DAFTAR PUSTAKA
Algifari, 1996. Probabilitas Dalam Pengambilan Keputusan Bisnis. Yogyakarta : Penerbit BPFE-Yogyakarta.
Arhami, Muhammad. 2005. Konsep Dasar Sistem Pakar. Yogyakarta : Penerbit Andi Bank Bumi Daya, 1980. Teh Tinjauan Produksi dan Pemasarannya. Jakarta.
Breese, John S. Henrion, M. Horvitz, Eric J. 1988. Decision Theory in Expert System and Artificial Intelligence. International Journal of Approximate Reasoning. 2:247-302.
Brooks, Rodney A. 1991. Intelligence Without Reason. Massachusetts : Massachusetts Institute of Technology.
Coppin, Ben. 2004. Artificial Intelligence Illuminated. Mississauga : Jones and Bartlett Publishers, Inc.
Desiani, Anita. Arhami, Muhammad. 2006. Konsep Kecerdasan Buatan. Yogyakarta : Penerbit Andi.
Fadlillah, Haydan Mardhi. Iqbal, Mohammad. Susanto, Herry. Widiyanto, Sigit. 2014. Expert System For SMEs Using Dynamic Knowledge Base. Journal of Engineering and Applied Sciences. 9:2441-2447.
Gea, D. 2011. Analisis pengujian optimalisasi kinerja website. Seminar Nasional Aplikasi Teknologi Informasi, Prosiding SNATI, ISSN:1907-5022 . F55-F59. Hartati, Sri. Iswanti, Sari. 2008. Sistem Pakar dan Pengembangannya. Yogyakarta :
Penerbit Graha Ilmu.
Hartatik. Yasa, I Ketut Putra. 2015. Sistem Pakar untuk Mendeteksi Hama Tanaman Jahe Menggunakan Teorema Bayes. Jurnal Ilmiah DASI. 16:27-31.
J, Spillane. 1992. Komoditi Teh. Yogyakarta : Penerbit Kanisius.
Kadir, Abdul. 2003. Dasar Pemrograman Web Dinamis Menggunakan PHP. Yogyakarta : Penerbit Andi
Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta : Graha Ilmu.
Listiyono. Hersatoto. 2008. Merancang dan Membuat Sistem Pakar. Jurnal Teknologi Informasi DINAMIK. 8:115-124.
Prasetyo, Eko. 2012. Data Mining Konsep dan Aplikasi menggunakan Matlab. Yogyakarta : Penerbit Andi.
Semangun, Haryono. 2000. Penyakit-Penyakit Tanaman Perkebunan di Indonesia. Yogyakarta : Gadjah Mada University Press.
Tjahjadi, Nur. 1989. Hama dan Penyakit Tanaman. Yogyakarta : Kanisius.
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem merupakan suatu tahapan untuk membantu memahami sesuatu yang dibutuhkan sistem dan mempelajari permasalahan-permasalahan yang ada kemudian dirancang sebuah sistem yang berfungsi untuk memberikan solusi penyelesaian. Sehingga nantinya dapat membantu pengguna dalam menyelesaikan masalah.
3.1.1 Analisis Permasalahan
Permasalahan yang dihadapi dalam merancang sistem ini adalah bagaimana mengimplementasikan metode Naïve Bayesian dan Backward Chaining kedalam sebuah sistem pakar diagnosa penyakit/hama tanaman teh.
Gambar 3.1 Diagram Ishikawa
3.1.2 Analisis Kebutuhan Sistem
Dalam membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu : Kebutuhan fungsional dan kebutuhan non-fungsional.
3.1.2.1 Kebutuhan Fungsional Sistem
Kebutuhan fungsional berfungsi untuk mengetahui hal-hal apa saja yang dapat dikerjakan oleh sistem. Kebutuhan fungsional sistem yang akan dirancang sebagai berikut :
1. Sistem akan menampilkan hasil diagnosa dan solusi pengendalian berdasarkan inputan jawaban dari user.
2. Sistem akan menggunakan perhitungan dengan metode Naïve Bayesian, sedangkan untuk motor inferensi menggunakan Backward Chaining.
31
3.1.2.2 Kebutuhan Non-Fungsional Sistem
Kebutuhan non-fungsional adalah deksripsi dari fitur, karakteristik, dan batasan sebuah sistem. Kebutuhan non-fungsional sistem adalah :
1. Data yang digunakan dalam sistem merupakan data real dari seorang pakar yang bertujuan hasil diagnosa yang tepat dan memberikan solusi yang benar. 2. Antar muka yang dirancang merupakan user friendly yaitu mudah digunakan
oleh user dengan tampilan (user interface) yang ringkas dan mudah dimengerti.
3. Sistem yang telah dirancang dapat dikembangkan oleh admin maupun pihak-pihak yang ingin mengembangkan sistem ini, sehingga sistem dapat memberikan solusi yang lebih efektif.
3.2 Pemodelan Sistem
Pemodelan sistem yang dirancang bertujuan menggambarkan kondisi dan bagian-bagian yang berperan dalam sistem yang dirancang. Pemodelan sistem dilakukan dengan membuat use case diagram, activity diagram, dan sequence diagram.
3.2.1 Use Case Diagram
33
3.2.2 Activity Diagram Sistem
Diagram activity merupakan diagram yang menggambarkan aliran suatu aktivitas tertentu. Berikut adalah diagram activity proses sistem terlihat pada gambar 3.3.
Tabel 3.1 Keterangan Bagian Rancangan Activity Diagram Sistem Nama Activity Diagram Activity Diagram Sistem
Aktor User
Deskripsi Activity ini mendeskripsikan proses Sistem pada Aplikasi Sistem Pakar
Prakondisi Sudah Masuk ke halaman utama Bidang Khas Suatu
Kejadian
Kegiatan User Respon Sistem 1. Memilih menu home
2. Memilih menu diagnosa.
3. Memilih diagnosa penyakit/hama. 4. Perhitungan Naïve
Bayesian.
5. Memilih menu cara penggunaan
1. Sistem menampilkan halaman home sistem pakar
2. Sistem menampilkan halaman diagnosa penyakit/hama.
3. Sistem menampilkan daftar penyakit/hama yang terdaftar dalam database. 5. Sistem menampilkan
halaman petunjuk penggunaan.
35
3.2.3 Activity Diagram Metode Naïve Bayesian
Gambar 3.4 Activity Diagram Metode Naïve Bayesian
Tabel 3.2 Keterangan Bagian Rancangan Activity DiagramNaïve Bayesian
Nama Activity Diagram Activity Diagram Naïve Bayesian
Aktor User
Deskripsi Activity ini mendeskripsikan proses Naïve Bayesian sistem pada aplikasi sistem pakar
Prakondisi Sudah masuk ke halaman utama Bidang Khas Suatu
Kejadian
Kegiatan User Respon Sistem 1. Memilih menu home
2. Memilih menu diagnosa. 3. Memilih penyakit/hama. 4. Input Gejala
1. Sistem menampilkan halaman home sistem pakar
5. Perhitungan Naïve Bayesian.
halaman diagnosa penyakit/hama.
