MENGGUNAKAN LOGIKA FUZZY
DARMAWAN SETYABUDI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
monodon) Menggunakan Logika Fuzzy. Dibimbing oleh IMAS SUKAESIH SITANGGANG dan
YENI HERDIYENI.
Udang windu (Penaeus monodon) merupakan salah satu jenis udang yang sangat menarik dan menguntungkan untuk dipelihara. Kendala terbesar dari pemeliharaan udang windu ini adalah penyakit yang sering menyerang udang dengan masa inkubasi yang cukup pendek sehingga dapat sangat merugikan petani karena bisa mengakibatkan kematian masal. Saat ini diagnosa penyakit udang windu dilakukan dengan cara mikroskopis dan gejala klinis. Diagnosa mikroskopis jika menggunakan cara konvensional (laboratorium) membutuhkan waktu yang lama. Di lain pihak, menggunakan cara modern yaitu PCR (polimer chain reaction) cepat tetapi memerlukan biaya yang mahal. Diagnosa melalui gejala klinis memerlukan keahlian dari seorang pakar.
Sistem pakar yang dibangun dalam penelitian ini mengadopsi kemampuan seorang pakar dalam mendiagnosa penyakit udang windu melalui gejala klinis. Output dari sistem yang dibangun diharapkan dapat membantu petani untuk mendiagnosa penyakit udang windu secara cepat dan tepat, sehingga penyakit udang windu dapat didiagnosa sedini mungkin sebelum menimbulkan kerugian yang besar. Input yang dibutuhkan oleh sistem ini adalah bobot, umur, keadaan lingkungan air tambak, perilaku udang. Data lainnya adalah pemeriksaan general per bagian tubuh udang yang dilanjutkan dengan pemeriksaan detail kelainan pada bagian tertentu tubuh udang. Untuk pendeteksian jenis penyakit dilakukan dengan teknik pelacakan ke belakang (backward chainning). Logika fuzzy digunakan untuk mendeteksi tingkat keparahan penyakit udang windu karena dinilai sangat tepat untuk mengadopsi kemampuan pakar dalam hal ini ke dalam sistem pakar yang dibangun. Logika fuzzy yang digunakan adalah metode Mamdani dengan metode defuzifikasi Centroid.
Sistem pakar dilengkapi dengan fasilitas penjelasan mengenai identitas udang, status kelayakan lingkungan, jenis penyakit, informasi penyakit, tingkat keparahan penyakit dan langkah apa yang harus dilakukan untuk menangani udang yang terserang penyakit dengan tingkat keparahan tertentu. Dari hasil uji coba yang telah dilakukan didapatkan akurasi 95% untuk diagnosa jenis penyakit sedangkan untuk tingkat keparahan penyakit akurasinya 85%.
MENGGUNAKAN LOGIKA FUZZY
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Oleh
Darmawan Setyabudi
G06400033
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
NRP
: G06400033
Menyetujui:
Pembimbing I,
Imas S. Sitanggang, S.Si., M.Kom.
NIP. 132206235
Pembimbing II,
Yeni Herdiyeni, S.Si., M.Kom.
NIP. 132282665
Mengetahui:
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, M.S
NIP. 131473999
iv
RIWAYAT HIDUP
Penulis dilahirkan di Banyuwangi pada tanggal 22 Desember 1981 dari pasangan Kabul Tjipto Oetomo dan Umi Nurwiyamah. Penulis merupakan anak bungsu dari lima bersaudara.
Penulis menyelesaikan di SMU Negeri 1 Genteng, Banyuwangi dan lulus pada tahun 2000. Di tahun yang sama diterima masuk IPB melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis memilih Program Studi Ilmu Komputer, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama kuliah penulis aktif dalam kegiatan UKM PASERASA Seroja Putih, beberapa perguruan pencak silat dan tenaga dalam, pesantren-pesantren salaf dan organisasi kedaerahan (OMDA). Penulis pernah juga melakukan Praktik Kerja Lapang di Rumah Sakit Azra Bogor mulai bulan Januari 2004 sampai Maret 2004 dengan bidang kajian Sistem Informasi General Ledger untuk sistem akunting Rumah Sakit Azra.
v
PRAKATA
Alhamdulillah, puji dan syukur senantiasa penulis panjatkan kepada ya Robbi Allah SWT,
karena hanya dengan izin dan kehendak-Nyalah penulis dapat menyelesaikan penelitian dan karya tulis ilmiah dengan judul Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus monodon) Menggunakan Logika Fuzzy.
Penulis menyadari bahwa selesainya penulisan karya ilmiah ini tidak terlepas dari pihak-pihak yang telah banyak membantu. Oleh karena itu penulis ingin mengucapkan terima kasih kepada:
1. Allah SWT, atas segala limpahan rahmat dan karunia-Nya yang terlalu besar untuk disyukuri. ”Hidup ini adalah untaian hikmah dan syukur” (Laa haula walaa quwwata illa billaahil
‘aliyyil ‘azhim. Ya Alhamdulillah).
2. Kedua Orang tuaku, kakak-kakakku, keponakan-keponakanku dan semua keluargaku. Terima kasih untuk dukungan, bantuan dan pengertiannya yang sangat besar.
3. Istriku tersayang, Vina atas dorongan, pengertian dan cintanya.
4. Bapak angkatku Bapak Wakidi Guntoro dan para guruku atas semua bantuan, nasehat, dorongan dan pelajaran tentang pencarian jati diri, tujuan hidup, dan agama yang diberikan pada penulis.
5. Ibu Imas Sukaesih Sitanggang, S.Si., M.Kom. dan Ibu Yeni Herdiyeni, S.Si., M.Kom. selaku dosen pembimbing penulis.
6. Ibu Sri Nurhayati, S.Si., M.Si. selaku pakar yang selalu meluangkan waktu dalam memberikan pengetahuan tentang penyakit udangwindu kepada penulis.
7. Bapak Irman Hermadi, S.Kom., MS. Yang bersedia meluangkan waktu sebagai penguji hasil penelitian ini.
8. Sohib karibku Mushthofa yang banyak membantu dalam penyelesaian penelitian ini, juga Asep, Uus Gede dan asisten pakar Dek Huda. Terimakasih atas waktu, tenaga, dan pikiran yang diberikan.
9. Teman-teman kumpul serumah dan seperjuangan C-14a (Mas Puji (Ustd. Hamdan), Mush Jo, Tabah, TB, Mas Soni dan istri, Mas Iful, Romo, Acoy, Bembeng) atas dorongan, pengertian dan rasa kekeluargaanya yang sangat besar.
10. Keluarga YIC Al Ghazaly (K.H. Muhammad al Musthofa AbN dan istri, Muna, Nadia, Tasnim dan Obi) dan keluarga Padepokan Lembah Ciparay (Abah Toni sekeluarga) terima kasih atas keakraban dan rasa kekeluargaan yang besar kepada penulis
11. Adik-adikku: Nia (Adhe’), Ulfa Abah Toni, Lia, Pipit dan Dita terima kasih atas rasa kekeluargaan dan bantuannya.
12. Teman-teman seperjuangan di YIC Al Ghazaly: Mas Heri (Ketua DPC PKB Bogor), Mas Yeyen, Cak Nul (Ustd. Zen), Mas Adam.
13. Seluruh dosen dan staf Departemen Ilkom atas ilmu dan pelayanannya.
14. Teman-teman ilkomerz ’37, ilkomerz, Paserasa Seroja Putih, Lare’ Blambangan (LABA), Maroner’s dan IKAWANGI.
15. Semua pihak yang belum tertulis di sini yang jasanya sangat besar terhadap penulis.
Penulis meminta maaf jika terdapat kesalahan dalam penyusunan penelitian ini. Untuk itu penulis memohon kritik dan saran yang membangun untuk melakukan perbaikan penyusunan penelitian ini.
