SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI DAYA PEMBESARAN IKAN GURAMI
SUCI HITMAWATI
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
ii
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami 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, Januari 2014
Suci Hitmawati NIM G64114023
i
ii
ABSTRAK SUCI HITMAWATI. Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami. Dibimbing oleh TOTO HARYANTO dan IRZAL EFFENDI. Pembesaran merupakan segmen akhir dalam budi daya ikan gurami yang hasilnya berupa ikan ukuran konsumsi dengan berat badannya minimal 500 g/ekor. 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 budi daya untuk menetukan kelayakan usaha budi daya pembesaran ikan gurami sesuai dengan aspek teknis, aspek hukum, aspek sosial budaya, dan aspek finansial. Metode inferensi yang digunakan adalah metode Fuzzy Inference System (FIS) Tsukamoto dengan fungsi keanggotaan menggunakan kurva trapesium. Metode defuzzifikasi yang digunakan adalah rata-rata berbobot. Tujuh parameter aspek teknis yaitu suhu, amoniak (NH3), disolved oxygen (DO), alkalinitas, puissance negative de H (pH), kedalaman air, dan ketinggian bersifat fuzzy dan diperoleh 11 aturan yang ditentukan oleh pakar untuk menghasilkan output analisis kelayakan usaha. Sistem pakar yang dibangun sudah mampu menganalisis kelayakan usaha budi daya pembesaran ikan gurami dan sudah mendekati kemampuan pakar. Kata kunci : fuzzy inference system (FIS), kelayakan usaha, pembesaran.
ABSTRACT SUCI HITMAWATI. Expert System to Determine the Feasibility of Gouramy Growth-out Culture. Supervised by TOTO HARYANTO and IRZAL EFFENDI. Growth-out is the final segment in gouramy culture which results in consumption-sized gouramy with a minimum weight of 500 g/fish. This research develops an expert system designed to record and use the knowledge, experience, and expertise of aquaculturist to determine the feasibility of gouramy growth-out culture in accordance with technical, legal, social, cultural, and financial aspects. The utilized inference method is Tsukamoto Fuzzy Inference System (FIS) with trapezoid curve. Meanwhile, weighted average is used as the defuzzification method. Seven parameters, namely technical temperature, ammonia (NH3), disolved oxygen (DO), alkalinity, puissance negative de H (pH), water depth, and height are the fuzzy parameters which are then processed with 11 rules defined by expert to analyze the result of the qualification. This expert system is able to analyze the feasibility of gouramy growth-out culture and already approaching the capability of expert. Key words : feasibility, fuzzy inference system (FIS), growth-out.
iii
SISTEM PAKAR PENENTUAN KELAYAKAN USAHA BUDI DAYA PEMBESARAN IKAN GURAMI
SUCI HITMAWATI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
iv
Penguji : Dr Yeni Herdiyeni, SSi MKom
v
Judul Skripsi : Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami Nama : Suci Hitmawati NIM : G64114023
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:
Judul Skripsi: Sistem Pakar Penentuan Kelay akan Usaha Budi Daya Pembesaran Ikan Gurami : Suci Hitmawati Nama : G641 14023 NIM
Disetuj ui oleh
Toto Haryanto, SKom MSi Pembimbing I
Tanggal Lulus:
0 9 JAN 2014
~
If Ifzal Effendi, MSi Pembimbing II
vi
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 Juli 2013 ini ialah Sistem Pakar Penentuan Kelayakan Usaha Budi Daya Pembesaran Ikan Gurami. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesarbesarnya kepada : 1
2 3 4
5
6 7
Bapak Toto Haryanto, SKom MSi dan Bapak Ir Irzal Effendi, MSi selaku dosen pembimbing atas bantuan, nasihat, kritik, dan saran serta ketersediaan waktunya untuk penulis selama penelitian ini berlangsung hingga selesai. Ibu Dr Yeni Herdiyeni, Ssi MKom selaku dosen penguji yang telah memberikan arahan dan saran. Ayahanda tercinta Mawin dan Ibunda tercinta Hidayati, Spd, atas segala doa, kasih sayang, dan dukungan baik spiritual maupun moral. Kakak-kakak tercinta Mila Afrianti, Robi Satria, dan Dian Wahyuni serta keponakan tersayang Muhammad Rhaziq dan Fakhira Aulia Ramadhani atas segala dukungan dan semangatnya. Sahabat-sahabat terbaik Selvya Rossalina, Nurul Arifin Subandi, Megga Dara N, Fitria ramadhani, Nella Nevannita dan Arina Pramudita atas segala semangat, persahabatan, dan kebersamaannya. Teman-teman seperjuangan di Alih Jenis Ilmu Komputer Institut Pertanian Bogor Angkatan 6 atas kebersamaannya. Semua pihak yang telah membantu, sehingga karya ilmiah ini dapat diselesaikan dengan baik. Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2014 Suci Hitmawati
vii
DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar belakang Tujuan Penelitian Ruang Lingkup Penelitian METODE Identifikasi Masalah Akuisisi Pengetahuan Representasi Pengetahuan Pengembangan Mesin Inferensi Implementasi Pengembangan Pengujian HASIL DAN PEMBAHASAN Akuisisi Pengetahuan Representasi pengetahuan Pengembangan Mesin Inferensi Implementasi Pengujian SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN
vi vi vi 1 1 3 3 4 4 4 5 5 5 6 6 6 6 6 17 19 21 21 21 21 23
viii
DAFTAR TABEL 1 Parameter aspek hukum 2 Parameter aspek sosial budaya 3 Parameter aspek teknis 4 Parameter aspek finansial 5 Pengujian dengan pakar 6 Variabel aspek teknis 7 Himpunan fuzzy dan domain parameter suhu 8 Himpunan fuzzy dan domain parameter NH3 9 Himpunan fuzzy dan domain parameter DO 10 Himpunan fuzzy dan domain parameter alkalinitas 11 Himpunan fuzzy dan domain parameter pH 12 Himpunan fuzzy dan domain parameter kedalaman air 13 Himpunan fuzzy dan domain parameter ketinggian 14 Aturan aspek hukum 15 Aturan aspek sosial budaya 16 Aturan keseluruhan dari setiap aspek
4 4 5 5 7 8 8 9 10 11 11 12 13 15 15 16
DAFTAR GAMBAR 1 Tahapan sistem pakar (Marimin 2005) 2 Metode pengembangan sistem pakar berbasis FIS (Marimin 2002) 3 Fungsi keanggotaan suhu 4 Fungsi keanggotaan NH3 5 Fungsi keanggotaan DO 6 Fungsi keanggotaan alkalinitas 7 Fungsi keanggotaan pH 8 Fungsi keanggotaan kedalaman air 9 Fungsi keanggotaan ketinggian 10 Fungsi keanggotaan output analisa usaha 11 Menu pada sistem 12 Form aspek hukum 13 Form aspek teknis 14 Form aspek finansial. 15 Perhitungan kelayakan aspek finansial 16 Form aspek sosial budaya 17 Tampilan hasil analisis keseluruhan aspek 18 Hasil data uji sistem 19 Fungsi keanggotaan output
4 5 8 9 10 11 12 12 13 14 17 17 17 18 18 19 19 19 20
DAFTAR LAMPIRAN 1 Aturan aspek teknis 2 Kuisioner 1 pengujian data aspek teknis ke pakar 3 Kuisioner II pengujian data keseluruhan aspek ke pakar
23 24 25
PENDAHULUAN Latar belakang Osphronemus gouramy termasuk salah satu komoditas perikanan yang memiliki nilai ekonomis tinggi. Permintaannya di pasaran cukup tinggi dan belum sepenuhnya mampu dipenuhi oleh para pembudidaya. Salah satu penyebabnya adalah masih terbatasnya pengetahuan mengenai teknik pengolahan budi daya gurami sehingga yang mengusahakan masih terbatas (Saparinto 2008). Terdapat tiga tahap usaha budi daya yang bisa dilakukan oleh pengusaha gurami. Tahap tersebut meliputi pembenihan, pendederan, dan pembesaran. Pembenihan merupakan kegiatan pemijahan induk gurami jantan dan betina hingga bertelur. Benih gurami mulai dapat dialihkan ke tahap pendederan saat larva berumur 1-12 hari. Pendederan dilakukan setelah benih berumur 10-12 hari hingga panjang tubuhnya mencapai 16 cm. Pembesaran merupakan segmen akhir dalam budi daya ikan gurami. Pembesaran dilakukan sejak panjang tubuh gurami mencapai 16 cm hingga berat badannya minimal 500 g/ekor (Saparinto 2008). Pembesaran merupakan segmentasi yang menjanjikan selain pembenihan. Hasil budidayanya berupa ikan konsumsi. Mengkonsumsi ikan dinilai dapat meningkatkan tingkat kecerdasan masyarakat. Oleh karena itu, pemerintah sangat menganjurkan masyarakat mengkonsumsi ikan baik ikan tawar maupun ikan laut. Pemerintah melalui Kementerian Kelautan dan Perikanan telah mencanangkan meningkatkan konsumsi ikan nasional melalui Gerakan Makan Ikan Nasional (Gemarikan) sebagai upaya