PENERAPAN METODE CERTAINTY FACTOR UNTUK MENDETEKSI

PENYAKIT BUAH NANAS

(The application of certainty factors method to detect pineapple disease)

Usulan Penelitian Untuk Skripsi S-1

Disusun oleh:
Ditta Adriani
16312059

PROGRAM STUDI S1 INFORMATIKA

FAKULTAS TEKNIK & ILMU KOMPUTER
UNIVERSITAS TEKNOKRAT INDONESIA
BANDAR LAMPUNG
2020
 DAFTAR ISI

DAFTAR ISI...................................................................................................ii
DAFTAR TABEL...........................................................................................iii
DAFTAR GAMBAR......................................................................................iv
1. Pendahuluan................................................................................................1
1.1 Latar Belakang.......................................................................................1
1.2 Rumusan Masalah..................................................................................3
1.3 Batasan Masalah....................................................................................4
1.4 Tujuan Penelitian...................................................................................4
1.5 Manfaat Penelitian.................................................................................5
1.6 Keaslian Penelitian.................................................................................5
2. Landasan Teori...........................................................................................6
2.1 Tinjauan Pustaka....................................................................................6
2.2 Pengertian Pakar....................................................................................12
2.3 Sistem Pakar...........................................................................................13
2.3.1 Elemen manusia pada sistem pakar.............................................14
2.3.2 Perbandingan kemampuan seorang pakar dengan sistem pakar. .15
2.3.3 Keunggulan dan kelemahan sistem pakar....................................17
2.3.4 Struktur sistem pakar...................................................................18
2.4 Certainty Factor.....................................................................................23
2.5 Kelebihan dan kekurangan Certainty Factor.........................................25
2.5.1 Kelebihan metode Certainty Factor............................................25
2.5.2 Kekurangan metode Certainty Factor.........................................25
2.6 Metode pengembangan sistem...............................................................25
2.7 Unified Modeling Language (UML)......................................................29
2.7.1 Use Case Diagram.......................................................................29
2.8 Pengujian................................................................................................30
3. Metodologi Penelitian.................................................................................32
3.1 Kerangka Penelitian...............................................................................32
3.2 Tahapan Penelitian.................................................................................34
3.2.1 Analisis data.................................................................................36
3.2.2 Tahap : Penerapan metode...........................................................39
3.3 Usecase diagram....................................................................................45
3.4 Implementasi..........................................................................................45
3.5 Perencanaan Pengujian..........................................................................46
3.6 Perancangan aplikasi sistem pakar.........................................................47
3.7 Jadwal penelitian....................................................................................54

ii
 DAFTAR TABEL

Tabel 2.1 Tabel Literatur.................................................................................6

Tabel 2.2 Perbandingan kemampuan seorang pakar dengan sistem pakar......15
Tabel 2.3 Aturan nilai-nilai kepercayaan.........................................................24
Tabel 2.4 Notasi Usecase diagram..................................................................29
Tabel 3.1 Data penyakit buah nanas................................................................36
Tabel 3.2 Data gejala yang menyerang............................................................36
Tabel 3.3 Data penyakit Pineapple Heart Rot.................................................37
Tabel 3.4 Data penyakit Mealybug Wilt Disease.............................................38
Tabel 3.5 Data penyakit Pineapple Fruit Collapse..........................................38
Tabel 3.6 Aturan nilai kepercayaan yang akan digunakan..............................38
Tabel 3.7 Jadwal penelitian..............................................................................54

iii
 DAFTAR GAMBAR

Gambar 2.1 Arsitektur sistem pakar................................................................19

Gambar 2.2 Langkah-langkah prototyping.....................................................27
Gambar 3.1 Kerangka Penelitian....................................................................32
Gambar 3.2 Usecase diagram ........................................................................45
Gambar 3.3 Tampilan halaman utama............................................................48
Gambar 3.4 Tampilan penggunaan aplikasi....................................................48
Gambar 3.5 Tampilan tentang pakar...............................................................49
Gambar 3.6 Gambar Log in pakar...................................................................49
Gambar 3.7 Tampilan input data penyakit......................................................50
Gambar 3.8 Tampilan data penyakit...............................................................50
Gambar 3.9 Tampilan input data gejala penyakit...........................................51
Gambar 3.10 Tampilan data gejala penyakit...................................................51
Gambar 3.11 Tampilan input data solusi........................................................52
Gambar 3.12 Tampilan data solusi..................................................................52
Gambar 3.13 Tampilan untuk mendiagnosa penyakit buah nanas..................53
Gambar 3.14 Tampilan hasil diagnosa penyakit buah nanas..........................54

iv
 1

1. Pendahuluan

1.1. Latar Belakang

Sistem pakar adalah sistem perangkat lunak komputer yang menggunakan

ilmu, fakta, dan teknik berfikir dalam pengambilan keputusan untuk

menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh

tenaga ahli dalam bidang yang bersangkutan, Marimin (1992). Sedangkan

menurut Turban dan Frenzel (1992) sistem yang berusaha mengadopsi

pengetahuan manusia kedalam komputer agar komputer dapat menyelesaikan

masalah seperti yang biasa dilakukan oleh para pakar, dan sistem pakar yang baik

dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru

kerja para ahli. Menurut Garratano dan Riley (1989), suatu sistem komputer yang

bisa menyamai atau meniru kemampuan seorang pakar. Sistem pakar yang baik

dirancang agar dapat menjadi alat bantu untuk menyelesaikan suatu masalah

dengan meniru kerja dari para ahli. Bentuk umum sistem pakar adalah suatu

program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi

mengenai suatu masalah yang spesifik serta analisis matematis dari masalah

tersebut. Sistem ini memanfaatkan kapabilitasi penalaran untuk mencapai suatu

kesimpulan. Sistem pakar tersebut akan diterapkan untuk menyelesaikan masalah

berupa penyakit pada buah nanas.

Buah nanas atau yang memiliki nama latin Ananas comocus ini berasal dari

Amerika Selatan yaitu Brazil, Argentina dan Peru yang banyak di budidayakan

pada daerah tropis serta subtropis. Tanaman tersebut telah tersebar luas ke seluruh
 2

dunia, terutama di daerah sekitar khatulistiwa antara 30° LU dan 30° LS.

Indonesia sebagai pusat penghasil nanas yang cukup potensial adalah Jawa Timur,

Jawa Barat, Sumatera Utara, Sumatera Selatan dan Riau. Tanaman nanas dapat

tumbuh didataran rendah maupun tinggi. Satu pohon nanas menghasilkan satu

buah nanas. Buah nanas tidak hanya dimakan sebagai buah segar tetapi juga

diperlukan sebagai bahan baku industri makanan seperti jelly, selai dan sirup,

Samadi (2014). Buah nanas ini memiliki daya tarik tersendiri bagi masyarakat

dengan cita rasa yang khas dimiliki oleh buah nanas ini adalah rasa yang segar

manis namun sedikit masam. Selain itu buah nanas juga banyak mengandung

berbagai zat seperti vitamin, mineral, enzim, serta antioksidan yang berkhasiat

sebagai obat. Karena banyak manfaat yang dimiliki buah ini dan cita rasa yang

khas dari buah nanas menjadikan buah nanas ini semakin diminati ataupun ingin

merasakan khasiat dari buah nanas ini untuk kesehatan. Semakin tinggi

permintaan terhadap buah nanas memberikan kemungkinan usaha yang sangat

menjanjikan untuk para pertani di Indonesia. Negara Indonesia sendiri merupakan

salah satu Negara penghasil buah nanas terbesar di dunia yang menempati

pringkat ke 9 dunia, dengan jumlah produksi pertahun sekitar 1,396,153 ton.

Penanaman buah nanas ini berpeluang terjadinya gangguan hama dan penyakit

buah nanas yang mengakibatkan suatu kejadian yang fatal terhadap tanaman

seperti penurunan kualitas buah ataupun terjadi gagal panen. Oleh karena itu

sistem yang akan penulis buat yaitu sistem pakar untuk mendiagnosa penyakit

buah nanas dan metode yang akan digunakan yaitu metode certainty factor.

Faktor kepastian (certainty factor) adalah suatu metode untuk membuktikan

apakah suatu fakta itu pasti atau tidak pasti yang berbentuk metric yang biasanya
 3

digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem pakar yang

mendiagnosis sesuatu yang belum pasti (Joseph Giarranto,2004). Faktor kepastian

(certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan

MYCIN. Certainty Factor (CF) merupakan parameter klinis yang diberikan

MYCIN untuk menunjukan besarnya kepercayaan. Kelebihan dari metode

certainty factor adalah cocok untuk mengukur sesuatu apakah pasti atau tidak

pasti dalam mendiagnosis penyakit, akan tetapi certainty factor memiliki

kelemahan metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2

data saja. Sebelumnya telah dilakukan penelitian tentang diagnosa penyakit.

Seperti penelitian Sistem pakar diagnosa penyakit buah nanas menggunakan

algoritma bayes berbasis web oleh Dewa, Pujianto and Putra, (2017) . Penerapan

metode certainty factor dalam mendeteksi penyakit tanaman karet oleh Sulistiani

and Muludi, (2018)Oleh karena itu penulis mengusulkan untuk melakukan

penelitian tentang implementasi sistem pakar diagnosa penyakit buah nanas

menggunakan metode certainty factor di PT Great Giant Food, Terbanggi Besar

Lampung Tengah. Sebagai alat bantu untuk memberikan nilai kepastian dalam

mendiagnosis hama dan penyakit buah nanas serta solusinya.

