Sistem Pakar Fuzzy Berbasis Web untuk Manajemen Hama Terpadu di Kedelai

Web-Based Fuzzy Expert System for Integrated Pest Management in Soybeans

Harvinder S. Saini1, Raj Kamal2, AN Sharma3

1
Institut Manajemen dan Teknologi Internasional/Silicon Valley Systech, Gurgaon, Haryana-INDIA
2
Institut Ilmu Komputer dan Elektronika, Devi Ahilya University, Indore (MP) -INDIA-452 017.
3
Pusat Penelitian Kedelai Nasional, Indore-MP-INDIA-452 017.

Abstrak
Makalah ini menjelaskan fuzzy Expert System (ES) SOYPEST (Soybean Pest Expert System)
berbasis web untuk Integrated Pest Management (IPM). ES dikembangkan dengan tujuan untuk
memberikan dukungan keputusan PHT kepada para petani melalui Internet. Ini telah digunakan untuk
tanaman yang ditanam di berbagai wilayah India. Desain berbasis Java telah dibenarkan dimana berbagai
sumber pengetahuan telah ditemukan berguna untuk akuisisi pengetahuan, representasi dan validasi.
Makalah ini menjelaskan penerapan logika fuzzy dalam manajemen ketidakpastian selama identifikasi
hama serta untuk memperkirakan tingkat aktivitas hama menggunakan operator baru yang dapat
disesuaikan - (& juga) yang diperkenalkan oleh penulis. Sistem telah diuji untuk situasi dunia nyata
menggunakan masukan dari pengguna PHT serta pakar PHT. Mengubah nilai parameter untuk â
membantu memvalidasi sistem pakar untuk lingkungan yang berubah tanpa ada perubahan dalam aturan
basis pengetahuan dan mencapai presisi yang diharapkan dalam hasil. Keuntungan dari desain sistem
pakar ES berbasis web dan antarmuka pengguna grafis (GUI) untuk integrasi dengan hypermedia bantuan
keputusan juga telah direalisasikan.

Abstrak
This paper describes the web-based FUZZY Expert System (ES) SOYPEST (Soybean Pest Expert
System) for Integrated Pest Management (HDI). ES was developed with the aim of providing pht decision
support to farmers through the Internet. It has been used for plants grown in different regions of India.
Java-based design has been justified where various sources of knowledge have been found useful for
knowledge acquisition, representation and validation. This paper describes the application of fuzzy logic
in uncertainty management during pest identification as well as to estimate pest activity levels using new
customizable operators - (& also) introduced by the authors. The system has been tested for real-world
situations using input from PHT users as well as PHT experts. Changing the value of parameters to â
helps validate expert systems for a changing environment without any change in knowledge base rules
and achieves the expected precision in results. The advantages of web-based ES expert system design and
graphical user interface (GUI) for integration with hypermedia decision assistance have also been
realized.

