SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR
SILMI HASLINDA
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juni 2013 Silmi Haslinda G64104053
ABSTRAK SILMI HASLINDA. Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air. Dibimbing oleh TOTO HARYANTO dan IRZAL EFFENDI. Penelitian ini mengembangkan suatu sistem pakar yang dirancang untuk merekam dan menggunakan ilmu pengetahuan, pengalaman, dan keahlian dari tenaga ahli yang memiliki disiplin ilmu pada bidang perikanan budidaya untuk identifikasi jenis budidaya ikan air tawar yang sesuai dengan lokasi dan kualitas air yang ada. Metode k-fold cross validation digunakan untuk pembagian subset data latih dan data uji dengan 3 kali ulangan untuk tiap pelatihan dan pengujian. Nominal distance digunakan untuk perhitungan jarak pada parameter yang bersifat nominal, sedangkan untuk parameter yang bersifat numerik menggunakan Euclidean distance yang akan digabungkan menggunakan rumus aggregate. Selanjutnya dilakukan proses klasifikasi untuk penentuan jenis ikan yang sesuai dengan menggunakan k-nearest neighbour yang menghasilkan rata-rata akurasi terbaik pada nilai k = 3 dengan normalisasi, yaitu 97.41%. Kata kunci: aggregate, euclidean distance, k-fold cross validation, k-nearest neighbour, nominal distance, sistem pakar
ABSTRACT SILMI HASLINDA. Expert System for Determining Freshwater Fish Farming Type Based on Location and Water Quality. Supervised by TOTO HARYANTO and IRZAL EFFENDI. This research developed an expert system designed to record and use knowledge, experience, and expertise of the experts in aquaculture to identify what types of freshwater fish farming based on location and existing water quality. K-fold cross validation method is used for sharing subset of data train and data test with three replications for each training and testing. Nominal distance is used to calculate distances on the nominal parameters, while Euclidean distance is used to calculate numerical parameters that will be combined using aggregate formula. The resulting distances are combined by aggregate formula. The classification method used for determining the appropriate class type is K-Nearest Neighbor that give the best average of accuracy at k = 3 with normalization, with a value of 97.41%. Keywords: aggregate, Euclidean distance, expert system, k-fold cross validation, k-nearest neighbour, nominal distance
SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR
SILMI HASLINDA
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN INSTITUT PERTANIAN BOGOR BOGOR 2013
Judul Skripsi: Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air Nama : Silmi Haslinda NIM : G641040535
Disetujui oleh
Toto Haryanto, SKom, MSi Pembimbing I
Ir Irzal Effendi, MSi Pembimbing II
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen Ilmu Komputer
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wata’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2012 ini ialah Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air. Terima kasih penulis ucapkan kepada Bapak Toto Haryanto SKom, MSi dan Bapak Ir Irzal Effendi, MSi selaku pembimbing serta kepada Ibu Dr Yeni Herdiyeni SSi, MKom selaku dosen penguji yang telah memberikan arahan dan saran selama penelitian ini berlangsung hingga selesai. Ungkapan terima kasih juga disampaikan kepada orangtua, kakak, adik serta seluruh keluarga dan temanteman, atas segala doa dan kasih sayangnya. Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan skripsi ini. Semoga karya ilmiah ini bermanfaat.
Bogor, Juni 2013 Silmi Haslinda
DAFTAR ISI DAFTAR TABEL
vii
DAFTAR GAMBAR
vii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
3
Manfaat Penelitian
3
Ruang Lingkup Penelitian
3
TINJAUAN PUSTAKA
4
Gambaran Umum Budidaya Perikanan
4
Keragaman Jenis Ikan Air Tawar
4
Ikan Bawal
5
Ikan Patin
5
Ikan Lele
7
Ikan Mas
8
Ikan Nila
9
Ikan Mujair
11
Sistem Pakar
12
K-Fold Cross Validation
12
Normalisasi
12
Confusion Matrix
13
KNN (K-Nearest Neighbour)
13
METODE
14
Akuisisi Pengetahuan
14
Representasi Pengetahuan
15
Pengembangan Mesin Inferensia
15
Identifikasi Masalah
16
Pengadaan Data
17
Praproses Data
21
Penentuan Data Latih dan Data Uji
21
Klasifikasi
21
Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air 22 Hasil Prediksi
22
Implementasi Pengembangan
22
Pengujian
22
HASIL DAN PEMBAHASAN
22
Identifikasi Masalah
22
Akuisisi Pengetahuan
23
Representasi Pengetahuan
24
Pengembangan Mesin Inferensi
24
Identifikasi Masalah
24
Pengadaan Data
25
Praproses Data
25
Min Max Normalization
26
Penentuan Data Latih dan Data Uji Menggunakan K-Fold Cross Validation26 Metode Klasifikasi Menggunakan K-NN
27
Euclidean Distance
27
Nominal Distance
27
Aggregate
27
Tahap KNN (Penetuan Tetangga Terdekat)
28
Percobaan dengan Normalisasi
28
Implementasi
31
Pengujian SIMPULAN DAN SARAN
36 37
Simpulan
37
Saran
37
DAFTAR PUSTAKA
38
LAMPIRAN
40
RIWAYAT HIDUP
44
DAFTAR TABEL 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Standar kualitas air budidaya ikan bawal Standar kualitas air budidaya ikan patin Standar kualitas air budidaya ikan lele Standar kualitas air budidaya ikan mas Standar kualitas air budidaya ikan nila Standar kualitas air budidaya ikan mujair Confusion matrix empat kelas Parameter input yang digunakan Tahapan validasi data dengan pakar Representasi pengetahuan Standar kualitas air dan lokasi budidaya ikan patin Jumlah data setiap subset Susunan data latih dan data uji Hasil akurasi setiap subset dengan k = 3, 5, dan 7 Confusion matrix percobaan dengan k = 7 subset ke-2 Hasil akurasi setiap subset dan rata-rata akurasi setiap nilai k
5 6 8 9 10 11 13 17 23 24 25 27 27 29 29 30
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Ikan patin Ikan lele Ikan mas Ikan nila Ikan mujair Tahapan sistem pakar (Marimin 2005) Tahapan KNN Grafik hasil akurasi pada percobaan dengan normalisasi Grafik rata–rata akurasi setiap nilai k Modul/menu pada sistem Menu tambahan pada sistem Tampilan pertanyaan kondisi awal Tampilan pertanyaan syarat kondisi lokasi dan kualitas air Tampilan penentuan nilai k yang akan digunakan Tampilan hasil akhir identifikasi bagian I Tampilan hasil akhir identifikasi bagian II Tampilan peringatan jika user belum memasukkan nilai Peringatan jika jenis kolam air deras tetapi ketinggian <100 Tampilan peringatan jika nilai yang dimasukkan negatif Tampilan peringatan untuk rentang nilai suhu Tampilan login admin Tampilan awal halaman admin
6 7 8 9 11 15 16 30 31 31 32 32 33 33 33 34 34 35 35 35 35 36
DAFTAR LAMPIRAN 1 2 3 4
Confusion matrix dengan normalisasi Kuisioner I pengujian data ke pakar Kuisioner II pengujian data ke pakar Kuisioner III pengujian validasi pakar
40 41 42 43
PENDAHULUAN Latar Belakang Wilayah Indonesia baik daratan, pesisir, dan laut-nya memiliki potensi untuk pengembangan kegiatan perikanan budidaya. Di wilayah daratan dapat dikembangkan untuk kegiatan budidaya air tawar dengan wadah kolam, keramba di sungai/danau, maupun sumber air lainnnya yang terdapat di daratan. Di wilayah pesisir dapat dikembangkan untuk kegiatan budidaya air payau atau lebih sering dikenal tambak. Demikian pula di wilayah laut dapat dikembangkan untuk kegiatan budidaya laut dengan menggunakan sarana keramba jaring apung (Direktorat Jenderal Perikanan Budidaya 2012). Dari luas potensi yang dimiliki tersebut tingkat pemanfaatannya masih rendah. Berdasarkan data yang diperoleh dari Direktorat Jenderal Perikanan Budidaya (2012), untuk wilayah darat tercatat Indonesia memiliki potensi 2 230 500 ha, namun yang telah dimanfaatkan baru seluas: kolam 119 700 ha, keramba 450 ha, keramba jaring apung 1 320 ha dan sawah 117 310 ha. Untuk wilayah pesisir tercatat Indonesia memiliki potensi tambak seluas 1 224 076 ha, namun yang telah dimanfaatkan untuk kegiatan budidaya baru seluas 612 530 ha dan sebagian besar masih budidaya tradisional dengan tingkat produktivitas lahan yang sangat rendah. Untuk wilayah laut tercatat Indonesia memiliki potensi areal yang cocok untuk kegiatan budidaya adalah 8 363 501 ha, namun yang telah dimanfaatkan hanya 74 543 ha. Salah satu perikanan budidaya yang potensial untuk dikembangkan adalah budidaya ikan air tawar. Keanekaragaman jenis dan plasma nutfah ikan di perairan tawar meliputi 655 jenis ikan. Dari jumlah tersebut, 160 jenis di antaranya tergolong ikan bernilai ekonomi penting, namun baru 13 jenis ikan (8%) yang sudah dibudidayakan (Rukmana 2005 diacu dalam Kesuma 2006). Oleh karena itu, peluang masyarakat untuk memproduksi ikan air tawar dalam skala komersial sangat terbuka lebar. Budidaya perikanan tidak terlepas dari ketersediaan air dan lahan yang merupakan media hidup ikan. Selama ini, usaha budidaya ikan umumnya terkonsentrasi di pedesaan yang ketersediaan lahannya dan airnya relatif masih sangat memadai. Sayangnya, berdasarkan kenyataan yang ditemukan di lapangan, belum semua pembudidaya ikan memahami dan menguasai teknologi budidaya secara baik dan benar. Hal ini terutama disebabkan oleh tingkat pengetahuan dan keterampilan pembudidaya yang umumnya masih relatif rendah. (Khairuman dan Amri 2011). Selama ini masih jarang pembudidaya yang memperhatikan kualitas air yang digunakan untuk budidaya. Pembudidaya biasanya hanya melakukan trial dan error sehingga pengembangan budidaya menjadi lambat. Padahal, ada banyak komoditas perikanan budidaya air tawar yang memiliki karakter yang khas, perbedaan daya tahan dan karakteristik dari ikan itu sendiri. Salah satu faktor yang paling penting dalam budidaya ikan air tawar adalah pemilihan ikan yang berkualitas, yakni sesuai dengan kondisi lokasi budidaya, mudah dibudidayakan dan laku di pasaran. Pemilihan lokasi, meliputi kolam pemeliharaan beserta air yang digunakan secara tepat dan benar merupakan prasyarat keberhasilan
2 budidaya. Adanya kesalahan dalam pemilihan lokasi budidaya dan kualitas air yang jauh melebihi batas toleransi normal, dapat mengakibatkan ikan stres. Stres adalah keadaan yang mana ikan tidak mampu mempertahankan keseimbangan fisiologi dikarenakan beberapa faktor seperti buruknya kualitas air meliputi rendahnya oksigen terlarut, konsentrasi pH yang tidak tepat, bahan nitrogen dan limbah hasil metabolisme lainnya, suhu yang merupakan pengaruh sangat penting pada sistem imunitas ikan, serta cahaya dan gas-gas terlarut sehingga berdampak merugikan bagi kelangsungan hidupnya. Salah satunya dapat mengakibatkan kematian (Floyd 2010). Sebenarnya ikan dapat dipaksa untuk hidup di lingkungan tertentu, namun dapat menimbulkan efek samping seperti pertumbuhan yang lambat, mudah terserang penyakit dan butuh biaya tambahan untuk membuat suatu lingkungan budidaya yang sesuai dengan kebutuhan ikan tersebut. Jika kondisi yang ada sudah sesuai dengan kebutuhan ikan secara alami tentu akan lebih menghemat biaya dan pertumbuhan ikan dapat lebih optimal (Effendi 2004). Beberapa penelitian yang pernah dilakukan sebelumnya di antaranya oleh Kesuma (2006) mengenai optimalisasi produksi budidaya ikan konsumsi air tawar. Junaidi (2010) yang melakukan penelitian mengenai Analisis Potensi Sumberdaya Laut dan Kualitas Perairan Berdasarkan Parameter Fisika dan Kimia. Amriawati (2001) mengenai pengaruh salinitas dan kesadahan moderat terhadap kelangsungan hidup dan pertumbuhan ikan pada sistem resirkulasi. Darusalam (2005) mengenai kondisi kualitas air tambak udang windu dengan pemanfaatan larutan nutrien. Hadinafta (2009) mengenai analisis kebutuhan oksigen untuk dekomposisi bahan organik di lapisan dasar perairan estuari. Minawati (2013) mengenai budidaya ikan air tawar. Shindu (2005) yang melakukan penelitian mengenai kandungan logam berat dalam air, ikan nila dan ikan mas dalam keramba jaring apung. Selain itu, menurut Irianto dan Soesilo (2007) komposisi kimia ikan tergantung kepada spesies, umur, jenis kelamin dan musim penangkapan serta ketersediaan pakan di air, habitat dan kondisi lingkungan. Kandungan protein dan mineral daging ikan relatif konstan, tetapi kadar air dan kadar lemak sangat berfluktuasi. Jika kandungan lemak pada daging semakin besar, kandungan air akan semakin kecil dan sebaliknya. Berdasarkan beberapa penelitian tersebut dan kajian pustaka yang diperoleh, dapat diambil kesimpulan salah satu faktor terpenting dalam melakukan kegiatan budidaya adalah memperhatikan kondisi lokasi dan parameter kimia dan fisika yang terkandung di dalam air yang akan digunakan dalam kegiatan budidaya. Sehingga, pada penelitian ini parameter yang digunakan selain dari kondisi lokasi atau lingkungan juga berasal dari syarat kualitas air yang digunakan. Selain itu, keterbatasan ketersediaan pakar tentunya menghambat masyarakat khususnya pembudidaya, ketika ingin berkonsultasi jenis ikan apa yang sesuai untuk dibudidayakan pada kondisi lokasi dan kualitas air yang ada. Penelitian ini dilakukan untuk merancang suatu sistem pakar yang dapat digunakan pembudidaya dalam usaha budidaya untuk penentuan jenis ikan yang dapat dibudidayakan berdasarkan lokasi dan kualitas air yang ada. Metode yang digunakan untuk membangun model klasifikasi dalam mengidentifikasi jenis ikan air tawar berdasarkan kondisi lokasi dan kualitas air adalah k-nearest neighbour. k-nearest neighbour merupakan teknik yang lebih fleksibel karena mampu
3 mengklasifikasikan data uji ke dalam kelas label dengan cara mencari data latih yang relatif sama dengan data uji (Tan 2006).
