SISTEM PAKAR UNTUK DIAGNOSA JENIS DAN PENYAKIT PADA BUNGA MAWAR
Ni Made Ari Setiawati
Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika dan Teknik Komputer Kampus Renon: Jl. Raya Puputan No. 86 Renon – Denpasar, Telp: (0361)244445, Kampus Jimbaran: Jl. Raya Kampus Udayana Jimbaran Bali Telp: (0361)8953537/081288778840, email:
arisetiawati23@gmail.com
ABSTRACT
The roses can be attacked various diseases, the disease can be seen from the symptoms it causes, but to know exactly the types and diseases that attack roses, require an expert / horticulturist. While the number of estate experts is limited and can not resolve the problems gardeners at the same time, so we need a system that has the ability as an expert, which in this system contains expert knowledge of an expert on the plantation diagnosis of disease type and roses. In this study designed expert system uses a rule base (rule based reasoning) by the method of forward chaining and backward chaining intended to help gardeners in diagnosing types and diseases of roses. An expert system for the diagnosis of disease type and the roses that have been developed have advantages in ease of access and ease of use. With features that are owned, an expert system to diagnose the type and disease rose plants that have been built to be used as a tool to diagnose types and diseases on roses and can be accessed by gardeners everywhere also to overcome the limitation of the number of experts plantation in helping gardeners diagnose the type and disease on roses.
Keyword : Sistem pakar, rose plants, forward chaining, rule based reasoning
ABSTRAK
Bunga mawar dapat diserang berbagai macam penyakit, penyakit tersebut dapat diketahui dari gejala-gejala yang ditimbulkannya, akan tetapi untuk mengetahui secara tepat jenis dan penyakit yang menyerang mawar tersebut, memerlukan seorang pakar/ahli perkebunan. Sedangkan jumlah pakar perkebunan terbatas dan tidak dapat mengatasi permasalahan tukang kebun dalam waktu yang bersamaan, sehingga diperlukan suatu sistem yang mempunyai kemampuan seperti seorang pakar, yang mana didalam sistem ini berisi pengetahuan keahlian seorang pakar perkebunan mengenai diagnosa jenis dan penyakit bunga mawar. Pada penelitian ini dirancang sistem pakar menggunakan basis aturan (rule based reasoning) dengan metode inferensi forward chaining dan backward chaining yang dimaksudkan untuk membantu tukang kebun dalam mendiagnosa jenis dan penyakit pada bunga mawar. Sistem pakar untuk diagnosa jenis dan penyakit pada bunga mawar yang telah dikembangkan mempunyai keunggulan dalam kemudahan akses dan kemudahan pemakaian. Dengan fitur yang yang dimiliki, sistem pakar untuk diagnosa jenis dan penyakit tanaman mawar yang telah dibangun dapat digunakan sebagai alat bantu untuk diagnosa jenis dan penyakit pada bunga mawar dan dapat diakses oleh tukang kebun dimanapun juga untuk mengatasi persoalan keterbatasan jumlah pakar perkebunan dalam membantu tukang kebun mendiagnosa jenis dan penyakit pada bunga mawar.
Kata kunci : Sistem pakar, Bunga mawar, forward chaining, rule based reasoning
I. PENDAHULUAN
itu bunga mawar mempunyai banyak manfaat bagi masyarakat luas. Selain mempunyai banyak manfaat, bunga mawar mempunyai jenis yang berbeda-beda dan dalam pertumbuhan dan perkembangannya bunga mawar tidak lepas dari hama dan penyakit. Adapun jenis hama dan penyakit yang menyerang sangat beragam. Untuk mengetahui jenis mawar beserta penyakitnya maka perlu dilakukan identifikasi.
Kemajuan teknologi komputer yang pesat saat ini, sangat membantu manusia dalam segala bidang. Tidak terkecuali juga dalam bidang sistem pakar. Sistem pakar merupakan sebuah program komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar (human expert).
