SISTEM PAKAR MENDIAGNOSA PENYAKIT TANAMAN KELAPA SAWIT DENGAN METODE CERTAINTY FACTOR Linda Wahyuni1, Surya Darma2 Dosen Jurusan Sistem Informasi, STMIK Potensi Utama 2 Mahasiswa Jurusan Sistem Informasi STMIK Potensi Utama 1,2 STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km 6,5 No. 3A Medan 1
[email protected], 2
[email protected] 1
Abstrak Tanaman kelapa sawit (Elaeis guinensis) berasal dari Nigeria, Afrika Barat. Pada kenyataannya tanaman kelapa sawit hidup subur di luar daerah asalnya, seperti Malaysia, Indonesia, Thailand, dan Papua Nugini. Bagi Indonesia, tanaman kelapa sawit memiliki arti penting bagi pembangunan perkebunan nasional. Selain mampu menciptakan kesempatan kerja yang mengarah pada kesejahteraan masyarakat, juga sebagai sumber perolehan devisa negara, di samping itu banyaknya jenis penyakit pada tanaman kelapa sawit dan kurangnya informasi untuk menangani penyakit tersebut bahkan susahnya orang awam dalam berkonsultasi langsung dengan seorang pakar membuat petani kesulitan dalam menangani penyakit pada tanaman kelapa sawit tersebut. Dari penjelasan di atas untuk itu penulis membuat suatu sistem pakar mendiagnosa penyakit tanaman kelapa sawit dengan metode certainty factor yang dimaksudkan untuk membantu kerja petani dalam memberikan informasi serta kesimpulan dari penyakit yang di derita pada tanaman kelapa sawit tersebut. Experimen yang dilakukan dengan menggunakan Basis Rule untuk mendiagnosa gejala-gejala penyakit tanaman kelapa sawit dan jenis penyakit kelapa sawit tersebut, dan memberikan solusi yang tepat untuk penanganannya. Kata kunci : sistem pakar, penyakit kelapa sawit, certainty factor.
1.
Pendahuluan
Seiring dengan perkembangan teknologi komputer, boleh dikatakan komputer telah menjadi benda yang umum di jumpai diberbagai aspek kehidupan manusia, misalnya sebagai alat bantu bisnis, alat komunikasi dan navigasi, alat bantu pendidikan, alat bantu sains, sampai alat bantu dalam proses produksi. Untuk memaksimalkan kemampuan komputer diperlukan perangkat lunak yang handal dalam menangani pemrosesan data dan penyajian informasi yang dibutuhkan [4] Tanaman kelapa sawit (Elaeis guinensis) berasal dari Nigeria, Afrika Barat. Pada kenyataannya tanaman kelapa sawit hidup subur di luar daerah asalnya, seperti Malaysia, Indonesia, Thailand, dan Papua Nugini. Bagi Indonesia, tanaman kelapa sawit memiliki arti penting bagi pembangunan perkebunan nasional. Selain mampu menciptakan kesempatan kerja yang mengarah pada kesejahteraan masyarakat, juga sebagai sumber perolehan devisa negara.[2] Ilmu yang mempelajari bagaimana membuat suatu mesin seolah-olah memiliki kecerdasan buatan dalam memecahkan suatu masalah yang diberikan padanya disebut dengan artificial intelligence atau kecerdasan buatan. Sistem pakar merupakan salah
satu software yang dapat menduplikasi fungsi seorang pakar dalam suatu bidang keahlian. Hal ini dilakukan dengan cara memberi basis pengetahuan dan inferensi sehingga dapat menggunakan penalaran dalam memecahkan masalah. Program ini bertindak sebagai seorang penasehat dalam suatu lingkungan keahlian tertentu. Metode inferensi dalam penulisan ini menggunakan metode certainty factor yang merupakan pendekatan yang dimulai dari sekumpulan data menuju kesimpulan dan penalarannya secara deduktif, yang menentukan fakta spesifikasi dari aturan-aturan yang umum untuk mendapatkan kesimpulan yang lebih khusus. Salah satu aplikasi sistem pakar adalah dalam bidang pertanian khususnya yang digunakan untuk mendiagnosa penyakit pada tanaman kelapa sawit. Masyarakat awam kurang memahami dalam menangani gejala-gejala penyakit pada tanaman kelapa sawit, disamping itu kurangnya informasi membuat masyarakat awam buta akan menyimpulkan jenis penyakit apa yang diderita oleh tanaman kelapa sawit tersebut, hal ini juga salah satu faktor menurunnya devisa negara dalam mengekspor minyak kelapa sawit ke luar negeri. Dengan demikian pada makalah ini akan dirancang suatu sistem yang bertujuan untuk menyajikan pengadopsian cara berpikir manusia
kedalam suatu program sistem pakar yang mampu mendiagnosa penyakit tanaman kelapa sawit dengan metode certainty factor sebagai alat bantu dalam mengambil kesimpulan pada penyakit tanaman kelapa sawit tersebut. 2.
