Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
Sistem Pakar Deteksi Mutu Telur Ayam Ras Berbasis Web Menggunakan Metode Forward Chaining Maimunah1, Suryo Setio Makmur2 1,2
Prodi Teknik Komputer, Fakultas Teknik, Universitas Islam 45 Bekasi Email:
[email protected],
[email protected]
Abstrak Telur ayam ras merupakan salah satu makanan yang memiliki kandungan gizi yang terdiri dari protein 6.3 gram, karbohidrat 0.6 gram dan lemak 5 gram. Sebagai makanan yang sering dikonsumsi oleh masyarakat maka mutu telur ayam ras harus diperhatikan. Pada penelitian ini dirancang sistem pakar yang bertujuan untuk mendeteksi mutu I, mutu II dan mutu III dari telur ayam ras berdasarkan SNI 3926:2008 dengan menggunakan mesin inferensi Forward Chaining berbasis web. Hasil penelitian menunjukkan bahwa sistem pakar mampu mengidentifikasi mutu telur ayam ras yang meliputi mutu I, II, III, mutu I dapat dikonsumsi, mutu II tidak dapat dikonsumsi, tidak terdeteksi dan tidak termasuk mutu I, II dan III. Kata Kunci: Telur ayam ras, sistem pakar, forward chaining, web Abstract Eggs is one of the foods that have nutritional content consisting of 6.3 grams protein, 0.6 grams of carbohydrates and 5 grams of fat. As the food is often consumed by people, the quality of eggs must be observed. In this research, designed expert system which aims to detect the quality I, quality II, and III of the quality of eggs based on ISO 3926:2008 using forward chaining inference engine Web-based. The result shows that the expert system is able to identify the quality of eggs that include quality I, II, III, quality I can be consumed, quality II can not be consumed, not detected and does not include quality I, II and III. Keyword: Eggs, expert system, forward chaining, web
1.
PENDAHULUAN
Telur merupakan salah satu produk pertanian yang berasal dari unggas. Sesuai dengan sifat dasarnya, telur mempunyai sifat mudah rusak (perishable) seperti halnya produk-produk pertanian yang lain. Ada beberapa kerusakan telur yang menyebabkan kualitas telur menurun antara lain: pecahnya cangkang telur, kehilangan gas CO2, tumbuhnya mikroorganisme dan pengenceran isi telur. Kandungan gizi sebutir telur dengan berat 50 gram terdiri dari protein 6,3 gram, karbohidrat 0,6 gram, lemak 5 gram, vitamin dan mineral. Untuk menentukan telur ayam ras yang baik dapat dilihat dari jenis, warna kerabang, berat dan berdasarkan mutu. Mutu telur ayam ras dibedakan menjadi Mutu I, Mutu II dan Mutu III. Dalam penelitian sebelumnya, dilakukan penelitian klasifikasi mutu I, mutu II dan mutu III berdasarkan kebersihan kerabang telur menggunakan metode K-Nearest Neighbor (KNN). Telur ayam ras merupakan makanan yang memiliki kandungan gizi tinggi. Berdasarkan klasifikasi mutu telur ayam ras SNI 3926:2008 diperlukan untuk mengetahui bagaimana mendeteksi mutu telur ayam yang baik dari pengetahuan seorang ahli atau pakar. Untuk hasil lebih efisien dalam menentukan mutu telur ayam ras dibutuhkan suatu sistem, sistem tersebut adalah Sistem Pakar (Expert System). Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Telah banyak dilakukan penelitian tentang sistem pakar untuk mendeteksi penyakit dengan menggunakan metode forward chaining. Dalam penelitian ini akan dirancang sistem pakar deteksi mutu telur ayam ras berbasis web berdasarkan SNI 3926:2008 dengan menggunakan metode forward chaining.
320
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
2.
METODE
Tahapan-tahapan yang digunakan dalam penelitian ini seperti dalam Gambar 1.
Gambar 1. Tahapan penelitian Tahapan penelitian yang dilakukan meliputi: 1. Identifikasi Masalah Pembangunan suatu sistem pakar diawali dengan mengidentifikasi masalah dan menganalisa pengetahuan yang akan dimasukkan ke dalam sistem pakar. Dalam hal ini dilakukan penentuan mutu telur ayam ras berdasarkan gejalanya sesuai dengan SNI 3926:2008 [1] dengan model kaidah produksi dan mesin inferensi forward chaining [2]. 2. Representasi Pengetahuan Representasi pengetahuan bertujuan membuat struktur yang akan digunakan dalam sistem untuk membantu pengkodean pengetahuan ke dalam program. Pada prinsipnya representasi pengetahuan sebagai suatu atribut jamak dari pengambilan keputusan didasarkan pada kriteria pohon (tree of criteria atau semantic tree), fungsi utilitas dan fungsi alternative[3]. Model yang digunakan untuk membuat representasi pengetahuan adalah Kaidah Produksi. Berdasarkan SNI 3926:2008 gejala yang digunakan dalam menentukan representasi pengetahuan seperti pada Tabel 1. Tabel 1.Gejala yang digunakan Faktor Mutu Kondisi Kerabang a. Bentuk b. Kehalusan c. Keutuhan d. kebersihan Kondisi putih telur a. Kebersihan
b.
