} = 0,9
m2{} = 1 – 0,9 = 0,1
Munculnya gejala baru maka harus dihitung densitas baru untuk beberapa
kombinasi (m3). Untuk memudahkan perhitungan maka himpunan-himpunan bagian
dibawa ke bentuk tabel. Tabel dapat dilihat pada tabel 2.1 dan tabel 2.2 berikut :
Tabel 2.1. Aturan Kombinasi Untuk Densitas Baru (m3)
Keterangan:
- Kolom pertama berisikan semua himpunan bagian pada gejala pertama (panas)
dengan m1 sebagai fungsi densitas.
- Baris pertama berisikan semua himpunan bagian pada gejala kedua (hidung buntu)
dengan m2 sebagai fungsi densitas.
- Baris kedua dan ketiga pada kolom kedua merupakan irisan dari kedua himpunan.
Selanjutnya dihitung densitas baru untuk beberapa kombinasi (m3) dengan
persamaan Dempster-Shafer sbb :
m3 {Flu, Demam} = ,
− = 0,72
m3 {Alergi, Flu, Demam} = ,
− = 0,18
m3 {Flu, Demam, Bronkitis} = ,
− = 0,08
m3 {θ} = ,
− = 0,02 Keterangan :
- Terlihat bahwa pada mulanya dengan hanya gejala panas, m{Flu, Demam, Bronkitis} = 0,8. Namun setelah ada gejala baru (hidung buntu), maka nilai m{Flu, Demam,
Bronkitis} = 0,08.
- Demikian pula pada mulanya hanya dengan gejala hidung buntu, m{Alergi, Flu, Demam} = 0,9. Namun setelah ada gejala baru (panas) maka m{Alergi, Flu, Demam}
= 0,18.
-
Dengan adanya 2 gejala tersebut, maka nilai densitas yang paling kuat adalah m{Flu,Demam} = 0,72
.
Bagaimana jika Vany ke dokter lagi dan ditemukan gejala baru lagi berupa Vany
makan udang.
Gejala 3 : makan udang
Setelah dilakukan observasi, diketahui bahwa udang sebagai gejala Alergi dengan nilai
kepercayaan :
m4{Alergi} = 0,6
Maka harus dihitung densitas baru untuk setiap himpunan bagian dengan fungsi
densitas m5. Untuk memudahkan dibuat tabel dengan kolom pertama berisi himpunan
bagian-himpunan bagian hasil kombinasi gejala 1 dan gejala 2 dengan fungsi densitas m3.
Sedangkan baris pertama berisi himpunan bagian-himpunan bagian pada gejala 3 dengan
fungsi densitas m4.Sehingga dihasilkan tabel sbb :
Tabel 2.2. Aturan Kombinasi Untuk Densitas Baru (m5)
{Alergi}
Sehingga dapat dihitung densitas baru m5 hasil kombinasi dari gejala lama dengan
gejala baru.
dengan tiga jenis gejala yang dialami oleh Vany, kemungkinan paling kuat Vany terkena
2.4 Hama dan Penyakit Tanaman Karet
Hama adalah organisme yang menyebabkan pertumbuhan dan perkembangan tanaman
terganggu bahkan bisa mematikan tanaman. Sedangkan penyakit adalah suatu proses
fisiologi tumbuhan yang abnormal dan merugikan, yang disebabkan oleh faktor primer
(biotik atau abiotik) dan gangguannya bersifat terus menerus serta akibatnya dinyatakan
oleh aktifitas sel/jaringan yang abnormal. Adapun hama dan penyakit tanaman karet dapat
dilihat pada tabel 2.3, tabel 2.4 dan tabel 2.5 berikut (Setiawan dan Andoko, 2008):
Tabel 2.3. Hama Tanaman Karet
No. Hama Keterangan
1. Rayap Rayap yang menjadi hama bagi tanaman karet, terutama spesies Microtermes Inspiratus dan
Captotermes Curvignathus. Rayap-rayap tersebut menggerogoti bibit yang baru saja ditanam di lahan, dari ujung stum sampai perakaran, sehingga menimbulkan kerusakan yang sangat berat.