Dasar Teori
2.1 Sistem Pakar 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 [1]. Semakin banyak pengetahuan yang dimasukkan kedalam sistem pakar, maka sistem tersebut akan semakin bertindak sehingga hampir menyerupai pakar sebenarnya.
Gambar : 1. Konsep Dasar Sistem Pakar
2.2 Kekurangan Sistem Pakar Selain manfaat, ada juga beberapa kekurangan yang ada pada Sistem Pakar, diantaranya [5]: 1. Biaya yang sangat mahal untuk membuat dan memeliharanya. 2. Sulit dikembangkan karena keterbatasan keahlian dan ketersediaan pakar. 3. Sistem pakar tidak 100% bernilai benar.
kemudian tahun 1923 mulai mengekspor minyak inti sawit sebesar 850 ton.[2] 2.4 Metode Certainty Factor Certainty Factor (CF) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan [3]. Dalam mengekspresikan derajat keyakinan, Certainty Theory menggunakan suatu nilai yang disebut certainty factor (CF) untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. certainty factor memperkenalkan konsep belief/keyakinan dan disbelief/ketidakyakinan. Konsep ini kemudian diformulasikan dalam rumusan dasar sebagai berikut: CF[H,E] = MB[H,E] – MD[H,E] Keterangan : CF = Certainty Factor (Faktor Kepastian) dalam Hipotesis H yang dipengaruhi oleh fakta E. MB = Measure of Belief (Tingkat Keyakinan), merupakan ukuran kenaikan dari kepercayaan hipotesis H dipengaruhi oleh fakta E. MD of Disbelief (Tingkat = Measure Ketidakyakinan), merupakan kenaikan dari ketidakpercayaan hipotesis H dipengaruhi oleh fakta E. E = Evidence (Peristiwa atau Fakta) Ada 3 hal yang mungkin terjadi pada metode Certainty Factor, yaitu : 1. Beberapa evidence dikombinasikan untuk menentukan CF dari suatu hipotesis. Jika e1 dan e2 adalah observasi ditunjukkan oleh gambar. 2, Maka:
2.3 Sekilas Sejarah Kelapa Sawit Kelapa sawit pertama kali diperkenalkan di Indonesia oleh pemerintah Belanda pada tahun 1848. Ketika itu ada empat batang bibit kelapa sawit yang dibawa dari Mauritius dan Amsterdam dan ditanam di Kebun Raya Bogor. Tanaman kelapa sawit mulai diusahakan dan dibudidayakan secara komersial pada tahun 1911. Perintis usaha perkebunan kelapa sawit di Indonesia adalah Adrien Hallet, seorang Belgia yang telah belajar banyak tentang kelapa sawit di Afrika. Budi daya yang dilakukannya diikuti oleh K. Schadt yang menandai lahirnya perkebunan kelapa sawit di Indonesia. Sejak saat itu perkebunan kelapa sawit di Indonesia mulai berkembang. Perkebunan kelapa sawit pertama berlokasi di Pantai Timur Sumatera (Deli) dan Aceh. Luas areal perkebunannya mencapai 5.123 ha. Indonesia mulai mengekspor minyak sawit pada tahun 1919 sebesar 567 ton ke negara-negara Eropa,
Gambar : 2. Dua Efidence
2. CF dihitung dari kombinasi beberapa hipotesis .Jika h1 dan h2 adalah hipotesis yang ditunjukkan oleh gambar. 3.
Gambar : 3. Kombinasi Beberapa Hipotesis
Maka :
1.
