Académique Documents
Professionnel Documents
Culture Documents
RINGKASAN
Kecerdasan Buatan merupakan salah satu bidang dalam ilmu komputer yang
ditujukan pada pembuatan software dan hardware yang dapat berfungsi sebagai sesuatu
yang dapat berfikir seperti manusia. Salah satu bagian dari kecerdasan buatan yang
sedang mengalami perkembangan akhir-akhir ini adalah sistem pakar (expert system),
yaitu suatu sistem yang dirancang untuk dapat menirukan keahlian seorang pakar dalam
menjawab pertanyaan dan memecahkan suatu masalah. Dengan kecanggihan teknologi
sistem pakar ini, maka bisa kita manfaatkan untuk memecahkan permasalahanpermasalahan yang sangat kompleks, seperti halnya dalam bidang pertanian khususnya
agroindustri dan pengembangannya.
Selama ini sortasi buah-buahan termasuk buah mangga Arumanis masih
dilakukan secara manual yang bersifat manasuka dan subyektif. Sehingga menghasilkan
produk dengan mutu yang beragam. Subyektivitas ini dapat dihindari dengan
mengembangkan suatu metode pemutuan untuk mensortasi dan mengelompokkan buahbuahan dengan baik. Manfaat sistem pakar ini bisa digunakan untuk penentuan mutu
buah, dengan perangkat ini pemilihan suatu buah berdasarkan ukuran, warna dan bentuk
dapat dengan mudah ditentukan melalui komputer.
Dengan demikian dapat dilakukan penilaian secara obyektif dan konsisten,
sehingga diharapkan hasil pemutuan yang seragam dengan tingkat kesalahan yang
dapat diterima. Dan untuk meningkatkan produktivitas dalam suatu proses produksi,
dalam hal ini kegiatan sortasi dan penentuan mutu buah mangga, diperlukan penerapan
otomatisasi. Otomatisasi dengan menggunakan komputer sebagai pusat pengendali ini
sangat membantu dalam menggantikan tugas yang tidak mungkin dilakukan oleh
manusia karena keterbatasan kemampuan dan waktu.
Dalam Sistem Pakar ini terbentuk 4,294967296 x 109 rule atas 32 pertanyaan
yang diajukan sistem. Klasifikasi hasil keputusan penentuan mutu mangga Arumanis
untuk dua kategori pasar masing-masing terbagi empat yaitu Mutu I (Mutu Super), Mutu II
(Mutu A), Mutu III (Mutu B) dan Mutu IV (Tidak Lulus Seleksi). Software pengembang
yang digunakan dalam perancangan sistem pakar ini adalah Visual Basic 6.0 dengan
Mesin database sebagai penampung referensi pengetahuan Microsoft Access 2003.
Kata kunci: Sistem Pakar, Mangga Arumanis, Penentuan Mutu.
ABSTRACT
The artificial intelligence is one of the computer fields, which purpose is making a
software and hardware that can be functioned as something able to think like human
beings. One of the latest developing artificial parts is expert system, a system designed
to be able to imitate an experts ability in answering questions and solve a problem. This
sophisticated expert system enables us to solve complex problems, such as the
agricultural problems especially agro industry and its development.
The fruit selection, including Arumanis mango, is still done manually and
subjectively so far. Consequently, it produces products with various qualities. This
subjectivity can be avoided by developing a determination system to sort out and classify
the fruits. This expert system can be used to determine the quality of the fruits. Moreover,
it can sort the fruits out based on the size, color, and shape easily by the computer.
Therefore, the selection can be done objectively and consistently so that the
quality result is equal with acceptable level of error. Moreover, it needs automatic
application in order to increase the productivity in a production process, in this case is the
selection activity and the determination of mango quality. The automation by using
computer as the main control is very helpful in replacing the task that is impossible to do
by human beings because of the capability and time limitation.
