JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print)
1
Perancangan Sistem Pakar Fuzzy Sebagai Pendukung Keputusan Manajemen Pola Tanam Tanaman Pangan Berdasarkan Ketersediaan Air Abdul Azis dan M Isa Irawan Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya E-mail:
[email protected]
Abstrak—S ustem pakar fuzzy merupakan penggabungan sistem pakar dengan sistem logika fuzzy. Penerapan logika fuzzy dalam sistem pakar bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti dan sangat kompleks. S istem inferensi fuzzy menggunakan Metode Mamdani dengan 4 tahapan utama, yaitu: pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan penegasan. Fungsi implikasi yang digunakan adalah metode Min dengan komposisi aturan yang digunakan adalah metode Max. proses defuzzifikasi menggunakan Metode Centroid of Gravity (CoG) yaitu solusi tegas diperoleh dengan cara mengambil titik pusat dari hasil komposisi aturan yang telah didapatkan. Permasalahan yang di bahas yaitu prediksi ketersediaan air melalui sistem pakar fuzzy. Hasil nilai ketersediaan air ini digunakan sebagai pendukung keputusan manajemen pola tanam berdasarkan kebutuhan air tanaman yang bersangkutan. Faktor yang digunakan untuk prediksi ketersediaan air yaitu curah hujan, ketinggian tanah, kemiringan tanah, dan porositas tanah. Berdasarkan hasil pengujian pada musim hujan tanaman yang ditanam rata-rata adalah padi dan pada musim kemarau lebih bervariasi, yaitu jagung, kacang hijau dan kedelai. Kata Kunci—S istem pakar S istem Pakar Fuzzy, Logika Fuzzy, Metode Mamdani, CoG, Ketersediaan Air, Pola Tanam.
I. PENDAHULUAN
S
EKTOR pertanian merupakan salah satu penopang perekomonian di Indonesia masih perlu di perhitungkan meskipun telah terjadi transformasi struktur ekonomi, dimana perekonomian negara lebih ditopang pada sektor industry dan jasa. Selain dibutuhkan sebagai penyedia pangan nasional, sektor tanaman juga menyerap sebagian besar tenaga kerja. Sector pertanian mencakup sub sektor tanaman bahan makanan, perkebunan, pertanian, perikanan dan kehutanan. Hingga saat ini kebutuhan akan pangan nasional masih menumpukan harapan pada sektor pertanian. Di Jawa Timur sendiri merupakan lokasi yang strategis untuk budidaya tanaman pangan seperti padi, jagung, ubi kayu dan lain -lain, dan mempunyai potensi prospektif untuk dikembangkan sebagai daerah sentra produksi. Berdasarkan data Badan Pusat Statistik (BPS), produksi padi, jagung dan kedelai di tahun 2011 mengalami penurunan. Mencermati terjadinya penurunan produksi yang terjadi, target kenaikan angka produksi di tahun 2012 mengalami banyak
halangan. Hal itu didasarkan kenyataan bahwa sampai bulan oktober 2012 di berbagai daerah belum turun hujan dan menyebabkan kekeringan waduk serta irigasi, sehingga sekitar 80.000 Ha sawah mengalami puso. Tantangan yang diperkirakan akan dihadapi oleh sector pertanian pada tahun 2013 yaitu kemarau panjang di tahun 2012 akan terus berlanjut di tahun 2013 yang dapat menyebabkan pergeseran musim tanam, sehingga akan mempengaruhi produksi [6]. Perubahan pada tingkat produktivitas ini juga tidak lepas dari faktor tingkat ketersediaan air. Ketersediaan air merupakan faktor paling berpengaruh dalam dunia pertanian karena air merupakan sumber kehidupan bagi tanaman. Ketersediaan air di suatu daerah sangat ditentukan oleh tingkat curah hujan dan keadaan topografi di daerah tersebut, sehingga perlu dilakukan pengkajian tentang ketersediaan air di suatu daerah tertentu untuk mengatur pola tanam agar hasil produksi menjadi optimal [4]. Secara umum, sistem pakar merupakan salah satu bagian dari kecerdasan buatan (Artificial Intelligent) yang memungkinkan komputer untuk mengambil kesimpulan dari sekumpulan aturan. Tujuan dari pengembangan sistem pakar adalah untuk menghasilkan suatu sistem yang dapat membantu pekerjaan manusia, terutama yang berhubungan dengan pemanfaatan keahlian dan pengalaman di suatu bidang tertentu secara lebih efektif dan efisien. Tahapan pembentukan sistem pakar pada dasarnya disusun oleh tiga unsur utama sistem yaitu basis pengetahuan, mesin inferensi, dan implementasi. Sistem pakar fuzzy sendiri merupakan penggabungan sistem pakar dengan sistem fuzzy. Penerapan sistem fuzzy dalam sistem pakar bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti, tidak lengkap dan sangat kompleks. Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik serta memiliki kemampuan untuk mengembangkan sebuah sistem dalam lingkungan yang tidak pasti. Sistem fuzzy menduga suatu fungsi dengan logika fuzzy yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah. Oleh karena itu, logika fuzzy sering menggunakan informasi linguistik dan verbal [7]. Untuk memudahkan implementasi sistem pakar tersebut maka dibangun suatu perangkat lunak menggunakan bahasa Java menggunakan tool NetBeans IDE yang bersifat Open-
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) source dengan harapan dapat membantu masyarakat, khususnya petani dan instansi yang berhubungan dengan pertanian dan perkebunan agar hasil produksi menjadi optimal. µ(x) II. SISTEM PAKAR FUZZY
µ3 (x)
Sistem pakar fuzzy adalah sistem pakar yang penerapannya menggunakan basis pengetahuan logika fuzzy (fuzzy logic). Penerapan logika fuzzy dalam sistem pakar bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti dan sangat kompleks.
µ4 (x)
A. Sistem Pakar Sistem pakar secara umum adalah sistem yang berusaha mengadopsi pengetahuan pakar ke komputer, agar dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrogaman tertentu untuk dapat menyelesaikan masalah layaknya yang dilakukan oleh para ahli. Dengan sistem ini diharapkan orang awam dapat menyelesaikan masalah tertentu tanpa bantuan para ahli dalam bidang tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman.
Gambar linguistik
µ(x)
2
Variabel linguistik 2
2.1
x b (crisp input) Proses fuzzifikasi untuk dua variabel
Sangat baik
Kesimpulan
x Sangat baik µ(x)
B. Variabel Linguistik Variabel linguistik merupakan variabel fuzzy yang dibuat acuan untuk menilai suatu hal. Misalkan variabel linguistik “SUHU” memiliki tiga penilaian linguistik yaitu dingin, sedang, dan panas. C. Fuzzifikasi Fuzzifikasi merupakan proses pengam-bilan nilai crisp input dan menentukan derajat keanggotaan (degree of membership) dari setiap himpunan fuzzy yang sesuai. Setelah nilai derajat keanggotaan tersebut didapat, selanjutnya dilakukan proses perhitungan nilai kebenaran dari setiap premis yang ada dengan menggunakan operasi min atau operasi max. Jika sebuah premis dari suatu aturan memiliki derajat kebenaran tidak nol maka aturan dikatakan terpicu (fired) [4]. Misalkan dioperasikan min sebagai berikut: terpicu (fired) terpicu (fired) terpicu (fired) terpicu (fired)
µ(x)
Gambar 2.2 Proses pembentukan himpunan fuzzy D. Inferensi Fuzzy Inferensi diimplementasikan untuk setiap aturan dalam basis pengetahuan. Nilai kebenaran premis dari aturan-aturan yang terpicu digunakan untuk menentukan nilai kebenaran bagian kesimpulan dari aturan yang terpicu (fired). Perhitungan kesimmpulan diperoleh dari persamaan (1). Dengan demikian, input untuk proses inferensi adalah nilai yang diberikan oleh premis, sedangkan output adalah suatu himpunan fuzzy [4]. Misalkan untuk dan terpicu pada typical value “Sangat Baik” sedangkan dan terpicu pada “Baik”. Proses inferensi fuzzy ditunjukkan Gambar 2.2 dan Gambar 2.3. Baik µ(x)
Variabel linguistik 1 µ(x)
Baik
µ1 (x) µ2 (x) x a (crisp input)
Gambar 2.3 Proses pembentukan himpunan fuzzy untuk kesimpulan “Baik”
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) E. Komposisi
3
Dengan:
