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.
Analisis Kebutuhan Perancangan (Design) Pemrograman (coding) Pengujian (testing) Operasi dan Pemeliharaan
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) Drainase Tekstur Bahan kasar Kedalaman tanah KTK tanah pH kejenuhan basa C-Organik Salinitas Alkalinitas
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.
Berdasarkan Tabel 3, tingkat pembatas dapat ditentukan untuk setiap interval overlap data kebutuhan penentuan kelas kesesuaian. Sebagai contoh penentuan tingkat pembatas temperatur rata – rata untuk tanaman asparagus, ditunjukkan dalam Tabel 7.
Tabel 7. Tingkat pembatas untuk interval temperatur rata-rata asparagus Interval Kelas Kesesuaian Tingkat Pembatas <10.5 Tidak sesuai (N) Sangat berat 9.5 – 15.5 Sesuai marginal (S3) Berat 14.5 – 18.5 Cukup sesuai (S2) Sedang 17.5 – 25.5 Sangat sesuai (S1) Ringan 24.5 – 30.5 Cukup sesuai (S2) Sedang 29.5 – 35.5 Sesuai marginal (S3) Berat >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 Agak dingin 9.5 – 15.5 Sejuk 14.5 – 18.5 Sedang 17.5 – 25.5 Hangat 24.5 – 30.5 Agak panas 29.5 – 35.5 panas >34.5
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.
Ada dua kelompok aturan IF – THEN yang digunakan, yaitu untuk penentuan tingkat pembatas dan untuk penentuan kelas kesesuaian
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 input crisp 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
Dingin Sejuk Sedang Hangat Agak Panas Panas
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 : Premis R1 : min(0.75,0.6,1) = 0.6 Premis R2 : min(0.75,0.4,1) = 0.4 Premis R3 : min(0.25,0.6,1) = 0.25 Premis R4 : min(0.25,0.4,1) = 0.25 Inferensi min
Merupakan output yang diperoleh dari 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.
Desain proses untuk penentuan kelas kesesuaian digambarkan dalam bentuk
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 Temperatur rata – rata (oC) Dingin < 18 Agak dingin 18 – 20 Sejuk 20 -22 Sedang 22 – 30 Hangat 30 – 32 Agak panas 32 – 35
Karateristik lahan Nilai linguistik
Kisaran data Panas >35 Curah hujan(mm) Sangat
rendah < 200 Rendah 200 - 300 Agak rendah 300 – 400 Sedang 400 –1110 Agak tinggi 1110–1600 Tinggi 1600–1900 Sangat tinggi >1900 Kelembaban udara (%) Sangat rendah < 30 Rendah 30 - 36 Agak rendah 36 – 42 Sedang 42 – 75 Agak tinggi 75 – 90 Tinggi >90 Kemiringan (%) Datar < 2 Berombak 2 – 8 Bergelomba ng 8 – 16 Berbukit 16 – 30 Bahan kasar (%) Rendah < 35
Agak rendah 15 – 35 Agak tinggi 35 – 55 Tinggi >55 Kedalaman tanah (cm) Dangkal < 50 Agak dangkal 50-75 Agak dalam 75-100 Dalam >100
Karateristik lahan Nilai linguistik
Kisaran data KTK lahan (cmol) Rendah <= 16
Tinggi >16 PH H2O Sangat asam < 5.8
Agak asam 5.8 – 6.0 Netral 6.0 7.8 Agak basa 7.8 – 8.0 Sangat basa > 8.0 Kejenuhan basa (%) Rendah < 20 Sedang 20 – 35 Tinggi > 35 C-Organik (%) Rendah < 0.8 Sedang 0.8 – 1.2 Tinggi >1.2 Salinitas (ds/m) Rendah < 4 Agak rendah 4 - 6 Agak tinggi 6 – 8 Tinggi >8 Alkalinitas (%) Rendah < 15 Agak rendah 15 – 20 Agaktinggi 20 – 25 Tinggi > 25 Batuan di permukaan (%) Rendah < 5 Agak rendah 5 – 15 Agak tinggi 15 – 40 Tinggi >40 Singkapan batuan (%) Rendah < 5 Agakrendah 5 – 15 Agak tinggi 15 – 25 Tinggi >25 Desain Ouput
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 :