Dengan berkembangnya sistem pakar yang pesat, maka sistem pakar juga dapat diterapkan dalam mengidentifikasi jenis dan penyakit pada bunga mawar. Penggunaan sistem pakar dapat mempermudah kalangan pecinta bunga mawar dalam mengidentifikasi jenis dan penyakit pada bunga mawar. Sistem pakar yang akan dibangun ini berbasis web dengan harapan dapat diakses oleh seluruh kalangan masyarakat yang membutuhkan informasi mengenai bunga mawar melalui internet. Adapun Ciri-ciri yang digunakan untuk identifikasi jenis meliputi warna bunga, warna daun, daun, batang, dan warna benang sari.
Metodologi yang digunakan dalam pengembangan sistem pakar ini adalah metode sekuensial linier atau metode waterfall, yang terdiri dari (Pressman,2002): rekayasa dan pemodelan sistem, analisis kebutuhan perangkat lunak, desain, pengkodean, pengujian, dan pemeliharaan. Namun dalam pembuatan sistem ini hanya sampai tahap pengujian, dimana program telah berjalan sesuai dengan fungsinya.
II. KAJIAN PUSTAKA II.1. Sistem Pakar
Sistem pakar adalah sistem yang menggunakan pengetahuan manusia yang terekam dalam komputer untuk memecahkan persoalan yang biasanya memerlukan keahlian manusia [2-3]. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.
Sistem pakar dapat ditampilkan dalam dua lingkungan, yaitu: pengembangan dan konsultasi. Lingkungan pengembangan digunakan oleh pembangun sistem pakar untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh orang yang bukan ahli untuk memperoleh pengetahuan dan berkonsultasi.
Komponen-komponen yang ada pada sistem pakar dapat dilihat pada Gambar 1, yaitu : 1. Basis pengetahuan (Knowledge base). Berisi pengetahuan-pengetahuan yang
dibutuhkan untuk memahami, memformulasikan dan memecahkan persoalan. 2. Motor inferensi (inference engine). Ada 2 cara yang dapat dikerjakan dalam
melakukan inferensi, yaitu:
a. Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.
b. Backward chaining menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mencari bukti yang mendukung (atau kontradiktif) dari ekspektasi tersebut.
3. Blackboard. Merupakan area kerja memori yang disimpan sebagai database untuk deskripsi persoalan terbaru yang ditetapkan oleh data input dan digunakan juga untuk perekaman hipotesis dan keputusan sementara.
5. Antarmuka pengguna. Digunakan untuk media komunikasi antara user dan program. 6. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan
tentang kelakuan sistem pakar secara interaktif melalui pertanyaan. 7. Sistem penyaring pengetahuan.
II.2. Pendekatan Forward Dan Backward Chaining
Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan solusinya disebut dengan rantai (chain). Suatu rantai yang dicari atau dilewati / dilintasi dari suatu permasalahan untuk memperoleh solusinya disebut dengan forward chaining. Cara lain menggambarkan forward chaining ini adalah dengan penalaran dari fakta menuju konklusi yang terdapat dari fakta. Suatu rantai yang dilintasi dari suatu hipotesa kembali ke fakta yang mendukung hipotesa tersebut adalah backward chaining. Cara lain menggambarkan backwkard chaining adalah dalam hal tujuan yang dapat dipenuhi dengan pemenuhan sub tujuannya.
Contoh sederhana dari forward dan backward chaining seperti berikut ini : misalkan anda sedang mengemudi dan tiba-tiba anda melihat mobil polisi dengan cahaya kelap-kelip dan bunyi sirine. Dengan forward chaining mungkin anda akan berkesimpulan bahwa polisi ingin anda atau seseorang untuk berhenti. Itu adalah fakta awal yang mendukung dua kemungkinan konklusi. Jika mobil polisi membuntuti di belakang anda atau polisi melambaikan tangan memberhentikan anda, maka kesimpulan lebih lanjut adalah polisi ingin anda yang berhenti. Dengan mengadopsi ini sebagai suatu kerja hipotesis, maka anda dapat menggunakan backward chaining untuk alasan “mengapa?”.
