Seminar Nasional Teknologi Informasi dan Multimedia 2015
ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
IMPLEMENTASI TEOREMA BAYES DALAM MENENTUKAN VARIETAS TANAMAN KELAPA SAWIT BERDASARKAN KETEBALAN TEMPURUNG DAN DAGING BUAH 1)
Linda Wahyuni1), Surya Darma2)
Dosen Jurusan Sistem Informasi, Universitas Potensi Utama Mahasiswa Jurusan Sistem Informasi, Universitas Potensi Utama Jl. K.L. Yos Sudarso Km 6,5 No. 3A Tanjung Mulia-Medan Email :
[email protected]),
[email protected]) 2)
Abstrak Sistem Pakar merupakan salah satu perangkat lunak (Software) yang digunakan dalam bidang riset ilmu pengetahuan dan teknologi, penerapan dasar ilmu juga dapat digunakan untuk menganalisa suatu fakta penelitian (Research Fact). Pemrograman sistem pakar telah banyak dilakukan mulai dari bidang perindustrian, bidang kesehatan, bidang lalu lintas udara, bidang komunikasi, bidang pertanian, dan sebagainya. Dalam hal ini penulis meneliti dalam bidang pertanian khususnya dalam hal menentukan varietas tanaman kelapa sawit berdasarkan ketebalan tempurung dan daging buah, kasus yang sering terjadi dan dialami oleh pemulia tanaman salah satunya adalah kesulitan menentukan varietas kelapa sawit yang akan dikombinasikan dengan varietas lainnya dengan tujuan menghasilkan varietas baru yang lebih unggul. Terfokus pada kondisi tersebut penulis membuat aplikasi sistem pakar menentukan varietas kelapa sawit berdasarkan ketebalan tempurung dan daging buah dengan metode Teorema Bayes yang diharapkan sebagai solusi alternative bagi pemulia tanaman dalam menentukan varietas kelapa sawit berdasarkan ketebalan tempurung dan daging buah. Dengan dilakukannya pengujian terhadap sistem yang dibangun menghasilkan tingkat keakuratan mencapai 84.333% yang sebelumnya telah dilakukan pengujian sebanyak 10 kali uji coba. Kata kunci : Sistem Pakar, Teorema Bayes, Varietas Kelapa Sawit. 1. Pendahuluan Kecerdasan buatan adalah salah satu cabang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktivitas manusia yang ditirukan seperti penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa alami, dan sebagainya. Sesuai dengan definisi tersebut, maka teknologi kecerdasan buatan dipelajari dalam bidang-bidang seperti, Robotika (Robotics), Penglihatan Komputer (Computer Vision), Pengenalan Pola (Pattern Recognition), Jaringan Syaraf Tiruan (Artificial Neaural Network), Pengenalan Suara (Voice Recognition), Pengenalan Iris Mata (Irish
Recognition), dan Sistem Pakar (Expert System). Salah satu teknik sistem pakar yang menirukan proses penalaran manusia untuk menyelesaikan suatu permasalahan yang kompleks adalah sistem pakar. [3] Produktifitas dari perkebunan kelapa sawit menghasilkan keuntungan besar sehingga banyak hutan dan perkebunan yang sudah lama terbengkalai dikonversi menjadi perkebunan kelapa sawit. [4] Bagi Indonesia, kelapa sawit memiliki arti penting karena mampu menciptakan kesempatan kerja bagi masyarakat dan sebagai sumber perolehan devisa negara. [8] Dikenal banyak jenis varietas kelapa sawit di Indonesia. Varietas-varietas tersebut dapat dibedakan berdasarkan morfologinya. Namun, diantara varietas tersebut terdapat varietas unggul yang mempunyai beberapa keistimewaan dibandingkan dengan varietas lainnya, diantaranya tahan terhadap hama dan penyakit, produksi tinggi, serta kandungan minyak yang dihasilkan tinggi. [2] Salah satu fakta yang terjadi dalam pemuliaan tanaman adalah menentukan varietas pada tanaman itu sendiri dalam kasus ini adalah terfokus pada tanaman kelapa sawit tersebut. Pemulia tanaman adalah seorang yang ahli dalam memperbaiki genotype tanaman yang satu dengan genotype tanaman yang lain sehingga menghasilkan satu genotype tanaman yang baru. Pemulia tanaman sering kesulitan dalam menentukan varietas tanaman kelapa sawit hal ini yang mendasari penulis dalam membuat suatu aplikasi sistem pakar dalam menentukan varietas tanaman kelapa sawit berdasarkan ketebalan tempurung dan daging buah dengan metode Teorema Bayes. Penulis mengharapkan dengan adanya aplikasi ini dapat memudahkan kerja pemulia tanaman dalam menentukan varietas kelapa sawit berdasarkan ketebalan tempurung dan daging buah. Beberapa peneliti terdahulu telah meneliti masalah kepakaran dengan metode yang sama sebagai penelitiannya, diantaranya : Rahayu Sri (2013) dalam penelitiannya yang mengangkat judul “Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes” menjelaskan bahwa metode bayes merupakan metode yang baik didalam mesin pembelajaran berdasarkan data training, dengan menggunakan probabilitas bersyarat sebagai dasarnya. [5] Dengan demikian bahwa metode bayes cocok dalam melakukan perhitungan ketidak pastian.