3. Sistem menampilkan daftar penyakit/hama yang terdaftar dalam database.
4. Sistem akan
melakukan perhitungan
probabilitas pada penyakit dan gejala yang telah diinput 5. Sistem menampilkan
solusi dan
pengendalian.
37
3.2.3 Sequence Diagram
Sequence diagram merupakan diagram yang berfungsi untuk menampilkan prilaku software. Sequence diagram menggambarkan bagaimana objek saling berinteraksi melalui message dalam eksekusi operation, untuk satu buah use case. Diawali dari apa yang menjadi aktivitas tersebut, proses dan perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan. Seperti pada gambar 3.5 :
Gambar 3.5 Sequence Diagram Sistem Pakar Penyakit/Hama Tanaman Teh
3.3 Perancangan Diagram Alir (Flowchart)
Flowchart merupakan gambar atau bagan yang memperlihatkan urutan dan hubungan antara proses beserta pernyataan. Gambaran ini dinyatakan dengan simbol. Dengan demikian setiap simbol menggambarkan proses tertentu (Zarlis & Handrizal , 2007).
3.3.1 Flowchart Sistem
Flowchart sistem menampilkan cara kerja sistem dari awal hingga selesai dapat dilihat seperti pada Gambar 3.6 :
Mulai Gambar 3.6 Flowchart Sistem Pakar
39
3.3.2 Flowchart Proses Metode Naïve Bayesian
Flowchart perhitungan Metode Naïve Bayesian dalam menentukan hasil diagnosa dapat dilihat seperti pada Gambar 3.7 :
Mulai
Proses Naïve Bayes
Hasil Diagnosa
Solusi dan Pengendalian
Selesai Input Gejala
Gambar 3.7 Flowchart Proses Naïve Bayesian
3.4 Perancangan Antarmuka Sistem
3.4.1 Halaman User
Halaman ini merupakan halaman yang akan muncul pertama kali saat program dijalankan dan halaman yang dapat digunakan oleh user. Halaman user ini merupakan halaman beranda yang dimana terdapat beberapa menu tab diatas tampilan sistem. Halaman user dapat dilihat seperti berikut :
3.4.1.1 Halaman Beranda
Halaman ini adalah halaman yang akan ditampilkan pertama kali setelah program dijalankan. Halaman ini merupakan halaman beranda yang dimana terdapat beberapa menu menuju halaman lainnya. Tampilan rancangan halaman beranda dapat dilihat pada gambar 3.8 berikut :
Gambar 3.8 Rancangan Halaman Beranda
Tabel 3.3 Keterangan Rancangan Tampilan Beranda
NO Jenis Objek Keterangan
1 Nama aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, diagnosa, cara penggunaan, dan login dari sistem.
2 Image Gambar yang berada pada halaman
41
3.4.1.2 Halaman Diagnosa
Halaman diagnosa ini adalah dimana user dapat menjawab pertanyaan-pertanyaan seputar gejala yang dialami oleh tanaman teh. Inputan yang diberikan user berupa jawaban “ya” dan “tidak”, setelah user menjawab pertanyaan, user dapat menekan tombol lanjut untuk menuju pertanyaan selanjutnya. Rancangan halaman diagnosa dapat dilihat seperti gambar 3.9 berikut :
Gambar 3.9 Rancangan Halaman Diagnosa
Tabel 3.4 Keterangan Rancangan Halaman Diagnosa
NO Jenis Objek Keterangan
1 Nama aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, diagnosa, cara penggunaan, dan login dari sistem.
4 Kolom Pertanyaan Berisi pertanyaan yang akan input oleh user 5 Tombol Jawaban Tombol ini akan memilih jawaban user yang berisi probabilitas gejala jika dijawab “ya”.
3.4.1.3 Halaman Cara Penggunaan
Halaman cara penggunaan merupakan halaman dimana user yang kurang mengerti menjalankan sistem ini, dapat membaca langkah-langkah menjalankan sistem ini. Rancangan halaman cara penggunaan dapat dilihat seperti gambar 3.10 berikut:
Gambar 3.10 Rancangan Halaman Cara Penggunaan
Tabel 3.5 Keterangan Rancangan Halaman Cara Penggunaan
NO Jenis Objek Keterangan
1 Nama aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, diagnosa, cara penggunaan, dan login dari sistem.
3 Text View Keterangan cara penggunaan sistem
3.4.1.4 Halaman Login
43
Gambar 3.11 Rancangan Halaman Login
Tabel 3.6 Keterangan Rancangan Halaman Login
NO Jenis Objek Keterangan
1 Nama aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, diagnosa, cara penggunaan, dan login ke dalam sistem. 3 Kolom username Berisi tentang username admin yang
terdaftar di database.
4 Kolom password Berisi tentang password admin yang diinputkan sesuai dengan database.
3.4.2 Halaman Admin
Halaman ini merupakan halaman yang hanya dapat dilihat oleh admin sistem. Halaman admin ini merupakan halaman dimana terdapat beberapa menu tab diatas tampilan sistem. Halaman admin dapat dilihat seperti berikut :
3.4.2.1 Halaman Beranda
terdapat beberapa link diatas tampilan sistem. Tampilan rancangan halaman beranda dapat dilihat pada gambar 3.12 berikut:
Gambar 3.12 Rancangan Halaman Beranda Admin
Tabel 3.7 Keterangan Rancangan Halaman Beranda Admin
NO Jenis Objek Keterangan
1 Nama aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, penyakit & hama, solusi, logout.
2 Image Gambar yang berada pada halaman beranda admin.
3.4.2.2 Halaman Data Penyakit dan Hama
45
Gambar 3.13 Rancangan Halaman Data Penyakit dan Hama
Tabel 3.8 Keterangan Rancangan Halaman Data Penyakit Dan Hama
NO Jenis Objek Keterangan
1 Nama Aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, penyakit dan hama, solusi, dan logout.
3 Text Berisi jenis penyakit dan hama yang terdapat dalam sistem.
4 Tombol Tambah Penyakit Tombol proses untuk penambahan penyakit kedalam database.
3.4.2.3 Halaman Solusi
Gambar 3.14 Rancangan Halaman Solusi
Tabel 3.9 Keterangan Rancangan Halaman Solusi
NO Jenis Objek Keterangan
1 Nama aplikasi Judul aplikasi yang akan dirancang.
2 Menu Tab Berisi halaman home, input data, dan logout.
3 Text Berisi solusi penyakit dan hama yang yang terdapat dalam sistem.
BAB 4
IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
Tahap implementasi sistem merupakan lanjutan dari tahap perancangan sistem. Pada tahap ini dilakukan implementasi sistem ke dalam bahasa pemrograman berdasarkan hasil analisis dan perancangan sistem. Pada tahap implementasi ini digunakan perangkat lunak dan perangkat keras, sehingga sistem yang dibangun dapat diselesaikan dengan baik.