Tujuan Penelitian Penelitian ini bertujuan untuk membangun suatu sistem pakar penentuan jenis budidaya ikan air tawar berdasarkan lokasi dan kualitas air dengan k-nearest neighbour sebagai metode klasifikasinya.
Manfaat Penelitian Manfaat penelitian ini adalah menghasilkan suatu sistem pakar yang dapat membantu para pembudidaya khususnya dalam penentuan jenis ikan air tawar yang sesuai dengan lingkungan dan kualitas air yang ada. Khususnya pada tahap pembesaran sehingga tersedia lingkungan yang optimal bagi ikan agar tetap bisa hidup dan tumbuh maksimal.
Ruang Lingkup Penelitian 1.
2.
3.
4.
Ruang lingkup penelitian ini adalah: Data yang digunakan pada penelitian ini berasal dari pakar yaitu Bapak Ir Irzal Effendi, MSi dari Departemen Budidaya Perairan Fakultas Perikanan dan Ilmu Kelautan serta informasi tambahan dari Bapak Abdul Wahid kepala pelayanan teknis dan Bapak Sidi Asih staf peneliti breading dan genetika Balai Penelitian dan Pengembangan Budidaya Ikan Air Tawar dan telaah pustaka. Jenis ikan yang digunakan sebagai kelas adalah 6 jenis ikan, yaitu ikan bawal, ikan patin, ikan lele, ikan mas, ikan nila, dan ikan mujair. Karena keenam ikan ini merupakan ikan air tawar konsumsi yang banyak digemari dan populer di perikanan budidaya serta mewakili masing-masing kelompok jenis ikan air tawar lainnya. Selain itu, keenam jenis ikan ini juga memiliki karakteristik kebutuhan lingkungan hidup yang hampir sama namun berbeda. Pengujian yang dilakukan pada ikan bawal, ikan patin, ikan lele, ikan mas, ikan nila, dan ikan mujair sesuai dengan parameter kondisi lokasi dan syarat kualitas air khususnya pada tahap pembesaran. Parameter yang digunakan adalah parameter yang memiliki keterkaitan satu sama lain dan pengaruh pada kelangsungan hidup ikan jika tidak terpenuhi. Parameter fisika meliputi suhu dan kecerahan. Parameter kimia meliputi syarat tanah, sistem pengairan, jenis kolam, ketinggian dataran, keasaman air (pH), dissolved oxygen (DO), kadar NH3, kadar karbondioksida (CO2), kadar NO2, alkalinitas, dan kesadahan total.
4
TINJAUAN PUSTAKA Gambaran Umum Budidaya Perikanan Budidaya perikanan adalah kegiatan untuk memproduksi biota (organisme) akuatik di lingkungan terkontrol dalam rangka mendapat keuntungan (profit). Organisme akuatik yang diproduksi mencakup kelompok ikan, udang, hewan bercangkang (molusca), ekinodermata, dan alga. Budidaya perikanan juga dapat didefinisikan sebagai campur tangan (upaya-upaya) manusia untuk meningkatkan produktivitas perairan melalui kegitan budidaya. Kegiatan budidaya yang dimaksud adalah kegiatan pemeliharaan untuk memperbanyak (produksi), menumbuhkan (perbesaran), dan meningkatkan mutu biota akuatik sehingga diperoleh keuntungan (Effendi 2004). Secara garis besar, kegiatan budidaya perikanan dibagi menjadi dua bagian, yaitu kegiatan produksi on farm dan off farm. Kegiatan off farm meliputi pengadaan prasarana dan sarana produksi, penanganan hasil panen, distribusi hasil, dan pemasaran sedangkan kegiatan produksi on farm terdiri dari pembenihan dan pembesaran. Pembenihan ikan adalah kegiatan pemeliharaan yang bertujuan untuk menghasilkan benih dan selanjutnya benih yang dihasilkan menjadi komponen input bagi kegiatan pembesaran (Effendi 2004). Pembesaran ikan adalah kegiatan pemeliharaan yang bertujuan untuk menghasilkan ikan ukuran konsumsi. Pada kegiatan pembesaran, ikan didorong untuk tumbuh secara maksimum hingga mencapai ukuran panen atau ukuran pasar melalui penyediaan lingkungan media hidup yang optimal, pemberian makan yang tepat jumlah, mutu, cara dan waktu dan pengendalian penyakit. Untuk dapat melakukan kegiatan budidaya perikanan dibutuhkan sebuah sistem budidaya perikanan. Menurut Effendi (2004) sistem budidaya perikanan adalah wadah produksi beserta komponen lainnya dan teknologi yang diterapkan pada wadah tersebut serta bekerja secara sinergis dalam rangka mencapai tujuan budidaya perikanan. Sistem budidaya perikanan dapat dibagi menjadi dua kelompok besar, yaitu sistem budidaya perikanan berbasiskan air dan sistem budidaya perikanan berbasiskan daratan. Pada penelitian Kesuma (2006) disebutkan bahwasanya sistem budidaya berbasis daratan terdiri dari kolam air tenang, kolam air deras, tambak, dan bak akuarium. Sistem budidaya daratan terpisah dari perairan yang menjadi sumber sistem ini. Penyaluran air dari perairan dilakukan dengan menggunakan saluran atau pipa. Salah satu sistem budidaya daratan yang sering ditemui adalah kolam air tenang.
Keragaman Jenis Ikan Air Tawar Ikan air tawar merupakan jenis ikan yang hidup dan menghuni perairan daratan (inland water) yaitu perairan dengan kadar garam (salinitas) 0-5 ppt seperti sungai, saluran irigasi, danau, waduk, rawa dan sebagainya (Effendi 2004). Ikan air tawar sangat potensial untuk dikembangkan diberbagai daerah mulai dari pegunungan, perbukitan, hingga dataran rendah dekat pantai.
5 Beberapa jenis ikan air tawar yang biasa dibudidayakan antara lain ikan mas, nila, mujair, lele, patin, dan bawal. Produksi perikanan tangkap dari penangkapan ikan dilaut dan di perairan umum pada tahun 2006 masing-masing sekitar 4 468 010 ton dan 301 150 ton (Ditjen Perikanan Tangkap 2007). Sedangkan produksi perikanan budidaya pada tahun 2006 mencapai 2 625 800 ton. Produksi perikanan budidaya didominasi oleh udang 327 260 ton, rumput laut 1 079 850 ton, ikan mas 285 250 ton, bandeng 269 530 ton, nila 227 000 ton, ikan lele 94 160 ton, gurameh 35 570 ton dan kerapu 8 430 ton (Ditjen Perikanan Budidaya 2007). Potensi sumberdaya perikanan yang dimiliki oleh Indonesia tersebut dan produksi yang dihasilkannya menunjukkan bahwa perikanan memiliki potensi yang baik untuk berkontribusi di dalam pemenuhan gizi masyarakat, khususnya protein hewani, di samping kontribusinya dalam pertumbuhan perekonomian Indonesia (Irianto dan Soesilo 2007).
Ikan Bawal Ikan bawal (Colossoma macropopum), berasal dari Brazil. Di negeri asalnya, bawal disebut Tambaqui. Bawal dapat tumbuh dengan cepat. Dagingnya pun enak. Ikan bawal air tawar merupakan ikan yang potensial untuk karena berbagai kelebihannya. Ikan ini mampu untuk hidup dengan baik di kolam maupun di keramba jaring apung (Arie 2000). Budidaya ikan bawal mendatangkan keuntungan yang optimal apabila dilakukan pengelolaan tempat budidaya, benih, kualitas air, pakan, dan pengendalian penyakit. Karena ikan bawal termasuk pada golongan ikan budidaya air deras yang perlu selalu memperhatikan kualitas air, maka apabila kondisi air berbahaya bagi kehidupan ikan maka harus dilakukan tindakan penyelamatan (Ciptanto 2010). Standar kualitas air budidaya ikan bawal dilihat pada Tabel 1. Tabel 1 Standar kualitas air budidaya ikan bawal Parameter Kualitas Air Standar Kualitas Air Suhu 25–30 C pH 7–8 Oksigen Terlarut (DO) >4 mg/lt NH3 <0.02 mg/lt Kecerahan 20–40 cm Karbondioksida (CO2) <25 mg/lt Nitrit (NO2) <0.05 ppm Alkalinitas 50–500 mg/lt Kesadahan Total >50 mg/lt Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk pada Ciptanto (2010) Ikan Patin Ikan Patin (Pangasius djambal, P. hypophthalmus) merupakan salah satu jenis lele–lelean yang banyak dibudidayakan selain ikan lele. Ikan patin lebih
6 banyak menetap di dasar perairan dibandingkan di permukaan. Salah satu contoh ikan patin dapat dilihat pada Gambar 1.
Gambar 1 Ikan patin Berikut adalah klasifikasi dari ikan patin: Ordo : Ostarioplaysi. Subordo : Siluriodea. Famili : Pangasidae. Genus : Pangasius. Spesies : Pangasius pangasius Ham. Buch. Menurut Prihatman (2000) persyaratan lokasi untuk budidaya ikan patin di antaranya tanah yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak berporos. Jenis tanah tersebut dapat menahan massa air yang besar dan tidak bocor sehingga dapat dibuat pematang/dinding kolam. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3–5% untuk memudahkan pengairan kolam secara gravitasi. Apabila pembesaran patin dilakukan dengan jala apung yang dipasang disungai, maka lokasi yang tepat yaitu sungai yang berarus lambat. Kualitas air untuk pemeliharaan harus bersih, tidak terlalu keruh dan tidak tercemar bahan kimia beracun dan minyak/limbah pabrik. Untuk menghindari timbulnya jamur, perlu ditambahkan larutan penghambat pertumbuhan jamur (Emolin atau Bltzich dengan dosis 0.05 cc/lt). Suhu air yang baik pada saat penetasan telur menjadi larva di akuarium adalah 26–28 C. Pada daerah yang suhu airnya relatif rendah diperlukan heater untuk mencapai suhu optimal yang relatif stabil. Standar kualitas air untuk budidaya ikan patin dilihat pada Tabel 2. Tabel 2 Standar kualitas air budidaya ikan patin Parameter Kualitas Air Standar Kualitas Air Suhu 28–32 C pH 6–7 Oksigen Terlarut (DO) 4.5–6.5 mg/lt NH3 <0.05 ppm Transparansi 40–60 cm Karbondioksida (CO2) 9–20 ppm Nitrit (NO2) <0.05 ppm Alkalinitas >20 mg/lt Kesadahan Total >20 mg/lt Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk pada Ciptanto (2010)
7
Ikan Lele Ikan Lele (Clarias batracus, C. gariepinus) adalah jenis ikan air tenang. Ikan lele tahan terhadap air yang kualitasnya jelek, karena mempunyai alat pernapasan tambahan selain insang yaitu labyrinth. Lingkungan hidup lele cukup fleksibel. Namun, agar budidaya bisa optimal dan memberikan keuntungan ekonomi, kualitas air harus dijaga (Khairuman dan Amri 2011). Salah satu contoh ikan lele dapat dilihat pada Gambar 2.
