SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR … · paling penting dalam budidaya ikan air tawar...

SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR

TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR

SILMI HASLINDA

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

INSTITUT PERTANIAN BOGOR

BOGOR

2013

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Pakar

Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air

adalah benar karya saya dengan arahan dari komisi pembimbing dan belum

diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber

informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak

diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam

Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Juni 2013

Silmi Haslinda

G64104053

ABSTRAK

SILMI HASLINDA. Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar

Berdasarkan Lokasi dan Kualitas Air. Dibimbing oleh TOTO HARYANTO dan

IRZAL EFFENDI.

Penelitian ini mengembangkan suatu sistem pakar yang dirancang untuk

merekam dan menggunakan ilmu pengetahuan, pengalaman, dan keahlian dari

tenaga ahli yang memiliki disiplin ilmu pada bidang perikanan budidaya untuk

identifikasi jenis budidaya ikan air tawar yang sesuai dengan lokasi dan kualitas

air yang ada. Metode k-fold cross validation digunakan untuk pembagian subset

data latih dan data uji dengan 3 kali ulangan untuk tiap pelatihan dan pengujian.

Nominal distance digunakan untuk perhitungan jarak pada parameter yang bersifat

nominal, sedangkan untuk parameter yang bersifat numerik menggunakan

Euclidean distance yang akan digabungkan menggunakan rumus aggregate.

Selanjutnya dilakukan proses klasifikasi untuk penentuan jenis ikan yang sesuai

dengan menggunakan k-nearest neighbour yang menghasilkan rata-rata akurasi

terbaik pada nilai k = 3 dengan normalisasi, yaitu 97.41%.

Kata kunci: aggregate, euclidean distance, k-fold cross validation, k-nearest

neighbour, nominal distance, sistem pakar

ABSTRACT

SILMI HASLINDA. Expert System for Determining Freshwater Fish Farming

Type Based on Location and Water Quality. Supervised by TOTO HARYANTO

and IRZAL EFFENDI.

This research developed an expert system designed to record and use

knowledge, experience, and expertise of the experts in aquaculture to identify

what types of freshwater fish farming based on location and existing water

quality. K-fold cross validation method is used for sharing subset of data train and

data test with three replications for each training and testing. Nominal distance is

used to calculate distances on the nominal parameters, while Euclidean distance is

used to calculate numerical parameters that will be combined using aggregate

formula. The resulting distances are combined by aggregate formula. The

classification method used for determining the appropriate class type is K-Nearest

Neighbor that give the best average of accuracy at k = 3 with normalization, with

a value of 97.41%.

Keywords: aggregate, Euclidean distance, expert system, k-fold cross validation,

k-nearest neighbour, nominal distance

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ilmu Komputer

pada

Departemen Ilmu Komputer

SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR

TAWAR BERDASARKAN LOKASI DAN KUALITAS AIR

SILMI HASLINDA

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

INSTITUT PERTANIAN BOGOR

BOGOR

2013

Judul Skripsi: Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar

Berdasarkan Lokasi dan Kualitas Air Nama : Silmi Haslinda

NIM : G641040535

Disetujui oleh

Toto Haryanto, SKom, MSi

Pembimbing I

Ir Irzal Effendi, MSi

Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom

Ketua Departemen Ilmu Komputer

Tanggal Lulus:

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wata’ala atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang

dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2012 ini ialah

Sistem Pakar Penentuan Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan

Kualitas Air.

Terima kasih penulis ucapkan kepada Bapak Toto Haryanto SKom, MSi dan

Bapak Ir Irzal Effendi, MSi selaku pembimbing serta kepada Ibu Dr Yeni

Herdiyeni SSi, MKom selaku dosen penguji yang telah memberikan arahan dan

saran selama penelitian ini berlangsung hingga selesai. Ungkapan terima kasih

juga disampaikan kepada orangtua, kakak, adik serta seluruh keluarga dan teman-

teman, atas segala doa dan kasih sayangnya.

Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan

skripsi ini.

Semoga karya ilmiah ini bermanfaat.

Bogor, Juni 2013

Silmi Haslinda

DAFTAR ISI

DAFTAR TABEL vii

DAFTAR GAMBAR vii

DAFTAR LAMPIRAN viii

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 3

Manfaat Penelitian 3

Ruang Lingkup Penelitian 3

TINJAUAN PUSTAKA 4

Gambaran Umum Budidaya Perikanan 4

Keragaman Jenis Ikan Air Tawar 4

Ikan Bawal 5

Ikan Patin 5

Ikan Lele 7

Ikan Mas 8

Ikan Nila 9

Ikan Mujair 11

Sistem Pakar 12

K-Fold Cross Validation 12

Normalisasi 12

Confusion Matrix 13

KNN (K-Nearest Neighbour) 13

METODE 14

Akuisisi Pengetahuan 14

Representasi Pengetahuan 15

Pengembangan Mesin Inferensia 15

Identifikasi Masalah 16

Pengadaan Data 17

Praproses Data 21

Penentuan Data Latih dan Data Uji 21

Klasifikasi 21

Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan

Kualitas Air 22

Hasil Prediksi 22

Implementasi Pengembangan 22

Pengujian 22

HASIL DAN PEMBAHASAN 22


Akuisisi Pengetahuan 23

Representasi Pengetahuan 24

Pengembangan Mesin Inferensi 24


Pengadaan Data 25

Praproses Data 25

Min Max Normalization 26

Penentuan Data Latih dan Data Uji Menggunakan K-Fold Cross Validation 26

Metode Klasifikasi Menggunakan K-NN 27

Euclidean Distance 27

Nominal Distance 27

Aggregate 27

Tahap KNN (Penetuan Tetangga Terdekat) 28

Percobaan dengan Normalisasi 28

Implementasi 31

Pengujian 36

SIMPULAN DAN SARAN 37

Simpulan 37

Saran 37

DAFTAR PUSTAKA 38

LAMPIRAN 40

RIWAYAT HIDUP 44

DAFTAR TABEL

1 Standar kualitas air budidaya ikan bawal 5

2 Standar kualitas air budidaya ikan patin 6

3 Standar kualitas air budidaya ikan lele 8

4 Standar kualitas air budidaya ikan mas 9

5 Standar kualitas air budidaya ikan nila 10

6 Standar kualitas air budidaya ikan mujair 11

7 Confusion matrix empat kelas 13

8 Parameter input yang digunakan 17

9 Tahapan validasi data dengan pakar 23

10 Representasi pengetahuan 24

11 Standar kualitas air dan lokasi budidaya ikan patin 25

12 Jumlah data setiap subset 27

13 Susunan data latih dan data uji 27

14 Hasil akurasi setiap subset dengan k = 3, 5, dan 7 29

15 Confusion matrix percobaan dengan k = 7 subset ke-2 29

16 Hasil akurasi setiap subset dan rata-rata akurasi setiap nilai k 30

DAFTAR GAMBAR

1 Ikan patin 6

2 Ikan lele 7

3 Ikan mas 8

4 Ikan nila 9

5 Ikan mujair 11

6 Tahapan sistem pakar (Marimin 2005) 15

7 Tahapan KNN 16

8 Grafik hasil akurasi pada percobaan dengan normalisasi 30

9 Grafik rata–rata akurasi setiap nilai k 31

10 Modul/menu pada sistem 31

11 Menu tambahan pada sistem 32

12 Tampilan pertanyaan kondisi awal 32

13 Tampilan pertanyaan syarat kondisi lokasi dan kualitas air 33

14 Tampilan penentuan nilai k yang akan digunakan 33

15 Tampilan hasil akhir identifikasi bagian I 33

16 Tampilan hasil akhir identifikasi bagian II 34

17 Tampilan peringatan jika user belum memasukkan nilai 34

18 Peringatan jika jenis kolam air deras tetapi ketinggian <100 35

19 Tampilan peringatan jika nilai yang dimasukkan negatif 35

20 Tampilan peringatan untuk rentang nilai suhu 35

21 Tampilan login admin 35

22 Tampilan awal halaman admin 36

DAFTAR LAMPIRAN

1 Confusion matrix dengan normalisasi 40

2 Kuisioner I pengujian data ke pakar 41

3 Kuisioner II pengujian data ke pakar 42

4 Kuisioner III pengujian validasi pakar 43

PENDAHULUAN

Latar Belakang

Wilayah Indonesia baik daratan, pesisir, dan laut-nya memiliki potensi

untuk pengembangan kegiatan perikanan budidaya. Di wilayah daratan dapat

dikembangkan untuk kegiatan budidaya air tawar dengan wadah kolam, keramba

di sungai/danau, maupun sumber air lainnnya yang terdapat di daratan. Di wilayah

pesisir dapat dikembangkan untuk kegiatan budidaya air payau atau lebih sering

dikenal tambak. Demikian pula di wilayah laut dapat dikembangkan untuk

kegiatan budidaya laut dengan menggunakan sarana keramba jaring apung

(Direktorat Jenderal Perikanan Budidaya 2012).

Dari luas potensi yang dimiliki tersebut tingkat pemanfaatannya masih

rendah. Berdasarkan data yang diperoleh dari Direktorat Jenderal Perikanan

Budidaya (2012), untuk wilayah darat tercatat Indonesia memiliki potensi 2 230

500 ha, namun yang telah dimanfaatkan baru seluas: kolam 119 700 ha, keramba

450 ha, keramba jaring apung 1 320 ha dan sawah 117 310 ha. Untuk wilayah

pesisir tercatat Indonesia memiliki potensi tambak seluas 1 224 076 ha, namun

yang telah dimanfaatkan untuk kegiatan budidaya baru seluas 612 530 ha dan

sebagian besar masih budidaya tradisional dengan tingkat produktivitas lahan

yang sangat rendah. Untuk wilayah laut tercatat Indonesia memiliki potensi areal

yang cocok untuk kegiatan budidaya adalah 8 363 501 ha, namun yang telah

dimanfaatkan hanya 74 543 ha.

Salah satu perikanan budidaya yang potensial untuk dikembangkan adalah

budidaya ikan air tawar. Keanekaragaman jenis dan plasma nutfah ikan di

perairan tawar meliputi 655 jenis ikan. Dari jumlah tersebut, 160 jenis di

antaranya tergolong ikan bernilai ekonomi penting, namun baru 13 jenis ikan

(8%) yang sudah dibudidayakan (Rukmana 2005 diacu dalam Kesuma 2006).

Oleh karena itu, peluang masyarakat untuk memproduksi ikan air tawar dalam

skala komersial sangat terbuka lebar.

Budidaya perikanan tidak terlepas dari ketersediaan air dan lahan yang

merupakan media hidup ikan. Selama ini, usaha budidaya ikan umumnya

terkonsentrasi di pedesaan yang ketersediaan lahannya dan airnya relatif masih

sangat memadai. Sayangnya, berdasarkan kenyataan yang ditemukan di lapangan,

belum semua pembudidaya ikan memahami dan menguasai teknologi budidaya

secara baik dan benar. Hal ini terutama disebabkan oleh tingkat pengetahuan dan

keterampilan pembudidaya yang umumnya masih relatif rendah. (Khairuman dan

Amri 2011).

Selama ini masih jarang pembudidaya yang memperhatikan kualitas air

yang digunakan untuk budidaya. Pembudidaya biasanya hanya melakukan trial

dan error sehingga pengembangan budidaya menjadi lambat. Padahal, ada banyak

komoditas perikanan budidaya air tawar yang memiliki karakter yang khas,

perbedaan daya tahan dan karakteristik dari ikan itu sendiri. Salah satu faktor yang

paling penting dalam budidaya ikan air tawar adalah pemilihan ikan yang

berkualitas, yakni sesuai dengan kondisi lokasi budidaya, mudah dibudidayakan

dan laku di pasaran. Pemilihan lokasi, meliputi kolam pemeliharaan beserta air

yang digunakan secara tepat dan benar merupakan prasyarat keberhasilan

2

budidaya. Adanya kesalahan dalam pemilihan lokasi budidaya dan kualitas air

yang jauh melebihi batas toleransi normal, dapat mengakibatkan ikan stres.

Stres adalah keadaan yang mana ikan tidak mampu mempertahankan

keseimbangan fisiologi dikarenakan beberapa faktor seperti buruknya kualitas air

meliputi rendahnya oksigen terlarut, konsentrasi pH yang tidak tepat, bahan

nitrogen dan limbah hasil metabolisme lainnya, suhu yang merupakan pengaruh

sangat penting pada sistem imunitas ikan, serta cahaya dan gas-gas terlarut

sehingga berdampak merugikan bagi kelangsungan hidupnya. Salah satunya dapat

mengakibatkan kematian (Floyd 2010).

Sebenarnya ikan dapat dipaksa untuk hidup di lingkungan tertentu, namun

dapat menimbulkan efek samping seperti pertumbuhan yang lambat, mudah

terserang penyakit dan butuh biaya tambahan untuk membuat suatu lingkungan

budidaya yang sesuai dengan kebutuhan ikan tersebut. Jika kondisi yang ada

sudah sesuai dengan kebutuhan ikan secara alami tentu akan lebih menghemat

biaya dan pertumbuhan ikan dapat lebih optimal (Effendi 2004).

Beberapa penelitian yang pernah dilakukan sebelumnya di antaranya oleh

Kesuma (2006) mengenai optimalisasi produksi budidaya ikan konsumsi air tawar.

