SISTEM PAKAR KESESUAIAN LAHAN UNTUK TANAMAN NILAM
(SPKLTN)
AKMAL AGUNG NUGRAHA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2010
ABSTRACT
AKMAL AGUNG NUGRAHA. Expert System of Patchouli Land Suitability. Supervised by MEUTHIA RACHMANIAH.
The land is a mixture of physical and natural environment that includes its climate, ground, relief, and hydrology. The mixture of soil has consequences of its land use. On the other hand, the success of agriculture and agro-industry is influenced by the success of its agriculture cultivation. This research intends to build an expert system that can be used to determine evaluation of crop land, in particular, for patchouli crop.
The Expert System of Patchouli Land Suitability is aimed to provide information on land characteristics that are suitable for patchouli . We make use of the expertise of Dr. Ir. Rosihan Rosman, M.Sc to provide knowledge to the expert system developed. The processing input for the expert system comes in two formats, i.e., fuzzy inputs and non-fuzzy inputs. Fuzzy Inference System (FIS) with Mamdani method was first used as the inference method for the fuzzy output followed by an application of non-fuzzy inputs.
The expert system provides three categories of evaluation, i.e., very suitable, suitable, and unsuitable land cultivation for patchouli. Each category has specific land characteristics tied with the evaluation. Furthermore, the expert system was assessed on sixteen different lands to verify system accuracy. Assessment results present 75% accuracy when verified using human expert assessment.
SISTEM PAKAR KESESUAIAN LAHAN UNTUK TANAMAN NILAM
(SPKLTN)
AKMAL AGUNG NUGRAHA
Skripsi
Sebagai salah satu syarat memperoleh gelar Sarjana Komputer pada
Program Studi Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2010
Judul skripsi : Sistem Pakar Kesesuaian Lahan untuk Tanaman Nilam (SPKLTN) Nama : Akmal Agung Nugraha
NIM : G64076005
Menyetujui:
Pembimbing
Ir. Meuthia Rachmaniah, M.Sc NIP. 195907111984032001
Mengetahui:
Ketua Departemen
Dr. Ir. Sri Nurdiati, M.Sc NIP. 196011261986012001
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 05 Pebruari 1986 dari ayah Rukhyat Nugraha, SH dan ibu Dra. Nurma Nugraha, M.Si. Penulis merupakan putra ketiga dari empat bersaudara.
Tahun 2004 penulis lulus dari SMA Negeri 5 Bogor dan pada tahun yang sama lulus seleksi masuk program diploma IPB melalui jalur Undangan Seleksi Masuk IPB. Penulis memilih Program Studi Elektronika dan Teknologi Komputer, program diploma III, jurusan Fisika. Pada tahun 2007 penulis berhasil menyelesaikan program diploma III dan pada tahun yang sama berhasil masuk seleksi ujian masuk program sarjana IPB. Penulis memilih Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama menjalani perkuliahan penulis mengikuti semua program perkuliahan yang diadakan penyelenggara. Penulis juga pernah mengikuti kegiatan bakti sosial yang berguna untuk membantu sesama sebagai pelajaran bagi penulis dimasa yang akan datang.
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak Agustus 2009 ialah sistem pakar, dengan judul Sistem Pakar Kesesuaian Lahan untuk Tanaman Nilam (SPKLTN).
Terima kasih penulis ucapkan kepada Ibu Ir. Meuthia Rachmaniah, M.Sc. selaku pembimbing. Adapun penulis mengucapkan terima kasih kepada:
1. Kedua orang tua yang telah memberikan dukungan spiritual dan material serta nasihat, sehingga penulis dapat menyelesaikan studi didepartemen Ilmu Komputer IPB.
2. Dosen penguji Bapak Mushthofa, S.Kom., M.Sc dan Bapak Toto Haryanto, S.Kom atas bimbingan dan sarannya.
3. Bapak Dr. Ir. Rosihan Rosman, M.Sc untuk bimbingan dan pengetahuan yang telah diberikan sehingga skripsi ini dapat diselesaikan.
4. Kedua kakak dan adik yang selalu memberikan senyum dalam setiap situasi.
5. Siti Ruhmayati dan keluarga atas bimbingan, saran, doa, dan waktu berharga yang diberikan sehingga penulis terus bersemangat dalam menyelesaikan penelitian ini.
6. Rekan satu bimbingan Irfa Dzulfarisi atas waktu dan kerjasamanya. 7. Rudi, Lutfi, Qibus, Bule, serta teman-teman ELTEK, atas saran dan doanya. 8. Teman-teman Ekstensi ILKOM angkatan 2, atas kerjasamanya selama penelitian.
Semoga penelitian ini bermanfaat bagi kemajuan teknologi khusunya dibidang ilmu computer.
Bogor, Januari 2010
DAFTAR ISI
Halaman
DAFTAR TABEL ... vii
DAFTAR GAMBAR ... vii
DAFTAR LAMPIRAN ... vii
PENDAHULUAN ... 1
Latar Belakang ... 1
Tujuan Penelitian ... 1
Ruang Lingkup Penelitian ... 1
Manfaat Penelitian ... 2
TINJAUAN PUSTAKA ... 2
Sistem Pakar ... 2
Komponen Sistem Pakar ... 2
Fuzzy Inference System ... 2
Evaluasi Kesesuaian Lahan ... 3
Persyaratan Tumbuh Tanaman Nilam ... 4
METODE PENELITIAN ... 4
Metode Penyusun Sistem Pakar ... 4
Metode Penilaian Kesesuaian Lahan ... 5
HASIL DAN PEMBAHASAN ... 5
Identifikasi Masalah ... 5
Pemilihan Pakar ... 6
Akuisisi Pengetahuan ... 6
Representasi Pengetahuan... 6
Pengembangan Mesin Inferensi ... 6
Implementasi ... 10
Verifikasi Sistem ... 10
Hasil Pengujian Sistem ... 11
Keterbatasan Sistem ... 12
KESIMPULAN DAN SARAN ... 12
Kesimpulan ... 12
Saran ... 13
DAFTAR PUSTAKA ... 13
DAFTAR TABEL
Halaman
1 Parameter input dengan kisarannya ... 6
2 Rule kesesuaian ... 11
3 Data lokasi pengujian sistem ... 11
4 Hasil pengujian sistem ... 12
DAFTAR GAMBAR Halaman 1 Representasi kurva segitiga ... 3
2 Representasi kurva trapesium ... 3
3 Tahap pembentukan sistem pakar ... 4
4 Representasi kurva segitiga untuk ketinggian ... 7
5 Representasi kurva segitiga untuk drainase ... 8
6 Representasi kurva segitiga untuk pH ... 8
7 Representasi kurva segitiga untuk C-organik ... 8
8 Representasi kurva segitiga untuk P2O5 ... 9
9 Representasi kurva segitiga untuk K2O ... 9
10 Representasi kurva trapesium untuk output lahan ... 9
11 Representasi rule untuk output lahan ... 10
DAFTAR LAMPIRAN Halaman 1 Tabel kriteria kesesuaian lahan tanaman nilam ... 15
2 Tabel parameter kesesuaian lahan dengan domain dan kisarannya ... 16
3 Tabel lokasi data pengujian sistem ... 17
4 Tabel data pengujian sistem ... 18
5 Decision tree untuk lahan sangat sesuai ... 19
6 Decision tree untuk lahan sesuai ... 20
PENDAHULUAN
Latar Belakang
Indonesia sebagai negara agraris memerlukan pembangunan pertanian yang memberikan nilai tambah bagi devisa negara. Titik berat pembangunan pertanian saat ini adalah pembangunan agroindustri.
Agroindustri adalah kegiatan industri yang memanfaatkan hasil pertanian sebagai bahan baku, termasuk merancang dan menyediakan peralatan dan jasa untuk kegiatan tersebut. Dari definisi tersebut dapat dilihat bahwa agroindustri berhubungan erat dengan budidaya pertanian. Jadi keberhasilan dalam pengembangan usaha agroindustri harus didukung oleh keberhasilan budidaya pertanian dan sumber daya manusia yang kompeten dalam bidang ini.
Budidaya tanaman nilam sangat diminati dewasa ini, karena minyak nilam merupakan salah satu komoditas minyak atsiri andalan Indonesia. Setiap tahun Indonesia memasok 70 - 90% kebutuhan dunia. Sebagai komoditas ekspor, minyak nilam mempunyai prospek yang baik karena dibutuhkan secara kontinyu dalam industri parfum, kosmetik, sabun dan lain-lain (Yang 2007).