3.6-43
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Wahyudi Muhammad Johan, dan Abdul Fadlil (2013) dalam penelitiannya mengenai pendiagnosaan penyakit udang galah, sebagai penarikan kesimpulan menggunakan mesin inferensi dengan metode penelusuran fakta forward chaining yang menggunakan kaidah (If-Then), dan metode kepastian Theorema Bayes. Pengujian yang dilakukan menghasilkan Software yang dapat bekerja seperti layaknya seorang pakar udang galah dengan tujuan memudahkan pembudidaya udang galah dalam mengenali gejala-gejala yang dtimbulkan oleh penyakit pada udang galah. [9] Winiarti Sri (2008) dalam penelitiannya yang menjelaskan metode Teorema Bayes mengandung ketidak pastian pada proses pelacakan dapat terjadi karena adanya perubahan pengetahuan yang ada didalam sistem. Dalam penelitian ini penulis telah menghasilkan perangkat lunak baru untuk mendiagnosa penyakit telinga, hidung dan tenggorokan yang dapat memberikan kepastian kepada user akan peluang solusi yang diberikan oleh sistem. [10] Dari penelitian yang dilakukan oleh Rahayu Sri (2013), Wahyudi Muhammad Johan, dan Abdul Fadlil (2013) serta penelitian yang dilakukan Winiarti Sri (2008) menyimpulkan bahwa metode Teorema Bayes cocok digunakan dalam mengatasi ketidakpastian data. Hal inilah yang mendasari penulis dalam menganalisis lebih lanjut penerapan metode Teorema Bayes. Dalam penelitian ini penulis menggunakan data subjek yang digunakan dalam merepresentasi pengatahuan yang telah penulis rancang kedalam sistem. Adapun data subjek tersebut yaitu data ciri-ciri varietas kelapa sawit, data varietas kelapa sawit, dan data deskripsi dari varietas tersebut. 2. Tinjauan Pustaka 2.1. Sistem Pakar Beberapa penjelasan tentang sistem pakar itu sendiri sangat banyak, antara lain. Profesor Edward Feigenbaum dari Stanford University yang merupakan pionir dalam teknologi sistem pakar mendefinisikan sistem pakar sebagai sebuah program kamputer pintar (intelligent computer program) yang memanfaatkan pengetahuan (knowledge) dan prosedur inferensi (inference procedure) untuk memecahkan masalah yang cukup sulit sehingga membutuhkan keahlian khusus dari manusia. Rosnelly Rika mendefinisikan sistem pakar adalah sistem komputer yang ditujukan untuk meniru semua aspek (emulates) kemampuan pengambilan keputusan (decision making) seorang pakar. Arhami Muhammad mendefinisikan Sistem Pakar (Expert System) adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang yang ahli untuk menyelesaikannya. T. Sutojo, Mulyanto Edy, dan Suhartono Vincent mendefinisikan Sistem Pakar ( Expert System ) adalah
sistem yang dirancang untuk dapat menirukan keahlian seorang pakar dalam menjawab pernyataan dan memecahkan suatu masalah. Dari pendefinisian diatas ditarik kesimpulan sistem pakar (Expert System) adalah suatu aplikasi yang dirancang untuk menirukan keahlian seorang pakar yang menggunakan knowledge (pengetahuan) dan prosedur inferensi dalam memecahkan suatu masalah. [7] 2.2. Metode Bayes Metode Bayes merupakan metode yang baik didalam mesin pembelajaran berdasarkan data training, dengan menggunakan probabilitas bersyarat sebagai dasarnya. Metode Bayes juga merupakan suatu metode untuk menghasilkan estimasi parameter dengan menggabungkan informasi dari sampel dan informasi lain yang telah tersedia sebelumnya. Keunggulan utama dalam penggunaan Metode Bayes adalah penyederhanaan dari cara klasik yang penuh dengan integral untuk memperoleh model marginal. [5] 