This Expert System forms 4.294967296 x 10 9 rule for the 32 questions proposed
by the system. The classification of the Arumanis mango quality determination decision
result for the market categories is divided into four qualities: Quality 1 (Super Quality),
Quality II (Quality A), Quality III (Quality B), Quality IV (fail the selection). The software
developer used in this Expert System design is Visual Basic 6.0 with database machine
as the receiver of the Microsoft Access 2003 knowledge reference.
Key words: Expert System, Arumanis Mango, Quality Determination.
I. PENDAHULUAN
1.1. Latar Belakang
Mutu dan rasa buah mangga yang matang tergantung dari tingkat ketuaan atau
kemasakan buah pada saat dipanen. Buah mangga tergolong dalam buah klimakterik
karena buah ini dapat memasuki stadium matang dalam beberapa hari secara alamiah
bila cukup tua waktu dipetik. Tingkat ketuaan atau kemasakan buah mangga dapat
ditentukan berdasarkan umur buah dalam hari setelah bunga mekar, bentuk buah,
tangkai buah, lapisan lilin dan lenti sel pada kulit buah.
Karakteristik buah mangga yang sudah dapat dipanen adalah pada waktu sudah ada
satu atau dua buah mangga yang masak telah jatuh dari pohonnya, sedangkan untuk
buah masak adalah apabila dipegang terasa lebih lunak, telah ada perubahan warna,
yaitu menjadi kuning atau kemerahan tergantung varietasnya.
Mangga Arumanis yang telah tua berwarna hijau tua dengan banyak lapisan liIin,
sehiggga warna buah menjadi seperti hijau kelabu, sedang yang telah masak pangkal
buahnya hijau kekuningan. Pemilihan mangga dapat dilakukan secara visual dengan
melihat bentuk fisik, sifat fisik, wama kulit serta ukuran buahnya. Pemilihan Ini dilakukan
untuk memisahkan mangga matang dari mentah, mangga cacat dari yang sehat, mangga
abnormal dari yang normal dan mengkelaskannya berdasarkan parameter mutu yang
disyaratkan.
Selama ini sortasi buah-buahan termasuk buah mangga masih dilakukan secara manual
yang bersifat manasuka dan subyektif. Sehingga menghasilkan produk dengan mutu
yang beragam. Subyektivitas ini dapat dihindari dengan mengembangkan suatu metode
pemutuan untuk mensortasi dan mengelompokkan buah-buahan dengan baik.
Salah satu altematifnya adalah dengan penggunaan sistem pakar penentuan mutu buah,
dengan perangkat ini pemilihan suatu buah berdasarkan ukuran, warna dan bentuk dapat
dengan mudah ditentukan melalui komputer. Dengan demikian dapat dilakukan penilaian
secara obyektif dan konsisten, sehingga diharapkan hasil pemutuan yang seragam
dengan tingkat kesalahan yang dapat diterima. Dan untuk meningkatkan produktivitas
dalam suatu proses produksi, dalam hal ini kegiatan sortasi dan penentuan mutu buah
mangga, diperlukan penerapan otomatisasi. Otomatisasi dengan menggunakan
komputer sebagai pusat pengendali ini sangat membantu dalam menggantikan tugas
yang tidak mungkin dilakukan oleh manusia karena keterbatasan kemampuan dan waktu.
1.2. Identifikasi Masalah
Berdasarkan latar belakang masalah tersebut diatas, identifikasi masalah dalam
penelitian ini adalah : apakah sistem pakar dapat menjadi solusi yang efektif dalam
menentukan mutu buah mangga Arumanis?
1.3. Perumusan Masalah
1.
Bagaimanakah rancangan sistem pakar dalam menentukan mutu buah
mangga Arumanis?
2. Bagaimanakah merancang sebuah desain sistem pakar sebagai alat yang efektif dan
efesien, sehingga dapat menjadi solusi dalam menentukan mutu buah mangga
Arumanis dengan teknik artificial intelegence (AI)?
1.4. Tujuan Penelitian
1. Mendapatkan rancangan sistem pakar dalam menentukan mutu buah mangga
Arumanis?