Use Case Diagram
Adapun diagram yang menggambarkan interaksi beberapa aktor dalam sistem yang di rancang ini dapat dilihat pada gambar. 5 berikut ini: SISTEM PAKAR MENDIAGNOSA PENYAKIT TANAMAN KELAPA SAWIT DENGAN METODE CERTAINTY FACTOR
3. Beberapa aturan saling bergandengan, ketidak pastian dari suatu aturan menjadi input untuk aturan yang lainnya. Jika beberapa aturan saling bergandengan ditunjukkan oleh gambar. 4 berikut:
Login pakar
<
> <> <>
Login user
<>
<>
Mengolah data pakar
<>
Input data user
Input data aturan
<>
Pakar <>
Input data penyakit
Melakukan konsultasi
<<extend>>
Mengolah basis pengetahuan
<>
User Mendapatkan hasil konsultasi
Manipulasi hasil
Gambar : 4. Beberapa Aturan Saling Bergandengan Melihat laporan hasil konsultasi
Maka : MB[h,s] = MB’[h,s] * max (0,CF[s,e]) MB’[h,s] = ukuran kepercayaan h berdasarkan keyakinan penuh terhadap validitas s. [6] 2.5 Kelebihan dan Kekurangan Certainty Factor Kelebihan dari metode Certainty Factor adalah: 1. Metode ini cocok dipakai dalam sistem pakar yang mengandung ketidak pastian. 2. Dalam sekali proses perhitungan hanya dapat mengolah 2 data saja sehingga keakuratan data dapat terjaga [5]. Sedangkan kekurangan metode Certainty Factor adalah: 1. Pemodelan ketidak pastian yang menggunakan perhitungan metode Certainty Factor biasanya masih diperdebatkan. 2. Untuk data lebih dari 2 buah, harus dilakukan beberapa kali pengolahan data [5]. 3.
Analisa dan Perancangan
Desain Sistem Perancangan desain sistem yang akan dibangun menggunakan pemodelan Unified Modelling System ( UML ). Diagram-diagram yang digunakan use case diagram, dan sequence diagram konsultasi saja.
Gambar : 5. Use Case Diagram
Pada use case diagram di atas terdapat 2 aktor yaitu User, dan Pakar. Kedua aktor tersebut memiliki peranan masing-masing, yaitu tugas user yang melakukan konsultasi, sebelum user melakukan aktifitas konsultasi user diwajibkan login terlebih dahulu sebagai login user, langkah selanjutnya yaitu mengisi data user, dikarenakan agar seorang pakar dapat mengetahui pengguna sistem tersebut, setelah user melakukan konsultasi, user dapat melihat langsung hasil konsultasi tersebut. Pakar disini bertindak sebagai mengolah data pakar, menginput data aturan, menginput data penyakit, mengolah basis pengetahuan, manipulasi hasil setelah sebelumnya telah melakukan login pakar terlebih dahulu, dan melihat laporan hasil konsultasi untuk keperluan akses sistem. 2.
Sequence Diagram Konsultasi
Sequence Diagram menggambarkan perilaku pada sebuah skenario, diagram ini menunjukkan sejumlah contoh objek dan message (pesan) yang diletakkan diantara objek-objek ini di dalam use case, dalam hal ini penulis hanya menggambarkan skenario sequence diagram konsultasi. Gambar. 6 berikut merupakan sequence diagram konsultasi user.
Data User
User
Input data user
Menu Konsultasi
User
Basis Pengetahuan
Simpan data user
Memberikan pertanyaan
Memberikan pertanyaan
Menjawab Pertanyaan Cek Gejala
Hasil Diagnosa Diagnosa
DAN [gejala 3] MAKA [Penyakit] Berikut ini merupakan algoritma yang di gunakan dalam mendiagnosa penyakit pada tanaman kelapa sawit. 1. Kaidah untuk Penyakit Daun Bibit Muda (Anthracnose) IF Daun terdapat bercak-bercak dikelilingi warna kuning, AND Adanya warna hitam dan coklat di antara tulang daun, AND Daun yang terserang menjadi kering, THEN Penyakit daun bibit muda (anthracnose)
Gambar : 6. Sequence Diagram Konsultasi
4.