1.2. Rumusan Masalah

Berdasarkan latar belakang masalah yang telah diuraikan diatas, maka

rumusan masalah dalam penelitian ini adalah :

1. Bagaimana menerapkan metode certainty factor untuk mengedintifikasi

penyakit pada buah nanas?

2. Apakah sesuai diagnosis sistem pakar menggunakan metode certainty

factor dengan hasil diagnosis seorang pakar?

 4

1.3. Batasan Masalah

Batasan masalah penelitian menjelaskan tentang ruang lingkup penelitian yang

dibuat. Ruang lingkup ini menentukan kompleksitas atau kedalaman penelitian.

Batasan masalah dalam penelitian ini adalah:

1. Objek penelitian dilakukan pada buah nanas yang berada di PT Great

Giant Food, Terbanggi Besar Lampung Tengah.

2. Target utama dari aplikasi ini adalah untuk membantu pembudidaya buah

nanas.

3. Inputan sistem ini adalah gejala-gejala yang di alami buah nanas yang

bersumber dari pakar.

4. Output yang dihasilkan dari sistem ini adalah jenis penyakit yang

menyerang tanaman buah nanas beserta solusi penanggulangannya.

1.4. Tujuan Penelitian

Penelitian yang sifatnya ilmiah mempunyai suatu tujuan dalam

pembuatannya. Tujuan yang dimaksud dari penelitian ini adalah:

1. Penerapan metode certainty factor untuk mengidentifikasi penyakit pada

buah nanas.

2. Menghasilkan aplikasi sistem pakar yang sesuai dengan diagnosis seorang

pakar.

1.5. Manfaat Penelitian

Manfaat penelitian ini adalah:

1. Hasil penelitian ini dapat digunakan pekerja untuk membatu para petani

buah nanas dalam mengindentifikasi penyakit pada buah nanas.

 5

2. Hasil penelitian ini juga dapat menjadi rujukan untuk pengembangan

sistem pakar selanjutnya dengan menggunakan metode certainty factor.

1.6. Keaslian Penelitian

Penelitian yang telah dilakukan sebelumnya tentang penerapan metode

certainty factor untuk mengindentifikasi penyakit, telah dilakukan penelitian

seperti penyakit tanaman hias, penyakit tanaman buah mangga, penyakit tanaman

bawang merah, dan penyakit tanaman karet, namun belum pernah untuk kasus

buah nanas yang menggunakan metode certainty factor, pernah ada penelitian

untuk penyakit buah nanas tetapi menggunakan metode yang lain. Yang

berdasarkan bobot dari gejala-gejala yang sering timbul yang bersumber dari

seorang pakar.
 6

2. LANDASAN TEORI

2.1. Tinjauan Pustaka

Tinjauan pustaka dari penelitian yang dilakukan sebelumnya digunakan untuk

mendukung penelitian yang sedang dilakukan. Berikut ini merupakan tinjauan

studi yang disajikan dalam tabel 2.1

Tabel 2.1 Tabel Literatur

No
Penulis Tahun Metode Data
Literatur
Vhyrga Purnama

Dewa, Ade Gejala

Literatur
Pujianto, 2017 Algoritma Bayes penyakit buah
01
Muhammad Hatta nanas

Putra
Metode Certainty Gejala

Literatur Factor penyakit

Siti Mujilahwati 2014
02 tanaman

hias
Gatot Fitriyanto, Metode Certainty Gejala dan

Nur Ahmad Factor hama

Literatur
Azhar, 2016 penyakit
03
Muhammad buah

Kurniawan mangga

Tabel 2.1 Tabel literature (lanjutan)

No Penulis Tahun Metode Data

 7

Literatur
Gejala dan

hama

Literatur Tuswanto, Abdul penyakit

2013 Certainty Factor
04 Fadli tanaman

bawang

merah
Gejala

Literatur Heni Sulistiani, Metode Certainty penyakit

2018
05 Kurnia Muludi Factor tanaman

karet

2.1.1. Vhyrga Purnama Dewa, Ade Pujianto, Muhammad Hatta Putra (2017)

Buah nanas atau pineapple merupakan salah satu tanaman buah yang

memiliki daya tarik tersendiri di masyarakat. Semakin banyaknya permintaan

terhadap buah ini memberikan prospek usaha yang sangat menjanjikan untuk para

petani buah di Indonesia. Di beberapa negara produsen buah nanas dilaporkan

adanya beberapa hama dan penyakit berbahaya yang dapat mengancam produksi

tanaman buah nanas. Namun keterbatasan yang dimiliki seorang ahli tanaman

terkadang menjadi kendala bagi para petani yang akan melakukan konsultasi.

Meskipun seorang pakar adalah orang yang ahli dalam bidangnya, namun pada

kenyataanya seorang pakar mempunyai keterbatasan daya ingat dan stamina kerja

dan ketiadaan pakar dan mahalnya biaya konsultasi disuatu daerah juga menjadi

hambatan untuk para petani dalam mendapatkan solusi untuk masalah yang
 8

meraka hadapi. Hal ini dapat mengakibatkan suatu kejadian yang fatal terhadap

tanaman seperti penurunan kualitas buah ataupun terjadi gagal panen.

Masalah yang diangkat dalam penelitian ini adalah dapat membantu petani

dalam mendapatkan solusi atau penyakit yang menyerang tanaman buah nanas

mereka tanpa harus berkonsultasi langsung dengan pakar dan dapat membantu

pakar dengan cara menggantikan pakar jika pakar sedang tidak ditempat.

Untuk mengambil suatu keputusan yang benar pada sistem pakar, diperlukan

suatu metode yang dapat mengatasi ketidakpastian data. Ketidakpastian dapat

mengakibatkan data menjadi tidak lengkap dan tidak konsisten. Salah satu cara

yang digunakan untuk mengatasi ketidakpastian data adalah dengan menggunakan

metode Bayes.

Metode Bayes dapat digunakan untuk melakukan diagnosa penyakit pada

tanaman buah nanasberdasarkan gejala-gejala yang ada pada tanaman tersebut.

Kebenaran dari hasil output sistem ditentukan oleh nilai probabilitas hipotesa

tanpa memandang gejala apapun dan nilai probabilitas kemunculan evidence pada

setiap hipotesa yang diinputkan pada basis pengetahuan.

2.1.2.Siti Mujilahwati (2014)

Sistem pakar merupakan cabang dari kecerdasan buatan yang merupakan

bidang ilmu komputer dan muncul seiring perkembangan ilmu komputer saat ini.

Sistem ini bekerja untuk mengadopsi pengetahuan manusia ke komputer yang

menggabungkan dasar pengetahuan (knowledge base) dengan sistem inferensi

untuk menggantikan fungsi seorang pakar dalam menyelesaikan suatu masalah.

Dalam lingkungan tanaman, hama penyakit merupakan masalah yang sering

 9

dihadapi para pembudidaya tanaman hias. Hama penyakit yang menyerang

tanaman hias ini sangat bervariasi sehingga sangat dibutuhkan seorang pakar

pertanian yang mampu mendiagnosa hama penyakit tanaman. Akan tetapi waktu

dan biaya menjadi alasan bagi para petani tanaman hias untuk tidak konsultasi

pada pakarnya, sehingga sering terjadi kesalahan dalam memberikan solusi

terhadap tanaman yang sudah terserang hama.

Tujuan dari penelitian ini adalah pembuatan website untuk merancang

sebuah sistem pakar untuk mendiagnosa penyakit tanaman hias menggunakan

metode certainty factor untuk membantu para pembudidaya tanaman hias agar

mengetahui penyakit apa saja yang sedang menyerang tanaman hias tersebut.

2.1.3. Gatot Fitriyanto, Nur Ahmad Azhar dan Kurniawan (2016)

Hampir sebagian besar masyarakat di Indonesia menanam tanaman mangga

di pekarangan mereka. Dalam membudidayakan tanaman mangga diperlukan

pemahaman mengenai faktor-faktor yang menjadi masalah dalam membudidaya

tanaman mangga seperti hama dan penyakit. Dengan pengetahuan yang cukup,

diharapkan para pembudidaya dapat meminimalisir kerugian akibat serangan

hama dan penyakit.

Hama yang sering mengganggu tanaman buah mangga antara lain penggerek

pucuk yang disebabkan oleh larva Sternochetus Geniocnemis. Hama ini

menyebabkan ranting tanaman mati kering karena jaringan pembuluh kayu rusak

akibat gerakan larvanya. Sedangkan pengendaliannya dapat dilakukan

penyemprotan dengan menggunakan insektisida. Tetapi, berdasarkan pengamatan

dilapangan, para petani belum mengetahui secara pasti hama penyakit yang
 10

menyerang tanaman meraka. Oleh karena itu, perlu dibuatkan sebuah sistem pakar

dengan menggunakan data yang dimiliki Puslitbang Hortikultura. Supaya para

petani dapat menentukan secara pasti hama penyakit yang menyerang tanaman

mangga tersebut.

Masalah yang diangkat dalam penelitian ini adalah membangun atau

merancang aplikasi untuk mendeteksi hama dan penyakit pada tanaman mangga

dengan metode certainty factor dan forward chaining.

2.1.4. Tuswanto dan Abdul Fadlil (2013)

Bawang merah merupakan salah satu komoditas sayuran dataran rendah,

meskipun bukan merupakan kebutuhan pokok, tetapi hampir selalu dibutuhkan

oleh konsumen rumah tangga sebagai pelengkap bumbu masak sehari-hari.

