View
234
Download
5
Category
Preview:
Citation preview
SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILI CYPRINIDAE
MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC
PROBABILITY
(Skripsi)
Oleh
RETNO MONYKA AGUSTIANTI
JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
2016
ABSTRACT
AN EXPERT SYSTEM FOR IDENTIFICATION TYPES OF FAMILY
CYPRINIDAE FISH USING FORWARD CHAINING DAN CLASSIC
PROBABILITY METHOD
By
RETNO MONYKA AGUSTIANTI
Fish is defined as vertebrate animals (vertebrates) that lives in the water, the
mnumber of fish reached 33,200 types scattered around the world. One of the
obstacles in studying the types of fish is the identification process. The difficulty
in identification of fish caused by the limited number of specialists/ experts and
the difficulty of finding fish identification guidebook, therefore in this research
built an expert system that is able to identify the type of fish based on knowledge
provided directly from the experts. Expert system in this study is a web-based
system that built using the programming language Php and using Mysql database.
Inference method used in this system is Forward Chaining. This method is used to
determine which rules are executed according to the facts, then the rule is
executed, the process is repeated until a result is found. The next step after the
results found is counting the percentage of accuracy using classic probability
method. In this research, the system can identify 41 types of freshwater fish
family Cyprinidae that is spreading in Sumatra and provide information related to
taxonomy, species names, local names, habitat, distribution. Testing the reliability
of the system using the 10 case studies, and showed an average accuracy of
93.2%. Based on the values of accuracy, we can conclude that the system can
identify the fish properly.
Kata Kunci : expert system, forward chaining, classic probability, fish
identification, cyprinidae.
ABSTRAK
SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE
MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC
PROBABILITY
Oleh
RETNO MONYKA AGUSTIANTI
Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di
air, jumlahnya mencapai 33.200 jenis tersebar di seluruh dunia. Salah satu kendala
dalam mempelajari jenis-jenis ikan adalah proses identifikasi ikan. Kesulitan
dalam proses identifikasi ikan disebabkan oleh terbatasnya jumlah pakar/ ahli dan
sulitnya menemukan buku pedoman identifikasi ikan. Oleh karena itu pada
penelitin ini dibangun suatu sistem pakar yang mampu mengidentifikasi jenis ikan
berdasarkan pengetahuan yang diberikan langsung dari pakar/ ahlinya. Sistem
pakar yang dibangun berbasis web, menggunakan bahasa pemrograman Php dan
database Mysql. Metode inferensi yang digunakan dalam sistem ini yaitu
Forward Chaining. Metode ini digunakan untuk menentukan aturan mana yang
akan dijalankan sesuai fakta yang ada, kemudian aturan tersebut dijalankan,
proses diulang hingga ditemukan suatu hasil. langkah selanjutnya setelah hasil
ditemukan adalah menghitung presentase akurasi menggunakan classic
probability . Pada penelitian ini, sistem dapat mengidentifikasi 41 jenis ikan air
tawar famili cyprinidae yang persebarannya di Pulau Sumatera dan memberikan
informasi terkait taksonomi, nama spesies, nama lokal, habitat, persebaran.
Pengujian keandalan terhadap sistem menggunakan 10 studi kasus, dan
didapatkan hasil rata-rata akurasi sebesar 93,2%. Berdasarkan nilai akurasi
tersebut, dapat disimpulkan bahwa sistem dapat mengidentifikasi ikan dengan
baik.
Kata Kunci : sistem pakar, forward chaining, classic probability,
identifikasi ikan
SISTEM PAKAR IDENTIFIKASI JENIS IKAN FAMILY CYPRINIDAE
MENGGUNAKAN METODE FORWARD CHAINING DAN CLASSIC
PROBABILITY
Oleh
RETNO MONYKA AGUSTIANTI
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh Gelar
SARJANA KOMPUTER
pada
Jurusan Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
2016
iii
RIWAYAT HIDUP
Penulis dilahirkan pada 03 Agustus 1994 di Bandar
Lampung, sebagai anak tunggal dengan Ayah bernama Drs.
Sutikno dan Ibu bernama Sumiyati.
Penulis menyelesaikan pendidikan Sekolah Dasar (SD) di
SD Negeri 1 Sukarame tahun 2006, menyelesaikan Sekolah
Menengah Pertama (SMP) di SMP Negeri 2 Bandar Lampung tahun 2009,
kemudian melanjutkan jenjang Sekolah Menengah Atas (SMA) di SMA Negeri
10 Bandar Lampung dan lulus di tahun 2012.
Pada tahun 2012, penulis terdaftar sebagai mahasiswa Jurusan Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui
jalur SNMPTN Undangan. Pada bulan Januari-Maret 2015, penulis melakukan
Kuliah Kerja Nyata selama 40 hari di Desa Kacamarga Kecamatan Cukuh Balak
Kabupaten Tanggamus. Pada bulan Agustus 2015, penulis melakukan kerja
praktik di Dinas Tenaga Kerja dan Transmigrasi Provinsi Lampung.
Selama menjadi mahasiswa penulis aktif dalam Organisasi Himpunan Mahasiswa
Jurusan Ilmu Komputer (HIMAKOM) Universitas Lampung dengan menjabat
sebagai Anggota Bidang Kaderisasi pada tahun 2012-2013, Bendahara Bidang
Kaderisasi pada tahun 2013-2014.
iv
PERSEMBAHAN
Teruntuk Ibu Ayahku yang sangat kucintai, kupersembahkan skripsi ini
Terimakasih untuk kasih sayang, perhatian, pengorbanan, usaha, dukungan moril maupun
materi, motivasi dan do’a-do’a yang tiada henti untuk kesuksesanku....
Teuntuk sahabat dan teman-teman tersayang,
Terimakasih untuk canda tawa, tangis dan perjuangan yang telah kita lewati bersama dan
terima kasih untuk setiap rentetan kenangan yang telah terukir selama ini....
v
MOTTO
“Maka sesungguhnya bersama kesulitan ada kemudahan. Sesungguhnya
bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari
sesuatu urusan), tetaplah bekerja keras (untuk urusan yang lain). Dan hanya
kepada Tuhanmulah engkau berharap.”
(Q.S.Al-Insyirah:6-8)
“Selagi kamu bisa dan mampu, jangan mencoba untuk meminta tolong pada
orang lain. Itu akan menjadi kebiasaan.”
(Rifti Fauzan)
“Sesuatu yang belum dikerjakan, seringkali tampak mustahil. Kita baru yakin
kalau kita telah berhasil melakukannya dengan baik.”
(Evelyn Underhill)
vi
SANWACANA
Assalamualaikum wr. wb.
Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat,
hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan
penulisan skripsi yang berjudul “Sistem Pakar Identifikasi Jenis Ikan Family
Cyprinidae Menggunakan Metode Forward Chaining Dan Classic Probability”
dengan baik.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan
berperan besar dalam penyusunan skripsi ini, seperti antara lain:
1. Kedua orang tua tercinta, Ibu dan Bapak, berserta keluarga besar yang
selalu memberi do’a, motivasi dan kasih sayang yang tak terhingga.
2. Bapak Aristoteles, S.Si., M.Si. sebagai pembimbing utama dan
pembimbing akademik, yang telah membimbing, memotivasi serta
memberikan ide, kritik dan saran selama masa perkuliahan dan
penyusunan skripsi sehingga penulis bisa sampai di tahap ini.
3. Ibu Rara Diantari, S.Pi., M.Sc. sebagai pembimbing kedua yang telah
membimbing dan memberikan bantuan, ide, kritik serta saran dalam
penyusunan skripsi ini.
vii
4. Bapak Rico Andrian, S.Si., M.Kom. sebagai pembahas, yang telah
memberikan komentar dan masukan yang bermanfaat untuk perbaikan
dalam penyusunan skripsi ini.
5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. selaku Dekan FMIPA
Universitas Lampung.
6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu
Komputer FMIPA Universitas Lampung.
7. Bapak Didik Kurniawan, S.Si., M.T., selaku Sekretaris Jurusan Ilmu
Komputer FMIPA Universitas Lampung.
8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan
ilmu dan pengalaman hidup selama penulis menjadi mahasiswa.
9. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan
administrasi penulis di Jurusan Ilmu Komputer.
10. Sahabat-sahabat tercinta Rika Oktaria, Ajeng Defriyanti, Sella Saptarani
yang telah memberikan support, sindirian, hiburan, dan do’a sehingga
penulis dapat melewati tahap perkuliahan yang paling menguji kesabaran
yaitu skripsi.
11. Teman-teman seperjuangan dalam melaksanakan kuliah Claudya Cindy
Owen, Annisa Putri Rahayu, Lia Atika Rani, Indah Ayu Atika dan
Febrianti Suci Rizqiani. Terimakasih telah bersama-sama berjuang
bersama penulis, jatuh bangun untuk mendapatkan gelar sarjana.
12. Keluarga Ilmu Komputer 2012 yang tidak bisa disebutkan satu per satu,
terima kasih atas kebersamaannya selama ini.
