sistem pakar identifikasi jenis dan hama penyakit genus rosa
Post on 24-Oct-2015
369 Views
Preview:
DESCRIPTION
TRANSCRIPT
TUGAS AKHIR
SISTEM PAKAR IDENTIFIKASI JENIS DAN HAMA PENYAKIT
PADA TANAMAN GENUS ROSA DENGAN METODE
DECISION TREE FORWARD CHAINING
Disusun Oleh
Adi Wahyu Saputra 105060807111040
Satria Sambrama Surya 105060807111041
Rana Rafsanzani 105060807111061
PROGRAM STUDI TEKNIK INFORMATIKA
PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER
UNIVERSITAS BRAWIJAYA
MALANG
2013
DAFTAR ISI
HALAMAN KULIT MUKA................................................................................... ii
DAFTAR ISI, DAFTAR GAMBAR, DAFTAR TABEL..................................... iii
BAB 1 PENDAHULUAN........................................................................................ 1
1.1 LATARBELAKANG MASALAH............................................................. 1
1.2 PERUMUSAN MASALAH......................................................................... 3
1.3 TUJUAN....................................................................................................... 3
1.4 BATASAN MASALAH............................................................................... 3
1.5 LUARAN YANG DIHARAPKAN............................................................. 5
1.6 KEGUNAAN................................................................................................ 5
BAB 2 TINJAUAN PUSTAKA............................................................................... 6
2.1 SISTEM PAKAR......................................................................................... 6
2.2 DECISION TREE........................................................................................ 16
2.3 GENUS ROSA.............................................................................................. 20
BAB 3 METODE PENELITIAN............................................................................ 22
3.1 OBJEK PENELITIAN................................................................................ 22
3.2 TEKNIK PENGUMPULAN DATA........................................................... 22
BAB 4 ANALISA DAN PERANCANGAN........................................................... 26
4.1 ANALISIS KEBUTUHAN.......................................................................... 26
4.2 RANCANGAN PROSES............................................................................. 26
4.3 DECISION TREE........................................................................................ 31
4.4 REPRESENTASI PENGETAHUAN......................................................... 33
BAB 5 HASIL DAN PEMBAHASAN.................................................................... 39
BAB 6 KESIMPULAN............................................................................................ 43
DAFTAR PUSTAKA............................................................................................... 44
2
DAFTAR GAMBAR
GAMBAR 1 DIAGRAM PELACAKAN KE DEPAN......................................... 11
GAMBAR 2 DIAGRAM PELACAKAN KE BELAKANG................................11
GAMBAR 3 BREADTH-FIRST SEARCH..........................................................12
GAMBAR 4 DEPTH-FIRST SEARCH................................................................13
GAMBAR 5 DECISION TREE.............................................................................16
GAMBAR 6 KONSEP DECISION TREE...........................................................17
GAMBAR 7 DATA SET MENJADI TREE.........................................................19
GAMBAR 8 DESAIN SISTEM.............................................................................27
GAMBAR 9 DECISION TREE UNTUK JENIS BUNGA MAWAR................31
GAMBAR 10 DECISION TREE UNTUK GEJALA BUNGA MAWAR.........32
DAFTAR TABEL
TABEL 1 TABEL BEDA SISTEM PAKAR DAN KONVENSIONAL...............9
TABEL 2 TABEL INTERPRETASI NILAI CF...................................................15
TABEL 3 TABEL INTERPRETASI NILAI BOBOT..........................................15
TABEL 4 KONSEP DATA DALAM DECISION TREE....................................18
TABEL 5 TABEL JENIS DAN CIRI-CIRI BUNGA MAWAR.........................28
TABEL 6 TABEL HAMA DAN PENYAKIT BUNGA MAWAR......................30
3
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Mawar adalah tanaman semak dari genus Rosasekaligus nama bunga yang
dihasilkan tanaman ini. Mawar liar yang terdiri lebih dari 100 spesies kebanyakan
tumbuh di belahan bumi utara yang berudara sejuk. Spesies mawar umumnya merupakan
tanaman semak yang berduri atau tanaman memanjat yang tingginya bisa mencapai 2
sampai 5 meter. Walaupun jarang ditemui, tinggi tanaman mawar yang merambat di
tanaman lain bisa mencapai 20 meter. Sebagian besar spesies mempunyai daun yang
panjangnya antara 5-15 cm, dua-dua berlawanan (pinnate). Daun majemukyang tiap
tangkai daun terdiri dari paling sedikit 3 atau 5 hingga 9 atau 13 anak daun dan daun
penumpu (stipula) berbentuk lonjong, pertulangan menyirip, tepi tepi beringgit,
meruncing pada ujung daun dan berduri pada batang yang dekat ke tanah. Mawar
sebetulnya bukan tanaman tropis, sebagian besar spesies merontokkan seluruh daunnya
dan hanya beberapa spesies yang ada di Asia Tenggara yang selalu berdaun hijau
sepanjang tahun. Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa
sericeayang hanya memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan
merah jambu atau kuning dan merah pada beberapa spesies. Ovari berada di bagian
bawah daun mahkota dan daun kelopak.
Mawar merupakan salah satu bunga yang banyak diminati masyarakat. Hal
tersebut tidak dipungkiri lagi karena hampir seluruh penjuru dunia mengetahui dan
mengenal bunga mawar, disamping diminati sebagai tanaman hias bunga mawar
mempunyai banyak manfaat bagi masyarakat baik di bidang kesehatan, kecantikan,
maupun kuliner. Di bidang kesehtan manfaat bunga mawar diantaranya mengatasai
bengkak pada kaki, menjaga kesegaran tubuh, penambahan bahan makanan dengan
vitamin c yang cukup tinggi, mempercantik kulit hingga mampu mengurangi stres.
Kemudian untuk di bidang kecantikan bunga mawar sering digunakan sebagai bahan
baku kosmetik maupun parfum yang memiliki nilai ekonomis yang tinggi, sedangkan di
bidang kuliner diantaranya bunga mawar dapat dibuat untuk sauce salad, penambah rasa,
sirup, kue kering dan keju mawar, sedangkan kelopak bunga mawar sendiri memliki
1
manfaat untuk dijadikan bahan untuk membuat jeli cuka dan jika dikonsumsi bunga
mawar ini juga memiliki banyak khasiat yaitu sebagai anti radang, pelancar datang bulan
untuk wanita dan mengobatu batu empedu. Selain mempunyai banyak manfaat, bunga
mawar mempunyai jenis yang berbeda-beda dan dalam pertumbuhan dan
perkembangannya bunga mawar tidak lepas dari hama dan penyakit. Adapun jenis hama
dan penyakit yang menyerang sangat beragam.