2. Kutu Kutu tanaman yang menjadi hama bagi tanaman karet adalah Saissetia Nigra, Laccifer Greeni, Laccifer Lacca, Ferrisiana Virgata, dan
Planococcus Citri yang masing-masing memiliki ciri berbeda. Saissetia berbentuk perisai dengan warna cokelat muda sampai kehitaman. Laccifer
Tabel 2.4. Penyakit Pada Akar
No. Penyakit Pada Akar Keterangan
1. Jamur Akar Putih Disebut dengan penyakit akar putih karena di akar tanaman yang terserang terlihat miselia jamur berbentuk benang berwarna putih yang menempel kuat dan sulit dilepaskan. Akar tanaman yang terinfeksi akan menjadi lunak, membusuk, dan berwarna cokelat. Cendawan penyebab penyakit akar putih adalah Rigidoporus Lignosus yang membentuk badan buah seperti topi di akar, pangkal batang, dan tunggul tanaman. Badan buah cendawan ini berwarna jingga kekuningan dengan lubang-lubang kecil di bagian bawah tempat spora. Jika sudah tua, badan buah tersebut akan mengering dan berwarna cokelat.
Tabel 2.5. Penyakit Pada Bidang Sadap No. Penyakit Pada Bidang
Sadap
Keterangan
1. Kanker Garis Cendawan penyebab penyakit kanker garis sama dengan biang keladi kanker bercak, yakni
2 Mouldy Rot Penyebab penyakit mouldy rot adalah cendawan
Ceratocystis Jimbriata dengan benang-benang hifa yang membentuk lapisan berwarna kelabu di bagian yang terserang. Spora banyak dihasilkan di bagian tanaman yang sakit dan bisa bertahan lama dalam kondisi kering. Akibat yang ditimbulkan penyakit ini sarat dengan kanker garis, yaitu menimbulkan luka-luka di bidang sadap, sehingga pemulihan kulit menjadi terganggu. Luka-luka tersebut meninggalkan bekas bergelombang di bidang sadap, sehingga menyulitkan penyadapan berikutnya. Bahkan, dalam beberapa kasus bidang sadap menjadi rusak, sehingga tidak bisa dilakukan penyadapan lagi. Penyakit ini mudah berjangkit pada musim hujan, terutama di daerah-daerah berkelembaban tinggi dan beriklim basah. Penyadapan yang terlalu dekat dengan tanah juga bisa memicu serangan penyakit ini.
3. Brown Blast Penyakit brown blast bukan disebabkan oleh infeksi mikroorganisme, melainkan karena penyadapan yang terlalu sering, apalagi jika disertai penggunaan bahan perangsang lateks. Penyakit ini juga sering menyerang tanaman yang terlalu subur, berasal dari biji, dan tanaman yang sedang membentuk daun baru. Gejala penyakit ini dapat dilihat dengan tidak mengalirnya lateks dari sebagian alur sadap. Beberapa minggu kemudian seluruh alur sadap menjadi kering dan tidak mengeluarkan lateks. Bagian yang kering berubah warna menjadi cokelat karena terbentuk gum
2.5 Penelitian Terdahulu
Adapun bahan pertimbangan dalam melakukan penelitian ini, penulis mengambil
beberapa referensi dari penelitian sebelumnya. Beberpa penelitian yang penulis jadikan
bahan referensi untuk melakukan penelitian ini adalah sebegai berikut:
a. Penelitian yang dilakukan oleh Dewi Yanti (2010) dengan menggunakan metode
Forward Chaining untuk diagnosis penyakit utama tanaman kelapa sawit diperoleh
kesimpulan sebagai berikut : Informasi yang didapat dari sistem pakar ini sudah
sesuai dengan tujuan yaitu sistem dapat mendefenisikan penyakit tanaman kelapa
sawit beserta saran pengendaliannya. Sistem pakar yang dibuat sudah mampu
melakukan proses penalaran dengan menggunakan metode Forward Chaining yaitu
proses penalaran dari premis atau data menuju pada konklusi. Dan Pada perancangan
sistem pakar ini proses konsultasi hanya memiliki pilihan jawaban ya dan tidak
(Yanti, 2010).