meningkatkan kecerdasan masyarakat. Sehingga budi daya pembesaran penting dilakukan guna menghasilkan ikan konsumsi yang berguna bagi kecerdasan anak bangsa. Usaha pembesaran ikan gurami menyimpan potensi yang cukup besar untuk dikembangkan, namun pengelolaan kegiatan usaha tersebut memiliki beberapa permasalahan. Permasalahan yang dihadapi oleh pembudidaya ikan berkaitan dengan aspek teknis dan aspek finansial. Permasalahan yang berkaitan dengan aspek teknis budi daya yaitu masih menerapkan teknologi perikanan yang tradisional, sehingga penggunaan input maupun output diduga belum optimal. Permasalahan yang berkaitan dengan aspek finansial antara lain harga jual ikan, manajemen usaha serta keuntungan yang diperoleh pembudidaya ikan belum maksimal. Berdasarkan data yang diperoleh dari Dinas Perternakan dan Perikanan Kabupaten Bogor (DPPKB 2011), untuk wilayah Bogor produksi ikan konsumsi terus naik tiap tahunnya sehingga mencapai angka terbesar pada tahun 2013 sebesar 88 597/ton. Terlihat minat masyarakat dari tahun ke tahun terhadap ikan gurami semakin meningkat. Harga ikan gurami konsumsi jauh lebih tinggi dibandingkan dengan ikan air tawar lainnya. Saat ini harga ikan gurami mencapai Rp 35 125/ekor. Hal ini tentu saja menarik minat para investor atau pelaku usaha untuk membuka usaha budi daya pembesaran ikan gurami. Memulai sebuah usaha pembesaran ikan gurami tidak mudah, banyak kendala yang harus dihadapi. Salah satunya adalah hambatan pengetahuan tentang budi daya pembesaran ikan gurami yang layak dan pengetahuan tentang analisis kelayakan usaha sebelum memulai usaha pembesaran ikan gurami. Kelayakan usaha dilakukan guna menghindari beberapa hal merugikan yang bisa terjadi sewaktu proses budi daya berlangsung diantaranya jumlah keuntungan yang diperoleh sedikit, hal ini karena pembudidaya ikan belum memahami konsep
2
perhitungan kelayakan usaha dengan baik. Studi kelayakan usaha juga dilakukan guna menghindari kerugian yang bisa ditimbulkan di masa yang akan datang. Analisis kelayakan usaha merupakan pemeriksaan keuangan untuk mengetahui keberhasilan yang telah dicapai selama usaha perikanan berlangsung. Studi kelayakan digunakan untuk mengetahui layak atau tidaknya suatu bisnis untuk dikembangkan. Sebelum bisnis baru dikembangkan, harus diadakan penelitian apakah bisnis yang akan dikembangkan menguntungkan atau tidak. Bila menguntungkan, apakah keuntungan tersebut memadai dan dapat diperoleh secara terus menerus dan dalam waktu yang lama. Secara teknis mungkin saja usaha tersebut layak dilakukan, tetapi secara ekonomis dan sosial, kemungkinan kurang memberikan manfaat. Selama ini proses menentukan kelayakan usaha pembesaran ikan gurami dilakukan secara manual dan cukup sulit karena variabelnya beragam sehingga prosesnya memerlukan waktu yang lama. Selain itu, ada beberapa pembudidaya yang tidak mengerti tentang studi kelayakan usaha sehingga memilih terjun langsung tanpa melakukan studi kelayakan usaha terlebih dahulu. Penelitian sebelumnya, Efrina (2011) melakukan analisis kelayakan investasi pengusahaan ikan gurami yang hasilnya menunjukkan bahwa usaha pembesaran ikan gurami di perusahaan tersebut layak untuk dikembangkan, akan tetapi proses analisis data memerlukan waktu yang cukup lama yaitu sekitar 3 bulan. Hal ini terjadi karena sebelum memulai usaha pembesaran ikan gurami banyak aspek yang harus diperhatikan diantaranya aspek sosial budaya, aspek hukum, aspek teknis, dan aspek finansial. Lokasi tempat yang akan dijadikan tempat usaha harus ditinjau apakah lokasi yang memadai untuk dibangun sebuah usaha pembesaran ikan gurami. Selain itu, aspek teknis juga harus diperhatikan dengan cara pengukuran kualitas air yang nantinya akan mempengaruhi tingkat kehidupan ikan gurami. Untuk mempelajari kelayakan semua aspek tentunya memerlukan waktu yang lama dikarenakan harus mencari informasi sebanyak mungkin dari semua sumber yang memang sudah ahli dan berpengalaman melakukan usaha pembesaran ikan gurami, sehingga memperoleh kelayakan usaha yang optimal. Pengetahuan dari pakar yang berpengalaman akan membantu mempercepat proses penentuan sebuah usaha yang akan dikembangkan layak atau tidak. Adapun solusi yang diusulkan untuk masalah tersebut adalah penelitian untuk merancang suatu sistem pakar yang dapat digunakan sebagai jembatan penghubung antara pakar dan pembudidaya dalam penentuan kelayakan usaha budi daya pembesaran ikan gurami sehingga keputusan bisa diperoleh secara tepat. Dilihat dari karakteristik data kelayakan usaha pembesaran ikan gurami banyak nilai pada variabel aspek teknis yang mengandung ketidakpastian. Metode yang dapat membantu pengolahan data yang nilai datanya banyak mengandung keambiguan pada sistem pakar dapat menggunakan Fuzzy Inference System (FIS), yang meniru cara bagaimana manusia berfikir sehingga dianggap memungkinkan untuk menyelesaikan masalah yang datanya banyak mengandung keambiguan. Penelitian yang pernah dilakukan sebelumnya di antaranya oleh Firmansyah dan Firda (2013) melakukan penelitian mengenai penerapan metode fuzzy Tsukamoto pada aplikasi perencanaan produksi. Mustarizi (2012) melakukan penelitian mengenai sistem pakar penggunaan bandwidth jaringan komputer menggunakan fuzzy. Solikin (2012) melakukan penelitian mengenai penerapan logika fuzzy Mamdani dan Sugeno untuk optimasi produksi barang. Berdasarkan beberapa
3
penelitian tersebut dapat diambil kesimpulan bahwa logika fuzzy mampu menyelesaikan ketidakpastian dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Dalam membangun sistem fuzzy ada tiga penalaran inferensi yang dapat digunakan diantaranya penalaran Mamdani, penalaran Sugeno dan penalaran Tsukamoto. Penalaran Mamdani menggunakan fungsi implikasi MIN dan komposisi antar rule menggunakan fungsi agregasi MAX sehingga untuk menghasilkan output tunggal diperlukan proses agregasi yang cukup sulit karena harus menghitung luas daerah di bawah kurva. Penalaran Sugeno sebenarnya hampir mirip dengan penalaran Mamdani, hanya saja output yang dihasilkan tidak berupa himpunan fuzzy melainkan berupa konstanta. Penalaran Sugeno memperbaiki kelemahan penalaran Mamdani dengan menambah perhitungan matematika sederhana sebagai bagian dari THEN. Tetapi penalaran Sugeno tidak dapat menyelesaikan semua jenis permasalahan dan ketidakpastiaan dari sistem fuzzy dan belum dapat merepresentasikan permasalahan secara baik. Oleh karena itu, muncul penalaran Tsukamoto yang merepresentasikan penalaran Sugeno yang sederhana tetapi output yang dihasilkan berupa himpunan fuzzy, sehingga tetap mengakomodasi penalaran Mamdani. Fuzzy Tsukamoto merupakan salah satu metode yang sangat fleksibel dan memiliki toleransi pada data yang ada. Pada metode Tsukamoto, setiap konsekuen pada aturan berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Hasil akhirnya diperoleh dengan menggunakan rata-rata berbobot. Maka penelitian ini memilih metode Tsukamoto dalam pengambilan keputusan penentuan kelayakan usaha budi daya pembesaran ikan gurami. Tujuan Penelitian 1 2
Penelitian ini bertujuan: Merumuskan fakta dan pengetahuan dalam menentukan usaha kelayakan budi daya pembesaran ikan gurami. Membangun sistem pakar untuk menentukan kelayakan usaha pembesaran ikan gurami menggunakan metode Fuzzy Inference System (FIS). Ruang Lingkup Penelitian
1
2 3
Ruang lingkup penelitian ini meliputi: Data yang digunakan berasal dari pakar yaitu Bapak Ir Irzal Effendi, MSi dari Fakultas Perikanan Departemen Budidaya Perikanan Institut Pertanian Bogor, informasi dari Bapak Ir H M Sulhi, kepala Bagian Teknis Balai Budidaya Perikanan Air Tawar Sempur, Bogor, Bapak H.R Suryadi pengelola Pusat Pelatihan Mandiri Kelautan dan Perikanan (P2 MKP) desa Pabuaran Kemang Bogor. Variabel yang digunakan diantaranya ditinjau dari aspek teknis, aspek hukum, aspek sosial budaya, dan aspek finansial. Metode yang digunakan untuk analisis aspek teknis kelayakan usaha pembesaran ikan gurami adalah metode Fuzzy Inference System Tsukamoto.