2.3. Teori Probabilitas dan Metode Bayes 2.3.1. Probabilitas Misalnya sebuah peristiwa E dapat terjadi sebanyak n kali di antara N peristiwa yang saling eksklusif (saling asing/terjadinya peristiwa yang satu mencegah terjadinya peristiwa yang lain) dan masing-masing terjadi dengan kesempatan yang sama. Maka probabilitas terjadinya peristiwa E adalah : [6] ( ) = , dengan batas-batas : 0 ≤ ( ) ≤ 1 Jika P(E) = 0, maka diartikan peristiwa E pasti tidak terjadi, sedangkan jika P(E) = 1, maka diartikan peristiwa E pasti terjadi. Apabila menyatakan bukan persitiwa E, maka diperoleh : … (1) ( )= 1− ( ) Atau berlaku hubungan : … (2) ( )+ ( )=1 2.3.2. Teorema Bayes
Probabilitas Bayes merupakan salah satu cara yang baik untuk mengatasi ketidakpastian data dengan menggunakan formula bayes yang dinyatakan : . ( ) … (3) ( | )= Dimana : P(H|E)
Probabilitas hipotesis H jika diberikan evidence E. P(E|H) : Probabilitas munculnya evidence E jika diketahui hipotesis H P(H) : Probabilitas hipotesis H tanpa memandang evidence apapun. P(E) : Probabilitas evidence E. Dalam bidang kedokteran Teorema Bayes sudah dikenal tetapi teorema ini lebih banyak diterapkan dalam logika kedokteran modern (Cutler: 1991). Teorema ini
3.6-44
:
( )
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
lebih banyak diterapkan pada hal-hal yang berkenaan dengan diagnosis secara statistik yang berhubungan dengan probabilitas serta kemungkinan dari penyakit dan gejala-gejala yang berkaitan. [1]
C008
3. Metode Penelitian
C012
Penelitian ini bertujuan untuk membangun perangkat lunak sistem pakar dalam menentukan varietas tanaman kelapa sawit berdasarkan ketebalan tempurung dan daging buah dengan menggunakan metode Teorema Bayes diharapkan dengan sistem yang akan dibangun dapat memudahkan pemulia tanaman dalam menentukan varietas tanaman kelapa sawit yang akan disilangkan dengan varietas lainnya agar mendapatkan varietas yang lebih unggul. Adapun metode penelitian dalam penelitian ini antara lain, adalah : a. Studi Literatur Pada tahap ini dilakukan tentang pendalam materi yang berkaitan dengan penelitian yang akan dibahas yang bersumber dari buku-buku, jurnal-jurnal ilmiah, dan sebagainya. b. Sumber Data Sumber data dalam penelitian ini diperoleh dari seorang pakar tanaman kelapa sawit. Data-data yang berkaitan meliputi data ciri-ciri varietas kelapa sawit, data jenis varietas kelapa sawit, dan data dari pengertian varietas kelapa sawit yang terkait tersebut. 3. Analisa dan Pembahasan 3.1. Analisa Kebutuhan Data Sistem Pakar Data-data yang digunakan dalam pembuatan sistem pakar dalam menentukan varietas tanaman kelapa sawit berdasarkan ketebalan tempurung dan daging buah adalah sebagai berikut : 1. Data Ciri-ciri varietas kelapa sawit. Data ini digunakan untuk mengetahui ciri-ciri varietas tanaman kelapa sawit sehingga dalam hal pendiagnosaan memudahkan kerja user. Tabel 1 berikut merupakan tabel ciri-ciri varietas kelapa sawit yang sebelumnya telah ditambahkan nilai probabilitas. Tabel 1. Tabel Ciri-ciri Varietas Kelapa Sawit Kode Ciriciri C001 C002
Ciri-ciri
Tempurung tebal (2-8 mm) Tidak terdapat lingkaran serabut pada bagian luar tempurung C003 Ketebalan tempurung sangat tipis, bahkan hampir tidak ada. C004 - Daging buah tebal, lebih tebal dari daging buah Dura C005 - Daging buah relative tipis, yaitu 35-50% terhadap buah. C006 Hasil dari persilangan Dura dengan Pisifera C007 Tandan buah lebih banyak, tetapi ukurannya relative lebih kecil.
