ANALISIS DAN PERANCANGAN SISTEM PAKAR MENDIAGNOSIS
PENYAKIT TANAMAN RAMBUTAN DENGAN MENGGUNAKAN
METODE FORWARD CHAINING
Khairul Ummi
STMIK PotensiUtama, Jl. K.L YosSudarso km.6.5 no.3A tanjungmuliaMedam
ummi12gibmie@gmail.com
Abstrak
Tanaman rambutan mempunyai nama latin Nephelium Sp. yang merupakan keluarga dari spidaceae. Tanaman rambutan merupakan tanaman dataran rendah, hingga ketinggian 300-600 m dpl. Pohon dengan tinggi 15-25 m dengan anak daun 2-4 pasang. Helai anakan daun bulat lonjong, panjang 7.5-20 cm, lebar3.5 8.5 cm, ujung dan pangkal runcing, tepi rata, pertulangan sirip, tangkai silindris warnanya hijau, kerap kali kering. Analisa yang dilakukan dengan berdasarkan faktor biotis yaitu penyakit tanaman rambutan yang disebabkan oleh organisme hidup yang kesemuanya adalah mikroorganisme.yaitu jamur, bakteri, dan virus. Untuk itu diperlukan pengetahuan mengenai gejala fisik yang timbul pada tanaman rambutan seperti pada daun, batang atau ranting,akar dan buah. Penelitian ini menghasilkan aplikasi program sistem pakar diagnosis 4 penyakit tanaman rambutan dengan gejala kerusakannya dan penanggulangannya baik secara biologis, Kultur teknis, dan fisik/mekanis dengan metode forward chaining. Hasil kesimpulan dari aplikasi yang dibangun keakuratannya mencapai 80% dengan membandingkan gejala-gejala yang ada .
Kata Kunci : Sistem Pakar, Forward Chaining, Faktor Biotis, Tanaman Rambutan.
PENDAHULUAN
Tanaman rambutan mempunyai nama latin Nephelium Sp. yang merupakan keluarga dari spidaceae, Rambutan merupakan tanaman dataran rendah, hingga ketinggian 300 - 600 m dpl. Pohon dengan tinggi 15 - 25 m dengan anak daun 2-4 pasang. Helaian anak daun bulat lonjong, panjang 7.5-20 cm, lebar 3.5 8.5 cm, ujung dan pangkal runcing, tepi rata, pertulangan sirip, tangkai silindris warnanya hijau, kerap kali kering. Tanaman rambutan merupakan salah satu jenis tanaman dari komoditas holtikultura yang telah menyebar di daerah yang mempunyai iklim tropis.Di Indonesia kurang lebih terdapat 22 jenis tanaman rambutan.Dalam Upaya budidaya tanaman rambutan para petani dan kalangan masyarakat kerap kali menghadapi serangan hama maupun penyakit yang menyerang tanaman rambutan. Serangan hama dan penyakit tersebut tampak melalui gejala-gejala fisik yang timbul pada tanaman. Jika tidak segeradiberikan tindakan tertentu untuk mengatasinya maka dapat berakibat fatal padatanaman itu sendiri. Salah satu faktor rendahnya perkembangan dan produktivitas rambutan karena kurangnya pengetahuan dan informasi yang dimiliki petani danmasyarakat mengenai hama dan penyakit yang menyerang rambutan serta carauntuk mengatasinya.
Untuk mengatasi permasalahan tersebut dibutuhkan suatu sistem yangdapat membantu pihak-pihak yang terlibat dalam upaya budidaya rambutan,dengan menerapkan salah satu metode
yang terdapat dalam bidang ilmu kecerdasanbuatan yang dapat mengadopsi pengetahuan pakar ke dalam komputer sehinggakomputer dapat menyelesaikan masalah seperti layaknya seorang pakar.Dengan adanya sistem ini diharapkan dapat membantu para petani rambutan dan masyarakat yang melakukan upaya budidaya rambutan dalam mendeteksihama dan penyakit pada tanaman rambutan melalui gejala-gejala fisik yang terjadi dan penanggulangan. Sistem yang di bangun hanya melakukan penalaran pada hama dan penyakit yangmenyerang tanaman rambutan berdasarkan gejala gejala fisik yang terjadi pada tanaman.dengan metode Forward Chaining dengan representasipengetahuan berbasis aturan (
rule based system ) dan Penilaian dilihat dari gejala-gejala yang timbul pada tanaman rambutan berdasarkan rekomendasi pakar dan studi literatur dari buku acuan mengenai tanaman rambutan.
