Anda di halaman 1dari 108

SKRIPSI

SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT PADA TANAMAN MANGGA


EXPERT SYSTEM FOR PEST AND DISEASE DIAGNOSE IN MANGO CROP
















Kidung Hudha Candra Bumi
08/265927/PA/11929





PROGRAM STUDI ILMU KOMPUTER
JURUSAN ILMU KOMPUTER DAN ELEKTRONIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2013



i

SKRIPSI

SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT PADA TANAMAN MANGGA
EXPERT SYSTEM FOR PEST AND DISEASE DIAGNOSE IN MANGO CROP
Diajukan untuk memenuhi salah satu syarat memperoleh derajat
Sarjana Ilmu Komputer














Kidung Hudha Candra Bumi
08/265927/PA/11929





PROGRAM STUDI ILMU KOMPUTER
JURUSAN ILMU KOMPUTER DAN ELEKTRONIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2013


f{*t/*MAp fEirEsA}fAfr
sf,RFsl
$$TEfiI PAI(Af, SArSA fiAfi,IA DATT trrflAftIFPAoA
TAI{AT,IAilI
MAre6A
Tdah dipersiapkan rlan dist*un oleh
KIDUNG HUDHA CANDRA SUMI
a8/z6sez7lPN7L92e
Tslsh difrtshan*an di depan Tim
penguji
pada
tanggal 8 Januari 2013
S$srman TimPenguii
/{\h
Pembimbing/Penguji
4trtituddin
A!is, S.:,i_ M.{orn
Penguji I
- n
, \ \ l \ /
\ \ t - -
./\
Mhd. Reza M.l Fulungan, M.Sc.,
gr.-lng
Penguji trl
PtrFTTAjfi[4ff
oe.rgan ini saye
qenyata&alr
bahrra Skre:i isi tidak terdagat karvaya$
Bernah
diajukan untuk memperoleh gelar Ahli Madyalkesarianaan di suatu
F'ergntran Tir.lgi, dar* septrliar
FrEetahtx*r
saya
Fga
tidak terdapat kaffi
atau pendapat yang pernah ditulh atau diterbitkan o6r,
t;rar[
bin, kecuali
semra tertults *anl datam nas*ah ini dan ffiut*an #am daTtar pustaka.
Yogyakarta, 27 Desember 2OL2
ldul4 Hudha eandra Burni
irt
iv

PRAKATA
Puji Syukur penulis panjatkan ke hadirat Allah SWT, karena atas rahmat
dan hidayah-Nya penulis dapat menyelesaikan Tugas Akhir yang berjudul Sistem
Pakar Diagnosa Hama dan Penyakit pada Tanaman Mangga.
Penulisan tugas akhir ini tentunya tidak lepas dari dorongan dan upaya
dari pihak-pihak yang telah memberikan dukungan. Untuk itu penulis
menyampaikan ucapan terimakasih kepada:
1. Allah SWT atas rahmat, kasih sayang dan pertolongan-Nya, penulis
dapat menyelesaikan tugas akhir ini.
2. Kedua Orang Tua, Bapak Riyanto dan Ibu Juminah yang selalu
membimbingku, mendoakanku, menyayangiku, memberikan
dukungan, mendampingiku disaat bahagia dan sedih. Engkau adalah
anugerah terindah yang Allah berikan dalam hidupku.
3. Bapak Dr. Azhari SN, M.T. selaku Dosen Pembimbing Akademik.
4. Bapak Drs. Sri Mulyana, M.Kom. selaku dosen pembimbing yang
selalu menyempatkan waktu dan dengan sabar membimbing penulis.
5. Lintang Hudha dan Arih Hudha sebagai saudara yang selalu
memberikan dukungan, dan nasehat kepada penulis. Keluarga besar
yang tidak hentinya memberikan dukungan kepada penulis untuk
menyelesaikan tugas akhir ini.
6. Arik Hidayatullah yang selalu memberikan semangat, dukungan,
mendengarkan keluh kesah penulis.
7. Sahabat-sahabat tercinta Kozin, Annisa, Uki dan teman-teman
lainnnya yang selalu menyediakan waktu untuk sekedar bertukar
pikiran.
8. Seluruh teman-teman di Ilmu Komputer angkatan 2008.
9. Pihak-pihak lain yang telah membantu penyelesaian tugas akhir ini
dan tidak dapat disebutkan satu per satu.
v

Penulis menyadari bahwa dalam tugas akhir ini masih banyak terdapat
kekurangan. Oleh karena itu, saran dan kritik yang bersifat membangun sangat
penulis harapkan. Akhir kata, penulis berharap semoga skripsi ini dapat
memberikan manfaat bagi pembaca.

Yogyakarta,27 Desember 2012

Penulis
DAFTAR ISI

HALAMAN JUDUL ..................................................................................................... i
HALAMAN PENGESAHAN ......................................................................................... ii
PERNYATAAN........................................................................................................... iii
PRAKATA.................................................................................................................. iv
DAFTAR ISI ............................................................................................................... vi
DAFTAR GAMBAR ................................................................................................... iix
DAFTAR TABEL ......................................................................................................... xi
INTISARI .................................................................................................................. xii
ABSTRACT .............................................................................................................. xiii
BAB I PENDAHULUAN .............................................................................................. 1
1.1 Latar Belakang dan Permasalahan ........................................................... 1
1.2 Rumusan Masalah .................................................................................... 2
1.3 Batasan Masalah ...................................................................................... 2
1.4 Tujuan dan Manfaat Penelitian ................................................................ 3
1.5 Sistematika Penulisan ............................................................................... 4
1.6 Metode Penelitian .................................................................................... 4
BAB II TINJAUAN PUSTAKA ...................................................................................... 7
BAB III LANDASAN TEORI ...................................................................................... 10
3.1 Sistem Pakar ........................................................................................... 10
3.1.1 Konsep Dasar Sistem Pakar ............................................................. 10
3.1.2 Arsitektur Sistem Pakar ................................................................... 12
3.1.2.1 Basis Pengetahuan (Knowledge Base) ............................................... 14
3.1.2.2 Mesin Inferensi (Inference Engine) .................................................... 14
3.2 Representasi Pengetahuan ..................................................................... 17
3.2.1 Kaidah Produksi ............................................................................... 17
3.2.2 Pohon Keputusan ............................................................................ 18
3.3 Basis Data ............................................................................................... 18
3.3.1 Pengertian Database Management System ................................... 19
3.3.2 Pengertian Diagram Alir Data ......................................................... 19
3.4 Faktor Kepastian (Certainty Factor) ....................................................... 20
vii

3.5 Hama dan Penyakit ................................................................................. 21

BAB IV ANALISIS DAN PERANCANGAN SISTEM ..................................................... 26
4.1 Analisis Sistem ........................................................................................ 26
4.1.1 Analisis Masalah .............................................................................. 26
4.1.2 Identifikasi Kebutuhan .................................................................... 27
4.1.3 Deskripsi Sistem .............................................................................. 27
4.2 Perancangan Representasi Basis Pengetahuan ...................................... 28
4.3 Basis Pengetahuan ................................................................................. 35
4.3.1 Akuisisi Pengetahuan ................................................................................... 35
4.3.2 Representasi Pengetahuan ......................................................................... 38
4.3.2.1 Aturan Produksi ............................................................................... 43
4.4 Mesin Inferensi .................................................................................................... 50
4.5 Perancangan Sistem ................................................................................... 52
4.5.1 Perancangan Fungsional Sistem ........................................................... 49
4.5.1.1 Diagram Konteks ....................................................................... 49
4.5.1.2 Diagram Alir Data ..................................................................... 54
4.2.2.1.4 Perancangan Basis Pengetahuan ........................................... 56
4.5.2 Rancangan Antarmuka Pengguna ......................................................... 58
BAB V IMPLEMENTASI SISTEM .............................................................................. 63
5.1 Implementasi Basis Data ........................................................................ 63
5.1.1 Tabel Hama Penyakit ....................................................................... 63
5.1.2 Tabel Gejala ..................................................................................... 64
5.1.3 Tabel Pengamatan........................................................................... 64
5.1.4 Tabel Aturan .................................................................................... 64
5.1.5 Tabel Aturan Gejala ......................................................................... 65
5.1.6 Tabel Usertype ................................................................................ 66
5.1.3 Tabel User ........................................................................................ 66
5.2 Implementasi Proses .............................................................................. 67
5.2.1 Proses Input Gejala oleh POPT ........................................................ 67
5.2.2 Proses Input Aturan oleh Pakar ...................................................... 69
5.2.3 Proses Input Hama Penyakit oleh Pakar ......................................... 70
5.2.4 Proses Input Tambah Gejala oleh Pakar ......................................... 71
viii

5.2.5 Proses Hasil Diagnosa ...................................................................... 71
5.3 Implementasi Menu ............................................................................... 74
5.3.1 Menu Utama Pakar ......................................................................... 74
5.3.1.1 Submenu Hama Penyakit .............................................................. 75
5.3.1.2 Submenu Gejala ............................................................................ 77
5.3.1.3 Submenu Tambah Rule ................................................................. 79
5.3.1.3 Submenu Delete Rule .................................................................... 80
5.3.1.5 Submenu Threshold ....................................................................... 81
5.3.2 Menu Utama POPT .......................................................................... 82
BAB VI HASIL DAN PEMBAHASAN ......................................................................... 83
6.1 Proses Pengisian Basis Pengetahuan ...................................................... 83
6.2 Proses Diagnosa ...................................................................................... 83
6.3 Penjelasan Perhitungan Mesin Inferensi ................................................ 83
6.3.1 Perhitungan Mesin Inferensi ........................................................... 83
6.4 Hasil Uji Coba .......................................................................................... 84
6.5 Alur Sistem .............................................................................................. 85
6.5.1 Tampilan Pada Pakar ....................................................................... 85
6.5.2 Tampilan Pada POPT ....................................................................... 89
BAB VII KESIMPULAN DAN SARAN ........................................................................ 86
7.1 Kesimpulan ............................................................................................. 91
7.2 Saran ....................................................................................................... 91
DAFTAR PUSTAKA .................................................................................................. 93










ix

DAFTAR GAMBAR
Gambar 3.1 Arsitektur Sistem Pakar ..................................................................... 12
Gambar 3.2 Proses Backward Chaining ................................................................ 15
Gambar 3.3 Proses Forward Chaining .................................................................. 15
Gambar 4.1 ER-Diagram ........................................................................................ 29
Gambar 4.2 Relasi Antar Tabel .............................................................................. 29
Gambar 4.3 Diagram Konteks ............................................................................... 53
Gambar 4.4 Diagram Alir Data Level 1 Proses Diagnosa Hama dan Penyakit ...... 55
Gambar 4.5 Diagram Alir Data Level 2 Manipulasi Basis Pengetahuan ................ 56
Gambar 4.6 Diagram Alir Data Level 2 Manipulasi Basis Aturan .......................... 57
Gambar 4.7 Diagram Alir Data Level 2 Proses Diagnosa Hama dan Penyakit ...... 57
Gambar 4.8 Rancangan Antarmuka Login ............................................................ 58
Gambar 4.9 Rancangan Antarmuka Gejala ........................................................... 59
Gambar 4.10 Rancangan Antarmuka Hama dan Penyakit .................................... 60
Gambar 4.11 Rancangan Antarmuka Basis Aturan ............................................... 60
Gambar 4.12 Rancangan Antarmuka Threshold ................................................... 61
Gambar 4.13 Rancangan Antarmuka Diagnosa .................................................... 61
Gambar 4.14 Rancangan Antarmuka Hasil Diagnosa ........................................... 62
Gambar 5.1 Tabel Hama Penyakit ......................................................................... 63
Gambar 5.2 Tabel Gejala ....................................................................................... 64
Gambar 5.3 Tabel Pengamatan ............................................................................. 64
Gambar 5.4 Tabel Aturan ...................................................................................... 65
Gambar 5.5 Foreign Key ........................................................................................ 65
Gambar 5.6 Tabel Aturan Gejala ........................................................................... 65
Gambar 5.7 Foreign Key Gejala ............................................................................. 66
Gambar 5.8 Tabel Usertype................................................................................... 66
Gambar 5.9 Tabel User .......................................................................................... 66
Gambar 5.10 Foreign Key Usertype ...................................................................... 67
Gambar 5.11 Kode Data Gejala ............................................................................. 68
Gambar 5.12 Kode Pemilihan Gejala .................................................................... 68
Gambar 5.13 Potongan Kode Tambah Aturan ...................................................... 69
Gambar 5.14 Potongan Kode Untuk Proses Memasukkan Data ke Tabel
aturan_gejala ........................................................................................................ 70
Gambar 5.15 Potongan Kode Tambah Hama Penyakit ......................................... 70
Gambar 5.16 Potongan Kode Tambah Gejala ....................................................... 71
Gambar 5.17 Potongan Kode untuk Proses Pencocokan Aturan Terhadap Gejala
............................................................................................................................... 72
x

Gambar 5.18 Potongan Kode Perhitungan Certainty Factor ................................ 73
Gambar 5.19 Potongan Kode Perhitungan CF Combine ....................................... 73
Gambar 5.20 Perhitungan Threshold .................................................................... 74
Gambar 5.21 Menu Utama Pakar ......................................................................... 75
Gambar 5.22 Submenu Hama Penyakit ................................................................ 76
Gambar 5.23 Hapus Hama Penyakit ..................................................................... 77
Gambar 5.24 Submenu Gejala .............................................................................. 78
Gambar 5.25 Antarmuka Hapus Gejala ................................................................ 79
Gambar 5.26 Antarmuka Tambah Rule ................................................................. 80
Gambar 5.27 Antarmuka Delete Rule ................................................................... 81
Gambar 5.28 Antarmuka Submenu Threshold ..................................................... 81
Gambar 5.29 Antarmuka Diagnosa ....................................................................... 82
Gambar 6.1 Hasil Pengujian Diagnosa .................................................................. 86
Gambar 6.2 Proses Penambahan Gejala Baru ...................................................... 86
Gambar 6.3 Tampilan Gejala Update .................................................................... 86
Gambar 6.4 Proses Penambahan Hama Penyakit Baru ........................................ 87
Gambar 6.5 Tampilan Hama Penyakit Update ...................................................... 87
Gambar 6.6 Proses Penambahan Aturan Baru ..................................................... 88
Gambar 6.7 Proses Penghapusan Aturan ............................................................. 88
Gambar 6.8 Penetapan Nilai Threshold ................................................................ 89
Gambar 6.9 Update Threshold .............................................................................. 89
Gambar 6.10 Input Gejala ..................................................................................... 90
Gambar 6.11 Hasil Diagnosa ................................................................................. 90















xi

DAFTAR TABEL

Tabel 2.1 Tabel Perbandingan ................................................................................. 9
Tabel 3.1 Simbol Data Flow Diagram.................................................................... 19
Tabel 4.8 Tabel Pengamatan ................................................................................. 30
Tabel 4.9 Tabel Gejala ........................................................................................... 31
Tabel 4.10 Tabel Hama dan Penyakit .................................................................... 31
Tabel 4.11 Tabel Aturan ........................................................................................ 31
Tabel 4.12 Tabel Aturan Gejala ............................................................................. 31
Tabel 4.12 Tabel Threshold ................................................................................... 32
Tabel 4.13 Tabel User ............................................................................................ 32
Tabel 4.14 Tabel Usertype ..................................................................................... 32
Tabel 4.1 Tabel Hama Penyakit ............................................................................. 34
Tabel 4.2 Tabel Pengamatan ................................................................................. 36
Tabel 4.3 Tabel Gejala ........................................................................................... 36
Tabel 4.4 Tabel Keputusan .................................................................................... 39
Tabel 4.5 Tabel Aturan Produksi ........................................................................... 43
Tabel 4.6 Tabel Aturan .......................................................................................... 48
Tabel 4.7 Perhitungan Certainty Factor ................................................................ 52
Tabel 6.1 Pengujian Perhitungan .......................................................................... 84
