2. Membuat perancangan sistem pakar sebagai alat yang efektif dan efesien, sehingga
dapat menjadi solusi dalam menentukan mutu buah mangga Arumanis dengan teknik
artificial intelegence (AI)?
1.5. Manfaat Penelitian
Manfaat dari kegiatan penelitian ini diharapkan dengan adanya sistem pakar
untuk menentukan mutu buah mangga Arumanis dengan teknik artificial intelegence (AI),
dapat membantu mempermudah dan mempercepat tugas para grader/penyortir buah
mangga sesuai dengan SNI (Standart Nasional Indonesia).
6. Pengujian
Pengujian dilakukan dengan tujuan mengetahui apakah Sistem Pakar yang dibuat sesuai
dengan tujuan pengembangannya. Dalam hal ini pengujian tidak selalu harus mencakup
seluruh permasalahan yang ditangani, tetapi dapat dilakukan secara modular atau
menurut bidang keahlian. Dalam penelitian ini, pengujian meliputi pengujian verifikasi dan
pengujian validasi.
7. Kesimpulan dan Saran
Kesimpulan berisi tentang apakah Sistem Pakar yang telah dirancang berfungsi dengan
baik, baik dari segi fungsi dan teknis setelah diuji. Saran berisi tentang hal-hal apa yang
harus dilakukan untuk mengatasi kekurangan-kekurangan selama proses perancangan
Sistem Pakar.
Input
Input
Input
Input
Input
Keseragaman Varietas
Ketuaan/Kekerasan
Ukuran/Bobot
Cacat/Kerusakan
Karakteristik seragam (ukuran) >10 %
Karakteristik seragam (ukuran) =10 %
Karakteristik seragam (ukuran) >=5 s/d <10 %
Karakteristik seragam (ukuran) 0 s/d <5 %
Tingkat ketuaan/kekerasan >75%
Tingkat ketuaan/kekerasan >50%
Tingkat ketuaan/kekerasan >25%
Tingkat ketuaan/kekerasan <25%
Ukuran/Bobot <299 gram
Ukuran/Bobot >=300 gram s/d <= 349 gram
Ukuran/Bobot >=350 gram s/d <= 399 gram
Ukuran/Bobot >=400 gram
Ukuran/Bobot <299 gram
Ukuran/Bobot >=300 gram s/d <= 399 gram
Ukuran/Bobot >=400 gram s/d <= 499 gram
Ukuran/Bobot >=500 gram
Tingkat Cacat/Kerusakan >10 %
Tingkat Cacat/Kerusakan =10 %
Tingkat Cacat/Kerusakan >=5 s/d <10%
Tingkat Cacat/Kerusakan <5%
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
[a b c d]
Output
Mutu Akhir
[a b c d]
Kriteria
Nilai/
Kriteria
Keseragaman Value
Ketuaan /
Varietas
(%)
Kekerasan
Reject
>10 Reject
%
Nilai/
Kriteria
Value
Ukuran /
(%)
Bobot
>75 Reject
%
(Ekport)
Reject
(Lokal)
Mutu II
Mutu
I
Standar
Minimum
Sedang
=10
%
>=5
s/d
<10
%
Tua tapi
Cukup Keras
Tua tapi
Keras
50
s/d
75
%
Kelas B
(Eksport)
25
s/d
50
%
Kelas A
(Eksport)
Kecil
(Lokal)
Sedang
(Lokal)
Mutu
Super
Superior
<5
%
Tua tapi
Sangat
Keras
<25
%
Kelas Super
(Eksport)
Besar
(Lokal)
Nilai/ Value
(gr)
<299 gr
Kriteria
Nilai/
Cacat /
Value
Kerusakan (%)
Reject
>10
%
<299 gr
>300 s/d
<= 399 gr
>= 299
s/d <=
349 gr
>= 400
s/d <=
499 gr
>= 350
s/d 399
gr
>= 500 gr
>= 400 gr
Cacat
=10
%
Cacat
Kecil
>=5
s/d
<10
%
Cacat
Sangat
Kecil
<5
%
Hasil dari indeks nilai mutu mangga Arumanis dapat dibuat sebuah aturan (rule)
sebagai pendukung keputusan dalam penentuan mutu mangga Arumanis, dan dirancang
mesin inferensi agar dapat mempermudah pengguna (user) dalam menggunakannya,
dan mempermudah dalam memberikan keputusan akhir pada penentuan mutu mangga
Arumanis, perancangan sistem ini memiliki diagram alir sistem untuk pasar pada Desain
Sistem Pakar Untuk Penentuan Mutu Mangga Arumanis ini (dengan ilustrasi penentuan
mutu untuk pasar eksport) dapat dilihat pada Gambar 3.
