SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC PROBABILITY

 4  34  94  2017-04-21 19:47:59 Report infringing document
SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILI CYPRINIDAE MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC PROBABILITY (Skripsi) Oleh RETNO MONYKA AGUSTIANTI JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2016 ABSTRACT AN EXPERT SYSTEM FOR IDENTIFICATION TYPES OF FAMILY CYPRINIDAE FISH USING FORWARD CHAINING DAN CLASSIC PROBABILITY METHOD By RETNO MONYKA AGUSTIANTI Fish is defined as vertebrate animals (vertebrates) that lives in the water, the mnumber of fish reached 33,200 types scattered around the world. One of the obstacles in studying the types of fish is the identification process. The difficulty in identification of fish caused by the limited number of specialists/ experts and the difficulty of finding fish identification guidebook, therefore in this research built an expert system that is able to identify the type of fish based on knowledge provided directly from the experts. Expert system in this study is a web-based system that built using the programming language Php and using Mysql database. Inference method used in this system is Forward Chaining. This method is used to determine which rules are executed according to the facts, then the rule is executed, the process is repeated until a result is found. The next step after the results found is counting the percentage of accuracy using classic probability method. In this research, the system can identify 41 types of freshwater fish family Cyprinidae that is spreading in Sumatra and provide information related to taxonomy, species names, local names, habitat, distribution. Testing the reliability of the system using the 10 case studies, and showed an average accuracy of 93.2%. Based on the values of accuracy, we can conclude that the system can identify the fish properly. Kata Kunci : expert system, forward chaining, classic probability, fish identification, cyprinidae. ABSTRAK SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC PROBABILITY Oleh RETNO MONYKA AGUSTIANTI Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di air, jumlahnya mencapai 33.200 jenis tersebar di seluruh dunia. Salah satu kendala dalam mempelajari jenis-jenis ikan adalah proses identifikasi ikan. Kesulitan dalam proses identifikasi ikan disebabkan oleh terbatasnya jumlah pakar/ ahli dan sulitnya menemukan buku pedoman identifikasi ikan. Oleh karena itu pada penelitin ini dibangun suatu sistem pakar yang mampu mengidentifikasi jenis ikan berdasarkan pengetahuan yang diberikan langsung dari pakar/ ahlinya. Sistem pakar yang dibangun berbasis web, menggunakan bahasa pemrograman Php dan database Mysql. Metode inferensi yang digunakan dalam sistem ini yaitu Forward Chaining. Metode ini digunakan untuk menentukan aturan mana yang akan dijalankan sesuai fakta yang ada, kemudian aturan tersebut dijalankan, proses diulang hingga ditemukan suatu hasil. langkah selanjutnya setelah hasil ditemukan adalah menghitung presentase akurasi menggunakan classic probability . Pada penelitian ini, sistem dapat mengidentifikasi 41 jenis ikan air tawar famili cyprinidae yang persebarannya di Pulau Sumatera dan memberikan informasi terkait taksonomi, nama spesies, nama lokal, habitat, persebaran. Pengujian keandalan terhadap sistem menggunakan 10 studi kasus, dan didapatkan hasil rata-rata akurasi sebesar 93,2%. Berdasarkan nilai akurasi tersebut, dapat disimpulkan bahwa sistem dapat mengidentifikasi ikan dengan baik. Kata Kunci : sistem pakar, forward identifikasi ikan chaining, classic probability, SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC PROBABILITY Oleh RETNO MONYKA AGUSTIANTI Skripsi Sebagai Salah Satu Syarat untuk Memperoleh Gelar SARJANA KOMPUTER pada Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2016 RIWAYAT HIDUP Penulis dilahirkan pada 03 Agustus 1994 di Bandar Lampung, sebagai anak tunggal dengan Ayah bernama Drs. Sutikno dan Ibu bernama Sumiyati. Penulis menyelesaikan pendidikan Sekolah Dasar (SD) di SD Negeri 1 Sukarame tahun 2006, menyelesaikan Sekolah Menengah Pertama (SMP) di SMP Negeri 2 Bandar Lampung tahun 2009, kemudian melanjutkan jenjang Sekolah Menengah Atas (SMA) di SMA Negeri 10 Bandar Lampung dan lulus di tahun 2012. Pada tahun 2012, penulis terdaftar sebagai mahasiswa Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui jalur SNMPTN Undangan. Pada bulan Januari-Maret 2015, penulis melakukan Kuliah Kerja Nyata selama 40 hari di Desa Kacamarga Kecamatan Cukuh Balak Kabupaten Tanggamus. Pada bulan Agustus 2015, penulis melakukan kerja praktik di Dinas Tenaga Kerja dan Transmigrasi Provinsi Lampung. Selama menjadi mahasiswa penulis aktif dalam Organisasi Himpunan Mahasiswa Jurusan Ilmu Komputer (HIMAKOM) Universitas Lampung dengan menjabat sebagai Anggota Bidang Kaderisasi pada tahun 2012-2013, Bendahara Bidang Kaderisasi pada tahun 2013-2014. iii PERSEMBAHAN Teruntuk Ibu Ayahku yang sangat kucintai, kupersembahkan skripsi ini Terimakasih untuk kasih sayang, perhatian, pengorbanan, usaha, dukungan moril maupun materi, motivasi dan do’a-do’a yang tiada henti untuk kesuksesanku.... Teuntuk sahabat dan teman-teman tersayang, Terimakasih untuk canda tawa, tangis dan perjuangan yang telah kita lewati bersama dan terima kasih untuk setiap rentetan kenangan yang telah terukir selama ini.... iv MOTTO “Maka sesungguhnya bersama kesulitan ada kemudahan. Sesungguhnya bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari sesuatu urusan), tetaplah bekerja keras (untuk urusan yang lain). Dan hanya kepada Tuhanmulah engkau berharap.” (Q.S.Al-Insyirah:6-8) “Selagi kamu bisa dan mampu, jangan mencoba untuk meminta tolong pada orang lain. Itu akan menjadi kebiasaan.” (Rifti Fauzan) “Sesuatu yang belum dikerjakan, seringkali tampak mustahil. Kita baru yakin kalau kita telah berhasil melakukannya dengan baik.” (Evelyn Underhill) v SANWACANA Assalamualaikum wr. wb. Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat, hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan skripsi yang berjudul “Sistem Pakar Identifikasi Jenis Ikan Family Cyprinidae Menggunakan Metode Forward Chaining Dan Classic Probability” dengan baik. Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam penyusunan skripsi ini, seperti antara lain: 1. Kedua orang tua tercinta, Ibu dan Bapak, berserta keluarga besar yang selalu memberi do’a, motivasi dan kasih sayang yang tak terhingga. 2. Bapak Aristoteles, S.Si., M.Si. sebagai pembimbing utama dan pembimbing akademik, yang telah membimbing, memotivasi serta memberikan ide, kritik dan saran selama masa perkuliahan dan penyusunan skripsi sehingga penulis bisa sampai di tahap ini. 3. Ibu Rara Diantari, S.Pi., M.Sc. sebagai pembimbing kedua yang telah membimbing dan memberikan bantuan, ide, kritik serta saran dalam penyusunan skripsi ini. vi 4. Bapak Rico Andrian, S.Si., M.Kom. sebagai pembahas, yang telah memberikan komentar dan masukan yang bermanfaat untuk perbaikan dalam penyusunan skripsi ini. 5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. selaku Dekan FMIPA Universitas Lampung. 6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu Komputer FMIPA Universitas Lampung. 7. Bapak Didik Kurniawan, S.Si., M.T., selaku Sekretaris Jurusan Ilmu Komputer FMIPA Universitas Lampung. 8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu dan pengalaman hidup selama penulis menjadi mahasiswa. 9. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan administrasi penulis di Jurusan Ilmu Komputer. 10. Sahabat-sahabat tercinta Rika Oktaria, Ajeng Defriyanti, Sella Saptarani yang telah memberikan support, sindirian, hiburan, dan do’a sehingga penulis dapat melewati tahap perkuliahan yang paling menguji kesabaran yaitu skripsi. 11. Teman-teman seperjuangan dalam melaksanakan kuliah Claudya Cindy Owen, Annisa Putri Rahayu, Lia Atika Rani, Indah Ayu Atika dan Febrianti Suci Rizqiani. Terimakasih telah bersama-sama berjuang bersama penulis, jatuh bangun untuk mendapatkan gelar sarjana. 12. Keluarga Ilmu Komputer 2012 yang tidak bisa disebutkan satu per satu, terima kasih atas kebersamaannya selama ini. vii DAFTAR ISI Halaman DAFTAR ISI ................................................................................................. viii DAFTAR GAMBAR ...................................................................................... xi DAFTAR TABEL ......................................................................................... xiv DAFTAR LAMPIRAN ...................................................................................xv BAB I PENDAHULUAN .................................................................................1 1.1. Latar Belakang .....................................................................................1 1.2. Rumusan Masalah ................................................................................4 1.3. Batasan Masalah ..................................................................................4 1.4. Tujuan Penelitian .................................................................................5 1.5. Manfaat ................................................................................................5 BAB II TINJAUAN PUSTAKA.......................................................................6 2.1. Sitem Pakar ..........................................................................................6 2.1.1. Definisi Sistem Pakar ................................................................6 2.1.2. Ciri-Ciri Sistem Pakar ...............................................................7 2.1.3. Keuntungan Sistem Pakar..........................................................7 2.1.4. Kelemahan Sistem Pakar ...........................................................8 2.1.5. Konsep Dasar Sistem Pakar.......................................................9 2.1.6. Struktur Sistem Pakar ................................................................9 2.1.6.1. Basis Pengetahuan .....................................................11 2.1.6.2. Mesin Inferensi ..........................................................13 2.2. Metode Forward Chaining ................................................................15 viii 2.3. Metode Classic Probability ...............................................................17 2.4. Context Diagram ................................................................................18 2.5. Data Flow Diagram ...........................................................................19 2.6. Entity Relationship Diagram .............................................................19 2.7. Flowchart ...........................................................................................20 2.8. Black Box Testing ..............................................................................22 2.9. Skala Likert ........................................................................................23 2.10. Ikan ...................................................................................................24 2.10.1. Definisi Ikan ..........................................................................24 2.10.2. Famili Cyprinidae .................................................................25 2.11. Identifikasi ........................................................................................26 2.12. Morfologi ..........................................................................................26 2.12.1. Bentuk Tubuh ........................................................................27 2.12.2. Bentuk Ekor ..........................................................................28 2.12.3. Mulut .....................................................................................30 2.12.4. Sisik .......................................................................................31 2.12.5. Sirip .......................................................................................32 