Komposisi adalah proses dimana himpunan fuzzy yang menyatakan output dari setiap aturan dikombinasikan ke dalam sebuah himpunan fuzzy. Metode himpunan fuzzy yang digunakan dalam penelitian ini adalah max, himpunan fuzzy untuk output ditentukan dengan mengambil nilai maksimum. Seperti ditunjukkan pada Gambar 4. Misalkan diberikan nilai hasil operasi min pada masing-masing premis yang menghasilkan output penilaian linguistik ke-1 adalah sedangkan penilaian linguistik ke-2 diberikan . Perhitungan komposisi max secara sistematis diberikan sebagai berikut:
= titik pusat daerah himpunan fuzzy = batas bawah bagian daerah ke-I himpunan fuzzy = batas atas bagian daerah ke-i himpunan fuzzy = batas atas bagian daerah ke-i himpunan fuzzy = jumlah daerah himpunan fuzzy kesimpulan yang
n terbentuk z = variabel kesimpulan (consequent) = fungsi keanggotaan daerah himpunan fuzzy kesimpulan yang terbentuk III. PERANGKAT PENDUKUNG SISTEM Dalam pembangunan sistem pakar fuzzy dalam penelitian ini terdapat perangkat pendukung, yaitu komputer dengan spesifikasi prosesor AMD A6-3400M APU @1.40 GHz, HDD 500GB, RAM memory 4GB, Perangkat lunak open source Java NetBeans IDE 7.2.1 untuk pembangunan sistem dan perangkat lunak open source MySQL 5.5 sebagai database management system (DBMS).
Dengan: = Hasil komposisi ke-n = Nilai hasil operasi min ke-i pada masing-masing aturan terpicu yang menghasilkan kesimpulan penilaian linguistik ke-1. = Nilai hasil operasi min ke-i pada masing-masing aturan terpicu yang menghasilkan kesimpulan penilaian linguistik ke-2. = Nilai hasil operasi min ke-i pada masing-masing aturan terpicu yang menghasilkan kesimpulan linguistik ke-n. Bentuk komposisi himpunan fuzzy pada bagian kesimpulan dengan metode max ditunjukkan pada Gambar 2.4. Baik
Sangat baik
Gambar 2.4 Hasil komposisi himpunan fuzzy F. Defuzzifikasi Defuzzifikasi atau penegasan merupakan bagian proses sistem fuzzy dimana terjadi pengubahan dari input berupa himpunan fuzzy yang dihasilkan dari proses komposisi menjadi sebuah nilai crisp output. Metode yang dipakai dalam penelitian ini adalah metode centroid of gravity (CoG). Metode centroid of Gravity adalah salah satu metode yang digunakan untuk mendapatkan nilai crisp output dengan cara mengambil titik pusat ( ) daerah fuzzy [5]. Secara umum dirumuskan sebagai berikut:
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Dalam pembangunan sistem pakar yang tersruktur diperlukan perancangan yang baik, mulai dari perancangan sistem, perancangan data, perancangan proses (process design) dan perancangan antarmuka (interface design). Penjelasan terkait perancangan dijelaskan pada subbab dibawah ini. A. Perancangan Sistem Pakar Dalam rancangan sistem dalam penelitian ini dua macam tipe pengguna (user), user tipe akses pengguna biasa dan user tipe akses administrator. User tipe akses pengguna biasa memiliki peran sebagai pengguna dari sistem pakar sedangkan user tipe akses administrator memiliki kemampuan memodifikasi, yaitu insert, update, dan delete data-data dalam database. Perancangan Data Sesuai dengan permasalahan yang diangkat dalam penellitian ini, terdapat tujuh tabel yang digunakan untuk pembangunan sistem pakar yaitu tabel user, tabel bobot, tabel bobotdetail, tabel faktor, tabel fungsianggota, tabel ketersediaanair, dan tabel tanaman. Perancangan Proses Dalam perancangan proses dalam pembangunan sistem pakar ini melibatkan pemrograman java dan pemanggilan data dalam database. Perancangan sistem pakar pada user tipe akses pengguna biasa dan user tipe akses administrator dapat dilihat pada Gambar 4.1 B. Implementasi Sistem Berikut ini dijelaskan implementasi dari proses -proses yang dibutuhkan perangkat lunak seperti yang sudah dijelaskan pada perancangan proses ke dalam algoritma. Proses proses tersebut adalah sebagai berikut:
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1) 2) 3) 4)
4
Proses konsultasi antara pengguna dan sistem pakar. Proses pembentukan file format fuzzy.fcl. Proses perhitungan titik pusat daerah menggunakan metode centroid of gravity (CoG). Proses pencarian tanaman yang cocok untuk ditanam. Start
Pengguna biasa
Administrator
Proses login
tidak Login benar?