Bawang merah bagi Kabupaten Brebes merupakan trade mark mengingat

posisinya sebagai penghasil terbesar komoditi tersebut di tataran nasional.

Meskipun demikian, adanya permintaan dan kebutuhan bawang merah yang terus

meningkat setiap tahunnya belum dapat diikuti oleh peningkatan produksinya. Hal

ini disebabkan oleh keterbatasan dalam hal budidaya tanaman seperti

keberagaman jenis tanah, pengendalian hama, penyakit, gulma dan pemupukan

serta penanganan pascapanen. Selain itu sangat sulit dalam memberikan

penyuluhan karena kurangnya pakar dalam mengatasi solusi terbaik dari

permasalahan tersebut agar mendapatkan hasil panen yang memuaskan. Para

petani dan penyuluh yang mengeluhkan banyaknya hama dan penyakit yang

menyerang tanaman bawang merah. Untuk itu diperlukan pendiagnosaan terhadap

hama dan penyakit pada tanaman bawang merah. Untuk itu harus dilakukan
 11

penanganan yang cepat dan seakurat mungkin, dikarenakan hama dan penyakit

pada tanaman tersebut dapat dengan cepat menyebar serta menyerang keseluruh

lahan pertanian.

Dalam hal ini peran seorang pakar (expert) sangat diandalkan untuk

mendiagonosa dan menentukan jenis hama dan penyakit serta memberikan contoh

cara menanggulanginya untuk mendapatkan solusi terbaik.Namun demikian,

keterbatasan yang dimiliki seorang pakar terkadang menjadi kendala bagi para

petani yang akan melakukan konsultasi guna menyelesaikan suatu permasalahan

untuk mendapatkan solusi terbaik. Dalam hal ini sistem pakar dihadirkan sebagai

alternatif kedua dalam memecahkan permasalahan setelah seorang pakar.

2.1.5.Heni Sulistiani, Kurnia Muludi (2018)

Karet (Hevea brasiliensis) termasuk dalam genus Hevea dari familia

Euphorbiaceae, yang merupakan pohon kayu tropis yang berasal dari hutan

Amazon. Banyak artikel dan penelitian yang menyebutkan bahwa hingga saat ini

Indonesia telah memiliki luas areal perkebunan karet terluas namun tidak

didukung dengan produktivitas yang tinggi. Hal tersebut tentu saja akan

menimbulkan kerugian ekonomi. Kerugian ekonomi dari budidaya karet

disebabkan adanya serangan penyakit. Pengetahuan para petani tentang

penanganan penyakit pada tanaman karet juga masih rendah. Pengetahuan petani

dalam hal penangan penyakit pada tanaman karet dapat menyebabkan kerugian

pada penghasilan petani.

Oleh karena itu, perlu dibangun sebuah alat atau sistem yang praktis dan

memiliki kemampuan layaknya seorang pakar dalam mendeteksi penyakit pada

 12

tanaman karet. Sistem tersebut adalah sistem pakar yang mengadopsi pengetahuan

manusia ke dalam komputer agar agar dapat menyelesaikan masalah. Metode

certainty factor sering digunakan dalam sistem pakar agar terlihat lebih natural.

Penelitian ini menekankan pada dua aspek utama yaitu gejala-gejala dan jenis

penyakit pada pohon karet. Hasil penelitian menunjukkan bahwa penerapan

metode certainty factor pada penelitian ini, memiliki akurasi sebesar 100% dari

hasil diagnosa sistem pakar. Dengan adanya sistem pakar ini, diharapkan dapat

membantu para petani untuk mengidentifikasi penyakit pada pohon karet.

2.2. Pakar

Turban dkk (2005) menyatakan bahwa pakar adalah orang yang memiliki

pengetahuan, penilaian, pengalaman, dan metode khusus serta kemampuan untuk

menerapkan bakat dan memberikan nasihat dan memecahkan persoalan. Pakar

mengetahui fakta mana yang penting dan memahami arti hubungan diantaranya.

Sejauh ini tidak ada definisi standar untuk pakar, tetapi performa keputusan dan

tingkat pengetahuan orang adalah kriteria umum dalam menentukan apakah

seseorang adalah pakar.

Pakar memiliki beberapa konsep umum. Pertama, pakar harus mampu

memecahkan persoalan dan mencapai tingkat performa yang secara signifikan

lebih baik dari kebanyakan orang. Kedua, pakar adalah relati. Pakar pada satu

waktu dan tempat lain. Jadi seorang pakar harus mampu melakukan hal-hal

berikut:

1. Mengenali dan merumuskan persoalan.

2. Memecahkan persoalan dengan cepat dan tepat.

 13

3. Menjelaskan solusi tersebut.

4. Belajar dari pengalaman.

5. Menyusun ulang pengetahuan.

6. Membagi-bagi aturan jika diperlukan.

7. Menetapkan relevansi.

8. Rendah hati (menyadari keterbatasan seseorang).

2.3. Sistem Pakar

Menurut Budiharto dan Suhartono (2014), sistem pakar adalah program

komputer yang mensimulasi penilaian dan perilaku manusia atau organisasi yang

memiliki pengetahuan dan pengalaman ahli dalam bidang tertentu. Biasanya

sistem seperti ini berbasis pengetahuan yang berisi akumulasi pengalaman dan

satu set aturan untuk menerapkan pengetahuan dasar untuk setiap situasi tertentu.

Sistem pakar yang canggih dapat ditingkatkan dengan menambah basis

pengetahuan atau set aturan. Diantara banyak sistem pakar yang ada , yang

terkenal adalah aplikasi bermain catur dan sistem diagnosis medis. Pemrosesan

yang dilakukan oleh sistem pakar merupakan pemrosesan pengetahuan bukan

pemrosesan data pada sistem pakar komputer konvensional. Pengetahuan

(knowledge) adalah pemahaman secara praktis maupun teoritis terhadap suatu

obyek atau domain tertentu.

Pengetahuan yang digunakan dalam sistem pakar merupakan serangkaian

informasi mengenai gejala-diagnosa, sebab-akibat, aksi-reaksi tentang ustau

domain tertentu (misalnya , domain diagnosa medis). Secara umum, definisi

tradisional sebuah program komputer biasa :

Algoritma + Struktur data = PROGRAM

 14

Dalam sistem pakar, definisi berubah menjadi.

Mesin inferensi + Pengetahuan = SISTEM PAKAR

Dengan sistem pakar, masalah yang seharusnya hanya dapat diselesaikan oleh

pakar/ahli, dapat diselesaikan oleh orang biasa/awam. Sedangkan para ahli, sistem

pakar membantu aktifitas mereka sebagai asisten yang seolah-olah sudah

mempunyai banyak pengalaman.

2.1.1. Elemen manusia pada sistem pakar

Pengembangan sistem pakar dari awal hingga menghasilkan solusi akhir

melibatkan peran serta 3 kelompok (Rika, Rosnelly, 2003) diantaranya:

1. Pakar

Pakar adalah individu yang memiliki pengetahuan khusus, pemahaman,

pengalaman, dan metode-metode yang digunakan untuk memecahkan

persoalan dalam bidang tertentu. Selain itu, seorang pakar juga memiliki

kemampuan untuk mengaplikasikan pengetahuannya dan memberikan

saran serta pemecahan masalah pada domain tertentu.

2. Pembangunan pengetahuan

Pembangunan pengetahuan adalah individu yang memiliki tugas

menerjemahkan dan mempresentasikan pengetahuan yang diperoleh dari

pakar, baik berupa pengalaman pakar dalam menyelesaikan masalah

maupun sumber terdokumentasi lainnya kedalam bentuk yang diterima

oleh sistem. Dalam hal ini, pembangun pengetahuan mengintrepetasikan

dan mempresentasikan pengetahuan dalam bentuk jawaban atas

pertanyaan-pertanyaan yang diajukan pada pakar atau pemahaman,

penggambaran, analogis, sistematis, konseptual, yang diperoleh dari

 15

membaca beberapa dokumen cetak seperti text book, jurnal, makalah, dan

sebagainya.

3. Pembangunan Sistem

Pembangunan sistem adalah individu yang bertugas untuk merancang

antarmuka pemakai sistem pakar, merancang pengetahuan yang sudah

diterjemahkan oleh pembangunan pengetahuan kedalam bentuk yang

sesuai dan dapat diterima oleh sistem pakar dan mengimplementasikan

kedalam mesin inferensi. Selain itu, pembangunan sistem juga

bertanggung jawab apabila sistem pakar akan diintegrasikan dengan sistem

komputerisasi lain.

2.1.2. Perbandingan kemampuan seorang pakar dengan sistem pakar

Seorang pakar dengan sistem pakar mempunyai banyak perbedaan. Darkin

(1994) mengemukakan perbandingan kemampuan antara seorang pakar dengan

sebuah sistem pakar seperti berikut ini :

Tabel 2.2 Perbandingan kemampuan seorang pakar dengan sistem pakar

Faktor Pakar Manusia Sistem Pakar

Ketersediaan waktu Hari kerja Setiap saat
Geografis Lokal/Tertentu Dimana saja
Keamanan Tidak Tergantikan Dapat diganti
Dapat Habis Ya Tidak
Performansi Variabel Konsisten
Tabel 2.2 Perbandingan kemampuan seorang pakar dengan sistem pakar
(Lanjutan)
Kecepatan Variabel Konsisten
Biaya Tinggi Terjangkau

1. Sistem pakar bisa digunakan setiap hari menyerupai sebuah mesin

sedangkan seorang pakar tidak mungkin bekerja terus-menerus setiap hari

tanpa beristirahat.
 16

2. Sistem pakar merupakan suatu software yang dapat diperbanyak dan

kemudian dibagikan ke berbagai lokasi maupun tempat yang berbeda-beda

untuk digunakan, sedangkan seorang pakar hanya bekerja pada satu tempat

dan pada saat yang bersamaan.

