PEMODELAN SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN

CABAI MERAH MENGGUNAKAN

METODE AHP-SAW

SKRIPSI

Untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Komputer

Disusun oleh:
Muhammad Ali Al Atas
NIM: 115060807111008

TEKNIK INFORMATIKA/ILMU KOMPUTER

PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER
UNIVERSITAS BRAWIJAYA
MALANG
2015

i
 PENGESAHAN

PEMODELAN SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN CABAI MERAH

MENGGUNAKAN METODE AHP-SAW

SKRIPSI

Diajukan untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Komputer

Disusun Oleh :
Muhammad Ali Al Atas
NIM: 115060807111008

Skripsi ini telah diuji dan dinyatakan lulus pada

1 Oktober 2015
Telah diperiksa dan disetujui oleh:

Dosen Pembimbing I Dosen Pembimbing II

Nurul Hidayat, S.Pd, M.Sc Drs. Marji, M.T.

NIP: 19680430 200212 1 001 NIP: 19670801 199203 1 001

Mengetahui
Ketua Program Studi Teknik Informatika / Ilmu Komputer

Drs. Marji, M.T.

NIP: 19670801 199203 1 001

ii
 PERNYATAAN ORISINALITAS

Saya menyatakan dengan sebenar-benarnya bahwa sepanjang pengetahuan

saya, di dalam naskah skripsi ini tidak terdapat karya ilmiah yang pernah
diajukan oleh orang lain untuk memperoleh gelar akademik di suatu perguruan
tinggi, dan tidak terdapat karya atau pendapat yang pernah ditulis atau
diterbitkan oleh orang lain, kecuali yang secara tertulis disitasi dalam nskah ini
dan disebutkan dalam daftar pustaka.
Apabila ternyata didalam naskah skripsi ini dapat dibuktikan terdapat unsur-
unsur plagiasi, saya bersedia skripsi ini digugurkan dan gelar akademik yang telah
saya peroleh (sarjana) dibatalkan, serta diproses sesuai dengan peraturan
perundang-undangan yang berlaku (UU No. 20 Tahun 2003, Pasal 25 ayat 2 dan
Pasal 70).

Malang, 3 Desember 2015

Muhammad Ali Al Atas

NIM: 115060807111008

iii
 KATA PENGANTAR

Puji dan syukur saya ucapkan kepada Tuhan Yang Maha Esa, karena atas
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini. Skripsi
dengan judul “Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah
Menggunakan Metode AHP-SAW” disusun sebagai salah satu persyaratan untuk
menyelesaikan studi pada Jurusan Teknik Informatika, Fakultas Ilmu Komputer,
Universitas Brawijaya. Penulis menyadari bahwa skripsi ini dapat terselesaikan
atas bantuan, dukungan dan bimbingan dari berbagai pihak yang telah
membantu dalam proses penyelesaian. Oleh karena itu penulis mengucapkan
terima kasih kepada :
1. Nurul Hidayat, S.Pd., MSc., selaku Dosen Pembimbing Skripsi pertama yang telah
meluangkan waktu dan juga memberikan pengarahan bagi penulis.
2. Drs. Marji, M.T. selaku Dosen Pembimbing kedua yang telah meluangkan waktu dan
juga memberikan pengarahan bagi penulis.
3. Kedua orang tua saya, Achmad Syaifi Noer dan Siti Aisyah yang selalu memberikan
dukungan moril dan materil.
4. Segenap bapak dan ibu dosen program studi Teknik Informatika / Ilmu Komputer
beserta staff administrasi yang telah membantu penulis Selama masa studi.
5. Prof. Dr. Ir. Moh. Cholil Mahfud, M.S. yang telah meluangkan waktu dalam
pemberian data yang dibutuhkan penulis untuk menyelesaikan skripsi.
6. Maria Ulfa, Titik Rahayu, Alfi Majiidah, M. Lukman, Gus Imam, Gus Salim, Lek Atin
dan segenap keluarga besar penulis yang telah memberi doa dan motivasi penulis
dalam menyelesaikan skripsi ini.
7. Ryan Gendut, Manyuk, Fajar, Tyo, Adit, Anggi, Itak, Kidi, Wiki, Billy, Johan, Ganda,
Tomy Serta seluruh teman-teman Teknik Informatika 2011 yang telah memberikan
waktunya untuk penulis dalam menyelesaikan skripsi penulis.
8. Bendot, Sembon, Izoom, Gempar, Imron, Acha, Mortir, Gatra, Fauzi, dan seluruh
penghuni kontrakan Poharin F65 serta segenap anggota Guild Grendel yang telah
menghibur penulis dalam proses penyelesaian skripsi ini.
9. Semua pihak yang telah membantu dalam penyelesaian skripsi ini.
Penulis menyadari banyak sekali kekurangan yang terdapat dalam
penulisan skripsi ini. Semoga penulisan skripsi ini dapat bermanfaat bagi semua
pembaca dan pengembang yang ingin mengembangkan penulisan selanjutnya,
penulis mengharapkan kritik dan saran dari pembaca yang bersifat membangun
untuk menutupi kekurangan – kekurangan yang ada.

Malang, 3 Desember 2015

Penulis
muh_alialatas@yahoo.com

iv
 ABSTRAK
Muhammad Ali Al Atas. 2015. Pemodelan Sistem Pakar Diagnosa Penyakit
Tanaman Cabai Merah Menggunakan Metode AHP-SAW. Fakultas Ilmu
Komputer, Universitas Brawijaya Malang. Dosen Pembimbing : Nurul Hidayat,
S.Pd., MSc dan Drs. Marji, M.T.

Cabai merah (Capsicum annumm L.) tergolong tanaman buah dan

sayuran rempah (bumbu dapur), yang hampir semua kalangan masyarakat
mengkonsumsinya untuk keperluan sehari-hari. Cabai merah tidak hanya
digunakan untuk konsumsi rumah tangga, tetapi cabai merah juga digunakan
dalam aneka industri sebagai bahan baku. Pemanfaatannya sebagai bahan baku
aneka industri menjadikan cabai merah sebagai komoditas sayuran yang bernilai
ekonomi tinggi dan mempunyai prospek bisnis yang sangan menguntungkan,
sehingga perlu ditingkatkan produksinya. Akan tetapi ganguan penyakit cabai
merah yang cukup kompleks menyebabkan petani kesulitan untuk mendiagnosa
penyakit tanaman cabai merah dan mengakibatkan tingkat produksi berkurang.
Salah satu solusi permasalah ini adalah dengan dibentuknya pemodelan sistem
pakar yang dapat membantu petani untuk mendiagnosa penyakit utama
tanaman cabai merah secara praktis dan akurat. Pada pemodelan sistem pakar
ini menggunakan metode Analitical Hierarchy Process (AHP)- Simple Additive
Weighting (SAW). AHP digunakan untuk mencari nilai bobot kriteria awal
sedangkan SAW digunakan untuk mencari nilai bobot kriteria akhir yang
diperlukan untuk menentukan hasil diagnosa jenis penyakit tanaman cabai
merah. Berdasarkan data hasil pengujian yang dilakukan pada penelitian ini,
sistem dapat melakukan diagnosa penyakit tanaman cabai merah dengan tingkat
akurasi sebesar 96%.
Kata Kunci: Cabai Merah, Analytical Hierarchy Process, Simple Additive
Weighting, AHP, SAW, Penyakit Tanaman, Sistem Pakar.

v
 ABSTRACT

Muhammad Ali Al Atas. 2015. Pemodelan Sistem Pakar Diagnosa Penyakit

Tanaman Cabai Merah Menggunakan Metode AHP-SAW. Fakultas Ilmu
Komputer, Universitas Brawijaya Malang. Dosen Pembimbing : Nurul Hidayat,
S.Pd., MSc dan Drs. Marji, M.T.

Red pepper (Capsicum annuum L.) plant is classified as a fruit and

vegetable spices (herbs), which almost everyone uses it for daily purposes. Red
peppers are not only used for domestic consumption, but also used in various
industries as a raw material. The utilization as a raw material for various
industries has made red chili as a high value economic commodity vegetables
and has a unbelievably profitable business prospect, so it needs to be increased
in production rate. However. the disturbance from red chili disease for farmers
are quite complex. It causes difficulty to diagnose plant diseases and resulted in
reduced production levels. One solution to this problem is the establishment of
an expert system modeling that can help farmers to diagnose major diseases of
red pepper plant practically and accurately. This expert system modeling uses
Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW)
methods. AHP is used to find the value of weights whereas SAW initial criteria
used to find the weight value of final criteria necessarily to determine the
diagnosis result of red chili pepper plant disease. Based on the data taken from
tests performed in this study, the system can diagnose red chili plant disease
with 96% accuracy rate.

Keywords: Red Chili, Analytical Hierarchy Process, Simple Additive Weighting,

AHP, SAW, Plant Diseases, Expert System.

vi
 DAFTAR ISI

PENGESAHAN .......................................................................................................................ii
PERNYATAAN ORISINALITAS .............................................................................................. iii
KATA PENGANTAR.............................................................................................................. iv
ABSTRAK ..............................................................................................................................v
ABSTRACT ........................................................................................................................... vi
DAFTAR ISI ......................................................................................................................... vii
DAFTAR GAMBAR ................................................................................................................ x
DAFTAR TABEL .................................................................................................................... xi
BAB I LATAR BELAKANG 1
1.1. Latar Belakang ..................................................................................................... 1
1.2. Rumusan Masalah ............................................................................................... 2
1.3. Batasan Masalah ................................................................................................. 2
1.4. Tujuan.................................................................................................................. 3
1.5. Manfaat ............................................................................................................... 3
1.6. Sistematika Penelitian ......................................................................................... 3
BAB II TINJAUAN PUSTAKA 5
2.1. Kajian Pustaka ..................................................................................................... 5
2.2. Pemodelan .......................................................................................................... 6
2.3. Sistem Pakar ........................................................................................................ 7
2.3.1. Konsep Dasar Sistem Pakar ......................................................................... 7
2.3.2. Tujuan Sistem Pakar .................................................................................... 7
2.3.3. Keuntungan Sistem Pakar............................................................................ 8
2.3.4. Kelemahan Sistem Pakar ............................................................................. 8
2.3.5. Struktur Sistem pakar .................................................................................. 8
2.3.6. Area Permasalahan Aplikasi Sistem Pakar................................................. 10
2.3.7. Mesin Inferensi (Inference Engine)............................................................ 10
2.3.8. Basis Pengetahuan .................................................................................... 11
2.4. Analitical Hierarchy Process (AHP) .................................................................... 11
2.5. Simple Additive Weighting (SAW) ..................................................................... 13
2.6. Pengujian........................................................................................................... 15
2.6.1. Pengujian Fungsional ................................................................................ 15
2.6.2. Pengujian Akurasi ...................................................................................... 15
2.7. Tanaman Cabai Merah ...................................................................................... 15
2.7.1. Klasifikasi Tanaman Cabai Merah .............................................................. 16
2.7.2. Deskripsi dan Morfologi Tanaman Cabai Merah ....................................... 16
2.7.3. Penyakit Utama Tanaman Cabai Merah .................................................... 17
BAB III METODOLOGI PENELITIAN 20
3.1. Studi Literatur ................................................................................................... 21
3.2. Pengumpulan Data ............................................................................................ 21
3.3. Analisa Kebutuhan ............................................................................................ 22

vii
 3.4. Perancangan Sistem .......................................................................................... 22
3.4.1. Model Perancangan Sistem ....................................................................... 22
3.4.2. Arsitektur Sistem Pakar ............................................................................. 23
3.5. Implementasi .................................................................................................... 24
3.6. Pengujian dan Analisa Sistem ........................................................................... 24
3.7. Pengambilan Kesimpulan .................................................................................. 24
BAB IV PERANCANGAN DAN ANALISIS 25
4.1. Analisa Kebutuhan Perangkat Lunak ................................................................. 26
4.1.1. Identifikasi Pengguna ................................................................................ 26
4.1.2. Analisa Kebutuhan Masukan ..................................................................... 26
4.1.3. Analisa Kebutuhan Proses ......................................................................... 27
4.1.4. Analisa Kebutuhan Keluaran ..................................................................... 28
4.2. Perancangan Perangkat Lunak .......................................................................... 28
4.3. Perancangan Sistem Pakar ................................................................................ 28
4.3.1. Akusisi Pengetahuan ................................................................................. 29
4.3.2. Basis pengetahuan .................................................................................... 30
4.3.3. Mesin Inferensi.......................................................................................... 32
4.3.4. Blackboard ................................................................................................ 41
4.3.5. Fasilitas Penjelas........................................................................................ 41
4.3.6. Perancangan Algoritma Pemodelan Sistem Pakar Diagnosa Penyakit
Tanaman Cabai Merah .............................................................................................. 41
4.3.7. Antarmuka................................................................................................. 42
4.3.8. Desain Pengujian ....................................................................................... 45
BAB V IMPLEMENTASI 47
5.1. Implementasi Sistem ......................................................................................... 48
5.1.1. Spesifikasi Perangkat Keras ....................................................................... 48
5.1.2. Spesifikasi Perangkat Lunak ...................................................................... 48
5.2. Batasan Implementasi ....................................................................................... 48
5.3. Implementasi Algoritma.................................................................................... 49
5.3.1. Implementasi Algoritma Pembobotan Menggunakan Metode AHP ........ 49
5.3.2. Implementasi Algoritma Keputusan Akhir Menggunkan Metode SAW .... 52
5.4. Implementasi Antarmuka.................................................................................. 55
5.4.1. Implementasi Antarmuka Halaman Utama ............................................... 55
5.4.2. Implementasi Antarmuka Halaman Formula Diagnosa ............................ 56
5.4.3. Implementasi Antarmuka Halaman Hasil Diagnosa .................................. 57
5.4.4. Implementasi Antarmuka Halaman Aboout Me ....................................... 57
BAB VI PENGUJIAN 59
6.1. Pengujian Fungsionalitas................................................................................... 60
6.1.1. Prosedur dan Hasil Pengujian Fungsionalitas ........................................... 60
6.1.2. Analisa Pengujian Fungsionalitas .............................................................. 60
6.2. Pengujian Akurasi .............................................................................................. 60
6.2.1. Prosedur dan Hasil Pengujian Akurasi ....................................................... 61
6.2.2. Analisa Pengujian Akurasi ......................................................................... 65
BAB VII PENUTUP 66
7.1. Kesimpulan ........................................................................................................ 66

viii
 7.2. Saran ................................................................................................................. 66
DAFTAR PUSTAKA 67

ix
 DAFTAR GAMBAR

Gambar 2.1 Struktur Sistem Pakar.................................................................................. 9

Gambar 2.2 Penyakit Antraknosa ................................................................................. 17
Gambar 2.3 Penyakit Bercak Daun Corcospora ............................................................ 18
Gambar 2.4 Penyakit Kerupuk ...................................................................................... 18
Gambar 2.5 Penyakit Virus Gemini ............................................................................... 19
Gambar 3.1 Diagram Blok Metodologi Penelitian ........................................................ 20
Gambar 3.2 Model Perancangan Sistem Pakar Diagnosa Penyakit Tanaman Cabai
Merah .......................................................................................................................... 23
Gambar 3.3 Arsitektur Sistem Pakar ............................................................................. 24
Gambar 4.1 Pohon Perancangan .................................................................................. 25
Gambar 4.2 Diagram Alir Perhitungan Metode AHP .................................................... 33
Gambar 4.3 Diagram Alir Perhitungan Metode SAW.................................................... 35
Gambar 4.4 Rancang Proses Diagnosa Penyakit Tanaman Cabai Merah...................... 42
Gambar 4.5 Sitemap Antarmuka Sistem Pakar ............................................................. 42
Gambar 4.6 Desain Antarmuka Halaman Utama dan Informasi .................................. 43
Gambar 4.7 Desain Antarmuka Halaman Formula Diagnosa ....................................... 44
Gambar 4.8 Desain Antarmuka Halaman Hasil Diagnosa ............................................. 44
Gambar 4.9 Desain Antarmuka Halaman About Me .................................................... 45
Gambar 5.1 Pohon Implementasi ................................................................................. 47
Gambar 5.2 Implementasi Algoritma Perhitungan Normalisasi Perbangingan Kriteria 50
Gambar 5.3 Implementasi Algoritma Perhitungan Bobot Kriteria ............................... 50
Gambar 5.4 Implementasi Algoritma Perhitungan Konsistensi .................................... 51
Gambar 5.5 Implementasi Algoritma Matriks Keputusan ............................................ 53
Gambar 5.6 Implementasi Algoritma Normalisasi Matriks .......................................... 54
Gambar 5.7 Implementasi Algoritma Kesimpulan Akhir .............................................. 55
Gambar 5.8 Implementasi Antarmuka Halaman Utama .............................................. 56
Gambar 5.9 Implementasi Antarmuka Halaman Formula Diagnosa ............................ 56
Gambar 5.10 Implementasi Antarmuka Halaman Hasil Diagnosa ................................ 57
Gambar 5.11 Implementasi Antarmuka Halaman About Me ....................................... 58
Gambar 6.1 Pohon Pengujian dan Analisa.................................................................... 59

x
 DAFTAR TABEL

Tabel 2.1 Kajian Pustaka.................................................................................................. 6

Tabel 2.2 Skala Penelitian Perbandingan ...................................................................... 12
Tabel 2.3 Susunan Matriks Perbandingan Berpasangan ............................................... 12
Tabel 2.4 Ratio Index ..................................................................................................... 13
Tabel 3.1 Penentuan Kebutuhan Data Penelitian ......................................................... 22
Tabel 4.1 Daftar Kebutuhan Fungsional ........................................................................ 27
Tabel 4.2 Daftar Kebutuhan Non-Fungsional ................................................................ 27
Tabel 4.3 Perancangan Perangkat Lunak ...................................................................... 28
Tabel 4.4 Keterangan Penelitian pada Gejala Penyakit Tanaman Cabai Merah............ 30
Tabel 4.5 Data Aturan Penyakit Tanaman Cabai Merah................................................ 31
Tabel 4.6 Daftar Nilai Bobot Gejala Penyakit Tanaman Cabai Merah ........................... 32
Tabel 4.7 Daftar Keterangan Kode Gejala Tanaman Cabai Merah ................................ 32
Tabel 4.8 Matriks Perbandingan Berpasangan ............................................................. 36
Tabel 4.9 Matriks Perbandingan Berpasangan Penuh .................................................. 37
Tabel 4.10 Matriks Ternormalisasi ................................................................................ 37
Tabel 4.11 Matriks Perkalian dengan Bobot [1] ............................................................ 38
Tabel 4.12 Matriks Perkalian dengan Bobot [2] ............................................................ 38
Tabel 4.13 Nilai Bobot Gejala Terpilih ........................................................................... 39
Tabel 4.14 Matriks Keputusan ...................................................................................... 39
Tabel 4.15 Matriks Ternormalisasi ................................................................................ 40
Tabel 4.16 Hasil Nilai Preferensi.................................................................................... 40
Tabel 4.17 Skenario Pengujian Fungsional .................................................................... 45
Tabel 4.18 Contoh Pengujian Akurasi ........................................................................... 46
Tabel 5.1 Spesifikasi Perangkat Keras ........................................................................... 48
Tabel 5.2 Spesifikasi perangkat Lunak .......................................................................... 48
Tabel 6.1 Pengujian Fungsionalitas ............................................................................... 60
Tabel 6.2 Pengujian Akurasi .......................................................................................... 61

xi
 BAB I
LATAR BELAKANG

1.1. Latar Belakang

Cabai merah (Capsicum annuum L.) tergolong tanaman buah dan sayuran
rempah (bumbu dapur), yang hampir semua kalangan masyarakat
mengkonsumsinya untuk keperluan sehari-hari. Terbukti pada data statistik
konsumsi pangan rumah tangga di Indonesia selama periode tahun 2002 – 2012
konsumsi cabai merah relatif berfluktuasi namun cenderung mengalami
peningkatan dari tahun ke tahun. Konsumsi cabai merah pada tahun 2002
mencapai 1,429 kg/kapita kemudian mengalami peningkatan pada tahun 2012
mencapai 1,653 kg/kapita atau meningkat sebesar 1,74 persen per tahun [1].
Cabai merah tidak hanya digunakan untuk konsumsi rumah tangga sebagai
bumbu dapur, tetapi cabai merah juga digunakan dalam industri farmasi untuk
membuat obat-obatan, bahan campuran pada berbagai industri pengolahan
makanan, pewarna bahan makanan, kosmetik, serta bahan campuran pada
industri makanan ternak. Pemanfaatanya sebagai bahan baku aneka industri
tersebut cabai merah sebagai komoditas sayuran yang bernilai ekonomi tinggi
dan mempunyai prospek bisnis yang sangat menguntungkan [2].
Cabai merah merupakan salah satu komoditas strategis pada sektor
hortikultura yang perlu ditingkatkan produksinya. Akan tetapi gangguan penyakit
yang menyerang tanaman cabai merah cukup kompleks, dengan gejala penyakit
cukup banyak dan beberapa penyakit yang memiliki gejala yang sama
menyebabkan petani kesulitan dalam mendiagnosa penyakit tanaman cabai
merah serta mengakibatkan tingkat produksi berkurang. Dibentuknya pemodelan
sistem pakar diagnosa penyakit tanaman cabai merah menjadi salah satu solusi
petani untuk mengendalikan penyakit yang terjadi pada tanaman cabai merah.
Penelitian sebelumnya yang berkaitan dengan permasalahan ini pernah
dilakukan oleh Anas Anshori (2011) dan Silvi Agustina (2014) [3][4]. Anas Anshori
melakukan penelitian dengan membangun aplikasi sistem pakar diagnosa
penyakit pada tanaman cabai merah menggunakan metode Forward Chaining.
Hasil pengujian yang dilakukan Anas Anshori berupa alpha dan beta perangkat
lunak sebagai berikut [3]:
1. Dari pengujian alpha, hasil penilaian terhadap sistem berupa 100%
responden menjawab “Ya” dan 0% menjawab “Tidak” mengenai sistem
yang dibuat.
2. Dari pengujian beta, 35,7% menilai “Sangat Setuju”, 64,3% menilai
“Setuju”, 0% menilai “Kurang Setuju”, dan 0% menilai “Tidak Setuju”
tentang sistem yang dibuat.