viii
DAFTAR ISI
Halaman
DAFTAR ISI ................................................................................................. viii
DAFTAR GAMBAR ...................................................................................... xi
DAFTAR TABEL ......................................................................................... xiv
DAFTAR LAMPIRAN ...................................................................................xv
BAB I PENDAHULUAN .................................................................................1
1.1. Latar Belakang .....................................................................................1
1.2. Rumusan Masalah ................................................................................4
1.3. Batasan Masalah ..................................................................................4
1.4. Tujuan Penelitian .................................................................................5
1.5. Manfaat ................................................................................................5
BAB II TINJAUAN PUSTAKA .......................................................................6
2.1. Sitem Pakar ..........................................................................................6
2.1.1. Definisi Sistem Pakar ................................................................6
2.1.2. Ciri-Ciri Sistem Pakar ...............................................................7
2.1.3. Keuntungan Sistem Pakar ..........................................................7
2.1.4. Kelemahan Sistem Pakar ...........................................................8
2.1.5. Konsep Dasar Sistem Pakar.......................................................9
2.1.6. Struktur Sistem Pakar ................................................................9
2.1.6.1. Basis Pengetahuan .....................................................11
2.1.6.2. Mesin Inferensi ..........................................................13
2.2. Metode Forward Chaining ................................................................15
ix
2.3. Metode Classic Probability ...............................................................17
2.4. Context Diagram ................................................................................18
2.5. Data Flow Diagram ...........................................................................19
2.6. Entity Relationship Diagram .............................................................19
2.7. Flowchart ...........................................................................................20
2.8. Black Box Testing ..............................................................................22
2.9. Skala Likert ........................................................................................23
2.10. Ikan ...................................................................................................24
2.10.1. Definisi Ikan ..........................................................................24
2.10.2. Famili Cyprinidae .................................................................25
2.11. Identifikasi ........................................................................................26
2.12. Morfologi ..........................................................................................26
2.12.1. Bentuk Tubuh ........................................................................27
2.12.2. Bentuk Ekor ..........................................................................28
2.12.3. Mulut .....................................................................................30
2.12.4. Sisik .......................................................................................31
2.12.5. Sirip .......................................................................................32
2.12.6. Warna ....................................................................................33
BAB III METODOLOGI PENELITIAN........................................................34
3.1. Waktu dan Tempat Penelitian ............................................................34
3.2. Alat Pendukung ..................................................................................34
3.2.1. Perangkat Lunak ......................................................................34
3.2.2. Perangkat Keras .......................................................................35
3.3. Tahapan Penelitian .............................................................................35
3.3.1. Studi Literatur ..........................................................................36
3.3.2. Pengumpulan Data...................................................................36
3.3.3. Perancangan Sistem .................................................................36
3.3.3.1. Proses Bisnis .............................................................37
3.3.3.2. Context Diagram .......................................................38
3.3.3.3. Data Flow Diagram (DFD) .......................................39
a. DFD level 1 ..........................................................39
b. DFD level 2 Mengelola Data Ikan ........................42
x
c. DFD level 2 Mengelola Data Ciri .........................43
d. DFD level 2 Mengelola Data Rule .......................44
e. DFD level 2 Mengelola Data Hasil Identifikasi ...44
f. DFD level 2 Identifikasi .......................................45
3.3.3.4. Entity Relationship Diagram (ERD) ........................48
3.3.3.5. Perancangan Interface (Antarmuka) ........................50
a. Pakar .....................................................................50
b. Pengguna ..............................................................57
3.3.4. Implementasi ...........................................................................61
3.3.5. Pengujian .................................................................................61
3.3.6. Penyusunan Laporan ...............................................................66
BAB IV HASIL DAN PEMBAHASAN ........................................................67
4.1. Analisa Kebutuhan Data ....................................................................67
4.2. Representasi Pengetahuan............................................................. 68
4.3. Implementasi Sistem ................................................................... 68
4.3.1. Tampilan Halaman Input Data (Pakar) ....................................69
4.3.2. Tampilan Halaman Proses Identifikasi (Pengguna) ................74
4.3.3. Tampilan Halaman Hasil Identifikasi (Pengguna) ................103
4.3.4. Analisa Perhitungan Presentase .............................................103
4.4. Pengujian Sistem ..............................................................................106
4.4.1. Pengujian Kepakaran (Hasil Identifikasi) .............................106
4.4.2. Pengujian Fungsional ............................................................110
4.4.3. Pengujian Non Fungsional ....................................................115
BAB V PENUTUP ........................................................................................130
5.1. Kesimpulan ......................................................................................130
5.2. Saran ................................................................................................131
DAFTAR PUSTAKA ...................................................................................132
LAMPIRAN ..................................................................................................136
xi
DAFTAR GAMBAR
Gambar Halaman
2.1. Konsep dasar fungsi sitem pakar (Arhami, 2005) ................................9
2.2. Struktur Sistem Pakar (Sutojo dkk, 2011) ...........................................10
2.3. Proses Backward Chaining (Arhami,2005) .........................................13
2.4. Proses Forward Chaining (Arhami,2005) ...........................................13
2.5. Diagram Alir Teknik Penelusuran Depth First Search ........................14
2.6. Diagram Alir Teknik Penelusuran Breadth-first search ......................14
2.7. Diagram Alir Teknik Penelusuran Best-first search ............................15
2.8. Bagian-bagian tubuh ikan secara morfologi (Bond, 1979) .................26
2.9. Bentuk-bentuk tubuh ikan (Bond, 1979) .............................................28
2.10.Bentuk morfologi ekor ikan (Affandi dkk, 1992) ..............................29
2.11.Letak mulut ikan (Bond, 1979) ..........................................................30
2.12.Bentuk-bentuk sisik ikan (Bond, 1979) ..............................................31
2.13.Letak sirip perut pada tubuh ikan (Bond, 1979) .................................32
3.1. Diagram Alir Tahapan Penelitian ........................................................35
3.2. Proses bisnis yang dilakukan pakar .....................................................37
3.3. Proses bisnis identifikasi .....................................................................38
3.4. Context Diagram ................................................................................39
3.5. DFD level 1 .........................................................................................41
3.6. DFD level 2 Mengelola Data Ikan ......................................................42
xii
3.7. DFD level 2 Mengelola Data Ciri .......................................................43
3.8. DFD level 2 Mengelola Data Rule ......................................................45
3.9. DFD level 2 Data Hasil Identifikasi ....................................................45
3.10. DFD level 2 Identifikasi ....................................................................46
3.11. Entity Relationship Diagram (ERD) .................................................49
3.12. Rancangan halaman login pakar ........................................................50
3.13. Rancangan halaman beranda pakar ...................................................51
3.14. Rancangan halaman data ikan ...........................................................52
3.15. Rancangan halaman data ciri .............................................................52
3.16. Rancangan halaman hasil identifikasi ...............................................53
3.17. Rancangan halaman tambah data ikan ..............................................53
3.18. Rancangan halaman tambah data ciri ................................................54
3.19. Rancangan halaman tambah/ edit data rule .......................................55
3.20. Rancangan halaman urutan data rule .................................................55
3.21. Rancangan halaman rule ...................................................................56
3.22. Rancangan halaman bantuan .............................................................56
3.23. Rancangan halaman beranda pengguna ............................................57
3.24. Rancangan halaman daftar ikan ........................................................58
3.25. Rancangan halaman form identitas ...................................................59
3.26. Rancangan halaman pertanyaan ........................................................59
3.27. Rancangan halaman hasil identifikasi ...............................................60
3.28. Rancangan halaman kontak admin ....................................................60
3.29. Rancangan halaman tentang ..............................................................61
4.1. Tampilan halaman utama pakar ..........................................................69
xiii
4.2. Tampilan halaman input data ikan ......................................................71
4.3. Tampilan halaman input data ciri ........................................................72
4.4. Tampilan halaman input (tambah/edit) rule ........................................72
4.5. Tampilan halaman urutan rule .............................................................73
4.6. Tampilan halaman rule ........................................................................73
4.7. Tampilan halaman utama pengguna ....................................................74
4.8. Tampilan halaman form identitas ........................................................74
4.9. Tampilan halaman pertanyaan iterasi-1 ..............................................76
4.10. Tampilan halaman pertanyaan iterasi-2 ............................................81
4.11. Tampilan halaman pertanyaan iterasi-3 ............................................87
4.12. Tampilan halaman pertanyaan iterasi-4 ............................................91
4.13. Tampilan halaman pertanyaan iterasi-5 ............................................96
4.14. Tampilan halaman pertanyaan iterasi-6 ............................................99
4.15. Tampilan halaman pertanyaan iterasi-7 ..........................................100
4.16. Tampilan halaman pertanyaan iterasi-8 ..........................................101
4.17. Tampilan halaman hasil identifikasi ................................................105
4.18. Grafik penilaian kuisioner terhadap pernyataan 1 ...........................121
4.19. Grafik penilaian kuisioner terhadap pernyataan 2 ...........................122
4.20. Grafik penilaian kuisioner terhadap pernyataan 3 ...........................123
4.21. Grafik penilaian kuisioner terhadap pernyataan 4 ...........................124
4.22. Grafik penilaian kuisioner terhadap pernyataan 5 ...........................125
4.23. Grafik penilaian kuisioner terhadap pernyataan 6 ...........................126
4.24. Grafik penilaian kuisioner terhadap pernyataan 7 ...........................127
4.25. Grafik penilaian kuisioner terhadap pertanyaan 8 ...........................128
xiv
DAFTAR TABEL
Tabel Halaman
1.1. Persebaran ikan air tawar di Sumatera (Wargasasmita, 2002) ................2
2.1. Tabel Kemungkinan ...............................................................................18
2.2. Simbol Data Flow Diagram (Al Fatta, 2007) ........................................19
2.3. Simbol ERD (Al Fatta, 2007) ................................................................19
2.4. Flow Direction Symbols (Al-Bahra, 2005) ...........................................20
2.5. Processing Symbols (Al-Bahra, 2005) ..................................................21
2.6. Input-Output Symbols (Al-Bahra, 2005) ...............................................21
3.1. Daftar pengujian black box untuk pakar ................................................62
3.2. Daftar pengujian black box untuk pengguna .........................................65
4.1. Hasil pengujian kepakaran sistem .......................................................106
4.2. Hasil pengujian fungsional sistem (admin) .........................................110
4.3. Hasil pengujian fungsional sistem (pengguna) ....................................114
4.4. Hasil penilaian kuisioner oleh pakar ikan (Responden I) ....................117
4.5. Hasil penilaian kuisioner oleh peneliti BBI dan Mahasiswa Budidaya
Perairan Unila (Responden II) .............................................................118
4.6. Hasil penilaian kuisioner oleh Mahasiswa Ilmu Komputer Unila
(Responden III) ....................................................................................119
4.7. Kriteria index penilaian hasil kuisioner ...............................................120
xv
DAFTAR LAMPIRAN
Lampiran Halaman
1. Data Ikan dan Data Ciri .........................................................................137
2. Data Ikan .................................................................................................147
3. Data Ciri ..................................................................................................148
4. Pohon Keputusan ....................................................................................151
5. Tabel Keputusan .....................................................................................152
6. Basis Aturan ............................................................................................156
7. Hasil Rekap Penilaian Kuisioner ............................................................169
BAB I
PENDAHULUAN
1.1. Latar Belakang
Indonesia merupakan salah satu negara dengan keanekaragaman jenis ikan yang
tinggi. Letak perairan yang berada di daerah khatulistiwa dan beriklim tropis
membuat Indonesia memiliki kekayaan biota air yang lebih banyak dibandingkan
dengan daerah dingin maupun subtropis. Nelson (2006) memperkirakan total jenis
ikan di dunia mencapai 40.000 jenis. Berdasarkan data yang terdapat pada
www.fishbase.org hingga Februari 2016, terdapat 33.200 jenis ikan di dunia yang
berhasil dideskripsikan. Jumlah jenis ikan yang tersebar di Indonesia yaitu 4857
spesies terdiri dari 1225 spesies air tawar dan 3632 spesies air laut.
Jika dilihat dari jumlah jenis ikan air tawar, Indonesia menempati rangking
pertama di Asia (Budiman dkk, 2002). Ikan air tawar merupakan jenis ikan yang
hidup dan menghuni perairan daratan (inland water), yaitu perairan dengan kadar
garam kurang dari 5% per ml (0-5%). Jumlah spesies ikan air tawar di Pulau
Sumatera terdapat sebanyak 272 spesies, di Pulau Kalimantan terdapat 394
spesies, di Pulau Jawa terdapat 132 spesies, di sekitar garis Wallace terdapat 68
spesies, dan di Paparan Sahul (Papua) terdapat 58 spesies (Kartamihardja dkk,
2007). Berdasarkan data-data tersebut, Sumatera berada pada peringkat kedua
2
dalam keberagaman jenis ikan air tawar dibandingkan dengan pulau-pulau lain di
Indonesia. Berdasarkan penelitian yang dilakukan oleh Wargasasmita (2002),
didapatkan data persebaran ikan air tawar di Sumatera berdasarkan famili atau
suku, dapat dilihat pada Tabel 1.1.
Tabel 1.1. Persebaran ikan air tawar di Sumatera (Wargasasmita, 2002)
No Famili/ Suku Jumlah Spesies
A. Primary Freshwater Fishes
1. Belontiidae 26
2. Balitoridae 24
3. Akysidae 7
4. Bagridae 24
5. Cyprinidae 128
6. Clariidae 9
7. Channidae 11
8. Cobitidae 16
9. Siluridae 26
B. Secondary Freshwater Fishes
10. Chandidae 12
11. Tetraodontidae 16
12. Gobiidae 47
Berdasarkan Tabel 1.1, dapat dilihat bahwa ikan air tawar yang paling banyak di
Pulau Sumatera adalah ikan dari famili Cyprinidae. Cyprinidae merupakan famili
ikan air tawar yang memiliki jumlah anggota spesies sangat banyak. Famili
Cyprinidae menempati seluruh perairan umum, baik di danau, rawa banjiran
maupun sungai (Nelson, 1994).
Keadaan Pulau Sumatera yang memiliki kekayaan dan keanekaragaman jenis ikan
berbanding terbalik dengan pengetahuan yang dimiliki oleh pengamat/ peneliti.
Hal tersebut dapat terjadi karena terdapat beberapa kendala dalam proses
identifikasi ikan, diantaranya :
3
1. Pakar ikan di Indonesia jumlahnya terbatas sehingga menyulitkan peneliti atau
pengamat untuk berkonsultasi dengan pakar dalam menentukan prinsip-
prinsip identifikasi.
2. Dasar pedoman identifikasi ikan masih sulit didapatkan (langka).
3. Ketika melakukan pengamatan di lapangan, waktu yang diperlukan untuk
menentukan jenis ikan relatif lama, karena pengamat harus mencatat dan
mencocokkan deskripsi fisik tubuhnya di dalam buku pedoman.
4. Banyak bermunculan jenis ikan spesies baru yang belum terdokumentasi.
5. Belum adanya sistem yang menyimpan pengetahuan jenis ikan dan mampu
bekerja layaknya pakar dalam mengidentifikasi jenis ikan.
Oleh karena itu diperlukan suatu sistem yang dapat membantu tugas seorang
pakar dalam mengidentifikasi jenis ikan secara terotomasi. Sistem pakar yang
akan dibangun diharapkan dapat membantu mempermudah pengamat atau peneliti
mengidentifikasi ikan tanpa harus bertemu dengan pakar secara langsung.
Penelitian mengenai sistem pakar identifikasi jenis spesies sebelumnya telah
dilakukan oleh Hasanati dan Dinda (2012) mengenai Rancang Bangun Sistem
Pakar Berbasis Web untuk Mendiagnosis Jenis Burung Air: Waterbird Exsys.
