Modul evaluasi kesesuaian lahan budidaya tanaman dengan menggunakan logika Fuzzy

(1)

ABSTRACT

DECKY PRAYOGA. Land Suitability Evaluation Module Cultivation Using Fuzzy Logic

.

_Supervised by HARI AGUNG.

Land suitability evaluation is the process of predicting land suitability class and land utilization potential for agriculture. Land suitability is evaluated by comparing the plant requirements with the available landscape characteristics related to climate, topography, texture, drainage, soil physics, soil fertility, salinity and alkalinity, as well as land preparation.

In this research, we develop a system based on fuzzy inference to determine the rating, threshold levels and land suitability class from land characteristics data obtained. The data given as input are a crisp value or a linguistic value. Land suitability is evaluated using a boundary method. The fuzzy inference method used is the max – min method and the defuzzification method used is the center average defuzzifier method .

(2)

MODUL EVALUASI KESESUAIAN LAHAN BUDIDAYA

TANAMAN DENGAN MENGGUNAKAN LOGIKA FUZZY

DECKY PRAYOGA

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(3)

MODUL EVALUASI KESESUAIAN LAHAN BUDIDAYA

TANAMAN DENGAN MENGGUNAKAN LOGIKA FUZZY

DECKY PRAYOGA

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar

Sarjana Komputer pada Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(4)

ABSTRACT

DECKY PRAYOGA. Land Suitability Evaluation Module Cultivation Using Fuzzy Logic

.

_Supervised by HARI AGUNG.

Land suitability evaluation is the process of predicting land suitability class and land utilization potential for agriculture. Land suitability is evaluated by comparing the plant requirements with the available landscape characteristics related to climate, topography, texture, drainage, soil physics, soil fertility, salinity and alkalinity, as well as land preparation.

In this research, we develop a system based on fuzzy inference to determine the rating, threshold levels and land suitability class from land characteristics data obtained. The data given as input are a crisp value or a linguistic value. Land suitability is evaluated using a boundary method. The fuzzy inference method used is the max – min method and the defuzzification method used is the center average defuzzifier method .

(5)

Dosen Penguji:

(6)

Judul : Modul Evaluasi Kesesuaian Lahan Budidaya Tanaman dengan Menggunakan Logika Fuzzy Nama : Decky Prayoga

NRP : G64076015

Menyetujui,

Dosen Pembimbing

Hari Agung Andrianto, S.Kom., M.Si. NIP. 19760917200501 1 001

Mengetahui,

Ketua Departemen Ilmu Komputer Institut Pertanian Bogor

Dr. Ir. Sri Nurdiati, M.Sc NIP. 19601126 198601 2 001

(7)

PRAKATA

Puji syukur penulis panjatkan ke hadirat Allah SWT atas segala rahmat dan karunia-Nya, sehingga tugas akhir ini dengan judul Modul Kesesuaian Lahan Budidaya Tanaman Dengan Menggunakan Logika Fuzzydapat diselesaikan. Karya ilmiah ini dilaksanakan mulai November 2010 sampai dengan Januari 2011, bertempat di Departemen Ilmu Komputer.

Penulis berterima kasih kepada Bapak Hari Agung, S.Kom,. M.Si. selaku pembimbing yang telah banyak memberikan arahan, bimbingan, waktu, serta kesabarannya selama pengerjaan karya ilmiah ini. Terima kasih yang setulus-tulusnya juga Penulis tujukan bagi ayah dan ibu tercinta yaitu Sulistyo dan Nani Supriyatni, serta keluarga besar Penulis atas doa serta dukungan untuk keberhasilan Penulis.

Andy Pramurjadi, Joko Purwanto, Ahmad Zafaroni, Aditya Hapsari, Fauzi Siswoyo dan seluruh rekan ekstensi S1 Ilkom Angkatan 2 atas dukungan, bantuan, serta kebersamaannya selama ini, semoga sukses selalu dan tetap semangat; juga untuk Ibu Imas Sukaesih Sitanggang yang telah membantu Penulis dalam mengumpulkan bahan dan data pendukung untuk karya ilmiah ini.

Penulis juga mengucapkan terima kasih kepada semua pihak yang telah membantu selama penyelesaian karya ilmiah ini yang tidak dapat disebutkan satu-persatu. Semoga karya ilmiah ini bermanfaat.

Bogor, Januari 2011

(8)

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 14 Desember 1985, dari pasangan Bapak Sulistyo dan Ibu Nani Supriyatni. Penulis merupakan putra kedua dari tiga bersaudara. Pada Tahun 2003 penulis lulus dari SMA PGRI 4 Bogor dan pada tahun yang sama, penulis melanjutkan pendidikan Diploma 3 di Program Studi Teknologi Informasi Kelautan, Institut Pertanian Bogor dan lulus pada tahun 2006.

(9)

DAFTAR ISI

Halaman

DAFTAR TABEL ... vii

DAFTAR GAMBAR ... viii

DAFTAR LAMPIRAN ... ix

PENDAHULUAN Latar Belakang ... 1

Tujuan ... 1

Ruang Lingkup ... 1

Manfaat Penelitian ... 1

TINJAUAN PUSTAKA Tanaman Asparagus ... 1

Logika Fuzzy ... 2

Himpunan Fuzzy ... 2

Operasi Dasar Himpunan Fuzzy ... 2

Variabel Lingusitik ... 2

Aturan IF –THEN Fuzzy ... 3

Fuzzifikasi ... 3

Inferensi ... 3

Komposisi ... 3

Defuzzifikasi ... 4

Pengetahuan Tentang Evaluasi Kesesuaian Lahan ... 4

Klasifikasi Kesesuaian Lahan ... 5

Prosedur Evaluasi Kesesuaian Lahan ... 6

PERANCANGAN SISTEM Analisa Kebutuhan ... 7

Desain Input ... 10

Desain Proses ... 10

Fuzzifikasi ... 10

Inferensi Min ... 11

Komposisi Max ... 11

Defuzzifikasi ... 11

Desain Output ... 13

Pemograman ... 13

Pengujian ... 13

Operasi dan Pemeliharan ... 13

Implementasi Sistem ... 13

HASIL DAN PEMBAHASAN Data Input Crisp... 14

Penentuan Rating Pembatas yang Berhubungan dengan Iklim ... 15

Penentuan Rating Pembatas yang Berhubungan dengan Kebasahan dan Tekstur ... 16

Penentuan Kelas Kesesuaian Lahan ... 16

Data Nilai Linguistik ... 19

Rating Pembatas yang Berhubungan dengan Temperatur Rata – rata ... 20

Tampilan Sistem ... 20

KESIMPULAN DAN SARAN Kesimpulan ... 21

Saran ... 22

DAFTAR PUSTAKA ... 22

(10)

DAFTAR TABEL

Halaman

1.Operasi Dasar Himpunan Fuzzy ... 2

2. Kualitas dan Karakteristik Lahan untuk Evaluasi Kesesuaian Lahan ... 5

3. Hubungan antara Kelas Kesesuian Lahan dan Tingkat Pembatas ... 6

4. Kriteria Penentuan Kelas Kesesuaian lahan yang Berhubungan dengan Iklim... 6

5. Kriteria Penentuan Kelas Kesesuaian lahan ... 6

6. Data Atribut Kesesuaian Lahan Budidaya Tanaman ... 8

7. Tingkat Pembatas untuk Interval Temperatur Rata – rata Asparagus ... 9

8. Kelompok Temperatur Rata – rata ... 9

9. Tingkat Pembatas dan Ratingnya ... 9

10. Kelas Tekstur ... 9

11. Nilai Center Tingkat Pembatas ... 11

12. Nilai – nilai Lingustik Sebagai Data Input Sistem ... 12

13. Hasil Pengujian Data Input Crisp Wilayah Cisarua ... 14

14. Hasil Pengujian Data Input Crisp Wilayah Sukamantri ... 17

15. Hasil Pengujian Data Input Crisp Wilayah Dramaga... 19

(11)

DAFTAR GAMBAR

Halaman

1. Fungsi keanggotaan untuk kelompok umur ... 2

2. Empat Tahap dalam Pembangunan Sistem Fuzzy ... 3

3. Pusat dari Himpunan Fuzzy ... 4

4. Skema sistem kesesuaian lahan budidaya tanaman ... 7

5. Bagan alir pengembangan sistem model waterfall ... 7

6. Use Case Desain Input ... 10

7. Fungsi Keanggotaan Temperatur Rata – rata ... 10

8. Fungsi Keanggotaan Curah Hujan ... 10

9. Fungsi Keanggotaan Kelembaban Udara ... 10

10. Fungsi Keanggotaan Tingkat Pembatas ... 11

11. Flowchart Proses Penentuan Kelas Kesesuaian Lahan ... 12

12. Use Case Desain Output ... 13

13. Derajat Keanggotaan Data Input Temperatur Rata – rata tr = 22.5 ... 15

14. Derajat Keanggotaan Data Input Curah Hujan th =3888 ... 15

15. Derajat Keanggotaan Data Input Kelembaban Udara ku = 86.5 ... 15

16. Derajat Keanggotaan Tingkat Pembatas Rating = 50.0 ... 16

17. Titik Perpotongan antara Himpunan Fuzzy Input Sedang dengan Himpunan Fuzzy Kelompok Temperatur Rata - rata ... 20

18. FrmDataInput ... 21

19. FrmHimpunanFuzzy ... 21

20. KelasKesesuaianDisplay ... 21

(12)

DAFTAR LAMPIRAN

Halaman

1. Data Kebutuhan Tanaman untuk Asparagus ... 24

2. Tingkat Overlap Karateristik Lahan ... 25

3. Data Kebutuhan Tanaman untuk Asparagus dengan Menggunakan Interval Overlap ... 26

4. Nilai Linguistik untuk Karateristik Lahan ... 27

5. Aturan untuk Menentukan Tingkat Pembatas ... 28

6. Use Case Diagram Penentuan Kelas ... 32

7. Sequence Diagram Penentuan Kelas……….33

8. Hubungan antar Objek ... 34

(13)

PENDAHULUAN

Latar Belakang

Permintaan informasi mengenai kelas kesesuaian lahan bagi budidaya tanaman semakin meningkat sejalan dengan pembangunan sektor pertanian. Informasi ini sangat berguna bagi para perencana pembangunan sektor pertanian untuk merekomendasikan bentuk penggunaan lahan tertentu bagi petani.