2.12.6. Warna ....................................................................................33 BAB III METODOLOGI PENELITIAN........................................................34 3.1. Waktu dan Tempat Penelitian ............................................................34 3.2. Alat Pendukung ..................................................................................34 3.2.1. Perangkat Lunak ......................................................................34 3.2.2. Perangkat Keras .......................................................................35 3.3. Tahapan Penelitian .............................................................................35 3.3.1. Studi Literatur ..........................................................................36 3.3.2. Pengumpulan Data...................................................................36 3.3.3. Perancangan Sistem .................................................................36 3.3.3.1. Proses Bisnis .............................................................37 3.3.3.2. Context Diagram .......................................................38 3.3.3.3. Data Flow Diagram (DFD).......................................39 a. DFD level 1 ..........................................................39 b. DFD level 2 Mengelola Data Ikan ........................42 ix c. DFD level 2 Mengelola Data Ciri.........................43 d. DFD level 2 Mengelola Data Rule .......................44 e. DFD level 2 Mengelola Data Hasil Identifikasi ...44 f. DFD level 2 Identifikasi .......................................45 3.3.3.4. Entity Relationship Diagram (ERD) ........................48 3.3.3.5. Perancangan Interface (Antarmuka) ........................50 a. Pakar .....................................................................50 b. Pengguna ..............................................................57 3.3.4. Implementasi ...........................................................................61 3.3.5. Pengujian .................................................................................61 3.3.6. Penyusunan Laporan ...............................................................66 BAB IV HASIL DAN PEMBAHASAN ........................................................67 4.1. Analisa Kebutuhan Data ....................................................................67 4.2. Representasi Pengetahuan............................................................. 68 4.3. Implementasi Sistem ................................................................... 68 4.3.1. Tampilan Halaman Input Data (Pakar)....................................69 4.3.2. Tampilan Halaman Proses Identifikasi (Pengguna) ................74 4.3.3. Tampilan Halaman Hasil Identifikasi (Pengguna) ................103 4.3.4. Analisa Perhitungan Presentase .............................................103 4.4. Pengujian Sistem ..............................................................................106 4.4.1. Pengujian Kepakaran (Hasil Identifikasi) .............................106 4.4.2. Pengujian Fungsional ............................................................110 4.4.3. Pengujian Non Fungsional ....................................................115 BAB V PENUTUP ........................................................................................130 5.1. Kesimpulan ......................................................................................130 5.2. Saran ................................................................................................131 DAFTAR PUSTAKA ...................................................................................132 LAMPIRAN ..................................................................................................136 x DAFTAR GAMBAR Gambar Halaman 2.1. Konsep dasar fungsi sitem pakar (Arhami, 2005) ................................9 2.2. Struktur Sistem Pakar (Sutojo dkk, 2011) ...........................................10 2.3. Proses Backward Chaining (Arhami,2005) .........................................13 2.4. Proses Forward Chaining (Arhami,2005) ...........................................13 2.5. Diagram Alir Teknik Penelusuran Depth First Search ........................14 2.6. Diagram Alir Teknik Penelusuran Breadth-first search ......................14 2.7. Diagram Alir Teknik Penelusuran Best-first search ............................15 2.8. Bagian-bagian tubuh ikan secara morfologi (Bond, 1979) .................26 2.9. Bentuk-bentuk tubuh ikan (Bond, 1979) .............................................28 2.10.Bentuk morfologi ekor ikan (Affandi dkk, 1992) ..............................29 2.11.Letak mulut ikan (Bond, 1979) ..........................................................30 2.12.Bentuk-bentuk sisik ikan (Bond, 1979) ..............................................31 2.13.Letak sirip perut pada tubuh ikan (Bond, 1979) .................................32 3.1. Diagram Alir Tahapan Penelitian ........................................................35 3.2. Proses bisnis yang dilakukan pakar .....................................................37 3.3. Proses bisnis identifikasi .....................................................................38 3.4. Context Diagram ................................................................................39 3.5. DFD level 1 .........................................................................................41 3.6. DFD level 2 Mengelola Data Ikan ......................................................42 xi 3.7. DFD level 2 Mengelola Data Ciri .......................................................43 3.8. DFD level 2 Mengelola Data Rule ......................................................45 3.9. DFD level 2 Data Hasil Identifikasi ....................................................45 3.10. DFD level 2 Identifikasi ....................................................................46 3.11. Entity Relationship Diagram (ERD) .................................................49 3.12. Rancangan halaman login pakar........................................................50 3.13. Rancangan halaman beranda pakar ...................................................51 3.14. Rancangan halaman data ikan ...........................................................52 3.15. Rancangan halaman data ciri .............................................................52 3.16. Rancangan halaman hasil identifikasi ...............................................53 3.17. Rancangan halaman tambah data ikan ..............................................53 3.18. Rancangan halaman tambah data ciri ................................................54 3.19. Rancangan halaman tambah/ edit data rule .......................................55 3.20. Rancangan halaman urutan data rule.................................................55 3.21. Rancangan halaman rule ...................................................................56 3.22. Rancangan halaman bantuan .............................................................56 3.23. Rancangan halaman beranda pengguna ............................................57 3.24. Rancangan halaman daftar ikan ........................................................58 3.25. Rancangan halaman form identitas ...................................................59 3.26. Rancangan halaman pertanyaan ........................................................59 3.27. Rancangan halaman hasil identifikasi ...............................................60 3.28. Rancangan halaman kontak admin ....................................................60 3.29. Rancangan halaman tentang ..............................................................61 4.1. Tampilan halaman utama pakar ..........................................................69 xii 4.2. Tampilan halaman input data ikan ......................................................71 4.3. Tampilan halaman input data ciri ........................................................72 4.4. Tampilan halaman input (tambah/edit) rule ........................................72 4.5. Tampilan halaman urutan rule .............................................................73 4.6. Tampilan halaman rule ........................................................................73 4.7. Tampilan halaman utama pengguna ....................................................74 4.8. Tampilan halaman form identitas ........................................................74 4.9. Tampilan halaman pertanyaan iterasi-1 ..............................................76 4.10. Tampilan halaman pertanyaan iterasi-2 ............................................81 4.11. Tampilan halaman pertanyaan iterasi-3 ............................................87 4.12. Tampilan halaman pertanyaan iterasi-4 ............................................91 4.13. Tampilan halaman pertanyaan iterasi-5 ............................................96 4.14. Tampilan halaman pertanyaan iterasi-6 ............................................99 4.15. Tampilan halaman pertanyaan iterasi-7 ..........................................100 4.16. Tampilan halaman pertanyaan iterasi-8 ..........................................101 4.17. Tampilan halaman hasil identifikasi................................................105 4.18. Grafik penilaian kuisioner terhadap pernyataan 1 ...........................121 4.19. Grafik penilaian kuisioner terhadap pernyataan 2 ...........................122 4.20. Grafik penilaian kuisioner terhadap pernyataan 3 ...........................123 4.21. Grafik penilaian kuisioner terhadap pernyataan 4 ...........................124 4.22. Grafik penilaian kuisioner terhadap pernyataan 5 ...........................125 4.23. Grafik penilaian kuisioner terhadap pernyataan 6 ...........................126 4.24. Grafik penilaian kuisioner terhadap pernyataan 7 ...........................127 4.25. Grafik penilaian kuisioner terhadap pertanyaan 8 ...........................128 xiii DAFTAR TABEL Tabel Halaman 1.1. Persebaran ikan air tawar di Sumatera (Wargasasmita, 2002) ................2 2.1. Tabel Kemungkinan ...............................................................................18 2.2. Simbol Data Flow Diagram (Al Fatta, 2007) ........................................19 2.3. Simbol ERD (Al Fatta, 2007) ................................................................19 2.4. Flow Direction Symbols (Al-Bahra, 2005) ...........................................20 2.5. Processing Symbols (Al-Bahra, 2005) ..................................................21 2.6. Input-Output Symbols (Al-Bahra, 2005) ...............................................21 3.1. Daftar pengujian black box untuk pakar ................................................62 3.2. Daftar pengujian black box untuk pengguna .........................................65 4.1. Hasil pengujian kepakaran sistem .......................................................106 4.2. Hasil pengujian fungsional sistem (admin) .........................................110 4.3. Hasil pengujian fungsional sistem (pengguna) ....................................114 4.4. Hasil penilaian kuisioner oleh pakar ikan (Responden I) ....................117 4.5. Hasil penilaian kuisioner oleh peneliti BBI dan Mahasiswa Budidaya Perairan Unila (Responden II) .............................................................118 4.6. Hasil penilaian kuisioner oleh Mahasiswa Ilmu Komputer Unila (Responden III) ....................................................................................119 4.7. Kriteria index penilaian hasil kuisioner ...............................................120 xiv DAFTAR LAMPIRAN Lampiran Halaman 1. Data Ikan dan Data Ciri .........................................................................137 2. Data Ikan .................................................................................................147 3. Data Ciri..................................................................................................148 