Gambar 2 Ikan lele Berikut adalah klasifikasi dan gambar ikan lele menurut Saanin dalam Djatmika et al (1986). Kingdom : Animalia Sub-kingdom : Metazoa Phyllum : Chordata Sub-phyllum : Vertebrata Klas : Pisces Sub-klas : Teleostei Ordo : Ostariophysi Sub-ordo : Siluroidea Familia : Clariidae Genus : Clarias Menurut Prihatman (2000) persyaratan lokasi untuk budidaya ikan lele di antaranya jenis yang digunakan untuk kolam pemeliharaan adalah tanah liat/lempung, tidak berporos, berlumpur dan subur. Lahan yang digunakan untuk budidaya dapat berupa sawah, kecomberan, kolam pekarangan, kolam kebun, dan blumbang. Ikan lele hidup dengan baik di dataran rendah sampai daerah yang tingginya maksimal 700 m dpl. Elevasi tanah dari permukaan sumber air dan kolam adalah 5–10%. Lokasi pembuatan kolam harus berhubungan langsung atau dekat dengan sumber air dan tidak dekat dengan jalan raya. Hendaknya di tempat yang teduh, tetapi tidak berada di bawah pohon yang daunnya mudah rontok. Ikan lele dapat hidup pada suhu 200 C dengan suhu optimal 25–280 C. Untuk pertumbuhan larva diperlukan kisaran suhu 26–300 C dan untuk pemijahan 24–280 C. Ikan lele dapat hidup dalam perairan agak tenang dan kedalamannya cukup. Sekalipun kondisi airnya jelek, keruh, kotor dan miskin zat O2 perairan tidak boleh tercemar oleh bahan kimia, limbah industri, merkuri, mengandung kadar minyak atau bahan lainn yang dapat mematikan ikan. Sebaiknya perairan banyak mengandung zat yang dibutuhkan dan bahan makanan alami serta bukan perairan yang rawan banjir. Permukaan perairan tidak boleh tertutup rapat oleh sampah/daun-daunan hidup seperti enceng gondok.
8 Mempunyai kesadahan maksimal 100 ppm dan optimal 50 ppm, turbidity bukan lumpur antara 30–60 cm, kebutuhan O2 optimal pada range yang cukup lebar 0.3 ppm untuk yang dewasa sampai jenuh untuk burayak, dan kandungan CO2 <12.8 mg/liter. Standar kualitas air untuk budidaya ikan lele dapat dilihat pada Tabel 3. Tabel 3 Standar kualitas air budidaya ikan lele Parameter Kualitas Air Standar Kualitas Air Suhu 25–30 C pH 6.5–8.5 Oksigen Terlarut (DO) > 4 mg/lt NH3 <0.02 ppm Transparansi 20–40 cm Karbondioksida (CO2) 2–11 ppm Nitrit (NO2) <0.25 ppm Alkalinitas >20 mg/lt Kesadahan Total >20 mg/lt Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk pada Ciptanto (2010) Ikan Mas Menurut Prihatman (2000), ikan mas merupakan jenis ikan konsumsi air tawar berbadan memanjang pipih kesamping dan lunak. Ikan mas sudah dipelihara sejak tahun 475 sebelum masehi di Cina. Di Indonesia ikan mas mulai dipelihara sekitar tahun 1920. Ikan mas yang terdapat di Indonesia merupakan merupakan ikan mas yang dibawa dari Cina, Eropa, Taiwan dan Jepang. Ikan mas Punten dan Majalaya merupakan hasil seleksi di Indonesia. Salah satu contoh gambar ikan mas dapat dilihat pada Gambar 3.
Gambar 3 Ikan mas Sampai saat ini sudah terdapat 10 ikan mas yang dapat diidentifikasi berdasarkan karakteristik morfologisnya. Dalam ilmu taksonomi hewan, klasifikasi ikan mas adalah sebagai berikut. Kelas : Osteichthyes Anak kelas : Actinopterygii Bangsa : Cypriniformes Suku : Cyprinidae Marga : Cyprinus Jenis : Cyprinus carpio L. Beberapa persyaratan lokasi untuk budidaya ikan mas di antaranya tanah yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak
9 berporos. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3–5% untuk memudahkan pengairan kolam secara gravitasi. Ikan mas dapat tumbuh normal jika lokasi pemeliharaan berada pada ketinggian 150–1000 m dpl. Standar kualitas air untuk budidaya ikan mas dilihat pada Tabel 4. Tabel 4 Standar kualitas air budidaya ikan mas Parameter Kualitas Air Standar Kualitas Air Suhu 20–25 C pH 7–8 Oksigen Terlarut (DO) > 5 mg/lt NH3 <0.02 ppm Kekeruhan 40–60 cm Karbondioksida (CO2) 2-11 ppm Nitrit (NO2) <0.05 ppm Alkalinitas >20 mg/lt Kesadahan Total >20 mg/lt Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk pada Ciptanto (2010) Kualitas air pemeliharaan harus bersih, tidak terlalu keruh dan tidak tercemar bahan kimia beracun, dan minyak/limbah pabrik. Ikan mas dapat berkembang pesat di kolam, sawah, kakaban, dan sungai air deras. Kolam dengan sistem pengairan mengalir sangat baik bagi pertumbuhan dan perkembangan fisiknya. Debit air untuk kolam air tenang 8–15 lt/detik/ha, sedangkan untuk pembesaran di kolam air deras debitnya 100 lt/menit/m3.
Ikan Nila Menurut Prihatman (2000), ikan nila berasal dari Sungal Nil dan danau sekitarnya. Sekarang ikan ini telah tersebar ke negara–negara di lima benua yang beriklim tropis dan subtropis. Sedangkan di wilayah yang beriklim dingin, ikan nila tidak dapat hidup baik. Ikan nila disukai oleh berbagai bangsa karena dagingnya enak dan tebal seperti daging ikan kakap merah. Bibit ikan ini didatangkan ke Indonesia secara resmi oleh Balai Penelitian Perikanan Air Tawar pada tahun 1969. Setelah melalui masa penelitian dan adaptasi, barulah ikan ini disebarluaskan kepada petani di seluruh Indonesia. Nila adalah nama khas Indonesia yang diberikan oleh Pemerintah melalui Direktur Jenderal Perikanan. Salah satu contoh ikan nila dapat dilihat pada Gambar 4.
Gambar 4 Ikan nila
10 Menurut Suyanto (2003), nila dapat hidup di lingkungan air tawar, air payau, dan air asin. Nilai pH air tempat hidup ikan nila antara 6–8.5. Suhu optimal untk ikan nila antara 25–30 C. Oleh karena itu, ikan nila cocok dipelihara di dataran rendah sampai agak tinggi (500 m dpl). Berikut adalah klasifikasi ikan nila: Kelas : Osteichthyes Sub-kelas : Acanthoptherigii Crdo : Percomorphi Sub-ordo : Percoidea Famili : Cichlidae Genus : Oreochromis Spesies : Oreochromis niloticus Beberapa persyaratan lokasi untuk budidaya ikan nila di antaranya tanah yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak berporos. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3-5% untuk memudahkan pengairan kolam secara gravitasi. Ikan nila cocok dipelihara di dataran rendah sampai agak tinggi (500 m dpl). Kualitas air untuk pemeliharaan harus bersih, tidak terlalu keruh dan tidak tercemar bahan kimia beracun, dan minyak/limbah pabrik. Kekeruhan air yang disebabkan oleh pelumpuran akan memperlambat pertumbuhan ikan. Lain halnya bila kekeruhan air disebabkan oleh adanya plankton. Air yang kaya plankton dapat berwarna hijau kekuningan dan hijau kecokelatan karena banyak mengandung diatom. Sedangkan plankton/alga biru kurang baik untuk pertumbuhan ikan. Tingkat kecerahan air dapat diukur dengan alat yang disebut piring secchi (secchi disc). Untuk di kolam dan tambak, angka kecerahan yang baik 20–35 cm. Debit air untuk kolam air tenang 8–15 lt/detik/ha. Kondisi perairan tenang dan bersih, karena ikan nila tidak dapat berkembang biak dengan baik di air arus deras. Nilai keasaman air (pH) tempat hidup ikan nila berkisar 6–8.5. Sedangkan keasaman air (pH) yang optimal adalah antara 7–8. Kadar garam air yang disukai antara 0–35 per mil. Standar kualitas air untuk budidaya ikan nila dilihat pada Tabel 5. Tabel 5 Standar kualitas air budidaya ikan nila Parameter Kualitas Air Standar Kualitas Air Suhu 25–30 C pH 6.5–8.5 Oksigen Terlarut (DO) 4–5 mg/lt NH3 <0.016 mg/lt Kecerahan 40–50 cm Karbondioksida (CO2) <15 mg/lt Nitrit (NO2) <0.05 ppm Alkalinitas >20 mg/lt Kesadahan Total >20 mg/lt Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk pada Ciptanto (2010)
11 Ikan Mujair Menurut Prihatman (2000), Ikan mujair merupakan jenis ikan konsumsi air tawar, bentuk badan pipih dengan warna abu–abu, coklat atau hitam. Ikan ini berasal dari perairan Afrika dan pertama kali di Indonesia ditemukan oleh bapak Mujair di muara sungai serang pantai selatan Blitar Jawa Timur pada tahun 1939. Ikan mujair mempunyai toleransi yang besar terhadap kadar garam/salinitas. Jenis ikan ini mempunyai kecepatan pertumbuhan yang relatif lebih cepat, tetapi setelah dewasa percepatan pertumbuhannya akan menurun. Panjang total maksimum yang dapat dicapai ikan mujair adalah 40 cm. Salah satu contoh ikan mujair dapat dilihat pada Gambar 5.
Gambar 5 Ikan mujair Berikut adalah klasifikasi dari ikan mujair: Kelas : Pisces Sub kelas : Teleostei Ordo : Percomorphi Sub-ordo : Percoidea Famili : Cichlidae Genus : Oreochromis Species :Oreochromis mossambicus Beberapa persyaratan lokasi untuk budidaya ikan mujair di antaranya tanah yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak berporos. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3–5% untuk memudahkan pengairan kolam secara gravitasi. Ikan mujair dapat tumbuh normal, jika lokasi pemeliharaan berada pada ketinggian antara 150–1000 m dpl. Standar kualitas air untuk budidaya ikan mujair dapat dilihat pada Tabel 6. Tabel 6 Standar kualitas air budidaya ikan mujair Parameter Kualitas Air Standar Kualitas Air Suhu 20–25 C pH 7–8 Oksigen Terlarut (DO) 4–5 mg/lt NH3 <0.016 mg/lt Kecerahan 40–50 cm Karbondioksida (CO2) <15 mg/lt Nitrit (NO2) <0.05 ppm Alkalinitas >20 mg/lt Kesadahan Total >20 mg/lt Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk pada Ciptanto (2010)
12 Kualitas air untuk pemeliharaan ikan mujair harus bersih, tidak terlalu keruh dan tidak tercemar bahan kimia beracun, dan minyak/limbah pabrik. Ikan mujair dapat berkembang pesat di kolam, sawah, kakaban, dan sungai air deras. Kolam dengan sistem pengairannya yang mengalir sangat baik bagi pertumbuhan dan perkembangan fisik ikan mujair. Debit air untuk kolam air tenang 8–15 lt/detik/ha, sedangkan untuk pembesaran di kolam air deras debitnya 100 lt/menit/m3.
Sistem Pakar Sistem pakar dapat dirancang untuk merekam dan menggunakan ilmu pengetahuan, pengalaman, dan keahlian dari berbagai tenaga ahli yang memiliki disiplin ilmu yang berbeda (Marimin 2005). Sistem pakar berbeda dengan program konvensional yang hanya dapat dipahami oleh pembuat program. Sistem pakar bersifat interaktif dan mampu menjelaskan pertanyaan pengguna. Sistem pakar merupakan salah satu alternatif terbaik untuk menylesaikan persoalan dengan menggunakan komputer yang didukung oleh teknik kecerdasan buatan, terutama untuk pemecahan persoalan yang kompleks dan belum memiliki algoritme. Pengetahuan yang digunakan dalam sistem pakar terdiri dari kaidah– kaidah atau informasi dari pengalaman tentang tingkah laku suatu unsur dari gugus persoalan. Kaidah–kaidah biasanya memberikan deskripsi tentang kondisi yang diikuti oleh akibat dari prasyarat tersebut (Marimin 2005). Tujuan perancangan sistem pakar adalah untuk memperrmudah kinerja atau bahkan mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa ahli, training tenaga ahli baru, penyediaan keahlian yang diperlukan oleh suatu proyek yang tidak ada atau tidak mampu membayar tenaga ahli (Marimin 2005).
K-Fold Cross Validation Sebelum digunakan, sebuah sistem berbasis komputer harus dievaluasi dalam berbagai aspek. Di antara aspek–aspek ini, validasi kinerja bisa merupakan yang paling penting (Fu 1994). Metode k-fold cross validation membagi sebuah himpunan contoh secara acak menjadi k himpunan bagian lain (subset) yang paling bebas. Dilakukan ulangan serbanyak k kali untuk pelatihan dan pengujian. Pada setiap ulangan disisipkan setiap subset untuk pengujian dan subset lainnya untuk pelatihan (Fu 1994 diacu dalam Nurjayanti 2011).