Junaidi (2010) yang melakukan penelitian mengenai Analisis Potensi Sumberdaya

Laut dan Kualitas Perairan Berdasarkan Parameter Fisika dan Kimia. Amriawati

(2001) mengenai pengaruh salinitas dan kesadahan moderat terhadap

kelangsungan hidup dan pertumbuhan ikan pada sistem resirkulasi. Darusalam

(2005) mengenai kondisi kualitas air tambak udang windu dengan pemanfaatan

larutan nutrien. Hadinafta (2009) mengenai analisis kebutuhan oksigen untuk

dekomposisi bahan organik di lapisan dasar perairan estuari. Minawati (2013)

mengenai budidaya ikan air tawar. Shindu (2005) yang melakukan penelitian

mengenai kandungan logam berat dalam air, ikan nila dan ikan mas dalam

keramba jaring apung. Selain itu, menurut Irianto dan Soesilo (2007) komposisi

kimia ikan tergantung kepada spesies, umur, jenis kelamin dan musim

penangkapan serta ketersediaan pakan di air, habitat dan kondisi lingkungan.

Kandungan protein dan mineral daging ikan relatif konstan, tetapi kadar air dan

kadar lemak sangat berfluktuasi. Jika kandungan lemak pada daging semakin

besar, kandungan air akan semakin kecil dan sebaliknya.

Berdasarkan beberapa penelitian tersebut dan kajian pustaka yang diperoleh,

dapat diambil kesimpulan salah satu faktor terpenting dalam melakukan kegiatan

budidaya adalah memperhatikan kondisi lokasi dan parameter kimia dan fisika

yang terkandung di dalam air yang akan digunakan dalam kegiatan budidaya.

Sehingga, pada penelitian ini parameter yang digunakan selain dari kondisi lokasi

atau lingkungan juga berasal dari syarat kualitas air yang digunakan. Selain itu,

keterbatasan ketersediaan pakar tentunya menghambat masyarakat khususnya

pembudidaya, ketika ingin berkonsultasi jenis ikan apa yang sesuai untuk

dibudidayakan pada kondisi lokasi dan kualitas air yang ada.

Penelitian ini dilakukan untuk merancang suatu sistem pakar yang dapat

digunakan pembudidaya dalam usaha budidaya untuk penentuan jenis ikan yang

dapat dibudidayakan berdasarkan lokasi dan kualitas air yang ada. Metode yang

digunakan untuk membangun model klasifikasi dalam mengidentifikasi jenis ikan

air tawar berdasarkan kondisi lokasi dan kualitas air adalah k-nearest neighbour.

k-nearest neighbour merupakan teknik yang lebih fleksibel karena mampu

3

mengklasifikasikan data uji ke dalam kelas label dengan cara mencari data latih

yang relatif sama dengan data uji (Tan 2006).

Tujuan Penelitian

Penelitian ini bertujuan untuk membangun suatu sistem pakar penentuan

jenis budidaya ikan air tawar berdasarkan lokasi dan kualitas air dengan k-nearest

neighbour sebagai metode klasifikasinya.

Manfaat Penelitian

Manfaat penelitian ini adalah menghasilkan suatu sistem pakar yang dapat

membantu para pembudidaya khususnya dalam penentuan jenis ikan air tawar

yang sesuai dengan lingkungan dan kualitas air yang ada. Khususnya pada tahap

pembesaran sehingga tersedia lingkungan yang optimal bagi ikan agar tetap bisa

hidup dan tumbuh maksimal.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah:

1. Data yang digunakan pada penelitian ini berasal dari pakar yaitu Bapak Ir

Irzal Effendi, MSi dari Departemen Budidaya Perairan Fakultas Perikanan

dan Ilmu Kelautan serta informasi tambahan dari Bapak Abdul Wahid kepala

pelayanan teknis dan Bapak Sidi Asih staf peneliti breading dan genetika

Balai Penelitian dan Pengembangan Budidaya Ikan Air Tawar dan telaah

pustaka.

2. Jenis ikan yang digunakan sebagai kelas adalah 6 jenis ikan, yaitu ikan bawal,

ikan patin, ikan lele, ikan mas, ikan nila, dan ikan mujair. Karena keenam

ikan ini merupakan ikan air tawar konsumsi yang banyak digemari dan

populer di perikanan budidaya serta mewakili masing-masing kelompok jenis

ikan air tawar lainnya. Selain itu, keenam jenis ikan ini juga memiliki

karakteristik kebutuhan lingkungan hidup yang hampir sama namun berbeda.

3. Pengujian yang dilakukan pada ikan bawal, ikan patin, ikan lele, ikan mas,

ikan nila, dan ikan mujair sesuai dengan parameter kondisi lokasi dan syarat

kualitas air khususnya pada tahap pembesaran.

4. Parameter yang digunakan adalah parameter yang memiliki keterkaitan satu

sama lain dan pengaruh pada kelangsungan hidup ikan jika tidak terpenuhi.

Parameter fisika meliputi suhu dan kecerahan. Parameter kimia meliputi

syarat tanah, sistem pengairan, jenis kolam, ketinggian dataran, keasaman air

(pH), dissolved oxygen (DO), kadar NH3, kadar karbondioksida (CO2), kadar

NO2, alkalinitas, dan kesadahan total.

4

TINJAUAN PUSTAKA

Gambaran Umum Budidaya Perikanan

Budidaya perikanan adalah kegiatan untuk memproduksi biota (organisme)

akuatik di lingkungan terkontrol dalam rangka mendapat keuntungan (profit).

Organisme akuatik yang diproduksi mencakup kelompok ikan, udang, hewan

bercangkang (molusca), ekinodermata, dan alga. Budidaya perikanan juga dapat

didefinisikan sebagai campur tangan (upaya-upaya) manusia untuk meningkatkan

produktivitas perairan melalui kegitan budidaya. Kegiatan budidaya yang

dimaksud adalah kegiatan pemeliharaan untuk memperbanyak (produksi),

menumbuhkan (perbesaran), dan meningkatkan mutu biota akuatik sehingga

diperoleh keuntungan (Effendi 2004).

Secara garis besar, kegiatan budidaya perikanan dibagi menjadi dua bagian,

yaitu kegiatan produksi on farm dan off farm. Kegiatan off farm meliputi

pengadaan prasarana dan sarana produksi, penanganan hasil panen, distribusi hasil,

dan pemasaran sedangkan kegiatan produksi on farm terdiri dari pembenihan dan

pembesaran. Pembenihan ikan adalah kegiatan pemeliharaan yang bertujuan untuk

menghasilkan benih dan selanjutnya benih yang dihasilkan menjadi komponen

input bagi kegiatan pembesaran (Effendi 2004).

Pembesaran ikan adalah kegiatan pemeliharaan yang bertujuan untuk

menghasilkan ikan ukuran konsumsi. Pada kegiatan pembesaran, ikan didorong

untuk tumbuh secara maksimum hingga mencapai ukuran panen atau ukuran pasar

melalui penyediaan lingkungan media hidup yang optimal, pemberian makan

yang tepat jumlah, mutu, cara dan waktu dan pengendalian penyakit.

Untuk dapat melakukan kegiatan budidaya perikanan dibutuhkan sebuah

sistem budidaya perikanan. Menurut Effendi (2004) sistem budidaya perikanan

adalah wadah produksi beserta komponen lainnya dan teknologi yang diterapkan

pada wadah tersebut serta bekerja secara sinergis dalam rangka mencapai tujuan

budidaya perikanan. Sistem budidaya perikanan dapat dibagi menjadi dua

kelompok besar, yaitu sistem budidaya perikanan berbasiskan air dan sistem

budidaya perikanan berbasiskan daratan.

Pada penelitian Kesuma (2006) disebutkan bahwasanya sistem budidaya

berbasis daratan terdiri dari kolam air tenang, kolam air deras, tambak, dan bak

akuarium. Sistem budidaya daratan terpisah dari perairan yang menjadi sumber

sistem ini. Penyaluran air dari perairan dilakukan dengan menggunakan saluran

atau pipa. Salah satu sistem budidaya daratan yang sering ditemui adalah kolam

air tenang.

Keragaman Jenis Ikan Air Tawar

Ikan air tawar merupakan jenis ikan yang hidup dan menghuni perairan

daratan (inland water) yaitu perairan dengan kadar garam (salinitas) 0-5 ppt

seperti sungai, saluran irigasi, danau, waduk, rawa dan sebagainya (Effendi 2004).

Ikan air tawar sangat potensial untuk dikembangkan diberbagai daerah mulai dari

pegunungan, perbukitan, hingga dataran rendah dekat pantai.

5

Beberapa jenis ikan air tawar yang biasa dibudidayakan antara lain ikan mas,

nila, mujair, lele, patin, dan bawal. Produksi perikanan tangkap dari penangkapan

ikan dilaut dan di perairan umum pada tahun 2006 masing-masing sekitar 4 468

010 ton dan 301 150 ton (Ditjen Perikanan Tangkap 2007). Sedangkan produksi

perikanan budidaya pada tahun 2006 mencapai 2 625 800 ton. Produksi perikanan

budidaya didominasi oleh udang 327 260 ton, rumput laut 1 079 850 ton, ikan mas

285 250 ton, bandeng 269 530 ton, nila 227 000 ton, ikan lele 94 160 ton,

gurameh 35 570 ton dan kerapu 8 430 ton (Ditjen Perikanan Budidaya 2007).

Potensi sumberdaya perikanan yang dimiliki oleh Indonesia tersebut dan

produksi yang dihasilkannya menunjukkan bahwa perikanan memiliki potensi

yang baik untuk berkontribusi di dalam pemenuhan gizi masyarakat, khususnya

protein hewani, di samping kontribusinya dalam pertumbuhan perekonomian

Indonesia (Irianto dan Soesilo 2007).

Ikan Bawal

Ikan bawal (Colossoma macropopum), berasal dari Brazil. Di negeri asalnya,

bawal disebut Tambaqui. Bawal dapat tumbuh dengan cepat. Dagingnya pun enak.

Ikan bawal air tawar merupakan ikan yang potensial untuk karena berbagai

kelebihannya. Ikan ini mampu untuk hidup dengan baik di kolam maupun di

keramba jaring apung (Arie 2000).

Budidaya ikan bawal mendatangkan keuntungan yang optimal apabila

dilakukan pengelolaan tempat budidaya, benih, kualitas air, pakan, dan

pengendalian penyakit. Karena ikan bawal termasuk pada golongan ikan budidaya

air deras yang perlu selalu memperhatikan kualitas air, maka apabila kondisi air

berbahaya bagi kehidupan ikan maka harus dilakukan tindakan penyelamatan

(Ciptanto 2010). Standar kualitas air budidaya ikan bawal dilihat pada Tabel 1.

Tabel 1 Standar kualitas air budidaya ikan bawal

Parameter Kualitas Air Standar Kualitas Air

Suhu 25–30 C

pH 7–8

Oksigen Terlarut (DO) >4 mg/lt

NH3 <0.02 mg/lt

Kecerahan 20–40 cm

Karbondioksida (CO2) <25 mg/lt

Nitrit (NO2) <0.05 ppm

Alkalinitas 50–500 mg/lt

Kesadahan Total >50 mg/lt

Ikan Patin

Ikan Patin (Pangasius djambal, P. hypophthalmus) merupakan salah satu

jenis lele–lelean yang banyak dibudidayakan selain ikan lele. Ikan patin lebih

Sumber: Balai Pengembangan Budidaya Air Tawar (2005)

dirujuk pada Ciptanto (2010)

6

banyak menetap di dasar perairan dibandingkan di permukaan. Salah satu contoh

ikan patin dapat dilihat pada Gambar 1.

Gambar 1 Ikan patin

Berikut adalah klasifikasi dari ikan patin:

Ordo : Ostarioplaysi.

Subordo : Siluriodea.

Famili : Pangasidae.

Genus : Pangasius.

Spesies : Pangasius pangasius Ham. Buch.

Menurut Prihatman (2000) persyaratan lokasi untuk budidaya ikan patin di

antaranya tanah yang baik untuk kolam pemeliharaan adalah jenis tanah

liat/lempung, tidak berporos. Jenis tanah tersebut dapat menahan massa air yang

besar dan tidak bocor sehingga dapat dibuat pematang/dinding kolam. Kemiringan

tanah yang baik untuk pembuatan kolam berkisar 3–5% untuk memudahkan

pengairan kolam secara gravitasi. Apabila pembesaran patin dilakukan dengan

jala apung yang dipasang disungai, maka lokasi yang tepat yaitu sungai yang

berarus lambat.

Kualitas air untuk pemeliharaan harus bersih, tidak terlalu keruh dan tidak

tercemar bahan kimia beracun dan minyak/limbah pabrik. Untuk menghindari

timbulnya jamur, perlu ditambahkan larutan penghambat pertumbuhan jamur

(Emolin atau Bltzich dengan dosis 0.05 cc/lt). Suhu air yang baik pada saat

penetasan telur menjadi larva di akuarium adalah 26–28 C. Pada daerah yang

suhu airnya relatif rendah diperlukan heater untuk mencapai suhu optimal yang

relatif stabil. Standar kualitas air untuk budidaya ikan patin dilihat pada Tabel 2.

Tabel 2 Standar kualitas air budidaya ikan patin


Suhu 28–32 C

pH 6–7

Oksigen Terlarut (DO) 4.5–6.5 mg/lt

NH3 <0.05 ppm

Transparansi 40–60 cm

Karbondioksida (CO2) 9–20 ppm


Alkalinitas >20 mg/lt




7

Ikan Lele

Ikan Lele (Clarias batracus, C. gariepinus) adalah jenis ikan air tenang.

