sistem identifikasi kualitas air kolam ikan koi ...perpustakaan.fmipa.unpak.ac.id/file/e-jurnal dwi...

1

SISTEM IDENTIFIKASI KUALITAS AIR KOLAM IKAN KOI

MENGGUNAKAN METODE FUZZY TSUKAMOTO

Dwi Ibnu Verananda, Soewarto Hardhienata, Arie Qur‟ania

email : [email protected]

Program Studi Ilmu Komputer FMIPA Universitas Pakuan

ABSTRAK: Kualitas warna ikan koi dipengaruhi oleh kualitas air berdasarkan komposisi pH,

TDS, d.o, suhu dan salinitas. Banyaknya jenis ikan koi membuat kualitas air yang dipergunakan

pada kolam komposisinya menjadi berbeda-beda untuk setiap jeni koi yang dipelihara. Penggunaan

jenis air yang tidak sesuai dengan karakteristik jenis ikan koi akan menyebabkan warna ikan koi

menjadi rusak. Penelitian ini bertujuan untuk mengetahui kecocokan kualitas air kolam berdasarkan

jenis ikan koi yang dipelihara guna memaksimalkan kualitas warna ikan koi. Pengolahan data

menggunakan metode fuzzy tsukamoto. Fuzzy tsukamoto memberikan output berupa nilai

kontradiksi. Berdasarkan pengujian yang dilakukan dapat diketahui bahwa tekhnik identifikasi

fuzzy tsukamoto mampu memberikan simpulan kecocokan kualitas air kolam terhadap ikan koi

jauh lebih baik.

Kata Kunci : Ikan Koi, Fuzzy Tsukamoto, Kualitas Air

I PENDAHULUAN

Ikan koi merupakan komoditi paling

banyak dari ekspor ikan hias Indonesia,

dengan persentase rata-rata 30% dari total

ikan hias yang di ekspor berdasarkan data

statistik Kementerian Kelautan dan

Perikanan (KKP) tahun 2014. Walaupun

demikian permintaan akan kebutuhan

ekspor masih saja belum mencukupi, hal ini

karena banyak beberapa faktor kendala

dalam mengelola budidaya ikan koi, seperti

masalah kurangnya pembudidaya ikan koi

di indonesia, masalah kualitas air,

perawatan ikan, sedikitnya jumlah pasokan

dan lain sebagainya. Ikan koi yang diekspor

bukan ikan koi sembarangan, yaitu ikan koi

terpilih dengan seleksi yang ketat.

Umumnya koi dipilih berdasarkan kualitas

dan ketajaman warnanya.

Menurut Takeo Kuroki yang

menyusun buku “The Latest Manual to

Nishikigoi” Air disebut sebagai faktor

terbesar untuk meningkatkan kualitas warna

koi, Faktor yang menentukan bagus

tidaknya warna koi adalah kualitas koi

(70%), air (20%), dan faktor-faktor lainnya

(10%). Namun banyak orang yang

memelihara koi kesulitan dalam mengelola

air akibat informasi yang dimiliki terbatas

dan kurang lengkapnya peralatan

pendukung kolam, sehingga berimbas pada

aktifitas trial dan error yang menyebabkan

ikan koi harus dikorbankan sebagai bahan

eksperimen.

Ikan koi memiliki beranekaragam

jenis, jenis ikan koi dibedakan berdasarkan

pengelompokan warna yang ada pada tubuh

ikan koi, ada koi dengan pola satu warna,

dua warna, tiga warna bahkan bebih dari 3

warna. Inilah yang menjadi penyebab

kenapa perawatan koi berbeda-beda tiap

jensnya. Masing-masing karakteristik warna

ikan koi memiliki penanganan yang

berbeda khususnya dalam penanganan

kualitas air, hal ini dikarenakan pigmen

warna pada kelir koi dipengaruhi oleh

kondisi kualitas air disekitarnya. Adapun

komposisi air yang berperan sangat besar

terhadap perubahan kualitas warna ikan koi

antara lain Suhu, pH, TDS, d.o dan

Salinitas sebagai pilihan lainnya.

Pemanfaatan teknologi informasi

saat ini dapat menjadi solusi sebagai sarana

untuk meningkatkan kualitas warna koi jadi

lebih baik, Salah satunya adalah sistem

[email protected]

2

“Identifikasi Kualitas Air Kolam Ikan Koi

Menggunakan Metode Fuzzy Tsukamoto”

merupakan aplikasi untuk mengetahui

informasi kondisi kualitas air kolam yang

dimiliki guna dapat mengatasi masalah

persoalan air yang cocok bagi kualitas ikan

koi, hal ini tentunya dapat membantu para

pembudidaya ikan koi untuk meningkatkan

strategi perawatan koi melalui media

perawatan air.