Tanaman nilam dapat tumbuh pada ketinggian lahan antara 0 – 1.500 meter di atas permukaan laut, dengan curah hujan 2.500 – 3.000 mm/tahun (penyebaran merata sepanjang tahun). Suhu udara antara 24° – 28°C dengan lengas nisbi yang tinggi di atas 75%. Tanaman nilam termasuk tanaman yang memerlukan hara yang cukup tinggi. Hasil analisis kadar hara dari batang dan daun yang dipanen menunjukkan bahwa kandungan N, P₂O₅, K₂O, CaO, dan MgO mencapai masing-masing 5,8%; 4,9%; 22,8%; 5,3% dan 3,4% dari bahan kering atau sama dengan pemberian pupuk 232 kg N, 196 kg P₂O₅, 912 kg K₂O, 212 kg CaO dan 135 kg MgO. Hal ini menunjukkan untuk mempertahankan produksi agar tetap optimal pemberian pupuk sangat menentukan, terlebih jika ditanam secara menetap.
Membudidayakan nilam tidaklah sulit. Tanaman nilam bisa dikembangkan di lahan apa saja, seperti pekarangan, sawah, kebun, dan tegalan. Namun untuk mendapatkan produktivitas yang tinggi, tanaman nilam memerlukan lapisan tanah yang dalam, subur, kaya humus, berstruktur gembur, dan drainase yang baik. Tanaman nilam yang diusahakan di dataran rendah mempunyai kandungan minyak lebih tinggi dari pada di dataran tinggi. Tanah dengan kandungan bahan
organik yang tinggi dapat memberikan hasil yang lebih baik, sedangkan yang tergenang air, atau air tanah yang dangkal, dan kelembaban tinggi, akan mendorong timbulnya penyakit baik cendawan phytophtora sp maupun bakteri penyerang tanaman nilam. Itu semua merupakan ciri-ciri lahan yang sesuai untuk menanam nilam secara garis besar, guna menghasilkan minyak dengan kualitas dan kuantitas yang baik.
Sistem pakar ini mengevaluasi lahan yang ada dengan melihat karakteristik dan kualitas lahan. Nilam merupakan salah satu komoditas ekspor minyak terbesar di Indonesia. Dengan mengetahui lahan yang sesuai akan menghasilkan produksi minyak atsiri yang maksimal.
Tujuan Penelitian
Tujuan penelitian ini sebagai berikut: 1. Merancang dan membangun sistem pakar
yang dapat digunakan untuk mengevaluasi kesesuaian lahan dari tanaman pertanian khususnya untuk tanaman nilam.
2. Mengetahui tentang kesesuaian lahan pada tanaman nilam ini juga bertujuan untuk mengenal kebutuhan optimal tanaman terhadap kondisi lahan sebagai langkah awal untuk pengembangan tanaman secara profesional.
Ruang Lingkup Penelitian
Adapun ruang lingkup dari penelitian ini adalah sebagai berikut:
1. Meneliti sifat-sifat dan syarat tumbuh dari tanaman nilam yang saling terkait satu sama lain dan membandingkan semua parameter dari karakteristik dan kualitas yang ada pada lahan dan mengklasifikasikan lahan sesuai kelas yang sesuai.
2. Kesesuaian lahan yang dihasilkan mengacu pada data yang ada, yaitu belum dipertimbangkannya usaha perbaikan yang dapat dilakukan untuk mengatasi kendala atau faktor-faktor pembatas yang ada.
3. Dalam memperoleh input sistem pakar ini mengasumsikan bahwa semua parameter yang dibutuhkan sudah lengkap. Semua parameter dimasukkan sebagai input data untuk diolah sehingga menghasilkan keputusan yang sesuai, yaitu lahan yang tepat untuk tumbuh kembangnya tanaman nilam.
Manfaat Penelitian
Kesesuaian lahan merupakan salah satu faktor yang perlu diperhatikan dalam mengembangkan budidaya tanaman nilam. Karakteristik dan kualitas lahan adalah sebagai parameter yang akan dibandingkan dalam sistem pakar ini untuk menentukan jenis tanah yang sesuai dan mendukung pada daerah tertentu. Dengan tanah yang sesuai produktivitas dan kualitas minyak atsiri pada tanaman nilam akan maksimal.
Hasil dari penelitian yang berupa sistem pakar diharapkan dapat dimanfaatkan oleh peneliti dan pembudidaya dalam melakukan evaluasi kesesuaian lahan.
TINJAUAN PUSTAKA
Sistem Pakar
Ilmu yang mempelajari cara membuat komputer dapat bertindak dan memiliki kecerdasan seperti manusia disebut kecerdasan buatan. Salah satu bidang yang termasuk dalam kecerdasan buatan yaitu Sistem pakar (Expert system).
Sistem pakar (Expert system) adalah program komputer yang menirukan penalaran seorang pakar dengan keahlian pada suatu wilayah dan ilmu pengetahuan tertentu. Sistem pakar juga sudah banyak dikembangkan baik untuk kepentingan penelitian maupun kepentingan bisnis dari berbagai bidang ilmu seperti ekonomi, keuangan, teknologi, kedokteran dan pertanian.
Permasalahan yang ditangani oleh seorang pakar bukan hanya permasalahan yang mengandalkan algoritme, namun kadang juga permasalahan yang sulit dipahami. Permasalahan tersebut dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Oleh karena itu sistem pakar dibangun bukan berdasarkan algoritme tertentu tetapi berdasarkan basis pengetahuan dan aturan (Kusrini 2005).
Komponen Sistem Pakar
Komponen sistem pakar terdiri dari empat komponen yang saling terkait satu dengan yang lainnya. Semua komponen menjadi satu kesatuan membentuk sistem menuju tujuan tertentu, yaitu mencari penyelesaian sebuah masalah layaknya kemampuan seorang pakar (Marimin 2009). Komponen tersebut adalah: 1. Knowledge Aqcuisition (Akuisisi
Pengetahuan)
Tahap Akuisisi adalah tahap penting dan sangat menentukan keberhasilan sistem pakar
yang akan dikembangkan untuk pemecahan persoalan yang biasanya diselesaikan oleh pakar. Akuisisi pengetahuan didukung oleh sistem pengetahuan dasar yang berupa pendefinisian unsur dan struktur dasar untuk menginterpretasikan data. Ada beberapa proses akuisisi pengetahuan, yaitu terdiri dari tahap komunikasi, pemodelan pengetahuan, dan validasi.
2. Working Memory (Memori Kerja)
Working memory adalah bagian yang mengandung semua fakta-fakta pada saat sistem beroperasi maupun fakta-fakta pada saat pengambilan keputusan. Selama sistem pakar beroperasi semua proses tersebut berada di dalam memori kerja.
3. Inference Engine (Mesin Inferensi)
Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar. Hal ini yang membuat sistem sangat menyerupai pemikiran seorang pakar. Terdapat dua teknik Inference Engine. a. Backward Chaining (Pelacakan ke
Belakang)
Teknik ini berawal dari sekumpulan hipotesis menuju fakta-fakta yang mendukung, dimulai dengan menentukan kesimpulan yang akan dicari baru kemudian fakta-fakta pembangun kesimpulan.
b. Forward Chaining (Pelacakan ke Depan) Forward Chaining merupakan kebalikan dari Backward Chaining yaitu mulai dari kumpulan data menuju kesimpulan. Kesimpulan suatu kasus dibangun berdasarkan fakta-fakta yang telah diketahui.
4. User Interface (Antarmuka Pemakai)
Antarmuka pemakai adalah bagian penghubung antara program sistem pakar dengan pemakai. Pada bagian ini, pengguna dimungkinkan untuk memasukkan instruksi dan informasi ke dalam sistem pakar serta menerima penjelasan dan kesimpulan. user interface harus bersifat user friendly dengan artian semua menu yang tersedia tidak membingungkan pemakai dan tidak membuat pemakai melakukan kesalahan sendiri. Fuzzy Inference System (FIS)
Sistem fuzzy merupakan sistem yang mampu mengembangkan sistem intelejen dalam lingkungan yang tidak pasti. Sistem ini menduga suatu fungsi dengan logika fuzzy . Logika fuzzy digunakan untuk menangani konsep derajat kebenaran (Zadeh 1965). Komponen sistem fuzzy antara lain:
1. Himpunan Fuzzy
Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sehingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, sedangkan nilai 1 menunjukan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah.
2. Fungsi Keanggotaan
Fungsi keanggotaan (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya. Fungsi keanggotaan berinterval dari 0 sampai 1. Diantara 0 dan 1 akan ada nilai-nilai yang merepresentasikan setiap item yang dimasukkan kedalam gugus fuzzy sehingga akan mewakili semua nilai yang seharusnya ada dalam penyelesaian masalah.