Pembahasan
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 penalarannya. Representasi pengetahuan dibutuhkan untuk menangkap sifat-sifat penting masalah dan mempermudah prosedur pemecahan masalah dalam mengakses informasi. Format representasi harus mudah dipahami sehingga seorang programmer mampu mengekspresikan pengetahuan (fakta), namun semua cara tersebut harus mengacu pada dua entitas berikut. 1. Fakta, yaitu kejadian sebenarnya. Fakta inilah yang akan kita representasikan. 2. Representasi dari fakta. Berdasarkan representasi inilah kita dapat mengolah fakta.[6] Basis pengetahuan yang di dalam sistem pakar ini akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang diperoleh dari hasil analisis. Hasil yang diperoleh setelah pengguna melakukan interaksi dengan sistem pakar yaitu dengan menjawab pertanyaan yang diajukan oleh sistem pakar. Basis pengetahuan yang di gunakan didalam sistem pakar ini terdiri dari : gejala-gejala yang diderita dan hasil diagnosa yang diberikan oleh pakar. Adapun tabel keputusan untuk gejala-gejala yang terjadi dapat dilihat pada tabel. 1 dibawah ini: (tabel dilampiran) Dalam memecahkan masalah metode yang digunakan adalah metode Certainty Factor serta kaidah produksi IF –THEN dimana gejala-gejala pada penyakit kelapa sawit di umpamakan dengan Jika dan solusi penanggannya diumpamakan dengan Maka. Bentuk pernyataannya adalah : JIKA [gejala 1] JIKA [gejala 2]
2. Kaidah untuk Penyakit Akar (Blast Disease) IF Akar menjadi lunak, AND Daun bibit kusam berwarna kekuning-kuningan yang dimulai dari bagian ujung daun, AND Daun menjadi layu, AND Daun berubah warna menjadi kuning cerah, AND Daun terdapat bercak-bercak dikelilingi warna kuning, THEN Penyakit akar (blast disease) 3. Kaidah untuk Penyakit Tajuk (Crown Disease) IF Tanaman berumur 2-4 tahun, AND Helai daun mulai dari pertengahan sampai ujung pelepah kecil-kecil, AND Daunnya robek-robek, AND Pelepah membengkok, AND Jaringan yang terinfeksi pada pelepah yang tidak membuka berwarna coklat kemerah-merahan, THEN Penyakit tajuk (crown disease) 4. Kaidah untuk Penyakit Busuk Pangkal Batang (Basal Stem rot atau ganoderma) IF Pelepah daun tampak layu, AND Pelepah daun berwarna pucat, AND Bagian daun paling tua mengalami nekrosis, AND Pelepah daun akan patah dan menggantung, AND Daun tombak (pupus) yang baru muncul tidak membuka dan berkumpul lebih dari 3 helai, AND Pangkal batang menghitam, AND Keluar getah pada bagian yang terinfeksi, THEN Penyakit busuk pangkal batang (basal stem rot atau ganoderma) 5. Kaidah untuk Penyakit Busuk Batang Atas (Upper Stem Rot) IF Warna daun yang terbawah berubah, AND Kuncup daun terinfeksi, AND Pembusukan pada batang,
AND
Batang yang membusuk berwarna keabu-abuan, Penyakt Busuk Batang Atas (Upper Stem Rot)
THEN
6. Kaidah untuk Penyakit Busuk Kering Pangkal Batang (Dry Basal Rot) IF Tandan buah membusuk, AND Pembentukan bunga terhambat, AND Pelepah daun bagian bawah patahpatah, THEN Penyakit busuk kering pangkal batang (dry basal rot) 7. Kaidah untuk Penyaki Busuk Kuncup (Spear Rot) IF Jaringan pada kuncup membusuk AND Jaringan kuncup berwarna kecoklatcoklatan, AND Tajuk mudah di cabut, AND Kuncup membengkok, THEN Penyakit busuk kuncup (spear rot) 8. Kaidah untuk Penyakit Garis Kuning (Patch Yellow) IF Daun tampak bercak-bercak lonjong berwarna kuning dan ditengahnya terdapat warna coklat, AND Daun yang terserang menjadi kering, AND Daun berguguran, THEN Penykit garis kuning (patch yellow) 9. Kaidah untuk Penyakit Busuk Tandan (Bunch Rot) IF Tanaman berumur 3-10 tahun, AND Permukaan tandan terdapat benangbenang jamur putih mengkilat, AND Perikarpnya menjadi lembek dan busuk, AND Warna buah berubah menjadi kecoklatan dan berubah lagi menjadi kehitam-hitaman, THEN Penyakit busuk tandan (bunch rot) 5.
Penerapan Metode Certainty Factor
Metode certainty factor yang akan diterapkan dalam pembuatan sistem pakar ini adalah metode dengan rumus certainty factor sebagai berikut : CF(H,e) = CF(E,e) * CF(H,E) Di mana : CF(E,e) : CF(H,E)
:
CF(H,e)
:
certainty factor evidence E yang dipengaruhi oleh evidence e. certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E,e) = 1. certainty factor hipotesis yang dipengaruhi oleh evidence e.