Dengan menggunakan fuzzy

tsukamoto sebagai system untuk

menentukan kualitas air, hasil data yang

diperoleh akan lebih terihat seperti

penilaian yang dilakukan oleh seorang ahli

yang menimbang-nimbang keputusan

berdasarkan seberapa besar pengaruh tiap-

tiap karakteristik parameter air, hal ini

karena system fuzzy tsukamoto

memungkinkan untuk meyimpulkan nilai

hasil berdasarkan nilai takaran seperti:

”agak sedikit, lebih banyak, agak banyak,

sedikit sekali, dan lain sebagainya”

sehingga kesimpulan perolehan identifikasi

air kolam ikan koi akan lebih akurat

berdasarkan nilai kontradiksi.

Berdasarkan latarbelakang yang ada

maka, dengan adanya sistem “Identifikasi

Kualitas Air Kolam Ikan Koi Menggunakan

Metode Fuzzy Tsukamoto” diharap dapat

menyelesaikan dan mempermudah para

pemelihara dalam menangani kualitas air

kolam ikan koi.

II METODOLOGI

2.1 Metode Penelitian

Metodologi penelitian yang

digunakan dalam proses penyelesaian

sistem penerapan metode fuzzy tsukamoto

untuk mengidentifikasi kualitas air ikan koi

adalah menggunakan pengembangan sistem

pakar. Gambar 1 menampilakn Siklus

Hidup Pengembangan ES (Expert System)

Definisi masalah

Penilaian kebutuhan

Evaluasi solusi alternatif

Verifikasi pendekatan

Studi kelayakan

Analisa biasa-manfaat

Mengorganisasikan tim

Desain dan perancangan konseptual

Sumber pengetahuan

Membangun prototipe kecil

Menguji,meningkatkan, mengembangkan

Mendemontrasikan dan menganalisa kelayakan

Melengkapi desain

Operasian

Pemeliharaan dan upgrade

Evaluasi periodik

Melengkapi basis pengetahuan

Menguji dan meningkatkan basis pengetahuan

Merencanakan interegrasi

Penerimaan pengguna

Instalasi,demontras,i penyebaran

Orientasi, pelatihan

Keamanan

Dokumentasi

Interegrasi,prnguian lapangan

Fase II

Analisis dan desain

sistem

Fase III

Prototinping

cepat

Fase IV

Pengembangan sistem

Fase V

implementasi

Fase VI

Pasca implementasi

Fase I

Inisialisasi proyek

Gambar 1. Skema Siklus Pengembangan Sistem

Pakar (Turban, Aronson, Ting-Peng

Liang,2005)

2.1.1 Tahap-Tahap pengembangan

sistem pakar

Fase I Inisialisasi Proyek

Inisisliasasi Proyek adalah langkah

pertama dalam pengenbangan sistem pakar,

tujuan pokonya adalah mengidentifikasi

masalah dan persiapan aksi selanjutnya.

1. Defenisi masalah. Mengidentifikasi

masalah penelitian yang sedang

dilakukan.

2. Penilaian kebutuhan. Menentukan

persyaratan fungsional dari sistem.

3. Evaluasi solusi alternatif. Memeriksa

ketersediaan pakar, pendidikan dan

pelatihan, pengetahuan terpaket dan

yang lainnya.

3

Fase II Analisis dan Desain Sistem

Analisis sistem dilakukan dengan

menganalisa cara kerja sistem pakar yang

akan dibangun dengan menerapkan metode

fuzzy tsukamoto. Sehingga harus dibuatlah

alur kerja sistem dan alur kerja proses

metode yang akan diterapkan pada sistem,

serta tahapan-tahapan proses sistem dari

hasil analisa tersebut.

Setelah konsep dan alur kerja sistem

telah diketahui, analisis sistem detail harus

dijalankan untuk memperkirakan fungsional

sistem. Analisis sistem detail tersebut

dilakukan dengan cara menentukan hal-hal

seperti berikut :

1. Perancangan Alur Kerja Sistem

a. Alur Kerja Sistem

b. Alur Kerja Proses Metode

2. Perancangan Database (basis data).

A. Relasi Tabel

B. Struktur Tabel

3. Perancangan Tampilan Sistem.

a. Perancangan Form Dashboard

b. Perancangan Form Identifikasi

Fase III Prototiping cepat

Proses prototiping sebenarnya

buakan suatu fase, tetapi lebih merupakan

siklus fase, oleh karena itu pengetahuan

didapatkan dan digabungkan kedalam ES,

dan dapat dideskripsikan sebagai suatu fase.

Prototipe pada ES dimulai dari skala yang

sngat kecil sistem ini meliputi representasi

pengetahuan yang di tangkap dengan

sebuah cara yang memungkinkan inferensi

dan kreasi cepat dari komponen utama ES

pada basis elementer.

Sebuah prototipe dapat membantu

memutuskan struktur basis pengetahuan

sebelum menghabiskan waktu pada proses

memdapatkan dan mengimplikasikan lebih

banyak aturan.