Bogor, Mei 2007
vi
DAFTAR ISI
Halaman
DAFTAR GAMBAR...vii
DAFTAR LAMPIRAN...vii
PENDAHULUAN Latar Belakang... 1 Tujuan... 1 Lingkup Penelitian... 1 Manfaat... 1 TINJAUAN PUSTAKA Sistem Pakar ... 2
Pengertian Sistem Pakar ... 2
Struktur Sistem Pakar ... 2
Teknik Forward Chaining... 3
Teknik Backward Chaining... 3
Modul Penyusun Sistem Pakar ... 4
Sistem Fuzzy ... 4
Logika Fuzzy ... 4
Penyakit Udang Windu... 5
Virus ... 6
Bakteri ... 6
Fungi/Jamur ... 6
Parasites and commensals... 6
Faktor Abiotik (Non-infectious dan Toxic Diseases)... 6
METODOLOGI PENELITIAN Kerangka Pemikiran ... 6
Pendekatan Sistem... 7
Rancang Bangun Sistem ... 7
Tahap Implementasi ... 8
Tahap Uji Coba... 8
HASIL DAN PEMBAHASAN Analisis Kebutuhan ... 8 Akuisisi Pengetahuan ... 8 Model Sistem... 9 Disain Sistem... 10 Implementasi ... 12 Uji Coba ... 13
KESIMPULAN DAN SARAN Kesimpulan... 13
Saran ... 13
DAFTAR PUSTAKA ... 13
vii
DAFTAR GAMBAR
Halaman
1 Struktur sistem pakar (Marimin, 2002) ... 3
2 Pelacakan ke depan ... 3
3 Pelacakan ke belakang ... 3
4 Model fungsi keanggotaan gugus fuzzy ... 4
5 Alur penyelesaian menggunakan metode fuzzy (Marimin, 2002)... 5
6 Tahap rancang bangun sistem pakar (Marimin, 2002) ... 7
7 Alur program sistem diagnosa penyakit udang windu ... 7
8 Model penarikan keputusan dengan logika fuzzy untuk penyakit MBV ... 10
9 Grafik fungsi keanggotaan untuk variabel kerusakan organ ... 11
10 Grafik fungsi keanggotaan untuk variabel kulit bengkak... 12
11 Grafik fungsi keanggotaan untuk variabel kulit luka ... 12
DAFTAR LAMPIRAN
Halaman 1 Tingkat nafsu makan berdasarkan bobot. ... 152 Kategori pertumbuhan udang berdasarkan umur dan bobot udang. ... 16
3 Jenis pakan ... 17
4 Tingkat kepadatan ... 17
5 Tingkat kematian... 17
6 Tingkat kelayakan suhu air tambak... 17
7 Tingkat kelayakan salinitas air tambak ... 17
8 Tingkat kelayakan pH air tambak. ... 17
9 Tingkat kelayakan O2 air tambak. ... 18
10 Tingkat kelayakan kecerahan air tambak ... 18
11 Tingkat kelayakan NH3 air tambak... 18
12 Ciri khusus penyakit... 18
13 Perilaku dan morfologi udang sehat. ... 19
14 Perilaku dan morfologi udang sehat terserang penyakit MBV... 19
15 Masa inkubasi MBV... 20
16 Perilaku dan morfologi udang sehat terserang penyakit BP ... 20
viii
18 Perilaku dan morfologi udang sehat terserang penyakit WSBV ... 21
19 Masa inkubasi WSBV ... 22
20 Perilaku dan morfologi udang sehat terserang penyakit Vibriosis ... 22
21 Masa inkubasi Vibriosis ... 23
22 Perilaku dan morfologi udang sehat terserang penyakit Ricketsia ... 23
23 Masa inkubasi Ricketsia ... 24
24 Perilaku dan morfologi udang sehat terserang penyakit Mycosis... 24
25 Masa inkubasi Mycosis... 25
26 Perilaku dan morfologi udang sehat terserang penyakit Fusarium ... 25
27 Masa inkubasi Fusarium ... 26
28 Perilaku dan morfologi udang sehat terserang penyakit Microsporodian ... 27
29 Masa inkubasi Microsporodian... 27
30 Perilaku dan morfologi udang sehat terserang penyakit Gill, Appandage dan Faouling ... 28
31 Masa inkubasi Gill, Appandage dan Faouling... 28
32 Perilaku dan morfologi udang sehat terserang penyakit Gas Bubble ... 29
33 Masa inkubasi Gas Bubble ... 29
34 Perilaku dan morfologi udang sehat terserang penyakit Hemocitic Enteritis... 30
35 Masa inkubasi Hemocytic Enteritis ... 30
36 Grafik keanggotaan himpunan fuzzy untuk penentuan penyakit MBV ... 31
37 Disain sistem ... 32
38 Gambar udang sehat dan morfologinya... 33
39 Tampilan Menu Utama Sistem Pakar Diagnosa Penyakit Udang Windu (Peneaus monodon) menggunakan Logika Fuzzy... 33
40 Tampilan input identitas udang dan kondisi air tambak... 34
41 Tampilan input perilaku udang... 34
42 Tampilan input pemeriksaan gejala klinis ... 35
43 Tampilan input pemeriksaan klinis detail (untuk penyakit MBV) ... 35
44 Aturan untuk udang yang terserang penyakit MBV ... 36
45 Tampilan hasil diagnosa (untuk penyakit MBV) ... 36
46 Tampilan fasilitas penjelas (untuk penyakit MBV)... 37
47 Contoh uji coba dengan metode black box... 37
PENDAHULUAN
Latar belakang
Indonesia merupakan negara kepulauan yang sangat kaya akan potensi sumberdaya laut dan perikanan. Karena itu pemerintah dalam Program Peningkatan Ekspor Perikanan (PROTEKAN) 2003 masih menjadikan udang sebagai komoditas unggulan yang diharapkan menarik devisa sebesar 6,78 miliar dolar Amerika dari keseluruhan target ekspor perikanan sebesar 7,6 miliar dolar Amerika. Pada tahun 2005/2006 target itupun tidak turun secara signifikan. Dari sekian banyak jenis udang, udang windu yang mempunyai nama latin Penaeus monodon adalah udang yang paling potensial untuk dikembangkan. Budidaya udang windu di tambak sangat menggiurkan keuntungannya, tetapi dibalik itu ternyata budidaya udang windu banyak menyimpan permasalahan yang diakibatkan oleh penyakit yang menyerang udang windu. Serangan penyakit inilah yang banyak menyurutkan para petambak untuk membudidayakan udang windu, karena sekali terserang penyakit yang akhirnya menjadi wabah, petambak bisa gagal panen dan menyebabkan kerugian yang sangat besar. Oleh karena itu penyakit pada udang windu harus bisa dideteksi sedini mungkin jangan sampai penyakit itu menjadi suatu wabah yang menyerang semua udang ditambak tersebut.
Penyakit pada udang windu dapat dideteksi dengan cepat dari gejala klinis yang tampak pada fisik udang windu. Walaupun tingkat keakurasiannya tidak mencapai 100%, tetapi diagnosa penyakit udang secara klinis ini sangat diperlukan, karena dapat dengan segera diambil kesimpulan secara cepat mengenai penyakit yang menyerang udang tersebut sehingga dapat segera diambil tindakan yang paling tepat. Tetapi diagnosa penyakit udang windu berdasarkan gejala klinis membutuhkan seorang yang benar-benar ahli dalam bidang ini. Diagnosa yang akurat hanya dapat diperoleh dengan test laboratorium, tetapi cara
mikroskopis ini membutuhkan waktu yang
cukup lama, peralatan yang mahal dan tenaga ahli.
Dalam penelitian ini akan dikembangkan suatu sistem pakar untuk diagnosa penyakit pada udang windu pada tahap pembesaran dengan melihat gejala klinis yang terjadi. Diagnosa dengan menggunakan komputer diharapkan dapat mempermudah pekerjaan. Sistem yang dibuat dalam penelitian ini adalah
sistem pakar karena sistem pakar dilengkapi dengan kemampuan berfikir dan penarikan kesimpulan berdasarkan input atau data dari pengamatan yang dimasukkan.
Pada penelitian ini data yang digunakan berupa ilmu pengetahuan dan fakta sehingga sistem pakar merupakan suatu perangkat lunak yang sesuai untuk pemecahan masalah diagnosa penyakit pada udang windu (Penaeus monodon).
Sistem ini diharapkan dapat membantu para petambak udang windu dan pihak-pihak yang berkepentingan untuk mendeteksi suatu penyakit udang windu pada tahap pembesaran sedini mungkin sehingga para petambak dapat segera mengambil keputusan yang tepat dalam menghadapi kasusnya. Dalam implementasinya sistem ini menggunakan teknik pelacakan ke depan (forward
chaining), teknik pelacakan ke belakang
(backward chaining) dan logika fuzzy, dalam melakukan penarikan kesimpulan.
Tujuan
Tujuan dari penelitian ini adalah merancang dan membangun sistem pakar diagnosa penyakit udang windu pada tahap pembesaran (post larva sampai dengan panen).
Lingkup Penelitian
Dalam sistem diagnosa penyakit udang windu ini dibatasi pada sebelas jenis penyakit udang windu yang sering menyerang budidaya udang windu di Indonesia.
Input pada sistem ini adalah identitas
udang, kondisi air tambak dan gejala-gejala klinis yang terjadi pada udang. Data tersebut kemudian akan dianalisis oleh sistem untuk menghasilkan output berupa status identitas udang, status keadaan air tambak, jenis penyakit dan tingkat keparahan penyakit yang menyerang udang tersebut juga rekomendasi untuk menangani semua keadaan yang telah terdeteksi oleh sistem.
Manfaat
Sistem pakar ini bermanfaat membantu para petani tambak untuk mengetahui informasi awal mengenai jenis penyakit yang menyerang udang windu sedini mungkin sebelum keluar hasil pasti dari laboratorium mengenai penyakit tersebut. Sistem pakar ini dilengkapi dengan penjelasan mengenai informasi pertumbuhan udang, lingkungan
tambak, jenis penyakit, tingkat keparahan penyakit, penyebab, obat, dan pencegahan penyakit pada udang windu sehingga sangat membantu para petambak dalam penanganan penyakit udang windu.
