SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILI …digilib.unila.ac.id/24860/2/SKRIPSI TANPA BAB PEMBAHASAN.pdf · informasi terkait taksonomi, nama spesies, nama lokal, habitat, persebaran

SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILI CYPRINIDAE

MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC

PROBABILITY

(Skripsi)

Oleh

RETNO MONYKA AGUSTIANTI

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

2016

ABSTRACT

AN EXPERT SYSTEM FOR IDENTIFICATION TYPES OF FAMILY

CYPRINIDAE FISH USING FORWARD CHAINING DAN CLASSIC

PROBABILITY METHOD

By


Fish is defined as vertebrate animals (vertebrates) that lives in the water, the

mnumber of fish reached 33,200 types scattered around the world. One of the

obstacles in studying the types of fish is the identification process. The difficulty

in identification of fish caused by the limited number of specialists/ experts and

the difficulty of finding fish identification guidebook, therefore in this research

built an expert system that is able to identify the type of fish based on knowledge

provided directly from the experts. Expert system in this study is a web-based

system that built using the programming language Php and using Mysql database.

Inference method used in this system is Forward Chaining. This method is used to

determine which rules are executed according to the facts, then the rule is

executed, the process is repeated until a result is found. The next step after the

results found is counting the percentage of accuracy using classic probability

method. In this research, the system can identify 41 types of freshwater fish

family Cyprinidae that is spreading in Sumatra and provide information related to

taxonomy, species names, local names, habitat, distribution. Testing the reliability

of the system using the 10 case studies, and showed an average accuracy of

93.2%. Based on the values of accuracy, we can conclude that the system can

identify the fish properly.

Kata Kunci : expert system, forward chaining, classic probability, fish

identification, cyprinidae.

ABSTRAK

SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE


PROBABILITY

Oleh


Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di

air, jumlahnya mencapai 33.200 jenis tersebar di seluruh dunia. Salah satu kendala

dalam mempelajari jenis-jenis ikan adalah proses identifikasi ikan. Kesulitan

dalam proses identifikasi ikan disebabkan oleh terbatasnya jumlah pakar/ ahli dan

sulitnya menemukan buku pedoman identifikasi ikan. Oleh karena itu pada

penelitin ini dibangun suatu sistem pakar yang mampu mengidentifikasi jenis ikan

berdasarkan pengetahuan yang diberikan langsung dari pakar/ ahlinya. Sistem

pakar yang dibangun berbasis web, menggunakan bahasa pemrograman Php dan

database Mysql. Metode inferensi yang digunakan dalam sistem ini yaitu

Forward Chaining. Metode ini digunakan untuk menentukan aturan mana yang

akan dijalankan sesuai fakta yang ada, kemudian aturan tersebut dijalankan,

proses diulang hingga ditemukan suatu hasil. langkah selanjutnya setelah hasil

ditemukan adalah menghitung presentase akurasi menggunakan classic

probability . Pada penelitian ini, sistem dapat mengidentifikasi 41 jenis ikan air

tawar famili cyprinidae yang persebarannya di Pulau Sumatera dan memberikan

informasi terkait taksonomi, nama spesies, nama lokal, habitat, persebaran.

Pengujian keandalan terhadap sistem menggunakan 10 studi kasus, dan

didapatkan hasil rata-rata akurasi sebesar 93,2%. Berdasarkan nilai akurasi

tersebut, dapat disimpulkan bahwa sistem dapat mengidentifikasi ikan dengan

baik.

Kata Kunci : sistem pakar, forward chaining, classic probability,

identifikasi ikan

SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE


PROBABILITY

Oleh


Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar

SARJANA KOMPUTER

pada

Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

2016

iii

RIWAYAT HIDUP

Penulis dilahirkan pada 03 Agustus 1994 di Bandar

Lampung, sebagai anak tunggal dengan Ayah bernama Drs.

Sutikno dan Ibu bernama Sumiyati.

Penulis menyelesaikan pendidikan Sekolah Dasar (SD) di

SD Negeri 1 Sukarame tahun 2006, menyelesaikan Sekolah

Menengah Pertama (SMP) di SMP Negeri 2 Bandar Lampung tahun 2009,

kemudian melanjutkan jenjang Sekolah Menengah Atas (SMA) di SMA Negeri

10 Bandar Lampung dan lulus di tahun 2012.

Pada tahun 2012, penulis terdaftar sebagai mahasiswa Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui

jalur SNMPTN Undangan. Pada bulan Januari-Maret 2015, penulis melakukan

Kuliah Kerja Nyata selama 40 hari di Desa Kacamarga Kecamatan Cukuh Balak

Kabupaten Tanggamus. Pada bulan Agustus 2015, penulis melakukan kerja

praktik di Dinas Tenaga Kerja dan Transmigrasi Provinsi Lampung.

Selama menjadi mahasiswa penulis aktif dalam Organisasi Himpunan Mahasiswa

Jurusan Ilmu Komputer (HIMAKOM) Universitas Lampung dengan menjabat

sebagai Anggota Bidang Kaderisasi pada tahun 2012-2013, Bendahara Bidang

Kaderisasi pada tahun 2013-2014.

iv

PERSEMBAHAN

Teruntuk Ibu Ayahku yang sangat kucintai, kupersembahkan skripsi ini

Terimakasih untuk kasih sayang, perhatian, pengorbanan, usaha, dukungan moril maupun

materi, motivasi dan do’a-do’a yang tiada henti untuk kesuksesanku....

Teuntuk sahabat dan teman-teman tersayang,

Terimakasih untuk canda tawa, tangis dan perjuangan yang telah kita lewati bersama dan

terima kasih untuk setiap rentetan kenangan yang telah terukir selama ini....

v

MOTTO

“Maka sesungguhnya bersama kesulitan ada kemudahan. Sesungguhnya

bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari

sesuatu urusan), tetaplah bekerja keras (untuk urusan yang lain). Dan hanya

kepada Tuhanmulah engkau berharap.”

(Q.S.Al-Insyirah:6-8)

“Selagi kamu bisa dan mampu, jangan mencoba untuk meminta tolong pada

orang lain. Itu akan menjadi kebiasaan.”

(Rifti Fauzan)

“Sesuatu yang belum dikerjakan, seringkali tampak mustahil. Kita baru yakin

kalau kita telah berhasil melakukannya dengan baik.”

(Evelyn Underhill)

vi

SANWACANA

Assalamualaikum wr. wb.

Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat,

hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan

penulisan skripsi yang berjudul “Sistem Pakar Identifikasi Jenis Ikan Family

Cyprinidae Menggunakan Metode Forward Chaining Dan Classic Probability”

dengan baik.

Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan

berperan besar dalam penyusunan skripsi ini, seperti antara lain:

1. Kedua orang tua tercinta, Ibu dan Bapak, berserta keluarga besar yang

selalu memberi do’a, motivasi dan kasih sayang yang tak terhingga.

2. Bapak Aristoteles, S.Si., M.Si. sebagai pembimbing utama dan

pembimbing akademik, yang telah membimbing, memotivasi serta

memberikan ide, kritik dan saran selama masa perkuliahan dan

penyusunan skripsi sehingga penulis bisa sampai di tahap ini.

3. Ibu Rara Diantari, S.Pi., M.Sc. sebagai pembimbing kedua yang telah

membimbing dan memberikan bantuan, ide, kritik serta saran dalam

penyusunan skripsi ini.

vii

4. Bapak Rico Andrian, S.Si., M.Kom. sebagai pembahas, yang telah

memberikan komentar dan masukan yang bermanfaat untuk perbaikan

dalam penyusunan skripsi ini.

5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. selaku Dekan FMIPA

Universitas Lampung.

6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu

Komputer FMIPA Universitas Lampung.

7. Bapak Didik Kurniawan, S.Si., M.T., selaku Sekretaris Jurusan Ilmu

Komputer FMIPA Universitas Lampung.

8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan

ilmu dan pengalaman hidup selama penulis menjadi mahasiswa.

9. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan

administrasi penulis di Jurusan Ilmu Komputer.

10. Sahabat-sahabat tercinta Rika Oktaria, Ajeng Defriyanti, Sella Saptarani

yang telah memberikan support, sindirian, hiburan, dan do’a sehingga

penulis dapat melewati tahap perkuliahan yang paling menguji kesabaran

yaitu skripsi.

11. Teman-teman seperjuangan dalam melaksanakan kuliah Claudya Cindy

Owen, Annisa Putri Rahayu, Lia Atika Rani, Indah Ayu Atika dan

Febrianti Suci Rizqiani. Terimakasih telah bersama-sama berjuang

bersama penulis, jatuh bangun untuk mendapatkan gelar sarjana.

12. Keluarga Ilmu Komputer 2012 yang tidak bisa disebutkan satu per satu,

terima kasih atas kebersamaannya selama ini.

viii

DAFTAR ISI

Halaman

DAFTAR ISI ................................................................................................. viii

DAFTAR GAMBAR ...................................................................................... xi

DAFTAR TABEL ......................................................................................... xiv

DAFTAR LAMPIRAN ...................................................................................xv

BAB I PENDAHULUAN .................................................................................1

1.1. Latar Belakang .....................................................................................1

1.2. Rumusan Masalah ................................................................................4

1.3. Batasan Masalah ..................................................................................4

1.4. Tujuan Penelitian .................................................................................5

1.5. Manfaat ................................................................................................5

BAB II TINJAUAN PUSTAKA .......................................................................6

2.1. Sitem Pakar ..........................................................................................6

2.1.1. Definisi Sistem Pakar ................................................................6

2.1.2. Ciri-Ciri Sistem Pakar ...............................................................7

2.1.3. Keuntungan Sistem Pakar ..........................................................7

2.1.4. Kelemahan Sistem Pakar ...........................................................8

2.1.5. Konsep Dasar Sistem Pakar.......................................................9

2.1.6. Struktur Sistem Pakar ................................................................9

2.1.6.1. Basis Pengetahuan .....................................................11

2.1.6.2. Mesin Inferensi ..........................................................13

2.2. Metode Forward Chaining ................................................................15

ix

2.3. Metode Classic Probability ...............................................................17

2.4. Context Diagram ................................................................................18

2.5. Data Flow Diagram ...........................................................................19

2.6. Entity Relationship Diagram .............................................................19

2.7. Flowchart ...........................................................................................20

2.8. Black Box Testing ..............................................................................22

2.9. Skala Likert ........................................................................................23

2.10. Ikan ...................................................................................................24

2.10.1. Definisi Ikan ..........................................................................24

2.10.2. Famili Cyprinidae .................................................................25

2.11. Identifikasi ........................................................................................26

2.12. Morfologi ..........................................................................................26

2.12.1. Bentuk Tubuh ........................................................................27

2.12.2. Bentuk Ekor ..........................................................................28

2.12.3. Mulut .....................................................................................30

2.12.4. Sisik .......................................................................................31

2.12.5. Sirip .......................................................................................32

2.12.6. Warna ....................................................................................33

BAB III METODOLOGI PENELITIAN........................................................34

3.1. Waktu dan Tempat Penelitian ............................................................34

3.2. Alat Pendukung ..................................................................................34

3.2.1. Perangkat Lunak ......................................................................34

3.2.2. Perangkat Keras .......................................................................35

3.3. Tahapan Penelitian .............................................................................35

3.3.1. Studi Literatur ..........................................................................36

3.3.2. Pengumpulan Data...................................................................36

3.3.3. Perancangan Sistem .................................................................36

3.3.3.1. Proses Bisnis .............................................................37

3.3.3.2. Context Diagram .......................................................38

3.3.3.3. Data Flow Diagram (DFD) .......................................39

a. DFD level 1 ..........................................................39

b. DFD level 2 Mengelola Data Ikan ........................42

x

c. DFD level 2 Mengelola Data Ciri .........................43

d. DFD level 2 Mengelola Data Rule .......................44

e. DFD level 2 Mengelola Data Hasil Identifikasi ...44

f. DFD level 2 Identifikasi .......................................45

3.3.3.4. Entity Relationship Diagram (ERD) ........................48

3.3.3.5. Perancangan Interface (Antarmuka) ........................50

a. Pakar .....................................................................50

b. Pengguna ..............................................................57

3.3.4. Implementasi ...........................................................................61

3.3.5. Pengujian .................................................................................61

3.3.6. Penyusunan Laporan ...............................................................66

BAB IV HASIL DAN PEMBAHASAN ........................................................67

4.1. Analisa Kebutuhan Data ....................................................................67

4.2. Representasi Pengetahuan............................................................. 68

4.3. Implementasi Sistem ................................................................... 68

4.3.1. Tampilan Halaman Input Data (Pakar) ....................................69

4.3.2. Tampilan Halaman Proses Identifikasi (Pengguna) ................74

4.3.3. Tampilan Halaman Hasil Identifikasi (Pengguna) ................103

4.3.4. Analisa Perhitungan Presentase .............................................103

4.4. Pengujian Sistem ..............................................................................106

4.4.1. Pengujian Kepakaran (Hasil Identifikasi) .............................106

4.4.2. Pengujian Fungsional ............................................................110

4.4.3. Pengujian Non Fungsional ....................................................115

BAB V PENUTUP ........................................................................................130

5.1. Kesimpulan ......................................................................................130

5.2. Saran ................................................................................................131

DAFTAR PUSTAKA ...................................................................................132

LAMPIRAN ..................................................................................................136

xi

DAFTAR GAMBAR

Gambar Halaman

2.1. Konsep dasar fungsi sitem pakar (Arhami, 2005) ................................9

2.2. Struktur Sistem Pakar (Sutojo dkk, 2011) ...........................................10

2.3. Proses Backward Chaining (Arhami,2005) .........................................13

2.4. Proses Forward Chaining (Arhami,2005) ...........................................13

2.5. Diagram Alir Teknik Penelusuran Depth First Search ........................14

2.6. Diagram Alir Teknik Penelusuran Breadth-first search ......................14

2.7. Diagram Alir Teknik Penelusuran Best-first search ............................15

2.8. Bagian-bagian tubuh ikan secara morfologi (Bond, 1979) .................26

2.9. Bentuk-bentuk tubuh ikan (Bond, 1979) .............................................28

2.10.Bentuk morfologi ekor ikan (Affandi dkk, 1992) ..............................29