Ikan lele tahan terhadap air yang kualitasnya jelek, karena mempunyai alat

pernapasan tambahan selain insang yaitu labyrinth. Lingkungan hidup lele cukup

fleksibel. Namun, agar budidaya bisa optimal dan memberikan keuntungan

ekonomi, kualitas air harus dijaga (Khairuman dan Amri 2011). Salah satu contoh

ikan lele dapat dilihat pada Gambar 2.

Gambar 2 Ikan lele

Berikut adalah klasifikasi dan gambar ikan lele menurut Saanin dalam

Djatmika et al (1986).

Kingdom : Animalia

Sub-kingdom : Metazoa

Phyllum : Chordata

Sub-phyllum : Vertebrata

Klas : Pisces

Sub-klas : Teleostei

Ordo : Ostariophysi

Sub-ordo : Siluroidea

Familia : Clariidae

Genus : Clarias

Menurut Prihatman (2000) persyaratan lokasi untuk budidaya ikan lele di

antaranya jenis yang digunakan untuk kolam pemeliharaan adalah tanah

liat/lempung, tidak berporos, berlumpur dan subur. Lahan yang digunakan untuk

budidaya dapat berupa sawah, kecomberan, kolam pekarangan, kolam kebun, dan

blumbang. Ikan lele hidup dengan baik di dataran rendah sampai daerah yang

tingginya maksimal 700 m dpl. Elevasi tanah dari permukaan sumber air dan

kolam adalah 5–10%. Lokasi pembuatan kolam harus berhubungan langsung atau

dekat dengan sumber air dan tidak dekat dengan jalan raya. Hendaknya di tempat

yang teduh, tetapi tidak berada di bawah pohon yang daunnya mudah rontok.

Ikan lele dapat hidup pada suhu 200 C dengan suhu optimal 25–280 C.

Untuk pertumbuhan larva diperlukan kisaran suhu 26–300 C dan untuk

pemijahan 24–280 C. Ikan lele dapat hidup dalam perairan agak tenang dan

kedalamannya cukup. Sekalipun kondisi airnya jelek, keruh, kotor dan miskin zat

O2 perairan tidak boleh tercemar oleh bahan kimia, limbah industri, merkuri,

mengandung kadar minyak atau bahan lainn yang dapat mematikan ikan.

Sebaiknya perairan banyak mengandung zat yang dibutuhkan dan bahan

makanan alami serta bukan perairan yang rawan banjir. Permukaan perairan tidak

boleh tertutup rapat oleh sampah/daun-daunan hidup seperti enceng gondok.

8

Mempunyai kesadahan maksimal 100 ppm dan optimal 50 ppm, turbidity bukan

lumpur antara 30–60 cm, kebutuhan O2 optimal pada range yang cukup lebar 0.3

ppm untuk yang dewasa sampai jenuh untuk burayak, dan kandungan CO2 <12.8

mg/liter. Standar kualitas air untuk budidaya ikan lele dapat dilihat pada Tabel 3.

Tabel 3 Standar kualitas air budidaya ikan lele


Suhu 25–30 C

pH 6.5–8.5

Oksigen Terlarut (DO) > 4 mg/lt

NH3 <0.02 ppm

Transparansi 20–40 cm

Karbondioksida (CO2) 2–11 ppm




Ikan Mas

Menurut Prihatman (2000), ikan mas merupakan jenis ikan konsumsi air

tawar berbadan memanjang pipih kesamping dan lunak. Ikan mas sudah dipelihara

sejak tahun 475 sebelum masehi di Cina. Di Indonesia ikan mas mulai dipelihara

sekitar tahun 1920. Ikan mas yang terdapat di Indonesia merupakan merupakan

ikan mas yang dibawa dari Cina, Eropa, Taiwan dan Jepang. Ikan mas Punten dan

Majalaya merupakan hasil seleksi di Indonesia. Salah satu contoh gambar ikan

mas dapat dilihat pada Gambar 3.

Gambar 3 Ikan mas

Sampai saat ini sudah terdapat 10 ikan mas yang dapat diidentifikasi

berdasarkan karakteristik morfologisnya. Dalam ilmu taksonomi hewan,

klasifikasi ikan mas adalah sebagai berikut.

Kelas : Osteichthyes

Anak kelas : Actinopterygii

Bangsa : Cypriniformes

Suku : Cyprinidae

Marga : Cyprinus

Jenis : Cyprinus carpio L.

Beberapa persyaratan lokasi untuk budidaya ikan mas di antaranya tanah

yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak

Sumber: Balai Pengembangan Budidaya Air Tawar (2005) dirujuk

pada Ciptanto (2010)

9

berporos. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3–5%

untuk memudahkan pengairan kolam secara gravitasi. Ikan mas dapat tumbuh

normal jika lokasi pemeliharaan berada pada ketinggian 150–1000 m dpl. Standar

kualitas air untuk budidaya ikan mas dilihat pada Tabel 4.

Tabel 4 Standar kualitas air budidaya ikan mas


Suhu 20–25 C

pH 7–8

Oksigen Terlarut (DO) > 5 mg/lt

NH3 <0.02 ppm

Kekeruhan 40–60 cm

Karbondioksida (CO2) 2-11 ppm




Kualitas air pemeliharaan harus bersih, tidak terlalu keruh dan tidak

tercemar bahan kimia beracun, dan minyak/limbah pabrik. Ikan mas dapat

berkembang pesat di kolam, sawah, kakaban, dan sungai air deras. Kolam dengan

sistem pengairan mengalir sangat baik bagi pertumbuhan dan perkembangan

fisiknya. Debit air untuk kolam air tenang 8–15 lt/detik/ha, sedangkan untuk

pembesaran di kolam air deras debitnya 100 lt/menit/m3.

Ikan Nila

Menurut Prihatman (2000), ikan nila berasal dari Sungal Nil dan danau

sekitarnya. Sekarang ikan ini telah tersebar ke negara–negara di lima benua yang

beriklim tropis dan subtropis. Sedangkan di wilayah yang beriklim dingin, ikan

nila tidak dapat hidup baik. Ikan nila disukai oleh berbagai bangsa karena

dagingnya enak dan tebal seperti daging ikan kakap merah.

Bibit ikan ini didatangkan ke Indonesia secara resmi oleh Balai Penelitian

Perikanan Air Tawar pada tahun 1969. Setelah melalui masa penelitian dan

adaptasi, barulah ikan ini disebarluaskan kepada petani di seluruh Indonesia. Nila

adalah nama khas Indonesia yang diberikan oleh Pemerintah melalui Direktur

Jenderal Perikanan. Salah satu contoh ikan nila dapat dilihat pada Gambar 4.

Gambar 4 Ikan nila



10

Menurut Suyanto (2003), nila dapat hidup di lingkungan air tawar, air payau,

dan air asin. Nilai pH air tempat hidup ikan nila antara 6–8.5. Suhu optimal untk

ikan nila antara 25–30 C. Oleh karena itu, ikan nila cocok dipelihara di dataran

rendah sampai agak tinggi (500 m dpl). Berikut adalah klasifikasi ikan nila:

Kelas : Osteichthyes

Sub-kelas : Acanthoptherigii

Crdo : Percomorphi

Sub-ordo : Percoidea

Famili : Cichlidae

Genus : Oreochromis

Spesies : Oreochromis niloticus

Beberapa persyaratan lokasi untuk budidaya ikan nila di antaranya tanah


berporos. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3-5%

untuk memudahkan pengairan kolam secara gravitasi. Ikan nila cocok dipelihara

di dataran rendah sampai agak tinggi (500 m dpl).

Kualitas air untuk pemeliharaan harus bersih, tidak terlalu keruh dan tidak

tercemar bahan kimia beracun, dan minyak/limbah pabrik. Kekeruhan air yang

disebabkan oleh pelumpuran akan memperlambat pertumbuhan ikan. Lain halnya

bila kekeruhan air disebabkan oleh adanya plankton. Air yang kaya plankton

dapat berwarna hijau kekuningan dan hijau kecokelatan karena banyak

mengandung diatom. Sedangkan plankton/alga biru kurang baik untuk

pertumbuhan ikan.

Tingkat kecerahan air dapat diukur dengan alat yang disebut piring secchi

(secchi disc). Untuk di kolam dan tambak, angka kecerahan yang baik 20–35 cm.

Debit air untuk kolam air tenang 8–15 lt/detik/ha. Kondisi perairan tenang dan

bersih, karena ikan nila tidak dapat berkembang biak dengan baik di air arus deras.

Nilai keasaman air (pH) tempat hidup ikan nila berkisar 6–8.5. Sedangkan

keasaman air (pH) yang optimal adalah antara 7–8. Kadar garam air yang disukai

antara 0–35 per mil. Standar kualitas air untuk budidaya ikan nila dilihat pada

Tabel 5.

Tabel 5 Standar kualitas air budidaya ikan nila


Suhu 25–30 C

pH 6.5–8.5

Oksigen Terlarut (DO) 4–5 mg/lt

NH3 <0.016 mg/lt








11

Ikan Mujair

Menurut Prihatman (2000), Ikan mujair merupakan jenis ikan konsumsi air

tawar, bentuk badan pipih dengan warna abu–abu, coklat atau hitam. Ikan ini

berasal dari perairan Afrika dan pertama kali di Indonesia ditemukan oleh bapak

Mujair di muara sungai serang pantai selatan Blitar Jawa Timur pada tahun 1939.

Ikan mujair mempunyai toleransi yang besar terhadap kadar garam/salinitas.

Jenis ikan ini mempunyai kecepatan pertumbuhan yang relatif lebih cepat, tetapi

setelah dewasa percepatan pertumbuhannya akan menurun. Panjang total

maksimum yang dapat dicapai ikan mujair adalah 40 cm. Salah satu contoh ikan

mujair dapat dilihat pada Gambar 5.

Gambar 5 Ikan mujair

Berikut adalah klasifikasi dari ikan mujair:

Kelas : Pisces

Sub kelas : Teleostei

Ordo : Percomorphi

Sub-ordo : Percoidea

Famili : Cichlidae

Genus : Oreochromis

Species :Oreochromis mossambicus

Beberapa persyaratan lokasi untuk budidaya ikan mujair di antaranya tanah


berporos. Kemiringan tanah yang baik untuk pembuatan kolam berkisar 3–5%

untuk memudahkan pengairan kolam secara gravitasi. Ikan mujair dapat tumbuh

normal, jika lokasi pemeliharaan berada pada ketinggian antara 150–1000 m dpl.

Standar kualitas air untuk budidaya ikan mujair dapat dilihat pada Tabel 6.

Tabel 6 Standar kualitas air budidaya ikan mujair


Suhu 20–25 C

pH 7–8

Oksigen Terlarut (DO) 4–5 mg/lt

NH3 <0.016 mg/lt








12

Kualitas air untuk pemeliharaan ikan mujair harus bersih, tidak terlalu keruh

dan tidak tercemar bahan kimia beracun, dan minyak/limbah pabrik. Ikan mujair

dapat berkembang pesat di kolam, sawah, kakaban, dan sungai air deras. Kolam

dengan sistem pengairannya yang mengalir sangat baik bagi pertumbuhan dan

perkembangan fisik ikan mujair. Debit air untuk kolam air tenang 8–15 lt/detik/ha,

sedangkan untuk pembesaran di kolam air deras debitnya 100 lt/menit/m3.

Sistem Pakar

Sistem pakar dapat dirancang untuk merekam dan menggunakan ilmu

pengetahuan, pengalaman, dan keahlian dari berbagai tenaga ahli yang memiliki

disiplin ilmu yang berbeda (Marimin 2005). Sistem pakar berbeda dengan

program konvensional yang hanya dapat dipahami oleh pembuat program. Sistem

pakar bersifat interaktif dan mampu menjelaskan pertanyaan pengguna.

Sistem pakar merupakan salah satu alternatif terbaik untuk menylesaikan

persoalan dengan menggunakan komputer yang didukung oleh teknik kecerdasan

buatan, terutama untuk pemecahan persoalan yang kompleks dan belum memiliki

algoritme. Pengetahuan yang digunakan dalam sistem pakar terdiri dari kaidah–

kaidah atau informasi dari pengalaman tentang tingkah laku suatu unsur dari

gugus persoalan. Kaidah–kaidah biasanya memberikan deskripsi tentang kondisi

yang diikuti oleh akibat dari prasyarat tersebut (Marimin 2005).

Tujuan perancangan sistem pakar adalah untuk memperrmudah kinerja atau

bahkan mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa

ahli, training tenaga ahli baru, penyediaan keahlian yang diperlukan oleh suatu

proyek yang tidak ada atau tidak mampu membayar tenaga ahli (Marimin 2005).

K-Fold Cross Validation

Sebelum digunakan, sebuah sistem berbasis komputer harus dievaluasi

dalam berbagai aspek. Di antara aspek–aspek ini, validasi kinerja bisa merupakan

yang paling penting (Fu 1994).

Metode k-fold cross validation membagi sebuah himpunan contoh secara

acak menjadi k himpunan bagian lain (subset) yang paling bebas. Dilakukan

ulangan serbanyak k kali untuk pelatihan dan pengujian. Pada setiap ulangan

disisipkan setiap subset untuk pengujian dan subset lainnya untuk pelatihan (Fu

1994 diacu dalam Nurjayanti 2011).