Penentuan kelas kesesuaian lahan dapat dilakukan berdasarkan dua aspek, yaitu secara ekonomi (economic evaluation) dan secara fisik (physical evaluation). Kesesuaian secara ekonomi dievaluasi berdasarkan pada analisis biaya dan keuntungan dari bentuk penggunaan lahan tertentu, sedangkan kesesuaian secara fisik dievaluasi berdasarkan sifat fisik lingkungan lahan seperti iklim, tanah dan topografi.

Salah satu metode penentuan kelas kesesuaian lahan adalah metode pembobotan dan scoring. Dalam metode ini faktor – faktor pembatas diberi bobot tertentu (crisp), misal untuk tanaman asparagus dengan temperatur rata – rata 35 oC dinilai memiliki kelas kesesuaian sesuai marginal (S3), sedangkan temperatur rata – rata 35.1 oC dinilai memiliki kelas kesesuaian tidak sesuai (N). Metode penentuan kelas kesesuaian lahan tersebut dinilai terlalu baku, karena perbedaan yang hampir sama memiliki kelas kesesuaian yang berbeda. Oleh karena itu Sitanggang (2002) menggunakan pendekatan logika fuzzy.

Dalam pendekatan logika fuzzy faktor – faktor pembatas dapat memiliki kelas kesesuaian yang sama dengan nilai derajat keanggotaan berbeda, misal untuk tanaman asparagus dengan temperatur rata – rata 35 oC dinilai memiliki kelas kesesuaian sesuai marginal (S3) dengan nilai derajat keanggotaan 0.4, dan temperatur rata – rata 35.1 oC dinilai memiliki kelas kesesuaian sesuai marginal (S3) dengan nilai derajat keanggotaan 0.6.

Penelitian Sitanggang (2002) menggunakan bahasa pemograman Borland Delphi 5.0 dalam

membangun sistem evaluasi kesesuaian lahan, dalam penelitian ini penulis membangun sistem dengan menggunakan bahasa pemograman JAVA.

Penelitian ini dikerjakan secara tim yang terdiri dari Decky Prayoga, Ahmad Zafaroni dan Facran dengan pembagian tugas sebagai berikut :

1.Membangun modul inferensi fuzzy untuk penentuan kelas kesesuaian (Decky Prayoga).

2.Membangun modul XML untuk penambahan data syarat tumbuh tanaman baru (Ahmad Zafaroni).

3.Visualisasi peta lokasi kesesuaian lahan (Facran).

Tujuan

Menerapkan logika fuzzy untuk membangun sistem evaluasi kesesuaian lahan budidaya tanaman dengan menggunakan bahasa pemograman JAVA.

Ruang Lingkup Permasalahan

Penentuan kelas kesesuaian lahan untuk budidaya tanaman dibatasi pada wilayah Bogor dan tanaman asparagus berdasarkan kesesuaian lahan secara fisik, seperti iklim, tanah dan topografi

Manfaat

Memberikan kemudahan bagi para perencana pembangunan sektor pertanian untuk merekomendasikan bentuk penggunaan lahan tertentu bagi petani.

TINJAUAN PUSTAKA

Tanaman Asparagus

Asparagus merupakan sayuran yang dikonsumsi bagian tunas mudanya atau bisa disebut (spears). Untuk menghasilkan rebung yang berkualitas baik, maka di perlukan tanaman asparagus yang baik pula. Tanaman asparagus yang pertumbuhannya bagus dapat dihasilkan melalui beberapa perbanyakan, salah satunya adalah dengan menggunakan bibit yang telah berakar.

(14)

menghasilkan kondisi pertanaman penuh dengan tanaman yang seragam, mengurangi persaingan gulma, dan dapat menjamin perkecambahan yang lebih baik (Rubatzky & Yamaguchi, 1999 dalam Hanum, 2009 ).

Karakteristik media tanam sebagai tempat tumbuh yang terpenting adalah mempunyai kemampuan memegang air yang baik, mempunyai aerasi dan drainase yang baik, mempunyai PH yang sesuai dengan jenis tanaman, dan mengandung unsur hara untuk mendukung pertumbuhan tanaman (Hanum, 2009).

Logika Fuzzy

Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership fuction menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Purnomo et al, 2010).

Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan dengan bahasa (linguistic) misalkan besaran curah hujan yang di ekspresikan dengan sangat rendah, rendah, agak rendah, sedang, agak tinggi dan tinggi. Logika fuzzy menunjukkan sejauh mana nilai itu benar atau sejauh mana nilai itu salah.

Himpunan Fuzzy

Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam himpunan A, yang sering ditulis dengan µ A(x), memiliki dua kemungkinan yaitu (Purnomo et al, 2010) : 1.Satu (1), yang berarti bahwa suatu item

menjadi anggota dalam suatu himpunan 2.Nol (0), yang berarti bahwa suatu item tidak

menjadi anggota dalan suatu himpunan

Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1].

Himpunan fuzzy merupakan himpunan tanpa batasan crisp, transisi dari termasuk dalam himpunan hingga tidak termasuk dalam

himpunan secara gradual, dan transisi ini dikarakterisasi dengan fungsi keanggotaan yang memberikan fleksibilitas fuzzy dalam pemodelan umum yang digunakan dalam ekspresi linguistik.

Operasi Dasar Himpunan Fuzzy

Seperti halnya himpunan konvesional, ada beberapa operasi yang didefinisikan secara khusus untuk mengombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari 2 himpunan sering dikenal dengan nama fire strength atau α -predikat. Ada 3 operasi dasar dalam himpunan fuzzy yaitu Complement , Irisan (Intersection), dan gabungan (union) (Cox, 1994 dalam Purnomo et al, 2010). Fungsi keanggotaan himpunan fuzzy baru yang dihasilkan dari operasi – operasi tersebut diberikan dalam Tabel 1.

Tabel 1. Operasi dasar himpunan fuzzy

Operasi Fungsi Keanggotaan

Complement µA – (x) = 1 - µA

Intersection µ(A∩B) (x) = min [µA (x), µB (x)] Union µ(AUB) (x) = max [µA (x), µB (x)]

Variabel Liguistik

Variabel linguistik adalah sebuah variabel yang memiliki nilai berupa kata – kata dalam bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi keanggotaan. Sebagai contoh: umur orang dapat dinyatakan sebagai variabel linguistik yang memiliki nilai – nilai linguistik seperti muda, parobaya, dan tua dengan fungsi keanggotaan untuk semua umur di antara 25 dan 65 ditunjukkan dalam Gambar 1.

(15)

Aturan IF-THEN Fuzzy

Logika fuzzy menggunakan himpunan fuzzy dalam mempresentasikan dan memanipulasi informasi yang samar (tidak jelas) untuk keperluan penarikan kesimpulan (Arhami, 2005). Proses penarikan kesimpulan dengan menggunakan logika fuzzy dinamakan inferensi fuzzy.

Sistem berbasis pengetahuan atau sistem berbasis aturan dimana basis pengetahuannya direpresentasikan sebagai sekumpulan aturan produksi, yaitu aturan IF-THEN fuzzy dinamakan sistem fuzzy (Wang, 1997 dalam Arhami, 2005). Aturan IF-THEN fuzzy adalah pernyataan IF-THEN di mana beberapa kata – kata dalam pernyataan tersebut ditentukan oleh fungsi keanggotaan. Aturan produksi fuzzy adalah relasi fuzzy antara dua proposisi fuzzy. Aturan tersebut dinyatakan sebagai berikut :

IF<proposisi fuzzy1>THEN<proposisi fuzzy2> Bagian IF dari aturan, yaitu proposisi 1 dinamakan antecedent atau premis, sedangkan bagian THEN dari aturan, yaitu proposisi 2, dinamakan consequent atau kesimpulan. Proposisi fuzzy adalah proposisi yang memiliki derajat kebenaran yang dinyatakan oleh suatu bilangan dalam interval [0,1], dimana benar dinyatakan oleh nilai 1 dan salah dinyatakan oleh nilai 0. Premis dari aturan fuzzy dapat memiliki lebih dari satu bagian. Semua bagian dari premis dihitung secara simultan dan diselesaikan untuk sebuah nilai tunggal dengan menggunakan operator fuzzy dalam himpunan fuzzy.