4.1.1 Perhitungan Manual
Perhitungan manual merupakan perhitungan yang dilakukan penulis untuk menghitung hasil dari metode Naive Bayesian secara manual, tanpa menggunakan sistem yang ada. Untuk menghitung kemungkinan terkena penyakit/hama maka akan diberi sebuah contoh sebagai berikut:
Tabel 4.1 Contoh Kasus Penyakit Cacar Teh NO Kode
G002 2. Tembus Cahaya pada daun muda
G003 3. Dalam 5-6 hari bercak meluas menjadi 0.6-1.3cm.
Tidak
G004 4. Permukaan cacar tampak tertutup debu putih kelabu.
Ya
G005 5. Permukaan bercak menonjol kebawah
Ya
Dari jawaban user yang telah diberikan, dapat dihitung kemungkinan terkena penyakit cacar teh pada tanaman teh tersebut sebagai berikut :
1. Menghitung probabilitas penyakit cacar teh P(P001 | G001) = �( |� )∗�
Total probabilitas Cacar Teh (P001) adalah :
P001=P(P001|G001)+ P(P001|G002)+ P(P001|G003)+ P(P001|G004)+ P(P001|G005) = 1+1+1+1+1
= 5
2. Menghitung persentase kemungkinan tanaman teh terserang penyakit cacar teh P(P001 | G001) (Ya) = * 100% = 20%
49
P(P001 | G005) (Ya) = * 100% = 20% Perhitungan total Bayes :
Total Bayes = Bayes 1 + Bayes 2 + Bayes 3 + Bayes 4 + Bayes 5 = 20% + 0% + 0% + 20% + 20%
= 60%
Dari perhitungan diatas dapat ditarik kesimpulan bahwa persentase kemungkinan tanaman teh terserang penyakit cacar teh dengan jawaban user adalah 60%.
Berikut ini adalah gambar 4.1 print screen dari coding proses hitung metode Naive Bayesian :
Gambar 4.1 Print Screen Coding Proses Hitung
4.2 Pengujian Sistem
4.2.1 Pengujian Interface Sistem
Pengujian fungsi interface sistem bertujuan mengetahui fungsionalitas dari elemen-elemen interface yang terdapat di dalam halaman sistem. Elemen-elemen-elemen interface yang diujikan terutama elemen button. Pengujian interface sistem dapat dilihat dalam tabel berikut :
Tabel 4.2 Pengujian Interface Sistem No Test Case Hasil yang
diharapkan
Hasil yang didapatkan
Keterangan
1 Pengujian button lanjut Sistem akan memproses
2 Pengujian button reset Sistem akan mengulangi
3 Pengujian button diagnosa ulang
4 Pengujian button print Sistem akan mengeluarkan
4.2.2 Pengujian Form Handle Sistem
51
Tabel 4.3 Pengujian Form Handle Sistem
No Test Case Hasil yang
4.2.4 Hasil Pengujian Sistem
Hasil pengujian sistem merupakan hasil pengujian Implementasi Metode Naïve Bayesian dan Backward Chaining pada Sistem Pakar Diagnosa Penyakit/ Hama Tanaman Teh yang dilakukan oleh 40 orang pengguna. Berikut ini adalah tabel 4.4 data hasil pengujian sistem :
Tabel 4.4 Hasil Pengujian Sistem
Penghisap
53
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pembahasan yang telah dilakukan penulis pada penelitian ini, maka ada beberapa hal yang dapat dijadikan sebagai kesimpulan pada penelitian ini antara lain:
1. Dengan menggunakan metode Naïve Bayesian, sistem mampu memberikan solusi dan pengendalian terhadap penyakit/hama tanaman teh dengan menghitung probabilitas penyakit/hama tanaman teh sesuai gejala yang dimasukkan oleh user.
2. Aplikasi sistem pakar ini merupakan aplikasi bantuan bagi pengguna dalam mendiagnosa penyakit/hama tanaman teh dan keputusan akhir tetap berada di tangan pakar.
5.2 Saran
Sistem ini dibangun berdasarkan alur pemikiran penulis, maka untuk hasil yang lebih baik dan maksimal diperlukan saran dari semua pihak untuk melengkapi kekurangan yang ada. Saran dari penulis yaitu:
1. Pengembangan sistem ini agar dilakukan dengan metode lainnya misalnya metode Forward Chaining, Certainty Factor, Dempster-shafer dan Case Based Reasoning.
2. Untuk mendapat akurasi yang lebih tinggi, agar ditambah database mengenai penyakit dan hama tanaman teh.
BAB 2
TINJAUAN PUSTAKA
2.1 Kecerdasan Buatan
Kecerdasan buatan sebagai ilmu terapan telah ada sekitar selama kurang lebih tiga puluh tahun. Tujuan dari praktisi individu bervariasi dan berubah dari waktu ke waktu. Sebuah karakterisasi yang wajar dari bidang umum adalah bahwa hal itu dimaksudkan untuk membuat komputer melakukan hal-hal yang bila dilakukan oleh seorang ahli, yang digambarkan memiliki kecerdasan seperti seorang pakar. Mencirikan tujuan keceradasan buatan baik sebagai pembangunan sistem cerdas yang berguna dan pemahaman kecerdasan manusia (Brooks, 1991).
Menurut Minsky, kecerdasan buatan adalah suatu ilmu yang mempelajari cara kerja membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia (Kusrini, 2006). Menurut H. A. Simon kecerdasan buatan (artificial intelegence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas (Kusrini, 2006).
Menurut Winston dan Prendergasi ada tiga manfaat kecerdasan buatan (Kusrini, 2006), yaitu :
Kecerdasan yang dimaksud adalah kemampuan untuk belajar atau mengerti dari pengalaman, memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif.
2.2 Sistem Pakar
Profesor Edward Fieganbaum dalam (Listyono, 2008) dari Universitas Stanford sebagai seorang pelopor awal dari teknologi sistem pakar, mendefinisikan sistem pakar sebagai suatu program komputer cerdas yang menggunakan knowledge dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang yang ahli untuk menyelesaikannya.
Sistem pakar adalah salah satu cabang dari Artificial Intellegence (AI) yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Knowledge dalam sistem pakar mungkin saja seorang ahli, atau knowledge yang umumnya terdapat dalam buku, majalah dan orang yang mempunyai pengetahuan tentang suatu bidang (Arhami, 2005).
Berikut gambar 2.1 yang menggambarkan konsep dasar suatu sistem pakar :
8
2.2.1 Struktur Sistem Pakar
Sistem pakar disusun oleh dua bagian yaitu lingkungan pengembangan dan lingkungan konsultasi. Lingkungan pengembangan sistem pakar digunakan untuk memasukan knowledge pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh knowledge pakar (Listyono, 2008). Komponen-komponen yang terdapat dalam sistem pakar yaitu :
1. Antar muka pengguna.
Merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Antar muka yang efektif dan ramah pengguna (user-friendly) sangat penting bagi pemakai yang tidak ahli dalam bidang yang diterapkan oleh sistem pakar.
2. Basis pengetahuan
Merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang obyek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara memperoleh fakta baru dari fakta yang telah diketahui.