C009 C010 C011
C013 C014 C015 C016
Kernel (daging biji) besar dengan kandungan minyak rendah. Tempurung tipis (0,5-4 mm) Daging biji sangat tipis. Dalam persilangan, dipakai sebagai pohon induk betina. Tidak dapat diperbanyak tanpa menyilangkan dengan jenis lain dan dipakai sebagai pohon induk jantan. Terdapat lingkaran serabut di sekeliling tempurung. Tempurung tebal sekitar (5 mm) Daging buah sangat tipis. Daging buah sangat tebal (60-96% dari buah)
0.3 0.6 0.8 0.2 0.5 0.5 0.6 0.8 0.8
2. Data varietas kelapa sawit. Data tersebut berisikan bermacam-macam jenis varietas kelapa sawit diantaranya varietas dura, pisifera, tenera, dan macro carya. Tabel 2 berikut merupakan tabel varietas kelapa sawit yang sebelumnya telah ditambahkan nilai probabilitas. Tabel 2. Tabel Varietas Kelapa Sawit Kode Varietas V001 V002 V003 V004
Varietas Dura Pisifera Tenera Macro Carya
Nilai Probabilitas 0.8 0.7 0.6 0.4
3. Data Deskripsi Lengkap Varietas Kelapa Sawit Data deskripsi lengkap varietas kelapa sawit merupakan data yang digunakan dalam menampilkan penjelasan ringkas tentang varietas kelapa sawit tersebut. Tabel 3. Tabel Deskripsi Lengkap Kelapa Sawit
Nilai Proba bilitas 0.5 0.6
Kode. Des D001
D002
D003
0.2 0.3 0.5 0.7 0.6
3.6-45
Deskripsi Lengkap Varietas Dura merupakan kelapa sawit yang mempunyai cangkang tebal. Ketebalan cangkang tidak diinginkan oleh perusahaan pengolahan kelapa sawit karena dianggap memperpendek umur mesin pengolah. Keunggulan dari jenis dura adalah tandan buahnya besar-besar dankandungan minyak per tandannya berkisar 18%. Kelapa sawit jenis dura mempunyai alela homozigot dominan yang membuatnya menghasilkan cangkang yang tebal. Varietas Pisifera biasanya buahnya tidak memiliki cangkang namun bunga betinanya steril sehingga sangat jarang menghasilkan buah. Tanaman jenis ini mempunyai alela homozigott resesif sehingga tidak membentuk cangkang. Beberapa jenis pisifera mempunyai kemampuan fertile dan mampu berkembang baik. Varietas Tenera adalah persilangan antara induk Dura dan jantan Pisifera. Jenis ini dianggap bibit unggul sebab melengkapi kekurangan masingmasing induk dengan sifat cangkang buah tipis namun bunga betinanya tetap fertil. Beberapa tenera unggul memiliki persentase daging per buahnya mencapai 90% dan kandungan minyak per tandannya dapat mencapai 28%. Dan jenis inilah yang dijual sebagai bibit unggul jadi sebaiknya anda memperhatikan gambar di bawah ini untuk membedakan jenis kelapa sawit tersebut.
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015 D004
penalarannya. Representasi pengetahuan dibutuhkan untuk menangkap sifat-sifat penting masalah dan mempermudah prosedur pemecahan masalah dalam mengakses informasi. [6] Basis pengetahuan yang di gunakan didalam sistem pakar ini terdiri dari : ciri-ciri varietas kelapa sawit dan hasil diagnosa yang diberikan oleh pakar. Adapun tabel keputusan untuk varietas kelapa sawit berdasarkan ketebalan tempurung dan daging buah dapat dilihat pada tabel. 4 dibawah ini:
Varietas Macro carya dengan tebal cangkang 4 ± 8.5 mm dan daging buah hanya 0.75 -2.5mm saja. Penggunaan sangat jarang baik untuk tujuan komersil ataupun penelitian.