TINJAUAN PUSTAKA Sistem Pakar
Pengertian Sistem Pakar
Sistem pakar adalah perangkat lunak yang mengadopsi keahlian seorang pakar dalam bidang tertentu, sehingga keahlian itu dapat digunakan oleh pengguna tanpa perlu menggunakan tenaga jasa keahlian dari ahli secara langsung tetapi sudah tergantikan oleh sistem komputer. Menurut Marimin (2002), tujuan utama rekayasa sistem pakar adalah untuk mempermudah kerja atau bahkan mengganti kemampuan tenaga ahli, menggabungkan kemampuan beberapa tenaga ahli, atau bahkan untuk melatih tenaga ahli baru. Sistem pakar digunakan sebagai alat untuk memecahkan persoalan yang bersifat analitis: intrepretasi dan diagnostik, sintesis, dan integrasi. Sistem pakar mempunyai keungulan dibandingkan dengan seorang pakar. Pada sistem pakar, kepakaran seorang pakar dapat dimanfaatkan masyarakat tanpa perlu kehadiran pakarnya, mencakup keseluruhan dari kepakaran tersebut secara sistematis, serta memungkinkan untuk menangani masalah kompleks dengan lebih cepat. Dengan adanya sistem pakar kepakaran seorang pakar tetap dapat dimanfaatkan secara terus menerus walaupun pakarnya telah tidak dapat bekerja.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan keputusan (inference rules) dengan basis pengetahuan tertentu (knowledge base) yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian suatu masalah tertentu.
Struktur Sistem Pakar
Pada prinsipnya komponen sistem pakar (Marimin 2002) meliputi :
1 Fasilitas akuisisi ilmu pengetahuan Fasilitas akuisisi ilmu pengetahuan adalah komponen yang melakukan pengumpulan fakta, data, dan kaidah berdasarkan pengetahuan yang diperlukan. Pengetahuan ini biasanya diperoleh dari
akuisisi pengetahuan para ahli di bidang itu, literatur-literatur dan penyeleksian hasil induksi dan deduksi para pakar tentang pengetahuan tersebut.
2 Sistem berbasis pengetahuan (knowledge
base)
Basis pengetahuan merupakan inti dari sistem pakar dimana basis pengetahuan merupakan representasi pengetahuan dan dapat juga menyimpan, mengorganisasikan pengetahuan dari seorang pakar. Basis pengetahuan ini merupakan sumber kecerdasan sistem dan dimanfaatkan oleh mesin inferensi untuk mengambil suatu keputusan. Basis pengetahuan ini terdiri dari fakta yang berupa informasi tentang objek, dan kaidah (rule) yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang sudah diketahui.
3 Mesin inferensi (inference engine) Mesin inferensi berperan sebagai otak dari sistem pakar yang bertugas memanipulasi dan mengarahkan pengetahuan dari basis pengetahuan sehingga tercapai suatu kesimpulan. Tugas utama dari mesin inferensi adalah menguji fakta dan kaidah serta menambah fakta baru jika memungkinkan serta memutuskan perintah sesuai dengan hasil penalaran yang telah dilakukan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian.
Strategi penalaran terdiri dari strategi penalaran pasti (exact reasoning) dan strategi penalaran tak pasti (inexact
reasoning). Exact reasoning dilakukan
jika semua data yang diperlukan untuk pengambilan keputusan telah tersedia dalam basis pengetahuan, sedangkan
inexact reasoning dilakukan jika ditemukan keadaan data yang akan dieksekusi ataupun kaidah (rules) yang digunakan sebagai alat pengambil keputusan mengalami ketidakpastian. Contoh-contoh strategi penalaran pasti menggunakan modus ponens, modus
tollens, dan teknik resolusi.
Kaidah modus ponen dapat digambarkan sebagai berikut :
A → B A____ B
Artinya: apabila ada kaidah A dan B dan diketahui bahwa kaidah A benar
maka dapat diambil kesimpulan bahwa kaidah B juga benar.
Kaidah modus tollens dapat digambarkan sebagai berikut :
A → B ~ B____ ~ A
Artinya: Apabila ada kaidah A dan B dan diketahui bahwa kaidah B salah maka dapat diambil kesimpulan bahwa kaidah A juga salah.
Strategi pengendalian berperan dalam penentuan alur pada proses penalaran. Ada tiga teknik pengendalian yang sering digunakan, yaitu pelacakan ke depan (forward chaining), pelacakan ke belakang (backward chaining) dan yang terakhir adalah gabungan dari kedua teknik tersebut.
4 Fasilitas untuk penjelasan dan justifikasi Fasilitas ini digunakan untuk memberikan keterangan tentang rekomendasi sistem yang merupakan hasil proses inferensi berdasarkan penalaran-penalaran yang dilakukan baik secara diagnosa, perlakuan dan komplikasi. 5 Komponen antarmuka pengguna dan
pemakai (user interface)
Merupakan bagian sangat penting untuk kelancaran komunikasi antara pengguna dengan sistem. Salah satu penghubung yang biasa digunakan adalah tanya jawab konvensional.
Struktur komponen sistem pakar dapat dilihat pada Gambar 1.
Gambar 1 Struktur Sistem Pakar (Marimin 2002).
Teknik Forward Chaining
Teknik pelacakan ke depan adalah teknik penarikan inferensi berdasarkan sekumpulan data menuju suatu kesimpulan yang dapat ditarik. Teknik forward chaining yaitu metode
penalaran yang bergerak dari bagian IF menuju bagian THEN. Diagramnya dapat dilihat pada Gambar 2.
Gambar 2 Pelacakan ke depan. Dapat dijelaskan bahwa Gambar 2 dari hasil observasi dihasilkan fakta 1, fakta 2, fakta 3, fakta 4, dan fakta 5. Dari fakta 1 dan fakta 3 dengan menggunakan kaidah A diperoleh fakta baru yaitu fakta b1. Fakta 2 dan fakta 4 dengan menggunakan kaidah B diperoleh fakta b2. Fakta b2 dan fakta 5 dengan menggunakan kaidah C diperoleh fakta b3. Dari fakta b1 dan b3 dengan menggunakan kaidah D diperoleh kesimpulan dari fakta-fakta observasi tersebut.
Teknik Backward Chaining
Teknik pelacakan ke belakang adalah teknik penarikan inferensi berdasarkan suatu pembuktian kesimpulan dengan sekumpulan data yang ada. Teknik backward chaining merupakan kebalikan dari teknik forward
chaining sehingga metode penalarannya dari
bagian THEN menuju bagian IF. Diagramnya dapat dilihat pada Gambar 3.
Gambar 3 Pelacakan ke belakang. Dari Gambar 3 dijelaskan bahwa dari hasil observasi dihasilkan fakta 1, fakta 2, fakta 3, fakta 4, dan fakta 5. Kesimpulan didapat dari kaidah D, sedangkan kaidah D membutuhkan fakta b1 dan fakta b3. Pembuktian dilanjutkan dengan cara mencari fakta b1 dan fakta b3 pada kumpulan data hasil observasi. Karena fakta b1 dan fakta b3 tidak ada pada data hasil observasi maka fakta b1 dan fakta b3 dijadikan sub goal baru yang harus dibuktikan. Fakta b1 merupakan hasil dari kaidah A yang membutuhkan fakta 1 dan
fakta 3 dalam pembentukannya. Setelah dilakukan pencarian pada hasil observasi ternyata terdapat fakta 1 dan fakta 3, maka kaidah A yang menghasilkan fakta b1 adalah valid. Pembuktian ini dilakukan untuk semua fakta dan kaidah yang ada. Jika semua terbukti maka kesimpulan bernilai benar tapi jika ternyata ada salah satu saja kaidah yang tidak terbukti maka kesimpulan itu bernilai salah.
Modul Penyusun Sistem Pakar
Penyusunan sistem pakar berdasarkan 3 modul utama, yaitu :
1 Modul penerimaan pengetahuan (knowledge acquisition module)
Pada tahap ini sistem menerima pengetahuan dari pakar. Dalam tahap pengumpulan pengetahuan-pengetahuan untuk mengembangkan sistem, dibutuhkan bantuan knowledge engineer sebagai penghubung antara sistem dan pakar. 2 Modul konsultasi (consultation module)
Pada tahap ini pengguna berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem. Dari hasil jawaban pengguna inilah akhirnya sistem memberikan jawaban atas pertanyaan pengguna.
3 Modul penjelasan (explanation module) Sistem memberikan penjelasan kepada sistem tentang keputusan yang diambil oleh sistem.
Sistem Fuzzy
Sistem fuzzy merupakan salah satu teknik pengambilan keputusan melalui pendekatan logika fuzzy yang dapat mengekspresikan ketidakpastian dalam bahasa sehari-hari, secara matematis. Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem pakar dalam lingkungan yang tidak pasti dan tidak tepat.
Fungsi keanggotaan mempresentasikan derajat kedekatan suatu objek terhadap atribut tertentu, sedangkan pada teori probabilitas lebih pada penggunaan frekuensi relatif (Ross 2005). Secara umum fungsi keanggotaan dari sistem
fuzzy dapat direpresentasikan menjadi beberapa
model, di antaranya Trianguler, Trapezoidal,
Gaussian, Generalized Bell. Yang membedakan di antara keempatnya adalah fungsi yang digunakan untuk menentukan perubahan derajat keanggotaannya (µA(x)),
seperti pada Gambar 4.