2.11.Letak mulut ikan (Bond, 1979) ..........................................................30

2.12.Bentuk-bentuk sisik ikan (Bond, 1979) ..............................................31

2.13.Letak sirip perut pada tubuh ikan (Bond, 1979) .................................32

3.1. Diagram Alir Tahapan Penelitian ........................................................35

3.2. Proses bisnis yang dilakukan pakar .....................................................37

3.3. Proses bisnis identifikasi .....................................................................38

3.4. Context Diagram ................................................................................39

3.5. DFD level 1 .........................................................................................41

3.6. DFD level 2 Mengelola Data Ikan ......................................................42

xii

3.7. DFD level 2 Mengelola Data Ciri .......................................................43

3.8. DFD level 2 Mengelola Data Rule ......................................................45

3.9. DFD level 2 Data Hasil Identifikasi ....................................................45

3.10. DFD level 2 Identifikasi ....................................................................46

3.11. Entity Relationship Diagram (ERD) .................................................49

3.12. Rancangan halaman login pakar ........................................................50

3.13. Rancangan halaman beranda pakar ...................................................51

3.14. Rancangan halaman data ikan ...........................................................52

3.15. Rancangan halaman data ciri .............................................................52

3.16. Rancangan halaman hasil identifikasi ...............................................53

3.17. Rancangan halaman tambah data ikan ..............................................53

3.18. Rancangan halaman tambah data ciri ................................................54

3.19. Rancangan halaman tambah/ edit data rule .......................................55

3.20. Rancangan halaman urutan data rule .................................................55

3.21. Rancangan halaman rule ...................................................................56

3.22. Rancangan halaman bantuan .............................................................56

3.23. Rancangan halaman beranda pengguna ............................................57

3.24. Rancangan halaman daftar ikan ........................................................58

3.25. Rancangan halaman form identitas ...................................................59

3.26. Rancangan halaman pertanyaan ........................................................59

3.27. Rancangan halaman hasil identifikasi ...............................................60

3.28. Rancangan halaman kontak admin ....................................................60

3.29. Rancangan halaman tentang ..............................................................61

4.1. Tampilan halaman utama pakar ..........................................................69

xiii

4.2. Tampilan halaman input data ikan ......................................................71

4.3. Tampilan halaman input data ciri ........................................................72

4.4. Tampilan halaman input (tambah/edit) rule ........................................72

4.5. Tampilan halaman urutan rule .............................................................73

4.6. Tampilan halaman rule ........................................................................73

4.7. Tampilan halaman utama pengguna ....................................................74

4.8. Tampilan halaman form identitas ........................................................74

4.9. Tampilan halaman pertanyaan iterasi-1 ..............................................76

4.10. Tampilan halaman pertanyaan iterasi-2 ............................................81





4.15. Tampilan halaman pertanyaan iterasi-7 ..........................................100

4.16. Tampilan halaman pertanyaan iterasi-8 ..........................................101

4.17. Tampilan halaman hasil identifikasi ................................................105

4.18. Grafik penilaian kuisioner terhadap pernyataan 1 ...........................121







4.25. Grafik penilaian kuisioner terhadap pertanyaan 8 ...........................128

xiv

DAFTAR TABEL

Tabel Halaman

1.1. Persebaran ikan air tawar di Sumatera (Wargasasmita, 2002) ................2

2.1. Tabel Kemungkinan ...............................................................................18

2.2. Simbol Data Flow Diagram (Al Fatta, 2007) ........................................19

2.3. Simbol ERD (Al Fatta, 2007) ................................................................19

2.4. Flow Direction Symbols (Al-Bahra, 2005) ...........................................20

2.5. Processing Symbols (Al-Bahra, 2005) ..................................................21

2.6. Input-Output Symbols (Al-Bahra, 2005) ...............................................21

3.1. Daftar pengujian black box untuk pakar ................................................62

3.2. Daftar pengujian black box untuk pengguna .........................................65

4.1. Hasil pengujian kepakaran sistem .......................................................106

4.2. Hasil pengujian fungsional sistem (admin) .........................................110

4.3. Hasil pengujian fungsional sistem (pengguna) ....................................114

4.4. Hasil penilaian kuisioner oleh pakar ikan (Responden I) ....................117

4.5. Hasil penilaian kuisioner oleh peneliti BBI dan Mahasiswa Budidaya

Perairan Unila (Responden II) .............................................................118

4.6. Hasil penilaian kuisioner oleh Mahasiswa Ilmu Komputer Unila

(Responden III) ....................................................................................119

4.7. Kriteria index penilaian hasil kuisioner ...............................................120

xv

DAFTAR LAMPIRAN

Lampiran Halaman

1. Data Ikan dan Data Ciri .........................................................................137

2. Data Ikan .................................................................................................147

3. Data Ciri ..................................................................................................148

4. Pohon Keputusan ....................................................................................151

5. Tabel Keputusan .....................................................................................152

6. Basis Aturan ............................................................................................156

7. Hasil Rekap Penilaian Kuisioner ............................................................169

BAB I

PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan salah satu negara dengan keanekaragaman jenis ikan yang

tinggi. Letak perairan yang berada di daerah khatulistiwa dan beriklim tropis

membuat Indonesia memiliki kekayaan biota air yang lebih banyak dibandingkan

dengan daerah dingin maupun subtropis. Nelson (2006) memperkirakan total jenis

ikan di dunia mencapai 40.000 jenis. Berdasarkan data yang terdapat pada

www.fishbase.org hingga Februari 2016, terdapat 33.200 jenis ikan di dunia yang

berhasil dideskripsikan. Jumlah jenis ikan yang tersebar di Indonesia yaitu 4857

spesies terdiri dari 1225 spesies air tawar dan 3632 spesies air laut.

Jika dilihat dari jumlah jenis ikan air tawar, Indonesia menempati rangking

pertama di Asia (Budiman dkk, 2002). Ikan air tawar merupakan jenis ikan yang

hidup dan menghuni perairan daratan (inland water), yaitu perairan dengan kadar

garam kurang dari 5% per ml (0-5%). Jumlah spesies ikan air tawar di Pulau

Sumatera terdapat sebanyak 272 spesies, di Pulau Kalimantan terdapat 394

spesies, di Pulau Jawa terdapat 132 spesies, di sekitar garis Wallace terdapat 68

spesies, dan di Paparan Sahul (Papua) terdapat 58 spesies (Kartamihardja dkk,

2007). Berdasarkan data-data tersebut, Sumatera berada pada peringkat kedua

http://www.fishbase.org/

2

dalam keberagaman jenis ikan air tawar dibandingkan dengan pulau-pulau lain di

Indonesia. Berdasarkan penelitian yang dilakukan oleh Wargasasmita (2002),

didapatkan data persebaran ikan air tawar di Sumatera berdasarkan famili atau

suku, dapat dilihat pada Tabel 1.1.

Tabel 1.1. Persebaran ikan air tawar di Sumatera (Wargasasmita, 2002)

No Famili/ Suku Jumlah Spesies

A. Primary Freshwater Fishes

1. Belontiidae 26

2. Balitoridae 24

3. Akysidae 7

4. Bagridae 24

5. Cyprinidae 128

6. Clariidae 9

7. Channidae 11

8. Cobitidae 16

9. Siluridae 26

B. Secondary Freshwater Fishes

10. Chandidae 12

11. Tetraodontidae 16

12. Gobiidae 47

Berdasarkan Tabel 1.1, dapat dilihat bahwa ikan air tawar yang paling banyak di

Pulau Sumatera adalah ikan dari famili Cyprinidae. Cyprinidae merupakan famili

ikan air tawar yang memiliki jumlah anggota spesies sangat banyak. Famili

Cyprinidae menempati seluruh perairan umum, baik di danau, rawa banjiran

maupun sungai (Nelson, 1994).

Keadaan Pulau Sumatera yang memiliki kekayaan dan keanekaragaman jenis ikan

berbanding terbalik dengan pengetahuan yang dimiliki oleh pengamat/ peneliti.

Hal tersebut dapat terjadi karena terdapat beberapa kendala dalam proses

identifikasi ikan, diantaranya :

3

1. Pakar ikan di Indonesia jumlahnya terbatas sehingga menyulitkan peneliti atau

pengamat untuk berkonsultasi dengan pakar dalam menentukan prinsip-

prinsip identifikasi.

2. Dasar pedoman identifikasi ikan masih sulit didapatkan (langka).

3. Ketika melakukan pengamatan di lapangan, waktu yang diperlukan untuk

menentukan jenis ikan relatif lama, karena pengamat harus mencatat dan

mencocokkan deskripsi fisik tubuhnya di dalam buku pedoman.

4. Banyak bermunculan jenis ikan spesies baru yang belum terdokumentasi.

5. Belum adanya sistem yang menyimpan pengetahuan jenis ikan dan mampu

bekerja layaknya pakar dalam mengidentifikasi jenis ikan.

Oleh karena itu diperlukan suatu sistem yang dapat membantu tugas seorang

pakar dalam mengidentifikasi jenis ikan secara terotomasi. Sistem pakar yang

akan dibangun diharapkan dapat membantu mempermudah pengamat atau peneliti

mengidentifikasi ikan tanpa harus bertemu dengan pakar secara langsung.

Penelitian mengenai sistem pakar identifikasi jenis spesies sebelumnya telah

dilakukan oleh Hasanati dan Dinda (2012) mengenai Rancang Bangun Sistem

Pakar Berbasis Web untuk Mendiagnosis Jenis Burung Air: Waterbird Exsys.

Penelitian ini bertujuan membuat sistem pakar untuk mendiagnosis jenis burung

air menggunakan metode bakcward chaining. Hasil dari penelitian Hasanati dan

Dinda (2012) berupa Sistem Pakar Diagnosis Jenis Burung Air Berbasis Web

(Waterbird Exsys) yang dapat membantu untuk mengidentifikasikan jenis burung

air secara cepat dan akurat, dan tidak terbatas tempat dan waktu selama pengguna

terkoneksi dengan jaringan internet. Penelitian selanjutnya dilakukan oleh Ilham

4

(2010) mengenai Aplikasi Pengidentifikasi Jenis Karang di Perairan Pulau

Panjang Kabupaten Jepara. Penelitian Ilham (2010) menghasilkan suatu aplikasi

identifikasi jenis karang menggunakan metode forward chaining berbasis web.

Pada penelitian ini akan dibangun suatu Sistem Pakar Identifikasi Jenis Ikan yaitu

sistem yang berusaha mengadopsi pengetahuan pakar jenis ikan ke dalam

komputer, sehingga komputer dapat menyelesaikan masalah identifikasi ikan.

Sistem pakar yang akan dibangun merupakan sistem berbasis web sehingga

peneliti atau pengamat dapat dengan mudah mengidentifikasi ikan dimana saja

asalkan terkoneksi internet. Metode inferensi yang digunakan yaitu metode

forward chaining. Metode tersebut digunakan untuk menentukan aturan mana yang

akan dijalankan, kemudian aturan tersebut dijalankan, proses diulang hingga

ditemukan suatu hasil. Dengan adanya sistem pakar ini diharapkan dapat

membantu pengguna untuk melakukan identifikasi ikan secara efektif dan efisien.

1.2. Rumusan Masalah

Rumusan masalah pada penelitian ini yaitu bagaimana membangun sistem pakar

berbasis web yang dapat digunakan untuk mengeidentifikasi jenis ikan

berdasarkan ciri-ciri morfologi ikan tersebut.

