TUGAS AKHIR

SISTEM PAKAR IDENTIFIKASI JENIS DAN HAMA PENYAKIT

PADA TANAMAN GENUS ROSA DENGAN METODE

DECISION TREE FORWARD CHAINING

Disusun Oleh

Adi Wahyu Saputra 105060807111040

Satria Sambrama Surya 105060807111041

Rana Rafsanzani 105060807111061

PROGRAM STUDI TEKNIK INFORMATIKA

PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER

UNIVERSITAS BRAWIJAYA

MALANG

2013

DAFTAR ISI

HALAMAN KULIT MUKA................................................................................... ii

DAFTAR ISI, DAFTAR GAMBAR, DAFTAR TABEL..................................... iii

BAB 1 PENDAHULUAN........................................................................................ 1

1.1 LATARBELAKANG MASALAH............................................................. 1

1.2 PERUMUSAN MASALAH......................................................................... 3

1.3 TUJUAN....................................................................................................... 3

1.4 BATASAN MASALAH............................................................................... 3

1.5 LUARAN YANG DIHARAPKAN............................................................. 5

1.6 KEGUNAAN................................................................................................ 5

BAB 2 TINJAUAN PUSTAKA............................................................................... 6

2.1 SISTEM PAKAR......................................................................................... 6

2.2 DECISION TREE........................................................................................ 16

2.3 GENUS ROSA.............................................................................................. 20

BAB 3 METODE PENELITIAN............................................................................ 22

3.1 OBJEK PENELITIAN................................................................................ 22

3.2 TEKNIK PENGUMPULAN DATA........................................................... 22

BAB 4 ANALISA DAN PERANCANGAN........................................................... 26

4.1 ANALISIS KEBUTUHAN.......................................................................... 26

4.2 RANCANGAN PROSES............................................................................. 26

4.3 DECISION TREE........................................................................................ 31

4.4 REPRESENTASI PENGETAHUAN......................................................... 33

BAB 5 HASIL DAN PEMBAHASAN.................................................................... 39

BAB 6 KESIMPULAN............................................................................................ 43

DAFTAR PUSTAKA............................................................................................... 44

2

DAFTAR GAMBAR

GAMBAR 1 DIAGRAM PELACAKAN KE DEPAN......................................... 11

GAMBAR 2 DIAGRAM PELACAKAN KE BELAKANG................................11

GAMBAR 3 BREADTH-FIRST SEARCH..........................................................12

GAMBAR 4 DEPTH-FIRST SEARCH................................................................13

GAMBAR 5 DECISION TREE.............................................................................16

GAMBAR 6 KONSEP DECISION TREE...........................................................17

GAMBAR 7 DATA SET MENJADI TREE.........................................................19

GAMBAR 8 DESAIN SISTEM.............................................................................27

GAMBAR 9 DECISION TREE UNTUK JENIS BUNGA MAWAR................31

GAMBAR 10 DECISION TREE UNTUK GEJALA BUNGA MAWAR.........32

DAFTAR TABEL

TABEL 1 TABEL BEDA SISTEM PAKAR DAN KONVENSIONAL...............9

TABEL 2 TABEL INTERPRETASI NILAI CF...................................................15

TABEL 3 TABEL INTERPRETASI NILAI BOBOT..........................................15

TABEL 4 KONSEP DATA DALAM DECISION TREE....................................18

TABEL 5 TABEL JENIS DAN CIRI-CIRI BUNGA MAWAR.........................28

TABEL 6 TABEL HAMA DAN PENYAKIT BUNGA MAWAR......................30

3

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Mawar adalah tanaman semak dari genus Rosasekaligus nama bunga yang

dihasilkan tanaman ini. Mawar liar yang terdiri lebih dari 100 spesies kebanyakan

tumbuh di belahan bumi utara yang berudara sejuk. Spesies mawar umumnya merupakan

tanaman semak yang berduri atau tanaman memanjat yang tingginya bisa mencapai 2

sampai 5 meter. Walaupun jarang ditemui, tinggi tanaman mawar yang merambat di

tanaman lain bisa mencapai 20 meter. Sebagian besar spesies mempunyai daun yang

panjangnya antara 5-15 cm, dua-dua berlawanan (pinnate). Daun majemukyang tiap

tangkai daun terdiri dari paling sedikit 3 atau 5 hingga 9 atau 13 anak daun dan daun

penumpu (stipula) berbentuk lonjong, pertulangan menyirip, tepi tepi beringgit,

meruncing pada ujung daun dan berduri pada batang yang dekat ke tanah. Mawar

sebetulnya bukan tanaman tropis, sebagian besar spesies merontokkan seluruh daunnya

dan hanya beberapa spesies yang ada di Asia Tenggara yang selalu berdaun hijau

sepanjang tahun. Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa

sericeayang hanya memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan

merah jambu atau kuning dan merah pada beberapa spesies. Ovari berada di bagian

bawah daun mahkota dan daun kelopak.

Mawar merupakan salah satu bunga yang banyak diminati masyarakat. Hal

tersebut tidak dipungkiri lagi karena hampir seluruh penjuru dunia mengetahui dan

mengenal bunga mawar, disamping diminati sebagai tanaman hias bunga mawar

mempunyai banyak manfaat bagi masyarakat baik di bidang kesehatan, kecantikan,

maupun kuliner. Di bidang kesehtan manfaat bunga mawar diantaranya mengatasai

bengkak pada kaki, menjaga kesegaran tubuh, penambahan bahan makanan dengan

vitamin c yang cukup tinggi, mempercantik kulit hingga mampu mengurangi stres.

Kemudian untuk di bidang kecantikan bunga mawar sering digunakan sebagai bahan

baku kosmetik maupun parfum yang memiliki nilai ekonomis yang tinggi, sedangkan di

bidang kuliner diantaranya bunga mawar dapat dibuat untuk sauce salad, penambah rasa,

sirup, kue kering dan keju mawar, sedangkan kelopak bunga mawar sendiri memliki

1

manfaat untuk dijadikan bahan untuk membuat jeli cuka dan jika dikonsumsi bunga

mawar ini juga memiliki banyak khasiat yaitu sebagai anti radang, pelancar datang bulan

untuk wanita dan mengobatu batu empedu. Selain mempunyai banyak manfaat, bunga

mawar mempunyai jenis yang berbeda-beda dan dalam pertumbuhan dan

perkembangannya bunga mawar tidak lepas dari hama dan penyakit. Adapun jenis hama

dan penyakit yang menyerang sangat beragam.

