1. Pendahuluan 1.1 Latar belakang
Dalam rangka memajukan perekonomian di indonesia salah satu langkah yang menjajikan adalah di bidang peradagangan. Dan hasil pertanian merupakan komoditas yang baik salah satunya adalah tanaman kakao (Theobroma Cacao).
Tidak sedikit para petani yang membudidayakan dan mempunyai perkebunan tanaman kakao (Theobroma Cacao). Dari tanaman tanaman tersebut dapat di peroleh biji-bijian yang kemudian biji tersebut dapat di olah menjadi bahan baku coklat dari coklat tersebut dapat di jadikan berbagai jenis makanan dan minuman.
Seiring banyaknya yang
membudidayakan tanaman kakao (Theobroma Cacao) banyak pula jenis
penyakit yang menyerang tanaman tersebut maka dari itu banyak petani yang mengalami kerugian karena gagal panen yang di akibatkan dari serangan penyakit. Kurangnya pengetahuan tentang penyakit pada tanaman kakao membuat para petani kesulitan untuk mengambil langkah untuk menyelesaikan masalah tersebut. Selain dari serangan penyakit juga bisa di karenakan organisme yang merugikan atau bersifat merusak sehingga
APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT PADA TANAMAN
KAKAO MENGGUNAKAN METODE CERTAINTY FACTOR
Arga damantara0180) , Badarudin0211) ,Beni ardianto0356)Jurusan teknik Fakultas Teknik UNP Kediri Jalan KH. Achmad Dahlan, No 76, 64112 Email : ___________________________
Abstrak
Masalah yang dihadapi oleh para petani coklat/kakao dewasa ini khusunya petani didaerah terpencil adalah sulitnya mendiagnosa penyakit tanaman coklat/kakao dan solusi untuk pengendaliannya, sehingga para petani membutuhkan waktu yang lama untuk bertanya kepada ahlinya, maka diperlukan Sistem Pakar yang bertujuan untuk diagnosa penyakit tanaman coklat/kakao yang dapat mempermudah petani dalam mendapatkan jawaban dari masalah yang dihadapinya. Untuk itu dengan adanya Sistem Pakar ini yang berguna untuk mencari dan menampilkan hasil diagnosa yang disertai dengan solusi dari penyakit serta penelusuran dari gejala-gejala penyakit yang diderita berdasarkan data-data dari pakar yang menjadi bahan rujukannya. Sistem pakar merupakan salah satu cabang dari kecerdasan buatan yang mempelajari bagaimana mengadopsi cara berpikir seoarang pakar dalam menyalaesaikan suatu permasalahan, dan membuat suatu keputusan maupun mengambil kesimpulan dari sejumlah fakta yang ada. Dalam hal ini sistem pakar digunakan untuk mendiagnosa penyakit pada tanaman coklat/kakao dengan menggunakan metode Certainty Factor. Dengan tujuan dalam membantu dalam mendiagnosa penyakit pada tanaman coklat/kakao dan mendapatkan hasil diagnosa yang tepat dan akurat.
mengganggu pertumbuhan tanaman kakao, maka untuk menyelesaikan masalah itu di buat aplikasi sistem pakar untuk mendiagnosis penyakit pada tanaman kakao menggunakan metode certanty factor “ sehingga bisa menyelesaikan masalah dengan tepat dan efisien.
1.2 Rumusan Masalah Masalah Umum
Berdasarkan uraian latar belakang di atas, maka perumusan masalah dari sikripsi ini adalah :
1. Bagaimana proses diagnosa penyakit pada tanaman coklat/kakao?
2. Bagaimana menerapkan metode certainty factor untuk mendiagnosa penyakit pada tanaman coklat/kakao?
3. Bagaimana proses perancangan sistem pakar mendiagnosa penyakit pada tanaman coklat/kakao dengan menggunakan metode certainty factor?
2. PEMBAHASAN 2.1 SistemPakar
Kecerdasan buatan atau Artificial Intelligence (AI) merupakan cabang dari ilmu komputer yang concerned dengan pengotomatisi tingkah laku cerdas (Anita Desiani dan Muhammad Arhami, 2006). Karena itu kecerdasan buatan harus didasarkan pada prinsip-prinsip teoterikal atau terapan yang menyangkut struktur data yang digunakan dalam representasi pengetahuan (knowledge representation), algoritma yang diperlukan dalam penerapan pengetahuan itu, serta bahasa dan teknik pemrograman yang dipakai dalam implementsinya.
2.2 Pengertian Metode Certainty Factor
TeoriCertainty Faktor (CF) diusulkan oleh Shortliffedan Buchanan pada 1975 untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Metode ‘Net Belief’ yang diusulkanoleh E.H. Shorlieffedan B.G Buchanan
CF(H,E) = MB(H,E) – MD(H,E) Keterangan :
CF(H,E): Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai dengan 1. Nilai-1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak.
MB(H,E): Ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E.
MD(H,E): Ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhiolehgejala E.
