SISTEM PAKAR IDENTIFIKASI PENYAKIT TANAMAN KACANG TANAH MENGGUNAKAN METODE FUZZY MAMDANI

BERBASIS ANDROID

SKRIPSI Untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Komputer

Disusun oleh: Arifandi Wahyu Widianto NIM:125150201111097

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA

MALANG 2017

ii

PENGESAHAN

SISTEM PAKAR IDENTIFIKASI PENYAKIT TANAMAN KACANG TANAH MENGGUNAKAN METODE FUZZY MAMDANI BERBASIS ANDROID

SKRIPSI

Diajukan untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Komputer

Disusun Oleh : Arifandi Wahyu Widianto NIM : 125150201111097

Skripsi ini telah diuji dan dinyatakan lulus pada

8 Desember 2017 Telah diperiksa dan disetujui oleh:

Dosen Pembimbing I

Nurul Hidayat, S.Pd., M.Sc NIP. 19680430 200212 1 001

Dosen Pembimbing II

Prof.Dr. Moch. Cholil Mahfud NIP.19540311 198203 1 001

Mengetahui

Ketua Jurusan Teknik Informatika

Tri Astoto Kurniawan, S.T, M.T, Ph.D NIP.19710518 200312 1 001

iii

PERNYATAAN ORISINALITAS

Saya menyatakan dengan sebenar-benarnya bahwa sepanjang pengetahuan saya, di dalam naskah skripsi ini tidak terdapat karya ilmiah yang pernah diajukan oleh orang lain untuk memperoleh gelar akademik di suatu perguruan tinggi, dan tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis disitasi dalam naskah ini dan disebutkan dalam daftar pustaka.

Apabila ternyata didalam naskah skripsi ini dapat dibuktikan terdapat unsur-unsur plagiasi, saya bersedia skripsi ini digugurkan dan gelar akademik yang telah saya peroleh (sarjana) dibatalkan, serta diproses sesuai dengan peraturan perundang-undangan yang berlaku (UU No. 20 Tahun 2003, Pasal 25 ayat 2 dan Pasal 70).

Malang, 30 Juni 2017

Arifandi Wahyu Widianto

NIM: 125150201111097

iv

KATA PENGANTAR

Segala puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan kasih sayang-Nya sehingga penulis dapat

Sistem Pakar Identifikasi Penyakit Tanaman Kacang Tanah Menggunakan Metode Fuzzy Mamdani Berbasis Androiddari penyusunan skripsi ini adalah untuk memenuhi salah satu syarat dalam mendapatkan gelar sarjana komputer (S.kom) pada jurusan Teknik Informatika/Ilmu Komputer, Universitas Brawijaya.

Dalam penyusunan skripsi ini, penulis berterimakasih sekali kepada banyak pihak yang sudah membantu dari berbagai hal. Oleh karena itu, penulis sampaikan rasa terima kasih yang sedalam-dalamnya kepada:

1. Allah SWT atas berkah dan hidayah-Nya yang tak terkira untuk kita semua sehingga penulis dapat menyelesaikan skripsi dan laporan dengan baik.

2. Nurul Hidayat, S.Pd., M.Sc selaku dosen pembimbing 1 yang telah memberikan saran dan kritik dalam proses pengerjaan dan penyusunan skripsi ini.

3. Prof.Dr. Moch. Cholil Mahfud selaku dosen pembimbing 2, yang telah memberikan saran dan kritik dalam proses penulisan dan penyusunan skripsi ini.

4. Wayan Firdaus Mahmudy, S.Si., M.T., Ph.D., selaku Dekan Fakultas Ilmu Komputer, Universitas Brawijaya.

5. Agus Wahyu Widodo, S.Kom., M.Cs., selaku Ketua Program Studi Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya.

6. Seluruh dosen dan karyawan Fakultas Ilmu Komputer Universitas Brawijaya, atas arahan dan bantuannya sehingga penulis dapat menyelesaikan skripsi ini.

7. Ayahanda Marsianto, M.Pd dan Ibunda Fatimah, M.Pd yang selalu mendoakan dan menyemangati serta menfasilitasi segala kebutuhan selama perkuliahan hingga penulisan skripsi ini selesai.

8. Zaiful Bahar, Randi Pratama, Basuki Rahmat Rialdi, Mohammad Regian Siregar, Ahmad Fitroh Al-fauzi dan semua teman yang telah bersedia memberi bantuan.

9. Seluruh pegawai dan staff BPTP Jawa timur

Penulis menyadari masih banyak terdapat banyak kekurangan dalam penulisan skripsi ini. Namun penulis berharap topik skripsi ini dapat menambah wawasan bagi para pembaca dan khususnya bagi mahasiswa Universitas Brawijaya.

Malang, 25 September 2017

Penulis

Arifandiwahyu245@gmail.com

v

ABSTRAK

Kacang tanah (Arachis hypogaea L.) adalah salah satu komoditas tanaman penting setelah tanaman jagung dan kedelai. Selain itu, produksi kacang tanah di belum mencukupi kebutuhan dan sering mengalami gagal panen. Salah satu penyebab hal itu adalah penyakit pada kacang tanah itu sendiri. Untuk mengatasi masalah penyakit pada kacang tanah dilakukan dengan membuat sistem identifikasi penyakit, sehingga mempermudah pengendalian. Metode yang digunakan adalah logika fuzzy mamdani dan forward chaining, logika fuzzy Mamdani untuk menentukan nilai dan hasil diagnosis penyakit dari gejala yang ditimbulkan, sedangkan forward chaining digunakan untuk pembobotan nilai. Setelah dilakukan implementasi dan pengujian, didapatkan hasil akurasi antara pakar dengan sistem sebesar 90,00%. Dari hasil tersebut dapat disimpulkan bahwa hasil dari sistem dan pakar sudah sejalan dan memiliki akurasi positif.

Kata Kunci: Kacang Tanah, Fuzzy Mamdani, Sistem Pakar, Logika Fuzzy

vi

ABSTRACT

Peanut (Arachis hypogaea L.) is one of important plant commodities after corn and soybean crops. In addition, peanut production in not sufficient needs and often experience crop failure. One of the causes of it is the disease in the peanut itself. To overcome the problem of disease in peanuts done by making disease identification system, thus facilitating the control. The method used is fuzzy mamdani logic and forward chaining, fuzzy logic of Mamdani to determine the value and result of disease diagnosis of the phenomenon, while forward chaining is used for weighting value. After the implementation and testing, obtained the accuracy between experts with the system of 90.00%. From these results can be concluded that the results of the system and experts are aligned and have a positive accuracy. Keywords: Peanut, Fuzzy Mamdani, Expert System, Fuzzy Logic

vii

DAFTAR ISI PENGESAHAN ........................................................................................................... ii

PERNYATAAN ORISINALITAS ................................................................................... iii

KATA PENGANTAR ................................................................................................... iv

ABSTRAK ................................................................................................................... v

ABSTRACT ................................................................................................................ vi

DAFTAR ISI .............................................................................................................. vii

DAFTAR TABEL ......................................................................................................... ix

DAFTAR GAMBAR ..................................................................................................... x

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

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

1.2 Rumusan Masalah .................................................................................... 2

1.3 Tujuan ....................................................................................................... 2

1.4 Manfaat .................................................................................................... 2

1.5 Batasan Masalah ...................................................................................... 2

BAB 2 LANDASAN KEPUSTAKAAN ........................................................................... 3

2.1 Kajian Pustaka........................................................................................... 3

2.2 Tanaman Kacang Tanah ............................................................................ 3

2.3 Penyakit dan Pengendalian Tanaman Kacang Tanah ............................... 4

2.4 Sistem Pakar ............................................................................................. 9

2.5 Logika Fuzzy ............................................................................................ 14

2.6 Ketidakpastian ........................................................................................ 19

BAB 3 METODOLOGI PENELITIAN ......................................................................... 20

3.1 Studi Literatur ......................................................................................... 21

3.2 Observasi ................................................................................................ 21

3.3 Kebutuhan Pengembangan Sistem ........................................................ 21

3.4 Perancangan Sistem ............................................................................... 21

3.5 Implementasi Sistem .............................................................................. 22

3.6 Pengujian Sistem .................................................................................... 22

3.7 Penarikan Kesimpulan ............................................................................ 22

BAB 4 ANALISIS DAN PERANCANGAN ................................................................... 24

4.1 Analisis Kebutuhan Perangkat Lunak ..................................................... 24

4.2 Perancangan Sistem Pakar ..................................................................... 26

BAB 5 IMPLEMENTASI ........................................................................................... 40

viii

5.1 Spesifikasi Sistem.................................................................................... 40

5.2 Implementasi Sistem Pakar .................................................................... 40

BAB 6 PENGUJIAN ................................................................................................. 47

6.1 Pengujian Blackbox ................................................................................. 47

6.2 Pengujian Akurasi ................................................................................... 51

BAB 7 KESIMPULAN DAN SARAN .......................................................................... 55

7.1 Kesimpulan ............................................................................................. 55

7.2 Saran ....................................................................................................... 55

Daftar Pustaka ....................................................................................................... 56

ix

DAFTAR TABEL Tabel 2.1 Perbedaan Sistem Konvensional dengan Sistem Pakar ........................ 11

Tabel 3.1 Persentasi Pengujian Akurasi ................................................................ 23

Tabel 4.1 Tabel Kebutuhan Fungsional ................................................................. 25

Tabel 4.2 Kebutuhan Non-Fungsional ................................................................... 26

Tabel 4.3 Gejala Penyakit ...................................................................................... 27

Tabel 4.4 Kode Penyakit ........................................................................................ 28

Tabel 4.5 Kode Gejala ............................................................................................ 28

Tabel 4.6 Aturan Gejala Penyakit .......................................................................... 29

Tabel 4.7 Basis Pengetahuan ................................................................................ 29

Tabel 4.8 Bobot Nilai Basis Pengetahuan.............................................................. 30

Tabel 4.9 Tabel Nilai Basis Pengetahuan .............................................................. 31

Tabel 5.1 Implementasi Aturan ............................................................................. 41

Tabel 6.1 Pengujian fungsional diagnosis penyakit tanaman kacang tanah ........ 47

Tabel 6.2 Pengujian fungsional masukan identifikasi penyakit ............................ 48

Tabel 6.3 Pengujian fungsional menampilkan daftar gejala penyakit .................. 48

Tabel 6.4 Pengujian fungsional kasus uji menampilkan daftar penyakit .............. 48

Tabel 6.5 Pengujian fungsional tambah data gejala ............................................. 49

Tabel 6.6 Pengujian fungsional ubah data gejala ................................................. 49

Tabel 6.7 Pengujian fungsional hapus data gejala ................................................ 49

Tabel 6.8 Pengujian tambah data penyakit dan pengendalian ............................ 50

Tabel 6.9 Pengujian ubah data penyakit dan pengendalian ................................. 50

Tabel 6.10 Pengujian Blackbox Hapus Data Penyakit dan Pengendalian ............. 51

x

DAFTAR GAMBAR Gambar 2.1 Gejala penyakit bercak daun ............................................................... 5

Gambar 2.2 Gejala penyakit karat .......................................................................... 5

Gambar 2.3 Gejala penyakit belang ........................................................................ 6

Gambar 2.4 Gejala penyakit layu bakteri ................................................................ 7

Gambar 2.5 Gejala penyakit layu Pythium .............................................................. 7

Gambar 2.6 Gejala penyakit busuk batang Sclerotium ........................................... 8

Gambar 2.7 Gejala penyakit sapu setan ................................................................. 8

Gambar 2.8 Gejala penyakit gapong ....................................................................... 9

Gambar 3.1 Diagram blok penelitian .................................................................... 20

Gambar 3.2 Arsitektur sistem pakar penyakit tanaman kacang tanah ................ 23

Gambar 4.1 Flowchart sistem dengan metode Fuzzy Mamdani .......................... 33

Gambar 4.2 Perancangan antarmuka masukan gejala ......................................... 34

Gambar 4.3 Perancangan antarmuka hasil identifikasi ........................................ 35

Gambar 4.4 Perancangan antarmuka daftar gejala .............................................. 36

Gambar 4.5 Rancangan antarmuka daftar penyakit ............................................. 36

Gambar 4.6 Perancangan tambah gejala penyakit ............................................... 37

Gambar 4.7 Perancangan tambah data penyakit ................................................. 38

Gambar 5.1 Implementasi basis data ................................................................... 41

Gambar 5.2 Database data aturan kepercayaan pakar ........................................ 42

Gambar 5.3 Antarmuka halaman utama .............................................................. 43

Gambar 5.4 Tampilan halaman data pengetahuan .............................................. 43

Gambar 5.5 Antarmuka daftar gejala ................................................................... 44

Gambar 5.6 Antarmuka daftar penyakit kacang tanah ........................................ 44

Gambar 5.7 Antarmuka proses diagnosis ............................................................. 45

Gambar 5.8 Antarmuka hasil identifikasi .............................................................. 45

Gambar 5.9 Antarmuka halaman about ............................................................... 46

BAB 1 PENDAHULUAN 1.1 Latar Belakang

Kacang tanah atau dalam bahasa latin Arachis hypogaea L. merupakan salah satu komoditas tanaman penting di indonesia setelah tanaman jagung dan kedelai. Sampai saat ini produksi dalam negeri belum mencukup kebutuhan, dan untuk memenuhi kebutuhan tersebut Indonesia masih mendatangkan kacang tanah dari luar negeri (impor) (Fachruddin, 2000). Hal ini mendorong peningkatan produksi kacang tanah di Indonesia. Berbagai masalah yang timbul pada proses peningkatan produksi kacang tanah yaitu adanya faktor penyakit. Pengendalian penyakit kacang tanah sering tidak berhasil karena keterlambatan melakukan pengendalian akibat keterlambatan mendiagnosis penyakit tersebut (Marwoto dan Hardaningsih, 2004).

Sebenarnya setiap penyakit tanaman sebelum meluas umumnya menunjukkan gejala-gejala awal dan ringan. Namun para petani sering membiarkan peristiwa ini karena ketidaktahuan dan mengira gejala penyakit yang timbul sudah biasa terjadi pada masa pertumbuhan, hingga akhirnya gejala penyakit kacang tanah yang terjadi tambah parah dan meluas sehingga terlambat untuk dikendalikan. Pengetahuan petani tentang penyakit tanaman pada kacang tanah sangat kurang sehingga dibutuhkan peningkatan agar dapat melakukan pengendalian seawal mungkin dan dengan tepat, sehingga keberadaan penyakit tidak merugikan tanaman kacang tanah (Kayame dan Pongtiku, 2016).

