1. PENDAHULUANDi indonesia tumbuh berbagai jenis tanaman baik yang sudah diberi nama

ilmiah maupun yang belum. Para ahli di bidang botani telah banyak membuat tulisan untuk mengidentifikasi tanaman, salah satunya adalah dengan menggunakan kunci identifikasi tumbuhan. Cara yang dilakukan dengan mencocokkan ciri yang terdapat pada tumbuhan yang akan diidentifikasi dengan ciri maupun takson yang telah dibuat kunci nya. Kunci identifikasi merupakan pertanyaan yang jawabannya harus ditemukan pada specimen yang akan diidentifikasi.

Perkembangan di bidang komputer sangatlah pesat, salah satu adalah teknik untuk membuat komputer mampu mengolah pengetahuan yang dikenal dengan teknik kecerdasan buatan atau artificial intelligence. Dengan pendekatan ini manusia mencoba membuat komputer dapat berfikir seperti cara yang dipakai manusia memecahkan masalah.

Salah satu bidang kecerdasan adalah sistem pakar atau expert system yang dapat meniru proses penalaran para pakar dalam memecahkan masalah. Teknologi komputer berusaha memindahkan pengetahuan dari para pakar ke dalam komputer agar dapat digunakan pada berbagai bidang sesuai dengan kepakaran yang dimasukkan. Mengingat keterbatasan jumlah ahli atau pakar tumbuhan dan keanekaragaman tumbuhan di indonesia sehingga diperlikan sebuah sistem yang baik untuk mengatasi hal ini. Cara yang dipilih dalam bidang kepakaran identifikasi tumbuhan adalah dengan kunci identifikasi yang dituangkan ke dalam sebuah software sistem pakar.

2. SISTEM PAKARSalah satu cabang ilmu komputer yang sangat membantu manusia adalah

kecerdasan buatan atau artificial intelligence. Kecerdasan buatan adalah cabang ilmu komputer yang bertujuan untuk membuat sebuah komputer dapat berpikir dan bernalar seperti manusia. Tujuan praktis dari kecerdasan buatan ini adalah membuat komputer semakin berguna bagi manusia. Kecerdasan buatan dapat membantu manusia dalam membuat keputusan, mencari informasi secara lebih akurat, atau membuat komputer lebih mudah digunakan dengan tampilan yang menggunakan bahasa natural sehingga mudah dipahami. Salah satu bagian dari sistem kecerdasan buatan adalah sistem pakar dimana sistem pakar adalah bagian dari ilmu Kecerdasan buatan yang secara spesifik berusaha mengadopsi kepakaran seseorang di bidang tertentu ke dalam suatu sistem atau program komputer.1. Arsitektur Sistem Pakar

Arsitektur sistem pakar dapat dilihat pada gambar 1 di bawah ini dimana sebuah sistem pakar terdiri dari tiga modul utama, yaitu: knowledge base, working memory dan inference engine yang merupakan bagian utama dari sebuah sistem pakar. Sedangkan bagian-bagian selain ketiga komponen utama itu adalah : user interface, developer interface, explanation facility, dan external programs.

1

Keterangan :a. Knowledge base adalah representasi pengetahuan dari seorang atau beberapa

pakar yang diperlukan untuk memahami, memformulasikan dan memecahkan masalah. Dalam hal ini digunakan untuk memecahkan masalah-masalah yang terjadi pada komputer. Knowledge base ini terdiri dari dua elemen dasar, yaitu fakta dan rules.

b. Inference engine merupakan otak dari sistem pakar yang mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar. Mekanisme ini yang menganalisis suatu masalah tertentu dan kemudian mencari solusi atau kesimpulan yang terbaik.

c. Working Memory merupakan tempat penyimpanan fakta-fakta yang diketahui dari hasil menjawab pertanyaan.

d. User/developer interface. Semua software pengembangan sistem pakar memberikan interface yang berbeda bagi user dan developer. User akan berhadapan dengan tampilan yang sederhana dan mudah sedangkan developer akan berhadapan dengan editor dan source code waktu mengembangkan program.

e. Explanation facility memberikan penjelasan saat mana user mengetahui apakah alasan yang diberikan sebuah solusi.

f. External programs. Berbagai program seperti database, spreadsheets, algorithms, dan lainnya yang berfungsi untuk mendukung sistem.

Semakin banyak pengetahuan yang dimasukan kedalam Sistem Pakar, maka sistemtersebut akan semakin baik dalam bertindak, sehingga hampir menyerupai pakar yang sebenarnya.

