SISTEM PAKAR PREDIKSI PRODUKTIVITAS PADI PANDAN WANGI MENGGUNAKAN LOGIKA FUZZY
MUSLIM AL KHANIF
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar Prediksi Produktivitas Padi Pandan Wangi Menggunakan Logika Fuzzy 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, Oktober 2014 Muslim Al Khanif NIM G64100028
ABSTRAK MUSLIM AL KHANIF. Sistem Pakar Prediksi Produktivitas Padi Pandan Wangi Menggunakan Logika Fuzzy. Dibimbing oleh YANDRA ARKEMAN dan AGUS BUONO. Peningkatan nilai produksi komoditas unggul adalah upaya pemerintah Indonesia untuk bisa bertahan dalam persaingan perdagangan yang semakin kompetitif. Komoditas unggul yang sudah menjadi ciri khas Indonesia adalah beras pandan wangi. Komoditas ini mempunyai rasa dan aroma khas, terkenal di pasar regional, nasional maupun internasional. Sistem pakar dapat membantu upaya tersebut agar berjalan efektif dan efisien dengan cara memprediksikan produktivitas padi pandan wangi. Sistem ini memiliki tiga sistem inferensi, yang pertama untuk menentukan kondisi lahan dengan input kadar nitrogen, fosfor, kalium dan tingkat kemasaman tanah, dan kedua menentukan kondisi lingkungan dengan input curah hujan, ketinggian lahan dan irigasi (debit air). Output kedua inferensi tersebut akan menjadi input untuk sistem inferensi ketiga dengan output akhir produktivitas padi pandan wangi. Sistem pakar ini menggunakan logika fuzzy dengan model Mamdani dan defuzzifikasi mean of maximum (MOM). Sistem pakar ini memiliki tingkat akurasi sebesar 61.72% untuk sistem inferensi pertama, 62.96% untuk sistem inferensi kedua dan 88.88% untuk sistem inferensi yang ketiga. Kata kunci: logika fuzzy, mamdani, MOM, produktivitas pandan wangi
ABSTRACT MUSLIM AL KHANIF. Expert System for Predicting Paddy Productivity of Pandan Wangi Variety Using Fuzzy Logic. Supervised by YANDRA ARKEMAN and AGUS BUONO. The increase of superior commodity production value is Indonesian government's efforts to survive in competitive trade competition. Superior commodity that has become the hallmark of Indonesia is beras pandan wangi. This commodity has a distinctive taste and fragrance, well-known in regional, national and international markets. Expert system can help the effort in order to run effectively and efficiently by predict pandan wangi paddy productivity. This system has three inference systems, the first is to determine the condition of the land with the input level of nitrogen, phosphorus, potassium and acidity level of the soil, the second is to determine the environmental conditions with rainfall input, land elevation and irrigation (water discharge). The second output of the inference will become an input for the third inference system which has pandan wangi paddy productivity as the final output. This expert system using mamdani fuzzy logic model and mean of maximum (MOM) for defuzzification. This expert system has an accuracy of 61.72%, 62.96% and 88.88% for the first, second, third inference system respectively. Keywords: fuzzy logic, mamdani, MOM, productivity of pandan wangi
SISTEM PAKAR PREDIKSI PRODUKTIVITAS PADI PANDAN WANGI MENGGUNAKAN LOGIKA FUZZY
MUSLIM AL KHANIF
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
Penguji: Aziz Kustiyo, SSi MKom
Judul Skripsi : Sistem Pakar Prediksi Produktivitas Padi Pandan Wangi Menggunakan Logika Fuzzy Nama : Muslim Al Khanif NRP : G64100028
Disetujui oleh
Dr Ir Yandra Arkeman, MEng Pembimbing I
Dr Ir Agus Buono, MSi MKom Pembimbing II
Diketahui oleh
Dr Ir Agus Buono, MSi, MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa taβala atas segala karunia-Nya, sehingga penulis dapat menyelesaikan tugas akhir Sistem Pakar Prediksi Produktivitas Padi Pandan Wangi Menggunakan Logika Fuzzy. Penelitian ini dilaksanakan mulai Oktober 2013 sampai dengan Oktober 2014, bertempat di Departemen Ilmu Komputer. Dalam pelaksanaan tugas akhir ini banyak pihak yang selalu memberikan dukungan dan bantuan. Oleh karena itu penulis ingin menyampaikan terima kasih kepada: 1 Ibu, Bapak dan semua anggota keluarga yang selalu memberikan dukungan, kasih sayang, doa, dan semangat yang tiada tara. 2 Bapak Dr Ir Yandra Arkeman, MEng dan Bapak Dr Ir Agus Buono, MSi MKom selaku dosen pembimbing yang selalu memberikan bimbingan dan nasehat selama pengerjaan tugas akhir. 3 Bapak Azis Kustiyo, SSi Mkom selaku dosen penguji. 4 Bapak Prof Dr Ir Memen Surahman, MSc.Agr dan Bapak Dr Ir Hajrial Aswidinoor MSc selaku pakar yang banyak memberikan ilmunya. 5 Mas Dhani dari SBRC IPB yang membantu penulis dalam berdiskusi. 6 Wuri Tri Handayani yang senantiasa selalu memberikan semangat dan sarannya. 7 Teman-teman pasca satu bimbingan yang banyak sekali memberikan saran yang membangun. 8 Teman-teman satu bimbingan Umam, Uki, Romi dan Adit. 9 Teman-teman pixels47 yang selalu memberikan semangat. Semoga karya ilmiah ini bermanfaat.
Bogor, Oktober 2014 Muslim Al Khanif
DAFTAR ISI DAFTAR TABEL
ix
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
1
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
DATA DAN METODE
2
Data
2
Kerangka Pemikiran
5
Pendekatan Sistem
5
Tahapan Penelitian
5
HASIL DAN PEMBAHASAN Design Sistem
8 8
Implementasi dan Pengujian
10
Operasionalisasi Sistem
12
Keterbatasan Sistem
12
PERANCANGAN DAN DOKUMENTASI SISTEM
13
Perancangan Sistem
13
Dokumentasi Sistem
14
SIMPULAN DAN SARAN
16
Simpulan
16
Saran
16
DAFTAR PUSTAKA
17
LAMPIRAN
18
DAFTAR TABEL 1 2 3 4 5 6
Deskripsi parameter input fuzzy sistem inferensi pertama Deskripsi parameter input fuzzy sistem inferensi kedua Deskripsi parameter input fuzzy sistem inferensi ketiga Himpunan fuzzy dan Domain sistem inferensi pertama Himpunan fuzzy dan domain sistem inferensi kedua Himpunan fuzzy dan Domain sistem inferensi ketiga
7 7 7 9 9 10
DAFTAR GAMBAR 1 Representasi kurva segitiga 2 Representasi kurva bahu 3 Representasi kurva linear 4 Tahap pembentukan sistem pakar (Marimin 2009) 5 Dependency diagram menggambarkan alur sistem 6 Tampilan beranda sistem 7 Tampilan halaman prediksi sistem 8 Tampilan keluaran akhir sistem 9 Pembentukan himpunan fuzzy dan aplikasi fungsi implikasi 10 Komposisi aturan dan penegasan atau defuzzifikasi 11 Himpunan rendah kadar nitrogen
3 4 4 5 6 11 11 12 13 13 15
DAFTAR LAMPIRAN 1 Daftar pertanyaan wawancara 2 Aturan-aturan dan hasil pengujian sistem 3 Membership function variabel input dan output sistem
18 19 26
1