Ahli pertanian mempunyai kemampuan untuk menganalisis gejala-gejala penyakit tanaman tersebut, tetapi untuk mengatasi semua persoalan yang dihadapi petani terkendala oleh waktu dan banyaknya petani yang mempunyai masalah dengan gejala yang timbul dan beberapa kemiripan gejala yang membuat para petani susah melakukan identifikasi penyakit pada tanaman kacang tanahnya. Oleh karena itu, pada penelitian ini akan dibuat suatu aplikasi sistem pakar yang memberikan informasi mengenai hama penyakit tanaman dan dapat mendiagnosis gejala–gejala penyakit kacang tanah, yang nantinya dapat digunakan sebagai acuan dalam mengendalikan penyakit kacang tanah. Implementasi sistem pakar ini dibuat dengan berbasis Android agar mudah diakses lewat smartphone dan dimanfaatkan masyarakat secara luas. Dengan demikian, untuk mendiagnosis penyakit, petani tidak harus menunggu kehadiran seorang pakar pertanian.

Salah satu cara yang bisa digunakan dalam mendeteksi penyakit tanaman kacang tanah adalah penerapan logika fuzzy. Logika fuzzy adalah metodologi sistem kontrol pemecahan masalah yang cocok diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded sistem, jaringan PC, multi-channel atau workstation berbasis akuisisi data, dan sistem kontrol (Widiyantoro, 2014). Salah satu metode dalam logika fuzzy adalah metode Mamdani. Metode Mamdani paling sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi Min-Max atau Max-Product (Sukandy, 2013). Berdasarkan penjabaran latar belakang tersebut, sistem pakar deteksi penyakit tanaman kacang tanah pada tugas akhir ini menggunakan Fuzzy Mamdani.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah sebagai petunjuk penelitian. Adapun rumusan masalah yang akan dibahas adalah sebagai berikut :

1. Bagaimana rancangan sistem pakar identifikasi penyakit tanaman kacang tanah menggunakan metode fuzzy mamdani berbasis android.

2. Bagaimana hasil pengujian sistem pakar identifikasi penyakit kacang tanah dengan metode fuzzy mamdani berbasis android.

1.3 Tujuan Tujuan dari penulisan skripsi ini yang ingin dicapai adalah sebagai berikut :

1. Mengetahui cara mediagnosis penyakit tanaman kacang tanah melalui sistem pakar menggunakan metode fuzzy mamdaniberbasis android.

2. Mengetahui hasil pengujian sistem pakar identifikasi penyakit tanaman kacang tanah menggunakan metode fuzzy mamdani berbasis android.

1.4 Manfaat Adapun manfaat dalam pengerjaan skripsi ini adalah diharapkan bisa memberikan

kemudahan untuk masyarakat umum dalam mengakses dan mengidentifikasi penyakit tanaman tanah menggunakan metode fuzzy mamdani pada aplikasi sistem pakar yang berbasis android yang dibuat dan memberikan informasi pengendalian terhadap penyakit pada kacang tanah.

1.5 Batasan Masalah Pada penyusunan skripsi ini ada batasan masalah yang menjadi ruang lingkup penelitian.

Berikut beberapa batasan masalah pada penilitian ini:

1. Sistem aplikasi yang dibuat berbasis android dengan bahasa pemrograman PHP. 2. Data yang diambil adalah 30 data gejala penyakit dan 8 penyakit dari BPTP Jawa Timur dalam

periode 3 tahun terakhir. 3. Penilaian bobot gejala dilakukan oleh pakar tanaman kacang tanah dari BPTP Jawa Timur. 4. Data nilai gejala yang dimasukkan tiap gejala bervariasi. 5. Dalam pengujian data uji kasus, total masukan dibatasi maksimal 5 gejala. 6. Jumlah pengujian sebanyak 50 data uji kasus yang dilakukan secara acak. 7. Pengguna dari aplikasi ini adalah masyarakat umum. 8. Pengujian sistem yang digunakan adalah pengujian blackbox pada setiap kebutuhan non-

fungsional.

BAB 2 LANDASAN KEPUSTAKAAN

2.1 Kajian Pustaka

Berdasarkan penelitian sebelumnya metode Fuzzy Mamdani sudah digunakan untuk melakukan diagnosis berbagai macam penyakit, seperti kanker, penyakit stroke (Primartha, 2014), (Pandiangan, 2013). Selain dalam bidang kesehatan, sistem pakar juga dapat digunakan dalam bidang edukasi yaitu kebutuhan pembelajaran bahasa inggris. Sistem pakar penentuan kebutuhan pembelajaran Bahasa Inggris dapat bekerja dengan baik dan dapat digunakan untuk menentukan kebutuhan pembelajaran Bahasa Inggris. Hal ini berdasarkan hasil pengujian fungsional sistem dengan metode blackbox testing yang mencapai tingkat kesesuaian 100% (Rizal, 2014).

Metode lain yang dapat diaplikasikan dalam pengembangan sistem pakar yaitu certainty factor. Pengembangan sistem pakar ini difokuskan pada identifikasi penyakit pada tanaman semangka. Output dari metode Certainty Factor pada penelitian ini adalah nilai dari persentasi keyakinan dari hasil perhitungan kombinasi terakhir pada setiap rule yang terbentuk. Adapun nilai hasil keputusan merupakan nilai keyakinan tertinggi (Hartono, 2013). Metode yang paling umum digunakan dalam berbagai penelitian tentang sistem pakar adalah Naïve Bayes. Metode ini sudah banyak diterapkan dalam sistem pakar bidang penyakit seperti leukimia dan kanker. Dengan menerapkan metode Naïve Bayes, peluang untuk mendeskripsikan penyakit hampir mendekati 100% (Karlik, 2012) (Ambica, 2008).

Selain menggunakan metode dalam bidang AI, sistem pakar juga dapat menggunakan metode lain seperti inferensi forward chaining (Rosadi, 2014) dan penerapan DBMS (Database Management System) untuk mengidentifikasi penyakit pada tanaman padi (Nicho, 2012). Penggunaan metode selain dalam bidang AI memang bisa diterapkan pada sistem pakar. Akan tetapi metode tersebut tidak dapat melakukan penalaran pada gejala yang bersifat tidak spesifik.

Kesimpulan dari beberapa penelitian tersebut adalah dengan menggunakan metode dalam bidang AI, sistem pakar mampu melakukan diagnosis, identifikasi, deteksi maupun pemberian saran dengan tingkat akurasi yang cukup tinggi. Dalam gejala yang lebih spesifik, penggunaan metode AI juga cukup tepat dibandingkan hanya sekedar menggunakan mekanisme inferensi backward maupun forward chaining.

2.2 Tanaman Kacang Tanah Kacang tanah (Arachis hypogaea L.) secara ekonomi merupakan tanaman kacang-kacangan

yang menduduki urutan kedua setelah kedelai, sehingga berpotensi untuk dikembangkan karena memiliki nilai ekonomi tinggi dan peluang pasar dalam negeri yang cukup besar. Biji kacang tanah dapat digunakan langsung untuk pangan dalam bentuk sayur, digoreng atau direbus, dan sebagai bahan baku industri seperti keju, sabun dan minyak, serta brangkasannya untuk pakan ternak dan pupuk (Marzuki, 2007). Di Indonesia kacang tanah merupakan salah satu sumber protein nabati yang cukup penting dalam menu makanan. Sebagai bahan konsumsi, kacang tanah diolah dalam berbagai bentuk makanan seperti kue-kue, cemilan, atau hasil olahan lain. Di Indonesia

kacang tanah memiliki beberapa nama antara lain kacang cina, kacang brol, dan kacang brudal (Andrianto dan Indarto, 2004).

Hasil tanaman kacang tanah di Indonesia tergolong rendah, karena masih berada di bawah potensi produksi. Hasil kacang tanah lokal baru mencapai 1,45 ton/ha, lebih rendah dibanding dengan potensi hasil varietas unggul seperti varietas Panter dan Singa yang dapat mencapai hasil 4,5 ton/ha (Adisarwanto, 2000). Hal ini menunjukkan bahwa hasil tanaman kacang tanah masih dapat ditingkatkan, walaupun saat ini tersedia beberapa varietas unggul namun belum banyak diketahui oleh petani, dan petani lebih mudah memasarkan varietas lokal yang mempunyai bentuk biji dan polong yang disukai oleh konsumen serta mempunyai keunggulan spesifik lainnya seperti ketahanan terhadap penyakit layu (Adisarwanto, 2000).

2.2.1 Klasifikasi Tanaman Kacang Tanah Kedudukan tanaman kacang tanah dalam sistematika (taksonomi) adalah sebagai berikut:

- Kingdom : Plantae atau tumbuh-tumbuhan - Divisi : Spermatophyta atau tumbuhan berbiji - Sub Divisi : Angiospermae atau berbiji tertutup - Klas : Dicotyledoneae atau biji berkeping dua - Ordo : Leguminales - Famili : Papilionaceae - Genus : Arachis - Spesies : Arachis hypogaea L.

2.3 Penyakit dan Pengendalian Tanaman Kacang Tanah

1. Bercak Daun

Bercak daun merupakan salah satu penyakit utama pada kacang tanah yang menurunkan hasil sampai 60%. Bercak daun ini disebabkan oleh Cercospora personata dan Cercospora arachidicola. Penyakit ini dominan pada pertanaman kacang tanah lahan kering maupun lahan sawah. Penyakit ini sudah menyebar ke seluruh dunia, termasuk Indonesia, umumnya disebut tikka. Pengendalian pada penyakit bercak daun dapat dilakukan dengan pemupukan yang seimbang. Rotasi tanaman yang dilakukan secara bersamaan dengan sanitasi terhadap sisa tanaman dan jika cukup ekonomis, dapat digunakan fungisida benomyl, tembaga hidroklorida, belerang, dan lain-lain. Penyakit bercak daun ditunjukkan pada gambar 2.1.

Gambar 2.1 Gejala penyakit bercak daun

2. Karat (Rust)

Karat adalah penyakit penting secara ekonomi di negara-negara penghasil kacang tanah, menyebabkan kehilangan hasil yang cukup signifikan terutama bila serangannya bersama-sama dengan penyakit bercak daun. Bila penyakit meninfeksi tanaman kacang di awal fase generatif, menyebabkan pengurangan pengisian polong. Penyakit karat ditunjukkan pada gambar 2.2.

Pengendalian dapat dilakukan dengan pengolahan tanah antar tanam dilakukan paling cepat 1 bulan dan memusnahkan sisa tanaman yang tertinggal adalah cara yang efektif untuk mengurangi inokulum primer. Fungisida dithiokarbamat, klorotalonil, tebuconazole efektif untuk karat.

Gambar 2.2 Gejala penyakit karat

3. Belang (Mottle)

Penyakit virus belang pada kacang tanah merupakan penyakit penting dan tersebar luas di daerah pusat pertanaman kacang tanah di Indonesia. Kehilangan hasil akibat serangan penyakit

virus belang berkisar 10 -60% tergantung dari jenis kacang tanah, musim dan umur tanaman pada saat terinfeksi. Penyakit tidak mengurangi berat, gaya kecambah, dan ukuran biji, tetapi mengurangi jumlah polong, jumlah biji dan berat kering biji. Makin awal terjadinya infeksi, pengurangan semakin besar.

Pengendalian dapat dilakukan dengan mengurangi sumber inokulum di lapangan yaitu memusnahkan tanaman yang menunjukkan gejala belang dan menggunakan benih bebas virus. Penyakit belang ditunjukkan pada gambar 2.3.

Gambar 2.3 Gejala penyakit belang

4. Layu Bakteri

Penyakit layu bakteri yang disebabkan oleh bakteri Ralstonia solanacearum yang sebelumnya bernama Pseudomonas solanacearum merupakan penyakit penting pada budidaya kacang tanah di Indonesia. Bakteri ini dapat menyerang tanaman kacang tanah pada berbagai stadia pertumbuhan.

Pengendalian bisa dilkukan dengan kultur teknis seperti merendam tanah selama 15-30 hari kemudian diikuti dengan perbaikan drainage sebelum penyemaian dapat mengurangi insiden penyakit. Penyakit layu bakteri ditunjukkan pada gambar 2.4.

Gambar 2.4 Gejala penyakit layu bakteri

5. Layu Pythium

Dilaporkan penyakit ini terdapat di negara-negara penghasil kacang tanah. Kerugian bervariasi 0-80% tergantung isolat patogen dan varietas kacang tanah. Gejala layu muncul karena sistem perakaran, terutama jaringan pembuluh telah terinfeksi. Tanaman layu permanen mempunyai perakaran jauh lebih sedikit.

Pengendalian dapat dilakukan dengan penanaman varietas resisten, fumigasi pada tanah-tanah terinfestasi berat dan walaupun diketahui mempunyai kisaran inang yang luas, penelitian menunjukkan bahwa insiden busuk polong lebih banyak pada daerah yang ditanami kacang tanah terus menerus. Penyakit layu pythium ditunjukkan pada gambar 2.5.

Gambar 2.5 Gejala penyakit layu Pythium

6. Busuk Batang Sclerotium

Salah satu penyakit merugikan adalah busuk batang yang disebabkan jamur Sclerotium rolfsii.Kerugian hasil kacang tanah karena busuk batang Sclerotium cukup tinggi yaitu antara 13−59% (Nautiyal 2002). Hasil penelitian Budi (2004) menunjukkan bahwa busuk batang S. Rolfsii mengurangi hasil polong kacang tanah sebesar 11% pada Varietas Kelinci.

Pengendalian harus dimulai dengan pencegahan penimbunan inoculum. Pengendalian gulma efektif menekan insiden penyakit ini karena gulma dapat menciptakan lingkungan yang lembab dan dapat menjadi inang alternative. Penyakit busuk batang sclerotium ditunjukkan pada gambar 2.6.

Gambar 2.6 Gejala penyakit busuk batang Sclerotium

7. Sapu setan (Witches’ Broom)

Penyakit sapu pada kacang tanah dikenal di Indonesia sejak tahun 1910an. Untuk pertama kali penyakit ini dilaporkan oleh Rutgers. Rutgers menamakannya sebagai Krulziektie (Curly desease). Nama ini diberikan berdasarkan gejala yang tampak.Penyakit dapat menurunkan hasil polong mencapai 28-69%. Penyakit juga dapat menurunkan kandungan protein dan lemak biji tanaman sakit.

Pengendalian bisa dilakukan dengan sanitasi mencabut tanaman kacang tanah yang tumbuh liar di samping tanaman dan tanaman yang terserang sudah cukup untuk mengendalikan penyakit yang tidak berbahaya ini. Penyakit sapu setan ditunjukkan pada gambar 2.7.

