menggunakan bahasa pemrograman PHP. Program PHP ini diharapkan dapat membangkitkan proses forward chaining dalam sistem pakar ini. Selanjutnya sistem akan menghasilkan suatu hasil analisa dari proses konsultasi terhadap sistem. Integrasi Sistem Sistem Pakar Identifikasi Hama pada Tanaman Kelapa dan Kelapa Sawit yang dibuat diintegrasikan dalam bentuk simulasi program setelah melalui tahap sebelumnya. Pemeliharaan Sistem Tahap ini merupakan tahap akhir di dalam pengembangan sistem. Dalam tahap ini sistem yang telah dibuat akan dievaluasi. Proses evaluasi memungkinkan terjadinya perubahan jika terjadi penambahan informasi dan perbaikan sesuai dengan kebutuhan pengguna. Pengujian Tahap ini merupakan tahap akhir dari pengembangan sistem pakar. Tahap ini sistem yang telah dibuat akan dievaluasi. Hal ini memungkinkan terjadinya perubahan sesuai dengan kebutuhan pengguna. Pengujian dilakukan setelah sistem selesai dibuat. Sistem diuji dengan melibatkan pakar langsung untuk mengetahui keadaan sistem apakah berjalan dengan baik atau tidak dan mencari kesalahan sistem untuk nantinya dievaluasi dan diperbaiki sampai sistem berjalan dengan baik. Pada tahap ini sistem pakar dapat diketahui apakah sudah mewakili human expert atau belum.
HASIL DAN PEMBAHASAN Identifikasi Masalah Identifikasi masalah merupakan tahap untuk mendefinisikan dan menganalisisis pembuatan sistem pakar identifikasi hama pada tanaman kelapa dan kelapa sawit. Pengembangan sistem ini menggunakan suatu metode untuk mengambil keputusan berdasarkan gejala-gejala dari hama tertentu. Dari masalah tersebut maka pada tahap selanjutnya akan dirancang proses pengambilan keputusan hama tanaman kelapa dan kelapa sawit serta pengendaliannya berdasarkan gejala-gejala yang dialami tanaman kelapa tersebut. Penelitian yang dilakukan adalah perancangan dan pembuatan sistem pakar rule based untuk mengidentifikasi hama pada tanaman kelapa dan sawit berdasarkan gejala-gejalanya. Pengembangan sistem pakar ini menggunakan metode inferensia yang memulai pencarian dari premis atau data menuju kesimpulan.
Sumber Pengetahuan Sumber pengetahuan dari sistem pakar identifikasi hama pada tanaman kelapa dan kelapa sawit dalam penelitian ini adalah seorang pakar hama Laboratorium Biosistematika Serangga, Departemen Proteksi Tanaman, Fakultas Pertanian IPB sebagai sumber kepakarannya. Di samping itu sumber pengetahuan diperoleh juga dari informasi yang didapat dari buku dan internet. Sumber pengetahuan yang diperoleh dijadikan dokumentasi untuk dipelajari, diolah, dan diorganisasikan secara terstruktur menjadi basis pengetahuan. Akuisisi Pengetahuan Akuisisi pengetahuan merupakan suatu proses untuk mengumpulkan data pengetahuan akan suatu masalah sistem pakar. Bahan pengetahuan yag ditempuh dalam penelitian ini diperoleh dengan beberapa cara, yaitu dengan melakukan wawancara langsung terhadap pakar hama tanaman kelapa dan kelapa sawit dan mendapatkan pengetahuan dari buku, jurnal ilmiah, laporan, dan sebagainya. Sumber pengetahuan yang diperoleh dijadikan dokumentasi untuk dipelajari, diolah, dan diorganisasikan secara terstruktur menjadi basis pengetahuan. Dari proses akuisisi pengetahuan yang dilakukan diperoleh data hama beserta gejala, perilaku, dan cara pengendaliannya. Berikut adalah data hama dan gejalanya yang diperoleh. Data Hama dan Gejalanya: 1. Kutu (Aspidiotus sp.) Di permukaan atas anak daun banyak bercak kuning. Di permukaan bawah daun ada koloni kutu seperti kerak tipis. Serangan berat daun mengering, terdapat bercak-bercak kuning pada permukaan bagian bawah daun. 2. Kumbang penggerek (Oryctes rhinoceros) Imago memakan pucuk yang mulai membuka. Daun terpotong seperti segitiga. 3. Kumbang brontispa (Brontispa longissima) Larva dan imago menyerang janur. Anak-anak daun itu menjadi kisut, berwarna merah-coklat yang akhirnya menjadi kering. 4. Belalang (Valanga nigricornis) Ditemukan gerigitan dalam potongan yang besar pada daun.