Penelitian ini bertujuan membuat sistem pakar untuk mendiagnosis jenis burung
air menggunakan metode bakcward chaining. Hasil dari penelitian Hasanati dan
Dinda (2012) berupa Sistem Pakar Diagnosis Jenis Burung Air Berbasis Web
(Waterbird Exsys) yang dapat membantu untuk mengidentifikasikan jenis burung
air secara cepat dan akurat, dan tidak terbatas tempat dan waktu selama pengguna
terkoneksi dengan jaringan internet. Penelitian selanjutnya dilakukan oleh Ilham
4
(2010) mengenai Aplikasi Pengidentifikasi Jenis Karang di Perairan Pulau
Panjang Kabupaten Jepara. Penelitian Ilham (2010) menghasilkan suatu aplikasi
identifikasi jenis karang menggunakan metode forward chaining berbasis web.
Pada penelitian ini akan dibangun suatu Sistem Pakar Identifikasi Jenis Ikan yaitu
sistem yang berusaha mengadopsi pengetahuan pakar jenis ikan ke dalam
komputer, sehingga komputer dapat menyelesaikan masalah identifikasi ikan.
Sistem pakar yang akan dibangun merupakan sistem berbasis web sehingga
peneliti atau pengamat dapat dengan mudah mengidentifikasi ikan dimana saja
asalkan terkoneksi internet. Metode inferensi yang digunakan yaitu metode
forward chaining. Metode tersebut digunakan untuk menentukan aturan mana yang
akan dijalankan, kemudian aturan tersebut dijalankan, proses diulang hingga
ditemukan suatu hasil. Dengan adanya sistem pakar ini diharapkan dapat
membantu pengguna untuk melakukan identifikasi ikan secara efektif dan efisien.
1.2. Rumusan Masalah
Rumusan masalah pada penelitian ini yaitu bagaimana membangun sistem pakar
berbasis web yang dapat digunakan untuk mengeidentifikasi jenis ikan
berdasarkan ciri-ciri morfologi ikan tersebut.
1.3. Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Ikan yang dapat di identifikasi pada sistem ini yaitu hanya ikan air tawar yang
masuk ke dalam famili Cyprinidae dan persebaran nya di Pulau Sumatera.
5
2. Ikan jenis Cyprinidae yang dapat diidentifikasi sebanyak 41 jenis ikan dan
jumlah ciri sebanyak 73 ciri.
3. Metode inferensi yang diimpelementasikan pada sistem ini forward chaining,
yaitu proses identifikasi jenis ikan dilakukan berdasarkan ciri-ciri morfologi
yang diberikan oleh sistem.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini yaitu membangun sistem pakar berbasis web yang dapat
mengidentifikasi ikan berdasarkan ciri-ciri morfologi, sehingga pengamat/ peneliti
dapat dengan mudah mengetahui nama jenis ikan dan informasi-informasi
mengenai ikan tersebut.
1.5. Manfaat Penelitian
Manfaat dari penelitian ini yaitu :
1. Peneliti/ pengamat dapat dengan mudah mengidentifikasi jenis ikan secara
efektif dan efisien.
2. Memberikan informasi mengenai jenis ikan (nama spesies), taksonomi, ciri-
ciri morfologi, habitat, persebaran dan informasi lain yang berkaitan dengan
jenis-jenis ikan famili Cyprinidae kepada pengguna.
3. Terciptanya suatu sistem pakar identifikasi sebagai media penghubung antara
pengamat/ peneliti dengan pakar dalam proses mengidentifikasi ikan.
BAB II
TINJAUAN PUSTAKA
2.1. Sistem Pakar
2.1.1. Definisi Sistem Pakar
Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang
dikembangkan pada pertengahan 1960. Sistem pakar berasal dari istilah
knowledge-based expert system, yaitu sebuah sistem yang menggunakan
pengetahuan manusia dimana pengetahuan tersebut dimasukkan kedalam
komputer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang
biasanya membutuhkan kepakaran atau keahlian manusia (Sutojo dkk, 2011).
Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk
menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang
dimaksud di sini adalah orang yang mempunyai keahlian khusus yang dapat
menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Sistem
pakar dipandang berhasil ketika mampu mengambil keputusan seperti yang
dilakukan oleh pakar aslinya baik dari sisi proses pengambilan keputusannya
maupun hasil keputusan yang diperoleh (Kusrini, 2008).
7
2.1.2. Ciri-Ciri Sistem Pakar
Menurut Sutojo dkk (2011), ciri-ciri sistem pakar adalah :
1. Terbatas pada domain keahlian tertentu.
2. Dapat memberikan penalaran-penalaran untuk data-data yang tidak lengkap
atau tidak pasti.
3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara
yang dapat dipahami.
4. Berdasarkan pada kaidah/ ketentuan/ rule tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap.
6. Pengetahuan dan mekanisme penalaran (inference) jelas terpisah.
7. Keluarannya bersifat anjuran.
8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai dituntun oleh
dialog dengan user.
2.1.3. Keuntungan Sistem Pakar
Secara garis besar, banyak keuntungan yang dapat diambil dengan adanya sistem
pakar, antara lain:
1. Memungkinkan orang awam mengerjakan pekerjaan para ahli.
2. Dapat melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian pakar.
4. Menigkatkan output dan produktifitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang
termasuk keahlian langka).
8
7. Memiliki kemampuan untuk mengakses pengetahuan.
8. Memiliki reliabilitas.
9. Meningkatkan kapabilitas sistem komputer.
10. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan
mengandung ketidakpastian.
11. Sebagai media pelengkap dan pelatihan.
12. Meningkatkan kapabilitas dalam penyelesaian masalah.
13. Menghemat waktu dalam pengambilan keputusan.
2.1.4. Kelemahan Sistem Pakar
Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa
kelemahan, antara lain:
1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu
bisa didapatkan dengan mudah karena kadang kala pakar dari masalah yang
kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan yang
dimiliki oleh pakar berbeda-beda.
2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi
sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan
dan pemeliharaannya.
3. Boleh jadi sistem tak dapat membuat keputusan.
4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak
sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti
sebelum digunakan.
9
2.1.5. Konsep Dasar Sistem Pakar
Menurut Turban (1995), konsep dasar sistem pakar mengandung keahlian, ahli,
pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian
adalah suatu kelebihan penguasaan pengetahuan dibidang tertentu yang diperoleh
dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang
termasuk keahlian adalah:
1. Fakta-fakta pada lingkup permasalahan tertentu.
2. Teori-teori pada lingkup permasalahan tertentu.
3. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan
tertentu.
4. Strategi-strategi global untuk menyelesaikan masalah.
5. Meta-knowledge (pengetahuan tentang pengetahuan).
USER
Knowledge Base
Mesin Inferensi
Fakta
Keahlian
SISTEM PAKAR
Gambar 2.1. Konsep dasar fungsi sitem pakar (Arhami, 2005)
2.1.6. Struktur Sistem Pakar
Menurut Sutojo dkk (2011), sistem pakar terdiri dari dua bagian utama yaitu
lingkungan pengembang (Development Environment) dan lingkungan konsultasi
(Consultation Environment). Struktur sistem pakar dapat dilihat pada Gambar 2.2.
10
Gambar 2.2. Struktur Sistem Pakar (Sutojo dkk, 2011)
Penjelasan mengenai struktur sistem pakar pada Gambar 2.2 adalah sebagai
berikut :
1. Basis Pengetahuan
Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami,
memformulasikan dan menyelesaikan masalah.
2. Mesin inferensi (inference engine)
Program yang berisi metodologi yang digunakan untuk melakukan penalaran
terhadap informasi-informasi dalam basis pengetahuan dan blackboard, serta
digunakan untuk memformulasikan konklusi.
11
3. Subsistem penambahan pengetahuan
Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau
memperluas pengetahuan dalam basis pengetahuan. Pengetahuan bisa berasal dari
ahli, buku, basis data, penelitian, dan gambar.
4. Blackboard
Merupakan area dalam memori yang digunakan untuk merekam kejadian yang
sedang berlangsung termasuk keputusan sementara.
5. Antarmuka
Digunakan sebagai media komunikasi antara user dengan program.
6. Subsistem penjelasan
Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan
sistem pakar secara interaktif melalui pertanyaan :
a. Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?
b. Bagaimana konklusi dicapai?
7. Sistem penyaring pengetahuan
Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk
melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan
dimasa mendatang.
2.1.6.1. Basis Pengetahuan
Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah,
tentu di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang
sangat umum digunakan, yaitu:
12
1. Penalaran berbasis aturan (Rule-Based Reasoning)
Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan
menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita
memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si
pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu, juga
digunakan apabila dibutuhkan penjelasan tentang jejak (langkah – langkah)
pencapaian solusi.
2. Penalaran berbasis kasus (Case-Based Reasoning).
Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi solusi yang
telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan
yang terjadi sekarang (fakta yang ada). Bentuk ini akan digunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama
(mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah
situasi atau kasus tertentu dalam basis pengetahuan.
Dalam studi kasus pada sistem berbasis pengetahuan terdapat beberapa
karakteristik yang dibangun untuk membantu dalam membentuk serangkaian
prinsip-prinsip arsitekturnya. Prinsip tersebut meliputi:
1. Pengetahuan merupakan kunci kekuatan sistem pakar.
2. Pengetahuan sering tidak pasti dan tidak lengkap.
3. Pengetahuan sering miskin spesifikasi.
4. Amatir menjadi ahli secara bertahap.
5. Sistem pakar harus fleksibel.
6. Sistem pakar harus transparan.
13
2.1.6.2. Mesin Inferensi
Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis
aturan, yaitu pelacakan ke belakang (backward chaining) dan pelacakan ke depan
(forward chaining).
Pelacakan ke belakang adalah pendekatan yang di motori tujuan terlebih dahulu
(goal-driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya
dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya.
Observasi 1
Kaidah A Fakta 1
Kaidah C
Observasi 4
Observasi 3
Observasi 2
Fakta 3
Kaidah D
Kaidah B Fakta 2
Kaidah E
Tujuan
Gambar 2.3. Proses Backward Chaining (Arhami,2005)
Pelacakan kedepan adalah pendekatan yang dimotori data (data driven). Dalam
pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya
mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang
sesuai dengan bagian IF dari aturan IF-THEN.
Observasi 1
Observasi 2
Kaidah A
Kaidah B
Fakta 2
Fakta 3
Kaidah D
Kaidah E
Fakta 1 Kaidah C
Kesimpulan 3
Kesimpulan 1
Kesimpulan 2
Gambar 2.4. Proses Forward Chaining (Arhami,2005)
14
Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penulusuran, yaitu
Depth-first search, Breadth-first search dan Best-first search.
1. Depth-first search, melakukan penulusuran kaidah secara mendalam dari
simpul akar bergerak menurun ke tingkat dalam yang berurutan.
1
10 137 164 156
95 12 143
1182
Root Node
(Start)
Goal
(End)
Gambar 2.5. Diagram Alir Teknik Penelusuran Depth First Search
(Arhami,2005)
2. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap
tingkat diuji sebelum pindah ke tingkat selanjutnya.
1
76 8 105
432
Root Node
(Start)
Level 0
Level 1
Level 29
Gambar 2.6. Diagram Alir Teknik Penelusuran Breadth-first search
(Arhami, 2005)
15
3. Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya.
1
65
432
8 97 10
Goal
Level 0
Level 2
Level 1
Root Node
(Start)
Gambar 2.7. Diagram Alir Teknik Penelusuran Best-first search
2.2. Metode Forward Chaining
Menurut Sutojo dkk (2011) metode forward chaining merupakan teknik pencarian
yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta-fakta
tersebut dengan bagian dari rules IF-THEN. Bila ada fakta IF yang cocok dengan
bagian IF, maka rule tersebut dieksekusi. Pencocokan berhenti bila tidak ada lagi
rule yang bisa dieksekusi.
Contoh studi kasus:
A
Mulai
H
B
E
I
C
F
D
J
G
K
Kesimpulan 1
Kesimpulan 2
Kesimpulan 3
Rule /aturan :
• IF A and B and C and D THEN Kesimpulan 1
• IF A and E and F and G THEN Kesimpulan 2
• IF H and I and J and K THEN Kesimpulan 3
16
Iterasi 1 : Apakah A bernilai benar (sesuai dengan fakta) ?