Menurut Havinga et al (1999) dalam Arhami (2005), terdapat empat tahap dalam pembangunan sistem fuzzy, yaitu fuzzifikasi, inferensi, komposisi dan defuzzifikasi ditunjukan pada Gambar 2.

Gambar 2. Empat tahap dalam pembangunan sistem fuzzy

Fuzzifikasi

Dalam fuzzifikasi, variabel input (crisp) dari sistem fuzzy ditransfer ke dalam himpunan fuzzy untuk dapat digunakan dalam perhitungan nilai kebenaran dari premis pada setiap aturan dalam basis pengetahuan (Arhami, 2005). Dengan demikian tahap ini mengambil nilai – nilai crisp dan menentukan derajat di mana nilai – nilai tersebut menjadi anggota setiap himpunan fuzzy yang sesuai.

Setelah fungsi keanggotaan dalam nilai – nilai crisp ditentukan, selanjutnya nilai kebenaran dari premis dihitung. Premis dari aturan dapat terdiri atas lebih dari satu proposisi yang dihubungkan dengan operasi seperti konjungsi (AND) dan disjungsi (OR). Untuk menghitung nilai kebenaran premis, operator fuzzy digunakan untuk memperoleh satu bilangan yang merepresentasikan hasil dari premis. Jika sebuah premis dari suatu aturan memiliki derajat kebenaran tidak nol maka aturan dikatakan terpicu (fired).

Inferensi

Inferensi diimplementasikan untuk masing – masing aturan dalam basis pengetahuan. Dalam inferensi, nilai kebenaran premis dari aturan – aturan yang terpicu digunakan untuk menentukan nilai kebenaran bagian kesimpulan dari aturan yang terpicu. Dengan demikian input untuk proses inferensi adalah nilai yang diberikan oleh premis, dan outputadalah suatu himpunan fuzzy.

Metode yang biasa digunakan dalam proses inferensi adalah min dan product (Havinga et al, 1999 dalam Arhami, 2005). Dalam metode inferensi min, fungsi keanggotaan output dipotong pada ketinggian fungsi yang disesuaikan dengan nilai kebenaran dari premis. Dalam metode inferensi product, fungsi keanggotaan output diberi skala dengan nilai kebenaran dari premis.

Komposisi

(16)

dan sum. Dalam komposisi max, himpunan fuzzy untuk output ditentukan dengan mengambil titik maksimum dari semua himpunan fuzzy yang dihasilkan oleh proses inferensi untuk masing – masing aturan.

Dalam komposisi sum, himpunan fuzzy untuk output ditentukan dengan mengambil penjumlahan titik dari semua himpunan fuzzy yang dihasilkan oleh proses inferensi untuk masing – masing aturan.

Defuzzifikasi

Input dari proses defuzzifikasi adalah himpunan fuzzy (yang dihasilkan dari proses komposisi) dan output adalah sebuah nilai (crisp). Terdapat tiga teknik yang paling umum digunakan, yaitu center of gravity (centroid) defuzzifier, center average defuzzifier dan maximum defuzzifier.

Dalam center of gravity (centroid) defuzzifier, nilai crisp dari variabel output dihitung dengan menemukan nilai variabel dari pusat gravitasi dari fungsi keanggotaan himpunan fuzzy. Dalam maximum defuzzifier, salah satu dari nilai – nilai variabel dimana subset fuzzy memiliki nilai kebenaran maksimum dipilih sebagai nilai crisp untuk variabel output. Menurut Wang (1997) dalam Sitanggang (2002) center average defuzzifier adalah metode yang paling umum digunakan dalam sistem fuzzy dan kontrol fuzzy.

Metode center average defuzzifier menggunakan nilai pusat (center) dan tingginya (height) dari himpunan fuzzy dalam menentukan nilai crisp hasil. Pusat dari suatu himpunan fuzzy didefinisikan sebagai berikut : jika nilai titik tengah dari semua titik dimana fungsi keanggotaan dari himpunan fuzzy mencapai nilai maksimumnya adalah berhingga, maka definisikan nilai titik tengah tersebut sebagai pusat dari himpunan fuzzy, jika nilai titik tengah adalah bilangan positif (negatif) tak berhingga, maka pusat didefinisikan sebagai nilai terkecil (terbesar) di antara semua titik yang mencapai nilai keanggotaan maksimum (Wang, 1997 dalam Sitanggang, 2002). Gambar 3 menunjukkan pusat dari beberapa himpunan fuzzy. Tinggi dari suatu himpunan fuzzy adalah nilai keanggotaan terbesar yang dicapai oleh

suatu titik. Jika tinggi dari himpunan fuzzy adalah 1, maka himpunan fuzzy tersebut dikatakan himpunan fuzzy normal.

Gambar 3. Pusat dari himpunan fuzzy

Secara khusus, misalkan Y-k adalah pusat dari himpunan fuzzy ke – k dan Wk adalah

tingginya, center average defuzzifier menentukan Y* sebagai :

Pengetahuan Tentang Evaluasi Kesesuaian Lahan

Evaluasi lahan adalah proses menduga kelas kesesuaian lahan dan potensi lahan untuk pertanian. Untuk keperluan evaluasi lahan, sifat – sifat fisik lingkungan suatu wilayah dirinci ke dalam kualitas lahan dan setiap kualitas lahan biasanya terdiri dari satu atau lebih karakteristik lahan.

Karakteristik lahan adalah sifat lahan yang dapat diukur dan diestimasi. Tabel 2 menyatakan kualitas dan karakteristik lahan yang digunakan dalam evaluasi kesesuaian lahan.

(17)

Tabel 2. Kualitas dan karakteristik lahan untuk evaluasi kesesuaian lahan

Kualitas Lahan

Karakteristik Lahan

Temperatur 1 Temperatur rerata (OC) atau elevasi (m)

Ketersediaan air

1 Curah hujan (mm) 2 Lama masa kering (bulan) 3 Kelembaban udara (%) 4 Kedalaman tanah (cm) 5 Ketebalan gambut (cm) 6 Kematangan gambut

Retensi hara 1 KTK liat (cmol)* 2 Kejenuhan basa (%) 3 ph H20

4 C –organik (%)

Toksitas 1 Alumunium 2 Salnitas/DHL(ds/m)

Sodisitas 1 Alkalinitas (%) Bahaya

sulfidik

1 Pyrit (bahan sulfidik)

Bahaya erosi 1 Lereng (%) 2 Bahaya erosi

Bahaya banjir 1 Genangan Penyiapan

lahan

1 Batuan di permukaan (%) 2 Singkapan batuan (%)

Klasifikasi Kesesuaian Lahan

Berdasarkan klasifikasi kesesuaian lahan FAO (Food and Agriculture Organization), struktur sistem klasifikasi kesesuaian lahan terdiri atas empat kategori yaitu (Ritung et al, 2007):

1.Ordo Kesesuaian lahan

Kategori ini menyatakan bentuk kesesuaian lahan atau kondisi kesesuaian secara umum. Ordo kesesuaian lahan menjelaskan apakah lahan sesuai atau tidak untuk penggunaan tertentu. Ordo kesesuaian lahan dibagi ke dalam dua kategori, yaitu :

a.Ordo S : Sesuai

Lahan yang termasuk dalam ordo sesuai adalah lahan yang dapat digunakan untuk suatu

penggunaan tertentu secara lestari, tanpa atau dengan sedikit resiko kerusakan terhadap sumberdaya lahannya.

b.Ordo N : Tidak Sesuai

Lahan yang termasuk dalam ordo ini mempunyai pembatas (limitation) sedemikian rupa sehingga mencegah suatu penggunaan secara lestari

2.Kelas kesesuaian lahan

Pengelompokan ini menyatakan derajat kesesuaian dalam ordo, terdapat tiga kelas dalam ordo sesuai, yaitu:

a.Kelas S1: Sangat Sesuai

Lahan yang tergolong dalam kelas ini tidak mempunyai faktor pembatas yang berarti atau nyata terhadap penggunaan secara lestari, atau faktor pembatas yang bersifat minor dan tidak akan mengurangi produktivitas lahan secara nyata.

b.Kelas S2:Cukup Sesuai

Lahan mempunyai faktor pembatas dan faktor pembatas ini berpengaruh terhadap produktivitasnya. Lahan juga memerlukan tambahan input (masukan).

c.Kelas S3:Sesuai Marginal

Pada kelas ini lahan mempunyai faktor pembatas yang berat, dan faktor pembatas ini berpengaruh terhadap produktivitasnya. Lahan juga memerlukan input yang lebih banyak dari pada lahan yang tergolong dalam kelas S2.

3.Sub kelas kesesuaian lahan

Kategori ini menyatakan tipe pembatas atau peningkatan lahan yang diperlukan dalam kelas.

4.Unit Kesesuaian lahan

(18)

Prosedur Evaluasi Kesesuaian Lahan

Kelas kesesuaian lahan dari lahan tertentu untuk tanaman ditentukan oleh kesesuaian antara karakteristik lahan dan kondisi lahan yang diperlukan oleh tanaman. Berdasarkan Sys et al (2) (1991) dalam Sitanggang (2002) prosedur evaluasi lahan yang diperlukan terdiri dari tiga tahap yaitu:

1.Pengumpulan karakteristik lahan yang diperlukan.