PENDAHULUAN

Pengelolaan hama pada tanaman merupakan masalah yang sangat menantang. Di India, kerugian
tahunan dari hama dan penyakit sekitar $ 6300 juta sedangkan hanya untuk tanaman minyak sayur
jumlahnya sekitar $ 1000 juta (Sharma, 2001). Kadang-kadang masalahnya begitu parah sehingga
kehilangan produksi tanaman di atas 50%, dan dalam kasus wabah serangga-hama, kerugian jauh lebih
tinggi, mengakibatkan kerusakan total. Teknologi yang berbeda serta program kesadaran dipraktekkan di
bawah program PHT untuk pengendalian hama yang efektif, ekonomis dan ramah lingkungan (Singh dan
Singh, 1990). Tindakan pengendalian dapat dilakukan secara manual, mekanis, budaya, biologis dan
kimiawi. Kombinasi yang tepat dan optimal dari metode ini digunakan untuk pengendalian hama yang
hemat biaya dan ramah lingkungan (Atwal dan Dhaliwal, 1997; Paxton dan Levergne, 1984).
Sistem pakar adalah program komputer, yang meniru perilaku pakar dalam bidang pengetahuan
tertentu. Ini memiliki tiga komponen utama yaitu basis pengetahuan (KB), mesin inferensi (IE) dan
strategi kontrol (CS). Pengetahuan yang terstruktur dalam bentuk aturan IF-THEN oleh orang yang
dikenal sebagai insinyur pengetahuan, disimpan dalam KB. Pengetahuan ini diproses oleh mesin inferensi
di bawah pengawasan strategi kontrol untuk mencapai saran ahli. Antarmuka Pengguna Grafis (GUI) juga
dirancang untuk menangani interaksi pengguna (Saini et. Al., 1997).
Beberapa sistem pakar telah dilaporkan sebelumnya untuk PHT pada Kedelai. Pasqual dan
Mansfield (1988) mengembangkan prototipe ES untuk identifikasi dan pengendalian hama serangga.
SOYBUG ES dikembangkan oleh Beck et. Al. ( 1989) untuk pengendalian hama serangga, yang
dimaksudkan untuk tanaman kedelai yang ditanam di AS. Kemudian Batchelor et. Al. ( 1989)
mengembangkan sistem simulasi pakar SMARTSOY untuk pengelolaan hama serangga. SMARTSOY
memasukkan model pertumbuhan tanaman kedelai SOYGRO dalam basis pengetahuannya. Ini
menggunakan aturan heuristik untuk menentukan tingkat kerusakan serangga. SOYPEST ES berbasis PC
dikembangkan untuk aplikasi pada kondisi India (Saini et. Al., 1997).
Awalnya pada tahun 1995, SOYPEST dikembangkan sebagai ES berbasis PC untuk menangani
pertanyaan petani terkait dengan diagnosis OPT di Pusat Riset Kedelai Nasional, Indore-MP. SOYPEST
telah dioperasikan oleh penyuluh PHT (penasihat petani). Hal ini menjembatani kesenjangan antara
pengguna PHT dan ES. Pada musim-musim berikutnya, basis pengetahuan telah ditingkatkan dan GUI
telah disederhanakan agar dapat diakses oleh pengguna pemula (petani) tanpa adanya tenaga ahli atau
penyuluh. Pekerjaan ini menjelaskan keuntungan dari GUI berbasis web untuk interaksi pengguna.
Desain berbasis web juga telah dijelaskan untuk memenuhi tujuan aplikasi dan integrasi sistem.
Sistem SOYPEST sebelumnya hanya digunakan dalam identifikasi diikuti dengan diagnosis.
Pekerjaan saat ini memperkirakan aktivitas hama (populasi) dengan menggunakan operator baru. Hasil
komputasi aktivitas yang dibahas dalam makalah ini telah digunakan untuk perhitungan lebih lanjut
dalam aplikasi lain seperti analisis manfaat biaya dalam PHT. Untuk membuat sistem dapat diakses
secara global mengangkat masalah validasi sistem di lingkungan agroklimat yang berubah. Karya ini juga
menangani masalah ini dengan mengubah parameter operator baru.