Normalisasi Pada perhitungan jarak Euclidean, atribut berskala panjang dapat mempunyai pengaruh lebih besar daripada atribut berskala pendek. Untuk mencegah hal tersebut perlu dilakukan normalisasi terhadap nilai atribut (Larose 2005). Salah satu metode normalisasi adalah min-max normalization yang diterapkan untuk parameter numerik. Formula untuk normalisasi atribut X dapat dilihat pada Persamaan 1.
13 𝑋∗ =
𝑋−min (𝑋)
....................... (1)
max 𝑋 − min (𝑋)
Dengan X* adalah nilai setelah dinormalisasi, X adalah nilai sebelum dinormalisasi, min(X) adalah nilai minimum dari parameter, dan max(X) adalah nilai maksimum dari suatu parameter.
Confusion Matrix Evaluasi model klasifikasi berdasar pada proporsi antara data uji yang diprediksi secara tepat dengan total seluruh prediksi (Tan 2006). Informasi mengenai klasifikasi sebenarnya (aktual) dengan klasifikasi hasil prediksi dibentuk dalam tabel yang disebut confusion matrix seperti yang terlihat pada Tabel 7. Tabel 7 Confusion matrix empat kelas Kelas hasil prediksi Kelas aktual Kelas 1 Kelas 2 Kelas 3 Kelas 1 A b c Kelas 2 E f g Kelas 3 I j k Kelas 4 m n o
Kelas 4 d h l p
Akurasi merupakan proporsi jumlah prediksi yang tepat. Contoh perhitungan akurasi untuk tabel tesebut dapat dilihat pada Persamaan 2. Akurasi =
Jumlah prediksi yang tepat total prediksi
x 100% =
a+f+k+p a+b+c+…+n+o+p
.................. (2)
KNN (K-Nearest Neighbour) K-nearest neighbour merepresentasikan setiap data sebagai titik dalam kruang dimensi. Jika ada sebuah data uji maka akan dihitung kedekatan titik data latih untuk diklasifikasikan berdasarkan kedekatan–kedekatan titik data lainnya pada data latih untuk diklasifikasikan berdasarkan kedekatannya yang didefinisikan dengan ukuran jarak (Han dan Kamber 2006). Analisis data mendefinisikan ukuran kedekatan atau ukuran kesamaan menggunakan fungsi jarak. Fungsi jarak yang umumnya digunakan adalah jarak Euclidean dengan menggunakan rumus sebagai berikut (Larose 2005). Jarak Euclidean dapat dicari menggunakan Persamaan 3. d x, y =
2 n i=1 (xi-yi)
....……….. (3)
Dengan x = x1, x2, … , xm menyatakan data uji, y = y1, y2, … , ym menyatakan data latih dan xi-yi = selisih data uji dengan data latih. Pada penelitian ini, terdapat dua jenis data yang digunakan yaitu data numerik dan data nominal. Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui pengelompokan objek berdasarkan kategori
14 tertentu. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat dibandingkan (Dharma 2008). Untuk data nominal atau yang disebut juga kategori, penggunaan jarak Euclidean tidak tepat, sebaliknya dapat didefinisikan dengan sebuah fungsi yang digunakan untuk membandingkan nilai data uji dan data latih. Untuk menghitung jarak nominal menggunakan rumus sebagai berikut (Larose 2005). Perhitungan jarak nominal dapat dilihat pada Persamaan 4. di=
0 1
Jika xi = yi Selainnya
…………….. (4)
Yang berarti jika data latih sama dengan data uji maka jaraknya 0, selainnya jaraknya 1. Untuk menggabungkan kedua jarak semua variabel, dilakukan aggregate ketidaksamaan berat rata-rata dari jarak masing–masing parameter dengan menggunakan rumus pada Persamaan 5. Sij=
n k=1 wijk . Sijk n w k=1 ijk
……………………... (5)
Dengan k merupakan variabel parameter, ij selisih data latih dan data uji, Sijk merupakan kesamaan dan ketidaksamaan antara objek dimana Wijk bernilai 1 untuk nilai numerik dan 0.5 untuk nilai nominal. Nilai pembobotan ini diberikan agar jarak parameter nominal tidak terlalu mendominasi hasil perhitungan (Nurjayanti 2011).
METODE Pada penelitian ini akan digunakan metode penelitian yang mengacu pada tahap–tahap pembentukan sistem pakar seperti yang dijelaskan Marimin (2005) yang ditunjukan pada Gambar 6.
Akuisisi Pengetahuan Tahap akuisisi pengetahuan merupakan tahap penyerapan pengetahuan dari pakar. Tahap ini penting, kritis, dan sangat menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat diselesaikan oleh pakar. Bentuk struktur data pada basis pengetahuan tergantung dari hasil akuisisi pengetahuan. Pengetahuan dari pakar dapat diperoleh melalui wawancara dan telaah pustaka. Dalam hal ini knowledge engineer (KE) menyodorkan permasalahan dan pakar menjelaskan proses penyelesaian masalah tersebut. Beberapa metode yang dapat digunakan dalam akuisisi pengetahuan adalah metode observasi, metode analisa masalah, metode diskusi masalah, metode intuisi, dan metode deskripsi masalah.
15 Representasi Pengetahuan Setelah memperoleh pengetahuan dari berbagai sumber, KE mulai memilih teknik representasi pengetahuan yang diperoleh. Hasil dari representasi pengetahuan digunakan untuk membantu pengambilan keputusan pada sistem pakar yang dikembangkan. Mulai
Identifikasi Masalah
Akuisisi Pengetahuan
Representasi Pengetahuan
Pengembangan Mesin Inferensi
Implementasi
Pengujian
Tidak
Mewakili Pakar?
Ya Selesai
Gambar 6 Tahapan sistem pakar (Marimin 2005)
Pengembangan Mesin Inferensia Dari hasil akuisisi diperoleh fakta, informasi dan strategi penalaran untuk memecahkan persoalan. Fakta dan informasi selanjutnya dirumuskan dan direpresentasikan dengan metode yang dipilih pada tahap representasi pengetahuan. Ketidakpastian pengetahuan dan strategi penalarannya perlu diklasifikasikan serta dipilih metode penanganannya. Berdasarkan strategi penalaran dan representasi pengetahuan yang ada, metode inferensi yang digunakan adalah metode KNN. Tahapan pada KNN yang dilakukan dapat dilihat pada Gambar 7.
16
Mulai
Identifikasi Masalah
Pengadaan Data
Praproses Data
Penentuan Data Latih dan Data Uji
Data Uji
Data Latih
KNN
Model Identifikasi Lokasi & Kualitas Air Jenis Ikan air tawar
Hasil Prediksi
Selesai
Gambar 7 Tahapan KNN Identifikasi Masalah Menurut Maguire (1988) dalam Marimin (2005) pada tahap identifikasi masalah perlu dipertimbangkan hal seperti jenis penerapan baru (terminologi, pengembangan alat, arsitektur sistem, dan interface pemakai) untuk pemakai umum dan sistem perorangan, pengembangan sistem pakar yang sesuai dengan model pengetahuan pakar, desain yang erat kaitannya dengan versi data sistem pakar (mesin inferensi) yang akan dikembangkan, dan keterpaduan sistem (volume data komunikasi dan memori yang diperlukan, serta beban pengolahan) dengan lingkungan produksi yang dimiliki pengguna.
17 Pengadaan Data Penelitian ini menggunakan beberapa variabel untuk dapat mengidentifikasi jenis ikan berdasarkan lokasi dan kualitas air. Parameter ini diperoleh dengan cara wawancara langsung dengan pakar yaitu Bapak Ir Irzal Effendi, MSi dari BDP Fakultas Perikanan dan Ilmu Kelautan, serta informasi tambahan dari Bapak Abdul Wahid kepala pelayanan teknis dan Bapak Sidi Asih staf peneliti breading dan genetika Balai Penelitian dan Pengembangan Budidaya Ikan Air Tawar (Sempur-Bogor) dan telaah pustaka. Parameter input yang akan digunakan dapat dilihat pada Tabel 8. Tabel 8 Parameter input yang digunakan Parameter yang digunakan Lokasi Kualitas air 1. Jauh dari pembuangan limbah 1. Suhu 2. Ada sumber air 2. pH 3. Syarat tanah 3. Oksigen terlarut 4. Jenis kolam 4. NH3 5. Sistem pengairan 5. Kecerahan 6. Ketinggian dataran 6. Karbondioksida (CO2) 7. Nitrit (NO2) 8. Alkalinitas 9. Kesadahan total Adapun penjelasan lebih lengkap mengenai masing-masing parameter menurut Ciptanto (2010), Cahyono (2001), Effendi (2004), dan Ghufran et al. (2010) adalah sebagai berikut: Syarat–Syarat Lokasi Budidaya Ikan Air Tawar a) Sumber Air Lokasi budidaya harus mempunyai sumber air yang memadai. Untuk sumber air ini bisa berupa sungai, aliran irigasi, maupun mata air. Suplai air sedapat mungkin tersedia sepanjang tahun dengan debit yang memadai. b) Syarat Tanah Lahan untuk kolam sebaiknya adalah tanah yang liat atau lempung berpasir (sandy clay) sehingga tidak porus. Tanah harus mampu menahan massa air yang besar dan tidak mudah bocor sehingga dapat dibuat pematang. c) Kualitas Air Kualitas air pada lokasi budidaya harus memenuhi persyaratan untuk hidup sehat ikan yang dibudidayakan. Nilai kualitas air untuk masing–masing jenis ikan air tawar berbeda. Secara umum parameter kualitas air untuk budidaya ikan dilihat dari faktor fisik air meliputi temperatur, kecerahan, dan kekeruhan air. Ketiganya sangat berpengaruh besar terhadap keberhasilan budidaya ikan. Bila salah satu saja tidak memenuhi syarat, ikan tentu tidak dapat tumbuh optimal dan kimia air meliputi kadar oksigen terlarut, derajat
18 keasaman, kadar amonia (NH3), kadar karbondioksida (CO2), kadar nitrogen (NO2) terlarut dalam kolam, alkalinitas, dan kesadahan total. d) Jauh dari Tempat Pembuangan Limbah Lokasi budidaya harus jauh dari limbah industri maupun limbah rumah tangga. Limbah akan mencemari air sehingga kualitas air tidak memenuhi syarat untuk pertumbuhan ikan. Bila kadar pencemaran limbahnya tinggi maka ikan yang dibudidayakan bisa mati. e) Kolam Air Tenang Kolam air tenang adalah wadah pemeliharaan ikan yang di dalamnya terdapat air bersifat menggenang (stagnant). Air yang masuk ke dalam kolam ini hanya untuk mengganti air yang hilang akibat penguapan (evaporasi) atau rembesan (infiltrasi) sehingga tinggi permukaan air kolam dipertahankan tetap. Untuk kolam seluas 1000 m2, debit air yang dibutuhkan untuk mempertahankan ketinggian air tetap konstan adalah sekitar 0.5–5 lt/detik, tergantung pada kondisi pencahayaan matahari dan kolam. Kolam air tenang menggunakan perairan tawar sebagai sumber airnya, yaitu sungai, saluran irigasi, mata air, hujan, sumur, waduk, danau, dan situ (Effendi 2004). f) Kolam Air Deras Kolam air deras (raceway) adalah kolam yang didesain untuk memungkinkan terjadinya aliran air (flowthrough) dalam pemeliharaan ikan dengan padat penebaran yang tinggi. Aliran air yang melimpah dan relatif deras serta kaya oksigen ini penting untuk menyuplai oksigen dalam respirasi ikan dan membuang (flushing out) limbah metabolisme, terutama amonia. Debit air di kolam air deras dapat ditentukan dengan patokan setiap 10 menit seluruh air kolam sudah berganti semua. Sebagai contoh, bila ukuran kolam air deras (volume air) adalah 30 m3 maka dengan patokan tersebut debit air yang dibutuhkan kolam tersebut adalah 30 m3/10 menit atau 50 lt/detik. Bila dibandingkan dengan kolam air tenang yang berdebit air 0.5–5 lt/detik maka debit kolam air deras bisa 10–100 kali kolam air tenang (Effendi 2004). Standar Kualitas Air untuk Budidaya Ikan Air Tawar a) Temperatur Air/Suhu Menurut Rounsefell dan Everhart (1953), pada temperatur yang rendah, proses pencernaan makanan pada ikan berlangsung lambat. Sedangkan pada suhu yang hangat proses pencernaan pada ikan berlangsung lebih cepat. Suhu yang mematikan untuk semua jenis ikan adalah 10–11C selama beberapa hari. Nafsu makan ikan akan menurun pada suhu di bawah 16 C, sementara respon ikan mengalami penurunan pada suhu 21C.