PENDAHULUAN Latar Belakang Persaingan yang semakin kompetitif di era perdagangan saat ini membuat pemahaman mengenai daya saing komoditas-komoditas unggulan menjadi sangat penting untuk dipahami oleh setiap negara. Setiap negara harus bersiap diri menghadapi persaingan tersebut dengan meningkatkan kualitas maupun kuantitas komoditas-komoditas unggulan yang dimilikinya guna meningkatkan daya saing dari komoditas-komoditas tersebut. Hal tersebut dilakukan agar komoditas domestik mampu bertahan dari masuknya komoditas asing ke dalam negeri. Tidak hanya bertahan, diharapkan komoditas tersebut mampu menghasilkan devisa bagi negara atau bahkan menjadi ciri khas negara tersebut. Kondisi ini berlaku bagi komoditas beras yang menjadi sumber pangan utama bagi masyarakat Indonesia. Sebagai produsen beras terbesar ke-3 di dunia. Indonesia tentunya memiliki beras varietas unggul yang menjadi andalan. Varietas pandan wangi adalah varietas andalan dari jenis beras wangi (Aromatic Rice) yang sangat terkenal baik pasar regional, nasional bahkan internasional, memiliki karakter unik seperti cita rasa yang khas, bentuk bulat, aroma yang wangi dan rasa nasi yang pulen. Uniknya lagi varietas ini akan memiliki hasil yang bagus jika penanamannya dilakukan di Indonesia, khususnya kabupaten Cianjur. Sehingga padi varietas pandan wangi telah menjadi trade mark dari kabupaten tersebut (As Saheda 2008). Melihat keunggulan dan potensi pandan wangi, pemerintah Kabupaten Cianjur diwakili oleh Dinas Pertanian beserta jajarannya menggalakan pembentukan kelompok tani khusus padi pandan wangi. Hal ini dimaksudkan untuk terus meningkatkan produksi padi pandan wangi sebagai komoditas unggulan Cianjur (Apriyadi 2007). Salah satu upaya peningkatan yang dapat dilakukan adalah dengan dukungan teknolohi komputer yaitu sistem pakar. Sistem pakar potensial dalam membantu meningkatkan produktivitas padi pandan wangi dengan cara memprediksikannya, sehingga upaya pemerintah bisa dilaksanakan secara efektif dan efisien. Adanya sistem pakar dapat mempermudah kerja atau bahkan mengganti tenaga ahli, menggabungkan ilmu dan pengalaman dari beberapa tenaga ahli dan menyediakan keahlian yang diperlukan suatu proyek yang tidak memiliki tenaga ahli (Marimin 2009). Pada penelitian ini, digunakan teknik logika fuzzy. Pada awalnya logika fuzzy diperkenalkan oleh Lotfi Zadeh dari Universitas California, Berkeley pada tahun 1965 digunakan untuk menyelesaikan masalah-masalah dimana muncul banyak ketidakpastian dan ketidakjelasan (Ling et al 2005 dalam Sidabutar 2008), Sehingga dalam penelitian ini penggunaan logika fuzzy sangat baik untuk memprediksi produktivitas padi pandan wangi karena terdapat ketidakpastian di dalam faktor-faktor yang mempengaruhi produktivitasnya. Perumusan Masalah Perumusan masalah dalam penelitian ini ialah bagaimana rancangan sistem pakar dalam memprediksi produktivitas padi pandan wangi.
2 Tujuan Penelitian Tujuan dari penelitian ini adalah mengembangkan sistem pakar untuk memprediksikan produktivitas padi varietas pandan wangi menggunakan logika fuzzy. Manfaat Penelitian Hasil penelitian ini diharapkan dapat bermanfaat bagi petani, praktisi, peneliti atau decision maker dalam pengambilan keputusan sehingga produktivitas padi pandan wangi bisa dikontrol dengan baik. Ruang Lingkup Penelitian 1 2
3
4
5 6
Sistem yang dibuat memiliki ruang lingkup sebagai berikut: Sistem pakar akan memprediksi produktivitas padi khususnya padi varietas pandan wangi. Data yang diproses berupa hasil yang ditemukan selama cek lapang. Data tersebut selanjutnya akan dianalisis oleh sistem untuk menghasilkan output. Output yang dihasilkan berupa informasi tingkat produktivitas padi. Pengguna sistem adalah petani, peneliti, pengambil keputusan atau mahasiswa khususnya Agronomi dan Hortikultura yang mempunyai kemampuan untuk mencari kondisi curah hujan, kadar nitrogen, kadar fosfor, kadar kalium dan mencari nilai tingkat kemasaman tanah. Sistem pakar ini memiliki tiga kali proses fuzzy inference system (FIS). FIS pertama digunakan untuk menentukan kondisi lahan, FIS kedua untuk menentukan kondisi lingkungan dan output dari kedua FIS ini akan menjadi input untuk FIS ketiga yang memiliki output akhir yaitu produktivitas padi pandan wangi. Aspek hama penyakit dan sosial ekonomi belum diperhatikan dalam sistem pakar ini. Sistem dikembangkan menggunakan fuzzy inference system model Mamdani, defuzzifikasi Mean of Maximum (MOM) dan bahasa pemrograman PHP.
DATA DAN METODE Data Data pada penelitian ini didapat dari proses akuisisi pengetahuan yang berasal dari literatur yang mendukung penelitian dan pakar melalui wawancara (daftar pertanyaan wawancara pada Lampiran 1). Data yang diperoleh dalam bentuk paramater-parameter input beserta membership function dan rule set.
3 Kondisi lahan Parameter-parameter masukan yang digunakan adalah kadar nitrogen, kadar fosfor, kadar kalium dan tingkat kemasaman tanah. Parameter masukan ini yang mempengaruhi baik atau tidaknya kondisi lahan. Kondisi lingkungan Parameter-parameter masukan yang digunakan adalah curah hujan per tiga bulan, ketinggian lahan yang digunakan untuk menanam pandan wangi dan debit air. Parameter masukan ini akan mempengaruhi baik atau tidaknya kondisi lingkungan. Membership Function Fungsi keanggotaan atau membership function adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai derajat keanggotaan yang memiliki interval antara 0 sampai 1. Berikut ini adalah representasi kurva yang digunakan dalam penelitian ini. 1 Representasi Kurva Segitiga Kurva segitiga pada dasarnya merupakan gabungan 2 garis (linear) seperti pada Gambar 1. Fungsi keanggotaan : 0, π₯ β€ π ππ‘ππ’ π₯ β₯ π (π₯ β π)/(π β π), π < π₯ < π π(π₯) = { ....................................(1) 1, π₯ = π (π β π₯)/(π β π), π < π₯ < π 2
Representasi Kurva Bahu Kurva bahu merupakan pecahan dari kurva trapesium, kurva ini digunakan untuk ujung-ujung grafik seperti pada Gambar 2.
Gambar 1 Representasi kurva segitiga
4
Gambar 2 Representasi kurva bahu Fungsi keanggotaan : π(π₯) = {
0, π₯ β₯ π 1, π β€ π₯ β€ π ..................................................(2) (π β π₯)/(π β π) π < π₯ < π
3 Representasi Kurva Linear Kurva linear merupakan kurva garis, pecahan kurva segitiga yang sama seperti kurva bahu yang digunakan diujung grafik seperti pada Gambar 3. Fungsi keanggotaan : 0, π₯ β₯ π 1, π₯ = 0 π(π₯) = { ...........................................................(3) (π β π₯)/π 0 < π₯ < π Rule Set Parameter-parameter masukan dikombinasikan menggunakan kaidah produksi IF-THEN sehingga membentuk rule set. Rule set akan menjadi inti dari sistem pakar prediksi produktivitas padi pandan wangi.
Gambar 3 Representasi kurva linear
5 Kerangka Pemikiran Melihat keunggulan dan potensi pasar yang sangat menjanjikan dari padi pandan wangi, berbagai upaya dilakukan pemerintah untuk meningkatkan produktivitas. Sistem pakar ini akan membantu memprediksikan produktivitas padi pandan wangi dengan cepat, tepat dan akurat sehingga upaya pemerintah tersebut bisa berjalan secara efisien dan efektif. Pendekatan Sistem Tahap pendekatan sistem ini dilakukan analisis masalah atau akuisisi pengetahuan dan identifikasi sistem, dengan harapan sistem yang akan dibangun benar-benar bisa mewakili cara berfikir pakar dalam mengambil keputusan. Tahapan Penelitian Metode yang digunakan untuk merancang sistem pakar prediksi produktivitas padi pandan wangi terdiri dari beberapa tahap secara lengkap disajikan pada Gambar 4.