1.3. Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:

1. Ikan yang dapat di identifikasi pada sistem ini yaitu hanya ikan air tawar yang

masuk ke dalam famili Cyprinidae dan persebaran nya di Pulau Sumatera.

5

2. Ikan jenis Cyprinidae yang dapat diidentifikasi sebanyak 41 jenis ikan dan

jumlah ciri sebanyak 73 ciri.

3. Metode inferensi yang diimpelementasikan pada sistem ini forward chaining,

yaitu proses identifikasi jenis ikan dilakukan berdasarkan ciri-ciri morfologi

yang diberikan oleh sistem.

1.4. Tujuan Penelitian

Tujuan dari penelitian ini yaitu membangun sistem pakar berbasis web yang dapat

mengidentifikasi ikan berdasarkan ciri-ciri morfologi, sehingga pengamat/ peneliti

dapat dengan mudah mengetahui nama jenis ikan dan informasi-informasi

mengenai ikan tersebut.

1.5. Manfaat Penelitian

Manfaat dari penelitian ini yaitu :

1. Peneliti/ pengamat dapat dengan mudah mengidentifikasi jenis ikan secara

efektif dan efisien.

2. Memberikan informasi mengenai jenis ikan (nama spesies), taksonomi, ciri-

ciri morfologi, habitat, persebaran dan informasi lain yang berkaitan dengan

jenis-jenis ikan famili Cyprinidae kepada pengguna.

3. Terciptanya suatu sistem pakar identifikasi sebagai media penghubung antara

pengamat/ peneliti dengan pakar dalam proses mengidentifikasi ikan.

BAB II

TINJAUAN PUSTAKA

2.1. Sistem Pakar

2.1.1. Definisi Sistem Pakar

Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang

dikembangkan pada pertengahan 1960. Sistem pakar berasal dari istilah

knowledge-based expert system, yaitu sebuah sistem yang menggunakan

pengetahuan manusia dimana pengetahuan tersebut dimasukkan kedalam

komputer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang

biasanya membutuhkan kepakaran atau keahlian manusia (Sutojo dkk, 2011).

Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk

menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang

dimaksud di sini adalah orang yang mempunyai keahlian khusus yang dapat

menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Sistem

pakar dipandang berhasil ketika mampu mengambil keputusan seperti yang

dilakukan oleh pakar aslinya baik dari sisi proses pengambilan keputusannya

maupun hasil keputusan yang diperoleh (Kusrini, 2008).

7

2.1.2. Ciri-Ciri Sistem Pakar

Menurut Sutojo dkk (2011), ciri-ciri sistem pakar adalah :

1. Terbatas pada domain keahlian tertentu.

2. Dapat memberikan penalaran-penalaran untuk data-data yang tidak lengkap

atau tidak pasti.

3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara

yang dapat dipahami.

4. Berdasarkan pada kaidah/ ketentuan/ rule tertentu.

5. Dirancang untuk dapat dikembangkan secara bertahap.

6. Pengetahuan dan mekanisme penalaran (inference) jelas terpisah.

7. Keluarannya bersifat anjuran.

8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai dituntun oleh

dialog dengan user.

2.1.3. Keuntungan Sistem Pakar

Secara garis besar, banyak keuntungan yang dapat diambil dengan adanya sistem

pakar, antara lain:

1. Memungkinkan orang awam mengerjakan pekerjaan para ahli.

2. Dapat melakukan proses secara berulang secara otomatis.

3. Menyimpan pengetahuan dan keahlian pakar.

4. Menigkatkan output dan produktifitas.

5. Meningkatkan kualitas.

6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang

termasuk keahlian langka).

8

7. Memiliki kemampuan untuk mengakses pengetahuan.

8. Memiliki reliabilitas.

9. Meningkatkan kapabilitas sistem komputer.

10. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan

mengandung ketidakpastian.

11. Sebagai media pelengkap dan pelatihan.

12. Meningkatkan kapabilitas dalam penyelesaian masalah.

13. Menghemat waktu dalam pengambilan keputusan.

2.1.4. Kelemahan Sistem Pakar

Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa

kelemahan, antara lain:

1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu

bisa didapatkan dengan mudah karena kadang kala pakar dari masalah yang

kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan yang

dimiliki oleh pakar berbeda-beda.

2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi

sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan

dan pemeliharaannya.

3. Boleh jadi sistem tak dapat membuat keputusan.

4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak

sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti

sebelum digunakan.

9

2.1.5. Konsep Dasar Sistem Pakar

Menurut Turban (1995), konsep dasar sistem pakar mengandung keahlian, ahli,

pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian

adalah suatu kelebihan penguasaan pengetahuan dibidang tertentu yang diperoleh

dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang

termasuk keahlian adalah:

1. Fakta-fakta pada lingkup permasalahan tertentu.

2. Teori-teori pada lingkup permasalahan tertentu.

3. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan

tertentu.

4. Strategi-strategi global untuk menyelesaikan masalah.

5. Meta-knowledge (pengetahuan tentang pengetahuan).

USER

Knowledge Base

Mesin Inferensi

Fakta

Keahlian

SISTEM PAKAR

Gambar 2.1. Konsep dasar fungsi sitem pakar (Arhami, 2005)

2.1.6. Struktur Sistem Pakar

Menurut Sutojo dkk (2011), sistem pakar terdiri dari dua bagian utama yaitu

lingkungan pengembang (Development Environment) dan lingkungan konsultasi

(Consultation Environment). Struktur sistem pakar dapat dilihat pada Gambar 2.2.

10

Gambar 2.2. Struktur Sistem Pakar (Sutojo dkk, 2011)

Penjelasan mengenai struktur sistem pakar pada Gambar 2.2 adalah sebagai

berikut :

1. Basis Pengetahuan

Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami,

memformulasikan dan menyelesaikan masalah.

2. Mesin inferensi (inference engine)

Program yang berisi metodologi yang digunakan untuk melakukan penalaran

terhadap informasi-informasi dalam basis pengetahuan dan blackboard, serta

digunakan untuk memformulasikan konklusi.

11

3. Subsistem penambahan pengetahuan

Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau

memperluas pengetahuan dalam basis pengetahuan. Pengetahuan bisa berasal dari

ahli, buku, basis data, penelitian, dan gambar.

4. Blackboard

Merupakan area dalam memori yang digunakan untuk merekam kejadian yang

sedang berlangsung termasuk keputusan sementara.

5. Antarmuka

Digunakan sebagai media komunikasi antara user dengan program.

6. Subsistem penjelasan

Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan

sistem pakar secara interaktif melalui pertanyaan :

a. Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?

b. Bagaimana konklusi dicapai?

7. Sistem penyaring pengetahuan

Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk

melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan

dimasa mendatang.

2.1.6.1. Basis Pengetahuan

Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah,

tentu di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang

sangat umum digunakan, yaitu:

12

1. Penalaran berbasis aturan (Rule-Based Reasoning)

Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan

menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita

memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si

pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu, juga

digunakan apabila dibutuhkan penjelasan tentang jejak (langkah – langkah)

pencapaian solusi.

2. Penalaran berbasis kasus (Case-Based Reasoning).

Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi solusi yang

telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan

yang terjadi sekarang (fakta yang ada). Bentuk ini akan digunakan apabila user

menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama

(mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah

situasi atau kasus tertentu dalam basis pengetahuan.

Dalam studi kasus pada sistem berbasis pengetahuan terdapat beberapa

karakteristik yang dibangun untuk membantu dalam membentuk serangkaian

prinsip-prinsip arsitekturnya. Prinsip tersebut meliputi:

1. Pengetahuan merupakan kunci kekuatan sistem pakar.

2. Pengetahuan sering tidak pasti dan tidak lengkap.

3. Pengetahuan sering miskin spesifikasi.

4. Amatir menjadi ahli secara bertahap.

5. Sistem pakar harus fleksibel.

6. Sistem pakar harus transparan.

13

2.1.6.2. Mesin Inferensi

Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis

aturan, yaitu pelacakan ke belakang (backward chaining) dan pelacakan ke depan

(forward chaining).

Pelacakan ke belakang adalah pendekatan yang di motori tujuan terlebih dahulu

(goal-driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya

dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya.

Observasi 1

Kaidah A Fakta 1

Kaidah C

Observasi 4

Observasi 3

Observasi 2

Fakta 3

Kaidah D

Kaidah B Fakta 2

Kaidah E

Tujuan

Gambar 2.3. Proses Backward Chaining (Arhami,2005)

Pelacakan kedepan adalah pendekatan yang dimotori data (data driven). Dalam

pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya

mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang

sesuai dengan bagian IF dari aturan IF-THEN.

Observasi 1

Observasi 2

Kaidah A

Kaidah B

Fakta 2

Fakta 3

Kaidah D

Kaidah E

Fakta 1 Kaidah C

Kesimpulan 3

Kesimpulan 1

Kesimpulan 2

Gambar 2.4. Proses Forward Chaining (Arhami,2005)

14

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penulusuran, yaitu

Depth-first search, Breadth-first search dan Best-first search.

1. Depth-first search, melakukan penulusuran kaidah secara mendalam dari

simpul akar bergerak menurun ke tingkat dalam yang berurutan.

1

10 137 164 156

95 12 143

1182

Root Node

(Start)

Goal

(End)

Gambar 2.5. Diagram Alir Teknik Penelusuran Depth First Search

(Arhami,2005)

2. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap

tingkat diuji sebelum pindah ke tingkat selanjutnya.

1

76 8 105

432

Root Node

(Start)

Level 0

Level 1

Level 29

Gambar 2.6. Diagram Alir Teknik Penelusuran Breadth-first search

(Arhami, 2005)

15

3. Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya.

1

65

432

8 97 10

Goal

Level 0

Level 2

Level 1

Root Node

(Start)

Gambar 2.7. Diagram Alir Teknik Penelusuran Best-first search

2.2. Metode Forward Chaining

Menurut Sutojo dkk (2011) metode forward chaining merupakan teknik pencarian

yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta-fakta

tersebut dengan bagian dari rules IF-THEN. Bila ada fakta IF yang cocok dengan

bagian IF, maka rule tersebut dieksekusi. Pencocokan berhenti bila tidak ada lagi

rule yang bisa dieksekusi.

Contoh studi kasus:

A

Mulai

H

B

E

I

C

F

D

J

G

K

Kesimpulan 1

Kesimpulan 2

Kesimpulan 3

Rule /aturan :

• IF A and B and C and D THEN Kesimpulan 1

• IF A and E and F and G THEN Kesimpulan 2

• IF H and I and J and K THEN Kesimpulan 3

16

Iterasi 1 : Apakah A bernilai benar (sesuai dengan fakta) ?

Jika A bernilai benar (sesuai dengan fakta) maka :

- Fakta : A

- Rule / aturan yang mungkin :

IF A and B and C and D THEN Kesimpulan 1

IF A and E and F and G THEN Kesimpulan 2

IF H and I and J and K THEN Kesimpulan 3

Iterasi 2 : Apakah B bernilai benar (sesuai dengan fakta) ?

Jika B benar (sesuai dengan fakta) maka :

- Fakta : A


IF A and B and C and D THEN Kesimpulan 1


Iterasi 3 : Apakah E bernilai benar (sesuai dengan fakta)?

Jika E bernilai benar (sesuai dengan fakta) maka :

- Fakta : A, E


IF A and E and F and G THEN Kesimpulan2

Iterasi 4 : Apakah F bernilai benar (sesuai dengan fakta)?

Jika F bernilai salah (tidak sesuai dengan fakta) maka :

- Fakta : A, E


IF A and E and F and G THEN Kesimpulan2

Jika rule/aturan tinggal tersisa 1 maka, rule tidak dihapus dan akan di cek sampai

IF pada rule tersebut habis dan menghasilkan kesimpulan.

17

Iterasi 5 : Apakah G bernilai benar (sesuai dengan fakta)?

Jika F bernilai salah maka :

- Fakta : A, E, G

- Rule/ aturan yang mungkin :


Berdasarkan fakta yang diketahui yaitu A, E dan G, lalu fakta-fakta tersebut

dicocokkan dengan rule/ aturan yang ada maka didapatlah kesimpulan yang

paling mendekati yaitu Kesimpulan 2.

2.3. Metode Classic Probability

Probabilitas merupakan suatu cara kuantitatif yang berhubungan dengan

ketidakpastian yang telah ada. Teori probabilitas klasik pertama kali

diperkenalkan oleh Pascal dan Fermat pada tahun 1654. Kemudian banyak kerja

yang telah dilakukan untuk mengerjakan probabilitas dan ada beberapa cabang

baru dari probabilitas yang dikembangkan. Probabilitas klasik disebut juga a

priori probability karena berhubungan dengan suatu permainan (games) atau

sistem. Seperti yang telah disebutkan sebelumnya, istilah a priori berarti

“sebelum” (Arhami, 2005).