Gambar 2.7 Gejala penyakit sapu setan

8. Gapong

Istilah “Gapong” yang mulai dipublikasikan pada tahun 1930-an digunakan untuk menamakan polong kacang tanah yang tidak berisi biji, polong berwarna hitam, kulit polong rapuh dan kadang-kadang diikuti oleh kondisi busuk. Hasil survei tanaman kacang tanah di Kab. Cirebon dan Majalengka pada musim kemarau (2008) menunjukkan bahwa istilah gapong digunakan untuk menunjuk kondisi polong yang tidak sehat dengan beragam keadaan.

Penyakit gapong bisa dikendalikan atau ditekan serangannya dengan menggunakan pestisida atau teknologi pengendalian yang lainnya seperti aplikasi mulsa jerami. Penyakit gapong ditunjukkan pada gambar 2.8.

Gambar 2.8 Gejala penyakit gapong

2.4 Sistem Pakar Pada sub bab ini akan dijelaskan teori tentang sistem pakar identifikasi penyakit tanaman

kacang tanah menggunakan metode Fuzzy Mamdani, yang meliputi : Definisi Sistem Pakar, Konsep dasar Sistem Pakar, Tujuan Sistem Pakar, Keuntungan Sistem Pakar, Kekurangan Sistem Pakar, Struktur Sistem Pakar, Representasi Pengetahuan, Basis Pengetahuan dan Mesin Inferensi.

2.4.1 Definisi Sistem Pakar Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang cukup tua karena sistem

ini mulai dikembangkan pada pertengahan 1960. Sistem pakar yang muncul pertama adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon (Sutojo, 2011).

Istilah sistem pakar berawal dari Kowledge-based Expert System. Istilah ini muncul karena untuk memecahkan masalah, sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan ke dalam komputer. Berikut adalah pengertian sistem pakar menurut beberapa ahli: 1. Turban (2001)

“Sistem Pakar adalah sebuah sistem yang menggunakan pengetahuan manusia dimana pengetahuan tersebut dimasukkan ke dalam sebuah komputer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan kepakaran atau keahlian manusia.”

2. Jackson (1999) “Sistem Pakar adalah program komputer yang merepresentasikan dan melakukan penalaran dengan pengetahuan beberapa pakar untuk memecahkan masalah atau memberikan saran.”

3. Luger dan Stubblefield (1993) “Sistem Pakar adalah program yang berbasiskan pengetahuan yang menyediakan solusi ‘Kualitas Pakar’ kepada masalah-masalah dalam bidang (domain) yang spesifik.”

2.4.2 Konsep Dasar Sistem Pakar a. Kepakaran (Expertise)

Kepakaran merupakan suatu pengetahuan yang diperoleh dari pelatihan, membaca, dan pengalaman. Kepakaran inilah yang memungkinkan para ahli dapat mengambil keputusan lebih cepat dan lebih baik daripada seorang yang bukan pakar.

b. Pakar (Expert) Pakar adalah seorang yang mempunyai pengetahuan pengalaman dan metode khusus serta mampu menerapkannya untuk memecahkan masalah dan memberi nasihat.

c. Pemindahan Kepakaran (Transferring Expertise) Tujuan dari sistem pakar adalah memindahkan kepakaran dari seorang pakar ke dalam komputer, kemudian ditransfer kepada orang lain yang bukan pakar (Transferring Expertise).

d. Inferensi (Inference) Inferensi adalah sebuah prosedur (program) yang mempunyai kemampuan dalam melakukan penalaran. Inferensi ditampilkan pada suatu komponen yang disebut mesin inferensi yang mencakup prosedur-prosedur mengenai pemecahan masalah.

e. Aturan-aturan (Rules) Kebanyakan software sistem pakar komersial adalah sistem yang berbasis rule (rule based sistem) yaitu pengetahuan disimpan terutama dalam bentuk rule, sebagai prosedur pemecahan masalah.

f. Kemampuan Menjelaskan Fasilitas lain dari sistem pakar adalah kemampuannya untuk menjelaskan saran atau rekomendasi yang diberikannya. Penjelasan dilakukan dalam subsistem yang disebut subsitem penjelasan (explanation).

Perbandingan sistem pakar dengan sistem konvensional dapat dilihat

pada tabel 2.1 (Turban dan Frenzel, 1992).

Tabel 2.1 Perbedaan Sistem Konvensional dengan Sistem Pakar Sistem Konvensional Sistem Pakar

Informasi dan pemrosesannya biasanya digabungkan dalam satu program.

Baris pengetahuan dipisahkan secara jelas dengan mekanisme inferensi.

Program tidak membuat kesalahan (yang membuat kesalahan: pemrograman atau pengguna).

Program dapat berbuat kesalahan.

Biasanya tidak menjelaskan mengapa data masukan diperlukan atau bagaimana output dihasilkan.

Penjelasan merupakan bagian terpenting dari semua sistem pakar.

Perubahan program sangat menyulitkan. Perubahan dalam aturan – aturan mudah untuk dilakukan.

Sistem hanya beroperasi setelah lengkap atau selasai. Sistem dapat beroperasi hanya dengan aturan – aturan yang sedikit (sebagai prototype awal).

Eksekusi dilakukan langkah demi langkah (algoritmatik).

Eksekusi dilakukan dengan menggunakan heuristic dan logika pada seluruh basis pengetahuan.

Perlu informasi lengkap agar bisa beroperasi. Dapat beroperasi dengan informasi yang tidak lengkap atau mengandung ketidakpastian.

Manipulasi efektif dari basis data yang besar. Manipulasi efektif dari basis pengatahuan yang besar.

Tujuan utama : efisisensi Tujuan utama : efektifitas

Mudah berurusan dangan data kuantitatif. Mudah berurusan dengan data kualitatif.

Menangkap, menambah, dan mendistribusikan akses ke data numeric atau informasi.

Menangkap, menambah, dan mendistribusikan akses ke pertimbangan dan pengetahuan.

2.4.3 Tujuan Sistem Pakar Tujuan dari sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar

ke dalam komputer dan kemudian kepada orang lain (non expert). Aktivitas yang dilakukan untuk memindahkan kepakaran adalah (Pratama, 2014):

1. Knowledge Acquistion (Akuisisi Pengetahuan), yaitu kegiatan mencari dan mengumpulkan pengetahuan dari ahli atau sumber keahlian lain.

2. Knowledge Representation (Representasi Pengetahuan), yaitu kegiatan menyimpan dan mengatur penyimpanan pengetahuan yang diperoleh dalam komputer.

3. Knowledge Inferencing (Inferensi Pengetahuan), kegiatan melakukan inferensi berdasarkan pengetahuan yang telah disimpan di dalam komputer.

4. Knowledge Transfering (Pemindahan Pengetahuan), yaitu kegiatan pemindahan pengetahuan dari komputer ke pemakai yang tidak ahli.

2.4.4 Bentuk Sistem Pakar Ada 4 bentuk sistem pakar, yaitu (Kusuma, 2003):

1. Bentuk Sendiri. Sistem pakar jenis ini merupakan software yang berdiri sendiri tidak tergabung dengan software lainnya.

2. Tergabung. Sistem pakar jenis ini merupakan bagian program yang terkandung di dalam suatu algoritma (konvensional) atau merupakan program dimana di dalamnya memanggil algoritma subrutin lain (konvensional).

3. Menghubungkan ke Software Lain. Bentuk ini biasanya sistem pakar yang menghubungkan ke suatu paket program tertentu, misalnya dengan DBMS.

4. Sistem Mengabdi. Sistem pakar jenis ini merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu.

2.4.5 Ciri-ciri Sistem Pakar Ciri-ciri dari sistem pakar adalah sebagai berikut (Sutojo, 2011):

1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkap. 3. Dapat menjelaskan alasan-alasan dengan cara yang dapat dipahami. 4. Bekerja berdasarkan kaidah/rule tertentu. 5. Mudah dimodifikasi. 6. Basis pengetahuan dan mekanisme inferensi terpisah. 7. Mudah dimodifikasi. 8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai, dituntun oleh dialog dengan

pengguna.

2.4.6 Keuntungan Sistem Pakar Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara

lain (Kusuma, 2003): 1. Memungkinkan orang awam bias mengerjakan pekerjaan para ahli. 2. Bisa melakukan proses secara berulang dan otomatis. 3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output dan produktivitas. 5. Meningkatkan kualitas. 6. Mampu mengambil dan melestarikan keahlian para pakar. 7. Mampu beroperasi dalam lingkungan yang berbahaya. 8. Memiliki kemampuan untuk mengakses pengetahuan. 9. Memiliki reliabilitas. 10. Meningkatkan kapabilitas sistemkomputer. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung

ketidakpastian. 12. Sebagai media pelengkap dalam pelatihan. 13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambilan keputusan.

2.4.7 Kelemahan Sistem Pakar Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan,

antara lain (Kusuma, 2003): 1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal. 2. Sulit dikembangkan. Hal ini tentu saja berkaitang dengan ketersediaan pakar di bidangnya. 3. Sistem pakar tidak 100% bernilai benar.

2.4.8 Struktur Sistem Pakar Ada dua bagian penting dari sistem pakar, yaitu lingkungan pengembangan (development

environment) dan lingkungan konsultasi (consultation environment). Berikut komponen-komponen yang penting dalam sebuah sistem pakar (Sutojo, 2011):

1. Akuisisi Pengetahuan Subsitem ini digunakan untuk memasukkan pengetahuan dari seorang pakar dengan cara

merekayasa pengetahuan agar dapat diproses oleh komputer dan menaruhnya ke dalam basis pengetahuan dengan format tertentu (dalam bentuk representasi pengetahuan). 2. Basis Pengetahuan

Basis pengetahuan mengandung pengetahuan yang diperlukan untuk memahami, memformulasikan dan menyelesaikan masalah. 3. Mesin Inferensi

Mesin inferensi adalah sebuah program yang berfungsi untuk memandu proses penalaran terhadap suatu kondisi berdasarkan pada basis pengetahuan yang ada, memanipulasi dan mengarahkan kaidah, model dan fakta yang disimpan dalam basis pengetahuan untuk mencapai solusi dan kesimpulan. 4. Daerah Kerja

Untuk merekam hasil sementara yang akan dijadikan sebagai keputusan dan untuk menjelaskan sebuah masalah yang sedang terjadi sistem pakar membutuhkan area memori sebagai basis data. 5. Antarmuka Pengguna

Digunakan sebagai media antara pengguna dan sistem pakar. 6. Subsistem Penjelasan

Fasilitas penjelas adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. 7. Sistem Perbaikan Pengetahuan

Kemampuan memperbaiki pengetahuan dari seorang pakar atau sistem pakar diperlukan untuk menganalisis pengetahuan, belajar dari kesalahan masa lalu, kemudian memperbaiki pengetahuannya untuk dipakai di masa mendatang. 8. Pengguna

Pada umumnya pengguna sistem pakar bukanlah seorang pakar (non-expert) yang membutuhkan solusi, saran atau pelatihan dari berbagai permasalahan yang ada.

2.4.9 Representasi Pengetahuan Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan

pengetahuan dalam sebuah sistem pakar. Metode representasi pengetahuan yang cocok untuk pengetahuan yang bersifat deklaratif adalah : 1. Logika

Logika merupakan suatu pengkajian limiah tentang serangkaian penalaran, sistem kaidah dan prosedur yang membantu proses penalaran 2. Jaringan Semantik

Jaringan semantik merupakan teknik representasi kecerdasan buatan klasik yang digunakan untuk informasi proporsional atau pernyataan yang bernilai salah atau benar. 3. Bingkai

Bingkai merupakan ruang atau slots yang berisi atribut untuk mendeskripsikan pengetahuan.

2.4.10 Basis Pengetahuan

Basis pengetahuan berisi pengetahuan-pengetahuan dalam menyelesaikan masalah pada domain tertentu. Ada dua bentuk pendekatan basis pengetahuan yang umum digunakan, yaitu : 1. Penalaran Berbasis Aturan

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 pakar dapat menyelesaikan masalah tersebut secara berurutan. 2. Penalaran Berbasis Kasus

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).

2.4.11 Metode Inferensi Inferensi merupakan proses untuk menghasilkan informasi dari fakata yang diketahui atau

yang diasumsikan. Inferensi adalah konklusi logis atau implikasi berdasarkan tersedianya informasi. 1. Forward Chaining

Forward Chaining adalah teknik pencarian yang diawali dengan fakta yang diketahui terlebih dahulu, lalu fakta-fakta tersebut dicocokkan dengan bagian IF dari rule IF-THEN. Jika ada fakta yang cocok dengan bagian IF, maka rule tersebut dieksekusi. Jika rule dieksekusi maka sebuah fakta baru (bagian THEN) ditambahkan ke dalam basis data. 2. Backward Chaining

Metode Backward Chaining merupakan teknik pencarian yang diawali dari hipotesis atau penalaran terlebih dahulu yang artinya dimulai dari THEN lalu IF, yang kemudian hipotesis tersebut harus dicari fakta-fakta yang ada yang pada basis pengetahuan. Dalam kata lain metode ini kebalikan dari metode forward chaining.

2.5 Logika Fuzzy

Pada tahun 1965, logika fuzzy diperkenalkan oleh Lotfi A. Zadeh. Zadeh mengembangkan logika fuzzy dengan tujuan untuk menyelesaikan permasalahan yang tidak dapat direpresentasikan dalam metode yang konvensional (Karray & Silva, 2004). Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota dan bukan anggota. Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μ A [x], memiliki 2 kemungkinan, yaitu (Kusumadewi, 2003: 156 ):

- Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.

- Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy yaitu (Kusumadewi & Purnomo, 2004):

1. Variabel Fuzzy Variabel fuzzy merupakan variabel yang dibahas dalam sistem fuzzy.

2. Himpunan Fuzzy Himpunan fuzzy merupakan suatu kelompok yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy

3. Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif.

4. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang masuk dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

2.5.1 Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang

sering ditulis dengan µA[x], memiliki 2 kemungkinan, yaitu (Kusumadewi & Purnomo, 2004):

- satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau - nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Contoh : Jika diketahui : S = {1, 3, 5, 7, 9, 11} adalah semesta pembicaraan. A = {1, 3, 5} B = {3, 9, 11} Bisa dikatakan bahwa :

- Nilai keanggotaan 3 pada himpunan A, µA[3]=1, karena 3€A (3 anggota A). - Nilai keanggotaan 5 pada himpunan A, µA[5]=1, karena 5€A (5 anggota A). - Nilai keanggotaan 9 pada himpunan A, µA[9]=0, karena 9€B (9 anggota B). - Nilai keanggotaan 3 pada himpunan B, µB[3]=1, karena 3€B (3 anggota B). - Nilai keanggotaan 5 pada himpunan B, µB[5]=0, karena 5€A (5 anggota A).

Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2, yaitu 0 dan 1. Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x]=0 berarti x tidak menjadi anggota himpunan A. Demikian pula apabila x memiliki nilai keanggotaan fuzzy µA[x]=1 berarti x menjadi anggota penuh pada himpunan A.

Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1], namun interpretasi nilainya sangat berbeda antara kedua kasus tersebut. Keanggotaan fuzzy memberikan suatu ukuran/nilai terhadap keputusan. Sedangkan probabilitas merepresentasikan suatu proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu himpunan fuzzy MUDA adalah 0,9; maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir pasti muda. Di

lain pihak, nilai probabilitas 0,9 muda berarti 10% dari himpunan tersebu t diharapkan tidak muda.

Himpunan fuzzy memiliki 2 atribut, sebagai berikut (Kusumadewi & Purnomo, 2004):

1. Linguistik, yaitu penamaan dari suatu grup yang mewakili suatu keadaan tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA.

2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel, seperti : 40, 25, 50, dsb

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu (Kusumadewi & Purnomo, 2004) :

a. Variabel Fuzzy Variabel Fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur, temperature, permintaan, dsb.

b. Himpunan Fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh :

- Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu : MUDA, PAROBAYA, dan TUA. - Variabel temperature, terbagi menjadi 5 himpunan fuzzy, yaitu : DINGIN, SEJUK, NORMAL,

HANGAT, dan PANAS.

2.5.2 Metode Fuzzy Mamdani Metode Fuzzy Mamdani merupakan salah satu dari metode inferensi fuzzy yang paling

popular digunakan pada berbagai bidang. Metode ini pertama kali diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan (Kusumadewi & Purnomo, 2004), yaitu:

1. Pembentukan Himpunan Fuzzy Pada metode mamdani, baik variabel input maupun output dibagi menjadi satu atau lebih himpunan fuzzy

2. Aplikasi Fungsi Implikasi Pada metode mamdani, fungsi implikasi menggunakan operator AND atau fungsi min. Fungsi min akan mencari nilai keanggotaan terkecil antara dua himpunan fuzzy

3. Komposisi Aturan Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy Mamdani yaitu max, additive, dan probabilistik OR (probor).

1. Metode Max Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi. Secara umum dapat ditulis menggunakan Persamaan (2-1).

𝝁𝐬𝐟(𝒙𝒊) = 𝒎𝒂𝒙[𝝁𝒔𝒇(𝒙𝒊), 𝝁𝒌𝒇(𝒙𝒊)] (2-1)

Dengan :

𝜇sf(𝑥𝑖) = nilai keanggotaan solusi fuzzy sampai aturan ke-i

𝜇kf(𝑥𝑖) = nilai keanggotaan konsekuen fuzzy aturan ke-i

2. Metode Additive Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dapat ditulis menggunakan persamaan (2-2).

𝝁𝐬𝐟(𝒙𝒊) = 𝒎𝒊𝒏[𝟏, 𝝁𝒔𝒇(𝒙𝒊) + 𝝁𝒌𝒇(𝒙𝒊)] (2-2)

Dengan :

𝜇sf(𝑥𝑖) = nilai keanggotaan solusi fuzzy sampai aturan ke-i

𝜇kf(𝑥𝑖) = nilai keanggotaan konsekuen fuzzy aturan ke-i

3. Metode Probabilistik OR

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy. Secara umum dapat ditulis menggunakan persamaan (2-3).

𝝁𝐬𝐟(𝒙𝒊) = 𝒎𝒊𝒏(𝝁𝒔𝒇(𝒙𝒊) + 𝝁𝒌𝒇(𝒙𝒊) − 𝝁𝒔𝒇(𝒙𝒊) + 𝝁𝒌𝒇(𝒙𝒊)) (2-3)

Dengan :

𝜇sf(𝑥𝑖) = nilai keanggotaan solusi fuzzy sampai aturan ke-i

𝜇kf(𝑥𝑖) = nilai keanggotaan konsekuen fuzzy aturan ke-i

4. Penegasan (deffuzification) Deffuzification merupakan langkah terakhir dari Fuzzy Mamdani. Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output.

Terdapat lima teknik yang umum digunakan dalam proses defuzzifikasi yaitu (Kusumadewi & Purnomo, 2004): a. Metode Centroid (Composite Moment)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. Secara umum titik persamaan z* dapat ditentukan dengan persamaan (2-4) dan (2-5):

𝒛∗ =𝑴𝒐𝒎𝒆𝒏

𝑳𝒖𝒂𝒔=

∫ 𝒛𝝁(𝒛)𝒅𝒛𝒛

∫ 𝝁(𝒛)𝒅𝒛𝒛

Untuk variabel kontinu (2-4)

𝒛∗ =𝑴𝒐𝒎𝒆𝒏

𝑳𝒖𝒂𝒔=

∑ 𝒛𝒋𝝁(𝒛𝒋)𝒏𝒋−𝟏

∑ 𝝁(𝒛𝒋)𝒏𝒋=𝟏

Untuk variabel diskret (2-5)

dimana:

z* = nilai centroid (titik pusat daerah fuzzy)

z = fungsi untuk daerah hasil fuzzifikasi

µ = daerah hasil fuzzifikasi/daerah hasil komposisi

b. Metode Bisektor Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy. Secara umum solusi crisp ditentukan dengan persamaan (2-6):

𝒛𝒑𝒔𝒆𝒅𝒆𝒎𝒊𝒌𝒊𝒂𝒏𝒉∫ 𝝁(𝒛)𝒅𝒛 = ∫ 𝝁(𝒛)𝒅𝒛𝑹𝒏

𝑷

𝑷

𝑹𝟏 (2-6)

dimana:

𝑧𝑝 = nilai solusi crisp

z = daerah hasil fuzzifikasi

µ(z) = derajat keanggotaan daerah fuzzy

c. Metode Mean Of Maximum (MOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.

d. Metode Largest Of Maximum (LOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar domain yang memiliki nilai keanggotaan maksimum.

e. Metode Smallest Of Maximum (SOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil domain yang memiliki nilai keanggotaan maksimum.

2.6 Ketidakpastian Sistem pakar hampir tidak pernah dapat mengakses seluruh fakta yang ada dalam lingkungan permasalahan lingkungan yang akan ditanganinya, sehingga sistem harus bekerja dalam ketidakpastian dan kesamaran dalam menyelesaikan permasalahan yang ditangani. Untuk itu, sistem ini menggunakan teknik-teknik khusus yang dapat menangani ketidakpastian dan kesamaran untuk menyelesaikan permasalahan yang ditangani (Pratama, 2014).

BAB 3 METODOLOGI PENELITIAN

Metodologi penelitian yang dilakukan dalam penelitian ini melalui beberapa tahapan, yaitu studi literatur, pengumpulan data (observasi), analisis kebutuhan, perancangan sistem, implementasi sistem, pengujian sistem, pengambilan kesimpulan dalam penelitian “Sistem Pakar Identifikasi Penyakit Tanaman Kacang Tanah Menggunakan Metode Fuzzy Mamdani Berbasis Android”. Langkah-langkah pengerjaan penelitian digambarkan pada diagram blok penelitian seperti pada Gambar 3.1.

Mulai

Studi Literatur

Observasi

Analisis Kebutuhan

Perancangan

Implementasi

Pengujian

Penarikan Kesimpulan

Selesai

Gambar 3.1 Diagram blok penelitian

3.1 Studi Literatur Tahapan ini dilakukan untuk mempelajari berbagai sumber ilmu pengetahuan yang

berhubungan dengan perancangan sistem pakar identifikasi penyakit tanaman kacang tanah berbasis android menggunakan metode fuzzy mamdani, diantaranya :

1. Sistem pakar 2. Fuzzy mamdani 3. Jenis-jenis penyakit tanaman pada kacang tanah 4. Bahasa pemrograman PHP 5. Proses pada pengujian sistem

3.2 Observasi Observasi dilakukan untuk memperoleh data penyakit tanaman kacang tanah yang ada di

Indonesia. Data observasi ini akan digunakan untuk keperluan data latih dengan metode fuzzy mamdani dan data uji. Observasi pada penelitian ini juga dilakukan mengumpulkan informasi seputar penyakit tanaman kacang tanah.

3.3 Kebutuhan Pengembangan Sistem Kebutuhan pengembangan sistem merupakan tahapan peneliti menentukan kebutuhan apa

saja yang dibutuhkan pengembang dalam membangun sistem pakar identifikasi penyakit tanaman kacang tanah. Analisis kebutuhan pada penelitian ini yaitu : 1. Kebutuhan hardware, meliputi :

- Laptop Toshiba Processor Intel Core i3 inside, RAM 4Gb. 2. Kebutuhan software, meliputi :

- Windows 7 Ultimate - PHP MySQL - Notepad++ - Microsoft Office 2007 - Eclips - XAMPP

3. Kebutuhan data, meliputi : - Data penyakit tanaman kacang tanah di indonesia

3.4 Perancangan Sistem Pada tahap perancangan sistem akan dijelaskan bagaimana rancangan sistem dibuat dan alur

kerja sistem dalam membangun pemodelan sistem pakar identifikasi penyakit tanaman kacang tanah menggunakan metode fuzzy mamdani secara rinci. Prosedur yang akan dijelaskan dalam tahapan ini adalah arsitektur dan juga model sistem pakar. Hal ini bertujuan untuk memudahkan dalam melakukan implementasi hingga pengujian sistem.

3.4.1 Model Perancangan Sistem Pada tahap model perancangan sistem akan dijelaskan bagaimana cara kerja sistem, mulai

dari input, proses sistem hingga output yang dihasilkan.

Masukan (input)

Input pada sistem ini yaitu berupa gejala penyakit yang terdapat pada tanaman kacang tanah.

Proses Perhitungan Fuzzy Mamdani Setelah data gejala pada tanaman kacang tanah diinputkan selanjutnya akan diproses kedalam Fuzzy Mamdani. Pada proses perhitungan Fuzzy Mamdani diperlukan 4(empat) tahapan yaitu:

a. Pembentukan himpunan fuzzy; b. Aplikasi fungsi implikasi (aturan) metode MIN; c. Komposisi aturan metode MAX; d. Penegasan (deffuzy). Keluaran dari perhitungan metode ini adalah menghasilkan

nilai penyakit tanaman kacang tanah.

Keluaran (output) Output dari sistem ini adalah penyakit yang terdapat pada tanaman kacang tanah.

3.4.2 Arsitektur Sistem Pakar Salah satu bagian penting dari perancangan sistem pakar adalah perancangan arsitektur

sistem pakar. Perancangan arsitektur ini dibagi 2 lingkungan, yaitu lingkungan konsultasi dan lingkungan pengembang dimana keduanya saling berhubungan. Arsitek sistem pakar bisa dilihat pada gambar 3.2.

3.5 Implementasi Sistem Implementasi sistem adalah tahapan untuk membangun sistem yang dilakukan setelah tahap

perancangan dibuat. Berikut langkah-langkah implementasi sistem: - Implementasi antarmuka sistem pakar - Implementasi metode fuzzy mamdani ke dalam bahasa pemrograman PHP - Output yang diperoleh berupa hasil identifikasi penyakit tanaman kacang tanah.

3.6 Pengujian Sistem Pengujian sistem merupakan tahapan untuk mengetahui hasil dan akurasi dari sistem pakar

yang dibuat. Tahapan ini ada 2 pengujian, yaitu : pengujian blackbox dan juga pengujian akurasi sistem pakar. Pengujian blackbox digunakan untuk pengujian fungsionalitas sistem. Sistem yang diuji apakah berjalan dengan baik sesuai dengan perancangan atau tidak (adanya error). Pengujian akurasi dilakukan dengan cara membandingkan hasil identifikasi penyakit tanaman kacang tanah oleh sistem pakar dan hasil identifikasi oleh seorang pakar Tabel 3.1.

3.7 Penarikan Kesimpulan Penarikan kesimpulan dilakukan jika semua tahapan sudah dilakukan, tahapan itu meliputi:

- Perancangan sistem - Pengujian sistem

Penarikan kesimpulan diperoleh dari hasil pengujian dan analisis metode fuzzy mamdani yang sudah diterapkan pada sistem. Tahapan terakhir adalah memberikan saran yang bertujuan untuk memperbaiki kesalahan dan penyempurnaan pengembangan pada penelitian selanjutnya.

Tabel 3.1 Presentasi Pengujian Akurasi

No Hasil Identifikasi Sistem

Hasil Identifikasi Pakar

Akurasi

Blackboard

- Input berupa data gejala

penyakit pada tanaman

kacang tanah

- Proses penghitungan

dilakukan dengan

menggunakan metode

Fuzzy Mamdani

- Output berupa penyakit

tanaman kacang tanah

Fasilitas Penjelas

Proses identifikasi

penyakit tanaman

kacang tanah

Interface

Aksi yang

direkomendasikan:

- Menampilkan hasil

penyakit tanaman kacang

tanah, dengan perincian

detail kualitas dari tiap-

tiap parameter input

Mesin Inferensi

- Forward chainning

- Fuzzy Logic

Mamdani

Basis Pengetahuan:

Rule-base reasoning

(dalam bentuk IF-

THEN)

User

Pakar

Knowledge

Engineeer

Lingkungan Konsultasi Lingkungan Pengembang

Representasi

pengetahuan

Akuisisi

pengetahuan

Data Gejala

Penyakit Tanaman

Kacang Tanah

Gambar 3.2 Arsitektur sistem pakar penyakit tanaman kacang tanah

BAB 4 ANALISIS DAN PERANCANGAN

Pada bab ini akan dijelaskan bagaimana analisis kebutuhan, perancangan perangkat lunak dan perancangan sistem dengan menggunakan metode fuzzy mamdani berbasis android.

4.1 Analisis Kebutuhan Perangkat Lunak Perancangan sistem pakar identifikasi penyakit tanaman kacang tanah dengan

menggunakan metode fuzzy mamdani berbasis Android ini merupakan upaya dalam memasyarakatkan pengetahuan seorang pakar tanaman kacang tanah sehingga dapat meningkatkan hasil produksi dan menekan angka kerugian produksi tanaman kacang tanah yang disebabkan oleh serangan penyakit.

Tahapan ini menjelaskan analisis dan gambaran kebutuhan sistem yang akan diterapkan pada perancangan sistem.