Banyaknya jenis bunga mawar terkadang membuat sebagian masyarakat

mengenali jenis dari bunga mawar yang ada dan juga banyaknya jenis hama yang

menyerang bunga mawar membuat sebagian masayarakat kesulitan untuk

mengidentifikasi jenis dari hama yang menyerang bunga mawar sehingga mempersulit

proses penyembuhan pada bunga mawar yang terkena hama. Hama dan penyakit

merupakan salah satu kendala dalam budidaya mawar bunga potong baik di dalam rumah

lindung maupun di tempat terbuka. Beberapa jenis hama dan penyakit dapat menyerang

akar, batang, daun dan bunga tanaman mawar dan menyebakan kerusakan mulai dari

yang ringan sampai berat yang mengakibatkan bunga tidak layak panen atau jual.

Padahal tuntutan konsumen akan kualitas bunga sangat tinggi, karena mawar bunga

potong dinilai dari estetikanya. Dengan banyaknya jenis bunga mawar dan hama yang

menyerangnya untuk mengetahui jenis mawar beserta penyakitnya maka perlu dilakukan

identifikasi agar masyarakata lebih mudah dalam mengenali jenis bunga mawar dan

hama penyakit yang menyerangnya sehingga tindakan pengobatan pada bunga mawar

lebih tepat dan mempercepat proses penyembuhan pada bunga mawar.

Kemajuan teknologi komputer yang pesat saat ini, sangat membantu manusia

dalam segala bidang. Tidak terkecuali juga dalam bidang sistem pakar. Sistem pakar

merupakan sebuah program komputer yang dirancang untuk memodelkan kemampuan

menyelesaikan masalah seperti layaknya seorang pakar (human expert). Dengan

berkembangnya sistem pakar yang pesat, maka sistem pakar juga dapat diterapkan

dalam mengidentifikasi jenis dan penyakit pada bunga mawar. Penggunaan sistem pakar

dapat mempermudah kalangan pecinta bunga mawar dalam mengidentifikasi jenis dan

penyakit pada bunga mawar. Sistem yang dibuat dengan rule berdasarkan pengetahuan

yang dimiliki oleh pakar yang kemudian rule itu yang nantinya akan diajadikan sebagai

dasar penentuan dari jenis bunga mawar dan penyakit atau hama yang menyerangnya.

2

1.2 Rumusan Masalah

Dengan mengacu pada latar belakang diatas maka ada beberapa

permasalahan.Permasalahannya yaitu:

1. Berapa banyak jenis bunga mawar dan hama yang menyerangnya.

2. Bagaimana cara mengidentifikasi jenis dari bunga mawar.

3. Bagaimana cara mengidentifikasi jenis hama yang menyerang bunga mawar

4. Apa saja jenis bunga mawar dan hama yang menyerangnya.

5. Fitur apa saja yang digunakan untuk dapat mengidentifikasi jenis bunga mawar

dan hama yang meyerangnya.

1.3 Tujuan

Tujuan dari penelitian adalah untuk membuat sistem pakar yang di

implementasikan ke dalam program dengan memindahkan pengetahuan yang dimiliki

oleh pakar untuk dijadikan rule yang kemudian dipindahkan ke dalam program

komputer, sehingga dapat mempermudah masyarakat dalam mengenali jenis bunga

mawar dan hama yang menyerangnya.

1.4 Batasan Masalah

Jenis Bunga mawar yang dapat kami identifikasi hanya sebanyak 14 jenis dari

100 spesies lebih yang ada di dunia. Jenis bunga mawar yang dapat kami identifikasi

yaitu :

Rossa Branksiae

Rossa Gallica

Rossa Gigantea

Rossa Glauca

Rossa Mosehata

3

Rossa Filipes

Rossa Leavigata

Rossa Boursoult

Rossa Rugosa

Rossa Willmottie

Rossa Moyessi

Rossa Noisette

Rossa Miniature

Rossa Foetida

Jenis hama dan penyakit yang dapat kami identifikasi diantaranya yaitu:

Hama:

Kutu Daun

Kumbang

Siput Berbulu

Tungau

Thrips

Ulat Daun

Serangga penghisap sel tanaman (Leaf hoppers)

Kutu Batang

Kumbang Kecil

Nematoda Akar

Penyakit:

Bercak Hitam

Karat Daun

Tepung Mildew

Mosaik

Bercak Daun

Bengkak Pangkal Batang

Jamur Upas

Busuk Bunga

4

Fitur yang kami gunakan untuk mengidentifikasi jenis bunga, hama dan penyakit yang

ada di bunga mawar yaitu:

Bunga

Daun

Batang

Akar

1.4 Luaran Yang Diharapkan

1. Sistem dapat melakukan identifikasi dengan ketepatan hasil diagnosis sebesar

70% terhadap jenis bunga mawar dan hama penyakitnya dengan berdasarkan

kepada ciri-ciri dan gejala-gejala yang tampak pada bunga.

2. Sistem dapat memberikan suatu analisa dan penjelasan berdasarkan jenis bunga

atau hama dan penyakitnya.

3. Sistem dapat membantu masyarakat, petani bunga dan lain-lain.

1.5 Kegunaan

1. Bagi Masyarakat

Masyarakat pengguna dapat menggunakan system ini sebagai identifikasi

jenis bunga mawar atau penyakit dan hama yang ada pada bunga mawar

miliknya.

2. Bagi Petani

Petani bunga dapat menggunakan system ini sebagai analisa atau

identifikasi suatu jenis bunga mawar atau juga dapat sebagai identifikasi

analisa hama penyakit yang sedang dialami bunga mawarnya..

3. Pihak Pemerintah

Membantu pemerintah dalam pengembangan teknologi informasi dan

ilmu computer dalam bidang pertanian.

5

BAB 2

TINJAUAN PUSTAKA

2.1 Sistem Pakar

Pada bagian ini akan dibahas tentang pengertian sistem pakar, manfaat sistem

pakar [ NML – 10 ].

2.1.1 Pengertian Sistem Pakar

Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi

pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti

yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat

menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.

Dengan sistem pakar, orang awam pun dapat menyelesaikan masalah yang cukup

rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para

ahli, sistem pakar juga akan membantu aktivitasnya sebagai asisten yang sangat

berpengalaman. Sistem pakar dikembangkan pertama kali pada tahun 1960.

2.1.2 Manfaat Sistem Pakar

Manfaat dari sistem pakar, antara lain :

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli

2. Bisa melakukan proses secara berulang secara otomatis

3. Menyimpan pengetahuan dan keahlian para pakar

4. Mampu mengambil dan melestarikan keahlian para pakar (terutama

yang termasuk keahlian langka)

6

5. Mampu beroperasi dalam lingkungan yang berbahaya

6. Memiliki kemampuan untuk bekerja dengan informasi yang tidak

lengkap dan mengandungketidakpastian. Pengguna bisa merespon

dengan jawaban ’tidak tahu’ atau ’tidak yakin’ pada satu atau lebih

pertanyaan selama konsultasi dan system pakar tetap akan memberikan

jawaban.