8
Ditemukan gerigitan pada pinggiran anak daun. 5. Belalang pedang (Sexava sp.) Bekas gigitan di tengah pada anak daun tua. Daun kelapa tinggal lidi-lidinya saja. Serangan pada daun meningkat pada musim kemarau. 6. Ngengat bunga kelapa (Batrachedra sp.) Lubang pada seludang bunga yang belum membuka, kemudian masuk ke dalam bunga jantan dan betina. Bunga jantan menjadi kehitam-hitaman dan gugur. Bunga betina mengeluarkan getah dan akhirnya rontok. 7. Kumbang sagu (Rhynchophorus ferruginous) Larva menggerek pelepah daun kelapa. Gerekan pada pucuk menyebabkan patah pucuk. 8. Ulat api (Parasa lepida) Larva mengakibatkan gerigitan transparan pada anak daun bagian bawah. Bekas gigitan yang melebar dan tersisa urat-urat serta jaringan daun bagian atas. Serangan berat menyebabkan daun hanya tinggal lidinya dan nampak gundul. 9. Ulat api (Darna sp.) Bekas gigitan tidak teratur pada daun tua. Bekas gigitan instar awal meninggalkan epidermis daun. Daun-daun yang mengalami kerusakan parah daun kelapa tinggal hanya lidi. 10. Ulat artona (Artona catoxantha) Kerusakan pada helaian daun berbentuk lubang seperti jendela kecil. Daun meninggalkan bekas gigitan, gejala titik, gejala garis, gejala gigitan pinggir, daun kering. Pada tingkat serangan berat, tajuk tanaman kelapa nampak layu dan seperti terbakar. 11. Kumbang bibit kelapa (Plesispa reichei) Larva dan imago menyerang pucuk. Daun kelapa menjadi rusak, kemerahan dan mengering.
12. Tupai/ bajing (Callosciuru nigrovittatus) Menggerek buah kelapa yang sudah agak tua di bagian ujung buah. Lubang gerekan pada bagian tempurung bundar. Daging buah habis dimakan 2-3 hari. 13. Rayap (Coptotermes curvignathus) Larva memakan permukaan menyebabkan bibit layu pada bagian pucuk kemudian mati. Batang tampak lorong rayap yang terbuat dari tanah, dari bawah menuju ke atas. 14. Tikus pohon (Rattus rattus roque) Kerusakan berupa lubang dekat ujung buah kelapa. Lubang pada serabut dan tempurung sama besar, bentuk tidak rata kadang bulat, kadang melebar. Representasi Pengetahuan Dari data hama dan gejala tanaman kelapa dan kelapa sawit yang diperoleh dapat direpresentasikan relasi. Representasi pengetahuan ini digunakan untuk menentukan proses pencarian atau menentukan kesimpulan dari identifikasi yang dilakukan. Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah produksi. Berdasarkan data hama dan gejala dapat menyimpulkan ada 14 rule beserta nilai CFnya. Berikut adalah pembahasannya: 1. Rule 1 (CF = 0.96) IF ditemukan gerigitan dalam potongan yang besar pada daun (CF = 0.8). OR ditemukan gerigitan pada pinggiran anak daun (CF = 0.9). THEN Belalang (Valanga ngricornis). 2. Rule 2 (CF = 0.95) IF bekas gigitan di tengah pada anak daun tua (CF = 0.9). OR daun kelapa tinggal lidi-lidinya saja (CF = 0.8). OR serangan pada daun meningkat pada musim kemarau (CF = 0.8). THEN Belalang pedang (Sexava sp.) 3. Rule 3 (CF = 0.91) IF bekas gigitan tidak teratur pada daun tua (CF = 0.8). OR bekas gigitan instar awal meninggalkan epidermis daun (CF = 1).