4.1.1 Identifikasi Aktor

Identifikasi aktor menjelaskan siapa saja yang akan berinteraksi dengan sistem. Dan juga hal-hal apa saja yang bisa dilakukan oleh masing-masing aktor.

a. Pengguna Umum (PU) : Aktor yang hanya dapat melihat artikel penyakit tanaman kacang tanah, bisa melakukan registrasi akun serta dapat melihat halaman pendukung lainnya. PU tidak dapat melakukan loginjika tidak terdaftar terhadap sistem serta tidak dapat melakukan identifikasi penyakit.

b. Pakar (PK): Seorang peneliti penyakit tanaman pada Balai Pengkajian Teknologi Pertanian Jawa Timur. Pakar dapat melakukan identifikasi serta login untuk melakukan olah data baik berupa gejala, penyakit dan saran pengendalian, gejala penyakit serta dapat mengakses informasi pendukung lainnya.

c. Knowledge Engineer (KE) : Orang yang memasukkan pengalaman dan keahlian seorang pakar ke dalam sistem yang dibuat. Knowledge Engineer juga bisa melakukan semua kegiatan dalam sistem yang dibangun, seperti melakukan login untuk kelola data penyakit dan saran pengendalian, kelola data gejala, kelola data gejala penyakit, kelola data user serta melihat riwayat identifikasi.

4.1.2 Analisis Kebutuhan Masukan Tahapan ini menjelaskan apa saja yang menjadi kebutuhan masukan sistem yang harus

dipenuhi saat user berinteraksi dengan sistem. Pada analisis kebutuhan masukan dibagi menjadi dua kebutuhan fungsionalitas yaitu kebutuhan fungsional dan non-fungsional. Tabel kebutuhan fungsional bisa dilihat di tabel 4.1 dan kebutuhan non-fungsional pada tabel 4.2.

Tabel 4.1 Tabel Kebutuhan Fungsional

ID Kebutuhan Pengguna Nama Aliran Data

SPPTKT-F-001

Sistem meyediakan menu untuk masukan (inputan) gejala penyakit kacang tanah

PK, KE Input data gejala penyakit pada kacang tanah

SPPTKT-F-002

Sistem menyediakan menu untuk edit gejala penyakit

PK, KE Edit data gejala penyakit pada kacang tanah

SPPTKT-F-003

Sistem menyediakan menu untuk delete gejala penyakit

PK, KE Menghapus gejala penyakit kacang tanah

SPPTKT-F-004

Sistem menyediakan menu untuk input penyakit dan saran pengendalian

PK, KE Input data penyakit dan saran pengendalian

SPPTKT-F-005

Sistem menyediakan menu untuk edit penyakit dan saran pengendalian

PK, KE Edit data penyakit dan saran pengendalian

SPPTKT-F-006

Sistem menyediakan menu untuk delete penyakit dan saran pengendalian

PK, KE Delete data penyakit dan saran pengendalian

SPPTKT-F-007

Sistem mampu menyediakan halaman bantuan untuk memudahkan user dengan sistem pakar

PU, PK, KE

Menampilkan halaman bantuan

SPPTKT-F-008

Sistem menyediakan halaman daftar penyakit kacang tanah

PU, PK, KE

Menampilkan halaman daftar penyakit tanaman kacang tanah

SPPTKT-F-009

Sistem menyediakan halaman daftar gejala-gelaja penyakit pada kacang tanah

PU, PK, KE

Menampilkan halaman daftar gejala-gejala pada penyakit tanaman kacang tanah

SPPTKT-F-010

Sistem menyediakan menu untuk menginputkan gejala yang dialami oleh tanaman untuk didiagnosis

PU, PK, KE

Input gejala penyakit

SPPTKT-F-011

Sistem mampu menampilkan hasil diagnosis penyakit tanaman kacang tanah

PU, PK, KE

Menampilkan hasil diagnosis yang sduah diinputkan oleh PU, PK ataupun KE

SPPTKT-F-012

Sistem menyediakan menu fasilitas penjelas

PU, PK, KE

Menampilkan menu fasilitas penjelas

SPPTKT-F-013

Sistem menyediakan halaman about

PU, PK, KE

Menampilkan halaman about

SPPTKT-F-0014

Sistem menyediakan halaman untuk pendaftaran akun pakar

PK,KE Registrasi pakar

Tabel 4.2 Kebutuhan Non-Fungsional

ID Kebutuhan Penjelasan

SPPTKT-NF-001

Avaliability Aplikasi ini berbasis android sehingga dapat diakses melalui smartphone/gadget oleh semua pengguna (PU, PK, dan KE) selama 24 jam dan selama terkoneksi jaringan internet.

SPPTKT-NF-002

Usability Dapat dengan mudah digunakan oleh pengguna (PU, PK, dan KE). Desain aplikasi disesuaikan dengan kenyamanan pengguna (PU, PK, dan KE).

SPPTKT-NF-003

Response Time

Aplikasi mampu diakses dengan cepat dalam memproses permintaan pengguna, baik dalam hal menyimpan masukkan pengguna, melakukan proses update data serta melakukan proses perhitungan

4.1.3 Analisis Kebutuhan Proses Analisis kebutuhan sistem merupakan inti dari sistem pakar. Inti dari sistem pakar di

dalamnya terdapat proses penalaran. Sistem melakukan proses penalaran terhadap gejala yang diinputkan oleh pengguna untuk memutuskan hasil identifikasi penyakit. Sistem pakar ini menggunakan metode Fuzzy Mamdani dalam melakukan identifikasi, sehingga sistem membutuhkan data latih dalam proses penalarannya. Data latih tersebut disimpan dalam basis pengetahuan dan akan digunakan oleh sistem sebagai data aturan dalam melakukan identifikasi.

4.1.4 Analisis Kebutuhan Keluaran Analisis kebutuhan keluaran ini akan menjelaskan keluaran dari sistem pakar yang akan

dibangun. Keluaran dari sistem pakar ini adalah berupa jenis penyakit serta saran pengendalian. Keluaran sistem ini diperoleh berdasarkan proses perhitungan terhadap masukan dari pengguna sistem yaitu berupa gejala-gejala fisik yang dialami tanaman kacang tanah.

4.2 Perancangan Sistem Pakar Tahapan ini menjelaskan bagaimana suatu sistem akan dibangun, merancang kinerja pada

sistem serta menentukan fitur-fitur yang ada di dalam sistem secara keseluruhan berdasarkan model informasi yang telah dibuat sebelumnya pada tahap analisa kebutuhan.

4.2.1 Akuisisi Pengetahuan Akuisisi pengetahuan adalah akumulasi dan transfer keahlian untuk menyelesaikan suatu

masalah dari sumber pengetahuan ke dalam bahasa pemrograman komputer. Pada tahap ini knowledge engineer berupaya menyerap pengetahuan yang akan dipindahkan ke dalam basis pengetahuan. Pengetahuan didapat dari pakar ditambah dengan buku, basis data yang sudah ada, laporan penelitian dan pengalaman pengguna. Dalam hal ini diketahui penyakit pada tanaman kacang tanah dapat dilihat pada Tabel 4.3.

Tabel 4.3 Gejala Penyakit

No Penyakit Gejala

1.

Penyakit Bercak Daun

1. Bercak pada daun berwarna coklat 2. Bercak pada daun berwarna hitam

3. Bercak pada daun berwarna kekuningan 4. Bercak daun berbentuk bulat

2. Penyakit Karat 1. Daun berbintik-bintik coklat 2. Daun mengering 3. Daun mudah rontok 4. Terdapat bercak di permukaan daun

3. Penyakit Belang 1. Terdapat gambaran belang-belang yang tidak teratur pada daun

2. Belang pada daun berwarna hijau tua/muda 3. Ukuran daun berbeda dengan ukuran daun sehat

4. Penyakit Layu Bakteri

1. Daun terkulai seperti disiram air panas lalu mati 2. Terdapat noda coklat pada bagian pembuluh kayu jika

dipotong 3. Terdapat lendir kekuningan jika ditekan/dipijit 4. Pertumbuhan bunga dan polong terhambat 5. Buah kecil dan tumbuh merana 6. Tanaman terlihat layu 7. Daun mengering

5. Penyakit Layu Pythium

Perakaran jauh lebih sedikit

6. Penyakit Busuk Batang Sclerotium

1. Tanaman layu 2. Terdapat kumpulan miselium putih (bagian jamur

multisseluler) dan sklerotium 3. Polong berwarna ungu 4. Terjadi klorosis pada daun (gagalnya pembentukan klorofil)

7. Penyakit Sapu Setan 1. Bertunas banyak 2. Tanaman tumbuh kerdil kekuningan 3. Ruas-ruas batang dan cabang menjadi pendek 4. Ginofor (tangkai kepala putik) berubah bentuk menjadi

seperti kait, membelok ke atas tidak masuk ke dalam tanah 5. Daun-daun kecil rimbun

8. Penyakit Gapong 1. Polong kosong 2. Polong busuk 3. Polong berwarna hitam

4.2.2 Basis Pengetahuan Basis pengetahuan merupakan intisari dari pembuatan sistem pakar yang mana hal ini

mencakup representasi pengetahuan dari seorang pakar (expert). Adapun pengertian dari basis pengetahuan adalah sekumpulan informasi tentang aturan yang diperlukan sistem pakar dalam memahami serta memecahkan permasalahan dalam domain masalah tertentu. Terdapat 2 elemen dasar pada basis pengetahuan yaitu fakta dan aturan khusus yang membantu pengguna dalam menyelesaikan masalah pada domain tertentu dengan cara memberikan saran pengendalian.

Penalaran dilakukan berdasarkan basis pengetahuan yang sebelumnya sudah ada, mengedit serta mengarahkan sesuai dengan fakta, kaidah, dan model yang disimpan sampai mencapai kesimpulan akhir. Tabel 4.4, 4.5, 4.6, 4.7 dan 4.8 adalah tabel pendukung, kode dan aturan data dalam penelitian ini.

Tabel 4.4 Kode Penyakit

Kode Penyakit Penyakit

P01 Penyakit Bercak Daun

P02 Penyakit Karat

P03 Penyakit Belang

P04 Penyakit Layu Bakteri

P05 Penyakit Layu Pythium

P06 Penyakit Busuk Batang Sclerotium

P07 Penyakit Sapu Setan

P08 Penyakit Gapong

Tabel 4.5 Kode Gejala

Kode Gejala

G01 Belang pada daun berwarna hijau tua/muda

G02 Bercak daun berbentuk bulat

G03 Bercak pada daun berwarna coklat

G04 Bercak pada daun berwarna hitam

G05 Bercak pada daun berwarna kekuningan

G06 Bertunas banyak

G07 Buah kecil dan tumbuh merana

G08 Daun berbintik-bintik coklat

G09 Daun mengering

G10 Daun mudah rontok

G11 Daun terkulai seperti disiram air panas lalu mati

G12 Daun-daun kecil rimbun

G13 Ginofor (tangkai kepala putik) berubah bentuk menjadi seperti kait, membelok ke atas tidak masuk ke dalam tanah

G14 Perakaran jauh lebih sedikit

G15 Pertumbuhan bunga dan polong terhambat

G16 Polong berwarna hitam

G17 Polong berwarna ungu

G18 Polong busuk

G19 Polong kosong

G20 Ruas-ruas batang dan cabang menjadi pendek

G21 Tanaman layu

G22 Tanaman terlihat layu

G23 Tanaman tumbuh kerdil kekuningan

G24 Terdapat bercak di permukaan daun

G25 Terdapat gambaran belang-belang yang tidak teratur pada daun

G26 Terdapat kumpulan miselium putih (bagian jamur multisseluler) dan sklerotium

G27 Terdapat lendir kekuningan jika ditekan/dipijit

G28 Terdapat noda coklat pada bagian pembuluh kayu jika dipotong

G29 Terjadi klorosis pada daun (gagalnya pembentukan klorofil)

G30 Ukuran daun berbeda dengan ukuran daun sehat

Tabel 4.6 Aturan Gejala Penyakit

Aturan Penyakit Gejala Sifat

R1 Penyakit Bercak Daun G02, G03, G04, G05 Non Spesifik

R2 Penyakit Karat G08, G09, G10, G24 Non Spesifik

R3 Penyakit Belang G01, G25, G30 Non Spesifik

R4 Penyakit Layu Bakteri G07, G09, G11, G15, G22, G27, G28

Non Spesifik

R5 Penyakit Layu Pythium G14 Spesifik

R6 Penyakit Busuk Batang Sclerotium G17, G21, G26, G29 Non Spesifik

R7 Penyakit Sapu Setan G06, G12, G13, G20, G23 Non Spesifik

R8 Penyakit Gapong G16, G18, G19 Non Spesifik

Tabel 4.7 Basis Pengetahuan

P01 P02 P03 P04 P05 P06 P07 P08

G01 *

G02 *

G03 *

G04 *

G05 *

G06 *

G07 *

G08 *

G09 * *

G10 *

G11 *

G12 *

G13 *

G14 *

G15 *

G16 *

G17 *

G18 *

G19 *

G20 *

G21 *

G22 *

G23 *

G24 *

G25 *

G26 *

G27 *

G28 *

G29 *

G30 *

Tabel 4.8 Bobot Nilai Basis Pengetahuan

P01 P02 P03 P04 P05 P06 P07 P08

G01 0,8

G02 0,4

G03 0,6

G04 0,7

G05 0,5

G06 0,8

G07 0,7

G08 0,7

G09 0,3 0,4

G10 0,6

G11 0,8

G12 0,8

G13 0,8

G14 0,9

G15 0,4

G16 0,6

G17 0,3

G18 0,8

G19 0,7

G20 0,7

G21 0,5

G22 0,3

G23 0,7

G24 0,4

G25 0,7

G26 0,7

G27 0,7

G28 0,3

G29 0,3

G30 0,5

4.2.3 Mesin Inferensi Mesin inferensi pada sistem pakar identifikasi penyakit pada tanaman kacang tanah

berbasis androidini menggunakan penelusuran jawaban dengan menggunakan forward chaining. Forward chaining melakukan penelusuran jawaban berdasarkan fakta-fakta dari suatu gejala yaitu yang diberikan oleh user sebagai masukan sistem. Sistem kemudian akan melakukan perhitungan dengan menggunakan metode Fuzzy Mamdani untuk menentukan nilai probabilitas dari gejala masukan user tersebut.

Contoh Soal : Misalkan ketika user menggunakan sistem, user tersebut menginputkan gejala dengan memilih beberapa gejala-gejala yang ada. Gejala yang dipilih misalnya G02, G03, G06, dan G11.