Berdasarkan klasifikasi kesesuaian FAO, koleksi data untuk evaluasi unit lahan untuk tanaman tertentu dalam karakteristik lahan diberikan sebagai berikut:

1. Karakteristik yang berhubungan dengan iklim, yaitu data curah hujan, temperatur, insolasi, kelembaban relatif dan kecepatan angin.

2. Karakteristik yang berhubungan dengan landscape dan tanah, yaitu kemiringan, drainase, genangan.

3. Karakteristik yang berhubungan dengan tanah secara fisik, yaitu tekstur, bahan kasar, kedalaman tanah, Calcium carbonate (CaCO3), Gypsum (CaSO4). 4. Karakteristik yang berhubungan dengan

fertilitas, yaitu CEC (Cation Exchage Capacity) nyata, jumlah kation dasar (basic cation), keasaman (PH-H2O), karbon organik.

5. Salinitas dan alkalinitas

2.Penentuan kebutuhan tipe penggunaan lahan Dalam tahap ini ditentukan kebutuhan yang berkaitan dengan iklim dan tanah untuk tanaman.

3.Evaluasi sensu strico

Evaluasi sensu strico dilakukan dengan membandingkan karakteristik dan kualitas lahan dengan kebutuhan tanaman. Salah satu metode yang digunakan untuk menentukan kelas lahan adalah metode pembatas yang menentukan kelas lahan berdasarkan banyaknya dan intensitas pembatas. Tabel 3 menyatakan hubungan antara kelas kesesuaian lahan dengan tingkat pembatas (Sys et al(1), 1991 dalam Sitanggang , 2002).

Tabel 3. Hubungan antara kelas kesesuaian lahan dan tingkat pembatas.

Kelas Kesesuaian Lahan

Metode pembatas menyarankan untuk mengevaluasi pembatas yang berhubungan dengan iklim terlebih dahulu. Kelas kesesuaian iklim ditentukan berdsarkan pembatas yang paling berat (severe). Tabel 4 menyarankan kriteria untuk menentukan kelas kesesuaian yang berhubungan dengan iklim.

Tabel 4. Kriteria untuk penentuan kelas kesesuaian lahan yang berhubungan dengan

iklim

Kelas Kriteria

S1 Iklim tidak memiliki pembatas pembatas yang sangat berat

Kelas kesesuaian lahan ditentukan berdasarkan kriteria yang diberikan pada Tabel 5.

(19)

Kelas Lahan

Kriteria

S2 Unit lahan memiliki lebih dari 4 pembatas ringan, dan/atau memiliki tidak lebih dari 3 pembatas sedang

S3 Unit lahan memiliki lebih dari 3 pembatas sedang, dan/atau 1 atau lebih pembatas berat

N Unit lahan memiliki pembatas sangat berat

PERANCANGAN SISTEM

Skema sistem yang akan dibangun dalam penelitian ini secara keseluruhan dapat dilihat pada Gambar 4.

Gambar 4. Skema sistem evaluasi kesesuaian lahan budidaya tanaman

Tahapan perancangan sistem yang dilakukan dalam penelitian ini menggunakan metode waterfall karena metode ini bersifat sistematis dan berurutan dalam membangun sistem. Aliran dari fase satu ke fase yang lain lebih jelas terlihat (Sommerville, 1996 dalam Kurniasih, 2003). Secara garis besar bagan alir dari pengembangan sistem model waterfall ini dapat dilihat pada Gambar 5. Metode yang digunakan untuk menentukan kelas kesesuaian lahan budidaya tanaman adalah metode pembatas yang berkaitan dengan banyaknya dan intensitas pembatas.

Gambar5. Bagan alir pengembangan sistem model waterfall

Analisis Kebutuhan

Analisis kebutuhan merupakan langkah awal dalam perancangan sistem , karena merupakan dasar keberhasilan dari implementasi sistem. Analisis kebutuhan pada penelitian ini mencakup analisis pengguna sistem, akuisisi pengetahuan, representasi pengetahuan,, pengolahan data dan output dari sistem. Pengguna yang akan menggunakan sistem ini adalah para pengembang di bidang sektor pertanian.

Akusisi pengetahuan dalam penelitian ini diperoleh dari beberapa sumber yaitu buku, dokumen tentang persyaratan hidup tanaman, dan hasil wawancara dengan pakar yang dilakukan oleh Sitanggang (2002) untuk penelitiannya. Pengetahuan yang diperoleh meliputi :

1.Bentuk bentuk pembatas yang digunakan dalam penentuan kelas kesesuaian lahan 2.Karakteristik lahan yang digunakan untuk

menentukan tingkat pembatas

3.Data kebutuhan (persyaratan tumbuh) dari berbagai jenis tanaman.

4.Kriteria penentuan kelas kesesuaian lahan.

Pengetahuan ini selanjutnya diekstrak dari sumber pengetahuan untuk kemudian direpresentasikan ke dalam basis pengetahuan.

(20)

bentuk-bentuk pembatas yang digunakan dalam menentukan kelas kesesuaian lahan adalah pembatas yang dinyatakan dalam sub kelas kesesuaian lahan dalam kerangka FAO. Selain bentuk pembatas tersebut ada pembatas tambahan yaitu pembatas penyiapan lahan. Karakteristik lahan dipilih dari Tabel 2. Penentuan kelas kesesuaian lahan penelitian ini dibatasi pada penentuan kelas kesesuaian untuk tanah mineral dan tidak dapat digunakan untuk penentuan kelas kesesuaian lahan pada tanah gambut.

Pembatas dibagi ke dalam tiga kelompok yaitu iklim, landscape dan tanah, dan penyiapan lahan. Ketiga bentuk pembatas tersebut beserta karakteristik lahannya diberikan dalam Tabel 6.

Tabel 6. Data Atribut Kesesuian Lahan Budidaya Tanaman

Karakteristik Lahan

Iklim Temperatur rata – rata

Curah hujan Kelembaban udara

Landscape dan Tanah 1.Topografi

2.Kebasahan

3.Tanah secara fisik

4.Fertilitas tanah

5.Salinitas dan alkalinitas

Kemiringan Genangan (bahaya banjir)

Penyiapan lahan Batuan di permukaan

Singkapan batuan

Data kebutuhan tanaman diperoleh dari penelitian dan aktivitas pemetaan lahan yang dilakukan oleh para peneliti dan praktisi dalam bidang kesesuaian lahan.

Data kebutuhan tanaman diklasifikasikan berdasarkan kelas kesesuaian lahan S1,S2,S3 dan N. Sebagai contoh, data kebutuhan untuk tanaman asparagus diberikan dalam Lampiran 1.

Terdapat dua jenis data kebutuhan tanaman yaitu data numerik dan bukan data numerik. Karakteristik lahan yang nilainya dinyatakan dalam data numerik adalah temperatur rata-rata, curah hujan, kelembaban udara, bahan kasar, kedalaman tanah, KTK tanah, kejenuhan basa, pH, C-Organik, salinitas, alkalinitas, kemiringan, batuan di permukaan, dan singkapan batuan, sedangkan karakteristik lahan yang nilainya dinyatakan dalam data bukan numerik adalah drainase, tekstur, dan genangan.

Logika fuzzy digunakan untuk mentransformasi interval data ke dalam suatu nilai dari 0 sampai 1, dimana 1 berarti benar secara absolut dan 0 berarti tidak benar secara absolut. Nilai kebenaran tersebut menyatakan derajat keanggotaan data karakteristik lahan dalam suatu interval tertentu. Untuk memperoleh transformasi demikian, interval data kebutuhan tanaman dinyatakan dalam interval yang overlap. Interval overlap diperoleh dengan cara memperlebar kisaran (range) dari interval dengan tetap memperhatikan keabsahaan kebutuhan tanaman. Perubahan interval data tersebut didapat dari hasil wawancara dengan pakar dalam bidang pertanian yang dilakukan oleh Sitanggang (2002). Tingkat overlap yang diperoleh dari wawancara untuk setiap karakteristik lahan diberikan dalam Lampiran 2. Interval overlap untuk asparagus diberikan dalam Lampiran 3.

(21)

Tabel 7. Tingkat pembatas untuk interval temperatur rata-rata asparagus

Interval Kelas Kesesuaian

Tingkat Pembatas <10.5 Tidak sesuai

(N)

>34.5 Tidak sesuai (N)

Sangat berat

Karakteristik lahan yang dinyatakan secara numerik dapat dikelompokkan untuk masing – masing interval datanya. Sebagai contoh temperatur rata-rata untuk asparagus dikelompokkan sebagai berikut:

Tabel 8. Kelompok temperatur rata – rata

Kelompok Interval Dingin < 10.5

Dengan adanya pengelompokan data tersebut, untuk data temperatur rata-rata maupun data karakteristik lainnya dapat dipandang sebagai variabel linguistik yang memiliki nilai linguistik dingin, agak dingin, sejuk, sedang, hangat, agak panas dan panas. Nilai linguistik untuk karakteristik lainnya diberikan dalam Lampiran 4.

Selain karakteristik lahan, tingkat pembatas juga dinyatakan dalam variabel linguistik dengan nilai – nilai linguistiknya adalah tidak ada, ringan, sedang, berat dan sangat berat. Masing – masing pembatas diberikan rating seperti pada Tabel 9.