Gambar 4 Tahap pembentukan sistem pakar (Marimin 2009)
6 Identifikasi Masalah Salah satu masalah yang dialami oleh petani, peneliti atau pun pengambil keputusan dalam meningkatkan produktivitas padi pandan wangi adalah belum adanya campur tangan teknologi komputer dalam upaya pengembangan produktivitas pandan wangi yaitu sebuah sistem pakar yang bisa dengan cepat memprediksi produktivitas padi pandan wangi sehingga dalam prakteknya masih kurang efisien dan efektif. Mencari Sumber Pengetahuan Sumber pengetahuan diperoleh langsung dari pakar yang berasal dari Departemen Agronomi dan holtikultura (AGH), Departemen Teknologi Industri Pertanian (TIN) dan Pihak yang sedang mengembangkan padi pandan wangi Cianjur. Selain dari pakar, pengetahuan juga berasal dari beberapa literatur yang mendukung penelitian. Akuisisi Pengetahuan Akuisisi pengetahuan merupakan cara untuk mendapatkan pengetahuan, fakta dan aturan yang dibutuhkan oleh sistem pakar. Pengetahuan tersebut diperoleh dengan wawancara langsung kepada pakar dan dari beberapa pustaka yang mendukung penelitian. Berdasarkan proses akuisisi yang telah dilakukan terdapat tiga kali proses fuzzy inference system (FIS). Proses pertama menentukan kondisi lahan (internal), yang kedua menentukan kondisi lingkungan (eksternal) dan dari kedua proses tersebut akan dilakukan satu kali lagi proses untuk menentukan keluaran akhir, prediksi produktivitas padi pandan wangi. Setiap proses fuzzy inference system (FIS) memiliki parameter input, sistem inferensi fuzzy tentunya, serta rule masing-masing dan terpisah satu sama lain. Aplikasi sistem pakar prediksi produktivitas padi pandan wangi secara keseluruhan digambarkan pada Gambar 5.
Gambar 5 Dependency diagram menggambarkan alur sistem
7 Jaringan inferensi yang pertama dibentuk dari 4 parameter input fuzzy yang dideskripsikan dalam Tabel 1. Untuk jaringan inferensi yang kedua dibentuk dari 3 parameter input fuzzy yang dideskripsikan dalam Tabel 2. Output dari kedua sistem inferensi ini akan menjadi input pada sistem inferensi ketiga yang dideskripsikan dalam Tabel 3. Representasi Pengetahuan Setelah memperoleh pengetahuan dari berbagai sumber, selanjutnya dipilih teknik representasi yang digunakan untuk mengembangkan sistem pakar. Pengembangan sistem pakar ini menggunakan kaidah produksi untuk menyajikan representasi pengetahuan prosedural. Bentuk kaidah produksi yang digunakan adalah bentuk if β then. βIfβ merupakan premis yang menunjukkan suatu kondisi yang akan dinilai dan βthenβ merupakan konklusi yang menunjukkan aksi yang dapat diambil apabila kondisi terpenuhi. Untuk menghubungkan antar premis menggunakan operator βandβ. Aturan fuzzy ini bekerja seperti kecerdasan manusia dalam menentukan pilihan yang optimal untuk mengatasi suatu masalah tertentu (Askerzade & Mahmood 2010 dalam Mulyawanto 2011). Jumlah total rule set fuzzy untuk kelompok fuzzy inference system yang pertama, yaitu kondisi lahan terdapat 81 rules. Untuk kelompok fuzzy inference system yang kedua, yaitu kondisi lingkungan terdapat 27 rules. Dan untuk kelompok fuzzy inference system yang terakhir yaitu, produktivitas padi pandan wangi terdapat 9 rules. Salah satu contoh rule yang berlaku dalam sistem inferensi kelompok pertama adalah sebagai berikut : Tabel 1 Deskripsi parameter input fuzzy sistem inferensi pertama No Parameter 1 Kadar Nitrogen 2 Kadar Fosfor 3 Kadar Kalium Tingkat Kemasaman 4 Tanah
Satuan Persen (%) ppm mg/100 g PH
Tabel 2 Deskripsi parameter input fuzzy sistem inferensi kedua No 1 2 3
Parameter Curah hujan Ketinggian Lahan Irigasi atau Debit Air
Satuan mmHg mdpl lt/detik/Ha
Tabel 3 Deskripsi parameter input fuzzy sistem inferensi ketiga No Parameter 1 Kondisi Lahan 2 Kondisi Lingkungan
Satuan Skala (0-10) Skala (0-10)
8 IF (Kadar Nitrogen = Sedang) AND (Kadar Fosfor = Tinggi) AND (Kadar Kalium = Sedang) AND (Tingkat Kemasaman Tanah = Sedang) THEN (Kondisi Lahan = Sesuai) Salah satu contoh rule yang berlaku dalam sistem inferensi kelompok kedua adalah sebagai berikut: IF (Curah Hujan = Sedang) AND (Ketinggian Lahan = Sedang) AND (Irigasi atau Debit Air = Banyak) THEN (Kondisi Lingkungan = Sesuai). Berikutnya contoh rule yang berlaku dalam sistem inferensi kelompok ketiga adalah sebagai berikut : IF (Kondisi Lahan = Sesuai) AND (Kondisi Lingkungan = Sesuai) THEN (Produktivitas Padi Pandan Wangi = Besar) Rule lengkap untuk tiap sistem inferensi dapat dilihat di Lampiran 2. Pengembangan Mesin Inferensi Penyusunan mesin inferensi dimulai dengan perumusan proses penalaran dan kemungkinan produksinya. Setelah itu dilakukan pemeriksaan kebenaran dari aturan-aturan, parameter-parameter, peubah-peubah dan proses penalaran yang diterapkan. Metode inferensi yang digunakan adalah metode Fuzzy Inference System (FIS) Mamdani untuk data masukan fuzzy. Tahap Implementasi dan Pengujian Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dan webserver Apache. Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan aplikasi, seperti kelengkapan, ketepatan dan konistensi pengetahuan, kemudahan mengakses dan melakukan komunikasi.