Kekentalan
Kondisi kuning telur a. Bentuk b. Posisi
Tingkatan Mutu Mutu III
Mutu I
Mutu II
Normal Halus Utuh Bersih
Normal Halus Utuh Sedikit noda kotor (stain)
Abnormal Sedikit kasar Utuh Banyak noda dan sedikit kotor
Bebas bercak darah atau benda asing lainnya Kental
Bebas bercak darah, atau benda asing lainnya Sedikit encer
Ada sedikit bercak darah, tidak ada benda asing lainnya
Bulat Ditengah
Agak pipih Sedikit bergeser dari tengah
Pipih Agak kepinggir
Encer, kuning telur belum tercampur dengan putih telur
Sistem pakar ini terdiri dari sebuah pohon keputusan untuk mendeteksi mutu telur ayam ras dan terdiri dari tabel keputusan gejala mutu telur ayam ras. Tabel gejala keputusan mutu telur ayam ras seperti dalam Tabel 2.
321
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
Tabel 2. Tabel keputusan Keputusan Kode Mutu
Kode Gejala M01
M02
M03
M04
M05
M06
*
*
*
*
*
*
*
*
G01
*
*
G02
*
*
G03 G04
*
*
G05 G06
* * *
G08
* *
* *
*
*
* *
G16
G19
*
* *
G15
G18
*
*
G13
G17
*
*
G12 G14
*
*
G10 G11
*
*
G07
G09
*
*
* *
*
*
* *
* *
*
Keterangan: M01: Mutu 1 M02: Mutu 2 M03: Mutu 3 M04: Tidak Termasuk Mutu I, II dan III Tidak Dapat Dikonsumsi M05: Tidak Termasuk Mutu I, II dan III Dapat Dikonsumsi M06: Tidak Termasuk Mutu I, II dan III Dapat Dikonsumsi G01: Kerabang utuh G02: Bentuk kerabang normal G03: Kerabang halus G04: Bentuk kerabang abnormal G05: Kerabang sedikit kasar G06: Kerabang bersih G07: Kerabang sedikit noda kotor (stain) G08: Banyak noda dan sedikit kotor G09: Putih telur bebas bercak darah, atau benda asing lainnya G10: Putih telur ada sedikit bercak darah, tidak ada benda asing lainnya G11: Putih telur kental G12: Putih telur sedikit encer G13: Putih telur encer dan kuning telur belum tercampur dengan putih telur G14: Bentuk kuning telur bulat G15: Bentuk kuning telur agak pipih G16: Bentuk kuning telur pipih G17: Posisi kuning telur di tengah G18: Posisi kuning telur sedikit bergeser dari tengah G19: Posisi kuning telur agak kepinggir
322
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
Berdasarkan analisis dari tabel keputusan maka dapat dibuat himpunan kaidah produksi data gejala mutu telur ayam ras dengan menggunakan IF-THEN sebagai berikut: Kaidah 1 IF Kerabang utuh AND Bentuk kerabang normal AND Kerabang halus AND Kerabang bersih AND Putih telur bebas bercak darah, atau benda asing lainnya AND Putih telur kental AND Bentuk kuning telur bulat AND Posisi kuning telur di tengah THEN Mutu 1 Kaidah 2 IF Kerabang utuh AND Bentuk kerabang normal AND Kerabang halus AND Kerabang sedikit noda kotor (stain) AND Putih telur bebas bercak darah, atau benda asing lainnya AND Putih telur sedikit encer AND Bentuk kuning telur agak pipih AND Posisi kuning telur sedikit bergeser dari tengah THEN Mutu 2 Kaidah 3 IF Kerabang utuh AND Bentuk kerabang abnormal AND Kerabang sedikit kasar AND Banyak noda dan sedikit kotor AND Putih telur ada sedikit bercak darah, tidak ada benda asing lainnya AND Putih telur encer dan kuning telur belum tercampur dengan putih telur AND Bentuk kuning telur pipih AND Posisi kuning telur agak kepinggir THEN Mutu 3 Kaidah 4 IF Kerabang utuh AND Bentuk kerabang normal AND Kerabang sedikit halus AND Banyak noda dan sedikit kotor AND Putih telur encer dan kuning telur belum tercampur dengan putih telur AND Bentuk kuning telur pipih AND Posisi kuning telur agak kepinggir THEN Tidak Termasuk Mutu I, II dan III Tidak Dapat Dikonsumsi Kaidah 5 IF Kerabang utuh AND Bentuk kerabang normal AND Kerabang halus AND Kerabang bersih AND Putih telur bebas bercak darah, atau benda asing lainnya AND Putih telur sedikit encer AND Bentuk kuning telur agak pipih AND Posisi kuning telur sedikit bergeser dari tengah THEN Tidak Termasuk Mutu I, II dan III Dapat Dikonsumsi Kaidah 6 IF Kerabang utuh AND Bentuk kerabang abnormal AND Kerabang sedikit kasar
323
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
AND Banyak noda dan sedikit kotor AND Putih telur bebas bercak darah, tidak ada benda asing lainnya AND Putih telur kental AND Bentuk kuning telur bulat AND Posisi kuning telur ditengah THEN Tidak Termasuk Mutu I, II, dan III Dapat Dikonsumsi 3. Pengembangan Mesin Inferensi Pengetahuan direpresentasikan ke dalam format tertentu dan akan disimpan dalam suatu basis pengetahuan dengan menggunakan metode forward chaining. Metode yang digunakan adalah Depth First Search. Berdasarkan tabel keputusan dan kaidah produksi, maka dapat dibuat pohon keputusan seperti pada Gambar 2.