2

Gambar 2. di atas merupakan gambaran konsep dasar Sistem Pakar, dimana pengguna (user) menyampaikan fakta atau informasi kepada Sistem Pakar, kemudian fakta dan informasi tersebut akan di simpan ke knowledge-base (basis pengetahuan), dan diolah dengan mekanisme inferensi, sehingga sistem dapat memberikan respon kepada penggunanya berupa keahlian atau jawaban berdasarkan pengetahuan yang dimilikinya.Tujuan Sistem PakarTujuan dari sebuah Sistem Pakar adalah mentransfer kepakaran yang dimiliki seorang pakar kedalam komputer dan kemudian kepada orang lain (non expert). Aktivitas pemindahan kepakaran adalah :- Knowledge Acquisition (dari pakar atau sumber lain)- Knowledge Representation (ke dalam komputer)- Knowledge Inferencing- Knowledge Transfering

3. SISTEM PAKAR KLASIFIKASI TUMBUHANDibidang botani, tumbuhan digolong-golongkan atas beberapa kelompok

misalnya Spermatophyta, Pterodophyta, dan lain sebagainya.Taksonomi sebagian besar didasarkan atas persamaan cirinya. Kategori

identifikasi untuk tumbuhan pada dasarnya adalah Regnum atau dunia, Divisio, Sub Divisio, Classis atau kelas, Ordo atau bangsa, Familia atau suku, Genus atau marga, dan Species atau jenis.

Nama suatu jenis tanaman dapat berupa nama ilmiah ataupun nama indonesia. Nama ilimiah biberikan oleh para ahli taksonomi tumbuhan. Nama ini berlaku internasional, terutama dikalangan ilmuwan tumbuh-tumbuhan. Cara penulisan untuk nama ilmiah menggunakan sistem binomial atau biner atau ”nama dua kata”. Individu-individu tanaman mempunyai sifat tersendiri yang tetap dan sama dikelompokkan sebagai suatu spesies. Sedangkan yang dimaksud

3

dengan genus adalah pengelompokan alamiah dari spesies yangmemiliki sifat umum yang mirip.

4. SISTEM IDENTIFIKASI Selain mengadakan penggolongan atau klasifikasi, tugas yang penting

lainnya adalah ”pengenalan” atau ”identifikasi”. Melakukan identifikasi tumbuhan berarti mengungkapkan atau menetapkan identifikasi atau ”jati diri” suatu tumbuhan yang dalam hal ini menentukan namanya yang benar dan tempatnya yang tepat dalam klasifikasi.

5. REPRESENTASI PENGETAHUANMetode representasi pengetahuan yang digunakan adalah production rule

atau kaidah produksi. Kaidah produksi ini dikatakan sebagai implikasi dua bagian yaitu bagian premiseatau kondisi dan bagian konklusi atau maka. Apabila bagian premise dipenuhi maka bagian konklusi akan bernilai benar. Bila bagian premise tidak dipenuhi maka akan melompat ke bagian prtemise lain dibawahnya. Suatu kaidah produksi dapat terdiri atas beberapa premise dan lebih dari satu konklusi. Anatara premise satu dengan premise yang lain dapat dihubungkan dengan ”atau” atau ”dan”. Terdapat tiga elemen utama dari semua sistem produksi, yaitu :

1. Database globalMerupakan struktur data utama dari sistem produksi.

2. Kaidah produksiKaidah produksi mempunyai bagian kondisi (IF) yang disebut bagian kanan dan aksi (THEN) yang disebut bagian kiri.

3. Sistem kontrolMerupakan program penterjemah yang esensial untuk

mengontrol urutan dimana kaidah-kaidah produksi dipicu dan menyelesaikan konflik jika lebih dari satu kaidah yang diaplikasikan.

Beberapa keuntungan yang dapat diperoleh dari sistem produksi yaitu :

1. Expressiveness dan intuitiveness

4

Karena berkaitan dengan pengalaman pekerjaan manusia dan diorganisasikan dalam bentuk saran atau nasehat.

2. SederhanaSederhana karena menggunakan kaidah produksi berupa IF..THEN sehingga tepat mengarah kepada pendokumentasian.

3. Kemampuam modularity dan kemampuan memodifikasiInformasi dapat ditambahkan dan dihapus dari sistem secara esensial dan tidak mengakibatkan efek samping serta dapat menunjukkan kenaikan produksi dengan tidak mengalami pengurangan kinerja (Ciri modular).

4. Pengetahuan intensifPengetahuan intensif yang diberikan berupa pengetahuan murni karena setiap kaidah produksi ekuivalen untuk suatu ringkasan dan kejelasan.

Gambar 1. Diagram tree identifikasi tanaman

6. CARA REPRESENTASI PENGETAHUANAda beberapa cara untuk mempresentasikan pengetahuan. Pada penelitian

ini cara yang digunakan adalah dengan metode kaidah produksi (production rules).

5

Regnum

Divisio

Classis

Ordo

Familia Genus

Nama Tumbuhan /

NamaIlmiah

TaksonTumbuhan

Ciri-ciri Fisik

Bentuk daun

Warna Bunga

Rule 1 :IF Regnum Plantae OR Tumbuhan AND

Divisio Spermatophyta OR Tumbuhan berbiji AND Classis Monocotyledoneae OR Biji Berkeping tunggal ANDOrdo Musales OR Pisang ANDFamilia Musaceae ANDBentuk daun menyirip ANDWarna bunga Kuning

THENNama Ilmiah Musa ParadisaNama Tumbuhan Pohon Pisang

Rule 2 :IF Regnum Plantae OR Tumbuhan AND

Divisio Spermatophyta OR Tumbuhan berbiji ANDClassis Dicotyledoneae OR Biji Berkeping dua ANDOrdo Malvales ANDFamilia Malvaceae ANDBentuk daun menyiripANDWarna Bunga Merah OR Orange Or Pink