7. Tidak memerlukan biaya saat tidak digunakan, sedangkan pada pakar

manusia memerlukan biaya sehari-hari.

8. Dapat digandakan (diperbanyak) sesuai kebutuhan dengan waktu yang

minimal dan sedikit biaya

9. Dapat memecahkan masalah lebih cepat daripada kemampuan manusia

dengan catatan menggunakan data yang sama.

10. Menghemat waktu dalam pengambilan keputusan

11. Meningkatkan kualitas dan produktivitas karena dapat memberi

nasehat yang konsisten dan mengurangi kesalahan

12. Meningkatkan kapabilitas sistem terkomputerisasi yang lain. Integrasi

Sistem Pakar dengan sistem komputer lain membuat lebih efektif, dan

bias mencakup lebih banyak aplikasi .

13. Mampu menyediakan pelatihan. Pengguna pemula yang bekerja

dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas

penjelas dapat berfungsi sebagai guru.

2.1.3 Kelemahan Sistem Pakar

Kelemahan dari sistem pakar, antara lain :

1. Biaya yang diperlukan untuk membuat, memelihara, dan

mengembangkannya sangat mahal

7

2. Sulit dikembangkan, hal ini erat kaitannya dengan ketersediaan pakar

di bidangnya dan kepakaran sangat sulit diekstrak dari manusia karena

sangat sulit bagi seorang pakar untuk menjelaskan langkah mereka

dalam menangani masalah.

3. Sistem pakar tidak 100% benar karena seseorang yang terlibat dalam

pembuatan sistem pakar tidak selalu benar. Oleh karena itu perlu diuji

ulang secara teliti sebelum digunakan.

4. Pendekatan oleh setiap pakar untuk suatu situasi atau problem bias

berbeda beda, meskipun sama-sama benar.

5. Transfer pengetahuan dapat bersifat subjektif dan bias

6. Kurangnya rasa percaya pengguna dapat menghalangi pemakaian

sistem pakar.

2.1.4 Konsep Dasar Sistem Pakar

Konsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan

keahlian, mengambil keputusan, aturan, kemampuan menjelaskan.

2.1.4.1 Keahlian

Keahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang

khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk

pengetahuan yang termasuk keahlian:

- Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu

- Strategi global untuk menyelesaikan masalah

2.1.4.2 Ahli / Pakar

Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan,

mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan

jika dipandang perlu, memecahkan masalah dengan cepat dan tepat

8

2.1.4.3 Pengalihan Keahlian

Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke

dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan

pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan ke

komputer, kesimpulan dari pengetahuan dan pengalihan pengetahuan ke pengguna.

2.1.4.4 Mengambil Keputusan

Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana

keahlian tersimpan dalam basis pengetahuan. Kemampuan computer untuk mengambil

kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu

meliputi prosedur tentang pemecahan masalah.

2.1.4.5 Aturan

Sistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan –

aturan dimana program disimpan dalam bentuk aturan-aturan sebagai pro sedur

pemecahan masalah. Aturan tersebut biasanya berbentuk IF – THEN.

2.1.4.6 Kemampuan Menjelaskan

Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau

memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran

tidak direkomendasikan.

2.1.4.7 Perbedaan Sistem Konvensional dengan SistemPakar

Tabel 1. Tabel perbedaan sistem konvensional dengan sistem pakar

9

2.1.4.8 Metode Pemecahan Masalah

Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan

solusinya disebut dengan rantai (chain). Suatu rantai yang dicari atau dilewati/dilintasi

dari suatu permasalahan untuk memperoleh solusinya disebut forward chaining. Cara

lain menggambarkan forward chaining ini adalah dengan penalaran dari fakta menuju

konklusi yang terdapat dari fakta. Suatu rantai yang dilintasi dari hipotesa kembali ke

fakta yang mendukung hipotesa tersebut adalah backward chaining. Cara lain

menggambarkan backward chaining adalah dalam hal tujuan yang dapat dipenuhi

dengan pemenuhan sub tujuannya.

Terdapat berbagai cara pemecahan masalah didalam sistem pakar. Beberapa hal

yang perlu diperhatikan adalah arah penelusuran dan topologi penelusuran.

10

1. Arah penelurusan

Arah penelurusan dibagi dua yaitu :

a. Forward chaining

Strategi dari sistem ini adalah dimulai dari inputan beberapa fakta,

kemudian menurunkan beberapa fakta dari aturan-aturan yang cocok pada

knowledge base dan melanjutkan prosesnya sampai jawaban sesuai. Forward

chaining dapat dikatakan sebagai penelusuran deduktif.

Gambar 1. Diagram Pelacakan ke Depan

b. Backward chaining

Strategi penarikan keputusan yang didasarkan dari hipotesa atau dugaan

yang didapat dari informasi yang ada. Ciri dari strategi ini adalah pertanyaan

user. Memperoleh fakta biasanya diajukan dalam bentuk “YA” atau “TIDAK”,

proses ini berdampak dengan diterima atau tidaknya hipotesis.

Gambar 2. Diagram Pelacakan ke Belakang

11

Ada empat faktor metode menentukan mana arah yang lebih baik

digunakan dari dua arah penelusuran yaitu :

a. Jumlah keadaan awal dan keadaan akhir akan lebih mudah bila

bergerak dari kumpulan keadaan yang lebih sedikit ke kumpulan yang

lebih banyak.

b. Besar kecilnya factor percabangan lebih baik menuju ke arah yang

factor percabangannya sedikit.

c. Proses penalaran program sangatlah penting untuk menuju kearah yang

lebih condong dengan cara pemikiran pemakai.

d. Kejadian yang memicu rangkaian tindakan pemecahan masalah. Jika

kejadian ini adalah kedatangan fakta baru, maka dipilih forward

chaining, tetapi jika kejadian ini adalah suatu pertanyaan yang

membutuhkan tanggapan, akan lebih baik jika dipilih backward

chaining.

2. Topologi penelusuran

a. Breadth first search

Metode penelusuran ini memeriksa semua node (simpul) pohon

pencarian, dimulai dari simpul akar. Simpul-simpul dalam tingkat diperiksa

seluruhnya sebelum pindah ke simpul di tingkat selanjutnya. Proses ini bekerja

dari kiri ke kanan, baru bergerak ke bawah. Ini berlanjut sampai ke titik tujuan

(goal).

12

Gambar 3. Breadth-first Search

b. Depth first search

Metode ini memulai penelusuran dari node sampai simpul akar,

selanjutnya menuju ke bawah dulu baru bergerak ke samping dari kiri ke

kanan, proses ini akan berlanjut sampai ditemukan simpul tujuan

Gambar 4. Depth-first Search

c. Best first search

Bekerja berdasarkan kombinasi kedua metode sebelumnya.