Rumus umum untuk probabilitas klasik di definisikan sebagai peluang P(A)

dengan n adalah banyaknya kejadian, n(A) merupakan banyaknya hasil

mendapatkan A. Frekuensi relatif terjadinya A adalah maka (Arhami, 2005) :

P(A)= n(A)

N

................................ (1)

18

Keterangan :

A : Ikan Cyprinus caprio

P(A) : Peluang ikan Cyprinus caprio

n : Jumlah seluruh ciri ikan Cyprinus caprio

n(A) : Jumlah ciri ikan Cyprinus caprio yang dipilih/sesuai

Probabilitas klasik ini digunakan untuk mendapatkan peluang kemungkinan suatu

jenis ikan, sehingga untuk menghitung persentase adalah :

Persentase (A) = P(A) x 100%

Tabel 2. 1. Tabel Kemungkinan

Kondisi Presentase

Pasti Tidak <10%

Tidak Tahu 10-19%

Hampir Mungkin 20-39%

Mungkin 40-59%

Kemungkinan Besar 60-79%

Hampir Pasti 80-99%

Pasti 100%

2.4. Context Diagram

Context diagram adalah DFD pertama dalam proses bisnis. Menunjukkan semua

proses dalam satu proses tunggal. Context diagram juga menunjukkan semua

entitas luar yang menerima informasi dari atau memberikan informasi ke sistem

(Al Fatta, 2007).

......................... (2)

19

2.5. Data Flow Diagram

Ada dua jenis DFD, yaitu DFD logis dan DFD fisik. DFD logis menggambarkan

proses tanpa menyarakan bagaimana mereka akan dilakukan, sedangkan DFD

fisik meggambarkan proses model berikut implementasi pemrosesan informasinya

(Al Fatta, 2007).

Tabel 2.2. Simbol Data Flow Diagram (Al Fatta, 2007).

Elemen DFD Gene And

Sarson

De Marco and

Jourdan Keterangan

Proses

Menunjukkan pemrosesan

data/ informasi yang terjadi

di dalam sistem

Data Flow

Menunjukkan arah aliran

dokumen antar bagian yang

terkait pada suatu sistem

Data Store

Tempat menyimpan

dokumen arsip

Entitas

Menunjukkan entitas atau

bagian yang terlibat yang

melakukan proses

2.6. Entity Relationship Diagram

ERD adalah gambar atau diagram yang menunjukkan informasi dibuat, disimpan

dan digunakan dalam sistem bisnis. Entitas biasanya menggambarkan jenis

informasi yang sama. Dalam entitas digunakan untuk menghubungkan antar

entitas yang sekaligus menunjukkan hubungan antar data (Al Fatta, 2007).

Tabel 2.3. Simbol ERD (Al Fatta, 2007)

Elemen ERD Simbol Keterangan

Entitas

Menunjukkan objek pada suatu sistem/

menjelaskan entitas yang terlibat di dalamnya

20

Relationship

Menunjukkan hubungan antara dua entitas

Garis

Penghubung Menunjukkan aliran data

Atribut

Melambangkan atribut

2.7. Flowchart

Flowchart adalah bagan-bagan yang mempunyai arus yang menggambarkan

langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara

penyajian dari suatu algoritma. Flowchart disusun dengan simbol yang dipakai

sebagai alat bantu menggambarkan proses di dalam program. Simbol-simbol yang

digunakan dibagi menjadi tiga, yaitu (Al-Bahra, 2005):

1. Flow Direction Symbols

Flow Direction Symbols merupakan simbol yang digunakan untuk

menghubungkan antara simbol satu dengan simbol yang lain. Simbol ini disebut

juga connecting line.

Tabel 2.4. Flow Direction Symbols (Al-Bahra, 2005)

Simbol Keterangan

Simbol arus/ flow, untuk menyatakan jalannya arus suatu proses.

Simbol communication link, untuk mengatakan bahwa adanya

tranasmisi suatu data/ informasi dari suatu lokasi ke lokasi

lainnya.

Simbol connector, untuk menyatakan sambungan dari suatu

proses ke proses lainnya dalam halaman yang sama.

Simbol offline connector, untuk menyatakan sambungan dari

suatu proses ke proses lainnya dalam halaman yang berbeda.

21

2. Processing Symbols

Processing Symbols merupakan simbol yang menunjukkan jenis

operasipengolahan dalam suatu proses/ prosedur.

Tabel 2.5. Processing Symbols (Al-Bahra, 2005)

Simbol Keterangan

Simbol process, untuk menyatakan suatu tindakan (proses)

yang dilakukan oleh komputer.

Simbol manual, untuk menyatakan suatu tindakan (proses)

yang tidak dilakukan oleh komputer(manual).

Simbol decission/ logika, untuk menunjukkan suatu kondisi

tertentu yang akan menghasilkan dua kemungkinan

jawaban, ya/ tidak.

Simbol predefined process, untuk menyatakan penyediaan

tempat penyimpanan suatu pengolahan untuk memberi

harga awal.

Simbol terminal, untuk menyatakan permulaan atau akhir

suatu program.

Simbol keying operation, untuk menyatakan segala jenis

operasi yang diproses dengan menggunakan suatu mesin

yang mempunyai keyboard.

Simbol offline-storage, untuk menunjukkan bahwa data

dalam simbol ini akan disimpan ke suatu media tertentu.

Simbol manual input, untuk menjelaskan bahwa data secara

manual dengan menggunakan online keyboard.

3. Input-Output Symbols (Simbol Input-Output)

Input-Output Symbols merupakan simbol yang menunjukkan jenis peralatan yang

digunakan sebagai media input atau output.

Tabel 2.6. Input-Output Symbols (Al-Bahra, 2005)

Simbol Keterangan

Simbol input/ output, untuk menyatakan proses input atau

output tanpa tergantung jenis peralatannya.

Simbol punched card, untuk menyatakan input berasal dari

kartu atau outpus ditulis ke kartu.

22

Simbol magnetic tape, untuk menyatakan input berasal dari

pita magnetis atau output disimpan ke pita magnetis.

Simbol disk storage, untuk menyatakan input berasal dari

disk atau output disimpan

Simbol document, untuk mencetak keluaran dalam bentuk

dokumen (melalui printer)

Simbol display, untuk mencetak keluaran dalam layar

monitor.

2.8. Black Box Testing

Black box testing merupakan salah satu metode pengujian sistem yang dilakukan

berdasarkan spesifikasi kebutuhan sistem dan tidak perlu memeriksa coding.

Dengan black box testing, pengujian yang dilakukan hanya berdasarkan

pandangan pengguna untuk mengetahui apakah fungsi yang dibutuhkan berjalan

sesuai harapan atau tidak. Keuntungan penggunaan metode ini adalah penguji

tidak memerlukan pengetahuan yang spesifik mengenai bahasa pemrograman

yang digunakan dalam pembuatan sistem tersebut dan juga pengetahuan pada

implementasinya (Nidhra dan Dondeti, 2012).

Pada black box testing, ada beberapa teknik yang dapat digunakan, salah satunya

adalah Equivalence Class Partioning. Pengujian dengan Equivalence Class

Partioning didasarkan pada asumsi bahwa input dan output program dapat dibagi

menjadi kelas dengan jumlah terbatas (valid dan non-valid) sehingga semua kasus

yang sudah dipartisi ke dalam kelas-kelasnya akan diuji dengan perilaku yang

sama (Nidhra dan Dondeti, 2012).

23

2.9. Skala Likert

Metode ini merupakan metode penskalaan pernyataan sikap yang menggunakan

distribusi respons sebagai dasar penentuan nilai skalanya. Nilai skala setiap

pernyataan tidak ditentukan oleh derajat favourable masing-masing, akan tetapi

ditentukan oleh distribusi respons setuju dan tidak setuju dari sekelompok

responden yang bertindak sebagai kelompok uji coba (Azwar, 2011).

Skala Likert, yaitu skala yang berisi lima tingkat preferensi jawaban dengan

pilihan sebagai berikut : 1= sangat setuju; 2 = tidak setuju; 3 = ragu-ragu atau

netral; 4 = setuju; 5 = sangat setuju. Persentase penilaian berdasarkan kriteria

skala likert akan diperoleh dengan rumus aritmatika mean, yaitu (Djarwanto,

1996).

Keterangan :

P = Persentase pernyataan

Xi = Nilai kuantitatif total

n = Jumlah responden

N = Nilai kategori pernyataan terbaik

Selanjutnya, penentuan interval per kategori digunakan rumus sebagai berikut :

Keterangan :

I = Interval

K = Kategori interval

...........................…. (4)

................................ (3)

24

2.10. Ikan

2.10.1. Definisi Ikan

Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di

air dan secara sistematik ditempatkan pada filum Chordata dengan karakteristik

memiliki insang yang berfungsi untuk mengambil oksigen terlarut dari air dan

sirip digunakan untuk berenang. Ikan hampir dapat ditemukan hampir di semua

tipe perairan di dunia dengan bentuk dan karakter yang berbeda-beda (Adrim,

2010).

Ciri-ciri umum dari golongan ikan adalah mempunyai rangka tulang belakang

sejati dan bertulang rawan, mempunyai sirip tunggal atau berpasangan dan

mempunyai operculum, tubuh ditutupi oleh sisik dan berlendir serta mempunyai

bagian tubuh yang jelas antara kepala, badan dan ekor. Ukuran ikan bervariasi

mulai dari yang kecil sampai yang besar. Kebanyakan ikan berbentuk torpedo,

pipih, dan ada yang berbentuk tidak teratur (Siagian, 2009).

Setiap ikan untuk dapat bertahan hidup dan berkembang biak harus dapat

beradaptasi terhadap lingkungannya. Kondisi lingkungan yang berpengaruh

terhadap kehidupan ikan meliputi kondisi fisik dan kimia antara lain kadar garam,

kedalaman, kecerahan, keadaaan suhu, laju arus dan dasar perairan (Trijoko dan

Pranoto, 2006). Ikan memiliki pola adaptasi yang tinggi terhadap kondisi

lingkungan, baik terhadap faktor fisik maupun faktor kimia lingkungan seperti

pH, DO, kecerahan, temperatur, dan lain sebagainya (Nybakken, 1998).

25

2.10.2. Famili Cyprinidae

Famili Cyprinidae merupakan salah satu famili ikan yang termasuk dalam Ordo

Cypriniformes. Cyprinidae famili ikan terbesar di dunia dengan 210 genus dan

lebih dari 2010 spesies (Nelson, 1994). Saingan terdekat dalam jumlah spesies

adalah dari famili Gobiidae yang mendominasi perairan laut dengan jumlah

kurang dari 1900 spesies, 41% dari 24.618 spesies ikan di dunia berada di

perairan umum, Cyprinidae mendominasi 20% dari ikan air tawar dunia dan 8%

dari semua ikan (Berra, 1997). Famili Cyprinidae mendominasi hampir diseluruh

perairan tawar di dunia yaitu di Eurasia, Afrika, dan Amerika Utara. Eurasia

adalah rumah bagi sekitar 1.270 spesies cyprinids, pusat terbesar keragaman

cyprinids adalah berada di China dan Asia Tenggara, Afrika menyumbang sekitar

475 spesies dalam 23 genus, sedangkan Amerika Utara memiliki sekitar 300

spesies dalam 50 genus (Nelson, 1994). Djuanda (1981) mengemukakan bahwa

ikan famili Cyprinidae biasanya hidup di perairan umum seperti sungai, danau

dan rawa-rawa yang banyak ditumbuhi tanaman air, dan hidup dengan baik pada

perairan yang pHnya rendah.

Menurut hasil studi pustaka Kottelat, dkk (1993), ikan famili Cyprinidae yang

tersebar di pulau Sumatera berjumlah 77 spesies dari 32 Genus, yaitu:

Albulichthys, Amblyrhynchichtys, Balantiocheilos, Barbichthys, Barbonymus,

Brachydanio, Carassius, Chela, Crossocheilus, Cyclocheilichthys, Cyprinus,

Epalzeorhynchos, Hampala, Labiobarbus, Leptobarbus, Lobocheilos, Luciosoma,

Mysthcoloucus, Neobarynotus, Neolissochilus, Osteochilus, Parachela,

26

Pectenocypris, Poropuntius, Puntioplites, Puntius, Rasbora, Rasborichthys,

Rohteichthys, Schimatorhynchos, Thynnichthys, Tor.

2.11. Identifikasi

Identifikasi adalah tugas untuk mencari dan mengenal ciri-ciri taksonomik

individu yang beraneka ragam dan memasukkannya ke dalam suatu takson.

Identifikasi berkaitan erat dengan ciri-ciri taksonomik dan akan menuntun sebuah

sampel ke dalam suatu urutan kunci identifikasi (Mayr and Ashlock, 1991).