HASIL DAN PEMBAHASAN Desain Sistem Sistem Pakar Prediksi Produktivitas Padi Pandan Wangi dikembangkan dalam basis sistem fuzzy yang menggunakan Fuzzy Inference System (FIS) sebagai proses untuk pengambilan keputusan. Sistem ini memiliki jaringan inferensi yang terpisah, dimana output jaringan inferensi pertama dan kedua merupakan input untuk jaringan inferensi ketiga. Jaringan inferensi pertama adalah jaringan yang dibangun untuk menghasilkan output kondisi lahan yang merupakan faktor internal dalam menentukan produktivitas padi pandan wangi. Proses fuzzifikasi sistem inferensi pertama melibatkan empat parameter masukan fuzzy yang memiliki himpunan
9 fuzzy dan domain masing-masing. Parameter masukan tersebut dideskripsikan pada Tabel 4. Jaringan inferensi kedua adalah jaringan yang dibangun untuk menghasilkan output kondisi lingkungan yang merupakan faktor eksternal dalam menentukan produktivitas padi pandan wangi. Proses fuzzifikasi sistem inferensi kedua melibatkan tiga parameter masukan fuzzy yang memiliki himpunan fuzzy dan domain masing-masing. Parameter masukan tersebut dideskripsikan pada Tabel 5. Tabel 4 Himpunan fuzzy dan Domain sistem inferensi pertama Fungsi Variabel Kadar nitrogen
Kadar fosfor
Input
Kadar kalium
Tingkat kemasaman tanah
Kondisi lahan Output
Himpunan Rendah Sedang Tinggi Rendah Sedang Tinggi Rendah Sedang Tinggi
Rentang [0 - 0.75]
[5 - 20]
[10 - 60]
Agak rendah Normal Agak tinggi Kurang sesuai Cukup sesuai Sesuai
[5.5 - 8.5]
[0 - 10]
Domain [0 0.1 0.2] [0.1 0.35 0.6] [0.5 0.65 0.75] [5 7 10] [7.5 12.5 17.5] [15 17.5 20] [10 15 20] [20 35 50] [50 55 60] [5.5 5.8 6.5] [5.8 7 8.2] [7.5 8.2 8.5] [0 4] [2 5 8] [6 10]
Tabel 5 Himpunan fuzzy dan domain sistem inferensi kedua Fungsi
Variabel
Himpunan
Curah hujan
Rendah
Ketinggian lahan
Sedang Tinggi Rendah
Input
Irigasi atau debit air
Sedang Tinggi Sedikit Sedang Banyak
Rentang Domain [0 - 450]
[0 1500]
[0 - 2]
[0 150] [100 225 350] [300 450] [0 600] [450 750 1100] [900 1500] [0 0.6] [0.4 1 1.6] [1.4 2]
10 Table 5 Lanjutan Fungsi
Variabel
Himpunan
Rentang Domain
Kondisi lingkungan Kurang sesuai Output
Cukup sesuai
[0 4] [0 - 10]
Sesuai
[2 5 8] [6 10]
Jaringan inferensi yang ketiga adalah jaringan yang dibangun untuk menghasilkan output akhir yaitu menentukan produktivitas padi pandan wangi. Proses fuzzifikasi sistem inferensi yang ketiga ini melibatkan dua parameter input fuzzy yang berasal dari output jaringan inferensi pertama dan kedua yang memiliki himpunan fuzzy dan domain masing-masing. Parameter input tersebut dideskripsikan pada Tabel 6. Membership function tiap variabel juga ditampilkan dalam bentuk grafik dan fungsi matematika pada Lampiran 3. Implementasi dan Pengujian Sistem ini dikembangkan menggunakan bahasa pemrograman PHP. Sistem ini memiliki dua menu atau dua halaman. Halaman pertama adalah tampilan beranda seperti pada Gambar 6. Tampilan beranda sistem berisi informasi mengenai sistem pakar yang dikembangkan dalam penelitian ini, termasuk pengembang, pembimbing dan pakar. Selanjutnya adalah halaman kedua, halaman prediksi seperti pada Gambar 7. Tampilan halaman prediksi digunakan untuk memasukan nilai input. Tahap pertama sebelum mendapatkan hasil produktivitas padi pandan wangi adalah menentukan kondisi lahan, yaitu mengisi pada form fuzzy inference system I. Tabel 6 Himpunan fuzzy dan Domain sistem inferensi ketiga Fungsi Variabel Kondisi lahan
Himpunan Kurang sesuai Cukup sesuai
Input Kondisi lingkungan
Output
Domain [0 4]
[0 - 10]
[2 5 8]
Sesuai
[6 10]
Kurang sesuai
[0 4]
Cukup sesuai Produktivitas pandan wangi
Rentang
[0 - 10]
[2 5 8]
Sesuai
[6 10]
Sedikit
[0 3]
Sedang Banyak
[0 - 8]
[3 4 5] [5 8]
11 Tahap selanjutnya menentukan kondisi lingkungan dengan mengisi form masukan pada fuzzy inference system II. Pada form fuzzy inference III akan terisi otomatis setelah melalui tahap pertama dan kedua. Output akhir sistem adalah popup halaman baru berupa informasi kriteria produktivitas berupa nilainya. Halaman popup output akhir seperti pada Gambar 8.
Gambar 6 Tampilan beranda sistem
Gambar 7 Tampilan halaman prediksi sistem
12
Gambar 8 Tampilan keluaran akhir system Pengujian sistem ini dilakukan dengan memasukan jumlah kasus yang sama dengan jumlah rule di setiap sistem inferensinya. Untuk sistem inferensi pertama menggunakan 81 kasus, sistem kedua 27 kasus dan sistem ketiga sembilan kasus. Hasilnya uji cobanya adalah pada sistem inferensi pertama antara output sistem dengan pakar memiliki perbedaan 31 kasus dari 81 rules. Pada sistem inferensi kedua 10 kasus dari 27 rules dan ketiga adalah satu kasus dari sembilan rules. Hasil pengujian lengkap terdapat pada Lampiran 1. Untuk menghitung akurasi menggunakan rumus: Akurasi =
β persamaan β pengujian
Γ 100%..................................................................(4)
Dengan menggunakan rumus 3 dan jumlah kebenaran kasus dari total kasus masukan sistem. Didapatkan sistem pertama sebesar 61.72%, sistem inferensi kedua sebesar 62.96% dan yang ketiga sebesar 88.88%. Operasionalisasi Sistem Untuk dapat menggunakan sistem ini, pengguna harus mempunyai browser karena sistem ini dibangun dengan bahasa pemrograman web base PHP dan menggunakan server local Apache dengan MySQL untuk menyimpan data atau bisa langsung menggunakan XAMPP dimana Apache dan MySQL sudah tersedia. Keterbatasan Sistem Sistem ini hanya dapat memprediksi produktivitas pandan wangi yang berasal dari kondisi lahan dan kondisi lingkungan. Faktor lain yang mempengaruhi produktivitas padi pandan wangi, yaitu dari sisi aspek sosial ekonomi ataupun dari segi biaya operasional yang dikeluarkan. Dari sisi kondisi lahan dan kondisi lingkungan pun masih perlu dilakukan penambahan parameterparameter lain supaya keakuratan sistem di lapangan meningkat.
13
PERANCANGAN DAN DOKUMENTASI SISTEM Perancangan Sistem Sistem pakar prediksi produktivitas padi pandan wangi ini dirancang dan dikembangkan menggunakan kaidah fuzzy dengan model yang digunakan adalah model mamdani dan defuzzifikasi Mean of Maximum (MOM). Model mamdani juga disebut model Min-Max. Pertama kali diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Pada model mamdani, ada beberapa tahapan untuk mendapatkan output, yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi (Min) yang ditampilkan dalam Gambar 9. Komposisi aturan (Max) dan Penegasan atau defuzzifikasi (Mean of Maximum) pada Gambar 10.