4. Pohon Keputusan ....................................................................................151 5. Tabel Keputusan .....................................................................................152 6. Basis Aturan ............................................................................................156 7. Hasil Rekap Penilaian Kuisioner ............................................................169 xv BAB I PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan salah satu negara dengan keanekaragaman jenis ikan yang tinggi. Letak perairan yang berada di daerah khatulistiwa dan beriklim tropis membuat Indonesia memiliki kekayaan biota air yang lebih banyak dibandingkan dengan daerah dingin maupun subtropis. Nelson (2006) memperkirakan total jenis ikan di dunia mencapai 40.000 jenis. Berdasarkan data yang terdapat pada www.fishbase.org hingga Februari 2016, terdapat 33.200 jenis ikan di dunia yang berhasil dideskripsikan. Jumlah jenis ikan yang tersebar di Indonesia yaitu 4857 spesies terdiri dari 1225 spesies air tawar dan 3632 spesies air laut. Jika dilihat dari jumlah jenis ikan air tawar, Indonesia menempati rangking pertama di Asia (Budiman dkk, 2002). Ikan air tawar merupakan jenis ikan yang hidup dan menghuni perairan daratan (inland water), yaitu perairan dengan kadar garam kurang dari 5% per ml (0-5%). Jumlah spesies ikan air tawar di Pulau Sumatera terdapat sebanyak 272 spesies, di Pulau Kalimantan terdapat 394 spesies, di Pulau Jawa terdapat 132 spesies, di sekitar garis Wallace terdapat 68 spesies, dan di Paparan Sahul (Papua) terdapat 58 spesies (Kartamihardja dkk, 2007). Berdasarkan data-data tersebut, Sumatera berada pada peringkat kedua 2 dalam keberagaman jenis ikan air tawar dibandingkan dengan pulau-pulau lain di Indonesia. Berdasarkan penelitian yang dilakukan oleh Wargasasmita (2002), didapatkan data persebaran ikan air tawar di Sumatera berdasarkan famili atau suku, dapat dilihat pada Tabel 1.1. Tabel 1.1. Persebaran ikan air tawar di Sumatera (Wargasasmita, 2002) No A. 1. 2. 3. 4. 5. 6. 7. 8. 9. B. 10. 11. 12. Famili/ Suku Primary Freshwater Fishes Belontiidae Balitoridae Akysidae Bagridae Cyprinidae Clariidae Channidae Cobitidae Siluridae Secondary Freshwater Fishes Chandidae Tetraodontidae Gobiidae Jumlah Spesies 26 24 7 24 128 9 11 16 26 12 16 47 Berdasarkan Tabel 1.1, dapat dilihat bahwa ikan air tawar yang paling banyak di Pulau Sumatera adalah ikan dari famili Cyprinidae. Cyprinidae merupakan famili ikan air tawar yang memiliki jumlah anggota spesies sangat banyak. Famili Cyprinidae menempati seluruh perairan umum, baik di danau, rawa banjiran maupun sungai (Nelson, 1994). Keadaan Pulau Sumatera yang memiliki kekayaan dan keanekaragaman jenis ikan berbanding terbalik dengan pengetahuan yang dimiliki oleh pengamat/ peneliti. Hal tersebut dapat terjadi karena terdapat beberapa kendala dalam proses identifikasi ikan, diantaranya : 3 1. Pakar ikan di Indonesia jumlahnya terbatas sehingga menyulitkan peneliti atau pengamat untuk berkonsultasi dengan pakar dalam menentukan prinsipprinsip identifikasi. 2. Dasar pedoman identifikasi ikan masih sulit didapatkan (langka). 3. Ketika melakukan pengamatan di lapangan, waktu yang diperlukan untuk menentukan jenis ikan relatif lama, karena pengamat harus mencatat dan mencocokkan deskripsi fisik tubuhnya di dalam buku pedoman. 4. Banyak bermunculan jenis ikan spesies baru yang belum terdokumentasi. 5. Belum adanya sistem yang menyimpan pengetahuan jenis ikan dan mampu bekerja layaknya pakar dalam mengidentifikasi jenis ikan. Oleh karena itu diperlukan suatu sistem yang dapat membantu tugas seorang pakar dalam mengidentifikasi jenis ikan secara terotomasi. Sistem pakar yang akan dibangun diharapkan dapat membantu mempermudah pengamat atau peneliti mengidentifikasi ikan tanpa harus bertemu dengan pakar secara langsung. Penelitian mengenai sistem pakar identifikasi jenis spesies sebelumnya telah dilakukan oleh Hasanati dan Dinda (2012) mengenai Rancang Bangun Sistem Pakar Berbasis Web untuk Mendiagnosis Jenis Burung Air: Waterbird Exsys. Penelitian ini bertujuan membuat sistem pakar untuk mendiagnosis jenis burung air menggunakan metode bakcward chaining. Hasil dari penelitian Hasanati dan Dinda (2012) berupa Sistem Pakar Diagnosis Jenis Burung Air Berbasis Web (Waterbird Exsys) yang dapat membantu untuk mengidentifikasikan jenis burung air secara cepat dan akurat, dan tidak terbatas tempat dan waktu selama pengguna terkoneksi dengan jaringan internet. Penelitian selanjutnya dilakukan oleh Ilham 4 (2010) mengenai Aplikasi Pengidentifikasi Jenis Karang di Perairan Pulau Panjang Kabupaten Jepara. Penelitian Ilham (2010) menghasilkan suatu aplikasi identifikasi jenis karang menggunakan metode forward chaining berbasis web. Pada penelitian ini akan dibangun suatu Sistem Pakar Identifikasi Jenis Ikan yaitu sistem yang berusaha mengadopsi pengetahuan pakar jenis ikan ke dalam komputer, sehingga komputer dapat menyelesaikan masalah identifikasi ikan. Sistem pakar yang akan dibangun merupakan sistem berbasis web sehingga peneliti atau pengamat dapat dengan mudah mengidentifikasi ikan dimana saja asalkan terkoneksi internet. Metode inferensi yang digunakan yaitu metode forward chaining. Metode tersebut digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan, proses diulang hingga ditemukan suatu hasil. Dengan adanya sistem pakar ini diharapkan dapat membantu pengguna untuk melakukan identifikasi ikan secara efektif dan efisien. 1.2. Rumusan Masalah Rumusan masalah pada penelitian ini yaitu bagaimana membangun sistem pakar berbasis web yang dapat digunakan untuk mengeidentifikasi jenis ikan berdasarkan ciri-ciri morfologi ikan tersebut. 1.3. Batasan Masalah Adapun batasan masalah dalam penelitian ini adalah sebagai berikut: 1. Ikan yang dapat di identifikasi pada sistem ini yaitu hanya ikan air tawar yang masuk ke dalam famili Cyprinidae dan persebaran nya di Pulau Sumatera. 5 2. Ikan jenis Cyprinidae yang dapat diidentifikasi sebanyak 41 jenis ikan dan jumlah ciri sebanyak 73 ciri. 3. Metode inferensi yang diimpelementasikan pada sistem ini forward chaining, yaitu proses identifikasi jenis ikan dilakukan berdasarkan ciri-ciri morfologi yang diberikan oleh sistem. 1.4. Tujuan Penelitian Tujuan dari penelitian ini yaitu membangun sistem pakar berbasis web yang dapat mengidentifikasi ikan berdasarkan ciri-ciri morfologi, sehingga pengamat/ peneliti dapat dengan mudah mengetahui nama jenis ikan dan informasi-informasi mengenai ikan tersebut. 1.5. Manfaat Penelitian Manfaat dari penelitian ini yaitu : 1. Peneliti/ pengamat dapat dengan mudah mengidentifikasi jenis ikan secara efektif dan efisien. 2. Memberikan informasi mengenai jenis ikan (nama spesies), taksonomi, ciriciri morfologi, habitat, persebaran dan informasi lain yang berkaitan dengan jenis-jenis ikan famili Cyprinidae kepada pengguna. 3. Terciptanya suatu sistem pakar identifikasi sebagai media penghubung antara pengamat/ peneliti dengan pakar dalam proses mengidentifikasi ikan. BAB II TINJAUAN PUSTAKA 2.1. Sistem Pakar 2.1.1. Definisi Sistem Pakar Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang dikembangkan pada pertengahan 1960. Sistem pakar berasal dari istilah knowledge-based expert system, yaitu sebuah sistem yang menggunakan pengetahuan manusia dimana pengetahuan tersebut dimasukkan kedalam komputer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan kepakaran atau keahlian manusia (Sutojo dkk, 2011). Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud di sini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Sistem pakar dipandang berhasil ketika mampu mengambil keputusan seperti yang dilakukan oleh pakar aslinya baik dari sisi proses pengambilan keputusannya maupun hasil keputusan yang diperoleh (Kusrini, 2008). 7 2.1.2. Ciri-Ciri Sistem Pakar Menurut Sutojo dkk (2011), ciri-ciri sistem pakar adalah : 1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran-penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami. 4. Berdasarkan pada kaidah/ ketentuan/ rule tertentu. 5. Dirancang untuk dapat dikembangkan secara bertahap. 6. Pengetahuan dan mekanisme penalaran (inference) jelas terpisah. 7. Keluarannya bersifat anjuran. 8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai dituntun oleh dialog dengan user. 2.1.3. Keuntungan Sistem Pakar Secara garis besar, banyak keuntungan yang dapat diambil dengan adanya sistem pakar, antara lain: 1. Memungkinkan orang awam mengerjakan pekerjaan para ahli. 2. Dapat melakukan proses secara berulang secara otomatis. 3. Menyimpan pengetahuan dan keahlian pakar. 4. Menigkatkan output dan produktifitas. 5. Meningkatkan kualitas. 6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka). 8 7. Memiliki kemampuan untuk mengakses pengetahuan. 8. Memiliki reliabilitas. 9. Meningkatkan kapabilitas sistem komputer. 10. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. 11. Sebagai media pelengkap dan pelatihan. 12. Meningkatkan kapabilitas dalam penyelesaian masalah. 13. Menghemat waktu dalam pengambilan keputusan. 2.1.4. Kelemahan Sistem Pakar Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain: 1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu bisa didapatkan dengan mudah karena kadang kala pakar dari masalah yang kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan yang dimiliki oleh pakar berbeda-beda. 2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya. 3. Boleh jadi sistem tak dapat membuat keputusan. 4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan. 9 2.1.5. Konsep Dasar Sistem Pakar Menurut Turban (1995), konsep dasar sistem pakar mengandung keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan dibidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah: 1. Fakta-fakta pada lingkup permasalahan tertentu. 2. Teori-teori pada lingkup permasalahan tertentu. 3. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu. 4. Strategi-strategi global untuk menyelesaikan masalah. 5. Meta-knowledge (pengetahuan tentang pengetahuan). Knowledge Base Fakta USER Keahlian Mesin Inferensi SISTEM PAKAR Gambar 2.1. Konsep dasar fungsi sitem pakar (Arhami, 2005) 2.1.6. Struktur Sistem Pakar Menurut Sutojo dkk (2011), sistem pakar terdiri dari dua bagian utama yaitu lingkungan pengembang (Development Environment) dan lingkungan konsultasi (Consultation Environment). Struktur sistem pakar dapat dilihat pada Gambar 2.2. 10 Gambar 2.2. Struktur Sistem Pakar (Sutojo dkk, 2011) Penjelasan mengenai struktur sistem pakar pada Gambar 2.2 adalah sebagai berikut : 1. Basis Pengetahuan Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah. 2. Mesin inferensi (inference engine) Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan dan blackboard, serta digunakan untuk memformulasikan konklusi. 11 3. Subsistem penambahan pengetahuan Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau memperluas pengetahuan dalam basis pengetahuan. Pengetahuan bisa berasal dari ahli, buku, basis data, penelitian, dan gambar. 4. Blackboard Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. 5. Antarmuka Digunakan sebagai media komunikasi antara user dengan program. 6. Subsistem penjelasan Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan : a. Mengapa suatu pertanyaan ditanyakan oleh sistem pakar? b. Bagaimana konklusi dicapai? 7. Sistem penyaring pengetahuan Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan dimasa mendatang. 2.1.6.1. Basis Pengetahuan Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu: 12 1. Penalaran berbasis aturan (Rule-Based Reasoning) Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu, juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah – langkah) pencapaian solusi. 2. Penalaran berbasis kasus (Case-Based Reasoning). Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini akan digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan. Dalam studi kasus pada sistem berbasis pengetahuan terdapat beberapa karakteristik yang dibangun untuk membantu dalam membentuk serangkaian prinsip-prinsip arsitekturnya. Prinsip tersebut meliputi: 1. Pengetahuan merupakan kunci kekuatan sistem pakar. 