Jika A bernilai benar (sesuai dengan fakta) maka :
- Fakta : A
- Rule / aturan yang mungkin :
IF A and B and C and D THEN Kesimpulan 1
IF A and E and F and G THEN Kesimpulan 2
IF H and I and J and K THEN Kesimpulan 3
Iterasi 2 : Apakah B bernilai benar (sesuai dengan fakta) ?
Jika B benar (sesuai dengan fakta) maka :
- Fakta : A
- Rule / aturan yang mungkin :
IF A and B and C and D THEN Kesimpulan 1
IF A and E and F and G THEN Kesimpulan 2
Iterasi 3 : Apakah E bernilai benar (sesuai dengan fakta)?
Jika E bernilai benar (sesuai dengan fakta) maka :
- Fakta : A, E
- Rule / aturan yang mungkin :
IF A and E and F and G THEN Kesimpulan2
Iterasi 4 : Apakah F bernilai benar (sesuai dengan fakta)?
Jika F bernilai salah (tidak sesuai dengan fakta) maka :
- Fakta : A, E
- Rule / aturan yang mungkin :
IF A and E and F and G THEN Kesimpulan2
Jika rule/aturan tinggal tersisa 1 maka, rule tidak dihapus dan akan di cek sampai
IF pada rule tersebut habis dan menghasilkan kesimpulan.
17
Iterasi 5 : Apakah G bernilai benar (sesuai dengan fakta)?
Jika F bernilai salah maka :
- Fakta : A, E, G
- Rule/ aturan yang mungkin :
IF A and E and F and G THEN Kesimpulan 2
Berdasarkan fakta yang diketahui yaitu A, E dan G, lalu fakta-fakta tersebut
dicocokkan dengan rule/ aturan yang ada maka didapatlah kesimpulan yang
paling mendekati yaitu Kesimpulan 2.
2.3. Metode Classic Probability
Probabilitas merupakan suatu cara kuantitatif yang berhubungan dengan
ketidakpastian yang telah ada. Teori probabilitas klasik pertama kali
diperkenalkan oleh Pascal dan Fermat pada tahun 1654. Kemudian banyak kerja
yang telah dilakukan untuk mengerjakan probabilitas dan ada beberapa cabang
baru dari probabilitas yang dikembangkan. Probabilitas klasik disebut juga a
priori probability karena berhubungan dengan suatu permainan (games) atau
sistem. Seperti yang telah disebutkan sebelumnya, istilah a priori berarti
“sebelum” (Arhami, 2005).
Rumus umum untuk probabilitas klasik di definisikan sebagai peluang P(A)
dengan n adalah banyaknya kejadian, n(A) merupakan banyaknya hasil
mendapatkan A. Frekuensi relatif terjadinya A adalah maka (Arhami, 2005) :
P(A)= n(A)
N
................................ (1)
18
Keterangan :
A : Ikan Cyprinus caprio
P(A) : Peluang ikan Cyprinus caprio
n : Jumlah seluruh ciri ikan Cyprinus caprio
n(A) : Jumlah ciri ikan Cyprinus caprio yang dipilih/sesuai
Probabilitas klasik ini digunakan untuk mendapatkan peluang kemungkinan suatu
jenis ikan, sehingga untuk menghitung persentase adalah :
Persentase (A) = P(A) x 100%
Tabel 2. 1. Tabel Kemungkinan
Kondisi Presentase
Pasti Tidak <10%
Tidak Tahu 10-19%
Hampir Mungkin 20-39%
Mungkin 40-59%
Kemungkinan Besar 60-79%
Hampir Pasti 80-99%
Pasti 100%
2.4. Context Diagram
Context diagram adalah DFD pertama dalam proses bisnis. Menunjukkan semua
proses dalam satu proses tunggal. Context diagram juga menunjukkan semua
entitas luar yang menerima informasi dari atau memberikan informasi ke sistem
(Al Fatta, 2007).
......................... (2)
19
2.5. Data Flow Diagram
Ada dua jenis DFD, yaitu DFD logis dan DFD fisik. DFD logis menggambarkan
proses tanpa menyarakan bagaimana mereka akan dilakukan, sedangkan DFD
fisik meggambarkan proses model berikut implementasi pemrosesan informasinya
(Al Fatta, 2007).
Tabel 2.2. Simbol Data Flow Diagram (Al Fatta, 2007).
Elemen DFD Gene And
Sarson
De Marco and
Jourdan Keterangan
Proses
Menunjukkan pemrosesan
data/ informasi yang terjadi
di dalam sistem
Data Flow
Menunjukkan arah aliran
dokumen antar bagian yang
terkait pada suatu sistem
Data Store
Tempat menyimpan
dokumen arsip
Entitas
Menunjukkan entitas atau
bagian yang terlibat yang
melakukan proses
2.6. Entity Relationship Diagram
ERD adalah gambar atau diagram yang menunjukkan informasi dibuat, disimpan
dan digunakan dalam sistem bisnis. Entitas biasanya menggambarkan jenis
informasi yang sama. Dalam entitas digunakan untuk menghubungkan antar
entitas yang sekaligus menunjukkan hubungan antar data (Al Fatta, 2007).
Tabel 2.3. Simbol ERD (Al Fatta, 2007)
Elemen ERD Simbol Keterangan
Entitas
Menunjukkan objek pada suatu sistem/
menjelaskan entitas yang terlibat di dalamnya
20
Relationship
Menunjukkan hubungan antara dua entitas
Garis
Penghubung Menunjukkan aliran data
Atribut
Melambangkan atribut
2.7. Flowchart
Flowchart adalah bagan-bagan yang mempunyai arus yang menggambarkan
langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara
penyajian dari suatu algoritma. Flowchart disusun dengan simbol yang dipakai
sebagai alat bantu menggambarkan proses di dalam program. Simbol-simbol yang
digunakan dibagi menjadi tiga, yaitu (Al-Bahra, 2005):
1. Flow Direction Symbols
Flow Direction Symbols merupakan simbol yang digunakan untuk
menghubungkan antara simbol satu dengan simbol yang lain. Simbol ini disebut
juga connecting line.
Tabel 2.4. Flow Direction Symbols (Al-Bahra, 2005)
Simbol Keterangan
Simbol arus/ flow, untuk menyatakan jalannya arus suatu proses.
Simbol communication link, untuk mengatakan bahwa adanya
tranasmisi suatu data/ informasi dari suatu lokasi ke lokasi
lainnya.
Simbol connector, untuk menyatakan sambungan dari suatu
proses ke proses lainnya dalam halaman yang sama.
Simbol offline connector, untuk menyatakan sambungan dari
suatu proses ke proses lainnya dalam halaman yang berbeda.
21
2. Processing Symbols
Processing Symbols merupakan simbol yang menunjukkan jenis
operasipengolahan dalam suatu proses/ prosedur.
Tabel 2.5. Processing Symbols (Al-Bahra, 2005)
Simbol Keterangan
Simbol process, untuk menyatakan suatu tindakan (proses)
yang dilakukan oleh komputer.
Simbol manual, untuk menyatakan suatu tindakan (proses)
yang tidak dilakukan oleh komputer(manual).
Simbol decission/ logika, untuk menunjukkan suatu kondisi
tertentu yang akan menghasilkan dua kemungkinan
jawaban, ya/ tidak.
Simbol predefined process, untuk menyatakan penyediaan
tempat penyimpanan suatu pengolahan untuk memberi
harga awal.
Simbol terminal, untuk menyatakan permulaan atau akhir
suatu program.
Simbol keying operation, untuk menyatakan segala jenis
operasi yang diproses dengan menggunakan suatu mesin
yang mempunyai keyboard.
Simbol offline-storage, untuk menunjukkan bahwa data
dalam simbol ini akan disimpan ke suatu media tertentu.
Simbol manual input, untuk menjelaskan bahwa data secara
manual dengan menggunakan online keyboard.
3. Input-Output Symbols (Simbol Input-Output)
Input-Output Symbols merupakan simbol yang menunjukkan jenis peralatan yang
digunakan sebagai media input atau output.
Tabel 2.6. Input-Output Symbols (Al-Bahra, 2005)
Simbol Keterangan
Simbol input/ output, untuk menyatakan proses input atau
output tanpa tergantung jenis peralatannya.
Simbol punched card, untuk menyatakan input berasal dari
kartu atau outpus ditulis ke kartu.
22
Simbol magnetic tape, untuk menyatakan input berasal dari
pita magnetis atau output disimpan ke pita magnetis.
Simbol disk storage, untuk menyatakan input berasal dari
disk atau output disimpan
Simbol document, untuk mencetak keluaran dalam bentuk
dokumen (melalui printer)
Simbol display, untuk mencetak keluaran dalam layar
monitor.
2.8. Black Box Testing
Black box testing merupakan salah satu metode pengujian sistem yang dilakukan
berdasarkan spesifikasi kebutuhan sistem dan tidak perlu memeriksa coding.
Dengan black box testing, pengujian yang dilakukan hanya berdasarkan
pandangan pengguna untuk mengetahui apakah fungsi yang dibutuhkan berjalan
sesuai harapan atau tidak. Keuntungan penggunaan metode ini adalah penguji
tidak memerlukan pengetahuan yang spesifik mengenai bahasa pemrograman
yang digunakan dalam pembuatan sistem tersebut dan juga pengetahuan pada
implementasinya (Nidhra dan Dondeti, 2012).
Pada black box testing, ada beberapa teknik yang dapat digunakan, salah satunya
adalah Equivalence Class Partioning. Pengujian dengan Equivalence Class
Partioning didasarkan pada asumsi bahwa input dan output program dapat dibagi
menjadi kelas dengan jumlah terbatas (valid dan non-valid) sehingga semua kasus
yang sudah dipartisi ke dalam kelas-kelasnya akan diuji dengan perilaku yang
sama (Nidhra dan Dondeti, 2012).
23
2.9. Skala Likert
Metode ini merupakan metode penskalaan pernyataan sikap yang menggunakan
distribusi respons sebagai dasar penentuan nilai skalanya. Nilai skala setiap
pernyataan tidak ditentukan oleh derajat favourable masing-masing, akan tetapi
ditentukan oleh distribusi respons setuju dan tidak setuju dari sekelompok
responden yang bertindak sebagai kelompok uji coba (Azwar, 2011).
Skala Likert, yaitu skala yang berisi lima tingkat preferensi jawaban dengan
pilihan sebagai berikut : 1= sangat setuju; 2 = tidak setuju; 3 = ragu-ragu atau
netral; 4 = setuju; 5 = sangat setuju. Persentase penilaian berdasarkan kriteria
skala likert akan diperoleh dengan rumus aritmatika mean, yaitu (Djarwanto,
1996).
Keterangan :
P = Persentase pernyataan
Xi = Nilai kuantitatif total
n = Jumlah responden
N = Nilai kategori pernyataan terbaik
Selanjutnya, penentuan interval per kategori digunakan rumus sebagai berikut :
Keterangan :
I = Interval
K = Kategori interval
...........................…. (4)
................................ (3)
24
2.10. Ikan
2.10.1. Definisi Ikan
Ikan didefinisikan sebagai hewan bertulang belakang (vertebrata) yang hidup di
air dan secara sistematik ditempatkan pada filum Chordata dengan karakteristik
memiliki insang yang berfungsi untuk mengambil oksigen terlarut dari air dan
sirip digunakan untuk berenang. Ikan hampir dapat ditemukan hampir di semua
tipe perairan di dunia dengan bentuk dan karakter yang berbeda-beda (Adrim,
2010).
Ciri-ciri umum dari golongan ikan adalah mempunyai rangka tulang belakang
sejati dan bertulang rawan, mempunyai sirip tunggal atau berpasangan dan
mempunyai operculum, tubuh ditutupi oleh sisik dan berlendir serta mempunyai
bagian tubuh yang jelas antara kepala, badan dan ekor. Ukuran ikan bervariasi
mulai dari yang kecil sampai yang besar. Kebanyakan ikan berbentuk torpedo,
pipih, dan ada yang berbentuk tidak teratur (Siagian, 2009).