Gambar 9 Pembentukan himpunan fuzzy dan aplikasi fungsi implikasi
Gambar 10 Komposisi aturan dan penegasan atau defuzzifikasi
14 Pembentukan Himpunan Fuzzy Pada model Mamdani, baik variabel input maupun variabel output dibagi satu atau lebih himpunan fuzzy. Seperti contoh dalam penelitian ini adalah variabel input kadar nitrogen dibagi menjadi 3 himpunan yaitu rendah, sedang dan tinggi. Aplikasi Fungsi Implikasi Pada model mamdani, fungsi implikasi yang digunakan adalah Min. Diambil nilai minimum dari nilai parameter input pada setiap rule. Komposisi Aturan Sistem pakar ini terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Metode dalam melakukan inferensi sistem fuzzy pada penelitian ini yaitu Metode Maximum (Max). Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memdofikasi daerah fuzzy dan mengaplikasikannya ke output dengan menggunakan operator OR (Union). Jika semua proporsi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proporsi. Secara umum dapat dituliskan : ΞΌsf[Xi] ο max(ΞΌsf[Xi], ΞΌkf[Xi]) ................................................................(5) dengan : ΞΌsf[Xi] = Nilai keanggotaan solusi fuzzy sampai aturan ke-i. ΞΌkf[Xi] = Nilai keanggotaan konsekuen fuzzy aturan ke-i. Penegasan atau Defuzzifikasi Defuzzifikasi adalah suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (Marimin 2009). Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Dengan demikian, jika diberikan suatu himpunan fuzzy dalam range tertentu maka harus dapat diambil suatu nilai crisp tertentu sebagai output (Kusumadewi 2003). Sistem fuzzy mamdani menggunakan basis aturan seperti pada persamaan berikut: IF (X1 is A1) * (X2 is A2) * ...* (Xn is An) THEN y is B .........................(6) A1,...,An, dan B adalah nilai linguistik (fuzzy set) dan X1 is A1 menyatakan bahwa nilai X1 adalah anggota fuzzy set A1 (Sivarao et al. 2009a dalam Mulyawanto 2011). Dokumentasi Sistem Sistem pakar prediksi produktivitas padi pandan wangi ini dikembangkan dengan bahasa pemrograman PHP dan basisdata disimpan menggunakan MySQL dengan webserver Apache. Terdapat 3 jaringan inferensi atau fuzzy inference system pada sistem pakar ini, sehingga terdapat 3 file pengolah data fuzzy pada
15 sistem ini yaitu kondisi_lahan.php untuk memproses kondisi lahan, kondisi_lingkungan.php untuk memproses kondisi lingkungan dan produktivitas_padi.php untuk memproses hasil akhir produktivitas padi pandan wangi. Pembentukan Himpunan Fuzzy Setelah proses akuisisi pengetahuan, salah satu yang didapat adalah membership function yang mendeskripsikan himpunan dari parameter input dan output sistem. Implementasi ke dalam bahasa pemrograman PHP untuk himpunan fuzzy pada Gambar 11 adalah sebagai berikut. if(($nitrogen >= 0)&&($nitrogen <= 0.1)) {$n1=1;} else if(($nitrogen > 0.1)&&($nitrogen < 0.2)) {$n1 = (0.2 - $nitrogen)/(0.2-0.1);} else {$n1=0;}
Aplikasi Fungsi Implikasi Pada model mamdani, fungsi implikasi yang digunakan adalah Min. Selanjutnya dari setiap parameter input dicari nilai implikasinya yaitu nilai Min. Contoh dibawah adalah fungsi implikasi untuk rule pertama kondisi lahan. Dimana $n1, $f1, $k1 dan $ph1 adalah berturut-turut variabel nitrogen, fosfor, kalium dan tingkat kemasaman tanah pada rule pertama. $implication1 = min($n1, $f1, $k1, $ph1); Komposisi Aturan Setelah setiap rule didapatkan nilai Min atau implikasinya. Selanjutnya adalah menentukan nilai Max dari implikasi tiap rule. Nilai Max atau komposisi aturannya dimasukan ke dalam array. $high=array_keys($implication,max($implication)); Penegasan atau Defuzzifikasi Implementasi Mean of Maximum (MOM) ke dalam pemrograman PHP dalam sistem ini dilakukan dengan mencari jumlah dari hasil komposisi aturan yaitu jumlah nilai implikasi maksimum. Komposisi aturan:
Gambar 11 Himpunan rendah kadar nitrogen
16 $high=array_keys($implication,max($implication)); Penegasan atau Defuzzifikasi: $no=count($high); $vo=0; for($i=0;$i<$no;$i++) $vo+=$xyz[$high[$i]]; $lahan_pandanwangi=$vo/$no; Contoh dari proses defuzzifikasi diatas adalah kondisi lahan dari sistem pakar ini.
SIMPULAN DAN SARAN Simpulan Sistem pakar prediksi produktivitas padi pandan wangi menggunakan logika fuzzy adalah sebuah sistem berbasis pengetahuan yang dapat membantu petani, peneliti, pengambil keputusan atau mahasiswa khususnya Agronomi dan Holtikultura (AGH) dalam memprediksi produktivitas padi pandan wangi dengan cepat, tepat dan akurat. Sehingga produktivitas padi pandan wangi bisa dikontrol dengan baik, membuat produktivitasnya tidak menurun dan bisa ditingkatkan. Sistem ini juga telah diimplementasikan dan diujikan. Hasil pengujian terhadap ketiga sistem inferensi ini menunjukan bahwa tingkat keakurasian sistem inferensi yang pertama adalah 61.72%, sistem inferensi kedua sebesar 62.96% dan yang ketiga sebesar 88.88%. Melihat keakurasian ketiga sistem inferensi ini, menurut pakar masih diperlukan pengembangan lebih lanjut di antaranya dengan penambahan parameter input dan perbaikan aturan-aturan fuzzy, sehingga sistem dapat digunakan pada kondisi sebenarnya di lapangan. Saran Penelitian ini dapat terus dikembangkan, dengan menambahkan parameter lain yang mendukung dan bisa menjadi masukan dalam proses prediksi produktivitas padi pandan wangi, dan penambahan aturan baru sehingga menambah keakuratan dalam pengambilan keputusan. Selain penambahan parameter, diharapkan dilakukan optimasi rule untuk mendapatkan kombinasi terbaik dari rules set tersebut. Pakar pun memberikan saran terkait pandan wangi dengan membuat sistem pakar yang bisa mendeteksi keaslian suatu pandan wangi. Sehingga bersama dengan sistem ini kontrol kuantitas dan kualitas bisa berjalan dengan baik.
17
DAFTAR PUSTAKA Apriyadi A. 2007. Analisis Ekuitas Merek Produk Beras Pandan Wangi [skripsi]. Bogor (ID). Institut Pertanian Bogor. Askerzade IN, Mahmood M. 2010. Control the Extension Time of Traffic Light in Single Junction by Using Fuzzy Logic. International Journal of Electrical and Computer Sciences. Vol 10. No 2. PP 52-59. As-Saheda A.2008. Preferensi dan Kepuasan Petani Terhadap Benih Padi Varietas Lokal Pandan Wangi di Kabupaten Cianjur [skripsi]. Bogor (ID). Institut Pertanian Bogor. Kusumadewi S, Purnomo H. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta. Graha Ilmu. Ling et al. 2005. The Development of an Analytical Method for Making Fuzzy Decisions about The Making or Buying of Commodities. International Journal of Management. 22:612-625. Marimin. 2009. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Bogor. IPB Press. Mulyawanto M. 2011. Sistem Pakar Fuzzy untuk Diagnosis Penyakit pada Tanaman Cabai Merah [skripsi]. Bogor (ID). Institut Pertanian Bogor. Sidabutar EP. 2008. Pengambilan Keputusan Membeli atau Membuat Sendiri Menggunakan Triangular Fuzzy Numbers [skripsi]. Bogor (ID). Institut Pertanian Bogor. Sivarao, Breven P, El-Tayeb NSM, Vengkatesh VC. 2009a. GUI Based Mamdani Fuzzy Inference System Modeling To Predict Surface Roughness in Laser Machining. International Journal of Electrical and Computer Sciences. Vol 9. No 9. PP 281-288.