Normalisasi

Pada perhitungan jarak Euclidean, atribut berskala panjang dapat

mempunyai pengaruh lebih besar daripada atribut berskala pendek. Untuk

mencegah hal tersebut perlu dilakukan normalisasi terhadap nilai atribut (Larose

2005). Salah satu metode normalisasi adalah min-max normalization yang

diterapkan untuk parameter numerik. Formula untuk normalisasi atribut X dapat

dilihat pada Persamaan 1.

13

𝑋∗ = 𝑋−min (𝑋)

max 𝑋 − min (𝑋) ....................... (1)

Dengan X* adalah nilai setelah dinormalisasi, X adalah nilai sebelum

dinormalisasi, min(X) adalah nilai minimum dari parameter, dan max(X) adalah

nilai maksimum dari suatu parameter.

Confusion Matrix

Evaluasi model klasifikasi berdasar pada proporsi antara data uji yang

diprediksi secara tepat dengan total seluruh prediksi (Tan 2006). Informasi

mengenai klasifikasi sebenarnya (aktual) dengan klasifikasi hasil prediksi

dibentuk dalam tabel yang disebut confusion matrix seperti yang terlihat pada

Tabel 7.

Tabel 7 Confusion matrix empat kelas

Kelas aktual Kelas hasil prediksi

Kelas 1 Kelas 2 Kelas 3 Kelas 4

Kelas 1 A b c d

Kelas 2 E f g h

Kelas 3 I j k l

Kelas 4 m n o p

Akurasi merupakan proporsi jumlah prediksi yang tepat. Contoh perhitungan

akurasi untuk tabel tesebut dapat dilihat pada Persamaan 2.

Akurasi = Jumlah prediksi yang tepat

total prediksi x 100% =

a+f+k+p

a+b+c+…+n+o+p .................. (2)

KNN (K-Nearest Neighbour)

K-nearest neighbour merepresentasikan setiap data sebagai titik dalam k-

ruang dimensi. Jika ada sebuah data uji maka akan dihitung kedekatan titik data

latih untuk diklasifikasikan berdasarkan kedekatan–kedekatan titik data lainnya

pada data latih untuk diklasifikasikan berdasarkan kedekatannya yang

didefinisikan dengan ukuran jarak (Han dan Kamber 2006).

Analisis data mendefinisikan ukuran kedekatan atau ukuran kesamaan

menggunakan fungsi jarak. Fungsi jarak yang umumnya digunakan adalah jarak

Euclidean dengan menggunakan rumus sebagai berikut (Larose 2005). Jarak

Euclidean dapat dicari menggunakan Persamaan 3.

d x, y = (xi-yi)2

ni=1 ....……….. (3)

Dengan x = x1, x2, … , xm menyatakan data uji, y = y1, y2, … , ym menyatakan data

latih dan xi-yi = selisih data uji dengan data latih.

Pada penelitian ini, terdapat dua jenis data yang digunakan yaitu data

numerik dan data nominal. Data nominal atau sering disebut juga data kategori

yaitu data yang diperoleh melalui pengelompokan objek berdasarkan kategori

14

tertentu. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun

angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat

dibandingkan (Dharma 2008).

Untuk data nominal atau yang disebut juga kategori, penggunaan jarak

Euclidean tidak tepat, sebaliknya dapat didefinisikan dengan sebuah fungsi yang

digunakan untuk membandingkan nilai data uji dan data latih. Untuk menghitung

jarak nominal menggunakan rumus sebagai berikut (Larose 2005). Perhitungan

jarak nominal dapat dilihat pada Persamaan 4.

di= 1 Selainnya

0 Jika xi = yi …………….. (4)

Yang berarti jika data latih sama dengan data uji maka jaraknya 0, selainnya

jaraknya 1.

Untuk menggabungkan kedua jarak semua variabel, dilakukan aggregate

ketidaksamaan berat rata-rata dari jarak masing–masing parameter dengan

menggunakan rumus pada Persamaan 5.

Sij= wijk . Sijk

nk=1

wijknk=1

……………………... (5)

Dengan k merupakan variabel parameter, ij selisih data latih dan data uji, Sijk

merupakan kesamaan dan ketidaksamaan antara objek dimana Wijk bernilai 1

untuk nilai numerik dan 0.5 untuk nilai nominal. Nilai pembobotan ini diberikan

agar jarak parameter nominal tidak terlalu mendominasi hasil perhitungan

(Nurjayanti 2011).

METODE

Pada penelitian ini akan digunakan metode penelitian yang mengacu pada

tahap–tahap pembentukan sistem pakar seperti yang dijelaskan Marimin (2005)

yang ditunjukan pada Gambar 6.

Akuisisi Pengetahuan

Tahap akuisisi pengetahuan merupakan tahap penyerapan pengetahuan dari

pakar. Tahap ini penting, kritis, dan sangat menentukan keberhasilan sistem pakar

yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat

diselesaikan oleh pakar. Bentuk struktur data pada basis pengetahuan tergantung

dari hasil akuisisi pengetahuan.

Pengetahuan dari pakar dapat diperoleh melalui wawancara dan telaah

pustaka. Dalam hal ini knowledge engineer (KE) menyodorkan permasalahan dan

pakar menjelaskan proses penyelesaian masalah tersebut. Beberapa metode yang

dapat digunakan dalam akuisisi pengetahuan adalah metode observasi, metode

analisa masalah, metode diskusi masalah, metode intuisi, dan metode deskripsi

masalah.

15

Representasi Pengetahuan

Setelah memperoleh pengetahuan dari berbagai sumber, KE mulai memilih

teknik representasi pengetahuan yang diperoleh. Hasil dari representasi

pengetahuan digunakan untuk membantu pengambilan keputusan pada sistem

pakar yang dikembangkan.

Mulai

Identifikasi

Masalah

Akuisisi

Pengetahuan

Representasi

Pengetahuan

Pengembangan

Mesin Inferensi

Implementasi

Pengujian

Mewakili

Pakar?

Selesai

Tidak

Ya

Gambar 6 Tahapan sistem pakar (Marimin 2005)

Pengembangan Mesin Inferensia

Dari hasil akuisisi diperoleh fakta, informasi dan strategi penalaran untuk

memecahkan persoalan. Fakta dan informasi selanjutnya dirumuskan dan

direpresentasikan dengan metode yang dipilih pada tahap representasi

pengetahuan. Ketidakpastian pengetahuan dan strategi penalarannya perlu

diklasifikasikan serta dipilih metode penanganannya. Berdasarkan strategi

penalaran dan representasi pengetahuan yang ada, metode inferensi yang

digunakan adalah metode KNN. Tahapan pada KNN yang dilakukan dapat dilihat

pada Gambar 7.

16

Mulai

Identifikasi

Masalah

Pengadaan Data

Praproses Data

Penentuan Data

Latih dan Data

Uji

Data

Latih

Data

Uji

KNN

Model Identifikasi

Lokasi & Kualitas

Air Jenis Ikan air

tawar

Hasil Prediksi

Selesai

Gambar 7 Tahapan KNN

Identifikasi Masalah

Menurut Maguire (1988) dalam Marimin (2005) pada tahap identifikasi

masalah perlu dipertimbangkan hal seperti jenis penerapan baru (terminologi,

pengembangan alat, arsitektur sistem, dan interface pemakai) untuk pemakai

umum dan sistem perorangan, pengembangan sistem pakar yang sesuai dengan

model pengetahuan pakar, desain yang erat kaitannya dengan versi data sistem

pakar (mesin inferensi) yang akan dikembangkan, dan keterpaduan sistem

(volume data komunikasi dan memori yang diperlukan, serta beban pengolahan)

dengan lingkungan produksi yang dimiliki pengguna.

17

Pengadaan Data

Penelitian ini menggunakan beberapa variabel untuk dapat mengidentifikasi

jenis ikan berdasarkan lokasi dan kualitas air. Parameter ini diperoleh dengan cara

wawancara langsung dengan pakar yaitu Bapak Ir Irzal Effendi, MSi dari BDP

Fakultas Perikanan dan Ilmu Kelautan, serta informasi tambahan dari Bapak

Abdul Wahid kepala pelayanan teknis dan Bapak Sidi Asih staf peneliti breading

dan genetika Balai Penelitian dan Pengembangan Budidaya Ikan Air Tawar

(Sempur-Bogor) dan telaah pustaka. Parameter input yang akan digunakan dapat

dilihat pada Tabel 8.

Tabel 8 Parameter input yang digunakan

Parameter yang digunakan

Lokasi Kualitas air

1. Jauh dari pembuangan limbah 1. Suhu

2. Ada sumber air 2. pH

3. Syarat tanah 3. Oksigen terlarut

4. Jenis kolam 4. NH3

5. Sistem pengairan 5. Kecerahan

6. Ketinggian dataran 6. Karbondioksida (CO2)

7. Nitrit (NO2)

8. Alkalinitas

9. Kesadahan total

Adapun penjelasan lebih lengkap mengenai masing-masing parameter

menurut Ciptanto (2010), Cahyono (2001), Effendi (2004), dan Ghufran et al.

(2010) adalah sebagai berikut:

Syarat–Syarat Lokasi Budidaya Ikan Air Tawar

a) Sumber Air

Lokasi budidaya harus mempunyai sumber air yang memadai. Untuk

sumber air ini bisa berupa sungai, aliran irigasi, maupun mata air. Suplai air

sedapat mungkin tersedia sepanjang tahun dengan debit yang memadai.

b) Syarat Tanah

Lahan untuk kolam sebaiknya adalah tanah yang liat atau lempung

berpasir (sandy clay) sehingga tidak porus. Tanah harus mampu menahan

massa air yang besar dan tidak mudah bocor sehingga dapat dibuat pematang.

c) Kualitas Air

Kualitas air pada lokasi budidaya harus memenuhi persyaratan untuk

hidup sehat ikan yang dibudidayakan. Nilai kualitas air untuk masing–masing

jenis ikan air tawar berbeda. Secara umum parameter kualitas air untuk

budidaya ikan dilihat dari faktor fisik air meliputi temperatur, kecerahan, dan

kekeruhan air. Ketiganya sangat berpengaruh besar terhadap keberhasilan

budidaya ikan. Bila salah satu saja tidak memenuhi syarat, ikan tentu tidak

dapat tumbuh optimal dan kimia air meliputi kadar oksigen terlarut, derajat

18

keasaman, kadar amonia (NH3), kadar karbondioksida (CO2), kadar nitrogen

(NO2) terlarut dalam kolam, alkalinitas, dan kesadahan total.

d) Jauh dari Tempat Pembuangan Limbah

Lokasi budidaya harus jauh dari limbah industri maupun limbah rumah

tangga. Limbah akan mencemari air sehingga kualitas air tidak memenuhi

syarat untuk pertumbuhan ikan. Bila kadar pencemaran limbahnya tinggi maka

ikan yang dibudidayakan bisa mati.

e) Kolam Air Tenang

Kolam air tenang adalah wadah pemeliharaan ikan yang di dalamnya

terdapat air bersifat menggenang (stagnant). Air yang masuk ke dalam kolam

ini hanya untuk mengganti air yang hilang akibat penguapan (evaporasi) atau

rembesan (infiltrasi) sehingga tinggi permukaan air kolam dipertahankan tetap.

Untuk kolam seluas 1000 m2, debit air yang dibutuhkan untuk

mempertahankan ketinggian air tetap konstan adalah sekitar 0.5–5 lt/detik,

tergantung pada kondisi pencahayaan matahari dan kolam. Kolam air tenang

menggunakan perairan tawar sebagai sumber airnya, yaitu sungai, saluran

irigasi, mata air, hujan, sumur, waduk, danau, dan situ (Effendi 2004).

f) Kolam Air Deras

Kolam air deras (raceway) adalah kolam yang didesain untuk

memungkinkan terjadinya aliran air (flowthrough) dalam pemeliharaan ikan

dengan padat penebaran yang tinggi. Aliran air yang melimpah dan relatif

deras serta kaya oksigen ini penting untuk menyuplai oksigen dalam respirasi

ikan dan membuang (flushing out) limbah metabolisme, terutama amonia.

Debit air di kolam air deras dapat ditentukan dengan patokan setiap 10 menit

seluruh air kolam sudah berganti semua. Sebagai contoh, bila ukuran kolam air

deras (volume air) adalah 30 m3 maka dengan patokan tersebut debit air yang

dibutuhkan kolam tersebut adalah 30 m3/10 menit atau 50 lt/detik. Bila

dibandingkan dengan kolam air tenang yang berdebit air 0.5–5 lt/detik maka

debit kolam air deras bisa 10–100 kali kolam air tenang (Effendi 2004).

Standar Kualitas Air untuk Budidaya Ikan Air Tawar

a) Temperatur Air/Suhu

Menurut Rounsefell dan Everhart (1953), pada temperatur yang rendah,

proses pencernaan makanan pada ikan berlangsung lambat. Sedangkan pada

suhu yang hangat proses pencernaan pada ikan berlangsung lebih cepat. Suhu

yang mematikan untuk semua jenis ikan adalah 10–11C selama beberapa hari.

Nafsu makan ikan akan menurun pada suhu di bawah 16 C, sementara respon

ikan mengalami penurunan pada suhu 21C.

b) Kecerahan

Kecerahan air atau transparansi, adalah daya tembus cahaya matahari ke

dalam perairan. Kecerahan air dipengaruhi oleh kerapatan plankton dan

kekeruhan yang disebabkan oleh partikel tanah terlarut. Pengukuran kecerahan

19

air seringkali dilakukan pada budidaya intensif maupun super intensif. Alat

untuk mengukur kecerahan air adalah piring seichi (seichi disk).