Fungsi keanggotaan suatu himpunan fuzzy dapat direpresentasikan dengan berbagai kurva, salah satunya adalah kurva segitiga dan kurva trapesium (Kusumadewi 2002).
a. Representasi Kurva Segitiga (Triangle) Kurva segitiga merupakan gabungan antara dua garis (linear). Garis pertama menunjukkan adanya kenaikan derajat keanggotaan nol menuju nilai domain yang lebih tinggi. Garis kedua adalah kebalikan dari garis pertama, yaitu penurunan derajat keanggotaan menuju nilai domain yang lebih rendah. Kurva ini merupakan pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Fungsi keanggotaan:
0; x≥ c atau x≤ a
µ(x)
= (x - a) / (b - a); a ≤ x≤ b (c - x) / (c - b); b ≤ x≤ cGambar 1 Representasi kurva segitiga (Kusumadewi 2002).
b. Representasi Kurva Trapesium
Kurva trapesium merupakan gabungan dari dua garis yang mengalami kenaikan dan penurunan derajat keanggotaan, tetapi ada salah satu sisi dari variabel tersebut yang tidak mengalami perubahan. Hal ini ditunjukkan adanya garis horizontal antara dua garis linear.
Fungsi keanggotaan: 0; x ≤ a atau x ≥ d (x - a) / (b - a); a ≤ x ≤ b
µ(x)
= 1; b ≤ x ≤ c (d - x) / (d - c); c ≤ x ≤ dGambar 2 Representasi kurva trapesium (Kusumadewi 2002).
3. Penalaran fuzzy metode Mamdani
Metode Mamdani diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Pada metode Mamdani baik input maupun output sistem berupa himpunan fuzzy. Metode Mamdani memiliki beberapa keuntungan yaitu lebih diterima oleh banyak pihak serta lebih sesuai apabila input diterima dari manusia (bukan mesin) (Kusumadewi 2002). 4. Defuzzifikasi
Defuzzifikasi merupakan suatu proses merubah output fuzzy ke output yang bernilai tunggal (crisp). Pada proses ini ketika diberikan suatu himpunan fuzzy dalam kisaran tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output. Defuzzifikasi dilakukan pada komposisi aturan Mamdani menggunakan metode Centroid. Metode ini memperoleh solusi crisp dengan cara mengambil titik pusat (z*) daerah fuzzy.
Evaluasi Kesesuaian Lahan
Lahan merupakan bagian dari bentangan alam (landscape) yang mencakup lingkungan
a b c 0 1 a b c d 1 0 Domain Domain
fisik seperti tanah, topografi/relief, hidrologi, dan keadaan vegetasi alami (natural vegetation) yang secara potensial akan berpengaruh terhadap penggunaan lahan. Kesesuaian lahan merupakan penggambaran tingkat kecocokan sebidang lahan untuk penggunaan tertentu. Evaluasi kesesuaian lahan berhubungan dengan evaluasi untuk suatu penggunaan tertentu, dalam hal ini untuk budidaya tanaman nilam.
Secara umum kesesuaian lahan terbagi atas kesesuaian lahan aktual dan kesesuaian lahan potensial. Kesesuaian lahan aktual adalah kesesuaian lahan yang dihasilkan berdasarkan data yang ada, yaitu belum dipertimbangkannya usaha perbaikan yang dapat dilakukan untuk mengatasi kendala atau faktor-faktor pembatas yang ada. Kesesuaian lahan potensial menyatakan keadaan kesesuaian lahan yang akan dicapai setelah usaha-usaha perbaikan (Dolisera 1997). Persyaratan Tumbuh Tanaman Nilam
Tanaman untuk tumbuh dengan baik dan membuahkan hasil yang baik memerlukan persyaratan tertentu. Semua persyaratan akan saling terkait satu sama lain. Untuk tanaman nilam mempunyai persyaratan yang tidak terlalu berbeda dengan tanaman pertanian lainnya.
Persyaratan tumbuh yang diperlukan oleh nilam mempunyai batas tingkat kesesuaian, sesuai dengan tinggi atau rendahnya parameter yang diukur. Parameter yang diperhatikan tersebut antara lain: topografi, seperti ketinggian wilayah dihitung meter dari permukaan laut dan jenis tanah; kualitas tanah (aspek fisika seperti tekstur, drainase, dan aspek kimia seperti pH tanah); iklim, seperti curah hujan, temperatur (°C), prosentase kelembaban udara, dan radiasi matahari. (Rosman & Hermanto 2004, Yang 2007).
METODE PENELITIAN
Metode Penyusun Sistem Pakar
Pendekatan sistem adalah metode pemecahan masalah yang tahapannya dimulai dengan identifikasi kebutuhan dan diakhiri dengan suatu hasil yang efektif dan efisien. Pada tahap pembentukkan sistem pakar dimungkinkan adanya iterasi atau pengulangan tahap tertentu yang dianggap belum memenuhi syarat atau adanya perbaikan. Tahap pembentukan sistem pakar secara lengkap ditunjukkan pada Gambar 3.
Gambar 3 Tahap pembentukan sistem pakar (Marimin 2009).
Berdasarkan gambar di atas tahap pembentukkan sistem pakar mengalami iterasi atau pengulangan ketika hasil yang diperoleh tidak mewakili seorang pakar, tahap tersebut diuraikan sebagai berikut:
1. Identifikasi Masalah
Proses pengembangan sistem pakar dimulai dengan identifikasi bidang masalah yang dikaji serta tugas spesifik yang akan ditangani. Pada sistem ini masalah yang akan dikaji adalah bagaimana menentukan kesesuaian lahan untuk nilam dengan melihat berbagai karakteristik dan kualitas tanah. Proses yang dilalui dalam identifikasi masalah, antara lain: analisa kebutuhan, perumusan masalah, dan identifikasi sistem. 2. Pemilihan Pakar
Dokumentasi pengetahuan adalah bagian utama dari basis pengetahuan untuk membuat sistem pakar. Kesesuaian lahan untuk nilam telah dikembangkan di Balai Penelitian Tanaman Obat dan Aromatik (BALITRO),
Identifikasi Masalah
Mencari Sumber Pengetahuan atau Pemilihan Pakar
Akuisisi Pengetahuan
Representasi Pengetahuan
Pengembangan mesin inferensi
Implementasi Pengujian Mewakili Human expert ? Mulai tidak Ya Selesai
oleh karenanya dipilih pakar yang berasal dari balai tersebut.
3. Akuisisi Pengetahuan
Dalam pembentukan sistem pakar akuisisi pengetahuan merupakan proses yang cukup sulit, karena tidak terstrukturnya metode yang diterangkan oleh pakar kepada knowledge engineer. Akuisisi pengetahuan yang dilakukan dalam sistem ini dengan wawancara langsung dengan pakar tentang semua parameter yang saling terkait. Parameternya adalah karakteristik dan kualitas suatu lahan yang akan dijadikan lokasi penanaman nilam, semua parameter tersebut tercantum pada Lampiran 1.
4. Representasi Pengetahuan
Setelah memperoleh pengetahuan dari berbagai sumber, knowledge engineer mulai memilih teknik representasi yang digunakan untuk mengembangkan sistem pakar. Pada tahap ini semua parameter kesesuaian lahan yang didapat dari proses akuisisi pengetahuan akan dimasukkan sebagai input sistem kemudian dilihat keterkaitan antara tiap parameter dan mengklasifikasikan lahan sesuai kelasnya.
5. Pengembangan Mesin Inferensi
Dari hasil akuisisi diperoleh fakta, informasi dan strategi penalaran untuk memecahkan persoalan. Pada sistem ini digunakan teknik Forward Chaining, yaitu dengan memperoleh berbagai fakta tentang kesesuaian lahan untuk tanaman nilam kemudian menuju kesimpulan tentang keadaan tanah tersebut. Proses inferensi pada SPKLTN menggunakan Fuzzy Inference System (FIS) dengan metode Mamdani.
6. Implementasi
Pada tahap implementasi dilakukan penerjemahan hasil perumusan ke dalam aplikasi komputer. Semua parameter lahan yang ada merupakan input sistem dan klasifikasi lahan sesuai parameternya merupakan output sistem.
7. Pengujian
Pengujian dilakukan agar sistem pakar yang diperoleh dapat mewakili human expert. Dalam hal ini pengujian tidak selalu harus mencakup seluruh permasalahan yang ditangani. Pada sistem ini pengujian dengan memasukkan parameter lahan sentra produksi tanaman nilam dan dapat dilihat apakah lahan tersebut memang sangat sesuai untuk nilam. Metode Penilaian Kesesuaian Lahan
Penilaian klasifikasi kesesuaian lahan dilakukan dengan menggunakan perbandingan antara karakteristik dan kualitas suatu lahan.
Kualitas lahan memunculkan sifat-sifat yang kompleks dari suatu lahan yang berpengaruh terhadap kesesuaiannya pada penggunaan tertentu. Karakteristik lahan memunculkan sifat-sifat lahan yang dapat diestimasi atau diukur. Perbandingan keduanya akan menghasilkan suatu keputusan kesesuaian lahan (Dolisera 1997). Hasil penilaian kesesuaian lahan dibedakan sebagai berikut: 1. Lahan sangat sesuai:
Lahan tidak mempunyai faktor pembatas berarti yang dapat mempengaruhi pengolahan tanah atau tanaman, sehingga dapat diusahakan secara berkelanjutan.