b. Penelitian yang dilakukan oleh Hasdya Mutia Rambey (2011) dengan menggunakan
metode Forward Chaining untuk menentukan penyakit dan hama pada tanamana
semangka diperoleh kesimpulan sebagai berikut: Telah berhasil dibuat aplikasi sistem
pakar untuk menentukan penyakit dan hama pada tanaman semangka menggunakan
metode Forward Chaining, Sistem pakar untuk penyakit dan hama tanaman
semangka ini telah mampu memberikan informasi kepada user mengenai penyakit dan
hama tanaman semangka berdasarkan pertanyaan yang diberikan, Aplikasi ini dapat
memberikan informasi kepada orang awam mengenai penyakit dan hama tanaman
semangka sehingga dapat diketahui langkah lebih lanjut untuk mengatasinya
(Rambey, 2011).
c. Penelitian yang dilakukan oleh Misbahul Jannah (2011) dengan menggunakan metode
Forward Chaining dan Dempster Shafer untuk mendiagnosa penyakit lambung
diperoleh kesimpulan bahwa perangkat lunak tersebut dapat mendiagnosa penyakit
pada lambung antara lain Gastritis, Dispepsia dan GERD dengan nilai kepercayaan
d. Penelitian yang dilakukan oleh Elyza Gustri Wahyuni dan Widodo Prijodiprojo
(2013) dengan menggunakan metode Dempster Shafer untuk mendiangnosa tingkat
resiko penyakit Jantung Koroner dengan masukkan berupa gejala serta faktor
resiko yang dimiliki pasien. Dari beberapa kasus yang diuji cobakan diperoleh hasil
diagnosa yang sama antara perhitungan sistem dengan menggunakan teori mesin
inferensi Dempster Shafer dan pengetahuan pakar yaitu Dokter Spesialis Jantung.
Hasil ujicoba 10 kasus yang didapatkan dari Rekam medis RS.PKU Muhammadiyah
Yogyakarta, maka didapatkan persentase sebesar 100% nilai kebenaran dari prediksi
diagnosa yang sesuai dengan pengetahuan yang dimiliki oleh pakar (Wahyuni dan
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem merupakan sebuah teknik pemecahan masalah yang menguraikan sebuah
sistem menjadi bagian-bagian komponen dengan tujuan mempelajari seberapa baik
bagian-bagian komponen tersebut bekerja dan berinteraksi untuk mencapai tujuannya.
Analisis sistem merupakan suatu proses yang harus dilaksanakan untuk menentukan
permasalahan yang harus dihadapi. Tahap ini adalah sangat penting, karena proses
analisis yang kurang akurat akan menyebabkan hasil dari suatu sistem pengembangan
perangkat akan tidak sesuai dengan yang diharapkan. Jadi untuk itu proses ini harus
benar-benar sesuai dengan penggunaan agar hasil penggunaan perangkat lunak
memuaskan pengguna. Sehingga nantinya dapat membantu didalam proses perancangan
model suatu sistem yang akan di implementasikan.
3.1.1 Analisis Permaslahan Sistem
Analisis permasalahan sistem merupakan langkah pertama yang dilakukan dalam analisis
sistem. Masalah dapat didefinisikan sebagai suatu pertanyaan yang diinginkan untuk
dipecahkan. Masalah ini yang menyebabkan sasaran dari sistem tidak dapat dicapai. Oleh
karena itulah pada tahap analisis sistem, langkah pertama yang harus dilakukan oleh
Adapun permasalahan dalam perancangan sistem pakar ini yaitu bagaimana
mendiagnosa hama dan penyakit tanaman karet menggunakan metode Forward Chaining
dan Dempster Shafer. Hal ini sangat bermanfaat bagi pengguna agar dapat mengetahui
jenis hama dan penyakit yang dialami oleh tanaman karet sehingga lebih cepat dalam
pemberian solusi dan pengendaliannya.