Karena semua evidence pada antecedent diketahui dengan pasti maka rumusnya menjadi : CF(H,e) = CF(H,E) Contoh perhitungan nilai certainty factor untuk sistem ini adalah sebagai berikut: JIKA Daun terdapat bercak-bercak dikelilingi warna kuning, DAN Adanya warna hitam dan coklat di antara tulang daun, DAN Daun yang terserang menjadi kering, MAKA Penyakit daun bibit muda (anthracnose) CF = 0.9 Dengan menganggap E1 : “daun terdapat bercak-bercak dikelilingi warna kuning” E2 : ”adanya warna hitam dan coklat di antara tulang daun” E3 : ”daun yang terserang menjadi kering” Nilai certainty factor hipotesis pada saat evidence pasti adalah : CF(H,E) = CF(H,E1 ∩ E2 ∩ E3) = 0.9 Dalam kasus ini, kondisi tanaman tidak dapat ditentukan dengan pasti. Certainty factor evidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut: CF(E1 , e) = 0.9 CF(E2 , e) = 0.7 CF(E3 , e) = 0.9 Sehingga CF(E,e) = CF(E1 ∩ E2 ∩ E3 , e) = min [CF(E1,e), CF(E2,e), CF(E3,e)] = min [0.9, 0.7, 0.9] = 0.7 Nilai certainty factor hipotesis adalah: CF(H,e) = CF(E,e) * CF(H,E) = 0.7 * 0.9 = 0.63 Hal ini berarti besarnya kepercayaan pakar terhadap nilai penyakit dengan kode penyakit P001 adalah 0.63 atau bila diprosentasekan nilainya menjadi 63%. Nilai CF (Rule) didapat dari interpretasi “term” dari pakar, yang diubah menjadi nilai CF tertentu sesuai tabel. 2 berikut. Tabel : 2. Certainty Factor (CF) Rule Uncertain Term CF Definitely not (pasti tidak) -1.0 Almost certainly not (hampir pasti -0.8 tidak) Probably not (kemungkinan besar -0.6 tidak) Maybe not (mungkin tidak) -0.4 Unknown (tidak tahu) -0.2 to 0.2 Maybe (mungkin) 0.4 Probably (kemungkinan besar) 0.6 Almost certainly (hampir pasti) 0.8 Definitely (pasti) 1.0
6.
Hasil
Daftar Pustaka:
Form ini merupakan tampilan data knowledge. Pada form ini terdapat aturan dari beberapa pertanyaan berupa gejala dari penyakit tanaman kelapa sawit yang bersangkutan. Gambar. 7 berikut ini menampilkan form knowledge.
[1] [2] [3]
[4] [5] [6]
Gambar : 7. Form Knowledge
7.
Kesimpulan
Dari uraian secara teoritis dan dari hasil penelitian yang dilakukan penulis, maka penulis akan mencoba menarik kesimpulan. Adapun kesimpulan yang penulis kemukakan adalah sebagai berikut : 1. Hasil pengujian ”Sistem Pakar Mendiagnosa Penyakit Tanaman Kelapa Sawit dengan Metode Certainty Factor” menunjukkan bahwa sistem pakar ini dapat mendiagnosa penyakit tanaman kelapa sawit sesuai dengan jawaban yang diberikan oleh user dengan nilai keakuratan 85%. 2. Sistem yang penulis rancang hanya dapat digunakan untuk mendiagnosa penyakit pada tanaman kelapa sawit saja. 3. Metode yang digunakan dalam perancangan aplikasi ini adalah metode Certainty Factor. 4. Dengan dilakukannya pemakaian sistem informasi yang tepat terutama dalam masalah konsultasi, maka hasil yang diperoleh dalam menangani masalah tersebut akan jauh lebih cepat, sehingga data yang dibutuhkan akan lebih cepat dan efisien sekalipun data yang diolah banyak. 5. Sistem pakar yang dibuat akan memberikan solusi berupa penanganan awal serta pola penanganan penyakit tanaman kelapa sawit. 6. Sistem Informasi ini telah dirancang dan diimplementasikan menggunakan program Visual Basic 2010 dan Ms. SQL Server 2008 sebagai databasenya dan sudah dapat digunakan untuk konsultasi mengenai penyakit pada tanaman kelapa sawit.
Arhami Muhammad, 2005, Konsep Dasar Sistem Pakar, Yogyakarta, Andi Offset. Fauzi Yan, et al, 2002, Kelapa Sawit, Jakarta, Penebar Swadaya. Kusumadewi Sri, 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta Roger Presman, 2002, Rekayasa Perangkat Lunak, Yogyakarta, Penerbit Andi. Sutojo, et al, 2011, Kecerdasan Buatan, Jogyakarta, Andi Offset. Wahyuni Linda, 2013, Sistem Pakar Untuk Mendiagnosa Penyakit Kanker Tulang, Prosiding SNIf STMIK Potensi Utama 2013.