3. Mesin inferensi
Merupakan otak dari sebuah sistem pakar dan dikenal juga dengan sebutan control structure (struktur kontrol) atau rule interpreter (dalam sistem pakar berbasis kaidah). Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.
4. Memory kerja
5. Fasilitas penjelasan
Komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Tujuan adanya fasilitas penjelasan dalam sistem pakar antara lain membuat sistem menjadi cerdas, menunjukkan adanya proses analisa dan yang tidak kalah pentingnya adalah memuaskan psikologis pemakai.
6. Fasilitas akuisisi pengetahuan
Akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer, yang bertujuan untuk memperbaiki dan atau mengembangkan basis pengetahuan.
Berikut gambar 2.2 arsitektur pada sistem pakar berdasarkan penjelasan diatas :
Gambar 2.2 Struktur Sistem Pakar
2.2.2 Ciri-Ciri Sistem Pakar
Ada beberapa ciri-ciri sistem pakar (Kusrini, 2006), yaitu : 1. Terbatas pada bidang spesifik.
2. Dapat memberikan penalaran untuk data yang tidak lengkap atau tidak pasti. 3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang
dapat dipahami.
10
5. Dirancang untuk dapat dikembangkan secara bertahap. 6. Outputnya bersifat nasihat atau anjuran.
7. Output tergantung dari dialog dengan user. 8. Knowledge base dan inference engine terpisah.
2.2.3 Keuntungan Sistem Pakar
Sistem pakar (expert system) merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan masalah di bidang-bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan sebagainya. Ada beberapa keunggulan sistem pakar (Arhami, 2005) di antaranya yaitu :
1. Menghimpun data dalam jumlah yang sangat besar.
2. Menyimpan data tersebut untuk jangka waktu yang panjang dalam suatu bentuk tertentu.
3. Mengerjakan perhitungan secara cepat, tepat, dan tanpa jemu mencari data yang tersimpan dengan kecepatan tinggi.
2.2.4 Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiki beberapa kelemahan (Arhami, 2005), di antaranya adalah :
1. Masalah dalam mendapatkan pengetahuan di mana pengetahuan tidak selalu bisa didapatkan dengan mudah, karena kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan yang dimiliki oleh pakar berbeda-beda.
2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya.
4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan.
2.2.5 Elemen Manusia Pada Sistem Pakar
Sistem pakar setidak-tidaknya mempunyai dua unsur manusia atau lebih yang terlibat di dalam pembangunannya dan pengembangan serta penggunaannya. Minimal, ada seorang yang membangun dan ada penggunanya. Menurut Turban dalam (Desiani, 2006), ada 4 unsur manusia dalam sistem pakar yaitu :
1. Pakar (The Expert)
Orang yang menguasai bidang ilmu pengetahuan tertentu, berpengalaman, pengambil keputusan dan menguasai metode-metode tertentu, serta mampu memanfaatkan talentanya dalam memberikan nasehat/saran terhadap penyelesaian suatu permasalahan.
2. Perekayasa Pengetahuan (Knowledge Engineer)
Orang yang membantu pakar dalam menyusun area permasalahan dengan mengintrepretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counter example dan menerangkan kesulitan-kesulitan konseptual.
3. Pemakai (User)
Sistem pakar memiliki beberapa kelas pemakai, yaitu :
a. Pemakai bukan pakar. Dalam hal ini, sistem pakar berperan sebagai seorang konsultan atau pemberi nasihat.
b. Siswa yang ingin belajar, di sini sistem pakar berperan sebagai instruktur.
12
d. Pakar dalam hal ini sistem pakar berperan sebagai kolega atau asisten.
4. Unsur lainnya
Beberapa unsur lainnya yang mungkin termasuk ke dalam unsur manusia untuk sistem pakar adalah system builder (pembangun sistem) atau system analyst yang membantu mengintegrasikan sebuah sistem pakar dengan sistem terkomputerisasi lainnya.
2.3 Teh
Teh (Camellia sinensis) merupakan minuman non-alkohol yang banyak digemari oleh masyarakat. Teh sebagai bahan minuman, dibuat dari pucuk muda yang telah mengalami proses pengolahan tertentu. Daun teh mengandung khasiat yang bermanfaat bagi kesehatan tubuh manusia, salah satunya adalah sebagai antioksidan.
Namun kualitas dan produktivitas tanaman teh menjadi masalah dalam pemasaran, dua akar permasalahan ini menyebabkan produk teh indonesia kalah dengan negara lain. Persaingan harga jual komoditi teh menjadi salah satu faktor daya saing yang menentukan kelangsungan industri teh Indonesia. Penurunan kualitas daun teh disebabkan salah satu faktor utama yaitu adanya serangan penyakit dan hama.
`
2.3.1 Penyakit Tanaman Teh
Berikut ini adalah penyakit yang terdapat pada tanaman teh (Semangun, 2000) : 1. Cacar Teh (Exobasidium vexans)
bagian cembung, yang mirip dengan cacar. Permukaan atas yang cekung adalah licin, mengkilat, dan biasanya lebih pucat dari pada bagian yang tidak sakit.
2. Penyakit Akar Merah (Ganoderma pseoduferreum)
Cendawan atau jamur akar merah merupakan penyakit paling banyak menyerang perkebunan teh yang mempergunakan pohon pelindung sejenis Albizzia falcate ataupun Derris micophyla. Jamur ini menyerang bagian akar tanaman pelindung dan menularkannya pada tanaman teh. Gejala penyakit ini yaitu daun-daun menguning, layu, rontok, dan tanaman mati. Jika tidak terhambat jamur akar merah akan meluas ke semua jurusan. Dengan demikian penyakit akar merah biasanya membentuk rumpang yang luas dan bundar.
3. Penyakit Akar Hitam (Rosellinia arcuata)
Penyakit ini banyak menimbulkan kerugian di perkebunan teh Sri Lanka dan India. Rosellinia menimbulkan kerugian yang besar pada pertanaman teh yang berumur 3-8 tahun, yang terdapat pada tanah hutan baru. Jamur dapat membentuk rizomorf di dalam tanah. Jamur dapat menular dengan beberapa macam cara,yang terpenting adalah melalui kontak antara akar yang sehat dengan yang sakit. Jamur dapat juga menular dengan rizomorf di bawah tanah,dengan konidium dan askospora dan misellium. Gejala pada penyakit ini adalah terdapat pada bagian-bagian tanaman diatas tanah sama dengan gejala yang disebabkan oleh penyakit-penyakit akar pada umumnya, yaitu daun-daun menguning, layu, rontok, dan tanaman mati. Pada permukaan akar teh yang sakit jamur akar hitam ini menimbulkan gejala, yaitu adanya jaringan benang-benang jamur berwarna hitam.
4. Penyakit Busuk Daun (Cylindrocladium ilicicola)
14
5. Penyakit Mati Ujung (Pestalotia theae)
Penyakit mati ujung disebabkan oleh jamur Pestalotia thea yang menyerang tanaman terutama melalui luka atau bagian daun yang rusak.Penyakit ini akan timbul pada tanaman yang lemah karena kekurangan unsur hara (N dan K), pemetikan yang berat, kekeringan, angin kencang dan sinar matahari yang kuat.