18
LAMPIRAN Lampiran 1 Daftar pertanyaan wawancara Kondisi Lahan 1. Bagaimana penggunaan Nitrogen dalam kesuburan lahan padi? ____________________________________________________ 2. Berapa kadar Nitrogen yang baik dalam penggunaan lahan padi pandan wangi? ____________________________________________________ 3. Bagaimana penggunaan Fosfor dalam kesuburan lahan padi? ____________________________________________________ 4. Berapa kadar Fosfor yang baik dalam penggunaan lahan padi pandan wangi? ____________________________________________________ 5. Bagaimana penggunaan Kalium dalam kesuburan lahan padi? ____________________________________________________ 6. Berapa kadar Kalium yang baik dalam penggunaan lahan padi pandan wangi? ____________________________________________________ 7. Bagaimana cara mengendalikan kemasaman tanah di lahan padi pandan wangi? ____________________________________________________ Kondisi Lingkungan 1. Berapa debit air yang baik untuk pengairan sawah? ____________________________________________________ 2. Berapa ketinggian lahan yang tepat agar produktvitas padi pandan wangi optimal? ____________________________________________________ 3. Berapa besar intensitas curah hujan yang baik untuk perkembangan produktivitas padi pandan wangi? ____________________________________________________ Produktivitas Padi Pandan Wangi 1. Berapa rata-rata dan potensi produktivitas padi pandan wangi yang ada disini? ____________________________________________________
19 Lampiran 1 Lanjutan 2. Berapa produktivitas padi pandan wangi bila dikatakan itu banyak atau sedikit? ____________________________________________________ Pertanyaan Tambahan 1. Bagaimana depedensi diagram dari sistem pakar yang akan dikembangkan? ____________________________________________________ 2. Apakah ada faktor lain yang mempengaruhi produktvitas padi pandan wangi di luar dependensi yang telah dibuat? ____________________________________________________ Lampiran 2 Aturan-aturan dan hasil pengujian sistem Sistem inferensi pertama Kadar Fosfor
Kadar Kalium
1 rendah 0.15
rendah 6
rendah 16
2 rendah 0.1
rendah 8
rendah 17
3 rendah 0.2
rendah 6
rendah 12
4 rendah 0.15 5 rendah 0.2
rendah 7 rendah 7
sedang 40 sedang 25
6 rendah 0.1
rendah 5
sedang 35
7 rendah 0.18 8 rendah 0.2
rendah 9 rendah 6.5
tinggi 55 tinggi 56
No
Kadar Nitrogen
Tingkat Kondisi Keluaran Kemasaman Lahan Sistem Tanah (Pakar) agak kurang rendah kurang sesuai sesuai 5.75 2 kurang normal kurang sesuai sesuai 6 1.6 agak tinggi kurang sesuai cukup sesuai 8 6.22 agak kurang rendah kurang sesuai sesuai 5.5 2 normal cukup sesuai cukup sesuai 7 6.22 agak tinggi cukup sesuai cukup sesuai 8.5 6.37 agak rendah kurang sesuai cukup sesuai 6 5.3 normal cukup sesuai cukup sesuai 7.5 6.22
20 Lampiran 2 lanjutan Kadar No Nitrogen
Kadar Fosfor
Tingkat Kadar Kemasaman Kalium Tanah
9 rendah 0.16 10 rendah 0.17 11 rendah 0.19 12 rendah 0.2 13 rendah 0.16 14 rendah 0.1 15 rendah 0.15 16 rendah 0.13 17 rendah 0.2 18 rendah 0.12 19 rendah 0.11 20 rendah 0.18 21 rendah 0.19 22 rendah 0.2 23 rendah 0.12 24 rendah 0.15 25 rendah 0.2 26 rendah 0.12
rendah 5.75 sedang 12 sedang 12.5 sedang 15 sedang 7.5 sedang 14.5 sedang 8.5 sedang 13 sedang 15 sedang 16 tinggi 15 tinggi 20 tinggi 19 tinggi 18 tinggi 17.5 tinggi 20 tinggi 16.5 tinggi 18
tinggi 57.5 rendah 14.5 rendah 13 rendah 11.5 sedang 40 sedang 45 sedang 22.5 tinggi 55 tinggi 58 tinggi 56 rendah 11 rendah 17.75 rendah 15 sedang 20 sedang 45 sedang 40 tinggi 60 tinggi 55
agak tinggi 8.4 agak rendah 6.5 normal 6.3 agak tinggi 8 agak rendah 5.5 normal 7 agak tinggi 7.5 agak rendah 6.5 normal 7.8 agak tinggi 7.75 agak rendah 5.5 normal 7 agak tinggi 8 agak rendah 6 normal 7.25 agak tinggi 8 agak rendah 6.25 normal 6
Kondisi Lahan (Pakar) kurang sesuai
Keluaran Sistem kurang sesuai
2.4 kurang sesuai
cukup sesuai 6.22
cukup sesuai
kurang sesuai 3.6
cukup sesuai
cukup sesuai 6.22
cukup sesuai
kurang sesuai 2.4
sesuai
sesuai 7.33
sesuai
sesuai 7.33
cukup sesuai
cukup sesuai 6.22
sesuai
cukup sesuai 6.22
cukup sesuai
sesuai 7.5
sesuai
kurang sesuai 2
sesuai
cukup sesuai 6.8
cukup sesuai
sesuai 7.05
sesuai
cukup sesuai 6.22
sesuai
sesuai 7.33
cukup sesuai
cukup sesuai 6.5
sesuai
cukup sesuai 6.22
sesuai
sesuai 8.86
21 Lampiran 2 lanjutan
27 rendah 0.14 28 sedang 0.4 29 sedang 0.5 30 sedang 0.6 31 sedang 0.55 32 sedang 0.35 33 sedang 0.4 34 sedang 0.45 35 sedang 0.47
Tingkat Kadar Kadar Kemasaman Fosfor Kalium Tanah tinggi tinggi agak tinggi 16 50 8 rendah rendah agak rendah 6 12 6 rendah rendah normal 5 13 7 rendah rendah agak tinggi 7 10 8.5 rendah sedang agak rendah 8 45 5.5 rendah sedang normal 7.5 40 6.45 rendah sedang agak tinggi 5 30 8 rendah tinggi agak rendah 5.5 55 6 rendah tinggi normal 6.75 60 6.75
36 sedang 0.6 37 sedang 0.4 38 sedang 0.25 39 sedang 0.2 40 sedang 0.6 41 sedang 0.44 42 sedang 0.55 43 sedang 0.33
rendah 5.6 sedang 10 sedang 11 sedang 15 sedang 14 sedang 9 sedang 10 sedang 12.5
44 sedang 0.54
sedang tinggi 13.5 60
No
Kadar Nitrogen
tinggi 56 rendah 11 rendah 12.5 rendah 15 sedang 25 sedang 45 sedang 50 tinggi 55
agak tinggi 8.25 agak rendah 5.5 normal 8.2 agak tinggi 7.75 agak rendah 5.75 normal 7 agak tinggi 8 agak rendah 6.35 normal 8.1
Kondisi Lahan (Pakar) cukup sesuai
Keluaran Sistem