Fase VI pengembangan sistem

Setelah proses prototipe inisial siap,

pengembangan sistem dimulai rencana

kelanjutanya harus dibuat. Dalam fase ini

basis pengetahuan dikembangkan dan

dilakukan pengujian, peninjauan dan

perbaikan yang telah terus menerus.

aktivitas lainya meliputi pembuatan antar

muka (database, dokumen, objek,

multimedia, hypermedia dan aplikasi),

pembuatan dan penguji antar muka.

Fase V Impementasi

Penyelesaian pengembangan sistem

bukanlah akhir dari pengembangan sistem

proses implementasi ES dapat menjadi lama

dan kompleks.

1. Dokumentasi dan keamanan, sistem

harus didokumentasikan secara lengkap

untuk memastikan kemampuan

pengolahnya. Karena sistem berisi

pengetahuan sensitif, maka sangat

penting untuk memiliki mekanisme

keamanan yang baik.

2. Interegrasi dan pengujian lapanngan,

penguji lapangan sangat penting karena

dilapangan dapat berbeda dari yang ada

dalam kasus yang diberikan oleh pakar.

Pada fase ini dilakukan uji terhadap

sistem yang telah dibuat, dengan

menggunakan metode uji Confusion Matrix.

Fase VI Pasca Implementasi

Beberapa aktivitas dijalankan

setelah sistem mulai digunakan oleh

pengguna. Yang terpenting dari aktivitas ini

adalah operasi, pemeliharaan, upgrade dan

perluasan, dan evaluasi sistem.

1. Operasi, tingkat operasi disesuaikan

dengan kebutuhan dilapangan antar

pengguna dan pakar agar dapat

terintregasi dengan benar dalam

keaddaan yang baik.

2. Pemeliharaan dan upgrade (perluasan),

karena sistem pakr dikembangkan

sepanjang waktu, maka sebenarnya tidak

pernah selesai. Oleh karena itu penting

untuk merencanakan pemeliharaan.

Sistem harus dilengkapi pada basis

reguler dan memperhatikan kemampuat

penerapan aturan, interitas dan kualitas

umpan data, penggunaan database yang

saling terhubung, dan seterusnya. Sistem

pakar dikembangkan terus menerus dan

4

kaerena perluasan secara terus menerus.

Semua pengetahuan baru harus

ditambakan, serta fitur dan kemampuan

baru harus dimasukan jika sudah

tersedia.

3. Evaluasi perodik, sistem pakar perlu di

evaluasi secara periodik setiap 6 atau 12

bulan, tergantung dari tingkat

perkembangan penelitian lebih lanjut

terhadap perkembangan informasi

terkini. Pada saat mengevaluasi ES,

pertanyaan seperti berikut ini yang

paling harus ditanyakan :

a. Apakah sebenarnya kerugian dari

memelihara sistem jika dibandingkan

keuntungan sebenarnya?

b. Cukupkah yang biberikan oleh pakar

untuk menjaga pengetahuan up-to-

date sehingga akurasi sistem tetap

tinggi?

c. Apakah sistem dapat diakses oleh

semua pengguna?

d. Apakah penggunaan sistem oleh

semua pengguna meningkat?

2.2 Fuzzy Tsukamoto

Pada metode penarikan kesimpulan

samar Tsukamoto, setiap konsekuen pada

aturan yang berbentuk IF-THEN harus

direpresentasikan dengan suatu himpunan

samar dengan fungsi keanggotaan yang

monoton. Sebagai hasilnya, output hasil

penarikan kesimpulan (inference) dari tiap-

tiap aturan diberikan secara tegas (crisp)

berdasarkan α-predikat (fire strength). Hasil

akhir diperoleh dengan menggunakan rata-

rata berbobot (weight average), (Sri

Kusumadewi, 2002:108).

Gambar 2. Inferensi dengan menggunakan

Metode Tsukamoto-

(Sri Kusumadewi, 2002).

2.2.1 Tahapan Fuzzy Tsukamoto

Merupakan proses awal hingga

akhir sebuah pengerjaan metode fuzzy

tsukamoto untuk mendapatkan kesimpulan

kualitas air kolam koi berdasarkan hasil

nilai akhir, dimulai dari proses fuzzyfikasi

kemudian penalaran fuzzy dan penyelesaian

akhir menggunakan metode rata-rata

terbobot pada proses defuzzyfikasinya.

Gambar. 3 Flowchart tahapan fuzzy tukamoto

2.2.2 Proses Fuzzyfikasi

Fuzzifikasi dilakukan untuk

membagi variabel menjadi beberapa

himpunan fuzzy yang nantinya akan

digunakan dalam pembuatan aturan.

Parameter air dikembangkan dalam basis

sistem fuzzy yang menggunakan FIS

sebagai proses untuk menentukan hasil

akhir dan dapat dilihat pada Tabel 1.