ya Input data faktor
fuzzifikasi
inferensi
komposisi
defuzzifikasi
Ketersediaan air (Crisp output)
Tanaman y ang cocok
Tabel 5.1 Data curah hujan pada bulan Januari sampai Desember tahun 2013 untuk Kabupaten Bojonegoro dan Kota Surabaya Bulan Curah Hujan (milimeter) Bojonegoro Surabaya Januari 330,33 370,5 Februari 299 335 Maret 281,67 302 April 197,33 189,5 Mei 94,3333 82 Juni 62,67 58,5 Juli 37 25 Agustus 21,33 6 September 49 18 Oktober 128,67 38 Nopember 255 126 Desember 316,33 285,5 Tabel 5.2 Data ketinggian tanah, kemiringan tanah dan porositas tanah untuk Kabupaten Bojonegoro dan Kota Surabaya Kabupaten/ Kota Ketinggian Kemiringan Porositas (meter) (°) (% ) Bojonegoro 19 2,78 40,28 Surabaya 2 0,9 43,75 Data dimasukkan melalui halaman konsultasi pada antarmuka sistem saat proses konsultasi berlangsung. Antarmuka proses konsultasi adalah seperti terlihat pada Gambar 5.1 berikut.
Hasil konsultasi
Grafik pola tanam
End
Gambar 4.1 Perancangan sistem pakar
V. UJI COBA DAN PEMBAHASAN Pengujian sistem pakar dalam penelitian Tugas Akhir ini menggunakan data kabupaten Bojonegoro dan kota Surabaya sebagai data input dengan faktor curah hujan pad a bulan Januari sampai Desember tahun 2013 dan data topografi yang meliputi ketinggian tanah, kemiringan tanah dan porositas tanah. Data input dapat dilihat pada Tabel 1 dan Tabel 2 sebagai berikut.
Gambar 5.1 Antarmuka Proses konsultasi pada sistem pakar Setelah data dimasukkan kemudian proses konsultasi berjalan dan menghasilkan output nilai ketersediaan air dan tanaman yang cocok ditanam.
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print)
5
Pada grafik himpunan fuzzy memperlihatkan himpunan fuzzy untuk setiap faktor yang digunakan dan hasil defuzzifikasinya Grafik himpunan fuzzy beserta input faktornya ditunjukkan pada Gambar 5.2 sampai Gambar 5.5.
Gambar 5.2 Grafik himpunan fuzzy untuk faktor curah hujan dengan input 330,33 mm
Gambar 5.3 Grafik himpunan fuzzy untuk faktor ketinggian tanah dengan input 19 meter
Gambar 5.6 aturan-aturan yang digunakan pada proses konsultasi Untuk grafik kesimpulan ketersediaan air yang diperoleh ditunjukkan pada Gambar 5.7 sebagai berikut.
Gambar 5.7 Grafik daerah kesimpulan nilai ketersediaan air dengan nilai 159,17 milimeter Berikut ini adalah grafik kebutuhan air untuk tanaman pangan dengan nilai kebutuhan air seperti terlihat pada tabel 5.3 dan Gambar 5.8 sebagai berikut.
Gambar 5.4 Grafik himpunan fuzzy untuk faktor kemiringan tanah dengan input 2.78°
Tabel 5.3 Kebutuhan air pada tanaman pangan dan palawija Tanaman Kebutuhan Air Kebutuhan Air Total (mm) perbulan (mm) Padi 639,65 160 Jagung 439,46 146 Kacang Hijau 416,27 138 Kedelai 393,07 131 Kacang Tanah 454,52 114
Gambar 5.5 Grafik himpunan fuzzy untuk faktor Porositas Tanah dengan input 40,26% Berikut ini adalah aturan-aturan yang dihasilkan berdasarkan faktor-faktor yang diinputkan pada proses konsultasi. Fungsi implikasi yang digunakan adalah MIN (operator AND)
Gambar 5.8 Grafik Kebutuhan air dengan nilai ketersediaan air 159,17 milimeter.