3.2. Representasi Pengetahuan
Representasi pengetahuan (knowledge representation) adalah cara untuk menyajikan pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi antara suatu pengetahuan dengan pengetahuan yang lain dan dapat dipakai untuk menguji kebenaran Tabel 4. Tabel KeputusanCiri-ciri Varietas Kelapa Sawit Berdasarkan Ketebalan Tempurung dan Daging Buah Kode Ciri C001 C002 C003 C004 C005 C006 C007 C008 C009 C010 C011 C012 C013 C014 C015 C016
Jenis Varietas Kelapa Sawit
Ciri-ciri Varietas Kelapa Sawit Tempurung tebal (2-8 mm) Tidak terdapat lingkaran serabut pada bagian luar tempurung Ketebalan tempurung sangat tipis, bahkan hampir tidak ada. - Daging buah tebal, lebih tebal dari daging buah Dura - Daging buah relative tipis, yaitu 35-50% terhadap buah. Hasil dari persilangan Dura dengan Pisifera Tandan buah lebih banyak, tetapi ukurannya relative lebih kecil. Kernel (daging biji) besar dengan kandungan minyak rendah. Tempurung tipis (0,5-4 mm) Daging biji sangat tipis. Dalam persilangan, dipakai sebagai pohon induk betina. Tidak dapat diperbanyak tanpa menyilangkan dengan jenis lain dan dipakai sebagai pohon induk jantan. Terdapat lingkaran serabut di sekeliling tempurung. Tempurung tebal sekitar (5 mm) Daging buah sangat tipis. Daging buah sangat tebal (60-96% dari buah)
Setelah membuat decision table selanjutnya dikonversikan menjadi klausa produksi. Klausa produksi dituliskan dalam bentuk pernyataan JIKA [premis] MAKA [konklusi]. Pada perancangan basis pengetahuan sistem pakar ini premis adalah ciri-ciri varietas kelapa sawit dan konklusi adalah jenis varietas kelapa sawit, sehingga bentuk pernyataannya adalah JIKA [ciri-ciri] MAKA [jenis varietas]. Berikut hasil konversi dari decision tabel tereduksi pada Tabel. 2 menjadi bentuk If-Then rule. 1. Kaidah untuk Varietas Dura IF Tempurung tebal (2-8 mm) AND Tidak terdapat lingkaran serabut pada bagian luar tempurung AND Daging buah relative tipis, yaitu 35-50% terhadap buah. AND Kernel (daging biji) besar dengan kandungan minyak rendah. THEN Dalam persilangan, dipakai sebagai pohon induk betina. THEN Varietas Dura 2. Kaidah untuk Varietas Pisifera IF Ketebalan tempurung sangat tipis, bahkan hampir tidak ada. AND Daging buah tebal, lebih tebal dari daging
AND AND THEN
V001 * * *
V002
V004
* * * *
* *
V003
*
*
* * *
* *
buah Dura Daging biji sangat tipis. Tidak dapat diperbanyak tanpa menyilangkan dengan jenis lain dan dipakai sebagai pohon induk jantan. Varietas Pisifera
3. Kaidah untuk Varietas Tenera IF Hasil dari persilangan Dura dengan Pisifera AND Tempurung tipis (0,5-4 mm) AND Terdapat lingkaran serabut di sekeliling tempurung. AND Daging buah sangat tebal (60-96% dari buah) AND Tandan buah lebih banyak, tetapi ukurannya relative lebih kecil. THEN Varietas Tenera 4. Kaidah untuk Varietas Macro Caryo IF Tempurung tebal sekitar (5 mm) AND Daging buah sangat tipis. THEN Varietas Macro Caryo 4.