2. Pengetahuan sering tidak pasti dan tidak lengkap. 3. Pengetahuan sering miskin spesifikasi. 4. Amatir menjadi ahli secara bertahap. 5. Sistem pakar harus fleksibel. 6. Sistem pakar harus transparan. 13 2.1.6.2. Mesin Inferensi Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu pelacakan ke belakang (backward chaining) dan pelacakan ke depan (forward chaining). Pelacakan ke belakang adalah pendekatan yang di motori tujuan terlebih dahulu (goal-driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Observasi 1 Kaidah A Fakta 1 Kaidah D Observasi 2 Kaidah B Tujuan Fakta 2 Observasi 3 Kaidah E Kaidah C Fakta 3 Observasi 4 Gambar 2.3. Proses Backward Chaining (Arhami,2005) Pelacakan kedepan adalah pendekatan yang dimotori data (data driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN. Fakta 1 Kaidah C Kesimpulan 1 Fakta 2 Kaidah D Kesimpulan 2 Fakta 3 Kaidah E Kesimpulan 3 Kaidah A Observasi 1 Kaidah B Observasi 2 Gambar 2.4. Proses Forward Chaining (Arhami,2005) 14 Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penulusuran, yaitu Depth-first search, Breadth-first search dan Best-first search. 1. Depth-first search, melakukan penulusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan. Root Node (Start) 1 3 4 6 2 8 11 5 9 12 10 13 7 14 15 16 Goal (End) Gambar 2.5. Diagram Alir Teknik Penelusuran Depth First Search (Arhami,2005) 2. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya. Root Node (Start) 1 5 2 3 6 7 Level 0 4 8 9 Level 1 10 Level 2 Gambar 2.6. Diagram Alir Teknik Penelusuran Breadth-first search (Arhami, 2005) 15 3. Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya. Root Node (Start) 1 Level 0 2 Level 1 Level 2 5 3 6 4 7 8 9 10 Goal Gambar 2.7. Diagram Alir Teknik Penelusuran Best-first search 2.2. Metode Forward Chaining Menurut Sutojo dkk (2011) metode forward chaining merupakan teknik pencarian yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta-fakta tersebut dengan bagian dari rules IF-THEN. Bila ada fakta IF yang cocok dengan bagian IF, maka rule tersebut dieksekusi. Pencocokan berhenti bila tidak ada lagi rule yang bisa dieksekusi. Contoh studi kasus: B C D Kesimpulan 1 E F G Kesimpulan 2 I J K Kesimpulan 3 A Mulai H Rule /aturan : • IF A and B and C and D THEN Kesimpulan 1 • IF A and E and F and G THEN Kesimpulan 2 • IF H and I and J and K THEN Kesimpulan 3 16 Iterasi 1 : Apakah A bernilai benar (sesuai dengan fakta) ? Jika A bernilai benar (sesuai dengan fakta) maka : - Fakta : A - Rule / aturan yang mungkin : IF A and B and C and D THEN Kesimpulan 1 IF A and E and F and G THEN Kesimpulan 2 IF H and I and J and K THEN Kesimpulan 3 Iterasi 2 : Apakah B bernilai benar (sesuai dengan fakta) ? Jika B benar (sesuai dengan fakta) maka : - Fakta : A - Rule / aturan yang mungkin : IF A and B and C and D THEN Kesimpulan 1 IF A and E and F and G THEN Kesimpulan 2 Iterasi 3 : Apakah E bernilai benar (sesuai dengan fakta)? Jika E bernilai benar (sesuai dengan fakta) maka : - Fakta : A, E - Rule / aturan yang mungkin : IF A and E and F and G THEN Kesimpulan2 Iterasi 4 : Apakah F bernilai benar (sesuai dengan fakta)? Jika F bernilai salah (tidak sesuai dengan fakta) maka : - Fakta : A, E - Rule / aturan yang mungkin : IF A and E and F and G THEN Kesimpulan2 Jika rule/aturan tinggal tersisa 1 maka, rule tidak dihapus dan akan di cek sampai IF pada rule tersebut habis dan menghasilkan kesimpulan. 17 Iterasi 5 : Apakah G bernilai benar (sesuai dengan fakta)? Jika F bernilai salah maka : - Fakta : A, E, G - Rule/ aturan yang mungkin : IF A and E and F and G THEN Kesimpulan 2 Berdasarkan fakta yang diketahui yaitu A, E dan G, lalu fakta-fakta tersebut dicocokkan dengan rule/ aturan yang ada maka didapatlah kesimpulan yang paling mendekati yaitu Kesimpulan 2. 2.3. Metode Classic Probability Probabilitas merupakan suatu cara kuantitatif yang berhubungan dengan ketidakpastian yang telah ada. Teori probabilitas klasik pertama kali diperkenalkan oleh Pascal dan Fermat pada tahun 1654. Kemudian banyak kerja yang telah dilakukan untuk mengerjakan probabilitas dan ada beberapa cabang baru dari probabilitas yang dikembangkan. Probabilitas klasik disebut juga a priori probability karena berhubungan dengan suatu permainan (games) atau sistem. Seperti yang telah disebutkan sebelumnya, istilah a priori berarti “sebelum” (Arhami, 2005). Rumus umum untuk probabilitas klasik di definisikan sebagai peluang P(A) dengan n adalah banyaknya kejadian, n(A) merupakan banyaknya hasil mendapatkan A. Frekuensi relatif terjadinya A adalah maka (Arhami, 2005) : P(A)= n(A) N ................................ (1) 18 Keterangan : A : Ikan Cyprinus caprio P(A) : Peluang ikan Cyprinus caprio n : Jumlah seluruh ciri ikan Cyprinus caprio n(A) : Jumlah ciri ikan Cyprinus caprio yang dipilih/sesuai Probabilitas klasik ini digunakan untuk mendapatkan peluang kemungkinan suatu jenis ikan, sehingga untuk menghitung persentase adalah : Persentase (A) = P(A) x 100% ......................... (2) Tabel 2. 1. Tabel Kemungkinan Kondisi Presentase Pasti Tidak <10% Tidak Tahu 10-19% Hampir Mungkin 20-39% Mungkin 40-59% Kemungkinan Besar 60-79% Hampir Pasti 80-99% Pasti 100% 2.4. Context Diagram Context diagram adalah DFD pertama dalam proses bisnis. Menunjukkan semua proses dalam satu proses tunggal. Context diagram juga menunjukkan semua entitas luar yang menerima informasi dari atau memberikan informasi ke sistem (Al Fatta, 2007). 19 2.5. Data Flow Diagram Ada dua jenis DFD, yaitu DFD logis dan DFD fisik. DFD logis menggambarkan proses tanpa menyarakan bagaimana mereka akan dilakukan, sedangkan DFD fisik meggambarkan proses model berikut implementasi pemrosesan informasinya (Al Fatta, 2007). Tabel 2.2. Simbol Data Flow Diagram (Al Fatta, 2007). Elemen DFD Gene And Sarson De Marco and Jourdan Keterangan Menunjukkan pemrosesan data/ informasi yang terjadi di dalam sistem Menunjukkan arah aliran dokumen antar bagian yang terkait pada suatu sistem Tempat menyimpan dokumen arsip Proses Data Flow Data Store Menunjukkan entitas atau bagian yang terlibat yang melakukan proses Entitas 2.6. Entity Relationship Diagram ERD adalah gambar atau diagram yang menunjukkan informasi dibuat, disimpan dan digunakan dalam sistem bisnis. Entitas biasanya menggambarkan jenis informasi yang sama. Dalam entitas digunakan untuk menghubungkan antar entitas yang sekaligus menunjukkan hubungan antar data (Al Fatta, 2007). Tabel 2.3. Simbol ERD (Al Fatta, 2007) Elemen ERD Entitas Simbol Keterangan Menunjukkan objek pada suatu sistem/ menjelaskan entitas yang terlibat di dalamnya 20 Relationship Menunjukkan hubungan antara dua entitas Garis Penghubung Menunjukkan aliran data Atribut Melambangkan atribut 2.7. Flowchart Flowchart adalah bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara penyajian dari suatu algoritma. Flowchart disusun dengan simbol yang dipakai sebagai alat bantu menggambarkan proses di dalam program. Simbol-simbol yang digunakan dibagi menjadi tiga, yaitu (Al-Bahra, 2005): 1. Flow Direction Symbols Flow Direction Symbols merupakan simbol yang digunakan untuk menghubungkan antara simbol satu dengan simbol yang lain. Simbol ini disebut juga connecting line. Tabel 2.4. Flow Direction Symbols (Al-Bahra, 2005) Simbol Keterangan Simbol arus/ flow, untuk menyatakan jalannya arus suatu proses. Simbol communication link, untuk mengatakan bahwa adanya tranasmisi suatu data/ informasi dari suatu lokasi ke lokasi lainnya. Simbol connector, untuk menyatakan sambungan dari suatu proses ke proses lainnya dalam halaman yang sama. Simbol offline connector, untuk menyatakan sambungan dari suatu proses ke proses lainnya dalam halaman yang berbeda. 21 2. Processing Symbols Processing Symbols merupakan simbol yang menunjukkan jenis operasipengolahan dalam suatu proses/ prosedur. Tabel 2.5. Processing Symbols (Al-Bahra, 2005) Simbol Keterangan Simbol process, untuk menyatakan suatu tindakan (proses) yang dilakukan oleh komputer. Simbol manual, untuk menyatakan suatu tindakan (proses) yang tidak dilakukan oleh komputer(manual). Simbol decission/ logika, untuk menunjukkan suatu kondisi tertentu yang akan menghasilkan dua kemungkinan jawaban, ya/ tidak. Simbol predefined process, untuk menyatakan penyediaan tempat penyimpanan suatu pengolahan untuk memberi harga awal. Simbol terminal, untuk menyatakan permulaan atau akhir suatu program. Simbol keying operation, untuk menyatakan segala jenis operasi yang diproses dengan menggunakan suatu mesin yang mempunyai keyboard. Simbol offline-storage, untuk menunjukkan bahwa data dalam simbol ini akan disimpan ke suatu media tertentu. Simbol manual input, untuk menjelaskan bahwa data secara manual dengan menggunakan online keyboard. 3. Input-Output Symbols (Simbol Input-Output) Input-Output Symbols merupakan simbol yang menunjukkan jenis peralatan yang digunakan sebagai media input atau output. Tabel 2.6. Input-Output Symbols (Al-Bahra, 2005) Simbol Keterangan Simbol input/ output, untuk menyatakan proses input atau output tanpa tergantung jenis peralatannya. Simbol punched card, untuk menyatakan input berasal dari kartu atau outpus ditulis ke kartu. 22 Simbol magnetic tape, untuk menyatakan input berasal dari pita magnetis atau output disimpan ke pita magnetis. Simbol disk storage, untuk menyatakan input berasal dari disk atau output disimpan Simbol document, untuk mencetak keluaran dalam bentuk dokumen (melalui printer) Simbol display, untuk mencetak keluaran dalam layar monitor. 2.8. Black Box Testing Black box testing merupakan salah satu metode pengujian sistem yang dilakukan berdasarkan spesifikasi kebutuhan sistem dan tidak perlu memeriksa coding. Dengan black box testing, pengujian yang dilakukan hanya berdasarkan pandangan pengguna untuk mengetahui apakah fungsi yang dibutuhkan berjalan sesuai harapan atau tidak. Keuntungan penggunaan metode ini adalah penguji tidak memerlukan pengetahuan yang spesifik mengenai bahasa pemrograman yang digunakan dalam pembuatan sistem tersebut dan juga pengetahuan pada implementasinya (Nidhra dan Dondeti, 2012). Pada black box testing, ada beberapa teknik yang dapat digunakan, salah satunya adalah Equivalence Class Partioning. Pengujian dengan Equivalence Class Partioning didasarkan pada asumsi bahwa input dan output program dapat dibagi menjadi kelas dengan jumlah terbatas (valid dan non-valid) sehingga semua kasus yang sudah dipartisi ke dalam kelas-kelasnya akan diuji dengan perilaku yang sama (Nidhra dan Dondeti, 2012). 23 2.9. Skala Likert Metode ini merupakan metode penskalaan pernyataan sikap yang menggunakan distribusi respons sebagai dasar penentuan nilai skalanya. Nilai skala setiap pernyataan tidak ditentukan oleh derajat favourable masing-masing, akan tetapi ditentukan oleh distribusi respons setuju dan tidak setuju dari sekelompok responden yang bertindak sebagai kelompok uji coba (Azwar, 2011). Skala Likert, yaitu skala yang berisi lima tingkat preferensi jawaban dengan pilihan sebagai berikut : 1= sangat setuju; 2 = tidak setuju; 3 = ragu-ragu atau netral; 4 = setuju; 5 = sangat setuju. Persentase penilaian berdasarkan kriteria skala likert akan diperoleh dengan rumus aritmatika mean, yaitu (Djarwanto, 1996). ................................ (3) Keterangan : P = Persentase pernyataan Xi = Nilai kuantitatif total n = Jumlah responden N = Nilai kategori pernyataan terbaik Selanjutnya, penentuan interval per kategori digunakan rumus sebagai berikut : ...........................