1
 Penelitian berikutnya adalah penelitian yang dilakukan oleh Silvi Agustina.
Pada penelitian yang dilakukan berjudul Sistem Pendukung Keputusan Penentu
Prioritas Pelanggan Dealer Suzuki Soekarno Hatta Malang menggunakan Metode
AHP dan SAW. Pada pengujian sensitivitas dimana pengujian dilakukan pada lima
data pertama dengan menaikkan dan menurunkan nilai bobot sebesar 20%, 30%,
dan 40%. Dari hasil pengujian pada setiap bobot kriteria dihasilkan bahwa tidak
terdapat perubahan pada hasil ranking prioritas setiap kriteria. Pengujian ini
bertujuan untuk mengetahui sensitivitas masing-masing kriteria pada sistem yang
dibuat [4].
Berdasarkan paparan yang dijelaskan maka penulis melakukan penelitian
dengan judul “Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah
Menggunakan Metode AHP-SAW” dengan harapan dapat memodelkan sistem
pakar diagnosa penyaakit tanaman cabai merah yang dapat memberikan solusi
secara tepat.

1.2. Rumusan Masalah

Berdasarkan permasalahan yang terdapat pada latar belakang, dapat
dirumuskan permasalahan sebagai berikut:
1. Bagaimana merancang pemodelan sistem pakar diagnosa penyakit
tanaman cabai merah menggunakan metode AHP-SAW.
2. Bagaimana hasil pengujian pemodelan sistem pakar diagnosa penyakit
tanama cabai merah menggunakan metode AHP-SAW.

1.3. Batasan Masalah

Adapun batasan masalah dalam penelitian ini, berupa:
1. Objek dalam penelitian adalah tanaman cabai merah.
2. Metode yang digunakan dalam penelitian ini AHP yang digunakan untuk
mencari bobot setiap kriteria, dan metode SAW digunakan untuk
menentukan bobot akhir dalam menentukan penyakit.
3. Gejala penyakit yang dipertimbangkan dalam penelitian pemodelan sistem
pakar memiliki 13 butir, antaralain:
a. Bercak kering pada daun
b. Bercak daun berbentuk bulat dan sobek
c. Bercak berwarna coklat abu-abu
d. Daun menggulung ke arah bawah
e. Daun menguning
f. Daun hijau pekat mengkilat
g. Daun gugur
h. Daun berkerut dan permukaan tidak rata
i. Tulang daun menonjol/ menebal
j. Buah mengering dan keriput
k. Buah terdapat bercak hitam dan membusuk
l. Bakal buah dan bunga gugur

2
 m. Tanaman kerdil
4. Kriteria gejala dalam pemodelan sistem pakar memiliki lima butir,
antaralain:
a. Antraknosa
b. Cercospora
c. Penyakit Kerupuk
d. Virus Gemini
e. Penyakit Campuran
5. Pengujian dilakukan dalam dua tahap, yaiut pengujian fungsional dan
pengujian akurasi.

1.4. Tujuan
Tujuan adanya penelitian ini adalah:
1. Memodelkan sistem pakar diagnosa penyakit tanaman cabai merah
menggunakan metode AHP-SAW.
2. Melakukan pengujian pada pemodelam sistem pakar yang menggunakan
metode AHP-SAW pada diagnosa tanaman cabai merah.

1.5. Manfaat
Manfaat dilakukannya penelitian ini harapannya dapat membantu para
petani dalam mendiagnosa penyakit tanaman cabai merah yang mengakitbatkan
meningkatnya produksi.

1.6. Sistematika Penelitian

Sistematika penulisan pada penelitian ini terdiri dari tujuh bab, antaralain:
BAB I PENDAHULUAN
Pada bab ini membahas mengenai latar belakang, rumusan
masalah, batasan masalah, tujuan, manfaat, dan sistematika
penulisan penelitian.
BAB II TINJAUAN PUSTAKA
Pada bab ini membahas mengenai dasar teori dan referensi yang
dibutuhkan untuk pemahaman permasalahan yang dibahas pada
penelitian ini. Teori-teori yang dibahas pada bab ini adalah
pemodelan, sistem pakar, metode AHP dan SAW, pengujian, dan
tanaman cabai merah beserta penyakitnya.
BAB III METODOLOGI PENELITIAN
Pada bab ini membahas metode yang digunakan dan langkah-
langkah yang diambil dalam penelitian ini meliputi studi literature,
pengumpulan data, analisis kebutuhan, perancangan sistem,

3
 implementasi, pengujian dan analisis, dan pengambilan
kesimpulan.
BAB IV PERANCANGAN DAN ANALISIS
Pada bab ini membahas mengenai perancangan sistem pakar,
perancangan perangkat lunak, dan analisa kebutuhan sistem.
BAB V IMPLEMENTASI
Pada bab ini membahas tentang proses implementasi dari metode
AHP-SAW pada pemodelan sistem pakar yang diusulkan.
BAB VI PENGUJIAN
Pada bab ini membahas mengenai perbandingan pengujian pada
metode yang digunakan dari hasil sistem dengan hasil yang
didapat dari pakar serta pengujian fungsionalitas dari sistem yang
telah digunakan.
BAB VII PENUTUP
Pada bab ini diuraikan kesimpulan akhir penelitian dan juga
terdapat saran-saran untuk pengembangan penelitian.

4
 BAB II
TINJAUAN PUSTAKA

Bab ini berisi kajian pustaka dan teori dasar yang berhubungan dengan
pemodelan sistem pakar diagnosa penyakit tanaman cabai merah menggunakan
metode AHP-SAW.

2.1. Kajian Pustaka

Kajian pusata pada penelitian ini adalah membahas penelitian sebelumnya
yang berjudul Sistem Pengambil Keputusan Penentu Prioritas Pelanggan Dealer
Suzuki Soekarno Hatta Malang Menggunakan Metode AHP dan SAW.
Silvi Agustina dari Universitas Brawijaya pernah menggunakan metode AHP
sebagai media untuk pembentukan bobot awal kriteria. Objek penelitian dari
kasus ini adalah data pelanggan Dealer Suzuki Soekarno Hatta Malang. Metode
untuk menentukan bobot akhir adalah SAW. Gabungan metode yang digunakan
tersebut dapat digunakan untuk menentukkan prioritas pelangan di Dealer Suzuki
Soekarno Hatta Malang. Dengan menggunakan pengujian sensitivitas dengan
menaikkan dan menurunkan nilai bobot sebesar 20%, 30% dan 40%. Dari hasil
pengujian pada setiap bobot kriteria dihasilkan bahwa tidak terdapat perubahan
pada hasil ranking prioritas setiap kriteria. Pengujian ini bertujuan untuk
mengetahui sensitivitas masing-masing kriteria pada sistem yang dibuat [4].
Anas Anshori pernah melakukan penelitian dengan menggunakan metode
forward chaining untuk sistem pakar diagnosa penyakit tanaman cabai merah.
Tujuan dari penelitian yang dilakukan oleh Anas Anshori untuk membangun suatu
sistem pakar yang dapat mendiagnosa penyakit pada tanaman cabai merah
berdasarkan basis pengetahuan.
Pengujian yang dilakukan Anas Anshori menggunakan pengujian alpha dan
beta. Pengujian ini difokuskan pada fungsionalitas perangkat lunak pada tahap
pre-release. Berdasarkan pengujian alpha didapatkan hasil 100% “Ya” yang
berarti sistem siap untuk diluncurkan, pada tahan pengujian beta didapat hasil
pengujian 35,7% menilai “Sangat Setuju”, 64,3% menilai “Setuju”, 0% menilai
“Kurang Setuju” ini membuktikan bahwa sitem pakar yang di buat layak untuk
digunakan oleh pengguna sistem pakar untuk mengetahui penyakit tanaman
cabai dan pengendaliannya [3].
Perbedaan pada penelitian yang diusulkan penulis adalah penggunaan
metode yaitu AHP-SAW yang dipergunakan untuk diagnosa penyakit pada
tanaman cabai merah. Aspek dasar diagnosa penyakit diperoleh dari gejala-gejala
yang telah ditentukan langsung oleh pakar. Analisa mengenai perbandingan
kajian pustaka dan penelitian yang diusulkan ditujukkan pada Tabel 2.1.

5
 Tabel 2.1 Kajian Pustaka

No Judul Objek Metode Hasil

Tidak terdapat
1. Sistem Pengambil Data AHP dan perubahan pada hasil
Keputusan Penentu Prioritas Pelanggan SAW ranking prioritas dari
Pelanggan Dealer Suzuki Dealer setiap kriteria.
Soekarno Hatta Malang Suzuki
Menggunakan Metode AHP Soekarno
dan SAW [4]. Hatta
Malang
Rancang Bangun Sistem 100% menyatakan
2. Pakar untuk Mendiagnosa Tanaman Forward “Ya” pada Alpha
Penyakit Tanaman Cabai Cabai Chaining Testing, dan 35,7%
dengan Metode Forward “Sangat Setuju”,
Chaining [3]. 64,3% “Setuju” pada
Beta Testing.
Pemodelan Sistem Pakar Jenis penyakit yang
3 Diagnosa Penyakit Tanaman Tanaman AHP- terdiagnosa dari hasil
Cabai Merah Menggunakan Cabai SAW perhitungan AHP-
Metode AHP-SAW. SAW.
Sumber: [3], [4]

2.2. Pemodelan
Pemodelan adalah proses untuk membuat sebuah model. Model adalah
representasi dari sebuah bentuk nyata, sedangan sistem adalah saling
keterhubungan dan ketergantungan antara elemen yang membangun sebuah
kesatuan, biasanya dibangun untuk mencapai tujuan tertentu. Sebuah
pemodelan sistem, merupakan gambaran bentuk nyata yang dimodelkan secara
sederhana, menggambarkan kontruksi integrasi hubungan dan ketergantungan
elemen, fitur-fitur dan bagaimana sistem tersebut bekerja.
Dilakukannya pemodelan sistem bertujuan untuk menganalisa dan
memberi prediksi yang sangat mendekati kenyataan sebelum sebuah sistem
natinya diimplementasikan. Pemodelan secara umum merupakan pengembangan
model matematika dengan bantuan software komputer. Simulasi pemodelan
sistem diperlukan sebelum sistem yang ada dirubah, bertujuan untuk
meminimalkan terjadinya kesalahan atau ketidak sesuaian yang bakal terjadi.
Pengembangan simulasi pemodelan sistem mempertimbangkan komponen-
komponen seperti entitas yang terlibat dalam sistem, variable input, pengukuran
kinerja dan hubungan fungsional. Validitas merupakan isu utama dari sebuah
pemodelan sistem. Tehnik validitas sebuah model dilakukan dengan cara
mensimulasikan sebuah model menurut input yang diketahui dan kemudian

6
membandingkan output yang dihasilkan model dengan output sistem
sebenarnya.
Penerapan pemodelan sistem dan simulasinya secara meluas dipergunkan
pada bidang pemerintahan, pertahanan dan keamanan, sistem komunikasi,
manufaktur, transfortasi, kesehatan, lingkungan dan analisa bisnis. Kemampuan
untuk mempelajari pengaruh informasi tertentu dan pengaruh dinamika
lingkungan terhadap sebuah sistem operasi melalui sebuah pemodelan sistem
dan simulasi pemodelan sistem tanpa mengganggu atau membebani sistem yang
sedang berjalan, merupakan salah satu manfaat dari pemodelan sistem [15].

2.3. Sistem Pakar

Kemajuan teknologi di bidang komputer menghasilkan sebuah metode
pendekatan yang disebut kecerdasan buatan. Ruang lingkup dari kecerdasan
buatan adalah strategi menyelesaikan masalah dan mengembangkan program
yang meniru sifat dan perilaku kecerdasan manusia [5].
Salah satu pengembangan dari kecerdasan buatan diantaranya adalah
sistem pakar. Sistem pakar merupakan sistem informasi yang mengandung
pengetahuan dan pengalaman yang dimasukkan oleh satu atau banyak pakar ke
dalam satu area pengetahuan tententu sehingga setiap orang dapat
menggunakan untuk memecahkan berbagai masalah yang bersifat spesifik [6].

2.3.1. Konsep Dasar Sistem Pakar

Konsep dasar dasi sistem pakar memiliki beberapa unsur yang meliputi
keahlian (expertise), ahli (experts), pemindahan keahlian (transferring expertise),
inferensi (inferencing), aturan (rules) dan kemampuan memberikan penjelasan
(explanation capability) [7].
Keahlian (expertise) adalah penguasaan pengetahuan dalam bidang khusus
yang didapat dari pelatihan, membaca, atau pengalaman [8].
Ahli (experts) adalah seorang yang memiliki keahlian tentang suatu hal
dalam tingkatan tertentu. Ahli dapat menggunakan suatu permasalahan yang
ditetapkan dengan beberapa cara yang berubah-ubah dan merubahnya ke dalam
bentuk yang dapat dipergunakan oleh dirinya sendiri dengan cepat dan cara
pemecahan yang mengesankan [7].

2.3.2. Tujuan Sistem Pakar

Tujuan dari sistem pakar adalah untuk memindahkan kemampuan
(transferring expertise) dari seorang ahli atau sumber keahlian yang lain ke dalam
komputer dan kemudian pemakai yang bukan pakar bisa menggunakan lewat
komputer. Proses ini meliputi empat aktivitas yaitu [7].
1. Akuisi pengetahuan (knowledge acquisition) adalah kegiatan mencari dan
mengumpulkan pengetahuan dari para ahli atau sumber keahlian yang lain.

7
2. Representasi pengetahuan (knowledge representation) adalah kegiatan
menyimpan dan mengatur penyimpanan pengetahuan yang diperoleh dalam
komputer. Pengetahuan berupa fakta dan aturan disimpan dalam komputer
sebagai sebuah komponen yang disebut basis pengetahuan.
3. Inferensi pengetahuan (knowledge inferencing) adalah kegiatan melakukan
inferensi berdasarkan pengetahuan yang telah disimpan di dalam komputer.
4. Pemindahan pengetahuan (knowledge transfer) adalah kegiatan pemindahan
pengetahuan dari komputer ke pemakai yang tidak ahli.

2.3.3. Keuntungan Sistem Pakar

Sistem pakar mempunya keuntungan, diantaranya adalah [8]:
1. Memungkinkan orang awam untuk melakukan pekerjaan pakar.
2. Dapat melakukan proses berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian pakar.
4. Mampu mengadopsi dan melestarikan keahlian para pakar.
5. Tidak memerlukan biaya saat digunakan.
6. Dapat digandakan dengan waktu minimal dan biaya yang sedikit.
7. Dapat memecahkan masalah lebih cepat dibanding kemampuan manusia
dengan menggunakan data yang sama.
8. Hemat waktu dalam proses pengambilan keputusan.
9. Dapat meningkatkan kualitas dan produktivitas karena sistem pakar dapat
memberikan nasehat yang konsisten dengan kesalahan yang minim.
10. Meningkatkan kemampuan sistem terkomputerisasi yang lain.

2.3.4. Kelemahan Sistem Pakar

Sistem pakar mempunya kelemahan, diantaranya adalah [8]:
1. Biaya pembuatan, pemeliharaan, dan pengembangan relatif mahal.
2. Sulit untuk dikembangkan.
3. Tidak semua sistem pakar 100% benar.
4. Pendekatan para pakar untuk suatu situasi dapat berbeda-beda, meskipun
semua benar.
5. Pemindahan pengetahuan dapat bersifat subyektif dan ambigu.
6. Kurangnya rasa kepercayaan pengguna terhadap sistem dapat menghalangi
pemakaian sistem pakar.

2.3.5. Struktur Sistem pakar

Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembang
(development environment) dan lingkungan konsultasi (consultation
environment). Lingkungan pengembangan sistem pakar digunakan untuk
memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan
lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna

8
memperoleh pengetahuan pakar [9]. Komponen sistem pakar dapat dilihat pada
Gambar 2.1.

Lingkungan Konsultasi Lingkungan Pengembang

Basis Pengetahuan
Penggun Fakta: Apa yang diketahui
Fakta-fakta tentang area domain
tentang kejadian Aturan: Logical reference
khusus

Fasilitas Representasi
Antarmuka Penjelasan Pengetahuan

Rekayasa
Pengetahua
Mesin Inferensi n
Interpreteur
Aksi yang
Scheduler
direkomendasikan
Consistency Enforcer

Pakar
Blackboard
Rencana Agenda Penyaring
Solusi Pengetahua
Deskripsi n

Gambar 2.1 Struktur Sistem pakar

Sumber: [9]
Penjelasan struktur sistem pakar yang ditunjutukkan pada Gambar 2.1
adalah sebagai berikut:
1. Pengguna (User)
Orang awam yang membutuhkan solusi, saran, atau pelatihan dari berbagai
permasalahan yang ada [7].
2. Antarmuka Penggunak (User Interface)
Sarana komunikasi antara pengguna dan sistem pakara. Antamuka menerima
informasi dari pengguna. Selain itu antarmuka menerima informasi dari
sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh
pemakai [7].
3. Akuisisi Pengetahuan atau Penambahan Pengetahuan
Akuisi pengetahuan merupakan akumulasi, penyaluran, dan transformasi
keahlian dalam penyelesaian masalah dari sumber pengetahuan menuju
sistem pakar [8].
4. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan mengandung pengetahuan yang diperlukan untuk
memformulasikan, memahami, dan menyelesaikan masalah. Basis
pengetahuan terdiri dari dua elemen dasar yaitu: fakta dan aturan [10].

