Vol. 3 No.

2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288

PENERAPAN METODE FORWARD CHAINING DAN CERTAINTY

FACTOR UNTUK DIAGNOSA PENYAKIT
PADA TANAMAN BONSAI

Anita1) Rodhy2) S. Ningsih3) D. Solin4)

Program Studi Sistem Informasi FTIK Universitas Prima Indonesia
Surel: anitayakub_pilchan@yahoo.com1) rodhyrbtm97@yahoo.com2)
suryaniningsiherasari95@gmail.com3) dumawatisolin0@gmail.com4)

Abstract: Application of Forward Chaining and Certainty Factor Methods for

Diagnosing Diseases in Bonsai Plants. Bonsai plants are dwarfed plants which are
generally planted in shallow pots. The main element in bonsai is harmony between
pots and plants, in addition to harmony between pots and plants there are also other
elements such as the size of the trunk, the height of the tree, the spread of roots,
twigs, and large leaves. Therefore, planting and maintaining bonsai is quite
complicated, where the way to care for bonsai plants ranging from fertilization to
formation must be highly considered and very thorough. Expert systems are needed
to help quickly find out what diseases attack bonsai plants based on symptoms that
arise. Not only the type of disease, this system also informs how to deal with plants
affected by the disease and how to prevent it. The results of the application of the
Forward Chaining Method and Certainty Factor can provide a diagnosis of pests in
bonsai based on the symptoms given. Based on the results of the MySQL calculation
is used as a database design, and system design using the programming language
Hypertext Preprocessor (PHP).

Keywords: Bonsai, Expert System, Forward Chaining, Certainty Factor, PHP

Abstrak: Penerapan Metode Forward Chaining dan Certainty Factor untuk

Diagnosa Penyakit pada Tanaman Bonsai. Tanaman hias Bonsai adalah sebuah
tanaman yang dikerdilkan dimana pada umumnya tanaman ini ditanaman dalam pot
yang dangkal. Unsur utama dalam bonsai adalah keharmonisan antara pot dan
tanaman, selain keharmonisan antara pot dan tanaman ada juga unsur lainnya seperti
besar batang, tinggi pohon, penyebaran akar, ranting, dan besar daun. Oleh karna itu
penanaman dan pemeliharaan bonsai cukup rumit, dimana cara merawat tanaman
bonsai mulai dari pemupukan sampai pembentukan harus sangat diperhatikan dan
sangat teliti. Sistem pakar di butuhkan untuk membantu mengetahui secara cepat
penyakit apa yang menyerang tanaman bonsai berdasarkan gejala yang muncul.
Tidak hanya jenis penyakit, sistem ini juga menginformasikan cara penanganan
untuk tanaman yang terserang penyakit dan cara pencegahannya. Hasil penerapan
Metode Forward Chaining danCertainty Factor dapat memberikan diagnosa hama
pada tanaman bonsai berdasarkan gejala-gejala yang diberikan. Berdasarkan hasil
perhitungan MySQL digunakan sebagai perancangan database, dan perancangan
sistem menggunakan bahasa pemrograman Hypertext Preprocessor (PHP).

Kata Kunci :Bonsai, SistemPakar, Forward Chaining, Certainty Factor, PHP.

PENDAHULUAN utama dalam bonsai adalah

Tanaman hias Bonsai adalah
sebuah tanaman yang dikerdilkan
dimana pada umumnya tanaman ini
ditanaman dalam pot yang dangkal.
Dalam Bahasa Jepang bonsai berasal
dari kata “bon” yang artinya pot dan
“sai” yang artinya tanaman. Unsur
keharmonisan antara pot dan tanaman,
selain keharmonisan antara pot dan
tanaman ada juga unsur lainnya seperti
besar batang, tinggi pohon, penyebaran
akar, ranting, dan besar daun.
Oleh karna itu penanaman dan
pemeliharaan bonsai cukup rumit,

Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)