Tabel 9. Tingkat pembatas dan ratingnya

Tingkat Pembatas Rating Tidak ada > 90 Ringan 80 – 100 Sedang 55 - 90 Berat 35 - 65 Sangat berat < 45

Karakteristik lahan yang tidak dinyatakan dalam data numerik seperti karakteristik dalam pembatas yang berhubungan dengan tesktur dan kebasahan yang terdiri dari genangan dan drainase, dinyatakan dalam kelas – kelas karakteristik pembatas tersebut. Kelas – kelas untuk karakteristik genangan yaitu F0 (tidak ada pembatas genangan), F1 (ringan), F2 (sedang), F3 (berat), F4 (sangat berat).

Kelas – kelas untuk karakteristik drainase adalah cepat, agak cepat, agak baik, agak terhambat, terhambat, sangat terhambat, sedangkan Kelas – kelas untuk karakteristik yang berhubungan dengan tekstur ditunjukkan dalam Tabel 10.

Tabel 10. Kelas Tekstur

Kelas Tekstur

Halus Liat berpasir (SC), liat I, liat berdebu (SiC)

Agak halus

Lempung berliat(CL), lempung liat berpasir(SCL), lempung liat berdebu (SiCL). Sedang Lempung berpasir sangat halus

(VFSL), lempung (L),

Lempung berdebu (SiL), debu (Si)

Agak kasar

Lempung berpasir kasar (SCL), lempung berpasir (SL), Lempung berpasir halus (SFL) Kasar Pasir(S), pasir berlempung

(LS)

Pengetahuan yang diperoleh dari proses akuisisi direpresentasikan agar dapat dilakukan proses inferensi. Teknik representasi pengetahuan yang digunakan adalah kaidah produksi dimana pengetahuan dinyatakan dalam bentuk aturan IF – THEN.

(22)

230270 480520 9801020 19802020 2980 3020 3980 4020 Sangat

Rendah Rendah Agak

Rendah Sedang Agak Tinggi Tinggi Sangat

Tinggi

Rendah

Agak Rendah Agak Tinggi Tinggi

. .

29.5 30.5 35.5 36.5 41.5 42.5 lahan. Bagian premis yang digunakan untuk

penentuan tingkat pembatas merupakan proposisi fuzzy dan proposisi bukan fuzzy yang berkaitan dengan kelompok karakteristik lahan, sedangkan bagian kesimpulan berkaitan dengan tingkat pembatas.

Proposisi fuzzy adalah proposisi yang berkaitan dengan karakteristik lahan yang dinyatakan sebagai variabel linguistik, sedangkan proposisi bukan fuzzy digunakan untuk drainase, tekstur dan genangan. Bagian premis yang digunakan untuk penentuan kelas kesesuaian lahan merupakan proposisi yang berkaitan dengan pembatas lahan, sedangkan bagian kesimpulan berkaitan dengan kelas kesesuaian lahan.

Aturan – aturan untuk masing – masing karakteristik lahan dalam menentukan tingkat pembatas diberikan pada Lampiran 5.

Desain Input

Desain input diperoleh dari hasil akuisisi data yang terdiri dari data karakteristik lahan berupa data inputcrisp dan data nilai linguistik yang dimasukkan oleh pemakai (user), ditunjukkan pada Gambar 6.

Gambar 6. UseCase Desain Input

Desain Proses

Proses pengolahan data pada penelitian ini menggunakan proses inferensi dalam menentukan kelas kesesuaian lahan. Proses inferensi terdiri atas dua tahap :

1.Proses inferensi dilakukan untuk menentukan tingkat pembatas (Inferensi Tahap I).

2.Proses inferensi dilakukan untuk menentukan kelas kesesuaian lahan (Inferensi Tahap II).

Proses inferensi dilakukan dengan menggunakan metode pelacakan ke depan (forward chaining).

Dalam proses inferensi tahap 1, tingkat pembatas disimpulkan dari nilai karakteristik

lahan yang dimasukkan. Untuk karakteristik lahan yang dinyatakan dalam variabel linguistik yaitu, karakteristik yang berkaitan dengan iklim, topografi, tanah secara fisik (kecuali tekstur), fertilitas tanah, salinitas, alkalinitas dan penyiapan lahan. Tingkat pembatas diperoleh berdasarkan proses inferensi tahap 1.

Proses inferensi tahap 1 terdiri dari proses fuzzifikasi, inferensi, komposisi dan defuzzifikasi. Metode inferensi yang digunakan adalah min, dan metode komposisi yang digunakan adalah max.

Fuzzifikasi

Fungsi keanggotaan dari temperatur rata – rata, curah hujan dan kelembaban udara atau data karakteristik lahan yang berhubungan dengan iklim untuk tumbuhan asparagus berturut – turut dapat dilihat pada Gambar 7, Gambar 8 dan Gambar 9.

Gambar 7. Fungsi Keangotaan Temperatur Rata – Rata

Gambar 8. Fungsi Keangotaan Curah Hujan

Gambar 9. Fungsi Keangotaan Kelembaban Udara

Dari Gambar 7 dapat dilihat bahwa nilai temperatur rata – rata berada dalam kelompok sedang dengan derajat keanggotaan 1 jika nilai tersebut berada dalam interval (18.5 – 24.5).

9.5 10.5 14.515.5 17.518.5 24.525.5 29.530.5 34.535.5 Dingin Agak

(23)

35 45 55 65 80 90 100 Sangaberat Berat Sedang Ringan Tidak ada Fungsi keanggotaan untuk karakteristik lahan yang lain ditentukan dengan cara yang sama.

Selain karakteristik lahan, tingkat pembatas juga memiliki fungsi keanggotaan yang dapat dilihat pada Gambar 10.

Gambar 10. Fungsi Keangotaan Tingkat Pembatas

Nilai pusat (center) dari setiap kelompok tingkat pembatas diberikan dalam Tabel 11.

Tabel 11. Nilai center tingkat pembatas

Tingkat pembatas Nilai pusat

Sangat berat 35

Berat 50

Sedang 72.5

Ringan 90

Tidak ada 100

Untuk memperjelas proses fuzzifikasi diberikan contoh data karakteristik lahan yang berhubungan dengan iklim:

- Temperatur rata – rata : 29.75 oC - Curah hujan : 1996 mm - Kelembaban udara : 40 %

Dari fungsi keanggotaan untuk karakteristik lahan yang berhubungan dengan iklim(Gambar 7 - 9) dapat diperoleh nilai keanggotaan untuk data input dalam kelompok – kelompok tersebut. Nilai keanggotaan untuk data input temperatur berada dalam kelompok hangat dan agak panas. Nilai keanggotaan untuk curah hujan berada dalam kelompok sedang dan agak tinggi, sedangkan nilai keanggotaan untuk kelembaban udara berada dalam kelompok agak tinggi. Nilai – nilai keanggotaan tersebut adalah Temperatur rata – rata(tr):

µhangat (29.75) = 0.75 dan µagakpanas (29.75) = 0.25

Curah hujan(ch):

µsedang (1996) = 0.6 dan µagaktinggi(1996) = 0.4

Kelembaban udara(ku): µagaktinggi(40) = 1.

Berdasarkan nilai – nilai keanggotaan tersebut diperoleh empat aturan terpicu dengan premis – premisnya adalah :

Premis Aturan 1 (R1) : tr adalah hangat AND ch adalah sedang AND ku agak tinggi.

Premis Aturan 2 (R2) : tr adalah hangat AND ch adalah agak tinggi AND ku agak tinggi. Premis Aturan 3 (R3) : tr adalah agak panas AND ch adalah sedang AND ku agak tinggi. Premis Aturan 4 (R4) : tr adalah agak panas AND ch agak tinggi AND ku agak tinggi.

Dengan menggunakan operator min diperoleh nilai kebenaran premis sebagai berikut : fungsi keanggotaan tingkat pembatas dari aturan – aturan terpicu yang dipotong pada ketinggian yang disesuaikan dengan nilai kebenaran premis.

Komposisi max

Output dari komposisi max adalah himpunan fuzzy yang dibentuk dari titik – titik maksimum dari semua himpunan fuzzy untuk setiap aturan yang dihasilkan dari proses inferensi.

Defuzzifikasi

Himpunan fuzzy yang dihasilkan dari proses komposisi dikonversi ke dalam bentuk crisp dengan menggunakan metode center average defuzzifier dengan mencari nilai pusat dari pembatas terlebih dahulu.

Inferensi tahap II dilakukan untuk menentukan kelas kesesuaian lahan berdasarkan tingkat pembatas yang diperoleh dari proses inferensi tahap I.

(24)

usecase diagram dan sequence diagram ditunjukkan pada Lampiran 6 dan Lampiran 7.

Gambar 11. Flowchart penentuan kelas kesesuaian

Data syarat tumbuh tanaman disimpan dalam engine database yang digunakan untuk proses penentuan kelas kesesuaian lahan, selain sebagai tempat penyimpanan tujuan penggunaan database adalah agar dapat dilakukan proses penentuan kelas kesesuaian untuk tanaman lain dengan cara menambah data syarat tumbuh tanaman lain.