Mulai
Evaluasi Buah
Cek Keseragaman
Varietas
ya
Pertanyaan _ 1,2,3,4
tidak
Cek
Ketuaan/Kekerasan
ya
Pertanyaan _ 5,6,7,8
tidak
Cek
Ukuran/Bobot
ya
Pertanyaan _ 9,10,11,12
tidak
Cek
Cacat/Kerusakan
ya
Pertanyaan _ 13,14,15,16
tidak
Mutu Akhir
Selesai
Representasi Pengetahuan
Pada tahap representasi pengetahuan, pengetahuan akan disajikan dengan
metode kaidah penilaian. Berikut adalah contoh representasi pengetahuan dengan
metode kaidah penilaian dari Sistem Pakar Untuk Penentuan Mutu Mangga Arumanis.
Contoh representasi pengetahuan rule (aturan) pada evaluasi bahan baku (buah):
Aturan :
JIKA
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
DAN
Contoh diatas merupakan representasi pengetahuan dengan kaidah penilaian dari contoh
rule variabel evaluasi penilaian yang menunjukkan beberapa kondisi yang mungkin
terjadi pada penentuan mutu mangga Arumanis. Pada bagian aksi yaitu konklusi jawaban
dari Sistem Pakar yang berupa penentuan mutu mangga Arumanis.
3.3.4
Start
Kondisi
Cek Rule
(Aturan)
End
Tampilkan
keputusan
Rule :
IF
Implementasi
Pada tahap implementasi ini dilakukan dengan pemasukan IF-THEN rule hasil
pengalihan desicion table (tabel keputusan) ke IF-THEN rule ke dalam basis
pengetahuan alat Desain Sistem Pakar. Alat Desain yang digunakan dalam Sistem Pakar
Untuk Penentuan Mutu Mangga Arumanis ini adalah Visual Basic 6.0 sebagai
pemrograman kecerdasan buatan serta pemasukkan rule dengan menggunakan DBMS
Microsoft Acces 2003, sebagai penyimpan database mesin referensi penentuan rule
(aturan) sehingga mempermudah range dalam pencapaian keputusan.
Setelah memasukkan parameter kedalam rule dan dapat mengetahui faktorfaktor penentunya, selanjutkan dilanjutkan pembuatan alat bantu keputusan dengan
menggunakan metode pemrograman Visual Basic, sampai program dapat dijalankan.
Dari hasil tahap implementasi ini didapatkan Desain Sistem Pakar Untuk Penentuan Mutu
Mangga Arumanis. Bagian-bagian Progam Desain Sistem Pakar Untuk Penentuan Mutu
Mangga Arumanis ini adalah Menu Awal, Menu Utama, Jendela Input Kritera dan
selanjutnya adalah Jendela Hasil keputusan kami sajikan.
3.3.6.
Pengujian
Setelah Sistem Pakar selesai dirancang, maka tahap selanjutnya adalah
pengujian Desain Sistem Pakar Untuk Penentuan Mutu Mangga Arumanis ini, pengujian
dilakukan untuk mengetahui apakah Desain Sistem Pakar Untuk Penentuan Mutu
Mangga Arumanis dapat dijalankan sesuai dengan rule yang telah dirancang. Pada tahap
pengujian, masing-masing rule akan dicoba untuk dipilih secara acak.