Sedangkan variabel lainnya tidak

melakukan proses fuzzifikasi karena

bersifat non-fuzzy.

Tabel 1 Variabel Parameter air

2.2.3 Fungsi Keanggotaan

Fungsi keanggotaan yang akan

digunakan untuk memberikan nilai pada

himpunan fuzzy adalah kurva trapesium

untuk input dan kurva segitiga untuk

output. Kriteria air koi sanke dan sowa

dijadikan sebagai sample. Adapun

penjelasan lebih lengkap mengenai fungsi

keanggotaan masing masing parameter air

ikan koi sanke dan sowa berdasarkan

sample data uji adalah sebagai berikut.

5

Fungsi Keanggotaan Suhu Parameter suhu memiliki 4

himpunan dengan domain masing masing

himpunan yang dapat dilihat pada Tabel 2.

Fungsi keanggotaan suhu direpresentasikan

menggunakan kurva trapesium seperti pada

Gambar 4.

Tabel 2. Himpunan fuzzy dan domain

parameter suhu

Gambar 4. Fungsi keanggotaan suhu

Dari kurva berdasarkan gambar 4.

dirumuskan fungsi keanggotaan suhu

sebagai berikut:

Hasil nilai keanggotaan fuzzy

Berdasarkan sample data uji, jika diketahui

data suhu = 23,8 C, maka :

μ suhuA(X) = 23.8 – 22.5

= 25 – 22.5

= 1.3 / 2.5 = 0.52

μ suhuB(X) = 25 – 23.8

= 25 – 22.5

= 1.2 / 2.5 = 0.48

Fungsi Keanggotaan pH Parameter pH memiliki 4 himpunan

dengan domain masing masing himpunan

yang dapat dilihat pada Tabel 13. Fungsi

keanggotaan suhu direpresentasikan


Gambar 5.

Tabel 3 Himpunan fuzzy dan domain pH

Gambar 5. Fungsi keanggotaan pH


dirumuskan fungsi keanggotaan ph sebagai

berikut:



input ph = 7.4, maka :

μpHA(X)= 1

Fungsi Keanggotaan TDS Parameter tds memiliki 4 himpunan





Gambar 6. Tabel 4 Himpunan fuzzy dan domain parameter

TDS

Gambar 6. Fungsi keanggotaan TDS

6


dirumuskan fungsi keanggotaan tds sebagai

berikut:



input TDS = 93, maka :

μtdsB(X)= 1

Fungsi Keanggotaan d.o Parameter d.o memiliki 4 himpunan





Gambar 7. Tabel 5 Himpunan fuzzy dan domain parameter

DO

Gambar 7. Fungsi keanggotaan DO


dirumuskan fungsi keanggotaan do sebagai

berikut:



input DO = 8.4, maka :

μdoA(X)= 1

Fungsi Keanggotaan Salinitas Parameter salinitas memiliki 4

himpunan dengan domain masing masing

himpunan yang dapat dilihat pada Tabel 6.

Fungsi keanggotaan suhu direpresentasikan


Gambar 8.

Tabel 6. Himpunan fuzzy dan domain parameter

salinitas

Gambar 8. Fungsi keanggotaan Salinitas


dirumuskan fungsi keanggotaan salinitas

sebagai berikut:


Berdasrkan sample data uji, jika diketahui

input salinitas = 0.00 ppt, maka :

μslB(X)= 1

Fungsi keanggotaan variable kualitas air

(output)

Untuk output identifikasi kualitas air

awalnya ditentukan terlebih dahulu batasan

nilai untuk masing-masing output dan

direpresentasikan dengan kurva segitiga

yang ditunjukkan pada Gambar 9. Dibuat

Nilai output 100 sampai 500, Pemberian

skor 100 sampai 500 berfungsi untuk

mengetahui range dari masing-masing

output, sehingga nantinya dapat diketahui

hasil dari output tergolong Kualitas air yang

optimal, sedang, buruk atau sangat buruk.

7

Tabel 7. Himpunan fuzzy dan domain parameter

output

Gambar 9. Fungsi keanggotaan variabel output

2.2.4 Pembuatan Aturan Fuzzy

Aturan yang diterapkan

direpresentasikan dalam bentuk kaidah

produksi if – then dan menghubungkan

antar premisnya dengan operator “and”

sedangkan derajat keanggotaan yang dipilih

pada setiap parameter merupakan nilai

paling besar karena menggunakan operator

“or” dan ditanyatakan dalam tabel

menggunakan tanda garis miring (/).

Komposisi antar rule menggunakan fungsi

agregasi dengan mengambil semua nilai

dalam rule. Adapun rule yang berlaku untuk

kualitas air kolam ikan koi berjumlah 1024

rule, banyaknya rule didapat berdasarkan

hasil kombinasi himpunan dan variabel,

pembuatan rule sengaja tidak dreduksi agar

mendapatkan nilai kontradiksi yang benar-

benar akurat. Rinciannya dilampirkan pada

lampiran 1.