Banyaknya jenis bunga mawar terkadang membuat sebagian masyarakat
mengenali jenis dari bunga mawar yang ada dan juga banyaknya jenis hama yang
menyerang bunga mawar membuat sebagian masayarakat kesulitan untuk
mengidentifikasi jenis dari hama yang menyerang bunga mawar sehingga mempersulit
proses penyembuhan pada bunga mawar yang terkena hama. Hama dan penyakit
merupakan salah satu kendala dalam budidaya mawar bunga potong baik di dalam rumah
lindung maupun di tempat terbuka. Beberapa jenis hama dan penyakit dapat menyerang
akar, batang, daun dan bunga tanaman mawar dan menyebakan kerusakan mulai dari
yang ringan sampai berat yang mengakibatkan bunga tidak layak panen atau jual.
Padahal tuntutan konsumen akan kualitas bunga sangat tinggi, karena mawar bunga
potong dinilai dari estetikanya. Dengan banyaknya jenis bunga mawar dan hama yang
menyerangnya untuk mengetahui jenis mawar beserta penyakitnya maka perlu dilakukan
identifikasi agar masyarakata lebih mudah dalam mengenali jenis bunga mawar dan
hama penyakit yang menyerangnya sehingga tindakan pengobatan pada bunga mawar
lebih tepat dan mempercepat proses penyembuhan pada bunga mawar.
Kemajuan teknologi komputer yang pesat saat ini, sangat membantu manusia
dalam segala bidang. Tidak terkecuali juga dalam bidang sistem pakar. Sistem pakar
merupakan sebuah program komputer yang dirancang untuk memodelkan kemampuan
menyelesaikan masalah seperti layaknya seorang pakar (human expert). Dengan
berkembangnya sistem pakar yang pesat, maka sistem pakar juga dapat diterapkan
dalam mengidentifikasi jenis dan penyakit pada bunga mawar. Penggunaan sistem pakar
dapat mempermudah kalangan pecinta bunga mawar dalam mengidentifikasi jenis dan
penyakit pada bunga mawar. Sistem yang dibuat dengan rule berdasarkan pengetahuan
yang dimiliki oleh pakar yang kemudian rule itu yang nantinya akan diajadikan sebagai
dasar penentuan dari jenis bunga mawar dan penyakit atau hama yang menyerangnya.
2
1.2 Rumusan Masalah
Dengan mengacu pada latar belakang diatas maka ada beberapa
permasalahan.Permasalahannya yaitu:
1. Berapa banyak jenis bunga mawar dan hama yang menyerangnya.
2. Bagaimana cara mengidentifikasi jenis dari bunga mawar.
3. Bagaimana cara mengidentifikasi jenis hama yang menyerang bunga mawar
4. Apa saja jenis bunga mawar dan hama yang menyerangnya.
5. Fitur apa saja yang digunakan untuk dapat mengidentifikasi jenis bunga mawar
dan hama yang meyerangnya.
1.3 Tujuan
Tujuan dari penelitian adalah untuk membuat sistem pakar yang di
implementasikan ke dalam program dengan memindahkan pengetahuan yang dimiliki
oleh pakar untuk dijadikan rule yang kemudian dipindahkan ke dalam program
komputer, sehingga dapat mempermudah masyarakat dalam mengenali jenis bunga
mawar dan hama yang menyerangnya.
1.4 Batasan Masalah
Jenis Bunga mawar yang dapat kami identifikasi hanya sebanyak 14 jenis dari
100 spesies lebih yang ada di dunia. Jenis bunga mawar yang dapat kami identifikasi
yaitu :
Rossa Branksiae
Rossa Gallica
Rossa Gigantea
Rossa Glauca
Rossa Mosehata
3
Rossa Filipes
Rossa Leavigata
Rossa Boursoult
Rossa Rugosa
Rossa Willmottie
Rossa Moyessi
Rossa Noisette
Rossa Miniature
Rossa Foetida
Jenis hama dan penyakit yang dapat kami identifikasi diantaranya yaitu:
Hama:
Kutu Daun
Kumbang
Siput Berbulu
Tungau
Thrips
Ulat Daun
Serangga penghisap sel tanaman (Leaf hoppers)
Kutu Batang
Kumbang Kecil
Nematoda Akar
Penyakit:
Bercak Hitam
Karat Daun
Tepung Mildew
Mosaik
Bercak Daun
Bengkak Pangkal Batang
Jamur Upas
Busuk Bunga
4
Fitur yang kami gunakan untuk mengidentifikasi jenis bunga, hama dan penyakit yang
ada di bunga mawar yaitu:
Bunga
Daun
Batang
Akar
1.4 Luaran Yang Diharapkan
1. Sistem dapat melakukan identifikasi dengan ketepatan hasil diagnosis sebesar
70% terhadap jenis bunga mawar dan hama penyakitnya dengan berdasarkan
kepada ciri-ciri dan gejala-gejala yang tampak pada bunga.
2. Sistem dapat memberikan suatu analisa dan penjelasan berdasarkan jenis bunga
atau hama dan penyakitnya.
3. Sistem dapat membantu masyarakat, petani bunga dan lain-lain.
1.5 Kegunaan
1. Bagi Masyarakat
Masyarakat pengguna dapat menggunakan system ini sebagai identifikasi
jenis bunga mawar atau penyakit dan hama yang ada pada bunga mawar
miliknya.
2. Bagi Petani
Petani bunga dapat menggunakan system ini sebagai analisa atau
identifikasi suatu jenis bunga mawar atau juga dapat sebagai identifikasi
analisa hama penyakit yang sedang dialami bunga mawarnya..
3. Pihak Pemerintah
Membantu pemerintah dalam pengembangan teknologi informasi dan
ilmu computer dalam bidang pertanian.
5
BAB 2
TINJAUAN PUSTAKA
2.1 Sistem Pakar
Pada bagian ini akan dibahas tentang pengertian sistem pakar, manfaat sistem
pakar [ NML – 10 ].
2.1.1 Pengertian Sistem Pakar
Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi
pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.
Dengan sistem pakar, orang awam pun dapat menyelesaikan masalah yang cukup
rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para
ahli, sistem pakar juga akan membantu aktivitasnya sebagai asisten yang sangat
berpengalaman. Sistem pakar dikembangkan pertama kali pada tahun 1960.