Selain input crisp, data yang digunakan sebagai input dalam penelitian ini adalah data input yang dinyatakan dalam nilai linguistik. Nilai – nilai linguistik untuk setiap karakteristik lahan yang dapat diinput ke dalam sistem diberikan dalam Tabel 12.

Karateristik lahan Nilai linguistik

Kisaran data

Panas >35

Curah hujan(mm) Sangat rendah

Agak tinggi 1110–1600

Tinggi 1600–1900

Sangat tinggi

>1900

Kelembaban udara (%)

(25)

Karateristik lahan Nilai

Kejenuhan basa (%)

Singkapan batuan (%)

Desain ouput bertujuan untuk menampilkan informasi sesuai dengan kebutuhan dan tujuan. Output yang diharapkan adalah rating, tingkat pembatas dan kelas kesesuaian lahan budidaya tanaman yang dibagi menjadi empat kelas yaitu S1, S2, S3 dan N diberikan pada Gambar 12.

Gambar 12. UseCase desain output

Pemograman

Proses pemograman pada penelitian ini dilakukan dengan menggunakan bahasa pemograman JAVA karena bahasa pemograman ini merupakan bahasa pemograman berorientasi objek yang artinya, penulisan program dapat dibuat dalam bentuk object dan class kemudian memodelkan sifat masing – masing object dan class dalam program (Siallagan, 2009).

Hubungan antar objek dan contoh kode untuk penentuan kelas kesesuaian yang berhubungan dengan iklim diberikan pada Lampiran 8 dan Lampiran 9.

Pengujian

Pengujian sistem dilakukan dengan menggunakan data karakteristik lahan wilayah Bogor yang terbagi atas tiga wilayah yaitu : Cisarua, Sukamantri dan Dramaga untuk data input crisp dan satu data berupa data nilai lingustik.

Operasi dan Pemeliharan

Tahap ini merupakan tahap akhir dari metode waterfall, tahap ini dilakukan jika sistem sudah berjalan dengan baik.

Implementasi Sistem

Perangkat keras yang digunakan dalam membangun sistem ini adalah personal komputer dengan spesifikasi :

(26)

• Processor Intel Pentium Dual Core

• Windows XP sebagai sistem operasi

• JAVA sebagai bahasa pemrograman.

• MySql sebagai engine database

HASIL DAN PEMBAHASAN

Output dari modul evaluasi kesesuaian lahan budidaya tanaman adalah rating, tingkat pembatas dan kelas kesesuaian. Data yang digunakan untuk proses penentuan kelas kesesuaian adalah data karakteristik lahan dalam bentuk input crisp dan nilai lingustik yang dimasukkan oleh pemakai (user).

Proses pengujian sistem, yang dilakukan dalam penelitian ini menggunakan tiga contoh data karakteristik lahan yang terdiri dari tiga contoh data input crisp dan satu contoh data nilai linguistik.

Data Input Crisp

Data input crisp wilayah Cisarua :

Karakteristik yang berhubugan dengan iklim

- Temperatur rata – rata: 22.5 oC - Curah hujan: 3888 mm - Kelembaban udara: 86.5 % Karakteristik yang berhubungan dengan topografi

- Kemiringan: 6.5 % Karakteristik yang berhubungan dengan kebasahan

- Genangan: F0 - Drainase: Baik Karakteristik yang berhubungan dengan tanah secara fisik

- Tekstur: Agak halus - Bahan kasar: 0 % - Kedalaman tanah: 98 cm Karakteristik yang berhubungan fertilitas

- KTK tanah: 29.20 cmol - PH H2O : 5.57 - Kejenuhan basa: 4.45 % - Karbon organik: 1.36 %

Karakteristik yang berhubungan dengan salinitas dan alkalinitas

- Salinitas : 4.0 ds/m - Alkalinitas: 14.0 % Karakteristik yang berhubungan dengan penyiapan lahan

- Batuan di permukaan : 0 % - Singkapan batuan: 0 %

Berdasarkan kondisi data karakteristik lahan yang diberikan, pembatas yang berhubungan dengan Iklim memberikan rating sebesar 50.0 dengan kelas kesesuaian S3. Pembatas yang berhubungan dengan landscape dan tanah yang terdiri dari topografi, kebasahan, tanah secara fisik, fertilitas tanah, salinitas dan alkalinitas memilki kelas kesesuaian S3.

Pembatas yang berhubungan dengan penyiapan lahan memilki kelas kesesuaian S1 dengan rating 90.0. Berdasarkan Tabel 5, total evaluasi kesesuaian lahan dengan kondisi yang diberikan menghasilkan kelas kesesuaian S3 yang berarti dengan kondisi karakteristik lahan seperti yang diberikan, sesuai untuk ditanami asparagus .

Secara jelas hasil pengujian untuk data karakteristik lahan dengan kondisi seperti yang diberikan dapat dilihat pada Tabel 13.

Tabel 13. Hasil pengujian data inputcrisp wilayah Cisarua

Karateristik lahan

Pembatas Kelas Kesesuaian Curah hujan Berat

Kelembaban udara

Ringan

Landscape dan tanah

Kemiringan Ringan

Kebasahan Tidak ada

Tekstur Ringan

Bahan kasar Ringan

Karateristik lahan

(27)

Kedalaman

Kejenuhan basa Berat

C - organik Ringan

Salinitas Sedang

Alkalinitas Ringan

Penyiapan lahan

Kelas kesuaian lahan S3

Penentuan Rating dan Tingkat Pembatas yang Berhubungan dengan Iklim

Tingkat pembatas yang berhubungan dengan iklim ditentukan oleh data input temperatur rata – rata, curah hujan dan kelembaban udara. Proses yang dilakukan untuk memperoleh nilai rating pembatas adalah sebagai berikut :

1.Penentuan derajat keanggotaan

- Temperatur rata – rata

Berdasarkan fungsi keanggotaan yang diberikan untuk temperatur rata – rata (Gambar 7) diperoleh

µdingin(22.5) = 0 µagakdingin(22.5) = 0 µsejuk(22.5) = 0 µsedang(22.5) = 1 µhangat(22.5) = 0 µagakpanas(22.5) = 0 µpanas(22.5) = 0.

Derajat keanggotaan untuk tr = 22.5 diberikan pada Gambar 13.

Gambar 13. Derajat keanggotaan data input temperatur rata – rata tr =22.5

- Curah hujan

Berdasarkan fungsi keanggotan yang diberikan untuk curah hujan (Gambar 8) diperoleh

µsangatrendah(3888) = 0 µrendah(3888) = 0 µagakrendah(3888) = 0 µsedang(3888) = 0 µagaktinggi(3888) = 0 µtinggi(3888) = 1 µsangattinggi(3888) = 0.

Derajat keanggotaan untuk ch = 3888 diberikan pada Gambar 14

Gambar 14. Derajat keanggotaan data input curah hujan ch = 3888

- Kelembaban udara

Berdasarkan fungsi keanggotaan yang diberikan untuk kelembaban udara (Gambar 9) diperoleh

µrendah(86.5) = 0 µagakrendah(86.5) = 0 µagaktinggi(86.5) = 0 µtinggi(86.5) = 1 Derajat keanggotaan untuk ku = 86.5 diberikan pada Gambar 15.

Gambar 15 Derajat keanggotaan data input kelembaban udara ku = 86.5

2.Penentuan nilai linguistik

Nilai linguistik yang digunakan adalah nilai derajat anggota yang lebih besar dari 0, nilai lingustik untuk data input temperatur rata – rata, curah hujan dan kelembaban udara dalam penelitian ini didapatkan dengan menggunakan kelas Temp_Member.java, sehingga didapatkan nilai dari masing – masing karakteristik adalah :

- Nilai linguistik temperatur rata – rata adalah sedang

- Nilai linguistik curah hujan adalah tinggi - Nilai linguistik kelembaban udara adalah

(28)

3.Penentuan rating pembatas

Dari hasil pengujian didapatkan satu nilai linguistik untuk temperatur rata – rata, satu nilai linguistik untuk curah hujan dan satu untuk nilai linguistik kelembaban udara, sehingga diperoleh sebanyak satu aturan terpicu dengan premis – premisya adalah: Premis aturan 1 : suhu adalah sedang AND curah hujan adalah tinggi AND kelembaban udara adalah tinggi.

Proses inferensi tahap I dilakukan dengan menggunakan kelas RatingPembatasIklim.java dan menggunakan fungsi Pembatas Suhu, Pembatas CurahHujan dan Pembatas Kelembaban udara yang berada di dalam kelas RatingPembatasIklim.java. Hasil dari fungsi - fungsi tersebut kemudian digunakan untuk fungsi PembatasIklim.

Untuk nilai kebenaran premis dari aturan terpicu diperoleh dengan menggunakan fungsi min sehingga dihasilkan nilai kebenaran premis sebesar 1.

Titik pusat (center) yang akan digunakan dalam proses defuzzifikasi ditentukan dengan menggunakan kelas CenterTingkatPembatas. Rating pembatas dihitung dengan menggunakan fungsi defuzzifikasi.

4.Penentuan tingkat pembatas

Rating yang telah diperoleh dalam langkah 3 kemudian ditentukan derajat keanggotaannya dalam setiap tingkat pembatas. Berdasarkan fungsi keanggotaan kelompok tingkat pembatas pada Gambar 10 diperoleh µsangatberat(50) = 0, µberat(50) = 1, µsedang (50) = 0, µringan(50) = 0, µtidakada(50) =0.