2. Lahan sesuai:
Lahan mempunyai pembatas ringan yang dapat mempengaruhi pengolahan tanah atau tanaman, pembatas tersebut dapat mengurangi produktivitas atau keuntungan dan dapat diatasi dengan masukan biaya yang tidak terlalu besar.
3. Lahan tidak sesuai:
Lahan mempunyai faktor pembatas yang sangat berat dan bersifat permanen, hampir tidak mungkin dijadikan objek penanaman, memerlukan dana sangat besar sehingga secara ekonomi tidak menguntungkan.
HASIL DAN PEMBAHASAN
Metode yang digunakan untuk memproses semua parameter input sampai menghasilkan output adalah menggunakan metode pendekatan sistem pakar. Tahapan pada metode ini dimulai dengan identifikasi kebutuhan dan diakhiri dengan suatu hasil yang efektif dan efisien. Pada metode penyusun sistem pakar ada beberapa tahapan yang harus dilalui sampai pada proses pengujian dan proses sistem siap digunakan, uraian dari proses-proses tersebut yaitu: Identifikasi Masalah
Proses pengembangan sistem pakar dimulai dengan identifikasi bidang masalah yang dikaji serta tugas spesifik yang akan ditangani. Masalah yang akan dikaji pada sistem ini adalah bagaimana menentukan kesesuaian lahan untuk nilam dengan melihat berbagai karakteristik dan kualitas lahan, kemudian mengklasifikasikan lahan sesuai kelas yang telah ditentukan. Proses yang dilalui dalam identifikasi masalah adalah: a. Analisa Kebutuhan
Kebutuhan aktor yang terkait dalam sistem pakar yang dikembangkan perlu diidentifikasi dengan seksama, karena
masing-masing aktor (pimpinan, insinyur pengembang kecerdasan buatan, para pakar, ahli kognitif dan para pemakai) mempunyai kepentingan yang berbeda dengan sistem pakar tersebut. Sistem pakar kesesuaian lahan untuk tanaman nilam (SPKLTN) berguna dalam membudidayakan nilam khususnya pada kawasan baru, dan dapat dimanfaatkan oleh pihak-pihak terkait dalam melakukan evaluasi kesesuaian lahan.
b. Perumusan Masalah
Dari identifikasi masalah secara global yang diterapkan pada proses pertama, maka selanjutnya dilakukan perumusan masalah. Pada tahap ini identifikasi masalah berupa kesuaian lahan untuk tanaman nilam dengan berbagai macam parameter.
c. Identifikasi Sistem
Sistem yang akan dikembangkan umumnya mempunyai banyak unsur. Dalam hal ini identifikasi unsur yang saling berkaitan mulai dilakukan. Semua parameter yang saling terkait antara karakteristik dan kualitas lahan merupakan hal yang akan dikembangkan sebagai unsur yang teridentifikasi.
Pemilihan Pakar
Kesesuaian lahan untuk nilam telah dikembangkan di Balai Penelitian Tanaman Obat dan Aromatik (BALITRO). Adapun pakar kesesuaian lahan yang dipilih adalah Bapak Dr. Ir. Rosihan Rosman, M.Sc. Hal ini disebabkan karena beliau mempunyai berbagai pengalaman dibidang tersebut dan telah melakukan penelitian lahan yang sesuai untuk tanaman nilam.
Akuisisi Pengetahuan
Akuisisi pengetahuan yang dilakukan dalam sistem ini sebagian besar dilakukan di BALITRO dengan menemui pakar secara langsung. Teknik akuisisi yang digunakan dengan wawancara terbuka tentang parameter kesesuaian lahan, membaca referensi terkait dan membahas hasil penelitian bapak Dr. Ir. Rosihan Rosman, M.Sc tentang semua karakteristik lahan yang sesuai untuk nilam. Hasil akuisisi yang didapat akan direpresentasikan sebagai sumber pembuatan rule pada SPKLTN.
Representasi Pengetahuan
Pada tahap ini software engineer memasukkan semua pengetahuan berupa parameter kesesuaian lahan untuk tanaman
nilam yang didapat dari proses akuisisi pengetahuan. Parameter dikelompokkan atas dua bagian, yaitu fuzzy dan non-fuzzy, kemudian dilihat keterkaitan antara tiap parameter dan mengklasifikasikan lahan sesuai kelasnya. Adapun parameter input dengan kisaran pada setiap parameter ditunjukkan pada tabel di bawah ini.
Tabel 1 Parameter input dengan kisarannya
Parameter Kisaran Keterangan
1. Ketinggian (m, dpl.) 1 - 1000 fuzzy
2. Jenis tanah - non-fuzzy
3. Drainase 0.5 - 5 fuzzy
4. Tekstur - non-fuzzy
5. Kedalaman air 1 - 400 non-fuzzy
6. pH 1 - 7 fuzzy
7. C or anik (%) - g 0 - 5 fuzzy
8. P₂O₅ (ppm) 10 - 30 fuzzy
9. K₂O (me/100 g) 0 - 5 fuzzy
10. KTK (me/100 g) 0 - 40 non-fuzzy Pengembangan Mesin Inferensi
Teknik Forward Chaining adalah teknik yang dipilih pada tahap pengembangan mesin inferensi. Ada dua tahap inferensi pada SPKLTN ini, yaitu proses inferensi input parameter yang bersifat fuzzy dengan FIS sebagai mesin inferensinya, kemudian proses inferensi input non-fuzzy.
Metode fuzzy merupakan penyelesaian suatu masalah dalam lingkungan yang tidak pasti. Pada tahap ini semua parameter input yang bersifat fuzzy akan diproses dengan logika fuzzy menggunakan metode Mamdani. Implementasi metode fuzzy akan mengalami beberapa tahap dalam merepresentasikan semua parameter, dengan kombinasi rule yang ada maka akan diperoleh suatu solusi tentang kesesuaian lahan untuk tanaman nilam. Tahapan dalam implementasi metode fuzzy akan dibahas sebagai berikut:
1. Himpunan Fuzzy
Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sehingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Semua parameter suatu lahan tertentu akan diberikan interval yang sama dari 0 sampai 1, hal tersebut ditujukkan agar nilai kebenaran suatu parameter tidak hanya bernilai benar atau salah karena masih ada nilai-nilai yang terletak antara benar dan salah.
2. Fungsi Keanggotaan
Fungsi keanggotaan (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya. Pemilihan kurva merupakan salah satu cara mengetahui bagaimana himpunan fuzzy merepresentasikan pengetahuan. Semua kurva mempunyai Fungsi keanggotaan yang berinterval dari 0 sampai 1. Diantara 0 dan 1 akan ada nilai-nilai yang merepresentasikan setiap item yang dimasukkan kedalam gugus fuzzy, sehingga akan mewakili semua nilai yang seharusnya ada dalam penyelesaian masalah.
Pada tahap ini semua parameter input direpresentasikan dengan kurva segitiga, hal tersebut karena input yang tersedia telah mempunyai kisaran pada setiap domain yang jelas. Dengan melihat kisaran pada setiap domain maka ditentukan batasan untuk garis pertama yang menunjukkan kenaikan derajat keanggotaan menuju nilai domain yang lebih tinggi, titik tengah yang bernilai satu serta batasan untuk garis kedua yang mengalami penurunan derajat keanggotaan menuju nilai domain yang lebih rendah.
Output dari sistem yang merupakan klasifikasi lahan akan direpresentasikan dengan kurva trapesium, hal tesebut karena ada saat dimana lahan akan berada pada kondisi tingkat kesesuaian yang sangat sesuai dan tidak mengalami perubahan, dengan kata lain ketika suatu lahan telah ditempatkan pada tingkat sangat sesuai, kemudian lahan tersebut terus menjadi semakin baik, maka tetap akan ditempatkan pada tingkatan tersebut. Representasi kurva trapesium juga akan memiliki dua garis yang mengalami kenaikan dan penurunan derajat keanggotaan, hal ini untuk merepresentasikan lahan pada domain dengan variabel yang berubah.
3. Defuzzifikasi Metode Centroid
Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp). Pada proses ini ketika diberikan suatu himpunan fuzzy dalam kisaran tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output. Metode ini memperoleh solusi crisp dengan cara mengambil titik pusat (z*) daerah fuzzy. Secara umum dirumuskan sebagai berikut:
Keterangan :
Zj = Nilai pada tiap titik horizontal
µ
= Fungsi keanggotaan pada tiap Zjn = Banyaknya j
Penentuan lahan yang sesuai untuk tanaman nilam akan terlebih dahulu memproses input fuzzy sampai memperoleh suatu bilangan crisp. Bilangan crisp tersebut selanjutnya dijadikan input untuk memproses parameter non-fuzzy dengan kaidah if then rule. Semua parameter karakteristik lahan akan melalui proses fuzzifikasi dan defuzzifikasi.