3. Suatu sistem pakar dapat diberi pengamanan untuk menentukan siapa saja

yang mempunyai akses untuk menggunakannya dan jawaban yang

diberikan oleh sistem terbebas dari proses intimidasi/ancaman atau

tekanan pada saat menyelesaikan permasalahan.

4. Pengetahuan (knowlegde) yang disimpan pada sistem pakar tidak akan

hilang/lupa, dalam hal ini tentu harus didukung oleh maintence yang baik,

sedangkan pengetahuan seorang pakar manusia lambat laun akan hilang

karena meninggal, usia yang semakin tua, maupun menderita suatu

penyakit. Walaupun pengetahuan yang dimilikinya dalam waktu singkat

tidak akan hilang, akan tetapi bisa saja seorang pakar mengundurkan diri

dari pekerjaannya, pindah tugas, bahkan di pecat dari pekerjaan nya

sehingga organisasi yang mempekerjakannya akan kehilangan seorang

pakar yang berbakat.

5. Kemampuan memecahkan masalah pada suatu sistem pakar tidak

dipengahuri oleh faktor dari luar seperti intimidasi, perasaan kejiwaan,

faktor ekonomi ataupun perasaan tidak suka. Akan tetapi sebaliknya

dengan seorang pakar yang dipengaruhi oleh faktor-faktor seperti itu,

ketika sedang menyelesaikan atau memecahkan suatu masalah, sehingga

dapat memunculkan jawaban yang berbeda-beda atas pertanyaan yang

diajukan walaupun masalahnya sama.

 17

6. Umumnya kecepatan dalam memecahkan masalah pada suatu sistem pakar

relatif cepat dibandingkan oleh seorang pakar manusia.

7. Biaya menggaji seorang pakar lebih mahal bila dibandingkan dengan

penggunaan program sistem pakar (dengan asumsi bahwa program sistem

pakar itu sudah ada)

2.1.3. Keunggulan dan kelemahan sistem pakar

Sistem pakar (expert system) merupakan paket perangkat lunak atau paket

program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu

dalam memecahkan masalah di bidang-bidang spesialisasi tertentu seperti sains,

perekayasaan, matematika, kedokteran, pendidikan dan sebagainya. Ada beberapa

keunggulan sistem pakar, diantaranya:

1. Menghimpun data dalam jumlah yang sangat besar

2. Menyimpan data tersebut untuk jangka waktu yang panjang dalam suatu

bentuk tertentu

3. Mengerjakan perhitungan secara cepat dan tepat dan tanpa jemu mencari

kembali data yang tersimpan dengan kecepatan tinggi. Selain keuntungan-

keuntungan , sistem pakar seperti halnya sistem lainnya, juga memiliki

kelemahan, diantaranya adalah :

1. Masalah dalam mendapatkan pengetahuan di mana pengetahuan tidak

selalu bisa didapatkan dengan mudah, karena kadangkala pakar dari

masalah yang kita buat tidak ada, dan kalaupun ada kadang-kadang

pendekatan yang dimiliki oleh pakar berbeda-beda.

 18

2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi

sangatlah sulit dan memerlukan biaya yang sangat besar untuk

pengembangan dan pemeliharaannya.

3. Boleh jadi sistem tak dapat membuat keputusan.

4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap

tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang

secara teliti sebelum digunakan.

Kelemahan-kelemahan atau kekurangan dari sistem pakar tersebut

bukanlah sama sekali tidak bisa diatasi, tetapi dengan terus melakukan perbaikan

dan pengolahan berdasarkan pengalaman yang telah ada maka hal itu diyakini

akan dapat diatasi, walaupun dalam waktu yang panjang dan terus-menerus.

2.1.4. Struktur sistem Pakar

Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan

pengembangan (development environment) dan lingkungan konsultasi

(consultasion environment) (Turban,1995). Lingkungan pengembangan sistem

pakar digunakan untuk memasukan pengetahuan pakar ke dalam lingkungan

sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang

bukan pakar guna memperoleh pengetahuan pakar. Komponen-komponen tersebut

dapat dilihat pada gambar 2.1

 19

Gambar 2.1 Arsitektur sistem pakar (turban,1995)

Komponen yang terdapat dalam sistem yaitu User Interface (antar muka

pengguna), basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace,

fasilitas penjelasan, perbaikan pengetahuan.

1. User Interface (antarmuka pengguna)

User Interface merupakan mekanisme yang digunakan oleh pengguna dan

sistem pakar untuk berkomunikasi. Antar muka menerima informasi dari pemakai

dan mengubahnya kedalam bentuk yang dapat diterima oleh sistem. Selain itu

antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk

yang dapat dimengerti oleh pemakai, menurut Mcleod (1995), pada bagian ini

terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar
 20

menerima instruksi dan informasi (input) dari pemakai, juga memberikan

informasi (output) kepada pemakai.

2. Basis pengetahuan

Basis pengetahuan mengandung pengetahuan untuk pemahaman,

formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua

elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang objek

dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang

cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui. Dalam

studi kasus pada sistem berbasis pengetahuan terdapat beberapa karakteristik yang

dibangun untuk membantu kita di dalam membentuk serangkaian prinsip-prinsip

arsitekturnya. Prinsip tersebut meliputi:

1. Pengetahuan merupakan kunci kekuatan sistem pakar

2. Pengetahuan sering tidak pasti dan tidak lengkap

3. Pengetahuan sering miskin spesifikasi

4. Amatis menjadi ahli secara bertahap

5. Sistem pakar harus fleksibel

6. Sistem pakar harus transparan.

Sejarah penelitian di bidang AI telah menunjukan berulang kali bahwa

pengetahuan adalah kunci untuk setiap sistem cerdas ( intelligence system).

3. Knowlegde Acquisition (Akuisisi Pengetahuan)

Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian

dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program

komputer. Dalam tahap ini knowlegde engineer berusaha menyerap pengetahuan

untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh

 21

dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman

pemakai. Menurut Turban(1988), terdapat empat metode utama dalam akuisisi

pengetahuan, yaitu :

1. Wawancara

Metode ini adalah metode akuisisi yang paling banyak digunakan. Metode

ini melibatkan pembicaraan dengan pakar secara langsung dalam suatu

wawancara. Terdapat beberapa bentuk wawancara yang dapat digunakan.

Masing-masing bentuk wawancara tersebut mempunyai tujuan yang berbeda.

2. Analisis protokol

Dalam metode akuisisi ini, pakar diminta untuk melakukan suatu

pekerjaan dan mengungkapkan proses pemikirannya dengan menggunakan

kata-kata. Pekerjaan tersebut direkam, dituliskan, dan dianalisis.

3. Observasi pada pekerjaan pakar

Dalam metode ini, pekerjaan dalam bidang tertentu yang dilakukan pakar

direkam dan diobservasi.

4. Induksi aturan dari contoh

Metode ini dibatasi untuk sistem berbasis aturan. Induksi adalah suatu

proses penalaran dari khusus ke umum. Suatu sistem induksi aturan diberi

contoh-contoh dari suatu masalah yang hasilnya telah diketahui. Setelah

diberikan beberapa contoh, sistem induksi aturan tersebut dapat membuat

aturan yang benar untuk kasus-kasus contoh. Selanjutnya aturan dapat

digunakan untuk menilai kasus lain yang hasilnya tidak diketahui.

5. Mesin Inferensi
 22

Komponen ini mengandung mekanisme pola pikir dan penalaran yang

digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi

adalah program komputer yang memberikan metodologi untuk penalaran

tentang informasi yang ada dalam basis pengetahuan dan dalam workplace,

dan untuk memformulasikan kesimpulan (Turban,1995).

6. Workplace

Workplace merupakan area dari sekumpulan memori kerja (working

memory). Workplace digunakan untuk merekam hasil-hasil antara dan

kesimpulan yang dicapai. Ada tiga tipe keputusan yang dapat direkam, yaitu:

1. Rencana : bagaiman menghadapi masalah

2. Agenda : aksi-aksi yang potensial yang sedang menunggu untuk

dieksekusi.

3. Solusi : calon aksi yang dibangkitkan

4. Fasilitas Penjelasan

Fasilitas penjelasan adalah komponen tambahan yang akan

meningkatkan kemampuan sistem pakar. Komponen ini

menggambarkan penalaran sistem kepada pemakai. Fasilitas

penjelasan dapat menjelaskan perilaku sistem pakar dengan menjawab

pertanyaan-pertanyaan sebagai berikut (Turban,1995) :

1. Mengapa pertanyaan tertentu ditanyakan oleh sistem pakar ?

2. Bagaimana kesimpulan tertentu diperoleh ?

3. Mengapa alternatif tertentu ditolak ?

4. Apa rencana untuk memperoleh penyelesaian ?

7. Perbaikan Pengetahuan
 23

Pakar memiliki kemampuan untuk menganalisis dan meningkatkan

kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran

terkomputerisasi, sehingga program akan mampu menganalisis penyebab

kesuksesan dan kegagalan yang dialaminya.

2.2. Certainty Factor

Dalam pembuatan sistem pakar identifikasi penyakit pada buah nanas,

metode pengambilan kesimpulan yang digunakan adalah certainty factor.