2.12. Morfologi

Morfologi adalah ilmu yang mempelajari bentuk tubuh dan bentuk organ luar

suatu organisme. Secara historis, morfologi ikan merupakan sumber utama

informasi untuk studi taksonomi dan evolusi. Ada beberapa karakteristik

morfologi :

Gambar 2.8. Bagian-bagian tubuh ikan secara morfologi (Bond, 1979)

27

2.12.1. Bentuk Tubuh

Bentuk tubuh ikan biasanya berkaitan erat dengan tempat dan cara mereka hidup.

Bentuk tubuh dapat dibedakan atas (Gambar 2.9):

a. Fusiform atau bentuk torpedo (bentuk cerutu)

Suatu bentuk yang sangat stream-line untuk bergerak dalam suatu medium tanpa

mengalami banyak hambatan. Tinggi tubuh hampir sama dengan lebar tubuh,

sedangkan panjang tubuh beberapa kali tinggi tubuh. Bentuk tubuh hampir

meruncing pada kedua bagian ujung. Contoh : Euthynnus affinis : tongkol.

b. Compressed atau pipih

Bentuk tubuh yang gepeng ke samping. Tinggi badan jauh lebih besar bila

dibandingkan dengan tebal ke samping (lebar tubuh). Lebar tubuh juga lebih kecil

daripada panjang tubuh. Contoh : Parastromateus niger : bawal hitam.

c. Depressed atau picak

Bentuk tubuh yang gepeng ke bawah. Tinggi badan jauh lebih kecil bila

dibandingkan dengan tebal ke arah samping badan (lebar tubuh). Contoh :

Himantura uarnak : pare totol.

d. Anguilliform atau bentuk ular atau sidat atau belut

Bentuk tubuh ikan yang memanjang dengan penampang lintang yang agak

silindris dan kecil serta pada bagian ujung meruncing/tipis. Contoh : Monopterus

albus : belut.

e. Filiform atau bentuk tali

Bentuk tubuh yang menyerupai tali. Contoh : Pseudophallus straksii : pipefish.

28

f. Taeniform atau flatted-form atau bentuk pita

Bentuk tubuh yang memanjang dan tipis menyerupai pita. Contoh : Trichiurus

brevis : ikan layur.

g. Sagittiform atau bentuk panah

Bentuk tubuh yang menyerupai anak panah. Contoh : Esox lucius: pike.

h. Globiform atau bentuk bola

Bentuk tubuh ikan yang menyerupai bola. Contoh : Diodon histrix: buntal landak.

Gambar 2.9. Bentuk-bentuk tubuh ikan (Bond, 1979)

2.12.2. Bentuk Ekor

Menurut Affandi dkk (1992), secara morfologis bentuk luar sirip ekor dapat

dibedakan menjadi (Gambar 2.10), yaitu:

a. Rounded (membundar) misalnya pada ikan kerapu bebek (Cromileptes

altivelis).

29

b. Truncate (berpinggiran tegak), misalnya pada ikan tambangan (Lutjanus

johni).

c. Pointed (meruncing), misalnya pada ikan sembilang (Plotosus canius).

d. Wedge shape (bentuk baji), misalnya pada ikan gulamah (Argyrosomus

amoyensis).

e. Emarginate (berpinggiran berlekuk tunggal), misalnya pada ikan lencam

merah (Lethrinus obsoletus).

f. Double emarginate (berpinggiran berlekuk ganda), misalnya pada ikan

ketang-ketang (Drepane punctata).

g. Forked / Furcate (bercagak), misalnya pada ikan cipa-cipa (Atropus atropos).

h. Lunate (bentuk sabit), misalnya pada ikan tuna mata besar (Thunnus obesus).

i. Epicercal (bagian daun sirip atas lebih besar), misalnya pada ikan cucut martil

(Eusphyra blochii).

j. Hypocercal (bagian daun sirip bawah lebih besar), misalnya pada ikan terbang

(Exocoetus volitans).

Gambar 2.10. Bentuk morfologi ekor ikan (Affandi dkk, 1992).

30

2.12.3. Mulut

Letak atau posisi mulut ikan dapat dibedakan atas (Gambar 2.11):

a. Inferior

Mulut yang terletak di bawah hidung, misalnya pada ikan pare kembang

(Neotrygon kuhlii) dan ikan cucut (Chaenogaleus macrostoma).

b. Subterminal

Mulut yang terletak dekat ujung hidung agak ke bawah misalnya pada ikan kuro/

senangin (Eleutheronema tetradactylum) dan ikan setuhuk putih (Makaira

indica).

c. Terminal

Mulut yang terletak di ujung hidung, misalnya pada ikan tambangan (Lutjanus

johni) dan ikan mas (Cyprinus carpio).

d. Superior

Mulut yang terletak di atas hidung, misalnya pada ikan julung-julung

(Hemirhamphus far) dan ikan kasih madu (Kurtus indicus).

Gambar 2.11. Letak mulut ikan (Bond, 1979).

31

2.12.4. Sisik

Seluruh badan ikan umumnya mempunyai sisik (squama). Sisik disebut juga

rangka dermal, yang berhubungan dengan rangka luar (exoskeleton). Sisik atau

squama membentuk rangka luar terutama pada ikan primitif, misalnya pada ikan

tangkur kuda (Hippocampus histrix) yang memiliki sisik sangat keras.

Menurut bentuknya, sisik ikan dapat dibedakan atas beberapa tipe (Gambar 2.12),

yaitu:

a. Cosmoid, terdapat pada ikan-ikan purba yang telah punah.

b. Placoid, merupakan sisik tonjolan kulit, banyak terdapat pada ikan yang

termasuk kelas Chondrichthyes.

c. Ganoid, merupakan sisik yang terdiri atas garam-garam ganoin, banyak

terdapat pada ikan dari golongan Actinopterygii.

d. Cycloid, berbentuk seperti lingkaran, umumnya terdapat pada ikan yang

berjari-jari sirip lemah (Malacopterygii).

e. Ctenoid, berbentuk seperti sisir, ditemukan pada ikan yang berjari-jari sirip

keras (Acanthopterygii).

Gambar 2.12 Bentuk-bentuk sisik ikan (Bond, 1979)

32

2.12.5. Sirip

Berdasarkan letak sirip perut terhadap sirip dada, dapat dibedakan empat macam

letak sirip perut (Gambar 2.13), yaitu:

a. Abdominal, yaitu jika letak sirip perut agak jauh ke belakang dari sirip dada,

misalnya pada ikan bulan-bulan (Megalops cyprinoides) dan ikan japuh

(Dussumieria acuta).

b. Subabdominal, yaitu jika letak sirip perut agak dekat dengan sirip dada,

misalnya pada ikan kerong-kerong (Therapon theraps) dan ikan karper perak

(Hypophthalmichthys molitrix)

c. Thoracic, yaitu jika sirip perut terletak tepat di bawah sirip dada, misalnya

pada ikan layang (Decapterus russelli) dan ikan bambangan (Lutjanus

sanguineus).

d. Jugular, yaitu jika sirip perut terletak agak lebih ke depan daripada sirip dada,

misalnya pada ikan kasih madu (Kurtus indicus) dan ikan tumenggung

(Priacanthus tayenus).

Gambar 2.13. Letak sirip perut pada tubuh ikan (Bond, 1979)

33

2.12.6. Warna

Ikan mempunyai warna tubuh yang sederhana dan dapat dilihat dari habitatnya.

Warna ikan disebabkan oleh schemachrome dan biochrome. Sel khusus yang

memberikan ikan warna ada dua macam yaitu Iridocyte dan chromatophore

(Sugiri,1992).

BAB III

METODE PENELITIAN

3.1. Waktu dan Tempat Penelitian

Penelitian dilaksanakan pada bulan Mei s.d. Oktober 2016. Tempat penelitian

dilakukan di Jurusan Budidaya Perairan Fakultas Pertanian, Jurusan Ilmu

Komputer Fakultas Matematikan Ilmu Pengetahuan Alam Universitas Lampung

dan Balai Benih Ikan (BBI) Natar, Trimurjo, Metro.

3.2. Alat Pendukung

Alat pendukung yang digunakan pada penelitian ini adalah sebagai berikut :

3.2.1. Perangkat Lunak

Perangkat lunak yang digunakan untuk membangun sistem yaitu :

a. Sistem Operasi Windows 8.1 Pro 64-bit

b. XAMPP v.3.2.1

c. Text Editor (Notepad++ v.6.6.8)

d. Adobe Dreamweaver CS 5.5

e. Web browser (Mozila Firefox)

35

3.2.2. Perangkat Keras

Perangkat keras yang digunakan untuk membangun sistem yaitu sebuah laptop

dengan spesifikasi sebagai berikut :

a. Processor (Intel ® Core TM i3-4025U)

b. RAM DDR3 2 GB

c. HD 500 GB

3.3. Tahapan Penelitian

Tahapan penelitian yaitu langkah-langkah yang dilakukan peneliti dalam

melakukan penelitian. Beberapa tahapan yang akan dilakukan peneliti dalam

membangun sistem pakar identifikasi jenis ikan famili Cyprinidae dapat diliht

pada Gambar 3.1.

MULAI

STUDI LITERATUR

PENGUMPULAN DATA

PERANCANGAN SISTEM

SEMUA KEBUTUHAN

TERSEDIA

SEMUA FUNGSI

BERJALAN

IMPLEMENTASI SISTEM

PENGUJIAN

PENYUSUNAN

LAPORAN

SELESAI

TIDAK

YA

YA

TIDAK

Gambar 3.1. Diagram Alir Tahapan Penelitian

36

3.3.1. Studi Literatur

Studi literatur merupakan tahap awal yang dilakukan dalam penelitian ini. Pada

tahapan ini dilakukan pengumpulan data penelitian sebelumnya yang sejenis

dengan penelitian yang akan dilakukan pada penelitian ini, dimana data tersebut

dijadikan acuan/literatur. Studi literatur bertujuan untuk melihat kelemahan-

kelemahan yang ada pada penelitian sebelumnya, lalu memperbaiki kelemahan

tersebut. Setelah dilakukan penelusuran dan analisis, terdapat 2 jurnal mengenai

sistem pakar identifikasi jenis spesies yang dapat dijadikan literatur. Penjelasan

mengenai penelitian yang dijadikan literatur pada penelitian ini dapat dilihat pada

bagian latar belakang penelitian.

3.3.2. Pengumpulan Data

Tahap pengumpulan data merupakan tahapan kedua yang dilakukan pada

penelitian ini. Pada tahap ini pengumpulan data dilakukan dengan cara studi

literatur dan berkonsultasi dengan pakar ikan ibu Rara Diantari, Dosen Budidaya

Perikanan Universitas Lampung dan berdasarkan hasil penelitian (Maulana,

2015). Data yang dikumpulkan berupa 41 jenis ikan famili Cyprinidae persebaran

Sumatera dilengkapi dengan ciri-ciri morfologi, taksonomi, habitat, distribusi, dan

informasi lain terkait ikan tersebut.

3.3.3. Perancangan Sistem

Tahap perancangan sistem merupakan tahap penggambaran rencana

pengembangan sistem ke dalam bentuk gambar yang bertujuan agar dapat

mempermudah pengguna dalam memahami sistem yang akan dibangun.

37

Perancangan sistem pada penelitian ini terdiri dari perancangan Proses Bisnis,

Context Diagram, Data Flow Diagram (DFD), Entity Relationship Diagram

(ERD).

3.3.3.1. Proses Bisnis

Proses bisnis dapat didefinisikan sebagai suatu kumpulan dari proses dan berisi

kumpulan aktivitas atau pekerjaan yang saling berelasi satu sama lain untuk

menyelesaikan suatu masalah tertentu atau menghasilkan suatu produk. Proses

bisnis yang baik harus dapat mempermudah dalam memahami proses-proses

didalamnya. Perancangan proses bisnis pakar dapat dilihat pada Gambar 3.2. dan

proses bisnis identifikasi dapat dilihat pada Gambar 3.3.

Gambar 3.2. Proses bisnis yang dilakukan pakar

38

Gambar 3.3. Proses bisnis identifikasi

3.3.3.2. Contecxt Diagram

Context Diagram adalah nama lain dari Data Flow Diagram (DFD) level 0.

Diagram ini menunjukkan semua entitas luar yang menerima informasi dari atau

memberikan informasi ke sistem. Pada penelitian ini terdapat satu proses tunggal

yaitu identifikasi jenis ikan dan dua entitas yaitu pengguna dan pakar.

Perancangan context diagram sistem identifikasi ikan dapat dilihat pada Gambar

3.4.