2.1.4.9 Certainty Factor

13

Factor (Theory) ini diusulkan oleh Shortliffe dan Buchanan pada tahun 1975

untuk mengakomadasi ketidakpastian pemikiran (inexact reasoning) seorang pakar.

Teori ini berkembang bersamaan dengan pembuatan sistem pakar MYCIN. Tim

pengembang MYCIN mencatat bahwa dokter sering kali menganalisa informasi yang

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

sebagainya. Untuk mengakomodasi hal ini tim MYCIN menggunakan certainty factor

(CF) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang

dihadapi.

Secara umum, rule direpresentasikan dalam bentuk sebagai berikut:

Keterangan:

E1 ... En : fakta – fakta (evidence) yang ada.

H : hipotesa atau konklusi yang dihasilkan.

CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa

H akibat adanya fakta – fakta E1 s/d En

2.1.4.9.1 Model Perhitungan Certainty Factor

Saat ini ada dua model yang sering digunakan untuk menghitung tingkat

keyakinan (CF) dari sebuah rule adalah sebagai berikut:

a. Menggunakan metode ‘Net Belief’ yang diusulkan oleh E. H. Shortliffe dan B.

G. Buchanan. yaitu:

14

Keterangan:

P(H) = probabilitas kebenaran hipotesa H

P(H|E) = probabilitas bahwa H benar karena fakta E

P(H) dan P(H|E) merepresentasikan keyakinan dan ketidak yakinan pakar.

b. Dengan menggali dari hasil wawancara dengan pakar. Nilai CF(Rule) serta

bobot dari masing-masing fakta didapat dari interpretasi istilah dari pakar

menjadi nilai CF serta bobot tertentu, seperti contoh pada tabel berikut:

Tabel 2. Tabel Interpretasi Nilai CF

15

Tabel 3. Tabel Interpretasi Nilai Bobot

Contoh:

Pakar : “Bila sakit kepala dan pilek dan demam, maka ‘kemungkinan besar’

penyakitnya adalah influenza”

Rule : IF gejala1 = sakit kepala (bobot=0.3) AND gejala2 = pilek (bobot=0.3) AND

gejala3 = demam (bobot=0.2) THEN penyakit = influenza (CF = 0.8)

2.2 Decision Tree

16

Decision tree adalah salah satu metode klasifikasi yang paling popular karena

mudah untuk diinterpretasi oleh manusia. Konsep dasar algoritma Decision Tree adalah

mengubah data menjadi pohon keputusan dan aturan-aturan keputusan (rule).

Pembangunan tree dimulai dengan data pada simpul akar (root node) yang

dilanjutkan dengan pemilihan sebuah atribut, formulasi sebuah logical test pada atribut

tersebut dan pencabangan pada setiap hasil dari test. Langkah ini terus bergerak ke

subset ke contoh yang memenuhi hasil dari simpul anak cabang (internal node) yang

sesuai melalui proses rekursif pada setiap simpul anak cabang. Langkah-langkah tersebut

diulangi hingga dahan-dahan dari tree memiliki contoh dari satu kelas tertentu. Gambar 1

memuat contoh dari sebuah decision tree. Beberapa model decision tree yang sudah

dikembangkan antara lain adalah IDS, ID3, C4.5, CHAID dan CART.

Gambar 5. Decision Tree

Decision tree merupakan suatu pendekatan yang sangat populer dan praktis

dalam machine learning untuk menyelesaikan permasalahan klasifikasi. Metode ini

digunakan untuk memperkirakan nilai diskret dari fungsi target. Fungsi pembelajaran

direpresentasikan oleh sebuah decision tree (Liang 2005).

Decision tree merupakan himpunan aturan IF...THEN. Setiap path dalam tree

dihubungkan dengan sebuah aturan. Premis aturan terdiri atas sekumpulan node yang

ditemui, sedangkan kesimpulan aturan terdiri atas kelas yang terhubung dengan leaf dari

path (Marsala 1998 dalam Romansyah et al.2009).

17

Pohon keputusan merupakan salah satu metode klasifikasi dan prediksi yang

sangat kuat dan terkenal dalam penerapan data mining. Pada dasarnya Decision Tree

mengubah data menjadi pohon keputusan (decision tree) dan aturan-aturan keputusan

(rule).

Gambar 6. Konsep Decision Tree

Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan

hubungan tersembunyi antara sejumlah calon nginae input dengan sebuah nginae target.

Menurut Berry & Linoff (2004), sebuah pohon keputusan adalah sebuah struktur

yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-

himpunan record yang kebih kecil dengan menerapkan serangkaian aturan-aturan

keputusan. Dengan masing-masing rangkaian pembagian, anggota himpunan hasil

menjadi mirip satu dengan yang lain.

Sebuah pohon keputusan mungkin dibangun dengan saksama secara manual atau

dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma

pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi. Banyak

algoritma yang dapat dipakai dalam pembentukan pohon keputusan, antara lain ID3,

CART, dan C4.5 (Larose, 2005).

Variabel tujuan biasanya dikelompokkan denga pasti dan model pohon keputusan

lebih mengarah pada perhitungan probabilitas dari tiap-tiap record – terhadap kategori-

kategori tersebut atau untuk mengklasifikasi record dengan mengelompokkannya dalam

satu kelas.

Menurut Basuki & Syarif (2003), proses pada pohon keputusan adalah mengubah

bentuk data (ngin) menjadi model pohon, mengubah model pohon menjadi rule, dan

menyederhanakan rule.

18

2.2.1 Konsep Data Dalam Decision Tree

Data dalam pohon keputusan biasanya dinyatakan dalam bentuk table dengan

atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai criteria

dalam pembentukan tree. Misalkan unutuk menentukan main tenis, kriteria yang

diperhatikan adalah cuaca, ngina, dan temperature. Salah satu atribut merupakan atribut

yng menyatakan data solusi per-item data yang disebut dengan target atribut. Atribut

memiliki nilai-nilai yang dinamakan dengan instance. Misalkan atribut cuaca

mempunyai instance berupa cerah, berawan, dan hujan seperti tampak pada Gambar

Tabel 4. Konsep Data dalam Decision Tree

Untuk mengubah bentuk data (tabel) menjadi model tree, dalam kasus ini

menggunakan algoritma ID3, setelah diperoleh model berupa tree, maka tree ini bisa

dikonversikan ke dalam rule seperti tampak pada Gambar

19

Gambar 7. Dari Data Set (table) menjadi Tree

2.2.2 Atribut Selection Measure

Pengukuran informasi yang didapatkan (information gain) bertujuan untuk

memilih suat atribut yang diuji (test atribut) di setiap node dalam struktur pohon. Atribut

dengan nilai informasi tertinggi (greatest entropy) dipilih sebagai suatu atribut dalam

suatu node yang sedang diproses.