1. Proses Fuzzifikasi
Pada proses ini sistem akan menduga suatu fungsi dengan logika fuzzy. Logika fuzzy digunakan untuk menangani konsep derajat keanggotaan dengan domainnya. Setiap parameter mempunyai batasan tertentu yang akan mengklasifikasikan mereka pada kelas lahan yang sesuai. Ada tiga batasan yang digunakan yaitu: sangat baik, baik, dan tidak baik yang semua batasan pada tiap domain input didapatkan dari hasil akuisisi pakar (Lampiran 2). Proses fuzzifikasi pada semua parameter yang bersifat fuzzy ditunjukkan sebagai berikut:
a. Ketinggian (m, dpl)
Parameter ketinggian adalah parameter penting untuk tumbuh kembangnya nilam. Tanaman ini dapat tumbuh dan menghasilkan minyak bermutu baik pada ketinggian 0 - 700 m, dpl. Lahan sangat sesuai mempunyai ketinggian 100 – 400 mdpl, lahan sesuai 0 – 700 m, dpl dan lahan tidak sesuai ≥ 700 mdpl (Lampiran 1). Derajat keanggotaan yang didapat dari proses fuzzifikasi ditunjukkan pada Gambar 4. Tidak_baik Sangat_baik baik 0; x≥ 400 atau x≤ 100 (x - 100) / (250 - 100); 100 ≤ x≤ 250 (400 - x) / (400 - 250); 250 ≤ x≤ 400
µ(x)SB
= 0; x≥ 700atau x≤ 0 (x - 0) / (350 - 0); 0 ≤ x≤ 350 (700 - x) / (700 - 350); 350 ≤ x≤ 700µ(x B
= 0; x≥ 1000 atau x≤ 701 (x - 701) / (850.5 - 701); 701 ≤ x≤ 850.5 (1000 - x) / (c – 850.5); 701 ≤ x≤ 1000µ(x B
=Gambar 4 Representasi kurva segitiga untuk ketinggian
b. Drainase
Drainase adalah lorong-lorong dalam tanah tempat mengalirnya air. Menurut pakar drainase yang baik pada lokasi penanaman tanaman pertanian yang luas membutuhkan aliran air yang tidak terhambat. Pada lahan yang sangat sesuai dan sesuai drainase membutuhkan 5 – 20 menit untuk mengairi seluruh ladang nilam, tapi untuk lahan yang tidak sesuai drainase akan mengairi seluruh ladang nilam antara 15 – 60 menit (Lampiran 1). Setelah melalui tahap fuzzifikasi fungsi keanggotaan drainase dapat terlihat pada Gambar 5. 0; x≥ 20 atau x≤ 5 (x - 5) / (12.5 - 5); 5 ≤ x≤ 12.5 (20 - x) / (20 – 12.5); 12.5 ≤ x≤ 20 0; x≥ 60 atau x≤ 15 (x - 15) / (37.5 - 15) 15 ≤ x≤ 37.5 (60 - x) / (60 – 37.5); 37.5 ≤ x≤ 60 Gambar 5 Representasi kurva segitiga untuk
drainase. c. pH
Nilai pH menunjukkan banyaknya konsentrasi ion hidrogen (H+) di dalam tanah. Nilai pH berkisar dari 0-14 dengan pH 7 disebut netral sedangkan pH kurang dari 5.5 disebut masam dan pH lebih dari 7 disebut alkalis. Nilam merupakan tanaman yang dapat berkembang dengan baik pada pH basa, untuk lahan sangat sesuai pH berkisar antara 5.5 – 7, untuk lahan sesuai pH sedikit bersifat masam antara 4 – 5, sedangkan untuk lahan yang tidak sesuai pH kurang dari 4.5, dapat dikatakan lahan tersebut bersifat masam (Lampiran 1). Fungsi keanggotaan pH dapat terlihat pada Gambar 6. 0; x≥ 7 atau x≤ 5.6 (x – 5.6) / (6.3 – 5.6); 5.6 ≤ x≤ 6.3 (7 - x) / (7 – 6.3); 6.3 ≤ x≤ 7
µ(x)
SB= 0; x≥ 5.5 atau x≤ 4 (x - 4) / (4.75 - 4); 4 ≤ x≤ 4.75 (5.5 - x) / (5.5 – 4.75); 4.75 ≤ x≤ 5.5µ(x)
B= 0; x≥ 4.5 atau x≤ 1 (x - 1) / (2.75 - 1); 1 ≤ x≤ 2.75 (4.5 - x) / (4.5 – 2.75); 2.75 ≤ x≤ 4.5µ(x)TB
=Gambar 6 Representasi kurva segitiga untuk pH.
d. C-organik
Kandungan bahan organik dalam tanah merupakan salah satu faktor yang berperan dalam menentukan keberhasilan suatu budidaya pertanian. Hal ini karena bahan organik dapat meningkatkan kesuburan kimia, fisika, maupun biologi tanah. Penetapan kandungan bahan organik dilakukan berdasarkan jumlah C-organik. Untuk tanaman nilam pada lahan sangat sesuai kandungan c-organik berkisar antara 2 - 3%, untuk lahan sesuai ≥ 2%, sedangkan lahan tidak sesuai C-organik ≤ 1% (Lampiran 1). Adapun fungsi keanggotaannya dapat dilihat pada Gambar 7. Baik Terhambat
µ(x)B
=µ(x)
T= Sangat_baik baik Tidak_baik 0; x≥ 3 atau x≤ 2 (x - 2) / (2.5 - 2); 2 ≤ x≤ 2.5 (3 - x) / (3 – 2.5); 2.5 ≤ x≤ 3µ(x)
SB= 0; x≥ 5 atau x≤ 2 (x - 2) / (3.5 - 2); 2 ≤ x≤ 3.5 (5 - x) / (5 – 3.5); 3.5 ≤ x≤ 5µ(x)
SB= 0; x≥ 1 atau x≤ 0 (x - 0) / (0.5 - 0); 0 ≤ x≤ 0.5 (1 - x) / (1 – 0.5); 0.5 ≤ x≤ 1µ(x)TB
=Gambar 7 Representasi kurva segitiga untuk C-organik.
e. P O ₂ ₅
P₂O₅ merupakan salah satu kandungan kimia tanah yang berhubungan dengan kandungan kimia lain sebagai salah satu zat penyubur tanah. Pada lahan sangat sesuai kandungan P₂O₅ berkisar antara 16 – 25 ppm, untuk lahan sesuai kandungan
Sangat_baik baik
Tidak_baik
antara 10 – 17 ppm, sedangkan untuk lahan tidak sesuai kandungan lebih dari 24 ppm (Lampiran 1). Dari kisaran pada setiap jenis lahan terlihat bahwa parameter ini bersifat fuzzy. Fungsi keanggotaan dengan representasi kurva segitiga setelah proses fuzzifikasi dapat dilihat pada Gambar 8 di bawah ini.
0; x≥ 25 atau x≤ 16 (x - 16) / (20.5 - 16); 16 ≤ x≤ 20.5 (25 - x) / (25 – 20.5); 20.5 ≤ x≤ 25 0; x≥ 17 atau x≤ 10 (x - 10) / (13.5 - 10); 10 ≤ x≤ 13.5 (17 - x) / (17 – 13.5); 13.5 ≤ x≤ 17 0; x≥ 30 atau x≤ 24.1 (x – 24.1) / (27.05 – 24.1); 24.1 ≤ x≤ 27.05 (30 - x) / (30 – 27.5); 27.05 ≤ x≤ 30 Gambar 8 Representasi kurva segitiga untuk
P₂O₅ . f. K O ₂
K₂O adalah salah satu bahan organik pada tanah sebagai zat penyubur kondisi tanah. semakin besar zat K₂O maka tanah semakin baik dan subur. Untuk lahan sangat sesuai K₂O lebih dari 1 me/100g, untuk lahan sesuai K₂O antara 0.6 – 2 me/100g, sedangkan untuk lahan tidak sesuai berkisar antara 0.2 – 0.4 me/100g (Lampiran 1). Adapun fungsi keanggotaan dapat dilihat pada Gambar 9.
0; x≥ 5 atau x≤ 1 (x - 1) / (3 - 1); 1 ≤ x≤ 3 (5 - x) / (5 - 3); 3 ≤ x≤ 5 0; x≥ 2 atau x≤ 0.6 (x – 0.6) / (1.3 – 0.6); 0.6 ≤ x≤ 1.3 (2 - x) / (2 – 1.3); 1.3 ≤ x≤ 2 0; x≥ 0.4 atau x≤ 0.2 (x – 0.2) / (0.3 – 0.2); 0.2 ≤ x≤ 0.3 (0.4 - x) / (0.4 – 0.3); 0.3 ≤ x≤ 0.4 Gambar 9 Representasi kurva segitiga untuk
K₂O.