Setiap ikan untuk dapat bertahan hidup dan berkembang biak harus dapat
beradaptasi terhadap lingkungannya. Kondisi lingkungan yang berpengaruh
terhadap kehidupan ikan meliputi kondisi fisik dan kimia antara lain kadar garam,
kedalaman, kecerahan, keadaaan suhu, laju arus dan dasar perairan (Trijoko dan
Pranoto, 2006). Ikan memiliki pola adaptasi yang tinggi terhadap kondisi
lingkungan, baik terhadap faktor fisik maupun faktor kimia lingkungan seperti
pH, DO, kecerahan, temperatur, dan lain sebagainya (Nybakken, 1998).
25
2.10.2. Famili Cyprinidae
Famili Cyprinidae merupakan salah satu famili ikan yang termasuk dalam Ordo
Cypriniformes. Cyprinidae famili ikan terbesar di dunia dengan 210 genus dan
lebih dari 2010 spesies (Nelson, 1994). Saingan terdekat dalam jumlah spesies
adalah dari famili Gobiidae yang mendominasi perairan laut dengan jumlah
kurang dari 1900 spesies, 41% dari 24.618 spesies ikan di dunia berada di
perairan umum, Cyprinidae mendominasi 20% dari ikan air tawar dunia dan 8%
dari semua ikan (Berra, 1997). Famili Cyprinidae mendominasi hampir diseluruh
perairan tawar di dunia yaitu di Eurasia, Afrika, dan Amerika Utara. Eurasia
adalah rumah bagi sekitar 1.270 spesies cyprinids, pusat terbesar keragaman
cyprinids adalah berada di China dan Asia Tenggara, Afrika menyumbang sekitar
475 spesies dalam 23 genus, sedangkan Amerika Utara memiliki sekitar 300
spesies dalam 50 genus (Nelson, 1994). Djuanda (1981) mengemukakan bahwa
ikan famili Cyprinidae biasanya hidup di perairan umum seperti sungai, danau
dan rawa-rawa yang banyak ditumbuhi tanaman air, dan hidup dengan baik pada
perairan yang pHnya rendah.
Menurut hasil studi pustaka Kottelat, dkk (1993), ikan famili Cyprinidae yang
tersebar di pulau Sumatera berjumlah 77 spesies dari 32 Genus, yaitu:
Albulichthys, Amblyrhynchichtys, Balantiocheilos, Barbichthys, Barbonymus,
Brachydanio, Carassius, Chela, Crossocheilus, Cyclocheilichthys, Cyprinus,
Epalzeorhynchos, Hampala, Labiobarbus, Leptobarbus, Lobocheilos, Luciosoma,
Mysthcoloucus, Neobarynotus, Neolissochilus, Osteochilus, Parachela,
26
Pectenocypris, Poropuntius, Puntioplites, Puntius, Rasbora, Rasborichthys,
Rohteichthys, Schimatorhynchos, Thynnichthys, Tor.
2.11. Identifikasi
Identifikasi adalah tugas untuk mencari dan mengenal ciri-ciri taksonomik
individu yang beraneka ragam dan memasukkannya ke dalam suatu takson.
Identifikasi berkaitan erat dengan ciri-ciri taksonomik dan akan menuntun sebuah
sampel ke dalam suatu urutan kunci identifikasi (Mayr and Ashlock, 1991).
2.12. Morfologi
Morfologi adalah ilmu yang mempelajari bentuk tubuh dan bentuk organ luar
suatu organisme. Secara historis, morfologi ikan merupakan sumber utama
informasi untuk studi taksonomi dan evolusi. Ada beberapa karakteristik
morfologi :
Gambar 2.8. Bagian-bagian tubuh ikan secara morfologi (Bond, 1979)
27
2.12.1. Bentuk Tubuh
Bentuk tubuh ikan biasanya berkaitan erat dengan tempat dan cara mereka hidup.
Bentuk tubuh dapat dibedakan atas (Gambar 2.9):
a. Fusiform atau bentuk torpedo (bentuk cerutu)
Suatu bentuk yang sangat stream-line untuk bergerak dalam suatu medium tanpa
mengalami banyak hambatan. Tinggi tubuh hampir sama dengan lebar tubuh,
sedangkan panjang tubuh beberapa kali tinggi tubuh. Bentuk tubuh hampir
meruncing pada kedua bagian ujung. Contoh : Euthynnus affinis : tongkol.
b. Compressed atau pipih
Bentuk tubuh yang gepeng ke samping. Tinggi badan jauh lebih besar bila
dibandingkan dengan tebal ke samping (lebar tubuh). Lebar tubuh juga lebih kecil
daripada panjang tubuh. Contoh : Parastromateus niger : bawal hitam.
c. Depressed atau picak
Bentuk tubuh yang gepeng ke bawah. Tinggi badan jauh lebih kecil bila
dibandingkan dengan tebal ke arah samping badan (lebar tubuh). Contoh :
Himantura uarnak : pare totol.
d. Anguilliform atau bentuk ular atau sidat atau belut
Bentuk tubuh ikan yang memanjang dengan penampang lintang yang agak
silindris dan kecil serta pada bagian ujung meruncing/tipis. Contoh : Monopterus
albus : belut.
e. Filiform atau bentuk tali
Bentuk tubuh yang menyerupai tali. Contoh : Pseudophallus straksii : pipefish.
28
f. Taeniform atau flatted-form atau bentuk pita
Bentuk tubuh yang memanjang dan tipis menyerupai pita. Contoh : Trichiurus
brevis : ikan layur.
g. Sagittiform atau bentuk panah
Bentuk tubuh yang menyerupai anak panah. Contoh : Esox lucius: pike.
h. Globiform atau bentuk bola
Bentuk tubuh ikan yang menyerupai bola. Contoh : Diodon histrix: buntal landak.
Gambar 2.9. Bentuk-bentuk tubuh ikan (Bond, 1979)
2.12.2. Bentuk Ekor
Menurut Affandi dkk (1992), secara morfologis bentuk luar sirip ekor dapat
dibedakan menjadi (Gambar 2.10), yaitu:
a. Rounded (membundar) misalnya pada ikan kerapu bebek (Cromileptes
altivelis).
29
b. Truncate (berpinggiran tegak), misalnya pada ikan tambangan (Lutjanus
johni).
c. Pointed (meruncing), misalnya pada ikan sembilang (Plotosus canius).
d. Wedge shape (bentuk baji), misalnya pada ikan gulamah (Argyrosomus
amoyensis).
e. Emarginate (berpinggiran berlekuk tunggal), misalnya pada ikan lencam
merah (Lethrinus obsoletus).
f. Double emarginate (berpinggiran berlekuk ganda), misalnya pada ikan
ketang-ketang (Drepane punctata).
g. Forked / Furcate (bercagak), misalnya pada ikan cipa-cipa (Atropus atropos).
h. Lunate (bentuk sabit), misalnya pada ikan tuna mata besar (Thunnus obesus).
i. Epicercal (bagian daun sirip atas lebih besar), misalnya pada ikan cucut martil
(Eusphyra blochii).
j. Hypocercal (bagian daun sirip bawah lebih besar), misalnya pada ikan terbang
(Exocoetus volitans).
Gambar 2.10. Bentuk morfologi ekor ikan (Affandi dkk, 1992).
30
2.12.3. Mulut
Letak atau posisi mulut ikan dapat dibedakan atas (Gambar 2.11):
a. Inferior
Mulut yang terletak di bawah hidung, misalnya pada ikan pare kembang
(Neotrygon kuhlii) dan ikan cucut (Chaenogaleus macrostoma).
b. Subterminal
Mulut yang terletak dekat ujung hidung agak ke bawah misalnya pada ikan kuro/
senangin (Eleutheronema tetradactylum) dan ikan setuhuk putih (Makaira
indica).
c. Terminal
Mulut yang terletak di ujung hidung, misalnya pada ikan tambangan (Lutjanus
johni) dan ikan mas (Cyprinus carpio).
d. Superior
Mulut yang terletak di atas hidung, misalnya pada ikan julung-julung
(Hemirhamphus far) dan ikan kasih madu (Kurtus indicus).
Gambar 2.11. Letak mulut ikan (Bond, 1979).
31
2.12.4. Sisik
Seluruh badan ikan umumnya mempunyai sisik (squama). Sisik disebut juga
rangka dermal, yang berhubungan dengan rangka luar (exoskeleton). Sisik atau
squama membentuk rangka luar terutama pada ikan primitif, misalnya pada ikan
tangkur kuda (Hippocampus histrix) yang memiliki sisik sangat keras.
Menurut bentuknya, sisik ikan dapat dibedakan atas beberapa tipe (Gambar 2.12),
yaitu:
a. Cosmoid, terdapat pada ikan-ikan purba yang telah punah.
b. Placoid, merupakan sisik tonjolan kulit, banyak terdapat pada ikan yang
termasuk kelas Chondrichthyes.
c. Ganoid, merupakan sisik yang terdiri atas garam-garam ganoin, banyak
terdapat pada ikan dari golongan Actinopterygii.
d. Cycloid, berbentuk seperti lingkaran, umumnya terdapat pada ikan yang
berjari-jari sirip lemah (Malacopterygii).
e. Ctenoid, berbentuk seperti sisir, ditemukan pada ikan yang berjari-jari sirip
keras (Acanthopterygii).
Gambar 2.12 Bentuk-bentuk sisik ikan (Bond, 1979)
32
2.12.5. Sirip
Berdasarkan letak sirip perut terhadap sirip dada, dapat dibedakan empat macam
letak sirip perut (Gambar 2.13), yaitu:
a. Abdominal, yaitu jika letak sirip perut agak jauh ke belakang dari sirip dada,
misalnya pada ikan bulan-bulan (Megalops cyprinoides) dan ikan japuh
(Dussumieria acuta).
b. Subabdominal, yaitu jika letak sirip perut agak dekat dengan sirip dada,
misalnya pada ikan kerong-kerong (Therapon theraps) dan ikan karper perak
(Hypophthalmichthys molitrix)
c. Thoracic, yaitu jika sirip perut terletak tepat di bawah sirip dada, misalnya
pada ikan layang (Decapterus russelli) dan ikan bambangan (Lutjanus
sanguineus).
d. Jugular, yaitu jika sirip perut terletak agak lebih ke depan daripada sirip dada,
misalnya pada ikan kasih madu (Kurtus indicus) dan ikan tumenggung
(Priacanthus tayenus).
Gambar 2.13. Letak sirip perut pada tubuh ikan (Bond, 1979)
33
2.12.6. Warna
Ikan mempunyai warna tubuh yang sederhana dan dapat dilihat dari habitatnya.
Warna ikan disebabkan oleh schemachrome dan biochrome. Sel khusus yang
memberikan ikan warna ada dua macam yaitu Iridocyte dan chromatophore
(Sugiri,1992).
BAB III
METODE PENELITIAN
3.1. Waktu dan Tempat Penelitian
Penelitian dilaksanakan pada bulan Mei s.d. Oktober 2016. Tempat penelitian
dilakukan di Jurusan Budidaya Perairan Fakultas Pertanian, Jurusan Ilmu
Komputer Fakultas Matematikan Ilmu Pengetahuan Alam Universitas Lampung
dan Balai Benih Ikan (BBI) Natar, Trimurjo, Metro.
3.2. Alat Pendukung
Alat pendukung yang digunakan pada penelitian ini adalah sebagai berikut :
3.2.1. Perangkat Lunak
Perangkat lunak yang digunakan untuk membangun sistem yaitu :
a. Sistem Operasi Windows 8.1 Pro 64-bit
b. XAMPP v.3.2.1
c. Text Editor (Notepad++ v.6.6.8)
d. Adobe Dreamweaver CS 5.5
e. Web browser (Mozila Firefox)
35
3.2.2. Perangkat Keras
Perangkat keras yang digunakan untuk membangun sistem yaitu sebuah laptop
dengan spesifikasi sebagai berikut :
a. Processor (Intel ® Core TM i3-4025U)
b. RAM DDR3 2 GB
c. HD 500 GB
3.3. Tahapan Penelitian
Tahapan penelitian yaitu langkah-langkah yang dilakukan peneliti dalam
melakukan penelitian. Beberapa tahapan yang akan dilakukan peneliti dalam
membangun sistem pakar identifikasi jenis ikan famili Cyprinidae dapat diliht
pada Gambar 3.1.