cukup sesuai 6.22 cukup sesuai sesuai 7.14 sesuai sesuai 7.6 cukup sesuai cukup sesuai 6.37 cukup sesuai cukup sesuai 7 sesuai sesuai 7.78 sesuai sesuai 8.66 sesuai sesuai 8.4 sesuai cukup sesuai 6.37 kurang cukup sesuai sesuai 1.33 cukup sesuai cukup sesuai 6.5 sesuai cukup sesuai 6.22 cukup sesuai cukup sesuai 6.22 sesuai cukup sesuai 7 sesuai sesuai 7.33 sesuai cukup sesuai 6.37 cukup sesuai cukup sesuai 6.22 kurang sesuai sesuai 2.93
22 Lampiran 2 lanjutan Kadar No Nitrogen 45 sedang 0.6 46 sedang 0.3 47 sedang 0.25 48 sedang 0.5 49 sedang 0.6 50 sedang 0.35 51 sedang 0.4 52 sedang 0.5 53 sedang 0.55 54 sedang 0.35 55 tinggi 0.65 56 tinggi 0.7 57 tinggi 0.75 58 tinggi 0.6 59 tinggi 0.65 60 tinggi 0.7 61 tinggi 0.55 62 tinggi 0.58
Kadar Fosfor sedang 14 tinggi 17 tinggi 16.5 tinggi 18 tinggi 17.5 tinggi 20 tinggi 19 tinggi 18 tinggi 19.5 tinggi 16 rendah 6 rendah 5 rendah 7 rendah 8 rendah 9 rendah 10 rendah 7.5 rendah 6.5
Kadar Kalium
Tingkat Kemasaman Tanah
tinggi 60 rendah 13 rendah 15 rendah 11 sedang 35 sedang 40 sedang 45 tinggi 55 tinggi 60 tinggi 55 rendah 15 rendah 19 rendah 20 sedang 48.5 sedang 50 sedang 21 tinggi 36 tinggi 60
agak tinggi 8.5 agak rendah 5.5 normal 7.25 agak tinggi 8 agak rendah 5.5 normal 7 agak tinggi 7.5 agak rendah 6 normal 7 agak tinggi 7.5 agak rendah 6.5 normal 8 agak tinggi 8.5 agak rendah 6 normal 8 agak tinggi 8.3 agak rendah 5.8 normal 7.25
Kondisi Lahan (Pakar) cukup sesuai
Keluaran Sistem
cukup sesuai 6.37 cukup sesuai cukup sesuai 6.22 sesuai cukup sesuai 6.22 kurang sesuai kurang sesuai 2.4 kurang sesuai kurang sesuai 1.33 sesuai sesuai 8.66 cukup sesuai sesuai 7.33 cukup sesuai cukup sesuai 6.8 cukup sesuai kurang sesuai 2.66 kurang sesuai cukup sesuai 6.8 kurang sesuai cukup sesuai 6.37 cukup sesuai kurang sesuai 3.2 kurang sesuai cukup sesuai 6.37 cukup sesuai sesuai 7.7 cukup sesuai cukup sesuai 6.37 cukup sesuai sesuai 7.8 cukup sesuai cukup sesuai 7 cukup sesuai cukup sesuai 6.4
23 Lampiran 2 lanjutan No
Tingkat Kadar Kadar Kadar Kemasaman Nitrogen Fosfor Kalium Tanah
63 tinggi 0.72 64 tinggi 0.7 65 tinggi 0.66 66 tinggi 0.59 67 tinggi 0.75 68 tinggi 0.55 69 tinggi 0.74 70 tinggi 0.63 71 tinggi 0.7 72 tinggi 0.66 73 tinggi 0.57 74 tinggi 0.73 75 tinggi 0.65 76 tinggi 0.72 77 tinggi 0.59 78 tinggi 0.55 79 tinggi 0.6 80 tinggi 0.75 81 tinggi 0.65
rendah 5.5 sedang 12.5 sedang 10 sedang 11 sedang 15 sedang 12.5 sedang 17.5 sedang 14 sedang 13 sedang 12.5 tinggi 19 tinggi 18 tinggi 17 tinggi 19.5 tinggi 20 tinggi 18 tinggi 18.5 tinggi 19 tinggi 20
tinggi 60 rendah 12.5 rendah 15 rendah 17.5 sedang 25 sedang 25 sedang 35 tinggi 55 tinggi 54 tinggi 50 rendah 15 rendah 18.5 rendah 19 sedang 40 sedang 45 sedang 21 tinggi 60 tinggi 58 tinggi 55
agak tinggi 8.25 agak rendah 6.25 normal 8.1 agak tinggi 8 agak rendah 6 normal 6 agak tinggi 7.6 agak rendah 6 normal 7 agak tinggi 8.5 agak rendah 6.3 normal 7.3 agak tinggi 8 agak rendah 5.8 normal 7.5 agak tinggi 8.5 agak rendah 5.5 normal 5.8 agak tinggi 7.5
Kondisi Lahan (Pakar)
Keluaran Sistem
kurang sesuai
kurang sesuai 0
kurang sesuai kurang sesuai 2.57 cukup sesuai cukup sesuai 6.5 cukup sesuai cukup sesuai 6.5 cukup sesuai cukup sesuai 7 sesuai cukup sesuai 7 cukup sesuai cukup sesuai 6.5 cukup sesuai cukup sesuai 5.9 cukup sesuai cukup sesuai 5.6 kurang sesuai cukup sesuai 6.37 cukup sesuai sesuai 7.14 kurang sesuai kurang sesuai 2.8 kurang sesuai kurang sesuai 3.2 kurang sesuai kurang sesuai 1.33 cukup sesuai cukup sesuai 7 kurang sesuai cukup sesuai 6.37 kurang sesuai kurang sesuai 1.33 kurang sesuai kurang sesuai 0 kurang sesuai kurang sesuai 1.66
24 Lampiran 2 lanjutan Sistem inferensi kedua No
Curah Ketinggian Hujan Lahan
1 rendah 100 2 rendah 50 3 rendah 15 4 rendah 50 5 rendah 110 6 rendah 50 7 rendah 30 8 rendah 80 9 rendah 90 10 sedang 200 11 sedang 225 12 sedang 225 13 sedang 225 14 sedang 250 15 sedang 250 16 sedang 190 17 sedang 200 18 sedang 200
rendah 500 rendah 200 rendah 90 sedang 800 sedang 950 sedang 800 tinggi 1500 tinggi 1250 tinggi 1400 rendah 600 rendah 300 rendah 85 sedang 775 sedang 1000 sedang 750 tinggi 1450 tinggi 1500 tinggi 1400
Irigasi atau Debit Air sedikit 0.35 sedang 1 banyak 2 sedikit 0.25 sedang 1.2 banyak 1.8 sedikit 0.4 sedang 1.25 banyak 2 sedikit 0.35 sedang 1 banyak 1.9 sedikit 0.25 sedang 0.8 banyak 2 sedikit 0.1 sedang 1.2 banyak 2
Kondisi Lingkungan Kurang sesuai
Keluaran Sistem
cukup sesuai 6.75 Kurang sesuai Cukup sesuai 5 Cukup sesuai cukup sesuai 5 Kurang sesuai Kurang sesuai 4.72 Cukup sesuai sesuai 7.7 Sesuai sesuai 7.33 Kurang sesuai cukup sesuai 5.77 Kurang sesuai cukup sesuai 5.77 Cukup sesuai cukup sesuai 5.77 Cukup sesuai cukup sesuai 6.75 Cukup Sesuai cukup sesuai 5 Sesuai sesuai 7.6 Cukup sesuai cukup sesuai 6.25 Sesuai sesuai 7.14 Sesuai sesuai 7.50 Cukup sesuai cukup sesuai 5.77 Cukup sesuai cukup sesuai 5.77 Sesuai cukup sesuai 5.77
25 Lampiran 2 lanjutan No 19 20 21 22 23 24 25 26 27
Curah Hujan tinggi 400 tinggi 450 tinggi 425 tinggi 380 tinggi 375 tinggi 400 tinggi 415 tinggi 315 tinggi 450
Ketinggian Lahan rendah 450 rendah 500 rendah 50 sedang 750 sedang 800 sedang 900 tinggi 1200 tinggi 1100 tinggi 1400
Irigasi atau Debit Air sedikit 0.15 sedang 0.75 banyak 1.5 sedikit 0.25 sedang 0.75 banyak 1.9 sedikit 0.3 sedang 1.2 banyak 2
Kondisi Keluaran Lingkungan Sistem Cukup sesuai cukup sesuai 5.77 Sesuai cukup sesuai 5.77 Sesuai cukup sesuai 5.77 Cukup sesuai cukup sesuai 5.77 Sesuai cukup sesuai 5.77 Sesuai cukup sesuai 5.77 Cukup sesuai cukup sesuai 5.77 Cukup sesuai cukup sesuai 5.77 Cukup sesuai Cukup sesuai 5.78
Sistem inferensi ketiga No
Kondisi Lahan
