Dewa Gede Hendra Divayana
Informatika,
Fakultas Komputer, Universitas Indonesia Teknologi, Bali-Indonesia
ABSTRAK
Seperti
yang kita semua tahu ada beberapa komoditas buah yang bisa dikembangkan di
daerah tropis, antara lain, apel, mentimun, manggis, pisang, nanas dan pepaya.
Bagian keenam adalah komoditas yang mampu meningkatkan kehidupan petani, karena
dapat diperdagangkan, baik di dalam lokal, nasional dan bahkan internasional. Nanas
adalah buah yang memiliki beberapa manfaat, antara lain: dapat digunakan untuk
es buah, melengkapi makanan penutup, dll. Dari sekian banyak manfaat nanas
dapat dirasakan oleh masyarakat dan beras p relatif terjangkau dibandingkan
dengan buah-buahan lainnya, budidaya nanas ditingkatkan oleh petani nanas di
seluruh Indonesia dari Sumatera, Jawa, Kalimantan, dan Bali tidak terkecuali.
Namun dua tahun terakhir, terutama di daerah Badung, penyebaran nanas menurun
16,72%, hal ini disebabkan sebuah perkebunan semakin sempit, harga pupuk tidak
stabil dan yang paling parah adalah adanya hama dan penyakit. Adapun penyakit d
angerous nanas, antara lain: Corynesp ora, antraknosa, akar membusuk, Ring SPO
tting, dan Bacillus nanas. Dari masalah di atas, adalah penting untuk ap plying
sistem pakar yang dapat memudahkan petani dalam membuat diagnosis, mendapatkan
informasi mereka sendiri langsung berdasarkan fakta-fakta yang ditemukan di
bidang penyakit dalam tanaman nanas dan mengatasi tanpa harus terlebih dahulu
mencari ahli. Dalam penelitian ini, teknik analisis yang digunakan untuk
menganalisis kebenaran aturan chaining maju dalam penyakit nanas sistem pakar
dan akurat n calculatio logika fuzzy.
Kata kunci:
Sistem Pakar, Forward Chaining, Fuzzy Logic, Pineaple Penyakit
1. PENDAHULUAN
Seperti yang
kita semua tahu ada beberapa komoditas buah yang bisa dikembangkan di daerah
tropis, antara lain, apel, mentimum, manggis, pisang, ple pineap dan pepaya.
Bagian keenam adalah komoditas yang mampu meningkatkan kehidupan petani, karena
dapat diperdagangkan, baik di dalam lokal, nasional dan bahkan internasional.
Nanas adalah buah yang memiliki begitu saya manfaat, antara lain: dapat
digunakan untuk es buah, melengkapi hidangan penutup makan, dll Dari sekian
banyak manfaat nanas dapat dirasakan oleh masyarakat dan harganya relatif
terjangkau dibandingkan dengan buah-buahan lainnya , budidaya nanas
ditingkatkan oleh petani nanas di seluruh Indonesia dari Sumatera, Jawa,
Kalimantan, dan Bali tidak terkecuali.
Selain makanan
pendamping, nanas juga dapat digunakan untuk membantu diet, karena nanas
merupakan salah satu jenis buah yang rendah kalori dan memiliki gizi yang
tinggi. Kulit nanas dapat membantu menyembuhkan kulit wo und dan cedera. Buah
nanas juga dapat digunakan untuk mengobati sakit perut dan gangguan pencernaan.
Dengan mengkonsumsi buah nanas dalam jumlah yang cukup untuk mencegah
pengendapan racun dalam tubuh.
Namun, dengan
hanya menggunakan media sebagai abo ve informasi tidak cukup. Dengan
pertimbangan tersebut, adalah penting untuk mengembangkan dan menerapkan sistem
pakar yang dapat memudahkan petani dalam membuat diagnosis, mendapatkan
informasi mereka sendiri langsung berdasarkan fakta-fakta yang ditemukan di
bidang penyakit nanas.
2. TINJAUAN
PUSTAKA
a. Sistem pakar
Sistem Pakar
merupakan cabang dari AI yang membuat ekstensif menggunakan pengetahuan khusus
untuk memecahkan masalah di tingkat ahli manusia [1].
b. Metode FC-FL
Metode FC-FL
adalah metode yang menggabungkan dua metode, yaitu forward chaining dan logika
fuzzy. Dimana forward chaining digunakan untuk membuat aturan sistem pakar,
sedangkan logika fuzzy digunakan untuk menentukan pengelompokan tingkat
serangan. Metode ini mirip dengan konsep Alliance Metode, yang juga merupakan
gabungan dari beberapa Metode: forward chaining, backward chaining dan produk
tertimbang [2].
c. Forward
Chaining
Mesin inferensi
berisi metodologi yang digunakan untuk melakukan penalaran pada informasi dalam
basis pengetahuan dan digunakan untuk merumuskan kesimpulan [3].
Mesin inferensi
adalah bagian yang berisi mekanisme dan fungsi pola pikir dari sistem penalaran
yang digunakan oleh seorang ahli. Mekanisme ini akan menganalisis suatu masalah
tertentu dan akan mencari jawaban, kesimpulan atau keputusan yang terbaik.
Karena mesin inferensi adalah bagian yang paling ortant imp dari sistem pakar
yang berperan dalam menentukan efektivitas dan efisiensi sistem.
Ada beberapa
cara yang bisa dilakukan dalam melakukan inferensi, termasuk ing Forward
Chaining. Forward Chaining adalah pencocokan fakta atau pernyataan dimulai dari
kiri (IF pertama). Berikut ini adalah contoh inferensi dengan menggunakan
forward chaining, yaitu:
JIKA demam tinggi dan bintik-bintik merah KEMUDIAN
pasien yang terkena demam berdarah
d. fuzzy logic
Logika Fuzzy
adalah peningkatan Boolean logic berurusan dengan konsep kebenaran parsial.