(a). Triangular (b). Trapezoidal (c).
Gaussian (d). Generalized Bell
Gambar 4 Model fungsi keanggotaan gugus fuzzy.
Logika Fuzzy
Menggunakan logika fuzzy dunia nyata bisa lebih mudah direpresentasikan ke dalam sistem pakar. Logika fuzzy merupakan bagian dari logika boolean, yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah atau dengan rentang nilai [0 1] untuk beragam kemungkinan pilihan berdasarkan nilai variabel.
Salah satu fitur yang menarik dari logika fuzzy adalah dapat digunakan untuk memodelkan informasi yang mengandung ketidakjelasan melalui konsep bilangan fuzzy, dan dapat memproses bilangan-bilangan
fuzzy tersebut dengan menggunakan
operasi-operasi aritmatika biasa. Bilangan fuzzy biasanya diekspresikan secara linguistik. Operasi yang dilakukan pada bilangan fuzzy lebih banyak berupa pengolahan kata-kata daripada bentuk bilangan (Kusumadewi 2006).
Keuntungan dari logika fuzzy adalah dapat membangkitkan derajat perubahan keanggotaan secara halus, sedangkan apabila tanpa logika fuzzy maka derajat perubahan keanggotaan akan terjadi secara tiba-tiba.
Alur penyelesaian menggunakan fuzzy menurut Marimin (2002) dapat dilihat pada Gambar 5. µA(x) x (a) 1 µA(x) x (b) 1 µA(x) x (c) 1 µA(x) x (d) 1
Gambar 5 Alur penyelesaian menggunakan Metode Fuzzy (Marimin 2002). Penjelasan alur penyelesaian menggunakan
fuzzy sebagai berikut :
1 Permasalahan nyata
Merupakan hasil obeservasi atau fakta dari lapangan yang akan dicari solusinya menggunakan sistem.
2 Representasi natural
Pada tahap ini fakta permasalahan yang ada di dunia nyata diubah menjadi data yang bernilai linguistik.
3 Fuzifikasi
Fuzifikasi adalah proses di mana fungsi keanggotaan fuzzy mengubah data ekspresi bahasa menjadi suatu nilai numerik yang dapat dimanipulasi berdasarkan aturan-aturan yang berada di basis pengetahuan. Viot (1993) menyatakan bahwa, fuzifikasi merupakan proses penentuan sebuah nilai input masing-masing gugus fuzzy. Fuzifikasi memperoleh suatu nilai dan mengkombinasikannya dengan fungsi keanggotaan untuk menghasilkan nilai
fuzzy (Sibigtroth 1992).
4 Komputasi secara Fuzzy
Nilai-nilai numerik yang diperoleh dari fuzifikasi dioperasikan dengan aturan-aturan yang berada di basis pengetahuan (knowledge base) secara fuzzy.
5 Defuzifikasi
Defuzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp) (Marimin 2002). Defuzifikasi merupakan suatu proses yang mengombinasikan seluruh
fuzzy output menjadi sebuah hasil spesifik
yang dapat digunakan untuk masing-masing sistem output (Sibigtroth 1993).
Terdapat banyak metode defuzifikasi, dua di antaranya adalah metode Centroid dan Maximum. Pada metode Centroid, nilai tunggal dari
output dihitung dengan mencari nilai
variabel dari center gravity suatu fungsi keanggotaan untuk nilai fuzzy. Formulasi untuk metode Centroid adalah sebagai berikut :
∑
∑
= = × = n i i n i i i F S F D 1 1dengan D merupakan decission, Fi
melambangkan fuzzy output, Si
merupakan posisi pusat dari sistem
output, dan n merupakan jumlah gugus
yang didefinisikan untuk sistem output. Sedangkan pada metode maximum nilai tunggal output didapat dari satu nilai variabel yang merupakan nilai kepercayaan maximum gugus fuzzy. 6 Solusi
Dari satu nilai tunggal pada proses defuzifikasi didapatkan solusi. Solusi ditampilkan dalam bentuk satu nilai bilangan atau berupa penjelasan dari nilai hasil defuzifikasi.
Penyakit Udang Windu
Faktor pemicu munculnya penyakit pada udang tidak selalu disebabkan oleh organisme. Faktor lingkungan seperti salinitas, kandungan oksigen terlarut, kadar amonia, dan faktor makanan yang tidak memenuhi syarat juga bisa menjadi pemicu terjadinya serangan penyakit karena kerja organ akan terganggu (Amri 2003).
Menurut Amri (2003) sifat-sifat organisme yang menempel pada udang adalah patogen (menyebabkan infeksi), parasit (menempel pada tubuh atau organ dan menyerap zat makanan), dan epibion (menempel pada tubuh udang tanpa menyerap makanan). Selain itu ada juga penyakit yang disebabkan oleh faktor abiotik (bukan karena organisme), yaitu faktor suhu, salinitas, dan kandungan senyawa beracun. Inilah penyakit-penyakit pada udang windu yang disebabkan oleh virus, bakteri, jamur (fungi) dan faktor abiotik.
Berikut merupakan jenis-jenis penyakit yang menyerang udang windu menurut Lightner (1996):
Virus
Penyakit yang dapat menyerang udang windu yang disebabkan oleh virus antara lain: 1 MBV (Monodon baculovirus)
Penyakit ini disebabkan oleh virus MBV dan menyerang udang windu dari stadium akhir pascalarva hingga stadium
jurvil (udang muda).
Kematian pada udang yang terserang penyakit secara akut akan terjadi 1-7 hari sejak gejala awal tampak (Sukenda 1991). 2 BP (Baculovirus panaei)
Adalah penyakit pada udang yang disebabkan oleh virus Baculovirus panaei dapat menyebabkan kematian yang sangat tinggi pada udang.
3 WSBV (White spot syndrome baculovirus
complex)
Adalah penyakit pada udang yang disebabkan oleh virus WSBV (White spot
syndrome baculovirus) yang menyebabkan
penyakit bintik putih (Firmansyah 2003).
Bakteri
Penyakit yang dapat menyerang udang windu yang disebabkan oleh bakteri antara lain: 1 Vibriosis
Adalah penyakit pada udang yang disebabkan oleh bakteri Vibriosis akibat perubahan iklim yang ekstrem dan dapat menyebabkan kematian yang sangat tinggi pada udang.
2 Rickettsia
Adalah penyakit pada udang yang disebabkan oleh bakteri Rickettsia dapat menyebabkan penurunan nafsu makan pada udang dan dalam jangka waktu yang lama bisa menyebabkan kematian jika tidak segera ditangani dengan baik.
Fungi/Jamur
Penyakit yang dapat menyerang udang windu yang disebabkan oleh jamur/fungi antara lain:
1 Mycosis
Adalah penyakit pada udang yang disebabkan oleh jamur Lagenedium sp dan
Sirolpidium sp dapat menyebabkan
luka-luka yang diikuti infeksi pada udang. 2 Fusarium
Adalah penyakit pada udang yang disebabkan oleh jamur Fusarium solani dan beberapa spesies dari genus F.
moniliforme.
Parasites and Commensals
Penyakit yang dapat menyerang udang windu yang disebabkan oleh parasites dan
commensals antara lain:
1 Cotton Shrimp (Microsporidian)
Adalah penyakit pada udang yang disebabkan infeksi oleh udang liar mengakibatkan insang membesar dan keputih-putihan.
2 Gill, Appandage and Faouling
Adalah penyakit pada udang yang disebabkan bukan dari patogen sejati akan tetapi berasal dari organisme-organisme yang menempel menggunakan udang sebagai substrat.
Faktor Abiotik (Non-infectious dan Toxic
Diseases)
Penyakit yang dapat menyerang udang windu yang disebabkan oleh faktor abiotik antara lain:
1 Gas Bubble
Adalah penyakit pada udang yang disebabkan penjenuhan gas-gas atmosfer. Penyakit ini mengakibatkan udang pingsan dan sering mengapung dekat dengan permukaan air dengan sisi bagian ventral (insang) lebih tinggi dari perut. 2 Hemocytic Enteritis
Adalah penyakit pada udang yang disebabkan berkembangnya ganggang hijau biru sehingga udang menyerupai udang biru.
METODOLOGI PENELITIAN Kerangka Pemikiran
Identifikasi penyakit pada udang windu secara cepat, tepat dan akurat sangat dibutuhkan mengingat penyakit udang tersebut dapat mengakibatkan suatu kerugian yang sangat besar bagi petani udang windu. Diagnosa penyakit udang windu dapat dilakukan secara cepat dengan melihat gejala klinis yang terjadi.
Dalam penelitian ini pengidentifikasian hanya dilihat dari gejala klinis yang terjadi pada udang windu tersebut. Dalam proses pengidentifikasian pertama kali dilakukan tahap pengindentifikasian identitas udang, kemudian keadaan lingkungan tempat udang hidup. Selanjutnya dilakukan tahap pemeriksaan klinis udang secara general (umum), setelah diketahui keadaan udang tersebut maka dilakukan pemeriksaan secara detail untuk menentukan tingkat keparahan
Gambar 6 Tahap rancang bangun sistem pakar
(Marimin 2002).
penyakit yang menyerang udang. Untuk itu pengembangan perangkat lunak diperlukan untuk membantu proses identifikasi atau diagnosa penyakit pada udang windu.