LANDASAN TEORI
Sistem Pakar
Bidang sistem pakar merupakan penyelesaiaan pendekatan yang sangat berhasil dan bagus untuk permasalahan AI (Artificial Intelligent) klasik dari pemograman intelligent
teknologi sistem pakar mendefinisikan sistem pakar sebagai sebuah program kamputer pintar
(intelligent computer program) yang
memanfaatkan pengetahuan (knowledge) dan prosedur inferensi (inference procedure) untuk memecahkan masalah yang cukup sulit sehingga membutuhkan keahlian khusus dari manusia.
Dengan kata lain, sistem pakar adalah sistem komputer yang ditujukan untuk meniru semua aspek (emulates) kemampuan pengambilan keputusan (decision making) seorang pakar. Sistem pakar memanfaatkan secara maksimal pengetahuan khusus selayaknya seorang pakar untuk memecahkan masalah. [1]
Manfaat Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain [2]:
1. Membuat seorang yang awam bekerja seperti layaknya seorang pakar.
2. Meningkatkan produktivitas akibat meningkatnya kualitas hasil pekerjaan, mengingkatnya kualitas pekerjaan ini disebabkan meningkatnya efisiensi kerja. 3. Menghemat waktu kerja.
4. Menyederhanakan pekerjaan.
5. Merupakan arsip terpercaya dari sebuah keahlian, sehingga bagi pemakai sistem pakar seolah-olah berkonsultasi langsung dengan sang pakar, meskipun mungkin sang pakar telah tiada.
6. Memperluas jangkauan, dari keahlian seorang pakar. Di mana sebuah sistem pakar yang telah disahkan, akan sama saja artinya dengan seorang pakar yang tersedia dalam jumlah besar (dapat diperbanyak dengan kemampuan yang persis sama), dapat diperoleh dan dipakai di mana saja.
Metode Forward Chaining
Metode forward chaining adalah teknik pencarian yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta-fakta tersebut dengan bagian IF dari rules IF-THEN. Bila ada fakta yang cocok dengan bagian IF, maka rule tersebut dieksekusi. Bila sebuah rule dieksekusi, maka sebuah fakta baru (bagian THEN) ditambahkan kedalam database. Setiap kali pencocokan, dimulai dari rule teratas. Setiap rule hanya boleh dieksekusi sekali saja. Proses pencocokan berhenti bila tidak ada lagi rule yang bisa dieksekusi.[3]
Untuk memperoleh data menggunakan cara pengamatan atau observasi ke lahan pertanian yang ditanam rambutan dan penelusuran literatur dari. berbagai sumber artikel, internet, tulisan
ilmiah dan buku disertai dengan wawancara mengadakan tanya jawab dengan petugas penyuluh lapang dan petani rambutan. Data yang diperlukan ialah data jenis hama dan penyakit tanaman rambutan berdasarkan gejala gejala fisik yang terjadi dan penanggulangannya.