39

SISTEM PAKAR

IDENTIFIKASI IKAN

PAKAR

Pengguna

Data ruleData hasil identifikasi

Dara ciriData ikanData pakar

Data login

Data ikan

Data ciri

Data rule

Data hasil identifikasi

Data pakar

Konfirmasi login


Data jawaban

Data Identitas Pengguna

Data ikan

Data ciri (pertanyaan)

Data pesan

Data pesan

Gambar 3.4. Context Diagram

3.3.3.3. Data Flow Diagram (DFD)

Data Flow Diagram (DFD) merupakan diagram yang menggambarkan aliran

data pada suatu sistem. DFD dapat dibagi menjadi beberapa level sesuai

kebutuhan, diantaranya level 0 (Context Diagram), level 1 yang menjelasakan

aliran secara lebih rinci dibandingkan level 0, level 2, level 3 dan seterusnya.

a. DFD level 1

Rancangan DFD level 1 sistem pakar identifikasi ikan dapat dilihat pada Gambar

3.5. Terdapat tujuh proses yang dapat dilakukan baik oleh pengguna maupun

pakar, yaitu :

1. Proses Login

Pada poses login, pakar harus mengisi username dan password agar dapat masuk

ke dalam halaman utama admin. Setelah mengisi password dan username, sistem

40

akan memvalidasi data tersebut apakah sesuai dengan data password dan

username yang ada di database. Apabila username dan password valid maka,

sistem akan menampilkan halaman utama admin. Namun, apabila username dan

password tidak valid maka sistem akan memberikan pemberitahuan bahwa

username dan password tidak valid.

2. Proses Mengelola Data Ikan

Proses ini menjabarkan proses pakar dalam mengelola data ikan yang tersimpan

pada database tabel ikan.

3. Proses Mengelola Data Ciri

Pada proses ini, pakar melakukan pengelolaan data ciri-ciri morfologi ikan yang

tersimpan pada database tabel ciri.

4. Proses Mengelola Data Rule

Proses ini dilakukan oleh pakar dalam mengelola data rule. Data rule merupakan

data aturan yang berisi relasi antara data ikan dan data ciri. Oleh karena itu pada

proses ini pakar menghubungkan setiap ikan memiliki ciri-ciri apa saja.

5. Proses Mengelola Data Hasil Identifikasi

Proses ini dilakukan oleh pakar untuk mengelola data hasil identifikasi yang

tersimpan pada database tabel hasil_identifikasi.

6. Proses Identifikasi

Proses identifikasi merupakan proses yang dilakukan oleh pengguna dalam

mengidentifikasi jenis ikan. Sistem akan menampilkan pertanyaan-pertanyaan

ciri-ciri secara satu per satu, pengguna menjawab apakah ciri tersebut dimiliki

oleh ikan yang dimiliki pengguna. Setelah menjawab pertanyaan-pertanyaan maka

sistem akan mengeluarkan hasil identifikasi berupa nama ikan.

41

7. Proses Menampilkan Daftar Ikan

Proses ini dilakukan oleh pengguna untuk menampilkan jenis-jenis ikan yang

terdapat pada sistem.

1.

Login

5.

Mengolah

data hasil

identifikasi

4.

Mengolah

data rule

3.

Mengolah

data ciri

2.

Mengolah

data ikan

pengguna_tmp

identifikasi_tmp

ciri

analisa_tmp

jawaban

rule

ikan

Pakar

Pengguna

6.

Identifikasi

jenis ikan

Data login

pakar

Data Login

Data login

Konfirmasi login

Data ikan Data ikan

Data ikan

Data ikan

hasil_identifikasi

Data jawaban

Data ciri


Data rule

(belum menjawab)

Data pengguna

Data pengguna

Data pengguna

Data identifikasi

Data jawaban

Analisa jenis ikan

Data rule (setelah menjawab)

Data rule

Data rule

Data ciri

Analisa jenis ikan


Data identifikasi

Data ikan


Data ciri

Data ciri

Data rule

Data rule



Data ciri

Data ciri

Data rule

Data rule



7.

Menampilkan

Daftar Ikan

Data ikan dipilih

Data ikan

Data Ikan dipilih

Data ikan

Data pengguna

Gambar 3.5. DFD level 1

42

b. DFD level 2 Mengelola Data Ikan

DFD level 2 selanjutnya adalah proses mengelola data ikan. Proses ini dilakukan

oleh pakar, terdiri dari 3 proses yaitu menambah, menghapus, dan mengedit data

ikan. Rancangan DFD level 2 mengelola data ikan dapat dilihat pada Gambar 3.6.

1. Proses Menambah Data Ikan

Proses menambah ikan dilakukan oleh pakar dengan melakukan penambahan data

jenis ikan baru, lalu data tersebut disimpan ke tabel ikan.

2. Proses Menghapus Data Ikan

Proses menghapus ikan dilakukan oleh pakar dengan melakukan hapus data jenis

ikan yang terdapat pada tabel ikan.

3. Proses Mengedit Data Ikan

Proses mengedit data ikan dilakukan pakar dengan memilih ikan terlebih dahulu

yang ingin diedit informasinya, setelah itu disimpan kembali ke tabel ikan dengan

informasi yang telah di edit.

2.2.

Menghapus

data ikanPakar ikan

Data ikan

Data ikan

Data ikan

Data ikan

2.1

Menambah

data ikan

2.3.

Mengedit

data ikan

Data ikan

Data ikan Data ikan

Data ikan

Data ikan

Data ikan Data ikan

Data ikan

Gambar 3.6. DFD level 2 Mengelola Data Ikan

43

c. DFD level 2 Mengelola Data Ciri

DFD level 2 mengelola data ciri dapat dilihat pada Gambar 3.7. Pada proses

mengelola data ciri terdiri dari 3 proses yaitu :

1. Proses Menambah Data Ciri

Proses menambah data ciri dilakukan oleh pakar dengan melakukan penambahan

data ciri baru, lalu data tersebut disimpan ke tabel ciri.

2. Proses Menghapus Data Ciri

Proses menghapus data ciri dilakukan oleh pakar dengan melakukan hapus data

ciri yang terdapat pada tabel ikan.

3. Proses Mengedit Data Ciri

Proses mengedit data ciri dilakukan pakar dengan memilih ciri terlebih dahulu

yang ingin diedit informasinya cirinya, setelah itu disimpan kembali ke tabel ciri

dengan informasi yang telah di edit.

3.2

Menghapus

data ciriPakar ciri

Data ciri

Data ciri

Data ciri

Data ciri

3.1

Menambah

data ciri

3.3

Mengedit

data ciri

Data ciri

Data ciri Data ciri

Data ciri

Data ciri

Data ciri Data ciri

Data ciri

Gambar 3.7. DFD level 2 Mengelola Data Ciri

44

d. DFD level 2 Mengelola Data Rule

Rancangan DFD level 2 mengelola data rule dapat dilihat pada gambar 3.8. Pada

proses mengelola data rule terdiri dari 4 proses yaitu :

1. Proses Menambah Data Rule

Proses menambah data rule dilakukan oleh pakar dengan melakukan penambahan

relasi baru antara penyakit dan ciri, lalu data tersebut disimpan ke tabel rule.

2. Proses Mengedit Data Rule

Proses mengedit data rule dilakukan oleh pakar dengan melakukan perubahan

relasi antara penyakit dan ciri, lalu data tersebut disimpan kembali ke tabel rule.

3. Proses Mengurutkan Data Rule

Proses mengurutkan data rule dilakukan oleh pakar dengan melakukan

pengurutan ciri yang dimiliki ikan, lalu data tersebut disimpan ke tabel rule.

4. Proses Menampilkan Data Rule

Proses menampilkan data rule dilakukan oleh pakar untuk menampilkan data rule

berupa relasi antara ikan dan ciri yang tersimpan di dalam tabel rule.

e. DFD level 2 Mengelola Data Hasil Identifikasi

Rancangan DFD level 2 mengelola data hasil identifikasi dapat dilihat pada

gambar 3.9. Pada proses mengelola data hasil identifikasi terdiri dari 1 proses

yaitu menghapus data hasil identifikasi. Proses ini dilakukan oleh pakar untuk

menghapus data hasil identifikasi dari tabel hasil_identifikasi.

45

4.3

Mengurutkan

data rule

Pakar

ciri

Data rule

Data rule

Data ikan

Data rule

Data ciri

Data ikan4.2

Mengedit

data rule

ikan

rule

Data ciri

Data rule

Data rule

Data ciri

4.1

Menambah

data rule

4.4

Menampilkan

data rule

Data rule

Data rule

Data ikan

Data rule

Data ikan

Data ciri

Data ruleData rule

Gambar 3.8. DFD level 2 Mengelola Data Rule

5.1

Menghapus data

hasil identifikasiPakar hasil_identifikasi





Gambar 3.9. DFD level 2 Data Hasil Identifikasi

f. DFD level 2 Identifikasi

Rancangan DFD level 2 identifikasi dapat dilihat pada gambar 3.10. Pada proses

identifikasi terdiri dari 4 proses yaitu :

46

pengguna_tmp

identifikasi_tmp

ciri

analisa_tmp

jawaban

rule

ikan

Pengguna

6.1

Menampilkan

Form Identitas

Pengguna

6.2

Menampilkan

pertanyaan ciri-

ciri

6.3

Identifikasi

6.6

Menampilkan

Hasil Identifikasi

Data Pengguna Data pengguna

Data jawaban

Data ciri

Data rule

Data jawaban

Data rule setelah menjawab

Analisa

pertanyaan selanjutnya

Analisa

pertanyaan selanjutnya

Data ciri

Analisa jenis ikan

Data identifikasi

Data ikan


Analisa jenis ikan


hasil_identifikasiData identifikasi

6.5

Menghitung

presentase

Data jawaban

6.4

Menyimpan data

identifikasi

Data identifikasi

Presentase

Data pengguna


Data pengguna

Gambar 3.10. DFD level 2 Identifikasi

1. Proses Menampilkan Form Identitas Pengguna

Proses ini merupakan proses awal yang dilakukan pengguna untuk dapat

mengidentifikasi ikan. Pengguna mengisikan identitas singkat lalu data akan

disimpan pda tabel pengguna_tmp.

47

2. Proses Menampilkan Pertanyaan Ciri-Ciri

Proses selanjutnya yaitu proses menampilkan pertanyaan ciri-ciri. Setelah

pengguna mengisi identitas maka sistem akan otomatis menampilkan pertanyaan.

Pengguna harus menjawab ya atau tidak, jawaban tersebut lalu disimpan pada

tabel jawaban_tmp. Setiap jawaban dari ciri akan berpengaruh terhadap

pertanyaan selanjutnya. Setelah pengguna menjawab maka akan terbangun suatu

analisa rule setelah menjawab dan akan disimpan di analisa_tmp. Berdasarkan

analisa_tmp akan dihasilkan pertanyaan-pertanyaan selanjutnya sampai

pertanyaan habis.

3. Proses Identifikasi

Proses identifikasi dipengaruhi oleh data hasil dari analisa_tmp. Pada tabel

analisa_tmp terdapat ciri selanjutnya dan jenis ikan yang mungkin. Analisa jenis

ikan yang mungkin akan disimpan di tabel identifikasi_tmp. Sampai pada

akhirnya akan dihasilkan satu jenis ikan yang mungkin, terdapat pada tabel

identifikasi_tmp. Hasil dari tabel identifikasi_tmp merupakan hasil identifikasi

berupa jenis ikan.

4. Proses Menyimpan Data Identifikasi

Proses menyimpan data identifikasi merupakan proses lanjutan dari proses

identifikasi. Apabila jenis ikan sudah teridentifikasi pada tabel identifikasi_tmp,

selanjutnya data identifikasi jenis ikan tersebut akan disimpan ke dalam tabel

hasil_identifikasi bersamaan dengan data pengguna yang sebelumnya telah

disimpan pada tabel pengguna_tmp.

48

5. Proses Menghitung Presentase

Proses menghitung presentase dilakukan ketika ikan sudah teridentifikasi dan

disimpan pada tabel hasil_identifikasi. Perhitungan presentase dilakukan dengan

memanggil data jawaban “ya” yang talah dipilih pengguna dan disimpan pada

tabel jawaban. Data jawaban “ya” tersebut dibagi dengan total ciri yang dimiliki

ikan, maka didapatlah presentase keakuratan.

6. Proses Menampilkan Hasil Identifikasi

Proses menampilkan hasil identifikasi akan menampilkan data dari tabel

hasil_identifikasi berupa data identitas pengguna, data identifikasi berupa jenis

ikan yang telah teridentifikasi, dan presentase yang telah dihitung pada proses

sebelumnya. Data identifikasi berupa jenis ikan yang telah teridentifikasi akan

dicocokkan ke tabel ikan untuk mendapatkan dan menampilkan data berupa

taksonomi, habitat, dan persebaran.