INTISARI
SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT PADA TANAMAN MANGGA
Oleh
Kidung Hudha Candra Bumi
08/265927/PA/11929

Hama dan penyakit yang menyerang tanaman mangga menyebabkan petani
mangga mengalami kerugian karena tanamannya rusak atau gagal panen. Untuk
membantu kerja para penyuluh pertanian dalam mendiagnosa hama dan penyakit
sementara yang menyerang tanaman mangga apabila pakar atau ahli pertanian belum ada
atau tidak ada, maka diperlukan sebuah sistem berbasis komputer yang dapat memberikan
informasi hama penyakit dan tata cara pengendaliannya.
Penelitian ini membangun sebuah sistem pakar berbasis aturan (rule based)
dengan menggunakan metode certainty factor untuk mendiagnosa hama dan
penyakit pada tanaman mangga berdasarkan gejala-gejala pada setiap hama atau
penyakit. Hasil yang diperoleh berupa hama atau penyakit yang menyerang dan tata
cara pengendalian yang harus dilakukan, serta nilai certainty factor akan kebenaran
dari hama atau penyakit tersebut.
Keyword : OPT, Sistem Pakar, Certainty Factor


ABSTRACT
EXPERT SYSTEM FOR PEST AND DISEASE DIAGNOSE IN MANGO CROP
By
Kidung Hudha Candra Bumi
08/265927/PA/11929

Pest and disease that attack mango crop causing mango farmers suffered
crop losses due to damage or crop failure. To help the work of agricultural extension
in diagnosing pest and disease that attack plants while an expert does not exist, it
would require a computer based system that can provide information and
procedures for pest control. This study build a rule-based expert system using
certainty factor method to diagnose pest and disease in plants of mango based on
symptoms on any pest or disease. The results obtained in the form of pest or disease
attack and control procedures to be done, as well as the certainty factor values of
the truth of pest or disease.
Keyword : OPT, Expert System, Certainty Factor


1

BAB I
PENDAHULUAN

1.1 Latar Belakang dan Permasalahan
Mangga (Mangiferae Indica) merupakan tanaman yang berasal dari India.
Namun, tanaman mangga di Indonesia bukanlah tanaman asing bagi masyarakat.
Sebagai negara yang beriklim tropis dan keanekaragaman agroklimat, Indonesia
mampu menghasilkan hampir semua jenis buah tropika dan sub tropika termasuk
mangga. Diluar sentra-sentra produsen mangga seperti Probolinggo dan Indramayu,
tanaman mangga dapat dijumpai di hampir setiap pekarangan rumah tangga.
Kabupaten Probolinggo misalnya, mangga dijadikan sebagai komoditas unggulan,
usahatani mangga di wilayah tersebut dapat menghidupi ratusan kelompok tani dan
keluarganya. Berbagai macam variestas mangga dikembangkan di Indonesia.
Mangga di Indonesia merupakan komuditas ekspor. Mangga Probolinggo
terutama varietas Arumanis sangat populer bahkan sudah dipasarkan sampai ke luar
negeri seperti ke Singapura. Namun, tumbuhan tidak selamanya dapat terlepas dari
serangan hama dan penyakit. Hama dan penyakit tanaman dapat disebut juga
sebagai organisme pengganggu tanaman (OPT). Hewan dapat disebut hama karena
mereka mengganggu tumbuhan dengan memakannya. Belalang, kumbang, ulat,
wereng, tikus, walang sangit merupakan beberapa contoh binatang yang sering
menjadi hama tanaman. Terdapat puluhan bahkan ratusan jenis hama dan penyakit
yang menyerang tanaman mangga. Berbagai hama dan penyakit pada tanaman
mangga yang menyerang dapat ditandai dari gejala-gejala serangan yang timbul.
Tetapi, para petani mangga hanya mengetahui beberapa jenis hama atau penyakit
yang paling umum atau yang paling sering menyerang saja dan petani terkadang
tidak mengetahui hama atau penyakit apa yang menyerang tanamannya walau
2



terdapat gejala-gejala yang ada. Ketidaktahuan dan kurangnya informasi tentang
hama dan penyakit yang menyerang tanaman mangga menyebabkan petani atau
penanam mangga mengalami kerugian karena tanamannya rusak atau gagal panen.
Untuk mendiagnosa hama dan penyakit yang menyerang tanaman mangga
berdasarkan gejala-gejala yang ada, maka diperlukan seorang ahli pakar hama dan
penyakit tanaman untuk menganalisis dan mendiagnosa hama dan penyakit yang
menyerang dan memberikan solusi penanggulanan dan cara mencegahnya. Namun,
jumlah ahli pakar hama dan penyakit tanaman di Indonesia sangat terbatas
dibanding dengan banyaknya petani yang mempunyai masalah dengan tanamannya.
Salah satu cabang ilmu komputer yang mendukung hal ini adalah sistem pakar.
Sistem pakar ini dapat dimanafaatkan oleh para penyuluh pertanian atau pengamat
organisme pengganggu tanaman (POPT) sebagai media pembelajaran dan
penyuluhan di lapangan dalam memahami hama dan penyakit pada tanaman
mangga.
1.2 Perumusan Masalah
Masalah yang diangkat dalam penelitian ini adalah membangun atau
merancang aplikasi untuk mendiagnosa hama dan penyakit pada tanaman mangga
dengan penalaran berbasiskan aturan (rule-based) dan menggunakan faktor
kepastian.
1.3 Batasan Masalah
Masalah yang ditimbulkan suatu hama penyakit pada tanaman sangat luas
dan beragam karena banyak sekali faktor-faktor luar dan dalam yang
mempengaruhinya, agar pembahasan dalam tugas akhir ini lebih terarah maka
dibentuk batasan masalah sebagai berikut:
a. Hama dan penyakit khusus pada tanaman mangga.
3



b. Sistem yang dibangun dapat melakukan proses diagnosa hama dan penyakit
berdasarkan gejala-gejala yang ada dan memberikan tata cara
pengendaliannya.
c. Jenis hama dan penyakit, gejala dan tata cara pengendaliannya disesuaikan
dengan keterangan pakar, buku tentang hama dan penyakit tanaman,
terutama mengenai hama dan penyakit pada tanaman mangga dan artikel
pertanian di internet.
d. Penekanan dalam penelitian ini adalah membangun sebuah sistem pakar
yang dapat menambah, mengubah dan menghapus data yang hanya dapat
dilakukan oleh pakar. POPT atau penyuluh pertanian bertindak sebagai
pengguna sistem untuk melakukan proses konsultasi dan menentukan jenis
hama dan penyakit yang menyerang berdasarkan gejala yang ada dan tata
cara pengendaliannya.
e. Dalam penelitian ini menggunakan metode forward chaining dan
menggunakan certainty factor.

1.4 Tujuan dan Manfaat Penelitian
Tujuan utama yang ingin dicapai dalam penelitian ini adalah membuat sistem
pakar yang dapat dikembangkan lebih lanjut untuk memberikan informasi mengenai
hama dan penyakit pada tanaman mangga berdasarkan gejala-gejala serangan
beserta tata cara pengendaliannya yang nantinya dapat digunakan untuk
mengurangi atau memperkecil resiko berproduksi suatu tanaman.
Adapun manfaat yang diharapkan dalam penelitian ini adalah dapat
membantu peneliti organisme pengganggu tanaman (POPT) atau penyuluh
pertanian dalam mendiagnosa hama dan penyakit yang menyerang tanaman
mangga dan mendapatkan solusinya tanpa harus menunggu kehadiran seorang
pakar hama.
4


1.5 Sistematika Penulisan
Sistematika dalam penulisan tugas akhir ini akan terdiri dari lima bab, yaitu:
BAB I PENDAHULUAN
Berisi mengenai latar belakang, rumusan masalah, batasan masalah, tujuan
penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini memuat pembahasan mengenai penelitian terdahulu yang digunakan
sebagai bahan referensi dalam penulisan penelitian ini. Selain itu juga memuat
penjelasan yang membedakan penelitian ini dengan peneltian sejenis yang pernah
ada sebelumnya.
BAB III LANDASAN TEORI
Bab ini berisi teori-teori yang menjadi landasan dalam penulisan penelitian ini
yaitu mengenai sistem pakar, basis aturan dan hama dan penyakit pada tanaman
mangga.
BAB IV ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisi analisis terhadap sistem yang akan dikembangkan, serta
penjelasan mengenai perancangan sistem berdasarkan hasil analisis yang telah
dilakukan.
BAB V IMPLEMENTASI
Bab ini membahas implementasi perangkat lunak yang dibangun berdasarkan
desain yang telah dirancang pada bab IV yang meliputi cara membangun dan
mengoperasikan sistem.

5



BAB VI HASIL DAN PEMBAHASAN
Bab ini membahas pengujian dan hasil yang diperoleh dari implementasi
perangkat lunak yang dilakukan apakah sesuai dengan tujuan yang diharapkan dan
akan dilakukan pembahasan mengenai hasil pengujiannya.
BAB VII KESIMPULAN DAN SARAN
Memberikan kesimpulan dari penelitian yang telah dilakukan dan saran untuk
pengembangan penelitian selanjutnya.

1.6 Metode Penelitian
Metode yang akan digunakan dalam tahapan penelitian ini sesuai dengan
tahapan-tahapan dalam pengembangan sistem pakar, yaitu:
1. Tahapan Akuisisi Pengetahuan
Tahap ini merupakan tahap pengumpulan pengetahuan dari sumber-
sumber seperti pakar, buku, dokumen atau publikasi dari berbagai
sumber. Pengetahuan yang dikumpulkan berkaitan dengan identifikasi
macam-macam hama dan penyakit pada tanaman mangga dengan
mengamati gejala yang timbul pada tanaman mangga.
2. Tahap Representasi Pengetahuan
Pengetahuan yang telah didapatkan dari sumber-sumber yang telah
disebutkan kemudian dikumpulkan dalam satu sistem database dan
dikelompokkan sesuai gejala-gejala hama dan penyakit pada tanaman
mangga ditambah dengan informasi lain yang mendukung membentuk
sebuah basis pengetahuan. Pada tahap ini, basis pengetahuan yang ada
dikodekan sehingga dapat dimengerti oleh manusia dan dapat dieksekusi
oleh komputer.

6

3. Tahap Implementasi Sistem Pakar
Pada tahap ini, dikembangkan suatu sistem pakar dengan menggunakan
GUI (Graphical User Interface) untuk memudahkan pengguna
berkonsultasi dengan sistem untuk meningkatkan nilai dari kebenaran dari
hasil diagnose dan memudahkan memahami hasil diagnose. Hal lain yang
dikembangkan adalah membuat user interface yang memungkinkan
pengguna memasukkan pengetahuan yang baru yang telah diverifikasi
pakar, untuk selanjutnya dimasukkan ke dalam database yang telah ada
sehingga akan menciptakan sistem dinamis dan dapat terus
dikembangkan.
4. Tahap Pengujian
Tahap ini dilakukan pengujian terhadap sistem yang telah jadi dengan
menggunakan data-data yang ada. Hasil pengujian ini kemudian dijadikan
dasar untuk perbaikan sistem kedepannya sehingga tujuan yang
diinginkan dapat tercapai.





7

BAB II
TINJAUAN PUSTAKA

Pembuatan sistem pakar untuk berbagai jenis bidang keilmuan telah banyak
dibuat dan diteliti oleh orang-orang yang ahli ataupun mempunyai minat untuk
mendalami bidang ini. Salah satu penelitian mengenai sistem pakar dalam bidang
pertanian dilakukan oleh Sasmito (2010) mengembangkan sistem diagnosa hama
dan penyakit tanaman berdasarkan gejala-gejala yang ada pada tanaman bawang
merah dan cabai dengan menggunakan sistem pakar rule based dengan metode
forward chaining.
Berbeda dengan penelitian yang dilakukan Sasmito (2010) tersebut,
Honggowibowo (2009) mencoba menggunakan kedua metode inferensi dalam
sistem pakar yaitu, forward chaining dan backward chaining dalam mendiagnosa
penyakit tanaman padi.
Kemudian penelitian serupa dilakukan oleh Atatik (2008) dalam skripsinya
yang berjudul Sistem Pakar Identifikasi Hama dan Penyakit pada Tanaman Kelapa
Sawit, yang melakukan penelitian identifikasi hama dan penyakit dengan
berdasarkan obyek pengamatan yang ada, misalnya daun dan batang. Tujuan dari
pengamatan ini adalah untuk memudahkan proses identifikasi tersebut, dengan
menjawab pertanyaan dari sistem mengenai gejala-gejala yang terjadi pada
tanaman kelapa sawit berdasarkan pengamatan maka jenis hama dan penyakit yang
menyerang tanaman keapa sawit dapat diketahui, kemudian setelah terdeteksi
ditampilkan pula cara penanggulangan hama dan penyakitnya.
Selanjutnya, penerapan sistem pakar tidak hanya dalam bidang pertanian
saja, bidang kesehatanpun telah mengimplementasikan sistem pakar. Penelitian
yang dilakukan oleh Fatta dan Wibowo (2007) adalah membangun sebuah sistem
8

pakar yang dapat mendiagnosa penyakit hidung, telinga, dan tenggorokan pada
manusia dengan menggunakan metode rule based dengan metode penelusuran
forward chaining. Hasil keluaran dari sistem ini adalah jenis penyakit yang diderita
berdasarkan gejala yang diinputkan dan saran terapi. Pada penelitian ini tidak
membahas tentang faktor kepastian.
Sistem pakar tidak hanya dapat digunakan melalui komputer, dalam
penelitian yang dilakukan Pradana dan Kusumadewi (2007) mencoba menerapkan
aplikasi sistem pakardiagnosis penyakit hepatitis untuk mobile device menggunakan
J2ME. Representasi pengetahuan yang digunakan adalah sistem pakar berbasis rule
dan dalam penalaran menggunakan metode backward chaining. Output sistem ini
berupa identifikasi kemungkinan jenis penyakit Hepatitis yang menyerang pasien
serta nilai kepastian terhadap penyakit tersebut.
Dengan adanya berbagai macam penelitian yang dikembangkan oleh
beberapa peneliti pada berbagai bidang, penulis mencoba untuk
mengimplementasikan sistem pakar dalam bidang pertanian terutama dalam bidang
hama dan penyakit tanaman pada tanaman mangga, sistem ini dibuat untuk
mendiagnosa hama atau penyakit yang diderita tanaman mangga yang dilakukan
layaknya seorang pakar terhadap pemilik tanaman mangga yang bermasalah.
Sehingga dapat diketahui jenis hama atau penyakit dan bagaimana tata cara
pengendaliannya, sebagai langkah pencegahan awal. Dalam penelitian ini, sistem
telah melibatkan certainty factor dan masih menggunakan implementasi
berdasarkan knowledge dengan basis aturan-aturan yang telah ditetapkan oleh
pakar.

9

Tabel 2.1 Tabel Perbandingan
Penulis Judul Metode Mesin
Inferensi
Proses
Diagnosa
Hasil Diagnosa
Sasmito Aplikasi Sistem Pakar Untuk Simulasi Diagnosa Hama
dan Penyakit Tanaman Bawang Merah dan Cabai
Menggunakan Forward Chaining dan Pendekatan
Berbasis Aturan
Rule-based Forward
chaining
Tanya-jawab Penyakit dan
penanganan dini
Honggowibowo Sistem Pakar Diagnosa Penyakit Tanaman Padi
Berbasis Web dengan Forward dan Backward
Chaining
Rule-based Forward dan
Backward
chaining
Tanya-jawab Penyakit dan
penanganan dini
Fatta dan
Wibowo
Sistem Pakar Untuk Mendiagnosa Penyakit Hidung
Telinga Tenggorokan pada Manusia
Rule-based Forward
chaining
Tanya-jawab Penyakit dan
penanganan dini
Atatik Sistem Pakar Identifikasi Hama Penyakit pada
Tanaman Kelapa Sawit
Rule-based Forward
chaining
Tanya-jawab Penyakit dan
penanganan dini
Pradana dan
Kusumadewi
Aplikasi Diagnosis Penyakit Hepatitis untuk Mobile
Device Menggunakan J2ME
Rule-based Backward
chaining dan
certainty
factor
Menampilkan
seluruh
gejala
Penyakit dan
penanganan dini
Kidung Sistem Pakar Diagnosa Hama dan Penyakit pada
Tanaman Mangga
Rule-based Forward
chaining dan
Certainty
factor
Menampilkan
seluruh
gejala
Penyakit dan
pengendaliannya


10

BAB III
LANDASAN TEORI


3.1 Sistem Pakar
Penggunaan konsep kecerdasan buatan, pada umumnya dilakukan untuk
membuat software dalam bidang sistem pakar, yaitu suatu program yang
bertindak sebagai penasehat atau konsultasi pintar. Sistem pakar merupakan
sistem komputer dasar yang menggabungkan pengetahuan, fakta-fakta dan
teknik penelusuran untuk memecahkan masalah yang biasanya memerlukan
keahlian dari seorang pakar.
Secara umum proses yang terjadi di dalam sistem pakar merupakan
pengumpulan, representasi dan penyimpanan pengetahuan sistem pakar ke
dalam komputer dan selanjutnya pengetahuan diakses oleh pemakai.
Salah satu aplikasi program kecerdasan buatan, sistem pakar
menggabungkan pangkalan pengetahuan dengan sistem inferensi, berusaha
menduplikasi fungsi seorang pakar dalam bidang keahlian tertentu. Sistem tidak
bertujuan mengganti kedudukan seorang pakar, tetapi memasyarakatkan
pengetahuan dan pengalaman seorang pakar.

3.1.1 Konsep Dasar Sistem Pakar
Menurut Turban (1995) konsep dasar sistem pakar mengandung keahlian
(expertise), pakar (expert), pengalihan keahlian (transfering expertise), inferensi
(inferencing), aturan (rules) dan kemampuan menjelaskan (explanation
capability).
Keahlian (expertise) adalah suatu kelebihan penguasaan pengetahuan di
bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman.
11



Pengetahuan tersebut memungkinhkan para ahli untuk dapat mengambil
keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli.
Pakar (Expert) adalah seseorang yang mampu menjelaskan suatu
tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain),
menyusun kembali pengetahuan jika dipandang perlu, memecahkan aturan-
aturan jika dibutuhkan, dan menentukan relevan tidaknya keahlian mereka.
Pengalihan kehlian (transfering expertise) dari para ahli ke komputer
untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, hal inilah yang
merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas
yaitu :
1. Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya)
2. Representasi pengetahuan (ke komputer)
3. Inferensi pengetahuan
4. Dan pengalihan pengetahuan ke user.
Pengetahuan yang disimpan di komputer disebut dengan nama basis
pengetahuan. Ada dua tipe pengetahuan, yaitu fakta dan prosedur (biasanya
berupa aturan).
Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan
untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis
pengetahuan dan sudah tersedia program yang mampu mengakses basis data,
maka komputer harus dapat diprogram untuk membuat nferensi. Proses
inferensi ini dikemas dalam bentukmesin inferensi (inference engine).
Sebagian besar sistem pakar komersial dibuat dalam bentuk rule based
systems, yang mana pengetahuan disimpan dalam bentuk aturan-aturan. Aturan
tersebut biasanya berbentuk IF-THEN.
Fitur lainnya dari sistem pakar adalah kemampuan untuk memberikan
nasehat atau merekomendasikan. Kemampuan inilah yang membedakan sistem
pakar dengan sistem konvensional.

12



3.1.2 Arsitektur Sistem Pakar
Menurut Turban (1995), sistem pakar terdiri dari dua bagian pokok, yaitu:
lingkungan pengembangan (development environment) dan lingkungan
konsultasi (consultation environment). Lingkungan pengembangan digunakan
sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun
basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan
ahli untuk berkonsultasi. Komponen-komponen yang ada pada sistem pakar
seperti pada gambar 3.1 berikut:

Gambar 3.1 Arsitektur Sistem Pakar

1. Subsistem penambah pengetahuan (Akuisisi Pengetahuan).
Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi
keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke
dalam program komputer. Dalam tahap ini, perekayasa pengetahuan
(knowledge engineer) berusaha menyerap pengetahuan untuk
13



selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan
diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan
penelitian dan pengalaman pemakai.
2. Basis Pengetahuan (Knowledge Base).
Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami,
memformulasikan dan menyelesaikan masalah. Basis pengetahuan
merupakan bagian yang sangat penting dalam proses inferensi, yang di
dalamnya menyimapan informasi dan aturan-aturan penyelesaian suatu
pokok bahasan masalah beserta atributnya. Pada prinsipnya, basis
pengetahuan mempunyai dua (2) komponen yaitu fakta-fakta dan aturan-
aturan.
3. Mesin Inferensi (Inference Engine).
Program yang berisi metodologi yang digunakan untuk melakukan
penalaran terhadap informasi-informasi dalam basis pengetahuan dan
blackboard, serta digunakan untuk memformulasikan konklusi.
4. Workplace / Blackboard.
Merupakan area dari sekumpulan memori kinerja (working memory).
Workplace digunakan untuk merekam kejadian yang sedang berlangsung
termasuk keputusan sementara.
5. Antarmuka (user interface)
Digunakan untuk media komunikasi antara user dan program. Menurut
McLeod (1995), pada bagian ini terjadi dialog antara program dan
pemakai, yang memungkinkan sistem pakar menerima instruksi dan
informasi (input) dari pemakai, juga memberikan informasi (output)
kepada pemakai.
6. Subsistem penjelasan (Explanation Facility)
Explanation Facility memungkinkan pengguna untuk mendapatkan
penjelasan dari hasil konsultasi. Fasilitas penjelasan diberikan untuk
14



menjelaskan bagaimana proses penarikan kesimpulan. Biasanya dengan
cara memperlihatkan rule yang digunakan.
7. Perbaikan Pengetahuan (Knowledge Refinement)
Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri
untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok
untuk digunakan di masa mendatang.

3.1.2.1 Basis Pengetahuan (Knowledge Base )
Basis pengetahuan mengandung pengetahuan untuk pemahaman,
formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas
dua elemen dasar yaitu fakta dan aturan. Fakta merupakan informasi tentang
obyek dalam area permasalahan tertentu, sedangkan aturan merupakan
informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah
diketahui.

3.1.2.2 Mesin Inferensi (Inference Engine)
Komponen ini menganduing mekanisme pola pikir dan penalaran yang
digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi
adalah program komputer yang memberikan metodologi untuk penalaran
tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan
untuk memformulasikan kesimpulan (Turban, 1995).
Secara deduktif mesin inferensi memilih pengetahuan yang relevan dalam
rangka mencapai kesimpulan. Dengan demikian sistem ini dapat menjawab
pertanyaan pemakai meskipun jawaban tersebut tidak tersimpulkan secara
eksplisit di dalam basis pengetahuan. Mesin inferensi memulai pelacakannya
dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta
yang ada dalam basisi data.
Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem
pakar, yaitu pelacakan ke belakang (Backward Chaining) yang melalui
15



penalarannya dari sekumpulan hipotesa menuju fakta yang mendukung
hipotesa-hipotesa tersebut. Proses pendekatan backward chaining dapat dilihat
pada gambar 3.2 dan pelacakan ke depan (Forward Chaining) yang merupakan
kebalikan dari pelacakan ke belakang, yaitu memulai dari sekumpulan fakta
menuju kesimpulan. Proses pendekatan forward chaining dapat dilihat pada
gambar 3.3

Gambar 3.2 Proses Backward Chaining


Gambar 3.3 Proses Forward Chaining

16



Kedua metode inferensi tersebut dipengaruhi oleh tiga macam
penelusuran, yaitu Depth-first search, Breadth-first search dan Best-first search.
a. Depth-first search, melakukan penelusuran kaidah secara mendalam
dari simpul akar bergerak menurun ke tingkat dalam yang berurutan.
b. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada
setiap tingkat diuji sebelum pindah ke tingkat selanjutnya.
c. Best-first search, bekerja berdasarkan kombinasi kedua metode
sebelumnya.
Dalam memilih apakah akan menggunakan pelacakan ke depan atau
pelacakan ke belakang, semuanya bergantung masalah yang akan dibuat sistem
pakar dan belum dapat dibuktikan mana yang lebih baik di antara kedua metode
inferensi ini.
Untuk sebuah sistem pakar yang besar dengan jumlah rule yang relatif
banyak, metode pelacakan ke depan akan dirasakan sangat lamaban dalam
pengambilan kesimpulan, sehingga untuk sistem-sistem yang besar digunakan
metode pelacakan ke belakang.

3.2 Representasi Pengetahuan
Pengetahuan yang diperoleh dari seorang pakar atau dari sekumpulan
data harus direpresentasikan dalam format yang dapat dipahami oleh manuasia
dan dapat dieksekusi oleh komputer. Representasi pengetahuan adalah metode
mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis
pengetahuan. Representasi pengetahuan dilakukan untuk menangkap sifat-sifat
penting dari suatu masalah dan membuat informasi itu dapat diakses oleh
prosedur pemecah masalah.
Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau
kompleks, tergantung dari permasalahannya. Terdapat banyak metode yang
dapat dgunakan untuk merepresentasikan pengetahuan. Yang paling popular
17



adalah aturan produksi, frame, pohon keputusan, objek dan logika juga berguna
dalam beberapa kasus (Turban, 2005).

3.2.1 Kaidah Produksi
Kaidah produksi merupakan pengetahuan yang paling popular untuk
sisem pakar. Pengetahuan direpresentasikan dalam bentuk pasangan kondisi : IF
kondisi ini (atau premis atau antecedent) terjadi THEN beberapa tindakan (atau
hasil atau kesimpulan) yang akan terjadi.
Pada dasarnya, penyajian pengetahuan secara kaidah produksi terdiri dari
dua hal, yaitu:
1. Antecedent, bagian yang mengekspresikan situasi atau premis
(pernyataan berawalan IF).
2. Connsequent, bagian yang menyatakan suatu tindakan atau
kesimpulan yang diperoleh jika premis bernilai benar (pernyataan
berawalan THEN).
Konklusi atau kesimpulan yang dinyatakan pada bagian THEN dinyatakan
benar, jika pernataan IF pada bagian sistem tersebut juga benar atau sesuai
dengan aturan tersebut.
Tiap aturan produksi dalam basis pengetahuan mengimplementasikan
sebagian keahlian otonom yang dapat dikembangkan dan dimodifikasi secara
terpisah dari aturan lain. Pada saat digabungkan dan dimasukkan ke dalam mesin
inferensi, kumpulan aturan berlaku sinergi dan memberikan hasil yang lebih baik
daripada jumlah aturan individu (Turban, 2005).

3.2.2 Pohon Keputusan
Pohon keputusan juga disebut sebagai pohon inferensi. Pohon ini
menyediakan tampilan skematis proses inferensi. Tiap aturan disusun dari
sebuah premis dan kesimpulan. Dalam membangun pohon inferensi, premis dan
kesimpulan ditunjukkan sebagai node. Cabang menghubungkan premis dan
18



kesimpulan. Operator AND dan OR digunakan untuk merefleksikan struktur
aturan (Turban, 2005).

3.3 Basis Data
Basis data merupakan salah satu kumpulan data, pada umumnya
mendeskripsikan satu organisasi yang berhubungan atau lebih. Jumlah informasi
yang tersedia yang cukup banyak dan nilai data sebagai asset organisasi telah
diakui secara luas. Untuk memanfaatkan dataset yang besar dan kompleks,
pengguna memerlukan alat yang memudahkan pengaturan data dan
pengekstrakan informasi yang berguna dalam cara yang baik. Sebaliknya, data
dapat menjadi sesuatu yang tidak berguna, dengan biaya perolehan dan
pengelolaan lebih besar daripada nilai yang dapat diambil dari data tersebut.

3.3.1 Pengertian DBMS
DBMS merupakan perangkat lunak yang didesain untuk membantu
memelihara dan memanfaatkan kumpulan data yang besar. Kebutuhan terhadap
sistem tersebut, termasuk juga penggunaannya, berkembang secara pesat.
Alternatif penggunaannya adalah untuk menyimpan data dalam file dan menulis
kode aplikasi tertentu untuk mengaturnya. Fitur DBMS dapat digunakan untuk
mengelola data dengan lebih efisien karena volume data akan terus bertambah.
3.3.2 Pengertian Diagram Flow Diagram
DFD adalah suatu model logika data atau proses yang dibuat untuk
menggambarkan darimana asal data dan kemana tujuan data yang keluar dari
sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan
interaksi antara data yang tersimpan dan proses yang dikenakan pada data
tersebut (Kristanto, 2000).


19



Tabel 3.1 Simbol Data Flow Diagram
Simbol Arti Simbol Keterangan
PROSES Simbol ini digunakan untuk proses
pengolahan atau transformasi data.
EXTERNAL
ENTITY
Simbol ini digunakan untuk
menggambarkan asal atau tujuan
data.
DATA FLOW Simbol ini digunakan untuk
menggambarkan aliran data yang
berjalan.
DATA STORE Simbol ini digunakan untuk
menggambarkan data flow yang
sudah disimpan atau diarsipkan.

3.4 Faktor Kepastian (Certainty Factor)
Faktor kepastian menunjukkan tingkat kepercayaan terhadap suatu
kejadian (fakta atau hipotesis) berdasarkan penilaian pakar. Factor kepastian
dapat direpresentasikan dengan range nila dari 0 sampai dengan 100. Factor
kepastian berbeda dengan probabilitas (Turban, 2005). Apabila disebutkan
tingkat keyakinan hujan pada hari ini sebesar 90, maka bukan berarti tidak akan
hujan sama sekali.
Faktor kepastian dapat digunakan untuk menggabungkan estimasi dari
beberapa pakar yang berbeda dalam berbagai cara, yaitu:

20



a. Menggabungkan beberapa faktor kepastian dalam satu aturan.
Diberikan contoh sebagai berikut:
E = (E
1
AND E
2
AND E
3
) OR (E
4
AND NOT E
5
)
Nilai fakta-fakta tersebut apabila dihitung sebagai berikut:
E= max[min (E
1
,E
2
,E
3
), min (E
4
,-E
5
)]
Formula dasar dari factor kepastian adalah
CF (H,e) = CF (E,e) * CF (H,E) (3.1)
dimana,
CF (H,e) = faktor kepastian hipotesis yang didasarkan pada kepastian
fakta e.
CF (E,e) = Faktor kepastian dari fakta E membuat antecedent dari kaidat
berdasarkan pada ketidakpastian fakta e.
CF (H,e) = factor kepastian dalam hipotesa dengan asumsi bahwa fakta
diketahui dengan pasti bila CF (E,e) = 1 (Giarrantano dan Riley,
2002).
b. Menggabungkan dua atau lebih aturan
Jika ada aturan lain yang memiliki hipotesis yang sama namun berbeda
dalam factor kepastian, maka perhitungan factor kepastian dari kaidah
yang sama dihitung dari penggabungan fungsi untuk factor kepastian
yang didefinisikan sebagai berikut (Giarrantano dan Riley, 1998):
CF1 + CF2 (1-CF1), keduanya > 0
CF kombinasi =
CF1+CF2
1min (CF1,|CF2|)
, salah satu < 0
CF1 + CF2 (1 CF1), keduanya < 0 (3.2)



21



3.5 Hama dan Penyakit
Upaya meningkatkan hasil pertanian, dapat ditempuh berbagai upaya,
diantaranya upaya perlindungan tanaman dari serangan hama dan penyakit.
Tanaman yang tumbuh baik dan ditaksir akan memberi hasil yang tinggi,
terkadang tidak menjadi kenyataan, hanya karena serangan hama dan penyakit.
Keadaan semacam ini sering di alami oleh para petani.
Istilah hama dan penyakit sering di anggap sama. Memang keduannya
sama-sama mendatangkan kerugian bagi tanaman atau manusia, tetapi
sebenarnya keduanya berbeda. Hama merupakan binatang yang merusak
tanaman dan umumnya merugikan manusia dari segi ekonomis. Kerugian
tersebut dihubungkan dengan nilai ekonomi, karena apabila tidak terjadi
penurunan ekonomi, manusia tidak akan memperhatikannya. Sedangkan
penyakit meupakan keadaan tanaman yang terganggu pertumbuannya dan
penyebabnya bukan binatang (hama). Penyebab penyakit dapat berupa bakteri,
virus, jamur, ganggang, maupun karena kekurangan unsur hara.
Pengamatan hama dan penyakit dapat dilakukan untuk mengetahui
sejauh mana tanaman terserang oleh hama atau penyakit. Pengamatan tersebut
berupa pengamatan kasar dan pengamatan halus. Pengamatan kasar adalah
untuk mengetahui secara kualitatif keadaan umum pertumbuhan tanaman.
Pengamatan halus adalah untuk memperoleh data kuantitatif yang meliputi
terutama populasi hama atau tingkat kerusakan tanaman dan berat serangan,
pada setiap fase pertumbuhan tanaman. Data tersebut diperoleh berdasarkan
pengamatan beberapa tanaman sampel yang tersebar secara sistematik dalam
suatu luasan tertentu.
Berikut merupakan contoh hama dan penyakit yang menyerang tanaman
mangga dengan gejala serangannya:


22



1. Antraknosa
Penyakit ini disebabkan jamur Colletotrichum gloesporioider (Penz.)
Sacc. Dianggap sebagai penyakit yang sering menyerang dan penting
untuk di basmi. Penyakit ini menyerang daun muda, batang, bunga
dan buah. Gejalanya pada daun berupa bercak tidak teratur, coklat
keabuan dan ukurannya tidak klebih dari 5 mm, namun jika sudah
banyak, bercak itu akan mengumpul dan menjadi bercak besar dan
akhirnya akan membentuk lubang dan daun akan kering kemudian
gugur. Gejala pada batang muda berupa bercak coklat keabuan, bisa
membesar membentuk gelang melingkar batang, dan akhirnya
membuat mati bagian yang terserang. Pada bunga akan terlihat bintik
bintik kecil dan merontokkan bunga. Sedangkan pada buah terlihat
bercak hitam pada kulit dan jika bercak banyak akan membuat daging
buah dibawahnya menjadi busuk. Pengendalian dengan cara
menghindari penanaman mangga saat curah hujan tinggi, memangkas
dan menusnahkan bagian yang terserang, menjaga kelembaban
kebun dengan pemangkasan rutin, pengelolaan air tepat dan
mengatur sistem drainase kebun. Pencegahan dengna kimiawi dapat
menggunakan Antracol 70 WP, Dithane M45 dan Benlate.
2. Bercak Daun Kelabu
Penyakit ini disebabkan jamur Pestalotiopsis mangiferae (Henn.)Stey.
Gejalanya pada daun muda berupa bercak putih keabuan, dapat
membentuk bercak yang besar dan dibatasi tepiannya dengan warna
gelap.akhirnya nanti daun akan berlubang dan gugur. Namun
pengendalian khusus tidak perlu dilakukan karena tidak terlalu
merugikan dan biasanya akan hilang bersamaan dengan kita
membasmi penyakit lainnya.


23



3. Lalat Buah
Hama lalat buah biasanya menyerang daging buah mangga hingga
menjadi busuk dan sangat mudah berguguran. Lalat buah betina
menyerang tanaman dengan cara menusukkan ujung perutnya pada
kulit buah yang sudah matang. Pada kesempatan itulah lalat buah
meletakkan telur pada daging buah, selanjutnya telur akan menjadi
larva yang dapat merusak daging buah. Gejala awal pada permukaan
kulit buah ditandai dengan adanya noda/titik bekas tusukan
ovipositor (alat peletak telur) lalat betina saat meletakkan telurnya ke
dalam buah. Selanjutnya akibat gangguan larva yang menetas dari
telur di dalam buah, maka noda-noda tersebut berkembang menjadi
bercak coklat di sekitar titik tersebut. Larva memakan daging buah,
dan akhirnya buah menjadi busuk dan gugur sebelum matang.
4. Penyakit Kulit
Penyakit ini disebabkan oleh jamur Botryodiplodia theobromae Pat.
Pada bagian tanaman yang terserang yaitu batang atau cabang,
mengeluarkan blendok, kulit berwarna gelap, kemudian mengering
dan agak mengendap dan selanjutnya pecah dan mengelupas sebagai
kepingan. Bagian yang sakit menjadi luka yang terbuka (kanker).
Cabang yang terserang berat bisa mati. Penyakit ini biasanya timbul
pada pangkal batang dan cabang-cabang yang mendadak menerima
sinar matahari penuh antara lain karena pemangkasan terlalu berat.
Patogen ini dapat menyebabkan matinya ujung tanaman (dieback)
pada ranting tanaman, juga dapat menyebabkan busuk lunak pada
buah.
5. Wereng Mangga
Wereng ini menyerang daun, rangkaian bunga dan ranting sambil
mengeluarkan cairan manis sehingga mengundang semut api untuk
memakan tunas atau kuncup. Cairan yang membeku menimbulkan
24



jamur kerak hitam. Kerusakan terjadi pada bunga karena tertutup
oleh lapisan penutup telur. Nimfa dan serangga dewasa menghisap
cairan sel daun-daun muda/pucuk dan tangkai bunga, sehingga bagian
tersebut layu, mengering lalu gugur. Pada bibit mangga, produksi
embun madu yang berlebihan mengganggu pertumbuhan dan bahkan
dapat mematikan bibit karena diikuti tumbuhnya embun jelaga.
6. Penggerek Cabang
Pada tanaman yang rusak berat, dapat mengakibatkan kerusakan
bunga dan cabang patah. Pada bekas patahnya cabang, terlihat
lubang dan saluran gerekan. Dari lubang gerekan tersebut mengalir
cairan getah berwarna hitam. Pada cabang-cabang yang mati apabila
dibelah pada bekas saluran tersebut seringkali menjadi tempat tinggal
semut.
7. Penyakit Karat Merah
Penyebab penyakit karat merah adalah jamur Colletotrichum
gloeosporiodes. Menyerang daun, ranting, bunga dan tunas sehingga
terbentuk bercak yang berwarna merah. Penyakit ini sangat
mempengaruhi proses pembuahan. Permukaan daun yang diserang
akan timbul bintik-bintik. Bila serangan hebat akan menyebabkan
kulit ranting mengering, tunas-tunas menjadi kerdil, daunnya jarang
sekali, akhirnya ranting dan daun-daun yang ada akan mati semua.
8. Bakteri Pseudomonas Mangiferae Indicae
Permukaan kulit buah yang diserang timbul bercak-bercak hijau tua
dan berair. Lalu bercak ini akan berubah kehitam-hitaman, menonjol
keluar, sehingga terjadi retak-retak memanjang. Retak-retak ini sering
diikuti dengan keluarnya lendir (getah) yang cukup banyak. Akibatnya
buah dapat busuk dan rontok.


25



9. Jamur Upas
Cendawan ini dapat menyerang pada bagian batang, cabang, ranting,
dan buah. Gejala awal berupa terbentuknya miselium mengkilat
seperti rumah laba-laba dan berkembang menjadi kerak berwarna
merah jambu. Gejala lanjut menyebabkan gejala ini membusuk. Daun-
daun yang terdapat pada ujung batang menjadi layu dan mengering.
Gejala pada buah berupa layu dan keriput.
10. Busuk Akar
Penyebab penyakit busuk akar adalah jamur Rosellinia bunodes (Berk.
et Br.) Sacc. Cendawan ini mempertahankan diri pada sisa-sisa akar
dan hanya menular melalui kontak antara akar yang sehat dan
sakit. Jamur membentuk misellium yang berwarna hitam pada
permukaan akar tanaman terserang. Bila kulit akar dikelupas, pada
permukaan kayu akan terlihat adanya titik-titik berwarna hitam dan
jika kayu dibelah pada bagian empelur terlihat berwarna putih
kehitam-hitaman. Gejala lanjut menyebabkan akar membusuk.
Tanaman yang terserang menunjukkan gejala layu, daunnya rontok
dan akhirnya mati.










26

BAB IV
ANALISIS DAN PERANCANGAN SISTEM

4.1 Analisis Sistem
Sebelum Sistem Pakar Diagnosa Hama dan Penyakit pada Tanaman
dikembangkan, terlebih dahulu dilakukan tahapan analisis sistem. Analisis sistem
diperlukan untuk mengetahui berbagai kebutuhan pengguna sistem, yakni mengenai
masukan dan keluaran yang dibutuhkan. Dengan analisis yang baik maka
pengembangan sistem akan berjalan dengan baik dan sesuai dengan tujuan yang
diharapkan.

4.1.1 Analisis Masalah
Mengidentifikasi hama dan penyakit yang menyerang tanaman merupakan
permasalahan kecerdasan buatana khususnya sistem pakar, karena pemecahan
masalah tersebut dapat dilakukan dengan mengembangkan sistem yang dapat
berperan sebagai pakar. Dalam proses diagnosa hama dan penyakit ini terjadi
perpindahan atau proses pengolahan informasi yang bersifat heuristik yang artinya
membangun dan mengoperasikan basis pengetahuan yang berisi fakta beserta
penalaran yang prosesnya disebut knowledge engineering, yaitu penyerapan basis
pengetahuan dari seorang pakar ke sebuah sistem komputer.
Fakta-fakta yang diperoleh dari pakar disimpan dalam bentuk basis
pengetahuan dan diolah dengan bantuan mesin inferensi, sehingga dapat ditarik
sebuah kesimpulan tentang hama dan penyakit yang akan menyerang tanaman
mangga dan gejala serangan serta pengendalian yang harus dilakukan. Informasi
27



besarnya nilai faktor kepastian (CF) gejala-gejala, hama dan penyakit tanaman dan
pengendalian berasal dari buku dan pakar.

4.1.2 Identifikasi Kebutuhan
Analisis Kebutuhan Fungsional
Fasilitas yang harus disediakan oleh sistem pakar ini, yaitu :
1. Fasilitas Akuisisi Pengetahuan
Fasilitas ini diperlukan untuk mengelola basis pengetahuan sistem pakar.
Fasilitas ini hanya dapat diakses oleh pakar.
2. Fasilitas Diagnosis Hama dan Penyakit Tanaman
Fasilitas ini digunakan untuk mendiagnosis gejala-gejala yang menyerang
jenis tanaman tertentu berdasarkan bagian tubuh tanaman yang akan
didiagnosis. Keluaran dari fasilitas ini adalah kesimpulan mengenai hama
atau penyakit yang menyerang pada tanaman tersebut dan tata cara
pengndaliannya. Fasilitas ini dapat diakses oleh POPT (Pengamat
Organisme Pengganggu Tanaman).

4.1.3 Deskripsi Sistem
Sistem yang akan dibangun adalah Sistem Pakar untuk Diagnosa Hama dan
Penyakit pada Tanaman Mangga. Sistem ini adalah sistem pakar yang dibuat untuk
membantu pakar di bidang pertanian dan peneliti lapangan organisme pengganggu
tanaman (POPT) khususnya pada tanaman mangga . Dengan sistem ini, pengguna
akan dapat mengetahui organisme penganggu tanaman yang menyerang tanaman
mangga dan tata cara pengendaliannya yang perlu dilakukan untuk menangani
hama dan penyakit tersebut. Oleh karena itu, sistem ini harus memiliki spesifikasi
sebagai berikut:
28



1. Mampu memberikan kesimpulan hama atau penyakit yang menyerang
tanaman mangga .
2. Memberikan saran tata cara pengendalian yang harus dijalani oleh pengguna
sistem ini berdasarkan hama dan penyakit yang menyerang.
3. Menggunakan mesin inferensi dengan metode penelusuran runut maju
(forward chaining) dan faktor kepastian (certainty factor) untuk
perhitungannya.
4. Mempunyai fasilitas akuisisi pengetahuan yang hanya dapat diakses oleh
pakar.
Sesuai dengan struktur sistem pakar secara umum, sistem pakar untuk
diagnosa hama penyakit pada tanaman mangga terdiri dari dua lingkungan
kerja,yaitu: lingkungan pengembangan dan lingkungan konsultasi. Pada lingkungan
pengembangan digunakan untuk memasukkan pengetahuan dari pakar dan
melakukan perbaikan pengetahuan. Sedangkan pada lingkungan konsultasi
merupakan lingkungan kerja yang digunakan oleh pengguna untuk memperoleh
informasi.
4.2 Perancangan Representasi Basis Pengetahuan
Analisis kebutuhan data direpresentasikan dalam ERD pada gambar 4.1.
Perancangan basis data diperlukan dalam merancang suatu sistem yang melibatkan
basis data. Perancangan ini berguna untuk mengetahui struktur data dan relasi antar
tabel dalam basis data. Tabel digunakan untuk menyimapan data-data yang
dimasukkan ke dalam sistem.
29




Gambar 4.1 ER-Diagram









Gambar 4.2 Relasi Antar Tabel
Gejala
id
Nama_
gejala
Pengam
atan_ge
jala
pengamatan
id
Nama_
pengamat
an
keterangan
Aturan_gejala
Gejala_id
Aturan_id
Cf_gejala
Aturan
id
Hama_
penyakit
id
Cf_atur
an
Hama_penyakit
id
Nama_
hamape
nyakit
pengen
dalian
memiliki
menentukan
menentukan
ditentukan
gejala
PK id
nama_gejala
pengamatan_gejala
hama_penyakit
PK id
nama_hamapenyakit
pengendalian
pengamatan
PK id
nama_pengamatan
keterangan
aturan
PK id
hama_penyakit_id
cf_aturan
aturan_gejala
gejala_id
aturan_id
cf_gejala
30



Field id pada tabel gejala, tabel pengamatan, tabel hama_penyakit, dan
pada tabel aturan merupakan PRIMARY KEY. Field gejala_id dan aturan_id
merupakan FOREIGN KEY dari tabel gejala dan tabel aturan.
Pada penelitian ini, konsep basis data digunakan untuk mempresentasikan
pengetahuan yang secara garis besar berisi gejala dan hama penyakit. Sistem yang
dibangun memiliki tujuh tabel, yaitu:
1. Tabel Pengamatan
Tabel Pengamatan digunakan untuk menyimpan data bagian tanaman yang
diamati gejala-gejalanya akibat serangan hama dan penyakit. Field-field yang
terdapat dalam tabel_pengamatan dan tipe datanya dapat dilihat pada tabel
4.1.
Tabel 4.1 Tabel Pengamatan



2. Tabel Gejala
Data mengenai gejala-gejala serangan hama dan penyakit dapat dilihat pada
tabel 4.2.
Tabel 4.2 Tabel Gejala
Nama Field Tipe Data Keterangan
Id Integer Primary Key
Nama_Gejala Varchar Nama gejala
Pengamatan_gejala Varchar Daerah pengamatan gejala



No Nama Field Tipe Data Keterangan
1. Id Varchar Primary Key
2. Nama_Pengamatan Varchar Nama Pengamatan
31



3. Tabel Hama dan Penyakit
Data mengenai hama dan penyakit dan tata cara pengendaliannya dapat
dilihat pada tabel 4.3.
Tabel 4.3 Tabel Hama dan Penyakit
Nama Field Tipe Data Keterangan
Id Varchar Primary Key
Nama_hamaPenyakit Varchar Nama Hama dan Penyakit
Pengendalian Varchar Tata cara pengendalian

4. Tabel Aturan
Aturan yang terbentuk dari hama penyakit dan tingkat keyakinannya seperti
yang terlihat pada tabel 4.4.
Tabel 4.4 Tabel Aturan
Nama Field Tipe Data Keterangan
id Varchar Primary Key
Hama_penyakit_id Varchar Foreign Key dari tabel hama
penyakit
cf_aturan Varchar

5. Tabel Aturan Gejala
Tabel ini berisi detail dari tabel aturan yaitu gejala-gejala tiap hama dan
penyakit beserta tingkat keyakinannya, yang terdiri dari 3 field, yaitu:
id_aturan, id_gejala dan cf_gejala seperti pada tabel 4.5 berikut.
Tabel 4.5 Tabel Aturan Gejala
Nama Field Tipe Data Keterangan
Aturan_id Integer Foreign Key dari tabel_aturan
Gejala_id Integer Foreign Key dari tabel_gejala
Cf_aturan Double


32



6. Tabel Threshold
Tabel ini berisi ambang batas nilai hama penyakit yang akan dimunculkan
dalam sistem seperti yang terlihat pada tabel 4.6.
Tabel 4.6 Tabel Threshold
Nama Field Tipe Data Keterangan
Id Integer
value Integer Nilai ambang batas

7. Tabel User
Data mengenai pengguna yang dapat mengakses sistem dapat dilihat pada
tabel 4.7 berikut.
Tabel 4.7 Tabel User
Nama Field Tipe Data Keterangan
ID Integer Primary Key
Username Integer Username
Usertype Varchar Tipe user pakar/pengguna
Password Varchar Password

8. Tabel Usertype
Data mengenai tipe user berdasarkan hak aksesnya dapat dilihat pada tabel
4.8.
Tabel 4.8 Tabel Usertype
Nama Field Tipe Data Keterangan
Id Integer Primary Key
Type Varchar tipe user




33



4.3 Basis Pengetahuan
Pada sistem ini, masalah yang akan dibahas adalah mengenai
pengidentifikasian hama dan penyakit yang ada pada tanaman mangga dan tata cara
pengendaliannya. Pada sistem ini dapat dilakukan penambahan data baru yang
berkaitan, seperti data gejala, aturan, nilai tingkat keyakinan gejala, dan tata cara
pengendaliannya. Sehingga sistem ini dapat digunakan untuk pengembangan
selanjutnya yakni diagnosa hama dan penyakit lainnya.

4.3.1 Akuisisi Pengetahuan
Akuisisi pengetahuan pada sistem pakar ini untuk mendiagnosa hama dan
penyakit yang menyerang tanaman mangga dan tata cara pengendaliannya didapat
dari:
1. Wawancara dan diskusi dilakukan dengan seorang dosen di Fakultas
Pertanian UGM., yaitu Suputa, S.P., M.P.
2. Beberapa buku yang berhubungan dengan pengetahuan OPT seperti:
a. Arga,dkk. (2010) pada bukunya yang berjudul Pedoman Pengenalan &
Pengendalian Organisme Pengganggu Tumbuhan pada Tanaman
Mangga
b. Buku keluaran dari Departemen Pertanian Direktoral Jendral Bina
Produksi Tanaman Pangan Balai Peramalan Organisme Pengganggu
Tumbuhan (2007) yang berjudul Petunjuk Peramalan Hama dan
Penyakit Tanaman Pangan dan Hortikultura.
3. Paper dan artikel dari internet seperti:
a. Gunawan (2009) dalam artikelnya yang berjudul Hama dan Penyakit
Tanaman Mangga yang diakses pada link http://klinik-
tanamanku.blogspot.com/2009/10/hama-dan-penyakit-tanaman-
mangga.html
34



b. Primus (2008) dalam artikelnya yang berjudul Lalat Buah Hengkang
Ekspor Mangga Indonesia Menjulang yang tercantum pada
http://nasional.kompas.com/read/2008/11/04/17052313/la
lat.buah.hengkang.ekspor.mangga.indonesia.menjulang
c. Setyolaksono (2011) dalam artikelnya yang berjudul Ekologi Hama
Pasca Panen (Hama Gudang) dan diakses di
http://ditjenbun.deptan.go.id/bbp2tpbon/index.php?option=com_con
tent&view=article&id=77:ekologi-hama-pascapanen-hama-
gudang&catid=12:news

Basis pengetahuan yang didapat dari akuisisi pengetahuan dipresentasikan
dalam tabel-tabel berikut:
Tabel 4.9 Tabel Hama dan Penyakit
ID Nama Hama
dan Penyakit
Pengendalian

1 Antraknosa pemangkasan, penanaman jangan terlalu
rapat, bagian tanaman terserang dikumpulkan
dan dibakar.
2 Bercak Daun
Kelabu
Pemeliharan tanaman secara baik, sanitasi
terhadap sisa-sisa tanaman yang dapat
menjadi sumber inokulum dan penggunaan
fungisida yang efektif bila dijumpai serangan
3 Lalat Buah Memusnahkan buah yang rusak,
pembungkusan buah , pemasangan perangkap
lalat buah dengan memberi umpan berupa
larutan sabun atau metil eugenol di dalam
wadah dan insektisida.
4 Penyakit Kulit
Belendok
Cara kultur teknis yaitu dengan menghindari
pemangkasan terlalu berat dan sanitasi
terhadap sisa-sisa tanaman yang dapat
menjadi sumber inokulum. Cara kimiawi yaitu
35



dengan pengapuran pangkal batang, menutup
bagian tanaman yang luka pada waktu
pemangkasan dengan karbolium plantarium
dan penggunaan fungisida yang efektif bila
dijumpai gejala serangan
5 Wereng
Mangga
Pengendalian kimiawi dengan aplikasi
insektisida efektifapabila dijumpai 5 ekor
wereng pada saat pembungaan dan
pembentukan buah. Pengendalian biologi
dengan memanfaatkan parasitoid telur
Cendradora sp. (dapat memarasit sampai 40
%), Oligosita sp., dan Neobrachista java Gir.
Pengendalian mekanis dengan Memotong dan
memusnahkan bagian tanaman yang
terserang.
6 Penggerek
Cabang
Memanfaatkan parasitoid telur Anagyrus dan
Eupelmus (Promuscidae) dan menggunakan
insektisida efektif.
7 Busuk Akar Pengendalian secara mekanis terhadap
penyakit busuk akar dilakukan dengan
memotong, membongkar dan membakar
bagian akar yang terinfeksi. jika menggunakan
bahan kimia, infus batang tanaman dengan
menggunakan fungisida sistemik. Olesi bagian
akar yang dipotong dengan berbahan aktif
fungisida propamocrab hidroklorida (Previcur
N) dengan dosis 2g/liter.
8 Penyakit Karat
Merah
Pemangkasan dahan, cabang, ranting,
menyemprotkan fungisida bubuk bordeaux
atau sulfat tembaga.

9 Bakteri
Pseudomonas
Mangiferae
Indicae
Memotong dan membakar daun atau buah
yang terserang. Semprotkan funngisida
Antracol 70 WP dengan dosis 2 g/liter air.
10 Jamur Upas Memangkas bagian tanaman yang tidak
produktif untuk mengurangi kelembaban dan
36



memotong bagian tanaman yang terserang
lalu dimusnahkan

Tabel 4.10 Tabel Pengamatan







Tabel 4.11 Tabel Gejala
id gejala gejala
1 Terdapat bercak-bercak pada daun
2 Pusat bercak sering pecah menyebabkan bercak berlubang
3 Daun kering
4 Daun gugur
5 Daun layu
6 Bercak daun bewarna kelabu keputih-putihan
7 Bercak biasanya dibatasi oleh tepi bewarna gelap
8 Pada bercak tua pada bagian yang berwarna kelabu terdapat
titik hitam yang terdiri dari tubuh buah patogen dan
menimbulkan lubang
9 Daun mati
10 Daunnya jarang
11 Terdapat bintik-bintik pada daun
12 Pada batang muda terdapat bercak-bercak berwarna kelabu
yang bisa berkembang dan menggelangi batang yang dapat
menyebabkan matinya bagian yang terserang
ID Pengamatan
1 Daun
2 Batang/cabang/ranting
3 Buah
4 Bunga
5 Akar
6 Lain-lain
37



13 Batang atau cabang mengeluarkan blendok
14 Kulit batang berwarna gelap
15 Kulit batang kering dan agak mengendap
16 Kulit batang pecah dan mengelupas sebagai kepingan
17 Pada bagian yang terserang menjadi luka terbuka
18 Cabang mati
19 Bagian atas ranting yang terserang nampak pertumbuhannya
tidak sehat
20 Cabang patah
21 Pada bekas patahnya cabang, terlihat lubang dan saluran
gerekan
22 Dari lubang gerekan tersebut mengalir cairan getah berwarna
hitam
23 Pada cabang-cabang yang mati apabila dibelah pada bekas
saluran tersebut seringkali menjadi tempat tinggal semut
24 Kulit ranting mengering
25 Ranting mati
26 Terdapat bercak-bercak coklat nekrosis pada bunga
27 Rontoknya kuncup bunga
28 Kerusakan pada bunga
29 Tangkai bunga layu, kering, dan gugur
30 Kulit buah terdapat adanya noda/titik bekas tusukan ovipositor
(alat peletak telur)
31 Terdapat bercak coklat/hitam pada buah
32 Buah busuk
33 Buah gugur
34 Kulit buah timbul bercak-bercak hijau tua dan berair
35 Bercak berubah warna kehitam-hitaman, menonjol keluar,
sehingga terjadi retak-retak memanjang
36 Retak-retak ini sering diikuti dengan keluarnya lendir (getah)
yang cukup banyak
37 Buah layu
38 Buah keriput
39 Terdapat jamur yang membentuk misselium yang berwarna
hitam pada permukaan akar tanaman
38



40 Bila kulit akar dikelupas, pada permukaan kayu akan terlihat
titik-titik berwarna putih kehitam-hitaman.
41 Akar busuk
42 Tunas kerdil
43 Terbentuknya miselium mengkilat seperti rumah laba-laba dan
berkembang menjadi kerak berwarna merah jambu pada daerah
yang terserang
44 Tumbuhan terhambat pertumbuhannya
45 Tanaman layu
46 Tanaman mati

4.3.2 Representasi Pengetahuan
Langkah-langkah yang perlu dilakuakan untuk membuat representasi
pengetahuan sistem pakar untuk diagnosa hama dan penyakit pada tanaman
mangga yaitu:
1. Pembuatan tabel keputusan (decision tabel) yang berguna untuk
mendeskripsikan pengetahuan.
2. Pembuatan pohon penelusuran gejala.
3. Konverensi pohon keputusan menjadi aturan produksi.
Berdasarkan data gejala dan data hama dan penyakit yang ada kemudian
dibuat tabel keputusan yang menunjukkan hubungan antara keduanya, seperti
dapat dilihat pada tabel 4.4








39

Tabel 4.12 Tabel Keputusan
id_Pengamatan Pengamatan id gejala Gejala HP1 HP2 HP3 HP4 HP5 HP6 HP7 HP8 HP9 HP10
1

Daun

1 Terdapat bercak-bercak pada
daun

2 Pusat bercak sering pecah
menyebabkan bercak
berlubang

3 Daun kering
4 Daun gugur
5 Daun layu
6 Bercak daun bewarna kelabu
keputih-putihan

7 Bercak biasanya dibatasi
oleh tepi bewarna gelap

8 Pada bercak tua pada bagian
yang berwarna kelabu
terdapat titik hitam yang
terdiri dari tubuh buah
patogen dan menimbulkan
lubang

9 Daun mati
10 Daunnya jarang
11 Terdapat bintik-bintik pada
daun



40

2

Batang

12 Pada batang muda terdapat
bercak-bercak berwarna
kelabu yang bisa
berkembang dan
menggelangi batang yang
dapat menyebabkan matinya
bagian yang terserang

13 Batang atau cabang
mengeluarkan blendok

14 Kulit batang berwarna gelap
15 Kulit batang kering dan agak
mengendap

16 Kulit batang pecah dan
mengelupas sebagai
kepingan

17 Pada bagian yang terserang
menjadi luka terbuka

18 Cabang mati
19 Bagian atas ranting yang
terserang nampak
pertumbuhannya tidak sehat

20 Cabang patah
21 Pada bekas patahnya
cabang, terlihat lubang dan
saluran gerekan



41

22 Dari lubang gerekan tersebut
mengalir cairan getah
berwarna hitam

23 Pada cabang-cabang yang
mati apabila dibelah pada
bekas saluran tersebut
seringkali menjadi tempat
tinggal semut

24 Kulit ranting mengering
25 Ranting mati
3

Bunga

26 Terdapat bercak-bercak
coklat nekrosis pada bunga

27 Rontoknya kuncup bunga
28 Kerusakan pada bunga
29 Tangkai bunga layu, kering,
dan gugur

4




Buah

30 Kulit buah terdapat adanya
noda/titik bekas tusukan
ovipositor (alat peletak telur)

31 Terdapat bercak
coklat/hitam pada buah

32 Buah busuk
33 Buah gugur
34 Kulit buah timbul bercak-
bercak hijau tua dan berair



42

35 Bercak berubah warna
kehitam-hitaman, menonjol
keluar, sehingga terjadi
retak-retak memanjang

36 Retak-retak ini sering diikuti
dengan keluarnya lendir
(getah) yang cukup banyak

37 Buah layu
38 Buah keriput
5

Akar

39 Terdapat jamur yang
membentuk misselium yang
berwarna hitam pada
permukaan akar tanaman

40 Bila kulit akar dikelupas,
pada permukaan kayu akan
terlihat titik-titik berwarna
putih kehitam- hitaman.

41 Akar busuk
6

Gejala Umum

42 Tunas kerdil
43 Terbentuknya miselium
mengkilat seperti rumah
laba-laba dan berkembang
menjadi kerak berwarna
merah jambu pada daerah
yang terserang



43

44 Tumbuhan terhambat
pertumbuhannya

45 Tanaman layu
46 Tanaman mati


44




Berdasarkan tabel keputusan dari gejala dan hama penyakit yang dibuat untuk
tanaman mangga, maka pohon penelusuran gejala yang dapat dibentuk untuk diagnosa
hama dan penyakit pada tanaman mangga adalah seperti pada gambar 4.1 berikut ini.


45

1
6
1
5
1
4
1
3
1
2
1
1
1
0
8 7 6 5 4 1 3 2 9
2
4
3
1
3
0
2
1
2
8
2
2
1
9
2
9
2
3
HP
1
4
1
4
4
1
7
2
0
4
5
3
3
3
2
3
6
3
9
4
2
3
4
3
5
4
0
3
7
4
6
3
8
4
3
1
8
2
7
2
6
2
5
HP
3
HP
2
HP
4
HP
5
HP
6
HP
7
HP
8
HP
9
HP
10
Gejala pada daun
Gejala pada batang
Gejala pada bunga
Gejala pada buah
Gejala pada akar
Gejala umum
Keterangan :
HP1 : Antraknosa
HP2 : Bercak daun kelabu
HP3 : Lalat buah
HP4 : Penyakit kulit blendok
HP5 : Wereng mangga
HP6 : Penggerek cabang
HP7 : Busuk akar
HP8 : Penyakit karat merah
HP9 : Bakteri pseudomas mangiferae
HP10 : Jamur upas
Pilih Gejala
Gambar 4.1 Pohon Penelusuran Gejala
46



4.3.2.1 Aturan Produksi
Aturan produksi dibuat berdasarkan hasil analisis tabel dan pohon keputusan
yang telah dibuat sebelumnya. Aturan produksi ini menggunakan IF-THEN, IF merupakan
informasi masukkan, sedangkan THEN merupakan konklusi atau kesimpulan.
Bentuk umum:
IF Gejala A AND Gejala B ANDAND Gejala X
THEN OPT
Tabel aturan produksi yang dibuat untuk mendiagnosa hama dan penyakit pada tanaman
mangga dapat dilihat pada tabel 4.13.
Tabel 4.13 Tabel Aturan Produksi
No Aturan
1 IF Terdapat bercak-bercak pada daun AND Pusat bercak sering pecah
menyebabkan bercak berlubang AND Daun kering AND Daun gugur
AND Daun layu THEN Antraknosa
2 IF batang muda terdapat bercak-bercak berwarna kelabu yang bisa
berkembang dan menggelangi batang yang dapat menyebabkan
matinya bagian yang terserang THEN Antraknosa
3 IF Terdapat bercak-bercak coklat nekrosis pada bunga AND Rontoknya
kuncup bunga THEN Antraknosa
4 IF Terdapat bercak coklat/hitam pada buah AND Buah busuk THEN
Antraknosa
5 IF Pada daun terjadi bercak-bercak tidak teratur AND Bercak daun
bewarna kelabu keputih-putihan AND Bercak biasanya dibatasi oleh tepi
bewarna gelap AND Pada bercak tua pada bagian yang berwarna kelabu
terdapat titik hitam yang terdiri dari tubuh buah patogen dan
menimbulkan lubang THEN Bercak Daun Kelabu
6 IF Kulit buah terdapat adanya noda/titik bekas tusukan ovipositor (alat
peletak telur) AND Terdapat bercak coklat disekitar titk tersebut AND
Buah busuk AND Buah gugur sebelum matang THEN Lalat Buah
47



7 IF Batang atau cabang mengeluarkan blendok AND Kulit batang
berwarna gelap AND Kulit batang kering dan agak mengendap AND Kulit
batang pecah dan mengelupas sebagai kepingan AND Pada bagian yang
terserang menjadi luka terbuka AND Cabang mati THEN Penyakit Kulit
Belendok
8 IF Buah busuk THEN Penyakit Kulit Belendok
9 IF Terganggunya pertumbuhan AND Tanaman mati THEN Wereng
Mangga
10 IF Kerusakan pada bunga AND Tangkai bunga layu, kering, dan gugur
THEN Wereng Mangga
11 IF Daun kering AND Daun gugur THEN Wereng Mangga
12 IF Cabang patah AND Pada bekas patahnya cabang, terlihat lubang dan
saluran gerekan AND Dari lubang gerekan tersebut mengalir cairan
getah berwarna hitam AND Pada cabang-cabang yang mati apabila
dibelah pada bekas saluran tersebut seringkali menjadi tempat tinggal
THEN Penggerek Cabang
13 IF Kerusakan pada bunga THEN Penggerek Cabang
14 IF Tanaman layu THEN Busuk Akar
15 IF Terdapat jamur yang membentuk misselium yang berwarna hitam
pada permukaan akar tanaman AND Bila kulit akar dikelupas, pada
permukaan kayu akan terlihat titik-titik berwarna putih kehitam-
hitaman AND Akar busuk THEN Busuk Akar
16 IF Daun gugur AND Daun mati THEN Busuk Akar
17 IF Tunas kerdil THEN Penyakit Karat Merah
18 IF Terdapat bintik-bintik pada daun AND Daunnya jarang AND Daun
mati THEN Penyakit Karat Merah
19 IF Kulit ranting mengering AND Ranting mati THEN Penyakit Karat
Merah
20 IF Kulit buah timbul bercak-bercak hijau tua dan berair AND Bercak
berubah warna kehitam-hitaman, menonjol keluar, sehingga terjadi
retak-retak memanjang AND Retak-retak ini sering diikuti dengan
keluarnya lendir (getah) yang cukup banyak AND Buah busuk AND Buah
gugur THEN Bakteri Pseudomonas Mangiferae Indicae
21 IF Terbentuknya miselium mengkilat seperti rumah laba-laba dan
berkembang menjadi kerak berwarna merah jambu pada daerah yang
terserang THEN Jamur Upas
48



22 IF Bagian atas ranting yang terserang nampak pertumbuhannya tidak
sehat THEN Jamur Upas
23 IF Daun layu AND Daun kering THEN Jamur Upas
24 IF Buah layu AND Buah keriput THEN Jamur Upas

Tabel 4.14 merupakan representasi gabungan tabel 4.4 dan 4.5 yang berisi faktor
kepastian suatu gejala terhadap penyakitnya dan faktor kepastian hama penyakit
terhadap gejalanya. Tabel ini nantinya akan dijadikan dasar perhitungan nilai certainty
factor suatu penyakit ketika gejala telah dipilih.
Tabel ini terdiri dari ID hama penyakit pada tabel hama penyakit dan ID gejala
pada tabel gejala dan nilai tingkat keyakinan pakar terhadap suatu gejala mempengaruhi
suatu penyakit. Misal pada tabel 4.14, untuk suatu hama penyakit yang memiliki ID HP1,
yaitu Antraknosa memiliki suatu gejala dengan ID gejala 1 (terdapat bercak-bercak pada
daun) dengan tingkat keyakinan sebesar 0,7, ID gejala 2 (pusat bercak sering
menyebabkan bercak berlubang) dengan tingkat keyakinan sebesar 0.7, ID gejala 3 (daun
kering) dengan tingkat keyakinan sebesar 0.6, ID gejala 4 (daun gugur) dengan tingkat
keyakinan sebesar 0.6, dan ID gejala 5 (daun layu) dengan tingkat keyakinan sebesar 0.5.
Dimana nilai tingkat keyakinan didapatkan dari seorang pakar.

Tabel 4.14 Tabel Aturan
Id_aturan Id_hama
penyakit
Id_gejala CF_gejala
CF_aturan
1
HP1
1
0.7
0.8
1
HP1
2
0.7
1
HP1
3
0.6
1
HP1
4
0.6
1
HP1
5
0.5
2
HP1
12
0.8
0.8
3
HP1
26
0.7
0.7
49



3
HP1
27
0.5

4
HP1
31
0.55
0.5
4
HP1
32
0.5
5
HP2
1
0.6
0.5
5
HP2
6
0.8
5
HP2
7
0.5
5
HP2
8
0.8
6
HP3
30
0.8
0.7
6
HP3
31
0.75
6
HP3
32
0.7
6
HP3
33
0.4
7
HP4
13
0.8
0.6
7
HP4
14
0.3
7
HP4
15
0.5
7
HP4
16
0.4
7
HP4
17
0.6
7
HP4
18
0.5
8
HP4
32
0.3
0.3
9
HP5
3
0.5
0.4
9
HP5
4
0.4
10
HP5
28
0.6
0.6
10
HP5
29
0.6
11
HP5
44
0.3
0.5
11
HP5
46
0.4
12
HP6
20
0.5
0.7
12
HP6
21
0.8
12
HP6
22
0.9
12
HP6
23
0.7
13
HP6
28
0.5
0.5
14
HP7
4
0.6
0.8
14
HP7
9
0.9
15
HP7
39
0.8
0.7
15
HP7
40
0.9
15
HP7
41
0.5
16
HP7
45
0.5
0.5
50



17
HP8
9
0.7
0.7
17
HP8
10
0.8
17
HP8
11
0.7
18
HP8
24
0.6
0.6
18
HP8
25
0.6
19
HP8
42
0.6
0.6
20
HP9
32
0.85
0.9
20
HP9
33
0.9
20
HP9
34
0.9
20
HP9
35
0.8
20
HP9
36
0.7
21
HP10
3
0.8
0.7
21
HP10
5
0.7
22
HP10
19
0.7
0.7
23
HP10
37
0.7
0.7
23
HP10
38
0.7
24
HP10
43
0.7
0.7

4.4 Mesin Inferensi

Mesin inferensi adalah bagian dari sistem pakar yang melakukan penalaran
dengan menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama
proses diagnosa antar sistem dan pengguna, mesin inferensi menguji aturan satu demi
satu urut dari aturan pertama hingga terakhir sampai kondisi aturan itu benar.
Tabel aturan dapat dilihat pada tabel 4.14. Misal, jika diinputkan gejala dengan
id_gejala 1, 2, 3, 4, dan 5 masing-masing dengan tingkat keyakinan pengguna terhadap
gejala adalah 0.4, 0.5, 0.6, 0.7, 0.8. Selanjutnya, sistem akan menelusuri semua aturan
pada tabel 4.5 mulai dari aturan yang pertama hingga terakhir yang sedikitnya mencakup
gejala tersebut. Dan didapatkan aturan yang mencakup gejala masukkan dengan aturan
id 1, 9, dan 21 dan masing-masing tingkat keyakinan pakar terhadap gejala tersebut.
51



Di dalam sistem, tingkat keyakinan pakar dan pengguna terhadap masing- masing gejala
yang dipilih dikalikan dan dicari nilai minimum dari hasil perkalian tersebut. Aturan yang
didapat sebelumnya disesuaikan dengan tabel 4.4 tabel aturan untuk menghitung tingkat
keyakinan gejala yang sudah diminimumkan dengan tingkat keyakinan hama penyakit
terhadap gejala. Proses perhitungan ini disebut proses perhitungan certainty factor.
Proses perhitungan certainty factor pada mesin inferensi adalah seperti
persamaan berikut :

CF (H,e) = Min [
pakar
(E
i
, e )

* CF
popt
(E
i
, e)] * CF(H,E) .. (4.1)
Keterangan:

pakar
(E
i
, e ) : nilai tingkat keyakinan pakar terhadap masing-masing gejala.
CF
popt
(E
i
, e) : nilai tingkat keyakinan popt terhadap gejala yang dialami oleh tanaman
mangga.
CF(H,E) : nilai tingkat keyakinan pakar terhadap suatu hama atau penyakit
dipengaruhi oleh gejala-gejalanya.
Berikut ini akan diberikan contoh perhitungan certainty factor dari kasus di atas.





52



Tabel 4.15 Perhitungan Certainty Factor

Berdasarkan perhitungan certainty factor pada tabel 4.15, maka kesimpulan atau
konklusi yang akan dimunculkan dalam sistem ialah aturan yang memiliki certainty factor
tertinggi, yaitu aturan dengan id 1 yang memiliki nilai certainty factor sebesar 0.224.
Dalam sistem ini, pakar dapat menentukan threshold sebagai penentu suatu solusi dari
hasil diagnosa sebagai pendukung keputusan.

4.5 Perancangan Sistem
Perancangan sistem ini meliputi perancangan fungsional sistem, perancangan
basis data dan perancangan antarmuka (user interface).

4.5.1 Perancangan Fungsionalitas Sistem
Perancangan fungsionalitas sistem merupakan tahapan awal untuk merancang
semua prose dan aliran data yang terjadi pada sistem.


Id
gejala
CFpakar CFpopt CFpakar*CFpopt Id aturan CF
aturan
CF (H,E)
1 0.7 0.4 0.7 * 0.4 = 0.28 1 0.8 0.28*0.8 = 0.224
2 0.7 0.5 0.7 * 0.5 = 0.35 9 0.4 0.28*0.4 = 0.112
3 0.6 0.6 0.6 * 0.6 = 0.36 21 0.8 0.28 * 0.7 = 0.196
4 0.6 0.7 0.6 * 0.7 = 0.42
5 0.5 0.8 0.5*0.8 = 0.40
Nilai min : 0.28
53



4.5.1.1 Diagram Konteks
Diagram Konteks disebut juga DFD level 0 dari sistem pakar untuk prediksi hama
dan penyakit pada tanaman mangga dapat dilihat pada Gambar 4.3 berikut ini.

P
O
P
T
P
A
K
A
R
0
Sistem Pakar Diagnosa
Hama dan Penyakit pada
Tanaman Mangga
Data POPT
Data penelusuran
gejala
Informasi login pakar
Informasi gejala
Informasi nilai CF gejala
Informasi hama dan
penyakit
Informasi aturan
Informasi login POPT
Hasil diagnosa
Tata cara
pengendalian
Data gejala
Data nilai CF gejala
Data hama dan penyakit
Data aturan penelusuran
Username dan password

Gambar 4.3 Diagram Konteks

Diagram Konteks tersebut berfungsi untuk menunjukkan ruang lingkup dan
batasan dari sebuah sistem yang dimodelkan, serta menunjukkan adanya interaksi
sistem dengan entitas luar. Pada DFD level 0 dari sistem ini ditunjukkan bahwa entitas-
entitas luar yang berhubungan secara langsung dengan sistem adalah Pakar dan
Pengguna nonpakar.
1. Pakar
Pakar memiliki hak untuk memeberikan masukkan untuk melakukan proses
manipulasi data basis pengetahuan yang berisi data gejala, data hama dan penyakit
dan nilai certainty factor dan proses manipulasi basis aturan. Sistem akan
memberikan keluaran berupa informasi basis pengetahuan dan basis aturan yang
ada.


54



2. POPT
POPT (Pengamat Organisme Pengganggu Tumbuhan) merupakan pengguna non
pakar yang memberikan masukkan berupa gejala-gejala yang ada pada daerah
serangan yang dipilih. Sistem ini akan memberikan keluaran berupa hasil diagnosa
hama dan penyakit yang disertai dengan nilai tingkat keyakinannya dalam bentuk
certainty factor dan tata cara pengendalian yang dilakukan. Keluaran dari sistem ini
sesuai dengan hasil masukkan dari pengguna.