Jika S merupakan suatu kumpulan dari s data sampel, atribut label kelas memiliki

isi (value) m yang berbeda, Ci (for i=1..m). Jika si merupakan jumlah sampel S dalam

kelas Ci dimana pi merupakan probabilitas dari label sampel data dari Ci, maka:

Jika atribut A memiliki v isi yang berbeda {a1,a2,…,av}, atribut A dapat

digunakan untuk membagi S ke dalam subset v, {S1, S2,…, Sv}, dimana Sj terdiri dari

sampel dalam S yang memiliki isi aj dari A. Jika A terpilih sebagai atribut yang diuji

20

(atribut terbaik untuk dibagi atau dipartisi), kemudian subset ini alam berhubungan

dengan cabang dari node yang berisi kumpulan S. Jika Sij merupakan jumlah sampel dari

kelas Ci di dalam suatu subset Sj, maka Entropy:

Dari kedua persamaan diatas, maka :

2.3 Genus Rosa [ TKM – 10 ]

Genus Rosa atau Mawar adalah tanaman dari kelas Dicotyledonae dengan ordo

Rosanales, famili Rosaceae dan memiliki genus Rosa. Tanaman mawar disebut sebagai

“Queen Of Flowers” karena kecantikan bentuknya, serta dapat bermanfaat seba-gai obat

dan essens parfum dan minuman. Tanaman mawar mempunyai banyak varietas dengan

bentuk, ukuran dan warna bunga beragam. Tanaman mawar sering dijadikan tanaman

hias pot maupun tanaman hias di taman atau halaman terbuka, bunga potong dan

dekorasi ruangan.

Mawar merupakan tanaman yang memperhatikan beberapa aspek dalam

pertumbuhan dan perkembangannya. Iklim merupakan salah satu faktor yang ha-rus

diperhatikan. Curah hujan yang ideal untuk pertumbuhan mawar berkisar an-tara 1500

sampai 3000 mm/tahun, intensitas cahaya matahari yang dibutuhkan se-kitar 5 sampai 6

jam per hari. Tanaman mawar akan lebih sering berbunga dan memiliki batang yang

kokoh di daerah yang cukup sinar matahari.

Mawar memiliki daya adaptasi yang cukup luas terhadap lingkungan tum-

buhnya. Tanaman mawar dapat ditanam di daerah subtropis, maupun di daerah tropis.

Suhu udara yang baik untuk pertumbuhan mawar yaitu antara 18 dan 26 °C dengan

kelembaban udara antara 70 dan 80 %. Mawar me-miliki dua jenis pembungaan, yaitu

mawar berbunga terus menerus sepanjang ta-hun (recurrent flowering) dan mawar yang

tidak berbunga terus menerus (non recurrent flowering). Mawar termasuk jenis bunga

21

sempurna de-ngan benang sari dan putik terdapat pada dasar bunga. Bunga mawar ada

yang tersusun tunggal dan ada yang tersusun menyerupai payung. Berdasarkan mah-kota

bunga, mawar dibedakan atas mawar berbunga tunggal, berbunga semi ganda dan

berbunga ganda.

Sebagian besar spesies mempunyai daun yang panjangnya antara 5-15 cm, dua-

dua berlawanan (pinnate). Daun majemuk yang tiap tangkai daun terdiri dari paling

sedikit 3 atau 5 hingga 9 atau 13 anak daun dan daun penumpu (stipula) berbentuk

lonjong, pertulangan menyirip, tepi beringgit, meruncing pada ujung daun dan berduri

pada batang yang dekat ke tanah. Mawar sebetulnya bukan tanaman tropis, sebagian

besar spesies merontokkan seluruh daunnya (deciduous) dan hanya beberapa spesies

yang ada di Asia Tenggara yang selalu berdaun hijau sepanjang tahun.

Bunga terdiri dari 5 helai daun mahkota dengan perkecualian Rosa sericea yang

hanya memiliki 4 helai daun mahkota. Warna bunga biasanya putih dan merah jambu

atau kuning dan merah pada beberapa spesies. Ovari berada di bagian bawah daun

mahkota dan daun kelopak. Pada umumnya mawar memiliki duri berbentuk seperti

pengait yang berfungsi sebagai pegangan sewaktu memanjat tumbuhan lain. Beberapa

spesies Mawar mempunyai duri yang tidak berkembang dan tidak tajam.

22

BAB 3

METODE PENELITIAN

3.1 Objek Penelitian

Penelitian dilakukan di pertanian bunga mawar yang berada di Malang.

3.2 Teknik Pengumpulan Data

Adapun teknik pengumpulan data yang dilakukan oleh penulis dalam penelitian,

antara lain :

1. Studi Kepustakaan (Literature) F

Menurut Miller dkk (2010) Tinjauan literatur adalah bagian penting dari

setiap proyek penelitian yang baik, dan jika tidak dilakukan dengan benar,

proyek dapat berakhir sia-sia dengan mereplikasi penelitian sebelumnya. Metode

ini dilakukan untuk mendapatkan data literature tambahan dari buku acuan

mengenai sistem pakar berbasis komputer dan metode decision tree dengan

forward chaining, sumber yang digunakan berupa buku, journal, karya ilmiah,

dan situs-situs penunjang yang dapat membantu dalam penyelesaian laporan

penelitian.

2. Wawancara(Interview)

Wawancara merupakan salah satu objek penelitian, Menurut Jogiyanto

(2007) wawancara adalah Komunikasi dua arah untuk mendapatkan data dari

responden. Wawancara dapat berupa wawancara personal, wawancara intersep

dan wawancara telepon. Dalam penelitian ini penulis melakukan wawancara

secara langsung ke petani mawar dan ahli bunga. Dari hasil wawancara tersebut

dapat diperoleh penjelasan tentang jenis bunga mawar dan hama penyakit yang

diderita bunga mawar.

3. Pengamatan (Observasi)

23

Observasi adalah melakukan pengamatan secara langsung ke objek

penelitian untuk melihat dari dekat kegiatan yang dilakukan. (Riduwan, 2010).

Observasi dilakukan untuk mengetahui cara-cara pelaksanaan yang dilakukan

ahli pakar pada bunga mawar.