2.1.2 Manfaat Sistem Pakar
Manfaat dari sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
2. Bisa melakukan proses secara berulang secara otomatis
3. Menyimpan pengetahuan dan keahlian para pakar
4. Mampu mengambil dan melestarikan keahlian para pakar (terutama
yang termasuk keahlian langka)
6
5. Mampu beroperasi dalam lingkungan yang berbahaya
6. Memiliki kemampuan untuk bekerja dengan informasi yang tidak
lengkap dan mengandungketidakpastian. Pengguna bisa merespon
dengan jawaban ’tidak tahu’ atau ’tidak yakin’ pada satu atau lebih
pertanyaan selama konsultasi dan system pakar tetap akan memberikan
jawaban.
7. Tidak memerlukan biaya saat tidak digunakan, sedangkan pada pakar
manusia memerlukan biaya sehari-hari.
8. Dapat digandakan (diperbanyak) sesuai kebutuhan dengan waktu yang
minimal dan sedikit biaya
9. Dapat memecahkan masalah lebih cepat daripada kemampuan manusia
dengan catatan menggunakan data yang sama.
10. Menghemat waktu dalam pengambilan keputusan
11. Meningkatkan kualitas dan produktivitas karena dapat memberi
nasehat yang konsisten dan mengurangi kesalahan
12. Meningkatkan kapabilitas sistem terkomputerisasi yang lain. Integrasi
Sistem Pakar dengan sistem komputer lain membuat lebih efektif, dan
bias mencakup lebih banyak aplikasi .
13. Mampu menyediakan pelatihan. Pengguna pemula yang bekerja
dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas
penjelas dapat berfungsi sebagai guru.
2.1.3 Kelemahan Sistem Pakar
Kelemahan dari sistem pakar, antara lain :
1. Biaya yang diperlukan untuk membuat, memelihara, dan
mengembangkannya sangat mahal
7
2. Sulit dikembangkan, hal ini erat kaitannya dengan ketersediaan pakar
di bidangnya dan kepakaran sangat sulit diekstrak dari manusia karena
sangat sulit bagi seorang pakar untuk menjelaskan langkah mereka
dalam menangani masalah.
3. Sistem pakar tidak 100% benar karena seseorang yang terlibat dalam
pembuatan sistem pakar tidak selalu benar. Oleh karena itu perlu diuji
ulang secara teliti sebelum digunakan.
4. Pendekatan oleh setiap pakar untuk suatu situasi atau problem bias
berbeda beda, meskipun sama-sama benar.
5. Transfer pengetahuan dapat bersifat subjektif dan bias
6. Kurangnya rasa percaya pengguna dapat menghalangi pemakaian
sistem pakar.
2.1.4 Konsep Dasar Sistem Pakar
Konsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan
keahlian, mengambil keputusan, aturan, kemampuan menjelaskan.
2.1.4.1 Keahlian
Keahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang
khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk
pengetahuan yang termasuk keahlian:
- Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu
- Strategi global untuk menyelesaikan masalah
2.1.4.2 Ahli / Pakar
Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan,
mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan
jika dipandang perlu, memecahkan masalah dengan cepat dan tepat
8
2.1.4.3 Pengalihan Keahlian
Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke
dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan
pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan ke
komputer, kesimpulan dari pengetahuan dan pengalihan pengetahuan ke pengguna.
2.1.4.4 Mengambil Keputusan
Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana
keahlian tersimpan dalam basis pengetahuan. Kemampuan computer untuk mengambil
kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu
meliputi prosedur tentang pemecahan masalah.
2.1.4.5 Aturan
Sistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan –
aturan dimana program disimpan dalam bentuk aturan-aturan sebagai pro sedur
pemecahan masalah. Aturan tersebut biasanya berbentuk IF – THEN.
2.1.4.6 Kemampuan Menjelaskan
Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau
memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran
tidak direkomendasikan.
2.1.4.7 Perbedaan Sistem Konvensional dengan SistemPakar
Tabel 1. Tabel perbedaan sistem konvensional dengan sistem pakar
9
2.1.4.8 Metode Pemecahan Masalah
Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan
solusinya disebut dengan rantai (chain). Suatu rantai yang dicari atau dilewati/dilintasi
dari suatu permasalahan untuk memperoleh solusinya disebut forward chaining. Cara
lain menggambarkan forward chaining ini adalah dengan penalaran dari fakta menuju
konklusi yang terdapat dari fakta. Suatu rantai yang dilintasi dari hipotesa kembali ke
fakta yang mendukung hipotesa tersebut adalah backward chaining. Cara lain
menggambarkan backward chaining adalah dalam hal tujuan yang dapat dipenuhi
dengan pemenuhan sub tujuannya.
Terdapat berbagai cara pemecahan masalah didalam sistem pakar. Beberapa hal
yang perlu diperhatikan adalah arah penelusuran dan topologi penelusuran.
10
1. Arah penelurusan
Arah penelurusan dibagi dua yaitu :
a. Forward chaining
Strategi dari sistem ini adalah dimulai dari inputan beberapa fakta,
kemudian menurunkan beberapa fakta dari aturan-aturan yang cocok pada
knowledge base dan melanjutkan prosesnya sampai jawaban sesuai. Forward
chaining dapat dikatakan sebagai penelusuran deduktif.
Gambar 1. Diagram Pelacakan ke Depan
b. Backward chaining
Strategi penarikan keputusan yang didasarkan dari hipotesa atau dugaan
yang didapat dari informasi yang ada. Ciri dari strategi ini adalah pertanyaan
user. Memperoleh fakta biasanya diajukan dalam bentuk “YA” atau “TIDAK”,
proses ini berdampak dengan diterima atau tidaknya hipotesis.
Gambar 2. Diagram Pelacakan ke Belakang
11
Ada empat faktor metode menentukan mana arah yang lebih baik
digunakan dari dua arah penelusuran yaitu :
a. Jumlah keadaan awal dan keadaan akhir akan lebih mudah bila
bergerak dari kumpulan keadaan yang lebih sedikit ke kumpulan yang
lebih banyak.
b. Besar kecilnya factor percabangan lebih baik menuju ke arah yang
factor percabangannya sedikit.
c. Proses penalaran program sangatlah penting untuk menuju kearah yang
lebih condong dengan cara pemikiran pemakai.
d. Kejadian yang memicu rangkaian tindakan pemecahan masalah. Jika
kejadian ini adalah kedatangan fakta baru, maka dipilih forward
chaining, tetapi jika kejadian ini adalah suatu pertanyaan yang
membutuhkan tanggapan, akan lebih baik jika dipilih backward
chaining.