9
OR daun-daun yang mengalami kerusakan parah daun kelapa tinggal hanya lidi (CF = 0.9). THEN Darna sp. 4. Rule 4 (CF = 0.94) IF lubang pada seludang bunga yang belum membuka, kemudian masuk ke dalam bunga jantan dan betina (CF = 0.8). OR bunga jantan menjadi kehitam-hitaman dan gugur (CF = 1). OR bunga betina mengeluarkan getah dan akhirnya rontok (CF = 0.9). THEN Ngengat bunga kelapa (Batrachedra sp.). 5. Rule 5 (CF = 0.92) IF larva mengakibatkan gerigitan transparan pada anak daun bagian bawah (CF = 0.8). OR bekas gigitan yang melebar dan tersisa uraturat serta jaringan daun bagian atas (CF = 1). OR serangan berat menyebabkan daun hanya tinggal lidinya dan nampak gundul (CF = 0.9). THEN Parasa lepida. 6. Rule 6 (CF = 0.90) IF kerusakan pada helaian daun berbentuk lubang seperti jendela kecil (CF = 1). OR tajuk tanaman kelapa nampak layu dan seperti terbakar (CF = 0.9). OR daun meninggalkan bekas gigitan, gejala titik, gejala garis, gejala gigitan pinggir, dan daun kering (CF = 0.9). THEN Ulat artona (Artona catoxantha). 7. Rule 7 (CF = 0.89) IF larva dan imago menyerang pucuk (CF = 0.8). OR daun kelapa menjadi rusak, kemerahan dan mengering (CF = 0.9). THEN Kumbang bibit kelapa (Plesispa reichei). 8. Rule 8 (CF = 0.97) IF larva dan imago menyerang janur (CF = 1). OR Anak-anak daun itu menjadi kisut, berwarna merah-coklat yang akhirnya menjadi kering (CF = 0.9). THEN Kumbang brontispa (brontispa longissima). 9. Rule 9 (CF = 0.98) IF imago memakan pucuk yang mulai membuka (CF = 0.9). OR daun terpotong seperti segi tiga (CF = 1). THEN Kumbang penggerek (Oryctes rhinoceros).
10. Rule 10 (CF = 0.93) IF larva menggerek pelepah daun kelapa (CF = 0.9). OR gerekan pada pucuk menyebabkan patah pucuk (CF = 1). THEN Kumbang sagu (Rhynchophorus ferruginous). 11. Rule 11 (CF = 0.99) IF di permukaan atas anak daun banyak bercak kuning (CF = 0.8). OR di permukaan bawah daun ada koloni kutu seperti kerak tipis (CF = 0.9). OR serangan berat daun mengering, terdapat bercak-bercak kuning pada permukaan bagian bawah daun (CF = 0.8). THEN Kutu (Aspidiotus sp.). 12. Rule 12 (CF = 0.86) IF kerusakan berupa lubang dekat ujung buah kelapa (CF = 0.8). OR lubang pada serabut dan tempurung sama besar, bentuk tidak rata kadang bulat, kadang melebar (CF = 0.9). THEN Tikus pohon (Rattus rattus roque). 13. Rule 13 (CF = 0.88) IF menggerek buah kelapa yang sudah agak tua di bagian ujung buah (CF = 0.8). OR lubang gerekan pada bagian tempurung bundar (CF = 1). OR daging buah habis dimakan 2-3 hari (CF = 0.8). THEN Tupai/bajing (Callosciurus nigrovittatus). 14. Rule 14 (CF = 0.87) IF larva memakan permukaan menyebabkan bibit layu pada bagian pucuk kemudian mati (CF = 0.9). OR batang tampak lororng rayap yang dibuat dari tanah, dari bawah menuju ke atas (CF = 0.8). THEN Rayap (Coptotermes curvignathus). Pengembangan Mesin Inferensi Penelitian ini menerapkan aplikasi sistem pakar untuk mengidentifikasi hama tanaman kelapa dan kelapa sawit dengan menggunakan strategi penalaran pasti (Exact Reasoning) karena data yang digunakan untuk menarik suatu kesimpulan atau untuk membuat suatu solusi dalam melaukukan identifikasi hama tersebut telah tersedia. Sistem pakar identifikasi hama pada tanaman kelapa dan kelapa sawit menerapkan teknik pelacakan mesin inferensi yaitu pelacakan ke depan atau runut maju (forward chaining) yaitu pendekatan yang dimotori pada
10