Sejarah singkat tanaman rambutan
Rambutan (Nephelium sp.) merupakan tanaman buah hortikultural berupa pohon dengan famili Sapindacaeae. Tanaman buah tropis ini dalam bahasa Inggrisnya disebut Hairy Fruit berasal dari Indonesia. Hingga saat ini telah menyebar luar didaerah yang beriklim tropis seperti Filipina dan negara-negara Amerika Latin dan ditemukan pula di daratan yang mempunyai iklim sub-tropis. Dari survey yang telah dilakukan terdapat 22 jenis rambutan baik yang berasal dari galur murni maupun hasil okulasi atau penggabungan dari dua jenis dengan galur yang berbeda. Ciri-ciri yang membedakan setiap jenis rambutan dilihat dari sifat buah (dari daging buah, kandungan air, bentuk, warna kulit, panjang rambut). Rambutan dapat tumbuh subur pada dataran rendah dengan ketinggian antara 30-500 m dpl. Pada ketinggian dibawah 30 m dpl rambutan dapat tumbuh namun tidak begitu baik hasilnya.[4]
Kecerdasan Buatan
Kecerdasan buatan berasal dari kata Artificial Intelligence yang mengandung arti tiruan atau kecerdasan. Secara harfiah Artificial Intelligence adalah kecerdasan buatan. Kecerdasan buatan adalah salah satu bidang dalam ilmu komputer yang membuat komputer agar dapat bertindak dan sebaik seperti manusia (menirukan kerja otak manusia) [5].
Pada aplikasi kecerdasan buatan ada 2 bagian utama yang sangat dibutuhkan yaitu [5]:
a. Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori pemikiran dan hubungan antara satu dengan yang lainnya. Jurnal Sarjana Teknik Informatika e-ISSN: 2338-5197
b. Motor Inferensi (Inference Engine) yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.
Representasi Pengetahuan (Knowledge Base)
Upaya dari usaha penelitian pada kecerdasan buatan adalah bagaimana cara untuk mengembangkan representasi pengetahuan. Perangkat lunak kecerdasan buatan mempunyai banyak metode yang berbeda untuk menyajikan pengetahuan dua diantaranya yaitu [5] :
a. Pohon
node-node yang menunjukkan obyek, dan arc (busur) yang menunjukkan hubungan antar obyek. b. Kaidah Produksi
Kaidah produksi secara umum terdiri dari komponen-komponen sebagai berikut:
1) Ruang keadaan, yang berisi keadaan awal, tujuan dan kumpulan aturan yang digunakan untuk mencapai tujuan.
2) Strategi kontrol, yang berguna untuk mengarahkan bagaimana proses pencarian akan berlagsung dan mengendalikan arah eksplorasi.
Kaidah produksi ini merupakan salah satu bentuk representasikan pengetahuan yang sangat populer dan banyak digunakan adalah kaidah produksi. Representasi pengetahuan dengan kaidah produksi. Representasi pengetahuan dengan kaidah produksi, pada dasarnya berupa aplikasi aturan (rule) yang berupa :
1) Antecedent, yaitu bagian yang mengekspresikan situasi atau premis (Pernyataan berawalan IF).
2) Konsekuen, yaitu bagian yang menyatakan suatu tindakan tertentu atau konklusi yang diterapkan jika suatu situasi atau premis bernilai benar (Pernyataan berawalan THEN). Konsekuensi atau konklusi yang dinyatakan pada bagian THEN baru dinyatakan benar, jika bagian IF pada sistem tersebut juga benar atau sesuai
Subjek penelitian ini adalah membuat aplikasi sistem pakar penentuan penyakit pada tumbuhan rambutan berdasarkan gejala yang ada dan memberitahukan cara penanggulangan dari penyakit tanaman rambutan dengan menggunakan metode forward chaining. Langkah yang dilakukan dalam penelitian ini meliputi analisis data: mengumpulkan data dan mendiskripsikan data. Perancangan Sistem : Mengidentifikasi masalah dan kebutuhan, menentukan masalah yang cocok, akusisi Pengetahuan, rekayasa Pengetahuan : tabel keputusan, pohon keputusan, tabel aturan, perancangan sistem : DVD level 0 dan flowchart sistem. hasil program : form hasil konsultasi.