Tabel 4.9 Tabel Nilai Basis Pengetahuan

P01 P02 P03 P04 P05 P06 P07 P08

G01 0,8

G02 0,4

G03 0,6

G04 0,7

G05 0,5

G06 0,8

G07 0,7

G08 0,7

G09 0,3 0,4

G10 0,6

G11 0,8

G12 0,8

G13 0,8

G14 0,9

G15 0,4

G16 0,6

G17 0,7

G18 0,8

G19 0,7

G20 0,7

G21 0,5

G22 0,3

G23 0,7

G24 0,4

G25 0,7

G26 0,7

G27 0,7

G28 0,3

G29 0,3

G30 0,5

- Aturan Certainty Factor

P01 = (P01, G02) + (P01, G03) * (1 – (P01, G02)) = 0,4 + 0,6 * (1 – 0,4)

= 1 * 0,6 = 0,60

P04 = (P04, G11) * (1 – (P04,G11) = 0,8 * (1 – 0.8) = 0,8*0,2 = 0,16

P07=(P07, G06) * (1 – P07, G06) = 0,6 * (1 – 0,6) = 0,6 * 0,4 = 0,24

- Aturan Fuzzy Mamdani Max [Min (P01, G02) , (P01, G03)]

[Min (P04, G11)]

[Min (P07, G06)]

Max [Min (0,4 , 0,6)]

[Min 0,8]

[Min 0,6]

Max[0,4 , 0,8 , 0,6]

= 0,8

Maka dari hasil perhitungan gejala diatas, kacang tanah menderita penyakit P04 yaitu penyakit layu bakteri. Flowchart sistem menggunakan Fuzzy Mamdani bisa dilihat di Gambar 4.1.

tidak

ya

Prinsip dari mesin inferensi yaitu memberikan kesimpulan dari suatu masalah dan menjelaskan tentang metode yang digunakan.

4.2.4 Antarmuka Pengguna Antarmuka pengguna adalah sarana komunikasi antara sistem pakar dan pengguna.

Dimana sistem bisa menerima inputan dari user dan meneruskannya dalam bahasa yang bisa dimengerti oleh sistem.

a. Perancangan antarmuka inputan gejala Perancangan antarmuka inputan gejala merupakan antarmuka untuk memasukkan keluhan

user tentang gejala penyakit yang diderita tanaman dengan mencentang kolom gejala yang

Start

Data gejala yang diputkan oleh user

Mencocokkan gejala

Input gejala > 1

Fuzzyfikasi

Fungsi Impikasi Metode MAX

Output Fuzzy Mamdani dan hipotesa diagnosis

end

Fungsi Impikasi Metode MIN

Gambar 4.1 Flowchart sistem dengan metode Fuzzy Mamdani

menjadi keluhan penyakit pada tanaman. Form perancangan masukan gejala bisa dilihat pada gambar 4.2.

Keterangan :

1. Menu fasilitas penjelas, yaitu menu yang akan menampilkan menu : dashboard, diagnosis daftar gejala, daftar penyakit, about.

2. Judul sistem. 3. List gejala, untuk mengetahui penyakit-penyakit pada tanaman kacang tanah. 4. Button proses, ketika user selesai memilih/mencentang penyakit pada list gejala, maka

user harus menekan tombol proses untuk melakukan diagnosis gejala agar sistem bisa menampilkan penyakit yang diderita oleh tanaman kacang tanah.

b. Perancangan antarmuka hasil identifikasi

Perancangan ini merupakan rancangan antarmuka hasil dari identifikasi penyakit dari gejala-gejala yang menjadi inputan pengguna untuk mendiagnosis penyakit kacang tanah. Antarmuka ini nantinya akan menampilkan inputan gejala masukan, hasil penyakit diagnosis dan solusi pengendalian. Perancangan hasil identifikasi bisa dilihat di gambar 4.3.

PILIH GEJALA (3)

NO GEJALA

1 Daftar gejala 1

2 Daftar gejala 2

3 Daftar gejala 3

4 Daftar gejala 4

5 Daftar gejala 5

6 Daftar gejala 6

7 Daftar gejala 7

FASILITAS PENJELAS (1)

PROSES >>> (4)

DIAGNOSIS KACANG TANAH (2)

Gambar 4.2 Perancangan antarmuka masukan gejala

Keterangan : 1. Menu fasilitas penjelas, yaitu menu yang akan menampilkan menu: dashboard, diagnosis

daftar gejala, daftar penyakit, about. 2. Judul sistem. 3. Kolom hasil inputan gejala, nama-nama gejala yang menjadi masukan pengguna. 4. Kolom hasil diagnosis yaitu nama penyakit dari hasil inputan gejala. 5. Kolom saran pengendalian yaitu kolom yang menampilkan solusi pegendalian penyakit.

c. Perancangan antarmuka daftar gejala penyakit Perancangan antarmuka ini merupakan rancangan yang menampilkan daftar nama-nama

gejala pada kacang tanah. Rancangan antarmuka daftar gejala bisa dilihat di gambar 4.4.

DIAGNOSIS KACANG TANAH ( (2)

FASILITAS

PENJELAS (1)

HASIL INPUTAN GEJALA : (3)

1.

2.

HASIL DIAGNOSIS (4)

SARAN PENGENDALIAN : (5)

Gambar 4.3 Perancangan antarmuka hasil identifikasi

Keterangan : 1. Menu fasilitas penjelas, yaitu menu yang akan menampilkan menu: dashboard, diagnosis

daftar gejala, daftar penyakit, about. 2. Judul sistem. 3. Kolom daftar gejala merupakan kolom yang beirisi tentang gejala-gejala yang ada pada

tanaman kacang tanah. d. Perancangan antarmuka daftar penyakit

Perancangan antarmuka ini merupakan rancangan tampilan yang berisi nama-nama penyakit yang bisa ditemukan pada tanaman kacang tanah. Rancangan antarmuka bisa dilihat pada gambar 4.5.

DIAGNOSIS KACANG TANAH (2)

DIAGNOSIS KACANG TANAH (2)

FASILITAS PENJELAS (1)

NO DAFTAR GEJALA (3)

1 list gejala 1

2 list gejala 2

3 list gejala 3

4 list gejala 4

5 list gejala 5

6 list gejala 6

7 list gejala 7

FASILITAS PENJELAS (1)

No DAFTAR PENYAKIT (3)

1 PENYAKIT 1

2 PENYAKIT 2

3 PENYAKIT 3

4 PENYAKIT 4

5 PENYAKIT 5

6 PENYAKIT 6

Gambar 4.4 Perancangan antarmuka daftar gejala

Keterangan :

1. Menu fasilitas penjelas, yaitu menu yang akan menampilkan menu: dashboard, diagnosis daftar gejala, daftar penyakit, about.

2. Judul sistem. 3. Kolom daftar penyakit merupakan kolom yang beirisi tentang penyakit-penyakit yang ada

pada tanaman kacang tanah.

e. Halaman tambah data gejala Halaman tambah data gejala adalah halaman untuk mengubah data yang hanya bisa diakses

oleh pakar dan Knowledge Engineer (KE). Rancangan tambah data gejala bisa dilihat pada gambar 4.6.

Keterangan : 1. Nama keterangan sistem. 2. Menu, untuk menampilkan submenu untuk kembali atau memilih submenu yang lain 3. Kolom kode gejala untuk memasukkan kode gejala penyakit 4. Kolom nama gejala untuk menambahkan data gejala 5. Kolom untuk pengisian nilai bobot penyakit yang akan disimpan di database 6. Button yang digunakan untuk menyimpan semua data hasil inputan, saat ditekan akan

menyimpan data yang akan dimasukkan ke database sistem.

f. Halaman tambah data penyakit Halaman tambah data penyakit merupakan form untuk menambah data penyakit yang dapat

dilakukan oleh pakar dan KE yang berguna untuk memasukkan data tambah penyakit ke dalam basis data. Perancangan antarmuka tambah penyakit bisa dilihat di Gambar 4.7.

Menu TAMBAH DATA GEJALA (1)

Kode gejala :

Nama gejala :

Nilai penyakit 1 :

Nilai penyakit 2 :

Nilai penyakit 3 :

Nilai penyakit 4 :

SIMPAN (6)

2

4

3

5

Gambar 4.5 Rancangan antarmuka daftar penyakit

Gambar 4.6 Perancangan tambah gejala penyakit

Keterangan : 1. Nama keterangan sistem. 2. Menu, untuk menampilkan submenu untuk kembali atau memilih submenu yang lain 3. Kolom pada kode penyakit berguna untuk memasukkan kode penyakit 4. Kolom pada nama penyakit berguna untuk memasukkan nama penyakit 5. Kolom pengendalian berguna untuk memasukkan pengendalian atau solusi penyakit yang

diderita 6. Kolom nilai gejala untuk pengisian nilai bobot gejala pada penyakit yang akan disimpan ke

database 7. Tombol simpan, ketika ditekan akan menyimpan data yang akan dimasukkan ke basis data

sistem.

4.2.5 Perancangan Perangkat Lunak Perancangan perangkat lunak ini menjelaskan mengenai pola hubungan antar komponen

- komponen detail sehingga mampu membentuk sebuah fungsi yang dapat memberikan pelayanan terhadap kebutuhan pengguna. Perancangan perangkat lunak menggunakan Entity Relationship Diagram (ERD) sebagai rancangan database.

4.2.5.1 Entity Relationship Diagram

Entity Relationship diagram (ERD) merupakan model data dalam sistem. Diagram ini terdiri dari tiga komponen utama, yaitu entitas, atribut, dan relasi antar entitas. Entitas memiliki beberapa atribut yang melekat didalamnya dan memiliki relasi dengan entitas lain. Entitas penyakit merupakan entitas yang menyimpan informasi penyakit antara lain id penyakit, kode penyakit, nama penyakit, solusi.

Entitas penyakit berelasi dengan beberapa entitas lainnya, antara lain dengan entitas user many to one, dengan entitas identifikasi one to one, dengan entitas data_latih one to many, dengan entitas gejala one to many. Entitas identifikasi memiliki entitas dengan tabel penyakit,

Menu

TAMBAH DATA PEYAKIT

Kode Penyakit :

Nama Penyakit :

Pengendalian :

Nilai gejala 1 :

Nilai gejala 2 :

3

4

5

6

2 1

SIMPAN 7

Gambar 4.7 Perancangan tambah data penyakit

entitas tabel identifikasi juga memiliki relasi dengan entitas user yaitu many to one, dengan entitas gejala yaitu one to many, dengan entitas datalatih yaitu one to many.

Entitas gejala merupakan entitas yang berfungsi untuk menyimpan informasi gejala penyakit. Entitas ini mempunyai relasi one to many dengan entitas data_latih, memiliki relasi many to one dengan user, dengan entitas penyakit yaitu many to one, dengan entitas identifikasi many to one. Entitas ini memiliki relasi many to one dengan tabel user, dengan entitas penyakit one to one. Data_latih merupakan entitas yang berfungsi untuk menyimpan informasi kasus penyakit pada kacang tanah yang kemudian akan digunakan dalam perhitungan fuzzy mamdani. Entitas ini memiliki relasi many to one dengan gejala, many to one dangan penyakit, many to one dengan tabel user, dengan entitas identifikasi yaitu many to one.

Setelah membuat rancangan ERD dari sistem maka selanjutnya akan dibuat physical diagram yang berfungsi untuk memperjelas rancangan yang terdapat pada Entity Relationship Diagram.

1. Tabel User Tabel user untuk menyimpan data diri dari pengguna sistem pakar. Data diri yang disimpan antara lain id user, nama user, email user, password user serta tipe user.

2. Tabel Identifikasi Tabel ini digunakan untuk merekam semua aktifitas identifikasi yang pernah dilakukan oleh pengguna, baik pengguna terdaftar, pakar maupun knowledge engineer. Data yang disimpan dalam tabel ini antara lain daerah pertanaman, tanggal identifikasi, gejala klinis yang diinputkan serta hasil identifikasi.

3. Tabel Gejala Tabel gejala merupakan informasi seputar gejala yang dimiliki semua penyakit. Informasi yang disimpan dalam tabel yang diantaranya nama gejala, id gejala dan kode gejala.

4. Tabel Penyakit Tabel penyakit berguna menyimpan informasi penyakit kacang tanah yang dapat diidentifikasi dalam sistem ini. Informasi yang disimpan dalam tabel ini antara lain id penyakit, nama penyakit, dan kode penyakit dan pengendalian.

BAB 5 IMPLEMENTASI Tahapan pada bab ini menjelaskan implementasi dari sistem pakar identifikasi penyakit

kacang tanag dengan metode fuzzy mamdani berbasis android.

5.1 Spesifikasi Sistem Spesifikasi sistem ada dua macam yaitu spesifikasi perangkat keras dan perangkat lunak. Hal

ini berguna untuk menjadi acuan untuk pengimplementasian sistem untuk pengguna sistem pakar yang akan digunakan.

5.1.2 Spesifikasi Perangkat Keras Spesifikasi perangkat keras dalam mengimplementasikan sistem pakar diagnosis penyakit

pada tanaman kacang tanah berbasis android yaitu:

1. Laptop toshiba satellite L635 Intel Core i3 inside 2. Memory RAM 4GB 3. Harddisk 700GB HDD

5.1.3 Spesifikasi Peragkat Lunak Spesifikasi perangkat lunak yang mendukung pembuatan sistem pakar ini, yaitu :

1. Windows 7 Premium 32-bit 2. Eclips 3. Notepad++ 4. MySQL 5. XAMPP

5.2 Implementasi Sistem Pakar Berdasarkan pada bab 4 sudah di dijelaskan sebelumnya. Dalam implementasi sistem pakar

terdiri dari 3 pengimplementasian yaitu implementasi antarmuka, basis pengetahuan dan implementasi mesin inferensi.

5.2.2 Implementasi Basis Pengetahuan Implementasi ini dibagi menjadi dua yaitu implementasi aturan dan implementasi basis

data.

5.2.1.1 Implementasi basis data Implementasi basis data adalah proses menyimpan data yang diperoleh ke dalam database.

Database penyimpanan pada sistem ini adalah DB MySQL. Model implementasi basis data bisa dilihat pada gambar 5.1.

Gambar 5.1 Implementasi basis data

5.2.1.2 Implementasi aturan Implementasi ini adalah penerapan data- data dari basis pengetahuan yang sebelumnya

dijelaskan pada bab perancangan. Data diperoleh dari hasil wawancara dengan pakar. Aturan sistem berpacu pada data dentitas. Aturan implementasi bisa dilihat pada tabel 5.1.