Tingkat kecerahan air yang baik untuk budidaya adalah 60–100 cm.

Artinya, pada kedalaman 60–100 cm, cahaya matahari masih bisa menembus.

Pada kecerahan 20 cm, kerapatan plankton sudah pada ambang batas

berbahaya karena justru menurunkan kualitas air secara umum.

c) Kadar Oksigen Terlarut (Dissolved Oxygen [DO])

Oksigen terlarut adalah oksigen dalam bentuk terlarut di dalam air karena

ikan tidak dapat mengambil oksigen dalam perairan dari difusi langsung

dengan udara. Satuan pengukuran oksigen terlarut adalah mg/lt yang berarti

jumlah mg/lt gas oksigen yang terlarut dalam air atau dalam satuan

internasional dinyatakan ppm (part per million). Air mengandung oksigen

dalam jumlah yang tertentu, tergantung dari kondisi air itu sendiri (Hadinafta

2009).

Laju pertumbuhan ikan dan konversi pakan sangat dipengaruhi oleh

kandungan oksigen dalam air. Konsentrasi minimum DO bagi sebagian ikan air

tawar adalah 5 ppm. Pada perairan dengan konsentrasi DO 4 ppm, ikan masih

mampu hidup akan tetapi nafsu makannya rendah, sehingga pertumbuhannya

terhambat.

d) Derajat Keasaman Air (pH)

Nilai derajat keasaman yang sangat rendah dapat menyebabkan kematian

pada ikan. Nilai keasaman (pH) yang tinggi menyebabkan pertumbuhan ikan

terhambat. Kisaran derajat keasaman (pH) perairan yang cocok untuk budidaya

ikan tergantung pada jenis ikan yang dipelihara.

e) Kadar Amonia (NH3)

Persentase NH3 dari amonia total dipengaruhi oleh salinitas, konsentrasi

oksigen, suhu, dan pH air. Makin tinggi suhu dan pH air makin tinggi pula

persentase NH3. Dalam artian, peluang biota budidaya keracunan NH3 lebih

besar pada suhu dan pH tinggi.

Perairan umum yang mengandung kadar amonia tinggi dapat

mengganggu pertumbuhan ikan dan biota perairan lainnya, bahkan dapat

bersifat racun yang mematikan ikan. Kadar amonia terlarut 2–7 ppm sudah

dapat mematikan beberapa jenis ikan.

Amonia masuk ke dalam air melalui pupuk, hasil ekskresi ikan dan hasil

penguraian senyawa bernitrogen oleh mikroba. Dalam air, amonia terionisasi

menjadi ion amonium tetapi reaksi ini bisa kembali dengan terbentuknya

amonia bebas. Efek racun yang ditimbulkan amonia tak terionisasi bisa

menyebabkan kerusakan insang, ginjal, limfa, jaringan tiroid, dan darah ikan

(Boyd 1990).

f) Kadar Karbondioksida (CO2)

Kenaikan karbondioksida di dalam air akan menghalangi proses difusi

oksigen sehingga mengurangi konsumsi oksigen dan sebagai kompensasinya

ikan budidaya akan aktif sekali bernafas sehingga memerlukan kalori dan

mengurangi kesempatan makan ikan sehingga selera makan menjadi berkurang.

20

g) Kadar Nitrogen/Nitrit (NO2)

Kandungan nitrit yang tinggi di dalam perairan sangat berbahaya bagi

udang dan ikan, karena nitrit dalam darah mengoksidasi haemoglobin menjadi

meta–haemoglobin yang tidak mampu mengedarkan oksigen (Darti dan Iwan

2006), kandungan nitrit sebaiknya lebih kecil dari 0.3 ppm. Kadar oksigen

terlarut dalam air merupakan faktor pembatas dan sangat berpengaruh terhadap

berlangsungnya proses nitrifikasi. Nilai kosentrasi nitrit dari kedua petak

ujicoba ini berkisar antara 0.012–0.018 ppm (mg/lt), di bawah nilai ambang

batas yang disarankan. Sehingga dengan kandungan nitrit pada ujicoba ini

termasuk kedalam kondisi yang cukup optimal. Pada salinitas di atas 20 ppt,

batas ambang aman nitrit adalah <2 ppm (Chia 1989).

h) Kesadahan Total

Kesadahan di dalam air disebabkan oleh ion Ca2+

dan Mg2+

juga oleh

Mn2+

, Fe2+

, dan semua kation bermuatan dua. Kualitas air yang sesuai untuk

budidaya ikan air tawar adalah yang mempunyai kesadahan total minimal 20

mg/lt CaCO3. Konsentrasi total dari ion logam yang bervalensi dua terutama Ca

dan Mg yang dinyatakan dalam mg/lt setara CaCO3 menunjukkan tingkat

kesadahan air.

Total alkalinitas dan kesadahan air umumnya sama besarnya. Namun

pada beberapa perairan, total alkalinitas mungkin lebih besar dari kesadahan

atau sebaliknya. Tingkat total kesadahan dan total alkalinitas air yang

diperlukan untuk budidaya ikan umumnya terletak pada deret 20–300 mg/lt.

Bila total alkalinitas dan total kesadahan terlalu rendah dapat ditingkatkan

melalui penambahan kapur. Bila total kesadahan dan total alkalinitas lebih

tinggi dari yang diperlukan maka belum ada cara yang praktis untuk usaha

menurunkannya (Ghufran et al. 2007).

i) Alkalinitas

Alkalinitas adalah kapasitas air untuk menetralkan tambahan asam tanpa

penurunan pH larutan. Alkalinitas dinyatakan CaCO3 dalam mg/lt (atau disebut

ppm). Alkalinitas di dalam air disebabkan oleh ion bikarbonat (HCO3),

karbonat (CO3), dan hidroksida (OH). Pada siang hari, aktivitas fotosintesis

fitoplankton, ganggang, dan lumut menyebabkan turunnya karbondioksida

(CO2) dan bikarbonat (HCO3). Turunnya karbondioksida dan bikarbonat

menjadikan karbonat (CO3) dan hidroksida (OH-) naik sehingga pH larutan

naik.

Air dengan kandungan CaCO3 >100 mg/lt disebut sebagai alkalin,

sedangkan <100 mg/lt disebut sebagai lunak atau alkalinitas sedang.

Alkalinitas untuk budidaya ikan air tawar adalah >20 mg/lt CaCO3. Dengan

alkalinitas yang cukup, perubahan/fluktuasi pH air tidak drastis. Dalam

budidaya ikan air tawar di kolam, untuk menaikkan alkalinitas biasanya

ditebarkan dolomite, CaMg (CO3)2.

Kapasitas air menerima protein disebut alkalinitas. Air yang alkali atau

bersifat basa sering mempunyai pH tinggi dan umumnya mengandung padatan

terlarut yang tinggi. Alkalinitas merupakan faktor kapasitas untuk menetralkan

asam. Oleh karena kadang–kadang penambahan alkalinitas lebih banyak

21

dibutuhkan untuk mencegah supaya air itu tidak menjadi asam (Darusalam

2005).

Alkalinitas relatif sama jumlahnya dengan kesadahan dalam suatu

perairan. Alkalinitas juga berpengaruh terhadap pH dalam suatu perairan.

Dalam kondisi basa ion bikarbonat akan membentuk ion karbonat dan

melepaskan ion hidrogen yang bersifat asam sehingga keadaan pH menjadi

netral. Sebaliknya bila keadaan terlalu asam, ion karbonat akan mengalami

hidrolis menjadi ion bikarbonat dan melepaskan hidrogen oksida yang bersifat

basa, sehingga keadaan kembali netral. Perairan dengan nilai alkalinitas yang

terlalu tinggi tidak terlalu disukai oleh organisme akuatik karena biasanya

diikuti dengan nilai kesadahan yang tinggi atau kadar garam natrium yang

tinggi (Darusalam 2005).

Berdasarkan parameter yang ada, akhirnya diperoleh 540 data, dimana

untuk masing-masing jenis ikan memiliki 90 data. Nantinya data ini akan dibagi

menjadi beberapa subset untuk data pelatihan dan data uji.

Praproses Data

Tahapan yang dilakukan pada tahapan ini mempersiapkan data sebelum

dilakukan pengolahan data di antaranya adalah mempersiapkan parameter

nominal seperti lokasi pembuangan limbah, ketersediaan sumber air, syarat tanah,

jenis kolam, sistem pengairan, dan ketinggian dataran.

Pada praproses data ini juga akan dilakukan pembuangan data yang tidak

lengkap maupun tidak valid berdasarkan justifikasi pakar, sehingga diperoleh data

yang benar-benar dapat diolah. Selanjutnya, akan dilakukan proses normalisasi

pada data numerik bila didapatkan range yang terlalu besar antar parameter.

Penentuan Data Latih dan Data Uji

Pada penelitian ini pembagian data latih dan data uji akan dilakukan dengan

menggunakan teknik k-fold cross validation dengan nilai k = 3.

Klasifikasi

Teknik klasifikasi yang digunakan adalah KNN, yaitu mencari jarak

terdekat antara data yang akan diuji dengan k tetangga terdekatnya dalam data

latih. Pada penelitian ini penentuan nilai k dilakukan melalui beberapa skenario

percobaan untuk mendapatkan k terbaik.

Pada penelitian ini, terdapat dua jenis data kategori yaitu data yang

diperoleh melalui pengelompokan objek berdasarkan kategori tertentu.

Perhitungan pada data numerik menggunakan perhitungan Euclidean distance

sesuai Persamaan 2. Perhitungan pada data nominal menggunakan perhitungan

nominal distance sesuai Persamaan 3.

Untuk menggabungkan kedua jarak semua variabel, dilakukan aggregate

ketidaksamaan berat rata–rata dari jarak masing-masing parameter dengan

menggunakan Persamaan 4.

22

Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan

Kualitas Air

Tahapan ini adalah yang paling penting karena pada tahap ini teknik

klasifikasi diaplikasikan pada data yang sudah diperoleh. Dari data uji yang sudah

dibagi sebelumnya, kemudian diujikan pada model klasifikasi KNN dengan

menggunakan mayoritas dari kelas tetangga terdekat sebagai nilai prediksi data

baru.

Hasil Prediksi

Pada tahap akhir ini diharapkan data uji yang dimasukkan akan terklasifikasi

pada kelas yang benar. Evaluasi model klasifikasi berdasar pada proporsi antara

data uji yang diprediksi secara tepat dengan total seluruh prediksi.

Sistem diuji dengan menghitung akurasi, yaitu jumlah data yang berhasil

dikenali oleh metode klasifikasi KNN dibagi total data yang ada. Akurasi yang

diperoleh berasal dari Persamaan 5.

Implementasi Pengembangan

Spesifikasi perangkat keras yang digunakan di tahap implementasi

pengembangan sistem pada penelitian ini di antaranya menggunakan processor

Intel Core 2 Duo 2.10 GHz, RAM 2.00 GB, dan harddisk kapasitas 320 GB.

Spesifikasi perangkat lunak yang digunakan di antaranya menggunakan Windows

7 sebagai sistem operasi, AppServ Open Project 2.5.9 for Windows, bahasa

pemrograman PHP, Photoshop CS2, dan Dreamweaver.

Sistem pakar ini dikembangkan berbasis website agar lebih mudah diakses

dan dimanfaatkan oleh lebih banyak orang terutama pembudidaya maupun

masyarakat umum yang ingin mengetahui jenis ikan apa yang sesuai dengan

kondisi lingkungan dan kualitas air yang ada di tempat tinggal mereka.

Pengujian

Tahap pengujian dilakukan dengan uji coba program kepada ahli atau

praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab

oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang

berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan

konsistensi pengetahuan pada hasil yang diperoleh.

HASIL DAN PEMBAHASAN


Masih rendah dan kurangnya pengetahuan masyarakat mengenai teknologi

budidaya salah satunya dapat mengakibatkan kesalahan dalam pemilihan lokasi

budidaya. Kesalahan pemilihan lokasi dan kualitas air yang jauh dari batas

toleransi dapat mengakibatkan ikan menjadi stres. Apabila ikan stres maka kondisi

23

imunitas akan mulai menurun sehingga mudah terserang penyakit dan

produktivitas terganggu. Jika kondisi ini dibiarkan dapat berujung kematian pada

ikan yang dibudidayakan.

Terbatasnya jumlah pakar menghambat masyarakat khususnya petani

budidaya jika ingin melakukan konsultasi. Oleh karena itu perlu dibuat suatu

sistem sebagai penghubung antara pakar dan pembudidaya yang dapat mewakili

pengetahuan pakar.

Akuisisi Pengetahuan

Akuisisi pengetahuan dilakukan melalui wawancara langsung dengan pakar

ditambah telaah pustaka. Beberapa pakar yang telah diwawancarai diantaranya

Bapak Ir Irzal Effendi MSi dari BDP Fakultas Perikanan dan Ilmu Kelautan IPB,

Bapak Abdul Wahid kepala bagian teknis, dan Bapak Sidi Asih staf breading dan

genetika dari Balai Riset Perikanan Budidaya Air Tawar Bogor.

Selain dari pakar, data diperoleh dari informasi yang didapat dari telaah

pustaka seperti buku, jurnal, data dasar dan media lain (manual teknik dan

makalah) di antaranya dari buku Cahyono (2001), Ciptanto (2010), Effendi (2004),

Khairuman dan Amri (2011), Kordi dan Ghufran (2010), Saanin (1968), dan

Prihatman (2000).