187
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288

dimana cara merawat tanaman bonsai a. Pendefenisan masalah dimulai

mulai dari pemupukan sampai dengan pemilihan domain masalah
pembentukan harus sangat diperhatikan dan akuisi pengatahuan.
dan sangat teliti, meski perawatan b. Pendefenesian data input untuk
tanaman ini sama saja seperti perawatan memulai inferensi karena diperlukan
tanaman lainnya, tetapi yang sulit dari oleh sistem forward chaining.
merawat tanaman ini adalah dari segi c. Pendefenisian struktur pengendalian
pembentukannya, dimana harus data untuk membantu
memberi arah pembentukan dan mengendalikan pengaktifan suatu
mempertahankan bentuk dari tanaman aturan.
tersebut. d. Penulisan kode awal dalam domain
Ada beragam penyakit yang pengatahuan
menyerang tanaman bonsai, Penyakit e. Pengujian sistem agar dapat
merupakan suatu gangguan pada mengatahui sejauh mana sistem
tanaman yang menghambat berjalan
pertumbuhan pada suatu tumbuhan.Oleh f. Perancangan antarmuka dengan
karna itu penulis ingin membangun basis pengatahuan
aplikasi sistem pakar dalam g. engembangan system
mengidentifikasikan penyakit tanaman h. Evaluasi system
bonsai. Metode certainty factor digunakan
Sistem pakar dibutuhkan untuk ketika menghadapi suatu masalah yang
membantu mengetahui secara cepat jawabannya tidak pasti.Ketidakpastian
penyakit apa yang menyerang tanaman ini bisa merupakan probabilitas.Metode
bonsai berdasarkan gejala yang muncul. ini diperkenalkan oleh Shortlife
Tidak hanya jenis penyakit, sistem ini Buchanan pada tahun 1970-an. Beliau
juga menginformasikan cara menggunakan metode ini saat
penanganan untuk tanaman yang melakukan diagnosis dan terapi terhadap
terserang penyakit dan cara penyakit meningitis dan infeksi
pencegahannya. darah.Tim pengembang dari metode ini
mencatat bahwa, dokter sering kali
METODE menganalisa informasi yang ada dengan
Forward Chaining adalah tehnik ungkapan seperti “mungkin”, “hampir
pencarian yang dimulai dengan fakta pasti”.
yang diketahui, kemudian mencocokan Metode ini mirip dengan fuzzy
fakta–fakta tersebut dengan bagian IF logic, karena ketidakpastian
dari rules IF –THEN. Bila ada fakta direpresentasikan dengan derajat
yang cocok dengan bagian IF, maka rule kepercayaan sedangkan perbedaannya
tersebut dieksekusi. Bila sebuah rule adalah pada fuzzy logic saat perhitungan
dieksekusi, maka sebuah fakta baru untuk rule yang premisnya lebih dari
(bagian THEN) ditambahkan ke dalam satu, fuzzy logic tidak memiliki nilai
database Langkah-langkah dalam keyakinan untuk rule tersebut sehingga
membuat sistem pakar dengan perhitungannya hanya melihat nilai
menggunakan metode forward chaining terkecil untuk operator AND atau nilai
yaitu : terbesar untuk operator OR dari setiap
premis yang pada rule tersebut berbeda
dengan certainty factor yaitu setiap rule

Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)