2 Ikhtisar SOYPEST: Material dan Metode

SOYPEST ES berbasis web telah dikembangkan untuk mengidentifikasi OPT aktif dan menghitung
aktivitas OPT aktif diikuti dengan diagnosisnya. Identifikasi dan diagnosis hama serangga merupakan
kegiatan berbasis pengetahuan, yang dibagi menjadi empat tahap, SOYPEST menggunakan kesimpulan
berbasis pengetahuan untuk perhitungan kegiatan.
Tahap I, Identifikasi hama serangga berdasarkan gejala kerusakan tanaman: Sistem meminta masukan
terkait kerusakan pada berbagai segmen tanaman seperti akar, daun, polong, batang dan tangkai
daun. Ini memberikan gambaran awal tentang serangga atau kelompok serangga yang aktif di
lapangan. Aktivitas hama dihitung, yang sebanding dengan tingkat kerusakan.
Tahap II, Identifikasi berdasarkan morfologi serangga-hama: Di sini, pertanyaan diajukan tentang OPT
yang teridentifikasi pada fase I. Respons terhadap opsi yang ditunjukkan pada fase II semakin
memperkuat kesimpulan untuk identifikasi OPT yang aktif di tanaman.
Tahap III, Identifikasi dari citra OPT: Identifikasi dikonfirmasi dengan memilih mengidentifikasi
serangga-hama, setelah mempelajari detailnya dan mengamati gambarnya di layar komputer.
Tahap IV, Menyarankan tindakan pengendalian: Menyarankan tindakan pengendalian yang sesuai untuk
aktif hama serangga sekali lagi merupakan aktivitas berbasis pengetahuan. Mempertimbangkan
parameter seperti hama serangga yang teridentifikasi, tahap hidupnya, populasi (aktivitas),
kondisi tanaman dan tahap tanaman, bagian yang sesuai dari basis aturan pengetahuan PHT
dieksploitasi untuk menyimpulkan tindakan pengendalian yang tepat.
 ES SOYPEST berbasis PC telah dikembangkan dengan desain ES standar (Saini et. Al., 1997,
1998). Gambar 1 menunjukkan desain berbasis web untuk SOYPEST. GUI berbasis Dynamic Hyper Text
Markup Language (DHTML) telah dikembangkan untuk menangani semua input dan output untuk ES
berbasis web, yang dikembangkan menggunakan servlet Java. GUI telah dikembangkan secara khusus
untuk memasukkan persepsi pengguna melalui butiran, yang merupakan pilihan linguistik seperti "sangat
rendah", "rendah", "sedang", "tinggi" dan "sangat tinggi", tentang tingkat kerusakan. Ini kemudian
digunakan dalam aturan fuzzy untuk kesimpulan (Gambar 2) (Zadeh, 1996). Sebagai pengetahuan yang
terlibat dalam PHT tidak sempurna dan logika fuzzy telah berhasil digunakan untuk perkiraan penalaran
dalam kasus seperti itu, penerapannya menjadi wajib untuk mengelola ketidakpastian dalam sistem pakar
(Zadeh, 1983,1996)
3. Tujuan Sistem Berbasis Web

Kebutuhan akan dukungan keputusan berbasis web dan sistem pakar telah dirasakan di seluruh dunia
karena mereka mampu memberikan informasi dan konsultasi yang komprehensif dan terkini secara
interaktif dan ramah pengguna (Jansen, 2001; Davie et. Al., 2001, Grimson et. Al., 2001). Karena
masalah hama di wilayah yang luas, pengguna harus mengunjungi NRCS dengan sampel tanaman untuk
mendapatkan konsultasi ahli. Jadi, sistem berbasis web telah dikembangkan untuk memenuhi tujuan-
tujuan Membuat ketersediaan dukungan keputusan dan konsultasi ES terlepas dari jarak; ketersediaan
global dan gratis dari pengetahuan ahli tentang PHT. Memperkuat pengambilan keputusan dalam kegiatan
inferensi berbasis pengetahuan dengan melengkapinya dengan dukungan keputusan dan pengetahuan
yang dikumpulkan dari data kasus (historis dan statistik), pengetahuan tidak terstruktur dan hypermedia
(Carrascal et. Al., 1995). Respon yang lebih cepat untuk pertanyaan, interaksi yang lebih baik dan
ketersediaan yang lebih baik serta penggunaan bakat ahli nasional untuk pengelolaan hama.
Menghasilkan umpan balik untuk perbaikan, perpanjangan dan pengayaan melalui saran global.
Meningkatkan basis pengguna melalui Internet (Davie et. Al., 2001). Manfaatkan orang biasa (petani
dalam hal ini) melalui penggunaan konsultasi ES berbasis Internet. Mendorong inisiatif PHT koperasi dan
mengkomunikasikan peringatan untuk wabah serangga dan aktivitas serangga di berbagai bagian negara.
Membuat SOYPEST siap untuk tahap berikutnya, di mana bahasa daerah dapat digunakan untuk
berinteraksi dengannya di web. Ini akan membuatnya tersedia bagi komunitas petani tanpa kendala
bahasa (Kamal dan Saini, 1999).