Pendekatan Sistem
Pada tahap pendekatan sistem ini dilakukan analisis kebutuhan, formulasi masalah, akuisisi masalah atau akuisisi pengetahuan dan indentifikasi sistem. Dengan harapan sistem yang akan dibangun benar-benar bisa mewakili cara berfikir pakar dalam mengambil keputusan.
Rancang Bangun Sistem
Tahapan dari rancang bangun sistem pakar menurut Marimin (2002) dapat dilihat pada Gambar 6.
Alur Program Sistem Pakar Diagnosa Penyakit Udang Windu dapat dilihat pada Gambar 7.
Pemeriksaan general Perilaku Udang Identitas Udang dan Keadaan Lingkungan
Mulai
Udang Sakit ? PemeriksaanDetail
Proses Pembuatan Keputusan Selesai Informasi Penyakit tidak ya
Gambar 7 Alur Program Sistem Diagnosa Penyakit Udang Windu.
Sistem pertama kali akan menampilkan menu untuk input data mengenai identitas udang windu dan keadaan air lingkungan tambak. Identitas udang yang dimaksud adalah umur udang dan bobot udang. Input ini berfungsi untuk menentukan tingkat pertumbuhan udang tersebut, apakah normal atau tidak. Kalau dari pertumbuhan ini sudah terlihat tidak normal berarti ada kemungkinan udang ini terkena penyakit atau ada kesalahan dalam pemeliharaan udang. Di lain pihak data, mengenai lingkungan tempat udang tersebut hidup antara lain suhu, pH, kadar garam (salinitas), tingkat oksigen terlarut, kecerahan dan kadar NH3 pada air tempat
udang windu hidup juga kepadatan udang per hektar. Data tersebut langsung diambil dari lapangan dengan menggunakan alat-alat tertentu yang banyak terdapat di pasaran.
Input ini berguna untuk menarik keputusan
mengenai kelayakan tempat udang windu dipelihara.
Untuk selanjutnya sistem akan meminta data perilaku udang dan pemeriksaan secara general tentang keadaan klinis udang tersebut. Data yang diminta dari perilaku udang adalah nafsu makan, keaktifan gerak, posisi renang, gerak perpindahan,
molting dan persentase kematian dalam
seminggu. Di lain pihak, data yang didapatkan dari pemeriksaan secara general ini meliputi
keadaan anatomi tubuh udang, apakah pada anatomi tersebut terdapat kerusakan dibandingkan dengan anatomi udang yang normal. Di samping kerusakan atau cacat pada kelengkapan anatomi tubuh udang, data yang diperlukan adalah perubahan warna pada anatomi udang yang lain dari warna normal udang sehat. Dari data perilaku udang dan pemeriksaan general ini maka akan dapat diproses untuk menarik kesimpulan apakah udang tersebut sakit atau tidak.
Bila ternyata dari pemeriksaan secara
general pada udang tersebut oleh sistem
terdeteksi bahwa terinfeksi suatu penyakit, maka akan dilakukan suatu pemeriksaan secara detail untuk menentukan tingkat keparahan penyakit yang menyerang udang tersebut. Pemeriksaan ini meliputi tingkat kerusakan pada anatomi dan tingkat perubahan warna pada anatomi tubuh udang.
Fakta-fakta yang dimasukkan pada setiap pertanyaan yang diajukan akan digunakan oleh sistem untuk mengambil keputusan. Pengambilan keputusan ini berdasarkan kaidah-kaidah dalam basis pengetahuan yang telah dibuat. Kemudian sistem akan memberikan prediksi dari penyakit dan tingkat keparahan penyakit yang menyerang udang tersebut dan memberikan saran tentang tindakan apa yang seharusnya dilakukan untuk menghadapi penyakit dengan tingkat keparahan yang menyerang udang tersebut.
Sistem ini juga dilengkapi dengan berbagai informasi penyakit yang menyerang udang, seperti penyebab, saran untuk tindakan yang harus segera dilakukan. Sehingga petani bisa melakukan langkah yang secepat untuk menangani masalah yang dihadapinya.
Pada penelitian ini digunakan teknik
forward chaining, teknik backward chaining
dan metode fuzzy. Teknik forward chaining digunakan untuk menganalisis status identitas udang, kondisi air tambak dan penentuan ciri khusus penyakit. Di sisi lain, teknik backward
chaining digunakan dalam penentuan jenis
penyakit. Metode fuzzy digunakan untuk menentukan tingkat keparahan penyakit.
Tahap Implementasi
Pada tahap ini ditentukan perangkat keras dan perangkat lunak yang diperlukan untuk membangun Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus monodon) menggunakan Logika Fuzzy. Perangkat keras (hardware) dan perangkat lunak (software)
yang digunakan untuk membangun sistem ini adalah sebagai berikut :
• Perangkat keras berupa personal komputer dengan spesifikasi :
o Prosesor AMD Borton 2,6 GHz o Memori DDR 768 MB
o Harddisk 160 GB 7200 rpm • Perangkat lunak :
o Sistem Operasi Windows XP
o Microsoft Visual Basic edition versi 6.0
o Microsoft Office Access 2003
o Matlab versi 6.5
o Corel Photo Paint versi 11
o Microsoft Office Power Point 2003
Tahap Uji Coba
Tahap ujicoba dilakukan dengan memasukkan contoh-contoh kasus, hasil keputusan dari sistem pakar ini dicocokkan dengan hasil diagnosa langsung dari pakar. Bila ternyata hasil dari sistem pakar belum sesuai dengan hasil diagnosa pakar secara langsung, maka akan dilakukan perbaikan pada sistem sampai hasil dari sistem ini akurat.
HASIL DAN PEMBAHASAN Analisis Kebutuhan
Pada tahap ini ditentukan kebutuhan pengguna akan sistem pakar diagnosa penyakit udang windu. Proses diagnosa yang diinginkan pengguna adalah proses yang efisien dan efektif untuk dapat mendiagnosa penyakit udang secara cepat dan tepat. Dari situlah akhirnya ditentukan bahwa sangat dibutuhkan suatu sistem pakar diagnosa penyakit udang windu (Peneaus monodon) dari gejala klinis dengan menggunakan logika fuzzy. Logika fuzzy dipakai karena dinilai paling tepat untuk menentukan tingkat keparahan penyakit yang menyerang udang windu.
Akuisisi Pengetahuan
Sumber pengetahuan yang digunakan untuk membangun sistem pakar ini berasal dari pakar ahli penyakit udang, buku referensi, makalah-makalah dan sumber-sumber lain di internet. Pakar ahlinya berasal dari Departemen Budidaya Perairan, Fakultas Ilmu Kelautan dan Perikanan, Institut Pertanian Bogor.
Metode akuisisi pengetahuan yang dilakukan adalah wawancara, pengumpulan
data dari berbagai sumber referensi, diskusi masalah, dan deskripsi masalah tentang pola pikir ahli mulai dari pendeteksian kelayakan lingkungan, gejala klinis, penentuan tingkat keparahan penyakit, dan saran untuk mengatasi penyakit tersebut.
Dalam melakukan diagnosa penyakit pada udang windu diperlukan pengetahuan sebagai berikut :
1 Bagaimana urutan proses pemeriksaan terhadap udang yang terserang penyakit. 2 Gejala klinis dari tiap-tiap penyakit udang
Model Sistem
Dalam tahap ini dibuat suatu model sistem yang mendekati sistem berfikir pakar untuk mendiagnosa penyakit pada udang windu. Hal ini dilakukan dengan harapan sistem yang dikembangkan mempunyai akurasi yang tinggi dalam mendiagnosa penyakit pada udang windu.
Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus monodon) menggunakan logika fuzzy ini dikembangkan dengan menggunakan perangkat lunak Microsoft Visual Basic versi 6.0, Matlab versi 6.5, Microsoft Office Access 2003 dan Microsoft Office Power Point 2003.
Microsoft Visual Basic versi 6.0 digunakan untuk pembuatan model inferensi tentang status tingkat nafsu makan (Lampiran 1) yang berasal dari input kepadatan dan jumlah pakan per hektar per hari, status tingkat pertumbuhan (Lampiran 2) yang berasal dari input umur dan bobot udang, jenis pakan (Lampiran 3) yang berasal dari input umur, status tingkat kepadatan (Lampiran 4) yang berasal dari kepadatan per hektar dan status tingkat kematian (Lampiran 5) udang yang berasal dari input persentase kematian udang per hektar per minggunya. Tingkat kelayakan dan saran dalam penanganan lingkungan air tambak terdiri dari suhu, salinitas, pH, O2
terlarut, kecerahan, dan NH3 berasal dari input
keadaan lingkungan. Untuk lebih jelas dapat dilihat di Lampiran 6 sampai Lampiran 11.