Karakteristik forward dan backward chaining :
Forward chaining backward chaining
Perencanaan, monitoring, control diagnosis
Disajikan untuk masa depan disajikan untuk masa lalu Antecedent ke konsekuen konsekuen ke antecedent
Data memandu, penalaran dari bawah ke tujuan memandu, penalaran dari atas ke
atas bawah
Bekerja ke depan untuk mendapatkan bekerja ke belakang untuk mendapatkan solusi apa yang yang mengikuti fakta fakta yang mendukung hipotesis
Breadth first search dimudahkan depth first search dimudahkan Antecedent menentukan pencarian konsekuen menentukan pencarian Penjelasan tidak difasilitasi penjelasan difasilitasi
Kekurangan dari pendekatan ini adalah efisiensi. System backward chaining memudahkan pencarian depth first, sementara itu forward chaining memudahkan pencarian breadth first. Walaupun anda dapat menuliskan aplikasi backward chaining ke system forward chaining dan sebaliknya, system tersebut tidak akan efisien dalam hal pencarian penyelesaiannya. Kesulitan yang kedua adalah konseptual. Pengetahuan diperoleh dari pakar yang harus diubah untuk mengimbangi permintaan dari mesin inferensi.
Forward chaining merupakan grup dari multipel inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining .
determine the search. It does not facilitate explanation.
Contoh Kasus Sistem Pakar : Penasihat Keuangan Kasus : Seorang user ingin berkonsultasi apakah tepat jika dia berinvestasi pada stock IBM? Variabel-variabel yang digunakan: A = memiliki uang $10.000 untuk investasi B = berusia < 30 tahun C = tingkat pendidikan pada level college D = pendapatan minimum pertahun $40.000 E = investasi pada bidang Sekuritas (Asuransi) F = investasi pada saham pertumbuhan ( growth stock) G = investasi pada saham IBM Setiap variabel dapat bernilai TRUE atau FALSE
FAKTA YANG ADA: Diasumsikan si user (investor) memiliki data: Memiliki uang $10.000 (A TRUE) Berusia 25 tahun (B TRUE) Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?
RULES R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas R2 : IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan ( growth stocks) R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan R4 : IF seseorang berusia < 30 tahun dan > 22 tahun THEN dia berpendidikan college R5 : IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.
Backward Chaining Pendekatan goal-driven , dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut. Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining .
Sifat dari backward chaining Good for Diagnosis. Looks from present to past. Works from consequent to antecedent. Is goal-driven, top-down reasoning. Works backward to find facts that support the hypothesis. It facilitates a depth-first search. The consequents determine the search. It does facilitate explanation.
Program dimulai dengan tujuan ( goal ) yang diverifikasi apakah bernilai TRUE atau FALSE Kemudian melihat rule yang mempunyai GOAL tersebut pada bagian konklusinya. Mengecek pada premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) Pertama dicek apakah ada assertion-nya Jika pencarian disitu gagal, maka ES akan mencari rule lain yang memiliki konklusi yang sama dengan rule pertama tadi Tujuannya adalah membuat rule kedua terpenuhi ( satisfy ) Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial yang diperiksa (dg GOAL) telah terpenuhi Jika GOAL terbukti FALSE, maka GOAL berikut yang dicoba.
2.3. Morfologi Bunga Mawar
Sebagian besar spesies mempunyai daun yang panjangnya antara 5-15 cm, dua-dua berlawanan (pinnate). Daun majemuk yang tiap tangkai daun terdiri dari paling sedikit 3 atau 5 hingga 9 atau 13 anak daun dan daun penumpu (stipula) berbentuk lonjong, pertulangan menyirip, tepi beringgit, meruncing pada ujung daun dan berduri pada batang yang dekat ke tanah. Mawar sebetulnya bukan tanaman tropis, sebagian besar spesies merontokkan seluruh daunnya (deciduous) dan hanya beberapa spesies yang ada di Asia Tenggara yang selalu berdaun hijau sepanjang tahun.
Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa sericea yang hanya memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan merah jambu atau kuning dan merah pada beberapa spesies. Ovari berada di bagian bawah daun mahkota dan daun kelopak. Pada umumnya mawar memiliki duri berbentuk seperti pengait yang berfungsi sebagai pegangan sewaktu memanjat tumbuhan lain. Beberapa spesies Mawar mempunyai duri yang tidak berkembang dan tidak tajam.