Dengan demikian rating termasuk ke dalam kelompok berat dengan derajat keanggotaan 1, ditunjukan pada Gambar 16.

Gambar 16. Derajat keanggotaan tingkat pembatas rating = 50

Penentuan rating dan tingkat pembatas karakteristik lahan lain yang berupa data numerik ditentukan dengan cara yang sama seperti karakteristik lahan yang berhubungan dengan iklim.

Penentuan Tingkat Pembatas yang Berhubungan dengan Kebasahan dan Tekstur

Tingkat pembatas yang berhubungan dengan kebasahan ditentukan oleh data input genagan dan drainase, sedangkan tingkat pembatas yang berhubungan dengan tekstur di tentukan oleh data input tekstur.

Bedasarkan aturan premis yang berhubungan dengan genangan, drainase dan tekstur yang terdapat pada Lampiran 5 dan dengan menggunakan kelas Rating Pembatas Kebasahan.java. didapatkan tingkat pembatas Tidak ada untuk kebasahan dan ringan untuk tekstur.

Penentuan Kelas Kesesuaian Lahan

Setelah didapatkan tingkat pembatas dari masing – masing karakteristik lahan, selanjutnya tingkat pembatas tersebut digunakan untuk menentukan kelas kesesuaian yang berhubungan dengan iklim, landscape dan tanah dan penyiapan lahan.

Kelas kesesuaian yang berhubungan dengan iklim dan penyiapan lahan ditentukan berdasarkan Tabel 3, sedangkan untuk kelas kesesuaian yang berhubungan dengan landscape dan tanah ditentukan berdasarkan Tabel 5.

Berdasarkan Tabel 3 dan Tabel 5 diperoleh hasil sebagai berikut :

1. Dari hasil penentuan tingkat pembatas yang berhubungan dengan iklim diperoleh tingkat pembatas iklim adalah berat maka kelas kesesuaian untuk iklim adalah S3 (sesuai marginal)

(29)

pembatas fertilitas tanah maka kelas kesesuaian lahan yang bergubungan dengan landscape dan tanah adalah S3 (sesuai marginal)

3.Dari hasil penentuan tingkat pembatas yang berhubungan dengan penyiapan lahan diperoleh tingkat pembatas penyiapan lahan adalah sedang maka kelas kesuaian untuk penyiapan lahan S1 (sangat sesuai) .

Kelas kesesuaian secara keseluruhan ditentukan berdasarkan tiga kelas kesesuaian di atas. Karena kelas kesesuaian iklim adalah S3, kelas kesesuaian landscape dan tanah adalah S3 dan kelas kesesuaian penyiapan lahan adalah S1 maka diperoleh kelas kesesuaian lahan adalah S3 (sesuai marginal).

Data input crisp wilayah Sukamantri :

Karakteristik yang berhubugan dengan iklim

- Temperatur rata – rata: 26.3 oC - Curah hujan: 4533.3 mm - Kelembaban udara: 86.5 % Karakteristik yang berhubungan dengan topografi

- Kemiringan: 12 % Karakteristik yang berhubungan dengan kebasahan

- Tekstur: Agak halus - Bahan kasar: 12 % - Kedalaman tanah: 127 cm Karakteristik yang berhubungan fertilitas

- KTK tanah: 35.5 cmol - PH H2O : 6

- Kejenuhan basa: 12.5 % - Karbon organik: 7.61 % Karakteristik yang berhubungan dengan salinitas dan alkalinitas

- Salinitas : 4. 0 ds/m - Alkalinitas: 14. 0 % Karakteristik yang berhubungan dengan penyiapan lahan

Hasil pengujian berdasarkan kondisi karakteristik lahan seperti yang diberikan pada

data input crisp wilayah Sukamantri adalah sebagai berikut :

- Pembatas yang berhubungan dengan iklim memberikan rating sebesar 35.0 dan tingkat pembatas adalah sangat berat sehingga kelas kesesuaian iklim adalah N (tidak sesuai). - Pembatas yang berhubungan dengan

topografi memberikan rating sebesar 72.5 dan tingkat pembatas sedang. Pembatas yang berhubungan dengan kebasahan memberikan tingkat pembatas sangat berat. Pembatas yang berhubungan dengan tekstur memberikan tingkat pembatas ringan. Pembatas yang berhubungan dengan tanah secara fisik memberikan rating sebesar 86.5 dan tingkat pembatas ringan. Pembatas yang berhubungan dengan fertilitas tanah memberikan rating sebesar 50.0 dan tingkat pembatas berat. Pembatas yang berhubungan salinitas dan alkalinitas memberikan rating sebesar 81.25 dan tingkat pembatas sedang. Dari hasil tersebut maka diperoleh kelas kesesuaian untuk landscape dan tanah adalah N (tidak sesuai).

- Pembatas yang berhubungan dengan penyiapan lahan memberikan rating sebesar 78.34 dan tingkat pembatas adalah sedang, sehingga kelas kesesuaian penyiapan lahan adalah S2 (cukup sesuai).

- Karena kelas kesesuaian iklim adalah N, kelas kesesuaian landscape dan tanah adalah N dan kelas penyiapan lahan adalah S2 sehingga kelas kesesuaian lahan adalah N. secara jelas hasil pengujian dengan data input crisp wilayah Sukamantri diberikan pada Tabel 14.

Tabel 14. Hasil pengujian data input crisp wilayah Sukamantri

Karateristik lahan

Pembatas Kelas Kesesuaia Curah hujan Sangat Berat

Kelembaban udara

Ringan

(30)

Karateristik lahan

Pembatas Kelas Kesesuaian

Kemiringan Sedang

N Kebasahan Sangat

Berat Tekstur Ringan

Bahan kasar Ringan

Kedalaman tanah

Ringan

KTK Ringan

PH Ringan

C - organik Ringan

Salinitas Sedang

Alkalinitas Ringan

Penyiapan lahan

Kelas kesuaian lahan N Data input crisp wilayah Dramaga :

Karakteristik yang berhubungan dengan iklim

- Temperatur rata – rata: 26.9 oC - Curah hujan: 3976.1 mm - Kelembaban udara: 86.5 % Karakteristik yang berhubungan dengan topografi

- Kemiringan: 2 % Karakteristik yang berhubungan dengan kebasahan

- Tekstur: Halus - Bahan kasar: 18 % - Kedalaman tanah: 196 cm Karakteristik yang berhubungan fertilitas

- KTK tanah: 6.77 cmol - PH H2O : 4.6 - Kejenuhan basa: 15.5 % - Karbon organik: 1.66 % Karakteristik yang berhubungan dengan salinitas dan alkalinitas

- Salinitas : 4. 0 ds/m

- Alkalinitas: 14. 0 % Karakteristik yang berhubungan dengan penyiapan lahan

Hasil pengujian berdasarkan kondisi karakteristik lahan seperti yang diberikan pada data input crisp wilayah Dramaga adalah sebagai berikut :

- Pembatas yang berhubungan dengan iklim memberikan rating sebesar 50.0 dan tingkat pembatas adalah berat sehingga kelas kesesuaian iklim adalah S3 (sesuai marginal).

- Pembatas yang berhubungan dengan topografi memberikan rating sebesar 92.5 dan tingkat pembatas ringan. Pembatas yang berhubungan dengan kebasahan memberikan tingkat pembatas sangat berat. Pembatas yang berhubungan dengan tekstur memberikan tingkat pembatas ringan. Pembatas yang berhubungan dengan tanah secara fisik memberikan rating sebesar 76.0 dan tingkat pembatas sedang. Pembatas yang berhubungan dengan fertilitas tanah memberikan rating sebesar 50.0 dan tingkat pembatas berat. Pembatas yang berhubungan salinitas dan alkalinitas memberikan rating sebesar 81.25 dan tingkat pembatas sedang. Dari hasil tersebut maka diperoleh kelas kesesuaian untuk landscape dam tanah adalah N (tidak sesuai).

- Pembatas yang berhubungan dengan penyiapan lahan memberikan rating sebesar 90.0 dan tingkat pembatas adalah ringan, sehingga kelas kesesuaian penyiapan lahan adalah S1 (sangat sesuai).

(31)

Tabel 15. Hasil pengujian data input crisp wilayah Dramaga

Karateristik lahan

Pembatas Kelas Kesesuaia Curah hujan Berat

Kelembaban udara

Ringan

Kemiringan Ringan

N Kebasahan Sangat Berat

Tekstur Ringan

Bahan kasar Sedang

Kedalaman tanah

Ringan

KTK Sedang

PH Berat

C - organik Ringan

Salinitas Sedang

Alkalinitas Ringan

Penyiapan lahan

Kelas kesuaian lahan N

Data Nilai Linguistik

Pengujian dilakukan dengan data nilai linguistik sebagai berikut:

Karakteristik yang berhubungan dengan iklim

- Temperatur rata – rata: sedang - Curah hujan: sedang - Kelembaban udara: tinggi Karakteristik yang berhubungan dengan topografi

- Kemiringan: datar Karakteristik yang berhubungan dengan kebasahan

- Genangan: F0

- Drainase: Baik Karakteristik yang berhubungan dengan tanah secara fisik

- Textur: Agak kasar - Bahan kasar: Rendah - Kedalaman tanah: Agak dalam Karakteristik yang berhubungan fertilitas

- KTK tanah: Tinggi - PH H2O : Netral - Kejenuhan basa: Tinggi - Karbon organik: Tinggi Karakteristik yang berhubungan dengan salinitas dan alkalinitas

- Salinitas : Agak rendah - Alkalinitas: Rendah Karakteristik yang berhubungan dengan penyiapan lahan

- Batuan di permukaan : Rendah - Singkapan batuan: Rendah

Hasil pengujian dengan menggunakan data nilai lingusitik diberikan pada Tabel 16.