Simulasi Proses Konsultasi User
Penulis mencoba untuk memberikan simulasi proses konsultasi antara User dengan Sistem yang
3.6-46
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
dibangun. Tujuan proses simulasi tersebut difokuskan agar pembaca lebih mudah dalam memahami alur kerja sistem yang dirancang. Adapun alur kerja sistem yang dirancang dalam proses konsultasi adalah sebagai berikut: 1. Proses awal yaitu user di wajibkan login terlebih dahulu untuk melakukan konsultasi. Login tersebut berfungsi membatasi area kerja user dengan pakar yang bertujuan agar tidak sembarangan orang dapat mengaksesnya. Tampilan login tersebut dapat dilihat pada gambar 1 di bawah ini :
4. Selanjutnya, sistem mengumpulkan beberapa pertanyaan yang ditelah dijawab oleh user. Kemudian jawaban “ya” tersebut yang dipilih oleh user dilakukan proses perhitungan didalam sistem yang dirancang. Misal : Surya Darma melakukan diagnosa dengan menjawab pertanyaan yang telah diajukan oleh sistem, dengan ciri-ciri yang dipilih sebagai berikut : C001 = 0.5 C002 = 0.6 C005 = 0.5 C008 = 0.3 C011 = 0.2 Kemudian sistem memproses nilai probabilitas dengan langkah sebagai berikut : Jumlahkan nilai probabilitas yang telah dipilih oleh user terlebih dahulu untuk mencari nilai semestanya : = 001 + 002 + 005 + 008 + 011
Gambar : 1. Form Login
2. Setelah melakukan login user terlebih dahulu, langkah selanjutnya yaitu user mengisi form buku tamu terlebih dahulu dengan tujuan agar pakar dapat mengetahui siapa saja yang menggunakan sistem tersebut. Tampilan buku tamu tersebut dapat dilihat pada gambar 2 di bawah ini :
= 0.5 + 0.6 + 0.5 + 0.3 + 0.2 = 2.1 Setelah didapatkan nilai semesta, maka didapatlah rumus untuk menghitung nilai semesta adalah sebagai berikut :
( 1) = ∑
=
( 5) = ∑
=
( 2) = ∑ ( 8) = ∑
( 11) = ∑
Gambar : 2. Form Buku Tamu
3. Setelah mengisi form buku tamu, maka user dapat melakukan konsultasi dengan menjawab “iya” atau “tidak” yang telah diajukan oleh sistem yang dibangun. Form pertanyaan tersebut dapat dilihat pada gambar 3 di bawah ini :
3.6-47
=
=
= 0.23809 = 0.28571 = 0.23809 = 0.14285 . .
= 0.09523
Setelah hasil P(Hi) diketahui, probabilitas hipotesis H tanpa memandang evidence apapun. Maka langkah selanjutnya adalah menghitung rumus sebagai berikut : ∑ = ( )∗ ( | − ) … (4) = P(H1) * P(E|H1) + P(H2) * P(E|H2) + P(H5) * P(E|H5) + P(H8) * P(E|H8) + P(H11) * P(E|H11) = (0.23809 * 0.5) + (0.28571 * 0.6) + (0.23809 * 0.5) + (0.14285 * 0.3) + (0.09523 * 0.2) = 0.119045 + 0.171426 + 0.119045 + 0.042855 + 0.019046 = 0.471417 Langkah selanjutnya yaitu mencari nilai P(Hi|E) atau probabilitas hipotesis Hi benar jika diberikan evidence E.
( 1| ) =
Gambar : 3. Form Proses Konsultasi
=
. . . . . . . .
. ∗ . .
= 0.25252
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015 . ∗ . . . ∗ . 5| ) = . . ∗ . 8| ) = . . ∗ . 11| ) = .
( 2| ) = ( ( (
= 0.36363 = 0.25252
2.
= 0.09090 = 0.04040
3.