2.3.2 Hama Tanaman Teh
Berikut ini adalah hama yang terdapat pada tanaman teh (Tjahjadi, 1989) : 1. Kepik Penghisap Daun (Helopeltis spp.)
Kepik yang berukuran 2,5 cm dengan warna badan coklat kegelapan ditandai dengan huruf “X” pada lipatan sayap di punggung dan ujung antena kemerahan. Tampilannya gagah, dengan “otot-otot” paha yang tampak gempal. Perilakunya tenang dan selalu memilih pucuk-pucuk daun yang muda, dengan akibat pucuk itu akan segera layu dalam beberapa waktu.
2. Ulat Jengkal (Hyposidra talaca)
Daur hidup ulat kilan sangat bergantung pada makanan dan iklim setempat. Daur hidupnya 2,5 – 3,5 bulan. Betinanya dapat meletakkan telur sampai 320 butir dan meletakkan telur berkelompok pada daun. Lama stadium telur 5-6 hari. Menjelang menetas telur mengalami perubahan warna dari hijau kebiruan menjadi kehitaman. Ulat-ulat kecil yang telah menetas dari telur akan bergerombol dan angin akan membantu penyebarannya. Gejala hama ulat jengkal adalah menyerang daun, pupus daun,dan pentil teh. Serangan beratmenyebabkan daun berlubang dan pucuktanaman gundul, sehingga tinggal tulangdaun saja.
3. Ulat Penggulung Pucuk (Cydia leucostoma)
2.4 Metode Naïve Bayesian
Probabilitas Bayesian adalah suatu interpretasi dari kalkulus yang memuat konsep probabilitas sebagai derajat dimana suatu pernyataan dipercaya benar. Teori Bayesian juga dapat digunakan sebagai alat pengambilan keputusan untuk memperbaharui tingkat kepercayaan dari suatu informasi.
Teori probabilitas Bayesian merupakan satu dari cabang teori statistik matematik yang memungkinkan kita untuk membuat satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan pengetahuan umum dengan fakta dari hasil pengamatan.
Salah satu metode dalam penggunaan sistem pakar untuk membantu mendiagnosa penyakit/hama tanaman teh yaitu dengan metode Naïve Bayesian yang merupakan pendekatan kecerdasan buatan (Artificial Intelligent) dan pemecahan masalah dengan menggunakan nilai probabilitas dari penyakit/hama dan gejala yang tampak pada tanaman teh.
2.4.1 Teori Probabilitas
Probabilitas merupakan suatu cara kuantitatif yang berhubungan dengan ketidakpastian yang telah ada sejak abad ke-17, ketika penjudi-penjudi Francis meminta bantuan dari para ahli matematika yang terkemuka seperti Pascal, Fermat dan lainnya (Listyono, 2008)
Teori probabilitas digunakan untuk membahas suatu peristiwa, kategori, dan hipotesis dimana tidak ada tingkat kepastian mencapai 100%. Sebagai contoh dapat dituliskan sebagai berikut :
A B
16
Apakah cuaca besok? Hipotesis sederhana yang berdasarkan pengamatan umum, seperti “cuaca besok cerah 10%, dan cuaca besok hujan 70%. Maka notasi yang diberikan adalah sebagai berikut :
P(C) = 0.1 P(H) = 0.7
Statement pertama dapat diketahui sebagai nilai probabilitas besok cerah adalah 0.1, nilai probabilitas dinyatakan sebagai bilangan real antara 0 dan 1. Probabilitas 0 berarti “pasti tidak” dan probabilitas 1 berarti “pasti”.
2.4.2 Teorema Bayes
Teori Bayes dikemukakan oleh seorang pendeta Inggris pada tahun 1702-1761 yang bernama Thomas Bayes. Teori Bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hasil observasi. Teori Bayes merupakan kaidah yang memperbaiki atau merevisi suatu probabilitas dengan cara memanfaatkan informasi tambahan. Maksudnya, dari probabilitas awal (prior probability) yang belum diperbaiki yang dirumuskan berdasarkan informasi yang tersedia saat ini, kemudian dibentuklah probabilitas berikutnya (posterior probability) (Hartatik, Yasa, 2015)
Probabilitas Bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan menggunakan formula Bayes yang dinyatakan (Coppin, 2004) berikut :
P[H|X] = �(
�
| )∗� �� �
Dimana :
P(H|X) : Probabilitas hipotesis H benar jika diberikan evidence X P(X|H) : Probabilitas munculnya evidence X, jika diketahui hipotesis
benar H.
P(X) : Probabilitas evidence X.
Probabilitas yang diberikan kepada setiap penyakit/hama dan gejala berbeda. Bobot yang diberikan oleh pakar yang digunakan pada sistem ini adalah :
Tabel 2.1 Skala Pembobotan Hipotesa Nilai Bayes Serangan Berat 0.8 - 1 Serangan Lumayan Berat 0.6 - 0,7 Serangan Sedang 0.4 - 0,5 Serangan Ringan 0.1 - 0.3 Tidak Ada Serangan 0
Berikut nilai probabilitas penyakit/hama dan gejala yang diberikan oleh Ir. Lahmuddin Lubis, MP sebagai pakar tanaman teh dapat dilihat pada tabel 2.2
Tabel 2.2 Bobot Penyakit/Hama dan Gejala
NO Penyakit/Hama Gejala Bobot
Penyakit
Bobot Gejala 1 Cacar Teh 1. Bercak Kecil Hijau Pucat 0.8 0.1
2. Tembus Cahaya pada daun muda 0.3 3. Dalam 5-6 hari bercak meluas
menjadi 0.6-1.3cm.
0.5
4. Permukaan cacar tampak tertutup debu putih kelabu.
0.7
5. Permukaan bercak menonjol kebawah
0.8
2 Busuk daun 1. Serangan dimulai dari bagian ujung daun.
0.7 0.2
2. Daun terlepas dari tangkai 0.3
3. Tunas mengering 0.5
18
2. Jamur menjalar sampai ke tunas 0.4
3. Tunas mengering 0.6
4. Ranting patah dan menguning 0.8
4 Akar Merah 1. Daun-daun menguning 0.6 0.2
2. Daun-daun layu 0.3
3. Daun-daun rontok 0.4
4. Tanaman mati. 0.6
5. Permukaan akar terdapat benang- benang berwarna merah.
0.7
6. Kayu pada akar yang sakit lunak dan mengeluarkan air jika di tekan.
5. Permukaan akar terdapat benang- benang jamur berwarna hitam.
0.7
6. Kayu pada akar terdapat titik–titik hitam.
0.8
6 Kepik
Penghisap Daun
1. Serangan terjadi pada daun atau pucuk.
0.7 0.2
2. Bercak-bercak hitam pada daun teh.
0.4
Penggulung Pucuk
2.Terdapat benang-benang halus pada pucuk.
0.5
3.Pada bagian yang tergulung dalamnya rusak.