Dimana logika klasik menyatakan bahwa segala sesuatu dapat dinyatakan dalam
biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan
kebenaran Boolean dengan tingkat kebenaran [4].
Salah satu
metode fuzzy logic adalah metode Mamdani (Max-Min Metode). Metode Mamdani
sering juga ketahui sebelumnya dengan nama metode Max-Min. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output,
diperlukan empat tahapan, yaitu [4]:
1. fuzzifikasi
Dalam metode
Mamdani, baik variabel input dan variabel output dibagi menjadi satu atau lebih
fuzzy set.
2. Implikasi
Aplikasi Fungsi
Dalam metode
Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Aturan Komposisi
Ada tiga metode
yang digunakan dalam melakukan sistem inferensi fuzzy, yaitu:
a) .Method Max
(Maximum)
Dalam metode
ini, solusi himpunan fuzzy diperoleh dengan mengambil nilai maksimum aturan,
dan kemudian menggunakannya untuk memodifikasi daerah fuzzy dan menerapkannya
ke output dengan menggunakan operator OR (unio n). Secara umum dapat ditulis
sebagai berikut:
μ [X] max (μ
[X], μ [X
4. Defuzzifikasi
Masukan dari
proses defuzzifikasi adalah himpunan fuzzy yang diperoleh dari komposisi
aturan-aturan fuzzy, sedangkan output yang dihasilkan adalah himpunan fuzzy
angka dalam domain. Jadi jika diberikan himpunan fuzzy dalam kisaran tertentu,
itu harus diambil nilai certaincrisp.
Ada beberapa
metode defuzzifikasi dalam aturan Mamdani komposis.
3. HASIL DAN
PEMBAHASAN
a. pengetahuan
Akuisisi
Pengetahuan
digunakan untuk membangun sistem pakar yang diperoleh dari berbagai sumber
pengetahuan, yaitu buku, jurnal yang berisi data tentang gejala penyakit pada
tanaman nanas dan ahli dalam penyakit yang staf ahli tanaman dari Kabupaten
Badung Departemen Pertanian.
1)
Daftar Penyakit Nanas
Gejala
Tabel
2: Serangan Tingkat
Serangan
Tingkat Interval (%)
Rendah
0 <25 Jenis Gejala Gejala
Daun.
Bintik Hitam, b. Spot kuning
Kulit
a. Brown Spot, b. lembek
Daging.
Berlendir, b. lembek
Root.
Busuk, b. Brown Spot
2) Tingkat Gejala Serangan
Dalam penelitian
ini, tingkat serangan gejala dibagi menjadi empat, yaitu: rendah, cukup, tinggi
dan sangat tinggi. tingkat serangan Interval gejala nanas dapat dilihat pada
tabel 2.
Cukup 25 = y
<50
Tinggi 50 = y
<75
Sangat Tinggi 75
= 100
Untuk
mendapatkan sehingga transformasi, data interval tingkat dinyatakan dalam
interval serangan tumpang tindih. Interval tumpang tindih diperoleh dengan
memperluas jangkauan interval. Mengubah data interval diperoleh melalui
wawancara dengan para ahli. Tingkat serangan dan lebar menggunakan interval
tumpang tindih dapat dilihat pada Tabel 3.
Tabel 3:
Serangan Tingkat dan Lebar Digunakan Interval Overlap
Serangan Tingkat
Interval (%)
Rendah 0-30
Cukup 20-55
Tinggi 45 - 80
Sangat Tinggi
70-100
Interval dibagi
serangan sama parah seperti serangan tingkat interval-, serangan berat karena
melihat bahwa tingkat serangan penyakit sebanding dengan nilai. Parameter
tingkat serangan untuk masing-masing gejala penyakit nanas.
b. Representasi
maju Chaining Aturan
Forward chaining
aturan dalam ahli penyakit nanas
penentuan sistem
dapat dilihat.
1) fuzzifikasi
Fungsi
keanggotaan untuk gejala yang berhubungan dengan tingkat serangan penyakit dan
serangan berat ditunjukkan pada
KESIMPULAN
Berdasarkan
analisis yang telah dilakukan dan hasil pembahasan di bagian sebelumnya, maka
beberapa kesimpulan yang bisa ditarik sebagai berikut:
a. Sistem pakar
dengan metode FC-FL diterapkan di Kabupaten Badung Departemen Pertanian untuk
memfasilitasi petani nanas dalam memperoleh pengetahuan dan informasi tentang
penyakit nanas.
b. Sistem pakar
dengan metode FC-FL diterapkan Kabupaten Badung Departemen Pertanian memiliki
beenable untuk memberikan informasi sesuai dengan aturan metode FC-FL
(dikombinasikan dari aturan forward chaining dan perhitungan tingkat persentase
penyakit menggunakan metode fuzzy logic). Ini telah terbukti dalam pengujian
kesesuaian forward chaining aturan kesesuaian produk dengan metode perhitungan
persentase tertimbang responden di 100%.
REFERENSI
[1] JC
Giarratano, dan G. Riley, Sistem Pakar: Prinsip dan Pemrograman Edition 4. USA:
PWS Publishing Co, t h 2004.
[2] H. Divayana,
Pengembangan Penyakit Duck Sistem Pakar dengan Menerapkan Metode Alliance di
Dinas Peternakan Provinsi Bali. USA: Corllins Universitas 2014.
[3]
S.Kusumadewi, Artificial Intelligence (Teknik dan Aplikasi) Edisi 1. Yogyakarta:
Graha Ilmu, 2003.
untuk download file asli nya bisa KLIK DI SINI.
Comments
Post a Comment