4. Mengapa Desain Berbasis Java?

Ada dua cara untuk mengembangkan sistem pakar, i) menggunakan shell atau ii) menggunakan
bahasa pemrograman. Persyaratan aplikasi spesifik menentukan nilai kapabilitas dan fitur yang
diperlukan. Saat ini ada lebih dari 160 shell ES yang tersedia secara komersial untuk mengembangkan
sistem pakar. Populer digunakan dalam aplikasi pertanian adalah Level5 Object (Buick & Stone, 1993)
dan EXSYS untuk sistem berbasis web (Schmoldt & Martin, 1989). JESS (Java Expert System Shell),
yang merupakan shell CLIPS ES versi Java, banyak digunakan untuk pengembangan sistem berbasis web
(http://herzberg.ca.sandia.gov/jess/).
Kode sumber JESS dapat disematkan ke dalam program java, versi 5.0 yang lebih lama tidak
mendukung aturan fuzzy tetapi 6.0 dan seterusnya mendukung dengan bantuan Antarmuka Program
Aplikasi (API) tambahan. GUI didukung dengan baik tetapi konektivitas database terbuka hilang
(http://herzberg.ca.sandia.gov/jess). Seseorang harus mempelajari bahasa JESS untuk menggunakannya
dan menyusun desain pengetahuan, data, dan solusi yang sesuai. JESS menyediakan lingkungan
pengembangan KB dan kemampuan inferensi. Namun, kemampuan tambahan untuk GUI, gambar serta
Open Database Connectivity (ODBC) harus diprogram. Hal yang sama berlaku untuk sebagian besar shell
ES lainnya seperti CLIPS dan EXSYS.
Untuk aplikasi saat ini, opsi yang sesuai adalah pemrograman web yang memberikan fleksibilitas
untuk memprogram aplikasi berbasis web dengan fitur yang dibahas di atas. Alternatif pemrograman,
seperti Common Gateway Interfaces (CGI) memanggil proses baru untuk setiap panggilan tanpa
mempertahankan status proses selanjutnya. Hal ini menyebabkan masalah pelacakan sesi melalui file
sementara. Arsitektur Broker Permintaan Objek Umum (CORBA) membutuhkan sumber daya yang luas
untuk koeksistensi beberapa teknologi dan integrasinya. Oleh karena itu, solusi yang tepat harus berbasis
Active Server Pages (ASP) atau Servlets / JSP. Yang terakhir lebih disukai karena ketersediaan alat yang
bebas biaya, kemandirian platformnya untuk berbagai platform serta keunggulan applet dibandingkan
ASP. Desain yang diberikan pada gambar 1 adalah SOYPEST ES berbasis web dengan menggunakan
teknologi Java.
5. Rekayasa Pengetahuan

5.1 Akuisisi Pengetahuan

 Dalam karya ini, pengetahuan telah diperoleh dari empat sumber berbeda yaitu literatur yang
diterbitkan, spesialis manusia, pengguna dan model yang ada.
5.1.1 Referensi Sastra
Literatur yang diterbitkan terdiri dari buku, panduan pengelolaan hama, makalah penelitian,
survei & laporan, database pestisida dan surat kabar (Atwal & Dhaliwal, 1997; Saini et. Al., 1997; SOPA,
1998). Pengetahuan awal telah dikumpulkan dari buku-buku PHT dan makalah penelitian yang
diterbitkan di jurnal, karena paling andal dan terpercaya.
5.1.2 Wawancara Ahli
Wawancara ahli telah dilakukan sebagai:
i) Wawancara ahli sangat penting untuk mengetahui tentang PHT dalam konteks India.
Wawancara berguna untuk mengumpulkan pengetahuan tentang zona hama, kultur hama
dan wilayah tanaman serta pengalaman dunia nyata.
ii) Faktor kepercayaan dan butiran linguistik fuzzy untuk aturan identifikasi hama telah
diputuskan dengan berkonsultasi dengan para ahli.
iii) Pengetahuan tentang hama yang merusak banyak tanaman, perlakuan multi-hama,
manajemen hama multi-tanaman dan harapan pengguna dalam pengelolaan hama adalah
beberapa kasus di mana wawancara dan konsultasi ahli sangat bernilai (Saini et. Al.,
1997; Saini et. Al., 1998).
iv) Pengetahuan awal yang dikumpulkan dari literatur telah divalidasi dengan pengetahuan
yang diperoleh dari para ahli PHT di NRCS dan NCIPM (Pusat Nasional PHT) yang
terlibat dalam memberikan konsultasi kepada petani. Meta-knowledge, tacit knowledge
dan pengalaman yang diperoleh oleh NCST dan pakar NCIPM telah diperoleh.