Tabel 5.1 Implementasi Aturan

Aturan Penyakit Kacang Tanh Gejala Penyakit Sifat

R1 Penyakit Bercak Daun G02, G03, G04, G05 Non Spesifik

R2 Penyakit Karat G08, G09, G10, G24 Non Spesifik

R3 Penyakit Belang G01, G25, G30 Non Spesifik

R4 Penyakit Layu Bakteri G07, G09, G11, G15, G22, G27, G28 Non Spesifik

R5 Penyakit Layu Pythium G14 Spesifik

R6 Penyakit Busuk Batang Sclerotium

G17, G21, G26, G29 Non Spesifik

R7 Penyakit Sapu Setan G06, G12, G13, G20, G23 Non Spesifik

R8 Penyakit Gapong G16, G18, G19 Non Spesifik

Nilai kepercayaan pakar adalah nilai yang diberikan oleh pakar terhadap suatu gejala menurut pengalaman, jam terbang seorang pakar dan data yang sudah ada sebelumnya. Database nilai kepercayaan pakar bisa dilihat pada gambar 5.2.

Gambar 5.2 Database data aturan kepercayaan pakar

5.2.3 Implementasi Mesin Inferensi Implementasi mesin inferensi merupakan sebuah implementasi dariproses perhitungan

sistem pakar yang telah dibangun yang mengacu pada sub bab mesin inferensi pada bab perancangan. Proses perhitungan pada mesin inferensi ini menerapkan metode Fuzzy Mamdani.

5.2.2.1 Implementasi proses perhitungan metode fuzzy mamdani Implementasi proses perhitungan dengan metode Fuzzy Mamdani berdasarkan pada

algoritma yang telah dirancang dalam gambar 4.1 diagram alirperhitungan Fuzzy Mamdani sub bab 4.2.3 mesin inferensi pada bab perancangan. Dalam sistem pakar diagnosis penyakit tanaman kacang tanah pengguna diminta untuk memilih data fakta gejala yang telah disediakan oleh sistem. Nilai densitas berdasarkan data fakta gejala tersebut akan dilakukan proses perhitungan menggunakan metode Fuzzy Mamdani.

5.3 Implementasi Antarmuka Implementasi antarmuka berfungsi sebagai sarana komunikasi antara pengguna dengan

sistem yang dibuat untuk memudahkan pengguna untuk melakukan proses identifikasi penyakit.

5.3.2 Antarmuka halaman utama Pada halaman ini menampilkan menu tentang eksekusi proses identifikasi, daftar gejala

penyakit, daftar penyakit tanaman, dan bantuan tentang sistem ini. Antarmuka halaman utama ditunjukkan pada Gambar 5.3.

Gambar 5.3 Antarmuka halaman utama

5.3.3 Antarmuka data basis pengetahuan Antarmuka data pengetahuan ini adalah halaman didalam sistem database yang bisa

diakses oleh knowledge engineer dan pakar. Di halaman ini knowledge engineer dan pakar melakukan olah data dentitas. Dentitas diperoleh dari perhintungan fuzzy mamdani. Antarmuka data basis pengetahuan bisa dilihat pada gambar 5.4.

Gambar 5.4 Tampilan halaman data pengetahuan

5.3.4 Antarmuka daftar gejala Antarmuka daftar gejala berfungsi untuk menampilkan halaman daftar gejala penyakit

pada kacang tanah. Halaman daftar gejala penyakit bisa dilihat pada gambar 5.5.

Gambar 5.5 Antarmuka daftar gejala

5.3.5 Antarmuka daftar penyakit Antarmuka daftar penyakit berfungsi untuk menampilkan semua daftar penyakit pada

kacang tanah pada penelitian ini. Halaman daftar penyakit bisa dilihat pada gambar 5.6.

Gambar 5.6 Antarmuka daftar penyakit kacang tanah

5.3.6 Antarmuka diganosis penyakit Antarmuka diagnosis penyakit berisi semua gejala penyakit untuk proses inputan yang

dapat dilakukan oleh pengguna berdasarkan gejala yang diderita oleh tanaman. Halaman diagnosis penyakit bisa dilihat pada gambar 5.7.

Gambar 5.7 Antarmuka proses diagnosis

Antarmuka hasil identifikasi penyakit merupakan tampilan hasil diagnosis penyakit dari

masukan pengguna pada antarmuka . Halaman ini menampilkan hasil identifikasi penyakit yang

diderita oleh tanaman kacang tanah dari pilihan gejala yang dipilih oleh pengguna. Tampilan

halaman identifikasi bisa dilihat di gambar 5.8.

Gambar 5.8 Antarmuka hasil identifikasi

5.3.7 Antarmuka About Antarmuka about adalah halaman sub bab dari fasilitas penjelas tentang aplikasi ini

dibuat dan bagaimana cara kerjanya dari metode perhitungannya. Tampilan halaman about bisa dilihat di Gambar 5.9.

Gambar 5.9 Antarmuka halaman about

BAB 6 PENGUJIAN Di bab pengujian membahas bagaimana proses pengujian sistem kemudian dianalisis

tujuan dan hasil dari pengujian tersebut. Dalam proses ini ada 2 pengujian yaitu pengujian blackbox dan pengujian akurasi.

6.1 Pengujian Blackbox Pegujian blackbox merupakan pengujian sistem yang dilakukan untuk mengetahui apakah

sistem sudah dibuat sesuai dengan kebutuhan fungsional dan non-fungsional yang sudah dirancang pada bab 4.1.2 analisis kebutuhan masukan. Pada proses pengujian blackbox lebih menekankan kepada kesesuaian fungsi sistem yang telah dibuat dengan daftar kebutuhan pengguna. Dalam pengujian blackbox hanya melihat dari hasil proses tampilan luarnya meskipun tidak tahu apa yang terjadi detail proses sebenarnya yang ada didalamnya.

6.1.1 Skenario Pengujian Blackbox Skenario pengujian ini memaparkan tentang prosedur, tujuan dan hasil yang diharapkan

sesuai dengan pengujian kebutuhan fungsionalitas pada sistem pakar identifikasi kacang tanah dengan metode fuzzy mamdani.

6.1.1.1 Tujuan Tujuan dari pengujian blackbox adalah untuk mengetahui apakah kinerja sistem sudah sesuai

atau tidak dengan kebutuhan pengguna dan sistem sudah berjalan baik tanpa harus ada error. Dalam prosedur pengujian ini dilakukan dengan membuat kasus uji setiap daftar kebutuhan yang sudah dirancang sebelumnya. Penjelasan pengujian kebutuhan fungsiona maupun non-fungsional terdiri dari nama kasus, kasus uji, hasil yang diharapkan, hasil akhir, status.

a. Pengujian diagnosis penyakit kacang tanah Pada pengujian ini menjelaskan bagaimana pengujian kebutuhan fungsional sistem untuk

mendiagnosis penyakit. Diagnosis penyakit kacang tanah ini bisa diakses oleh semua pengguna. Pengujian kasus uji diagnosis bisa dilihat pada tabel 6.1.

Tabel 6.1 Pengujian fungsional diagnosis penyakit tanaman kacang tanah

No. Nama kasus Kasus uji Hasil yang

Diharapkan Hasil

Pengujian Status

1. Pengujian input gejala di halaman diagnosis

Pengujian memilih gejala penyakit ke sistem oleh pengguna

Sistem dapat memproses masukan dari pengguna

Sistem dapat memproses masukan pengguna

Valid

2. Pengujian menerima ouput sistem

Pengujian Output dari sistem pakar

Sistem dapat menampilkan hasil diagnosis berupa penyakit dan pengendalian

Sistem dapat menampilkan ouput berupa penyakit dan pengendalian

Valid

b. Pengujian masukan identifikasi penyakit Pengujian masukan identifikasi penyakit adalah untuk menguji masukan dengan men-

checklist gejala-gejala yang menjadi keluhan pengguna pada kacang tanah. Pengujian masukan identifikasi penyakit kacang tanah bisa dilihat pada tabel 6.2.

Tabel 6.2 Pengujian fungsional masukan identifikasi penyakit

Nama kasus Kasus uji Hasil yang

Diharapkan Hasil Pengujian

Status

Pengujian isi masukan gejala

Pengujian isi masukan gejala oleh pengguna untuk proses identifikasi

Sistem bisa menerima masukan identifikasi oleh pengguna

Sistem menerima masukan identifikasi oleh pengguna

Valid

c. Pengujian fungsional menampilkan daftar gejala penyakit

Pengujian tambah gejala berfungsi untuk menguji keluaran list daftar gejala di menu daftar gejala. Pengujian menampilkan daftar gejala bisa dilihat pada tabel 6.3.

Tabel 6.3 Pengujian fungsional menampilkan daftar gejala penyakit

Nama kasus Kasus uji Hasil yang

Diharapkan Hasil

Pengujian Status

Menampilkan daftar gejala penyakit

Pengujian menampilkan daftar gejala penyakit oleh pengguna

Sistem bisa menampilkan daftar gejala penyakit tanaman kacang tanah

Sistem menampilkan daftar gejala penyakit kacang tanah

Valid

d. Pengujian fungsional menampilkan daftar penyakit kacang tanah

Pengujian tambah gejala berfungsi untuk menguji keluaran list daftar gejala di menu daftar gejala. Pengujian menampilkan daftar gejala bisa dilihat pada tabel 6.4.

Tabel 6.4 Pengujian fungsional kasus uji menampilkan daftar penyakit

Nama kasus Kasus uji Hasil yang

Diharapkan Hasil

Pengujian Status

Menampilkan daftar penyakit

Pengujian menampilkan daftar penyakit oleh pengguna

Sistem bisa menampilkan daftar penyakit tanaman kacang tanah

Sistem menampilkan daftar penyakit kacang tanah

Valid

e. Pengujian tambah data gejala

Pengujian tambah data gejala berfungsi untuk menguji kebutuhan fungsional untuk KE dan pakar. Pengujian tambah data gejala bisa dilihat pada tabel 6.5.

Tabel 6.5 Pengujian fungsional tambah data gejala

No Nama kasus Kasus uji Hasil yang

Diharapkan Hasil Pengujian Status

1 Pengujian masuk ke sistem oleh KE atau pakar

Mengisi data gejala setelah klik tombol tambah data

Sistem akan menampilkan halaman tambah data gejala

Sistem dapat menampilkan halaman tambah data gejala

Valid

2 Pengujian isi data gejala baru

Menekan tombol simpan

Sistem akan menyimpan data menyimpan gejala baru kedalam database

Sistem dapat data gejala baru dalam database

Valid

f. Pengujian ubah data gejala

Pengujian tambah gejala menjelaskan untuk menguji kebutuhan fungsional yang dikhusukan untuk KE dan pakar. Tabel pengujian ubah data gejala bisa dilihat pada tabel 6.6.

Tabel 6.6 Pengujian fungsional ubah data gejala

No Skenario

Pengujian Test Case

Hasil yang Diharapkan

Hasil Pengujian

Status

1 Pengujian masuk ke sistem oleh KE atau pakar

Mengubah data gejala dengan memulai menekan tombol ubah

Sistem akan menampilkan data gejala yang akan diubah

Sistem dapat menampilkan data gejala yang akan diubah

Valid

2 Pengguna mengubah data gejala

Menekan tombol simpan

Sistem dapat menyimpan data gejala yang telah diubah kedalam database

Sistem dapat menyimpan data gejala yang telah diubah kedalam database

Valid

g. Pengujian hapus gejala Pengujian hapus data gejala menerangkan tentang pengujian kebutuhan fungsional pengguna akan proses hapus data gejala yang hanya bisa dilakukan oleh KE dan pakar. Penjelasan pengujian hapus data gejala bisa dilihat pada tabel 6.7.

Tabel 6.7 Pengujian fungsional hapus data gejala

Skenario Pengujian

Test Case Hasil yang

Diharapkan Hasil

Pengujian Status

Pengujian masuk ke sistem oleh KE atau pakar

Menekan tombol hapus

Sistem dapat menghapus data gejala dari database

Sistem menghapus data gejala dari database

Valid

h. Pengujian tambah data penyakit dan solusi pengendalian

Pengujian tambah penyakit adalah pengujian untuk menambah data penyakit dengan solusi pengendalian dari pakar ke database. Proses ini hanya bisa dilakukan oleh KE dan pakar. Penjelasan pengujian tambah data penyakit bisa dilihat pada tabel 6.8

Tabel 6.8 Pengujian tambah data penyakit dan pengendalian

No Skenario Pengujian

Test Case Hasil yang Diharapkan

Hasil Pengujian Status

1 Pengujian masuk ke sistem oleh KE atau pakar

Mengisi data penyakit setelah menekan tombol tambah penyakit

Sistem dapat menambahkan data penyakit dan solusi pengendalian

Sistem bisa menambahkan data data penyakit dan pengendalian

Valid

2 KE atau pakar mengisi data penyakit dan solusi pengendalian baru

Menyimpan data dengan menekan tombol simpan

Sistem dapat menyimpan data penyakit dan solusi pengendalian baru ke dalam database

Sistem dapat menyimpan data penyakit dan pengendalian baru ke dalam database

Valid

i. Pengujian ubah data penyakit dan pengendalian Pengujian ubah data gejala menerangkan tentang pengujian kebutuhan fungsional pengguna akan proses edit data penyakit yang hanya bisa dilakukan oleh KE dan pakar. pengujian hapus data gejala bisa dilihat pada tabel 6.9.

Tabel 6.9 Pengujian ubah data penyakit dan pengendalian

No Skenario

Pengujian Test Case

Hasil yang diharapkan

Hasil Pengujian Status

1 Pengujian masuk ke sistem oleh KE atau pakar

Mengisi data penyakit setelah menekan tombol ubah penyakit

Sistem dapat mengubah data penyakit dan pengendalian

Sistem bisa mengubah data penyakit dan pengendalian

Valid

2 KE atau pakar mengubah data penyakit dan pengendalian

Menyimpan data dengan menekan tombol simpan

Sistem dapat menyimpan data penyakit dan pengendalian yang telah diubah ke dalam database

Sistem bisa menyimpan data penyakit dan pengendalian yang telah diubah ke dalam database

Valid

j. Pengujian hapus data penyakit dan pengendalian

Pengujian blackbox pada kasus uji hapus data penyakit dan solusi pengendalian ditunjukkan pada Tabel 6.10.

Tabel 6.10 Pengujian Blackbox Hapus Data Penyakit dan Pengendalian

Skenario Pengujian

Test Case Hasil yang Diharapkan Hasil

Pengujian Status

Pengujian masuk ke sistem oleh KE atau pakar

Menghapus data penyakit dan pengendalian dengan menekan tombol hapus

Sistem dapat menghapus data penyakit dan pengendalian yang ada di database

Sistem bisa menghapus data penyakit dan pengendalian yang ada di database

Valid

6.1.2 Hasil Berdasarkan pengujian blackbox yang telah dilakukan, terbukti bahwa seluruh kebutuhan

fungsional yang telah disusun sebelumnya telah berjalan sesuai dengan hasil yang diharapkan. Hal ini membuktikan bahwa sistem dapat berjalan dengan baik sesuai dengan kebutuhan fungsional yang ada.