b) Kecerahan Kecerahan air atau transparansi, adalah daya tembus cahaya matahari ke dalam perairan. Kecerahan air dipengaruhi oleh kerapatan plankton dan kekeruhan yang disebabkan oleh partikel tanah terlarut. Pengukuran kecerahan
19 air seringkali dilakukan pada budidaya intensif maupun super intensif. Alat untuk mengukur kecerahan air adalah piring seichi (seichi disk). Tingkat kecerahan air yang baik untuk budidaya adalah 60–100 cm. Artinya, pada kedalaman 60–100 cm, cahaya matahari masih bisa menembus. Pada kecerahan 20 cm, kerapatan plankton sudah pada ambang batas berbahaya karena justru menurunkan kualitas air secara umum. c) Kadar Oksigen Terlarut (Dissolved Oxygen [DO]) Oksigen terlarut adalah oksigen dalam bentuk terlarut di dalam air karena ikan tidak dapat mengambil oksigen dalam perairan dari difusi langsung dengan udara. Satuan pengukuran oksigen terlarut adalah mg/lt yang berarti jumlah mg/lt gas oksigen yang terlarut dalam air atau dalam satuan internasional dinyatakan ppm (part per million). Air mengandung oksigen dalam jumlah yang tertentu, tergantung dari kondisi air itu sendiri (Hadinafta 2009). Laju pertumbuhan ikan dan konversi pakan sangat dipengaruhi oleh kandungan oksigen dalam air. Konsentrasi minimum DO bagi sebagian ikan air tawar adalah 5 ppm. Pada perairan dengan konsentrasi DO 4 ppm, ikan masih mampu hidup akan tetapi nafsu makannya rendah, sehingga pertumbuhannya terhambat. d) Derajat Keasaman Air (pH) Nilai derajat keasaman yang sangat rendah dapat menyebabkan kematian pada ikan. Nilai keasaman (pH) yang tinggi menyebabkan pertumbuhan ikan terhambat. Kisaran derajat keasaman (pH) perairan yang cocok untuk budidaya ikan tergantung pada jenis ikan yang dipelihara. e) Kadar Amonia (NH3) Persentase NH3 dari amonia total dipengaruhi oleh salinitas, konsentrasi oksigen, suhu, dan pH air. Makin tinggi suhu dan pH air makin tinggi pula persentase NH3. Dalam artian, peluang biota budidaya keracunan NH3 lebih besar pada suhu dan pH tinggi. Perairan umum yang mengandung kadar amonia tinggi dapat mengganggu pertumbuhan ikan dan biota perairan lainnya, bahkan dapat bersifat racun yang mematikan ikan. Kadar amonia terlarut 2–7 ppm sudah dapat mematikan beberapa jenis ikan. Amonia masuk ke dalam air melalui pupuk, hasil ekskresi ikan dan hasil penguraian senyawa bernitrogen oleh mikroba. Dalam air, amonia terionisasi menjadi ion amonium tetapi reaksi ini bisa kembali dengan terbentuknya amonia bebas. Efek racun yang ditimbulkan amonia tak terionisasi bisa menyebabkan kerusakan insang, ginjal, limfa, jaringan tiroid, dan darah ikan (Boyd 1990). f) Kadar Karbondioksida (CO2) Kenaikan karbondioksida di dalam air akan menghalangi proses difusi oksigen sehingga mengurangi konsumsi oksigen dan sebagai kompensasinya ikan budidaya akan aktif sekali bernafas sehingga memerlukan kalori dan mengurangi kesempatan makan ikan sehingga selera makan menjadi berkurang.
20
g) Kadar Nitrogen/Nitrit (NO2) Kandungan nitrit yang tinggi di dalam perairan sangat berbahaya bagi udang dan ikan, karena nitrit dalam darah mengoksidasi haemoglobin menjadi meta–haemoglobin yang tidak mampu mengedarkan oksigen (Darti dan Iwan 2006), kandungan nitrit sebaiknya lebih kecil dari 0.3 ppm. Kadar oksigen terlarut dalam air merupakan faktor pembatas dan sangat berpengaruh terhadap berlangsungnya proses nitrifikasi. Nilai kosentrasi nitrit dari kedua petak ujicoba ini berkisar antara 0.012–0.018 ppm (mg/lt), di bawah nilai ambang batas yang disarankan. Sehingga dengan kandungan nitrit pada ujicoba ini termasuk kedalam kondisi yang cukup optimal. Pada salinitas di atas 20 ppt, batas ambang aman nitrit adalah <2 ppm (Chia 1989). h) Kesadahan Total Kesadahan di dalam air disebabkan oleh ion Ca 2+ dan Mg2+ juga oleh Mn2+, Fe2+, dan semua kation bermuatan dua. Kualitas air yang sesuai untuk budidaya ikan air tawar adalah yang mempunyai kesadahan total minimal 20 mg/lt CaCO3. Konsentrasi total dari ion logam yang bervalensi dua terutama Ca dan Mg yang dinyatakan dalam mg/lt setara CaCO3 menunjukkan tingkat kesadahan air. Total alkalinitas dan kesadahan air umumnya sama besarnya. Namun pada beberapa perairan, total alkalinitas mungkin lebih besar dari kesadahan atau sebaliknya. Tingkat total kesadahan dan total alkalinitas air yang diperlukan untuk budidaya ikan umumnya terletak pada deret 20–300 mg/lt. Bila total alkalinitas dan total kesadahan terlalu rendah dapat ditingkatkan melalui penambahan kapur. Bila total kesadahan dan total alkalinitas lebih tinggi dari yang diperlukan maka belum ada cara yang praktis untuk usaha menurunkannya (Ghufran et al. 2007). i) Alkalinitas Alkalinitas adalah kapasitas air untuk menetralkan tambahan asam tanpa penurunan pH larutan. Alkalinitas dinyatakan CaCO3 dalam mg/lt (atau disebut ppm). Alkalinitas di dalam air disebabkan oleh ion bikarbonat (HCO3), karbonat (CO3), dan hidroksida (OH). Pada siang hari, aktivitas fotosintesis fitoplankton, ganggang, dan lumut menyebabkan turunnya karbondioksida (CO2) dan bikarbonat (HCO3). Turunnya karbondioksida dan bikarbonat menjadikan karbonat (CO3) dan hidroksida (OH-) naik sehingga pH larutan naik. Air dengan kandungan CaCO3 >100 mg/lt disebut sebagai alkalin, sedangkan <100 mg/lt disebut sebagai lunak atau alkalinitas sedang. Alkalinitas untuk budidaya ikan air tawar adalah >20 mg/lt CaCO3. Dengan alkalinitas yang cukup, perubahan/fluktuasi pH air tidak drastis. Dalam budidaya ikan air tawar di kolam, untuk menaikkan alkalinitas biasanya ditebarkan dolomite, CaMg (CO3)2. Kapasitas air menerima protein disebut alkalinitas. Air yang alkali atau bersifat basa sering mempunyai pH tinggi dan umumnya mengandung padatan terlarut yang tinggi. Alkalinitas merupakan faktor kapasitas untuk menetralkan asam. Oleh karena kadang–kadang penambahan alkalinitas lebih banyak
21 dibutuhkan untuk mencegah supaya air itu tidak menjadi asam (Darusalam 2005). Alkalinitas relatif sama jumlahnya dengan kesadahan dalam suatu perairan. Alkalinitas juga berpengaruh terhadap pH dalam suatu perairan. Dalam kondisi basa ion bikarbonat akan membentuk ion karbonat dan melepaskan ion hidrogen yang bersifat asam sehingga keadaan pH menjadi netral. Sebaliknya bila keadaan terlalu asam, ion karbonat akan mengalami hidrolis menjadi ion bikarbonat dan melepaskan hidrogen oksida yang bersifat basa, sehingga keadaan kembali netral. Perairan dengan nilai alkalinitas yang terlalu tinggi tidak terlalu disukai oleh organisme akuatik karena biasanya diikuti dengan nilai kesadahan yang tinggi atau kadar garam natrium yang tinggi (Darusalam 2005). Berdasarkan parameter yang ada, akhirnya diperoleh 540 data, dimana untuk masing-masing jenis ikan memiliki 90 data. Nantinya data ini akan dibagi menjadi beberapa subset untuk data pelatihan dan data uji. Praproses Data Tahapan yang dilakukan pada tahapan ini mempersiapkan data sebelum dilakukan pengolahan data di antaranya adalah mempersiapkan parameter nominal seperti lokasi pembuangan limbah, ketersediaan sumber air, syarat tanah, jenis kolam, sistem pengairan, dan ketinggian dataran. Pada praproses data ini juga akan dilakukan pembuangan data yang tidak lengkap maupun tidak valid berdasarkan justifikasi pakar, sehingga diperoleh data yang benar-benar dapat diolah. Selanjutnya, akan dilakukan proses normalisasi pada data numerik bila didapatkan range yang terlalu besar antar parameter. Penentuan Data Latih dan Data Uji Pada penelitian ini pembagian data latih dan data uji akan dilakukan dengan menggunakan teknik k-fold cross validation dengan nilai k = 3. Klasifikasi Teknik klasifikasi yang digunakan adalah KNN, yaitu mencari jarak terdekat antara data yang akan diuji dengan k tetangga terdekatnya dalam data latih. Pada penelitian ini penentuan nilai k dilakukan melalui beberapa skenario percobaan untuk mendapatkan k terbaik. Pada penelitian ini, terdapat dua jenis data kategori yaitu data yang diperoleh melalui pengelompokan objek berdasarkan kategori tertentu. Perhitungan pada data numerik menggunakan perhitungan Euclidean distance sesuai Persamaan 2. Perhitungan pada data nominal menggunakan perhitungan nominal distance sesuai Persamaan 3. Untuk menggabungkan kedua jarak semua variabel, dilakukan aggregate ketidaksamaan berat rata–rata dari jarak masing-masing parameter dengan menggunakan Persamaan 4.
22 Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air Tahapan ini adalah yang paling penting karena pada tahap ini teknik klasifikasi diaplikasikan pada data yang sudah diperoleh. Dari data uji yang sudah dibagi sebelumnya, kemudian diujikan pada model klasifikasi KNN dengan menggunakan mayoritas dari kelas tetangga terdekat sebagai nilai prediksi data baru. Hasil Prediksi Pada tahap akhir ini diharapkan data uji yang dimasukkan akan terklasifikasi pada kelas yang benar. Evaluasi model klasifikasi berdasar pada proporsi antara data uji yang diprediksi secara tepat dengan total seluruh prediksi. Sistem diuji dengan menghitung akurasi, yaitu jumlah data yang berhasil dikenali oleh metode klasifikasi KNN dibagi total data yang ada. Akurasi yang diperoleh berasal dari Persamaan 5.
Implementasi Pengembangan Spesifikasi perangkat keras yang digunakan di tahap implementasi pengembangan sistem pada penelitian ini di antaranya menggunakan processor Intel Core 2 Duo 2.10 GHz, RAM 2.00 GB, dan harddisk kapasitas 320 GB. Spesifikasi perangkat lunak yang digunakan di antaranya menggunakan Windows 7 sebagai sistem operasi, AppServ Open Project 2.5.9 for Windows, bahasa pemrograman PHP, Photoshop CS2, dan Dreamweaver. Sistem pakar ini dikembangkan berbasis website agar lebih mudah diakses dan dimanfaatkan oleh lebih banyak orang terutama pembudidaya maupun masyarakat umum yang ingin mengetahui jenis ikan apa yang sesuai dengan kondisi lingkungan dan kualitas air yang ada di tempat tinggal mereka.
Pengujian Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan konsistensi pengetahuan pada hasil yang diperoleh.
HASIL DAN PEMBAHASAN Identifikasi Masalah Masih rendah dan kurangnya pengetahuan masyarakat mengenai teknologi budidaya salah satunya dapat mengakibatkan kesalahan dalam pemilihan lokasi budidaya. Kesalahan pemilihan lokasi dan kualitas air yang jauh dari batas toleransi dapat mengakibatkan ikan menjadi stres. Apabila ikan stres maka kondisi
23 imunitas akan mulai menurun sehingga mudah terserang penyakit dan produktivitas terganggu. Jika kondisi ini dibiarkan dapat berujung kematian pada ikan yang dibudidayakan. Terbatasnya jumlah pakar menghambat masyarakat khususnya petani budidaya jika ingin melakukan konsultasi. Oleh karena itu perlu dibuat suatu sistem sebagai penghubung antara pakar dan pembudidaya yang dapat mewakili pengetahuan pakar. Akuisisi Pengetahuan Akuisisi pengetahuan dilakukan melalui wawancara langsung dengan pakar ditambah telaah pustaka. Beberapa pakar yang telah diwawancarai diantaranya Bapak Ir Irzal Effendi MSi dari BDP Fakultas Perikanan dan Ilmu Kelautan IPB, Bapak Abdul Wahid kepala bagian teknis, dan Bapak Sidi Asih staf breading dan genetika dari Balai Riset Perikanan Budidaya Air Tawar Bogor. Selain dari pakar, data diperoleh dari informasi yang didapat dari telaah pustaka seperti buku, jurnal, data dasar dan media lain (manual teknik dan makalah) di antaranya dari buku Cahyono (2001), Ciptanto (2010), Effendi (2004), Khairuman dan Amri (2011), Kordi dan Ghufran (2010), Saanin (1968), dan Prihatman (2000).