4 Tahapan Penelitian

Adapun tahapan penelitian dalam membangun Sistem Pakar Identifikasi

Jenis dan Hama Penyakit Pada Tanaman Genus Rosa dengan Metode Decision

Tree Forward Chaining dengan menggunakan tahapan SDLC yaitu waterfall,

adalah sebagai berikut :

24

Tahapan Penelitian Waterfall

Adapun penjelasan tahapan penelitian yang menarik salah satu tahap SDLC

Waterfall, sebagai berikut :

1. Pesiapan dan Pengumpulan Data

Penulis melakukan persiapan untuk sebelum melakukan pengumpulan

data, kemudian penulis melakukan studi pustaka untuk mencari dan mempelajari

tentang sistem pakar, metode forward chaining, dan mencari informasi tentang

bunga mawar, setelah melakuakan studi pustaka penulis melakukan pengamatan

25

secara langsung dan melakukan wawancara kepada ahli bunga guna untuk

mengetahui informasi yang dibutuhkan secara akurat.

2. Analisa Sistem

Pada tahap analisis sistem ini penulis melakukan analisa sistem sesuai

data dan permasalahan yang telah dikumpulkan sebelumnya, guna sebagai acuan

yang digunakan untuk merancang sistem sesuai dengan kebutuhan.

3. Perancangan Sistem

Merupakan tahap penulisan proses, data, aliran proses dan hubungan antar

data yang paling optimal dan memenuhi kebutuhan pihak yang terkait sesuai

dengan hasil analisa kebutuhan.

4. Penyusunan Basis Data

Proses penyimpanan yang didapatkan dari observasi berupa beberapa data

penunjamlahan, fakta-fakta dan aturan yang mengatur proses pencarian data

ulang saling berhubungan satu dengan yang lain ke dalam basis data MySQL

sebagai media penyimpanan.

5. Implementasi Sistem

Pada tahap ini, penulis mengimplementasikan sistem berdasarkan

rancangan yang telah dibuat sebelumnya sesuai dengan kebutuhan pihak yang

terkait.

6. Pengujian Sistem

Merupakan tahap pengujian terhadap sistem yang telah dibuat.

7. Perbaikan atau penambahan data.

Setelah melakukan pengujian system dan ternyata terhadi beberapa

kekurangan atau kelemahan, maka system perlu diperbaiki lagi atau diedit lagi

26

data-data yang telah ada sehingga system yang dibuat lebih bersifat valid

hasilnya.

8. Menyusun Laporan.

Apabila semua tahapan yang dimulai dari penelitian hingga pada

pengujian sistem dan evaluasi sistem sudah sesuai dan tidak terjadi kesalahan

lagi, maka tahapan akhir yang dilakukan adalah penulisan laporan pada hasil

penelitian. Mebuat sebuah laporan berbentuk buku skripsi sebagai tahap akhir

dalam proses penulisan pengerjaan skripsi sebagai bukti dokumentasi dari

penulis.

BAB 4

ANALISA DAN PERANCANGAN

27

4.1 Analisis Kebutuhan

Sistem pakar yang dibangun ini merupakan suatu sistem informasi yang

berbasis komputer dengan memanfaatkan teknologi kecerdasan buatan (artificial

intelligence) yang berfungsi sebagai sistem alat bantu atau pemberi saran/rekomendasi

dari proses konsultasi jenis dan konsultasi penyakit kepada user, sehingga user

mengetahui masalah yang menyerang pada bunga mawar.Konsultasi yang dihasilkan

oleh sistem ini dilengkapi dengan jenis, keterangan,dan gambar untuk konsultasi

jenis pada bunga mawar. Sedangkan untuk konsultasi penyakitnya dilengkapi dengan

penyebab, keterangan,dan pengendaliannya. Sistem ini dirancang dengan tujuan

untuk memberikan rekomendasi tentang jenis bunga mawar dan penyakit yang

menyerangnya beserta cara penanggulangannya. Rekomendasi yang diberikan

merupakan hasil pengolahan sistem pakar menggunakan mekanisme inferensi

menggunakan forward chainning dengan melihat ciri-ciri dan gejala-gejala yang

timbul pada bunga mawar,kemudian fakta akan diambil dari basis data

pengetahuan. Untuk dijadikan landasan dalam memberikan informasi tentang jenis

dan penyakit pada bungamawar berserta cara penanggulangannya.

4.2 Rancangan Proses

Rancangan DAD digunakan untuk menggambarkan hirarkiproses yang ada dan

aliran data antar proses tersebut dalam aplikasi program sistem pakar ini. Gambar 1.

DAD Level 0 memberikan gambaran seluruh elemen dengan sebuah proses tunggal

dengan data input dan output yang ditunjukkan oleh anak panah yang masuk dan

keluar secara berurutan. Pada sistem yang dibangun ini terdapat dua entitas luar yaitu

admin dan user. Dimana admin atau expert mempunyai kemampuan atau kewenangan

untuk melakukan validasi data,sedangkan user hanya bias memakai sistem ini dan

tidak berwenang melakukan validasi data. User akan memasukkan data bagi sistem,

kemudian sistem ini akan memberikan keluaran (output) pada user.

28

Gambar 8. Desain sistem

Berikut adalah tabel hubungan antara jenis dan ciri-ciri dari bunga mawar.

No Ciri-ciri

Jenis

Ros

sa B

ran

ksi

ae

Ros

sa G

alli

ca

Ros

sa G

igan

tea

Ros

sa G

lau

ca

Ros

sa M

oseh

ata

Ros

sa F

ilip

es

Ros

sa L

eavi

gata

Ros

sa B

ours

oult

Ros

sa R

ugo

sa

Ros

sa W

illm

otti

e

Ros

sa M

oyes

si

Ros

sa N

oise

tte

Ros

sa M

inia

ture

Ros

sa F

oeti

da

  Warna Bunga                            

1 Putih                            

2 Putih kekuningan                            

3 Putih keunguan                            

4 Pink(merah muda)                            

5 Merah                            

6 Merah keunguan                            

7 Kuning                            

  Warna Daun                            

8 Hijau                            

9 Hijau gelap                            

29

10 Hijau muda                            

11 Hijau keunguan                            

12 Hijau kebiruan                            

13 hijau keabuan                            

  Daun                            

14 Mengkilap                            

15 Kasar                            

16 Lembut                            

  Batang                            

17 Berduri                            

18 Tidak Berduri                            

 