9
5. Mesin Inferensi (Inference Engine)
Berisi mekanisme pola pikir dan penalaran yang dimanfaatkan oleh pakar
dalam pemecahan masalah [8].
6. Daerah Kerja (Blackboard)
Merekam hasil sementara untuk dijadikan keputusan dan untuk menjelaskan
masalah yang terjadi. Ada tida tipe keputusan yang direkam pada blackboard
yaitu: rencana, agenda, dan solusi [7].
7. Fasilitas Penjelasan (Explanation Subsystem)
Komponen tambahan yang dapat meningkatkan kemampuan sistem pakar
[8].
8. Sistem Perbaikan Pengetahuan (Knowledge Refining System)
Memiliki kemampuan menganalisa pengetahuan yang diperoleh dari seorang
pakar dan juga untuk mengevaluasi diri sehingga mengetahui alasan
kesuksesan dan kegagalan dalam mengambil keputusan [10].

2.3.6. Area Permasalahan Aplikasi Sistem Pakar

Area permasalahan pada aplikasi sistem pakar, diantaranya adalah [8]:
1. Interpretasi
Pengambilan kesimpulan dari hasil observasi.

2. Prediksi
Memprediksi akibat-akibat yang mungkin dari situasi-situasi tertentu.
3. Diagnosa
Menyimpulkan sebab permasalahan dalam situasi kompleks yang didasarkan
pada gejala-gejala yang telah diamati.
4. Desain
Menentukan pengaturan komponen-komponen sistem yang dibutuhkan
dalam tujuan kinerja tertentu.
5. Perancangaan
Merencanakan serangkaian langkah yang dapat mencapai tujuan dengan
kondisi awal tertentu.
6. Pengawasan
Membandingkan tingkah laku suatu sistem yang teramati dengan tingkah
laku yang diharapkan darinya.

2.3.7. Mesin Inferensi (Inference Engine)

Ada dua cara penalaran yang dapat dilakukan dalam melakukan inferensi,
diantaranya adalah [8]:
1. Forward Chaining
Pencocokan fakta dimulai dari IF terlebih dahulu. Dengan kata lain, penalaran
dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipoteris.
2. Backward Chaining

10
 Pencocokan fakta dimulai dari THEN terlebih tahulu. Dengan kata lain,
penalaran dimulai dari hipotesis terlebih dahulu, dan harus dicari fakta-fakta
yang ada dalam basis pengetahuan untuk menguji kebenaran hipotesis
tersebut.

2.3.8. Basis Pengetahuan

Basis pengetahuan mengandung pengetahuan-pengetahuan dalam
penyelesaian masalah. Ada dua bentuk pendekatan dalam basis pengetahuan [8]:
1. Penalaran berbasis aturan (Rule-based Reasoning)
Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-
THEN
2. Penalaran berbasis kasus (Case-based Reasoning)
Basis pengetahuan berisi solusi-solusi yang telah tercapai sebelumnya,
kemudian akan diambil suatu solusi untuk permasalahan yang terjadi
sekarang (fakta yang ada).

2.4. Analitical Hierarchy Process (AHP)

Metode Analitical Hierarchy Process dikembangkan tahun 1970 oleh
Thomas L. Saaty. Pada dasarnya metode AHP ini memecahkan suatu intuisi yang
kompleks dan tidak terstruktur ke dalam bagian-bagiannya. AHP mempergunakan
model hirarki yang terdiri dari tujuan, kriteria, beberapa subkriteria, dan
alternative untuk permasalahan yang sedang dihadapi. Kemudian elemen-
elemen tersebut diberikan input berupa pertimbangan ahli dan diselesaikan
dengan proses aritmatika sederhana untuk mengurutkan prioritas sehingga dapat
dijadikan untuk mendukung proses pengambilan keputusan [4].
Dalam menyelesaikan menggunakan metode AHP, langkah-langkahnya
adalah sebagai berikut [4]:
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, kemudian
menyusuk hierarki dari permasalahan yang dihadapi.
Penyusunan hierarki adalah dengan menetapkan tujuan yang merupakan
sasaran sistem secara keseluruhan pada level teratas.
2. Mendefinisikan perbandingan berpasangan
Kriteria dan alternatif dilakukan dengan perbandingan berpasangan.
Menurut Saaty, untuk berbagai persoalan, skala 1-9 adalah skala terbaik
untuk mengekspresikan pendapat. Skala penilaian perbandingan dapat
dilihat pada Tabel 2.2.

11
 Tabel 2.2 Skala Penilaian Perbandingan
Intensitas
Keterangan
Kepentingan
1 Kedua elemen sama pentingnya.
3 Elemen yang satu sedikit lebih penting daripada elemen
lainnya.
5 Elemen yang satu lebih penting daripada yang lainnya.
7 Satu elemen jelas lebih mutlak penting daripada elemen
lainnya.
9 Satu elemen mutlak penting dari pada elemen lainnya.
2,4,6,8 Nilai-nilai antara dua nilai pertimbangan-pertimbangan
yang berdekatan.
Sumber: [4]
3. Menentukan prioritas elemen
Langkah dalam menentukan prioritas elemen adalah:
a. Membuat perbandingan berpasangan, yaitu membandingkan elemen
secara berpasangan sesuai kriteria yang diberikan.
b. Matriks perbandingan berpasangan diisi dengan menggunakan bilangan
untuk mempresentasikan kepentingan relatif dari suatu elemen terhadap
elemen lainnya.
Tabel susunan matriks perbandingan berpasangan ditunjukkan pada Tabel
2.3.
Tabel 2.3 Susunan Matriks Perbandingan Berpasangan
𝐶1 𝐶2 𝐶3 𝐶4 𝐶5
𝐶1 1 𝐶12 𝐶13 𝐶14 𝐶15
𝐶2 𝐶𝑖𝑗 1 𝐶23 𝐶24 𝐶25
𝐶3 𝐶𝑖𝑗 𝐶𝑖𝑗 1 𝐶34 𝐶35
𝐶4 𝐶𝑖𝑗 𝐶𝑖𝑗 𝐶𝑖𝑗 1 𝐶45
𝐶5 𝐶𝑖𝑗 𝐶𝑖𝑗 𝐶𝑖𝑗 𝐶𝑖𝑗 1
Sumber: [4]

Rumus perhitungan untuk mengisi kolom Cij adalah dengan Persamaan 2-1.
𝐶𝑖𝑗 = 1⁄𝐶 ………………………………………………………..(2-1)
𝑖𝑗
4. Sintesis
Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis
untuk memperoleh keseluruhan prioritas. Langkah-langakah menentukan
sistesis adalah:
a. Menjumlah nilai-nilai dari setiap kolom pada matriks.
b. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan
untuk memperoleh normalisasi matriks. Perhitingan normalisasi matriks
dengan menggunakan Persamaan 2-2.

12
 𝑁𝑖𝑙𝑎𝑖 𝑠𝑒𝑡𝑖𝑎𝑝 𝑒𝑙𝑒𝑚𝑒𝑛 𝑚𝑎𝑡𝑟𝑖𝑘𝑠 𝑎𝑤𝑎𝑙
𝑁𝑖𝑙𝑎𝑖 𝑒𝑙𝑒𝑚𝑒𝑛 𝑏𝑎𝑟𝑢 = …………………...(2-2)
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑜𝑙𝑜𝑚 𝑙𝑎𝑚𝑎
5. Pembobotan
Pembobotan dengan menjumlahkan nilai-nilai dari setiap baris dan
membaginya dengan jumlah kriteria dengan Persamaan 2-3.
𝑗𝑢𝑚𝑙𝑎ℎ 𝑏𝑎𝑟𝑖𝑠
𝐵𝑜𝑏𝑜𝑡 𝑝𝑟𝑖𝑜𝑟𝑖𝑡𝑎𝑠 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑟𝑖𝑡𝑒𝑟𝑖𝑎…………………………………..(2-3)
6. Mengukur Konsistensi
Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik
konsistensi yang ada karena dalam menentukan keputusan tidak dapat
berdasarkan pertimbangan dengan konsistensi yang rendah. Langkah-
langkah dalam mengukur konsistensi adalah:
a. Mengalikan setiap nilai pada kolom pertama dengan prioritas relatif
elemen pertama, nilai kolom kedua dengan prioritas relatif elemen
kedua, dan seterusnya.
b. Tiap baris dijumlahkan dan hasilnya dibagi dengan prioritas relatif yang
bersangkutan.
c. Hasil bagi tersebut dijumlahkan untuk mendapatkan nilai 𝜆𝑚𝑎𝑥
7. Menghitung Consistency Index (CI)
Untuk menghitung CI menggunakan Persamaan 2-4 dimana n adalah banyak
elemen.
𝐶𝐼 = (𝜆𝑚𝑎𝑥 − 𝑛)/(𝑛 − 1)……………………………………………(2-4)
8. Menghitung Consistensy Ration (CR)
Untuk menghitung CR menggunakan Persamaan 2-5.
𝐶𝑅 = 𝐶𝐼⁄𝑅𝐼 ……………………………………………………………(2-5)

Dimana:
CR = Consistency Ration
CI = Consistency Index
RI = Ratio Indeks berdasarkan Tabel 2.4
Tabel Ratio Index ditunjukkan pada Tabel 2.4.
Tabel 2.4 Ratio Index
N 1 2 3 4 5 6 7 8 9 10
RI 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
Sumber: [4]
9. Memeriksa konsistensi hierarki berdasarkan hasil CR. Jika nilainya < 0,1 maka
hasil bisa dinyatakan benar, namun jika nilainya > 0,1 maka penilaian data
harus diperbaiki.

2.5. Simple Additive Weighting (SAW)

Churchman dan Ackoff pertama kali memanfaatkan metode SAW untuk
mengatasi masalah seleksi portofolio. Metode SAW sering juga dikenal istilah
metode penjumlahan terbobot. Konsep dasar metod SAW adalah mencari

13
penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua
atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke
suatu skala yang dapat diperbandingkan dengan semua rating alternative yang
ada. Formula untuk melakukan normalisasi tersebut terdapat pada Persamaan 2-
6 [11].
𝑥𝑖𝑗
𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛 (𝑏𝑒𝑛𝑒𝑓𝑖𝑡)
𝑀𝑎𝑥𝑖 𝑥𝑖𝑗
𝑟𝑖𝑗 = { 𝑀𝑖𝑛𝑥𝑖 𝑥𝑖𝑗 ……………….…….(2-6)
𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑙𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎 (𝑐𝑜𝑠𝑡)
𝑥𝑖𝑗

Dimana:
rij = rating kenerja ternormalisasi dari alternative AI pada atribut Ci
i = 1,2,… m
j = 1,2,….n
Maxi = nilai maksimum dari setiap baris dan kolom
Mini = nilai minimum dari setiap baris dan kolom
xij = baris dan kolom dari matriks
Benefit = jika nilai terbesar adalah yang terbaik
Cost = jika nilai terkecil adalah yang terbaik
Nilai preferensi untuk setiap alternative Vi dinyatakan pada Persamaan
2-7. Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih.
𝑛
𝑉𝑖 = ∑ 𝑊𝑗 𝑟𝑖𝑗 ………………………………………………………….(2-7)
𝑗=1

Dimana:
Vi = rangking untuk setiap alternative
Wj = nilai bobot untuk setiap kriteria
rij = nilai rating kinerja ternormalisasi
Langkah-langkah untuk penyelesaian pada metode SAW antara lain [11]:
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu (Ci)
2. Memberikan nilai setiap alternative Ai pada setiap kriteria Cj yang sudah
ditentukan, dimana nilai i = 1,2,…m dan nilai j = 1,2,…n.
3. Memberikan nilai bobot W pada masing-masing kriteria.
4. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan
normalisasi matriks berdasarkan Persamaan 2-6 yang disesuaikan dengan
jenis atribut (atribut keuntungan maupun atribut biaya) sehingga didapat
matriks ternormalisasi R.
5. Hasil akhir yang diperoleh dari setiap proses perangkingan yaitu
penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot
seperti pada Persamaan 2-7 sehingga diperoleh nilai terbesar yang dipilih
sebagai alternative terbaik (Ai) sebagai solusi.

14
2.6. Pengujian
Pengujian bertujuan untuk menganalisa apakah sistem telah berjalan sesuai
yang diharapkan. Pengujian dilakukan dengan dua tahap yaitu pengujian
fungsional dan pengujian akurasi.

2.6.1. Pengujian Fungsional

Pengujian fungsional dilakukan dengan metode blackbox testing untuk
mengetahui fungsionalitas sistem telah berjalan sesuai harapan yang telah
ditentukan.
Pengujian perangkat lunak dilakukan untuk mengetahui apakah program
dapat melakukan sesuai dengan keinginan dan untuk menemukan kesalahan-
kesalahan pada program sebelum mulai digunakan [7].

2.6.2. Pengujian Akurasi

Akurasi adalah ukuran kedekatan suatu hasil pengukuran dengan angka
sebenarnya. Pengujian akurasi pada penelitian ini dilakukan untuk mengetahui
kemampuan sistem dalam menghasilkan kesimpulan. Perhitungan akurasi dapat
menggunakan rumus yang ditunjukkan pada Persamaan 2-8 [7].
∑ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑏𝑒𝑛𝑎𝑟
𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = ∑ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖
……………………………………………(2-8)

2.7. Tanaman Cabai Merah

Sejarah cabai pertamakali ditemukan oleh Cristopher Columbus pada tahun
1492 di benua Amerika. Suku Indian pribumi benua tersebut, ternyata
memanfaatkan cabai yang diperkirakan sudah sejak tahun 5000 SM.
Cabai yang dibawa Columbus pulang ke Eropa ternya menjadi favorit dan
berkembang begitu pesat. Dalam waktu 50 tahun, cabai berkembang pesat dan
cabai sudah menyebar ke pantai Afrika, India, Timur Tengah, Balkan, Asia dan
China Selatan. Hal ini berkat jasa para pedagang Portugis yang sangat aktif.
Dikenalkannya cabai ke India, dalam kurun waktu setengah abat orang India
mampu mengembangkan tiga subspesies cabai. Hal ini yang membuat India
menjadi produsen cabai dunia karena lebih dari satu juta ton cabai setiap tahun.
Dari India dan pantai Malabar, cabai menyebar ke Asia Tenggara bersama
dengan pertemua saudagar-saudagar India dengan rekannya di China, Malaysia,
Vietnam, dan Jawa [12].
Cabai sekarang sudah dibagi menjadi dua golongan utama, yaitu cabai
besar (Capsicum annum L.) dan cabai rawit (Capsicum annum L.) Cabai besar
terdiri dari dua golongan, yaitu cabai merah (hot pepper) dan cabai paprika
(sweet pepper) [13]. Pada subbab ini diulas mengenai tanaman cabai merah yang
merupakan objek penelitian yang diusulkan. Berdasarkan tipe buahnya, cabai
merah dibedakan dua macam, cabai merah besar dan cabai merah keriting.

15
Pengenalan tanaman cabai merah besar dilakukan dengan mempelajari deskripsi
atau ciri-ciri tanaman cabai serta varietasnya [2].

2.7.1. Klasifikasi Tanaman Cabai Merah

Dalam sistematika tumbuh-tumbuhan, tanaman cabai merah besar atau
cabai merah keriting diklasifikasikan sebai berikut:
Devisi : Spermatophyta (tumbuhan berbiji)
Subdivisi : Angiospermae (biji berada di dalam buah)
Kelas : Dicotyledoneae (biji berkeping dua/biji belah)
Ordo (bangsa) : Solanales
Famili (suku) : Solanaceae (terong-teongan)
Genus (marga) : Capsicum
Spesies (jenis) : Capsicum anum L.

2.7.2. Deskripsi dan Morfologi Tanaman Cabai Merah

Secara morfologi, bagian atau organ-oraga penting tanaman cabai merah
adalah sebagai berikut [2]:
1. Batang
Tanaman cabai merah memiliki batang yang sangat keras dan berkayu,
berbentuk bulat, halus, berwarna hijau gelap, dan memiliki percabangan dalam
jumlah banyak dan kuat. Cabang tanaman beruas-ruas dan setiap ruas ditumbuhi
daun dan tunas. Percabangan pada tanaman cabai merah lebih kompak dan
cukup rimbun. Batang utama tumbuh tegak dan kokoh. Percabangan terbentuk
setelah batang tanaman mencapai ketinggian sekitar 40 cm, tinggi tanaman
dapat mencapaii sekitar 1,2 meter dengan lebar tajuk sekitar hampir 1 meter.

2. Daun
Daun tanaman cabai merah berbentuk bulat telur dengan ujung runcing
dan tepi daun rata (tidak bergerigi/ berlekuk). Daun merupakan daun tunggal dan
memiliki tulang daun menyirip. Kedudukan daun agak mendatar. Daun memiliki
tangkai tunggal yang melekat pada batang atau cabang. Jumlah daun dalam satu
tanaman relatif banyak sehingga tanaman tampak rimbun. Daun tanaman cabai
merah memiliki ukuran yang lebih besar dan lebih menonjol dibandingkan
dengan daun tanaman cabai rawit.

3. Bunga
Bunga tanaman cabai merah merupakan bunga tunggal (soliter) dan
berbentuk bintang, dengan mahkota bunga berwarna putih. Bunga tumbuh
menunduk pada ketiak daun.
Bunga tanaman cabai merah tergolong bunga sempurna atau berumah
satu, yaitu bunga jantan dan betina terdapat dalam satu bunga.

4. Buah

16
 Buah akan terbentuk setelah terjadi penyerbukan. Buah cabai merah
memiliki keanekaragaman bentuk dan ukuran. Pada umumnya, buah cabai merah
berbentuk seperti bulat panjang dan ujung runcing. Ukurang buah bervariasi, ada
yang berukuran besar, panjang, atau agak panjang, tergantung atau berukuran
kecil, panjang atau agak panjang, tergantung jenisnya. Buah berdaging tipis
(ketebalan sekitar 0,5 – 2 mm) agak pedas, walaupun memiliki bau pedas yang
menusuk.

2.7.3. Penyakit Utama Tanaman Cabai Merah

Penyakit-penyakit utama yang dibahas dalam penelitian ini merupakan
penyakit tanaman cabai merah yang dapat mengakibatkan terjadinya gagal
panen. Berdasarkan hasil wawancara dengan pakar penyakit utama
membutuhkan penanganan khusu dalam penanggulangannya.
Penjelasan mengenai penyakit-penyakit utama pada tanaman cabai merah
adalah sebagai berikut:
1. Antraknosa
Penyakit ini disebabkan oleh cendawan Colletotrichum sp. Menurut
Semangun (2000), Antraknosa menyerang tanaman saat di persemaian lalu
muncul kembali saat tanaman mulai berbuah.
Gejala yang dapat diketahui saat di persemaian adalah terdapat bercak
pada daun, pucuk daun, dan batang. Pada tahap pertumbuhan, gejala lain dapat
berupa buah busuk, kering, keriput berbercak hitam dan lekuk dengan tepi
bercak warna kuning, serta pucuk daun mati.
Solusi yang dapat dilakukan adalah menjaga kebersihan lapangan dengan
memusnahkan bagian tanaman yang terserang antraknosa beserta gulma-gulma
yang dapat menjadi inang cendawan dan juga melakukan penyemprotan
fungisida [12]. Penyakit antraknosa ditunjukkan pada Gambar 2.2.