Tahap validasi Tahap 1 Evaluasi parameter data latih.
Tahap 2 Evaluasi data latih dan pengajuan kuisioner pengujian pada pakar.
Tahap 3 Pengajuan kuisioner pengujian kepada pakar.
Tabel 9 Tahapan validasi data dengan pakar Hasil Langkah selanjutnya Masih terdapat kesalahan range nilai pada beberapa parameter, yaitu: Suhu Kecerahan Jenis kolam
penelitian harus kembali ke tahap akuisisi pengetahuan.
Dari 30 data uji yang Penghapusan parameter diajukan ke pakar hanya 15 kemiringan pematang. dari data tersebut yang benar. Mengubah range nilai Terdapat parameter yang ketinggian, jenis kolam, kurang berpengaruh dan kecerahan dan kadar tidak memiliki keterkaitan oksigen terlarut (dissolved yang erat dengan parameter oxygen). lain. Penelitian harus kembali pada tahap akuisisi pengetahuan. Dari 12 data pengujian 10 telah Penelitian dapat dilanjutkan. terjawab dengan benar, sehingga dapat dikatakan data latih yang digunakan sudah sesuai dengan keahlian pakar.
24 Untuk memastikan kebenaran dari data yang diperoleh dari proses akuisisi pengetahuan, maka perlu dilakukan validasi data dengan pakar. Pada penelitian ini, proses validasi data dilakukan dengan pengajuan kuisioner yang berisi sampel data kepada pakar. Selanjutnya pakar akan menentukan apakah data yang diajukan sudah tepat sesuai dengan keilmuan pakar. Tahapan proses validasi lebih lengkap dapat dilihat pada Tabel 9.
Representasi Pengetahuan Jenis representasi pengetahuan yang digunakan untuk mengkonfigurasikan fakta–fakta pengetahuan adalah merepresentasikan dalam bentuk tabel yang dapat dilihat pada Tabel 10. Tabel 10 Representasi pengetahuan No 1 2 3 4
Parameter Lokasi Ketersediaan sumber air Syarat tanah Jenis kolam
5 6 7 8 9 10 11
Sistem pengairan Ketinggian dataran Suhu Kecerahan DO (Dissolved Oxygen) pH NH3 (Nitrit)
12 14 15
Satuan nilai Jauh dari pembuangan limbah Ada sumber air Tanah liat, beton Kolam air tenang (KAT), kolam air deras (KAD) Mengalir, tidak mengalir m dpl (di atas permukaan laut) C cm mg/lt
Jenis data Nominal Nominal Nominal Nominal
mg/lt
Nominal Numerik Numerik Numerik Numerik Numerik Numerik
CO2
ppm
Numerik
NO2
ppm mg/lt
Numerik
Kesadahan total
Numerik
Pengembangan Mesin Inferensi Metode pengembangan mesin inferensi yang digunakan adalah KNN. Beberapa tahapan yang dilakukan di antaranya adalah: Identifikasi Masalah Kesalahan dalam pemilihan lokasi budidaya dapat mengakibatkan ikan menjadi stres, sehingga mengakibatkan kematian. Terbatasnya jumlah pakar juga menghambat masyarakat khususnya petani budidaya jika ingin melakukan konsultasi.
25 Pengadaan Data Terdapat 16 variabel yang diperoleh dan digunakan sebagai parameter input. 6 variabel berdasarkan kondisi lokasi, dan 9 variabel berdasarkan kualitas air. Semua variabel tersebut digunakan sebagai parameter penentuan jenis ikan yang akan dibudidayakan. Praproses Data Data yang digunakan dalam penelitian ini merupakan data yang diperoleh dari proses akuisisi pengetahuan yang telah dilakukan sebelumnya. Data yang diperoleh berupa jenis ikan yang akan digunakan sebagai kelasnya serta range nilai untuk tiap parameter sesuai kelasnya. Proses pengambilan data ini dilakukan selama kurang lebih dua bulan. Terdapat 6 jenis ikan yang digunakan sebagai kelasnya, yaitu ikan bawal, ikan lele, ikan patin, ikan mas, ikan nila dan ikan mujair. Tiap kelas memiliki 90 data yang mewakili tiap parameter input, sehingga total data yang digunakan sebanyak 540 data. Contoh data yang valid dapat dilihat pada Tabel 11. Tabel 11 Standar kualitas air dan lokasi budidaya ikan patin Parameter Lokasi Sumber air Syarat tanah Ketinggian dataran Jenis kolam Sistem pengairan Suhu pH Oksigen terlarut NH3 Kecerahan Karbondioksida (CO2) Nitrit (NO2) Alkalinitas Kesadahan total
Standar Jauh dari pembuangan limbah Ada sumber air Tanah liat 10-200 m dpl Kolam air tenang Air mengalir 26-32 C 6-7 4.5 – 6.5 mg/lt <0.05 ppm 40-60 cm 9-20 ppm <0.05 ppm 90-100 mg/lt 20-70 mg/lt
Berdasarkan beberapa parameter yang digunakan, terdapat 5 parameter yang berasal dari kelayakan kondisi lokasi bersifat nominal, yaitu: 1. Lokasi jauh dari pembuangan limbah 2. Ketersediaan sumber air (ada). 3. Syarat tanah Tanah liat atau lempung Beton 4. Jenis Kolam Kolam air tenang (KAT) Kolam air deras (KAD) 5. Sistem pengairan Mengalir Tidak mengalir
26 Perhitungan jarak untuk parameter input yang bertipe nominal, menggunakan nominal distance. Sedangkan sebanyak 10 parameter input bertipe numerik yang berasal dari 9 parameter kualitas air dan 1 parameter dari syarat lokasi akan dihitung menggunakan jarak Euclidean, yaitu: 1. Ketinggian dataran 2. Suhu 3. pH 4. Oksigen terlarut (dissolved oxygen [DO]) 5. NH3 6. Kecerahan 7. Karbondioksida (CO2) 8. Nitrit (NO2) 9. Alkalinitas 10. Kesadahan total Min Max Normalization Dari data yang diperoleh, range nilai yang ada terlihat sangat jauh. Hal ini dapat dilihat misalnya pada salah satu data kelas bawal, nilai parameter input NH3 nya adalah 0.001 sedangkan pada parameter ketinggian nilainya adalah 100. Begitu nilai untuk parameter lainnya. Terlihat bahwa range dari kedua nilai ini sangatlah jauh. Perbedaan range nilai yang lumayan jauh pada peremeter numerik ini, menyebabkan perlu dilakukannya proses normalisasi. Normalisasi dilakukan sebelum melakukan pengolahan data. Hal ini bertujuan untuk menyamakan range antar parameter. Untuk mendapatkan range antara 0–1 digunakan min-max normalization, sesuai dengan Persamaan 1 yang telah dijelaskan sebelumnya. Nilai maksimum dan minimum di sini, menggunakan nilai maksimum dan minimum dari suatu parameter input. Misalkan pada parameter ketinggian, nilai maksimum adalah 50, nilai minimum adalah 0.001. Contoh normalisasi untuk record pertama dengan nilai 10 berdasarkan rumus normalisasi adalah: 10 - 0.001 = 0.199984 50 Begitu juga untuk data input yang akan digunakan nantinya, harus melewati proses normalisasi ini. Penentuan Data Latih dan Data Uji Menggunakan K-Fold Cross Validation Pada penelitian ini pembagian data latih dan data uji dilakukan dengan menggunakan teknik k-fold cross validation dengan nilai k = 3. Dari 6 jenis ikan yang digunakan sebagai kelas, masing-masing memiliki 90 data yang mewakili parameter input yang digunakan, sehingga total data yang digunakan adalah 540 data. Selanjutnya dari total data yang ada, dibagi menjadi 3 subset yang mana tiap subset berisi 30 data dari tiap jenis ikan, sehingga diperoleh 180 data pada tiap subset. Tiap subset nantinya akan digunakan pada 3 kali percobaan untuk setiap nilai k yang digunakan pada tahap klasifikasi KNN, hingga setiap subset pernah menjadi data latih dan data uji. Banyaknya data tiap subset dapat dilihat pada Tabel 12. Susunan data latih dan data uji pada tiap percobaan nilai k pada tahap klasifikasi KNN dapat dilihat pada Tabel 13.
27 Tabel 12 Jumlah data setiap subset Subset Jumlah Data S1 180 S2 180 S3 180 Total Data 540 Tabel 13 Susunan data latih dan data uji Subset Pelatihan Pengujian Subset 1 S2 , S3 S1 Subset 2 S1 , S3 S2 Subset 3 S1 , S2 S3 Metode Klasifikasi Menggunakan K-NN Teknik klasifikasi yang digunakan adalah KNN, yaitu mencari jarak terdekat antara data yang akan dievaluasi dengan k tetangga terdekatnya dalam data pelatihan. Pada penelitian ini nilai k yang digunakan adalah 3, 5, dan 7. Penghitungan jarak menggunakan dua cara yaitu nominal distance untuk data yang bersifat nominal dan Euclidean distance untuk data yang bersifat numerik. Hasil dari perhitungan nominal distance dan Euclidean distance akan digabungkan menggunakan rumus aggregate. Euclidean Distance Setelah melakukan normalisasi pada setiap data input yang akan digunakan, tahap selanjutnya adalah perhitungan jarak antara data uji dengan data latih untuk tiap parameternya. Pada parameter input yang bersifat numerik perhitungan jaraknya menggunakan Euclidean distance. Perhitungan yang dilakukan sesuai dengan Persamaan 2. Nominal Distance Nominal distance digunakan untuk menghitung jarak antar parameter yang bersifat nominal. Pada sistem ini, terdapat 5 parameter input yang bersifat nominal, di antaranya adalah: 1. Lokasi (jauh dari pembuangan limbah) 2. Ketersediaan sumber air 3. Syarat tanah 4. Jenis kolam 5. Sistem pengairan Untuk kelima parameter input ini, perhitungan jaraknya menggunakan nominal distance. Hasilnya adalah 0 jika nilai nominal pada parameter input data uji sama dengan nilai nominal pada data latih dan bernilai 1 jika nilai nominal data uji tidak sama dengan nilai data latih sesuai dengan Persamaan 3. Aggregate Tahap aggregate ini dilakukan untuk menggabungkan nilai yang dihasilkan pada perhitungan nominal distance dan Euclidean distance untuk 1 data uji agar
28 bisa dihasilkan 1 nilai jarak yang dapat dibandingkan dengan data latih yang ada. Adapun nilai aggregate ini dihasilkan berdasarkan Persamaan 4 yang telah dijelaskan sebelumnya. Pemberian bobot 1 untuk perhitungan jarak numerik dan 0.5 untuk jarak nominal agar parameter nominal tidak terlalu mendominasi perhitungan. Selain itu, sebagian besar parameter kunci pada tiap kelas berasal dari parameter numerik. Selanjutnya, akan diambil nilai aggregate terkecil dari data uji sebanyak nilai k pada KNN. Tahap KNN (Penetuan Tetangga Terdekat) Setelah dilakukan tahap aggregate, selanjutnya dilakukan tahap penentuan kelas yang sesuai melalui tahapan KNN. Di sini, data uji akan dibandingkan dengan data latih untuk kemudian ditentukan sebanyak k tetangga terdekat. Untuk nilai k = 3, maka diambil 3 nilai aggregate terkecil dari data uji. Untuk nilai k = 5, maka diambil 5 nilai aggregate terkecil dari data uji. Sedangkan untuk nilai k = 7, maka diambil 7 nilai aggregate terkecil dari data uji. Selanjutnya dari k = 3, k = 5 dan k = 7 akan ditentukan manakah kelas terdekat dari data latih yang ada. Dari kelas terdekat ini, akan ditentukan kelas pemenang sebagai kelas yang paling sesuai dengan data uji yang dimasukkan. Percobaan dengan Normalisasi Pada percobaan dengan normalisasi ini, data dibagi menjadi 3 subset. Tiap subset berisi 30 record dari setiap jenis ikan. Variasi data latih dan data uji dihasilkan dari proses k-fold cross validation. Percobaan terus dilakukan hingga setiap subset pernah menjadi data latih dan data uji. Susunan data latih dan data uji pada percobaan dapat dilihat pada Tabel 13. Percobaan selanjutnya dilakukan dengan menambahkan tahap normalisasi pada data yang akan digunakan. Percobaan ini menggunakan 540 record data, yang dibagi menjadi 3 subset yang tiap subset berisi 30 record dari setiap jenis ikan. Variasi data latih dan data uji dihasilkan dari proses k-fold cross validation. Percobaan terus dilakukan hingga setiap subset pernah menjadi data uji. Percobaan pertama menggunakan 360 record sebagai data latih yang berisi subset 2 dan 3. Subset 1 yang berisi 180 record sebagai data uji. Percobaan kedua menggunakan subset 1 dan subset 3 sebagai data latih, subset 2 sebagai data uji. Percobaan ketiga menggunakan subset 1 dan subset 2 sebagai data latih, subset 3 sebagi data uji. Pada ketiga percobaan tersebut kemudian diterapkan dalam metode k-nearest neighbour melalui tahapan berikut ini: 1. Pada setiap data latih dan data uji yang akan digunakan, akan diterapkan proses normalisasi terlebih dahulu yang bertujuan untuk menyamakan range antar parameter. Untuk mendapatkan range antara 0-1 digunakan min-max normalization, sesuai dengan Persamaan 1 yang telah dijelaskan sebelumnya. 2. Setiap record data uji dihitung jaraknya ke setiap record data latih untuk mengetahui kedekatan antara data uji dengan data latih. Untuk data bertipe numerik, selisih antara data uji dengan data latih menggunakan Euclidean distance. Untuk data bertipe nominal, data diolah menggunakan nominal distance. Jika data uji sama dengan data latih maka bernilai 0 dan jika data uji berbeda dengan data latih maka bernilai 1.