MULAI
STUDI LITERATUR
PENGUMPULAN DATA
PERANCANGAN SISTEM
SEMUA KEBUTUHAN
TERSEDIA
SEMUA FUNGSI
BERJALAN
IMPLEMENTASI SISTEM
PENGUJIAN
PENYUSUNAN
LAPORAN
SELESAI
TIDAK
YA
YA
TIDAK
Gambar 3.1. Diagram Alir Tahapan Penelitian
36
3.3.1. Studi Literatur
Studi literatur merupakan tahap awal yang dilakukan dalam penelitian ini. Pada
tahapan ini dilakukan pengumpulan data penelitian sebelumnya yang sejenis
dengan penelitian yang akan dilakukan pada penelitian ini, dimana data tersebut
dijadikan acuan/literatur. Studi literatur bertujuan untuk melihat kelemahan-
kelemahan yang ada pada penelitian sebelumnya, lalu memperbaiki kelemahan
tersebut. Setelah dilakukan penelusuran dan analisis, terdapat 2 jurnal mengenai
sistem pakar identifikasi jenis spesies yang dapat dijadikan literatur. Penjelasan
mengenai penelitian yang dijadikan literatur pada penelitian ini dapat dilihat pada
bagian latar belakang penelitian.
3.3.2. Pengumpulan Data
Tahap pengumpulan data merupakan tahapan kedua yang dilakukan pada
penelitian ini. Pada tahap ini pengumpulan data dilakukan dengan cara studi
literatur dan berkonsultasi dengan pakar ikan ibu Rara Diantari, Dosen Budidaya
Perikanan Universitas Lampung dan berdasarkan hasil penelitian (Maulana,
2015). Data yang dikumpulkan berupa 41 jenis ikan famili Cyprinidae persebaran
Sumatera dilengkapi dengan ciri-ciri morfologi, taksonomi, habitat, distribusi, dan
informasi lain terkait ikan tersebut.
3.3.3. Perancangan Sistem
Tahap perancangan sistem merupakan tahap penggambaran rencana
pengembangan sistem ke dalam bentuk gambar yang bertujuan agar dapat
mempermudah pengguna dalam memahami sistem yang akan dibangun.
37
Perancangan sistem pada penelitian ini terdiri dari perancangan Proses Bisnis,
Context Diagram, Data Flow Diagram (DFD), Entity Relationship Diagram
(ERD).
3.3.3.1. Proses Bisnis
Proses bisnis dapat didefinisikan sebagai suatu kumpulan dari proses dan berisi
kumpulan aktivitas atau pekerjaan yang saling berelasi satu sama lain untuk
menyelesaikan suatu masalah tertentu atau menghasilkan suatu produk. Proses
bisnis yang baik harus dapat mempermudah dalam memahami proses-proses
didalamnya. Perancangan proses bisnis pakar dapat dilihat pada Gambar 3.2. dan
proses bisnis identifikasi dapat dilihat pada Gambar 3.3.
Gambar 3.2. Proses bisnis yang dilakukan pakar
38
Gambar 3.3. Proses bisnis identifikasi
3.3.3.2. Contecxt Diagram
Context Diagram adalah nama lain dari Data Flow Diagram (DFD) level 0.
Diagram ini menunjukkan semua entitas luar yang menerima informasi dari atau
memberikan informasi ke sistem. Pada penelitian ini terdapat satu proses tunggal
yaitu identifikasi jenis ikan dan dua entitas yaitu pengguna dan pakar.
Perancangan context diagram sistem identifikasi ikan dapat dilihat pada Gambar
3.4.
39
SISTEM PAKAR
IDENTIFIKASI IKAN
PAKAR
Pengguna
Data ruleData hasil identifikasi
Dara ciriData ikanData pakar
Data login
Data ikan
Data ciri
Data rule
Data hasil identifikasi
Data pakar
Konfirmasi login
Data hasil identifikasi
Data jawaban
Data Identitas Pengguna
Data ikan
Data ciri (pertanyaan)
Data pesan
Data pesan
Gambar 3.4. Context Diagram
3.3.3.3. Data Flow Diagram (DFD)
Data Flow Diagram (DFD) merupakan diagram yang menggambarkan aliran
data pada suatu sistem. DFD dapat dibagi menjadi beberapa level sesuai
kebutuhan, diantaranya level 0 (Context Diagram), level 1 yang menjelasakan
aliran secara lebih rinci dibandingkan level 0, level 2, level 3 dan seterusnya.
a. DFD level 1
Rancangan DFD level 1 sistem pakar identifikasi ikan dapat dilihat pada Gambar
3.5. Terdapat tujuh proses yang dapat dilakukan baik oleh pengguna maupun
pakar, yaitu :
1. Proses Login
Pada poses login, pakar harus mengisi username dan password agar dapat masuk
ke dalam halaman utama admin. Setelah mengisi password dan username, sistem
40
akan memvalidasi data tersebut apakah sesuai dengan data password dan
username yang ada di database. Apabila username dan password valid maka,
sistem akan menampilkan halaman utama admin. Namun, apabila username dan
password tidak valid maka sistem akan memberikan pemberitahuan bahwa
username dan password tidak valid.
2. Proses Mengelola Data Ikan
Proses ini menjabarkan proses pakar dalam mengelola data ikan yang tersimpan
pada database tabel ikan.
3. Proses Mengelola Data Ciri
Pada proses ini, pakar melakukan pengelolaan data ciri-ciri morfologi ikan yang
tersimpan pada database tabel ciri.
4. Proses Mengelola Data Rule
Proses ini dilakukan oleh pakar dalam mengelola data rule. Data rule merupakan
data aturan yang berisi relasi antara data ikan dan data ciri. Oleh karena itu pada
proses ini pakar menghubungkan setiap ikan memiliki ciri-ciri apa saja.
5. Proses Mengelola Data Hasil Identifikasi
Proses ini dilakukan oleh pakar untuk mengelola data hasil identifikasi yang
tersimpan pada database tabel hasil_identifikasi.
6. Proses Identifikasi
Proses identifikasi merupakan proses yang dilakukan oleh pengguna dalam
mengidentifikasi jenis ikan. Sistem akan menampilkan pertanyaan-pertanyaan
ciri-ciri secara satu per satu, pengguna menjawab apakah ciri tersebut dimiliki
oleh ikan yang dimiliki pengguna. Setelah menjawab pertanyaan-pertanyaan maka
sistem akan mengeluarkan hasil identifikasi berupa nama ikan.
41
7. Proses Menampilkan Daftar Ikan
Proses ini dilakukan oleh pengguna untuk menampilkan jenis-jenis ikan yang
terdapat pada sistem.
1.
Login
5.
Mengolah
data hasil
identifikasi
4.
Mengolah
data rule
3.
Mengolah
data ciri
2.
Mengolah
data ikan
pengguna_tmp
identifikasi_tmp
ciri
analisa_tmp
jawaban
rule
ikan
Pakar
Pengguna
6.
Identifikasi
jenis ikan
Data login
pakar
Data Login
Data login
Konfirmasi login
Data ikan Data ikan
Data ikan
Data ikan
hasil_identifikasi
Data jawaban
Data ciri
Data hasil identifikasi
Data rule
(belum menjawab)
Data pengguna
Data pengguna
Data pengguna
Data identifikasi
Data jawaban
Analisa jenis ikan
Data rule (setelah menjawab)
Data rule
Data rule
Data ciri
Analisa jenis ikan
Data hasil identifikasi
Data identifikasi
Data ikan
Data hasil identifikasi
Data ciri
Data ciri
Data rule
Data rule
Data hasil identifikasi
Data hasil identifikasi
Data ciri
Data ciri
Data rule
Data rule
Data hasil identifikasi
Data hasil identifikasi
7.
Menampilkan
Daftar Ikan
Data ikan dipilih
Data ikan
Data Ikan dipilih
Data ikan
Data pengguna
Gambar 3.5. DFD level 1
42
b. DFD level 2 Mengelola Data Ikan
DFD level 2 selanjutnya adalah proses mengelola data ikan. Proses ini dilakukan
oleh pakar, terdiri dari 3 proses yaitu menambah, menghapus, dan mengedit data
ikan. Rancangan DFD level 2 mengelola data ikan dapat dilihat pada Gambar 3.6.
1. Proses Menambah Data Ikan
Proses menambah ikan dilakukan oleh pakar dengan melakukan penambahan data
jenis ikan baru, lalu data tersebut disimpan ke tabel ikan.
2. Proses Menghapus Data Ikan
Proses menghapus ikan dilakukan oleh pakar dengan melakukan hapus data jenis
ikan yang terdapat pada tabel ikan.
3. Proses Mengedit Data Ikan
Proses mengedit data ikan dilakukan pakar dengan memilih ikan terlebih dahulu
yang ingin diedit informasinya, setelah itu disimpan kembali ke tabel ikan dengan
informasi yang telah di edit.
2.2.
Menghapus
data ikanPakar ikan
Data ikan
Data ikan
Data ikan
Data ikan
2.1
Menambah
data ikan
2.3.
Mengedit
data ikan
Data ikan
Data ikan Data ikan
Data ikan
Data ikan
Data ikan Data ikan
Data ikan
Gambar 3.6. DFD level 2 Mengelola Data Ikan
43
c. DFD level 2 Mengelola Data Ciri
DFD level 2 mengelola data ciri dapat dilihat pada Gambar 3.7. Pada proses
mengelola data ciri terdiri dari 3 proses yaitu :
1. Proses Menambah Data Ciri
Proses menambah data ciri dilakukan oleh pakar dengan melakukan penambahan
data ciri baru, lalu data tersebut disimpan ke tabel ciri.
2. Proses Menghapus Data Ciri
Proses menghapus data ciri dilakukan oleh pakar dengan melakukan hapus data
ciri yang terdapat pada tabel ikan.
3. Proses Mengedit Data Ciri
Proses mengedit data ciri dilakukan pakar dengan memilih ciri terlebih dahulu
yang ingin diedit informasinya cirinya, setelah itu disimpan kembali ke tabel ciri
dengan informasi yang telah di edit.
3.2
Menghapus
data ciriPakar ciri
Data ciri
Data ciri
Data ciri
Data ciri
3.1
Menambah
data ciri
3.3
Mengedit
data ciri
Data ciri
Data ciri Data ciri
Data ciri
Data ciri
Data ciri Data ciri
Data ciri
Gambar 3.7. DFD level 2 Mengelola Data Ciri
44
d. DFD level 2 Mengelola Data Rule
Rancangan DFD level 2 mengelola data rule dapat dilihat pada gambar 3.8. Pada
proses mengelola data rule terdiri dari 4 proses yaitu :
1. Proses Menambah Data Rule
Proses menambah data rule dilakukan oleh pakar dengan melakukan penambahan
relasi baru antara penyakit dan ciri, lalu data tersebut disimpan ke tabel rule.
2. Proses Mengedit Data Rule
Proses mengedit data rule dilakukan oleh pakar dengan melakukan perubahan
relasi antara penyakit dan ciri, lalu data tersebut disimpan kembali ke tabel rule.
3. Proses Mengurutkan Data Rule
Proses mengurutkan data rule dilakukan oleh pakar dengan melakukan
pengurutan ciri yang dimiliki ikan, lalu data tersebut disimpan ke tabel rule.
4. Proses Menampilkan Data Rule
Proses menampilkan data rule dilakukan oleh pakar untuk menampilkan data rule
berupa relasi antara ikan dan ciri yang tersimpan di dalam tabel rule.
e. DFD level 2 Mengelola Data Hasil Identifikasi
Rancangan DFD level 2 mengelola data hasil identifikasi dapat dilihat pada
gambar 3.9. Pada proses mengelola data hasil identifikasi terdiri dari 1 proses
yaitu menghapus data hasil identifikasi. Proses ini dilakukan oleh pakar untuk
menghapus data hasil identifikasi dari tabel hasil_identifikasi.