(data driven), dalam pendekatan ini pelacakan dimulai dari informasi masukan yang selanjutnya menggambarkan suatu kesimpulan. Dalam membangun sistem pakar, di sini menggunakan konsep Certainty Factor (CF). Sistem akan mencari hama yang mempunyai gejala terbanyak. Sistem akan mencari nilai CF tertinggi dari berbagai kemungkinan jenis hama berdasarkan gejala yang dimasukan user. CF user diperoleh dari jawaban user saat melakukan konsultasi. Pada sesi konsultasi sistem, user diberi pilihan jawaban yang masing-masing gejala mempunyai nilai CF. Nilai CF pada tiap gejala bernilai 0.8 (cukup yakin), 0.9 (yakin), atau 1(sangat yakin). Nilai CF dari tiap gejala menunjukan keyakinan bahwa gejala itu memang dialami. Semakin user yakin bahwa gejala tersebut memang dialami, maka semakin tinggi pula hasil presentasi keyakinan total yang diperoleh. Proses perhitungan CF dengan menggunakan formula certainty factor untuk premis majemuk. Yaitu dengan cara mengambil nilai CF terbesar dari tiap gejala sesuai dengan rule yang ada, kemudian nilai CF tersebut dikalikan dengan nilai CF rule. Contoh untuk perhitungan: 1. Melibatkan 1 Rule yaitu rule 7. Pada menu konsultasi user memilih gejala: 1. Larva dan imago menyerang pucuk. 2. Daun kelapa menjadi rusak, kemerahan dan mengering. Rule 7 (CF = 0.89) IF larva dan imago menyerang pucuk. OR daun kelapa menjadi rusak, kemerahan dan mengering. THEN Kumbang bibit kelapa (Plesispa reichei). A = larva dan imago menyerang pucuk (CF = 0.8). B = daun kelapa menjadi rusak, kemerahan dan mengering (CF = 0.9). CF(A OR B) = Maximum (CF(a),CF(b)) * CF(rule) = Maximum (0.8, 0.9) *0.92 = 0.9 * 0.89 = 0.801 2. Melibatkan 2 Rule yaitu rule 11 dan rule 14. Pada menu konsultasi user memilih gejala: 1. Di permukaan bawah daun ada koloni kutu seperti kerak tipis. 2. Larva memakan permukaan menyebabkan bibit layu pada bagian pucuk kemudian mati.
Rule 11 (CF = 0.99) IF di permukaan atas anak daun banyak bercak kuning. OR di permukaan bawah daun ada koloni kutu seperti kerak tipis. OR serangan berat daun mengering, terdapat bercak-bercak kuning pada permukaan bagian bawah daun. THEN Kutu (Aspidiotus sp.). Rule 14 (CF Rule = 0.92) IF larva memakan permukaan menyebabkan bibit layu pada bagian pucuk kemudian mati. OR batang tampak lororng rayap yang dibuat dari tanah, dari bawah menuju ke atas. THEN Rayap (Coptotermes curvignathus). A = di permukaan bawah daun ada koloni kutu seperti kerak tipis (CF = 0.9). B = larva memakan permukaan menyebabkan bibit layu pada bagian pucuk kemudian mati (CF = 0.9). CF(A) = Maximum (CF(a)) * CF(rule) = Maximum (0.9) * 0.99 = 0.891 CF(B) = Maximum (CF(b)) * CF(rule) = Maximum (0.9) * 0.92 = 0.828 CF(A OR B) = Maximum (CF(A),CF(B)) = 0.891 Implementasi Pengembangan Sistem Pakar Pada tahap ini, kebutuhan perangkat lunak yang mendukung sistem pakar ini ditentukan, seperti Sistem Operasi, tools tertentu yang relevan dan bahasa pemrograman yang digunakan. Di samping itu perangkat keras yang digunakan dalam membangun sistem pakar ini harus mendukung. 1. Analisis kebutuhan Sistem pakar yang dibangun ini merupakan suatu sistem informasi yang berbasis komputer dengan memanfaatkan teknologi kecerdasan buatan (artificial intelligence) yang berfungsi sebagai sistem alat bantu atau pemberi saran/rekomendasi dari proses konsultasi hama tanaman kelapa dan kelapa sawit kepada user, sehingga user mengetahui masalah hama yang menyerang pada tanaman kelapa dan kelapa sawit. Konsultasi yang dihasilkan oleh sistem ini dilengkapi dengan jenis hama, gejala, dan cara pengendaliannya untuk konsultasi jenis hama pada tanaman kelapa dan kelapa sawit.