188
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288
memiiki nilai keyakinannya sendiri tidak
hanya premis-premisnya saja yang
memiliki nilai keyakinan. Certainty
factor menunjukkan ukuran kepastian
terhadap suatu fakta atau aturan.
PEMBAHASAN
Forward Chaining.Sebuah
kesimpulan yang menghubungkan
masalahperkalian dengan solusi yang
disebut rantai.Rantai dicari atau dilewati
atau disilangkan dari masalah untuk
mendapatkan solusi yang disebut
sebagai forward chaining. Cara lain
untuk mendeskripsikan forward
chaining ini adalah dengan penalaran
dari fakta-fakta yang mengarah pada
kesimpulan yang ada dari fakta-fakta.
Dalam aturan penalaran lanjutan
diuji satu per satu dalam urutan tertentu.
Urutan dapat berupa urutan - aturan
penggabungan ke dalam aturan dasar
atau juga urutan lain yang ditentukan
oleh pengguna. Setiap kali aturan diuji,
sistem pakar akan mengevaluasi apakah
kondisi benar atau salah. Jika kondisi
benar, maka aturan disimpan maka
aturan berikutnya diuji.Sebaliknya, jika
kondisi salah, tidak disimpan dan aturan
berikutnya diuji. Proses ini akan diulang
sampai seluruh dasar aturan diuji dengan
berbagai kondisi. Pekerjaan penalaran
canggih dengan masalah yang dimulai
dengan pencatatan informasi awal dan
penyelesaian akhir yang ingin dicapai,
maka seluruh proses akan dilakukan
secara berurutan. Gambar berikut
menunjukkan proses forward chaining.
Antar muka Mesin
User Pengguna
pengguna Informasi
Proses Akuisisi
Fasilitas
Penjelas
Gambar Alur Forward Chaining
Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)
Certainty Factor Faktor kepastian
(certainty factor) menyatakan
kepercayaan dalam sebuah kejadian
(atau fakta atau hipotesis) berdasarkan
bukti atau penilaian pakar.certainty
factormenggunakan suatu nilai untuk
mengasumsi derajad keyakinan seorang
pakar terhadap suatu data. Certainty
factor memperkenalkan konsep
keyakinan dan ketidakyakinan yang
kemudian diformulakan dalam rumusan
dasar sebagai berikut:
CF[h,e] = MB[h,e] -MD[h,e]............(1)
Keterangan :
CF[h,e] : Faktor kepastian
MB[h,e] : Measure of belief, ukuran
kepercayaanatau tingkat
keyakinan terhadaphipotesis
(h), jika diberikan evidence
(e) antara 0 dan 1
MD[h,e] :Measure of disbelief,
ukuranketidakpercayaan atau
tingkat keyakinan
terhadaphipotesis (h), jika
diberikan evidence (e) antara
0 dan 1.
e :Evidence (peristiwa atau
fakta).
h : Hipotesis (dugaan).
Kelebihan dari metode ini adalah
cocok digunakan pada sistem pakar
yang mengukur sesuatu yang pasti atau
tidak pasti seperti mendiagnosis
penyakit dan perhitungan dari metode
ini hanya berlaku untuk sekali hitung,
Basis
Pengetahuan
serta hanya dapat mengolah dua data
sehingga keakuratannya terjaga.
Pengetahuan
Implementasi.Berdasarkan asumsi
dari pakar dan penerapan dari certainty
factor maka range untuk memberikan
bobot nilai adalah 0-1, begitupula
Pakar
dengan nilai keyakinan yang dapat
189
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288

diberikan oleh pengguna. Berikut adalah Tabel Data Penyakit

gejala-gejala hama beserta nilai bobot Kode Nama Penyebab Solusi
dari pakar, macam-macam hama, dan Menyingkirkn
Daunnya
tanaman yang
aturan gejala dari masing-masing hama. kering atau
sakit untuk
menggulung,
sementara, jika
daun dan
Tabel Data Gejala tidak terlalu
batangnya
Nilai Kutu parah dapat
Kode P1 lemah, daun
No. Nama Gejala Bobot Daun diatasi dengan
Gejala berwarna
Pakar menyemprotkan
coklat dan
Daun kering atau air hangat
1. G1 0.6 tidak ada
menggulung seminggu sekali
pertumbuhan
Daun berwarna dan disemprot
2. G2 0.8 daun baru.
coklat dengan obat.
Daun dan Musnahkanlah
3. G3 0.8 ulatnya,
batangnya lemah
Tidak tumbuh daun Berlubang usahakan
4. G4 0.6 lubang dan mencabut
yang baru
Daunnya P2 Ulat terdapat gulma yang
5. G5 1
berlubang – lubang kotoran ulat di tumbuh
Terdapat kotoran permukaannya disekitarnya
6. G6 ulat di 0.8 agar hama tidak
permukaannya dating kembali.
Kuncup gagal Bersihkan
Kuncup gagal
7. G7 menjadi bunga dan 0.6 tanaman
menjadi
rontok dengan air
bunga dan
Bercak – bercak hangatdan
akhirnya
pada daun semprotkan
8. G8 0.8 rontok, bercak
P3 Thrips obat yang
kemudian melepuh – bercak pada
dan rontok sesuai sebanyak
daun, serta
Permukaan daun satu kali
daun melepuh
atas maupun seminggu
9. G9 1 kemudian
bawah menjadi selama dua 2
rontok.
hitam minggu.
Dikerumuni semut, Permukaan
Singkirkan
kemudian terdapat atas ataupun
semut yang ada
10. G10 telur lalat di 0.6 bawah daun
pada tanaman
permukaan bawah menjadi hitam
dan bersihkan
daun. Cabuk dan
P4 dengan air
Putih dikeruminu
11. G11 Tanaman layu 0.8 hangat,
semut. Dan
kemudian
12. G12 Mahkota rontok 1 terdapat telur
diberi obat yang
Pucuk daun lalat di bawah
13. G13 0.6 sesuai.
keriting daun.
Daun menguning Tanaman
14. G14 1 kelihatan layu,
dan sobek
mahkota Buanglah
Tangkai dan akar
15. G15 0.8 rontok, pucuk bagian tanaman
membusuk
daun keriting, yang rusak,
Terdapat hewan
P5 Jamur daun sobek kemudian
16. G16 cabuk didalam 0.8
dan semprotkan
kulit batang
menguning, dengan air
Kalau disiram air
17. G17 0.6 serta tangkai hangat.
tidak cepat habis
dan akar
Tidak tumbuh daun membusuk.
18. G4 0.6
yang baru
Cabuk Terdapat Sikatlah
P6
Merah hewan cabuk tanaman

Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)

190
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288

Pada di dalam kulit dengan sikat memberikan diagnosa.Untuk

Batang batang, gigi dan mendapatkan nilai CF penguna dapat
sehingga inteksida.
batang terlihat memilih dari 18 gejala yang ada dan
bintik – bintik member nilai bobot yang sesuai dengan
merah. gejala yang dialami oleh pengguna.
Selanjutnya bobot nilai yang diberikan
Tidak bisa
tumbuh daun Mengganti pengguna akan dikalikan dengan bobot
Tumor yang baru, tanah dengan nilai yang diberikan oleh pakar. Contoh
P7
Akar kalau disiram tanah yang proses memperoleh nilai CF dengan
airnya tidak baru. menggunakan tabel rule, nilai bobot
cepat habis.
pengguna dan nilai bobot pakar:

Tabel Rule Forward Chaining Tabel Rule (Aturan)

No. Rule No Rule
1. If [G1] [G2] [G3] And [G4] Then P1 If [G1] And [G2] And [G3] And
1
[G4] Then P1
2. If [G5] And [G6] Then P2
3. If [G7] And [G8] Then P3 Tabel Nilai Bobot Pengguna (User)
4. If [G9] And [G10] Then P4 Nilai
Kode
If [G11] [G12] [G13] [G14] And No. Nama Gejala Bobot
5. Gejala
[G15] Then P5 User
Daun kering atau
6. If [G16] Then P6 1. G1 0.6
menggulung
7. If [G17] And [ G4] Then P7 Daun berwarna
2. G2 0.8
coklat
Daun dan
Tabel Bobot Nilai 3. G3 0.6
batangnya lemah
No. Keterangan Bobot Tidak tumbuh
4. G4 0.6
daun yang baru
1. Tidak yakin 0
2. Sedikit yakin 0.4
3. Cukup yakin 0.6 Tabel Nilai Bobot Pakar
4. Yakin 0.8 Nilai
Kode
5. Sangat yakin 1 No. Nama Gejala Bobot
Gejala
Pakar
Daun kering atau
Untuk mengetahui hasi dari 1. G1
menggulung
0.6
penelitian sistem pakar di gunakan Daun berwarna
2. G2 0.8
untuk menyelesaikan permasalahan coklat
yang ada. Permasalah yang telah Daun dan
3. G3 0.8
batangnya lemah
dirumuskan atau diteliti sebelumnya
Tidak tumbuh
yaitu apakan metode forward chaining 4. G4 0.6
daun yang baru
dan certainty factor dapat memberkan
diagnosa hama pada tanaman bonsai. CFgejala1 = CF(user)*CF(pakar)
Langkah yang digunakan metode = 0.6 * 06
certainty factor dalam memproses = 0.36
gejala-gejala berdasarkan diagnose hama Cfgejala2 = CF(user)*CF(pakar)
menggunakan metode forward chaining = 0.8 * 08
proses analisis certainty factor. Formula = 0.64
dasar digunakan apabila belum ada nilai Cfgejala3 = CF(user)*CF(pakar)
CF untuk setiap gejala yang = 0.6 * 08

Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)

191
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288

= 0.48 Cfgejala2 = CF(user)*CF(pakar)

Cfgejala4 = CF(user)*CF(pakar) = 0.8 * 08
= 0.6 * 06 = 0.64
= 0.36 Cfgejala3 = CF(user)*CF(pakar)
= 0.6 * 08
= 0.48
Dikarenakan terdapat lebih dari
Cfgejala4 = CF(user)*CF(pakar)
satu gejala, maka untuk menentukan CF = 0.6 * 06
selanjutnya digunakan persamaan = 0.36
berikut :
Rancangan User Interface
CFcombine1(CFgejala1, = CFgejala1 + CFgejala2 1. Halaman Login. Pada halaman login
*(1-CFgejala1) pengguna diharuskan login terlebih
CFgejala2) = 0.36 + 0.64*(1-0.36)
dahulu sebelum melakukan
CFold1 = 0.7696
konsultasi.
CFcombine2(CFold1, = CFold1 + CFgejala3 *(1-
CFold1)
CFgejala3) = 0.7696+ 0.48*(1-0.7696)
CFold2 = 0.880192