Certainty factor merupakan bagian dari certainty theory, yang pertama kali

dikenalkan oleh E. H. Shorliffe dan B. G. Buchanan dalam pembuatan MYCIN

(adalah aplikasi sistem pakar awal yang dirancang untuk mengidentifikasi infeksi

didalam darah) mencatat bahwa pakar sering kali menganalisis informasi yang ada

dengan ungkapan seperti, misalnya: mungkin, kemungkinan besar, dan hampir

pasti. Hal ini membuat tim MYCIN menggunakan certainty factor guna

menggambarkan tingkat kepercayaan pakar terhadap masalah yang dihadapi

(turban dkk, 2005).

MYCIN adalah sistem pakar yang berbasis aturan yang mendiagnosis.

MYCIN dapat mengenali sekitar 100 penyebab infeksi bakteri. Dengan demikian

MYCIN dapat merekomendasikan resep obat yang efektif. Dalam tes terkontrol

performanya dianggap dengan spesialis manusia. Metode pemrosesan dan tidak

kepastian ini merupakan perintis dan menghasilkan pengaruh jangka panjang

dalam pengembangan sistem pakar.

Certainty facto rmenurut Giarrantano dan Riley dalam jurnal Sibagariang

(2015) didefinisikan sebagai berikut :

CF[H.E] = MB[H.E] – MD[H.E]

 24

CFgejala = CF[user] * CF[pakar]

Keterangan

CF = Certainty Factor (faktor kepastian) dalam hipotesis H yang dipengaruhi

oleh fakta E.

MB= Measure of Belief (tingkat keyakinan), adalah ukuran kenaikan dari

kepercayaan hipotesis H dipengaruhi oleh fakta E.

MD = Measure of Disbelief (tingkat tidak keyakinan), adalah kenaikan dari

ketidak percayaan hipotesis H terhadap E.

E = Evidence (pristiwa atau fakta)

H = Hipotesis (dugaan)

CFcombine = CF1 +CF2 * (1 – CF1)

Dimana CF1 dan CF2 memiliki hipotesis yang sama:

CF1 = nilai certainty factor evidence 1 terhadap hipotesis

CF2 = nilai certainty factor evidence 2 terhadap hipotesis

Tabel 2.3 Aturan nilai-nilai kepercayaan

Uncertain Term CF
Definitely not(Pasti tidak) -1,0
Almost certainly not
-0,8
(Hampir pasti tidak)
Probably not
-0,6
(Kemungkinan besar tidak)
Maybe not (Mungkin tidak) -0,4
Unknown (Tidak tahu) -0,2 sampai 0,2

Tabel 2.3 Aturan nilai-nilai kepercayaan(Lanjutan)

Maybe (Mungkin) 0,4
Probably (Kemungkinan besar) 0,6
Almost certaintly (Hampir pasti) 0,8
Definitely (Pasti) 1,0
 25

Sumber: Sutojo dkk (2011)

2.3. Kelebihan dan Kekurangan Certainty Factor

2.3.1. Kelebihan metode certainty factor yaitu:

1. Metode ini cocok dipakai pada sistem pakar yang mengandung

ketidakpastian.

2. Metode ini dapat menjaga keakuratan data karena sistem perhitungan

metode ini hanya dapat mengolah dua data dalam satu kali perhitungan.

2.3.2. Kekurangan metode certainty factor yaitu:

1. Pemodelan ketidakpastian yang menggunakan perhitungan metode

certainty factor biasanya masih diperdebatkan.

2. Metode certainty factor hanya dapat mengolah dua data saja, apabila ada

data yang lebih dari dua maka perlu beberapa kali pengolahan data.

2.4. Metode Pengembangan Sistem

Pada tahapan melakukan pengembangan sistem ini dilakukan dengan

menggunakan metode System Development Life Cycle (SDLC). Menurut

(Ogedebe & Jacob, 2012) “Prototype Model adalah salah satu metode

pengembangan perangkat lunak yang banyak digunakan”. Menurut (Pressman,

2010) pendekatan ini termasuk evolutionary process model.

Prinsip darat prototyping process model ini adalah :

1. Bukan merupakan stand alone metodologi, tetapi lebih kepada pendekatan

untuk menangani bagian tertentu dari sistem yang besar.

2. Mencoba mengurangi resiko proyek inheren dengan memecah proyek menjadi

bagian-bagian yang lebih kecil selama proses pengembangan.

3. User dilibatkan selama proses pengembangan.

 26

4. Membuat mock-up sistem skala kecil dan dimodifikasi secara iteratif sampai

memenuhi keinginan user.

5. Prototype tersebut tidak akan digunakan dalam sistem yang dibangun hanya

merupakan mock-up saja.

6. Pemahaman mengenai fundametal permasalahan bisnis merupakan hal yang

utama untuk menghindari penyelesaian yang salah.

Dibuatnya sebuah prototype bagi pengembang sistem bertujuan untuk

mengumpulkan informasi dari pengguna sehingga pengguna dapat berinteraksi

dengan model prototype yang dikembangkan, sebab prototype

menggambarkan versi awal dari sistem untuk kelanjutan sistem sesungguhnya

yang lebih besar

Menurut menyampaikan bahwa “prototyping merupakan metode

pengembangan perangat lunak, yang berupa model fisik kerja sistem dan

berfungsi sebagai versi awal dari sistem”.

Manfaat lainnya dari penggunaan prototype menurut (Purnomo, 2017), adalah :

1. Mewujudkan sistem sesungguhnya dalam sebuah replika sistem yang

akan berjalan, menampung masukan dari pengguna untuk

kesempurnaan sistem.

2. Pengguna akan lebih siap menerima setiap perubahan sistem yang

berkembang sesuai dengan berjalannya prototype sampai dengan hasil

akhir pengembangan yang akan berjalan nantinya.

3. Prototype dapat ditambah maupun dikurangi sesuai berjalannya proses

pengembangan. Kemajuan tahap demi tahap dapat diikuti langsung oleh

 27

pengguna.

4. Penghematan sumberdaya dan waktu dalam menghasilkan produk yang

lebih baik dan tepat guna bagi pengguna.

Berikut gambar dibawah ini tentang Langkah-langkah dalam model

prototyping :

Sumber : (Ogedebe & Jacob, 2012)

Gambar 2.2 Langkah –langkah Prototyping

Berdasarkan gambar 2.2, mengenai model prototype, berikut penjelasan

masing-masing tahapan alur penelitian yang akan dilakukan dalam penelitian

ini (Ogedebe & Jacob, 2012) :

 28

1. Pengumpulan Kebutuhan.

Mengumpulkan kebutuhan melibatkan pertemuan antara pengembang dan

pelanggan untuk menentukan keseluruhan tujuan dibuatnya perangkat

lunak; mengidentifikasi kebutuhan berupa garis besar kebutuhan dasar dari

sistem yang akan dibuat. Metodel yang digunakan dalam penelitian ini

yaitu Certainty Factor.

2. Proses desain yang cepat

Desain berfokus pada representasi dari aspek perangkat lunak dari sudut

pengguna; ini mencakup input, proses dan format output. Dengan desain

aplikasi yang terdiri dari desain interface menggunakan HTML,CSS,

desain database menggunakan MySQL.

3. Membangun prototype

Desain cepat mengarah ke pembangunan prototype dengan implementasi

sistem pakar diagnosa penyakit buah nanas menggunakan bahasa

pemrograman PHP dan database MySQL, serta melakukan pengujian

terhadap sistem.

4. Evaluasi dan perbaikan

Prototype dievaluasi oleh pengguna dan bagian analis desain dan

digunakan untuk menyesuaikan kebutuhan perangkat lunak yang akan

dikembangkan, prototype diatur untuk memenuhi kebutuhan pengguna,

dan pada saat itu pula pengembang memahami secara lebih jelas dan detil

apa yang perlu dilakukannya. prototype dievaluasi oleh pengguna dan

bagian analis desain dan digunakan untuk menyesuaikan kebutuhan

perangkat lunak yang akan dikembangkan.

 29

2.5. Unified Modeling Language (UML)

Menurut (Rossa & Shalahuddin, 2014) “UML (Unified Modeling

Language) adalah salah satu standar bahasa yang banyak digunakan di dunia

industri untuk medefinisikan requirement, membuat analisis dan desain, serta

menggambarkan arsitektur dalam pemograman berorientasi objek”.

UML dikelompokkan menjadi 3 kategori, struktur diagrams, behaviour

diagrams, dan Interaction diagrams. Struktur diagrams merupakan kumpulan dari

diagram yang digunakan untuk menggambarkan suatu struktur statis dari sistem

yang dimodelkan. Behaviour diagrams digunakan untuk menggambarkan perilaku

sistem atau rangkaian perubahan yang terjadi pada sistem. Dan Interaction

diagrams menggambarkan interaksi sistem dengan sistem lain maupun interaksi

antar subsistem pada suatu sistem.

2.5.1. Use Case Diagram

Menurut (Rossa & Shalahuddin, 2014), “Use case atau use case diagram

merupakan pemodelan untuk kelakuan (behavior) sistem yang akan dibuat”. Use

case mendeskripsikan sebuah interaksi antara satu atau lebih aktor dengan sistem

informasi yang akan dibuat. Untuk menggambarkan analisa dan desain diagram,

UML memiliki seperangkat notasi berupa simbol dan komponen pada use case

diagram, dapat dilihat pada tabel 2.2 berikut.