Gambar 2.2 Penyakit Antraknosa

17
 2. Bercak Daun Cercospora
Penyakit ini disebabkan oleh cendawan Cercospora capcisi. Menurut
Semangun (2000), penyakit ini menyerang tanaman cabai semenjak dipindahkan
ke lahan tanam.
Gejala umum penyakit ini yang terlihat adalah terdapat bercak berbentuk
bulat pada daun dengan pusat bercak berwarna coklat abu-abu, daun gugur, dan
daging daun tidak tumbuh sempurna.
Solusi yang dapat dilakukan adalah dengan mengambil dan membakar daun
yang berguguran dan memberi fungisida pada tanaman yang terserang [12].
Penyakit bercak daun cercospora ditunjukkan pada Gambar 2.3

Gambar 2.3 Penyakit Bercak Daun Corcospora

3. Penyakit Kerupuk
Penyebab penyakit kerupuk yaitu Chili Puckery Stunt Virus (CPSV) (Ditlin
Holtikultura, 2008). Gejala penyakit ini dapat muncul sejak tanaman masih di
persemaian. Pada tanaman muda tampak daun melengkung ke bawah, pada
usia-usia selanjutnya, lengkungan bertambah parah disertai kerutan. Daun
berwarna hijau pekat mengkilat dengan permukaan yang tidak merata seperti
kerupuk, pertumbuhan terhambat, daun menumpuk dan menggumpal, dan juga
berguguran sehingga yang tersisa hanya daun-daun yang menggulung pada
pucuk. Buah dan bunga berguguran sehingga produksi buah lebih sedikit.
Solusi untuk penyakit ini adalah pemupukan secara berimbang dengan 150-
200 kg Urea, 100-150 kg TSP, 450-500 kg Za, 100-150 KCL, dan 20-30 ton pupuk
organik untuk tiap hektar [12]. Penyakit kerupuk ditunjukkan pada Gambar 2.4.

Gambar 2.4 Penyakit Kerupuk

18
 4. Virus Gemini/ Penyakit Kuning
Penyakit ini disebabkan oleh Geminivirus TYLCV. Menurut Semangun
(2000), virus gemini menyerang tanaman sejak dipindahkan untuk ditanam di
lahan.
Gejala umum penyakit ini berupa menguningnya tulang-tulang daun,
ditemukan jalur kuning sepanjang daun, tulang daun menonjol dan berkelok,
daging daun tidak tumbuh dengan sempurna, tanaman kerdil, permukaan daun
tidak merata, dan menggulung ke bawah, jumlah buah dan bunga sedikit bahkan
tidak berbuah.
Solusi yang dapat dilakukan ialah pencabutan tanaman yang terserang
sedini mungkin, penyemprotan insektisida, dan disinfeksi alat-alat potong.
Penggunaan mulsa plastik perak juga dapat mengendalikan vektor penyakit ini
(Chu et al. 1991), menanam tanaman pagar dan mengurung persemaian
menggunakan kasa agar tanaman kedap serangga vektor [12]. Penyakit ini
ditunjukkan pada Gambar 2.5.

Gambar 2.5 Penyakit Virus Gemini

19
 BAB III
METODOLOGI PENELITIAN

Bab ini menjelaskan tentang langkah-langkah yang ditempuh dalam

penelitian yang diusulkan. Metodologi yang dilakukan dalam penelitian ini
dilakukan melalui beberapa tahapan, yakni studi literature, pengumpulan data,
analisa dan perancangan sistem, implementasi sistem, pengujian sistem, dan
pengambilan kesimpulan. Gambar 3.1 merupakan diagram blog yang berisi
tahapan-tahapan yang dilakukan dalam penelitian yang diusulkan.

3.1. Studi Literatur

3.2. Pengumpulan Data

3.3. Analisa Kebutuhan Sistem

3.4. Perancangan Sistem

3.5. Implementasi Sistem

3.6. Pengujian Sistem

3.7. Pengambilan Kesimpulan

Gambar 3.1 Diagram Blok Metodologi Penelitian

20
3.1. Studi Literatur

Pada tahapan ini dilakukan pembelajaran literature atau pustaka dari

bidang-bidang ilmu yang berhubungan dengan penelitaian ini, diantaranya:
1. Sistem Pakar
2. Algoritma AHP-SAW
3. Identifikasi penyakit pada tanaman cabai merah.
Literatur diperoleh dari jurnal, e-book, buku, penelitian sebelumnya dan
artikel-artikel dari internet yang dipandang layak dan berhubungan dengan tema
penelitian.

3.2. Pengumpulan Data

Lokasi penelitian skripsi ini dilakukan di Balai Pengkajian Teknologi Pertania
(BPTP) Jawa Timur, Jl. Raya Karangploso, Km 4, Kota Malang, Jawa Timur. Variabel
penelitian pada skripsi ini adalah macam-macam penyakit yang menyerang
tanaman cabai merah dan bagaimana cara pengendaliannya berdasarkan hasil
perhitungan nilai probabilitas gejala untuk setiap penyakit menggunakan metode
AHP-SAW.
Metode pengumpulan data untuk penelitian terbagi menjadi dua jenis
data, yaitu data primer dan data sekunder. Data primer adalah data yang didapat
langsung dari responden penelitian. Data primer bersifat kuantitatif, yaitu dapat
menggunakan data dari hasil wawancara dengan pakar. Data sekunder adalah
data yang dikumpulkan oleh sumber lain dan tidak dipersiapkan untuk penelitian
tetapi dapat digunakan untuk penelitian seperti jurnal literatur. Penentuan
kebutuhan data penelitian dapat dilihat pada Tabel 3.1.
Berdaskan tabel 3.1, penentuan kebutuhan data penelitian adalah sebagai
berikut:
1. Data yang berkaitan dengan penyakit pada tanaman cabai merah. Sumber
data didapat dari pakar tanaman cabai merah, Prof. Dr. Ir. Moh. Cholil
Mahfud, M.S. dengan metode wawancara.
2. Data kasuk tanaman cabai merah yang terserang penyakit. Sumber didapat
dari BPTP Jawa Timur melalui observasi perkebunan. Data akan digunakan
dalam proses perhitungan menggunakan metode AHP dan SAW.

21
 Tabel 3.1 Penentuan Kebutuhan Data Penelitian
No. Kebutuhan Data Sumber Data Metode Kegunaan Data
1. Data penyakit Pakar Wawancara Dasar pengetahuan
tanaman cabai mengenai penyakit
merah. tanaman cabai
merah.
2. Data kasus BPTP Jawa Observasi Digunakan pada
tanaman cabai Timur, Kota proses perhitungan
merah yang Malang metode AHP dan
terserang SAW.
penyakit.

3.3. Analisa Kebutuhan

Analisa kebutuhan adalah tahapan yang dilakukan untuk menganalisa
kebutuhan pembangunan sistem pakar. Berikut adalah kebutuhan dalam
pemodelan sistem pakar diagnosa penyakit tanaman cabai merah:
1. Kebutuhan Hardware: Laptop dengan spesifikasi prosesor Intel® Core™ i5-
M430 CPU@2.27GHz, memori 4 GB, kapasitas HDD 512 GB, kartu grafik
Intel® 2 GB.
2. Kebutuhan Software:
a. Sistem Operasi Windows 7 Home Premiun 64-bit
b. Internet Browser Google Chrome
c. Notepad++
d. XAMPP v.1.8.1
e. Adobe Photoshop CC
3. Data yang dibutuhkan meliputi:
a. Data penyakit tanaman cabai merah
b. Data setiap gejala penyakit tanaman cabai merah
c. Data nilai dan kriteria

3.4. Perancangan Sistem

Perancangan sistem merupakan tahapan yang dilakukan untuk merancang
sistem baik dari segi model maupun arsitektur. Langkah-lahkah kerja sistem
disesuaikan dengan arsitektur yang telah dirancang.

3.4.1. Model Perancangan Sistem

Pada tahap ini menjabarkan mengenai kinerja sistem secara terstruktur,
dimulai dari input hingga output yang dihasilkan. Diagram model perancangan
sistem dapat dilihat pada Gambar 3.2.

22
 Penentuan bobot kriteria menggunakan
metode AHP

Menghasilkan nilai dari bobot yang Penyakit

Data penyakit ditentukan untuk diproses tanaman
menggunakan metode SAW cabai
merah
dengan
Perhitungan menggunakan metode nilai bobot
SAW akhir
Pra-proses tertinggi
data
Menghasilkan akurasi diagnosa metode
Input SAW Output

Proses

Gambar 3.2 Model Perancangan Sistem Pakar Diagnosa Penyakit

Tanaman Cabai Merah

Pada gambar 3.2 dapat dilihat bahwa perancangan sistem terdiri dari tiga
proses utama, yaitu:
1. Input
Masukan dari pengguna berdasarkan data penyakat yang menyerang
tanaman cabai merah, selanjutnya dilakukan pra-proses data untuk
menghasilkan range pada setiap gejala dan akan menjadi kriteria masukan
pada proses perhitungan.
2. Proses
Proses awal dilakukan perhitungan dengan menggunakan metode AHP untuk
menentukan bobot dari setiap kriteria yang dibuat, kemudian dilakukan
pengelompokan bobot input ke kriteria yang digunakan untuk perhitungan
SAW untuk menentukan bobot akhir.
3. Output
Keluaran berupa hasil diagnosa penyakit tanaman cabai merah diperoleh dari
nilai bobot akhir tertinggi.

3.4.2. Arsitektur Sistem Pakar

Arsitektur sistem pakar terdiri dari beberapa komponen, pada subsistem
basis pengetahuan yang dijabarkan oleh proses pembangunan alternative sesuai
dengan kriteria yang telah dibangun pada basis pengetahuan organisasional.
Subsistem manajemen data terdiri dari data eksternal yang bertujuan untuk
pengolahan data calon kriteria pada tanaman cabai. Subsistem manajemen
model berfungsi untuk menganalisa dan memecahkan permasalahan. Antarmuka

23
pengguna berfungsi untuk perantara sistem dengan pengguna. Arsitektur sistem
dijelaskan pada Gambar 3.3.

Gambar 3.3 Arsitektur Sistem Pakar

3.5. Implementasi
Implementasi merupakan tahapan pembentukan sistem, implementasi
sistem dilakukan dengan mengacu pada perancangan sistem dan disesuaikan
dengan kebutuhan. Pengembangan sistem dilakukan denga bahasa
pemrograman HTML dan PHP. Implementasi sistem meliputi spesifikasi sistem,
batasan implementasi, implementasi algoritma AHP-SAW, serta implementasi
antarmuka pengguna.

3.6. Pengujian dan Analisa Sistem

Pengujian bertujuan untuk menganalisa apakah sistem telah berjalan sesuai
yang diharapkan. Pengujian dilakukan dengan dua tahap yaitu pengujian
fungsional dan pengujian akurasi. Pengujian fungsional dilakukan dengan metode
blackbox testing untuk mengetahui fungsionalitas sistem telah berjalan sesuai
harapan yang telah ditentukan. Pengujian ini dilakukan oleh peneliti dan calon
pengguna. Pengujian akurasi dilakukan dengan mencocokkan hasil diagnosa
sistem dengan hasil diagnosa pakar.

3.7. Pengambilan Kesimpulan

Pengambil kesimpulan dilakukan setelah tahap perancangan, implementasi,
dan pengujian telah selesai. Pengambilan kesimpulan bertujuan untuk menjawab
rumusan masalah yang telah dijelaskan pada bab sebelumnya dan peneliti dapat
menghasilkan saran-saran untuk perbaikan sistem kedepan jika diperlukan.

24
 BAB IV
PERANCANGAN DAN ANALISIS

Pada bab ini dibahas mengenai perancangan aplikasi “Pemodelan Sistem

Pakar Diagnosa Penyakit Tanaman Cabai Merah Menggunakan Metode AHP-
SAW”. Perancangan sistem ini terdiri dari tiga tahapan, yaitu analisa kebutuhan
perangkat lunak, perancangan perangkat lunak, dan perancangan sistem pakar.
Analisa kebutuhan perangkat lunak meliputi identifikasi aktor, analisa kebutuhan
masukan, analisa kebutuhan proses, dan analisa kebutuhan keluaran.
Perancangan perangkat lunak meliputi diagram alir sistem. Perancangan sistem
pakar meliputi perancangan akuisisi pengetahuan, basis pengetahuan, mesin
interferensi, blackboard, fasilitas penjelas, dan antarmuka. Pohon perancangan
sistem sistem dapat ditinjau pada Gambar 4.1.
4.1.1 Identifikasi Pengguna

4.1.2 Analisa Kebutuhan

4.1 Analisa Masukan
Kebutuhan 4.1.3 Analisa Kebutuhan Proses
Perangkat Lunak
4.1.4 Analisa Kebutuhan
Keluaran

4.2 Perancangan
Perangkat Lunak

4. 4.3.1 Akuisisi Pengetahuan

Perancanga
n 4.3.2 Basis Pengetahuan

4.3.3 Mesin Inferensi

4.3 Perancangan
Sistem Pakar 4.3.4 Blackboard

4.3.5 Fasilitas Penjelas

4.3.6 Perancangan Algoritma

4.3.7 Antarmuka

4.3.8 Desain Pengujian

Gambar 4.1 Pohon Perancangan

25
4.1. Analisa Kebutuhan Perangkat Lunak
Analisa kebutuhan ini dimulai dengan identifikasi aktor-aktor yang terlibat
di dalam sistem, penjelasan kebutuhan masukan, proses dan keluaran. Analisis
kebutuhan perangkat lunak bertujuan untuk menjabarkan kebutuhan-kebutuhan
yang harus disediakan oleh sistem supaya mampu memenuhi kebutuhan
pengguna.

Berikut adalah penjabaran kebutuhan dalam pembuatan sistem pakar:

1. Kebutuhan Hardware: Laptop dengan spesifikasi prosesor Intel® Core™ i5-

M430 CPU@2.27GHz, memori 4 GB, kapasitas HDD 512 GB, kartu grafik
Intel® 2 GB
2. Kebutuhan Software:
f. Sistem Operasi Windows 7 Home Premiun 64-bit
g. Internet Browser Google Chrome
h. Notepad++
i. XAMPP v.1.8.1
j. Adobe Photoshop CC
3. Data yang dibutuhkan meliputi:
a. Data penyakit tanaman cabai merah
b. Data setiap gejala penyakit tanaman cabai merah
c. Data nilai dan kriteria

4.1.1. Identifikasi Pengguna

Pada tahap ini direpresentasikan peran yang berinteraksi dengan sistem.
Sistem pakar ini dirancang untuk dapat diakses oleh satu tipe pengguna yaitu
pengguna umum. Pengguna umum dapat melakukan proses diagnosa penyakit
tanaman cabai merah, mengkaji solusi, dan membaca informasi-informasi yang
dimasukkan peneliti pada sistem mengenai tanaman cabai merah.

4.1.2. Analisa Kebutuhan Masukan

Pakar memberikan masukan berupa :
1. Data gejala tanaman cabai merah
2. Data jenis penyakit tanaman cabai merah
3. Bobot tiap gejala penyakit tanaman cabai merah

Ketiga masukan berfungsi sebagai basis pengetahuan dari sistem dalam

mengidentifikasi penyakit tanaman cabai merah. Selain kebutuhan masukan juga
terdapat kebutuhan fungsional dan non-fungsional. Daftar kebutuhan fungsional
dijabarkan untuk memberikan pandangan mengenai prosedur dalam sistem.
Daftar kebutuhan fungsional ditunjukkan pada Tabel 4.1.

26
 Tabel 4.1 Daftar Kebutuhan Fungsional
No. Kebutuhan
1. Sistem mampu menampilkan halaman utama
dengan benar. Berisi informasi tentang sistem
pakar, tanaman cabai merah, penyakit tanaman
beserta cara penanggulangannya dengan benar.

2. Sistem mampu menampilkan halaman informasi

pengembang

3. Tombol “Diagnosa” mampu mengantarkan

pengguna menuju halaman diagnosa.

4. Tombol “Diagnosa Ulang” mampu mengantarkan

pengguna menuju halaman diagnosa.

5. Halaman diagnosa mampu menampilkan formulir

gejala-gejala penyakit tanaman cabai merah
untuk diproses dalam perhitungan AHP-SAW.

6. Tombol diagnosa atau “Diagnosa” pada formulir

diagnosa mampu mengantarkan pengguna
menuju halaman hasil diagnosa.

7. Sistem mampu menampilkan hasil perhitungan,

hasil diagnosa gejala, dan cara
penanggulangannya dengan benar.

Daftar kebutuhan non-fungsional dijabarkan untuk mengetahui

spesifikasi kebutuhan sistem. Daftar kebutuhan non-fungsional aplikasi sistem
pakar ini dapat dilihat pada Tabel 4.2.

Tabel 4.2 Daftar Kebutuhan Non-Fungsional

No. Kebutuhan Deskripsi
1. Availability Sistem dapat beroperasi selama waktu
yang ditentukan.
2. Response Time Sistem dapat melakukan pemrosesan
data secara tepat waktu.

4.1.3. Analisa Kebutuhan Proses

Proses utama dari sistem pakar ini ialah proses penalaran. Sistem
melakukan penalaran untuk menentukan penyakit pada tanaman cabai merah
berdasarkan gejala-gejala yang telah diinputkan pengguna.

27
4.1.4. Analisa Kebutuhan Keluaran
Output dari sistem ini berupa hasil diagnosa penyakit tanaman cabai merah
menggunakan metode AHP-SAW. Hasil diagnosa didasarkan pada gejala-gejala
penyakit yang telah dimasukkan pengguna pada proses diagnosa. Tampilan
output dari sistem adalah gambar dan nama penyakit tanaman cabai merah, cara
penanggulangannya, dan hasil perhitungan proses penalaran.

4.2. Perancangan Perangkat Lunak

Perancangan perangkat lunak bertujuan untuk menjabarkan hubungan
antara komponen-komponen pembangun sistem. Sistem pakar dirancang
dengan basis web dengan kompononen-komponen berbentuk halaman web
yang memiliki tombol navigasi untuk menghubungkan satu halaman menuju
halaman lain sesuai kebutuhan sistem.
Perancangan komponen-komponen perangkat lunak pada sistem ini
menggunakan diagram alir yang dijelaskan pada Tabel 4.3.

