SISTEM PAKAR PENENTUAN JENIS BUDIDAYA IKAN AIR … · paling penting dalam budidaya ikan air tawar...
Transcript of 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
Identifikasi Masalah 22
Akuisisi Pengetahuan 23
Representasi Pengetahuan 24
Pengembangan Mesin Inferensi 24
Identifikasi Masalah 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
Parameter Kualitas Air Standar Kualitas Air
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
Nitrit (NO2) <0.05 ppm
Alkalinitas >20 mg/lt
Kesadahan Total >20 mg/lt
Sumber: Balai Pengembangan Budidaya Air Tawar (2005)
dirujuk pada Ciptanto (2010)
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
Parameter Kualitas Air Standar Kualitas Air
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
Nitrit (NO2) <0.25 ppm
Alkalinitas >20 mg/lt
Kesadahan Total >20 mg/lt
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
Parameter Kualitas Air Standar Kualitas Air
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
Nitrit (NO2) <0.05 ppm
Alkalinitas >20 mg/lt
Kesadahan Total >20 mg/lt
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
Sumber: Balai Pengembangan Budidaya Air Tawar (2005)
dirujuk pada Ciptanto (2010)
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
yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak
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
Parameter Kualitas Air Standar Kualitas Air
Suhu 25–30 C
pH 6.5–8.5
Oksigen Terlarut (DO) 4–5 mg/lt
NH3 <0.016 mg/lt
Kecerahan 40–50 cm
Karbondioksida (CO2) <15 mg/lt
Nitrit (NO2) <0.05 ppm
Alkalinitas >20 mg/lt
Kesadahan Total >20 mg/lt
Sumber: Balai Pengembangan Budidaya Air Tawar (2005)
dirujuk pada Ciptanto (2010)
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
yang baik untuk kolam pemeliharaan adalah jenis tanah liat/lempung, tidak
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
Parameter Kualitas Air Standar Kualitas Air
Suhu 20–25 C
pH 7–8
Oksigen Terlarut (DO) 4–5 mg/lt
NH3 <0.016 mg/lt
Kecerahan 40–50 cm
Karbondioksida (CO2) <15 mg/lt
Nitrit (NO2) <0.05 ppm
Alkalinitas >20 mg/lt
Kesadahan Total >20 mg/lt
Sumber: Balai Pengembangan Budidaya Air Tawar (2005)
dirujuk pada Ciptanto (2010)
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
Identifikasi Masalah
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
dilihat pada Tabel 10.
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:
Identifikasi Masalah
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
Nitrit (NO2) <0.05 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
dilihat pada Tabel 14.
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.