29 3. Selanjutnya hasil perhitungan menggunakan jarak Euclidean dan nominal distance digabungkan dengan menggunakan rumus aggregate. Bobot 1 diberikan pada perhitungan Euclidean dan bobot 0.5 pada hasil perhitungan nominal agar perhitungan nominal tidak mendominasi hasil perhitungan. Penentuan nilai k tetangga terdekat dilakukan dengan mencobakan nilai k = 3, 5, dan 7 dalam metode k-nearest neighbour. Untuk nilai k = 3, 5 dan 7 masingmasing akan dilakukan sebanyak 3 kali percobaan untuk subset 1, subset 2, dan subset 3. Hasil akurasi setiap nilai k pada setiap subset yang diperoleh dapat dilihat pada Tabel 14. Tabel 14 Hasil akurasi setiap subset dengan k = 3, 5, dan 7 Subset k=3 k=5 k=7 1 96.67% 91.67% 93.33% 2 98.33% 98.89% 98.89% 3 97.22% 97.22% 97.78% Rata–Rata 97.41% 95.93% 96.67%
Dari Tabel 14 terlihat rata–rata akurasi tertinggi didapat pada saat nilai k tetangga terdekat 3, yaitu 97.41%. Hasil akurasi terbaik dari ketiga jenis subset diperoleh pada nilai k = 7, subset 2 dengan 98.89%. Dari percobaan yang telah dilakukan, didapatkan hasil akurasi yang sudah bagus, hal ini disebabkan range yang ada sudah tidak terlalu besar sehingga dapat memperkecil adanya kesalahan dalam perhitungan jarak terdekat antar parameter pada setiap kelas. Untuk melihat kesalahaan klasifikasi pada kelas atau jenis ikan tertentu, data ditampilkan dalam bentuk confusion matrix pada setiap percobaan. Contoh confusion matrix percobaan dengan normalisasi k = 7 subset ke-2 dapat dilihat pada Tabel 15. Tabel 15 Confusion matrix percobaan dengan k = 7 subset ke-2 Bawal Lele Patin Mas Nila Mujair Bawal 30 0 0 0 0 0 Lele 0 30 0 0 0 0 Patin 0 0 30 0 0 0 Mas 0 0 0 30 0 0 Nila 0 0 0 0 28 2 Mujair 0 0 0 0 0 30 Berdasarkan tabel confusion matrix yang dihasilkan, terlihat pada jenis ikan nila dari 30 data uji, 28 data tepat diklasifikasi pada ikan nila sedangkan 2 data meleset dan masuk ke kelas ikan mujair. Hal ini disebabkan adanya kemiripan pada karakteristik tiap parameter yang dimiliki kedua jenis ikan tersebut, baik dari kebutuhan syarat lokasi maupun kualitas air sehingga pada saat dilakukan perhitungan jarak selisih yang dihasilkan hanya sedikit. Akibatnya, pada ikan nila dapat terjadi kesalahan klasifikasi. Untuk tabel confusion matrix yang lebih detail untuk setiap tahap percobaan dapat dilihat pada Lampiran 1. Setelah dilakukan beberapa kali percobaan, ternyata hasil akurasi yang dihasilkan berbeda–beda untuk tiap percobaan. Hasil akurasi yang dihasilkan pada
30 percobaan dengan normalisasi ini dapat dilihat pada Tabel 16, Gambar 8, dan Gambar 9. Tabel 16 Hasil akurasi setiap subset dan rata-rata akurasi setiap nilai k Nilai k Subset Akurasi Subset 1 96,67% 3 Subset 2 98,33% Subset 3 97,22% Rata–Rata 97,41% Subset 1 91,67% 5 Subset 2 98,89% Subset 3 97,22% Rata–Rata 95,93% Subset 1 93,33% 7 Subset 2 98,89% Subset 3 97,78% Rata–Rata 96,67%
100% 90% 80%
Akurasi
70% 60% Subset 1 50%
Subset 2
40%
Subset 3
30% 20% 10%
3
5 7 Nilai k Gambar 8 Grafik hasil akurasi pada percobaan dengan normalisasi
Akurasi
31 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 3
5 7 Nilai k Gambar 9 Grafik rata–rata akurasi setiap nilai k Dari Tabel 16, Gambar 8, dan Gambar 9 dapat diketahui bahwa akurasi cenderung naik kurang lebih sebanyak 1–2% pada tiap percobaan. Rata-rata akurasi terbaik yang diperoleh 97.41% yaitu pada percobaan dengan normalisasi dengan nilai k tetangga terdekat 3. Hal ini disebabkan nilai k yang lebih kecil biasanya mengurangi adanya varasi tetangga terdekat. Jadi kemungkinan akan lebih banyak data yang tepat terklasifikasi pada kelasnya. Namun, nilai k yang terlalu kecil juga tidak dapat sepenuhnya menjamin hasil yang bagus, karena bisa saja pada saat kita menggunakan nilai k yang lebih besar ternyata data tersebut bukan termasuk pada kelas awalnya. Hal inilah yang melatarbelakangi dilakukan percobaan dengan nilai k = 5 dan k = 7. Setelah dilakukan percobaan dengan nilai k = 5 dan k = 7 ternyata hasil akurasi yang diperoleh lebih tinggi yaitu 98.89%. Jadi, skenario percobaan yang akan digunakan pada sistem pakar berbasis website ini sesuai dengan hasil akurasi tertinggi. Susunan data latih subset 2 melalui proses normalisasi dan nilai k = 7 untuk proses perhitungan klasifikasi KNN. Implementasi Pada sistem yang dikembangkan ini terdiri dari beberapa modul diantaranya home, penentuan jenis ikan, faktor budidaya, jenis ikan air tawar dan terminologi sistem seperti terlihat pada Gambar 10.
Gambar 10 Modul/menu pada sistem Modul home berisi informasi mengenai latar belakang pembuatan sistem pakar budidaya ikan air tawar berdasarkan lokasi dan kualitas air. Modul faktor budidaya berisi informasi mengenai apa saja faktor-faktor yang mempengaruhi budidaya jenis ikan air tawar yang ada. Modul jenis ikan air tawar berisi informasi mengenai jenis-jenis ikan air tawar yang digunakan sebagai kelas pada penelitian
32 ini. Modul terminologi sistem berisi informasi mengenai dasar-dasar ilmu yang digunakan dalam pembuatan sistem pakar ini. Terdapat pula menu tambahan yaitu menu bantuan, hubungi kami, buku tamu, dan fasilitas pencarian (search) seperti terlihat pada Gambar 11. Menu bantuan berisi informasi bantuan penggunaan sistem untuk user. Modul hubungi kami berisi informasi mengenai siapa yang dapat dihubungi user jika ada pertanyaan mengenai sistem. Modul buku tamu digunakan apabila user ingin memberikan komentar dengan memasukkan alamat email user.
Gambar 11 Menu tambahan pada sistem Modul yang paling utama pada sistem ini terletak pada modul penentuan jenis ikan yang akan menampilkan sebuah halaman berupa form yang berisi beberapa pertanyaan yang harus dijawab oleh user. Jawaban yang diberikan oleh user berupa pilihan pada radio button dan nilai yang dimasukkan pada kolom textbox yang disediakan sesuai dengan parameter yang ada. Halaman ini dibagi menjadi tiga bagian. Bagian pertama berisi pertanyaan mengenai kondisi awal yang ada, yaitu “apakah lokasi ini sudah pernah dijadikan sebagai tempat budidaya sebelumnya?”, “jika iya, apakah jenis ikan yang pernah dibudidayakan?” jawaban yang diberikan user pada bagian ini hanya akan digunakan sebagai informasi tambahan dan tidak diikutsertakan dalah perhitungan klasifikasi di sistem. Tampilan bagian awal ini terlihat pada Gambar 12.
Gambar 12 Tampilan pertanyaan kondisi awal Bagian kedua berisi pertanyaan yang berhubungan dengan syarat kondisi lingkungan atau lokasi, di antaranya apakah lokasi yang ada jauh dari tempat pembuangan limbah, ketersediaan sumber air, syarat tanah yang digunakan, jenis kolam, sistem pengairan yang digunakan, dan ketinggian lokasi. Bagian ketiga berisi pertanyaan yang berkaitan dengan syarat kualitas air yang digunakan, di antaranya suhu, kecerahan, kadar oksigen terlarut (dissolved oxygen [DO]), derajat keasaman air (pH), kadar amonia (NH3), kadar karbondioksida (CO2), kadar nitrit (NO2), alkalinitas, dan kesadahan total. Tampilan bagian kedua dan ketiga ini dapat dilihat pada Gambar 13.
33
Gambar 13 Tampilan pertanyaan syarat kondisi lokasi dan kualitas air Setelah memasukkan nilai jawaban pada kolom textbox yang disediakan, user harus memilih nilai k yang akan digunakan untuk proses klasifikasi jenis ikan yang sesuai. Apabila tidak memilih nilai k yang ada, maka digunakan nilai default 7 karena akurasi terbaik diperoleh ketika menggukan nilai k = 7. Tampilan penentuan nilai k dan tombol “hasil identifikasi” dapat dilihat pada Gambar 14.
Gambar 14 Tampilan penentuan nilai k yang akan digunakan Selanjutnya, setelah user menekan tombol hasil identifikasi maka sistem akan langsung memproses hasil jawaban yang telah dimasukkan oleh user. Hasil akhir yang akan ditampilkan adalah jenis ikan apa yang sesuai dengan kondisi lingkungan dan kualitas air yang ada, hasil perhitungan jarak Euclidean dan jawaban yang telah dimasukkan oleh user sebelumnya. Contoh tampilan hasil akhir dapat dilihat pada Gambar 15 dan Gambar 16.
Gambar 15 Tampilan hasil akhir identifikasi bagian I
34
Gambar 16 Tampilan hasil akhir identifikasi bagian II Pada contoh kasus yang dihasilkan Gambar 16 terlihat 7 kelas terdekat teridentifikasi pada kelas ikan mas. Hal ini disebabkan berdasarkan nilai yang dimasukkan user untuk setiap parameter input-nya setelah dihitung berdasarkan rumus Euclidean distance, nominal distance, aggregate, dan dihitung sebanyak ktetangga terdekat ternyata jarak terkecil yang dihasilkan mengarah pada ikan mas. Dalam hal ini, karena nilai k yang dipilih adalah 7 maka ditampilkan 7 tetangga terdekat seperti yang ditampilkan pada Gambar 11. Semakin kecil jarak maka akan semakin mirip pada kelas tertentu. Karena hasil perhitungan menghasilkan 7 selisih jarak terkecil adalah jarak pada ikan mas, maka ikan yang sesuai untuk dibudidayakan berdasarkan kondisi lokasi lokasi dan kualitas air yang telah dimasukkan user sebelumnya seperti terlihat pada Gambar 10 adalah ikan mas. Sistem ini juga dilengkapi validasi untuk menanggulangi adanya kesalahan yang mungkin terjadi, diantaranya apabila user belum memasukkan nilai pada form yang sudah disediakan, maka akan muncul peringatan bahwa form harus diisi. Peringatan akan muncul di tiap parameter. Tampilan peringatan yang dihasilkan dapat dilihat pada Gambar 17.
Gambar 17 Tampilan peringatan jika user belum memasukkan nilai Selanjutnya, apabila user memilih jenis kolam “Kolam Air Deras (KAD)”, kolom ketinggian minimum 100 dpl. Jika user memasukkan nilai kurang dari 100, maka akan muncul peringatan seperti Gambar 18.
35
Gambar 18 Peringatan jika jenis kolam air deras tetapi ketinggian <100 Nilai yang dimasukkan juga tidak boleh dalam bentuk sesuai dengan range data latih yang digunakan, seperti terlihat Pada tiap parameter juga terdapat rentang nilai tertentu, memasukkan nilai yang tidak semestinya, maka akan muncul contohnya dapat dilihat pada Gambar 20.
bilangan negatif, pada Gambar 19. jika user hanya tanda peringatan,
Gambar 19 Tampilan peringatan jika nilai yang dimasukkan negatif
Gambar 20 Tampilan peringatan untuk rentang nilai suhu Selain halaman untuk user, sistem ini juga dilengkapi halaman untuk admin jika sewaktu–waktu ingin mengubah isi dari modul yang ada. Sebelum masuk ke halaman admin, user harus login dulu untuk memastikan admin yang valid. Tampilan login admin dapat dilihat pada Gambar 21, sedangkan tampilan awal halaman admin dapat dilihat pada Gambar 22.