Tabel 4.3 Perancangan Perangkat Lunak

Nama Halaman Keterangan Tombol Navigasi

Halaman Utama Berisi informasi mengenai tanaman 1. Halaman Home

cabai merah beseta penyakit dan 2. Halaman Diagnosa
penanggulangannya 3. Halaman About Me
Halaman Diagnosa Berisi formula diagnosa penyakit 1. Halaman Home
cabai merah untuk diproses dalam 2. Halaman Diagnosa
perhitungan AHP-SAW 3. Halaman About Me
Halaman Hasil Berisi hasil diagnosa yang telah 1. Halaman Home
dilakukan oleh pengguna 2. Halaman Diagnosa
3. Diagnosa Ulang
4. Halaman About Me
Halaman About Me Berisi informasi mengenai 1. Halaman Home
pengembang perangkat lunak 2. Halaman Diagnosa
3. Halaman About Me

4.3. Perancangan Sistem Pakar

Pada tahap ini perancangan sistem pakar dijabarkan sesuai dengan
arsitektur sistem pakar. Perancangan sistem pakar terdiri dari proses akusis
pengetahuan, basis pengetahuan, mesin inferensi, blackboard, fasilitas penjelas,
dan rancangan antarmuka.
Pada skripsi ini instrumen berbentuk pemodelan sistem pakar bertujuan
untuk mendiagnosa penyakit pada tanaman cabai merah. Proses pengambilan
keputusan menggunakan metode AHP-SAW, sedangkan forward chaining
digunakan untuk penelusuran hasil perhitungan. Metode forward chaining

28
merupakan proses penelusuran menggunakan informasi yang ada berupa gejala-
gejala yang nantinya disimpulkan menjadi hasil diagnosa berupa jenis penyakit.
Tahapan pakar dalam bidang penyakit tanaman saat melakukan diagnosa
penyakit ialah dengan melihat gejala fisik yang tampak pada tanaman cabai
merah. Konsep sistem pakar yang akan dibangun dengan menggunakan metode
AHP-SAW, pengguna sistem memasukkan gejala-gejala fisik yang berguna untuk
pengambilan kesimpulan.
Awal proses diagnosa, sistem akan menerima input dari pengguna umum
berupa gejala-gajala penyakit tanaman cabai merah yang disediakan oleh sistem.
Sistem akan memproses hasil input dari pengguna menggunakan metode AHP-
SAW dengan menghitung nilai bobot tiap gejala yang dipilih. Kesimpulan akhir
dari proses perhitungan berupa jenis penyakit dan cara penanggulangannya
kemudia disertakan hasil perhitungan.

4.3.1. Akusisi Pengetahuan

Akusisi pengetahuan merupakan akumulasi, penyaluran, dan transformasi
keahlian dalam penyelesaian masalah dari pakar menuju sistem pakar. Sumber
pengetahuan juga berasal dari jurnal, artikel internet, dan penelitian-penelitian
yang telah dilakukan sebelumnya. Metode yang digunakan dalam akusisi
pengetahuan antara lain:
1. Wawancara
Metode wawancara dilakukan di Balai Pengkajian Teknologi Pertanian
(BPTP) Jawa Timur, Jl. Raya Karangploso, Km 4, Kota Malang, Jawa Timur. Tujuan
dari metode ini untuk memperoleh pengetahuan pakar berupa permasalahan inti
pada penelitian. Pada wawancara, peneliti mengumpulkan informasi mengenai
penyakit utama tanaman cabai merah, gejala-gejalanya, dan cara
penanggulangannya.
2. Analisa Protokol ( Aturan)
Tahapan analisis protocol dijadikan sebagai acuan pembuatan aturan basis
pengetahuan untuk melakukan diagnosa penyakit tanaman cabai merah. Peneliti
mengkaji hasil wawancara dengan pakar mengenai tingkat keutamaan suatu
gejala pada penyakit-penyakit yang menjadi alternatif dalam sistem, tetapi pakar
tidak menjabarkan nilai bobot untuk tiap-tiap gejala, sehingga mengkaji pustaka
dengan judul “Sistem Pakar Untuk Identifikasi Hama dan Penyakit Tanaman Tebu
dengan Metode Fuzzy-AHP” oleh Daria Anggraeni untuk menentukan nilai bobot
gejala-gejala yang akan digunakan oleh peneliti pada metode yang akan
digunakan pada penelitian. Nilai bobot akan digunakan sebagai dasar
perhitungan metode AHP-SAW dalam pengambilan kesimpulan. Nilai bobot
untuk tiap gejala didasarkan pada tingkat keutamaan gejala pada suatu penyakit
yang diterangkan pada Tabel 4.4.

29
 Tabel 4.4 Keterangan Penilaian pada Gejala Penyakit Tanaman Cabai Merah
Nilai Bobot Keterangan
1 Gejala utama
0.75 Gejala pendukung
0.50 Gejala sekunder
0.25 Gejala lainnya
0.01 Tidak ada
Sumber: [7]
Keterangan:
1. Gejala utama adalah gejala yang menjadi prioritas pakar dalam menilai
suatu penyakit yang menyerang tanaman.
2. Gejala pendukung adalah gejala yang menjadi pendukung gejala utama
pada tanaman yang terserang penyakit.
3. Gejala sekunder ditentukan oleh seberapa besar nilai bobot gejala
pendukung yang menyerang tanaman dan prioritas gejala sekunder di
bawah gejala pendukung.
4. Gejala lainnya adalah gejala dengan tingkat prioritas terkecil dan berada
di bawah gejala sekunder.
5. Tidak ada adalah gejala yang sama sekali tidak dimiliki oleh penyakit.

4.3.2. Basis pengetahuan

Basis pengetahuan merupakan inti dari sistem pakar karena berisi
respresentasi pengetahuan pakar yang menjadi acuan pada penelitian ini. Basis
pengetahuan mengandung pengetahuan untuk pemahaman, formulasi dan
penyelesaian masalah. Komponen sistem pakar terdiri dari dua elemen dasar,
yaitu fakta dan aturan. Fakta merupakan informasi tentang objek dalam area
permasalahan tententu, sedangkan aturan merupakan informasi tentang cara
bagaimana memperoleh fakta baru dari fakta yang telah diketahui [14].
Pada Tabel 4.5 dijabarkan mengenai data aturan penyakit tanaman cabai
merah.

30
 Tabel 4.5 Data Aturan Penyakit Tanaman Cabai Merah
Kode Gejala Tipe/Kriteria Penyakit
1. Antraknosa
Penyakit
G1 Bercak kering pada daun 2. Cercospora
Campuran

Bercak daun berbentuk bulat

G2 Cercospora 1. Cercospora
dan sobek

Bercak berwarna coklat abu-

G3 Cercospora 1. Cercospora
abu

Daun menggulung ke arah

G4 Virus Gemini 1. Virus Gemini
bawah

1. Virus Gemini
Penyakit
G5 Daun menguning 2. Antraknosa
Campuran
3. Cercospora
Penyakit
G6 Daun hijau pekat mengkilat 1. Penyakit Kerupuk
Kerupuk

1. Antraknosa
Penyakit
G7 Daun berguguran 2. Cercospora
Campuran
3. Penyakit Kerupuk
Daun berkerut dan permukaan Penyakit
G8 1. Penyakit Kerupuk
tidak rata Kerupuk

G9 Tulang daun menonjol/menebal Virus Gemini 1. Virus Gemini

G10 Buah mengering dan keriput Antraknosa 1. Antraknosa

Buah terdapat bercak hitam dan

G11 Antraknosa 1. Antraknosa
membusuk

Penyakit
G12 Bakal buah dan bunga gugur 1. Penyakit Kerupuk
Kerupuk

1. Virus Gemini
Tanaman Kerdil Penyakit
G13 2. Penyakit kerupuk
Campuran

Sumber: [Pakar]

31
 Daftar nilai bobot gejala-gejala pada penelitian ini dijabarkan pada Tabel
4.6.
Tabel 4.6 Daftar Nilai Bobot Gejala Penyakit Tanaman Cabai Merah
Jenis Penyakit G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13
Antraknosa 0.5 0.01 0.01 0.01 0.5 0.01 0.5 0.01 0.01 1 1 0.01 0.01
Cercospora 0.75 1 1 0.01 0.25 0.01 0.25 0.01 0.01 0.01 0.01 0.01 0.01
Penyakit Kerupuk 0.01 0.01 0.01 0.01 0.01 1 0.75 1 0.01 0.01 0.01 1 0.5
Virus Gemini 0.01 0.01 0.01 1 0.75 0.01 0.01 0.01 1 0.01 0.01 0.01 0.75
Sumber: [Pakar]

Keterangan dari kode gejala pada Tabel 4.6 ditunjukkan pada Tabel 4.7.

Tabel 4.7 Daftar Keterangan Kode Gejala Tanaman Cabai Merah

Kode Jenis Gejala Hama Tanaman Cabai merah
G1 Bercak kering pada daun
G2 Bercak daun berbentuk bulat dan sobek
G3 Bercak berwarna coklat abu-abu
G4 Daun menggulung ke arah bawah
G5 Daun menguning
G6 Daun hijau pekat mengkilat
G7 Daun berguguran
G8 Daun berkerut dan permukaan tidak rata
G9 Tulang daun menonjol/menebal
G10 Buah mengering dan keriput
G11 Buah terdapat bercak hitam dan membusuk
G12 Bakal buah dan bunga gugur
G13 Tanaman Kerdil
Sumber: [Pakar]

4.3.3. Mesin Inferensi

Metode inferensi yang digunakan pada penelitian ini adalah metode
forward chaining, yang diawali dari sekumpulan fakta-fakta berupa gejala
penyakit yang diberikan oleh pengguna sistem sebagai input. Selanjutnya
dilakukan proses perhitungan dengan menggunakan metode AHP-SAW dan

32
pengambilan kesimpulan akhir berupa penyakit berdasarkan masukan gejala-
gejala dari pengguna.

4.3.3.1. Diagram Alir Metode AHP dan SAW

Pemodelan sistem pakar pada penelitian ini memiliki dua tahapan, yaitu
tahap pembobotan masing-masing kriteria menggunakan metode AHP, dan tahap
pengambil keputusan menggunakan metode SAW. Secara umum proses
pembobotan menggunakan metode AHP ditunjukkan pada Gambar 4.2.

Gambar 4.2 Diagram Alir Perhitungan Metode AHP

Keterangan dari diagram alir perhitungan metode AHP yang ditunjukkan

pada Gambar 4.2, antaralain:

33
1. Bobot Perbandingan Berpasangan
Bobot perbandingan berpasangan ditentukan berdasarkan Tabel 2.3 serta
memberikan nilai pada kolom kriteria yang dibandingkan menggunakan skala
perbandingan pada Tabel 2.2.

2. Pemenuhan Matriks Perbandingan Berpasangan

Pemenuhan matriks perbandingan berpasangan seperti yang ditunjukkan
pada Tabel 2.3, dengan nilai Cij diisi menggunakan Persamaan 2-1.

3. Penjumlahan Nilai Tiap Kolom

Proses penjumlahan nilai tiap kolom diperoleh dari matriks pemenuhan
perbandingan berpasangan, yaitu dengan menjumlahkan setiap kolom pada
matriks pemenuhan perbandingan berpasangan.

4. Normalisasi Matriks (Sintesis)

Perhitungan normalisasi matriks menggunakan Persamaan 2-2, yaitu dengn
membagi nilai setiap elemen matriks perbandingan berpasangan dengan
jumlah kolom.

5. Pembobotan
Perhitungan pembobotan menggunakan Persamaan 2-3, yaitu dengan
menjumlahkan nilai-nilai dari setiap baris matriks normalisasi dan
membagianya dengan jumlah kriteria.

6. Mengukur konsistensi
Langakah pertama dalam mengukur konsistensi, yaitu menghitung 𝜆𝑚𝑎𝑥 .
Perhitungan 𝜆𝑚𝑎𝑥 adalah hasil dari penjumlahan kolom hasil dibagi jumlah
kriteria. Selanjutnya menghitung nilai Consistency Index (CI) dan langkah
terakhir menghitung Consistensy Ratio (CR). Untuk mengukur nilai
konsistensi berdasarkan hasil CR. Jika nilai CR < 0,1 maka hasil bisa
dinyatakan benar, namun jika nilai CR > 0,1 maka penilaian data harus
diperbaiki.

7. Nilai Bobot Kriteria

Nilai bobot kriteria merupakan output dari perhitungan metode AHP
kemudian digunakan untuk perhitungan preferensi pada metode SAW.
Langkah-langkah dalam pengambilan kesimpulan dengan menggunakan
metode SAW dapat ditunjukkan pada Gambar 4.3.

34
 Gambar 4.3 Diagram Alir Perhitungan Metode SAW

Keterangan dari diagram alir perhitungan metode SAW, antaralain:

1. Nilai Gejala dan Bobot Kriteria
Nilai gejala merupakan input dari pengguna yang berupa gejala-gejala
terpilih, sedangkan bobot kriteria merupakan bobot yang diperoleh dari
perhitungan AHP.

2. Matriks Keputusan
Matriks keputusan merupakan matriks yang dibentuk dari pengelompokan
nilai bobot gejala penyakit tanaman cabai merah yang dipilih oleh penguna
ke dalam kriteria-kriteria yang sudah ditentukan berdasarkan Tabel 4.5.

3. Normalisasi Matriks
Perhitungan normalisasi matriks berdasarkan Persamaan 2-6 dengan acuan
bahwa semua atribut merupakan keuntungan atau benefit, yaitu diperoleh
dari nilai setiap elemen matriks keputusan dan membaginya dengan nilai
terbesar dari kolom matriks keputusan.

35
4. Preferensi Tiap Alternatif
Nilai preferensi untuk setiap alternative merupakan hasil penjumlahan dari
perkalian matrik ternormalisasi dengan bobot kriteria (bobot yang diperoleh
dari perhitungan metode AHP). Proses perhitungan preferensi menggunakan
Persamaan 2-7.

5. Hasil Alternatif Maksimal

Hasil alternatif maksimal diperoleh dari nilai terbesar pada perhitungan
preferensi tiap alternatif. Selanjutnya akan digunakan untuk kesimpulan
akhir, yaitu penyakit yang terdiagnosa.

4.3.3.2. Perhitungan Kasus Secara Manual

Perhitungan manual dilakukan untuk memberikan gambaran umum
mengenai sistem yang akan dirancang. Perhitungan manual tahapan inferensi
adalah sebagai berikut:
1. Pembobotan Menggunakan Metode AHP
Langkah-langkah dalam menentukan bobot kriteria dengan menggunakan
metode AHP adalah sebagai berikut.
a. Menentukan matriks perbandingan berpasangan
Matriks perbandingan berpasangan ditentukan berdasarkan Tabel 2.3 serta
memberikan nilai pada kolom kriteria yang dibandingkan menggunakan skala
perbandingan pada Tabel 2.2. Matriks perbandingan berpasangan ditunjukkan
pada Tabel 4.8.

Tabel 4.8 Matriks Perbandingan Berpasangan

𝐶1 𝐶2 𝐶3 𝐶4 𝐶5
𝐶1 1 1 1 1 3
𝐶2 𝐶𝑖𝑗 1 1 1 3
𝐶3 𝐶𝑖𝑗 𝐶𝑖𝑗 1 1 3
𝐶4 𝐶𝑖𝑗 𝐶𝑖𝑗 𝐶𝑖𝑗 1 3
𝐶5 𝐶𝑖𝑗 𝐶𝑖𝑗 𝐶𝑖𝑗 𝐶𝑖𝑗 1

Keterangan: C1 = Antraknosa, C2 = Cercospora, C3 = Penyakit Kerupuk, C4 =

Virus Gemini, dan C5 = Penyakit Campuran
b. Pemenuhan matriks perbandingan berpasangan
Pemenuhan matriks perbandingan berpasangan seperti yang ditunjukkan
pada Tabel 2.3, dengan nilai 𝐶𝑖𝑗 diisi menggunakan Persamaan 2-1. Pemenuhan
matriks perbandingan berpasangan ditunjukkan pada Table 4.9.

36
 Tabel 4.9 Matriks Perbandingan Berpasangan Penuh
𝐶1 𝐶2 𝐶3 𝐶4 𝐶5
𝐶1 1 1 1 1 3
𝐶2 1 1 1 1 3
𝐶3 1 1 1 1 3
𝐶4 1 1 1 1 3
𝐶5 0.333333 0.333333 0.333333 0.333333 1
Jumlah 4.333333 4.333333 4.333333 4.333333 13

Keterangan: C1 = Antraknosa, C2 = Cercospora, C3 = Penyakit Kerupuk, C4 =

Virus Gemini, dan C5 = Penyakit Campuran
Baris Jumlah merupakan jumlah dari setiap kolom kriteria.
c. Sistesis
Proses perhitungan normalisasi matriks dilakukan dengan menggunakan
Persamaan 2-2, yaitu membagi setiap nilai dari kolom dengan total kolom yang
bersangkutan. Hasil perhitungan normalisasi ditunjukkan pada Tabel 4.10.

Tabel 4.10 Matrik Ternormalisasi

𝐶1 𝐶2 𝐶3 𝐶4 𝐶5 Jumlah
𝐶1 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231 1.153846154
𝐶2 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231 1.153846154
𝐶3 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231 1.153846154
𝐶4 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231 1.153846154
𝐶5 0.076923077 0.076923077 0.076923077 0.076923077 0.076923077 0.384615385

Keterangan: C1 = Antraknosa, C2 = Cercospora, C3 = Penyakit Kerupuk, C4 =

Virus Gemini, dan C5 = Penyakit Campuran
d. Pembobotan
Proses perhitungan nilai bobot masing-masing kriteria menggunakan
Persamaan 2-3, yaitu jumlah setiap baris pada matriks ternormalisai dibagi
dengan jumalah kriteria.
1.153846154
𝐵𝑜𝑏𝑜𝑡 𝐶1 = = 0.230769231
5
1.153846154
𝐵𝑜𝑏𝑜𝑡 𝐶2 = = 0.230769231
5
1.153846154
𝐵𝑜𝑏𝑜𝑡 𝐶3 = = 0.230769231
5
1.153846154
𝐵𝑜𝑏𝑜𝑡 𝐶4 = = 0.230769231
5
0.384615385
𝐵𝑜𝑏𝑜𝑡 𝐶5 = = 0.076923077
5

Keterangan: C1 = Antraknosa, C2 = Cercospora, C3 = Penyakit Kerupuk, C4 =

Virus Gemini, dan C5 = Penyakit Campuran

37
 e. Mengukur Konsistensi
Langkah pertama untuk mengukur konsistensi yaitu mengalikan setiap nilai
pada kolom pertama dengan prioritas relatif elemen pertama, nilai kolom kedua
dengan prioritas relatif elemen kedua, dan seterusnya. Langkah selanjutnya, tiap
baris dijumlahkan dan hasilnya dibagi dengan prioritas relatif yang bersangkutan.
Tabel perkalian kolom dengan bobot ditunjukkan pada Tabel 4.11 dan Tabel 4.12.