Tabel 9 Tahapan validasi data dengan pakar

Tahap validasi Hasil Langkah selanjutnya

Tahap 1

Evaluasi

parameter data

latih.

Masih terdapat kesalahan

range nilai pada beberapa

parameter, yaitu:

Suhu

Kecerahan

Jenis kolam

penelitian harus kembali ke

tahap akuisisi pengetahuan.

Tahap 2

Evaluasi data

latih dan

pengajuan

kuisioner

pengujian pada

pakar.

Dari 30 data uji yang

diajukan ke pakar hanya 15

dari data tersebut yang benar.

Terdapat parameter yang

kurang berpengaruh dan

tidak memiliki keterkaitan

yang erat dengan parameter

lain.

Penghapusan parameter

kemiringan pematang.

Mengubah range nilai

ketinggian, jenis kolam,

kecerahan dan kadar

oksigen terlarut (dissolved

oxygen).

Penelitian harus kembali

pada tahap akuisisi

pengetahuan.

Tahap 3

Pengajuan

kuisioner

pengujian

kepada pakar.

Dari 12 data pengujian 10 telah

terjawab dengan benar,

sehingga dapat dikatakan data

latih yang digunakan sudah

sesuai dengan keahlian pakar.

Penelitian dapat dilanjutkan.

24

Untuk memastikan kebenaran dari data yang diperoleh dari proses akuisisi

pengetahuan, maka perlu dilakukan validasi data dengan pakar. Pada penelitian ini,

proses validasi data dilakukan dengan pengajuan kuisioner yang berisi sampel

data kepada pakar. Selanjutnya pakar akan menentukan apakah data yang diajukan

sudah tepat sesuai dengan keilmuan pakar. Tahapan proses validasi lebih lengkap

dapat dilihat pada Tabel 9.

Representasi Pengetahuan

Jenis representasi pengetahuan yang digunakan untuk mengkonfigurasikan

fakta–fakta pengetahuan adalah merepresentasikan dalam bentuk tabel yang dapat


Tabel 10 Representasi pengetahuan

No Parameter Satuan nilai Jenis data

1 Lokasi Jauh dari pembuangan limbah Nominal

2 Ketersediaan sumber air Ada sumber air Nominal

3 Syarat tanah Tanah liat, beton Nominal

4 Jenis kolam Kolam air tenang (KAT),

kolam air deras (KAD)

Nominal

5 Sistem pengairan Mengalir, tidak mengalir Nominal

6 Ketinggian dataran m dpl (di atas permukaan laut) Numerik

7 Suhu C Numerik

8 Kecerahan cm Numerik

9 DO (Dissolved Oxygen) mg/lt Numerik

10 pH

Numerik

11 NH3 (Nitrit) mg/lt Numerik

12 CO2 ppm Numerik

14 NO2 ppm Numerik

15 Kesadahan total mg/lt Numerik

Pengembangan Mesin Inferensi

Metode pengembangan mesin inferensi yang digunakan adalah KNN.

Beberapa tahapan yang dilakukan di antaranya adalah:


Kesalahan dalam pemilihan lokasi budidaya dapat mengakibatkan ikan

menjadi stres, sehingga mengakibatkan kematian. Terbatasnya jumlah pakar juga

menghambat masyarakat khususnya petani budidaya jika ingin melakukan

konsultasi.

25

Pengadaan Data

Terdapat 16 variabel yang diperoleh dan digunakan sebagai parameter input.

6 variabel berdasarkan kondisi lokasi, dan 9 variabel berdasarkan kualitas air.

Semua variabel tersebut digunakan sebagai parameter penentuan jenis ikan yang

akan dibudidayakan.

Praproses Data

Data yang digunakan dalam penelitian ini merupakan data yang diperoleh

dari proses akuisisi pengetahuan yang telah dilakukan sebelumnya. Data yang

diperoleh berupa jenis ikan yang akan digunakan sebagai kelasnya serta range

nilai untuk tiap parameter sesuai kelasnya. Proses pengambilan data ini dilakukan

selama kurang lebih dua bulan.

Terdapat 6 jenis ikan yang digunakan sebagai kelasnya, yaitu ikan bawal,

ikan lele, ikan patin, ikan mas, ikan nila dan ikan mujair. Tiap kelas memiliki 90

data yang mewakili tiap parameter input, sehingga total data yang digunakan

sebanyak 540 data. Contoh data yang valid dapat dilihat pada Tabel 11.

Tabel 11 Standar kualitas air dan lokasi budidaya ikan patin

Berdasarkan beberapa parameter yang digunakan, terdapat 5 parameter yang

berasal dari kelayakan kondisi lokasi bersifat nominal, yaitu:

1. Lokasi jauh dari pembuangan limbah

2. Ketersediaan sumber air (ada).

3. Syarat tanah

Tanah liat atau lempung

Beton

4. Jenis Kolam

Kolam air tenang (KAT)

Kolam air deras (KAD)

5. Sistem pengairan

Mengalir

Tidak mengalir

Parameter Standar

Lokasi Jauh dari pembuangan limbah

Sumber air Ada sumber air

Syarat tanah Tanah liat

Ketinggian dataran 10-200 m dpl

Jenis kolam Kolam air tenang

Sistem pengairan Air mengalir

Suhu 26-32 C

pH 6-7

Oksigen terlarut 4.5 – 6.5 mg/lt

NH3 <0.05 ppm

Kecerahan 40-60 cm

Karbondioksida (CO2) 9-20 ppm


Alkalinitas 90-100 mg/lt

Kesadahan total 20-70 mg/lt

26

Perhitungan jarak untuk parameter input yang bertipe nominal,

menggunakan nominal distance. Sedangkan sebanyak 10 parameter input bertipe

numerik yang berasal dari 9 parameter kualitas air dan 1 parameter dari syarat

lokasi akan dihitung menggunakan jarak Euclidean, yaitu:

1. Ketinggian dataran

2. Suhu

3. pH

4. Oksigen terlarut (dissolved oxygen [DO])

5. NH3

6. Kecerahan

7. Karbondioksida (CO2)

8. Nitrit (NO2)

9. Alkalinitas

10. Kesadahan total

Min Max Normalization

Dari data yang diperoleh, range nilai yang ada terlihat sangat jauh. Hal ini

dapat dilihat misalnya pada salah satu data kelas bawal, nilai parameter input NH3

nya adalah 0.001 sedangkan pada parameter ketinggian nilainya adalah 100.

Begitu nilai untuk parameter lainnya. Terlihat bahwa range dari kedua nilai ini

sangatlah jauh. Perbedaan range nilai yang lumayan jauh pada peremeter numerik

ini, menyebabkan perlu dilakukannya proses normalisasi. Normalisasi dilakukan

sebelum melakukan pengolahan data. Hal ini bertujuan untuk menyamakan range

antar parameter. Untuk mendapatkan range antara 0–1 digunakan min-max

normalization, sesuai dengan Persamaan 1 yang telah dijelaskan sebelumnya.

Nilai maksimum dan minimum di sini, menggunakan nilai maksimum dan

minimum dari suatu parameter input. Misalkan pada parameter ketinggian, nilai

maksimum adalah 50, nilai minimum adalah 0.001. Contoh normalisasi untuk

record pertama dengan nilai 10 berdasarkan rumus normalisasi adalah:

10 - 0.001

50= 0.199984

Begitu juga untuk data input yang akan digunakan nantinya, harus melewati

proses normalisasi ini.

Penentuan Data Latih dan Data Uji Menggunakan K-Fold Cross Validation

Pada penelitian ini pembagian data latih dan data uji dilakukan dengan

menggunakan teknik k-fold cross validation dengan nilai k = 3. Dari 6 jenis ikan

yang digunakan sebagai kelas, masing-masing memiliki 90 data yang mewakili

parameter input yang digunakan, sehingga total data yang digunakan adalah 540

data.

Selanjutnya dari total data yang ada, dibagi menjadi 3 subset yang mana tiap

subset berisi 30 data dari tiap jenis ikan, sehingga diperoleh 180 data pada tiap

subset. Tiap subset nantinya akan digunakan pada 3 kali percobaan untuk setiap

nilai k yang digunakan pada tahap klasifikasi KNN, hingga setiap subset pernah

menjadi data latih dan data uji. Banyaknya data tiap subset dapat dilihat pada

Tabel 12. Susunan data latih dan data uji pada tiap percobaan nilai k pada tahap

klasifikasi KNN dapat dilihat pada Tabel 13.

27

Tabel 12 Jumlah data setiap subset

Subset Jumlah Data

S1 180

S2 180

S3 180

Total Data 540

Tabel 13 Susunan data latih dan data uji

Subset Pelatihan Pengujian

Subset 1 S2, S3 S1

Subset 2 S1, S3 S2

Subset 3 S1, S2 S3

Metode Klasifikasi Menggunakan K-NN

Teknik klasifikasi yang digunakan adalah KNN, yaitu mencari jarak

terdekat antara data yang akan dievaluasi dengan k tetangga terdekatnya dalam

data pelatihan. Pada penelitian ini nilai k yang digunakan adalah 3, 5, dan 7.

Penghitungan jarak menggunakan dua cara yaitu nominal distance untuk data

yang bersifat nominal dan Euclidean distance untuk data yang bersifat numerik.

Hasil dari perhitungan nominal distance dan Euclidean distance akan

digabungkan menggunakan rumus aggregate.

Euclidean Distance

Setelah melakukan normalisasi pada setiap data input yang akan digunakan,

tahap selanjutnya adalah perhitungan jarak antara data uji dengan data latih untuk

tiap parameternya. Pada parameter input yang bersifat numerik perhitungan

jaraknya menggunakan Euclidean distance. Perhitungan yang dilakukan sesuai

dengan Persamaan 2.

Nominal Distance

Nominal distance digunakan untuk menghitung jarak antar parameter yang

bersifat nominal. Pada sistem ini, terdapat 5 parameter input yang bersifat nominal,

di antaranya adalah:

1. Lokasi (jauh dari pembuangan limbah)

2. Ketersediaan sumber air

3. Syarat tanah

4. Jenis kolam

5. Sistem pengairan

Untuk kelima parameter input ini, perhitungan jaraknya menggunakan

nominal distance. Hasilnya adalah 0 jika nilai nominal pada parameter input data

uji sama dengan nilai nominal pada data latih dan bernilai 1 jika nilai nominal

data uji tidak sama dengan nilai data latih sesuai dengan Persamaan 3.

Aggregate

Tahap aggregate ini dilakukan untuk menggabungkan nilai yang dihasilkan

pada perhitungan nominal distance dan Euclidean distance untuk 1 data uji agar

28

bisa dihasilkan 1 nilai jarak yang dapat dibandingkan dengan data latih yang ada.

Adapun nilai aggregate ini dihasilkan berdasarkan Persamaan 4 yang telah

dijelaskan sebelumnya.

Pemberian bobot 1 untuk perhitungan jarak numerik dan 0.5 untuk jarak

nominal agar parameter nominal tidak terlalu mendominasi perhitungan. Selain

itu, sebagian besar parameter kunci pada tiap kelas berasal dari parameter

numerik. Selanjutnya, akan diambil nilai aggregate terkecil dari data uji sebanyak

nilai k pada KNN.

Tahap KNN (Penetuan Tetangga Terdekat)

Setelah dilakukan tahap aggregate, selanjutnya dilakukan tahap penentuan

kelas yang sesuai melalui tahapan KNN. Di sini, data uji akan dibandingkan

dengan data latih untuk kemudian ditentukan sebanyak k tetangga terdekat. Untuk

nilai k = 3, maka diambil 3 nilai aggregate terkecil dari data uji. Untuk nilai k = 5,

maka diambil 5 nilai aggregate terkecil dari data uji. Sedangkan untuk nilai k = 7,

maka diambil 7 nilai aggregate terkecil dari data uji. Selanjutnya dari k = 3, k = 5

dan k = 7 akan ditentukan manakah kelas terdekat dari data latih yang ada. Dari

kelas terdekat ini, akan ditentukan kelas pemenang sebagai kelas yang paling

sesuai dengan data uji yang dimasukkan.

Percobaan dengan Normalisasi

Pada percobaan dengan normalisasi ini, data dibagi menjadi 3 subset. Tiap

subset berisi 30 record dari setiap jenis ikan. Variasi data latih dan data uji

dihasilkan dari proses k-fold cross validation. Percobaan terus dilakukan hingga

setiap subset pernah menjadi data latih dan data uji. Susunan data latih dan data

uji pada percobaan dapat dilihat pada Tabel 13.

Percobaan selanjutnya dilakukan dengan menambahkan tahap normalisasi

pada data yang akan digunakan. Percobaan ini menggunakan 540 record data,

yang dibagi menjadi 3 subset yang tiap subset berisi 30 record dari setiap jenis

ikan. Variasi data latih dan data uji dihasilkan dari proses k-fold cross validation.

Percobaan terus dilakukan hingga setiap subset pernah menjadi data uji.

Percobaan pertama menggunakan 360 record sebagai data latih yang berisi

subset 2 dan 3. Subset 1 yang berisi 180 record sebagai data uji. Percobaan kedua

menggunakan subset 1 dan subset 3 sebagai data latih, subset 2 sebagai data uji.