4
METODE Penelitian ini mengacu pada tahap pembangunan sistem pakar dalam Marimin (2005). Skema tahapan ini dapat dilihat pada Gambar 1.
Gambar 1 Tahapan sistem pakar (Marimin 2005) Identifikasi Masalah Menurut Maguire (1988) dalam Marimin (2005) pada tahap identifikasi masalah perlu dipertimbangkan hal seperti jenis penerapan baru untuk pemakai umum dan sistem perorangan, pengembangan sistem pakar yang sesuai dengan model pengetahuan pakar, desain yang erat kaitannya dengan versi data sistem pakar yang akan dikembangkan, dan keterpaduan sistem dengan lingkungan produksi yang dimiliki pengguna. Akuisisi Pengetahuan Akuisisi pengetahuan digunakan sebagai alat untuk mendapatkan pengetahuan, fakta, dan aturan yang diperlukan oleh sistem. Pengetahuan dari pakar dapat diperoleh melalui wawancara dan telaah pustaka. Berdasarkan proses akuisisi yang telah dilakukan didapatkan 4 aspek yang dapat menentukan kelayakan usaha pembesaran ikan gurami di antaranya aspek hukum pada Tabel 1, sosial budaya pada Tabel 2, teknis pada Tabel 3, dan finansial dapat dilihat pada Tabel 4. Tabel 1 Parameter aspek hukum No Parameter Input 1 Bentuk badan usaha 2 Izin usaha
Satuan Nilai Usaha mandiri, Badan pemerintahan Ada surat izin, Tidak ada surat izin
Tabel 2 Parameter aspek sosial budaya No Parameter Input 1 Manfaat terhadap masyarakat 2 Perilaku konsumen
Satuan Nilai Ada, Tidak ada Tidak suka ikan,Kurang suka ikan,Suka ikan, Sangat suka ikan
5
Tabel 3 Parameter aspek teknis No 1 2 3 4 5 6 7
Parameter Input Suhu NH3 DO Alkalinitas pH Kedalaman air Ketinggian
Satuan Nilai C Mg/lt Ppm Mg/lt Asam (< 7), normal (7), basa (> 7) M M dpl
Tabel 4 Parameter aspek finansial No 1 2 3 4 5 6 7 8
Parameter Input Biaya Investasi Biaya Operational Tingkat Kehidupan Berat Ikan Hasil produksi ikan Pendapatan Keuntungan R/C Ratio
Satuan Nilai Rupiah Rupiah % Bobot (Kg) Bobot Rupiah Rupiah
Representasi Pengetahuan Pengetahuan yang diperoleh dari proses akuisisi kemudian direpresentasikan untuk membentuk basis pengetahuan. Basis pengetahuan terdiri atas pengetahuan yang dimaksud dan spesifikasi dari pokok persoalan yang akan diselesaikan (Marimin 2005). Pengembangan Mesin Inferensi Metode inferensi yang digunakan adalah metode FIS Tsukamoto. Prosesnya terlihat pada Gambar 2. Setiap masukan dari pengguna dihitung nilai keanggotaannya sesuai dengan fungsi keanggotaan yang digunakan. Nilai keanggotaan yang diperoleh kemudian digunakan untuk mengevaluasi rules yang ada pada basis pengetahuan. Hasil evaluasi rules yang telah diagregasi kemudian didefuzzifikasi sehingga diperoleh kesimpulan. Domain masalah
Fuzzifikasi
Pembuatan aturan fuzzy
Defuzzifikasi
Evaluasi
Gambar 2 Metode pengembangan sistem pakar berbasis FIS (Marimin 2002) Implementasi Pengembangan Sistem ini dikembangkan dalam lingkungan XAMPP 1.7.2 dengan bahasa pemrograman PHP. Spesifikasi perangkat keras yang digunakan di tahap implementasi pengembangan sistem di antaranya menggunakan processor Intel Core 2 Duo 2.10 GHz, RAM 2.00 GB, dan harddisk kapasitas 320 GB. Sistem
6
pakar ini dikembangkan berbasis web agar lebih mudah diakses dan dimanfaatkan oleh lebih banyak orang. Pengujian Pengujian sistem dilakukan untuk mengetahui apakah sistem sudah sesuai dengan kebutuhan pakar atau belum. Tahap pengujian dilakukan dengan uji coba program kepada pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan aplikasi, seperti kelengkapan, ketepatan dan konsistensi pengetahuan, serta kemudahan menggunakan aplikasi.
HASIL DAN PEMBAHASAN Akuisisi Pengetahuan Akuisisi pengetahuan dilakukan melalui wawancara langsung dengan pakar ditambah telaah pustaka. Selain dari pakar, data diperoleh dari beberapa informasi tambahan yang diperoleh dari buku, jurnal, dan makalah yang berhubungan dengan pengembangan sistem pakar serta informasi mengenai kelayakan usaha budi daya pembesaran ikan gurami. Proses validasi kemudian dilakukan untuk melihat kebenaran dari data yang diperoleh dari proses akuisisi pengetahuan. Tahapan proses validasi dapat dilihat pada Tabel 5. Representasi pengetahuan Proses penentuan sebuah usaha layak atau tidak dilakukan dimulai dari mengumpulkan fakta yang diperoleh dari hasil survey pada beberapa tempat budi daya pembesaran ikan gurami yang kemudian dianalisis dan digunakan untuk penentuan kesimpulan. Dari hasil survey ada beberapa parameter input yang bersifat fuzzy yaitu pada aspek teknis, sehingga digunakanlah FIS untuk memproses input tersebut. Metode FIS yang digunakan adalah metode Tsukamoto. Pengembangan Mesin Inferensi a)
Domain Masalah Sebelum usaha dimulai sebaiknya para pemulai usaha melakukan analisa apakah usaha yang akan dijalankan layak atau tidak. Selama ini proses menentukan kelayakan usaha dilakukan secara manual sehingga membutuhkan waktu yang lama. Terbatasnya jumlah pakar mengakibatkan terhambatnya kinerja usaha apalagi bagi lokasi budi daya yang jauh sehingga sulit untuk menemui pakar. Oleh karena itu, perlu dibuat suatu sistem sebagai penghubung antara pakar dengan petani budi daya dan investor yang dapat mewakili pengetahuan pakar.