…. (4) Keterangan : I = Interval K = Kategori interval 24 2.10. Ikan 2.10.1. Definisi Ikan Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di air dan secara sistematik ditempatkan pada filum Chordata dengan karakteristik memiliki insang yang berfungsi untuk mengambil oksigen terlarut dari air dan sirip digunakan untuk berenang. Ikan hampir dapat ditemukan hampir di semua tipe perairan di dunia dengan bentuk dan karakter yang berbeda-beda (Adrim, 2010). Ciri-ciri umum dari golongan ikan adalah mempunyai rangka tulang belakang sejati dan bertulang rawan, mempunyai sirip tunggal atau berpasangan dan mempunyai operculum, tubuh ditutupi oleh sisik dan berlendir serta mempunyai bagian tubuh yang jelas antara kepala, badan dan ekor. Ukuran ikan bervariasi mulai dari yang kecil sampai yang besar. Kebanyakan ikan berbentuk torpedo, pipih, dan ada yang berbentuk tidak teratur (Siagian, 2009). Setiap ikan untuk dapat bertahan hidup dan berkembang biak harus dapat beradaptasi terhadap lingkungannya. Kondisi lingkungan yang berpengaruh terhadap kehidupan ikan meliputi kondisi fisik dan kimia antara lain kadar garam, kedalaman, kecerahan, keadaaan suhu, laju arus dan dasar perairan (Trijoko dan Pranoto, 2006). Ikan memiliki pola adaptasi yang tinggi terhadap kondisi lingkungan, baik terhadap faktor fisik maupun faktor kimia lingkungan seperti pH, DO, kecerahan, temperatur, dan lain sebagainya (Nybakken, 1998). 25 2.10.2. Famili Cyprinidae Famili Cyprinidae merupakan salah satu famili ikan yang termasuk dalam Ordo Cypriniformes. Cyprinidae famili ikan terbesar di dunia dengan 210 genus dan lebih dari 2010 spesies (Nelson, 1994). Saingan terdekat dalam jumlah spesies adalah dari famili Gobiidae yang mendominasi perairan laut dengan jumlah kurang dari 1900 spesies, 41% dari 24.618 spesies ikan di dunia berada di perairan umum, Cyprinidae mendominasi 20% dari ikan air tawar dunia dan 8% dari semua ikan (Berra, 1997). Famili Cyprinidae mendominasi hampir diseluruh perairan tawar di dunia yaitu di Eurasia, Afrika, dan Amerika Utara. Eurasia adalah rumah bagi sekitar 1.270 spesies cyprinids, pusat terbesar keragaman cyprinids adalah berada di China dan Asia Tenggara, Afrika menyumbang sekitar 475 spesies dalam 23 genus, sedangkan Amerika Utara memiliki sekitar 300 spesies dalam 50 genus (Nelson, 1994). Djuanda (1981) mengemukakan bahwa ikan famili Cyprinidae biasanya hidup di perairan umum seperti sungai, danau dan rawa-rawa yang banyak ditumbuhi tanaman air, dan hidup dengan baik pada perairan yang pHnya rendah. Menurut hasil studi pustaka Kottelat, dkk (1993), ikan famili Cyprinidae yang tersebar di pulau Sumatera berjumlah 77 spesies dari 32 Genus, yaitu: Albulichthys, Amblyrhynchichtys, Balantiocheilos, Barbichthys, Barbonymus, Brachydanio, Carassius, Chela, Crossocheilus, Cyclocheilichthys, Cyprinus, Epalzeorhynchos, Hampala, Labiobarbus, Leptobarbus, Lobocheilos, Luciosoma, Mysthcoloucus, Neobarynotus, Neolissochilus, Osteochilus, Parachela, 26 Pectenocypris, Poropuntius, Puntioplites, Puntius, Rasbora, Rasborichthys, Rohteichthys, Schimatorhynchos, Thynnichthys, Tor. 2.11. Identifikasi Identifikasi adalah tugas untuk mencari dan mengenal ciri-ciri taksonomik individu yang beraneka ragam dan memasukkannya ke dalam suatu takson. Identifikasi berkaitan erat dengan ciri-ciri taksonomik dan akan menuntun sebuah sampel ke dalam suatu urutan kunci identifikasi (Mayr and Ashlock, 1991). 2.12. Morfologi Morfologi adalah ilmu yang mempelajari bentuk tubuh dan bentuk organ luar suatu organisme. Secara historis, morfologi ikan merupakan sumber utama informasi untuk studi taksonomi dan evolusi. Ada beberapa karakteristik morfologi : Gambar 2.8. Bagian-bagian tubuh ikan secara morfologi (Bond, 1979) 27 2.12.1. Bentuk Tubuh Bentuk tubuh ikan biasanya berkaitan erat dengan tempat dan cara mereka hidup. Bentuk tubuh dapat dibedakan atas (Gambar 2.9): a. Fusiform atau bentuk torpedo (bentuk cerutu) Suatu bentuk yang sangat stream-line untuk bergerak dalam suatu medium tanpa mengalami banyak hambatan. Tinggi tubuh hampir sama dengan lebar tubuh, sedangkan panjang tubuh beberapa kali tinggi tubuh. Bentuk tubuh hampir meruncing pada kedua bagian ujung. Contoh : Euthynnus affinis : tongkol. b. Compressed atau pipih Bentuk tubuh yang gepeng ke samping. Tinggi badan jauh lebih besar bila dibandingkan dengan tebal ke samping (lebar tubuh). Lebar tubuh juga lebih kecil daripada panjang tubuh. Contoh : Parastromateus niger : bawal hitam. c. Depressed atau picak Bentuk tubuh yang gepeng ke bawah. Tinggi badan jauh lebih kecil bila dibandingkan dengan tebal ke arah samping badan (lebar tubuh). Contoh : Himantura uarnak : pare totol. d. Anguilliform atau bentuk ular atau sidat atau belut Bentuk tubuh ikan yang memanjang dengan penampang lintang yang agak silindris dan kecil serta pada bagian ujung meruncing/tipis. Contoh : Monopterus albus : belut. e. Filiform atau bentuk tali Bentuk tubuh yang menyerupai tali. Contoh : Pseudophallus straksii : pipefish. 28 f. Taeniform atau flatted-form atau bentuk pita Bentuk tubuh yang memanjang dan tipis menyerupai pita. Contoh : Trichiurus brevis : ikan layur. g. Sagittiform atau bentuk panah Bentuk tubuh yang menyerupai anak panah. Contoh : Esox lucius: pike. h. Globiform atau bentuk bola Bentuk tubuh ikan yang menyerupai bola. Contoh : Diodon histrix: buntal landak. Gambar 2.9. Bentuk-bentuk tubuh ikan (Bond, 1979) 2.12.2. Bentuk Ekor Menurut Affandi dkk (1992), secara morfologis bentuk luar sirip ekor dapat dibedakan menjadi (Gambar 2.10), yaitu: a. Rounded (membundar) misalnya pada ikan kerapu bebek (Cromileptes altivelis). 29 b. Truncate (berpinggiran tegak), misalnya pada ikan tambangan (Lutjanus johni). c. Pointed (meruncing), misalnya pada ikan sembilang (Plotosus canius). d. Wedge shape (bentuk baji), misalnya pada ikan gulamah (Argyrosomus amoyensis). e. Emarginate (berpinggiran berlekuk tunggal), misalnya pada ikan lencam merah (Lethrinus obsoletus). f. Double emarginate (berpinggiran berlekuk ganda), misalnya pada ikan ketang-ketang (Drepane punctata). g. Forked / Furcate (bercagak), misalnya pada ikan cipa-cipa (Atropus atropos). h. Lunate (bentuk sabit), misalnya pada ikan tuna mata besar (Thunnus obesus). i. Epicercal (bagian daun sirip atas lebih besar), misalnya pada ikan cucut martil (Eusphyra blochii). j. Hypocercal (bagian daun sirip bawah lebih besar), misalnya pada ikan terbang (Exocoetus volitans). Gambar 2.10. Bentuk morfologi ekor ikan (Affandi dkk, 1992). 30 2.12.3. Mulut Letak atau posisi mulut ikan dapat dibedakan atas (Gambar 2.11): a. Inferior Mulut yang terletak di bawah hidung, misalnya pada ikan pare kembang (Neotrygon kuhlii) dan ikan cucut (Chaenogaleus macrostoma). b. Subterminal Mulut yang terletak dekat ujung hidung agak ke bawah misalnya pada ikan kuro/ senangin (Eleutheronema tetradactylum) dan ikan setuhuk putih (Makaira indica). c. Terminal Mulut yang terletak di ujung hidung, misalnya pada ikan tambangan (Lutjanus johni) dan ikan mas (Cyprinus carpio). d. Superior Mulut yang terletak di atas hidung, misalnya pada ikan julung-julung (Hemirhamphus far) dan ikan kasih madu (Kurtus indicus). Gambar 2.11. Letak mulut ikan (Bond, 1979). 31 2.12.4. Sisik Seluruh badan ikan umumnya mempunyai sisik (squama). Sisik disebut juga rangka dermal, yang berhubungan dengan rangka luar (exoskeleton). Sisik atau squama membentuk rangka luar terutama pada ikan primitif, misalnya pada ikan tangkur kuda (Hippocampus histrix) yang memiliki sisik sangat keras. Menurut bentuknya, sisik ikan dapat dibedakan atas beberapa tipe (Gambar 2.12), yaitu: a. Cosmoid, terdapat pada ikan-ikan purba yang telah punah. b. Placoid, merupakan sisik tonjolan kulit, banyak terdapat pada ikan yang termasuk kelas Chondrichthyes. c. Ganoid, merupakan sisik yang terdiri atas garam-garam ganoin, banyak terdapat pada ikan dari golongan Actinopterygii. d. Cycloid, berbentuk seperti lingkaran, umumnya terdapat pada ikan yang berjari-jari sirip lemah (Malacopterygii). e. Ctenoid, berbentuk seperti sisir, ditemukan pada ikan yang berjari-jari sirip keras (Acanthopterygii). Gambar 2.12 Bentuk-bentuk sisik ikan (Bond, 1979) 32 2.12.5. Sirip Berdasarkan letak sirip perut terhadap sirip dada, dapat dibedakan empat macam letak sirip perut (Gambar 2.13), yaitu: a. Abdominal, yaitu jika letak sirip perut agak jauh ke belakang dari sirip dada, misalnya pada ikan bulan-bulan (Megalops cyprinoides) dan ikan japuh (Dussumieria acuta). b. Subabdominal, yaitu jika letak sirip perut agak dekat dengan sirip dada, misalnya pada ikan kerong-kerong (Therapon theraps) dan ikan karper perak (Hypophthalmichthys molitrix) c. Thoracic, yaitu jika sirip perut terletak tepat di bawah sirip dada, misalnya pada ikan layang (Decapterus russelli) dan ikan bambangan (Lutjanus sanguineus). d. Jugular, yaitu jika sirip perut terletak agak lebih ke depan daripada sirip dada, misalnya pada ikan kasih madu (Kurtus indicus) dan ikan tumenggung (Priacanthus tayenus). Gambar 2.13. Letak sirip perut pada tubuh ikan (Bond, 1979) 33 2.12.6. Warna Ikan mempunyai warna tubuh yang sederhana dan dapat dilihat dari habitatnya. Warna ikan disebabkan oleh schemachrome dan biochrome. Sel khusus yang memberikan ikan warna ada dua macam yaitu Iridocyte dan chromatophore (Sugiri,1992). BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Mei s.d. Oktober 2016. Tempat penelitian dilakukan di Jurusan Budidaya Perairan Fakultas Pertanian, Jurusan Ilmu Komputer Fakultas Matematikan Ilmu Pengetahuan Alam Universitas Lampung dan Balai Benih Ikan (BBI) Natar, Trimurjo, Metro. 3.2. Alat Pendukung Alat pendukung yang digunakan pada penelitian ini adalah sebagai berikut : 3.2.1. Perangkat Lunak Perangkat lunak yang digunakan untuk membangun sistem yaitu : a. Sistem Operasi Windows 8.1 Pro 64-bit b. XAMPP v.3.2.1 c. Text Editor (Notepad++ v.6.6.8) d. Adobe Dreamweaver CS 5.5 e. Web browser (Mozila Firefox) 35 3.2.2. Perangkat Keras Perangkat keras yang digunakan untuk membangun sistem yaitu sebuah laptop dengan spesifikasi sebagai berikut : a. Processor (Intel ® Core TM i3-4025U) b. RAM DDR3 2 GB c. HD 500 GB 3.3. Tahapan Penelitian Tahapan penelitian yaitu langkah-langkah yang dilakukan peneliti dalam melakukan penelitian. Beberapa tahapan yang akan dilakukan peneliti dalam membangun sistem pakar identifikasi jenis ikan famili Cyprinidae dapat diliht pada Gambar 3.1. MULAI IMPLEMENTASI SISTEM STUDI LITERATUR PENGUJIAN TIDAK PENGUMPULAN DATA YA PERANCANGAN SISTEM SEMUA FUNGSI BERJALAN YA PENYUSUNAN LAPORAN TIDAK SEMUA KEBUTUHAN TERSEDIA SELESAI Gambar 3.1. Diagram Alir Tahapan Penelitian 36 3.3.1. Studi Literatur Studi literatur merupakan tahap awal yang dilakukan dalam penelitian ini. Pada tahapan ini dilakukan pengumpulan data penelitian sebelumnya yang sejenis dengan penelitian yang akan dilakukan pada penelitian ini, dimana data tersebut dijadikan acuan/literatur. Studi literatur bertujuan untuk melihat kelemahankelemahan yang ada pada penelitian sebelumnya, lalu memperbaiki kelemahan tersebut. Setelah dilakukan penelusuran dan analisis, terdapat 2 jurnal mengenai sistem pakar identifikasi jenis spesies yang dapat dijadikan literatur. Penjelasan mengenai penelitian yang dijadikan literatur pada penelitian ini dapat dilihat pada bagian latar belakang penelitian. 3.3.2. Pengumpulan Data Tahap pengumpulan data merupakan tahapan kedua yang dilakukan pada penelitian ini. Pada tahap ini pengumpulan data dilakukan dengan cara studi literatur dan berkonsultasi dengan pakar ikan ibu Rara Diantari, Dosen Budidaya Perikanan Universitas Lampung dan berdasarkan hasil penelitian (Maulana, 2015). Data yang dikumpulkan berupa 41 jenis ikan famili Cyprinidae persebaran Sumatera dilengkapi dengan ciri-ciri morfologi, taksonomi, habitat, distribusi, dan informasi lain terkait ikan tersebut. 3.3.3. Perancangan Sistem Tahap perancangan sistem merupakan tahap penggambaran rencana pengembangan sistem ke dalam bentuk gambar yang bertujuan agar dapat mempermudah pengguna dalam memahami sistem yang akan dibangun. 37 Perancangan sistem pada penelitian ini terdiri dari perancangan Proses Bisnis, Context Diagram, Data Flow Diagram (DFD), Entity Relationship Diagram (ERD). 