5.1.3 Wawancara Pengguna

SOYPEST berbasis web telah dikembangkan untuk konsultasi oleh para petani, beberapa petani
yang sadar IPM dari berbagai daerah juga telah dikonsultasikan untuk mendapatkan ide untuk
mengembangkan sistem yang mudah digunakan dan sederhana. NRCS memelihara database pertanyaan
petani. Para pencari konsultasi PHT yang sering dan teratur telah diwawancarai.
5.1.4 Pencarian Internet
Internet adalah sumber informasi dan pengetahuan PHT yang luas. Namun dalam kasus ini, kami
hanya mendapat gambaran tentang beberapa sistem terkait PHT yang sudah diterapkan. Beberapa
perangkat lunak uji coba yang dapat diunduh, sistem informasi (situs web), model, sistem pakar dan
kerangka ES misalnya PC-AI, CALEX / Cotton, EXSYS dan JESS, memberikan panduan yang baik
tentang cara kerja sistem tersebut (Lampiran I). Sistem informasi di web telah dicari dan dijelajahi untuk
mempelajari sistem yang ada serta untuk mempelajari dampaknya. Beberapa situs web penting diberikan
dalam lampiran II.

5.2 Representasi Pengetahuan

5.2.1 Fuzzifikasi
Aturan yang tajam mengarahkan pembuatan nilai benar atau salah. Penampilan sistem kerusakan
tidak selalu menjamin identifikasi hama. Kerusakan tanaman tidak pernah lengkap dan karena itu selalu
dapat dinyatakan sebagai "sangat rendah", "rendah", "sedang", "tinggi" dan "sangat tinggi". Selain itu,
nilai kebenaran parsial dari gejala yang mendukung keberadaan OPT dapat memperkuat kepercayaan
dalam melakukan identifikasi. Aturan yang tegas mungkin tidak secara tepat menerapkan identifikasi
hama (Pasqual dan Mansfield, 1988). Logika fuzzy membantu dalam memasukkan gejala kerusakan yang
tepat untuk perkiraan aktivitas hama yang sebanding dengan tingkat kerusakan. Lebih banyak kerusakan,
lebih banyak aktivitas hama (Atwal dan Dhaliwal, 1997).

Dalam SOYPEST berbasis web ini kami menghitung dengan bantuan variabel linguistik yang
mewakili proposisi seperti yang ditunjukkan di atas, dan KB yang terdiri dari aturan yang tidak sempurna.
Butiran seperti "sangat rendah", "rendah", "sedang", "tinggi", dan "sangat tinggi" dalam GUI berbasis
HTML dipetakan ke skala kerusakan dari 0% hingga 100%. Metode untuk mengubah persepsi pengguna
menjadi nilai keanggotaan untuk fakta dalam basis aturan disebut fuzzifikasi. Gambar 3a menunjukkan
fungsi matematis untuk fuzzifikasi dan gambar 3b menunjukkan aplikasinya untuk memetakan tingkat
kerusakan.
Beberapa fungsi fuzzifikasi yang umum adalah polinomial Zadeh, sigmoidal dan Gaussian (Klir
dan Yuan, 1995). Fungsi fuzzifikasi trapesium sederhana dan fleksibel dalam representasi seperti yang
ditunjukkan pada gambar 3a-b. Selain itu, paling mudah untuk memprogram fungsi segitiga dan
trapesium.
Pengguna dapat memilih salah satu butiran "sangat rendah", "rendah", "sedang", "tinggi", dan
"sangat tinggi". Gambar 3b mencakup rentang tingkat kerusakan dari 0% hingga 100%, yang juga sesuai
dengan akal sehat dan persepsi pengguna. Nilai tingkat persentase persepsi kerusakan ini secara internal
diubah menjadi nilai keanggotaan aturan (0.0 hingga 1.0).