Warna Benang

Sari                            

19 Kuning                            

20 Kuning emas                            

21 Kuning kecoklatan                            

22 Oranye                            

23 Merah                            

Tabel 5. Tabel hubungan antara jenis dan ciri-ciri dari bunga mawar

30

Berikut adalah tabel hama dan penyakit bunga mawar

No Gejala

Hama Penyakit

Kutu

Dau

n

Kum

bang

Sipu

t Ber

bulu

Tung

au

Thrip

s

Ula

t Dau

n

Kutu

Bat

ang

Kum

bang

Kec

il

Nem

atod

a Ak

ar

Berc

ak H

itam

Kara

t Dau

n

Tepu

ng M

ildew

Mos

aik

Berc

ak D

aun

Beng

kak

Pang

kal B

atan

g

Jam

ur U

pas

Busu

k Bu

nga

DAUN                                    

1

Daun   menjadi 

kering/mengkeut                                    

2 Daun bercak warna perak                                    

3

Meninggalkan   cairan 

madu   manis   pada 

permukaan daun                                    

4

Daun   bagian   bawah 

berlubang                                    

5

Daun   terdapat   titik 

merah   kekuningan/   abu 

kecoklatan                                    

6

Daun   terdapat   bintik 

putih   berbentuk 

lingkaran                                     

7 Daun layu                                    

8

Daun bercak hitam pekat 

dan tepi bergerigi                                    

9 Daun menguning                                    

10

Sisi bawah daun berbintik 

jingga kemerahan                                    

11

Sisi   atas   daun   terdapat 

bercak sudut kemerahan                                    

12 Daun rontok                                    

13 Permukaan   daun                                     

31

terdapat tepung

14

Daun   berubah   warna 

kemerahaan                                    

15 Daun belang                                    

16 Daun bercak coklat                                    

17 Daun bercak kehitaman                                    

18 Daun menjadi rusak                                    

19

Tulang   daun   berbentuk 

seperti jala                                    

BATANG                                    

20

Pembengkakan   pada 

pangkal batang                                    

21 Batang membusuk                                    

22

Terdapat kerak berwarna 

merah                                    

23

Bagian   dalam   batang 

rusak                                    

BUNGA                                    

24 Bunga rusak                                    

25 Bercak perak pada bunga                                    

26

Bunga   busuk   berwarna 

coklat                                    

27

Terdpata   bintik   hitam 

pada bunga                                    

AKAR                                    

28 Terdapat bintik pada akar                                    

29 Akar menjadi rusak                                    

Tabel 6. Tabel hama dan penyakit bunga mawar

32

4.3 Decision Tree

Dibawah ini adalah decision tree forward chaining dari jenis bunga mawar :

Gambar 9. Decision tree dengan forward chaining jenis bunga mawar

33

Dibawah ini adalah decision tree dengan forward chaining hama dan penyakit pada

tumbuhan bunga mawar :

 

Gambar 10. Decision tree dengan forward chaining hama dan penyakit bunga mawar

34

4.4 Representasi Pengetahuan

Dalam penelitian ini basis pengetahuan direpresentasikan dengan menggunakan kaidah

produksi, yaitu dengan IF-Then. Berikut representasi pengetahuannya :