Percobaan ketiga menggunakan subset 1 dan subset 2 sebagai data latih, subset 3

sebagi data uji. Pada ketiga percobaan tersebut kemudian diterapkan dalam

metode k-nearest neighbour melalui tahapan berikut ini:

1. Pada setiap data latih dan data uji yang akan digunakan, akan diterapkan proses

normalisasi terlebih dahulu yang bertujuan untuk menyamakan range antar

parameter. Untuk mendapatkan range antara 0-1 digunakan min-max

normalization, sesuai dengan Persamaan 1 yang telah dijelaskan sebelumnya.

2. Setiap record data uji dihitung jaraknya ke setiap record data latih untuk

mengetahui kedekatan antara data uji dengan data latih. Untuk data bertipe

numerik, selisih antara data uji dengan data latih menggunakan Euclidean

distance. Untuk data bertipe nominal, data diolah menggunakan nominal

distance. Jika data uji sama dengan data latih maka bernilai 0 dan jika data uji

berbeda dengan data latih maka bernilai 1.

29

3. Selanjutnya hasil perhitungan menggunakan jarak Euclidean dan nominal

distance digabungkan dengan menggunakan rumus aggregate. Bobot 1

diberikan pada perhitungan Euclidean dan bobot 0.5 pada hasil perhitungan

nominal agar perhitungan nominal tidak mendominasi hasil perhitungan.

Penentuan nilai k tetangga terdekat dilakukan dengan mencobakan nilai k =

3, 5, dan 7 dalam metode k-nearest neighbour. Untuk nilai k = 3, 5 dan 7 masing-

masing akan dilakukan sebanyak 3 kali percobaan untuk subset 1, subset 2, dan

subset 3. Hasil akurasi setiap nilai k pada setiap subset yang diperoleh dapat


Tabel 14 Hasil akurasi setiap subset dengan k = 3, 5, dan 7

Subset k = 3 k = 5 k = 7

1 96.67% 91.67% 93.33%

2 98.33% 98.89% 98.89%

3 97.22% 97.22% 97.78%

Rata–Rata 97.41% 95.93% 96.67%

Dari Tabel 14 terlihat rata–rata akurasi tertinggi didapat pada saat nilai

k tetangga terdekat 3, yaitu 97.41%. Hasil akurasi terbaik dari ketiga jenis

subset diperoleh pada nilai k = 7, subset 2 dengan 98.89%. Dari percobaan yang

telah dilakukan, didapatkan hasil akurasi yang sudah bagus, hal ini disebabkan

range yang ada sudah tidak terlalu besar sehingga dapat memperkecil adanya

kesalahan dalam perhitungan jarak terdekat antar parameter pada setiap kelas.

Untuk melihat kesalahaan klasifikasi pada kelas atau jenis ikan tertentu, data

ditampilkan dalam bentuk confusion matrix pada setiap percobaan. Contoh

confusion matrix percobaan dengan normalisasi k = 7 subset ke-2 dapat dilihat

pada Tabel 15.

Tabel 15 Confusion matrix percobaan dengan k = 7 subset ke-2

Bawal Lele Patin Mas Nila Mujair

Bawal 30 0 0 0 0 0

Lele 0 30 0 0 0 0

Patin 0 0 30 0 0 0

Mas 0 0 0 30 0 0

Nila 0 0 0 0 28 2

Mujair 0 0 0 0 0 30

Berdasarkan tabel confusion matrix yang dihasilkan, terlihat pada jenis ikan

nila dari 30 data uji, 28 data tepat diklasifikasi pada ikan nila sedangkan 2 data

meleset dan masuk ke kelas ikan mujair. Hal ini disebabkan adanya kemiripan

pada karakteristik tiap parameter yang dimiliki kedua jenis ikan tersebut, baik dari

kebutuhan syarat lokasi maupun kualitas air sehingga pada saat dilakukan

perhitungan jarak selisih yang dihasilkan hanya sedikit. Akibatnya, pada ikan nila

dapat terjadi kesalahan klasifikasi. Untuk tabel confusion matrix yang lebih detail

untuk setiap tahap percobaan dapat dilihat pada Lampiran 1.

Setelah dilakukan beberapa kali percobaan, ternyata hasil akurasi yang

dihasilkan berbeda–beda untuk tiap percobaan. Hasil akurasi yang dihasilkan pada

30

percobaan dengan normalisasi ini dapat dilihat pada Tabel 16, Gambar 8, dan

Gambar 9.

Tabel 16 Hasil akurasi setiap subset dan rata-rata akurasi setiap nilai k

Nilai k Subset Akurasi

3

Subset 1 96,67%

Subset 2 98,33%

Subset 3 97,22%

Rata–Rata 97,41%

5

Subset 1 91,67%

Subset 2 98,89%

Subset 3 97,22%

Rata–Rata 95,93%

7

Subset 1 93,33%

Subset 2 98,89%

Subset 3 97,78%

Rata–Rata 96,67%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

3 5 7

Ak

ura

si

Nilai k

Subset 1

Subset 2

Subset 3

Gambar 8 Grafik hasil akurasi pada percobaan dengan normalisasi

31

Dari Tabel 16, Gambar 8, dan Gambar 9 dapat diketahui bahwa akurasi

cenderung naik kurang lebih sebanyak 1–2% pada tiap percobaan. Rata-rata

akurasi terbaik yang diperoleh 97.41% yaitu pada percobaan dengan normalisasi

dengan nilai k tetangga terdekat 3.

Hal ini disebabkan nilai k yang lebih kecil biasanya mengurangi adanya

varasi tetangga terdekat. Jadi kemungkinan akan lebih banyak data yang tepat

terklasifikasi pada kelasnya. Namun, nilai k yang terlalu kecil juga tidak dapat

sepenuhnya menjamin hasil yang bagus, karena bisa saja pada saat kita

menggunakan nilai k yang lebih besar ternyata data tersebut bukan termasuk pada

kelas awalnya. Hal inilah yang melatarbelakangi dilakukan percobaan dengan

nilai k = 5 dan k = 7.

Setelah dilakukan percobaan dengan nilai k = 5 dan k = 7 ternyata hasil

akurasi yang diperoleh lebih tinggi yaitu 98.89%. Jadi, skenario percobaan yang

akan digunakan pada sistem pakar berbasis website ini sesuai dengan hasil akurasi

tertinggi. Susunan data latih subset 2 melalui proses normalisasi dan nilai k = 7

untuk proses perhitungan klasifikasi KNN.

Implementasi

Pada sistem yang dikembangkan ini terdiri dari beberapa modul diantaranya

home, penentuan jenis ikan, faktor budidaya, jenis ikan air tawar dan terminologi

sistem seperti terlihat pada Gambar 10.

Gambar 10 Modul/menu pada sistem

Modul home berisi informasi mengenai latar belakang pembuatan sistem

pakar budidaya ikan air tawar berdasarkan lokasi dan kualitas air. Modul faktor

budidaya berisi informasi mengenai apa saja faktor-faktor yang mempengaruhi

budidaya jenis ikan air tawar yang ada. Modul jenis ikan air tawar berisi informasi

mengenai jenis-jenis ikan air tawar yang digunakan sebagai kelas pada penelitian

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

3 5 7

Ak

ura

si

Nilai k

Gambar 9 Grafik rata–rata akurasi setiap nilai k

32

ini. Modul terminologi sistem berisi informasi mengenai dasar-dasar ilmu yang

digunakan dalam pembuatan sistem pakar ini.

Terdapat pula menu tambahan yaitu menu bantuan, hubungi kami, buku

tamu, dan fasilitas pencarian (search) seperti terlihat pada Gambar 11. Menu

bantuan berisi informasi bantuan penggunaan sistem untuk user. Modul hubungi

kami berisi informasi mengenai siapa yang dapat dihubungi user jika ada

pertanyaan mengenai sistem. Modul buku tamu digunakan apabila user ingin

memberikan komentar dengan memasukkan alamat email user.

Gambar 11 Menu tambahan pada sistem

Modul yang paling utama pada sistem ini terletak pada modul penentuan

jenis ikan yang akan menampilkan sebuah halaman berupa form yang berisi

beberapa pertanyaan yang harus dijawab oleh user. Jawaban yang diberikan oleh

user berupa pilihan pada radio button dan nilai yang dimasukkan pada kolom

textbox yang disediakan sesuai dengan parameter yang ada. Halaman ini dibagi

menjadi tiga bagian. Bagian pertama berisi pertanyaan mengenai kondisi awal

yang ada, yaitu “apakah lokasi ini sudah pernah dijadikan sebagai tempat

budidaya sebelumnya?”, “jika iya, apakah jenis ikan yang pernah dibudidayakan?”

jawaban yang diberikan user pada bagian ini hanya akan digunakan sebagai

informasi tambahan dan tidak diikutsertakan dalah perhitungan klasifikasi di

sistem. Tampilan bagian awal ini terlihat pada Gambar 12.

Gambar 12 Tampilan pertanyaan kondisi awal

Bagian kedua berisi pertanyaan yang berhubungan dengan syarat kondisi

lingkungan atau lokasi, di antaranya apakah lokasi yang ada jauh dari tempat

pembuangan limbah, ketersediaan sumber air, syarat tanah yang digunakan, jenis

kolam, sistem pengairan yang digunakan, dan ketinggian lokasi. Bagian ketiga

berisi pertanyaan yang berkaitan dengan syarat kualitas air yang digunakan, di

antaranya suhu, kecerahan, kadar oksigen terlarut (dissolved oxygen [DO]),

derajat keasaman air (pH), kadar amonia (NH3), kadar karbondioksida (CO2),

kadar nitrit (NO2), alkalinitas, dan kesadahan total. Tampilan bagian kedua dan

ketiga ini dapat dilihat pada Gambar 13.

33

Gambar 13 Tampilan pertanyaan syarat kondisi lokasi dan kualitas air

Setelah memasukkan nilai jawaban pada kolom textbox yang disediakan,

user harus memilih nilai k yang akan digunakan untuk proses klasifikasi jenis ikan

yang sesuai. Apabila tidak memilih nilai k yang ada, maka digunakan nilai default

7 karena akurasi terbaik diperoleh ketika menggukan nilai k = 7. Tampilan

penentuan nilai k dan tombol “hasil identifikasi” dapat dilihat pada Gambar 14.

Gambar 14 Tampilan penentuan nilai k yang akan digunakan

Selanjutnya, setelah user menekan tombol hasil identifikasi maka sistem

akan langsung memproses hasil jawaban yang telah dimasukkan oleh user. Hasil

akhir yang akan ditampilkan adalah jenis ikan apa yang sesuai dengan kondisi

lingkungan dan kualitas air yang ada, hasil perhitungan jarak Euclidean dan

jawaban yang telah dimasukkan oleh user sebelumnya. Contoh tampilan hasil

akhir dapat dilihat pada Gambar 15 dan Gambar 16.

Gambar 15 Tampilan hasil akhir identifikasi bagian I

34

Gambar 16 Tampilan hasil akhir identifikasi bagian II

Pada contoh kasus yang dihasilkan Gambar 16 terlihat 7 kelas terdekat

teridentifikasi pada kelas ikan mas. Hal ini disebabkan berdasarkan nilai yang

dimasukkan user untuk setiap parameter input-nya setelah dihitung berdasarkan

rumus Euclidean distance, nominal distance, aggregate, dan dihitung sebanyak k-

tetangga terdekat ternyata jarak terkecil yang dihasilkan mengarah pada ikan mas.

Dalam hal ini, karena nilai k yang dipilih adalah 7 maka ditampilkan 7 tetangga

terdekat seperti yang ditampilkan pada Gambar 11. Semakin kecil jarak maka

akan semakin mirip pada kelas tertentu. Karena hasil perhitungan menghasilkan 7

selisih jarak terkecil adalah jarak pada ikan mas, maka ikan yang sesuai untuk

dibudidayakan berdasarkan kondisi lokasi lokasi dan kualitas air yang telah

dimasukkan user sebelumnya seperti terlihat pada Gambar 10 adalah ikan mas.

Sistem ini juga dilengkapi validasi untuk menanggulangi adanya kesalahan

yang mungkin terjadi, diantaranya apabila user belum memasukkan nilai pada

form yang sudah disediakan, maka akan muncul peringatan bahwa form harus

diisi. Peringatan akan muncul di tiap parameter. Tampilan peringatan yang

dihasilkan dapat dilihat pada Gambar 17.

Gambar 17 Tampilan peringatan jika user belum memasukkan nilai

Selanjutnya, apabila user memilih jenis kolam “Kolam Air Deras (KAD)”,

kolom ketinggian minimum 100 dpl. Jika user memasukkan nilai kurang dari 100,

maka akan muncul peringatan seperti Gambar 18.

35

Gambar 18 Peringatan jika jenis kolam air deras tetapi ketinggian <100

Nilai yang dimasukkan juga tidak boleh dalam bentuk bilangan negatif,

sesuai dengan range data latih yang digunakan, seperti terlihat pada Gambar 19.

Pada tiap parameter juga terdapat rentang nilai tertentu, jika user hanya

memasukkan nilai yang tidak semestinya, maka akan muncul tanda peringatan,

contohnya dapat dilihat pada Gambar 20.

Gambar 19 Tampilan peringatan jika nilai yang dimasukkan negatif

Gambar 20 Tampilan peringatan untuk rentang nilai suhu

Selain halaman untuk user, sistem ini juga dilengkapi halaman untuk admin

jika sewaktu–waktu ingin mengubah isi dari modul yang ada. Sebelum masuk ke

halaman admin, user harus login dulu untuk memastikan admin yang valid.

Tampilan login admin dapat dilihat pada Gambar 21, sedangkan tampilan awal

halaman admin dapat dilihat pada Gambar 22.