Metode analisis yang digunakan dalam menganalisis masalah yang akan dihadapi
untuk membuat aplikasi ini adalah dengan menggunakan metode Fishbone
Diagram/Ishikawa Diagram. Diagram ishikawa digunakan untuk menjelaskan tentang
sebab dan akibat dari masalah yaitu dengan menjelaskan bahwa bagian kepala atau
segiempat yang berada di sebelah kanan merupakan masalah. Sementara pada bagian
tulang merupakan penyebab. Ishikawa diagram dapat dilihat pada gambar 3.1 berikut :
Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah
Keterangan gambar 3.1. diagram ishikawa adalah sebagai berikut :
People
1. Dengan adanya sistem yang akan dibangun, penggunadapat mendiagnosa hama dan
2. Dengan adanya sistem yang akan dibangun diharapkan seorang admin dapat
menambah, mengubah dan menghapus data
Material
1. Sistem yang akan dibangun diharapkan dapat menampilkan hasil diagnosa dan solusi
untuk pengendaliannya.
Method
1. Sistem nantinya akan menggunakan metode forward chaining dan dempster shafer
dalam mendiagnosa hama dan penyakit tanaman karet.
Machine
1. Sistem yang akan dibangun nantinya akan menggunakan bahasa pemrograman PHP
(Hypertext Processor) dan Mysql sebagai Database Management System (DBMS).
3.1.2 Analisis Kebutuhan Sistem
Langkah selanjutnya dari tahap analisis sistem adalah memahami kerja dari sistem yang
ada. Langkah ini dapat dilakukan dengan mempelajari secara terinci bagaimana sistem
yang ada beroperasi. Analisis sistem perlu mempelajari apa dan bagaimana operasi dari
sistem yang ada sebelum mencoba untuk menganalisis permasalahan-permasalahan,
kelemahan-kelemahan dan kebutuhan-kebutuhan pengguna sistem untuk dapat
memberikan solusi pengendalian. Tahap analisis kebutuhan sistem dibagi menjadi dua,
yaitu analisis kebutuhan fungsional sistem dan analisis kebutuhan non-fungsional sistem.
1. Kebutuhan Fungsional Sistem
Kebutuhan fungsional sistem adalah kebutuhan yang berisi proses-proses apa saja
yang nantinya dilakukan oleh sistem. Adapun kebutuhan sistem pakar mendiagnosa
hama dan penyakit tanaman karet antara lain sebagai berikut:
a. Sistem menampilkan informasi mengenai cara penggunaan sistem untuk
mempermudah pengguna dalam menggunakan sistem ini.
b. Dalam mendiagnosa hama dan penyakit tanaman karet, sistem menggunakan
metode Dempster Shafer dalam menghitung derajat kepastian hama dan penyakit
c. Sistem memberikan hasil diagnosa berupa jenis hama dan penyakit dari tanaman
karet berdasarkan jawaban dari pertanyaan yang diberikan langsung kepada
pengguna, dimana pertanyaan yang diberikan merupakan gejala-gejala yang
terlihat oleh pengguna dilapangan.
d. Sistem mengolah data pada halaamn admin, baik itu untuk tambah, ubah dan
hapus data.
2. Kebutuhan Non-Fungsional Sistem
Kebutuhan non-fungsional adalah kebutuhan yang menitikberaktkan pada property
perilaku yang dimiliki oleh sistem. Kebutuhan non-fungsional memberikan batasan
suatu sistem dan mendeskripsikan beberapa fitur dalam sistem. Berikut adalah
kebutuhan non-fungsional sistem pakar mendiagnosa hama dan penyakit tanaman
karet, yaitu:
a. Data yang digunakan dalam penghitungan nilai kepastian mendiagnosa hama dan
penyakit tanaman karet didapat dari pakar (Ir. Lahmuddin Lubis, MP.) untuk
menghasilkan informasi yang benar,
b. Sistem yang telah dirancang nantinya masih dapat dikembangkan kembali oleh
pakar untuk menghasilkan informasi yang lebih akurat, dan
c. Sistem yang dibangun mudah dimengerti dan digunakan oleh pengguna (
user-friendly).
3.2 Pemodelan Sistem
Pemodelan sistem adalah proses membangun atau membentuk sebuah model dari suatu
sistem nyata dalam bahasa formal tertentu. Pemodelan sistem dilakukan dengan membuat
use case diagram, activity diagram, sequence diagram dan flowchart sistem yang
3.2.1 Use Case Diagram
Use case diagram merupakan model diagram yang digunakan untuk menggambarkan
requirement fungsional yang diharapkan dari sebuah sistem. Use case diagram menekankan pada “siapa” melakukan “apa” dalam lingkungan sistem yang akan dibangun. Atau use case diagram merupakan diagram yang menyatakan interaksi antar
sistem dan pengguna.