µ(x)
TB=2. Proses Defuzzifikasi
Dari semua parameter kesesuaian lahan di atas dibuat suatu aturan (rule) yang memperlihatkan keterkaitan antara satu parameter dengan parameter lainnya untuk memperoleh suatu output sebagai solusi akhir program SPKLTN. Sebagai contoh aturan fuzzy sebagai berikut:
baik Sangat_baik Tidak_baik
If ketinggian is sangat_baik and drainase is baik and ph is sangat_baik and c_organik is sangat_baik and P₂O₅ is sangat_baik and K₂O is sangat_baik then lahan sangat_sesuai.
µ(x)
SB=µ(x)
SB= Aturan di atas memperlihatkan semuaparameter fuzzy bersifat sangat baik yang menghasilkan output lahan sangat sesuai. Akan ada banyak kombinasi aturan (rule) lain untuk mendukung output lebih akurat. Output yang dihasilkan akan dicari nilai crisp menggunakan metode centroid dengan cara mengambil nilai tengah dari daerah fuzzy yang terbentuk. Nilai crisp tersebut akan diproses kembali dengan parameter non-fuzzy. Adapun fungsi keanggotaan dari output yang merepresentasikan klasifikasi lahan pada SPKLTN dapat dilihat pada Gambar 10
µ(x)TB
=Gambar 10 Representasi kurva trapesium untuk output lahan.
Sangat_baik baik
Tidak_baik
Sesuai Tidak_sesuai Sangat_sesuai
Fungsi keanggotaan output lahan diatas ditunjukkan dengan rumus di bawah ini.
0; x≥ 30 atau x≤ 0 1; 0 ≤ x≤ 15 (30 - x) / (30 - 15); 15 ≤ x≤ 30 0; x≥ 70 atau x≤ 20 (x - 20) / (35 - 20); 20 ≤ x≤ 35 1; 35 ≤ x≤ 55 (70 - x) / (70 – 55); 55 ≤ x≤ 70
µ(x)
SS=µ(x)
S=µ(x)
SB= 0; x≥ 100 atau x≤ 60 (x - 60) / (75 - 60); 60 ≤ x≤ 75 1; 75 ≤ x≤ 100µ(x)
SB=µ(x)TS
=
Proses defuzzifikasi dari setiap masukan seperti contoh aturan tadi akan menghasilkan nilai tunggal, setiap masukan dieksekusi oleh rule fuzzy dengan operator and sehingga akan diambil nilai fungsi keanggotaan yang terkecil untuk memperoleh output. Output yang didapat dari masing-masing parameter digabungkan menjadi daerah fuzzy yang kemudian kemudian dicari nilai tengahnya dengan metode centroid. Output dapat dilihat dari ilustrasi dengan 6 rule yang disajikan pada Gambar 11.
Ketinggian
Gambar 11 Representasi rule untuk output Keterangan:
Ketinggian = 223 m,dpl Drainase = 15 jam (Menit)
p H = 4.9 P ₅ = 19 ppm C-organik = 2.5 % ₂O K₂O = 1.7 me/100g Defuzzifikasi = 45 (sesuai)
Pada ilustrasi gambar diatas, nilai crisp yang dihasilkan dari komposisi rule kelima dan keenam bernilai 45, yang berarti angka tersebut merepresentasikan bahwa lahan ini sesuai. Setelah diperoleh hasil defuzzifikasi berupa nilai crisp, maka proses berikutnya adalah proses inferensi output fuzzy dengan parameter non-fuzzy menggunakan kaidah if then rule. Parameter yang bersifat non-fuzzy dipisahkan karena tidak adanya overlap antar tiap batasan pada setiap parameter tersebut (Lampiran 2). Adapun parameter non-fuzzy adalah sebagai berikut:
1. Jenis tanah 2. Tekstur 3. Kedalaman air 4. KTK
Proses penggabungan output fuzzy dengan parameter input non-fuzzy ditunjukkan dengan contoh rule sebagai berikut:
if output is sesuai & jenis_tanah is regosol/podsolik & tekstur_tanah is baik & kedalaman_air is baik & ktk is baik then lahan sesuai
Setelah proses penggabungan output fuzzy dengan parameter non-fuzzy maka didapatkan sebuah hasil akhir kesesuaian lahan yang pada kasus ini output fuzzy bersifat sesuai dan input non-fuzzy juga bersifat sesuai sehingga menghasilkan lahan sesuai untuk tumbuh kembangnya tanaman nilam.
K₂O
Daerah Drainase pH C‐organik P₂O₅ fuzzy
Implementasi
R
Pada tahap implementasi dilakukanpenerjemahan hasil perumusan ke dalam komputer, semua parameter lahan yang ada merupakan input sistem dan klasifikasi lahan merupakan output sistem. Input akan disajikan dalam antarmuka Graphical User Interface (GUI) sehingga pengguna dapat mengisikan input parameter.
U
L
E
Sistem Operasi yang digunakan adalah Windows XP Profesional dan Matlab 7.0 sebagai sofware pembentuk sistem.
Verifikasi Sistem
Verifikasi sistem dilakukan dengan membuat kombinasi input beberapa parameter karakteristik lahan. Dari sepuluh parameter input dengan tiga output yang ada akan menghasilkan kombinasi yang sangat beragam. Kombinasi rule yang dihasilkan pada tahap awal representasi pengetahuan berjumlah 250 rule, dan jumlah tersebut belum mencakup keseluruhan kombinasi rule.
Dengan kombinasi yang sangat banyak akan mempersulit dalam mencakup keseluruhan kombinasi rule dan output yang dihasilkan pada proses ini tidak sesuai yang diharapkan, kemungkinan karena adanya bentrok antar tiap rule pada sistem atau karena rule yang terlalu banyak.
Untuk mengatasi hal tersebut maka dibuat rule kesesuaian. Pada proses ini pakar memberikan beberapa rule kesesuaian yang harus dijadikan acuan pada proses pembuatan rule secara keseluruhan, hal tersebut berguna untuk menghemat pembuatan rule yang terlalu banyak. Verifikasi dilakukan oleh pakar kesesuaian lahan tanaman nilam Balai Penelitian Tanaman Obat dan Aromatik (BALITRO). Rule tersebut dapat dilihat pada Tabel 2.
Tabel 2 Rule kesesuaian
Dari Tabel 2 diatas rule kesesuaian akan menjadi acuan dalam memilih kombinasi rule. Contohnya pada kasus tanah andosol, tanah ini pasti akan mempunyai tekstur lempung dengan sifat tanah adalah basa, kandungan C-organik lebih dari 1% dan kandungan KTK lebih atau sama dengan 17 me/100g. Dari rule kesesuaian di atas akan lebih mempersempit kombinasi antara parameter input sehingga dihasilkan rule sebanyak 118 buah rule.
Rule kesesuaian juga menghasilkan satu output lain pada sistem, yaitu lahan tidak terdefenisi. Lahan tidak terdefinisi sendiri merupakan lahan dengan parameter input yang tidak mungkin terjadi. Rule kesesuaian merupakan kombinasi yang mungkin terjadi pada kenyataan sebenarnya, ketika parameter input tidak sesuai dengan rule kesesuaian, maka sebuah lahan akan dimasukkan pada lahan tidak terdefenisi.
Pada tahap ini pakar juga menyarankan untuk menyamakan kandungan organik, dengan kata lain pada kasus lahan sangat sesuai dengan tanah andosol dan pH basa, maka kandungan bahan organik lainnya juga akan berada pada posisi sangat baik atau baik, begitu pula dengan kasus lahan sesuai, dengan jenis tanah regosol dan pH sedikit asam, maka kandungan organik juga berada pada posisi baik atau sangat baik. Hal ini lebih memperjelas bahwa kombinasi parameter input untuk bahan organik, seperti C-organik, P₂O₅, K₂O dan KTK akan mengikuti kandungan pH pada tanah tertentu.
Hasil Pengujian Sistem
Pengujian sistem dilakukan dengan memasukkan karakteristik lahan sentra produksi nilam, lahan pertanian biasa dan
lahan lain pada lokasi yang berbeda. Hal tersebut dilakukan untuk melihat akurasi sistem pada jenis lahan berbeda dengan parameter yang berbeda. Data pengujian didapat sebagian besar dari Balai Penelitian Tanaman Obat dan Aromatik (BALITRO), jurnal terkait dan dari referensi pakar (Lampiran 3). Adapun data pengujian disajikan pada Tabel 3 di bawah ini.