Tabel 4.11 Matriks Perkalian dengan Bobot [1]

𝐶1 𝐶2 𝐶3 𝐶4 𝐶5
𝐶1 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231
𝐶2 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231
𝐶3 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231
𝐶4 0.230769231 0.230769231 0.230769231 0.230769231 0.230769231
𝐶5 0.076923077 0.076923077 0.076923077 0.076923077 0.076923077

Keterangan: C1 = Antraknosa, C2 = Cercospora, C3 = Penyakit Kerupuk, C4 =

Virus Gemini, dan C5 = Penyakit Campuran
Tabel 4.12 Matriks Perkalian dengan Bobot [2]
Jumlah Bobot Hasil
𝐶1 1.153846154 0.230769231 5
𝐶2 1.153846154 0.230769231 5
𝐶3 1.153846154 0.230769231 5
𝐶4 1.153846154 0.230769231 5
𝐶5 0.384615385 0.076923077 5
Jumlah 25

Keterangan: C1 = Antraknosa, C2 = Cercospora, C3 = Penyakit Kerupuk, C4 =

Virus Gemini, dan C5 = Penyakit Campuran
Kolom jumlah merupakan jumlah dari tiap kolom kriteria. Kolom bobot
merupakan kolom bobot tiap kriteria. Kolom hasil merupakan hasil pembagian
antara kolom jumlah dengan kolom bobot.
Tabel 4.9 merupakan contoh hasil yang diperoleh dari perbandingan jumlah
gejala penyakit pada kriteria Antraknosa, Cercospora, Penyakit Kerupuk, Virus
Gemini, dan Penyakit Campuran. 𝜆𝑚𝑎𝑥 adalah hasil dari penjumlahan kolom hasil
dibagi jumlah kriteria.
25
𝜆𝑚𝑎𝑥 = =5
5

Proses perhitungan selanjutnya menghitung Consistency Index (CI)

menggunakan Persamaan 2-4.
(5−5)
𝐶𝐼 = =0
4

38
 Menghitung Consistency Ratio (CR) menggunakan Persamaan 2-5. Ratio
Index yang digunakan adalah 1,12 karena menggunakan 5 kriteria dalam
mengambil keputusan. 0.004969822
0
𝐶𝑅 = 1.12 = 0

Consistency Ratio yang menunjukkan nilai 0 membuktikan bahwa

pembobotan kriteria sangat konsisten sehingga perhitungan bobot kriteria
menggunakan metode AHP telah layak untuk digunakan.
2. Kesimpulan Akhir Menggunakan Metode SAW
Metode SAW digunakan untuk menentukan kesimpulan akhir berupa jenis
penyakit. Langkah-langkah perhitungan metode SAW sebagai berikut:
a. Matrik Keputusan
Membuat matriks keputusan dengan menggunakan nilai bobot gejala
kemudian dikelompokkan sesuai kriteria. Data yang digunakan adalah 13 jenis
gejala dan dikelomkpokkan jadi 5 kriteria, pengelompokkan gejala sesuai kriteria
ditunjukkan pada Tabel 4.5. Matriks Keputusan diawali dengan pemilihan gejala,
misal gejala terpilih antara lain: Bercak kering pada daun (G1), Bercak berwarna
coklat abu-abu (G3), dan Daun hijau pekat mengkilat (G6). Dari permisalan gejala
terpilih didapat daftar nilai yang ditunjukkan pada Tabel 4.13.
Tabel 4.13 Nilai Bobot Gejala Terpilih
Jenis Penyakit G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13
Antraknosa 0.5 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01
Cercospora 0.75 0.01 1 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01
Penyakit Kerupuk 0.01 0.01 0.01 0.01 0.01 1 0.01 0.01 0.01 0.01 0.01 0.01 0.01
Virus Gemini 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01

Keterangan dari kode gejala pada Tabel 4.13 ditunjukkan pada Tabel 4.7.

Langkah selanjutnya dengan mengelompokkan gejala sesuai kriteria.

Pengelompokkan gejala sesuai kriteria ditunjukkan pada Tabel 4.14.
Tabel 4.14 Matriks Keputusan
Kriteria
Penyakit
Antraknosa Cercospora Kerupuk Gemini Campuran
Antraknosa 0.02 0.02 0.03 0.02 0.53
Cercospora 0.02 1.01 0.03 0.02 0.78
Penyakit
Kerupuk 0.02 0.02 1.02 0.02 0.04
Virus Gemini 0.02 0.02 0.03 0.02 0.04
Nilai Max 0.02 1.01 1.02 0.02 0.78

39
 Nilai kolom antara antraknosa dan antraknosa diperoleh dengan
munjumlahkan baris antraknosa dengan G10 dan G11 = 0,01+0,01= 0,02, karena
G10 dan G11 termasuk dalam kriteria Antraknosa. Nilai kolom selanjutnya
menggunakan perhitungan yang sama tergantung pengelompokan kriteria. Nilai
kolom max diperoleh dengan memilih nilai terbersar dari kolom setiap kriteria.
b. Normalisasi Matriks
Perhitungan normalisasi matriks dilakukan berdasarkan Persamaan 2-6
dengan acuan bahwa semua atribut merupakan keuntungan atau benefit. Hasil
normalisasi matriks ditunjukkan pada Tabel 4.15.
Tabel 4.15 Matriks Ternormalisasi
Kriteria
Penyakit
Antraknosa Cercospora Kerupuk Gemini Campuran
Antraknosa 1 0.019802 0.029412 1 0.679487
Cercospora 1 1 0.029412 1 1
Penyakit Kerupuk 1 0.019802 1 1 0.051282
Virus Gemini 1 0.019802 0.029412 1 0.051282

0.02
Perhitungan kolom Antraknosa dan Antraknosa, yaitu: 𝑟11 = = 1 dan
0.02
kolom lain menggunakan perhitungan sama.
c. Nilai Preferensi tiap alternatif
Nilai preferensi untuk tiap alternatif merupakan hasil penjumlahan dari
perkalian matriks ternormalisasi dengan bobot kriteria. Setelah didapat nilai
preferensi, kesimpulan akhir berupa nilai preferensi terbesar. Proses perhitungan
preferensi menggunakan Persamaan 2-7. Perhitungan preferensi sebagai berikut:
V1 = (1 x 0.230769231) + (0.019802x 0.230769231) + (0.029412x
0.230769231) + (1 x 0.230769231) + (0.679487x 0.076923077)
= 0.584758406
Untuk menghitung nilai preferensi V2, V3, dan V4 sama seperti perhitungan
V1. Hasil perhitungan preferensi ditunjukkan pada Tabel 4.16.
Tabel 4.16 Hasil Nilai Preferensi
V Nilai Preferensi
𝑉1 0.525163724
𝑉2 0.7760181
𝑉3 0.700822153
𝑉4 0.476840253

Keterangan: V1 = Antraknosa, V2 = Cercospora, V3 = Penyakit Kerupuk, dan V4

= Virus Gemini

40
 Dari hasil perhitungan manual diperoleh kesimpulan akhir, yaitu penyakit
Cercospora (V2) yang diperoleh dari nilai preferensi terbesar yang ditunjukkan
pada Tabel 4.16.

4.3.4. Blackboard
Blackboard adalah area dari sekumpulan memori kerja yang digunakan
untuk merekam kejadian yang sedang berlangsung termasuk keputusan
sementara. Blackboard juga mengandung rencana solusi berupa data yang
berfungsi sebagai bahan pertimbangan untuk mencapai tujuan akhir sistem. Pada
penelitian ini, data yang disimpan sementara berupa data input pengguna dan
nilai bobot gejala-gejala alternatif yang telah ditetapkan.

4.3.5. Fasilitas Penjelas

Fasilitas penjelas pada sistem pakar diagnosa penyakit tanaman cabai
merah ini memiliki dua fasilitas penjelas, fasilitas penjelas pertama terdapat pada
halaman awal mengenai penyakit umum tanaman cabai merah dan cara
menanggulanginya, dan fasilitas penjelas kedua terdapat pada halaman hasil
diagnosa berupa penjabaran perhitungan.

4.3.6. Perancangan Algoritma Pemodelan Sistem Pakar Diagnosa

Penyakit Tanaman Cabai Merah
Awal proses diagnosa penyakit tanaman cabai merah yaitu dengan
inputan gejala-gejala penyakit tanaman oleh pengguna sistem, kemudian
dilakukan proses perhitungan bobot menggunakan AHP dan perhitungan SAW
menghasilkan kesimpulan akhir, yaitu berupa jenis penyakit dan
penanggulangannya serta hasil perhitungan. Diagram alir proses diagnosa
ditunjukkan pada Gambar 4.4.

41
 Gambar 4.4 Rancang Proses Diagnosa Penyakit Tanaman Cabai Merah

4.3.7. Antarmuka
Antarmuka sistem pakar berfungsi sebagai sarana penghubung dan
komunikasi antara pengguna dan sistem. Perancangan antarmuka dari sistem ini
digambarkan dengan sitemap dan dengan desain antarmuka untuk tiap halaman.
Sistem pakar ini dirancang untuk dapat menampilkan halaman utama berisi
informasi, halaman formulir diagnosa, halaman hasil diagnosa, dan halaman
about me. Sitemap antarmuka sistem ditunjukkan pada Gambar 4.5.

Gambar 4.5 Sitemap Antarmuka Sistem Pakar

42
4.3.7.1. Desain Antarmuka Halaman Utama dan Informasi
Halaman utama merupakan halaman awal yang diakses pengguna saat
menggunakan sistem pakar, pada halaman ini terdapat judul logo, deskripsi
sistem, informasi mengenai penyakit utama cabai merah dan cara
penanggulangannya, tombol menuju halaman diagnosa, dan tombol menuju
halaman about me. Desian antarmuka halaman utama dan informasi ditunjukkan
pada Gambar 4.6.

Gambar 4.6 Desain Antarmuka Halaman Utama dan Informasi

4.3.7.2. Desain Antarmuka Halaman Formula Diagnosa

Halaman diagnosa berisi formula yang berupa pertanyaan-pertanyaan yang
akan diajukan sistem kepada pengguna berupa gejala-gejala penyakit tanaman
cabai merah yang nantinya akan diproses menuji halaman hasil. Desain
antarmuka halaman formula diagnosa ditunjukkan pada Gambar 4.7.

43
 Gambar 4.7 Desain Antarmuka Halaman Formula Diagnosa

4.3.7.3. Desain Antarmuka Halaman Hasil Diagnosa

Halaman hasil diagnosa berisi jenis penyakit yang merupakan hasil
perhitungan AHP-SAW berdasarkan input pengguna pada halaman formula
diagnosa, pada halaman ini juga terdapat cara penanggulangan penyakit yang
didapat dan terdapat penjabaran perhitungan AHP-SAW yang telah dilakukan.
Desain antarmuka halaman hasil diagnosa ditunjukkan pada Gambar 4.8.

Gambar 4.8 Desain Antrarmuka Halaman Hasil Diagnosa

44
4.3.7.4. Desain Antarmuka Halaman About Me
Halaman about me berisi informasi mengenai pengembang sistem, berupa
foto dan biodata pengembang sistem. Desain antarmuka halaman about me
ditunjukkan pada Gambar 4.9.

Gambar 4.9 Desain Antarmuka Halaman About Me

4.3.8. Desain Pengujian

Pada penelitian ini dilakukan dua pengujian, yaitu pengujian fungsional dan
akurasi. Pengujian fungsional bertujuan untuk mengetahui sistem yang dibangun
telah sesuai dengan kebutuhan sistem yang ditentukan. Skenario pengujian
fungsionalitas ditunjukkan pada Tabel 4.17.
Tabel 4.17 Skenario Pengujian Fungsionalitas
No Skenario Pengujian Hasil yang Diharapkan
1. Mengklik tombol informasi Sistem menampilkan halaman informasi.
pada halaman utama.
2. Mengklik tombol diagnosa Sistem menampilkan halaman diagnosa.
pada halaman utama.
3. Mengisi formula diagnosa Sistem menampilkan halaman hasil diagnosa
dan mengklik tombol dengan menyertakan jenis penyakit, cara
diagnosa pada halaman penanggulangan, dan hasil perhitungan
diagnosa. dengan akurat.
4. Mengklik tombol about me Sistem menampilkan halaman about me

45
 Contoh pengujian akurasi ditunjukkan pada Tabel 4.18.
Tabel 4.18 Contoh Pengujian Akurasi
No Gejala Hasil Sistem Hasil Pakar Akurasi
. Hasil
1 - Daun menguning Virus Gemini Virus Gemini 1
- Tulang daun menonjol/
menebal
2 - Daun gugur Penyakit Antraknosa 0
- Buah terdapat bercak Kerupuk
hitam dan membusuk

Tujuan dari pengujian akurasi ialah untuk mengetahui jumlah kecocokan

antara hasil diagnosa sistem dengan hasil diagnosa pakar.

46
 BAB V
IMPLEMENTASI

Pada bab ini membahas tentang implementasi perangkat lunak

berdasarkan hasil yang telah didapat dari analisa dan perancangan sistem.
Pembahasan pada bab ini terdiri dari penjelasan mengenai spesifisaki sistem,
batasan-batasn implementasi, implementasi algoritma pada program, dan
implementasi antarmuka. Tahapan-tahapan implementasi ditunjukkan pada
Gambar 5.1.

5.1 5.1.1 Spesifikasi Perangkat Keras

Implementasi
Sistem 5.1.2 Spesifikasi Perangkat Lunak

5.2
Batasan
Implementasi

5.3.1 Pembobotan Menggunakan Metode AHP

5.3
Implementasi
Algoritma
5.3.2 Kesimpulan Akhir Menggunakan Metode
SAW
V. Implementasi

5.4.1 Implementasi Halaman Utama

5.4 5.4.2 Implementasi Halaman About Me

Implementasi
Antarmuka 5.4.3 Implementasi Halaman Diagnosa

5.4.4 Implementasi Halaman Hasil Diagnosa

Gambar 5.1 Pohon Implementasi

47
5.1. Implementasi Sistem
Hasil analisa dan perancangan perangkat lunak pada bab empat akan
menjadi acuan dalam melakukan implementasi sistem. Dalam implementasi
sistem dibutuhkan spesifikasi perankat yang layak agar sistem yang dirancang
dapat berfungsi sesuai kebutuhan. Spesifikasi perangkat sistem yang dibutuhkan
terdiri atas spesifikasi perangkat keras dan spesifikasi perangkat lunak.

5.1.1. Spesifikasi Perangkat Keras

Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah
Menggunakan Metode AHP-SAW menggunakan spesifikasi perangkat keras yang
ditunjukkan pada Tabel 5.1.
Tabel 5.1 Spesifikasi Perangkat Keras
Nama Komponen Spesifikasi

Prosesor Intel® Core™ i5-M430 CPU@2.27GHz

Memori 4096 MB

Kartu Grafis Intel® 2 GB

Harddisk 512 GB

5.1.2. Spesifikasi Perangkat Lunak

Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah
Menggunakan Metode AHP-SAW menggunakan spesifikasi perangkat lunak yang
ditunjukkan pada Tabel 5.2.
Tabel 5.2 Spesifikasi Perangkat Lunak
Nama Spesifikasi
Sistem operasi Windows 7 Home Premium 64-bit
Bahasa pemrograman HTML dan PHP
Tools Pemrograman 1. Notepad++
2. XAMPP v1.8.1
3. Web Browser

5.2. Batasan Implementasi

Batasan-batasan implementasi dari Pemodelan Sistem Pakar Diagnosa
Penyakit Tanaman Cabai Merah Menggunakan Metode AHP-SAW adalah sebagai
berikut:
1. Sistem dirancang dengan berbasis Web Application menggunakan
bahasa pemrograman HTML dan PHP.

48
 2. Data-data yang digunakan dalam sistem pakar disimpan di dalam
variabel tanpa menggunakan database.
3. Input yang diterima sistem berupa data-data gejala pada tanaman cabai
merah.
4. Metode yang digunakan dalam menyelesaikan masalah adalah metode
AHP-SAW.
5. Ounput yang ditampilkan oleh sistem adalah jenis penyakit dan solusi
penanggulangan, serta hasil perhitungan menggunakan metode AHP-
SAW.
5.3. Implementasi Algoritma
5.3.1. Implementasi Algoritma Pembobotan Menggunakan Metode
AHP
Pada tahapan ini dilakukan pencarian pembobotan kriteria yang digunakan
untuk mencari keputusan akhir pada metode SAW. Pada tahap ini juga dilakukan
pengecekan konsistensi dengan syarat nilai CR harus kurang dari 0,1. Jika nilai CR
kurang dari 0,1 maka harus dilakukan perubahan nilai bobot pada matriks
petbandingan kriteria sampai syarat konsistensi terpenuhi.
1. Implementasi Algoritma Perhitungan Normalisasi Perbandinga Kriteria
Perhitungan normalisasi matriks perbandingan kriteria menggunakan
Persamaan 2-2, yaitu dilakukan dengan membagi tiap elemen matriks
perbandingan dengan total kolomnya. Implementasi algoritma perhitungan
normalisasi perbandingan kriteria ditunjukkan pada Gambar 5.2.
1 $k1k1=1;
2 $k2k1=1; $k2k2=1;
3 $k3k1=1/2; $k3k2=1/2; $k3k3=1;
4 $k4k1=3; $k4k2=1; $k4k3=2; $k4k4=1;
5 $k5k1=1/3; $k5k2=1/3; $k5k3=1/2; $k5k4=1/3; $k5k5=1;
6
7 $k1k2=1/$k2k1; $k1k3=1/$k3k1; $k1k4=1/$k4k1; $k1k5=1/$k5k1;
8 $k2k3=1/$k3k2; $k2k4=1/$k4k2; $k2k5=1/$k5k2;
9 $k3k4=1/$k4k3; $k3k5=1/$k5k3;
10 $k4k5=1/$k5k4;
11
12 //Perbandingan Bobot
13 $bk[1][1]=$k1k1;$bk[1][2]=$k1k2;$bk[1][3]=$k1k3;$bk[1][4]=$k1k4;$bk[1][5]
14 =$k1k5;
15 $bk[2][1]=$k2k1;$bk[2][2]=$k2k2;$bk[2][3]=$k2k3;$bk[2][4]=$k2k4;$bk[2][5]
16 =$k2k5;
17 $bk[3][1]=$k3k1;$bk[3][2]=$k3k2;$bk[3][3]=$k3k3;$bk[3][4]=$k3k4;$bk[3][5]
18 =$k3k5;
19 $bk[4][1]=$k4k1;$bk[4][2]=$k4k2;$bk[4][3]=$k4k3;$bk[4][4]=$k4k4;$bk[4][5]
20 =$k4k5;
21 $bk[5][1]=$k5k1;$bk[5][2]=$k5k2;$bk[5][3]=$k5k3;$bk[5][4]=$k5k4;$bk[5][5]

49
22 =$k5k5;
23
24 //jumlahh setiap kriteria
25 $sumK1= $k1k1+$k2k1+$k3k1+$k4k1+$k5k1;
26 $sumK2= $k1k2+$k2k2+$k3k2+$k4k2+$k5k2;
27 $sumK3= $k1k3+$k2k3+$k3k3+$k4k3+$k5k3;
28 $sumK4= $k1k4+$k2k4+$k3k4+$k4k4+$k5k4;
29 $sumK5= $k1k5+$k2k5+$k3k5+$k4k5+$k5k5;
30
31 //normalisasi bobot
32 $nk1k1= $k1k1/$sumK1; $nk1k2= $k1k2/$sumK2; $nk1k3= $k1k3/$sumK3;
33 $nk1k4= $k1k4/$sumK4; $nk1k5= $k1k5/$sumK5;
34 $nk2k1= $k2k1/$sumK1; $nk2k2= $k2k2/$sumK2; $nk2k3= $k2k3/$sumK3;
35 $nk2k4= $k2k4/$sumK4; $nk2k5= $k2k5/$sumK5;
36 $nk3k1= $k3k1/$sumK1; $nk3k2= $k3k2/$sumK2; $nk3k3= $k3k3/$sumK3;
37 $nk3k4= $k3k4/$sumK4; $nk3k5= $k3k5/$sumK5;
38 $nk4k1= $k4k1/$sumK1; $nk4k2= $k4k2/$sumK2; $nk4k3= $k4k3/$sumK3;
39 $nk4k4= $k4k4/$sumK4; $nk4k5= $k4k5/$sumK5;
40 $nk5k1= $k5k1/$sumK1; $nk5k2= $k5k2/$sumK2; $nk5k3= $k5k3/$sumK3;
41 $nk5k4= $k5k4/$sumK4; $nk5k5= $k5k5/$sumK5;
Gambar 5.2 Implementasi Algoritma Perhitungan Normalisasi Perbandingan
Kriteria
Penjelasan algoritma proses penentukan alternatif pada Gambar 5.2 adalah
sebagai berikut:
a. Memasukkan perbandingan berpasangan antar kriteria ditunjukkan pada
baris ke-1 hingga baris ke-22.
b. Jumlah setiap kriteria ditunjukkan pada baris ke-25 hingga baris ke-29.
c. Perhitungan normalisasi menggunakan Persamaan 2-2 ditunjukkan pada
baris ke-32 hingga baris ke-41.