Setelah seluruh nilai dari P(Hi|E) didapat, selanjutnya jumlahkan seluruh nilai bayesnya dengan rumus sebagai berikut : =
1+
2+
3+
4+
5
... (5)
= (0.5*0.25252) + (0.6*0.36363) + (0.5*0.25252) + (0.3*0.09090) + (0.2*0.09523) = 0.12626 + 0.218178 + 0.12626 + 0.02727 + 0.019046 = 0.517014 * 100% = 51.7014% Dengan demikian, disimpulkan bahwa hasil diagnosa Surya Darma adalah Varietas Dura dengan nilai kemungkinan 51.7014%. Untuk lebih jelasnya penulis akan menambahkan hasil form perhitungan konsultasi dengan sistem. Adapun tampilan tersebut dapat dilihat pada gambar 4 di bawah ini.
daging buah mencapai tingkat keakuratan 84,333% dengan 10 kali pengujian yang telah dilakukan. Hasil perhitungan dengan metode Teorema Bayes yang telah diimplementasikan dalam aplikasi ini telah sesuai dengan perhitungan yang dilakukan secara manual. Software yang dibangun ini dapat membantu pemulia tanaman dalam menentukan varietas kelapa sawit berdasarkan ketebalan tempurung dan daging buah karena penyajian informasi dalam aplikasi ini sangat mudah dipahami.
Daftar Pustaka [1] Arhami Muhammad, “Konsep Dasar Sistem Pakar”, Andi Offset,, Yogyakarta 2005 [2] Fauzi Yan, dkk, “Kelapa Sawit”, Penebar Swadaya, Jakarta, 2002. [3] Khair Ummul, Aditya Perdana, “Aplikasi Sistem Pakar Pada Penggalian Potensi Tanaman Kelapa Sawit Berbasis Mobile Android”, Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013) [4] Lubis Rustam Effendi, Agus Widanarko, SP. “Buku Pintar Kelapa Sawit”, PT. Agro Media Pustaka, 2011. [5] Rahayu Sri, “Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes”, Pelita Informatika Budi Darma, Vol. VI, No. 3, Agustus 2013. [6] Sutojo, T,. dkk, “Kecerdasan Buatan”, Andi Offset, Yogyakarta, 2011. [7] Wahyuni Linda, Surya Darma, “Penerapan Metode Certainty Factor Pada Sistem Pakar Menentukan Jenis Tanaman Pangan Sesuai Corak Kondisi Tanah”, Prosiding KNS&I 2014 STMIK STIKOM Bali. [8] Wahyuni Linda, Surya Darma, “Sistem Pakar Mengidentifikasi Gejala Defisiensi Unsur Hara Pada Tanaman Kelapa Sawit”, Prosiding SNIf 2014, Universitas Potensi Utama, Medan-Sumatera Utara. [9] Wahyudi Muhammad Johan, Abdul Fadlil, “Sistem Pakar Untuk Mengidentifikasi Penyakit Udang Galah Dengan Metode Theorema Bayes”, Jurnal Sarjana Teknik Informatika Vol. 1 No. 1, Juni 2013. [10]Winarti Sri, “Pemanfaat Teorema Bayes Dalam Penentuan Penyakit THT”, Jurnal Informatika Vol 2, No. 2 Juli 2008.
Biodata Penulis
Gambar 4. Form Hasil Konsultasi Setelah dilakukan pengujian sebanyak 10 kali uji coba pada sistem pakar ini terdapat perbedaan nilai antara pakar dengan sistem mencapai 156.67 kemudian nilai tersebut dibagi 10 kali uji coba menjadi 15.667%. Untuk mencari nilai total keakuratan dihitung terlebih dahulu 100% - 15.667% = 84.333%. Dengan demikian total tingkat keakuratan mencapai 84.333%. 4.
Kesimpulan
Linda Wahyuni, memperoleh gelar Sarjana Komputer (S.Kom), Program Studi Sistem Informasi Universitas Potensi Utama, lulus tahun 2007. Memperoleh gelar Magister Komputer (M.Kom) Program Pasca Sarjana Magister Sistem Informasi Universitas Putra Indonesia YPTK Padang, lulus tahun 2009. Saat ini menjadi Dosen di Universitas Potensi Utama. Surya Darma, Mahasiswa Fakultas Teknik dan Ilmu Komputer Program Studi Sistem Informasi, Angkatan 2011. Saat ini menjadi mahasiswa Semester VII di Fakultas Teknik dan Ilmu Komputer Program Studi Sistem Informasi Universitas Potensi Utama.
Dari uraian di atas dan hasil uji coba pada sistem yang telah dilakukan, maka dapat diambil beberapa kesimpulan, yaitu sebagai berikut : 1. Software yang telah dibangun mampu menganalisa dan mendiagnosa varietas kelapa sawit berdasarkan ketebalan tempurung dan 3.6-48