7
Tabel 5 Pengujian dengan pakar Validasi Hasil Langkah selanjutnya Tahap 1 Evaluasi Terdapat kesalahan range nilai Mengubah range nilai parameter setiap pada beberapa parameter aspek Kedalaman Air dan aspek teknis, yaitu: Ketinggian. Kedalaman Air Mengganti parameter Ketinggian dampak terhadap Adanya perubahan parameter masyarakat menjadi aspek sosial budaya, yaitu : manfaat untuk masyarakat. Dampak terhadap masyarakat Penelitian kembali ke tahap akuisisi pengetahuan. Tahap 2 Pengajuan kuisioner pada pakar.
Tahap 3 Pengajuan kuisioner pada pakar.
b)
Dari 31 data uji aspek teknis yang diajukan ke pakar 29 data telah terjawab dengan benar, sehingga data yang diujikan dapat dikatakan sudah mendekati keilmuan pakar.
Sistem telah tervalidasi.
Dari 31 data uji aspek hukum yang diajukan 31 dari data tersebut benar. Dari 31 data uji aspek finansial yang diajukan 31 dari data tersebut benar. Dari 31 data uji aspek sosial budaya 29 dari data tersebut benar. Dari 31 data uji keseluruhan yang bersifat fuzzy dan nonfuzzy yang diajukan kepada pakar 29 dari data tersebut benar.
Sistem telah tervalidasi.
Fuzzifikasi Fuzzifikasi dilakukan untuk membagi variabel menjadi beberapa himpunan fuzzy yang nantinya akan digunakan dalam pembuatan aturan. Aspek teknis dikembangkan dalam basis sistem fuzzy yang menggunakan FIS sebagai proses untuk pengambilan keputusan dan dapat dilihat pada Tabel 6. Variabel lainnya tidak melakukan proses fuzzifikasi karena bersifat non-fuzzy .
8
Tabel 6 Variabel aspek teknis No 1 2 3 4 5 6 7
Parameter Input Suhu NH3 DO Alkalinitas pH Kedalaman air Ketinggian
Satuan Nilai C Mg/lt Ppm Mg/lt Asam (< 7), normal (7), basa (> 7) M m Dpl
Fuzzy Fuzzy Fuzzy Fuzzy Fuzzy Fuzzy Fuzzy Fuzzy
Fungsi Keanggotaan Fungsi keanggotaan yang akan digunakan untuk memberikan nilai pada himpunan fuzzy adalah kurva trapesium untuk input dan kurva segitiga untuk output. Adapun penjelasan lebih lengkap mengenai fungsi keanggotaan masing masing parameter adalah sebagai berikut. Fungsi Keanggotaan Suhu Parameter suhu memiliki tiga himpunan dengan domain masing masing himpunan yang dapat dilihat pada Tabel 7. Fungsi keanggotaan suhu direpresentasikan menggunakan kurva trapesium seperti pada Gambar 3. Tabel 7 Himpunan fuzzy dan domain parameter suhu Parameter Suhu
Himpunan Fuzzy TidakOptimalBawah Optimal TidakOptimalAtas
Domain [0 0 20 23] [20 25 30 35] [32 35 50 50]
Gambar 3 Fungsi keanggotaan suhu Dari kurva dirumuskan fungsi keanggotaan suhu sebagai berikut: 0; µTidakOptimalBawah (X)= 1;
23−𝑥
23−20
;
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 23 0 ≤ 𝑥 < 20 20 ≤ 𝑥 < 23
9
𝑥 < 20 𝑎𝑡𝑎𝑢 𝑥 ≥ 35 20 ≤ 𝑥 < 25
0; 𝑥−20
µOptimal (X)=
25−20
;
25 ≤ 𝑥 < 30
1; 35−𝑥 35−30
;
30 ≤ 𝑥 < 35
0; µTidakOptimalAtas (X) =
𝑥−32 35−32
𝑥 < 32 𝑎𝑡𝑎𝑢 𝑥 ≥ 50 32 ≤ 𝑥 < 35
;
35 ≤ 𝑥 < 50
1; Fungsi Keanggotaan Amoniak (NH3)
Parameter NH3 memiliki 2 himpunan fuzzy dengan domain masing masing himpunan yang dapat dilihat pada Tabel 8. Fungsi keanggotaan NH3 direpresentasikan menggunakan kurva trapezium seperti ditunjukkan pada Gambar 4. Tabel 8 Himpunan fuzzy dan domain parameter NH3 Parameter NH3
Himpunan Fuzzy Optimal TidakOptimalBawah
Domain [0 0 0.09 0.6] [0.3 0.6 5 5]
Gambar 4 Fungsi keanggotaan NH3 Dari kurva dirumuskan fungsi keanggotaan NH3 sebagai berikut: 0; µOptimal (X)= 1;
;
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 0.6 0 ≤ 𝑥 < 0.09 0.09 ≤ 𝑥 < 0.6
;
𝑥 < 0.3 𝑎𝑡𝑎𝑢 𝑥 ≥ 5 0.3 ≤ 𝑥 < 0.6
0.6−𝑥
0.6−0.09
0; µTidakOptimalBawah (X)=
𝑥−0.3 0.6−0.3
1;
0.6 ≤ 𝑥 < 5
10
Fungsi Keanggotaan DO Parameter DO memiliki 3 himpunan fuzzy dengan domain masing masing himpunan yang dapat dilihat pada Tabel 9. Fungsi keanggotaan DO direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 5. Tabel 9 Himpunan fuzzy dan domain parameter DO Parameter DO
Himpunan Fuzzy TidakOptimalBawah Optimal TidakOptimalAtas
Domain [0 0 1 3] [1 4 8 14] [9 15 20 20]
Gambar 5 Fungsi keanggotaan DO Dari kurva dirumuskan fungsi keanggotaan DO sebagai berikut: 0; 1; µTidakOptimalBawah (X) =
3−𝑥 3−1
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 3 0≤𝑥<1 1≤𝑥<3
;
0; 𝑥−1
µOptimal (X)=
4−1
;
1; 14−𝑥 14−8
0; µTidakOptimalAtas (X)=
𝑥−8 11−8
1;
;
;
𝑥 < 1 𝑎𝑡𝑎𝑢 𝑥 ≥ 11 1≤𝑥<4 4≤𝑥<8 8 ≤ 𝑥 < 14 𝑥 < 9 𝑎𝑡𝑎𝑢 𝑥 ≥ 20 9 ≤ 𝑥 < 15 15 ≤ 𝑥 < 20
Fungsi Keanggotaan Alkalinitas Parameter alkalinitas memiliki 3 himpunan fuzzy dengan domain masing masing himpunan yang dapat dilihat pada Tabel 10. Fungsi keanggotaan alkalinitas direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 6.