Tabel 2.4 Notasi Use Case Diagram

Simbol Deskripsi
Use case, fungsionalitas yang disediakan sistem
Nama use case sebagai unit-unit yang saling bertukar pesan
antar unit atau aktor.
 30

Tabel 2.4 Notasi Use Case Diagram(Lanjutan)

Aktor / Actor , orang, proses atau sistem lain
yang berinteraksi dengan sistem informasi yang
akan dibuat di luar sistem informasi yang akan
dibuat itu sendiri.
Asosiasi / Association, komunikasi antara aktor
dan use case yang berpartisipasi pada use case /
use case memiliki interaksi dengan aktor.
<<extend>> Ekstensi/ Extend, relasi use case tambahan ke
sebuah use case yang ditambahkan.
Generalisasi / Generalization, hubungan
generaliasasi dan spesialisasi antara dua use
case.
<<include>> Menggunakan/ Include / uses,use case yang
ditambahkan akan selalu dipanggil saat use
case tambahan dijalankan.
Sumber: (Rossa & Shalahuddin, 2014)
2.6. Pengujian

Metode pengujian Menurut Rosa & Shalahuddin (2018) : “Pengujian

perangkat lunak adalah sebuah elemen sebuah topic yang memiliki cakupan luas

dan sering dikaitkan dengan verifikasi dan validasi. Verifikasi mengacu pada

sekumpulan ektifitas yang menjamin bahwa perangkat lunak mengimplemtasikan

dengan benar sebuah fungsi spesifikasi”.

Berikut ini ada beberapa pendekatan dalam pengujian diantanya sebagai

berikut:

1. Uji Akurasi Sistem

Uji akurasi dilakukan untuk mengetahui tingkat akurasi dari sistem

pakar yang dibangun. Uji akurasi di lakukan dengan cara

mencocokan dari beberapa kasus yang di cocokan dari seorang

pakar.
 31

2. Black Box Testing ( Pengujian Kotak Hitam )

Black box testing merupakan testing yang dilakukan tanpa

pengetahuan detail struktur internal dari sistem atau komponen

yang dites. Black box testing juga disebut sebagai behavioral

testing, specification-based, input/output testing atau functional

testing. Black box testing berfokus pada kebutuhan fungsional pada

software, berdasarkan pada spesifikasi kebutuhan dari software.

Kategori error yang akan diketahui dengan menggunakan black

box testing ini adalah (Romeo, 2003):

1. Fungsi yang hilang atau tidak benar.

2. Error dari interface.

3. Error dari struktur data atau akses external database.

4. Error dari kinerja atau tingkah laku sistem.

5. Error dari inisialisasi dan terminasi.

 32

3. Metode Penelitian

3.1. Kerangka Penelitian

Kerangka penelitian pada dasarnya adalah kerangka hubungan antara konsep

konsep yang ingin diamati atau diukur melalui penelitian yang akan dilakukan.

berdasarkan kerangka pemikiran yang ada, maka kerangka penelitian yang

digunakan dapat dilihat pada gambar 3.1 berikut.

Gambar 3.1 Kerangka Penelitian

 33

1. Identifikasi Masalah

Sebelum melakukan penelitian yang dilakukan adalah mengidentifikasi

masalah. Masalah yang dihadapi adalah ketidak tahuannya para pembudidaya

buah nanas dalam mengidentifikasi penyakit yang meyerang buah nanas. Serta

belum adanya Sistem Pakar untuk mendiagnosa penyakit pada buah nanas.

2. Studi Literatur

Mempelajari dan memahami teori-teori yang menjadi pedoman dan referensi

guna penyelesaian masalah dan mempelajari penelitian yang relevan dengan

masalah yang diteliti.

3. Pengumpulan Data

Pengumpulan data yang berkaitan dengan masalah yang ada. Penulis

melakukan observasi pada tempat pembudidayaan buah nanas . Kemudian

mencari informasi mengenai masalah yang ada dengan menggunakan kuisioner.

Agar data yang didapatkan sesuai atau valid maka penulis melakukan wawancara

pada seorang pakar mengenai permasalahan yang sedang diteliti. Terakhir penulis

melakukan dokumentasi pada tempat budidaya.

4. Sistem Pakar Diagnosa Penyakit Buah Nanas

Setelah data yang dibutuhkan sudah terpenuhi, maka penulis dapat

merancang sebuah sistem pakar diagnosa penyakit buah nanas dengan

menerapkan metode Certainty Factor.

5. Implementasi

Sistem yang dibuat dalam bentuk website. Untuk menunjang pembangunan

sistem pakar, penulis melakukan studi literatur dari beberapa jurnal berkaitan

dengan metode yang digunakan sebagai referensi.

 34

6. Uji Sistem

Setelah perancangan sistem selesai, maka penulis melakukan pengujian

terhadap sistem apakah sudah sesuai dengan kebutuhan atau tidak.

7. Hasil

Sistem pakar diagnosa penyakit buah nanas dengan metode Certainty Factor.

3.2. Tahapan Penelitian

Selain itu untuk memodelkan sebuah perangkat lunak dibutuhkan beberapa

tahapan dalam proses pengembangannya, tahapan inilah yang akan menentukan

keberhasilan dari sebuah software itu. Tahapan-tahapan dalam model prtototype

adalah sebagai berikut :

1. Kajian literatur

Kajian literatur bertujuan untuk memperluas wawasan terkait objek yang

akan diteliti dengan menelusuri sumber-sumber penelitian yang pernah dibuat

sebelumnya. Sumber-sumber yang digunakan meliputi:

1. Jurnal-jurnal yang berhubungan dengan penelitian.

2. Buku mengenai sistem pakar, buku panduan budidaya buah nanas,

serta buku-buku yang terkait dengan penelitian.

2. Pengumpulan Data

Pengumpulan data betujuan untuk memperoleh sebuah informasi yang

dibutuhkan untuk mencapai sebuah tujuan penelitian. Metode pengumpulan

data meliputi:

1. Observasi
 35

Pengumpulan data dengan cara mengadakan penelitian

dilapangan dengan mengamati kondisi yang terjadi dilapangan,

dalam hal ini penulis melakukan observasi pada PT Great Giant

Food Terbanggi Besar.

2. Kuisioner

Penulis melakukan pengumpulan data dengan menggunakan

kuisioner untuk mengetahui gejala yang terdapat pada kuda laut.

3. Wawancara

Metode ini dilakukan dengan cara tanya jawab atau wawancara

kepada seorang pakar yang bekerja di PT Great Giant Food

mengenai permasalahan yang dibahas.

4. Dokumentasi

Dokumentasi dilakukan untuk mendapatkan data yang valid atau

sesuai mengenai informasi yang dibutuhkan, dalam hal ini

penulis melakukan dokumentasi terhadap gambar tempat

penelitian, seorang pakar dan buah nanas yang terserang

penyakit.

3. Membangun Prototyping

Pada tahap pembangunan prototyping, pelanggan dan pembuat sistem

bersama-sama membuat format input maupun output yang akan dihasilkan

oleh sistem yang dibuat

4. Evaluasi Prototyping
 36

Selanjutnya, setelah tahap pembangunan prototyping, pelanggan dan

pengembang bersama-sama mendefinisikan format dan kebutuhan

keseluruhan perangkat lunak, mengidentifikasikan semua kebutuhan, dan

garis besar sistem yang akan dibuat.

3.2.1 Analisis Data

Proses ini dimana peneliti menganalisa data yang diperoleh dari pakar yang

bernama Muh. Basuki,S.P.,M.P. dan buku tentang pedoman budidaya dan

penyakit buah nanas. Dari data tersebut dibuat alur dari setiap jenis penyakit dan

gejala penyakit.

Tabel 3.1. Data Penyakit Buah Nanas

No Penyakit yang menyerang buah nanas

1 Pineapple Heart Rot
2 Mealybug Wilt Diasease
3 Pineapple Fruit Collapse

Tabel 3.2. Data gejala yang menyerang

Gejala
Perubahan warna daun bagian putih (white basal tissue)
menjadi kuning hingga cokelat
Daun layu dan tepi daun menggulung ke bawah
Daun muda dapat dengan mudah ditarik
Jaringan putih di pangkal daun basah dan busuk
Bagian yang busuk mengeluarkan aroma tidak sedap
Gejala akhirnya, tanaman mati karena sistem perakaran mati
Setengah daun tanaman berwarna kemerahan
Buah yang terinfeksi mengeluarkan cairan dan gelembung

Tabel 3.2. Data gejala yang menyerang (Lanjutan)

Daun berubah warna dari merah menjadi merah muda dan

 37

pinggiran daun menggulung ke bawah yang dimulai dari ujung

Semua daun menjadi layu
Jika kondisinya menguntungkan untuk pertumbuhan tanaman,
tanaman akan pulih, tetapi tidak menghasilkan buah normal.
Daun yang terinfeksi memiliki warna hijau zaitun dan terlihat
melepuh (water soaked)
Pembusukan dimulai dari pangkal daun dan menjalar sampai ke
luar, lamina daun akan melepuh dan berisikan gas
Pembusukan di bagian white basal tissue yang mengelilingi
meristem apikal akan berubah menjadi gelap dan nekrotik
selama musim kemarau
Di musim hujan, penyakit berkembang dan jaringan daun yang
terinfeksi menunjukkan gejala melepuh.
Batang mudah terlepas dari bagian bawah tanah tanaman

Tabel 3.3. Data penyakit Pineapple Heart Rot

No Serangan gejala yang terjadi Bobot

1. Perubahan warna daun bagian putih
(white basal tissue) menjadi kuning 1,0
hingga cokelat
2. Daun layu dan tepi daun menggulung
1,0
ke bawah
3. Daun muda dapat dengan mudah
1,0
ditarik
4. Jaringan putih di pangkal daun basah
1,0
dan busuk
5. Bagian yang busuk mengeluarkan
1,0
aroma tidak sedap
6. Gejala akhirnya, tanaman mati karena
1,0
sistem perakaran mati

Tabel 3.4. Data Penyakit Mealybug Wilt Disease

No Serangan gejala yang terjadi Bobot

1. Setengah daun tanaman berwarna
1,0
kemerahan
2. Daun berubah warna dari merah 1,0
menjadi merah muda dan pinggiran
 38

daun menggulung ke bawah yang

dimulai dari ujung
3. Semua daun menjadi layu 1,0
4. Jika kondisinya menguntungkan
untuk pertumbuhan tanaman, tanaman
0,8
akan pulih, tetapi tidak menghasilkan
buah normal.