2. Topologi penelusuran
a. Breadth first search
Metode penelusuran ini memeriksa semua node (simpul) pohon
pencarian, dimulai dari simpul akar. Simpul-simpul dalam tingkat diperiksa
seluruhnya sebelum pindah ke simpul di tingkat selanjutnya. Proses ini bekerja
dari kiri ke kanan, baru bergerak ke bawah. Ini berlanjut sampai ke titik tujuan
(goal).
12
Gambar 3. Breadth-first Search
b. Depth first search
Metode ini memulai penelusuran dari node sampai simpul akar,
selanjutnya menuju ke bawah dulu baru bergerak ke samping dari kiri ke
kanan, proses ini akan berlanjut sampai ditemukan simpul tujuan
Gambar 4. Depth-first Search
c. Best first search
Bekerja berdasarkan kombinasi kedua metode sebelumnya.
2.1.4.9 Certainty Factor
13
Factor (Theory) ini diusulkan oleh Shortliffe dan Buchanan pada tahun 1975
untuk mengakomadasi ketidakpastian pemikiran (inexact reasoning) seorang pakar.
Teori ini berkembang bersamaan dengan pembuatan sistem pakar MYCIN. Tim
pengembang MYCIN mencatat bahwa dokter sering kali menganalisa informasi yang
ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti, dan
sebagainya. Untuk mengakomodasi hal ini tim MYCIN menggunakan certainty factor
(CF) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang
dihadapi.
Secara umum, rule direpresentasikan dalam bentuk sebagai berikut:
Keterangan:
E1 ... En : fakta – fakta (evidence) yang ada.
H : hipotesa atau konklusi yang dihasilkan.
CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa
H akibat adanya fakta – fakta E1 s/d En
2.1.4.9.1 Model Perhitungan Certainty Factor
Saat ini ada dua model yang sering digunakan untuk menghitung tingkat
keyakinan (CF) dari sebuah rule adalah sebagai berikut:
a. Menggunakan metode ‘Net Belief’ yang diusulkan oleh E. H. Shortliffe dan B.
G. Buchanan. yaitu:
14
Keterangan:
P(H) = probabilitas kebenaran hipotesa H
P(H|E) = probabilitas bahwa H benar karena fakta E
P(H) dan P(H|E) merepresentasikan keyakinan dan ketidak yakinan pakar.
b. Dengan menggali dari hasil wawancara dengan pakar. Nilai CF(Rule) serta
bobot dari masing-masing fakta didapat dari interpretasi istilah dari pakar
menjadi nilai CF serta bobot tertentu, seperti contoh pada tabel berikut:
Tabel 2. Tabel Interpretasi Nilai CF
15
Tabel 3. Tabel Interpretasi Nilai Bobot
Contoh:
Pakar : “Bila sakit kepala dan pilek dan demam, maka ‘kemungkinan besar’
penyakitnya adalah influenza”
Rule : IF gejala1 = sakit kepala (bobot=0.3) AND gejala2 = pilek (bobot=0.3) AND
gejala3 = demam (bobot=0.2) THEN penyakit = influenza (CF = 0.8)
2.2 Decision Tree
16
Decision tree adalah salah satu metode klasifikasi yang paling popular karena
mudah untuk diinterpretasi oleh manusia. Konsep dasar algoritma Decision Tree adalah
mengubah data menjadi pohon keputusan dan aturan-aturan keputusan (rule).
Pembangunan tree dimulai dengan data pada simpul akar (root node) yang
dilanjutkan dengan pemilihan sebuah atribut, formulasi sebuah logical test pada atribut
tersebut dan pencabangan pada setiap hasil dari test. Langkah ini terus bergerak ke
subset ke contoh yang memenuhi hasil dari simpul anak cabang (internal node) yang
sesuai melalui proses rekursif pada setiap simpul anak cabang. Langkah-langkah tersebut
diulangi hingga dahan-dahan dari tree memiliki contoh dari satu kelas tertentu. Gambar 1
memuat contoh dari sebuah decision tree. Beberapa model decision tree yang sudah
dikembangkan antara lain adalah IDS, ID3, C4.5, CHAID dan CART.
Gambar 5. Decision Tree
Decision tree merupakan suatu pendekatan yang sangat populer dan praktis
dalam machine learning untuk menyelesaikan permasalahan klasifikasi. Metode ini
digunakan untuk memperkirakan nilai diskret dari fungsi target. Fungsi pembelajaran
direpresentasikan oleh sebuah decision tree (Liang 2005).
Decision tree merupakan himpunan aturan IF...THEN. Setiap path dalam tree
dihubungkan dengan sebuah aturan. Premis aturan terdiri atas sekumpulan node yang
ditemui, sedangkan kesimpulan aturan terdiri atas kelas yang terhubung dengan leaf dari
path (Marsala 1998 dalam Romansyah et al.2009).
17
Pohon keputusan merupakan salah satu metode klasifikasi dan prediksi yang
sangat kuat dan terkenal dalam penerapan data mining. Pada dasarnya Decision Tree
mengubah data menjadi pohon keputusan (decision tree) dan aturan-aturan keputusan
(rule).
Gambar 6. Konsep Decision Tree
Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan
hubungan tersembunyi antara sejumlah calon nginae input dengan sebuah nginae target.
Menurut Berry & Linoff (2004), sebuah pohon keputusan adalah sebuah struktur
yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-
himpunan record yang kebih kecil dengan menerapkan serangkaian aturan-aturan
keputusan. Dengan masing-masing rangkaian pembagian, anggota himpunan hasil
menjadi mirip satu dengan yang lain.
Sebuah pohon keputusan mungkin dibangun dengan saksama secara manual atau
dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma
pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi. Banyak
algoritma yang dapat dipakai dalam pembentukan pohon keputusan, antara lain ID3,
CART, dan C4.5 (Larose, 2005).
Variabel tujuan biasanya dikelompokkan denga pasti dan model pohon keputusan
lebih mengarah pada perhitungan probabilitas dari tiap-tiap record – terhadap kategori-
kategori tersebut atau untuk mengklasifikasi record dengan mengelompokkannya dalam
satu kelas.
Menurut Basuki & Syarif (2003), proses pada pohon keputusan adalah mengubah
bentuk data (ngin) menjadi model pohon, mengubah model pohon menjadi rule, dan
menyederhanakan rule.