2.2.5 Penalaran Fuzzy

Metode berfikir fuzzy berdasarkan

evaluasi setiap aturan sebelum dapat

disimpulkan(defuzzyfikasi), pada tahap ini

nilai derajat keanggotaan parameter air

yang telah dicari akan digunakan sebagai

informasi masukan setiap aturan yang telah

dibuat, tentunya aturan yang digunakan

adalah aturan yang hanya memiliki

hubungan antara keanggotaan fuzzy dengan

rule. Nantinya proses ini akan

menghasilkan nilai keluaran berdasarkan

fungsi keanggotaan output setiap aturan,

untuk lebih jelasnya dapat dilihat pada

proses perhitungan berdasarkan data sample

uji lanjutan berikut ini.

Dari 1024 aturan yang dibuat terdapat 2

Aturan yang memiliki keterkaitan, maka

untuk proses inferensi fuzzy kali ini hanya

memakai 2 aturan, berikut detailnya:

[R1] JIKA kualitas suhu BAIK DAN kualitas ph BAIK

DAN kualitas TDS SEDANG DAN kualitas DO BAIK

DAN kualitas Salinitas SEDANG MAKA kualitas air

kolam adalah Grade B

𝛼1 = μsuhuBAIK[suhu] ∩ μphBAIK[ph] ∩

μtdsSEDANG[tds] ∩μdoBAIK[do] ∩

μsalinitasSEDANG[salinitas]

= Min (μsuhuBAIK[25.5], μphBAIK[7.4],

μtdsSEDANG[93], μdoBAIK[8.4],

μsalinitasSEDANG[0.00])

= Min (0.52 , 1, 1, 1, 1) = 0.52 Berdasarkan himpunan kualitas air Grade B, maka:

{ Z1= 300 - (0.52 * (300 -200))

Z1=248

[R2] JIKA kualitas suhu SEDANG DAN kualitas ph

BAIK DAN kualitas TDS SEDANG DAN kualitas DO

BAIK DAN kualitas Salinitas SEDANG MAKA kualitas

air kolam adalah grade B

𝛼2 =μsuhuSEDANG[suhu] ∩ μphBAIK[ph] ∩

μtdsSEDANG[tds] ∩μdoBAIK[do] ∩

μsalinitasSEDANG[salinitas]

= Min (μsuhuSEDANG[25.5], μphBAIK[7.4],

μtdsSEDANG[93], μdoBAIK[8.4],

μsalinitasSEDANG[0.00])

= Min (0.48 , 1, 1, 1, 1) = 0.48 Berdasarkan himpunan kualitas air Grade

B, maka: {

Z2= 300 - (0.48 * (300 -200))

Z2= 252

2.2.6 Defuzzifikasi

Proses output ditandai dengan

dilakukannya tahap defuzzifikasi untuk

menghasilkan satu nilai crisp dari beberapa

output fuzzy hasil evaluasi aturan pada

basis pengetahuan. Metode defuzzifikasi

yang digunakan pada penelitian ini adalah

weighted average method, nantinya hasil ini

akan dijadikan sebagai kriteria penilaian

kualitas air, nilai crisp diperoleh dengan

formula sebagai berikut :

8

𝑍 = (α1 ∗ 𝑧1) +( α2 ∗ 𝑧2) + ……………….+(αn ∗

𝑧𝑛) α1 + α2 + ………..+ αn

Hasil akhir berdasarkan sample data uji

Z= (248*0,52)+(252*0,48)

0,52 + 0,48

Z= 249,92

Berdasarkan nilai fuzzy tsukamoto yang

didapat = 249,92 , karena berada pada

rentang antara 200 dan 300 maka nilai ini

dikategorikan sebagai kualitas air Grade B

jenis kualitas air Sedang.

2.2.7 Confusion Matrix

Dalam hal perbandingan hasil perhitungan

metode dapat dihitung tingkat akurasinya

dengan menggunakan Confusion Matrix.

Hasil perhitungan metode diambil

sebagai prediksi sistem (Predicted) dengan

keyakinan pakar (Actual). Confusion

Matrix ini melakukan perhitungan dengan 4

keluaran, yaitu: accuracy, recall, precision

dan error rate. Berikut adalah keempat

rumusnya :

Accuracy

Recall

Precision

Error rate

Keterangan :

- a adalah jika hasil sistem negatif dan

nilai pakar negatif,

- b adalah jika hasil sistem positif

sedangkan nilai pakar negatif,

- c adalah jika hasil sistem negatif

sedangkan nilai pakar positif,

- d adalah jika hasil sistem positif dan

nilai pakar positif.