2. Implementasi Algoritma Perhitungan Bobot Kriteria

Perhitungan bobot kriteria menggunkaan Persamaan 2-3, yaitu dengan
menghitung nilai rata-rata setiap baris pada matriks ternormalisasi. Implementasi
algoritma perhitungan bobot kriteria awal ditunjukkan pada Gambar 5.3.
1 //menghitung bobot W(x)
2 $bobotN1= ($nk1k1+$nk1k2+$nk1k3+$nk1k4+$nk1k5)/5;
3 $bobotN2= ($nk2k1+$nk2k2+$nk2k3+$nk2k4+$nk2k5)/5;
4 $bobotN3= ($nk3k1+$nk3k2+$nk3k3+$nk3k4+$nk3k5)/5;
5 $bobotN4= ($nk4k1+$nk4k2+$nk4k3+$nk4k4+$nk4k5)/5;
6 $bobotN5= ($nk5k1+$nk5k2+$nk5k3+$nk5k4+$nk5k5)/5;

Gambar 5.3 Implementasi Algoritma Perhitungan Bobot Kriteria

50
 Proses perhitungan bobot kriteria munggunakan Persamaan 2-3,
ditunjukkan pada baris ke-2 hingga baris ke-6.
3. Implementasi Algoritma Perhitungan Konsistensi
Langkah pertama dalam perhitungan konsistensi yaitu mencari lamda
maksimum didapat dengan cara melakukan perkalian matriks antara bobot
kriteria dengan matriks perbandingan kriteria, lalu hasil dibagi dengan bobot
kriteria. Lamda maksimu merupakan rata-rata dari hasil pembagian tersebut.
Langkah selenjutnya mencari nilai consistency ratio (CR), yaitu dengan
mencari nilai Concistency Index (CI) dengan cara lamda maksimum dikurangi
dengan jumlah kriteria yang telah dikurangi 1, seperti yang ditunjukkan pada
Persamaan 2-4. Untuk kriteria dengan jumlah lima maka didapat RI=1,12. Nilai RI
akan digunakan untuk mengetahui nilai CR, nilai CR didapat dengan cara nilai CI
dibagi nilai RI seperti yang ditunjukkan pada Persamaan 2-5. Implementasi
algoritma perhitungan konsistensi ditunjukkan pada Gambar 5.4.
1 //Menghitung Ax
2 $Ax1=($k1k1*$bobotN1)+($k1k2*$bobotN2)+
3 ($k1k3*$bobotN3)+($k1k4*$bobotN4)+($k1k5*$bobotN5);
4 $Ax2=($k2k1*$bobotN1)+($k2k2*$bobotN2)+
5 ($k2k3*$bobotN3)+($k2k4*$bobotN4)+($k2k5*$bobotN5);
6 $Ax3=($k3k1*$bobotN1)+($k3k2*$bobotN2)+
7 ($k3k3*$bobotN3)+($k3k4*$bobotN4)+($k3k5*$bobotN5);
8 $Ax4=($k4k1*$bobotN1)+($k4k2*$bobotN2)+
9 ($k4k3*$bobotN3)+($k4k4*$bobotN4)+($k4k5*$bobotN5);
10 $Ax5=($k5k1*$bobotN1)+($k5k2*$bobotN2)+
11 ($k5k3*$bobotN3)+($k5k4*$bobotN4)+($k5k5*$bobotN5);
12 //perhitungan Ax/x
13 $aXX1=$Ax1/$bobotN1;
14 $aXX2=$Ax2/$bobotN2;
15 $aXX3=$Ax3/$bobotN3;
16 $aXX4=$Ax4/$bobotN4;
17 $aXX5=$Ax5/$bobotN5;
18 //perhitungan LamdaMax
19 $lamdaMax = ($aXX1+$aXX2+$aXX3+$aXX4+$aXX5)/5;
20 //Perhitungan CI
21 $CI= ($lamdaMax-5)/4;
22 //perhitungan CR
23 $RI5=1.12;
24 $CR=$CI/$RI5;
Gambar 5.4 Implementasi Algoritma Perhitungan Konsistensi

Penjelasan algoritma perhitungan konsistensi pada Gambar 5.4 adalah

sebagai berikut:

51
 a. Perkalian matriks bobot kriteria dengan matriks perbandingan berpasangan
ditunjukkan pada baris ke-2 hingga baris ke-17.
b. Perhitungan lamda maksimum ditunjukkan pada baris ke-19.
c. Perhitungan CI ditunjukkan pada baris ke-21.
d. Perhitungan CR ditunjukkan pada baris ke-24.

5.3.2. Implementasi Algoritma Keputusan Akhir Menggunkan

Metode SAW
Metode SAW digunakan untuk menentukan kesimpulan akhir berupa jenis
penyakit, yaitu dengan menggunakan bobot kritira yang diperoleh dari
perhitungan AHP.
1. Implementasi Algoritma Matriks Keputusan
Menentukan matriks keputusan dengan cara menggunakan nilai bobot
gejala kemudia dikelompokkan sesuai kriteria. Implementasi algoritma matriks
keputusan ditunjukkan pada Gambar 5.5.
1 //kriteria 1
2 $a_k1=$a_g10+$a_g11;
3 $c_k1=$c_g10+$c_g11;
4 $k_k1=$k_g10+$k_g11;
5 $g_k1=$g_g10+$g_g11;
6
7 $mak_k1 = max($a_k1,$c_k1,$k_k1,$g_k1);
8 //echo $mak_k1;
9
10 //kriteria 2
11 $a_k2 = $a_g2+$a_g3;
12 $c_k2 = $c_g2+$c_g3;
13 $k_k2 = $k_g2+$k_g3;
14 $g_k2 = $g_g2+$g_g3;
15
16 $mak_k2 = max($a_k2,$c_k2,$k_k2,$g_k2);
17
18 //kriteria 3
19 $a_k3 = $a_g6+$a_g8+$a_g12;
20 $c_k3 = $c_g6+$c_g8+$c_g12;
21 $k_k3 = $k_g6+$k_g8+$k_g12;
22 $g_k3 = $g_g6+$g_g8+$g_g12;
23
24 $mak_k3 = max($a_k3,$c_k3,$k_k3,$g_k3);
25
26 //kriteria 4
27 $a_k4 = $a_g4+$a_g9;
28 $c_k4 = $c_g4+$c_g9;

52
29 $k_k4 = $k_g4+$k_g9;
30 $g_k4 = $g_g4+$g_g9;
31
32 $mak_k4 = max($a_k4,$c_k4,$k_k4,$g_k4);
33
34 //kriteria 5
35 $a_k5 = $a_g1+$a_g5+$a_g7+$a_g13;
36 $c_k5 = $c_g1+$c_g5+$c_g7+$c_g13:
37 $k_k5 = $k_g1+$k_g5+$k_g7+$k_g13;
38 $g_k5 = $g_g1+$g_g5+$g_g7+$g_g13;
39
40 $mak_k5 = max($a_k5,$c_k5,$k_k5,$g_k5);
Gambar 5.5 Implementasi Algoritma Matriks Keputusan

Penjelasan algoritma matriks keputusan pada Gambar 5.5 adalah sebagai

berikut:
a. Pengelompokan kriteria 1 ditunjukkan pada baris ke-2 hingga baris ke-6,
kriteria 2 ditunjukkann pada baris baris ke-11 hingga baris ke-14, kriteria 3
ditunjukkan pada baris ke-19 hingga baris ke-22, kriteria 4 ditunjukkan pada
baris ke-27 hingga baris ke-30, dan kriteria 5 ditunjukkan pada baris ke-35
hingga baris ke-38.
b. Nilai maksimum dari kriteria 1 ditunjukkan pada baris ke-7, kriteria 2
ditunjukkan pada baris ke-16, kriteria 3 ditunjukkan pada baris ke-24, kriteria
4 ditunjukkan pada baris ke-32, dan kriteria 5 ditunjukkan pada baris ke-40.

2. Implementasi Algoritma Normalisasi Matriks

Perhitungan normalisasi matriks dilakukan berdasarkan Persamaan 2-6
dengan acuan bahwa semua atribut merupakan keuntungan atau benefit.
Implementasi algoritma normalisasi matriks ditunjukkan pada Gambar 5.6.
1 //normalisasi keriteria-kriteria
2 //normalisasi kriteria 1
3 $a_nk1 = $a_k1/$mak_k1;
4 $c_nk1 = $c_k1/$mak_k1;
5 $k_nk1 = $k_k1/$mak_k1;
6 $g_nk1 = $g_k1/$mak_k1;
7
8 //normalisasi kriteria 2
9 $a_nk2 = $a_k2/$mak_k2;
10 $c_nk2 = $c_k2/$mak_k2;
11 $k_nk2 = $k_k2/$mak_k2;
12 $g_nk2 = $g_k2/$mak_k2;
13
14 //normalisasi kriteria 3

53
15 $a_nk3 = $a_k3/$mak_k3;
16 $c_nk3 = $c_k3/$mak_k3;
17 $k_nk3 = $k_k3/$mak_k3;
18 $g_nk3 = $g_k3/$mak_k3;
19
20 //normalisasi kriteria 4
21 $a_nk4 = $a_k4/$mak_k4;
22 $c_nk4 = $c_k4/$mak_k4;
23 $k_nk4 = $k_k4/$mak_k4;
24 $g_nk4 = $g_k4/$mak_k4;
25
26 //normalisasi kriteria 5
27 $a_nk5 = $a_k5/$mak_k5;
28 $c_nk5 = $c_k5/$mak_k5;
29 $k_nk5 = $k_k5/$mak_k5;
30 $g_nk5 = $g_k5/$mak_k5;
Gambar 5.6 Implementasi Algoritma Normalisasi Matriks

Proseses perhitungan normalisasi matriks pada Gambar 5.6 ditunjukkan

pada baris ke-2 hingga baris ke-30.
3. Implementasi Algoritma Kesimpulan Akhir
Nilai preferensi untuk tiap alternatif merupakan hasil penjumlahan dari
perkalian matriks ternormalisasi dengan bobot kriteria. Setelah didapat nilai
preferensi, kesimpulan akhir berupa nilai preferensi terbesar. Perhitungan
preferensi menggunakan Persamaan 2-7. Implementasi Algoritma Kesimpulan
akhir ditunjukkan pada Gambar 5.7.
1 $nilaiAn =
2 ($a_nk1*$bobot1)+($a_nk2*$bobot2)+($a_nk3*$bobot3)+($a_nk4*$bobot4
3 )+($a_nk5*$bobot5);
4 $nilaiCr =
5 ($c_nk1*$bobot1)+($c_nk2*$bobot2)+($c_nk3*$bobot3)+($c_nk4*$bobot4)
6 +($c_nk5*$bobot5);
7 $nilaiKr =
8 ($k_nk1*$bobot1)+($k_nk2*$bobot2)+($k_nk3*$bobot3)+($k_nk4*$bobot4
9 )+($k_nk5*$bobot5);
10 $nilaiGm =
11 ($g_nk1*$bobot1)+($g_nk2*$bobot2)+($g_nk3*$bobot3)+($g_nk4*$bobot4
12 )+($g_nk5*$bobot5);
13
14 //nilai maksimum normalisasi*bobot
15 $mak_hasil = max($nilaiAn,$nilaiCr,$nilaiKr,$nilaiGm);
16 //echo $mak_hasil;
17

54
18 //variabel penyakit
19 $pen1 = "Antraknose";
20 $pen2 = "Cercospora";
21 $pen3 = "Penyakit Kerupuk";
22 $pen4 = "Virus Gemini";
23
24 if($nilaiAn==$mak_hasil){
25 $hasil = $pen1;
26 }
27 else if($nilaiCr==$mak_hasil){
28 $hasil = $pen2;
29 }
30 else if($nilaiKr==$mak_hasil){
31 $hasil = $pen3;
32 }
33 else if($nilaiGm==$mak_hasil){
34 $hasil = $pen4;
35 }
36 else { $hasil = "Error fix";}
Gambar 5.7 Implementasi Algoritma Kesimpulan Akhir

Penjelasan algoritma kesimpulan akhir pada Gambar 5.7 adalah sebagai

berikut:
a. Perhitungan preferensi ditunjukkan pada baris ke-1 hingga baris ke-12.
b. Menentukan kesimpulan akhir ditunjukkan pada baris ke-15 hingga baris ke-
36.
5.4. Implementasi Antarmuka
Antarmuka pada instrumen penelitian Pemodelan Sistem Pakar Diagnosa
Penyakit Tanaman Cabai Merah Menggunakan Metode AHP-SAW berfungsi
sebagai sarana interaksi pengguna dengan sistem.

5.4.1. Implementasi Antarmuka Halaman Utama

Halaman utama merupakan halaman awal yang diakses oleh pengguna
ketika menggunakan sistem pakar, pada halam ini terdapat judul, logo, deskripsi
sistem, informasi penjelasan tentang penyakit-penyakit utama pada tanaman
cabai merah yang termasuk dalam lingkup sistem pakar yang diusulkan, serta
terdapat tombol menuju halaman utama, tombol menuju halaman formula
diagnosa, tombol menuju halaman about me. Implementasi antarmuka halaman
informasi ditunjukkan pada Gambar 5.8.

55
 Gambar 5.8 Implementasi Antarmuka Halaman Utama

5.4.2. Implementasi Antarmuka Halaman Formula Diagnosa

Halaman formula diagnosa berisi formula yang berupa pertanyaan-
pertanyaan yang akan diajukan sistem kepada pengguna berupa gejala-gejala
penyakit tanaman cabai merah kemudia akan diproses menuju halaman hasil.
Implementasi antrarmuka halaman formula diagnosa ditunjukkan pada Gambar
5.9.

Gambar 5.9 Implementasi Antarmuka Halaman Formula Diagnosa

56
5.4.3. Implementasi Antarmuka Halaman Hasil Diagnosa
Halaman hasil diagnosa menampilkan jenis penyakit yang merupakan hasil
dari perhitungan AHP-SAW berdasarkan input pengguna pada halaman formula
diagnosa, pada halaman ini juga ditampilkan gambar dari jenis penyakit dan
penanggulangan penyakit yang didapat, serta terdapat penjabaran perhitungan
AHP-SAW. Implementasi antarmuka halaman hasil diagnosa ditunjukkan pada
Gambar 5.10.

Gambar 5.10 Implementasi Antarmuka Halaman Hasil Diagnosa

5.4.4. Implementasi Antarmuka Halaman About Me

Halaman about me menampilkan informasi mengenai pembangun
pemodelan sistem pakar, yaitu informasi nama, tempat tanggal lahir, dll.
Implementasi antarmuka halaman about me ditunjukkan pada Gambar 5.11.

57
Gambar 5.11 Implementasi Antarmuka Halaman About Me

58
 BAB VI
PENGUJIAN

Pada Bab ini membahas mengernai prosedur hasil pengujian Pemodelan

Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah Menggunakan Metode
AHP-SAW. Proses pengujian dilakukan dengan melalui dua tahapan, yakni
pengujian fungsionalitas dan pengujian akurasi. Pengujian fungsionalitas
dilakukan untuk mengetahui apakah sistem yang dirancang telah sesusai dengan
kebutuhan sistem yang diharapkan. Pengujian akurasi dilakukan untuk
mengetahui tingkat akurasi sistem dengan cara mencocokkan hasil keluaran
sistem dengan hasil diagnosa dari pakar. Pohon pengujian dan analisa
ditunjukkan pada Gambar 6.1.

Gambar 6.1 Pohon Pengujian dan Analisa

59
6.1. Pengujian Fungsionalitas
Pada sub bab ini dijelaskan mengenai pengujian fungsionalitas yang
dilakukan pada Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai
Merah Menggunakan Metode AHP-SAW. Pengujian fungsionalitas adalah
pengujian yang dilakukan terhadap sistem dengan tujuan mengetahui apakah
sistem yang dirancang telah memenuhi daftar kebutuhan sistem yang
diharapkan.

6.1.1. Prosedur dan Hasil Pengujian Fungsionalitas

Pengujian fungsionalitas dilakukan dengan membuat kasus uji untuk setiap
daftar kebutuhan sistem yang telah dirancang pada Tabel 4.16. Berdasarkan Tabel
4.16, terdapat empat kasus yang diuji pada pengujian fungsionalitas. Hasil
pengujian fungsionalitas ditunjukkan pada Tabel 6.1.
Tabel 6.1 Pengujian Fungsionalitas
No Skenario Hasil yang Diharapkan Hasil yang Didapat
Pengujian
1. Mengklik tombol Sistem menampilkan Sistem mampu menampilkan
informasi pada halaman informasi. halaman informasi dengan
halaman utama. benar.
2. Mengklik tombol Sistem menampilkan Sistem mampu menampilkan
diagnosa pada halaman diagnosa. halaman diagnosa dengan
halaman utama. benar.
3. Mengisi formulir Sistem menampilkan Sistem mampu menampilkan
diagnosa dan halaman hasil diagnosa halaman hasil diagnosa
mengklik tombol dengan menyertakan jenis dengan menyertakan jenis
diagnosa pada penyakit, cara penyakit, cara
halaman penanggulangan, dan hasil penanggulangan, dan hasil
diagnosa. perhitungan dengan akurat. perhitungan dengan akurat.
4. Mengklik tombol Sistem menampilkan Sistem mampu menampilkan
About Me halaman about me. halaman about me dengan
benar.

6.1.2. Analisa Pengujian Fungsionalitas

Analisa hasil pengujian fungsionalitas dilakukan dengan mencocokkan
kesesuaian antara hasil yang diharapkan dengan hasil yang didapat. Hasil
pengujian yang ditunjukkan pada Tabel 6.1 memiliki tingkat kesesuaian 100%,
sehingga dapat disimpulkan bahwa fungsionalitas dari Pemodelan Sistem Pakar
Diagnosa Penyakit Tanaman Cabai Merah Menggunakan Metode AHP-SAW
berjalan sesuai dengan daftar kebutuhan yang diharapkan.

60
6.2. Pengujian Akurasi
Pengujian akurasi dilakukan dengan tujuan untuk mengetahui kecocokan
hasil diagnosa Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah
Menggunakan Metode AHP-SAW dengan hasil diagnosa pakar.