Use case dari sistem pakar mendiagnosa hama dan penyakit tanaman karet dapat
dilihat pada gambar 3.2 dibawah ini :
Berikut adalah skenario dari use case pada gambar 3.2 yaitu:
Nama Use Case : Input Data Pengguna
Aktor : Pengguna
Deskripsi : Use case ini berfungsi untuk mendapatkan informasi data diri
pengguna
Pre-condition : Penggunabelum meng-input data diri
Post-condition :Penggunatelah meng-input data diri
Skenario : Skenario use caseinput data diri dapat dilihat pada tabel 3.1
Tabel 3.1. Skenario Use CaseInput Data Diri Aksi Aktor Reaksi Sistem Skenario Normal
1. Meng-input data pengguna
2. Menampilkan halaman pertanyaan
Skenario Alternatif
1. Meng-input data pengguna
2. Menampilkan pesan “Field Tidak Boleh Kosong”
Nama Use Case : Menjawab Pertanyaan Sesuai Gejala Tanaman Karet
Aktor :Pengguna
Deskripsi : Use case ini berfungsi untuk mendapatkan jawaban dari pengguna
Pre-condition : Pengguna belum menjawab pertanyaan
Post-condition : Pengguna telah menjawab pertanyaan
Skenario : Skenario use case menjawab pertanyaan dapat dilihat pada tabel
Tabel 3.2. Skenario Use Case Menjawab Pertanyaan Aksi Aktor Reaksi Sistem
Skenario Normal
1. Menjawab pertanyaan
2. Menampilkan halaman hasil diagnosa dan
solusi, berupa jenis hama atau penyakit yang
dialami tanaman karet disertai dengan derajat
kepastian terhadap hama atau penyakit
tersebut.
Skenario Alternatif
- -
Nama Use Case : Login
Aktor : Admin
Deskripsi : Use case ini berfungsi untuk mengauthentifikasi pengguna ketika
akan masuk kedalam sistem dengan menggunakan username dan
password.Username dan password di hasilkan oleh administator.
Tujuan utama use case ini adalah agar hanya pengguna terdaftar
saja yang dapat memasuki sistem
Pre-condition : Admin belum login kedalam sistem
Post-condition : Admin sudah login kedalam sistem
Skenario : Skenario use caselogin dapat dilihat pada tabel 3.3 di bawah ini
Tabel 3.3. Skenario Use CaseLogin
Aksi Aktor Reaksi Sistem Skenario Normal
1. Input username & password
2. Memeriksa input
Skenario Alternatif
1. Input username & password
2. Menampilkan pesan “Username atau
Password salah dan Field Tidak Boleh
Kosong”
Nama Use Case : Pengolahan Data
Aktor : Admin
Deskripsi : Use case ini berfungsi untuk admin dalam memperbaharui basis
pengetahuan atau menambah, menghapus dan mengedit gejala
serta bobot hama dan penyakit tanaman karet
Pre-condition : Admin sudah login kedalam sistem
Post-condition : Admin dapat melihat data hama dan penyakit tanaman karet
Skenario : Skenario use case pengolahan basis data dapat dilihat pada tabel
3.4 di bawah ini
Tabel 3.4. Skenario Use Case Pengolahan Data Aksi Aktor Reaksi Sistem Skenario Normal
1. Memilih menu “Input Data”
2. Menampilkan halaman “Input Data” untuk selanjutnya melakukan pengolahan data
Skenario Alternatif -
Nama Use Case : Logout
Aktor : Admin
Deskripsi : Use case ini berfungsi untuk mengeluarkan admin dari halaman
Pre-condition : Admin belum logout dari halaman admin
Post-condition : Admin sudah logout dari halaman admin
Skenario : Skenario use caselogout dapat dilihat pada tabel 3.5 berikut ini
Tabel 3.5. Skenario Use CaseLogout
Aksi Aktor Reaksi Sistem Skenario Normal
1. Memilih menu “Logout”
2. Mengarahkan pengguna keluar dari
halaman admin menuju form login admin
Skenario Alternatif -
3.2.2 Activity Diagram
Activity diagram adalah diagram yang digunakan untuk menggambarkan grafis aliran
bisnis proses atau sistem, langkah-langkah dari use case, atau perilaku objek (melakukan
sesuatu sesuai fungsinya). Activity diagram mendiagnosa hama dan penyakit tanaman
karet dari pengguna dapat dilihat pada gambar 3.3 berikut :
Gambar 3.3. Activity Diagram Halaman Diagnosa
Sedangkan activity diagram kelola data (tambah, ubah, atau hapus) pada halaman
Gambar 3.4. Activity Diagram Halaman Admin
3.2.3 Sequence Diagram
Sequence diagram adalah diagram yang digunakan untuk menggambarkan interaksi
antara aktor dan sistem untuk sebuah use case. Dan membantu mengidentifikasi pesan
tingkat tinggi dari sistem yang masuk dan keluar.