6.1.3 Analisis Pengujian Blackbox Pengujian blackbox yang telah dilakukan membuktikan bahwa pada tahapan

implementasi, fungsionalitas sistem dapat berjalan sesuai dengan daftar kebutuhan fungsional yang telah dibuat sebelumnya. Proses analisa yang dilakukan adalah dengan melihat kesesuaian antara hasil yang diharapkan dan hasil pengujian (hasil yang diperoleh), kesesuaian keduanya memiliki presentase sebesar 100%.

6.2 Pengujian Akurasi Pengujian tingkat akurasi dilakukan agar mengetahui performa sistem pakar diagnosis

penyakit tanaman kacang tanah menggunakan metode Fuzzy Mamdani. Pengujian akurasi dilakukan dengan membandingkan data hasil diagnosis sistem pakar dengan hasil diagnosis dari pakar.

6.2.1 Skenario Pengujian Akurasi Pengujian akurasi dilakukan menggunakan 50 data uji yang diperoleh dari data penyakit

tanaman kacang tanah. Dari 50 data uji kemudian dilakukan analisa kesesuaian antara hasil diagnosis sistem dengan hasil diagnosis yang dilakukan pakar. Pengujian ini akan menghasilkan akurasi sistem sebagai ukuran performa sistem pakar yang telah dibuat.

6.2.1.1 Tujuan Tujuan dari pengujian akurasi untuk mengetahui seberapa banyak kecocokan data antara

diagnosis sistem pakar yang telah dibuat dengan hasil diagnosis pakar. Pakar menetapkan 50 kasus beserta diagnosis penyakit yang nantinya hasil diagnosis tersebut akan dievaluasi dengan hasil keputusan sistem menggunakan metode Fuzzy Mamdani.

Prosedur pengujian tingkat akurasi dilakukan dengan cara membandingkan hasil diagnosis pakar dengan hasil diagnosis sistem. Dalam pengujian ini terdapat 50 data kasus penyakit tanaman kacang tanah beserta dengan diagnosis pakar. Nilai yang digunakan sebagai acuan diperoleh dari hasil wawancara dengan pakar.

6.2.2 Hasil Pengujian perbandingan hasil dan akurasi sistem dengan pakar ditunjukkan pada tabel

6.18.

Tabel 6.18 Perbandingan hasil sistem dengan seorang pakar

Kasus Input

1 Input

2 Input

3 Input

4 Input

5 Output sistem Output Pakar

Hasil Akurasi

1 G02 G03 G06 G11 - Sapu setan Sapu setan 1

2 G01 G06 G23 - - Sapu setan Sapu setan 1

3 G02 G04 G07 G20 - Bercak daun Bercak daun 1

4 G08 G11 G12 G21 - Sapu setan Sapu setan 1

5 G04 G05 G07 G10 - Bercak daun Bercak daun 1

6 G03 G12 G13 G23 G27 Sapu setan Sapu setan 1

7 G05 G14 - - - Layu pythium Layu pythium 1

8 G06 G09 G23 G24 - Sapu setan Sapu setan 1

9 G08 G12 G27 G30 - Layu bakteri Layu bakteri 1

10 G05 G06 G08 G25 - Bercak daun Bercak daun 1

11 G04 G07 G09 G22 - Layu bakteri Layu bakteri 1

12 G12 G20 G23 G24 - Sapu setan Sapu setan 1

13 G11 G12 G13 G15 - Layu bakteri Layu bakteri 1

14 G06 G08 G09 G26 G27 Karat Karat 1

15 G24 G03 G10 - - Karat Bercak daun 0

16 G12 G13 G18 G20 G23 Sapu setan Sapu setan 1

17 G02 G05 G07 G09 G16 Layu bakteri Layu bakteri 1

18 G03 G06 G13 - - Sapu setan Sapu setan 1

19 G06 G12 G24 G25 - Sapu setan Sapu setan 1

20 G01 G05 G06 G11 - Sapu setan Sapu setan 1

21 G07 G08 G09 G21 - Karat Karat 1

22 G06 G11 G16 - - Sapu setan Sapu setan 1

23 G02 G03 G08 G21 - Bercak daun Bercak daun 1

24 G02 G06 G08 - - Sapu setan Sapu setan 1

25 G07 G09 G11 - - Layu bakteri Layu bakteri 1

26 G16 G17 G19 - - Gapong Busuk Batang

Sclerotium 0

27 G17 G20 G23 G26 - Sapu setan Sapu setan 1

28 G12 G15 G17 G27 - Layu bakteri Layu bakteri 1

29 G10 G12 G14 - - Karat Karat 1

30 G08 G09 G10 G15 - Karat Belang 0

31 G01 G07 G09 G16 - Layu bakteri Layu bakteri 1

32 G08 G17 G23 - - Sapu setan Karat 0

33 G06 G09 G11 G16 - Karat Karat 1

34 G07 G09 G17 G24 G30 Layu bakteri Layu bakteri 1

35 G01 G02 G06 G12 G13 Sapu setan Sapu setan 1

36 G04 G06 G12 G15 - Sapu setan Sapu setan 1

37 G02 G06 G15 G25 - Sapu setan Sapu setan 1

38 G01 G07 G21 - - Layu bakteri Layu bakteri 1

39 G05 G08 G10 G11 - Karat Karat 1

40 G09 G20 G24 G27 - Karat Karat 1

41 G08 G15 G17 G18 - Layu bakteri Layu bakteri 1

42 G07 G09 G21 G23 G24 Layu bakteri Sapu setan 0

43 G01 G03 G06 G12 G23 Sapu setan Sapu setan 1

44 G08 G11 G16 - - Sapu setan Sapu setan 1

45 G08 G19 G21 G22 - Gapong Gapong 1

46 G04 G08 G12 G25 G29 Belang Belang 1

47 G12 G13 G16 G18 - Gapong Gapong 1

48 G10 G14 G21 G22 - Layu pythium Layu pythium 1

49 G07 G10 G12 - - Karat Karat 1

50 G01 G06 G09 G16 G23 Sapu setan Sapu setan 1

Hasil akurasi bernilai 1 atau 0, nilai 1 membuktikan bahwa hasil perbandingan antara pakar dan sistem itu sama. Sedangkan nilai 0 membuktikan bahwa keluaran sistem tidak sama dengan hasil pakar atau keluaran sistem muncul lebih dari satu penyakit.

Penilaian akurasi:

𝑎𝑘𝑢𝑟𝑎𝑠𝑖(%) =jumlah data uji bernilai benar

jumlah seluruh data uji𝑥 100

𝑎𝑘𝑢𝑟𝑎𝑠𝑖 (%) =45

50𝑥100

𝑎𝑘𝑢𝑟𝑎𝑠𝑖 (%) = 90%

6.2.3 Analisis Pengujian Akurasi Akurasi sistem berdasarkan 50 data uji adalah sebesar 90%. Pengujian ini menggunakan

50 data uji dengan gejala yang yang di pilih secara acak. Pengujian ini bernilai benar jika hasil diagnosis pakar sama dengan hasil identifikasi sistem. Pengujian ini bernilai salah walaupun hasil diagnosis pakar terdapat di dalam hasil diagnosis sistem yang mengeluarkan hasil diagnosis lebih dari satu penyakit.

Kesalahan diagnosis pada pengujian sebesar 10% dari total 50 data uji dikarenakan terdapat perbedaan hasil diagnosis dari pakar dan sistem pada kasus diagnosis ke 15, 26, 30, 32 dan 42. Pengujian pada kasus ke 15 dengan gejala: Terdapat bercak di permukaan daun, bercak

berwarna coklat, daun mudah rontok sistem dengan perhitungan menggunakan metode fuzzy mamdani menghitung nilai densitas tertinggi ada pada penyakit karat dengan nilai densitas 0,6 namun pakar mendiagnosis berdasarkan gejala tersebut bahwa tanaman kacang tanah terkena penyakit bercak daun. Pengujian pada kasus ke 26 dengan gejala sebagai berikut: polong berwarna hitam, polong kosong, polong berwarna ungu sistem dengan menggunakan metode fuzzy mamdani menghitung nilai densitas tertinggi ada pada penyakit Gapong dengan nilai 0,39 sebagai nilai keyakinan pada penyakit gapong, namun pakar mendiagnosis berdasarkan gejala tersebut adalah penyakit Penyakit Busuk Batang Sclerotium. Identifikasi penyakit pada pengujian kasus ke 30 dengan gejala gejala sebagai berikut : Daun mengering, daun mudah rontok, daun berbintik-bintik coklat, pertumbuhan bunga dan polong terhambat. Sistem dengan menggunakan metode fuzzy mamdani menghitung nilai densitas tertinggi ada pada penyakit Karat dengan nilai 0.64 sebagai nilai keyakinan pada penyakit Karat, namun pakar mengidentifikasi penyakit berdasarkan gejala tersebut adalah penyakit Belang. Berdasarkan perbedaan hasil identifikasi penyakit pada kasus pengujian ke 15, 26, 30, 32 dan 42 dari pakar dan sistem, diagnosis dari sistem dikatakan salah atau bernilai 0 walaupun hasil diagnosis pakar terdapat di salah satu dari hasil diagnosis sistem pakar yang mengeluarkan hasil diagnosis penyakit yang berbeda. Berdasarkan hasil pengujian akurasi dari sistem, metode fuzzy mamdani bisa diterapkan sebagai metode dalam sistem pakar.

BAB 7 KESIMPULAN DAN SARAN 7.1 Kesimpulan

Hasil dari perancangan, implementasi, dan pengujian yang sudah dilakukan pada penelitian ini, maka kesimpulan yang diperoleh adalah sebagai berikut: 1. Rancangan sistem pakar identifikasi penyakit kacang tanah terdiri dari 4 tabel database yaitu

tabel user, tabel identifikasi, tabel gejala dan tabel penyakit. Dan terdiri dari 5 user interface yaitu antarmuka diagnosis, daftar gejala, daftar penyakit, hasil identifikasi dan about.

2. Hasil pengujian sistem pakar kacang tanah dengan metode fuzzy mamdani di penelitian ini dengan 50 uji data kasus yang dipilih secara acak diperoleh dengan tingkat akurasi 90%. Penurunan tingkat akurasi disebabkan oleh nilai densitas antar gejala penyakit.

7.2 Saran Berdasarkan kesimpulan diatas, perlu diperhatikan lagi beberapa point agar kedepannya

penelitian ini dapat dikembangkan lagi. 1. Perlu ditambahkan fitur pendukung seperti riwayat diagnosis, konsultasi, dan fitur

pendukung informasi lainnya. 2. Perlu adanya optimasi akurasi, optimasi akurasi dapat dilakukan dengan cara merubah nilai

bobot gejala penyakit pada matrik perbandingan sistem sehingga memperkecil kesalahan atau meniadakan nilai yang tidak konsisten.

Daftar Pustaka

Ambica, A., dkk. 2013. An Efficient Expert System for Diabetes by Naïve Bayesian Classifier. Dadi Institute of Engineering and Technology (Affiliated to JNTUK), Andhra Pradesh.

Andrianto, T.T. dan N. Indarto. 2004. Budidaya dan Analisis Tani Kedelai, Kacang Hijau, Kacang Panjang. Absolut. Yogyakarta. 93 hlm.

Fachruddin, Lisdiana. 2000. Budidaya Kacang-Kacangan. Kanisius, Yoyakarta. Hartono, Dodi. 2013. Perancangan Sistem Pakar Untuk Mengidentifikasi Penyakit pada Tanaman

Semangka dengan Menggunakan Metode Certainty Factor. STMIK Budi Darma Medan Karlik, Bekir. 2012. Hepatitis Disease Diagnosis Using Backpropagation and The Naive Bayes

Classifiers. Mevlan University, Turkey. Karray, F.O. dan De Silva, C., 2004, “Soft Computing and intelligent systems design, theory, tools

and applications”, Person Education Limited, England. Kayame, Pongtiku. 2016. Ilmu Kesehatan Masyarakat Belajar dari Lapangan. Nulisbuku.com :

Jakarta. Kusumadewi, S., dan Purnomo, H., 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan.

Yogyakarta: Graha Ilmu. Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu. Yogyakarta. Marwoto, Sri Hardaningsih. 2004. Identifikasi hama penyakit kedelai serta cara pengendaliannya.

Lokakrya Pengembangan kedelai melalui pendekatan PTT di lahan kering masam. Balitkabi-BPTP Lampung. 72 hlm.Marzuki, R. 2007. Bertanam Kacang Tanah. Jakarta : Penebar Swadaya.

Nautiyal, M.C. and Purohit, A.N. 2000. Cultivation of Himalayan Aconites under poly house Condition. Current Science, 78(9): 1062-1063

Nicho Pratama, Adhinta. 2012. Sistem Pakar Untuk Mendiagnosis Hama Dan Penyakit Tanaman Padi. Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 4 No 1 - ijns.org.

Pratama, A. 2014. Aplikasi Sistem Pakar untuk Identifikasi Hama dan Penyakit Tanaman Tebu dengan Menggunakan Metode Naïve Bayes Berbasis Web. Universitas Brawijaya. Malang.

Primartha, Rifkie. 2014. Sistem Pakar Fuzzy Untuk Diagnosis Kanker Payudara Menggunakan Metode Mamdani. Jurnal Generic, Vol. x, No. x, Bulan 201x, pp. x~x ISSN: 1907-409.

Rizal Hanani Hidayat , Rekyan Regasari Mardi Putri, Wayan Firdaus Mahmudy. 2014. Sistem Pakar Penentuan Kebutuhan Pembelajaran Bahasa Inggris dengan Metode Fuzzy Inference System Mamdani.

Rosadi, Dadi. 2014. Sistem Pakar Diagnosa Penyakit Tanaman Padi menggunakan Metode Forward Chaining. Jurnal Computech and Bisnis, Vol. 8, No. 1, 43-48, ISSN 2992-4943.

Sutojo, S.Si., M.Kom., Edy Mulyanto, S.Si., M.Kom., Dr. Vincent Suhartono, 2011, Kecerdasaan Buatan, Yogyakarta.

Turban. E., Louis E. Frenzel. (1992). Expert Sistems and Applied Artificial Intelligence. Macmillan Pub. Co.

Wahyu Widyantoro. 2014. Buku Panduan Bootstarp. Jakarta: Margotek.