11
Sistem ini dirancang dengan tujuan untuk memberikan rekomendasi tentang jenis hama yang menyerangnya beserta cara pengendaliannya. Rekomendasi yang diberikan merupakan hasil pengolahan sistem pakar menggunakan mekanisme inferensi menggunakan forward chainning dengan melihat ciri-ciri dan gejala-gejala yang timbul pada tanaman kelapa dan kelapa sawit, kemudian fakta akan diambil dari basis data pengetahuan. Untuk dijadikan landasan dalam memberikan informasi tentang jenis hama pada tanaman kelapa dan kelapa sawit berserta cara penanggulangannya.
mempunyai kemampuan atau kewenangan untuk melakukan validasi data seperti menambah, merubah, dan menghapus data sedangkan user hanya bisa memakai sistem ini dan tidak berwenang melakukan validasi data. User akan memasukkan data bagi sistem, kemudian sistem ini akan memberikan keluaran (output) pada user. Diagram konteks pada sistem pakar ini dapat dilihat pada Gambar 5.
1.1 Deskripsi Sistem Sistem Pakar Identifikasi Hama pada Tanaman Kelapa dan Kelapa Sawit ini berperan sebagai alat pembantu untuk melakukan identifikasi hama pada tanaman kelapa dan kelapa sawit. Sistem pakar ini berbasis ruled base. untuk mengidentifikasi hama pada tanaman kelapa dan kelapa sawit berdasarkan gejala-gejalanya. Pengembangan sistem pakar ini menggunakan metode inferensia yang memulai pencarian dari premis atau data menuju konklusi (kesimpulan).
Gambar 5 Context Diagram. 1.5 Data Flow Diagram (DFD) Level 1 Berdasarkan diagram konteks pada Gambar 6 tersebut, kebutuhan fungsional dapat diperinci dengan menggunakan Data Flow Diagram (DFD) Level 1 yang dapat dilihat pada Gambar 6.
1.2 Karakteristik Pengguna Pengguna dari sistem ini hanya terdiri dari user umum dan administrator. User umum yaitu pengguna yang dapat mengakses sistem untuk melakukan identifikasi hama tanaman kelapa dan kelapa sawit sedangkan administrator yaitu pengguna yang dapat mengakses seluruh komponen dari sistem, termasuk dapat menambah, mengubah dan menghapus data, serta fasilitas pemeliharaan. 1.3 Kebutuhan Fungsional Kebutuhan fungsional dimodelkan dengan menggunakan teknik terstruktur melalui alat bantu pemodelan Data Flow Diagram (DFD). Untuk level sistem yang paling tinggi dinamakan diagram konteks, kemudian dibuat lagi diagram-diagram lain dengan level yang berbeda di bawahnya. Kebutuhan fungsional Sistem Pakar Identifikasi Hama pada Tanaman Kelapa dan Kelapa Sawit terdiri dari diagram konteks dan DFD level 1. 1.4 Diagram Konteks (Context Diagram) Diagram konteks digunakan untuk menggambarkan hirarki proses yang ada dan aliran data antar proses tersebut dalam aplikasi program sistem pakar ini. Pada sistem yang dibangun ini terdapat dua entitas luar yaitu admin dan user. Di mana admin atau expert
Gambar 6 DFD Level 1. 1.6 Batasan Sistem Batasan-batasan dalam sistem ini adalah: 1. Pembahasan masalah identifikasi hama pada tanaman kelapa dan kelapa sawit berdasarkan gejala kerusakan yang terlihat pada bagian luar tanaman, seperti batang, daun, bunga, dan buah beserta biologi, solusi atau cara penanggulangannya. 2. Penelitian dibatasi pada hama tanaman kelapa dan kelapa sawit yang paling penting. 3. Sistem pakar ini digunakan untuk petani kelapa. 4. Data yang akan digunakan dalam penelitian ini diperoleh dari seorang pakar hama Laboratorium Biosistematika Serangga, Departemen Proteksi Tanaman, Fakultas
12
Pertanian IPB sebagai sumber kepakarannya. Di samping itu data diperoleh juga dari informasi yang didapat dari buku dan internet. 1.7 Kebutuhan Data Berdasarkan analisis kebutuhan sistem yang telah dilakukan sebelumnya dapat disimpulkan bahwa data yang diperlukan adalah jenis-jenis hama tanaman kelapa dan kelapa sawit beserta gejala, biologi, dan cara pengendalian hama tersebut.