1. Kaidah untuk jenis dan ciri Genus Rossa

1.1 Genus Rossa Branksiae

if warna bunga putih and warna daun hijau gelap

and daun kasar and batang tidak berduri and warna

benang sari kuning then identifikasi jenis Rossa

Banksiae

1.2 Genus Rossa Gallica

if warna bunga pink(merah jambu) and warna daun

hijau kebiru-biruan and daun lembut and batang

berduri and warna benang sari kuning emas then

identifikasi jenis Rossa Gallica

1.3 Genus Rossa Gigantea

if warna bunga putih kekuning-kuningan and warna

daun hijau gelap and daun lembut and batang

berduri and warna benang sari merah then

identifikasi jenis Rossa Gigantea

1.4 Genus Rossa Glauca

if warna bunga merah keungu-unguan and warna daun

hijau keungu-unguan and daun lembut and batang

berduri and warna benang sari kuning kecoklatan

then identifikasi jenis Rossa Glauca

1.5 Genus Rossa Moschata

35

if warna bunga putih keungu-unguan and warna daun

hijau keungu-unguan and daun mengkilap and batang

tidak berduri and warna benang sari kuning

kecoklatan then identifikasi jenis Rossa Moshata

1.6 Genus Rossa Filipes

if warna bunga putih and warna daun hijau muda

and daun mengkilap and batang berduri and warna

benang sari oranye then identifikasi jenis Rossa

Filipes

1.7 Genus Rossa Leavigata

if warna bunga putih and warna daun hijau and

daun mengkilap and daun lembut and batang berduri

and warna benang sari kuning emas then

identifikasi jenis Rossa Leavigata

1.8 Genus Rossa Boursoult

if warna bunga merah and warna daun hijau gelap

and daun lembut and batang tidak berduri and

warna benang sari kuning then identifikasi jenis

Rossa Boursoult

1.9 Genus Rossa Rugosa

if warna bunga merah and warna daun hijau and

daun mengkilap and daun lembut and batang berduri

and warna benang sari oranye then identifikasi

jenis Rossa Rugosa

1.10 Genus Rossa Willmottie

if warna bunga pink(merah jambu) and warna daun

hijau keabu-abuan and daun mengkilap and daun

36

lembut and batang berduri and warna benang sari

oranye then identifikasi jenis Rossa Willmottie

1.11 Genus Rossa Moyessi

if warna bunga merah and warna daun hijau and

daun mengkilap and daun lembut and batang berduri

and warna benang sari kuning emas then

identifikasi jenis Rossa Moyessi

1.12 Genus Rossa Noisette

if warna bunga putih kekuning-kuningan and warna

daun hijau and daun mengkilap and batang tidak

berduri and warna benang sari kuning emas then

identifikasi jenis Rossa Noisette

1.13 Genus Rossa Miniature

if warna bunga pink(merah jambu) and warna daun

hijau gelap and daun mengkilap and batang berduri

and warna benang sari kuning emas then

identifikasi jenis Rossa Miniature

1.14 Genus Rossa Foetida

if warna bunga kuning and warna daun hijau keabu-

abuan and daun mengkilap and batang berduri and

warna benang sari kuning then identifikasi jenis

Rossa Foetida

37

2. Kaidah untuk hama atau penyakit Genus Rossa

2.1 Hama Kutu Daun

if daun menjadi kering atau keriput and

meninggakan cairan madu manis yang menempel pada

permukaan daun then identifikasi hama Kutu Daun

2.2 Hama Kumbang

if daun menjadi rusak/ bolong and bunga bolong-

bolong atau rusak and akar menjadi rusak then

identifikasi hama Kumbang

2.3 Hama Siput Berbulu

if daun bagian bawah berlubang tinggal tulang

daun then identifikasi hama Siput Berbulu

2.4 Hama Tungau

if daun terdapat titik-titik merah bewarna

kuning/ abu-abu kecoklat-coklatan and daun

menguning then identifikasi hama Tungau

2.5 Hama Thrips

if daun bercak bewarna perak and bunga bercak

bewarna perak then identifikasi hama Thrips

2.6 Hama Ulat Daun

if daun menjadi rusak/ bolong then identifikasi

hama Ulat Daun

38

2.7 Hama Serangga Penghisap Sel Tanaman

if daun terdapat bintik-bintik putih membentuk

lingkaran then identifikasi hama Serangga

Penghisap Sel Tanaman

2.8 Hama Kutu Batang

if daun layu then identifikasi hama Kutu Batang

2.9 Hama Kumbang Kecil

if bagian dalam batang rusak then identifikasi

hama Kumbang Kecil

2.10 Hama Nematoda Akar

if terdapat bintik-bintik pada akar and akar

menjadi rusak then identifikasi hama Nematoda

Akar

2.11 Penyakit Bercak Hitam

if daun bercak hitam pekat yang tepinya bergerigi

and daun menguning then identifikasi penyakit

Bercak Hitam

2.12 Penyakit Karat Daun

if sisi bawah daun terdapat bintik-bintik warna

jingga kemerah-merahan and sisi atas daun

terdapat bercak bersudut berwarna kemerah-merahan

and daun rontok then identifikasi penyakit Karat

Daun

2.13 Penyakit Tepung Mildew

39

if daun rontok and permukaan daun terdapat

tepung/ lapisan putih and daun berubah warna dari

hijau menjadi kemerah-merahan then identifikasi

penyakit Tepung Mildew

2.14 Penyakit Mosaik

if daun menguning and daun belang-belang and

tulang-tulang daun seperti jala then identifikasi

penyakit Mosaik

2.15 Penyakit Bercak Daun

if daun bercak coklat and daun bercak kehitam-

hitaman then identifikasi penyakit Bercak Daun

2.16 Penyakit Bengkak Pangkal Batang

if terjadi pembengkakan pada pangkal batang dekat

permukaan tanah then identifikasi penyakit

Bengkak Pangkal Batang

2.17 Penyakit Jamur Upas

if batang membusuk and pada batang terdapat

lapisan kerak berwarna merah then identifikasi

penyakit Jamur Upas

2.18 Penyakit Busuk Bunga

if bunga busuk berwarna coklat and terdapat

bintik-bintik hitam pada bunga then identifikasi

penyakit Busuk Bunga

40

BAB 5

HASIL DAN PEMBAHASAN

Hasil keluaran dari sistem ini berupa jenis mawar dengan gambar dan keterangan

untuk identifikasi jenis mawar dengan inputan cirri morfologi yang dimasukkan user

pada form konsultasi. Sedangkan untuk identifikasi penyakit mempunyai keluaran

berupa nama penyakit, penyebab, ketarangan, bagian yang diserang, dan

pengendaliannya.

1. Skenario 1

User memasukkan data seperti berikut :

  Warna Bunga  

1 Putih  

2 Putih kekuningan  

3 Putih keunguan  

4 Pink(merah muda)  

5 Merah  

6 Merah keunguan  

7 Kuning  

  Warna Daun  

8 Hijau  

9 Hijau gelap  

10 Hijau muda  

11 Hijau keunguan  

12 Hijau kebiruan  

13 hijau keabuan  

  Daun  

14 Mengkilap  

15 Kasar  

16 Lembut  

  Batang  

41

17 Berduri  

18 Tidak Berduri  

 

Warna Benang

Sari  

19 Kuning  

20 Kuning emas  

21 Kuning kecoklatan  

22 Oranye  

23 Merah  

Tabel 7. Contoh skenario jenis bunga mawar

Setelah user memasukkan data seperti diatas. Maka hasil yang didapatkan adalah

Rossa Branksiae.

2. Skenario 2

User memasukkan data seperti berikut :

  DAUN  

1

Daun   menjadi 

kering/mengkeut  

2 Daun bercak warna perak  

3

Meninggalkan   cairan 

madu   manis   pada 

permukaan daun  

4

Daun   bagian   bawah 

berlubang  

5

Daun   terdapat   titik 

merah   kekuningan/   abu 

kecoklatan  

6

Daun   terdapat   bintik 

putih   berbentuk 

lingkaran   

7 Daun layu  

42

8

Daun bercak hitam pekat 

dan tepi bergerigi  

9 Daun menguning  

10

Sisi bawah daun berbintik 

jingga kemerahan  

11

Sisi   atas   daun   terdapat 

bercak sudut kemerahan  

12 Daun rontok  

13

Permukaan   daun 

terdapat tepung  

14

Daun   berubah   warna 

kemerahaan  

15 Daun belang  

16 Daun bercak coklat  

17 Daun bercak kehitaman  

18 Daun menjadi rusak  

19

Tulang   daun   berbentuk 

seperti jala  

  BATANG  

20

Pembengkakan   pada 

pangkal batang  

21 Batang membusuk  

22

Terdapat kerak berwarna 

merah  

23

Bagian   dalam   batang 

rusak  

  BUNGA  

24 Bunga rusak  

25 Bercak perak pada bunga  

26

Bunga   busuk   berwarna 

coklat  

27

Terdpata   bintik   hitam 

pada bunga  

  AKAR  

43

28 Terdapat bintik pada akar  

29 Akar menjadi rusak  

Tabel 8. Contoh skenario hama dan penyakit bunga mawar

Setelah user memasukkan data seperti diatas. Maka hasil yang didapatkan adalah

hama Kutu Daun.

44

BAB 6

KESIMPULAN

a. Sistem mampu mengidentifikasi jenis berdasarkan ciri-ciri pada bunga mawar

yang dimasukkan user.

b. Sistem mampu mengidentifikasi penyakit berdasarkan gejala-gejala yang

menyerang pada bunga mawar yang dimasukkan oleh user.

c. Metode decision tree dengan forward chaining mampu mengidentifikasi atau

memilah-milah jenis bunga mawar dan hama penyakit secara tepat.

45

DAFTAR PUSTAKA

[ NML – 10 ] Nirmala. Proposal Skripsi Sistem Pakar. [online] <http://eprints.upnjatim.ac.id/953/1/file_1.pdf>. Diakses pada 16 April 2013.

[ KRB – 12 ] KaRobby. Konsep dan Macam-macam Metode Penelitian. [online] <http://karobby.wordpress.com/2012/05/12/konsep-dan-macam-macam-metode-penelitian/>. Diakses pada 16 April 2013.

[ BBK – 97 ] Bambrick. Adaption in Natural and Artificial System. Cambridge Univ Press. 1997.

[ GRR – 89 ] Giarratano & Riley. Expert System. Amazon. 1989.

[ KNT – 96 ] Krishnamoorthy. Expert System & Decission Support System. Edward Elgar. 1996.

[ TKM – 10 ] Anonim. Pedoman Bertanam Bunga Mawar. Tim Karya Mandiri. 2010.

46