0.8
Berikut gambar gejala penyakit/hama tanaman teh dapat dilihat pada tabel 2.3
Tabel 2.3 Gambar Gejala Penyakit/Hama Tanaman Teh
No Gejala Gambar
1 Bercak Kecil Hijau Pucat
2 Tembus Cahaya pada daun muda
20
4 Permukaan cacar tampak tertutup debu putih kelabu.
5 Permukaan bercak menonjol kebawah
6 Serangan dimulai dari bagian ujung daun.
8 Tunas mengering
9 Bercak berwarna coklat pada daun
10 Jamur menjalar sampai ke tunas
22
12 Daun-daun menguning
13 Daun-daun layu
14 Daun-daun rontok
16 Permukaan akar terdapat benang-benang berwarna merah.
17 Kayu pada akar yang sakit lunak dan mengeluarkan air jika di tekan.
18 Permukaan akar terdapat benang-benang jamur berwarna hitam.
24
20 Serangan terjadi pada daun atau pucuk.
21 Bercak-bercak hitam pada daun teh.
22 Ranting/pucuk mengalami bercak-bercak cekung
24 Terdapat bekas gigitan pada daun
25 Larva memakan daun teh.
26 Menyerang daun muda.
26
28 Pucuk daun gundul.
29 Pucuk tergulung
30 Terdapat benang-benang halus pada pucuk.
2.5 Backward Chaining
Mesin inferensi adalah program komputer yang bertindak sebagai otak dari sistem pakar, merumuskan metodologi untuk penalaran tentang informasi dalam basis data dan workplace, dan merumuskan kesimpulan berdasarkan basis pengetahuan yang tersedia. Mesin inferensi akan bekerja saat menerima instruksi dari pengguna di seperti jawaban dari pertanyaan yang ditampilkan dalam antarmuka pengguna dan pengguna mengklik tombol submit (Fadlillah et al, 2014).
Backward Chaining merupakan proses perunutan yang arahnya dimulai dengan tujuan/goal kemudian merunut balik ke jalur yang akan mengarahkan ke goal tersebut, mencari bukti-bukti bahwa bagian kondisi terpenuhi. Pada Backward Chaining, proses internal selalu mengecek konklusi terlebih dahulu, sebagai praduga awal, baru kemudian mengecek gejala-gejala dipenuhi user atau tidak, bila keseluruhan gejala terpenuhi, maka praduga sistem benar dan dikeluarkan sebagai output, bila ada gejala yang tidak terpenuhi berarti praduga sistem salah, selanjutnya sistem akan mengecek konklusi berikutnya (Hartati, 2003). Backward Chaining dimodelkan sebagai berikut :
Tujuan, IF (kondisi).
2.6 Bahasa Pemrograman Sistem
2.6.1 Pengenalan PHP
PHP singkatan dari PHP Hypertext Preprocessor.PHP merupakan bahasa berbentuk skrip yang ditempatkan dalam server dan diproses oleh server. Hasilnyalah yang dikirimkan ke klien, tempat pemakai menggunakan browser.
28
terstruktur di dalam tag HTML. Kode PHP juga bisa berkomunikasi dengan database dan melakukan perhitungan-perhitungan yang kompleks sambil jalan (Kadir, 2003).
2.6.2 Pengenalan Database MySQL
MySQL dikembangkan oleh sebuah perusahaan Swedia bernama MySQL AB, yang pada saat itu bernama TcX DataKonsult AB, sekitar 1994-1995. Tujuan utama TcX membuat MySQL pada waktu itu memang untuk mengembangkan aplikasi Web untuk klien. TcX merupakan perusahaan pengembang software dan konsultan database.
MySQL versi 1.0 dirilis Mei 1996 secara terbatas kepada empat orang. Baru di bulan Oktober versi 3.11.0 dilepas ke publik. Pada Juni 2000 MySQL AB mengumumkan bahwa sejak versi 3.23.19, MySQL adalah software bebas berlisensi GPL(General Public License).
MySQL adalah salah satu jenis database server yang sangat terkenal. Kepopulerannya disebabkan MySQL menggunalan SQL sebagai bahasa dasar untuk mengakses databasenya. Selain itu, MySQL bersifat free (tidak perlu membayar untuk menggunakannya) pada pelbagai platform (kecuali pada Windows, yang bersifat shareware).
MySQL termasuk jenis RDBMS (Relational Database Management System). Sehingga istilah seperti table, baris, dan kolom tetap digunakan dalam MySQL. Pada MySQL sebuah database mengandung beberapa table, table terdiri dari sejumlah baris
PENDAHULUAN
1.1 Latar Belakang
Teh (Camellia sinensis) merupakan minuman non alkohol yang banyak digemari oleh masyarakat. Teh sebagai bahan minuman, dibuat dari pucuk muda yang telah mengalami proses pengolahan tertentu. Daun teh mengandung khasiat yang bermanfaat bagi kesehatan tubuh manusia, salah satunya adalah sebagai antioksidan. Khasiat yang dimiliki oleh minuman teh berasal dari kandungan bahan kimia yang terdapat dalam daun teh. Teh merupakan salah satu komoditas ekspor nonmigas yang telah dikenal sejak lama dan menjadi penghasil devisa bagi Indonesia. Dewasa ini, Indonesia menjadi salah satu dari lima negara penghasil dan pengekspor teh utama di dunia, yang pemasaran hasilnya tersebar ke negara-negara konsumen yang berada di lima benua.
2
Namun kualitas dan produktivitas tanaman teh menjadi masalah dalam pemasaran, dua akar permasalahan ini menyebabkan produk teh indonesia kalah dengan negara lain. Persaingan harga jual komoditi teh menjadi salah satu faktor daya saing yang menentukan kelangsungan industri teh Indonesia. Penurunan kualitas daun teh disebabkan salah satu faktor utama yaitu adanya serangan penyakit dan hama. Untuk mengatasi permasalahan yang terdapat dalam tanaman teh yaitu penyakit dan hama, maka dibutuhkan sebuah sistem yang dapat mendiagnosa penyakit dan hama tanaman teh dengan menerapkan metode bilang ilmu kecerdasan buatan yaitu sistem pakar diagnosa penyakit dan atau hama tanaman teh yaitu dengan menggunakan metode Naïve Bayesian dan Backward Chaining
Naïve bayesian merupakan probabilitas bersyarat yang memperhitungkan informasi yang diperoleh dari suatu peristiwa untuk memperkirakan probabilitas peristiwa yang lain. Konsep ini dapat dikembangkan untuk merevisi probabilitas berdasarkan atas informasi yang baru dan untuk menentukan probabilitas sebagai akibat dari suatu pengaruh tertentu (Algifari, 1996).
Backward Chaining adalah metode pengambilan keputusan yang umum digunakan dalam sistem pakar. Proses penalaran Backward Chaining dimulai dengan tujuan/goal kemudian merunut balik ke jalur yang akan mengarah ke goal tersebut, mencari bukti-bukti bahwa bagian kondisi terpenuhi (Hartati, 2008).