CFcombine3(CFold2, = CFold2 + CFgejala4 *(1-

CFold2)
CFgejala4) = 0.880192+ 0.36*(1-
Gambar Halaman Login
0.880192)
CFold3 = 0.92332288
2. Halaman Utama. Setelah login
Keterangan: CFold terakhir merupakan pengguna akan masuk ke halaman
CF Diagnosa Hama, berdasarkan hasil utama sebagai langkah awal
perhitungan CF di atas, maka CF memulai konsultasi.
Diagnosa Hama adalah 0.92332288.
Selanjutnya hitung persentase
keyakinan terhadap penyakit dengan
persamaan :

Persentase = Cfpenyakit*100 Gambar Halaman Utama

=0.92332288*100
= 92.332288 % 3. Halaman Data Gejala. Halaman ini
akan menampilkan gejala-gejala
Berdasarkan hasil perhitungan di pada tanaman bonsai.
atas, maka diketahui tingkat keyakinan
berdasarkan tabel interpretasi dari pakar
dan persentase akhir adalah sangat
yakin.

CFgejala1 = CF (user)*CF (pakar)

= 0.6 * 06
= 0.36 Gambar Halaman Data Gejala

Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)

192
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288
4. Halaman Data Penyakit. Halaman
ini akan menampilkan penyakit-
penyakit pada tanaman bonsai.
Gambar Halaman Data Penyakit
5. Halaman Basis Pengetahuan
Gambar Halaman Basis Pengetahuan
6. Halaman Konsultasi. Pada halaman
ini akan terjadi proses wawancara
antara pengguna dan pakar untuk
menginput gejala yang pengguna
sebutkan ke dalam system pakar.
Gambar Halaman Konsultasi
7. Halaman Hasil Konsultasi. Halaman
ini akan menampilkan hasil dari
pada konsultasi pengguna.
Gambar Halaman Hasil Konsultasi
Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)
193
8. Halaman Daftar Konsultasi
Gambar Halaman Daftar Konsultasi
KESIMPULAN
Dari uraian yang telah dijelaskan
dalam penelitian ini, maka dapat
disimpulkan beberapa hal yaitu :
1. Sistem yang telah dibuat dapat
mendiagnosa penyakit pada tanaman
bonsai yang meliputi beberapa
penyakit yaitu : Kutu daun, Ulat,
Thrips, Cabuk putih, Jamur, Cabuk
merah pada batang, dan Tumor akar.
2. Aplikasi yang telah dibuat ini juga
dapat memberi saran dalam
pengendalian penyakit bonsai
tersebut.
3. Aplikasi ini dapat membantu petani
maupun masyarakat secara umum
yang mempunyai tanaman bonsai di
pekarangan rumahnya untuk
mendiagnosa penyakit pada tanaman
bonsai.
DAFTAR PUSTAKA
Dwi Arief Prambudi, dkk. 2018. Expert
System Application of Forward
Chaining and Certainty Factors
Method for The Decision of
Contraception Tools.
UniversitasDiponegoro.
Atikah Ari Pramesti1, Riza Arifudin.
2016. Expert System for
Determination of Type Lenses
Glasses using Forward
Chaining Method. Semarang:
Universitas Semarang.
 Vol. 3 No. 2 Maret 2019
p-ISSN :2548-883X || e-ISSN : 2549-1288

Doddy Teguh Yuwono, Abdul Fadlil, Septi Dwi lestari dan Siti Nurmiati.
Sunardi. 2017.Penerapan Sistem Pakar Penentuan Style
Metode Forward Chaining Dan Pada Tanaman Bonsai
Certainty Factor Pada Sistem Menggunakan Metode
Pakar Diagnosa Hama Anggrek Certainty
Coelogyne Pandurata. Factor.InstitueSainsdanTeknolo
Yogyakarta: Universitas Ahmad giNasional.
Dahlan.

Penerapan Metode Forward Chaining dan Certainty Factor…. (Hal. 187-194)

194