Berikut ini adalah gambar sequence diagram untuk mendiagnosa hama dan
penyakit tanaman karet yang diperlihatkan gambar 3.5 dan sequence diagram halaman
Gambar 3.5. Sequence Diagram Halaman Diagnosa
3.2.4 Flowchart Sistem
Flowchart adalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan
urutan proses secara mendetail dan hubungan antara suatu proses dengan proses lainnya
dalam menyelesaikan suatu masalah. Flowchart sistem merupakan bagan yang menunjukkan alur kerja atau apa yang sedang dikerjakan di dalam sistem secara
keseluruhan dan menjelaskan urutan dari prosedur–prosedur yang ada di dalam sistem. Adapun flowchart sistem yang akan dibangun dapat dilihat pada gambar 3.7 berikut :
Keterangan:
Flowchart akan diawali dengan mulai. Selanjutnya sistem akan menampilkan halaman
utama yang berisi menu pilihan dan ucapan selamat datang kepada pengguna. Pengguna
dapat memilih menu cara penggunaan, dan sistem akan menampilkan halaman cara
penggunaan atau pengguna dapat memilih menu lainnya. Kemudian jika pengguna tidak
memilih menu cara penggunaan, dapat memilih menu diagnosa. Pada halaman diagnosa
ini, pengguna terlebih dahulu harus mengisi data pengguna. Untuk selanjutnya pengguna
akan masuk ke halaman pertanyaan. Pada halaman ini akan ditampilkan pertanyaan
mengenai gejala tanaman karet. Selanjutnya pengguna menjawab pertanyaan yang
diajukan sistem. Jawaban dari pengguna tersebut akan diproses dengan Forward
Chaining dan melakukan proses penghitungan dengan Dempster Shafer. Selanjutnya akan
didapatkan hasil diagnosa dan solusi.
3.3 Analisis Proses
Analisis proses ini dibutuhkan untuk mengetahui bagaimana proses dari suatu sistem
dalam mencapai tujuannya dengan benar. Dalam mendiagnosa hama dan penyakit
tanaman karet, sistem pakar ini menggunakan metode Forward Chaining dan Dempster
Shafer. Adapun hasil dari analisis proses ini adalah di dapatkannya konklusi berupa hama
dan penyakit tanaman karet disertai dengan derajat kepastian tertentu. Untuk selanjutnya
didapatkan solusi pengendaliannya.