Dengan cara mewawancara seorang pakar, nilai CF(Rule) didapatdariinterprtasi “term” daripakar,
yang diubah menjadi nilai CF
tertentu sesuai tabel berikut:
Tabel 1 : NilaiCF (Rule) dariinterpretasi “term”
Sumber: Kusrini,AplikasiSistemPakar, Andi, 2008
2.3 Analisa logika dan metode
Certainty Factor (CF) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Analisa diagnosa gejala penyakit tanaman kakao dapat dilihat pada dibawah ini:
Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit pada tanaman kakao adalah sebagai berikut:
Kaidah:
IF Memudarnya warna kulit buah
AND Munculnya belang berwarna hijau kuning atau merah jingga
AND Bila dibelah daging buah tampak berwarna hitam bijinya melekat satu sama lain, keriput dan bobotnya sangat ringan
THEN Busuk Buah Dari rule base diatas dapat dicari certainty factor untuk menetukan jenis penyakit tanaman kakao yaitu sebagai berikut: 1. Penyakit Busuk Buah
a. Menentukan CF parallel Jika memudarnya warna kulit buah
Atau munculnya belang berwarna hijau
kuning atau merah jingga
Atau bila buah dikocok tidak berbunyi Atau bila dibelah daging buah tampak berwarna hitam bijinya melekat satu sama lain, keriput dan bobotnya sangat ringan.
Maka Penyakit Busuk Buah, CF: 0.8
b. Menentukan CF Sequensial
Dengan menganggap E1: “memudarnya warna kulit buah”, E2: “Munculnya belang berwarna hijau kuning atau merah jingga”, E3: “Bila buah dikocok tidak berbunyi”, E4: “Bila dibelah daging buah tampak berwarna hitam bijinya melekat satu sama lain, keriput dan bobotnya sangat ringan”, nilai certainty factor hipotesis pada saat evidence pasti adalah:
CF(H,E) : CF(H,E1vE2vE3vE4) : 0.8
Dalam kasus ini, certainty factorevidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut:
CF(E1,e) : 0.6 (memudarnya warna kulit buah)
CF(E2,e) : 0.4 (munculnya belang berwarna hijau kuning atau merah jingga)
CF(E3e) : 0.6 (Bila buah dikocok tidak berbunyi)
CF(E4e) : 0.8 (Bila dibelah daging buah tampak berwarna hitam
bijinya melekat satu sama lain, keriput dan bobotnya sangat ringan)
Sehingga
CF(E,e): CF(E1vE2vE3vE4) :
max [CF(E1e), CF(E2e), CF(E3e), CF(E4e)] :
max [0.6, 0.4, 0.6, 0.8] : 0.8
Jadi nilai CF paralel untuk premis-premis dari kasus diatas adalah sebesar 0.8.
c. Menentukan CF Sequensial Dengan menggunakan contoh diatas dapat diketahui bahwa CF parallel dari semua premis
sebesar 0.8 dan
CF pakar sebesar 0.8.Bedasarkan nilai-nilai tersebut, nilai CF sequensial dapat dihitung, yakni sebesar: CF (Penyakit Busuk Buah) : 0.8 * 0.8 : 0.64
Dari perhitungan diatas dapat diketahui
bahwa untuk penyak
it busuk buah kemungkinan terjadi dengan kepercayaan sebesar 0.64.
2.4 Algoritma INPUT : Pertanyaan <- P Gejala <- G Penyakit <- E OUTPUT : Diagnosa <- CF PROSES :
Menetukan nilai paralel
CF (H,E) = Max [CF(H,E1), CF(H,E2) Menentukan CF Sequensial
CF(H,E) = CF(H,e)*CF(H,E)
Persentase kemungkinan = CF x 100%
Pertanyaan = “Apakah” & Gejala [1…31] & “?” For i = 1 to 31
Bobot Penyakit = Max(Bobot Gejala[1…31])
End if Next i
Gejala = G01,G02,G03,G04
Bobot = Max(0.6; 0.4; 0.6; 0.8) Bobot = 0. Penyakit = E01 (Penyakit Busuk Buah
(Phytophthora palmivora Butl)) Nilai CF Hipotesis = 0.8 CF = 0.8 x 0.8 = 0.6
Persentase Kemungkinan = 0.64 x 100% = 64%
3. Kesimpulan
Setelah menyelesaikan perangkat lunak Sistem Pakar Diagnosa Penyakit Pada Tanaman Coklat/Kakao Dengan Metode Certainty Factor, dapat ditarik kesimpulan sebagai berikut:
1. Proses diagnosa penyakit pada tanaman coklat/kakao dilakukan berdasarkan pengujian dengan menggunakan data-data pakar yang ada.
2. Dengan menggunakan data-data pakar yang ada maka sistem pakar ini menghasilkan keputusan yang cukup akurat berdasarkan penerapan metode Certainty Factor yang digunakan.
4. Saran
Penulis ingin memberikan beberapa saran yang
mungkin dapat membantu dalam mengembangkan
perangkat lunak ini yaitu:
1. Diharapkan user yang lainnya dapat mengimplementasikan dan dapat memahami
algoritma, database dan bahasa pemograman.
2. Aplikasi dapat dikembangkan
menggunakan
tampilan yang lebih menarik dan basis data
yang dapat
3. Daftar pustaka
1. Kusrini, “Aplikasi Sistem Pakar”, Penerbit Andi, 2008
2. Kusumadewi, “Teknik dan Aplikasinya”,
Penerbit Graha Ilmu 2003
3. Tata Sutabri, “Sistem Informasi
Manajemen”, Penerbit Analisa Sistem Informasi, 2004
4. Leman,“Metodologi Pengembangan
Sistem Informasi”, 1998. Penerbit PT Elex Media Komputindo, Jakarta
5. T.Wahyudi, T.R.Panggabean, “Kakao”,