6.2.1. Prosedur dan Hasil Pengujian Akurasi

Pengujian akurasi dilakukan dengan cara mencocokkan hasil diagnosa
sistem dengan hasil diagnosa pakar. Dalam pengujian ini terdapat 20 data gejala
penyakit tanaman cabai merah yang diuji. Hasil pengujian akurasi ditunjukkan
pada Tabel 6.2 yang didapat melalui wawancara dengan pakar. Hasil wawancara
dilampirkan pada Lampiran III.
Tabel 6.2 Pengujian Akurasi
NO GEJALA HASIL PAKAR HASIL SISTEM AKURASI
1  Buah terdapat bercak
hitam dan Antraknosa Antraknosa 1
membusuk
2  Buah mengering dan
keriput
 Buah terdapat bercak Antraknosa Antraknosa 1
hitam dan
membusuk
3  Daun menguning Virus Gemini Virus gemini 1
4  Daun berkerut dan Penyakit Penyakit
1
permukaan tidak rata Kerupuk kerupuk
5  Daun menggulung ke
arah bawah Virus Gemini Virus gemini 1
 Daun menguning
6  Daun menguning
Penyakit Penyakit
 Daun berkerut dan 1
Kerupuk kerupuk
permukaan tidak rata
7  Bercak berwarna
Cercospora Cercospora 1
coklat abu-abu
8  Daun menguning
 Tulang daun Virus Gemini Virus gemini 1
menonjol/menebal
9  Bercak kering pada
daun
 Bercak daun
berbentuk bulat dan Cercospora Cercospora 1
sobek
 Bercak berwarna
coklat abu-abu
10  Daun menggulung ke
Virus Gemini Virus gemini 1
arah bawah

61
  Daun menguning
 Tanaman kerdil
11  Daun hijau pekat
mengkilat
Penyakit Penyakit
 Daun gugur1 1
Kerupuk kerupuk
 Daun berkerut dan
permukaan tidak rata
12  Daun berkerut dan
Penyakit Penyakit
permukaan tidak rata 1
Kerupuk kerupuk
 Tanaman kerdil
13  Bercak kering pada
daun
 Bercak daun Cercospora Cercospora 1
berbentuk bulat dan
sobek
14  Daun gugur
 Buah terdapat bercak
Antraknosa Antraknosa 1
hitam dan
membusuk
15  Daun hijau pekat
mengkilat
 Daun berkerut dan Penyakit Penyakit
1
permukaan tidak rata Kerupuk kerupuk
 Bakal buah dan
bunga gugur
16  Daun menggulung ke
arah bawah
 Daun menguning Virus Gemini Virus gemini 1
 Tulang daun
menonjol/menebal
17  Bercak kering pada
daun
 Buah mengering dan
keriput Antraknosa Antraknosa 1
 Buah terdapat bercak
hitam dan
membusuk
18  Daun menggulung ke
arah bawah Virus Gemini Virus gemini 1
 Tanaman kerdil
19  Bercak kering pada
daun
Cercospora Cercospora 1
 Bercak daun
berbentuk bulat dan

62
 sobek
 Tulang daun
menonjol/menebal
20  Daun menguning
Virus Gemini Virus gemini 1
 Tanaman kerdil
21  Bercak daun
berbentuk bulat dan
Cercospora
sobek Cercospora 0
Virus Gemini
 Daun menggulung ke
arah bawah
22  Daun gugur
 Tulang daun Virus Gemini Virus gemini 1
menonjol/menebal
23  Bercak kering pada
daun
 Bercak berwarna
Cercospora Cercospora 1
coklat abu-abu
 Daun hijau pekat
mengkilat
24  Daun menggulung ke
arah bawah
 Daun hijau pekat
Virus Gemini Virus gemini 1
mengkilat
 Daun berkerut dan
permukaan tidak rata
25  Daun gugur Penyakit Penyakit
1
 Tanaman kerdil Kerupuk kerupuk
26  Daun menguning
Antraknosa Antraknosa 1
 Daun gugur
27  Daun gugur
Penyakit Penyakit
 Bakal buah dan 1
Kerupuk kerupuk
bunga gugur
28  Daun menguning
 Daun gugur Virus Gemini Virus gemini 1
 Tanaman kerdil
29  Bercak kering pada
daun
Penyakit Penyakit
 Daun gugur 1
Kerupuk kerupuk
 Bakal buah dan
bunga gugur
30  Daun hijau pekat
Penyakit Penyakit
mengkilat 1
Kerupuk kerupuk
 Daun gugur
31  Bercak berwarna Penyakit Penyakit 1

63
 coklat abu-abu Kerupuk Kerupuk
 Daun berkerut dan
permukaan tidak rata
 Bakal buah dan
bunga gugur
32  Bercak berwarna
 Cercospora
coklat abu-abu
 Virus
 Daun hijau pekat
Gemini Cercospora 0
mengkilat
 Penyakit
 Tulang daun
Kerupuk
menonjol/menebal
33  Bercak kering pada
daun
Virus Gemini Virus gemini 1
 Daun menguning
 Tanaman kerdil
34  Daun menggulung ke
arah bawah
 Daun gugur Antraknosa Antraknosa 1
 Buah mengering dan
keriput
35  Bercak berwarna
coklat abu-abu
 Daun gugur Antraknosa Antraknosa 1
 Buah mengering dan
keriput
36  Bercak kering pada
daun Antraknosa Antraknosa 1
 Daun menguning
37  Daun menggulung ke
Virus Gemini Virus gemini 1
arah bawah
38  Tulang daun
menonjol/menebal
 Buah mengering dan
keriput Antraknosa Antraknosa 1
 Buah terdapat bercak
hitam dan
membusuk
39  Bercak berwarna
coklat abu-abu Cercospora Cercospora 1
 Daun menguning
40  Bercak kering pada
daun Penyakit Penyakit
1
 Daun berkerut dan Kerupuk kerupuk
permukaan tidak rata

64
41  Daun menggulung ke
arah bawah Virus Gemini Virus gemini 1
 Daun gugur
42  Daun menguning
 Daun berkerut dan Penyakit Penyakit
1
permukaan tidak rata Kerupuk kerupuk
 Tanaman kerdil
43  Bercak daun
berbentuk bulat dan
Cercospora Cercospora 1
sobek
 Daun menguning
44  Bercak kering pada
daun
Virus Gemini Virus gemini 1
 Tulang daun
menonjol/menebal
45  Tulang daun
menonjol/menebal Virus Gemini Virus gemini 1
 Tanaman kerdil
46  Tulang daun
Virus Gemini Virus gemini 1
menonjol/menebal
47  Buah mengering dan
keriput Antraknosa Antraknosa 1
 Tanaman kerdil
48  Daun menggulung ke
arah bawah
Penyakit Penyakit
 Daun hijau pekat 1
Kerupuk Kerupuk
mengkilat
 Daun gugur
49  Bercak kering pada
daun Antraknosa Antraknosa 1
 Daun menguning
50  Bakal buah dan
Penyakit Penyakit
bunga gugur 1
Kerupuk kerupuk
 Tanaman kerdil

6.2.2. Analisa Pengujian Akurasi

Hasil akurasi dengan nilai 1 memiliki arti bahwa keluaran sistem sesuai
dengan hasil diagnosa pakar. Berdasarkan Tabel 6.2, dilakukan perhitungan
akurasi menggunakan Persamaan 2-9:
48
𝑁𝑖𝑙𝑎𝑖 𝑎𝑘𝑢𝑟𝑎𝑠𝑖 = 𝑥 100% = 96%
50
Sehingga dapat disimpulkan bahwa hasil diagnosa sistem dengan hasil
diagnosa pakar dengan tingkat akurasi 96%.

65
 BAB VII
PENUTUP

7.1. Kesimpulan

Berdasarkan perancangan, implementasi, dan hasil pengujian dari

Pemodelan Sistem Pakar Diagnosa Penyakit Tanaman Cabai Merah Menggunakan
Metode AHP-SAW, didapat kesimpulan sebagai berikut:
1. Intrumen penelitian dengan judul Pemodelan Sistem Pakar Diagnosa
Penyakit Tanaman Cabai Merah Menggunakan Metode AHP-SAW ini telah
dibangun sesuai dengan perancangan dan dapat digunakan petani sebagai
rekomendasi dalam melakukan diagnosa penyakit tanaman cabai merah. Ada
tiga fitur yang disediakan oleh sistem, yaitu halaman home, halaman
diagnosa dan halaman informasi tentang pembangun sistem.
2. Hasil evaluasi pengujian dari sistem adalah sebagai berikut:
a. Hasil pengujian fungsionalitas menghasilkan nilai 100%. Hal ini
menunjukkan bahwa sistem telah berjalan sesuai dengan daftar
kebutuhan yang diharapkan.
b. Hasil pengujian akurasi yang diperoleh antara sistem dan pakar
menghasilkan nilai sebesar 96%. Hasil ini didapat dari 50 data uji dengan
jumlah hasil benar sebanyak 48 butir.

7.2. Saran

Saran penulis yang dapat diberikan untuk pengembangan penelitian ini

lebih lanjut adalah dalam menentukan kriteria dapat dikelompokkan sesuai
dengan bobot dari setiap variabel dan dapat dilakukan perubahan variasi
pembobotan tiap kriteria pada metode AHP. Sehingga diharapkan penggunaan
metode AHP-SAW dalam sistem menghasilkan tingkat akurasi yang baik.

66
 DAFTAR PUSTAKA

[1] Ir. Dewa.N Cakrabawa,MM, dkk. 2013. Buletin Konsumsi Pangan. Jakarta
Selatan: Pusat Data dan Sistem Informasi Pertanian.

[2] Cahyono, Ir Bambang. 2014. Rahasia Budidaya Cabai Merah Besar &
Keriting Secara Organik dan Anorganik. Jakarta: Pustaka Mina.

[3] Anshori, Anas. 2013. Rancang Bangun Sistem Pakar untuk Mendiagnosa
Penyakit Tanaman Cabai dengan Metode Forward Chaining. Fakultas Teknik
Universitas Lampung, Lampung.

[4] Agustina, Silvi. 2014. Sistem Pendukung Keputusan Penentu Prioritas

Penggan Dealer Suzuki Soekarno Hatta Malang Menggunakan Metode AHP
dan SAW. Program Studi Teknik Informatika/ Ilmu Komputer Universitas
Brawijaya, Malang.

[5] Ashar, Busyairi Latiful. 2009. Sistem Pakar Diagnosa Hama dan Penyakit
Tanaman Cabai Merah Besar Merah (Capsicum annuum L.). Fakultas
Pertania Institut Pertania Bogor, Bogor.

[6] Prihatini, Putu Manik. 2011. Metode Ketidakpastian dan Kesamaran Dalam
Sistem Pakar. Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Bali,
Bali.

[7] Anggraeni, Daria. 2015. Sistem Pakar Untuk Identifikasi Hama dan Penyakit
Tanaman Tebu Dengan Metode Fuzzy-AHP. Program Teknologi Informasi
dan Ilmu Komputer Universitas Brawijaya, Malang.

[8] Prasetyaningrum, Ira. Sistem Pakar. Politeknik Elektronika Negeri Surabaya,

Surabaya.

[9] Arif, Son Wicaksana. 2009. Sistem Pakar Identifikasi Hama Dan Penyakit
Tanaman Apel Berbasis Web. Malang, Universitas Islam Negeri (UIN)
Maulana Malik Ibrahim Malang.

67
[10] Hidayati, Nur. 2012. Sistem Pakar Berbasis Web Untuk Identifikasi Jenis
Hama Dan Penyakit pada Budidaya Tanaman Jamur menggunakan Metode
Certainty Factor. Malang, Universitas Brawijaya. Hal 9-10

[11] Kusumadewim S.,Hartati, S., Harjoko, A., dan Wardoyo, R. 2006. Fuzzy Multi
Atribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu.

[12] S, Alex. 2015. Usaha Tani Cabai Kiat Jitu Bertanam Cabai di Segala
Musim.Yogyakarta: Pustaka Baru Press.

[13] Kurnianti, Novik. 2013. Mengenal Tanaman Cabai.

http://www.tanijogonegoro.com/2013/01/mengenal-tanaman-cabai.html,
diakses pada tanggal 16 Juni 2015

[14] Armani, Muhammad. 2010. Basis Pengetahuan Pada Sistem Pakar

Knowledge Base. https://futtykyut.wordpress.com/2010/03/23/basis-
pengetahuan-pada-sistem-pakar-knowledge-base/, diakse pada tanggal 7
September 2015.

[15] Marlissa, Julius. 2013. Literatur Review: Pemodelan dan Simulasi Sistem.
Pasca Sarjana Universitas Marcu Buana, Yogyakarta.

68
 LAMPIRAN I

DATA ATURAN PENYAKIT TANAMAN CABAI MERAH

Tempat : Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Timur
Tanggal : 6 November 2015
Nama Pakar : Prof. Dr. Ir. Moh. Cholil Mahfud, M.S.

No Gejala Penyakit
G1 Bercak kering pada daun  Antraknosa
 Cercospora
G2 Bercak daun berbentuk bulat dan sobek  Cercospora
G3 Bercak berwarna coklat abu-abu  Cercospora
G4 Daun menggulung ke arah bawah  Virus Gemini
G5 Daun menguning  Virus Gemini
 Antraknosa
 Cercospora
G6 Daun hijau pekat mengkilat  Penyakit Kerupuk
G7 Daun gugur  Penyakit Kerupuk
 Antraknosa
 Cercospora
G8 Daun berkerut dan permukaan tidak rata  Penyakit Kerupuk
G9 Tulang daun menonjol/menebal  Virus Gemini
G10 Buah mengering dan keriput  Antraknosa
G11 Buah terdapat bercak hitam dan membusuk  Antraknosa
G12 Bakal buah dan bunga gugur  Penyakit Kerupuk
 Virus Gemini
G13 Tanaman kerdil  Virus Gemini
 Penyakit Kerupuk

Mengetahui,

Prof. Dr. Ir. Moh. Cholil Mahfud, M.S.

69
 LAMPIRAN II

DATA NILAI BOBOT GEJALA PENYAKIT TANAMAN CABAI MERAH

Tempat : Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Timur
Tanggal : 6 November 2015
Nama Pakar : Prof. Dr. Ir. Moh. Cholil Mahfud, M.S.

Jenis Penyakit G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13

Antraknosa 0.5 0.01 0.01 0.01 0.5 0.01 0.5 0.01 0.01 1 1 0.01 0.01
Cercospora 0.75 1 1 0.01 0.25 0.01 0.25 0.01 0.01 0.01 0.01 0.01 0.01
Penyakit Kerupuk 0.01 0.01 0.01 0.01 0.01 1 0.75 1 0.01 0.01 0.01 1 0.5
Virus Gemini 0.01 0.01 0.01 1 0.75 0.01 0.01 0.01 1 0.01 0.01 0.01 0.75

Mengetahui,

Prof. Dr. Ir. Moh. Cholil Mahfud, M.S.

70
 LAMPIRAN III

DATA HASIL DIAGNOSA PAKAR

Tempat : Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Timur
Tanggal : 6 November 2015
Nama Pakar : Prof. Dr. Ir. Moh. Cholil Mahfud, M.S.

NO GEJALA HASIL PAKAR

1  Buah terdapat bercak hitam dan
Antraknosa
membusuk
2  Buah mengering dan keriput
 Buah terdapat bercak hitam dan Antraknosa
membusuk
3  Daun menguning Virus Gemini
4  Daun berkerut dan permukaan tidak rata Penyakit Kerupuk
5  Daun menggulung ke arah bawah
Virus Gemini
 Daun menguning
6  Daun menguning
Penyakit Kerupuk
 Daun berkerut dan permukaan tidak rata
7  Bercak berwarna coklat abu-abu Cercospora
8  Daun menguning
Virus Gemini
 Tulang daun menonjol/menebal
9  Bercak kering pada daun
 Bercak daun berbentuk bulat dan sobek Cercospora
 Bercak berwarna coklat abu-abu
10  Daun menggulung ke arah bawah
 Daun menguning Virus Gemini
 Tanaman kerdil
11  Daun hijau pekat mengkilat
 Daun gugur Penyakit Kerupuk
 Daun berkerut dan permukaan tidak rata
12  Daun berkerut dan permukaan tidak rata
Penyakit Kerupuk
 Tanaman kerdil
13  Bercak kering pada daun
Cercospora
 Bercak daun berbentuk bulat dan sobek
14  Daun gugur
 Buah terdapat bercak hitam dan Antraknosa
membusuk

71
15  Daun hijau pekat mengkilat
 Daun berkerut dan permukaan tidak rata Penyakit Kerupuk
 Bakal buah dan bunga gugur
16  Daun menggulung ke arah bawah
 Daun menguning Virus Gemini
 Tulang daun menonjol/menebal
17  Bercak kering pada daun
 Buah mengering dan keriput
Antraknosa
 Buah terdapat bercak hitam dan
membusuk
18  Daun menggulung ke arah bawah
Virus Gemini
 Tanaman kerdil
19  Bercak kering pada daun
 Bercak daun berbentuk bulat dan sobek Cercospora
 Tulang daun menonjol/menebal
20  Daun menguning
Virus Gemini
 Tanaman kerdil
21  Bercak daun berbentuk bulat dan sobek  Cercospora
 Daun menggulung ke arah bawah  Virus Gemini
22  Daun gugur
Virus Gemini
 Tulang daun menonjol/menebal
23  Bercak kering pada daun
 Bercak berwarna coklat abu-abu Cercospora
 Daun hijau pekat mengkilat
24  Daun menggulung ke arah bawah
 Daun hijau pekat mengkilat Virus Gemini
 Daun berkerut dan permukaan tidak rata
25  Daun gugur
Penyakit Kerupuk
 Tanaman kerdil
26  Daun menguning
Antraknosa
 Daun gugur
27  Daun gugur
Penyakit Kerupuk
 Bakal buah dan bunga gugur
28  Daun menguning
 Daun gugur Virus Gemini
 Tanaman kerdil
29  Bercak kering pada daun
 Daun gugur Penyakit Kerupuk
 Bakal buah dan bunga gugur
30  Daun hijau pekat mengkilat
Penyakit Kerupuk
 Daun gugur
31  Bercak berwarna coklat abu-abu
Penyakit Kerupuk
 Daun berkerut dan permukaan tidak rata

72
  Bakal buah dan bunga gugur
32  Bercak berwarna coklat abu-abu  Cercospora
 Daun hijau pekat mengkilat  Virus Gemini
 Tulang daun menonjol/menebal  Penyakit Kerupuk
33  Bercak kering pada daun
 Daun menguning Virus Gemini
 Tanaman kerdil
34  Daun menggulung ke arah bawah
 Daun gugur Antraknosa
 Buah mengering dan keriput
35  Bercak berwarna coklat abu-abu
 Daun gugur Antraknosa
 Buah mengering dan keriput
36  Bercak kering pada daun
Antraknosa
 Daun menguning
37  Daun menggulung ke arah bawah Virus Gemini
38  Tulang daun menonjol/menebal
 Buah mengering dan keriput
Antraknosa
 Buah terdapat bercak hitam dan
membusuk
39  Bercak berwarna coklat abu-abu
Cercospora
 Daun menguning
40  Bercak kering pada daun
Penyakit Kerupuk
 Daun berkerut dan permukaan tidak rata
41  Daun menggulung ke arah bawah
Virus Gemini
 Daun gugur
42  Daun menguning
 Daun berkerut dan permukaan tidak rata Penyakit Kerupuk
 Tanaman kerdil
43  Bercak daun berbentuk bulat dan sobek
Cercospora
 Daun menguning
44  Bercak kering pada daun
Virus Gemini
 Tulang daun menonjol/menebal
45  Tulang daun menonjol/menebal
Virus Gemini
 Tanaman kerdil
46  Tulang daun menonjol/menebal Virus Gemini
47  Buah mengering dan keriput
Antraknosa
 Tanaman kerdil
48  Daun menggulung ke arah bawah
 Daun hijau pekat mengkilat Penyakit Kerupuk
 Daun gugur
49  Bercak kering pada daun
Antraknosa
 Daun menguning

73
50  Bakal buah dan bunga gugur
Penyakit Kerupuk
 Tanaman kerdil

Mengetahui,

Prof. Dr. Ir. Moh. Cholil Mahfud, M.S.

74