Gambar 2. Pohon keputusan
Keterangan: * : Tidak Termasuk Mutu I, II, dan III ** : Tidak Terdeteksi 4. Perancangan Sistem Diagram use case sangat penting untuk mengorganisasi dan memodelkan perilaku dari suatu sistem yang dibutuhkan serta diharapkan pengguna [4]. Use case diagram sistem pakar deteksi mutu telur ayam ras seperti pada Gambar 3.
Gambar 3. Use case diagram sistem pakar deteksi mutu telur 5. Pengujian Sistem Dalam pengujian sistem untuk menentukan mutu telur ayam ras pertama adalah pengguna memilih form konsultasi lalu sistem akan menampilkan pertanyaan pertama untuk mendeteksi mutu telur ayam
324
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
ras jika gejala dari suatu mutu tercukupi maka akan terlihat langsung hasil analisa mutu yang didapatkan. 3. HASIL DAN PEMBAHASAN Antar muka sistem pakar deteksi mutu telur terdiri dari beberapa menu. Susunan menu yang ditampilkan dalam halaman utama ini terdiri dari 5 menu yaitu menu daftar mutu telur, konsultasi, informasi telur, login admin dan contact us. Hasil perancangan tampak dalam Gambar 4 s.d. Gambar 12. Hasil deteksi mutu telur ayam ras yang diperoleh dari sistem pakar yang telah dirancang meliputi mutu I, II, III, mutu I dapat dikonsumsi, mutu II tidak dapat dikonsumsi, tidak terdeteksi dan tidak termasuk mutu I, II dan III. Hasil deteksi tersebut masih terdapat perbedaan dengan klasifikasi mutu telur yang telah diteliti sebelumnya menggunakan KNN [5].
Gambar 4.Tampilan halaman utama
Gambar 5. Tampilan halaman pertanyaan
Gambar 6. Hasil analisa mutu I
Gambar 7. Hasil analisa mutu II
325
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
Gambar 8. Hasil analisa mutu III
Gambar 9. Tidak termasuk mutu I dapat dikonsumsi
Gambar 10. Tidak termasuk mutu II tidak dapat dikonsumsi
Gambar 11. Hasil tidak terdeteksi
Gambar 12. Hasil tidak termasuk mutu I, II dan III
326
Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8
4. SIMPULAN Sistem pakar deteksi mutu telur ayam ras dengan menggunakan forward chaining sebagai penelusurannya berhasil mendeteksi mutu telur ayam ras dengan baik. Hasil deteksi meliputi mutu I, II, III, mutu I dapat dikonsumsi, mutu II tidak dapat dikonsumsi, tidak terdeteksi dan tidak termasuk mutu I, II dan III. 5. REFERENSI [1] [2] [3] [4] [5]
BSN. 2008. SNI 3925:2008 Telur Ayam Konsumsi. BSN, Jakarta. Ramadhan, M. 2011. Sistem Pakar Dalam Mengidentifikasi Penyakit Kanker pada Anak Sejak Dini dan Cara Penanggulangannya. Jurnal SAINTIKOM. Vol. 10(2): 125-135. Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian dengan Metode Kuantifikasi Pertanyaan. Andi Offset, Yogyakarta. Rosa A. S., dan Shalahuddin M. 2013. Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Informatika, Bandung. Trisnaningtyas R. Puspa, dan Maimunah. 2015. Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor. Prosiding Konferensi Nasional Informatika (KNIF). Keandalan Sistem Dalam Penyediaan Layanan. ITB. Oktober 22, 2015.
327