Aturan-aturan yang digunakan dinyatakan dalam bentuk IF – THEN dengan struktur umum :
IF (kondisi) THEN (aksi)
Bagian IF merupakan suatu kondisi atau aturan yang berisi fakta-fakta yang dapat dinyatakan dalam kalimat atau ekspresi matematika. Kondisi ini dapat berupa pernyataan benar atau salah. Bagian THEN merupakan aksi yang akan dilakukan jika kondisi pada bagian IF bernilai benar. Basis
pengetahuan (knowledge based) disusun dalam bentuk kaidah IF – THEN, satu kaidah IF – THEN disebut satu rule (IF adalah premis dan THEN adalah konklusi). Kondisi disini adalah suatu data mengenai kondisi udang yang dimasukkan, jika kondisi bernilai benar maka digunakan sebagai prasyarat untuk mendapatkan aksi atau kesimpulan.
Kaidah inferensi yang digunakan adalah modus ponens dan modus tollens, secara umum aturan yang terdapat dalam sistem ini terdiri dari pengkuantifikasi (qualifier), peubah (variabel), dan pilihan solusi (choice solution).
Microsoft Office Access 2003 digunakan sebagai tempat penyimpanan aturan untuk pencarian jenis penyakit dengan menggunakan teknik backward chaining. Jenis penyakit yang teridentifikasi dengan sistem ini ada sebelas penyakit yang paling sering menyerang udang di Indonesia. Penentuan jenis penyakit dengan teknik
backward chainning ini dimulai dengan
mengeksekusi goal jenis penyakit. Goal jenis penyakit didapatkan dari ciri khusus penyakit (Lampiran 12). Dari goal ini kemudian dilakukan suatu pembuktian terhadap kebenaran premis-premis yang menyusunnya dengan mengecek pada data input. Jika ternyata kondisi premis tersebut tidak terdapat pada data input maka premis tersebut akan menjadi subgoal baru.
Matlab versi 6.5 digunakan dalam pembangunan sistem untuk identifikasi tingkat keparahan penyakit dengan menggunakan logika fuzzy dan kaidah modus
ponens. Ada 3 macam tingkat keparahan
penyakit yang teridentifikasi menggunakan sistem ini dari tiap-tiap sebelas penyakit yang teridentifikasi.
Tiap penyakit memiliki variabel antara dua sampai dengan empat variabel fuzzy. Model fungsi keanggotaannya menggunakan
triangular. Fungsi keanggotaan triangular
dipilih untuk digunakan karena perubahan nilai keanggotannya liniar dan mempunyai nilai puncak di satu titik. Kisaran input yang digunakan ada dua yaitu pertama adalah 0-100 untuk variabel yang berhubungan dengan tingkat kerusakan, kebengkakan dan luka pada bagian tertentu morfologi udang windu. Kisaran input yang kedua adalah 0-10 untuk variabel yang berkaitan dengan perubahan warna pada bagian tertentu dalam morfologi udang windu. Keadaan udang sehat dan berbagai macam keadaan udang yang terkena penyakit berserta waktu inkubasinya terdapat di Lampiran 13 sampai dengan Lampiran 35.
Metode fuzzy yang digunakan dalam proses inferensi adalah metode Mamdani. Motode Mamdani dipilih karena proses inferensinya diperoleh dari kumpulan dan korelasi antar aturan sehingga paling cocok untuk proses inferensi kasus ini. Di lain pihak, penarikan kesimpulan menggunakan metode
Centroid. Total aturan dari sebelas penyakit
tersebut ada 147 aturan. Salah satu ilustrasi model pengambilan keputusan menggunakan logika fuzzy dapat dilihat pada Gambar 8, untuk lebih jelasnya dapat dilihat pada Lampiran 36.
Gambar 8 Model penarikan keputusan dengan logika fuzzy untuk penyakit MBV
Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus monodon) menggunakan Logika Fuzzy bertujuan untuk membantu para petani tambak dan pihak-pihak lain yang berkepentingan mendeteksi penyakit udang windu sedini mungkin. Model sistem pakar ini dikembangkan untuk tahap identitas, lingkungan, perilaku, pemeriksaan general dan tahap pemeriksaan detail. Tahapan-tahapan ini dikembangkan dengan tujuan agar diperoleh data secara menyeluruh sehingga sistem dapat mengambil keputusan secara tepat dan juga memudahkan pengguna dalam penggunaan sistem. Microsoft Office Power Point 2003 digunakan saat penampilan saran hasil dari keputusan yang telah diambil oleh sistem.
Disain sistem
Proses diagnosa dilakukan pertama kali dengan memasukkan input berupa identitas dan lingkungan air tambak kemudian perilaku udang, pemeriksaan general keadaan klinis udang, dan jika benar-benar teridentifikasi penyakit yang terdapat pada basis data pengetahuan maka dibutuhkan input
pemeriksaan detail perubahan klinis morfologi udang. Diagram alur proses diagnosa penyakit dengan sistem ini dapat dilihat pada Lampiran 37, sedangkan keadaan morfologi udang sehat sebagai pembanding pada Lampiran 38. 1 Input
Pertama kali sistem akan masuk pada opening screen (Lampiran 39).
Selanjutnya input yang diminta pertama kali adalah identitas dan lingkungan udang windu (Lampiran 40). Input selanjutnya yang diminta adalah perilaku udang (Lampiran 41). Kemudian sistem meminta input pemeriksaan general (Lampiran 42). Total input pada tahap ini ada dua puluh tiga input. Dari tahap ini jika memang dibutuhkan maka sistem akan meminta pemeriksaan detail yang berupa tingkat perubahan warna, tingkat kerusakan, tingkat bengkak maupun tingkat luka pada bagian tubuh udang yang diidentifikasi (Lampiran 43). 2 Proses Inferensi
Disain proses inferensi dalam sistem pakar ini digunakan untuk menentukan urutan proses pemeriksaan sehingga dihasilkan output dari input yang telah dimasukkan.
Dari input yang dimasukkan sistem mengambil keputusan jenis penyakit menggunakan pelacakan ke belakang (backward chainning). Dengan teknik pelacakan ini sistem akan memulai pelacakan dari goalnya. Goal dianggap terbukti kebenarannya jika premis-premis yang menyusunnya terbukti ada pada
input data. Total aturan untuk 11 jenis
penyakit dengan teknik backward chainning ini ada sebanyak 189 aturan.
Di bawah ini contoh aturan untuk udang yang terserang penyakit MBV:
1 Perilaku makan menurun, tumbuh jelek, kematian rendah dan kepala, alat gerak mbv dan kulit, ekor, bagian dalam mbv maka penyakit mbv
2 Tingkah normal, makan menurun, tumbuh jelak dan kematian <= 4% maka perilaku makan menurun, tumbuh jelek, kematian rendah Aturan lain dapat dilihat di Lampiran 44.
Input data untuk udang yang terserang
penyakit MBV: 1 tumbuh = jelek 2 nafsu mkn = menurun 3 keaktifan gerak = normal 4 posisi renang = normal 5 gerak pindah = teratur 6 molting = sehat 7 kematian <= 4% 8 karapas warna = normal 9 rostum rusak = ya 10 antenulla rusak = tidak 11 antena rusak = tidak 12 maksiliped rusak = tidak 13 insang warna = normal
14 insang bengkak = tidak 15 pleopod rusak = tidak 16 pleopod rusak = tidak 17 periopod rusak = tidak 18 kulit warna = normal 19 kulit luka = tidak 20 kulit bengkak = tidak 21 kulit cahaya = tidak 22 kulit bengkak = tidak 23 telson rusak = tidak
24 hepatopankreas warna = merah 25 hepatopankreas rusak = tidak 26 usus warna = normal 27 usus rusak = tidak 28 ginjal rusak = tidak 29 gonad warna = normal 30 gonad bengkak = tidak
Dari aturan di atas goal pertama yang dibuktikan adalah penyakit mbv yang mempunyai premis perilaku makan menurun, tumbuh jelek, kematian rendah dan kepala, alat gerak mbv dan kulit, ekor, bagian dalam mbv. Ketiga premis tersebut dicek pada input data, karena ternyata pada input data premis tersebut tidak ada maka premis tersebut dijadikan sebagai
subgoal baru. Jika premis yang menyusun
suatu goal ternyata ada pada input data maka aturan tersebut terbukti kebenarannya. Langkah ini dilakukan untuk semua aturan, jika ada salah satu premis yang tidak ada pada input data dan juga tidak ada pada subgoal maka aturan itu tidak terbukti kebenarannya.
Dari jenis penyakit yang telah dideteksi oleh sistem menggunakan
backward chainning maka sistem melakukan proses inferensi untuk tingkat keparahan penyakit yang telah terdeteksi dengan menggunakan logika fuzzy.
Ada 4 macam variabel input yang digunakan untuk menentukan tingkat keparahan penyakit yang menyerang udang, tetapi tidak semua jenis penyakit memiliki keempat variabel tersebut tergantung jenis penyakit yang menyerang. Keempat variabel tersebut adalah tingkat kerusakan (range nilai 0-100), tingkat keparahan luka (range nilai 0-100), tingkat bengkak (range nilai 0-100), dan beberapa perubahan warna organ (range nilai 0-10).
Untuk tingkat kerusakan dimasukkan ke dalam data fuzzy karena sangat subjektif tergantung orang yang melihatnya. Di bawah ini adalah fungsi keanggotaan untuk tingkat kerusakan
organ dan Gambar 9 adalah gambar grafik dari fungsi ini.