Berdasarkan metode di atas maka penulis tertarik untuk memilih judul
”IMPLEMENTASI METODE NAÏVE BAYESIAN DAN BACKWARD
CHAINING PADA SISTEM PAKAR DIAGNOSA PENYAKIT/ HAMA TANAMAN TEH”.
1.2 Rumusan Masalah
merancang suatu sistem pakar dengan metode Naïve Bayesian dan Backward Chaining.
1.3 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah :
1. Jenis penyakit dan hama yang dibahas dalam sistem pakar ini adalah penyakit pada bagian daun dan pada bagian akar. Adapun penyakit pada bagian daun adalah cacar teh (Exobasidium vexans), penyakit busuk daun (Cylindrocladium ilicicola), penyakit mati ujung (Pestalotia theae), sedangkan pada bagian akar adalah penyakit akar merah (Ganoderma pseoduferreum), penyakit akar hitam (Rosellinia arcuata). Untuk hama adalah kepik penghisap daun (Helopeltis spp.), ulat penggulung daun (Homona coffearia), ulat jengkal (Hyposidra talaca), dan ulat penggulung pucuk (Cydia leucostoma).
2. Sistem pakar ini menggunakan Backward Chaining (runut balik) sebagai motor inferensi untuk menelusuri fakta-fakta yang mendukung tujuan dan metode Naïve Bayesian dalam menangani ketidakpastian dari gejala-gejala atau kaidah, sehingga menghasilkan nilai kepastian dengan derajat tertentu. 3. Sistem pakar ini hanya digunakan untuk mendiagnosa penyakit dan atau hama
tanaman teh.
4. Hasil yang ditampilkan berupa penyakit dan atau hama tanaman teh serta pengendaliannya.
5. Aplikasi yang akan dibangun menggunakan bahasa pemrograman PHP dan MySQL sebagai Database Management System(DBMS).
1.4 Tujuan Penelitian
4
1.5 Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat dimanfaatkan untuk membantu para petani daun teh dalam mengendalikan penyakit dan hama untuk mendapatkan produktivitas tanaman teh yang lebih besar. Bagi penulis sendiri, manfaat dari penelitian ini adalah mendapatkan pengalaman serta wawasan baru tentang sistem pakar dengan menggunakan metode Naïve Bayesian dan Backward Chaining.
1.6 Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut :
1. Studi Literatur
Pada tahapan ini dilakukan dengan mempelajari bahan-bahan ataupun buku-buku referensi, skripsi, jurnal, artikel dan sumber lain yang berkaitan dengan penulisan tugas akhir ini.
2. Pengumpulan Data
Pada tahapan ini dilakukan penelitian atau wawancara yang bertujuan untuk memperoleh data yang berhubungan dengan hama dan penyakit tanaman teh, baik dari pakar tanaman teh ataupun sumber lain.
3. Analisis
Pada tahapan ini dilakukan analisis terhadap data - data yang berhubungan dengan hama dan penyakit tanaman teh, dan metode sistem pakar yang digunakan.
4. Perancangan Sistem
Pada tahapan ini dilakukan perancangan aplikasi sistem pakar untuk mendiagnosa hama dan penyakit tanaman teh. Termasuk di dalamnya yaitu perancangan basis data, flowchart, desain interface dan perancangan sistem. 5. Implementasi Sistem (Coding)
6. Pengujian Sistem pengujian dalam bentuk penulisan tugas akhir beserta kesimpulannya dan menampilkan data-data sebagai bukti dalam bentuk hard copy.
1.7 Sistematika Penulisan
BAB 1: PENDAHULUAN
Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan.
BAB 2 : TINJAUAN PUSTAKA
Pada bab ini membahas tentang dasar teori-teori kecerdasan buatan dan sistem pakar untuk mendukung pembahasan bab selanjutnya.
BAB 3 : ANALISIS DAN PERANCANGAN
Pada bab ini membahas tentang analisis dan perancangan sistem yang berisi tentang analisis permasalahan, analisis komponen sistem pakar, rancangan basis data,
BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM
Pada bab ini membahas implementasi antarmuka dari perancangan sistem yang telah dirancang pada bab sebelumnya.
BAB 5 : KESIMPULAN DAN SARAN
vi
ABSTRAK
Teh merupakan salah satu komoditas ekspor nonmigas yang telah dikenal sejak lama dan menjadi penghasil devisa bagi Indonesia. Kualitas dan produktivitas tanaman teh menjadi masalah dalam pemasaran daun teh. Penurunan kualitas daun teh disebabkan salah satu faktor utama yaitu adanya serangan penyakit dan hama. Sistem pakar dapat membantu mendiagnosa dan memecahkan masalah penyakit dan hama tanaman teh yang dapat dipecahkan oleh seorang pakar. Dalam penelitian ini dibuat aplikasi sistem pakar untuk memecahkan masalah penyakit dan hama tanaman teh menggunakan metode Naïve Bayesian dan Backward Chaining. Hasil akhir dari aplikasi berupa kesimpulan dengan penghitungan probabilitas setiap gejala dengan pengetahuan yang terdapat dalam sistem.
IMPLEMENTATION OF NAIVE BAYESIAN METHODS AND BACKWARD CHAINING ON EXPERT SYSTEM
OF TEA DISEASE/PEST DIAGNOSIS
ABSTRACT
Tea is one of the export of non oil and gas commodities which have been known for a long time and become a foreign exchange earner for Indonesia. The quality and productivity of tea plant becomes problem in marketing of tea leaves. The decreasing of quality of tea leaves caused by the main factor that are the disease and pests. Expert systems can help diagnose and solve problem diseases and pests of the tea plant that can be solved by an expert. This research were made an application system for solving the problem, such as disease and pests in tea plant. It use Naive Bayesian and Backward Chaining Method. The result of this application is the calculation of probability in every sympthoms with knowledge in system.
IMPLEMENTASI METODE NAÏVE BAYESIAN DAN
BACKWARD CHAINING PADA SISTEM PAKAR
DIAGNOSA PENYAKIT/HAMA
TANAMAN TEH
SKRIPSI
MAHA PERDANA TARIGAN
131421046
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
TANAMAN TEH
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
Oleh :
MAHA PERDANA TARIGAN 131421046
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
ii
PERSETUJUAN
Judul : IMPLEMENTASI METODE NAÏVE BAYESIAN DAN BACKWARD CHAINING PADA SISTEM PAKAR DIAGNOSA PENYAKIT/HAMA TANAMAN TEH
Kategori : SKRIPSI
Nama : MAHA PERDANA TARIGAN
Nomor Induk Mahasiswa : 131421046
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI METODE NAÏVE BAYESIAN DAN BACKWARD CHAINING PADA SISTEM PAKAR
DIAGNOSA PENYAKIT/HAMA TANAMAN TEH
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Oktober 2015
iv
PENGHARGAAN
Puji dan syukur atas nikmat kepada Tuhan Yang Maha Esa sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini penulis mengucapkan terima kasih kepada pihak yang telah banyak membimbing, mengarahkan, membantu, dan memberikan dukungan semangat dan kasih sayang dalam menyelesaikan skripsi ini. Penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D selaku pejabat rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Bapak Prof. Dr. Iryanto, M.Si selaku Dosen pembimbing I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
5. Bapak Ade Candra, ST, M.Kom selaku Dosen pembimbing II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
6. Bapak Amer Sharif S.Si, M.Kom selaku Dosen pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
7. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
8. Bapak Ir. Lahmuddin Lubis, M.P. selaku pakar yang telah memberikan pemahaman tentang penyakit dan hama tanaman teh serta gejala dan pengendaliannya dalam penyempurnaan skripsi ini.
dan kasih sayang yang tiada henti kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.