5.2.2 Representasi Aturan Fuzzy

Tabel 2a memberikan contoh aturan fuzzy yang digunakan pada fase I dan fase IV dari sistem
pakar. Tabel 2b merupakan ekstensi dari tabel 2a yang digunakan untuk representasi aturan fuzzy
majemuk. Tahap II dan tahap III, dimana dilakukan identifikasi terhadap ciri-ciri morfologi dan citra yang
diimplementasikan menggunakan dua aturan nilai crisp. Seluruh sistem KB terdiri dari 445 fuzzy dan 198
aturan crisp.
 HASIL DAN PEMBAHASAN

Sistem SOYPEST berbasis web mengeluarkan nama OPT aktif dan tingkat aktivitasnya dalam
bentuk opsi linguistik. Gambar 6 menunjukkan output berdasarkan input yang dipilih pada Gambar 2.
Inferensi dan perhitungan fuzzy menengah untuk sesi ini sesuai tabel 3. Hasil pada gambar 6 juga
mengandung tiga hyperlink yaitu nama OPT, penjelasan serta diagnosis, untuk mencari informasi
pendukung dan pengetahuan tidak terstruktur tentang setiap hama yang disimpulkan.
 Mengaitkan nama-nama OPT yang disimpulkan merupakan hal yang menguntungkan karena
membantu dalam mencari detail lengkap tentang OPT. Halaman web gratis yang dikembangkan untuk
setiap hama memberikan informasi lengkap tentang detail serangga seperti riwayat hidup, gambar, gejala
kerusakan, tindakan pengendalian, dan kehilangan hasil. Selain itu, tautan diagnosis memberikan
informasi untuk memilih tindakan pengendalian umum untuk OPT yang ditemukan aktif. GUI berbasis
DHTML ditemukan berguna untuk menelusuri informasi tersebut dengan fleksibilitas yang memadai dan
kemudahan menggunakan klien Internet. Sangatlah bermanfaat untuk mengembangkan ES berbasis web
untuk meningkatkan basis pengguna dan tujuan untuk menyebarluaskan konsultasi PHT. Servlet Java
bersama dengan klien DHTML telah menjadi teknologi yang sesuai untuk penerapan ES melalui web, di
mana kerangka ES tidak selalu cocok. Juga ramah pengguna untuk menerima input fuzzy melalui web
menggunakan formulir yang sesuai seperti yang ditunjukkan pada gambar 2. Integrasi ES sebagai sistem
berbasis web memberikan keuntungan seperti fleksibilitas akses informasi dan pengetahuan, ketersediaan
ahli online terlepas dari jarak bersama dengan nilai tambah layanan Internet untuk pengambilan
keputusan. Hasilnya, pengguna mendapatkan kepercayaan yang lebih tinggi dalam mengadopsi
rekomendasi ES secara mandiri.
Ada sumber pengetahuan standar untuk mengembangkan KB untuk ES, tetapi pengetahuan
penting juga harus diperoleh dari pengguna serta data kasus historis. Pengetahuan ini juga berpartisipasi
dengan pengetahuan meta yang diperoleh dari pakar domain berpengalaman. Mekanisme pengujian juga
memverifikasi dan berkontribusi pada basis pengetahuan setelah umpan balik pengguna. Informasi yang
dikumpulkan dari Internet bermanfaat dalam menentukan arsitektur sistem. KB memerlukan validasi
untuk lingkungan aplikasi ES yang diubah, tetapi merancang operator yang sesuai membantu
menghindari aktivitas rumit ini.
Penjelasan gambar 5: Formulir umpan balik terdiri dari tiga jenis informasi i) dihasilkan oleh
sistem pakar, ii) diisi oleh pengguna, iii) ditanyakan dan diisi oleh pakar. Pengguna memberikan
informasi tentang relevansi diagnosis dari konsultasi ES. Pakar domain mengevaluasi informasi pengguna
dan mengisi komentar serta tindakan yang harus diambil.
Setelah kesimpulan dan komposisi aktivitas hama, kami mendapatkan aturan yang dihasilkan
dengan pilihan linguistik seperti aktivitas "sangat rendah", "rendah", "sedang", "tinggi" dan "sangat
tinggi" serta dengan nilai keanggotaan yang dihitung (lihat de Kolom -fluzzifikasi pada tabel 3.
Defuzzifikasi mengubah nilai-nilai ini menjadi nilai aktivitas hama di lapangan.Nilai aktivitas 96% dan
75% untuk folder daun dan semilooper strip coklat pada tabel 3 menghasilkan aktivitas 'sangat tinggi' dan
'tinggi Menetapkan nilai yang berbeda dari λ untuk â operator memberikan perbedaan yang signifikan
dalam nilai inferensi (hingga 18%) atas ^ operator (tabel 4) yang mengakibatkan perbedaan dalam hasil
aktivitas keseluruhan dibandingkan dengan min sederhana, operator maks tercapai; sebagai '& juga
'adalah operator yang dapat disesuaikan. Akurasi prosedur inferensi keseluruhan tergantung pada persepsi
pengguna, nilai yang tepat dari λ diputuskan setelah pengujian ES. Mengingat masukan persepsi yang
tepat untuk tingkat kerusakan, SOYPEST telah ditemukan menghasilkan hasil dengan kesalahan kurang
dari ± 5%.
 KESIMPULAN