Gambar 21 Tampilan login admin

36

Gambar 22 Tampilan awal halaman admin

Pada halaman admin, dapat memanipulasi (tambah, ubah, hapus) data yang

akan ditampilkan di website sistem pakar ini. Seperti terlihat pada Gambar 22

terdapat beberapa menu yang dapat dimanfaatkan di halaman admin ini. Di

antaranya, pada menu manajemen user digunakan untuk memanipulasi siapa saja

yang mempunyai hak akses untuk login sebagai admin. Menu jenis ikan air tawar

digunakan untuk memanipulasi data–data dari jenis ikan air tawar yang digunakan

sebagai kelas di sistem pakar ini. Menu data latih digunakan untuk melihat data

latih yang digunakan dalam penelitian ini. Menu buku tamu digunakan untuk

melihat pesan yang disampaikan oleh pengunjung website yang ditujukan ke

email admin. Logout digunakan apabila admin ingin keluar dari sistem.

Pengujian

Tahap pengujian dilakukan dengan uji coba program kepada ahli atau

praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab

oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang

berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan

konsistensi pengetahuan pada hasil yang diperoleh.

Pada penelitian ini, telah dilakukan proses pengujian sistem dan validasi

data dengan pakar sebanyak 3 kali sampai akhirnya mendapat hasil yang sesuai.

Jika masih terdapat kesalahan atau sistem pakar yang dibuat belum sesuai dengan

keahlian pakar, maka tahapan penelitian harus kembali ke tahap akuisisi

pengetahuan, representasi pengetahuan, pengembangan mesin inferensi,

implementasi dan pengujian. Proses tahapan validasi lebih lengkap dapat dilihat

pada Tabel 9.

Kesalahan yang timbul seringkali terjadi pada jenis ikan nila dan ikan

mujair karena kedua jenis ikan ini memiliki karakteristik kebutuhan lingkungan

dan kualitas air yang sama. Hanya sedikit perbedaan pada kebutuhan pH. Jika

ikan nila pada range 6–7.5 sedangkan ikan mujair pada range 7–7.5 sehingga

tidak mengherankan apabila kesalahan sering terjadi pada kedua jenis ikan ini.

Pada jenis ikan lainnya, seperti ikan bawal dan patin, kesalahan klasifikasi juga

seringkali terjadi. Kesalahan klasifikasi biasanya menghasilkan ikan nila, ikan

mujair, ataupun ikan mas.

37

Untuk data, jika ditemukan data yang berbeda satu sama lain misalnya

dipilih nilai k = 3 kemudian ketiga kelas yang dihasilkan berbeda satu sama lain

sehingga tidak ada yang dominan, maka akan dianggap salah. Karena pada

metode KNN kelas pemenang ditentukan berdasarkan voting kelas terbanyak pada

k–tetangga terdekat yang dihasilkan. Sebenarnya hal ini jarang terjadi pada

penelitian ini. Kemungkinan dapat terjadi karena adanya kemiripan range pada

parameter yang dimasukkan sehingga terklasifikasi pada kelas tetangga yang

terdekat. Penentuan nilai k tetangga terdekat juga berpengaruh karena ada

kemungkinan data pada saat nilai k = 3 data belum tersebar secara merata. Namun

jika nilai k terlalu besar juga tidak menjamin hasil yang lebih bagus. Jadi,

pemilihan nilai k disini disesuaikan dengan data yang ada. Pertimbangan untuk

memilih nilai k dengan bilangan ganjil adalah untuk mengantisipasi supaya ada 1

kelas pemenang yang dihasilkan.

Hal mendasar yang dapat menyebabkan kesalahan klasifikasi adalah adanya

kemiripan range nilai dari tiap parameter yang ada. Hal ini sangat berpengaruh,

karena pada metode KNN penentuan klasifikasi menggunakan rumus jarak

dengan mencari sebanyak k tetangga terdekat. Apabila range yang ada tidak

terlalu jauh, tentu jarak yang dihasilkan tidak terlalu jauh juga. Namun, dengan

adanya proses normalisasi maka dapat membantu meminimalisir adanya

kesalahan klasifikasi, karena range data latih yang digunakan tidak terlalu jauh

sehingga jarak yang dihasilkan lebih akurat dan mendekati karakteristik

kebutuhan lokasi dan kualitas air dari jenis ikan yang sesuai. Adanya kesalahan

dalam proses akuisisi data juga sangat mempengaruhi keberhasilan dari sistem

pakar yang dibuat. Adapun kuisioner pengujian yang diberikan kepada pakar

dapat dilihat pada Lampiran 2, Lampiran 3, dan Lampiran 4.

SIMPULAN DAN SARAN

Simpulan

Dari penelitian yang telah dilakukan dapat disimpulkan bahwasanya:

1 Sistem pakar penentuan budidaya jenis ikan air tawar berdasarkan lokasi dan

kualitas air telah dapat diselesaikan.

2 Metode KNN dapat digunakan sebagai metode klasifikasi jenis ikan air tawar

berdasarkan lokasi dan kualiatas air.

3 Rata–rata akurasi tertinggi adalah 97.41% diperoleh pada saat nilai k tetangga

terdekat = 3 melalui proses normalisasi. Sedangkan, akurasi tertinggi diperoleh

pada saat nilai k = 7 subset ke-2 yaitu 98.89%.

Saran

Untuk dapat terus mengembangkan penelitian ini perlu dilakukan saran

sebagai berikut:

1 Kondisi lokasi dan kualitas air hanya salah satu dari penentu keberhasilan

budidaya ikan air tawar. Ke depannya bisa ditambahkan parameter–parameter

38

lain dilihat dari aspek finansial, budaya, hukum, lingkungan, dan ditambahkan

peta lokasi.

2 Evaluasi data latih dan analisis kesalahan pada sistem perlu dilakukan secara

berkala untuk meninjau adanya kesalahan–kesalahan yang mungkin timbul di

masa yang akan datang, sehingga sistem pakar yang sudah dibuat dapat

diterapkan untuk kasus yang berbeda.

3 Selanjutnya dapat dilakukan pembobotan parameter berdasarkan tingkat

kepentingan dari masing–masing parameter input yang digunakan sehingga

dapat diketahui seberapa penting pengaruh dari parameter tersebut.

DAFTAR PUSTAKA

Amriawati E. 2001. Pengaruh salinitas 3 ppt dan kesadahan moderat terhadap

kelangsungan hidup dan pertumbuhan ikan maanvis (Pterophyllum scalare L.)

pada sistem resirkulasi [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Arie U. 2000. Budidaya Bawal Air Tawar untuk Konsumsi dan Hias. Jakarta (ID):

Penebar Swadaya.

Boyd CE. 1990. Water Quality in Ponds for Aquaculture. Birmingham (GB):

Birmingham Publishing.

Cahyono B. 2001. Budidaya Ikan di Perairan Umum. Yogyakarta (ID): Kanisius.

Chia KT. 1989. Shrimp Pond Water Quality Management. Jakarta (ID):

Puslitbang Perikanan.

Ciptanto S. 2010. Top 10 Ikan Air Tawar. Yogyakarta (ID): Lily Publisher.

Darti, Iwan. 2006. Oksigen Terlarut. Jakarta (ID): Penebar Swadaya.

Darusalam AY. 2005. Kondisi kualitas air tambak udang windu Penaeus

monodon dengan pemanfaatan larutan nutrien [skripsi]. Bogor (ID): Institut

Pertanian Bogor.

Dharma S. 2008. Pengolahan dan Analisis Data Penelitian. Jakarta (ID):

Departemen Pendidikan Nasional.

Ditjen Perikanan Budidaya. 2007. Kebijakan dan program prioritas tahun 2008.

Di dalam: Rakornas Departemen Kelautan dan Perikanan; 2007; Jakarta.

Jakarta (ID): Departemen Kelautan dan Perikanan.

Ditjen Perikanan Tangkap. 2007. Kebijakan dan program prioritas tahun 2008. Di

dalam: Rakornas Departemen Kelautan dan Perikanan; 2007; Jakarta. Jakarta

(ID): Departemen Kelautan dan Perikanan.

Direktorat Jendral Perikanan Budidaya. 2012. Konsep industrialisasi perikanan

budidaya. Jakarta (ID): Departemen Kelautan dan Perikanan.

Effendi I. 2004. Pengantar Akuakultur. Jakarta (ID): Penebar Swadaya.

Floyd RF. 2010. Stress–Perannya dalam Penyakit Ikan. Romi N, penerjemah.

Batam (ID): Kementrian Kelautan dan Perikanan.

Fu L. 1994. Neural Networks in Computers Intelligence. Singapura (SG):

McGraw-Hill.

Ghufran HM, Kordi K, Andi BT. 2007. Pengelolaan Kualitas Air dalam

Budidaya Perairan. Jakarta (ID): Rineka Cipta.

39

Hadinafta R. 2009. Analisis kebutuhan oksigen untuk dekomposisi bahan organik

di lapisan dasar perairan estuari Sungai Cisadane, Tangerang [skripsi]. Bogor

(ID): Institut Pertanian Bogor.

Han J, Kamber M. 2006. Data Mining Concepts & Technique. Waltham (US):

Academic Press.

Irianto HE, Soesilo I. 2007. Dukungan teknologi penyediaan produk perikanan. Di

dalam: Seminar Nasional Hari Pangan Sedunia. 2007 Nov 21; Bogor. Bogor

(ID): Badan Riset Kelautan dan Perikanan Departemen Kelautan dan Perikanan.

Junaidi MA. 2010. Analisis potensi sumber daya laut dan kualitas perairan

berdasarkan parameter fisika dan kima di pantai timur Kabupaten Bangka

Tengah. SPEKTRA. 10 (2): 99-113.

Kesuma D. 2006. Optimalisasi produksi budidaya ikan konsumsi air tawar (studi

kasus pada UD Murti, Desa Bojong Sempu, Kecamatan Parung, Kabupaten

Bogor) [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Khairuman H, Amri K. 2011. Buku Pintar Budidaya dan Bisnis 15 Ikan Konsumsi.

Jakarta (ID): Agromedia Pustaka.

Kordi K, Ghufran H. 2010. Buku Pintar Pemeliharaan 14 Ikan Air Tawar

Ekonomis. Yogyakarta (ID): Lily Publisher.

Larose DT. 2005. Discovering Knowledge in Data an Introduction to Data

Mining. Hoboken (US): John Wiley & Sons.

Marimin. 2005. Teori dan Aplikasi Sistem Pakar dalam Teknik Manajerial. Bogor

(ID): IPB Press.

Maguire B. 1988. Incremental approach to expert systems development. Di dalam:

Eighth International Workshop Expert System & Their Application, 1988 Mei

30–Jun 3 (Vol. I). Avignon (FR). hlm 250–259.

Minawati LF. 2013. Budidaya ikan air tawar di desa salajambe kecamatan cisaat

kabupaten sukabumi [skripsi]. Bandung (ID): Universitas Pendidikan Indonesia.

Nurjayanti B. 2011. Identifikasi shorea menggunakan k-nearest neighbour

berdasarkan karakteristik morfologi daun [skripsi]. Bogor (ID): Institut

Pertanian Bogor.

Prihatman K. 2000. Ttg budidaya perikanan [Internet]. [diunduh pada 2013 Mei

18]. Tersedia pada: http://www.warintek.ristek.go.id/perikanan/air%20tawar

Rousefell GA, Everhart WH. 1953. Fishery Science, Its Methods and Applications.

New York (US): John Wiley & Sons.

Saanin H. 1968. Taksonomi dan Kunci Identifikasi Ikan. Bogor (ID): Institut

Pertanian Bogor.

Shindu SF. 2005. Kandungan logam berat Cu, Zn, dan Pb dalam air, ikan nila

(Oreochromis niloticus) dan ikan mas (Cyprinus carpio) dalam keramba jaring

apung, Waduk Saguling [skripsi]. Bogor (ID): Institut Pertanian Bogor

Suyanto SR. 2003. Nila. Jakarta (ID): Penebar Swadaya.

Tan PN. 2006. Introduction to Data Mining. Boston (US): Pearson Education.

40

Lam

piran

1 C

onfu

sion m

atrix d

engan

norm

alisasi

41

Lam

piran

2 K

uisio

ner I p

engujian

data k

e pak

ar

24 M

ei 2013

42

Lam

piran

3 K

uisio

ner II p

engujian

data k

e pak

ar

24 M

ei 2013

24 M

ei 2013

43

Lam

piran

4 K

uisio

ner III p

engujian

valid

asi pak

ar

24 M

ei 201

3

44

RIWAYAT HIDUP

Penulis dilahirkan di Tegal tanggal 1 September 1989 dari Ibu Sumiyatun

dan Bapak Mudhofar. Penulis merupakan anak kedua dari tiga bersaudara. Pada

tahun 2007, penulis lulus dari Sekolah Menengah Atas (SMA) Negeri 3 Slawi,

dan pada tahun yang sama diterima di Diploma Institut Pertanian Bogor Program

Keahlian Teknik Komputer. Pada tahun 2010 penulis lulus dari Diploma Institut

Pertanian Bogor dan melanjutkan pendidikan di Program Alih Jenis Ilmu

Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB.

Selama menjalani perkuliahan penulis pernah menjadi asisten dosen di

Direktorat Program Diploma Institut Pertanian Bogor pada tahun 2012 sampai

2013.

SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR … · paling penting dalam budidaya ikan air tawar...

Documents

Transcript of SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR … · paling penting dalam budidaya ikan air tawar...