THENNama ilmiah Hibiscus RosasinensisNama Tumbuhan Bunga Sepatu

7. MENYUSUN MESIN INFERENSISetelah basis pengetahuan dimasukkan dalam working memory atau basis

data, maka selanjutnya menyusun mesin inferensi yang akan berusaha menganalisis masalah sesuai dengan basis pengetahuan yang dimasukkan dan selanjutnya mencari jawaban atau kesimpulan . mesin inferensi akan memulai pelacakkannya dengan mencocokkan kaidah-kaidah dalam basis pengetahuan dengan fakta yang ada pada basis data.

8. TEKNIK INFERENSIBerdasarkan teknik inferensi yang digunakan yaitu alur mundur atau

Backward Chainning atau goal driven, kinerja sistem dalam pencapaian kesimpulan didasarkan pada langkah berikut:

1. Memulai penalaran dari sekumpulan hipotesa.2. Menemukan ciri-ciri yang sesuai hipotesa menuju fakta-fakta yang

mendukung hipotesa tersebut.3. Begitu selanjutnya sampai pada kesimpulan atau goal tercapai.

Sebagai contoh dilakukan trace atau penelusuran spesies dengan backward chaining. Dengan hipotesa awal adalah spesies Hibiscus Rosasinensis.

Langkah 1 Goal spesies Hibiscus Rosasinensis

6

Langkah 2 Goal diketahuiLangkah 3 Temukan rule dengan goal tersebut, dimulai dari rule 1Langkah 4 Lihat jika rule 1 dengan premis 1 “ Regnum Plantae atau

Tumbuhan” YESLangkah 5 Lihat rule 1, premise 2 “Divisio Spermatophyta atau

Tumbuhan berbiji” YESLangkah 6 Lihat rule 1, premise 3 “Classis Monocotyledoneae atau Biji

Berkeping tunggal” NOLangkah 7 Lompat ke rule 2, premise 1 “Regnum Plantae atau

Tumbuhan” YESLangkah 8 Lihat rule 2, premise 2 “Divisio Spermatophyta atau

Tumbuhan berbiji” YESLangkah 9 Lihat rule 2, premise 3 “Classis Dicotyledoneae atau Biji

Berkeping dua” YESLangkah 10 Lihat rule 2, premise 4 “Ordo Malvales” YESLangkah 11 Lihat rule 2, premise 5 “Familia Malvaceae” YESLangkah 12 Lihat rule 2, premise 6 “ Bentuk daun ” YESLangkah 13 Lihat rule 2, premise 7 “ Warna bunga Merah atau orange atau

pink” YES

Hibiscus Rosasinensis

Hibiscus Rosasinensis

9. IMPLEMENTASI SISTEM PAKARImplementasi sistem pakar untuk identifikasi tumbuhan menggunakan

komponen pembentuk rule, yaitu:1. Qualifier atau pengkualifikasian

Pengkualifikasian merupakan komponen yang memberikan pilihan pada pemakai. Contoh pada input warna bunga pada sistem pakar identifikasi tanaman, qualifier dapat berupa:Warna bunga

Putih

7

WORKING MEMORY: Regnum plantae atau

tumbuhan Divisio Spermatophyta atau

Tumbuhan berbiji Classis Dicotyledoneae

atau Biji Berkeping dua Ordo malvales Famili Malvaceae Bentuk daun menyirip Warna bunga merah atau

orange atau pink

MerahOrangePink

2. VariableVariable memberikan keleluasaan pada pemakai untuk memasukkan input berupa angka.

3. ChoiceChoice atau goal merupakan tujuan akhir dari system pakar atau merupakan output dari system pakar. Contohnya pada system pakar identifikasi tanaman, choice nya adalah tanaman yang akan diidentifikasi, contoh:ChoiceMusa ParadisaHibiscus RosasinensisOryza sativa

10. KESIMPULANPada penelitian ini dirancang sebuah basis pengetahuan untuk

identifikasi tanaman. Untuk proses identifikasinya melihat dari ciri yang menonjol pada tanaman tersebut. Dari ciri yang dimasukkan, sistem pakar dapat memberikan kesimpulan mengenai nama spesies tanaman tersebut.

Perancangan sistem pakar untuk identifikasi tanaman ini masih dalam tahap prototipe, artinya masih dalam suatu sistem dengan skala kecil. Identifikasi ini ditujukan untuk tanaman di Indonesia. Sietem pakar ini termasuk kategori interpretasi, dengan tipe representasi production rules dan teknik penelusuran backward-chaining (pelacakan mundur).

Pada pembuatan sistem pakar ini dibuat sebuah software shell berbasis Winexsys dengan knowledge base identifikasi tanaman yaitu dengan memasukkan ciri-ciri atau jati diri yang menonjol dari kayu antara lain Takson tumbuhan: , serta ciri fisik: . Dari pencirian tersebut menghasilkan kesimpulan berupa nama spesies dari tanaman tersebut.

8