Langkah-langkah tahap pengujian disini sebagai berikut :
a. Menjalankan program.
b. Menjawab pertanyaan dari sistem. Sesuai dengan kombinasi jawaban pada masingmasing rule, hasil pencocokan jawaban dari masing-masing rule dapat dilihat pada
Tabel 15.
Pertanyaan
8
12
16
c.
Jawaban
User
Ya
Ya
Ya
Ya
Selanjutnya adalah sistem akan merecord hasil jawaban yang diberikan oleh user.
Sehingga berdasarkan hasil rekaman yang terdapat pada masing-masing rule,
Sistem Pakar dapat memberikan hasil keputusan akhir mutu mangga Arumanis.
Dapat dilihat pada Gambar 13.
DAFTAR PUSTAKA
Ahmad, U. 2002. Pengolahan Citra Untuk Pemeriksaan Mutu Buah Mangga. Buletin
Keteknikan Pertanian. Vol. 16, No.1, April 2002.
Ahmad, U., Subrata DM. dan Gunayanti, S. 2004. Pengolahan Citra Untuk Pemeriksaan
Mutu Buah Mangga. Jurnal Keteknikan Pertanian. Vol. 18 No.1 April 2004.
Broto, W. 1994. Budidaya dan Pasca Panen Mangga. Pusat Perpustakaan. Pertanian
dan Komunikasi Penelitian , Bogor.
Dologite, D.G. 1993. Developing Knowledge-Based System Using VP-Expert. Macmillan
Publishing Company. New York.
Haralick, R.M., K. Shanmugam and I. Dinstein. 1973. Textural feature for image
clasification. IEEE Trans. On System, Man and Cybernetics. 3(6): 610-621
Henson, Ruby Pineda and Alvin B. Culava 2005. Developing An Expert System For GP
Implementation. J. of Cleaner Production. 7:443-455
Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Penerbit Andi. Yogyakarta.
Kusumadewi, S. 2003. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Graha Ilmu.
Yogyakarta.
Maguire, B. 1988. In Incremental Approach to Expert Systems Development. Eighth
International Workshop Expert Systems & Their Application. France. 1: 250-259.
Marimin. 2007. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. IPB Press.
Bogor.
Metaxiotis, Kostas. 2004. RECOT: An Expert System for The Reduction of Environmental
Cost In the Textile Industry. Information Management and Computer Security. 12
(3): 218-227 www.emeraldinsight.com/0968-5227.htm. Tanggal akses 1 Juli
2007.
Pracaya. 1985. Bertanam Mangga. PT Penebar Swadaya. Jakarta.
Raharja, S. 2010. Standarisasi Mutu Hasil Pertanian. Teknologi Industri Pertanian. IPB.
Bogor.
Santosa. 2006. Panen dan Pascapanen Buah Mangga. Jurnal Penelitian LUMBUNG,
Volume 5, No. 1, Januari 2006 : 558 564.
Setyabudi, Setyadjit, dan Broto. 2007. Studi Penempatan Lokasi Dan Karakteristik
Potensi Agroindustri Mangga. Jurnal Teknologi Pascapanen Pertanian Vol. 3
2007
Suparman dan Marlan. 2007. Komputer Masa Depan: Pengenalan Artificial Intelligence.
Penerbit Andi. Yogyakarta.
Sutomo, H. 2006. Hubungan Kadar CaCl2 Terhadap Laju Respirasi dan Pematangan
Buah Mangga Arumanis. Jurnal Agrijati. 3 (1) Desember 2006.
Turban, E. 1995. Decision Support System and Expert Systems. Prentice Hall
International Inc. USA.
Turban, E. 1992. Expert Systems and Applied Artificial Intelegence. MacMillan Publishing
Co. New York.
Waterman, D.A. 1986. A Guide to Expert Systems. MacMillan Publishing Company. New
York.
Yulius, H. 2005. Design Of Information System For Quality Management. Jurnal Teknik
Industri
Universitas
Kristen
Petra
Surabaya
7
(2):
168-176.
http://puslit.petra.ac.id/journals/industrial. Tanggal akses 28 April 2007.