3.3.3.1. Proses Bisnis Proses bisnis dapat didefinisikan sebagai suatu kumpulan dari proses dan berisi kumpulan aktivitas atau pekerjaan yang saling berelasi satu sama lain untuk menyelesaikan suatu masalah tertentu atau menghasilkan suatu produk. Proses bisnis yang baik harus dapat mempermudah dalam memahami proses-proses didalamnya. Perancangan proses bisnis pakar dapat dilihat pada Gambar 3.2. dan proses bisnis identifikasi dapat dilihat pada Gambar 3.3. Gambar 3.2. Proses bisnis yang dilakukan pakar 38 Gambar 3.3. Proses bisnis identifikasi 3.3.3.2. Contecxt Diagram Context Diagram adalah nama lain dari Data Flow Diagram (DFD) level 0. Diagram ini menunjukkan semua entitas luar yang menerima informasi dari atau memberikan informasi ke sistem. Pada penelitian ini terdapat satu proses tunggal yaitu identifikasi jenis ikan dan dua entitas yaitu pengguna dan pakar. Perancangan context diagram sistem identifikasi ikan dapat dilihat pada Gambar 3.4. 39 Data login Data pakar Data ikan Dara ciri Data rule Data hasil identifikasi PAKAR Data pesan Data hasil identifikasi Data rule Data ciri Data hasil identifikasi SISTEM PAKAR IDENTIFIKASI IKAN Data ikan Data ikan Data ciri (pertanyaan) Data pakar Konfirmasi login Data pesan Data jawaban Data Identitas Pengguna Pengguna Gambar 3.4. Context Diagram 3.3.3.3. Data Flow Diagram (DFD) Data Flow Diagram (DFD) merupakan diagram yang menggambarkan aliran data pada suatu sistem. DFD dapat dibagi menjadi beberapa level sesuai kebutuhan, diantaranya level 0 (Context Diagram), level 1 yang menjelasakan aliran secara lebih rinci dibandingkan level 0, level 2, level 3 dan seterusnya. a. DFD level 1 Rancangan DFD level 1 sistem pakar identifikasi ikan dapat dilihat pada Gambar 3.5. Terdapat tujuh proses yang dapat dilakukan baik oleh pengguna maupun pakar, yaitu : 1. Proses Login Pada poses login, pakar harus mengisi username dan password agar dapat masuk ke dalam halaman utama admin. Setelah mengisi password dan username, sistem 40 akan memvalidasi data tersebut apakah sesuai dengan data password dan username yang ada di database. Apabila username dan password valid maka, sistem akan menampilkan halaman utama admin. Namun, apabila username dan password tidak valid maka sistem akan memberikan pemberitahuan bahwa username dan password tidak valid. 2. Proses Mengelola Data Ikan Proses ini menjabarkan proses pakar dalam mengelola data ikan yang tersimpan pada database tabel ikan. 3. Proses Mengelola Data Ciri Pada proses ini, pakar melakukan pengelolaan data ciri-ciri morfologi ikan yang tersimpan pada database tabel ciri. 4. Proses Mengelola Data Rule Proses ini dilakukan oleh pakar dalam mengelola data rule. Data rule merupakan data aturan yang berisi relasi antara data ikan dan data ciri. Oleh karena itu pada proses ini pakar menghubungkan setiap ikan memiliki ciri-ciri apa saja. 5. Proses Mengelola Data Hasil Identifikasi Proses ini dilakukan oleh pakar untuk mengelola data hasil identifikasi yang tersimpan pada database tabel hasil_identifikasi. 6. Proses Identifikasi Proses identifikasi merupakan proses yang dilakukan oleh pengguna dalam mengidentifikasi jenis ikan. Sistem akan menampilkan pertanyaan-pertanyaan ciri-ciri secara satu per satu, pengguna menjawab apakah ciri tersebut dimiliki oleh ikan yang dimiliki pengguna. Setelah menjawab pertanyaan-pertanyaan maka sistem akan mengeluarkan hasil identifikasi berupa nama ikan. 41 7. Proses Menampilkan Daftar Ikan Proses ini dilakukan oleh pengguna untuk menampilkan jenis-jenis ikan yang terdapat pada sistem. Data Login 1. Login Data login Data login Konfirmasi login Data ikan Data ikan pakar Data ikan Data ikan 2. Mengolah data ikan ikan ciri Data ciri Data ciri Pakar Data ciri 3. Mengolah data ciri Data ciri Data ikan Data rule Data rule 4. Mengolah data rule Data rule rule Data hasil identifikasi Data rule Data ciri Data hasil identifikasi Data hasil identifikasi 5. Mengolah data hasil identifikasi Data hasil identifikasi Data hasil identifikasi hasil_identifikasi Data rule Data pengguna Pengguna Data jawaban Data ciri 6. Identifikasi jenis ikan Data hasil identifikasi Data rule (belum menjawab) Data hasil identifikasi Analisa jenis ikan Data rule Data rule (setelah menjawab) analisa_tmp jawaban Data jawaban Data pengguna Data pengguna Analisa jenis ikan Data identifikasi pengguna_tmp identifikasi_tmp Data identifikasi Data pengguna Data ikan dipilih Data ikan 7. Menampilkan Daftar Ikan Gambar 3.5. DFD level 1 Data ikan Data Ikan dipilih 42 b. DFD level 2 Mengelola Data Ikan DFD level 2 selanjutnya adalah proses mengelola data ikan. Proses ini dilakukan oleh pakar, terdiri dari 3 proses yaitu menambah, menghapus, dan mengedit data ikan. Rancangan DFD level 2 mengelola data ikan dapat dilihat pada Gambar 3.6. 1. Proses Menambah Data Ikan Proses menambah ikan dilakukan oleh pakar dengan melakukan penambahan data jenis ikan baru, lalu data tersebut disimpan ke tabel ikan. 2. Proses Menghapus Data Ikan Proses menghapus ikan dilakukan oleh pakar dengan melakukan hapus data jenis ikan yang terdapat pada tabel ikan. 3. Proses Mengedit Data Ikan Proses mengedit data ikan dilakukan pakar dengan memilih ikan terlebih dahulu yang ingin diedit informasinya, setelah itu disimpan kembali ke tabel ikan dengan informasi yang telah di edit. Data ikan Data ikan Pakar Data ikan Data ikan Data ikan Data ikan 2.1 Menambah data ikan 2.2. Menghapus data ikan 2.3. Mengedit data ikan Data ikan Data ikan Data ikan Data ikan ikan Data ikan Data ikan Gambar 3.6. DFD level 2 Mengelola Data Ikan 43 c. DFD level 2 Mengelola Data Ciri DFD level 2 mengelola data ciri dapat dilihat pada Gambar 3.7. Pada proses mengelola data ciri terdiri dari 3 proses yaitu : 1. Proses Menambah Data Ciri Proses menambah data ciri dilakukan oleh pakar dengan melakukan penambahan data ciri baru, lalu data tersebut disimpan ke tabel ciri. 2. Proses Menghapus Data Ciri Proses menghapus data ciri dilakukan oleh pakar dengan melakukan hapus data ciri yang terdapat pada tabel ikan. 3. Proses Mengedit Data Ciri Proses mengedit data ciri dilakukan pakar dengan memilih ciri terlebih dahulu yang ingin diedit informasinya cirinya, setelah itu disimpan kembali ke tabel ciri dengan informasi yang telah di edit. Data ciri Data ciri Pakar Data ciri Data ciri Data ciri Data ciri 3.1 Menambah data ciri 3.2 Menghapus data ciri 3.3 Mengedit data ciri Data ciri Data ciri Data ciri Data ciri ciri Data ciri Data ciri Gambar 3.7. DFD level 2 Mengelola Data Ciri 44 d. DFD level 2 Mengelola Data Rule Rancangan DFD level 2 mengelola data rule dapat dilihat pada gambar 3.8. Pada proses mengelola data rule terdiri dari 4 proses yaitu : 1. Proses Menambah Data Rule Proses menambah data rule dilakukan oleh pakar dengan melakukan penambahan relasi baru antara penyakit dan ciri, lalu data tersebut disimpan ke tabel rule. 2. Proses Mengedit Data Rule Proses mengedit data rule dilakukan oleh pakar dengan melakukan perubahan relasi antara penyakit dan ciri, lalu data tersebut disimpan kembali ke tabel rule. 3. Proses Mengurutkan Data Rule Proses mengurutkan data rule dilakukan oleh pakar dengan melakukan pengurutan ciri yang dimiliki ikan, lalu data tersebut disimpan ke tabel rule. 4. Proses Menampilkan Data Rule Proses menampilkan data rule dilakukan oleh pakar untuk menampilkan data rule berupa relasi antara ikan dan ciri yang tersimpan di dalam tabel rule. e. DFD level 2 Mengelola Data Hasil Identifikasi Rancangan DFD level 2 mengelola data hasil identifikasi dapat dilihat pada gambar 3.9. Pada proses mengelola data hasil identifikasi terdiri dari 1 proses yaitu menghapus data hasil identifikasi. Proses ini dilakukan oleh pakar untuk menghapus data hasil identifikasi dari tabel hasil_identifikasi. 45 Data rule Data ciri 4.1 Menambah data rule Data rule Data ikan Data ciri 4.2 Mengedit data rule Data rule Data ikan Data ciri Pakar Data rule Data rule Data ikan Data ikan ikan Data ciri ciri Data rule Data rule 4.3 Mengurutkan data rule rule Data rule 4.4 Menampilkan data rule Data rule Data rule Gambar 3.8. DFD level 2 Mengelola Data Rule Data hasil identifikasi Pakar Data hasil identifikasi 5.1 Menghapus data hasil identifikasi Data hasil identifikasi hasil_identifikasi Data hasil identifikasi Gambar 3.9. DFD level 2 Data Hasil Identifikasi f. DFD level 2 Identifikasi Rancangan DFD level 2 identifikasi dapat dilihat pada gambar 3.10. Pada proses identifikasi terdiri dari 4 proses yaitu : 46 6.1 Menampilkan Form Identitas Pengguna Data Pengguna Data pengguna pengguna_tmp rule Data rule Pengguna Data ciri Data jawaban 6.2 Menampilkan pertanyaan ciriciri Data jawaban jawaban Data rule setelah menjawab Analisa pertanyaan selanjutnya analisa_tmp Analisa pertanyaan selanjutnya ciri Data ciri Analisa jenis ikan 6.3 Identifikasi Analisa jenis ikan identifikasi_tmp Data pengguna Data identifikasi 6.4 Menyimpan data identifikasi Data identifikasi hasil_identifikasi Data jawaban Data pengguna Data hasil identifikasi Data identifikasi 6.5 Menghitung presentase Presentase Data hasil identifikasi 6.6 Menampilkan Hasil Identifikasi Data hasil identifikasi ikan Data ikan Gambar 3.10. DFD level 2 Identifikasi 1. Proses Menampilkan Form Identitas Pengguna Proses ini merupakan proses awal yang dilakukan pengguna untuk dapat mengidentifikasi ikan. Pengguna mengisikan identitas singkat lalu data akan disimpan pda tabel pengguna_tmp. 47 2. Proses Menampilkan Pertanyaan Ciri-Ciri Proses selanjutnya yaitu proses menampilkan pertanyaan ciri-ciri. Setelah pengguna mengisi identitas maka sistem akan otomatis menampilkan pertanyaan. Pengguna harus menjawab ya atau tidak, jawaban tersebut lalu disimpan pada tabel jawaban_tmp. Setiap jawaban dari ciri akan berpengaruh terhadap pertanyaan selanjutnya. Setelah pengguna menjawab maka akan terbangun suatu analisa rule setelah menjawab dan akan disimpan di analisa_tmp. Berdasarkan analisa_tmp akan dihasilkan pertanyaan-pertanyaan selanjutnya sampai pertanyaan habis. 3. Proses Identifikasi Proses identifikasi dipengaruhi oleh data hasil dari analisa_tmp. Pada tabel analisa_tmp terdapat ciri selanjutnya dan jenis ikan yang mungkin. Analisa jenis ikan yang mungkin akan disimpan di tabel identifikasi_tmp. Sampai pada akhirnya akan dihasilkan satu jenis ikan yang mungkin, terdapat pada tabel identifikasi_tmp. Hasil dari tabel identifikasi_tmp merupakan hasil identifikasi berupa jenis ikan. 4. Proses Menyimpan Data Identifikasi Proses menyimpan data identifikasi merupakan proses lanjutan dari proses identifikasi. Apabila jenis ikan sudah teridentifikasi pada tabel identifikasi_tmp, selanjutnya data identifikasi jenis ikan tersebut akan disimpan ke dalam tabel hasil_identifikasi bersamaan dengan data pengguna yang sebelumnya telah disimpan pada tabel pengguna_tmp. 48 5. Proses Menghitung Presentase Proses menghitung presentase dilakukan ketika ikan sudah teridentifikasi dan disimpan pada tabel hasil_identifikasi. Perhitungan presentase dilakukan dengan memanggil data jawaban “ya” yang talah dipilih pengguna dan disimpan pada tabel jawaban. Data jawaban “ya” tersebut dibagi dengan total ciri yang dimiliki ikan, maka didapatlah presentase keakuratan. 6. Proses Menampilkan Hasil Identifikasi Proses menampilkan hasil identifikasi akan menampilkan data dari tabel hasil_identifikasi berupa data identitas pengguna, data identifikasi berupa jenis ikan yang telah teridentifikasi, dan presentase yang telah dihitung pada proses sebelumnya. Data identifikasi berupa jenis ikan yang telah teridentifikasi akan dicocokkan ke tabel ikan untuk mendapatkan dan menampilkan data berupa taksonomi, habitat, dan persebaran. 3.3.3.4. Entity Relationship Diagram (ERD) Entity Relationship Diagram merupakan gambaran atau model yang menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek data yang memiliki relasi. Penggambaran ERD dapat menggunakan beberapa notasi dan simbol yang tujuannya dapat menggambarkan struktur data dan hubungan antar data. Rancangan ERD sistem identifikasi ikan dapat dilihat pada Gambar 3.11. 