2.1 Perancangan Antarmuka Perancangan antarmuka sistem dibagi menjadi tiga bagian utama yaitu header, content, dan footer. Bagian header berisi nama aplikasi dan menu navigasi yang ada pada bagian kanan, bagian content berisi fasilitas sesuai dengan meu utama yang dipilih, sedangkan pada bagian footer berisi copyright pembuat sistem serta tahun pembuatannya. Desain antarmuka dapat dilhat pada Gambar 7.
Data tersebut penelitian ini diperoleh dari seorang pakar hama Laboratorium Biosistematika Serangga, Departemen Proteksi Tanaman, Fakultas Pertanian IPB sebagai sumber kepakarannya. Di samping itu data diperoleh juga dari informasi yang didapat dari buku dan internet 1.8 Perangkat Keras dan Perangkat Lunak Sistem Untuk pengembangan sistem ini diperlukan perangkat keras dan lunak, adapun keperluan tersebut adalah: 1. Perangkat keras (Hardware) Spesifikasi komputer digunakan adalah:
pendukung
yang
a. Prosessor Intel Pentium Dual Core CPU 1.66 GHz b. RAM 1526 MB c. Hardisk 160 GB d. Sistem operasi Microsoft Windows XP Profesional
Gambar 7 Desain Antarmuka. 2.2 Perancangan Basis Data Perancangan basis data Kebutuhan fungsional dimodelkan dengan menggunakan Entity Relationship Diagram (ERD) dan relasi tabel. 2.2.1 Entity Relationship Diagram (ERD). Berikut ini adalah ERD awal yang digunakan untuk mendapatkan sebuah rancangan database yang minimal dapat mengakomodasi penyimpanan data terhadap sistem yang sedang ditinjau. ERD sistem dapat dilihat pada Gambar 8.
2. Perangkat lunak (Software) Perangkat lunak yang digunakan untuk pembuatan aplikasi ini adalah : a. Apache, digunakan sebagai web server. b. MySQL, untuk menampung database yang ada. c. Macromedia Dreamweaver, untuk mendesain tampilan. d. Notepad ++ digunakan untuk editor script dalam pembuatan web server. e. Mozilla Firefox sebagai browser, media untuk menjalankan program. 2. Desain Sistem Pada tahap ini dilakukan perancangan antarmuka yang telah dirancang sebelumnya, kemudian sistem dikembangkan dengan menambahkan fungsi yang butuhkan.
Gambar 8 ERD Sistem. 2.2.2 Penyusunan Basis Data Untuk sistem ini, digunakan database MySQL dengan menggunakan tabel data, yaitu tabel hama, tabel relasi, tabel gejala, tabel rule
13
dan tabel category. Untuk perancangan databasenya dapat dilihat pada lampiran. Setelah tabel dibuat, maka tabel-tabel tersebut akan direlasikan. Hal ini akan sangat berguna dalam proses pengeditan data. Di bawah ini adalah skema diagram untuk sistem ini. Relasi tabel penyusunan basis data dapat dilihat pada Gambar 9.