III HASIL DAN PEMBAHAAN

Pada sistem identifikasi kualitas air

kolam ikan koi yang menggunakan system

algoritma fuzzy tsukamoto berupa aplikasi

berbasis desktop, diperuntukan bagi

masyarakat luas yang ingin mengetahui

kondisi kualitas air kolam ikan koi yang

dimiliki berdasarkan jenis ikan koi beserta

parameter air (suhu, pH, Tds, do dan

salinitas), untuk mengolongkan jenis

kualitas air. Hasilnya pengguna diberikan

informasi seputar kondisi kualitas air yang

dapat dijadikan sebagai penunjang

keputusan untuk mengambil langkah

penanganan selanjutnya.

Sistem yang dibuat meliputi fitur

pengecekan kualitas air(identifikasi),

penyimpanan data, statistik kualitas air dari

waktu kewaktu , monotoring dan informasi

seputar ikan koi. Berdasarkan proses

perhitungan fuzzt tsukamoto. Berikut

adalah beberapa pembahasan sistem sistem

yang dibuat.

3.1 Antarmuka Sistem

Form Home

Halaman home dijadikan sebagai

halam awal system, dengan tujuan

mengarahkan kepada pengguna untuk

mempermudah menggunakan aplikasi,

sehingga halaman home dirancang untuk

menampilkan se-efisien mungkin menu-

menu apa yang alangkah baiknya diberikan

kepada pengguna. Tujuannya agar

pengguna dapat leluasa mempelajari

aplikasi dari titik awal. Pada form ini

sengaja dibuat untuk arahan kepada

pengguna agar menggunakan fitur

utamanya yaitu „Start Check‟ untuk

memulai mengidentifikasi kualitas air

kolam.

9

Gambar 10. Form Home

Form Dashboard Pada halam dashboard pengguna

dapan melihat seluruh menu utama yang

ada, halaman dashboard di diprioritaskan

sebagai halam cepat yang memuat

informasi penting yang ada pada aplikasi,

pada halaman dashboard juga akan

dijadikan sebagai tampilan cepat untuk

melihat data pengukuran/ pengecekan

terakhir air kolam, fungsinya hampir seperti

memonitor kondisi kualitas air kolam

terkini.

Gambar 11. Form Dashboard

Form Identifikasi

Form identifikasi berisi formulir

bagi pengguna untuk menginputkan data

parameter air yang ingin di proses untuk

diketahui kualitasnya, form ini akan dibuat

simpel untuk mempermudah pengguna

mengetahui fungsi dari tiap-tiap fasilitas

yang ada. Bisa terlihat seperti di gambar 22.

Gambar 12. Form Identifikasi

Form hasil Identifikasi

Pada Form ini pengguna akan

diperlihatkan detail mengenai kualitas air

kolam yang yang dimiliki, detail tersebut

meliputi informasi data air, informasi

penilaian, kondisi air, saran, hingga rincian

terhadap tiap-tiap parameter air. Pengguna

aplikasi juga dapat menyimpan data

pengukuran agar bisa menjadi acuan untuk

memonitoring perkembangan kualitas air

kolam, seperti terlihat pada gambar 13.

Gambar 13. Form rincian hasil identifikasi

Form Rincian Perhitungan

Form rincian perhitungan berisi

hasil perhitungan untuk mendapatkan nilai

yang dijadikan sebagai informasi kualitas

air kolam ikan koi, dengan adanya

informasi ini dapat mempermudah pakar,

pengembang maupun pengguna lanjut

dalam pengecekan perhitungan sistem.

10

Gambar 14. Form rincian perhitungan

Form Data Statistik Pengukuran

Pada form ini menampilkan hasil

dari data pengukuran terhadap kualitas air

kolam yang telah disimpan pengguna

sebelumnya, Statistik data akan lebih

mempermudah pengguna untuk melihat

perkembangan air mereka tiap harinya,

apakah semakin mambaik atau memburuk.

Rincinya dapat terlihat pada gambar 15.

Gambar 15. Form data statistik pengukuran

kualitas air kolam

Form Learn

Pada Form ini pengguna akan

mengenal berbagai macam istilah yang

akan di berikan detail dari definisinya.

Dimana form ini bertujuan agar pengguna

mengenali dasar-dasar informasi mengenai

ikan koi. Hal ini juga untuk menghindari

pengguna untuk mengartikan salah satu arti

atau tujuan kalimat menjadi salah presepsi.

Detail informasi akan ditampilkan cukup

besar sehingga pengguna dapat terfokus

untuk melihat informasi, serta menu pilihan

yang di sediakan pada bagian samping

secara terurut untuk membuat pengguna

memudahkan dalam pemilihan informasi.

Isi beserta elemennya sengaja penulis buat

dalam satu form dan memanfaatkan

pemanggilan data yang sudah disiapkan

untuk menampilkannya, hal ini berguna

juga untuk meringankan kinerja aplikasi

yang memproses banyak layer berlebihan.

Terlihar di gambar 16.