ANALISIS dan PERANCANGAN SISTEM
Analisis sistem
Untuk mendiagnosa penyakit pada tanaman rambutan perlu diketahui terlebih dahulu
gejala-gejala yang timbul. Meskipun dari gejala-gejala klinis (gejala-gejala yang terlihat langsung). Ada 4 tabel untuk membantu Rule basis pengetahuan untuk mendiagnosa penyakit pada tumbuhan rambuhan yaitu tabel penyakit, tabel gejala, tabel penanggulangannya dan tabel rule basis
pengetahuan penyakit dengan
penanggulangannya, serta akan digambarkan dengan menggunakan pohon keputusan.
Tabel 1. Tabel Penyakit
Kode Penyakit Penyakit
P01 Kutu Putih (Cacao Mealybug) P02 Penggerek buah (Fruit Borer) P03
Hama
Tirarhaba(Melissablaptes, Mucialla) ruptilinea (Wkl) P04 Ulat Daun Rambutan
Tabel 2. Tabel Gejala
Kode Gejala Gejala
G01 Terdapat bercak putih pada belahan daun
G02 kerontokan buah muda G03 Tumbuhan Sulit Berkembang G04
lubang dibawah kulit buah dan meninggalkan kotoran juga didalam buahnya
G08 Bunga buah merontok
G09 Batang Bunga buah mengering G10
Tabel 3. basis pengetahuan penyakit dan penanggulangan
Kode Penyakit
Cara penanggulangannya
P01
Secara biologi yaitu :
pemanfaatan musuh alami seperti semut hitam, dan cendawan parasit Empusa fresenii, predator cryptolaemus montrouzieri (coccinellidae) dan leptomastidae abnormis (encyrtidae)
P02
pengendalian hama ini dengan melakukan pemangkasan untuk memutuskan siklus hidup hama, sedangkan cara biologi dengan pemanfaatan musuh alami sejenis tabuhan sebagai parasitoid pupa, dan laba-laba sebagai predator telur dan pupa
P03
Secara biologi dengan pemanfaatan musuh alami antara lain lalat
tachinidae (Argyoplax Basifulva),
Venturia sp. (ichneumonidae),
Apanteles Tirathabae (Braconidae)
dan Telenomus Tirathabae
(Scelionidae)
P04
Secara Fisik/mekanis dengan pengasapan dibawah puhun untuk mengusir imago (serangga dewasa), pembakaran sisa-sisa
Perancangan sistem
Penggambaran perancangan sistem menggunakan DFD Level 0 sebagai berikut :
Gambar 1. DVD Level 0
Gambar 2. Diagram Flowchart Sistem
PEMBAHASAN
Representasi Pengetahuan
Representasi pengetahuan (knowledge representation) adalah cara untuk menyajikan pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi antara suatu pengetahuan dengan pengetahuan yang lain dan dapat dipakai untuk menguji kebenaran penalarannya. Representasi pengetahuan dibutuhkan untuk menangkap sifat-sifat penting masalah dan mempermudah prosedur pemecahan masalah dalam mengakses informasi. Format representasi harus mudah dipahami sehingga seorang programmer mampu mengekspresikan pengetahuan (fakta), namun semua cara tersebut harus mengacu pada dua entitas berikut.
1. Fakta, yaitu kejadian sebenarnya. Fakta inilah yang akan kita representasikan.
2. Representasi dari fakta. Berdasarkan representasi inilah kita dapat mengolah fakta.[3]
Representasi pengetahuan, kaidah produksi dibentuk dari pengubahan tabel keputusan. Pembuatan suatu kaidah dilakukan dengan beberapa tahapan. Sebagai contoh perhatian pembuatan kaidah konklusi ini akan dapat tercapai bila kondisi – kondisi yang mendukung terpenuhi. Pembuatan kaidah menggunakan goal dan kondisi yang telah diperolah, seperti pada tabel 4:
User
Sistem Pakar mendiagnosa Penyakit Tanaman Rambutan
Pakar Gejala Penyakit
Nama Penyakit Informasi Penyakit
Nama Penyakit GejalaPenyakit Informasi Penyakit Aturan Konfirmasi Logon Konfirmasi Logon
Mulai
Tampilkan Pilihan gejala
Baca pilihan gejala sesuaikan dengan aturan
If solusi = 0 Solusi = kdpenyakit
Tampilkan hasil diagnosa
Tabel 4. Keputusan
G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12
P01 * * *
P02 * * *
P03 * * *
P04 * * *
Setiap spektrum di atas akan di buat kombinasi untuk setiap kemungkinan gejala terpenuhi dan disesuaikan dengan jenis kekurangan unsur hara. Berikut ini akan di
gambarkan dalam pohon keputusan pada gambar 3 di bawah ini.