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print)
6
Untuk ketersediaan air 159,17 tanaman yang cocok untuk ditanam adalah padi Setelah semua data dimasukkan, diperoleh hasil konsultasi dari bulan Januari sampai Desember untuk kabupaten Bojonegoro. Hasil konsultasi dapat dilihat pada Gambar 5.9 sebagai berikut.
Gambar 5.11 Grafik pola tanam untuk kota Surabaya VI. KESIMPULAN
Gambar 5.9 Antarmuka Hasil Konsultasi untuk kabupaten Bojonegoro Dari hasil konsultasi akan didapat grafik pola tanam untuk kabupaten Bojonegoro antara bulan Januari sampai Desember. Grafik pola tanam dapat dilihat pada Gambar 5.10 sebagai berikut.
Berdasarkan analisa data dan pembahasan, dapat disimpulkan bahwa: 1. Hasil pola tanam untuk kota Bojonegoro didapat kesimpulan bahwa untuk musih hujan yaitu antara bulan Nopember sampai April tanaman yang baik untuk ditanam adalah padi dengan pengecualian pada bulan April dan Nopember tanaman yang baik adalah jagung dan kacang hijau. Sedangkan untuk musim kemarau yaitu antara bulan Mei sampai Oktober, adalah kacang hijau dan kedelai dengan pengecualian untuk bulan Mei dan Oktober, adalah jagung dan kacang hijau. 2. Hasil pola tanam untuk kota Surabaya didapat kesimpulan bahwa untuk musih hujan yaitu antara bulan Nopember sampai April tanaman yang baik untuk ditanam adalah padi dengan pengecualian pada bulan April dan Nopember tanaman yang baik adalah jagung dan kacang hijau. Sedangkan untuk musim kemarau yaitu antara bulan Mei sampai Oktober, adalah kacang hijau dan kedelai. DAFTAR PUSTAKA
Gambar 5.10 Grafik pola tanam untuk kabupaten Bojonegoro [1]
Dari grafik pola tanam terlihat bahwa pada bulan Januari, Februari dan Maret tanaman yang baik untuk ditanam adalah padi, untuk bulan April dan Mei adalah kacang hijau dan jagung, untuk bulan Juni sampai September, adalah kacang hijau dan kedelai, untuk bulan Oktober dan Nopember, adalah jagung dan kacang hijau dan untuk bulan Desember, adalah padi. Dengan cara yang sama seperti yang telah dipaparkan diatas namun dengan input adalah daerah Surabaya, didapat grafik pola tanam sebagai berikut.
[2] [3] [4]
[5] [6]
[7] [8] [9]
Subakti, I. (2002). “Sistem Pendukung Keputusan”. Jurnal Akademik. Surabaya: Institut T eknologi Sepuluh Nopember. Prasetiya, H. (2012). “Penerapan Fuzzy Expert System Sebagai Sistem Pendukung Keputusan Untuk Investor Properti”. Jurnal. Surabaya: Institut T eknologi sepuluh Nopember Surabaya. Kusumadewi, S. (2004). “Aplikasi Logika Fuzzy untuk Pendukung Keputusan”. Yogyakarta: Graha Ilmu. Irawan, M.I., dkk. (2012). “Model Managemen Pola T anam Di Provinsi NT B Menggunakan Jaringan Syaraf T iruan”. Penelitian Labolatorium Ilmu Komputer Jurusan Matematika. Surabaya: Institut T eknologi Sepuluh Nopember. Setiaji. (2009). “Himpunan dan Logika Samar serta Aplikasinya”. Yogyakarta: Graha Ilmu. Anonim. (2012). “Prediksi dan Tantangan Sektor Pertanian Indonesia T ahun 2013”. http://www.bin.go.id/wawasan/detil/155/3/29/10/2012/prediksi-dantantangan-sektor-pertanian-indonesia-tahun-2013. [diakses pada tanggal 04 Maret 2013]. Kuswadi, S. (2007). “Kendali Cerdas T eori dan Aplikasi Praktisnya”. Yogyakarta: Andi. Arhami, M. (2005).“Konsep Dasar Sistem Pakar”. Yogyakarta: Andi. Oktriani, M. (2008). “Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy”. Skripsi. Salatiga: Universitas Kristen Satya Wacana.