45
4.3
Mengurutkan
data rule
Pakar
ciri
Data rule
Data rule
Data ikan
Data rule
Data ciri
Data ikan4.2
Mengedit
data rule
ikan
rule
Data ciri
Data rule
Data rule
Data ciri
4.1
Menambah
data rule
4.4
Menampilkan
data rule
Data rule
Data rule
Data ikan
Data rule
Data ikan
Data ciri
Data ruleData rule
Gambar 3.8. DFD level 2 Mengelola Data Rule
5.1
Menghapus data
hasil identifikasiPakar hasil_identifikasi
Data hasil identifikasi
Data hasil identifikasi
Data hasil identifikasi
Data hasil identifikasi
Gambar 3.9. DFD level 2 Data Hasil Identifikasi
f. DFD level 2 Identifikasi
Rancangan DFD level 2 identifikasi dapat dilihat pada gambar 3.10. Pada proses
identifikasi terdiri dari 4 proses yaitu :
46
pengguna_tmp
identifikasi_tmp
ciri
analisa_tmp
jawaban
rule
ikan
Pengguna
6.1
Menampilkan
Form Identitas
Pengguna
6.2
Menampilkan
pertanyaan ciri-
ciri
6.3
Identifikasi
6.6
Menampilkan
Hasil Identifikasi
Data Pengguna Data pengguna
Data jawaban
Data ciri
Data rule
Data jawaban
Data rule setelah menjawab
Analisa
pertanyaan selanjutnya
Analisa
pertanyaan selanjutnya
Data ciri
Analisa jenis ikan
Data identifikasi
Data ikan
Data hasil identifikasi
Analisa jenis ikan
Data hasil identifikasi
hasil_identifikasiData identifikasi
6.5
Menghitung
presentase
Data jawaban
6.4
Menyimpan data
identifikasi
Data identifikasi
Presentase
Data pengguna
Data hasil identifikasi
Data pengguna
Gambar 3.10. DFD level 2 Identifikasi
1. Proses Menampilkan Form Identitas Pengguna
Proses ini merupakan proses awal yang dilakukan pengguna untuk dapat
mengidentifikasi ikan. Pengguna mengisikan identitas singkat lalu data akan
disimpan pda tabel pengguna_tmp.
47
2. Proses Menampilkan Pertanyaan Ciri-Ciri
Proses selanjutnya yaitu proses menampilkan pertanyaan ciri-ciri. Setelah
pengguna mengisi identitas maka sistem akan otomatis menampilkan pertanyaan.
Pengguna harus menjawab ya atau tidak, jawaban tersebut lalu disimpan pada
tabel jawaban_tmp. Setiap jawaban dari ciri akan berpengaruh terhadap
pertanyaan selanjutnya. Setelah pengguna menjawab maka akan terbangun suatu
analisa rule setelah menjawab dan akan disimpan di analisa_tmp. Berdasarkan
analisa_tmp akan dihasilkan pertanyaan-pertanyaan selanjutnya sampai
pertanyaan habis.
3. Proses Identifikasi
Proses identifikasi dipengaruhi oleh data hasil dari analisa_tmp. Pada tabel
analisa_tmp terdapat ciri selanjutnya dan jenis ikan yang mungkin. Analisa jenis
ikan yang mungkin akan disimpan di tabel identifikasi_tmp. Sampai pada
akhirnya akan dihasilkan satu jenis ikan yang mungkin, terdapat pada tabel
identifikasi_tmp. Hasil dari tabel identifikasi_tmp merupakan hasil identifikasi
berupa jenis ikan.
4. Proses Menyimpan Data Identifikasi
Proses menyimpan data identifikasi merupakan proses lanjutan dari proses
identifikasi. Apabila jenis ikan sudah teridentifikasi pada tabel identifikasi_tmp,
selanjutnya data identifikasi jenis ikan tersebut akan disimpan ke dalam tabel
hasil_identifikasi bersamaan dengan data pengguna yang sebelumnya telah
disimpan pada tabel pengguna_tmp.
48
5. Proses Menghitung Presentase
Proses menghitung presentase dilakukan ketika ikan sudah teridentifikasi dan
disimpan pada tabel hasil_identifikasi. Perhitungan presentase dilakukan dengan
memanggil data jawaban “ya” yang talah dipilih pengguna dan disimpan pada
tabel jawaban. Data jawaban “ya” tersebut dibagi dengan total ciri yang dimiliki
ikan, maka didapatlah presentase keakuratan.
6. Proses Menampilkan Hasil Identifikasi
Proses menampilkan hasil identifikasi akan menampilkan data dari tabel
hasil_identifikasi berupa data identitas pengguna, data identifikasi berupa jenis
ikan yang telah teridentifikasi, dan presentase yang telah dihitung pada proses
sebelumnya. Data identifikasi berupa jenis ikan yang telah teridentifikasi akan
dicocokkan ke tabel ikan untuk mendapatkan dan menampilkan data berupa
taksonomi, habitat, dan persebaran.
3.3.3.4. Entity Relationship Diagram (ERD)
Entity Relationship Diagram merupakan gambaran atau model yang menjelaskan
hubungan antar data dalam basis data berdasarkan objek-objek data yang memiliki
relasi. Penggambaran ERD dapat menggunakan beberapa notasi dan simbol yang
tujuannya dapat menggambarkan struktur data dan hubungan antar data.
Rancangan ERD sistem identifikasi ikan dapat dilihat pada Gambar 3.11.
49
ikan
pakar
jawaban
cirirule
identifikasi_tmp
pengguna_tmp
hasil_identifikasi
id_ikanid_ciri
nama
id_pengguna
persebaran
habitat
gambarid_ikan
passwordusername
ip_user
jenis_kelamin tgl
ip_user
level
id_ciriid_ikan
id_ikan
ip_user
id_ciri
ip_user
jawaban
id_ciri
nama_cirigambar_ciri
id_ikan
nama
Id_identifikasi
tgl
jenis_kelamin
ip_user
m n
m n
n n
m
Jawab
nDiidentifikasi
m
Diidentifi
kasi
sementara
m
analisa_tmp
level
kelasphylum ordo famili
nama_phylumid_phylumnama_ordoid_ordo nama_famili
id_famili
nama_kelasid_kelas
memiliki
nama_spesies
genus
nama_genusid_genus
kingdom
nama_kingdomid_kingdom
memiliki memilikimemilikimemilikimemiliki
1
1 n 1 n 1 n 1 n 1 n
id_famili
m
id_kingdom id_phylum id_kelas id_ordo
id_genussumber_gambar
deskripsi
alamat
alamat
sumber_gambar
pesan
id_pesan
Isi_pesan
nama tanggal
nama_lokal
kategori_ciri
id_kategoriid_kategori
nama_kategori
n memiliki 1
Gambar 3.11. Entity Relationship Diagram (ERD)
50
3.3.3.5. Perancangan Interface (Antarmuka)
Perancangan interface bertujuan agar mempermudah pengguna dalam memahami
sistem yang akan dibangun pada penelitian ini. Interface yang dirancang
dikelompokkan menjadi dua bagian yaitu interface pengguna dan interface pakar.
a. Pakar
1. Halaman Login
Halaman login merupakan halaman yang paling pertama tampil apabila pakar
ingin mengakses atau mengelola data pada sistem. Perancangan halaman login
dapat dilihat pada Gambar 3.12. Apabila username dan password yang diinputkan
valid, maka sistem akan menampilkan halaman utama pakar seperti pada Gambar
3.13. Namun, apabilla username dan password yang diinputkan tidak valid, maka
sistem akan menampilkan kotak dialog pesan kesalahan.
Gambar 3.12. Rancangan halaman login pakar
2. Halaman Beranda
Halaman beranda merupakan halaman utama pakar setelah pakar melalui proses
login. Pada halaman utama, sistem akan menampilkan beberapa menu yang
berkaitan dengan pengelolaan data pada sistem. Rancangan beranda pakar dapat
dilihat pada Gambar 3.13.
51
Gambar 3.13. Rancangan halaman beranda pakar
3. Halaman Lihat Data
Pada menu lihat data terdapat 3 sub menu yaitu :
Halaman Data Ikan
Halaman data ikan merupakan halaman yang menyajikan data-data ikan yang
terdapat pada database sistem. Terdapat beberapa aksi yang dapat dilakukan oleh
pakar terhadap data ikan, diantaranya tambah, edit, hapus, dan view detail.
Halaman data ikan dapat dilihat pada Gambar 3.14. Halaman tambah data ikan
dapat dilihat pada Gambar 3.17.
Halaman Data Ciri
Halaman data ciri merupakan halaman yang menyajikan data-data ciri yang
terdapat pada database sistem. Terdapat beberapa aksi yang dapat dilakukan oleh
pakar terhadap data ciri, diantaranya tambah, edit dan hapus. Halaman data ciri
dapat dilihat pada Gambar 3.16. Halaman tambah data ciri dapat dilihat pada
Gambar 3.18.
52
Halaman Rekap Identifikasi
Halaman rekap identifikasi merupakan halaman yang berisi data seluruh
pengguna yang telah melakukan identifikasi menggunakan sistem ini. Pakar dapat
menghapus data-data hasil identifikasi. Rancangan halaman rekap identifikasi
dapat dilihat pada Gambar 3.16.
Gambar 3.14. Rancangan Halaman Data Ikan
Gambar 3.15. Rancangan halaman data ciri
53
Gambar 3.16. Rancangan halaman hasil identifikasi
4. Halaman Tambah Data
Menu tambah data terdiri dari 2 sub menu yaitu :
Halaman Tambah Data Ikan
Halaman tambah data ikan memudahkan pengguna untuk menambahkan jenis
ikan baru. Tampilan halaman tambah data ikan dapat dilihat pada Gambar 3.17.
Gambar 3.17. Rancangan halaman tambah data ikan
54
Halaman Tambah Data Ciri
Halaman tambah data ikan memudahkan pengguna untuk menambahkan ciri baru.
Tampilan halaman tambah data ciri dapat dilihat pada Gambar 3.18.
Gambar 3.18. Rancangan halaman tambah data ciri
5. Halaman Rule
Halaman data rule merupakan halaman pengelolaan relasi antara ikan dan ciri-ciri.
Pada menu data rule terdapat tiga sub menu diantaranya :
Tambah/ Edit Rule
Pada halaman tambah data rule, pakar harus memilih nama ikan yang ingin
ditambahkan rule nya terlebih dahulu. Setelah itu sistem akan menampilkan
semua ciri-ciri yang telah tersimpan pada database. Pakar dapat memilih ciri-ciri
mana saja yang dimiliki oleh ikan tersebut (Gambar 3.19). Kemudian setelah
disimpan, sistem akan meminta pakar menginputkan urutan ciri-ciri yang telah
dipilih sebelumnya berdasarkan prioritas seperti yang ditampilkan pada Gambar
3.20. Data tersebut akan menjadi basis aturan atau rule yang akan digunakan pada
sistem. Tampilan halaman tambah data rule dapat dilihat pada Gambar 3.19.
55
Gambar 3.19. Rancangan halaman tambah/ edit data rule
Urutan Data Rule
Pada sub menu urutan data rule, pakar dapat mengedit/ mengubah urutan ciri-ciri
yang sebelumnya telah disimpan pada proses tambah rule. Tampilan halaman
urutan data rule dapat dilihat pada Gambar 3.20.
Gambar 3.20. Rancangan halaman urutan data rule
56
Lihat Rule
Pada sub menu menampilkan rule, pakar dapat melihat data-data rule yang telah
tersimpan pada database sistem. Rancangan tampilan data rule dapat dilihat pada
Gambar 3.21.
Gambar 3.21. Rancangan halaman rule
6. Halaman Bantuan
Halaman bantuan merupakan halaman yang dapat memberikan informasi kepada
pakar mengenai petunjuk penggunaan sistem sebagai pakar. Rancangan halaman
bantuan dapat dilihat pada Gambar 3.22.
Gambar 3.22. Rancangan halaman bantuan
57
b. Pengguna
1. Halaman Beranda
Halaman beranda merupakan halaman utama apabila pengguna mengakses situs
sistem identifikasi ikan. Pada halaman beranda, sistem menampilkan beberapa
menu pilihan diantaranya daftar ikan, identifikasi, dan tentang. Rancangan
halaman beranda dapat dilihat pada Gambar 3.23.
Gambar 3.23. Rancangan halaman beranda pengguna
2. Halaman Daftar Ikan
Halaman daftar ikan menampilkan seluruh data ikan yang telah tersimpan pada
database. Apabila nama jenis ikan di klik, maka akan muncul detail ikan berupa
informasi taksonomi, habitat, dan persebaran. Rancangan halaman daftar ikan
dapat dilihat pada Gambar 3.24.
58
Gambar 3.24. Rancangan halaman daftar ikan
3. Halaman Identifikasi
Halaman identifikasi merupakan halaman yang paling penting di dalam sistem ini.