Gambar 3. Pohon Keputusan
Dalam perancangan basis pengetahuan ini digunakan kaidah produksi sebagai sarana untuk representai pengetahuan. Kaidah produksi dituliskan dalam bentuk pernyataan JIKA
[premis] MAKA [konklusi]. Pada perancangan basis pengetahuan sistem pakar ini premis adalah gejala dan konklusi adalah jenis unsur hara, sehingga bentuk pernyataannya adalah JIKA
[gejala] MAKA [jenis unsur hara]. Bentuk pernyataannya adalah :
JIKA [gejala 1]
JIKA [gejala 2]
DAN [gejala 3]
MAKA [Jenis unsur hara]
Dan Untuk kaidah produksinya dapat dilihat di bawah ini :
1. Kaidah untuk Kutu Putih (Cacao Mealybug) IF Terdapat bercak putih pada
belahan daun
AND kerontokan buah muda AND Tumbuhan Sulit Berkembang THEN Kutu Putih (Cacao Mealybug)
2. Kaidah untuk Penggerek buah (Fruit Borer) IF lubang dibawah kulit buah dan
meninggalkan kotoran juga didalam buahnya
AND Daging buah warna kehitaman dan asam (busuk)
AND Kulit buah berair dan warna kecoklatan
THEN Penggerek buah (Fruit Borer) 3. Kaidah untuk Hama Tirarhaba(Melissablaptes,
Mucialla) ruptilinea (Wkl)
IF Ada tananam cacao didekat tanaman rambutan
AND Bunga buah merontok
AND Batang Bunga buah mengering THEN Hama Tirarhaba(Melissablaptes,
Mucialla) ruptilinea (Wkl) 4. Kaidah untuk Ulat Daun Rambutan
IF Tidak ada kumbang dan kupu-kupu atau lebah yang menghampiri bunga
batang tumbuhan
AND Daun pada tumbuhan bolong bolong
THEN Ulat Daun Rambutan
HASIL
Gambar 4. Form Pilih Gejala
Halaman ini merupakan tampilan pilihan gejala yang disaat user melakukan konsultasi.
Gambar 5. Tampilan Hasil Konsultasi
Halaman ini merupakan tampilan data hasil konsultasi user yang telah menjawab beberapa pertanyaan dari sistem yang dibangun. Hasilnya berupa data diri user, gejala defisiensi unsur hara, penanganan, dan gambar dari kekurangan gejala defisiensi unsur hara tersebut.
KESIMPULAN
Penelitian ini menghasilkan aplikasi program sistem pakar diagnosis 4 penyakit tanaman rambutan dengan gejala kerusakannya dan penanggulangannya baik secara biologis, Kultur teknis, dan fisik/mekanis dengan metode forward chaining. Hasil kesimpulan dari aplikasi yang dibangun keakuratannya mencapai 80% dengan membandingkan gejala-gejala yang ada .
DAFTAR PUSTAKA
[1] Rosnelly Rika, 2012, Sistem Pakar Konsep dan Teori, Yogyakarta, Andi Offset.
[2] Sari Ria Eka, 2013, Sistem Pakar Untuk
Mendeteksi Penyakit THT Dengan
Menggunakan Metode Forward Chaining,
Prosiding SNIf STMIK Potensi Utama 2013.
[3] Sutojo, et al, 2011, Kecerdasan Buatan,
Jogyakarta, Andi Offset.
[4] Kandi, Rambutan yang menggiurkan,
Bandung, PT. Sarana Ilmu Pustaka