Tabel 3.5. Data Penyakit Pineapple Fruit Collapse

No Serangan gejala yang terjadi Bobot

1. Daun yang terinfeksi memiliki warna
hijau zaitun dan terlihat melepuh 1,0
(water soaked)
2. Batang mudah terlepas dari bagian
0,6
bawah tanah tanaman
3. Pembusukan dimulai dari pangkal
daun dan menjalar sampai ke luar,
1,0
lamina daun akan melepuh dan
berisikan gas
4. Pembusukan di bagian white basal
tissue yang mengelilingi meristem
1,0
apikal akan berubah menjadi gelap
dan nekrotik selama musim kemarau
5. Di musim hujan, penyakit
berkembang dan jaringan daun yang
1,0
terinfeksi menunjukkan gejala
melepuh.
6. Buah yang terinfeksi mengeluarkan
1,0
cairan dan gelembung

Tabel 3.6. Aturan nilai kepercayaan yang akan digunakan

Uncertain Term CF
Maybe (Mungkin) 0,4
Probably (Kemungkinan besar) 0,6
Tabel 3.6. Aturan nilai kepercayaan yang akan digunakan(Lanjutan)

Almost certaintly (Hampir Pasti) 0,8

Definitely (Pasti) 1,0
 39

3.2.2 Penerapan Metode

Untuk menentukan keterangan faktor keyakinan dari pakar, dilihat dari

CFcombine dengan berpedoman dari tabel interpretasi certainty factor, pada sesi

diagnosa penyakit, user diberikan pilihan interpretasi yang masing-masing

memiliki nilai CF. Proses perhitungan presentasi keyakinan diawali dengan

pemecahan sebuah kaidah (rule) yang memiliki gejala majemuk, menjadi kaidah-

kaidah (rules) yang memiliki gejala tunggal. Kemudian masing-masing rule baru

dihitung nilai CF nya dengan menggunakan persamaan :

CFgejala = CF(user) * CF(pakar)

Apabila terdapat lebih dari satu gejala, maka CF penyakit dihitung dengan
menggunakan persamaan :

CFcombine = CFold + CFgejala * (1-CFold)

Contoh perhitungan certainty factor

Kaidah 1 :

IF Perubahan warna daun bagian putih (white basal tissue) menjadi kuning
hingga cokelat

AND Daun layu dan tepi daun menggulung ke bawah

AND Daun muda dapat dengan mudah ditarik

AND Jaringan putih di pangkal daun basah dan busuk

AND Bagian yang busuk mengeluarkan aroma tidak sedap

AND Gejala akhirnya, tanaman mati karena sistem perakaran mati

THEN penyakit Pineapple Heart Rot

Langkah pertama, pakar menentukan nilai bobot CF untuk masing-masing

gejala dengan berpedoman pada tabel data penyakit Pineapple Heart Rot. Adapun

nilai CF yang diberikan pakar untuk penyakit Pineapple Heart Rot:

 40

CFpakar (Gejala 1) = 1,0

CFpakar (Gejala 2) = 1,0

CFpakar (Gejala 3) = 1,0

CFpakar (Gejala 4) = 1,0

CFpakar (Gejala 5) = 1,0

CFpakar (Gejala 6) = 1,0

Misalnya user memilih jawaban sebagai berikut :

Gejala 1 = Mungkin = 0,4

Gejala 2 = Kemungkinan Besar = 0,6

Gejala 3 = Hampir Pasti = 0,8

Gejala 4 = Pasti = 1,0

Gejala 5 = Mungkin = 0,4

Gejala 6 = Hampir Pasti = 0,8

Kaidah 1 yang memiliki 6 gejala dipecah menjadi kaidah yang memiliki

gejala tunggal, sehingga menjadi:

Kaidah 1.1

IF Perubahan warna daun bagian putih (white basal tissue) menjadi kuning

hingga cokelat

THEN Penyakit Pineapple Heart Rot

 41

Kaidah 1.2

IF Daun layu dan tepi daun menggulung ke bawah

THEN Penyakit Pineapple Heart Rot

Kaidah 1.3

IF Daun muda dapat dengan mudah ditarik

THEN Penyakit Pineapple Heart Rot

Kaidah 1.4

IF Jaringan putih di pangkal daun basah dan busuk

THEN Penyakit Pineapple Heart Rot

Kaidah 1.5

IF Bagian yang busuk mengeluarkan aroma tidak sedap

THEN Penyakit Pineapple Heart Rot

Kaidah 1.6

IF Gejala akhirnya, tanaman mati karena sistem perakaran mati

THEN Penyakit Pineapple Heart Rot

Proses perhitungan manual kaidah 1.1 :

CFgejala 1 = CF(user) * CF(pakar)

= 0,4 * 1,0
 42

= 0,4

Proses perhitungan manual kaidah 1.2 :

CFgejala 2 = CF(user) * CF(pakar)

= 0,6 * 1,0

= 0,6

Proses perhitungan manual kaidah 1.3 :

CFgejala 3 = CF(user) * CF(pakar)

= 0,8 * 1,0

= 0,8

Proses perhitungan manual kaidah 1.4 :

CFgejala 4 = CF(user) * CF(pakar)

= 1,0 * 1,0

= 1,0

Proses perhitungan manual kaidah 1.5 :

CFgejala 5 = CF(user) * CF(pakar)

= 0,4 * 1,0

= 0,4

Proses perhitungan manual kaidah 1.6 :

 43

CFgejala 6 = CF(user) * CF(pakar)

= 0,8 * 1,0

= 0,8

Dikarenakan lebih dari satu gejala, maka untuk menentukan CF kerusakan

selanjutnya digunakan persamaan

CFcombine 1 (CFgejala 1, CFgejala 2) = CFgejala 1 + CFgejala 2 * (1 – CFgejala 1)

= 0,4 + 0,6* (1 – 0,4)

= 0,4 + 0,36

CFold 1 = 0,76

CFcombine 2 (CFold 1, CFgejala 3) = CFold 1 + CFgejala 3 * (1 – CFold 1)

= 0,76 + 0,8 * (1 – 0,76)

= 0,76 + 0,192

CFold 2 = 0,952

CFcombine 3 (CFold 2, CFgejala 4) = CFold 2 + CFgejala 4 * (1 – CFold 2)

= 0,952+ 1,0 * (1 – 0,952)

= 0,952 + 0,048

CFold 3 =1

CFcombine 4 (CFold 3, CFgejala 5) = CFold 3 + CFgejala 5 * (1 – CFold 3)

 44

= 1 + 0, 4 * (1 - 1)

=1+0

CFold 4 =1

CFcombine 5 (CFold 4, CFgejala 6) = CFold 4 + CFgejala 6 * (1 – CFold 4)

= 1 +0,8*(1- 1)

=1+0

CFold 5 =1

Keterangan:

CFold terakhir merupakan CFpenyakit, berdasarkan hasil perhitungan CF diatas,

maka CF kerusakan adalah 1. Selanjutnya hitung presentase keyakinan terhadap

kerusakan dengan persamaan

Presentase = CFpenyakit * 100

= 1* 100

= 100%

Jadi dengan menggunakan contoh tersebut didapati hasil dari diagnosa adalah

100% terserang penyakit Pineapple Heart Rot.

3.1. Usecase Diagram

 45

Use case diagram mendiskripsikan sebuah interaksi antara satu atau lebih

aktor dengan sistem informasi yang akan dibuat. Gambaran usecase yang

digunakan pada penelitian ini dapat dilihat pada gambar 3.3 berikut.

Gambar 3.2 Usecase Diagram

3.4 Implementasi

Implementasi dilakukan untuk menerapan metode certainty factor dan

mengidentifikasi penyakit pada kuda laut berbasis web dengan bahasa

pemograman PHP.

3.5 Perencanaan Pengujian

Perencanaan pengujian sistem ini menggunakan 2 tahapan pengujian yaitu :

1. Uji Akurasi
 46

Pengujian aplikasi dilakukan untuk mengetahui seberapa akurat aplikasi yang

dibuat. Pengujian dilakukan dengan membandingkan hasil diagnosa oleh pakar

dengan hasil diagnosa oleh sistem dan kemudian akan dihitung persentase nilai

keakuratan aplikasi. Dalam hal ini akan dilakukan pengujian terhadap beberapa

kasus pengalaman pakar. Proses pengujian akan dilakukan dengan cara pakar

melakukan diagnosa terlebih dahulu baru kemudian kasus diuji dengan sistem.