50 x≥ 25 x≤ 25≤ ≤x 50 / 25; x (50−x) / 25; ( ) ringan x µ = 22 x≤ x≥75 22≤ ≤x 50 (x−22) / 28; 50≤ ≤x 75 (75−x) / 25; ( ) sedang x µ = ( ) rusak x µ = 42 x≤ x≥95 (x−42) / 33; 42≤ ≤x 75 (95−x) / 20; 75≤ ≤x 95 ( ) parah x µ = 65 x≤ 65≤ ≤x 100 (x−65) / 35;
Gambar 9 Grafik fungsi keanggotaan untuk variabel kerusakan
organ
Fungsi keanggotaan dan gambar grafik keanggotaan (Gambar 10) untuk variabel kulit bengkak adalah sebagai berikut:
25≤ ≤x 50 ( ) kecil x µ = 70 x≥ / 33; x x≤33 (70−x) / 37; ( ) sedang x µ = 25 x≤ x≥100 (x−25) / 41; (110−x) / 44; 66≤ ≤x 100 25≤ ≤x 66 ( ) besar x µ = 60 x≤ (x−60) / 40; 60≤ ≤x 100
Gambar 10 Grafik fungsi keanggotaan untuk variabel kulit bengkak Fungsi keanggotaan dan grafik fungsi keanggotaan (Gambar 11) untuk variabel kulit luka adalah sebagai berikut:
( ) kecil x µ = x/ 33; x≤33 66 x≥ (66−x) / 33;33≤ ≤x 66 ( ) sedang x µ = 25 x≤ x≥100 (x−25) / 41; 66≤ ≤x 100 25≤ ≤x 66 (100−x) / 34; 58 x≤ (x−58) / 42; 58≤ ≤x 100 ( ) parah x µ =
Gambar 11 Grafik fungsi keanggotaan untuk variabel kulit luka
Fungsi keanggotaan untuk perubahan warna tiap organ dan tiap penyakit berbeda-beda.
3 Output
Ouput dari semua sistem ini adalah
identitas udang yang terdiri dari status tingkat nafsu makan, status tingkat pertumbuhan, jenis pakan, status tingkat kepadatan dan status tingkat kematian udang. Keadaan lingkungan air tambak yang terdiri dari status kelayakan dan saran dalam penanganan suhu, salinitas, pH, O2
terlarut, kecerahan, dan NH3.
Output terakhir adalah jenis penyakit dan tingkat keparahan penyakit yang menyerang serta saran penanganan dalam menangani udang dengan penyakit dan tingkat penyakit yang telah
teridentifikasi oleh sistem. Contoh dari semua output ini bisa dilihat di Lampiran 45.
Sistem ini juga menyediakan suatu
output tambahan yaitu fasilitas penjelas
yang berfungsi penjelasan kenapa sistem mengambil kesimpulan tersebut. Contoh
output fasilitas penjelas ini bisa dilihat di
Lampiran 46.
Implementasi
Implementasi teknik forward chaining seperti yang telah disebutkan sebelumnya pada penelitian ini cara penelusurannya mengikuti alur :
Fakta → Kaidah → Kesimpulan Pada alur ini fakta merupakan input, kaidah berisikan banyak aturan dan kesimpulan merupakan hasil penarikan kesimpulan dengan aturan dari fakta yang ada. Salah satu contoh aturan dengan forward chainning adalah:
If umur = 3 And (bobot <= 0.5 And bobot >= 0.12) Then tumbuh = " Sangat bagus"
Di sisi lain, teknik backward chaining alur cara penelusurannya:
Kesimpulan → Kaidah → Fakta Pada alur ini kesimpulan adalah suatu kondisi yang akan diuji kebenarannya dengan menggunakan kaidah yang tersedia dan fakta yang ada. Fakta merupakan input yang telah dimasukkan sebelumnya. Fungsi DoProve adalah fungsi yang dibuat di Microsoft Visual Basic 6.0 untuk melakukan teknik backward
chaining dengan basis data yang telah tersedia
di Microsoft Access.
Logika fuzzy digunakan untuk menentukan kesimpulan tingkat keparahan penyakit pada udang windu. Tingkat keparahan penyakit yang menggunakan logika
fuzzy diimplementasikan di Matlab versi 6.5
yang kemudian dijadikan sebagai suatu fungsi yang dipanggil dari Microsoft Visual Basic versi 6.0 dengan membuat file udang.dll. Salah satu contoh pembuatan fungsi dan pemanggilan fungsi tingkat keparahan penyakit MBV :
Function mbv_detail(x1 As_ Variant, x2 As Variant) As_ Variant
On Error GoTo Handle_Error Dim aClass As udang.udang Dim y As Variant
If aClass Is Nothing Then Set aClass = New udang.udang End If
' (call some methods on aClass)
Call aClass.tingkat_mbv(1, y, x1,_ x2,"mbv")
Exit Function Handle_Error:
mbv_detail = Err.Description End Function
Uji Coba
Uji coba dari sistem yang telah dibangun menggunakan metode black box dan dilakukan oleh asisten pakar yang bersangkutan. Pengujian jenis penyakit dilakukan dengan memasukkan 10 kasus untuk setiap jenis penyakit sehingga total uji coba kasus yang telah dilakukan adalah 110 kasus, contoh pengujian ada pada Lampiran 47. Untuk tingkat keparahan penyakit juga dilakukan pengujian dengan 10 kasus untuk tiap jenis penyakit, contoh pengujian untuk ini ada di Lampiran 48.
Dari uji coba jenis penyakit yang telah dilakukan didapatkan hasil yang kurang tepat menurut asisten pakar sejumlah 6 kasus. Dengan ini berarti diperoleh hasil keakurasian 95 % untuk ketepatan diagnosa jenis penyakit. Kesalahan 5 % itu disebabkan perbedaan pengguna dalam melihat warna morfologi udang yang disebabkan oleh perbedaan warna udang karena faktor alam. Di lain pihak pada uji coba tingkat keparahan penyakit menurut penilaian asisten pakar yang melakukan pengujian didapatkan 17 kasus yang kurang tepat. Dengan begitu didapatkan keakurasian 85% untuk penentuan tingkat keparahannya. Nilai 15 % kesalahan ini didapatkan karena perbedaan subjektifitas pengguna dalam melihat perubahan morfologi udang.
KESIMPULAN DAN SARAN Kesimpulan
Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus monodon) menggunakan logika fuzzy dapat membantu pengguna mengidentifikasi jenis penyakit dan tingkat keparahan penyakit pada udang windu secara langsung dengan cepat. Selain itu sistem pakar ini juga mampu mengidentifiksai identitas dan kelayakan lingkungan air tambak. Sistem pakar ini dirancang dengan sedemikian rupa sehingga mudah digunakan oleh pengguna (user frendly). Pengguna dapat memperoleh pengetahuan mengenai kelayakan lingkungan air tambak untuk pemeliharaan udang windu dan informasi mengenai tindakan penanganan dan pencegahan penyakit-penyakit yang menyerang udang windu.
Dari hasil uji coba pemakaian teknik
forward chaining dan backward chaining
dinilai tepat untuk menangani proses-proses diagnosa yang ada dalam pembangunan sistem
pakar ini. Di dapat hasil akurasi 95% untuk penentuan jenis penyakit yang menyerang. Logika fuzzy yang digunakan dalam mengambilan keputusan tingkat keparahan penyakit dari hasil uji coba menunjukkan nilai akurasi yang tinggi sekitar 85% sehingga mendekati cara pengambilan keputusan seorang pakar.
Saran
Untuk pengembangan Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus
monodon) menggunakan Logika Fuzzy lebih
lanjut perlu ditambahkan basis pengetahuan (knowledge base) sehingga sistem ini tidak hanya bisa mengidentifikasi sebelas jenis penyakit tetapi juga semua jenis penyakit yang dapat menyerang udang windu.
Diperlukannya juga modul penambahan aturan baru sehingga bisa menambah jenis penyakit yang bisa dideteksi oleh sistem dan juga menambah keakuratan dalam pengambilan keputusan.
DAFTAR PUSTAKA
Amri, K. 2003. Budidaya Udang Windu
secara Intensif. AgroMedia Pustaka,
Jakarta.
Firmansyah, A. 2003. Uji Patogenitas White
Spot Syndrome Virus (WSSV) pada Udang Windu (Penaeus Monodon Fabr).
Skripsi. Jurusan Budidaya Perairan FPIK IPB, Bogor.
Kusumawati, D. 2006. Fuzzy Multi-Atribbute
Decision Making (Fuzzy MADM). Graha
Ilmu, Yogyakarta.
Lightner, DV. 1996. A Handbook og Shrimp
Pathology and Diagnostic Procedures for Deseases. The World Aquaculture Society, Louisina
Marimin. 2002. Teori Aplikasi Sistem Pakar
dalam Teknologi Manajerial. IPB Press,
Bogor.
Ross, TJ. 2005. Fuzzy Logic with Engineering
Applications. Second Edition. John Wiley
& Sons Inc, Inggris.