18
2.2.1 Konsep Data Dalam Decision Tree
Data dalam pohon keputusan biasanya dinyatakan dalam bentuk table dengan
atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai criteria
dalam pembentukan tree. Misalkan unutuk menentukan main tenis, kriteria yang
diperhatikan adalah cuaca, ngina, dan temperature. Salah satu atribut merupakan atribut
yng menyatakan data solusi per-item data yang disebut dengan target atribut. Atribut
memiliki nilai-nilai yang dinamakan dengan instance. Misalkan atribut cuaca
mempunyai instance berupa cerah, berawan, dan hujan seperti tampak pada Gambar
Tabel 4. Konsep Data dalam Decision Tree
Untuk mengubah bentuk data (tabel) menjadi model tree, dalam kasus ini
menggunakan algoritma ID3, setelah diperoleh model berupa tree, maka tree ini bisa
dikonversikan ke dalam rule seperti tampak pada Gambar
19
Gambar 7. Dari Data Set (table) menjadi Tree
2.2.2 Atribut Selection Measure
Pengukuran informasi yang didapatkan (information gain) bertujuan untuk
memilih suat atribut yang diuji (test atribut) di setiap node dalam struktur pohon. Atribut
dengan nilai informasi tertinggi (greatest entropy) dipilih sebagai suatu atribut dalam
suatu node yang sedang diproses.
Jika S merupakan suatu kumpulan dari s data sampel, atribut label kelas memiliki
isi (value) m yang berbeda, Ci (for i=1..m). Jika si merupakan jumlah sampel S dalam
kelas Ci dimana pi merupakan probabilitas dari label sampel data dari Ci, maka:
Jika atribut A memiliki v isi yang berbeda {a1,a2,…,av}, atribut A dapat
digunakan untuk membagi S ke dalam subset v, {S1, S2,…, Sv}, dimana Sj terdiri dari
sampel dalam S yang memiliki isi aj dari A. Jika A terpilih sebagai atribut yang diuji
20
(atribut terbaik untuk dibagi atau dipartisi), kemudian subset ini alam berhubungan
dengan cabang dari node yang berisi kumpulan S. Jika Sij merupakan jumlah sampel dari
kelas Ci di dalam suatu subset Sj, maka Entropy:
Dari kedua persamaan diatas, maka :
2.3 Genus Rosa [ TKM – 10 ]
Genus Rosa atau Mawar adalah tanaman dari kelas Dicotyledonae dengan ordo
Rosanales, famili Rosaceae dan memiliki genus Rosa. Tanaman mawar disebut sebagai
“Queen Of Flowers” karena kecantikan bentuknya, serta dapat bermanfaat seba-gai obat
dan essens parfum dan minuman. Tanaman mawar mempunyai banyak varietas dengan
bentuk, ukuran dan warna bunga beragam. Tanaman mawar sering dijadikan tanaman
hias pot maupun tanaman hias di taman atau halaman terbuka, bunga potong dan
dekorasi ruangan.
Mawar merupakan tanaman yang memperhatikan beberapa aspek dalam
pertumbuhan dan perkembangannya. Iklim merupakan salah satu faktor yang ha-rus
diperhatikan. Curah hujan yang ideal untuk pertumbuhan mawar berkisar an-tara 1500
sampai 3000 mm/tahun, intensitas cahaya matahari yang dibutuhkan se-kitar 5 sampai 6
jam per hari. Tanaman mawar akan lebih sering berbunga dan memiliki batang yang
kokoh di daerah yang cukup sinar matahari.
Mawar memiliki daya adaptasi yang cukup luas terhadap lingkungan tum-
buhnya. Tanaman mawar dapat ditanam di daerah subtropis, maupun di daerah tropis.
Suhu udara yang baik untuk pertumbuhan mawar yaitu antara 18 dan 26 °C dengan
kelembaban udara antara 70 dan 80 %. Mawar me-miliki dua jenis pembungaan, yaitu
mawar berbunga terus menerus sepanjang ta-hun (recurrent flowering) dan mawar yang
tidak berbunga terus menerus (non recurrent flowering). Mawar termasuk jenis bunga
21
sempurna de-ngan benang sari dan putik terdapat pada dasar bunga. Bunga mawar ada
yang tersusun tunggal dan ada yang tersusun menyerupai payung. Berdasarkan mah-kota
bunga, mawar dibedakan atas mawar berbunga tunggal, berbunga semi ganda dan
berbunga ganda.
Sebagian besar spesies mempunyai daun yang panjangnya antara 5-15 cm, dua-
dua berlawanan (pinnate). Daun majemuk yang tiap tangkai daun terdiri dari paling
sedikit 3 atau 5 hingga 9 atau 13 anak daun dan daun penumpu (stipula) berbentuk
lonjong, pertulangan menyirip, tepi beringgit, meruncing pada ujung daun dan berduri
pada batang yang dekat ke tanah. Mawar sebetulnya bukan tanaman tropis, sebagian
besar spesies merontokkan seluruh daunnya (deciduous) dan hanya beberapa spesies
yang ada di Asia Tenggara yang selalu berdaun hijau sepanjang tahun.
Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa sericea yang
hanya memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan merah jambu
atau kuning dan merah pada beberapa spesies. Ovari berada di bagian bawah daun
mahkota dan daun kelopak. Pada umumnya mawar memiliki duri berbentuk seperti
pengait yang berfungsi sebagai pegangan sewaktu memanjat tumbuhan lain. Beberapa
spesies Mawar mempunyai duri yang tidak berkembang dan tidak tajam.
22
BAB 3
METODE PENELITIAN
3.1 Objek Penelitian
Penelitian dilakukan di pertanian bunga mawar yang berada di Malang.
3.2 Teknik Pengumpulan Data
Adapun teknik pengumpulan data yang dilakukan oleh penulis dalam penelitian,
antara lain :
1. Studi Kepustakaan (Literature) F
Menurut Miller dkk (2010) Tinjauan literatur adalah bagian penting dari
setiap proyek penelitian yang baik, dan jika tidak dilakukan dengan benar,
proyek dapat berakhir sia-sia dengan mereplikasi penelitian sebelumnya. Metode
ini dilakukan untuk mendapatkan data literature tambahan dari buku acuan
mengenai sistem pakar berbasis komputer dan metode decision tree dengan
forward chaining, sumber yang digunakan berupa buku, journal, karya ilmiah,
dan situs-situs penunjang yang dapat membantu dalam penyelesaian laporan
penelitian.
2. Wawancara(Interview)
Wawancara merupakan salah satu objek penelitian, Menurut Jogiyanto
(2007) wawancara adalah Komunikasi dua arah untuk mendapatkan data dari
responden. Wawancara dapat berupa wawancara personal, wawancara intersep
dan wawancara telepon. Dalam penelitian ini penulis melakukan wawancara
secara langsung ke petani mawar dan ahli bunga. Dari hasil wawancara tersebut
dapat diperoleh penjelasan tentang jenis bunga mawar dan hama penyakit yang
diderita bunga mawar.