49 id_kingdom id_kingdom nama_kingdom kingdom 1 id_phylum memiliki n id_phylum nama_phylum phylum 1 id_kelas memiliki n nama_kelas kelas 1 id_ordo memiliki n nama_ordo ordo id_famili id_ordo id_kelas 1 memiliki id_famili nama_famili n 1 famili id_genus memiliki n nama_genus genus 1 id_ciri id_kategori memiliki level nama_spesies gambar persebaran m id_ikan id_ikan deskripsi ikan m id_genus sumber_gambar habitat nama_lokal m Dii den tifi k asi n hasil_identifikasi tgl id_ikan ip_user nama id_ciri rule m m asi ifik a t n de tar Dii emen s n identifikasi_tmp id_ikan sumber_gambar id_kategori gambar_ciri nama_ciri n ciri n m Jawab analisa_tmp nama_kategori n id_ikan id_ciri ip_user level jawaban id_ciri jawaban ip_user ip_user jenis_kelamin pengguna_tmp pesan pakar alamat n memiliki 1 kategori_ciri id_pengguna ip_user nama tanggal jenis_kelamin tgl email Isi_pesan Id_identifikasi username password nama alamat Gambar 3.11. Entity Relationship Diagram (ERD) id_pesan 50 3.3.3.5. Perancangan Interface (Antarmuka) Perancangan interface bertujuan agar mempermudah pengguna dalam memahami sistem yang akan dibangun pada penelitian ini. Interface yang dirancang dikelompokkan menjadi dua bagian yaitu interface pengguna dan interface pakar. a. Pakar 1. Halaman Login Halaman login merupakan halaman yang paling pertama tampil apabila pakar ingin mengakses atau mengelola data pada sistem. Perancangan halaman login dapat dilihat pada Gambar 3.12. Apabila username dan password yang diinputkan valid, maka sistem akan menampilkan halaman utama pakar seperti pada Gambar 3.13. Namun, apabilla username dan password yang diinputkan tidak valid, maka sistem akan menampilkan kotak dialog pesan kesalahan. Gambar 3.12. Rancangan halaman login pakar 2. Halaman Beranda Halaman beranda merupakan halaman utama pakar setelah pakar melalui proses login. Pada halaman utama, sistem akan menampilkan beberapa menu yang berkaitan dengan pengelolaan data pada sistem. Rancangan beranda pakar dapat dilihat pada Gambar 3.13. 51 Gambar 3.13. Rancangan halaman beranda pakar 3. Halaman Lihat Data Pada menu lihat data terdapat 3 sub menu yaitu :  Halaman Data Ikan Halaman data ikan merupakan halaman yang menyajikan data-data ikan yang terdapat pada database sistem. Terdapat beberapa aksi yang dapat dilakukan oleh pakar terhadap data ikan, diantaranya tambah, edit, hapus, dan view detail. Halaman data ikan dapat dilihat pada Gambar 3.14. Halaman tambah data ikan dapat dilihat pada Gambar 3.17.  Halaman Data Ciri Halaman data ciri merupakan halaman yang menyajikan data-data ciri yang terdapat pada database sistem. Terdapat beberapa aksi yang dapat dilakukan oleh pakar terhadap data ciri, diantaranya tambah, edit dan hapus. Halaman data ciri dapat dilihat pada Gambar 3.16. Halaman tambah data ciri dapat dilihat pada Gambar 3.18. 52  Halaman Rekap Identifikasi Halaman rekap identifikasi merupakan halaman yang berisi data seluruh pengguna yang telah melakukan identifikasi menggunakan sistem ini. Pakar dapat menghapus data-data hasil identifikasi. Rancangan halaman rekap identifikasi dapat dilihat pada Gambar 3.16. Gambar 3.14. Rancangan Halaman Data Ikan Gambar 3.15. Rancangan halaman data ciri 53 Gambar 3.16. Rancangan halaman hasil identifikasi 4. Halaman Tambah Data Menu tambah data terdiri dari 2 sub menu yaitu :  Halaman Tambah Data Ikan Halaman tambah data ikan memudahkan pengguna untuk menambahkan jenis ikan baru. Tampilan halaman tambah data ikan dapat dilihat pada Gambar 3.17. Gambar 3.17. Rancangan halaman tambah data ikan 54  Halaman Tambah Data Ciri Halaman tambah data ikan memudahkan pengguna untuk menambahkan ciri baru. Tampilan halaman tambah data ciri dapat dilihat pada Gambar 3.18. Gambar 3.18. Rancangan halaman tambah data ciri 5. Halaman Rule Halaman data rule merupakan halaman pengelolaan relasi antara ikan dan ciri-ciri. Pada menu data rule terdapat tiga sub menu diantaranya :  Tambah/ Edit Rule Pada halaman tambah data rule, pakar harus memilih nama ikan yang ingin ditambahkan rule nya terlebih dahulu. Setelah itu sistem akan menampilkan semua ciri-ciri yang telah tersimpan pada database. Pakar dapat memilih ciri-ciri mana saja yang dimiliki oleh ikan tersebut (Gambar 3.19). Kemudian setelah disimpan, sistem akan meminta pakar menginputkan urutan ciri-ciri yang telah dipilih sebelumnya berdasarkan prioritas seperti yang ditampilkan pada Gambar 3.20. Data tersebut akan menjadi basis aturan atau rule yang akan digunakan pada sistem. Tampilan halaman tambah data rule dapat dilihat pada Gambar 3.19. 55 Gambar 3.19. Rancangan halaman tambah/ edit data rule  Urutan Data Rule Pada sub menu urutan data rule, pakar dapat mengedit/ mengubah urutan ciri-ciri yang sebelumnya telah disimpan pada proses tambah rule. Tampilan halaman urutan data rule dapat dilihat pada Gambar 3.20. Gambar 3.20. Rancangan halaman urutan data rule 56  Lihat Rule Pada sub menu menampilkan rule, pakar dapat melihat data-data rule yang telah tersimpan pada database sistem. Rancangan tampilan data rule dapat dilihat pada Gambar 3.21. Gambar 3.21. Rancangan halaman rule 6. Halaman Bantuan Halaman bantuan merupakan halaman yang dapat memberikan informasi kepada pakar mengenai petunjuk penggunaan sistem sebagai pakar. Rancangan halaman bantuan dapat dilihat pada Gambar 3.22. Gambar 3.22. Rancangan halaman bantuan 57 b. Pengguna 1. Halaman Beranda Halaman beranda merupakan halaman utama apabila pengguna mengakses situs sistem identifikasi ikan. Pada halaman beranda, sistem menampilkan beberapa menu pilihan diantaranya daftar ikan, identifikasi, dan tentang. Rancangan halaman beranda dapat dilihat pada Gambar 3.23. Gambar 3.23. Rancangan halaman beranda pengguna 2. Halaman Daftar Ikan Halaman daftar ikan menampilkan seluruh data ikan yang telah tersimpan pada database. Apabila nama jenis ikan di klik, maka akan muncul detail ikan berupa informasi taksonomi, habitat, dan persebaran. Rancangan halaman daftar ikan dapat dilihat pada Gambar 3.24. 58 Gambar 3.24. Rancangan halaman daftar ikan 3. Halaman Identifikasi Halaman identifikasi merupakan halaman yang paling penting di dalam sistem ini. Pada halaman ini pengguna dapat memulai identifikasi jenis ikan. Ada beberapa tahapan pada proses identifikasi, diantaranya :  Menampilkan form identitas Langkah awal dalam proses identifikasi adalah pengguna harus menginputkan identitas terlebih dahulu. Data identitas akan disimpan ke dalam database sebagai arsip. Rancangan form identitas dapat dilihat pada Gambar 3.25.  Menampilkan pertanyaan-pertanyaan Setelah proses input identitas selesai, maka sistem akan menampilkan pertanyaanpertanyaan mengenai ciri ikan. Pengguna harus menjawab ya atau tidak sampai pertanyaan yang ditampilkan sistem tidak ada lagi. Rancangan tampilan pertanyan dapat dilihat pada Gambar 3.26. 59  Menampilkan hasil identifikasi Tahap terakhir setelah pengguna menjawab semua pertanyaan yang ditampilkan sistem yaitu menampilkan hasil identifikasi. Rancangan hasil identifikasi dapat dilihat pada Gambar 3.27. Gambar 3.25. Rancangan halaman form identitas Gambar 3.26. Rancangan halaman pertanyaan 60 Gambar 3.27. Rancangan halaman hasil identifikasi 4. Halaman Kontak Admin Halaman kontak admin merupakan halaman yang dapat digunakan oleh pengguna untuk mengirimkan pesan kepada admin/ pakar. Rancangan kontak admin dapat dilihat pada Gambar 3.28. Gambar 3.28. Rancangan halaman kontak admin 61 5. Halaman Tentang Halaman tentang berisi informasi mengenai pengembang sistem. Rancangan informasi tentang dapat dilihat pada Gambar 3.29. Gambar 3.29. Rancangan halaman tentang 3.3.4. Implementasi Tahapan selanjutya setelah tahap perancangan selesai adalah tahap implementasi. Pada tahap implementasi, sistem akan mulai dibangun dengan bahasa pemrograman Php dan database Mysql. Metode inferensi yang diterapkan pada penelitian ini yaitu metode forward chaining. 3.3.5. Pengujian Pada tahap sebelumnya yaitu tahap implementasi akan menghasilkan suatu sistem. Sistem tersebut harus diuji terlebih dahulu sebelum digunakan oleh banyak orang. Pada tahap pengujian akan dipastikan bahwa sistem akan menghasilkan suatu informasi yang akurat. Pengujian yang dilakukan pada penelitian ini yaitu pengujian kepakaran sistem, fungsional dan non fungsional. 62 3.3.5.1. Pengujian Kepakaran Pengujian kepakaran sistem ini bertujuan untuk menguji kemampuan sistem pakar dalam mengidentifikasi jenis ikan berdasarkan fakta-fakta yang diberikan. 3.3.5.2. Pengujian Fungsional Pengujian fungsional bertujuan untuk menguji fungsionalitas sistem. Pengujian fungsional yang dilakukan yaitu metode black box dengan teknik Equivalence Partitioning (EP). EP akan membagi domain masukan dari program ke dalam kelas-kelas sehingga test case dapat diperoleh. Pengujian EP dapat digunakan untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau tidak. Rancangan daftar pengujian dapat dilihat pada tabel 3.1 dan 3.2. Tabel 3.1. Daftar pengujian black box untuk pakar No Kelas Uji 1. Login 2. Fungsi pada menu Lihat Data “Data Ikan” Daftar Kasus Uji Pengujian Input data Username=admin, login Password=monik, klik tombol login Tambah Pakar mengisi penuh data ikan kolom inputan dan klik tombol simpan Pakar tidak mengisi penuh kolom inputan dan klik tombol simpan Hasil yang Diharapkan Masuk ke halaman dashboard pakar Tampil pemberitahuan “Berhasil” dan data tersimpan ke database Tampil pemberitahuan kolom input tidak boleh kosong dan data tidak tersimpan ke database 63 Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan Edit data ikan 3. Fungsi pada menu Lihat Data “Data Ciri” Hapus data ikan View data ikan Tamba h data ciri Pakar memilih tombol edit pada ikan yang ingin diedit informasinya dan mengganti data ikan tanpa mengosongkan satu kolom pun, klik tombol simpan Pakar memilih tombol edit pada ikan yang ingin diedit informasinya dan mengganti data ikan tetapi ada kolom input yang tidak diisi, klik tombol simpan Pakar memilih tombol delete pada ikan yang ingin dihapus Pakar memilih tombol view pada ikan yang ingin dilihat informasi detail nya Pakar mengisi penuh kolom inputan dan klik tombol simpan Pakar tidak mengisi penuh kolom inputan dan klik tombol simpan Edit data ciri Hapus data ciri Pakar memilih tombol edit pada ciri yang ingin diedit dan mengganti data ciri tanpa mengosongkan satu kolom pun, klik tombol simpan Pakar memilih tombol edit pada ciri yang ingin diedit dan mengganti data ciri tetapi ada kolom input yang tidak diisi, klik tombol simpan Pakar memilih tombol delete pada ciri yang ingin dihapus Tampil pemberitahuan “Data berhasil di update” dan data tersimpan ke database Tampil pemberitahuan kolom input tidak boleh kosong dan data tidak tersimpan ke database Tampil pemberitahuan “Data berhasil dihapus” Tampil detail informasi mengenai ikan yang dipilih Tampil pemberitahuan “Berhasil” dan data tersimpan ke database Tampil pemberitahuan kolom input tidak boleh kosong dan data tidak tersimpan ke database Tampil pemberitahuan “Data berhasil di update” dan data tersimpan ke database Tampil pemberitahuan kolom input tidak boleh kosong dan data tidak tersimpan ke database Tampil pemberitahuan “Data berhasil dihapus” 64 Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan 4. Fungsi pada menu Tambah Data “Data Ikan” Tambah data ikan Pakar mengisi penuh kolom inputan dan klik tombol simpan Pakar tidak mengisi penuh kolom inputan dan klik tombol simpan 5. Fungsi pada menu Tambah Data “Data Ciri” Tambah data ciri Pakar mengisi penuh kolom inputan dan klik tombol simpan Pakar tidak mengisi penuh kolom inputan dan klik tombol simpan 6. Fungsi pada menu Rule “Tambah / Edit Rule” Tambah / Pakar memilih ikan dan edit rule menandai(√) ciri-ciri yang akan dijadikan sebagai aturan, lalu klik tombol lanjutkan 7. 