Tabel 3 Data lokasi pengujian sistem, Balai Penelitian Tanah Bogor
Data pengujian sistem pada tabel diatas mempunyai parameter kesesuaian lahan yang berbeda-beda sesuai lokasi dan iklim dari lahan tersebut. Sebagai contoh, pada data pertama yang diambil dari Kabupaten Aceh Besar, daerah ini merupakan salah satu central produksi nilam dengan berbagai varietas nilam. Contoh lainnya, data uji yang diambil dari daerah Lampung, lahan ini direkomendasikan pemupukan untuk perbaikan bahan-bahan organik. Pengambilan data uji dari berbagai daerah dan kondisi yang berbeda dimaksudkan untuk melihat keakuratan sistem dalam memroses input dan menghasilkan evaluasi yang tepat. Karakteristik semua data pengujian dipaparkan pada Lampiran 4.
Semua data akan diproses dengan Fuzzy Inference System dengan cara memasukkan semua parameter input pada setiap lokasi kemudian dilihat evaluasi yang dihasilkan sistem dan kemudian disesuaikan dengan kesimpulan pakar. Hasil dari proses inferensi dengan fuzzy untuk setiap data dapat dilihat pada Tabel 4 di bawah ini.
Parameter Rule kesesuaian
1. Ketinggian (m, dpl.) - - 2. Jenis tanah Andosol & Latosol Regosol & Podsolik 3. Drainase (jam) - - 4. Tekstur Lempung Liat berpasir 5. Kedalaman air (cm) - - 6. pH 5.6 – 7 (basa) (asam) 4 - 5.5 7. C- r anik (%) o g >1 >1 8. P₂O₅ (ppm) - - 9. K₂O (me/100 g) - - 10. KTK (me/100 g) ≥17 5 – 16 No Lokasi
1 Aceh (3km dari pantai) 2 Aceh (tertutup lumpur tsunami)
3 Aceh (0.2km dari pantai dengan lumpur tsunami) 4 Banyuwangi
5 Bogor 1
6 Bogor 1(setelah pemupukan) 7 Bogor 2
8 Bogor 2(setelah pemupukan) 9 Cikanjang 10 Cikole 11 Dolok Masehul 12 Lampung 13 Sariwangi 14 Sei Putih 15 Suka Mulih 16 Tanjung Gusti
Tabel 4 Hasil pengujian sistem
No Lokasi
Defuzzifikasi
input fuzzy Ket
1 Aceh (3km ) 14.5 SS 2 Aceh (tsunami) 50 TS
3 Aceh (0.2km dan tsunami) 50 TS 4 Banyuwangi 45 S 5 Bogor 1 45 S 6 Bogor 1 (pupuk) 45 TT 7 Bogor 2 14.0923 SS 8 Bogor 2 (pupuk) 45 TT 9 Cikanjang 14.1537 SS 10 Cikole 14.5 SS 11 Dolok Masehul 45 S 12 Lampung 50 TS 13 Sariwangi 45 S 14 Sei Putih 45 S 15 Suka Mulih 45 S 16 Tanjung Gusti 45 S Keterangan : SS = Sangat Sesuai S = Sesuai TS = Tidak Sesuai TT = Tidak Terdefenisi
Dari hasil uji sistem dengan 16 data uji di atas, diperoleh berbagai variasi output lengkap dengan nilai crisp pada masing-masing lahan. Setelah disesuaikan dengan solusi pakar ternyata ada empat buah data uji yang tidak sesuai dengan pakar, yaitu data uji 2, 3, 6 dan 8 (Lampiran 4).
Setelah analisis pada keempat lahan tersebut dilakukan, ternyata data uji 2 dan 3 merupakan lahan pada daerah Aceh Besar yang diuji setelah tertutup lumpur tsunami, hal tersebut menjadikan kandungan ion pada tanah meningkat, itu terlihat pada kandungan K₂O yang meningkat drastis, sehingga lahan tersebut sangat baik ditanami tanaman tahunan, seperti sawo dan kelapa sawit, tapi tidak baik untuk ditanami tanaman semusim seperti kacang polong maupun nilam. Untuk data uji ke 6 dan 8 merupakan lahan pada wilayah Bogor setelah adanya proses pemupukan, sistem menolak data uji ke 6 dikatakan sesuai untuk nilam karena tingginya KTK setelah terjadi pemupukan, dengan kata lain kisaran input untuk KTK melewati batas. Sedangkan pada lahan ke 8 terjadi perubahan pH pada lahan tersebut menjadi masam, sedangkan jenis lahan tersebut adalah Latosol
yang secara umum mempunyai sifat basa, hal itulah yang menyebabkan sistem tidak menempatkan lahan tersebut pada kelas lahan yang tidak terdefenisi.
Setelah melakukan pengujian sistem dan penyesuaian evaluasi dengan pakar, dari 16 data uji yang dimasukkan, SPKLTN mampu menghasilkan 12 data uji yang sesuai dengan pakar dan 4 data uji yang tidak sesuai dengan pakar, sehingga keakuratan SPKLTN untuk 16 data yang telah diolah sebesar 75%.
Keterbatasan Sistem
SPKLTN yang dikembangkan memiliki beberapa keterbatasan, antaralain:
1. Parameter yang diperhatikan hanya karakteristik lahan, belum memperhatikan perubahan iklim pada waktu tertentu. 2. Lahan yang dikaji hanya lahan aktual,
yaitu lahan yang belum dipertimbangkannya usaha perbaikan yang dapat dilakukan untuk mengatasi kendala atau faktor-faktor pembatas yang ada. 3. SPKLTN masih berbasis dekstop
menggunakan Matlab versi 7.0, sehingga belum bisa digunakan oleh banyak pengguna.
KESIMPULAN DAN SARAN
Kesimpulan
SPKLTN adalah sistem yang dapat digunakan untuk mengevaluasi kesesuaian lahan tanaman pertanian khususnya pada tanaman nilam. Karakteristik dan kualitas lahan adalah sebagai parameter yang akan dibandingkan dalam sistem pakar ini untuk menentukan jenis lahan yang cocok dan mendukung pada daerah tertentu.
Sistem ini menggunakan metode fuzzy dalam menyelesaikan bidang masalah yang dikaji sampai pada solusi akhir. Data yang diujikan sebanyak 16 lahan dengan kondisi yang berbeda, dari 16 data tersebut ada 4 lahan yang mempunyai solusi tidak sama dengan pakar. Hal ini disebabkan karena adanya peningkatan salah satu ion pada lahan tersebut akibat tertimbun lumpur tsunami dan pemupukan.
Secara umum SPKLTN yang dibangun memiliki keakuratan sebesar 75% dengan data uji sebanyak 16 data, dengan rincian 12 data sesuai dengan pakar dan 4 data tidak sesuai dengan pakar.
Saran
Untuk pengembangan SPKLTN, maka disarankan beberapa hal berikut:
1. SPKLTN disarankan dapat menyertakan data hasil laboratorium dalam meneliti bahan organik tanah, sehingga pengklasifikasian lahan lebih akurat.
2. Pada output program dapat ditambahkan gambar lokasi dari solusi lahan yang dihasilkan.
3. Pengembangan SKPLTN berbasis web sehingga dapat digunakan oleh banyak pengguna dan dapat diakses di mana saja.
DAFTAR PUSTAKA
Agus, F dan Subiksa, IGM. Status hara tanah terpengaruh lumpur tsunami dan implikasi pengelolaanya. Bogor: Balai Penelitian Tanah.
Dolisera, R. 1997. Sistem Pakar Kesesuaian Lahan untuk Tanaman Pertanian [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Kusrini. 2005. Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis dan Memberikan Terapi Penyakit Epilepsi dan Keluarganya [makalah penelitian]. Yogyakarta: STMIK AMIKOM. [terhubung berkala]
http://repository.petra.ac.id/77/1/II-02-naskah-SIIT_05_013.pdf [08-10-09]. Kusumadewi, S. 2002. Analisis dan Disain
Sistem Fuzzy menggunakan Toolbox Matlab. Jakarta: Graha Ilmu.
Marimin. 2009. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Bogor: IPB press.
Rosman, R., Hermanto. 2004. Aspek lahan dan Iklim untuk Pengembangan Nilam di Provinsi Nanggroe Aceh Darussalam.
Bogor: Balai Penelitian Tanaman Rempah dan Obat.
Yang, N. 2007. Prosedur Operasional Standar (POS) Budidaya Tanaman Nilam. Bogor: BALITRO.
Zadeh, L. A. 1965. Fuzzy set. California : Department of Flectrical Engineering and Electronics Research Laboratory. University of Calofornia.