11
Tabel 10 Himpunan fuzzy dan domain parameter alkalinitas Parameter Alkalinitas
Himpunan Fuzzy TidakOptimalBawah Optimal TidakOptimalAtas
Domain [0 0 4 30] [4 50 200 401] [250 401 600 600]
Gambar 6 Fungsi keanggotaan alkalinitas Dari kurva dirumuskan fungsi keanggotaan alkalinitas sebagai berikut: 0; µTidakOptimalBawah (X)= 1;
30−𝑥 30−4
;
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 30 0≤𝑥<4 4 ≤ 𝑥 < 30
;
𝑥 < 4 𝑎𝑡𝑎𝑢 𝑥 ≥ 401 4 ≤ 𝑥 < 50
0; 𝑥−4
µOptimal(X)=
50−4
1; 401−𝑥 401−200
50 ≤ 𝑥 < 200 200 ≤ 𝑥 < 401
;
0; µTidakOptimalAtas(X)=
𝑥−250 401−250
𝑥 < 250 𝑎𝑡𝑎𝑢 𝑥 ≥ 600 ;
1;
250 ≤ 𝑥 < 401 401 ≤ 𝑥 < 600
Fungsi Keanggotaan pH Parameter pH memiliki 3 himpunan fuzzy dengan domain masing masing himpunan yang dapat dilihat pada Tabel 11. Fungsi keanggotaan pH direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 7. Tabel 11 Himpunan fuzzy dan domain parameter pH Parameter pH
Himpunan Fuzzy TidakOptimalBawah Optimal TidakOptimalAtas
Domain [0 0 3 5] [3 6.5 8 12] [9 12 14 14]
12
Gambar 7 Fungsi keanggotaan pH Dari kurva dirumuskan fungsi keanggotaan pH sebagai berikut:
µTidakOptimalBawah (X)=
0; 1; 5−𝑥 5−3
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 5 0≤𝑥<3 ;
3≤𝑥<5
0; ;
𝑥 < 3 𝑎𝑡𝑎𝑢 𝑥 ≥ 12 3 ≤ 𝑥 < 6.5
;
6.5 ≤ 𝑥 < 8 8 ≤ 𝑥 < 12
;
𝑥 < 9 𝑎𝑡𝑎𝑢 𝑥 ≥ 14 9 ≤ 𝑥 < 12
𝑥−3
µOptimal (X)=
6.5−3
1; 12−𝑥 12−8
0; µTidakOptimalAtas (X)=
𝑥−9 12−9
1;
12 ≤ 𝑥 < 14
Fungsi Keanggotaan Kedalaman Air Parameter kedalaman air memiliki 3 himpunan fuzzy dengan domain masing-masing himpunan yang dapat dilihat pada Tabel 12. Fungsi keanggotaan kedalaman air kolam direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 8. Tabel 12 Himpunan fuzzy dan domain parameter kedalaman air Parameter Kedalaman Air
Himpunan Fuzzy TidakOptimalBawah Optimal TidakOptimalAtas
Domain [0 0 0.5 0.7] [0.5 0.8 1.2 2] [1.5 3 4 4]
Gambar 8 Fungsi keanggotaan kedalaman air
13
Dari kurva dirumuskan fungsi keanggotaan kedalaman air sebagai berikut: 0; µTidakOptimalBawah (X)= 1;
0.7−𝑥
0.7−0.5
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 0.7 0 ≤ 𝑥 < 0.5 0.5 ≤ 𝑥 < 0.7
;
0;
𝑥 < 0.5 𝑎𝑡𝑎𝑢 𝑥 ≥ 3
𝑥−0.5
µOptimal (X)=
0.8−0.5
;
1; 2−𝑥
;
2−1.2
𝑥 < 1.5 𝑎𝑡𝑎𝑢 𝑥 ≥ 4
0; µTidakOptimalAtas (X)=
𝑥−1.5 3−1.5
0.5 ≤ 𝑥 < 0.8 0.8 ≤ 𝑥 < 1.2 1.2 ≤ 𝑥 < 2
;
1;
1.5 ≤ 𝑥 < 3 3≤𝑥<4
Fungsi Keanggotaan Ketinggian Parameter ketinggian memiliki 3 himpunan fuzzy dengan domain masingmasing himpunan yang dapat dilihat pada Tabel 13. Fungsi keanggotaan ketinggian direpresentasikan menggunakan kurva trapesium seperti ditunjukkan pada Gambar 9. Tabel 13 Himpunan fuzzy dan domain parameter ketinggian Parameter Ketinggian
Himpunan Fuzzy TidakOptimalBawah Optimal TidakOptimalAtas
Domain [0 0 4 10] [6 20 300 600] [350 600 800 800]
Gambar 9 Fungsi keanggotaan ketinggian Dari kurva dirumuskan fungsi keanggotaan ketinggian sebagai berikut:
µTidakOptimalBawah (X)=
0; 1; 10 −𝑥 10−4
;
𝑥 < 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 10 0≤𝑥<4 4 ≤ 𝑥 < 10
14
0; 𝑥 −4
µOptimal (X)=
200−4
𝑥 < 4 𝑎𝑡𝑎𝑢 𝑥 ≥ 600 4 ≤ 𝑥 < 200
;
200 ≤ 𝑥 < 300 300 ≤ 𝑥 < 600
1; 600−𝑥
;
600−300
0; µTidakOptimalAtas (X) =
𝑥 < 350 𝑎𝑡𝑎𝑢 𝑥 ≥ 800
𝑥 −350 600−350
;
350 ≤ 𝑥 < 600 600 ≤ 𝑥 < 800
1;
Untuk output analisis usaha awalnya ditentukan terlebih dahulu batasan nilai untuk masing-masing output dan direpresentasikan dengan kurva segitiga yang ditunjukkan pada Gambar 10. Nilai output 1 sampai 10 diperoleh berdasarkan diskusi dengan pakar dan dengan dosen pembimbing. Pemberian skor 1 sampai 10 berfungsi untuk mengetahui range dari masing-masing output, sehingga nantinya dapat diketahui hasil dari output tergolong tidaklayak, layakbersyarat, atau layak.
Gambar 10 Fungsi keanggotaan output analisa usaha Dari kurva dirumuskan fungsi keanggotaan himpunan fuzzy output analisa usaha sebagai berikut: 𝑥≥4 0; µTidakLayak (X)= 4−𝑥 ; 0≤𝑥≤4 4−0 𝑥 ≤ 2 𝑎𝑡𝑎𝑢 𝑥 ≥ 8 2≤𝑥≤5
0; 𝑥−2
µLayakBersyarat (X)=
5−2 8−𝑥
;
8−5
;
5≤𝑋≤8
0; µLayak (X)=
𝑥−6 10−6
c)
;
𝑥≤6 6 ≤ 𝑥 ≤ 10
Pembuatan Aturan Fuzzy Aturan yang diterapkan direpresentasikan dalam bentuk kaidah produksi if – then dan menghubungkan antar premisnya dengan operator “and” sedangkan derajat keanggotaan yang dipilih pada setiap parameter merupakan nilai paling besar karena menggunakan operator “or” dan ditanyatakan dalam tabel menggunakan tanda garis miring ( / ). Komposisi antar rule menggunakan fungsi
15
agregasi dengan mengambil semua nilai dalam rule. Adapun rule yang berlaku untuk aspek teknis dapat dilihat pada Tabel 14. Aturan aspek teknis berjumlah 11 aturan yang diperoleh berdasarkan hasil diskusi dengan pakar. Awalnya aturan berjumlah 1458 aturan yang merupakan kombinasi dari seluruh parameter yang digunakan. Menurut pakar dari aturan yang telah dikombinasikan tidak semua dari aturan tersebut yang akan digunakan. Hal ini disebabkan beberapa parameter yang bersifat mutlak. Parameter yang paling menentukan dan bersifat mutlak pada aturan ini adalah suhu. Apabila keadaan suhu sudah tidak optimal, walaupun parameter lainnya keadaannya optimal maka budi daya pembesaran ikan gurami sudah tidak layak untuk dijalankan. Parameter lain yang juga menentukan adalah pH. Ketika pH keadaannya diatas batas optimal maka yang terjadi adalah budi daya yang dilakukan menjadi tidak layak. Hal ini dikarenakan apabila pH terlalu tinggi menyebabkan kualitas air menjadi asam sehingga menyebabkan kematian pada ikan. Sehingga dari kasus khusus parameter suhu dan pH, diperoleh 11 aturan yang sudah mampu mengakomodasi seluruh aturan dan permasalahan. Aturan aspek teknis dapat dilihat pada Lampiran 1. Pembuatan Aturan Non-Fuzzy Sistem pakar penentuan kelayakan usaha pembesaran ikan gurami juga memiliki parameter yang bersifat non-fuzzy. Aturan untuk aspek hukum dilihat pada Tabel 14, aturan aspek sosial budaya dilihat pada Tabel 15, dan aturan keseluruhan aspek dilihat pada Tabel 16. Tabel 14 Aturan aspek hukum No Bentuk Badan Usaha 1 Usaha Mandiri 2 Usaha Mandiri 3 Badan Pemerintahan 4 Badan Pemerintahan
