sistem identifikasi kualitas air kolam ikan koi ...perpustakaan.fmipa.unpak.ac.id/file/e-jurnal dwi...
TRANSCRIPT
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
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
menggunakan kurva trapesium seperti pada
Gambar 5.
Tabel 3 Himpunan fuzzy dan domain pH
Gambar 5. Fungsi keanggotaan pH
Dari kurva berdasarkan gambar 5.
dirumuskan fungsi keanggotaan ph sebagai
berikut:
Hasil nilai keanggotaan fuzzy
Berdasarkan sample data uji, jika diketahui
input ph = 7.4, maka :
μpHA(X)= 1
Fungsi Keanggotaan TDS Parameter tds memiliki 4 himpunan
dengan domain masing masing himpunan
yang dapat dilihat pada Tabel 4. Fungsi
keanggotaan suhu direpresentasikan
menggunakan kurva trapesium seperti pada
Gambar 6. Tabel 4 Himpunan fuzzy dan domain parameter
TDS
Gambar 6. Fungsi keanggotaan TDS
6
Dari kurva berdasarkan gambar 6.
dirumuskan fungsi keanggotaan tds sebagai
berikut:
Hasil nilai keanggotaan fuzzy
Berdasarkan sample data uji, jika diketahui
input TDS = 93, maka :
μtdsB(X)= 1
Fungsi Keanggotaan d.o Parameter d.o memiliki 4 himpunan
dengan domain masing masing himpunan
yang dapat dilihat pada Tabel 5. Fungsi
keanggotaan suhu direpresentasikan
menggunakan kurva trapesium seperti pada
Gambar 7. Tabel 5 Himpunan fuzzy dan domain parameter
DO
Gambar 7. Fungsi keanggotaan DO
Dari kurva berdasarkan gambar 7.
dirumuskan fungsi keanggotaan do sebagai
berikut:
Hasil nilai keanggotaan fuzzy
Berdasarkan sample data uji, jika diketahui
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
menggunakan kurva trapesium seperti pada
Gambar 8.
Tabel 6. Himpunan fuzzy dan domain parameter
salinitas
Gambar 8. Fungsi keanggotaan Salinitas
Dari kurva berdasarkan gambar 8.
dirumuskan fungsi keanggotaan salinitas
sebagai berikut:
Hasil nilai keanggotaan fuzzy
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.
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.