Lampiran 1
Tabel kriteria kesesuaian lahan tanaman nilam (Rosman & Hermanto 1998, Yang 2007)
Parameter
Tingkat Kesesuaian
Sangat Sesuai Sesuai Tidak Sesuai
Ketinggian (m, dpl) 100 – 400 0 – 700 > 700
Tanah
1. Jenis tanah Andosol & latosol Regosol & podsolik Lainnya
2. Drainase Baik Baik Terhambat
3. Tekstur Lempung Liat berpasir Pasir
4. Kedalaman air > 100 75 – 100 ≤ 50 5. pH 5.6 – 7 4 – 5.5 ≤ 4.5 6. C-organik (%) 2 – 3 ≥ 2 ≤ 1 7. P₂ ₅ (ppm) O 16 – 25 10 – 17 > 24 8. K₂O (me/100 g) ≥ 1.0 0.6 – 2 0.2 – 0.4 9. KTK (me/100 g) ≥ 17 5 – 16 < 5 Drainase = Pengairan. pH = Keasaman tanah. KTK = Kapasitas Tukar Kation. P₂O₅ (ppm) = Difosforus Pentaoksida. K₂O (me/100 g) = Kalium Oksida. .
Lampiran 2
Tabel parameter kesesuaian lahan dengan domain dan kisarannya
Parameter Tingkat Kesesuaian
Sangat Baik Baik Tidak Baik Kisaran
Domain Domain Domain 1. Ketinggian (m, dpl.) [100 250 400] [0 350 700] [701 850.5 1000] 1 - 1000 2. Jenis tanah Andosol & latosol Regosol & podsolik Lainnya - 3. Drainase (menit) [5 12.5 20 ] [5 12.5 20] [15 37.5 60] 5 - 60
4. Tekstur Lempung Liat berpasir Pasir -
5. Kedalaman air [101 250.5 400] [75 87.5 100] [0 25 50] 1 - 400 6. pH [5.6 6.3 7] [4 4.75 5.5] [1 2.75 4.5] 1 - 7 7. C-organik (%) [2 2.5 3] [2 3.5 5] [0 0.5 1] 0 - 5 8. P₂O₅ (ppm) [16 20.5 25] [10 13.5 17] [24.1 27.05 30] 10 - 30 9. K₂O (me/100 g) [1 2.5 5] [0.6 1.3 2] [0.2 0.3 0.4] 0 - 5 10. KTK (me/100 g) [17 28.5 40] [5 10.5 16] [0 2.45 4.9] 0 - 40
Lampiran 3
Tabel lokasi data pengujian sistem
No Desa Kota/Kabupaten Provinsi
1 Peukan Bada Aceh Besar NAD
2 - Banyuwangi Jawa Timur
3 Juanda Bogor Jawa Barat
4 Cikanjang Garut Jawa Barat
5 Cikole Rangkas Bitung Banten
6 Dolok Masehul, Deli Serdang Sumatera Utara. 7 Kebun Percobaan Natar Lampung Lampung
8 Sariwangi Tasikmalaya Jawa Barat
9 Sei Putih Deli Serdang Sumatera Utara
10 Sukamulih Tasikmalaya Jawa Barat
11 Tanjung Gusti Deli Serdang Sumatera Utara
Daftar lengkap lokasi data pengujian sistem
1. Kecamatan Peukan Bada, Kabupaten Aceh Besar, Provinsi NAD. 2. Banyuwangi, Jawa Timur.
3. Pengembangan tanah dan Agroklimat. Jl Ir H Juanda no.98, Bogor, Provinsi Jawa Barat. 4. Cikanjang, garut, Provinsi Jawa Barat.
5. Cikole, Rangkas Bitung, Provinsi Banten.
6. Dolok Masehul, Deli Serdang, Provinsi Sumatera Utara. 7. Kebun Percobaan Natar, Provinsi Lampung selatan.
8. Kecamatan Sariwangi, Kabupaten Tasikmalaya, Provinsi Jawa Barat. 9. Sei Putih, Deli Serdang, Provinsi Sumatera Utara.
10. Desa Sukamulih, Kabupaten Tasikmalaya, Provinsi Jawa Barat. 11. Tanjung Gusti, Deli Serdang, Provinsi Sumatera Utara.
Lampiran 4
Tabel data pengujian sistem (Lokasi 1 - 5)
Parameter Lokasi Aceh (3km) Aceh(tsunami) Aceh (0.2km) Banyuwangi Bogor 1
1. Ketinggian (m, dpl.) 459.21 459.21 800.25 300.35 400 2. Jenis tanah Latosol Latosol Andosol podsolik Podsolik 3. Drainase Baik Baik Baik Baik Baik 4. Tekstur Lempung Lempung Lempung liat berpasir Liat berpasir 5. Kedalaman air 85.201 85.201 124.6 78.9 87.2 6. pH 5.6 6 6.6 5.2 4.95 7. C or anik (%) - g 2.6 3.3 3.9 2 2.55 8. P₂O₅ (ppm) 21.17 20 11 16.912 13.4 9. K₂O (me/100 g) 2.2 12 18 0.89 2.2 10. KTK (me/100 g) 17.17 27.95 26.12 12.05 11.21 Defuzzifikasi 14.5 50 50 45 45 Keterangan SS TS TS S S
Tabel data pengujian sistem (Lokasi 6 - 10)
Parameter Lokasi
Bogor 1
(Pupuk) Bogor 2 Bogor 2
(Pupuk) Cikanjang Cikole 1. Ketinggian (m, dpl.) 400 400 400 421 613 2. Jenis tanah Podsolik Latosol Latosol Andosol Andosol 3. Drainase Baik Baik Baik Baik Baik 4. Tekstur Liat berpasir Lempung Lempung Lempung Lempung 5. Kedalaman air 87.2 92.4 92.4 121.99 76.88 6. pH 5.5 5.8 5.22 5.7 5.7 7. C or anik (%) - g 4.52 3.5 4.22 2.13 2.98 8. P₂O₅ (ppm) 17.9 24.31 18 24.11 22.19 9. K₂O (me/100 g) 2.12 1.5 2.57 1.62 1.13 10. KTK (me/100 g) 29.34 21.7 24.3 32.42 21.83 Defuzzifikasi 45 14.0923 45 14.1537 14.5 Keterangan TT SS TT SS SS
Tabel data pengujian sistem (Lokasi 11 - 16)
Parameter Lokasi Dolok Masehul Lampung Sariwangi Sei Putih Suka Mulih Tanjung Gusti 1. Ketinggian (m, dpl.) 240 710 700 215 700 315 2. Jenis tanah Podsolik Alfisol Regosol Regosol podsolik Podsolik 3. Drainase Baik Baik Baik Baik Baik Baik 4. Tekstur Liat Berpasir Pasir liat berpasir Liat Berpasir liat berpasir Liat Berpasir 5. Kedalaman air 76.3 52.77 85 99.4 160 88.43 6. pH 5 4.8 5.4 5 5 5 7. C or anik (%) - g 3.25 0.93 2.69 2.34 2.46 4.1 8. P₂O₅ (ppm) 17 29 11 18 11 24.8 9. K2O(me/100 g) 1.4 0.15 2.2 0.8 0.8 0.9 10. KTK (me/100 g) 8.88 1.4 11.5 9.04 10 11.13 Defuzzifikasi 45 50 45 45 45 45 Keterangan S TS S S S S
Lampiran 5
Decision tree untuk lahan sangat sesuai.
SS Tanah Andosol & Latosol Lainnya Regosol & Podsolik Tekstur TT TT
Liat Berpasir Pasir
Lempung TT TT Kedalaman ≤ 50 75 - 100 >100 KTK KTK TS ≥17 5 - 16 <5 TT SS TT ≥17 5 - 16 <5 TT SS Output Fuzzy TT Keterangan: SS : Sangat Sesuai S : Sesuai TS : Tidak Sesuai TT : Tidak Terdefenisi
Lampiran 6
Decision tree untuk lahan sesuai.
S Tanah Andosol & Latosol Lainnya Regosol & Podsolik Tekstur TT TT
Liat Berpasir Pasir
Lempung TT TT Kedalaman ≤ 50 75 - 100 >100 KTK KTK TS ≥17 5 - 16 <5 S TT TT ≥17 5 - 16 <5 S TT Output Fuzzy TT Keterangan: SS : Sangat Sesuai S : Sesuai TS : Tidak Sesuai TT : Tidak Terdefenisi
Lampiran 7
Decision tree untuk lahan tidak sesuai.
TS Tanah Andosol & Latosol Lainnya Regosol & Podsolik TS TS Kedalaman ≤ 50 75 - 100 >100 KTK KTK ≥17 5 - 16 <5 TS TS ≥17 5 - 16 <5 TS TS TS KTK ≥17 5 - 16 <5 TS TS TS TS TS
Liat Berpasir Pasir Lempung Output Fuzzy TS Tekstur Keterangan: SS : Sangat Sesuai S : Sesuai TS : Tidak Sesuai TT : Tidak Terdefenisi