3.3.3.4. Entity Relationship Diagram (ERD)

Entity Relationship Diagram merupakan gambaran atau model yang menjelaskan

hubungan antar data dalam basis data berdasarkan objek-objek data yang memiliki

relasi. Penggambaran ERD dapat menggunakan beberapa notasi dan simbol yang

tujuannya dapat menggambarkan struktur data dan hubungan antar data.

Rancangan ERD sistem identifikasi ikan dapat dilihat pada Gambar 3.11.

49

ikan

pakar

jawaban

cirirule

identifikasi_tmp

pengguna_tmp

hasil_identifikasi

id_ikanid_ciri

nama

id_pengguna

persebaran

habitat

gambarid_ikan

passwordusername

ip_user

jenis_kelamin tgl

ip_user

level

id_ciriid_ikan

id_ikan

ip_user

id_ciri

ip_user

jawaban

id_ciri

nama_cirigambar_ciri

id_ikan

nama

Id_identifikasi

tgl

jenis_kelamin

ip_user

m n

m n

n n

m

Jawab

nDiidentifikasi

m

Diidentifi

kasi

sementara

m

analisa_tmp

level

kelasphylum ordo famili

nama_phylumid_phylumnama_ordoid_ordo nama_famili

id_famili

nama_kelasid_kelas

memiliki

nama_spesies

genus

nama_genusid_genus

kingdom

nama_kingdomid_kingdom

memiliki memilikimemilikimemilikimemiliki

1

1 n 1 n 1 n 1 n 1 n

id_famili

m

id_kingdom id_phylum id_kelas id_ordo

id_genussumber_gambar

deskripsi

alamat

alamat

sumber_gambar

pesan

email

id_pesan

Isi_pesan

nama tanggal

nama_lokal

kategori_ciri

id_kategoriid_kategori

nama_kategori

n memiliki 1

Gambar 3.11. Entity Relationship Diagram (ERD)

50

3.3.3.5. Perancangan Interface (Antarmuka)

Perancangan interface bertujuan agar mempermudah pengguna dalam memahami

sistem yang akan dibangun pada penelitian ini. Interface yang dirancang

dikelompokkan menjadi dua bagian yaitu interface pengguna dan interface pakar.

a. Pakar

1. Halaman Login

Halaman login merupakan halaman yang paling pertama tampil apabila pakar

ingin mengakses atau mengelola data pada sistem. Perancangan halaman login

dapat dilihat pada Gambar 3.12. Apabila username dan password yang diinputkan

valid, maka sistem akan menampilkan halaman utama pakar seperti pada Gambar

3.13. Namun, apabilla username dan password yang diinputkan tidak valid, maka

sistem akan menampilkan kotak dialog pesan kesalahan.

Gambar 3.12. Rancangan halaman login pakar

2. Halaman Beranda

Halaman beranda merupakan halaman utama pakar setelah pakar melalui proses

login. Pada halaman utama, sistem akan menampilkan beberapa menu yang

berkaitan dengan pengelolaan data pada sistem. Rancangan beranda pakar dapat

dilihat pada Gambar 3.13.

51

Gambar 3.13. Rancangan halaman beranda pakar

3. Halaman Lihat Data

Pada menu lihat data terdapat 3 sub menu yaitu :

Halaman Data Ikan

Halaman data ikan merupakan halaman yang menyajikan data-data ikan yang

terdapat pada database sistem. Terdapat beberapa aksi yang dapat dilakukan oleh

pakar terhadap data ikan, diantaranya tambah, edit, hapus, dan view detail.

Halaman data ikan dapat dilihat pada Gambar 3.14. Halaman tambah data ikan

dapat dilihat pada Gambar 3.17.

Halaman Data Ciri

Halaman data ciri merupakan halaman yang menyajikan data-data ciri yang

terdapat pada database sistem. Terdapat beberapa aksi yang dapat dilakukan oleh

pakar terhadap data ciri, diantaranya tambah, edit dan hapus. Halaman data ciri

dapat dilihat pada Gambar 3.16. Halaman tambah data ciri dapat dilihat pada

Gambar 3.18.

52

Halaman Rekap Identifikasi

Halaman rekap identifikasi merupakan halaman yang berisi data seluruh

pengguna yang telah melakukan identifikasi menggunakan sistem ini. Pakar dapat

menghapus data-data hasil identifikasi. Rancangan halaman rekap identifikasi


Gambar 3.14. Rancangan Halaman Data Ikan

Gambar 3.15. Rancangan halaman data ciri

53

Gambar 3.16. Rancangan halaman hasil identifikasi

4. Halaman Tambah Data

Menu tambah data terdiri dari 2 sub menu yaitu :

Halaman Tambah Data Ikan

Halaman tambah data ikan memudahkan pengguna untuk menambahkan jenis

ikan baru. Tampilan halaman tambah data ikan dapat dilihat pada Gambar 3.17.

Gambar 3.17. Rancangan halaman tambah data ikan

54

Halaman Tambah Data Ciri

Halaman tambah data ikan memudahkan pengguna untuk menambahkan ciri baru.

Tampilan halaman tambah data ciri dapat dilihat pada Gambar 3.18.

Gambar 3.18. Rancangan halaman tambah data ciri

5. Halaman Rule

Halaman data rule merupakan halaman pengelolaan relasi antara ikan dan ciri-ciri.

Pada menu data rule terdapat tiga sub menu diantaranya :

Tambah/ Edit Rule

Pada halaman tambah data rule, pakar harus memilih nama ikan yang ingin

ditambahkan rule nya terlebih dahulu. Setelah itu sistem akan menampilkan

semua ciri-ciri yang telah tersimpan pada database. Pakar dapat memilih ciri-ciri

mana saja yang dimiliki oleh ikan tersebut (Gambar 3.19). Kemudian setelah

disimpan, sistem akan meminta pakar menginputkan urutan ciri-ciri yang telah

dipilih sebelumnya berdasarkan prioritas seperti yang ditampilkan pada Gambar

3.20. Data tersebut akan menjadi basis aturan atau rule yang akan digunakan pada

sistem. Tampilan halaman tambah data rule dapat dilihat pada Gambar 3.19.

55

Gambar 3.19. Rancangan halaman tambah/ edit data rule

Urutan Data Rule

Pada sub menu urutan data rule, pakar dapat mengedit/ mengubah urutan ciri-ciri

yang sebelumnya telah disimpan pada proses tambah rule. Tampilan halaman

urutan data rule dapat dilihat pada Gambar 3.20.

Gambar 3.20. Rancangan halaman urutan data rule

56

Lihat Rule

Pada sub menu menampilkan rule, pakar dapat melihat data-data rule yang telah

tersimpan pada database sistem. Rancangan tampilan data rule dapat dilihat pada

Gambar 3.21.

Gambar 3.21. Rancangan halaman rule

6. Halaman Bantuan

Halaman bantuan merupakan halaman yang dapat memberikan informasi kepada

pakar mengenai petunjuk penggunaan sistem sebagai pakar. Rancangan halaman

bantuan dapat dilihat pada Gambar 3.22.

Gambar 3.22. Rancangan halaman bantuan

57

b. Pengguna

1. Halaman Beranda

Halaman beranda merupakan halaman utama apabila pengguna mengakses situs

sistem identifikasi ikan. Pada halaman beranda, sistem menampilkan beberapa

menu pilihan diantaranya daftar ikan, identifikasi, dan tentang. Rancangan

halaman beranda dapat dilihat pada Gambar 3.23.

Gambar 3.23. Rancangan halaman beranda pengguna

2. Halaman Daftar Ikan

Halaman daftar ikan menampilkan seluruh data ikan yang telah tersimpan pada

database. Apabila nama jenis ikan di klik, maka akan muncul detail ikan berupa

informasi taksonomi, habitat, dan persebaran. Rancangan halaman daftar ikan


58

Gambar 3.24. Rancangan halaman daftar ikan

3. Halaman Identifikasi

Halaman identifikasi merupakan halaman yang paling penting di dalam sistem ini.

Pada halaman ini pengguna dapat memulai identifikasi jenis ikan. Ada beberapa

tahapan pada proses identifikasi, diantaranya :

Menampilkan form identitas

Langkah awal dalam proses identifikasi adalah pengguna harus menginputkan

identitas terlebih dahulu. Data identitas akan disimpan ke dalam database sebagai

arsip. Rancangan form identitas dapat dilihat pada Gambar 3.25.

Menampilkan pertanyaan-pertanyaan

Setelah proses input identitas selesai, maka sistem akan menampilkan pertanyaan-

pertanyaan mengenai ciri ikan. Pengguna harus menjawab ya atau tidak sampai

pertanyaan yang ditampilkan sistem tidak ada lagi. Rancangan tampilan pertanyan


59

Menampilkan hasil identifikasi

Tahap terakhir setelah pengguna menjawab semua pertanyaan yang ditampilkan

sistem yaitu menampilkan hasil identifikasi. Rancangan hasil identifikasi dapat


Gambar 3.25. Rancangan halaman form identitas

Gambar 3.26. Rancangan halaman pertanyaan

60

Gambar 3.27. Rancangan halaman hasil identifikasi

4. Halaman Kontak Admin

Halaman kontak admin merupakan halaman yang dapat digunakan oleh pengguna

untuk mengirimkan pesan kepada admin/ pakar. Rancangan kontak admin dapat


Gambar 3.28. Rancangan halaman kontak admin

61

5. Halaman Tentang

Halaman tentang berisi informasi mengenai pengembang sistem. Rancangan

informasi tentang dapat dilihat pada Gambar 3.29.

Gambar 3.29. Rancangan halaman tentang

3.3.4. Implementasi

Tahapan selanjutya setelah tahap perancangan selesai adalah tahap implementasi.

Pada tahap implementasi, sistem akan mulai dibangun dengan bahasa

pemrograman Php dan database Mysql. Metode inferensi yang diterapkan pada

penelitian ini yaitu metode forward chaining.

3.3.5. Pengujian

Pada tahap sebelumnya yaitu tahap implementasi akan menghasilkan suatu sistem.

Sistem tersebut harus diuji terlebih dahulu sebelum digunakan oleh banyak orang.

Pada tahap pengujian akan dipastikan bahwa sistem akan menghasilkan suatu

informasi yang akurat. Pengujian yang dilakukan pada penelitian ini yaitu

pengujian kepakaran sistem, fungsional dan non fungsional.

62

3.3.5.1. Pengujian Kepakaran

Pengujian kepakaran sistem ini bertujuan untuk menguji kemampuan sistem pakar

dalam mengidentifikasi jenis ikan berdasarkan fakta-fakta yang diberikan.

3.3.5.2. Pengujian Fungsional

Pengujian fungsional bertujuan untuk menguji fungsionalitas sistem. Pengujian

fungsional yang dilakukan yaitu metode black box dengan teknik Equivalence

Partitioning (EP). EP akan membagi domain masukan dari program ke dalam

kelas-kelas sehingga test case dapat diperoleh. Pengujian EP dapat digunakan

untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface

dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap

nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence

untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau

tidak. Rancangan daftar pengujian dapat dilihat pada tabel 3.1 dan 3.2.

Tabel 3.1. Daftar pengujian black box untuk pakar

No Kelas Uji Daftar

Pengujian

Kasus Uji Hasil yang

Diharapkan

1. Login Input data

login

Username=admin,

Password=monik, klik

tombol login

Masuk ke halaman

dashboard pakar

2. Fungsi pada

menu Lihat

Data “Data

Ikan”

Tambah

data ikan

Pakar mengisi penuh

kolom inputan dan klik

tombol simpan

Tampil

pemberitahuan

“Berhasil” dan data

tersimpan ke database

Pakar tidak mengisi

penuh kolom inputan

dan klik tombol simpan

Tampil

pemberitahuan kolom

input tidak boleh

kosong dan data tidak

tersimpan ke

database

63

Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan

Edit

data

ikan

Pakar memilih tombol edit

pada ikan yang ingin diedit

informasinya dan

mengganti data ikan tanpa

mengosongkan satu kolom

pun, klik tombol simpan

Tampil

pemberitahuan “Data

berhasil di update”

dan data tersimpan ke

database


pada ikan yang ingin diedit

informasinya dan

mengganti data ikan tetapi

ada kolom input yang

tidak diisi, klik tombol

simpan

Tampil

pemberitahuan kolom

input tidak boleh


tersimpan ke

database

Hapus

data

ikan

Pakar memilih tombol

delete pada ikan yang

ingin dihapus

Tampil


berhasil dihapus”

View

data

ikan


view pada ikan yang ingin

dilihat informasi detail nya

Tampil detail

informasi mengenai

ikan yang dipilih

3. Fungsi pada

menu Lihat

Data “Data

Ciri”

Tamba

h data

ciri

Pakar mengisi penuh


tombol simpan

Tampil

pemberitahuan


tersimpan ke

database

Pakar tidak mengisi penuh


tombol simpan

Tampil

pemberitahuan kolom

input tidak boleh


tersimpan ke

database

Edit

data

ciri


pada ciri yang ingin diedit

dan mengganti data ciri

tanpa mengosongkan satu

kolom pun, klik tombol

simpan

Tampil


berhasil di update”

dan data tersimpan ke

database


pada ciri yang ingin diedit

dan mengganti data ciri

tetapi ada kolom input

yang tidak diisi, klik

tombol simpan

Tampil

pemberitahuan kolom

input tidak boleh


tersimpan ke

database

Hapus

data

ciri


delete pada ciri yang ingin

dihapus

Tampil


berhasil dihapus”

64


4. Fungsi pada

menu

Tambah

Data “Data

Ikan”

Tambah

data ikan

Pakar mengisi penuh


tombol simpan

Tampil pemberitahuan



Pakar tidak mengisi

penuh kolom inputan



kolom input tidak boleh



5. Fungsi pada

menu

Tambah

Data “Data

Ciri”

Tambah

data ciri

Pakar mengisi penuh


tombol simpan




Pakar tidak mengisi

penuh kolom inputan



kolom input tidak boleh



6. Fungsi pada

menu Rule

“Tambah /

Edit Rule”

Tambah /

edit rule

Pakar memilih ikan dan

menandai(√) ciri-ciri

yang akan dijadikan

sebagai aturan, lalu klik

tombol lanjutkan


“Data rule berhasil

disimpan, selanjutnya

isi urutan rule!”, lalu

akan muncul halaman

urutan rule untuk

mengurutkan ciri sesuai

prioritas

Pakar memilih ikan

tanpa menandai(√)

satupun ciri, lalu

menekan tombol

lanjutkan


“Ciri belum dipilih!”