Gambar 21 Tampilan login admin
36
Gambar 22 Tampilan awal halaman admin Pada halaman admin, dapat memanipulasi (tambah, ubah, hapus) data yang akan ditampilkan di website sistem pakar ini. Seperti terlihat pada Gambar 22 terdapat beberapa menu yang dapat dimanfaatkan di halaman admin ini. Di antaranya, pada menu manajemen user digunakan untuk memanipulasi siapa saja yang mempunyai hak akses untuk login sebagai admin. Menu jenis ikan air tawar digunakan untuk memanipulasi data–data dari jenis ikan air tawar yang digunakan sebagai kelas di sistem pakar ini. Menu data latih digunakan untuk melihat data latih yang digunakan dalam penelitian ini. Menu buku tamu digunakan untuk melihat pesan yang disampaikan oleh pengunjung website yang ditujukan ke email admin. Logout digunakan apabila admin ingin keluar dari sistem.
Pengujian Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan konsistensi pengetahuan pada hasil yang diperoleh. Pada penelitian ini, telah dilakukan proses pengujian sistem dan validasi data dengan pakar sebanyak 3 kali sampai akhirnya mendapat hasil yang sesuai. Jika masih terdapat kesalahan atau sistem pakar yang dibuat belum sesuai dengan keahlian pakar, maka tahapan penelitian harus kembali ke tahap akuisisi pengetahuan, representasi pengetahuan, pengembangan mesin inferensi, implementasi dan pengujian. Proses tahapan validasi lebih lengkap dapat dilihat pada Tabel 9. Kesalahan yang timbul seringkali terjadi pada jenis ikan nila dan ikan mujair karena kedua jenis ikan ini memiliki karakteristik kebutuhan lingkungan dan kualitas air yang sama. Hanya sedikit perbedaan pada kebutuhan pH. Jika ikan nila pada range 6–7.5 sedangkan ikan mujair pada range 7–7.5 sehingga tidak mengherankan apabila kesalahan sering terjadi pada kedua jenis ikan ini. Pada jenis ikan lainnya, seperti ikan bawal dan patin, kesalahan klasifikasi juga seringkali terjadi. Kesalahan klasifikasi biasanya menghasilkan ikan nila, ikan mujair, ataupun ikan mas.
37 Untuk data, jika ditemukan data yang berbeda satu sama lain misalnya dipilih nilai k = 3 kemudian ketiga kelas yang dihasilkan berbeda satu sama lain sehingga tidak ada yang dominan, maka akan dianggap salah. Karena pada metode KNN kelas pemenang ditentukan berdasarkan voting kelas terbanyak pada k–tetangga terdekat yang dihasilkan. Sebenarnya hal ini jarang terjadi pada penelitian ini. Kemungkinan dapat terjadi karena adanya kemiripan range pada parameter yang dimasukkan sehingga terklasifikasi pada kelas tetangga yang terdekat. Penentuan nilai k tetangga terdekat juga berpengaruh karena ada kemungkinan data pada saat nilai k = 3 data belum tersebar secara merata. Namun jika nilai k terlalu besar juga tidak menjamin hasil yang lebih bagus. Jadi, pemilihan nilai k disini disesuaikan dengan data yang ada. Pertimbangan untuk memilih nilai k dengan bilangan ganjil adalah untuk mengantisipasi supaya ada 1 kelas pemenang yang dihasilkan. Hal mendasar yang dapat menyebabkan kesalahan klasifikasi adalah adanya kemiripan range nilai dari tiap parameter yang ada. Hal ini sangat berpengaruh, karena pada metode KNN penentuan klasifikasi menggunakan rumus jarak dengan mencari sebanyak k tetangga terdekat. Apabila range yang ada tidak terlalu jauh, tentu jarak yang dihasilkan tidak terlalu jauh juga. Namun, dengan adanya proses normalisasi maka dapat membantu meminimalisir adanya kesalahan klasifikasi, karena range data latih yang digunakan tidak terlalu jauh sehingga jarak yang dihasilkan lebih akurat dan mendekati karakteristik kebutuhan lokasi dan kualitas air dari jenis ikan yang sesuai. Adanya kesalahan dalam proses akuisisi data juga sangat mempengaruhi keberhasilan dari sistem pakar yang dibuat. Adapun kuisioner pengujian yang diberikan kepada pakar dapat dilihat pada Lampiran 2, Lampiran 3, dan Lampiran 4.
SIMPULAN DAN SARAN Simpulan Dari penelitian yang telah dilakukan dapat disimpulkan bahwasanya: 1 Sistem pakar penentuan budidaya jenis ikan air tawar berdasarkan lokasi dan kualitas air telah dapat diselesaikan. 2 Metode KNN dapat digunakan sebagai metode klasifikasi jenis ikan air tawar berdasarkan lokasi dan kualiatas air. 3 Rata–rata akurasi tertinggi adalah 97.41% diperoleh pada saat nilai k tetangga terdekat = 3 melalui proses normalisasi. Sedangkan, akurasi tertinggi diperoleh pada saat nilai k = 7 subset ke-2 yaitu 98.89%.
Saran Untuk dapat terus mengembangkan penelitian ini perlu dilakukan saran sebagai berikut: 1 Kondisi lokasi dan kualitas air hanya salah satu dari penentu keberhasilan budidaya ikan air tawar. Ke depannya bisa ditambahkan parameter–parameter
38 lain dilihat dari aspek finansial, budaya, hukum, lingkungan, dan ditambahkan peta lokasi. 2 Evaluasi data latih dan analisis kesalahan pada sistem perlu dilakukan secara berkala untuk meninjau adanya kesalahan–kesalahan yang mungkin timbul di masa yang akan datang, sehingga sistem pakar yang sudah dibuat dapat diterapkan untuk kasus yang berbeda. 3 Selanjutnya dapat dilakukan pembobotan parameter berdasarkan tingkat kepentingan dari masing–masing parameter input yang digunakan sehingga dapat diketahui seberapa penting pengaruh dari parameter tersebut.
DAFTAR PUSTAKA Amriawati E. 2001. Pengaruh salinitas 3 ppt dan kesadahan moderat terhadap kelangsungan hidup dan pertumbuhan ikan maanvis (Pterophyllum scalare L.) pada sistem resirkulasi [skripsi]. Bogor (ID): Institut Pertanian Bogor. Arie U. 2000. Budidaya Bawal Air Tawar untuk Konsumsi dan Hias. Jakarta (ID): Penebar Swadaya. Boyd CE. 1990. Water Quality in Ponds for Aquaculture. Birmingham (GB): Birmingham Publishing. Cahyono B. 2001. Budidaya Ikan di Perairan Umum. Yogyakarta (ID): Kanisius. Chia KT. 1989. Shrimp Pond Water Quality Management. Jakarta (ID): Puslitbang Perikanan. Ciptanto S. 2010. Top 10 Ikan Air Tawar. Yogyakarta (ID): Lily Publisher. Darti, Iwan. 2006. Oksigen Terlarut. Jakarta (ID): Penebar Swadaya. Darusalam AY. 2005. Kondisi kualitas air tambak udang windu Penaeus monodon dengan pemanfaatan larutan nutrien [skripsi]. Bogor (ID): Institut Pertanian Bogor. Dharma S. 2008. Pengolahan dan Analisis Data Penelitian. Jakarta (ID): Departemen Pendidikan Nasional. Ditjen Perikanan Budidaya. 2007. Kebijakan dan program prioritas tahun 2008. Di dalam: Rakornas Departemen Kelautan dan Perikanan; 2007; Jakarta. Jakarta (ID): Departemen Kelautan dan Perikanan. Ditjen Perikanan Tangkap. 2007. Kebijakan dan program prioritas tahun 2008. Di dalam: Rakornas Departemen Kelautan dan Perikanan; 2007; Jakarta. Jakarta (ID): Departemen Kelautan dan Perikanan. Direktorat Jendral Perikanan Budidaya. 2012. Konsep industrialisasi perikanan budidaya. Jakarta (ID): Departemen Kelautan dan Perikanan. Effendi I. 2004. Pengantar Akuakultur. Jakarta (ID): Penebar Swadaya. Floyd RF. 2010. Stress–Perannya dalam Penyakit Ikan. Romi N, penerjemah. Batam (ID): Kementrian Kelautan dan Perikanan. Fu L. 1994. Neural Networks in Computers Intelligence. Singapura (SG): McGraw-Hill. Ghufran HM, Kordi K, Andi BT. 2007. Pengelolaan Kualitas Air dalam Budidaya Perairan. Jakarta (ID): Rineka Cipta.
39 Hadinafta R. 2009. Analisis kebutuhan oksigen untuk dekomposisi bahan organik di lapisan dasar perairan estuari Sungai Cisadane, Tangerang [skripsi]. Bogor (ID): Institut Pertanian Bogor. Han J, Kamber M. 2006. Data Mining Concepts & Technique. Waltham (US): Academic Press. Irianto HE, Soesilo I. 2007. Dukungan teknologi penyediaan produk perikanan. Di dalam: Seminar Nasional Hari Pangan Sedunia. 2007 Nov 21; Bogor. Bogor (ID): Badan Riset Kelautan dan Perikanan Departemen Kelautan dan Perikanan. Junaidi MA. 2010. Analisis potensi sumber daya laut dan kualitas perairan berdasarkan parameter fisika dan kima di pantai timur Kabupaten Bangka Tengah. SPEKTRA. 10 (2): 99-113. Kesuma D. 2006. Optimalisasi produksi budidaya ikan konsumsi air tawar (studi kasus pada UD Murti, Desa Bojong Sempu, Kecamatan Parung, Kabupaten Bogor) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Khairuman H, Amri K. 2011. Buku Pintar Budidaya dan Bisnis 15 Ikan Konsumsi. Jakarta (ID): Agromedia Pustaka. Kordi K, Ghufran H. 2010. Buku Pintar Pemeliharaan 14 Ikan Air Tawar Ekonomis. Yogyakarta (ID): Lily Publisher. Larose DT. 2005. Discovering Knowledge in Data an Introduction to Data Mining. Hoboken (US): John Wiley & Sons. Marimin. 2005. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial. Bogor (ID): IPB Press. Maguire B. 1988. Incremental approach to expert systems development. Di dalam: Eighth International Workshop Expert System & Their Application, 1988 Mei 30–Jun 3 (Vol. I). Avignon (FR). hlm 250–259. Minawati LF. 2013. Budidaya ikan air tawar di desa salajambe kecamatan cisaat kabupaten sukabumi [skripsi]. Bandung (ID): Universitas Pendidikan Indonesia. Nurjayanti B. 2011. Identifikasi shorea menggunakan k-nearest neighbour berdasarkan karakteristik morfologi daun [skripsi]. Bogor (ID): Institut Pertanian Bogor. Prihatman K. 2000. Ttg budidaya perikanan [Internet]. [diunduh pada 2013 Mei 18]. Tersedia pada: http://www.warintek.ristek.go.id/perikanan/air%20tawar Rousefell GA, Everhart WH. 1953. Fishery Science, Its Methods and Applications. New York (US): John Wiley & Sons. Saanin H. 1968. Taksonomi dan Kunci Identifikasi Ikan. Bogor (ID): Institut Pertanian Bogor. Shindu SF. 2005. Kandungan logam berat Cu, Zn, dan Pb dalam air, ikan nila (Oreochromis niloticus) dan ikan mas (Cyprinus carpio) dalam keramba jaring apung, Waduk Saguling [skripsi]. Bogor (ID): Institut Pertanian Bogor Suyanto SR. 2003. Nila. Jakarta (ID): Penebar Swadaya. Tan PN. 2006. Introduction to Data Mining. Boston (US): Pearson Education.
40
Lampiran 1 Confusion matrix dengan normalisasi
41 Lampiran 2 Kuisioner I pengujian data ke pakar
24 Mei 2013
42
Lampiran 3 Kuisioner II pengujian data ke pakar
24 Mei 2013
43 Lampiran 4 Kuisioner III pengujian validasi pakar
24 Mei 2013
44
RIWAYAT HIDUP Penulis dilahirkan di Tegal tanggal 1 September 1989 dari Ibu Sumiyatun dan Bapak Mudhofar. Penulis merupakan anak kedua dari tiga bersaudara. Pada tahun 2007, penulis lulus dari Sekolah Menengah Atas (SMA) Negeri 3 Slawi, dan pada tahun yang sama diterima di Diploma Institut Pertanian Bogor Program Keahlian Teknik Komputer. Pada tahun 2010 penulis lulus dari Diploma Institut Pertanian Bogor dan melanjutkan pendidikan di Program Alih Jenis Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB. Selama menjalani perkuliahan penulis pernah menjadi asisten dosen di Direktorat Program Diploma Institut Pertanian Bogor pada tahun 2012 sampai 2013.