Izin Usaha Ada surat izin Tidak ada surat izin Ada surat izin Tidak ada surat izin
Layak atau tidak layak Layak Tidak layak Layak Tidak layak
Aturan aspek hukum diperoleh sebanyak 4 aturan. Hal yang pertama kali dianalisis ketika akan memulai suatu usaha budi daya pembesaran ikan gurami adalah aspek hukum. Ketika aspek hukum tidak layak maka usaha budi daya pembesaran ikan gurami tidak layak untuk dijalankan. Tabel 15 Aturan aspek sosial budaya No 1 2 3 4 5 6 7 8
Manfaat Untuk Masyarakat Ada Ada Ada Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada
Perilaku Konsumen Tidak suka ikan Kurang suka ikan Suka Ikan Sangat Suka Ikan Tidak suka ikan Kurang suka ikan Suka Ikan Sangat Suka Ikan
Layak atau Layak Bersyarat layak layak Layak Layak layak bersyarat layak bersyarat Layak Layak
16
Aturan aspek sosial budaya diperoleh sebanyak 8 aturan. Output aspek sosial budaya hanya ada layak dan layak bersyarat. Tahap selanjutnya adalah mengkombinasikan semua aspek untuk memperoleh output akhir dalam menentukan apakah usaha yang dijalankan layak atau tidak. Tanda garis miring (/) berarti rule yang nantinya dipilih menggunakan operasi “or”, sehingga nilai yang diambil untuk derajat keanggotaannya adalah nilai maksimum. Dari aturan terlihat bahwa ketika aspek hukum sudah tidak layak maka yang terjadi adalah analisis usaha menjadi tidak layak karena aspek hukum bersifat mutlak untuk aspek lainnya. Tabel 16 Aturan keseluruhan dari setiap aspek No 1
Aspek Hukum Tidak Layak
2
Layak
3
Layak
4
Layak
Aspek Sosial Budaya Layak/ LayakBersyarat
Analisis Usaha Tidak Layak
Menguntungkan / Impas / Tidak Menguntungkan
Layak/ LayakBersyarat
Tidak Layak
Menguntungkan / Impas
Layak/ LayakBersyarat
Layak
Tidak Menguntungkan
Layak/ LayakBersyarat
Tidak Layak
Aspek Teknis
Aspek Finansial
Layak/ LayakBersyarat / Tidak Layak Tidak Layak
Menguntungkan / Impas / Tidak Menguntungkan
Layak / Layak Bersyarat Layak / Layak Bersyarat
Pembuatan Aturan Non-Fuzzy Aspek Finansial Output yang digunakan pada aspek finansial yaitu menguntungkan, impas, dan tidak menguntungkan. Aturan yang digunakan sebagai berikut: [Rule1] Jika R/C ratio > 1 maka analisis usaha pembesaran ikan gurami menguntungkan [Rule2] Jika R/C ratio = 1 maka analisis usaha pembesaran ikan gurami Impas [Rule3] Jika R/C ratio < 1 maka analisis usaha pembesaran ikan gurami tidak menguntungkan d)
Defuzzifikasi Proses output ini ditandai dengan dilakukannya tahap defuzzifikasi untuk menghasilkan satu nilai crisp dari beberapa output fuzzy hasil evaluasi aturan pada basis pengetahuan. Metode defuzzifikasi yang digunakan pada penelitian ini adalah weighted average method, nilai crisp diperoleh dengan formula sebagai berikut : 𝑍=
α1 ∗ 𝑧1 + α2 ∗ 𝑧2 + … … … … … … . +αn ∗ 𝑧𝑛 α1 + α2 + … … … . . + αn
17
Implementasi Sistem yang dikembangkan terdiri dari beberapa modul diantaranya Beranda, Kelayakan Usaha Pembenihan, Kelayakan Usaha Pembesaran, Petunjuk Penggunaan, dan Hubungi Kami seperti yang terlihat pada Gambar 11.
Gambar 11 Menu pada sistem Modul yang paling utama pada sistem ini adalah modul kelayakan usaha pembenihan dan kelayakan usaha pembesaran yang akan menampilkan sebuah halaman berupa form dan harus diisi oleh user. Ada 4 form yang harus diisi oleh user diantaranya form aspek hukum terlihat pada Gambar 12, form aspek teknis pada Gambar 13, form aspek finansial pada Gambar 14, dan form aspek sosial budaya pada Gambar 16.
Gambar 12 Form aspek hukum Pengisisan form aspek hukum user harus memilih jawaban dari combo-box yang sudah disediakan. Bagian form aspek teknis user harus mengisi form dengan angka yang sudah dibatasi nilainya. Hasil output dari parameter aspek teknis akan berhubungan dengan tingkat kehidupan yang diisikan nantinya pada aspek finansial.
Gambar 13 Form aspek teknis
18
Untuk aspek finansial, user juga mengisi form yang disediakan. Aspek finansial terdiri dari biaya investasi dan biaya operasional yang nilainya diinputkan sendiri oleh user. Komponen untuk biaya investasi dan biaya operasional sudah disediakan oleh penulis, sehingga user hanya memilih komponen yang sesuai dengan kebutuhan perhitungan kelayakan usaha yang dilakukan. Setelah user menginputkan semua komponen yang maka selanjutnya adalah perhitungan pendapatan dan keuntungan apakah menguntungkan, impas, atau rugi, seperti yang terlihat pada Gambar 15.
Gambar 14 Form aspek finansial.
Gambar 15 Perhitungan kelayakan aspek finansial Bagian form aspek sosial budaya user harus memilih jawaban berupa pilihan combo-box yang ada pada masing-masing parameter. Hasil output dari aspek sosial budaya nantinya akan digunakan untuk proses hasil analisa keseluruhan sistem pakar.
19
Gambar 16 Form aspek sosial budaya Tahap selanjutnya melihat hasil analisis keseluruhan apakah kelayakan budi daya yang dilakukan layak atau tidak untuk dijalankan. Tampilannya seperti yang terlihat pada Gambar 17.
Gambar 17 Tampilan hasil analisis keseluruhan aspek Pengujian Pada penelitian ini, telah dilakukan proses pengujian sistem dan validasi data dengan pakar sebanyak 3 kali sampai akhirnya mendapat hasil yang sesuai. Proses tahapan validasi lebih lengkap dapat dilihat pada Tabel 5. Pada pengujian kedua untuk aspek teknis dengan pakar dari 31 data uji 29 teridentifikasi dengan benar. Data yang teridentifikasi salah dikarenakan perbedaan nilai output, sehingga keputusan analisis kelayakan antara sistem dengan pakar terjadi perbedaan. Setelah dilakukan perhitungan derajat keanggotaan dari data yang diujikan yaitu suhu 25.5 ºC, NH3 3 Mg/L, DO 0.7 ppm, alkalinitas 167 Mg/L, pH 11, kedalaman air 0.2 m, dan ketinggian 678 m dpl diperoleh nilai derajat keanggotaannya dapat dilihat pada Gambar 18.
Gambar 18 Hasil data uji sistem Dari nilai crispyang diperoleh 3.53 maka dapat dilihat pada grafik bahwa nilai 3.53 termasuk ke dalam output tidak layak dan layak bersyarat dapat dilihat pada Gambar 19.