Gambar 16. Form Learn

Form Simpan

Pada halaman ini form simpan

dibuat agar tidak terpisah dengan halaman

utama, dengan memanfaatkan fasilitas tab

menu yang dapat menampung banyak from

dalam satu form, form simpan diletakan

dibalik hasil identifikasi dan akan muncul

jika pengguna mengklik menu simpan yang

terletak pada pojok aplikasi, bisa terlihat

pada gambar 17.

Gambar 17. Form Menu Simpan

Form Edit Dan Hapus Data Pengukuran

Pada form ini pengguna dapat

langsung meng-edit dan menghapus

informasi kolam dan data kolam secara

langsung pada form. Menu edit akan

muncul ketika pengguna benar-benar ingin

melakukan pembaharuan data informasi

11

kolam, form isian akan berubah pada mode

edit menjadi field yang dapat

diisikan/dimasukan informasi baru yang

ingin diubah, setelah selesai pengguna akan

menyetujui perubahan yang akan berganti,

dan form isian akan otomatis hilang dan

berubah menjadi isian informasi yang baru.

terlihat pada gambar 18 dan gambar 19.

Gambar 18. Form Statistik air

Gambar 19. Form Data air

Uji Validasi Sistem

Uji validasi sistem merupakan suatu

proses pengujian untuk memastikan

kesesuaian antara input dan output sistem.

ujicoba sistem meliputi validasi fungsional

dan struktural

Validasi Form Identifikasi

Form identifikasi adalah halama

yang berisi formulir input data oleh

pengguna, dimana dalam validasinya

textbox diatur supaya hanya angka dan titik

(pengganti koma) saja yang bisa diinputkan,

sedangkan huruf dan simbol tidak dapat

diinputkan. Selain itu dalam validasinya

pengguna dapat memilih jenis konversi

satuan tiap parameter air yang diinputkan.

Hasilnya data inputan pengguna akan

terbaca dan dinilai valid oleh sistem. Untuk

detailnya bisa dilihat pada gambar 20.

Gambar 20. Form validasi input

3.2 Validasi Sistem Dengan Pakar

Uji validasi meliputi perbandingan

antara penilaian sistem dengan pakar untuk

memvalidasi kesesuaian antara keilmuan

pakar.

Tabel 8. Tabel Pengujian dengan pakar

Uji Validasi Penilaian Sistem Kualitas

Air Pada Pakar

Merupakan proses hasil pengujian

untuk memastikan kesesuaian antara sistem

dengan pakar. Pengujian hasil coba pada

tabel 9 dengan menguji hasil penilaian

sistem dengan validasi pakar. Dengan

mengujinya berdasarkan pengelompokan

jenis ikan koi terhadap 21 sample data uji.

12

Tabel 9. Pengujian sistem kualitas air ke pakar

Akurasi Ketepatan Hasil Perhitungan

Metode

Berdasarkan Tabel 9 ketepatan

akurasi dapat dihitung dengan

menggunakan Confusion Matrix, setiap

metode akurasi dapat dihitung ketepatan

nilainya. Diketahui bahwa keyakinan pakar

merupakan acuan untuk dibandingkan

dengan hasil perhitungan metode, sehingga

pada perhitungan akurasi menggunakan

Confusion Matrix penilaian ketidakyakinan

itu tidak ada, dan pada hasil perhitungan

metode dijadikan sebagai keyakinan

prediksi sistem yang dibandingkan dengan

keyakinan pakar.

Akurasi Metode Fuzzy Tsukamoto

Pada Confusion Matrix ketepatan

identifikasi kualitas air di samping, metode

fuzzy tsukamoto memprediksi 21 kejadian

yang sesuai dengan 21 keyakinan pakar,

Tingkat akurasi data berdasarkan Tabel 9

digolongkan menjadi beberapa kriteria

kualitas air anatara lain :

- Optimal(+),

- Sedang(-),

- Buruk(-),

- Sangat Buruk(-).

Untuk itu dapat dihitung nilai Accuracy,

Recall, Precision dan Error rate yaitu

seperti berikut :

Accuracy

= 1

Recall

=

= 1

Precision

=

= 1

Error rate

=

= 0

- Pada metode Fuzzy tsukamoto akurasi

ketepatan penyakit dengan jumlah

semua kejadian sebesar 100%, akurasi

prediksi positif yang diidentifikasi

dengan benar sebesar 100%, akurasi

hasil positif yang benar sebesar 100%

dan akurasi ketidaktepatan identifikasi

dengan jumlah semua kejadian sebesar

0%.