7. Fungsi pada

menu Rule

“Urutan

Rule”

Edit

urutan

rule


mengganti urutan rule

dengan mengisi semua

kolom inputan urutan

(level), lalu menekan

tombol lanjutkan


“Data berhasil

disimpan!”


tidak mengisi penuh

kolom inputan urutan

(level), lalu menekan

tombol lanjutkan


“Isikan level!”

8. Fungsi pada

menu Rule

“Lihat Rule”

Lihat

data rule

Pakar memilih menu

Lihat Rule

Tampil halaman

seluruh data rule atau

relasi atau basis aturan

yang ada pada sistem

65


7. Fungsi pada

menu

Bantuan

Pengujian

menampilkan

bantuan

penggunaan

sistem untuk

pakar

Pakar memilih

menu bantuan

Tampil halaman

bantuan yang berisi

informasi cara

penggunaan sistem

Tabel 3.2. Daftar pengujian black box untuk pengguna

No. Kelas Uji Daftar

Pengujian

Kasus Uji Hasil yang

Diharapkan

1. Fungsi pada

menu Daftar

Ikan

Pengujian

menampilkan

detail ikan

berdasarkan ikan

yang dipillih

Pengguna memilih

tombol lihat detail

pada ikan yang

ingin dilihat

informasi detailnya

Tampil halaman

informasi detail

ikan yang dipilih

2. Fungsi pada

menu

identifikasi

Form identitas Pengguna

menginputkan data

identitas secara

penuh, lalu klik

lanjutkan

Tampil halaman

pertanyaan ciri-ciri

Pertanyaan ciri Pengguna klik

tombol ya atau

tidak

Tampil pertanyaan

berikutnya, apabila

pertanyaan habis

akan tampil hasil

identifikasi

3. Fungsi pada

menu

tentang

Pengujian

menampilkan

tentang

pengembang

sistem

Pengguna memilih

menu tentang

Tampil halaman

tentang yang berisi

informasi tentang

sistem, sistem

pakar dan

pengembang

3.3.5.3. Pengujian Non Fungsional

Pengujian non fungsional didasarkan pada pengujian sistem dari atribut non-

fungsional. Pengujian non fungsional melibatkan pengujian perangkat lunak dari

persyaratan yang non fungsional baik seperti content, tampilan (user interface),

kemudahan (user friendly), kinerja, dan kecepatan askses.

66

3.3.6. Penyusunan Laporan

Tahap penyusunan laporan merupakan tahap akhir dalam penelitian ini.

Penyusunan laporan dapat dilakukan ketika beberapa proses sebelumnya telah

selesai, sistem telah selesai dan diuji, serta tidak terdapat kesalahan. Data hasil

pengujian sistem akan dianalisa dan ditarik kesimpulan. Selanjutnya, seluruh data

hasil penelitian akan disusun dan didokumentasikan dalam bentuk laporan.

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan, dapat ditarik kesimpulan

bahwa :

1. Sistem Pakar Identifikasi Jenis Ikan Famili Cyprinidae telah berhasil

dibangun, dimana sistem ini dapat membantu mempercepat pengamat/

peneliti/ masyarakat dalam mengidentifikasi jenis ikan berdasarkan ciri-ciri

morfologi (fakta) yang diberikan.

2. Sistem dapat memberikan informasi yang bermanfaat bagi pengamat/ peneliti/

masyarakat berupa taksonomi, nama lokal, habitat, persebaran dan informasi

lain mengenai ikan.

3. Berdasarkan pengujian yang telah dilakukan, didapatkan rata-rata keakurasian

sebesar 93,2% sehingga dapat disimpulkan sistem dapat mengidentifikasi

dengan cukup baik. Presentase keakuratan dipengaruhi oleh jumlah fakta/ ciri

yang sesuai. Semakin banyak fakta yang sesuai dengan ciri pada sistem maka

keakuratan akan lebih tinggi dan sebaliknya.

4. Berdasarkan penilaian pengguna menggunakan kuisioner, dapat disimpulkan

bahwa “Sistem Pakar Identifikasi Ikan” mendapatkan presentase penilaian

sebesar 79,5% (tergolong baik) menurut pakar ikan/ orang yang paham

131

mengenai identifikasi ikan, mendapatkan presentase penilaian sebesar

881,17% (tergolong sangat baik) menurut peneliti/ orang yang berhubungan

langsung dengan proses identifikasi ikan, dan mendapatkan presentase

penilaian sebesar 85,75% (tergolong sangat baik) menurut orang awam yang

tidak paham mengenai identifikasi ikan.

5.2. Saran

Beberapa saran yang diberikan setelah dilakukan penelitian ini untuk

pengembangan lebih lanjut adalah sebagai berikut :

1. Penambahan data-data jenis ikan, ciri, aturan-aturan/ rule dan informasi lain

mengenai ikan.

2. Pada penelitian selanjutnya, sistem dapat dikembangkan ke dalam bentuk

aplikasi mobile.

DAFTAR PUSTAKA

Achjar, M dan Rismunandar. 1986. Perikanan Darat. CV Sinar Baru. Bandung.

Adrim, M dan Fahmi. 2010. Panduan Penelitian Untuk Ikan Laut, Pusat Penelitian

Oseanografo-LIPI. Jakarta.

Affandi, R.., S.S. Djadja., M.F. Rahardjo., dan Sulistiono. 1992. Iktiologi, suatu pedoman

kerja laboratorium. IPB. 344 hlm.

Al-Bahra. 2005. Analisis dan Desain Sistem Informasi. Graha Ilmu. Yogyakarta.

Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi. ANDI. Yogyakarta.

Arhami, M. 2005. Konsep Dasar Sistem Pakar. ANDI. Yogyakata.

Azwar, S. 2011. Sikap dan Perilaku, Dalam: Sikap Manusia Teori dan Pengukurannya.

Pustaka Pelajar. Yogyakarta.

Berra, T. M. 1997. Some 20th century fish discoveries. Environ. BioI. Fishes 50, 1-12.

Bond, C.E. 1979. Biology of Fishes. W.B. Saunders Company. Philadelphia.

Budiman, Arie., A. J. Arief., dan A. H. Tjakrawidjaja. 2002. Peran Museum Zoologi Dalam

Penelitian dan Konservasi Keanekaragaman Hayati (ikan). Jumal Iktiologi Indonesia,

2(2):5l-55.

Djarwanto, P.S. 1996. Statistik Induktif. BPFE-UGM. Yogyakarta.

133

Djuanda, T. 1981. Dunia Ikan. Penerbit Armico. Bandung.

Froese, R., and Pauly D. Editors. 2016. FishBase.A global information system on fishes.

http://www.fishbase.org/. [Diakses tanggal 18 Februari 2016].

Hasanati, Nida’ul dan Dinda Fitriasari. 2012. Rancang Bangun Sistem Pakar Berbasis Web

untuk Mendiagnosis Jenis Burung Air: Waterbird Exsys. Jurnal Al-Azhar Indonesia

Seri Sains Dan Teknologi, Vol. 1, No. 3.

Hubbs, C.L and K.F. Lagler. 1958. Fishes of the Great Lakes Region. University of Michigan

Press, Ann Arbor. Michigan.

Ilham, Bondan Al. 2010. Aplikasi Pengidentifikasi Jenis Karang di Perairan Pulau Panjang

Kabupaten Jepara. (Skripsi). Universitas Diponegoro. Semarang.

Kadir, Abdul. 2003. Pengenalan Sistem Informasi. ANDI Yogyakarta. Yogyakarta.

Kartamihardja, E. S. 2007. Fish stock enhancement: optionaltechnology for increasing

fisheries production in inland open waters of Indonesia. Indonesian Fisheries

Research Journal, 1 (1); 1-10 (in Indonesian).

Kottelat, M., AJ Whitten., SN Kartikasari dan Wiryoatmojo. 1993. Freshwater fishes of

western Indonesia and Sulawesi. Periplus Edition. Hongkong.

Kusrini. 2008. Aplikasi Sistem Pakar. ANDI Yogyakarta. Yogyakarta.

Maulana, Agus Tri. 2014. Identifikasi Ikan Famili Cyprinidae Dari Way Tulang

Bawang.(Skripsi). Universitas Lampung. Bandar Lampung.

Mayr, E and P.D. Ashlock. 1991. Principles of Systematic Zoology. Second edition.McGraw

Hill International Edition. New York.

Nelson, J. 1994. Fishes of the World – third edition. NY: John Wileyand Sons.New York.

Nelson, JS. 2006. Fishes of the world. 4th Edition. John Wiley & Sons. Hoboken (New

Jersey, USA).

134

Nidhra, Srinivas dan Jagruthi Dondeti. 2012. Black Box and White Box Testing Techniques- A

Literature Review. International Journal of Embedded Systems and Application

(IJESA), Vol 2, No.2, PP. 29-50.

Nugroho, B. 2014. Aplikasi Sistem Pakar. Yogyakarta: Gava Media.

Nybakken, J. W. 1988. Biologi Laut: Suatu Pendekatan Ekologis, (Alih Bahasa oleh: H. M.

Eidman, Koesoebioono, D. G. Bengen, M.Hutomo, S.Sukardjo). PT. Gramedia Pustaka

Utama. Jakarta.

Omar, Andi., S. Bin. 1987. Penuntun Praktikum Ichthyologi. Jurusan Perikana Universitas

Hasanuddin. Ujungpandang.

Pratignyo. 984. Mahluk Hidup. Proyek Buku Terpadu. Jakarta.

Siagian, C. 2009. Keanekaragaman dan Kelimpahan Ikan Serta Keterkaitannya dengan

Kualitas Perairan di Danau Toba Balige Sumatera Utara.(Tesis) Universitas

Sumatera Utara. Medan.

Strauss, R.E. 2010. Prospectus: the future of morphometrics. In: Morphometrics for

Nonmorphometricians (E. Ashraf, ed.), pp. 345-352. Lecture Notes in Earth Sciences

124, Springer-Verlag.

Sugiri, N. 1992. Biologi Jilid 2. Erlangga. Jakarta

Sutojo, T., Edy M., dan Vincent S. 2011. Kecerdasan Buatan. ANDI Yogyakarta. Semarang.

Trijoko dan S.Pranoto. 2006. Keanekaragaman Jenis Ikan di Sepanjang Aliran Sungai Opak

Daerah Istimewa Yogyakarta.Proseding Seminar Nasional Ikan IV : Fakultas Biologi

Universitas Gajah Mada. Yogyakarta.

Turan, C. 1999. A Note on The Examination of Morphometric Differentiation Among Fish

Population: the Truss System. Journal of Zoology Vol. 23. hlm 259-263.

135

Wargasasmita, Sunarya. 2002. Ikan Air Tawar Endemik Sumatera yang Terancam Punah.

Jumal Iktiologi Indonesia Vol.2, No. 2: 41-49.

Zulkifli. 2013. Model Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak

Metode Black Box. Seminar Nasional Aplikasi Teknologi Informasi (SNATI). ISSN:

1907-5022, PP.33-37.

Documents

SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILI …digilib.unila.ac.id/24860/2/SKRIPSI TANPA BAB PEMBAHASAN.pdf · informasi terkait taksonomi, nama spesies, nama lokal, habitat, persebaran