3. Pengamatan (Observasi)
23
Observasi adalah melakukan pengamatan secara langsung ke objek
penelitian untuk melihat dari dekat kegiatan yang dilakukan. (Riduwan, 2010).
Observasi dilakukan untuk mengetahui cara-cara pelaksanaan yang dilakukan
ahli pakar pada bunga mawar.
4 Tahapan Penelitian
Adapun tahapan penelitian dalam membangun Sistem Pakar Identifikasi
Jenis dan Hama Penyakit Pada Tanaman Genus Rosa dengan Metode Decision
Tree Forward Chaining dengan menggunakan tahapan SDLC yaitu waterfall,
adalah sebagai berikut :
24
Tahapan Penelitian Waterfall
Adapun penjelasan tahapan penelitian yang menarik salah satu tahap SDLC
Waterfall, sebagai berikut :
1. Pesiapan dan Pengumpulan Data
Penulis melakukan persiapan untuk sebelum melakukan pengumpulan
data, kemudian penulis melakukan studi pustaka untuk mencari dan mempelajari
tentang sistem pakar, metode forward chaining, dan mencari informasi tentang
bunga mawar, setelah melakuakan studi pustaka penulis melakukan pengamatan
25
secara langsung dan melakukan wawancara kepada ahli bunga guna untuk
mengetahui informasi yang dibutuhkan secara akurat.
2. Analisa Sistem
Pada tahap analisis sistem ini penulis melakukan analisa sistem sesuai
data dan permasalahan yang telah dikumpulkan sebelumnya, guna sebagai acuan
yang digunakan untuk merancang sistem sesuai dengan kebutuhan.
3. Perancangan Sistem
Merupakan tahap penulisan proses, data, aliran proses dan hubungan antar
data yang paling optimal dan memenuhi kebutuhan pihak yang terkait sesuai
dengan hasil analisa kebutuhan.
4. Penyusunan Basis Data
Proses penyimpanan yang didapatkan dari observasi berupa beberapa data
penunjamlahan, fakta-fakta dan aturan yang mengatur proses pencarian data
ulang saling berhubungan satu dengan yang lain ke dalam basis data MySQL
sebagai media penyimpanan.
5. Implementasi Sistem
Pada tahap ini, penulis mengimplementasikan sistem berdasarkan
rancangan yang telah dibuat sebelumnya sesuai dengan kebutuhan pihak yang
terkait.
6. Pengujian Sistem
Merupakan tahap pengujian terhadap sistem yang telah dibuat.
7. Perbaikan atau penambahan data.
Setelah melakukan pengujian system dan ternyata terhadi beberapa
kekurangan atau kelemahan, maka system perlu diperbaiki lagi atau diedit lagi
26
data-data yang telah ada sehingga system yang dibuat lebih bersifat valid
hasilnya.
8. Menyusun Laporan.
Apabila semua tahapan yang dimulai dari penelitian hingga pada
pengujian sistem dan evaluasi sistem sudah sesuai dan tidak terjadi kesalahan
lagi, maka tahapan akhir yang dilakukan adalah penulisan laporan pada hasil
penelitian. Mebuat sebuah laporan berbentuk buku skripsi sebagai tahap akhir
dalam proses penulisan pengerjaan skripsi sebagai bukti dokumentasi dari
penulis.
BAB 4
ANALISA DAN PERANCANGAN
27
4.1 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 jenis dan konsultasi penyakit kepada user, sehingga user
mengetahui masalah yang menyerang pada bunga mawar.Konsultasi yang dihasilkan
oleh sistem ini dilengkapi dengan jenis, keterangan,dan gambar untuk konsultasi
jenis pada bunga mawar. Sedangkan untuk konsultasi penyakitnya dilengkapi dengan
penyebab, keterangan,dan pengendaliannya. Sistem ini dirancang dengan tujuan
untuk memberikan rekomendasi tentang jenis bunga mawar dan penyakit yang
menyerangnya beserta cara penanggulangannya. Rekomendasi yang diberikan
merupakan hasil pengolahan sistem pakar menggunakan mekanisme inferensi
menggunakan forward chainning dengan melihat ciri-ciri dan gejala-gejala yang
timbul pada bunga mawar,kemudian fakta akan diambil dari basis data
pengetahuan. Untuk dijadikan landasan dalam memberikan informasi tentang jenis
dan penyakit pada bungamawar berserta cara penanggulangannya.
4.2 Rancangan Proses
Rancangan DAD digunakan untuk menggambarkan hirarkiproses yang ada dan
aliran data antar proses tersebut dalam aplikasi program sistem pakar ini. Gambar 1.
DAD Level 0 memberikan gambaran seluruh elemen dengan sebuah proses tunggal
dengan data input dan output yang ditunjukkan oleh anak panah yang masuk dan
keluar secara berurutan. Pada sistem yang dibangun ini terdapat dua entitas luar yaitu
admin dan user. Dimana admin atau expert mempunyai kemampuan atau kewenangan
untuk melakukan validasi data,sedangkan user hanya bias memakai sistem ini dan
tidak berwenang melakukan validasi data. User akan memasukkan data bagi sistem,
kemudian sistem ini akan memberikan keluaran (output) pada user.
28
Gambar 8. Desain sistem
Berikut adalah tabel hubungan antara jenis dan ciri-ciri dari bunga mawar.