IV SIMPULAN DAN SARAN

4.1 Kesimpulan

Penelitian ini bertujuan untuk

membuat system “Identifikasi kualitas air

kolam ikan koi” berbasis desktop

menggunakan vb.net dan Microsoft Acces,

dengan Metodelogi penelitian

pengembangan sistem pakar. Nantinya

system yang dibuat mampu

mengidentifikasi kualitas air kolam

berdasarkan data pengukuran parameter air

(suhu, pH, Tds, d.o dan salinitas), untuk

menentukan kondisi air (optimal, sedang,

buruk, sangat buruk). Hasil jenis kualitas air

yang didapat akan mendeskripsikan

seberapa baik pengaruh kondisi air kolam

terhadap kualitas ikan koi nantinya. Dengan

Tabel 21. Tabel Uji Confusion Matrix

Uji PAKAR (actual)

Fuzzy

Tsukamoto

(predict)

Negative Positive

Negative 15 0

Positive 0 6

13

menggunakan fuzzy tsukamoto sebagai

algoritma sistemnya, nilai input yang

bersifat samar akan diubah menjadi nilai

tegas berupa nilai yang kontradiksi, hal ini

tentunya akan meningkatkan keakuratan

hasil proses identifikasi kualitas air.

Aplikasi ini dapat diinstal dan

digunakan oleh siapa saja, namun proses

perubahan/ pembaharuan data system hanya

bisa dilakukan oleh pengembang dengan

memberikan upgrade sistem setiap

pembaharuannya.

Setelah dilakukan analisis, sistem ini

telah bekerja dengan benar sesuai dengan

rancangan yang dibuat yakni identifikasi

kualitas air kolam ikan koi. Hal ini didapat

setelah melakukan serangkaian uji coba dan

validasi.

4.2 Saran

Adapun beberapa saran yang

mungkin suatu hari dapat dioptimalkan

dalam pengembangan system oleh

pengembang selanjutnya, diantaranya:

1. Memperluas media pengembangan

system, tidak hanya untuk berbasis

desktop namun dapat dijalankan pada

berbagai media elektronik lainnya.

2. Menambah jumlah jenis ikan koi yang

dapat diidentifikasi kualitas airnya

menjadi lebih banyak .

3. Merubah data system menjadi lebih

dinamis, sehingga nantinya pengguna

sendiri yang dapat menentukan dan

merubah aturan dari system.

4. Menambah jumlah metode yang dapat

dipakai, tidak hanya pada metode

tsukamoto saat ini, namun yang lainnya.

Sehingga pengguna dapat memilih

sendiri metode mana yang sesuai untuk

dirinya berdasarkan pembandingan

dengan metode satu dengan yang

lainnya.

DAFTAR PUSTAKA

[1] Haslinda Silmi.2013. Sistem Pakar

Penentuan Jenis Budaya Ikan Air

Tawar Berdasarkan Lokasi Dan

Kualitas Air. Kampus IPB

Bogor.journal.Bogor.

[2] Dewi Candra.2014. Implementasi

Fuzzy Inference System (Fis)

Metode Tsukamoto Pada Sistem

Pendukung Keputusan Penentuan

Kualitas Air Sungai. Kampus

Brawijaya.journal.Malang.

[3] Teddy Mashuri.2011. Sistem Pakar

Untuk Diagnosa Penyakit Pada Ikan

Berbasis Wap. Kampus STMIK GI

MDP.journal.Palembang.

[4] Takeo Kuroki.1986. The Latest

Manual to Nishikigoi.Shin Nippon

Kyoiku ToshoCo.Japan

[5] Kusumadewi. S dan H. Purnomo.

2004. Aplikasi Logika Fuzzy Untuk

Mendukung Keputusan. Graha Ilmu,

Yogyakarta.

[6] Marimin. (2005). Teori dan aplikasi

sistem pakar dalam tehnologi

manajerial. IPB – Press, Bogor.

[7] Frans Susilo SJ, 2003, Himpunan

dan Logika Kabur Serta

Aplikasinya, Graha Ilmu,

Yogyakarta.

[8] Turban, E. (1988). Decision Support

and Expert System. MacMillan

Publishing Company, New York.

[9] Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas

Pakuan Bogor.2014. Buku

Panduan Skripsi dan Tugas

Akhir,Bogor.

[10] Fakultas Matematika dan

Ilmu Pengetahuan Alam Universitas

Pakuan Bogor.2014.KOMPUTASI

Jurnal Ilmiah Ilmu Komputer dan

Matematika,Bogor.

[11] Purwakusuma, W. 2012.

Parameter umum air (pH). www.o-

fish.com. 04 April 2015.

http://www.o-fish.com/

http://www.o-fish.com/

14

[12] Anonim. 2008. Kualitas Air

Koi. www.koi-s.org 04 April 2015

[13] Koi Owners of Indonesia-

Society. 2010. KOISHI AWARDS.

www.koi-s.org.com 06 April 2015.

[14] Malokoi. 2012. Oksigen

Terlarut (DO) dan temperatur.

www.malokoi.com. 04 April 2015.

http://www.koi-s.org/archive/index.php/t-1130.html

http://www.koi-s.org.com/

http://www.malokoi.com/

sistem identifikasi kualitas air kolam ikan koi ...perpustakaan.fmipa.unpak.ac.id/file/e-jurnal dwi...

Documents