Sibigtroth, JM. 1992. Implementing fuzzy
expert rules in hardware. The Magazine
of Artificial Intelligence in Practice Vol. 7 (4): 25-31.
Sukenda. 1991. Keberadaan Monodon Baculovirus pada Benih Udang Windu (Penaeus Monodon Fabr). Skripsi. Jurusan
Budidaya Perairan Fakultas Perikanan IPB, Bogor.
Viot, G. 1993. Fuzzy logic: Concepts to
construct. The Magazine of Artificial
Lampiran 1 Tingkat nafsu makan berdasarkan bobot BOBOT (gr) MAKANAN (/ekr) NAFSU MAKAN BOBOT (gr) MAKANAN (/ekr) NAFSU MAKAN <= 0.1 < 0.004 Menurun <= 12 <= 0.67 Meningkat
< 0.006 Normal > 0.67 Terlalu tinggi
<= 0.015 Meningkat <= 24 < 0.64 Menurun
> 0.015 Terlalu tinggi < 0.7 Normal
<= 1 < 0.015 Menurun <= 0.72 Meningkat
< 0.02 Normal > 0.72 Terlalu tinggi
<= 0.15 Meningkat <= 28 < 0.72 Menurun
> 0.015 Terlalu tinggi < 0.78 Normal
<= 2 < 0.15 Menurun <= 0.84 Meningkat
< 0.17 Normal > 0.84 Terlalu tinggi
<= 0.2 Meningkat <= 30 < 0.84 Menurun
> 0.2 Terlalu tinggi < 0.87 Normal
<= 5 < 0.2 Menurun <= 0.9 Meningkat
< 0.25 Normal > 0.9 Terlalu tinggi
<= 0.3 Meningkat <= 34 < 0.9 Menurun
> 0.3 Terlalu tinggi < 0.95 Normal
<= 8 < 0.3 Menurun <= 1 Meningkat
< 0.35 Normal >1 Terlalu tinggi
<= 0.4 Meningkat <= 38 < 1 Menurun
> 0.4 Terlalu tinggi < 1.05 Normal
<= 10 < 0.4 Menurun <= 1.1 Meningkat
< 0.5 Normal > 1.1 Terlalu tinggi
<= 0.6 Meningkat > 38 < 1.02 Menurun
> 0.6 Terlalu tinggi < 1.12 Normal
<= 12 < 0.55 Menurun <= 1.16 Meningkat
Lampiran 2 Kategori pertumbuhan udang berdasarkan umur dan bobot udang UMUR (minggu) BOBOT (gram) PERTUMBUHAN 1 < 0.02 Kurang Bagus < 0.03 Bagus <= 0.05 Sangat Bagus > 0.05 Abnormal 2 < 0.03 Jelek < 0.05 Kurang Bagus < 0.06 Bagus <= 0.1 Sangat Bagus > 0.1 Abnormal 3 < 0.06 Jelek < 0.09 Kurang Bagus < 0.12 Bagus <= 0.5 Sangat Bagus > 0.5 Abnormal 4 < 0.3 Jelek < 0.7 Kurang Bagus < 1.2 Bagus <= 2 Sangat Bagus > 2 Abnormal 5 < 1 Jelek < 1.7 Kurang Bagus < 3 Bagus <= 5 Sangat Bagus > 5 Abnormal 6 < 2 Jelek < 4 Kurang Bagus < 6.5 Bagus <= 8 Sangat Bagus > 8 Abnormal 7 < 5 Jelek < 7 Kurang Bagus < 9 Bagus <= 10 Sangat Bagus > 10 Abnormal 8 < 7 Jelek < 9 Kurang Bagus < 11 Bagus <= 12 Sangat Bagus > 12 Abnormal 9 < 9 Jelek < 11.5 Kurang Bagus < 13 Bagus <= 15 Sangat Bagus > 15 Abnormal 10 < 12 Jelek < 14 Kurang Bagus < 16 Bagus UMUR (minggu) BOBOT (gram) PERTUMBUHAN 10 <= 17 Sangat Bagus > 17 Abnormal 11 < 15 Jelek < 16 Kurang Bagus < 18 Bagus <= 20 Sangat Bagus > 20 Abnormal 12 < 17 Jelek < 19 Kurang Bagus < 20 Bagus <= 21 Sangat Bagus > 20 Abnormal 13 < 19 Jelek < 20 Kurang Bagus < 21 Bagus <= 22 Sangat Bagus >22 Abnormal 14 < 20 Jelek < 21 Kurang Bagus < 22 Bagus <= 24 Sangat Bagus > 24 Abnormal 15 < 22 Jelek < 23 Kurang Bagus < 26 Bagus <= 28 Sangat Bagus >28 Abnormal 16 < 24 Jelek < 26 Kurang Bagus < 28.5 Bagus <= 30 Sangat Bagus > 30 Abnormal 17 < 26 Jelek < 29 Kurang Bagus < 31 Bagus <= 34 Sangat Bagus > 34 Abnormal 18 < 29 Jelek < 32 Kurang Bagus < 36 Bagus <= 38 Sangat Bagus > 38 Abnormal 19 keatas < 30 Jelek < 36 Kurang Bagus <= 40 Bagus > 44 Sangat Bagus
Lampiran 3 Jenis pakan
UMUR (mgg) JENIS PAKAN
1 s/d 4 Starter I
5 s/d 8 Starter II
9 s/d 10 Grower I
11 s/d 14 Grower II
15 keatas Finisher
Lampiran 4 Tingkat kepadatan
KEPADATAN (ekor/ha) TINGKAT KEPADATAN
> 330.000 Sangat padat >= 300.000 Padat >= 220.000 Sedang >= 200.000 Kurang padat >= 190.000 Jarang >= 150.000 Sangat jarang
<= 150.000 Sangat jarang sekali Lampiran 5 Tingkat kematian
KEMATIAN/mgg (%) TINGKAT KEMATIAN
<= 2 Sangat bagus
<= 4 Bagus
<= 10 Kurang bagus
<= 25 Tinggi
<= 50 Sangat tinggi
<= 70 Sangat tinggi sekali
>= 70 Massal
Lampiran 6 Tingkat kelayakan suhu air tambak
SUHU (C) KETERANGAN
< 25 Terlalu dingin sehingga Udang kurang aktif dan pertumbuhannya akan terhambat
< 28 Sedang, standar untuk pertumbuhan udang
< =32 Bagus sehingga pertumbuhan udang bagus dan metabolismenya cukup tinggi > 32 Terlalu panas sehingga udang berlendir karena metanolisme terlalu tinggi
malah menyebabkan pertumbuhan udang lambat Lampiran 7 Tingkat kelayakan salinitas air tambak
SALINITAS
(ppm) KETERANGAN
< 10 Terlalu rendah, udang lemah yang akan berakibat udang rentan terhadap serangan penyakit <= 36 Bagus, pertumbuhan udang normal
> 36 Terlalu tinggi, metabolisme udang menjadi tinggi menyebabkan pertubuhan lambat
Lampiran 8 Tingkat kelayakan pH air tambak
pH KETERANGAN
< 6 Terlalu rendah, udang menjadi lemah yang akan berakibat udang mengalami keterlambatan pertumbuhan
< =9 Bagus, untuk pertumbuhan udang normal
Lampiran 9 Tingkat kelayakan O2 air tambak
O2 (ppm) KETERANGAN
< 3 Terlalu rendah, bisa mengakibatkan udang banyak mengapung dipermukaan tambak mencari oksigen
< =10 Bagus, normal untuk pertumbuhan udang
> 9 Terlalu tinggi, udang bisa mengalami supersaturated yang berakibat pertumbuhan menjadi lambat
Lampiran 10 Tingkat kelayakan kecerahan air tambak KECERAHAN
(cm) KETERANGAN
< 25 Terlalu rendah, bisa mengakibatkan udang banyak mengapung dipermukaan tambak mencari untuk oksigen
< =60 Bagus, normal untuk pertumbuhan udang
> 60 Terlalu tinggi, udang bisa mengalami supersaturated yang berakibat pertumbuhan menjadi lambat
Lampiran 11 Tingkat kelayakan NH3 air tambak
NH3 (ppm) KETERANGAN
< 0.8 Terlalu rendah, dapat menyebabkan perkembangan tidak baik(cacat) < =1.2 Bagus, perkembangan udang normal
> 1.2 Terlalu tinggi, menyebabkan pertumbuhan udang terhambat Lampiran 12Ciri khusus penyakit
PENYAKIT PERILAKU/ORGAN VARIABEL KEADAAN
MBV Rostum rusak ya BP Usus/midnut rusak ya bercak-bercak putih coklat bercak-bercak putih merah bercak-bercak putih WSBV Karapas warna merah keputihan
Vibriosis Kulit Memantulkan cahaya
dimalam hari
ya
Ricketsia Usus/midnut warna agak keputihan
Antenulla rusak tidak
merah kecoklatan coklat coklat kehitaman Ingsang warna hitam Mycosis Kulit luka ya Antenulla rusak ya Fusarium Antena rusak ya
Microsporodian Ingsang bengkak ya
Gill, Appandage dan Faouling
Saat molting mati
Posisi renang mengapung di
permukaan tambak Gas Bubble
Gerak perpindahan tidak teratur