20
Gambar 19 Fungsi keanggotaan output Karena nilai keanggotaan pada µLayakBersyarat lebih besar sehingga pada sistem nilai maksimum yang terambil, dan output yang ditampilkan adalah layak bersyarat. Kuisioner pengujian aspek teknis dapat dilihat pada Lampiran 2. Setelah pengujian aspek teknis yang brsifat fuzzy kemudian dilakukan pengujian aspek non-fuzzy yaitu aspek hukum, aspek finansial, aspek sosial budaya, dan keseluruhan aspek yang bersifat fuzzy dan non-fuzzy. Dari 31 data pengujian aspek hukum yang diajukan ke pakar semua data uji behasil teridentifikasi dengan benar, sehingga dapat dikatakan aturan yang digunakan sudah dapat mengakomodasi seluruh aturan dan data yang digunakan sudah sesuai dengan keahlian pakar. Dari 31 data pengujian aspek finansial yang diajukan ke pakar semua data uji teridentifikasi dengan benar, sehingga dapat dikatakan aturan aspek finansial yang digunakan sudah dapat mengakomodasi seluruh aturan dan sudah mendekati keilmuan pakar. Dari 31 data pengujian aspek sosial budaya yang diajukan kepada pakar 29 teridentifikasi dengan benar. Kemudian dilakukan pengujian keseluruhan aspek kepada pakar dan diperoleh hasil dari 31 data yang diajukan, 29 teridentifikasi dengan benar. Kesalahan ini terjadi karena perbedaan jawaban pada aspek teknis dan aspek sosial budaya sehingga mengakibatkan perbedaan output analisis usaha yang dihasilkan. Hal ini sangat berpengaruh karena aspek teknis merupakan salah satu aspek yang berpengaruh dan memiliki bobot tertinggi setelah aspek hukum. Hasil keluaran analisis aspek teknis akan berpengaruh juga terhadap aspek finansial. Apabila aspek teknis tidak layak, walaupun parameter lainnya dinyatakan layak maka keseluruhan usaha budi daya pembesaran ikan gurami tidak akan layak untuk dijalankan. Hal ini disebabkan jika lokasi yang digunakan untuk budi daya pembesaran ikan gurami tidak lingkungan yang optimal maka pertumbuhan ikan akan terhambat sehingga hasil produksi yang dihasilkan akan menurun. Tentu saja keuntungan yang dihasilkan juga akan menurun dan berkurang sehingga output yang dihasilkan dari keseluruhan aspek akan bergantung pada output yang dihasilkan aspek teknis. Pengujian keseluruhan aspek ke pakar dapat dilihat pada Lampiran 3.
21
SIMPULAN DAN SARAN Simpulan
1
2
3
4
5
Dari penelitian yang telah dilakukan dapat disimpulkan : Menentukan kelayakan usaha budi daya pembesaran ikan gurami dapat dilihat dari aspek teknis, aspek hukum, aspek sosial budaya, dan aspek finansial. Parameter suhu, amoniak (NH3), disolved oxygen (DO), alkalinitas, pH, kedalaman air, ketinggian, bentuk badan usaha, izin usaha, manfaat untuk masyarakat, perilaku konsumen, dan R/C ratio dapat digunakan sebagai parameter untuk menentukan kelayakan usaha budi daya pembesaran ikan gurami. Aturan yang digunakan pada aspek hukum memiliki 4 aturan, aspek teknis memiliki 11 aturan, aspek sosial budaya memiliki 8 aturan dan keseluruhan aspek memiliki 4 aturan. Aturan yang digunakan sudah mampu mengakomodasi seluruh aturan dan permasalahan. Metode Fuzzy Inference System Tsukamoto dapat diterapkan sebagai metode untuk menentukan kelayakan teknis budi daya pembesaran ikan gurami. Sistem pakar ini mampu menganalisis kelayakan usaha budidaya pembesaran ikan gurami dan sudah mendekati kemampuan dari pakar. Saran
Sistem pakar yang dikembangkan dapat menangani analisis kelayakan usaha budi daya ikan gurami pada segmentasi pembenihan dan pembesaran. Kedepannya bisa dikembangkan dengan menambahkan segmetasi pendederan yang merupakan segmentasi antara proses pembenihan dengan proses pembesaran.
DAFTAR PUSTAKA [DPPKB] Dinas Perternakan dan Perikanan Kabupaten Bogor. 2011. Buku Data Perikanan 2011 Dinas kabupaten Bogor. Bogor (ID): DPPKB. Efrina S. 2011. Analisis kelayakan investasi pengusahaan ikan gurami (studi kasus di Perusahaan Mekar Tambak Sari Kecamatan Sawangan, Kota Depok) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Firmansyah I, Firda SU. 2013. Tsukamoto fuzzy logic application in production planning at PT. Kimia Farma (Persero) Tbk. Plant Bandung Indonesia. Di dalam : Proceedings The 2nd International Conference On Global Optimization and Its Applications 2013; 2013 Augustus 28-29; Avillion Legacy Melaka Hotel, Malaysia. Bandung (ID): Department of Industrial Engineering, Faculty of Engineering, University of Pasundan. hlm 70-78. Marimin, 2002. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial. Bogor (ID): IPB Press.
22
Marimin, 2005. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial. Bogor (ID): IPB Press. Maguire B. 1988. An incremental approach to expert systems development. Di Dalam: Proceedings of The Eighth International Workshop Expert System & Their Application; 1988 Mei 30–Jun 3; Avignon, Perancis. Avignon (FR): EC2. hlm 250–259. Mustarizi. 2012. Sistem pakar fuzzy untuk optimasi penggunaan bandwidth jaringan komputer [tesis]. Semarang (ID): Universitas Diponegoro. Saparinto C. 2008. Panduan lengkap Gurami. Jakarta (ID): Penebar Swadaya. Solikin F. 2012. Aplikasi logika fuzzy dalam optimasi produksi barang menggunakan metode Mamdani dan metode Sugeno [skripsi]. Yogyakarta (ID): Universitas Negeri Yogyakarta.
Optimal
8
11
Optimal
10 Optimal
Optimal
Optimal
9
Suhu
Optimal
NH3
DO
Optimal
Optimal TidakOptimalBawah/ TidakOptimalBawah/ Optimal/ Optimal TidakOptimalAtas
Optimal
TidakOptimalBawah/ TidakOptimalBawah/ Optimal/ Optimal TidakOptimalAtas Optimal Optimal
Optimal
Optimal TidakOptimalBawah/ TidakOptimalBawah/ Optimal/ TidakOptimalBawah Optimal TidakOptimalAtas TidakOptimalBawah TidakOptimalBawah/ /Optimal/ TidakOptimalAtas Optimal TidakOptimalAtas TidakOptimalBawah/ Optimal TidakOptimalBawah Optimal/ TidakOptimalAtas Optimal Optimal TidakOptimalBawah/ TidakOptimalAtas Optimal Optimal Optimal
Optimal
7
6
5
4
3
2
1
No
Alkalinitas
pH
TidakOptimalBawah/ Optimal
Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal
Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas
Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas
TidakOptimalBawah/ TidakOptimalAtas Optimal/ TidakOptimalAtas Optimal Optimal
TidakOptimalBawah/ TidakOptimalBawah/ TidakOptimalAtas Optimal TidakOptimalBawah Optimal
Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal / TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas
Kedalaman air kolam Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakBolehBawa/h Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah / TidakOptimalAtas Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas
Ketinggian
Layak bersyarat
TidakOptimalAtas/ Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalAtas/ Optimal TidakOptimalAtas TidakOptimalBawah
Tidak layak
Layak bersyarat
Layak bersyarat
Tidak layak
Layak bersyarat
Layak bersyarat
Layak bersyarat
Tidak layak
Tidak layak
Layak/ TidakLayak Layak
TidakOptimalAtas/ Optimal
TidakOptimalAtas/ Optimal
Optimal TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalBawah/ Optimal/ TidakOptimalAtas TidakOptimalAtas/ Optimal
23
LAMPIRAN
Lampiran 1 Aturan aspek teknis
24
Lampiran 2 Kuisioner 1 pengujian data aspek teknis ke pakar
Suhu 2 12 26
NH3 0.02 0.03 0.08
Oksigen Terlarut (DO) 2 5 7
20 31
0.2 0.4
8 10
34 36
2 2.7
1.6 1.8
46 57
26 43 24
0.9 1 1.3
12 14 16
45 56 66
13 3 3.6
2 2.3 2.5
68 79 80
22
1.6
18
68
3.8
2.7
100
30
1.7
1
78
4
2.9
120
24
1.8
0.9
99
5.6
3
130
27
2
3
123
7
3.2
230
26
2.2
6
135
6.4
3.5
345
10.5 49 25.5 16.9 32.3 25 28.9 19.8 18.3 36 11.4 6.8 3.3 44 30 22 26
2.7 2.9 3 3.33 4 4.6 0.05 0.09 0.06 4 0.07 0.8 2.3 3.7 4.1 2.22 0.02
13.4 0.7 0.7 15.5 17.8 11.7 3.9 4.6 5.9 5.5 19 4.4 2.45 0.5 10.9 12.3 7.8
146 157 167 180 190 200 203 206 304 405 506 509 80 90 23.6 34.7 60.5
8 8.3 11 9.13 10.33 12 13.4 11 7.4 7.98 6.7 4.6 9.9 10 11.56 12.67 6.9
3.8 0.09 0.2 0.4 0.06 0.3 1.23 1.55 3.33 0.33 2.46 3.33 2.45 1.11 3.12 0.07 1.1
432 543 678 200 300 400 500 600 700 780 2 6 10 20 30 40 40.8
Alkalinitas 2 12 23
pH 1 1.4 1.6
Kedalaman air kolam 0.6 0.8 1.3
Ketinggian 12 24 34
Kelayakan aspek Teknis Tidak layak Tidak layak Layak Bersyarat Tidak layak Layak Bersyarat Tidak layak Tidak layak Layak Bersyarat Layak Bersyarat Layak Bersyarat Layak Bersyarat Layak Bersyarat Layak Bersyarat Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Layak
Kelayakan Aspek Hukum Tidak Ada Tidak layak Tidak Ada Tidak layak Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada Layak Ada
Mandiri Mandiri Mandiri Mandiri Mandiri Mandiri Pemerintahan Pemerintahan Pemerintahan Pemerintahan
Mandiri Mandiri Mandiri Pemerintahan
Mandiri Mandiri Pemerintahan Pemerintahan
Mandiri
Mandiri
Pemerintahan
Mandiri
Mandiri
Mandiri Mandiri Mandiri
Mandiri Pemerintahan
Mandiri Mandiri
Bentuk Badan Usaha Izin Usaha
10.5 49 25.5 16.9 32.3 25 28.9 19.8 18.3 36 11.4 6.8 3.3 44 30 22 26
26
27
24
30
22
26 43 24
20 31
Suhu 2 12 26
2.7 2.9 3 3.33 4 4.6 0.05 0.09 0.06 4 0.07 0.8 2.3 3.7 4.1 2.22 0.02
2.2
2
1.8
1.7
1.6
0.9 1 1.3
0.2 0.4
NH3 0.02 0.03 0.08
13.4 0.7 0.7 15.5 17.8 11.7 3.9 4.6 5.9 5.5 19 4.4 2.45 0.5 10.9 12.3 7.8
6
3
0.9
1
18
12 14 16
8 10
Oksigen Terlarut (DO) 2 5 7
146 157 167 180 190 200 203 206 304 405 506 509 80 90 23.6 34.7 60.5
135
123
99
78
68
45 56 66
34 36
Alkalinitas 2 12 23
8 8.3 11 9.13 10.33 12 13.4 11 7.4 7.98 6.7 4.6 9.9 10 11.56 12.67 6.9
6.4
7
5.6
4
3.8
13 3 3.6
2 2.7
pH 1 1.4 1.6
3.8 0.09 0.2 0.4 0.06 0.3 1.23 1.55 3.33 0.33 2.46 3.33 2.45 1.11 3.12 0.07 1.1
3.5
3.2
3
2.9
2.7
2 2.3 2.5
1.6 1.8
Kedalaman air kolam 0.6 0.8 1.3
432 543 678 200 300 400 500 600 700 780 2 6 10 20 30 40 40.8
345
230
130
120
100
68 79 80
46 57
Ketinggian 12 24 34
Kelayakan aspek Teknis Tidak layak Tidak layak Layak Bersyarat Tidak layak Layak Bersyarat Tidak layak Tidak layak Layak Bersyarat Layak Bersyarat Layak Bersyarat Layak Bersyarat Layak Bersyarat Layak Bersyarat Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Layak Untung
1.3
1.01 -2 -1 -1.9 -2 1 -2.5 -1.09 -1.02 -1.67 -1.87 -1.65 -1.08 -1.98 -1.87 -1.2 -1.45 1.75
1.09
1.05
1.02
Untung Rugi Rugi Rugi Rugi impas Rugi Rugi Rugi Rugi Rugi Rugi Rugi Rugi Rugi Rugi Rugi Untung
Untung
Untung
Untung
Untung
Untung Rugi Rugi
1.2 -1.1 -1.2
1.9
Untung Rugi
1.05 -2
-3 -1
R/C Ratio
Tidak Ada Ada Ada Ada Ada Ada Ada Tidak Ada Ada Tidak Ada Ada Ada Ada Tidak Ada Ada Ada Tidak Ada Ada
Tidak Ada
Tidak Ada
Tidak Ada
Ada
Ada
Ada Ada Tidak Ada
Tidak Ada Ada
Sangat Suka Ikan Sangat Suka Ikan Kurang Suka Ikan Suka Ikan Suka Ikan Suka Ikan Kurang Suka Ikan Kurang Suka Ikan Suka Ikan Suka Ikan Sangat Suka Ikan Kurang Suka Ikan Suka Ikan Suka Ikan Sangat Suka Ikan Kurang Suka Ikan Tidak Suka Ikan Suka Ikan
Suka Ikan
Kurang Suka Ikan
Tidak Suka Ikan
Suka Ikan
Sangat Suka Ikan
Sangat Suka Ikan Sangat Suka Ikan Kurang Suka Ikan
Kurang Suka Ikan Suka Ikan
Kelayakan Aspek Manfaat buat Perilaku Finansial masyarakat Konsumen Rugi Ada Suka Ikan Rugi Tidak Ada Kurang Suka Ikan
Layak Layak Bersyarat Layak Layak Layak Layak Layak Bersyarat Layak Layak Layak Layak Layak Layak Layak Layak Bersyarat Layak Bersyarat Layak
Layak
Layak
Layak Bersyarat
Layak Bersyarat
Layak
Layak Layak Bersyarat Layak
Layak Layak
Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Tidak layak Layak
Layak
Layak
Layak
Layak
Layak
Tidak layak Tidak layak Layak
Tidak layak Layak
Kelayakan Aspek Kelayakan Sosial Budaya Keseluruhan Aspek Layak Tidak layak Layak Bersyarat Tidak layak Layak Bersyarat Layak
25
Lampiran 3 Kuisioner II pengujian data keseluruhan aspek ke pakar
26
RIWAYAT HIDUP Penulis bernama Suci Hitmawati, dilahirkan di Salido, Sumatera Barat tanggal 10 Februari 1990. Penulis anak keempat dari empat bersaudara dari pasangan Bapak Mawin dan Ibu Hidayati. Penulis memulai pendidikan formal pada tahun 1995 di TK Dharmawanita Painan, kemudian pada tahun 1996 melanjutkan pendidikan ke jenjang Sekolah Dasar di SD No 16 Bukit Siayah dan lulus pada tahun 2002. Kemudian melanjutkan pendidikannya ke Sekolah Lanjutan Tingkat Pertama di SLTP 1 IV Jurai, Lumpo Selatan dan selesai tahun 2005. Sekolah Menengah Atas penulis diselesaikan pada tahun 2008 di SMA 2 Painan, Pesisir Selatan. Penulis diterima sebagai mahasiswa Direktorat Program Diploma Institut Pertanian Bogor (IPB) pada tahun 2008 melalui jalur Undangan Seleksi Masuk IPB pada program keahlian Manajemen Informatika. Pada tahun 2011 penulis lulus dari Diploma Institut Pertanian Bogor dan melanjutkan pendidikan di Program Alih Jenis Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB.