Abstrak
Tanaman kelapa sawit (Elaeis guinensis) berasal dari Nigeria, Afrika Barat. Pada kenyataannya tanaman
kelapa sawit hidup subur di luar daerah asalnya, seperti Malaysia, Indonesia, Thailand, dan Papua Nugini.
Bagi Indonesia, tanaman kelapa sawit memiliki arti penting bagi pembangunan perkebunan nasional. Selain
mampu menciptakan kesempatan kerja yang mengarah pada kesejahteraan masyarakat, juga sebagai sumber
perolehan devisa negara, di samping itu banyaknya jenis penyakit pada tanaman kelapa sawit dan kurangnya
informasi untuk menangani penyakit tersebut bahkan susahnya orang awam dalam berkonsultasi langsung
dengan seorang pakar membuat petani kesulitan dalam menangani penyakit pada tanaman kelapa sawit
tersebut. Dari penjelasan di atas untuk itu penulis membuat suatu sistem pakar mendiagnosa penyakit
tanaman kelapa sawit dengan metode certainty factor yang dimaksudkan untuk membantu kerja petani dalam
memberikan informasi serta kesimpulan dari penyakit yang di derita pada tanaman kelapa sawit tersebut.
Experimen yang dilakukan dengan menggunakan Basis Rule untuk mendiagnosa gejala-gejala penyakit
tanaman kelapa sawit dan jenis penyakit kelapa sawit tersebut, dan memberikan solusi yang tepat untuk
penanganannya.
122
Seminar Nasional Informatika 2014
dengan metode certainty factor sebagai alat bantu kemudian tahun 1923 mulai mengekspor minyak
dalam mengambil kesimpulan pada penyakit inti sawit sebesar 850 ton.[2]
tanaman kelapa sawit tersebut.
2.4 Metode Certainty Factor
2. Dasar Teori
Certainty Factor (CF) menunjukkan ukuran
2.1 Sistem Pakar kepastian terhadap suatu fakta atau aturan [3].
Dalam mengekspresikan derajat keyakinan,
Sistem Pakar (Expert System) adalah suatu Certainty Theory menggunakan suatu nilai yang
program komputer cerdas yang menggunakan disebut certainty factor (CF) untuk
knowledge (pengetahuan) dan prosedur inferensi mengasumsikan derajat keyakinan seorang pakar
untuk menyelesaikan masalah yang cukup sulit terhadap suatu data. certainty factor
sehingga membutuhkan seorang yang ahli untuk memperkenalkan konsep belief/keyakinan dan
menyelesaikannya [1]. Semakin banyak disbelief/ketidakyakinan. Konsep ini kemudian
pengetahuan yang dimasukkan kedalam sistem diformulasikan dalam rumusan dasar sebagai
pakar, maka sistem tersebut akan semakin berikut:
bertindak sehingga hampir menyerupai pakar CF[H,E] = MB[H,E] – MD[H,E]
sebenarnya.
Keterangan :
CF = Certainty Factor (Faktor Kepastian)
dalam Hipotesis H yang dipengaruhi
oleh fakta E.
MB = Measure of Belief (Tingkat
Keyakinan),
merupakan ukuran kenaikan dari
kepercayaan hipotesis H
Gambar : 1. Konsep Dasar Sistem Pakar dipengaruhi oleh fakta E.
MD = Measure of Disbelief (Tingkat
2.2 Kekurangan Sistem Pakar Ketidakyakinan), merupakan
kenaikan dari ketidakpercayaan
Selain manfaat, ada juga beberapa hipotesis H dipengaruhi oleh fakta
kekurangan yang ada pada Sistem Pakar, E.
diantaranya [5]: E = Evidence (Peristiwa atau Fakta)
1. Biaya yang sangat mahal untuk membuat dan
memeliharanya. Ada 3 hal yang mungkin terjadi pada metode
2. Sulit dikembangkan karena keterbatasan Certainty Factor, yaitu :
keahlian dan ketersediaan pakar. 1. Beberapa evidence dikombinasikan untuk
3. Sistem pakar tidak 100% bernilai benar. menentukan CF dari suatu hipotesis. Jika e1
dan e2 adalah observasi ditunjukkan oleh
2.3 Sekilas Sejarah Kelapa Sawit gambar. 2, Maka:
123
Seminar Nasional Informatika 2014
Login pakar
<<include>>
<<include>>
<<include>>
Login user
<<include>>
pastian dari suatu aturan menjadi input untuk Input data user
<<include>>
Input data aturan
Melakukan konsultasi
4 berikut: <<extend>> Mengolah basis
pengetahuan
<<include>>
User
Mendapatkan hasil konsultasi Manipulasi hasil
124
Seminar Nasional Informatika 2014
125
Seminar Nasional Informatika 2014
126
Seminar Nasional Informatika 2014
Tabel 2. Certainty Factor (CF) Rule menunjukkan bahwa sistem pakar ini dapat
Uncertain Term CF mendiagnosa penyakit tanaman kelapa
Definitely not (pasti tidak) -1.0 sawit sesuai dengan jawaban yang
Almost certainly not (hampir pasti -0.8 diberikan oleh user dengan nilai
tidak) keakuratan 85%.
Probably not (kemungkinan besar -0.6 2. Sistem yang penulis rancang hanya dapat
tidak) digunakan untuk mendiagnosa penyakit
Maybe not (mungkin tidak) -0.4 pada tanaman kelapa sawit saja.
Unknown (tidak tahu) -0.2 to 0.2 3. Metode yang digunakan dalam
Maybe (mungkin) 0.4 perancangan aplikasi ini adalah metode
Probably (kemungkinan besar) 0.6 Certainty Factor.
Almost certainly (hampir pasti) 0.8 4. Dengan dilakukannya pemakaian sistem
informasi yang tepat terutama dalam
Definitely (pasti) 1.0
masalah konsultasi, maka hasil yang
diperoleh dalam menangani masalah
6. Hasil
tersebut akan jauh lebih cepat, sehingga
data yang dibutuhkan akan lebih cepat dan
Form ini merupakan tampilan data
efisien sekalipun data yang diolah banyak.
knowledge. Pada form ini terdapat aturan dari
5. Sistem pakar yang dibuat akan
beberapa pertanyaan berupa gejala dari penyakit
memberikan solusi berupa penanganan
tanaman kelapa sawit yang bersangkutan.
awal serta pola penanganan penyakit
Gambar. 7 berikut ini menampilkan form
tanaman kelapa sawit.
knowledge.
6. Sistem Informasi ini telah dirancang dan
diimplementasikan menggunakan program
Visual Basic 2010 dan Ms. SQL Server
2008 sebagai databasenya dan sudah dapat
digunakan untuk konsultasi mengenai
penyakit pada tanaman kelapa sawit.
Daftar Pustaka:
127