No Ciri-ciri
Jenis
Ros
sa B
ran
ksi
ae
Ros
sa G
alli
ca
Ros
sa G
igan
tea
Ros
sa G
lau
ca
Ros
sa M
oseh
ata
Ros
sa F
ilip
es
Ros
sa L
eavi
gata
Ros
sa B
ours
oult
Ros
sa R
ugo
sa
Ros
sa W
illm
otti
e
Ros
sa M
oyes
si
Ros
sa N
oise
tte
Ros
sa M
inia
ture
Ros
sa F
oeti
da
Warna Bunga
1 Putih
2 Putih kekuningan
3 Putih keunguan
4 Pink(merah muda)
5 Merah
6 Merah keunguan
7 Kuning
Warna Daun
8 Hijau
9 Hijau gelap
29
10 Hijau muda
11 Hijau keunguan
12 Hijau kebiruan
13 hijau keabuan
Daun
14 Mengkilap
15 Kasar
16 Lembut
Batang
17 Berduri
18 Tidak Berduri
Warna Benang
Sari
19 Kuning
20 Kuning emas
21 Kuning kecoklatan
22 Oranye
23 Merah
Tabel 5. Tabel hubungan antara jenis dan ciri-ciri dari bunga mawar
30
Berikut adalah tabel hama dan penyakit bunga mawar
No Gejala
Hama Penyakit
Kutu
Dau
n
Kum
bang
Sipu
t Ber
bulu
Tung
au
Thrip
s
Ula
t Dau
n
Kutu
Bat
ang
Kum
bang
Kec
il
Nem
atod
a Ak
ar
Berc
ak H
itam
Kara
t Dau
n
Tepu
ng M
ildew
Mos
aik
Berc
ak D
aun
Beng
kak
Pang
kal B
atan
g
Jam
ur U
pas
Busu
k Bu
nga
DAUN
1
Daun menjadi
kering/mengkeut
2 Daun bercak warna perak
3
Meninggalkan cairan
madu manis pada
permukaan daun
4
Daun bagian bawah
berlubang
5
Daun terdapat titik
merah kekuningan/ abu
kecoklatan
6
Daun terdapat bintik
putih berbentuk
lingkaran
7 Daun layu
8
Daun bercak hitam pekat
dan tepi bergerigi
9 Daun menguning
10
Sisi bawah daun berbintik
jingga kemerahan
11
Sisi atas daun terdapat
bercak sudut kemerahan
12 Daun rontok
13 Permukaan daun
31
terdapat tepung
14
Daun berubah warna
kemerahaan
15 Daun belang
16 Daun bercak coklat
17 Daun bercak kehitaman
18 Daun menjadi rusak
19
Tulang daun berbentuk
seperti jala
BATANG
20
Pembengkakan pada
pangkal batang
21 Batang membusuk
22
Terdapat kerak berwarna
merah
23
Bagian dalam batang
rusak
BUNGA
24 Bunga rusak
25 Bercak perak pada bunga
26
Bunga busuk berwarna
coklat
27
Terdpata bintik hitam
pada bunga
AKAR
28 Terdapat bintik pada akar
29 Akar menjadi rusak
Tabel 6. Tabel hama dan penyakit bunga mawar
32
4.3 Decision Tree
Dibawah ini adalah decision tree forward chaining dari jenis bunga mawar :
Gambar 9. Decision tree dengan forward chaining jenis bunga mawar
33
Dibawah ini adalah decision tree dengan forward chaining hama dan penyakit pada
tumbuhan bunga mawar :
Gambar 10. Decision tree dengan forward chaining hama dan penyakit bunga mawar
34
4.4 Representasi Pengetahuan
Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah
produksi, yaitu dengan IF-Then. Berikut representasi pengetahuannya :
1. Kaidah untuk jenis dan ciri Genus Rossa
1.1 Genus Rossa Branksiae
if warna bunga putih and warna daun hijau gelap
and daun kasar and batang tidak berduri and warna
benang sari kuning then identifikasi jenis Rossa
Banksiae
1.2 Genus Rossa Gallica
if warna bunga pink(merah jambu) and warna daun
hijau kebiru-biruan and daun lembut and batang
berduri and warna benang sari kuning emas then
identifikasi jenis Rossa Gallica
1.3 Genus Rossa Gigantea
if warna bunga putih kekuning-kuningan and warna
daun hijau gelap and daun lembut and batang
berduri and warna benang sari merah then
identifikasi jenis Rossa Gigantea
1.4 Genus Rossa Glauca
if warna bunga merah keungu-unguan and warna daun
hijau keungu-unguan and daun lembut and batang
berduri and warna benang sari kuning kecoklatan
then identifikasi jenis Rossa Glauca
1.5 Genus Rossa Moschata
35
if warna bunga putih keungu-unguan and warna daun
hijau keungu-unguan and daun mengkilap and batang
tidak berduri and warna benang sari kuning
kecoklatan then identifikasi jenis Rossa Moshata
1.6 Genus Rossa Filipes
if warna bunga putih and warna daun hijau muda
and daun mengkilap and batang berduri and warna
benang sari oranye then identifikasi jenis Rossa
Filipes
1.7 Genus Rossa Leavigata
if warna bunga putih and warna daun hijau and
daun mengkilap and daun lembut and batang berduri
and warna benang sari kuning emas then
identifikasi jenis Rossa Leavigata
1.8 Genus Rossa Boursoult
if warna bunga merah and warna daun hijau gelap
and daun lembut and batang tidak berduri and
warna benang sari kuning then identifikasi jenis
Rossa Boursoult
1.9 Genus Rossa Rugosa
if warna bunga merah and warna daun hijau and
daun mengkilap and daun lembut and batang berduri
and warna benang sari oranye then identifikasi
jenis Rossa Rugosa
1.10 Genus Rossa Willmottie
if warna bunga pink(merah jambu) and warna daun
hijau keabu-abuan and daun mengkilap and daun
36
lembut and batang berduri and warna benang sari
oranye then identifikasi jenis Rossa Willmottie
1.11 Genus Rossa Moyessi
if warna bunga merah and warna daun hijau and
daun mengkilap and daun lembut and batang berduri
and warna benang sari kuning emas then
identifikasi jenis Rossa Moyessi
1.12 Genus Rossa Noisette
if warna bunga putih kekuning-kuningan and warna
daun hijau and daun mengkilap and batang tidak
berduri and warna benang sari kuning emas then
identifikasi jenis Rossa Noisette
1.13 Genus Rossa Miniature
if warna bunga pink(merah jambu) and warna daun
hijau gelap and daun mengkilap and batang berduri
and warna benang sari kuning emas then
identifikasi jenis Rossa Miniature
1.14 Genus Rossa Foetida
if warna bunga kuning and warna daun hijau keabu-
abuan and daun mengkilap and batang berduri and
warna benang sari kuning then identifikasi jenis
Rossa Foetida
37
2. Kaidah untuk hama atau penyakit Genus Rossa
2.1 Hama Kutu Daun
if daun menjadi kering atau keriput and
meninggakan cairan madu manis yang menempel pada