8. Fungsi pada menu Rule “Urutan Rule” Edit urutan rule Fungsi pada Lihat menu Rule data rule “Lihat Rule” Pakar memilih ikan tanpa menandai(√) satupun ciri, lalu menekan tombol lanjutkan Pakar memilih ikan dan mengganti urutan rule dengan mengisi semua kolom inputan urutan (level), lalu menekan tombol lanjutkan Pakar memilih ikan dan tidak mengisi penuh kolom inputan urutan (level), lalu menekan tombol lanjutkan Pakar memilih menu Lihat Rule Tampil pemberitahuan “Berhasil” dan data tersimpan ke database Tampil pemberitahuan kolom input tidak boleh kosong dan data tidak tersimpan ke database Tampil pemberitahuan “Berhasil” dan data tersimpan ke database Tampil pemberitahuan kolom input tidak boleh kosong dan data tidak tersimpan ke database Tampil pemberitahuan “Data rule berhasil disimpan, selanjutnya isi urutan rule!”, lalu akan muncul halaman urutan rule untuk mengurutkan ciri sesuai prioritas Tampil pemberitahuan “Ciri belum dipilih!” Tampil pemberitahuan “Data berhasil disimpan!” Tampil pemberitahuan “Isikan level!” Tampil halaman seluruh data rule atau relasi atau basis aturan yang ada pada sistem 65 Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan 7. Fungsi pada menu Bantuan Pengujian menampilkan bantuan penggunaan sistem untuk pakar Pakar memilih menu bantuan Tampil halaman bantuan yang berisi informasi cara penggunaan sistem Tabel 3.2. Daftar pengujian black box untuk pengguna No. Kelas Uji 1. Fungsi pada menu Daftar Ikan 2. Fungsi pada menu identifikasi Daftar Pengujian Pengujian menampilkan detail ikan berdasarkan ikan yang dipillih Form identitas Pertanyaan ciri 3. Fungsi pada menu tentang Pengujian menampilkan tentang pengembang sistem Kasus Uji Pengguna memilih tombol lihat detail pada ikan yang ingin dilihat informasi detailnya Pengguna menginputkan data identitas secara penuh, lalu klik lanjutkan Pengguna klik tombol ya atau tidak Pengguna memilih menu tentang Hasil yang Diharapkan Tampil halaman informasi detail ikan yang dipilih Tampil halaman pertanyaan ciri-ciri Tampil pertanyaan berikutnya, apabila pertanyaan habis akan tampil hasil identifikasi Tampil halaman tentang yang berisi informasi tentang sistem, sistem pakar dan pengembang 3.3.5.3. Pengujian Non Fungsional Pengujian non fungsional didasarkan pada pengujian sistem dari atribut nonfungsional. Pengujian non fungsional melibatkan pengujian perangkat lunak dari persyaratan yang non fungsional baik seperti content, tampilan (user interface), kemudahan (user friendly), kinerja, dan kecepatan askses. 66 3.3.6. Penyusunan Laporan Tahap penyusunan laporan merupakan tahap akhir dalam penelitian ini. Penyusunan laporan dapat dilakukan ketika beberapa proses sebelumnya telah selesai, sistem telah selesai dan diuji, serta tidak terdapat kesalahan. Data hasil pengujian sistem akan dianalisa dan ditarik kesimpulan. Selanjutnya, seluruh data hasil penelitian akan disusun dan didokumentasikan dalam bentuk laporan. BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil penelitian yang telah dilakukan, dapat ditarik kesimpulan bahwa : 1. Sistem Pakar Identifikasi Jenis Ikan Famili Cyprinidae telah berhasil dibangun, dimana sistem ini dapat membantu mempercepat pengamat/ peneliti/ masyarakat dalam mengidentifikasi jenis ikan berdasarkan ciri-ciri morfologi (fakta) yang diberikan. 2. Sistem dapat memberikan informasi yang bermanfaat bagi pengamat/ peneliti/ masyarakat berupa taksonomi, nama lokal, habitat, persebaran dan informasi lain mengenai ikan. 3. Berdasarkan pengujian yang telah dilakukan, didapatkan rata-rata keakurasian sebesar 93,2% sehingga dapat disimpulkan sistem dapat mengidentifikasi dengan cukup baik. Presentase keakuratan dipengaruhi oleh jumlah fakta/ ciri yang sesuai. Semakin banyak fakta yang sesuai dengan ciri pada sistem maka keakuratan akan lebih tinggi dan sebaliknya. 4. Berdasarkan penilaian pengguna menggunakan kuisioner, dapat disimpulkan bahwa “Sistem Pakar Identifikasi Ikan” mendapatkan presentase penilaian sebesar 79,5% (tergolong baik) menurut pakar ikan/ orang yang paham 131 mengenai identifikasi ikan, mendapatkan presentase penilaian sebesar 881,17% (tergolong sangat baik) menurut peneliti/ orang yang berhubungan langsung dengan proses identifikasi ikan, dan mendapatkan presentase penilaian sebesar 85,75% (tergolong sangat baik) menurut orang awam yang tidak paham mengenai identifikasi ikan. 5.2. Saran Beberapa saran yang diberikan setelah dilakukan penelitian ini untuk pengembangan lebih lanjut adalah sebagai berikut : 1. Penambahan data-data jenis ikan, ciri, aturan-aturan/ rule dan informasi lain mengenai ikan. 2. Pada penelitian selanjutnya, sistem dapat dikembangkan ke dalam bentuk aplikasi mobile. DAFTAR PUSTAKA Achjar, M dan Rismunandar. 1986. Perikanan Darat. CV Sinar Baru. Bandung. Adrim, M dan Fahmi. 2010. Panduan Penelitian Untuk Ikan Laut, Pusat Penelitian Oseanografo-LIPI. Jakarta. Affandi, R.., S.S. Djadja., M.F. Rahardjo., dan Sulistiono. 1992. Iktiologi, suatu pedoman kerja laboratorium. IPB. 344 hlm. Al-Bahra. 2005. Analisis dan Desain Sistem Informasi. Graha Ilmu. Yogyakarta. Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi. ANDI. Yogyakarta. Arhami, M. 2005. Konsep Dasar Sistem Pakar. ANDI. Yogyakata. Azwar, S. 2011. Sikap dan Perilaku, Dalam: Sikap Manusia Teori dan Pengukurannya. Pustaka Pelajar. Yogyakarta. Berra, T. M. 1997. Some 20th century fish discoveries. Environ. BioI. Fishes 50, 1-12. Bond, C.E. 1979. Biology of Fishes. W.B. Saunders Company. Philadelphia. Budiman, Arie., A. J. Arief., dan A. H. Tjakrawidjaja. 2002. Peran Museum Zoologi Dalam Penelitian dan Konservasi Keanekaragaman Hayati (ikan). Jumal Iktiologi Indonesia, 2(2):5l-55. Djarwanto, P.S. 1996. Statistik Induktif. BPFE-UGM. Yogyakarta. 133 Djuanda, T. 1981. Dunia Ikan. Penerbit Armico. Bandung. Froese, R., and Pauly D. Editors. 2016. FishBase.A global information system on fishes. http://www.fishbase.org/. [Diakses tanggal 18 Februari 2016]. Hasanati, Nida’ul dan Dinda Fitriasari. 2012. Rancang Bangun Sistem Pakar Berbasis Web untuk Mendiagnosis Jenis Burung Air: Waterbird Exsys. Jurnal Al-Azhar Indonesia Seri Sains Dan Teknologi, Vol. 1, No. 3. Hubbs, C.L and K.F. Lagler. 1958. Fishes of the Great Lakes Region. University of Michigan Press, Ann Arbor. Michigan. Ilham, Bondan Al. 2010. Aplikasi Pengidentifikasi Jenis Karang di Perairan Pulau Panjang Kabupaten Jepara. (Skripsi). Universitas Diponegoro. Semarang. Kadir, Abdul. 2003. Pengenalan Sistem Informasi. ANDI Yogyakarta. Yogyakarta. Kartamihardja, E. S. 2007. Fish stock enhancement: optionaltechnology for increasing fisheries production in inland open waters of Indonesia. Indonesian Fisheries Research Journal, 1 (1); 1-10 (in Indonesian). Kottelat, M., AJ Whitten., SN Kartikasari dan Wiryoatmojo. 1993. Freshwater fishes of western Indonesia and Sulawesi. Periplus Edition. Hongkong. Kusrini. 2008. Aplikasi Sistem Pakar. ANDI Yogyakarta. Yogyakarta. Maulana, Agus Tri. 2014. Identifikasi Ikan Famili Cyprinidae Dari Way Tulang Bawang.(Skripsi). Universitas Lampung. Bandar Lampung. Mayr, E and P.D. Ashlock. 1991. Principles of Systematic Zoology. Second edition.McGraw Hill International Edition. New York. Nelson, J. 1994. Fishes of the World – third edition. NY: John Wileyand Sons.New York. Nelson, JS. 2006. Fishes of the world. 4th Edition. John Wiley & Sons. Hoboken (New Jersey, USA). 134 Nidhra, Srinivas dan Jagruthi Dondeti. 2012. Black Box and White Box Testing Techniques- A Literature Review. International Journal of Embedded Systems and Application (IJESA), Vol 2, No.2, PP. 29-50. Nugroho, B. 2014. Aplikasi Sistem Pakar. Yogyakarta: Gava Media. Nybakken, J. W. 1988. Biologi Laut: Suatu Pendekatan Ekologis, (Alih Bahasa oleh: H. M. Eidman, Koesoebioono, D. G. Bengen, M.Hutomo, S.Sukardjo). PT. Gramedia Pustaka Utama. Jakarta. Omar, Andi., S. Bin. 1987. Penuntun Praktikum Ichthyologi. Jurusan Perikana Universitas Hasanuddin. Ujungpandang. Pratignyo. 984. Mahluk Hidup. Proyek Buku Terpadu. Jakarta. Siagian, C. 2009. Keanekaragaman dan Kelimpahan Ikan Serta Keterkaitannya dengan Kualitas Perairan di Danau Toba Balige Sumatera Utara.(Tesis) Universitas Sumatera Utara. Medan. Strauss, R.E. 2010. Prospectus: the future of morphometrics. In: Morphometrics for Nonmorphometricians (E. Ashraf, ed.), pp. 345-352. Lecture Notes in Earth Sciences 124, Springer-Verlag. Sugiri, N. 1992. Biologi Jilid 2. Erlangga. Jakarta Sutojo, T., Edy M., dan Vincent S. 2011. Kecerdasan Buatan. ANDI Yogyakarta. Semarang. Trijoko dan S.Pranoto. 2006. Keanekaragaman Jenis Ikan di Sepanjang Aliran Sungai Opak Daerah Istimewa Yogyakarta.Proseding Seminar Nasional Ikan IV : Fakultas Biologi Universitas Gajah Mada. Yogyakarta. Turan, C. 1999. A Note on The Examination of Morphometric Differentiation Among Fish Population: the Truss System. Journal of Zoology Vol. 23. hlm 259-263. 135 Wargasasmita, Sunarya. 2002. Ikan Air Tawar Endemik Sumatera yang Terancam Punah. Jumal Iktiologi Indonesia Vol.2, No. 2: 41-49. Zulkifli. 2013. Model Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak Metode Black Box. Seminar Nasional Aplikasi Teknologi Informasi (SNATI). ISSN: 1907-5022, PP.33-37. ABSTRACT AN EXPERT SYSTEM FOR IDENTIFICATION TYPES OF FAMILY CYPRINIDAE FISH USING FORWARD CHAINING DAN CLASSIC PROBABILITY METHOD By RETNO MONYKA AGUSTIANTI Fish is defined as vertebrate animals (vertebrates) that lives in the water, the mnumber of fish reached 33,200 types scattered around the world. One of the obstacles in studying the types of fish is the identification process. The difficulty in identification of fish caused by the limited number of specialists/ experts and the difficulty of finding fish identification guidebook, therefore in this research built an expert system that is able to identify the type of fish based on knowledge provided directly from the experts. Expert system in this study is a web-based system that built using the programming language Php and using Mysql database. Inference method used in this system is Forward Chaining. This method is used to determine which rules are executed according to the facts, then the rule is executed, the process is repeated until a result is found. The next step after the results found is counting the percentage of accuracy using classic probability method. In this research, the system can identify 41 types of freshwater fish family Cyprinidae that is spreading in Sumatra and provide information related to taxonomy, species names, local names, habitat, distribution. Testing the reliability of the system using the 10 case studies, and showed an average accuracy of 93.2%. Based on the values of accuracy, we can conclude that the system can identify the fish properly. Kata Kunci : expert system, forward chaining, classic probability, fish identification, cyprinidae. ABSTRAK SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC PROBABILITY Oleh RETNO MONYKA AGUSTIANTI Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di air, jumlahnya mencapai 33.200 jenis tersebar di seluruh dunia. Salah satu kendala dalam mempelajari jenis-jenis ikan adalah proses identifikasi ikan. Kesulitan dalam proses identifikasi ikan disebabkan oleh terbatasnya jumlah pakar/ ahli dan sulitnya menemukan buku pedoman identifikasi ikan. Oleh karena itu pada penelitin ini dibangun suatu sistem pakar yang mampu mengidentifikasi jenis ikan berdasarkan pengetahuan yang diberikan langsung dari pakar/ ahlinya. Sistem pakar yang dibangun berbasis web, menggunakan bahasa pemrograman Php dan database Mysql. Metode inferensi yang digunakan dalam sistem ini yaitu Forward Chaining. Metode ini digunakan untuk menentukan aturan mana yang akan dijalankan sesuai fakta yang ada, kemudian aturan tersebut dijalankan, proses diulang hingga ditemukan suatu hasil. langkah selanjutnya setelah hasil ditemukan adalah menghitung presentase akurasi menggunakan classic probability . Pada penelitian ini, sistem dapat mengidentifikasi 41 jenis ikan air tawar famili cyprinidae yang persebarannya di Pulau Sumatera dan memberikan informasi terkait taksonomi, nama spesies, nama lokal, habitat, persebaran. Pengujian keandalan terhadap sistem menggunakan 10 studi kasus, dan didapatkan hasil rata-rata akurasi sebesar 93,2%. Berdasarkan nilai akurasi tersebut, dapat disimpulkan bahwa sistem dapat mengidentifikasi ikan dengan baik. Kata Kunci : sistem pakar, forward identifikasi ikan chaining, classic probability,
Dokumen baru
Dokumen yang terkait

SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY C..

Gratis

Feedback