2. Black Box Testing

Pengujian yang didasarkan pada detail aplikasi seperti tamppilan aplikasi,

fungsi-fungsi yang ada pada aplikasi, dan kesesuain alur fungsi dengan bisnis

proses yang diinginkan oleh customer. Pengujian ini tidak melihat dan menguji

source code program.

Pengujian :

1. Membuat test case untuk menguji fungsi-fungsi yang ada pada aplikasi

2. Membuat test case untuk menguji kesesuaian alur kerja suatu fungsi di

aplikasi dengan requrement yang dibutuhkan customer untuk fungsi

tersebut.

3. Mencari bugs/error dari tampilan (interface) aplikasi

Berdasarkan rencana pengujian maka pengujian Black Box Testing pada

aplikasi sistem pakar untuk mendiagnosa penyakit buah nanas ini dapat dilihat

pada Tabel 3.1 berikut ini

Tabel 3.1 Pengujian Blackbox Testing

Aktivitas Realisasi yang Hasil Pengujian Kesimpulan

 47

Pengujian diharapkan
Dapat menampilkan
halaman website sistem Tampil halaman
Pilih sistem pakar Berhasil
pakar penyakit buah menu utama
nanas
Pilih menu profil Dapat menampilkan data Tampil halaman
Berhasil
pakar informasi tentang pakar profil pakar
Dapat menampilkan
seluruh gejala, setelah
gejala dipilih akan
memberikan pertanyaan
Tampil halaman
Pilih menu keyakinan terhadap
diagnosa dengan
halaman diagnosa gejala dan memberikan Berhasil
gejala yang akan
penyakit kesimpulan penyakit,
dipilih
solusi, dan mencetak
hasil perihitungan
diagnosa penyakit buah
nanas

3.6. Perancangan Aplikasi Sistem Pakar

Perancangan aplikasi sistem pakar merupakan gamabaran terhadap sistem

yang akan dirancang, dengan adanya desain rancangan sistem dapat mempercepat

dalam menentukan ketepatan sistem.

1. Rancangan Tampilan Halaman Utama

Tampilan halaman utama merupakan tampilan yang digunakan untuk

menampilkan menu yang ada pada aplikasi penerapan metode certainty factor

untuk mendeteksi penyakit buah nanas, berikut adalah rancangan halaman utama

pada gambar 3.3 dibawah ini :

 48

Gamabr 3.3 Tampilan halaman utama

2. Rancangan Tampilan Penggunaan Aplikasi

Tampilan penggunaan aplikasi merupakan tampilan yang digunakan

oleh user untuk memahami bagaimana proses menggunakan aplikasi penerapan

metode certainty factor, berikut adalah rancangan halaman penggunaan aplikasi

pada gambar 3.4 dibawah ini :

Gambar 3.4 Tampilan penggunaan aplikasi

3. Rancangan Tampilan Tentang Pakar

Tampilan data tentang pakar merupakan tampilan yang digunakan

untuk menampilkan informasi pakar, berikut adalah rancangan tampilan halaman

tentang pakar pada gambar 3.5 dibawah ini :

 49

Gambar 3.5 Tampilan tentang pakar

.4. Rancangan Tampilan Log in pakar

Tampilan login merupakan tampilan yang digunakan sebagai hak akses

ke halaman menu pakar, berikut adalah rancangan tampilan login pada gambar 3.6

dibawah ini:

Gambar 3.6 Tampilan log in pakar

5. Rancangan Tampilan Input Data Penyakit

Tampilan input data penyakit merupakan tampilan yang digunakan

untuk menginput data penyakit nanas dengan mengisikan kode penyakit dan nama

penyakit, berikut ini adalah rancangan tampilan input data penyakit pada gambar

3.7 dibawah ini :

 50

Gambar 3.7 Tampilan input data penyakit

6. Rancangan Tampilan Data Penyakit

Tampilan data penyakit merupakan tampilan yang digunakan untuk

menampilakan daftar nama penyakit buah nanas, berikut ini adalah rancangan

tampilan data penyakit pada gambar 3.8 dibawah ini :

Gambar 3.8 Tampilan data penyakit

7. Rancangan Tampilan Input Data Gejala Penyakit

Tampilan input data gejala penyakit merupakan tampilan yang

digunakan untuk menginput data gejala penyakit nanas dengan mengisikan kode

gejala penyakit dan nama gejala penyakit, berikut ini adalah rancangan tampilan

input data gejala penyakit pada gambar 3.9 dibawah ini :

 51

Gambar 3.9 Tampilan input data gejala penyakit

8. Rancangan Tampilan Data Gejala Penyakit

Tampilan data gejala penyakit merupakan tampilan yang digunakan

untuk menampilakan daftar nama gejala penyakit buah nanas, berikut ini adalah

rancangan tampilan data gejala penyakit pada gambar 3.10 dibawah ini :

Gambar 3.10 Tampilan data gejala penyakit

9. Rancangan Tampilan Input Data Solusi

Tampilan input data solusi merupakan tampilan yang digunakan untuk

menginput data solusi penyakit nanas dengan mengisikan checkbox terdapat

pilhan nama penyakit,mengisi kode solusi, dan memberikan solusi untuk

 52

menangani penyakit buah nanas, berikut ini adalah rancangan tampilan input data

gejala penyakit pada gambar 3.11 dibawah ini :

Gambar 3.11 Tampilan input data solusi

10. Rancangan Tampilan Data Solusi

Tampilan data solusi merupakan tampilan yang digunakan untuk

menampilakan daftar solusi untuk penanganan penyakit buah nanas, berikut ini

adalah rancangan tampilan data solusi pada gambar 3.12 dibawah ini :

Gambar 3.12 Tampilan data solusi

11. Rancangan Tampilan Untuk Mendiagnosa Penyakit Buah Nanas

Tampilan untuk mendiagnosa penyakit buah nanas merupakan

tampilan yang digunakan untuk mendiagnosa penyakit buah nanas dengan user
 53

memilih gejala penyakit dengan cara menceklis gejala yang sedang dialamai dan

memberikan nilai kenyakinan gejala pada checkbox dengan rentan nilai mungkin

(0,4), kemungkinan besar (0,6), hampir pasti (0,8), pasti (1,0), berikut ini adalah

rancangan tampilan Tampilan untuk mendiagnosa penyakit pada gambar 3.13

dibawah ini :

Gambar 3.13 Tampilan untuk mendiagnosa penyakit buah nanas

12. Rancangan Tampilan Hasil Diagnosa Penyakit Buah Nanas

Tampilan hasil diagnosa penyakit buah nanas merupan tampilan yang

digunakan untuk menampilkan hasil dari proses diagnosa penyakit buah nanas

dengan menampilkan nama penyakit yang dialami, Solusi untuk penanganan

penyakit buah nanas tersebut, serta nilai probabilitas penyakit, berikut ini adalah

rancangan tampilan hasil diagnosa penyakit buah nanas pada gambar 3.14

dibawah ini :
 54

Gambar 3.14 Tampilan hasil diagnosa penyakit buah nanas

3.7. Jadwal Penelitian

Penjadwalan penelitian sesuai dengan tahapan penelitian yang dilakukan di

mulai dari tinjauan pustaka hingga siding skripsi. Berikut adalah mekanisme

penjadwalan kegiatan yang dilakukan dapat dilihat pada tabel 3.1 berikut ini

Tabel 3.1 Jadwal Penelitian

 55

DAFTAR PUSTAKA

Fitriyanto, P. G., Azhar, N. A. and Kurniawan, M. (2016). MENDETEKSI

HAMA TANAMAN BUAH MANGGA. pp. 6–7.

Budiharti, W. &. (2014). Artificial Intelligence Konsep dan Penerapannya. Andi,

Yogyakarta.
Dewa, V. P., Pijuanto, A., & Putra, M. H. (2017). Sistem Pakar Diagnosa
Penyakit Buah Nanas Menggunakan Algoritma Bayes Berbasis Web.
Jurnal Seminar Nasional Teknologi Informasi dan Multimedia 2017, 43-
48.
Sulistiani, H. and Muludi, K. (2018) ‘PENERAPAN METODE CERTAINTY
FACTOR DALAM MENDETEKSI PENYAKIT TANAMAN KARET’,
Jurnal Pendidikan Teknologi dan Kejuruan, 15(1), pp. 51–59. doi:
10.23887/jptk-undiksha.v15i1.13021.

Durkin. (1994.). Expert Systems Design and Development. New Jersey.: Prentice
Hall InternationalIinc.
Efram Turban, L. E. (1992). Expert Systems and Applied Artificial Intelligence.
Macmillan Pub. Co.
Giarratano, J. C. (2005). Expert Systems Principles and Programming (Fourth
Edition ed.). Boston: Thomson Course Technology.
Marimin. (1992). Struktur dan Aplikasi Sistem Pakar Manajemen Pembangunan
(1 ed.).
Mujilahwati, S. (2014). Diagnosa Penyakit Tanaman Hias Menggunakan Metode
Certainty Factor Berbasis We. Jurnal Teknik, 6, 2085-0859.
Rika, R. (2003). Sistem Pakar Konsep dan Teori. Andi. Yogyakarta.
Turban, E. (1995.). Decision Support Systems and Expert Systems. United State.:
Prentice Hall Internationa l Iinc.
Turban, E. d. (2005). Decision Support Systems and Intelligent Systems.
Andi.Yogyakarta.
Turwanto. & Abdul, F. (2013). Sistem Pakar Untuk Mendiagnosa Hama dan
Penyakit Tanaman Bawang Merah Menggunakan Certainty Factor. Jurnal
Sarjana Teknik Informatika, 1, 2338-5197.