III. CONTOH DAN PEMBAHASAN
Sistem pakar yang dibangun ini merupakan suatu sistem informasi yang berbasis komputer dengan memanfaatkan teknologi kecerdasan buatan (artificial intelligence) yang berfungsi sebagai sistem alat bantu atau pemberi saran/rekomendasi dari proses konsultasi jenis dan konsultasi penyakit kepada user, sehingga user mengetahui masalah yang menyerang pada bunga mawar. Konsultasi yang dihasilkan oleh sistem ini dilengkapi dengan jenis, keterangan,dan gambar untuk konsultasi jenis pada bunga mawar. Sedangkan untuk konsultasi penyakitnya dilengkapi dengan penyebab, keterangan, dan pengendaliannya.
Akuisisi pengetahuan merupakan suatu proses untuk mengumpulkan data-data pengetahuan akan suatu masalah pakar. Bahan pengetahuan dapat ditempuh dengan beberapa cara, misalnya mendapatkan pengetahuan dari buku, jurnal ilmiah, para pakar dibidangnya, laporan, dan sebagainya. Sumber pengetahuan tersebut dijadikan dokumentasi untuk dipelajari, diolah dan diorganisasikan secara terstruktur menjadi basis pengetahuan. Akuisisi pengetahuan dalam sistem ini dapat dilihat pada Tabel 1 untuk tabel akuisisi jenis dan Tabel 2 untuk tabel akuisisi penyakit.
III.1. Pelacakan
Proses pelacakan yang digunakan dalam sistem ini mengikuti pola pelacakan maju (forward chaining). Pada identifikasi jenis bunga mawar,proses pelacakan maju dimulai dengan memberikan pertanyaan tentang ciri-ciri bunga mawar. Kemudian dari fakta ciri-ciri yang dimasukkan user akan diperoleh kesimpulan tentang jenis bunga mawar. Contoh beberapa proses pelacakan untuk jenis dan penyakit pada mawar dapat di lihat pada gambar 3
III.2. Representasi Pengetahuan
Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah produksi, yaitu dengan IF-Then. Berikut contoh untuk jenis mawar Rossa Braksiae dan hama Nematoda akar
a. Kaidah untuk jenis mawar Rossa Banksiae if warna bunga putih
b. Kaidah untuk hama Nematode akar (Meloidgynesp) if terdapat bintik-bintik pada akar
and (tanaman menjadi layu or pertumbuhan kerdil)
Gambar 2. Contoh Proses pelacakan untuk jenis dan penyakit pada bunga mawar
IV. KESIMPULAN
a. Telah dapat dibangun dan dihasilkan suatu sistem pakar untuk mengidentifikasi jenis dan penyakit pada bunga mawar berbasis web.
b. Mampu mengidentifikasi jenis berdasarkan ciri-ciri pada bunga mawar
c. Mampu mengidentifikasi penyakit berdasarkan gejala-gejala yang menyerang pada bunga mawar
d. Penerapan metode sistem berbasis aturan dengan proses inferensi forward chaining dan backward chaining pada aplikasi sistem pakar dapat mengahasilkan diagnosis jenis dan penyakit bunga mawar dengan benar berdasarkan aturan-aturan yang telah dibuat dan berdasarkan hasil pengujian, didapatkan bahwa dari jenis dan penyakit yang diujikan dapat dideteksi oleh sistem pakar.
DAFTAR PUSTAKA [1] Burnie, Geoff dkk, 1998, Botanica, Random House, Australia
[2] Giarratano, J & Gary R., 1994, Expert System Principles and Programming, PWS Publishing Company, Boston Harmon P and King David, 1985, Expert System : Artificial Intelligent In Bussiness, John Wiley & Sons Inc, New York
[3] Pressman Roger, 2002, Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu), Andi, Yogyakarta. Turban, Efraim, 1995, Decision Support System and Expert System, 4th ed., Prentice-Hall,
Inc., New Jersey, pp 472-679