1 Kurang sesuai 2 2 Kurang sesuai 4 3 Kurang sesuai 2 4 Cukup sesuai 6 5 Cukup sesuai 6 6 Cukup sesuai 6 7 Sesuai 8
Kondisi Lingkungan Kurang sesuai 2 Cukup sesuai 7 Sesuai 9 Kurang sesuai 2 Cukup sesuai 6 Sesuai 9 Kurang sesuai 3
Produktivitas Keluaran Padi Pandan Sistem Wangi Sedikit sedikit 1.5 Sedikit sedang 4.67 Sedang sedang 4.5 Sedikit sedikit 1.5 Sedang sedang 4.33 Banyak banyak 7 Sedang sedang 4.67
26 Lampiran 2 lanjutan Kondisi Kondisi Produktivitas Padi No Lahan Lingkungan Pandan Wangi 8 Sesuai Cukup sesuai Sedang 9 6 4.33 9 Sesuai Sesuai Banyak 9 9 7.25
Keluaran Sistem sedang banyak
Lampiran 3 Membership function variabel input dan output sistem Fuzzifikasi Kadar Nitrogen
Membership Function setiap himpunan fuzzy parameter kadar nitrogen adalah sebagai berikut: 0, π π
ππππβ (π₯) = { 1, (0.2 β π₯)/(0.2 β 0.1)
π₯ β₯ 0.2 0 β€ π₯ β€ 0.1 0.1 < π₯ < 0.2
0, π₯ β€ 0.1 ππ‘ππ’ π₯ β₯ 0.6 (π₯ β 0.35)/(0.35 β 0.1), 0.1 < π₯ < 0.35 π ππππππ (π₯) = { 1, π₯ = 0.35 (0.6 β π₯)/(0.6 β 0.35), 0.35 < π₯ < 0.6 π ππππππ (π₯) = {
0, π₯ β€ 0.5 1, 0.65 β€ π₯ β€ 0.75 (π₯ β 0.5)/(0.65 β 0.5) 0.5 < π₯ < 0.65
Fuzzifikasi Kadar Fosfor
Membership Function setiap himpunan fuzzy parameter kadar fosfor adalah sebagai berikut:
27 Lampiran 3 lanjutan 0, π₯ β₯ 10 1, 5β€π₯β€7 π π
ππππβ (π₯) = { (10 β π₯)/(10 β 7) 7 < π₯ < 10 0, π₯ β€ 7.5 ππ‘ππ’ π₯ β₯ 17.5 (π₯ β 7.5)/(12.5 β 7.5), 7.5 < π₯ < 12.5 π ππππππ (π₯) = { 1, π₯ = 12.5 (17.5 β π₯)/(17.5 β 12.5), 12.5 < π₯ < 17.5 0, π₯ β€ 15 1, 17.5 β€ π₯ β€ 20 π ππππππ (π₯) = { (π₯ β 15)/(17.5 β 15) 15 < π₯ < 17.5 Fuzzifikasi Kadar Kalium
Membership Function setiap himpunan fuzzy parameter kadar kalium adalah sebagai berikut: 0, π₯ β₯ 25 1, 10 β€ π₯ β€ 15 π π
ππππβ (π₯) = { (25 β π₯)/(25 β 15) 15 < π₯ < 25 0, π₯ β€ 20 ππ‘ππ’ π₯ β₯ 50 (π₯ β 20)/(35 β 20), 20 < π₯ < 35 π ππππππ (π₯) = { 1, π₯ = 35 (50 β π₯)/(50 β 35), 35 < π₯ < 50 0, π₯ β€ 45 1, 55 β€ π₯ β€ 60 π ππππππ (π₯) = { (π₯ β 45)/(55 β 45) 45 < π₯ < 55
28 Lampiran 3 lanjutan Fuzzifikasi Tingkat Kemasaman Tanah
Membership Function setiap himpunan fuzzy parameter kadar nitrogen adalah sebagai berikut: 0, π₯ β₯ 6.5 1, 5.5 β€ π₯ β€ 5.8 π π΄πππ π
ππππβ (π₯) = { (6.5 β π₯)/(6.5 β 5.8) 5.8 < π₯ < 6.5 0, π₯ β€ 5.8 ππ‘ππ’ π₯ β₯ 8.2 (π₯ β 5.8)/(7 β 5.8), 5.8 < π₯ < 7 π ππππππ (π₯) = { 1, π₯=7 (8.2 β π₯)/(8.2 β 7), 7 < π₯ < 8.2 0, π₯ β€ 7.5 1, 8.2 β€ π₯ β€ 8.5 π π΄πππ ππππππ (π₯) = { (π₯ β 7.5)/(8.2 β 7.5) 7.5 < π₯ < 8.2 Fuzzifikasi Kondisi Lahan
Membership Function setiap himpunan fuzzy parameter kondisi lahan adalah sebagai berikut: 0, π₯β₯4 1, π₯=0 (π₯) π πΎπ’ππππ πππ π’ππ ={ (4 β π₯)/(4 β 0) 0 < π₯ < 4 0, π₯ β€ 2 ππ‘ππ’ π₯ β₯ 8 (π₯ β 2)/(5 β 2), 2<π₯<5 π πΆπ’ππ’π πππ π’ππ (π₯) = { 1, π₯=5 (8 β π₯)/(8 β 5), 5 < π₯ < 8
29 Lampiran 3 lanjutan 0, π₯β€6 1, π₯ = 10 π πππ π’ππ (π₯) = { (π₯ β 6)/(10 β 6) 6 < π₯ < 10 Fuzzifikasi Curah Hujan
Membership function setiap himpunan fuzzy parameter curah hujan adalah sebagai berikut : π π
ππππβ (π₯) = {
0, π₯ β₯ 150 1, π₯=0 (150 β π₯)/(150 β 0) 0 < π₯ < 150
0, π₯ β€ 100 ππ‘ππ’ π₯ β₯ 350 (π₯ β 100)/(225 β 100), 100 < π₯ < 225 π ππππππ (π₯) = { 1, π₯ = 225 (350 β π₯)/(350 β 225), 225 < π₯ < 350 0, π₯ β€ 300 1, π₯ = 450 (π₯) π ππππππ ={ (π₯ β 300)/(450 β 300) 300 < π₯ < 450 Fuzzifikasi Ketinggian Lahan
Membership Function setiap himpunan fuzzy parameter ketinggian lahan adalah sebagai berikut: 0, π₯ β₯ 600 1, π₯ = 0 π π
ππππβ (π₯) = { (600 β π₯)/(600 β 0) 0 < π₯ < 600
30 Lampiran 3 lanjutan 0, π₯ β€ 450 ππ‘ππ’ π₯ β₯ 1100 (π₯ β 450)/(750 β 450), 450 < π₯ < 750 π ππππππ (π₯) = { 1, π₯ = 750 (1100 β π₯)/(1100 β 750), 750 < π₯ < 1100 π ππππππ (π₯) = {
0, π₯ β€ 900 1, π₯ = 1500 (π₯ β 900)/(1500 β 900) 900 < π₯ < 1500
Fuzzifikasi Debit Air (irigasi)
Lampiran 2 Lanjutan Membership Function setiap himpunan fuzzy parameter debit air (irigasi) adalah sebagai berikut:
0, π₯ β₯ 0.6 1, π₯ = 0 π πππππππ‘ (π₯) = { (0.6 β π₯)/(0.6 β 0) 0 < π₯ < 0.6 0, π₯ β€ 0.4 ππ‘ππ’ π₯ β₯ 1.6 (π₯ β 0.4)/(1 β 0.4), 0.4 < π₯ < 1 π ππππππ (π₯) = { 1, π₯ = 1 (1.6 β π₯)/(1.6 β 1), 1 < π₯ < 1.6 0, π₯ β€ 1.4 1, π₯ = 2 (π₯) π π΅πππ¦ππ ={ (π₯ β 1.4)/(2 β 1.4) 1.4 < π₯ < 2 Fuzzifikasi Kondisi Lingkungan
31 Lampiran 3 lanjutan Membership Function setiap himpunan fuzzy parameter kondisi lingkungan adalah sebagai berikut: 0, π₯β₯4 1, π₯=0 π πΎπ’ππππ πππ π’ππ (π₯) = { (4 β π₯)/(4 β 0) 0 < π₯ < 4 0, π₯ β€ 2 ππ‘ππ’ π₯ β₯ 8 (π₯ β 2)/(5 β 2), 2<π₯<5 π πΆπ’ππ’π πππ π’ππ (π₯) = { 1, π₯=5 (8 β π₯)/(8 β 5), 5 < π₯ < 8 π πππ π’ππ (π₯) = {
0, π₯β€6 1, π₯ = 10 (π₯ β 6)/(10 β 6) 6 < π₯ < 10
Fuzzifikasi Produktivitas Padi Pandan Wangi
Membership Function setiap himpunan fuzzy parameter kondisi lingkungan adalah sebagai berikut: π πππππππ‘ (π₯) = {
0, π₯β₯3 1, π₯=0 (3 β π₯)/(3 β 0) 0 < π₯ < 3
0, π₯ β€ 2 ππ‘ππ’ π₯ β₯ 5 (π₯ β 3)/(4 β 3), 3<π₯<4 π ππππππ (π₯) = { 1, π₯=4 (5 β π₯)/(5 β 4), 4 < π₯ < 5 0, π₯β€5 1, π₯=8 π π΅πππ¦ππ (π₯) = { (π₯ β 5)/(8 β 5) 5 < π₯ < 8
32
RIWAYAT HIDUP Penulis dilahirkan di Magelang pada tanggal 21 Maret 1992 yang merupakan anak pertama dari 3 bersaudara dengan ayah bernama Muhammad Yuhdi dan Ibu bernama Rohmah Budiarti. Pada tahun 2007, penulis menempuh pendidikan menengah atas di SMA Negeri 3 Depok dan masuk program IPA. Pada tahun 2010, penulis lulus dari SMA Negeri 3 Depok dan diterima di Program Studi Ilmu Komputer Institut Pertanian Bogor melalui jalur USMI atau Undangan Seleksi Masuk IPB pada tahun yang sama. Pada tahun 2013, penulis melaksanakan kegiatan praktik kerja lapangan (PKL) di PT Pertamina EP Jakarta.