Gambar 11 Antarmuka Daftar Hama. 3. Antarmuka Menu Konsultasi Gambar 9 Relasi Tabel. Hasil Implementasi Pada sistem pakar identifikasi hama tanaman kelapa dan kelapa sawit secara garis besar desain menu utamanya adalah sebagai berikut: 1. Antarmuka Menu User
Informasi yang didapatkan pada submenu konsultasi adalah representasi dari metode forward chaining. User akan diberi pertanyaan mengenai gejala yang dialami tanaman kelapa dan kelapa sawit. User akan diberikan pilihan jawaban yaitu jawaban ‘YA’ untuk representasi user mengalami gejala tersebut dan jawaban ‘TIDAK’ untuk representasi user tidak mengalami gejala tersebut. Antarmuka konsultasi dapat dilihat pada Gambar 12.
Pada tampilan awal menu user, kita akan dihadapkan pada beberapa pilihan submenu yaitu, home, daftar hama, konsultasi, help, dan login pakar. Untuk submenu login pakar terdapat autentifikasi yang hanya diketahui oleh admin saja. Antarmuka beranda dapat dilihat pada Gambar 10.
Gambar 12 Antarmuka Menu Konsultasi. 4. Antarmuka Login Pakar
Gambar 10 Antarmuka Beranda. 2. Antarmuka Menu Daftar Hama Informasi yang didapatkan pada submenu daftar hama pilihan mengenai berbagai jenis hama tanaman kelapa dan kelapa sawit. Pilihan jenis hama user akan menentukan semua gejala yang berhubungan dengan jenis hama yang dipilih untuk ditampilkan informasinya. Antarmuka daftar hama dapat dilihat pada Gambar 11.
Dalam proses manajemen data, admin harus melakukan proses login pada interface. Admin diminta memasukkan username dan password. Hal ini untuk menghindari penyalahgunaan manajemen sistem oleh selain admin. Antarmuka login admin dapat dilihat pada Gambar 13.
14
Gambar 13 Antarmuka Login Pakar.
Gambar 16 Antarmuka Submenu Gejala.
5. Antarmuka Menu Login Pakar
8. Antarmuka Submenu Relasi
Setelah admin berhasil login, admin dapat memilih manajemen data yang akan dilakukan, Manajemen yang diberikan yaitu berupa data hama, gejala, relasi, laporan hama dan laporan gejala untuk setiap hama. Submenu logout digunakan untuk keluar dari menu admin menuju halaman utama menu user. Antarmuka menu login pakar dapat dilihat pada Gambar 14;
Pada submenu relasi ini gejala hama yang menyerang tanaman kelapa dan kelapa sawit akan ditampilkan semua. Admin dapat memilih jenis hama yang akan direlasikan dengan gejala hama, maka sistem akan menampilakn gejala hama tersebut dengan memberi tanda checkbox. Admin dapat mengubah relasi antara hama dan gejalanya dengan mencentang checkbox pada gejala yang dipilih. Antarmuka submenu relasi dapat dilihat pada Gambar 17.
Gambar 14 Antarmuka Menu Login Pakar. 6. Antarmuka Submenu Hama Pada submenu hama ini, admin bisa melakukan manajemen data hama dan nilai CF hama berupa tambah, hapus dan ubah data yang sudah ada. Antarmuka submenu hama dapat dilihat pada Gambar 15.
Gambar 17 Antarmuka Submenu Relasi. 9. Antarmuka Submenu Laporan Hama Pada submenu laporan hama ini, admin dapat melihat semua data hama secara detail. Antarmuka submenu laporan hama dapat dilihat pada Gambar 18.
Gambar 15 Antarmuka Submenu Hama. 7. Antarmuka Submenu Gejala Pada submenu gejala ini, admin bisa melakukan manajemen data gejala dan nilai CF gejala berupa tambah, hapus dan ubah data yang sudah ada. Ketika admin melakukan hapus gejala hama, maka secara otomatis sistem jg akan menghapus gejala yang direlasikan dengan hama yang ada pada tabel relasi. Antarmuka submenu gejala dapat dilihat pada Gambar 16.
Gambar 18 Antarmuka Submenu Lap. Hama.
15