10.Terima kasih kepada Yosepine F. Barus dan sahabat-sahabat Amrizal Surbakti, Vinny Frans Kembaren, Nia Sinulingga, Rimta Juli Putri, Siswanti Sembiring dan Dedy Mahendri Sembiring yang telah memberikan motivasi, dukungan, bantuan, serta perhatian sehingga skripsi ini dapat selesai.
11.Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, terutama Damora Azri Mohara, Nurdin Siregar dan Riwandy Septiansyah Lubis yang telah memberikan dukungan dan kerja sama yang baik kepada penulis.
12.Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, Oktober 2015
vi
ABSTRAK
Teh merupakan salah satu komoditas ekspor nonmigas yang telah dikenal sejak lama dan menjadi penghasil devisa bagi Indonesia. Kualitas dan produktivitas tanaman teh menjadi masalah dalam pemasaran daun teh. Penurunan kualitas daun teh disebabkan salah satu faktor utama yaitu adanya serangan penyakit dan hama. Sistem pakar dapat membantu mendiagnosa dan memecahkan masalah penyakit dan hama tanaman teh yang dapat dipecahkan oleh seorang pakar. Dalam penelitian ini dibuat aplikasi sistem pakar untuk memecahkan masalah penyakit dan hama tanaman teh menggunakan metode Naïve Bayesian dan Backward Chaining. Hasil akhir dari aplikasi berupa kesimpulan dengan penghitungan probabilitas setiap gejala dengan pengetahuan yang terdapat dalam sistem.
IMPLEMENTATION OF NAIVE BAYESIAN METHODS AND BACKWARD CHAINING ON EXPERT SYSTEM
OF TEA DISEASE/PEST DIAGNOSIS
ABSTRACT
Tea is one of the export of non oil and gas commodities which have been known for a long time and become a foreign exchange earner for Indonesia. The quality and productivity of tea plant becomes problem in marketing of tea leaves. The decreasing of quality of tea leaves caused by the main factor that are the disease and pests. Expert systems can help diagnose and solve problem diseases and pests of the tea plant that can be solved by an expert. This research were made an application system for solving the problem, such as disease and pests in tea plant. It use Naive Bayesian and Backward Chaining Method. The result of this application is the calculation of probability in every sympthoms with knowledge in system.
viii
2.2.3 Keuntungan Sistem Pakar 10
2.2.4 Kelemahan Sistem Pakar 10
2.2.5 Elemen Manusia Pada Sistem Pakar 11
2.3 Teh 12
2.3.1 Penyakit Tanaman Teh 12
2.3.2 Hama Tanaman Teh 14
2.4 Metode Naïve Bayesian 15
2.4.1 Teori Probabilitas 15
2.4.2 Teorema Bayes 16
2.5 Backward Chaining 27
2.6 Bahasa Pemrograman Sistem 27
2.6.1 Pengenalan PHP 27
2.6.2 Pengenalan Database MySQL 28
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 29
3.1 Analisis Sistem 29
3.1.1 Analisis Permasalahan 29
3.1.2 Analisis Kebutuhan Sistem 30
3.2 Pemodelan Sistem 31
3.2.1 Use Case Diagram 31
3.2.2 Activity Diagram Sistem 33
3.2.3 Activity Diagram Metode Naïve Bayesian 35
3.2.4 Sequence Diagram 37
3.3 Perancangan Diagram Alir (Flowchart) 38
3.3.1 Flowchart Sistem 38
3.3.2 Flowchart Proses Metode Naïve Bayesian 39
3.4 Perancangan Antarmuka Sistem 39
3.4.1 Halaman User 40
BAB 4 Implementasi Sistem 47
4.1 Implementasi Sistem 47
4.1.1 Perhitungan Manual 47
4.2 Pengujian Sistem 49
4.3.1 Pengujian Interface Sistem 50
4.3.3 Pengujian Form Handle Sistem 50
4.3.4 Hasil Pengujian Sistem 51
BAB 5 KESIMPULAN DAN SARAN 54
5.1 Kesimpulan 54
5.2 Saran 54
DAFTAR PUSTAKA
x
DAFTAR TABEL
Halaman
Tabel 2.1 Skala Pembobotan 17
Tabel 2.2 Bobot Penyakit/Hama dan Gejala 17
Tabel 2.3 Gambar Gejala Penyakit/Hama Tanaman Teh 19 Tabel 3.1 Keterangan Bagian Rancangan Activity Diagram Sistem 34 Tabel 3.2 Keterangan Bagian Rancangan Activity Diagram Naïve Bayesian 35 Tabel 3.3 Keterangan Rancangan Tampilan Beranda 40 Tabel 3.4 Keterangan Rancangan Halaman Diagnosa 41 Tabel 3.5 Keterangan Rancangan Halaman Cara Penggunaan 42
Tabel 3.6 Keterangan Rancangan Halaman Login 43
Tabel 3.7 Keterangan Rancangan Halaman Beranda Admin 44 Tabel 3.8 Keterangan Rancangan Halaman Data Penyakit Dan Hama 45 Tabel 3.9 Keterangan Rancangan Halaman Halaman Solusi 46
Tabel 4.1 Contoh Kasus Penyakit Cacar Teh 47
Tabel 4.2 Pengujian Interface Sistem 50
Tabel 4.3 Pengujian Form Handle Sistem 51
DAFTAR GAMBAR
Halaman Gambar 2.1 Konsep Dasar Fungsi Sistem Pakar 7
Gambar 2.2 Struktur Sistem Pakar 9
Gambar 3.1 Diagram Ishikawa 30
Gambar 3.2 Use Case Diagnosa Penyakit/Hama 32
Gambar 3.3 Activity Diagram Sistem 33
Gambar 3.4 Activity Diagram Metode Naïve Bayesian 35 Gambar 3.5 Sequence Diagram Sistem Pakar Penyakit/Hama Tanaman Teh 37
Gambar 3.6 Flowchart Sistem Pakar 38
Gambar 3.7 Flowchart Proses Naïve Bayesian 39
Gambar 3.8 Rancangan Halaman Beranda 40
Gambar 3.9 Rancangan Halaman Diagnosa 41
Gambar 3.10 Rancangan Halaman Cara Penggunaan 42
Gambar 3.11 Rancangan Halaman Login 43
Gambar 3.12 Rancangan Halaman Beranda Admin 44
Gambar 3.13 Rancangan Halaman Data Penyakit dan Hama 45
Gambar 3.14 Rancangan Halaman Solusi 46