4.5.1.2 Diagram Alir Data
Diagram alir data level 1 merupakan kelajutan dari Diagram konteks yang
menggambarkan proses-proses yang berlangsung dalam sistem. Diagram alir data level 1
dapat dilihar pada gambar 4.4 berikut ini.
55



1
manipulasi
basis
pengetahuan
3
Diagnosa
Hama dan
Penyakit
2
Manipulasi
basis aturan
Gejala
Hama dan
Penyakit
Pakar
POPT
Gejala lama
Data Basis
Pengetahuan
Informasi basis
pengetahuan
Id gejala, nama gejala
Hamapenyakit update
aturan
Aturan lama
Aturan update
Informasi basis aturan
Database yang diupdate
Informasi hasil diagnosa
Data gejala yang dimasukkan
Data Aturan
Data hama dan
penyakit
Pengamatan
Data daerah Pengamatan
Data daerah pengamatan valid
Data gejala
Gejala Update
Id hamapenyakit,
nama hamapenyakit,
cf rule, pengendalian
Hamapenyakit lama
Id hamapenyakit, id
gejala, cf gejala
Gambar 4.4 Diagram alir Data Level 1 Proses Diagnosa Hama dan Penyakit
Dari proses diagnosa hama penyakit dapat dikembangkan lebih lanjut menjadi
dua proses yang berbeda. Pengembangan poses manipulasi basis pengetahuan, basis
aturan, dan proses diagnosa akan dikembangkan menjadi DAD Level 2.


56



Pakar
1.1
Tambah Basis
Pengetahuan
Gejala
1.2
Edit Basis
Pengetahuan
Hama dan Penyakit
Tambah Basis Pengetahuan Tambah Gejala
Edit Basis Pengetahuan
Edit Hama Penyakit
Gejala Baru
Basis Pengetahuan Baru
Tambah Hama Penyakit
Basis Pengetahuan Baru
Gejala Baru
Hama Penyakit Baru
Edit Gejala
Hama Penyakit Baru
1.3
Hapus Basis
Pengetahuan
Hapus Basis Pengetahuan
Basis Pengetahuan Baru
Hapus Hama Penyakit
Hama Penyakit Baru
Gejala Baru
Hapus Gejala

Gambar 4.5 Diagram Alir Data Level 2 Proses Manipulasi Basis Pengetahuan

57



Pakar
2.1
Tambah Basis
Aturan
Tambah Basis Aturan
Basis Aturan Baru
2.2
Hapus Basis
Aturan
Hapus Basis Aturan
Basis Pengetahuan Baru
Aturan
Tambah Aturan
Aturan Baru
Hapus Aturan
Aturan Baru

Gambar 4.6 Diagram Alir Data Level 2 Manipulasi Basis Aturan
POPT
3.1
Input
pengamatan dan
gejala
3.2
Proses
Penghitungan
Diagnosa
gejala
aturan
Hama dan
penyakit
Informai hasil diagnosa
Data gejala
Data aturan diagnosa
Data Hama dan
penyakit
Data Gejala
Gambar 4.7 Diagram Alir Data Level 2 Diagnosa Hama dan Penyakit



58



4.5.2 Rancangan Antarmuka Pengguna (User Interface)
Antarmuka pengguna merupakan penghubung antara pengguna dengan sistem.
Perancangan antarmuka pengguna diharapkan mampu mempermudah pengguna dalam
berinteraksi dengan sistem (user friendly).
a. Rancangan Antarmuka Halaman Login
Gambar 4.8 Rancangan Antarmuka Login
Pada tampilan login ini user memilih login sebagai pakar atau pengguna
non-pakar dan memasukkan username dan password untuk mengakses website
sistem pakar sesuai dengan hak aksesnya.



59



b. Rancangan Antarmuka Gejala
Gambar 4.9 Rancangan Antarmuka Gejala
Pada gambar 4.9, semua gejala yang ada akan ditampilkan, kemudian
dalam halaman ini juga pakar dapat melakukan penambahan, pengubahan
dan penghapusan gejala.







60



c. Rancangan Antarmuka Hama dan Penyakit
Gambar 4.10 Tabel Hama Penyakit
Pada gambar 4.10, semua penyakit yang ada akan ditampilkan, kemudian
dalam halaman ini juga pakar dapat melakukan penambahan, pengubahan
dan penghapusan hama dan penyakit.
d. Rancangan Antarmuka Halaman Basis Aturan

Gambar 4.11 Rancangan Antarmuka Halaman Basis Aturan

61



Pada gambar 4.11, semua aturan hama dan penyakit ditampilkan beserta
gejalanya, kemudian dalam halaman ini juga user dapat melakukan
penambahan,pengubahan dan penghapusan aturan.
e. Rancangan Antarmuka Threshold

Gambar 4.12 Rancangan Antarmuka Threshold
Pada gambar 4.12, pakar dapat menentukan nilai threshold yang diinginkan
untuk menemukan hasil diagnosa yang akurat. Pakar juga dapat mengganti nilai
threshold yang sebelumnya dengan yang baru.
f. Rancangan Antarmuka Halaman Diagnosa

Gambar 4.13 Rancangan Antarmuka Halaman Diagnosa
62



Pada gambar 4.13, user memasukkan pilihan daerah pengamatan gejala
yang ingin diamati. Setelah itu muncul data-data gejala berdasarkan daerah
pengamatan yang dipilih sebelumnya dan user diminta untuk memilih gejala-
gejala yang menyerang tanaman mangga.
g. Rancangan Antarmuka Hasil Diagnosa

Gambar 4.14 Rancangan Antarmuka Halaman Hasil Diagnosa
Pada gambar 4.14 akan ditampilkan diagnosa yang dihasilkan dengan
tingkat kepercayaan yang didapatkan dari proses perhitungan certainty factor
dari setiap gejala, serta dalam halaman ini akan ditampilkan hama atau
penyakit yang menyerang dan tata cara pengendaliannya.


63

BAB V
IMPLEMENTASI SISTEM

Bab ini merupakan implementasi dan rancangan pada bab sebelumnya.
Secara garis besar implementasi sistem Rule-Based untuk mendiagnosa hama dan
penyakit pada tanaman mangga dibagi menjadi duan kategori pemakai yaitu user
(POPT) dan pakar. Masing-masing kategori memiliki hak akses sistem yang berbeda.
User mempunyai hak akses untuk memberi masukan berupa gejala yang
timbul pada tanaman mangga dan menerima hasil diagnosa.

5.1 Implementasi Basis Data
Implementasi basis data ini merupakan implementasi dari ERD seperti yang
telah diuraikan pada Bab IV sebelumnya dengan menggunakan database MySQL
yang merupakan fitur pendukung pada NetBeans IDE 7.0.1. Database mySQL
digunakan untuk merancang tabel-tabel yang diperlukan. Tabel-tabel yang disimpan
dalam database adalah sebagai berikut.
5.1.1 Tabel Hama Penyakit
Gambar 5.1 menunjukkan implementasi tabel hamapenyakit yang berisi
detail nama hama dan penyakit dan solusinya. Field id menujukkan kode hama
penyakit yang berfungsi sebagai PRIMARY KEY.

Gambar 5.1 Tabel Hama Penyakit
64



5.1.2 Tabel Gejala
Gambar 5.2 menunjukan implementasi tabel Gejala yang berisi nama-nama
gejala. Field id di sini merupakan kode gejala yang berfungsi sebagai PRIMARY KEY.

Gambar 5.2 Tabel Gejala
5.1.3 Tabel Pengamatan
Gambar 5.3 menunjukkan implementasi tabel pengamatan yang berisi nama
pengamatan tanaman. Field id di sini merupakan kode pengamatan yang berfungsi
sebagai PRIMARY KEY.

Gambar 5.3 Tabel Pengamatan
5.1.4 Tabel Aturan
Gambar 5.4 menujukkan implementasi tabel Aturan yang berisi kode aturan,
jenis hama dan penyakit tiap aturan, dan presentasi tingkat keyakinan terhadap tiap
aturan. Field id di sini berisi tentang kode aturan dan merupakan PRIMARY KEY dari
tabel Aturan dan field hama_penyakit_id merupakan FOREIGN KEY dari tabel hama
penyakit.
65




Gambar 5.4 Tabel Aturan
Tanda foreign key pada tabel ini dapat terlihat apabila memasukkan data
baru pada database, pakar dapat langsung memilih id hama penyakit secara
otomatis. Seperti yang ditunjukkan pada gambar 5.5

Gambar 5.5 Foreign Key
5.1.5 Tabel Aturan Gejala
Gambar 5.6 menunjukkan implementasi implentasi tabel aturan_gejala yang
berisi gejala-gejala tiap aturan serta tingkat keyakinan setiap gejala. Field aturan_id
merupakan FOREIGN KEY dari tabel aturan dan field gejala_id merupakan FOREIGN
KEY dari tabel gejala.

Gambar 5.6 Tabel Aturan Gejala
66



Tanda foreign key pada tabel ini dapat terlihat apabila memasukkan data
baru pada database, pakar dapat langsung memilih id gejala dan id aturan secara
otomatis. Seperti yang ditunjukkan pada gambar 5.7

Gambar 5.7 Foreign Key Gejala

5.1.6 Tabel Usertype
Gambar 5.8 menunjukkan implementasi tabel usertype berisi id tipe user
dan tipe usernya. Field id merupakkan PRIMARY KEY.

Gambar 5.8 Tabel Usertype

5.1.7 Tabel User
Gambar 5.9 menujukkan implementasi tabel User berisi username,
password, dan memiliki hak akses yan berbeda. Field id merupakan PRIMARY KEY
dan field usertype merupakan FOREIGN KEY dari tabel user.

Gambar 5.9 Tabel User
67



Tanda foreign key pada tabel ini dapat terlihat apabila memasukkan data
baru pada database, pakar dapat langsung memilih usertype aturan secara otomatis.
Seperti yang ditunjukkan pada gambar 5.10

Gambar 5.10 Foreign Key Usertype

5.2 Implementasi Proses
Proses dalam sistem ini diimplementasikan berdasarkan rancangan yang
telah dibuat menggunakan bahasa pemogrman.

5.2.1 Proses Input Gejala oleh POPT
Input gejala oleh POPT merupakan proses awal sebelum dilakukan proses
perhitungan nilai faktor kepastian terhadap suatu hama atau penyakit pada
tanaman mangga untuk mendapatkan hasil diagnosa dan tata cara pengendaliannya.
Dalam proses input gejala, semua gejala akan ditampilkan pada antarmuka
diagnosa. Potongan kode untuk pengambilan data dari tabel Gejala untuk
ditampilkan dapat dilihat pada gambar 5.11.
68




Gambar 5.11 Kode Data Gejala

Setelah menampilkan data gejala pada antarmuka, POPT dapat memilih
gejala-gejala pada antarmuka berdasarkan gejala yang timbul pada tanaman mangga
berdasarkan daerah pengamatannya. Gejala-gejala yang telah dipilih POPT akan
disimpan ke dalam larik untuk kemudian dijadikan sebagai masukan. Potongan kode
untuk proses pemilihan gejala dapat dilihat pada gambar 5.12.

Gambar 5.12 Kode Pemilihan Gejala



69



5.2.2 Proses Input Aturan oleh Pakar
Input aturan oleh pakar merupakan proses manipulasi pengetahuan apabila
ada pengetahuan baru mengenai suatu hama dan penyakit pada tanaman mangga.
Antarmuka menampilkan data hama penyakit dan gejala. Apabila hama penyakit dan
gejala yang akan ditambahkan tidak terdapat dalam basis data, maka pakar dapat
menambahkan input aturan melalui antarmuka. Potongan kode untuk proses input
aturan baru dapat dilihat pada gambar 5.13.
Gambar 5.13 Potongan Kode Tambah Aturan
Pakar dapat menetukan tingkat keyakinan tiap gejala yang berbeda-beda
tiap aturannya, tergantung pada pengaruh gejala tersebut terhadap hama penyakit
tersebut. Tingkat keyakinan tiap aturan ditentukan oleh pakar berdasarkan
pemahaman pakar terhadap gejala-gejala yang terjadi dengan hama atau
penyakitnya. Masukan-masukan dari aturan baru akan disimpan dalam tabel
aturan_gejala. Potongan kode untuk proses penyimpanan masukan aturan baru
dapat dilihat pada gambar 5.14.
70




Gambar 5.14 Potongan Kode Untuk Proses Memasukkan Data ke Tabel
aturan_gejala

5.2.3 Proses Input Hama Penyakit oleh Pakar
Input hama penyakit dilakukan oleh pakar, ketika sebuah penyakit baru
ditemukan. Antarmuka menampilkan data hama penyakit dan tata cara
pengendalian. Apabila hama penyakit dan tata cara pengendalian tidak ada dalam
basis data, maka pakar akan menambahkan hama penyakit baru melalui antarmuka
dan akan tersimpan dalam tabel 4.4. Potongan kode untuk proses input hama
penyakit baru dapat dilihat pada gambar 5.15
Gambar 5.15 Potongan Kode Tambah Hama Penyakit



71



5.2.4 Proses Tambah Gejala oleh Pakar
Tambah gejala dilakukan oleh pakar. Apabila ditemukan gejala baru yang
belum terdapat dalam sistem, pakar dapat menambahkan gejala baru tersebut ke
dalam sistem melalui antarmuka dan akan tersimpan dalam tabel 4.2. Selain untuk
menambahakan gejala baru, pakar juga dapat menghapus dan mengedit daftar
gejala yang telah ada. Potongan kode untuk proses input gejala baru dapat dilihat
pada gambar 5.16


Gambar 5.16 Potongan Kode Tambah Gejala

5.2.5 Proses Diagnosa
Proses diagnosa merupakan proses letak mesin inferensi bekerja dalam
sistem pakar ini. Pada proses ini dilakukan perhitungan certainty factor setelah POPT
memberikan masukkan berupa gejala-gejala yang dialami tanaman mangga. Larik
hasil masukan oleh POPT diproses dengan mencocokan aturan yang mencakupi yang
terdapat pada tabel 4.5.
72



Gambar 5.17 Potongan kode untuk proses pencocokan aturan terhadap gejala
Proses perhitungan certainty factor setelah gejala dimasukkan oleh POPT
adalah seperti gambar 5.18. Hasil hama atau penyakit yang muncul dalam
antarmuka adalah yang memiliki nilai certainty factor tertinggi.
73



Gambar 5.18 Potongan kode perhitungan certainty factor
Gambar 5.18 memperlihatkan perhitungan certainty factor jika tidak ada hama
penyakit yang sama dalam aturan yang diproses. Jika terdapat aturan yang memuat
hama dan penyakit yang sama maka dilakukan perhitungan CF combine seperti pada
gambar 5.19.


Gambar 5.19 Potongan kode perhitungan CF combine
Setelah melakukan proses perhitungan certainty factor, sistem akan
menampilkan hama penyakit yang memiliki nilai certainty factor tertinggi di atas
threshold dan jika nilai certainty factor lebih rendah dari threshold maka tidak ada
hama penyakit yang muncul dalam sistem . Nilai threshold diambil dari tabel 4.6.
74



Gambar 5.20 berikut merupakan proses perhitungan certainty factor terhadap
threshold.

Gambar 5.20 Perhitungan threshold

5.3 Implementasi Menu
Antarmuka sistem ini digunakan untuk mengakomodasi proses-proses yang
telah dirancang.
5.3.1 Menu Utama Pakar
Untuk menu utama pakar dibagi kedalam lima submenu, yaitu submenu
hama dan penyakit, submenu gejala, submenu aturan, submenu hapus aturan dan
submenu threshold. Antarmuka menu utama pakar ditunjukkan oleh gambar 5.21
75




Gambar 5.21 Menu Utama Pakar

5.3.1.1 Submenu Hama Penyakit
Halaman submenu hama dan penyakit adalah menu khusus yag disediakan
pakar untuk menambahakan, menghapus dan mengedit hama dan penyakit. Data
yang dimasukkan pakar pada menu hama dan penyakit adalah nama hama atau
penyakit dan tata cara pengendalian yang diberikan. Pada submenu disediakan
textbox isian untuk mengbah data hama dan penyakit. Data hama penyakit terdiri
dari nama hama dan penyakit dan tata cara pengendalian.
Antarmuka submenu hama penyakit ditunjukkan pada gambar 5.22
76




Gambar 5.22 Submenu Hama Penyakit
Aksi selanjutnya pakar dapat menghapus atau mengedit data hama dan
penyakit. Antarmuka hapus hama penyakit ditunjukkan oleh gambar 5.23.

77




Gambar 5.23 Antarmuka Hapus Hama Penyakit

Gambar 5.23 pada saat menghapus suatu data akan dilakukan konfirmasi
terlebih dahulu untuk memastikan apakah pakar benar-benar akan menghapus
datanya.

5.3.1.2 Submenu Gejala
Halaman submenu gejala adalah menu khusus yang disediakan bagi pakar,
untuk menambahkan, menghapus dan mengedit gejala. Data yang dimasukkan
pakar pada submenu gejala adalah gejala dan daerah pengamatan. Antarmuka
submenu gejala ditunjukkan pada gambar 5.24
78




Gambar 5.24 Submenu Gejala

Aksi selanjutnya pakar dapat menghapus data gejala. Antarmuka hapus
gejala ditunjukkan oleh gambar 5.25.
79




Gambar 5.25 Antarmuka Hapus Gejala

Gambar 5.25 pada saat menghapus suatu data akan dilakukan konfirmasi
terlebih dahulu untuk memastikan apakah pakar benar-benar akan menghapus
datanya.

5.3.1.3 Submenu Tambah Rule
Halaman submenu tambah rule adalah menu khusus yang disediakan bagi
pakar untuk memanipulasi aturan-aturan yang harus ada dalam sistem. Basis aturan
yang ada dalam sistem pakar ini adalah nama hama atau penyakit dan gejala. Pada
halaman submenu tambah rule, pakar dapat menambahkan basis aturan.
Antarmuka submenu tambah rule ditunjukkan pada gambar 5.26
80




Gambar 5.26 Antarmuka Tambah Rule

Pada submenu aturan ini, pakar dapat melakuakan aksi untuk menambahkan
data aturan apabila pakar menemukan knowledge baru.

5.3.1.4 Submenu Delete Rule
Pada submenu delete rule, pakar dapat menghapus data aturan. Aturan -
aturan yang sudah tersimpan dalam basis data ditampilkan beserta tingkat
keyakinan aturan dan gejala-gejalanya. Antarmuka delete rule ditunjukkan oleh
gambar 5.27
81




Gambar 5.27 Antarmuka Delete Rule

5.3.1.5 Submenu Threshold
Pada submenu threshold pakar dapat mengganti nilai ambang batas suatu
hama atau penyakit yang akan dimuncul dalam hasil diagnosa seperti yang terlihat
pada gambar 5.28







Gambar 5.28 Submenu Threshold

82



5.3.2 Menu Utama POPT
Menu utama POPT merujuk pada aksi diagnosa yang merupakan aksi untuk
menu proses diagnosa. Dalam proses ini, POPT memasukkan gejala dan tingkat
kerusakan yang terjadi untuk kemudian dilakukan perhitugan untuk mendapatkan
hasil diagnosa. Antarmuka input gejala dan hasil diagnosa ditunjukkan pada gambar
5.29.

Gambar 5.29 Antarmuka Diagnosa





83

BAB VI
HASIL DAN PEMBAHASAN

6.1 Proses Pengisian Basis Pengetahuan
Tahap awal dari penggunaan sistem adalah proses pengisian basis
pengetahuan. Terdapat 46 gejala dengan 10 jenis hama dan penyakit.
Pengetahuan yang dimasukkan ke dalam basis pengetahuan, sebanyak 24 aturan.
Setiap gejala memiliki faktor kepastian yang berbeda-beda tergantung besarnya
pengaruh terhadapa hama atau penyakit tersebut. Nilai faktor kepastian
diberikan antara 0 sampai dengan 1. Pengisian faktor kepastian gejala terhadap
hama atau penyakit dan dilakukan oleh seorang pakar ketika melakukan proses
manipulasi pengetahuan dalam bentuk persen.

6.2 Proses Diagnosa
Diagnosa hama dan penyakit dilakukan dengan memberikan masukkan
berupa gejala-gejala yang timbul pada tanaman mangga seperti pada gambar
5.24. Ketika gejala dimasukkan, sistem akan secara otomatis mencari hama atau
penyakit yang memiliki faktor kepastian dengan nilai tertinggi dan lebih dari
threshold untuk kemudian menampilkannya pada bagian hasil diagnosa.

6.3 Penjelasan Perhitungan Mesin Inferensi
Dalam proses perhitungan mesin inferensi, perhitungan untuk
menentukan hasil diagnosa menggunakan persamaan (4.1).

6.3.1 Perhitungan Mesin Inferensi
Pengujian sistem dilakukan dengan data hama penyakit yang terdapat
dalam basis data pada tabel 4.1 dan dengan data gejala yang terdapat pada
84



tabel 4.3. Uji coba sistem dilakukan dengan mendiagnosa suatu penyakit dengan
gejala yang telah terdapat dalam basis data. Rincian tabel keputusan terhadap
suatu penyakit dapat dilihat pada tabel 4.4.
Uji coba sistem dilakukan dengan mendiagnosa suatu hama penyakit
dengan terdapat bercak-bercak pada daun, pusat bercak sering pecah
menyebabkan bercak berlubang, daun kering daun gugur dan daun layu. Untuk
perhitungan manual mesin inferensi dalam pencarian solusi dapat dilihat pada
tabel 6.1
Tabel 6.1 Pengujian Perhitungan
HP Gej CFpakar CFpopt CFaturan CFpakar*CFpopt Min[CFpakar*CFpopt]*
CFaturan
1 1 0.7 0.6 0.7 0.42 Min[0.42;0.35;0,24;0.42;0.4]*
1 2 0.7 0.5 0.35 CFaturan
1 3 0.6 0.4 0.24 = 0.24 * 0.7
1 4 0.6 0.7 0.42 = 0.168
1 5 0.5 0.8 0.4

6.4 Hasil Uji Coba
Pada gambar 6.1 menunjukkan hasil diagnosa dari pengujian sistem.
Sistem hanya akan menampilkan solusi dengan certainty factor yang paling
besar serta melebihi atau memiliki selisih yang minimum dari threshold. Hasil
pengujian sistem yang memiliki solusi yaitu Antraknosa dengan nilai certainty
factor 0,168. Hal ini cocok dengan perhitungan manual pada tabel 6.1.
85




Gambar 6.1 Hasil Pengujian Diagnosa

6.5 Alur Sistem
Penggunaan sistem ini dibagi kedalam 2 tipe pengguna, yaitu pakar dan
POPT dengan hak akses yang berbeda.

6.5.1 Tampilan pada Pakar
Pakar dapat melakukan proses manipulasi basis pengetahuan.
a. Menu penambahan gejala baru
Pada gambar 6.2 menunjukkan bahwa pakar dapat menambah gejala
baru, menghapus dan mengedit gejala.
86




Gambar 6.2 Proses Penambahan Gejala Baru
Setelah di klik button tambah maka data akan disimpan dan dapat
dilihat pada antarmuka daftar gejala yang ada, seperti pada gambar
6.3.

Gambar 6.3 Tampilan Gejala Update

b. Menu penambahan hama penyakit baru
Pada gambar 6.4 menunjukkan bahwa pakar dapat menambah hama
penyakit, certainty factor dan tata cara pengendalian baru, dapat
melakukan perubahan terhadap data hama dan penyakit, certainty
factor dan tata cara pengendalian, serta dapat melakukan
penghapusan data yang ada.

87




Gambar 6.4 Proses Penambahan Hama Penyakit Baru
Setelah di klik button tambah maka data akan disimpan dan dapat
dilihat pada antarmuka daftar hama penyakit yang ada, seperti pada
gambar 6.5.

Gambar 6.5 Tampilan Hama Penyakit Update

c. Menu penamabahan aturan baru
Pada gambar 6.6 menujukkan bahwa pakar dapat menambah aturan
baru.
88




Gambar 6.6 Proses Penambahan Aturan Baru

d. Menu penghapusan aturan
Pada gambar 6.7 menunjukkan bahwa pakar dapat melakukan aksi
penghapusan aturan yang telah ada.


Gambar 6.7 Proses Penghapusan Aturan

e. Penetapan nilai threshold
Pada gambar 6.8 menujukkan bahwa pakar dapat menetapkan
threshold untuk menampilkan hasil diagnosa.
89




Gambar 6.8 Penetapan Nilai Threshold
Setelah di klik button update maka nilai threshold yang lama akan
digantikan dengan nilai yang baru dan dapat dilihat pada antarmuka
threshold, seperti pada gambar 6.9.


Gambar 6.9 Update Threshold

6.5.2 Tampilan pada POPT
POPT dapat memberikan masukkan berupa gejala-gejala yang timbul
pada tanaman mangga yang akan diproses oleh sistem untuk menghasilkan
diagnosa berdasarkan perhitungan certainty factor.
a. Input gejala
Pada gambar 6.9 menujukkan bawha POPT memberikan masukkan
berupa gejala dan certainty factor pada sistem.
90




Gambar 6.9 Input Gejala

b. Hasil diagnosa
Pada gambar 6.10 menunjukkan hasil diagnosa dan perhitungan
certainty factor berdasarkan inputan gejala POPT.

Gambar 6.10 Hasil Diagnosa
91

BAB VII
KESIMPULAN DAN SARAN

Berdasarkan hasil pengujian Sistem Pakar Diagnosa Hama dan Penyakit pada
Tanaman Mangga dapat ditarik kesimpulan dan saran.
7.1 Kesimpulan
1. Setiap rule yang ada dalam sistem memiliki tingkat keyakinan yang berbeda-
beda-beda, tergantung tingkat keyakinan pakar terhadap gejala-gejala yang
mempengaruhi suatu penyakit.
2. Nilai tingkat keyakinan gejala pada proses diagnosa dapat ditentukan secara
berbeda-beda oleh popt, sehingga dalam proses pendiagnosaan menjadi lebih
teliti dalam menentukan hasil diagnosa.
3. Sistem dapat memberikan hasil diagnosa berupa hama atau penyakit yang
kemungkinan dialami tanaman dan tata cara pengendaliannya.
7.2 Saran
Saran yang dapat penulis berikan untuk pengembangan aplikasi ini
selanjutnya adalah sebagai berikut:
1. Data-data gejala maupun hama penyakit perlu ditambah kelengkapannya,
disamping itu agar dapat benar-benar menggambarkan atau menghasilkan
diagnosa yang valid ditambahkan data pemeriksaan penunjang (misalnya
hasil laboratorium).
2. Dalam penelitian selanjutnya mungkin dapat menggunakan metode CBR
(Case Based Reasoning). Metode ini telah dikaji oleh para pakar dan diyakini
dapat meningkatkan hasil dari pengambilan keputusan dan mendapatkan
92



banyak perhatian sebagai pengembangan sistem Knowledge Base dalam
dunia pertanian.



93

DAFTAR PUSTAKA

Arga, B., Cahyaniati, Hasanah, I. U., Hasyim, A., Kustaryati, A., Marufah, A. A., Railan,
M., Ratnaningrum, A. C., Riyadi, S., Suputa dan Suryanti, 2010, Pedoman
Pengenalan & Pengendalian Organisme Pengganggu Tumbuhan pada
Tanaman Mangga, Direktorat Perlindungan Tanaman Hortikultura Direktorat
Jenderal Hortikultura Departemen Pertanian Indonesia ISBN 978-979-3147-
37-6 Jakarta.
Artanti, F. R., 2004, Perancangan dan Pembuatan Sistem Pakar Hama dan Penyakit
Tanaman Serta Pengendaliannya Untuk Tanaman Hortikultura, Skripsi,
Jurusan Teknik Informatika, Universitas Kristen Petra, Surabaya.
Atik, W., 2008, Sistem Pakar Identifikasi Hama dan Penyakit pada Tanaman Kelapa
Sawit, Skripsi, Jurusan Matematika FMIPA UGM, Yogyakarta.
Departemen Pertanian Direktoral Jendral Bina Produksi Tanaman Pangan Balai
Peramalan Organisme Pengganggu Tumbuhan, 2007, Petunjuk Peramalan
Hama dan Penyakit Tanaman Pangan dan Hortikultura, Jatisari.
Fatansyah, 1999, Buku Teks Ilmu Komputer Basis Data, Penerbit Informatika,
Bandung.
Fatta, A.H dan Wibowo, S., n.d, Sistem Pakar Untuk Mendiagnosa Penyakit Hidung
Telinga Tenggorokan pada Manusia, STMIK Amikom, Yogyakarta.
Giarrantano, J., dan Riley, G., 1998, Expert System: Principle and Programming, Third
Edition, PWS Publishing Company, USA.
Gunawan, K., 2009, Hama dan Penyakit Tanaman Mangga, http://klinik-
tanamanku.blogspot.com/2009/10/hama-dan-penyakit-tanaman-
mangga.html, diakses 19 Oktober 2011.
Honggowibowo, A., 2009, Sistem Pakar Diagnosa Penyakit Tanaman Padi Berbasis
Web dengan Forward dan Backward Chaining.Vol. 7, No. 3, Desember 2009,
187-194.
Ibrahim, A., 2010, Pengembangan Sistem Pakar Identifikasi Hama dan Penyakit
Tanaman Kelapa, Vol.5, No. 2, Juli 2010.
Kristanto, H., 2000. Konsep dan Perancangan Database. Andi Offset. Yogyakarta.
94



Kusumadewi, S., Artificial Intelligence (Teknik dan Aplikasinya), Edisi Pertama, Graha
Ilmu Yogyakarta.
McLeod, R., 1996, Management Information System (Sistem Informasi Manajemen),
Jilid I, PT Prenhallindo, Jakarta.
Pradana, C. P. dan Kusumadewi, S., 2007, Aplikasi Diagnosis Penyakit Hepatitis Untuk
Mobile Device Menggunakan J2ME, Media Informatika, No.2, Vol.5, 87-98.
Primus, J., 2008, Lalat Buah Hengkang Ekspor Mangga Indonesia Menjulang,
http://nasional.kompas.com/read/2008/11/04/17052313/lalat.buah.hengka
ng.ekspor.mangga.indonesia.menjulang, diakses tanggal 19 Oktober 2011.
Rambey, H.M., 2011, Sistem Pakar Untuk Menentukan Penyakit dan Hama pada
Tanaman Semangka Menggunakan Metode Forward Chaining, Skripsi,
Program Stude Ekstensi S1 Ilmu Komputer, Universitas Sumatra Utara,
Medan.
Sasmito, G.W., 2010, Aplikasi Sistem Pakar Untuk Simulasi Diagnosa Hama dan
Penyakit Tanaman Bawang Merah dan Cabai Menggunakan Forward
Chaining dan Pendekatan Berbasis Aturan, Tesis, Program Studi Magister
Sistem Informasi, Universitas Diponogoro, Semarang.
Setyolaksono, M. P., 2011, Ekologi Hama Pasca Panen (Hama Gudang),
http://ditjenbun.deptan.go.id/bbp2tpbon/index.php?option=com_content&vi
ew=article&id=77:ekologi-hama-pascapanen-hama-gudang&catid=12:news,
diakses tanggal 19 Oktober 2011.
Turban, E., 1995, Decision Support System And Intellegence System, 4th ed.,
Prentice-Hall International, New Jersey.
Turban, E., Sharda, R., dan Delen, D., 2005, Decision Support and Business
Intelligence System, Ninth Edition, Pearson Education, Inc., New Jersey.