Tabel 16. Hasil Pengujian Data Input Nilai Linguistik

Kemiringan 90 Ringan

S3

Kebasahan Tidak

ada

(32)

Gambar 17. Titik perpotongan antara himpunan fuzzy input sedang dengan himpunan fuzzy kelompok temperatur rata – rata.

lahan as Keses

uaian

C - organik 90.0 Ringan

Salinitas 76.67 Sedang

Alkalinitas 84.17 Sedang

Penyiapan lahan

Kelas kesuaian lahan S3 Kelas kesesuaian iklim yang terdiri atas pembatas temperatur rata – rata memberikan tingkat pembatas sedang, curah hujan memberikan tingkat pembatas sedang, kelembaban udara memberikan tingkat pembatas ringan sehingga kelas kesesuaian iklim adalah S2.

Kelas kesesuaian landscape dan tanah terdiri dari pembatas kemiringan memberikan tingkat pembatas ringan, kebasahan memberikan tingkat tidak ada, tekstur memberikan tingkat pembatas berat. Bahan kasar, KTK, kejenuhan basa dan C-organik berturut – turut memberikan tingkat pembatas ringan, sedangkan untuk pembatas kedalaman tanah, ph, salinitas dan alkalinitas berturut – turut memberikan tingkat pembatas sedang. Dengan demikian kelas kesesuaian landscape dan tanah adalah S3.

Kelas kesesuaian penyiapan lahan yang terdiri atas pembatas batuan di permukaan dan singkapan batuan berturut – turut memberikan

tingkat pembatas sedang, sehingga diperoleh kelas kesesuaian penyiapan lahan adalah S2.

Karena kelas kesesuaian iklim adalah S2, kelas kesesuaian landscape dan tanah adalah S3 dan kelas penyiapan lahan adalah S2 sehingga kelas kesesuaian lahan adalah S3.

Rating Pembatas yang Berhubungan dengan Temperatur Rata – rata

Penentuan rating pembatas yang berhubungan dengan temperatur rata – rata dilakukan berdasarkan derajat konsistensi yang merupakan tinggi perpotongan antara himpunan fuzzy untuk nilai linguistik sedang dengan himpunan – himpunan fuzzy kelompok temperatur rata – rata.

Tinggi perpotongan antara himpunan fuzzy sedang dengan kelompok temperatur rata – rata ditunjukkan pada Gambar 17. Fungsi keanggotaan untuk kelompok input sedang memotong fungsi keanggotaan untuk kelompok temperatur rata – rata sedang, hangat dan agak panas, berturut – turut di titik t1, t2, dan t3.

(33)

Tampilan sistem pada penelitian ini menghasilkan empat frame yang terdiri atas Frm Data Input, Frm Himpunan Fuzzy, Kelas KesesuainDisplay dan FrmDisplayHimpunan.

1.FrmDataInput

Digunakan untuk memasukkan data crisp karateristik lahan ke dalam sistem, ditunjukkan pada Gambar 18.

Gambar 18. FrmDataInput

2.FrmHimpunanFuzzy

Digunakan untuk memasukkan data himpunan fuzzy ke dalam sistem, ditunjukkan pada Gambar 19.

Gambar 19. FrmHimpunaFuzzy

3. KelasKesesuaianDisplay

Merupakan frame untuk menampilkan hasil proses penentuan kelas dari FrmDataInput

Gambar 20. KelasKesesuaianDisplay

4. FrmDisplayHimpunan

Merupakan frame untuk menampilkan hasil proses penentuan kelas dari FrmHimpunanFuzzy.

Gambar 21. FrmDisplayHimpunan

KESIMPULAN DAN SARAN

Kesimpulan

Dari penelitian ini dapat diambil kesimpulan sebagai berikut:

(34)

lahan yang berhubungan dengan iklim, topografi, kebasahan, tekstur, tanah secara fisik, fertilitas tanah, salinitas dan alkalinitas dan penyiapan lahan.

2.Infrensi fuzzy digunakan untuk menentukan rating pembatas lahan, nilai rating digunakan untuk memperoleh tingkat pembatas. Semakin besar nilai rating pembatas maka semakin sesuai kelas yang didapatkan. 3.Data syarat tumbuh tanaman yang digunakan

untuk membuat fungsi keanggotaan setiap kelompok karateristik lahan disimpan dengan menggunakan engine database, sehingga data baru yang berupa data syarat tumbuh tanaman lain dapat ditambahkan untuk memperoleh kelas kesesuaiannya.

Saran

Pada penelitian selanjutnya perlu dilakukan hal – hal sebagai berikut :

1.Perbandingan hasil dengan menggunakan metode inferensi, komposisi, dan defuzzifikasi yang lain.

2.Penentuan kelas kesesuaian lahan pada tanah gambut

DAFTAR PUSTAKA

Arhami M. 2005. Konsep Dasar Sistem Pakar. Yogyakarta: ANDI.

Binus Center. 2005. Object Oriented and Design with UML. Jakarta Barat: Universitas Bina Nusantara.

DocStoc. Perancangan Sistem Pakar .

http://www.docstoc.com/docs/DownloadDo

c.aspx?doc_id=30636624. [29 Oktober

2010].

Kurniasih C. 2003. Evaluasi Kesesuaian Lahan Tanaman Tebu (Saccharum officinarum) Dengan Memanfaatkan Sistem Informasi Geografi [Skripsi]. Bogor: Fakultas Matematika Ilmu Pengetahuan Alam, Institut Pertanian Bogor.

Purnomo H. & Kusumadewi S. 2010. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Ed ke-2. Jogjakarta: Graha Ilmu.

Ritung S., Wahyunto., Agus F. & Hidayat H. 2007. Panduan Evaluasi Kesesuaian Lahan

dengan Contoh Peta Arahan Penggunaan Lahan Kabupaten Aceh Barat. Balai Penelitian Tanah dan World Agroforestry Center, Bogor.

Sitanggang SI. 2002. Sistem Berbasis Pengetahuan Untuk Evaluasi Kesesuaian Lahan Untuk Tanaman Budidaya Dengan Mesin Inferensi Fuzzy [Tesis]. Jogjakarta: Fakultas Matematika Ilmu Pengetahuan Alam, Universitas Gadjah Mada.

Siallagan S. 2009. Pemograman Java Dasar – dasar Pengenalan dan Pemahaman. Ed ke-1. Jogjakarta: ANDI.

[UPI] Universitas Pendidikan Indonesia. Logika Fuzzy. http://file.upi.edu/Direktori/E%20-%20FPTK/JUR.%20PEND.%20TEKNIK %20ELEKTRO/197211131999031%20-%20ADE%20GAFAR%20ABDULLAH/fil e%20mk%20Pengantar%20Kecerdasan%2 0Buatan%20%289files%29/Bab%20II%20

KCB.pdf [22 September 2010].

[USU] Universitas Sumatra Utara. Chapter II.

http://repository.usu.ac.id/bitstream/123456

789/17709/4/Chapter%20II.pdf [29

(35)

(36)

Lampiran 1. Data kebutuhan untuk tanaman asparagus

Karateristik Lahan Kelas Kesesuaian Lahan

S1 S2 S3 N

Suhu

Temperatur rata – rata (oC)

Curah hujan (mm)

Kelembaban Udara (%)

1000-2000

Drainase baik, Agak baik

baik, terhambat Terhambat, agak cepat Kedalaman tanah (cm)

h,ah,s

KTK tanah (cmol) Kejenuhan basa (%) pH tanah/PH2O

Bantuan di permukaan (%)

Singkapan batuan (%) F0

(37)

Lampiran 2. Tingkat overlap karakteristik lahan

No Karateristik Lahan Tanaman Tingkat overlap

1 Temperatur rata – rata

Semua tanaman 0.5 oC

2 Curah hujan Jagung, kedelai, kacang, kacang panjang, Kacang tanah, kacang hijau, buncis, Bayam, mentimun, sawi, petsai, Selada, kubis, brokoli, terung, tomat, Tembakau, semangka, melon, lobak, wortel

10 mm

Ubi jalar, asparagus, aster, gladiol Mawar, kenanga, sedap malam Klengkeng, strawberi, kina, pare, Belimbing, papaya, nanas, kapas.

20 mm

Apel, durian, mangga, jeruk , melinjo, Pisang, teh, kayu manis, lada, pala

50 mm

3 Kelmbaban udara Semua tanaman 0.5 %

4 Kemiringan Semua tanaman 1 %

5 Bahan kasar Semua tanaman 5 %

6 Kedalaman tanah Semua tanaman 5 cm

7 KTK tanah Semua tanaman 2 cmol

8 pH Semua tanaman 0.1

9 Kejenuhan basa Semua tanaman 5 %