ES berbasis web mengintegrasikan keunggulan hypermedia untuk informasi dan pengetahuan

yang mendukung rekomendasi ES untuk kegunaan yang lebih baik dan meningkatkan kemampuan
penyebaran melalui antarmuka yang ramah pengguna. Sistem berbasis servlet Java menyimpulkan hasil
dengan efisiensi yang diinginkan. Solusi berbasis server telah ditemukan paling sesuai untuk
pengembangan SOYPEST ES berbasis web. GUI berbasis DHTML lebih disukai daripada Java Applets
untuk dialog ES menggunakan mekanisme respons-permintaan dan integrasi sistem dengan informasi
lain. Ada kebutuhan untuk memilih strategi fuzzifikasi, inferensi, dan defuzzifikasi yang sesuai untuk
hasil yang memuaskan dalam sistem pakar. Pada permasalahan PHT saat ini telah ditemukan kesesuaian
fungsi trapesium untuk fuzzifikasi dan metode CoG untuk defuzzifikasi. Perkiraan aktivitas OPT
menggunakan teknik komputasi harus memasukkan variasi dari aktivitas yang tepat di lapangan. Praktis,
relaksasi yang diberikan oleh para ahli mengarah pada penerimaan rekomendasi hingga 95% kasus,
kecuali dalam kasus di mana perbedaan hasil lebih dari ± 10%. Ini juga berlaku untuk hasil inferensi pada
tabel 3 dan tabel 4. Operator yang 'dapat disesuaikan' - untuk inferensi di SOYPEST berkontribusi pada
hasil yang memuaskan. Basis pengetahuan yang dikembangkan untuk wilayah tertentu dalam suatu
masalah dapat disesuaikan agar lebih sesuai untuk wilayah lain. Penerapan logika fuzzy, yang membantu
dalam komputasi berbasis pengetahuan dalam situasi di mana pengetahuan tidak sempurna, dapat
diperpanjang untuk menghitung beberapa hasil yang lebih berguna dalam sistem pakar. Dalam aktivitas
hama masalah saat ini dihitung bersama dengan kesimpulan konvensional. Ini memberi nilai tambah hasil
perhitungan.

Daftar Pustaka

Atwal, AS & Dhaliwal, GS (1997) Hama pertanian di Asia Selatan dan pengelolaannya. Penerbit Kalyani.
Batchelor, WD McClendon, RW Adams, DB & Jones, JW (1989) Evolusi SMARTSOY: sistem pakar
untuk pengelolaan hama serangga, Sistem pertanian, 31 (1).
Beck, HW, Jones, P. & Jones, J. W. (1989) SOYBUG: sistem pakar untuk pengendalian hama serangga
kedelai, sistem pertanian, 30: 269-286.
Buchanan, BG, dan Feigenbaum, EA (1978) DENDRAL dan META-DENDRAL: mereka dimensi
aplikasi, Artificial Intelligence, 11, 5-24.
Buick, RD, Youngman, RR dan Stone, ND (1993) VICE-Corn: An Expert System for Insect
Pengendalian Hama di Lapangan Jagung, Aplikasi AI, 7: 31-34.
Carrascal, MJ, Pau, LF dan Reinet, L. (1995) Transfer pengetahuan dan informasi di bidang pertanian
menggunakan hypermedia: tinjauan sistem, Komputer dan Elektronik di Pertanian, 12: 83-119.