3.3.1 Analisis Proses Metode Forward Chaining
Forward Chaining (runut maju) merupakan proses perunutan yang dimulai dengan
menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Runut
maju bisa juga disebut sebagai penalaran forward (forward reasoning) atau pencarian
Pada proses ini, pengguna diminta untuk menjawab pertanyaan yang berhubungan
dengan gejala tanaman karet. Dari jawaban pengguna tersebut akan didapatkan informasi
yang selanjutnya bisa di jadikan acuan untuk menentukan konklusi atau hasil akhir dari
hama dan penyakit yang dialami tanaman karet. Untuk mendiagnosa hama dan penyakit
tanaman karet dapat dimodelkan sebagai berikut:
1. Hama Kutu
IF Berkerumunnya semut dibagian tanaman yang terserang
AND Bagian tanaman yang diserang tampak gerombolan kutu yang berwarna
putih
AND Bagian pucuk batang dan daun muda berwara kuning, mengering, dan mati
THEN Hama Kutu
2. Hama Rayap
IF Adanya alur dari tanah yang menempel dibatang,dahan, atau bagian kayu
lainnya
AND Bagian tanaman yang diserang berlubang-lubang dan keropos pada pangkal
batang
AND Perakaran hancur
THEN Hama Rayap
3. Penyakit Jamur Akar Putih
IF Daun tampak pucat, dan melengkung kebawah
AND Daun gugur dan ujung rantingnya mati
AND Terdapat benang-benang miselium jamur berwarna putih menjalar sepanjang
akar
AND Pembentukan bunga, dan buah yang cepat sebelum waktunya
AND Akar tanaman yang diserang menjadi lunak, membusuk dan berwarna
Kecoklatan
4. Penyakit Jamur Akar Merah
IF Perubahan warna daun dari hijau menjadi hijau pucat suram, menguning dan
berguguran
AND Terdapat miselium jamur berwarna merah yang dilekati oleh butiran-
butiran tanah
THEN Penyakit Jamur Akar Merah
5. Penyakit Kanker Garis
IF Jika dikerok atau diiris, dekat diatas irisan sadap terlihat garis-garis tegak berwarna
coklat kehitaman
AND Terdapat selaput tipis berwarna putih dan tidak begitu jelas menutupi alur
sadap
AND Garis-garis tersebut lama kelamaan akan berkembang dan menyatu
membentuk jalur hitam yang terlihat seperti retak-retak membujur pada kulit
pulihan
AND Terdapat gumpalan lateks berwarna coklat yang berbau busuk pada kulit
pulihan
THEN Penyakit Kanker Garis
6. Penyakit Mouldy Rot
IF Terdapat selaput tipis berwarna putih dan tidak begitu jelas menutupi alur sadap
AND Selaput tersebut akan berkembang membentuk lapisan benang (seperti
beludru) berwarna kelabu sepanjang alur sadap
AND Jika lapisan tersebut dikerok akan terlihat bintik-bintik berwarna coklat atau
hitam pada bagian yang terserang
AND Terjadi pembusukan kulit batang, sehingga bagian yang sakit berwarna
hitam kecoklatan
AND Terjadi pengelupasan kulit batang sehingga bagian kayu terlihat dan
mengering
7. Penyakit Brown Blast
IF Apabila disadap terkadang lateks tidak keluar, hanya mengeluarkan tetesan-tetesan
lateks seperti air
AND Beberapa minggu kemudian alur sadap mengering dan tidak mengeluarkan
lateks
AND Bagian yang kering berubah warna menjadi coklat karena terbentuk gum
(blendok)
AND Kulit menjadi pecah-pecah dan di batang terjadi pembengkakan atau
tonjolan
THEN Penyakit Brown Blast
3.3.2 Analisis Proses Metode Dempster Shafer
Dalam mendiagnosa hama dan penyakit tanaman karet, penanganan ketidakpastian dapat
dilibatkan untuk menangani ketidakpastian pada gejala-gejala maupun pada kaidah,
sehingga sistem pakar mampu menghasilkan konklusi dengan derajat kepastian tertentu.
Penambahan ini akan membuat sistem menjadi lebih sempurna. Ketidakpastian yang
merupakan masalah tersendiri dapat diatasi dengan metode Dempster Shafer.
Langkah-langkah yang dilakukan dalam analisis sistem pakar dengan proses metode Dempster
Shaferadalah sebagai berikut :
1. Menentukan gejala dari hama dan penyakit tanaman karet disertai pemberian bobot
yang didapatkan dari pakar (dosen Fakultas Pertanian Universitas Sumatera Utara,
Bapak Ir. Lahmuddin Lubis, MP.). Tabel dapat dilihat pada tabel 3.6 berikut :
Tabel 3.6. Gejala Hama dan Penyakit Tanaman Karet Hama Kutu
No. Gejala Bobot
1. Berkerumunnya semut dibagian tanaman yang terserang 0.5
2. Bagian tanaman yang diserang tampak gerombolan kutu yang
berwarna putih