permukaan daun then identifikasi hama Kutu Daun
2.2 Hama Kumbang
if daun menjadi rusak/ bolong and bunga bolong-
bolong atau rusak and akar menjadi rusak then
identifikasi hama Kumbang
2.3 Hama Siput Berbulu
if daun bagian bawah berlubang tinggal tulang
daun then identifikasi hama Siput Berbulu
2.4 Hama Tungau
if daun terdapat titik-titik merah bewarna
kuning/ abu-abu kecoklat-coklatan and daun
menguning then identifikasi hama Tungau
2.5 Hama Thrips
if daun bercak bewarna perak and bunga bercak
bewarna perak then identifikasi hama Thrips
2.6 Hama Ulat Daun
if daun menjadi rusak/ bolong then identifikasi
hama Ulat Daun
38
2.7 Hama Serangga Penghisap Sel Tanaman
if daun terdapat bintik-bintik putih membentuk
lingkaran then identifikasi hama Serangga
Penghisap Sel Tanaman
2.8 Hama Kutu Batang
if daun layu then identifikasi hama Kutu Batang
2.9 Hama Kumbang Kecil
if bagian dalam batang rusak then identifikasi
hama Kumbang Kecil
2.10 Hama Nematoda Akar
if terdapat bintik-bintik pada akar and akar
menjadi rusak then identifikasi hama Nematoda
Akar
2.11 Penyakit Bercak Hitam
if daun bercak hitam pekat yang tepinya bergerigi
and daun menguning then identifikasi penyakit
Bercak Hitam
2.12 Penyakit Karat Daun
if sisi bawah daun terdapat bintik-bintik warna
jingga kemerah-merahan and sisi atas daun
terdapat bercak bersudut berwarna kemerah-merahan
and daun rontok then identifikasi penyakit Karat
Daun
2.13 Penyakit Tepung Mildew
39
if daun rontok and permukaan daun terdapat
tepung/ lapisan putih and daun berubah warna dari
hijau menjadi kemerah-merahan then identifikasi
penyakit Tepung Mildew
2.14 Penyakit Mosaik
if daun menguning and daun belang-belang and
tulang-tulang daun seperti jala then identifikasi
penyakit Mosaik
2.15 Penyakit Bercak Daun
if daun bercak coklat and daun bercak kehitam-
hitaman then identifikasi penyakit Bercak Daun
2.16 Penyakit Bengkak Pangkal Batang
if terjadi pembengkakan pada pangkal batang dekat
permukaan tanah then identifikasi penyakit
Bengkak Pangkal Batang
2.17 Penyakit Jamur Upas
if batang membusuk and pada batang terdapat
lapisan kerak berwarna merah then identifikasi
penyakit Jamur Upas
2.18 Penyakit Busuk Bunga
if bunga busuk berwarna coklat and terdapat
bintik-bintik hitam pada bunga then identifikasi
penyakit Busuk Bunga
40
BAB 5
HASIL DAN PEMBAHASAN
Hasil keluaran dari sistem ini berupa jenis mawar dengan gambar dan keterangan
untuk identifikasi jenis mawar dengan inputan cirri morfologi yang dimasukkan user
pada form konsultasi. Sedangkan untuk identifikasi penyakit mempunyai keluaran
berupa nama penyakit, penyebab, ketarangan, bagian yang diserang, dan
pengendaliannya.
1. Skenario 1
User memasukkan data seperti berikut :
Warna Bunga
1 Putih
2 Putih kekuningan
3 Putih keunguan
4 Pink(merah muda)
5 Merah
6 Merah keunguan
7 Kuning
Warna Daun
8 Hijau
9 Hijau gelap
10 Hijau muda
11 Hijau keunguan
12 Hijau kebiruan
13 hijau keabuan
Daun
14 Mengkilap
15 Kasar
16 Lembut
Batang
41
17 Berduri
18 Tidak Berduri
Warna Benang
Sari
19 Kuning
20 Kuning emas
21 Kuning kecoklatan
22 Oranye
23 Merah
Tabel 7. Contoh skenario jenis bunga mawar
Setelah user memasukkan data seperti diatas. Maka hasil yang didapatkan adalah
Rossa Branksiae.
2. Skenario 2
User memasukkan data seperti berikut :
DAUN
1
Daun menjadi
kering/mengkeut
2 Daun bercak warna perak
3
Meninggalkan cairan
madu manis pada
permukaan daun
4
Daun bagian bawah
berlubang
5
Daun terdapat titik
merah kekuningan/ abu
kecoklatan
6
Daun terdapat bintik
putih berbentuk
lingkaran
7 Daun layu
42
8
Daun bercak hitam pekat
dan tepi bergerigi
9 Daun menguning
10
Sisi bawah daun berbintik
jingga kemerahan
11
Sisi atas daun terdapat
bercak sudut kemerahan
12 Daun rontok
13
Permukaan daun
terdapat tepung
14
Daun berubah warna
kemerahaan
15 Daun belang
16 Daun bercak coklat
17 Daun bercak kehitaman
18 Daun menjadi rusak
19
Tulang daun berbentuk
seperti jala
BATANG
20
Pembengkakan pada
pangkal batang
21 Batang membusuk
22
Terdapat kerak berwarna
merah
23
Bagian dalam batang
rusak
BUNGA
24 Bunga rusak
25 Bercak perak pada bunga
26
Bunga busuk berwarna
coklat
27
Terdpata bintik hitam
pada bunga
AKAR
43
28 Terdapat bintik pada akar
29 Akar menjadi rusak
Tabel 8. Contoh skenario hama dan penyakit bunga mawar
Setelah user memasukkan data seperti diatas. Maka hasil yang didapatkan adalah
hama Kutu Daun.
44
BAB 6
KESIMPULAN
a. Sistem mampu mengidentifikasi jenis berdasarkan ciri-ciri pada bunga mawar
yang dimasukkan user.
b. Sistem mampu mengidentifikasi penyakit berdasarkan gejala-gejala yang
menyerang pada bunga mawar yang dimasukkan oleh user.
c. Metode decision tree dengan forward chaining mampu mengidentifikasi atau
memilah-milah jenis bunga mawar dan hama penyakit secara tepat.
45
DAFTAR PUSTAKA
[ NML – 10 ] Nirmala. Proposal Skripsi Sistem Pakar. [online] <http://eprints.upnjatim.ac.id/953/1/file_1.pdf>. Diakses pada 16 April 2013.
[ KRB – 12 ] KaRobby. Konsep dan Macam-macam Metode Penelitian. [online] <http://karobby.wordpress.com/2012/05/12/konsep-dan-macam-macam-metode-penelitian/>. Diakses pada 16 April 2013.
[ BBK – 97 ] Bambrick. Adaption in Natural and Artificial System. Cambridge Univ Press. 1997.
[ GRR – 89 ] Giarratano & Riley. Expert System. Amazon. 1989.
[ KNT – 96 ] Krishnamoorthy. Expert System & Decission Support System. Edward Elgar. 1996.
[ TKM – 10 ] Anonim. Pedoman Bertanam Bunga Mawar. Tim Karya Mandiri. 2010.
46
top related