Pada halaman ini pengguna dapat memulai identifikasi jenis ikan. Ada beberapa
tahapan pada proses identifikasi, diantaranya :
Menampilkan form identitas
Langkah awal dalam proses identifikasi adalah pengguna harus menginputkan
identitas terlebih dahulu. Data identitas akan disimpan ke dalam database sebagai
arsip. Rancangan form identitas dapat dilihat pada Gambar 3.25.
Menampilkan pertanyaan-pertanyaan
Setelah proses input identitas selesai, maka sistem akan menampilkan pertanyaan-
pertanyaan mengenai ciri ikan. Pengguna harus menjawab ya atau tidak sampai
pertanyaan yang ditampilkan sistem tidak ada lagi. Rancangan tampilan pertanyan
dapat dilihat pada Gambar 3.26.
59
Menampilkan hasil identifikasi
Tahap terakhir setelah pengguna menjawab semua pertanyaan yang ditampilkan
sistem yaitu menampilkan hasil identifikasi. Rancangan hasil identifikasi dapat
dilihat pada Gambar 3.27.
Gambar 3.25. Rancangan halaman form identitas
Gambar 3.26. Rancangan halaman pertanyaan
60
Gambar 3.27. Rancangan halaman hasil identifikasi
4. Halaman Kontak Admin
Halaman kontak admin merupakan halaman yang dapat digunakan oleh pengguna
untuk mengirimkan pesan kepada admin/ pakar. Rancangan kontak admin dapat
dilihat pada Gambar 3.28.
Gambar 3.28. Rancangan halaman kontak admin
61
5. Halaman Tentang
Halaman tentang berisi informasi mengenai pengembang sistem. Rancangan
informasi tentang dapat dilihat pada Gambar 3.29.
Gambar 3.29. Rancangan halaman tentang
3.3.4. Implementasi
Tahapan selanjutya setelah tahap perancangan selesai adalah tahap implementasi.
Pada tahap implementasi, sistem akan mulai dibangun dengan bahasa
pemrograman Php dan database Mysql. Metode inferensi yang diterapkan pada
penelitian ini yaitu metode forward chaining.
3.3.5. Pengujian
Pada tahap sebelumnya yaitu tahap implementasi akan menghasilkan suatu sistem.
Sistem tersebut harus diuji terlebih dahulu sebelum digunakan oleh banyak orang.
Pada tahap pengujian akan dipastikan bahwa sistem akan menghasilkan suatu
informasi yang akurat. Pengujian yang dilakukan pada penelitian ini yaitu
pengujian kepakaran sistem, fungsional dan non fungsional.
62
3.3.5.1. Pengujian Kepakaran
Pengujian kepakaran sistem ini bertujuan untuk menguji kemampuan sistem pakar
dalam mengidentifikasi jenis ikan berdasarkan fakta-fakta yang diberikan.
3.3.5.2. Pengujian Fungsional
Pengujian fungsional bertujuan untuk menguji fungsionalitas sistem. Pengujian
fungsional yang dilakukan yaitu metode black box dengan teknik Equivalence
Partitioning (EP). EP akan membagi domain masukan dari program ke dalam
kelas-kelas sehingga test case dapat diperoleh. Pengujian EP dapat digunakan
untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface
dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap
nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence
untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau
tidak. Rancangan daftar pengujian dapat dilihat pada tabel 3.1 dan 3.2.
Tabel 3.1. Daftar pengujian black box untuk pakar
No Kelas Uji Daftar
Pengujian
Kasus Uji Hasil yang
Diharapkan
1. Login Input data
login
Username=admin,
Password=monik, klik
tombol login
Masuk ke halaman
dashboard pakar
2. Fungsi pada
menu Lihat
Data “Data
Ikan”
Tambah
data ikan
Pakar mengisi penuh
kolom inputan dan klik
tombol simpan
Tampil
pemberitahuan
“Berhasil” dan data
tersimpan ke database
Pakar tidak mengisi
penuh kolom inputan
dan klik tombol simpan
Tampil
pemberitahuan kolom
input tidak boleh
kosong dan data tidak
tersimpan ke
database
63
Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan
Edit
data
ikan
Pakar memilih tombol edit
pada ikan yang ingin diedit
informasinya dan
mengganti data ikan tanpa
mengosongkan satu kolom
pun, klik tombol simpan
Tampil
pemberitahuan “Data
berhasil di update”
dan data tersimpan ke
database
Pakar memilih tombol edit
pada ikan yang ingin diedit
informasinya dan
mengganti data ikan tetapi
ada kolom input yang
tidak diisi, klik tombol
simpan
Tampil
pemberitahuan kolom
input tidak boleh
kosong dan data tidak
tersimpan ke
database
Hapus
data
ikan
Pakar memilih tombol
delete pada ikan yang
ingin dihapus
Tampil
pemberitahuan “Data
berhasil dihapus”
View
data
ikan
Pakar memilih tombol
view pada ikan yang ingin
dilihat informasi detail nya
Tampil detail
informasi mengenai
ikan yang dipilih
3. Fungsi pada
menu Lihat
Data “Data
Ciri”
Tamba
h data
ciri
Pakar mengisi penuh
kolom inputan dan klik
tombol simpan
Tampil
pemberitahuan
“Berhasil” dan data
tersimpan ke
database
Pakar tidak mengisi penuh
kolom inputan dan klik
tombol simpan
Tampil
pemberitahuan kolom
input tidak boleh
kosong dan data tidak
tersimpan ke
database
Edit
data
ciri
Pakar memilih tombol edit
pada ciri yang ingin diedit
dan mengganti data ciri
tanpa mengosongkan satu
kolom pun, klik tombol
simpan
Tampil
pemberitahuan “Data
berhasil di update”
dan data tersimpan ke
database
Pakar memilih tombol edit
pada ciri yang ingin diedit
dan mengganti data ciri
tetapi ada kolom input
yang tidak diisi, klik
tombol simpan
Tampil
pemberitahuan kolom
input tidak boleh
kosong dan data tidak
tersimpan ke
database
Hapus
data
ciri
Pakar memilih tombol
delete pada ciri yang ingin
dihapus
Tampil
pemberitahuan “Data
berhasil dihapus”
64
Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan
4. Fungsi pada
menu
Tambah
Data “Data
Ikan”
Tambah
data ikan
Pakar mengisi penuh
kolom inputan dan klik
tombol simpan
Tampil pemberitahuan
“Berhasil” dan data
tersimpan ke database
Pakar tidak mengisi
penuh kolom inputan
dan klik tombol simpan
Tampil pemberitahuan
kolom input tidak boleh
kosong dan data tidak
tersimpan ke database
5. Fungsi pada
menu
Tambah
Data “Data
Ciri”
Tambah
data ciri
Pakar mengisi penuh
kolom inputan dan klik
tombol simpan
Tampil pemberitahuan
“Berhasil” dan data
tersimpan ke database
Pakar tidak mengisi
penuh kolom inputan
dan klik tombol simpan
Tampil pemberitahuan
kolom input tidak boleh
kosong dan data tidak
tersimpan ke database
6. Fungsi pada
menu Rule
“Tambah /
Edit Rule”
Tambah /
edit rule
Pakar memilih ikan dan
menandai(√) ciri-ciri
yang akan dijadikan
sebagai aturan, lalu klik
tombol lanjutkan
Tampil pemberitahuan
“Data rule berhasil
disimpan, selanjutnya
isi urutan rule!”, lalu
akan muncul halaman
urutan rule untuk
mengurutkan ciri sesuai
prioritas
Pakar memilih ikan
tanpa menandai(√)
satupun ciri, lalu
menekan tombol
lanjutkan
Tampil pemberitahuan
“Ciri belum dipilih!”
7. Fungsi pada
menu Rule
“Urutan
Rule”
Edit
urutan
rule
Pakar memilih ikan dan
mengganti urutan rule
dengan mengisi semua
kolom inputan urutan
(level), lalu menekan
tombol lanjutkan
Tampil pemberitahuan
“Data berhasil
disimpan!”
Pakar memilih ikan dan
tidak mengisi penuh
kolom inputan urutan
(level), lalu menekan
tombol lanjutkan
Tampil pemberitahuan
“Isikan level!”
8. Fungsi pada
menu Rule
“Lihat Rule”
Lihat
data rule
Pakar memilih menu
Lihat Rule
Tampil halaman
seluruh data rule atau
relasi atau basis aturan
yang ada pada sistem
65
Tabel 3.1. Daftar pengujian black box untuk pakar lanjutan
7. Fungsi pada
menu
Bantuan
Pengujian
menampilkan
bantuan
penggunaan
sistem untuk
pakar
Pakar memilih
menu bantuan
Tampil halaman
bantuan yang berisi
informasi cara
penggunaan sistem
Tabel 3.2. Daftar pengujian black box untuk pengguna
No. Kelas Uji Daftar
Pengujian
Kasus Uji Hasil yang
Diharapkan
1. Fungsi pada
menu Daftar
Ikan
Pengujian
menampilkan
detail ikan
berdasarkan ikan
yang dipillih
Pengguna memilih
tombol lihat detail
pada ikan yang
ingin dilihat
informasi detailnya
Tampil halaman
informasi detail
ikan yang dipilih
2. Fungsi pada
menu
identifikasi
Form identitas Pengguna
menginputkan data
identitas secara
penuh, lalu klik
lanjutkan
Tampil halaman
pertanyaan ciri-ciri
Pertanyaan ciri Pengguna klik
tombol ya atau
tidak
Tampil pertanyaan
berikutnya, apabila
pertanyaan habis
akan tampil hasil
identifikasi
3. Fungsi pada
menu
tentang
Pengujian
menampilkan
tentang
pengembang
sistem
Pengguna memilih
menu tentang
Tampil halaman
tentang yang berisi
informasi tentang
sistem, sistem
pakar dan
pengembang
3.3.5.3. Pengujian Non Fungsional
Pengujian non fungsional didasarkan pada pengujian sistem dari atribut non-
fungsional. Pengujian non fungsional melibatkan pengujian perangkat lunak dari
persyaratan yang non fungsional baik seperti content, tampilan (user interface),
kemudahan (user friendly), kinerja, dan kecepatan askses.
66
3.3.6. Penyusunan Laporan
Tahap penyusunan laporan merupakan tahap akhir dalam penelitian ini.
Penyusunan laporan dapat dilakukan ketika beberapa proses sebelumnya telah
selesai, sistem telah selesai dan diuji, serta tidak terdapat kesalahan. Data hasil
pengujian sistem akan dianalisa dan ditarik kesimpulan. Selanjutnya, seluruh data
hasil penelitian akan disusun dan didokumentasikan dalam bentuk laporan.
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil penelitian yang telah dilakukan, dapat ditarik kesimpulan
bahwa :
1. Sistem Pakar Identifikasi Jenis Ikan Famili Cyprinidae telah berhasil
dibangun, dimana sistem ini dapat membantu mempercepat pengamat/
peneliti/ masyarakat dalam mengidentifikasi jenis ikan berdasarkan ciri-ciri
morfologi (fakta) yang diberikan.
2. Sistem dapat memberikan informasi yang bermanfaat bagi pengamat/ peneliti/
masyarakat berupa taksonomi, nama lokal, habitat, persebaran dan informasi
lain mengenai ikan.
3. Berdasarkan pengujian yang telah dilakukan, didapatkan rata-rata keakurasian
sebesar 93,2% sehingga dapat disimpulkan sistem dapat mengidentifikasi
dengan cukup baik. Presentase keakuratan dipengaruhi oleh jumlah fakta/ ciri
yang sesuai. Semakin banyak fakta yang sesuai dengan ciri pada sistem maka
keakuratan akan lebih tinggi dan sebaliknya.
4. Berdasarkan penilaian pengguna menggunakan kuisioner, dapat disimpulkan
bahwa “Sistem Pakar Identifikasi Ikan” mendapatkan presentase penilaian
sebesar 79,5% (tergolong baik) menurut pakar ikan/ orang yang paham
131
mengenai identifikasi ikan, mendapatkan presentase penilaian sebesar
881,17% (tergolong sangat baik) menurut peneliti/ orang yang berhubungan
langsung dengan proses identifikasi ikan, dan mendapatkan presentase
penilaian sebesar 85,75% (tergolong sangat baik) menurut orang awam yang
tidak paham mengenai identifikasi ikan.
5.2. Saran
Beberapa saran yang diberikan setelah dilakukan penelitian ini untuk
pengembangan lebih lanjut adalah sebagai berikut :
1. Penambahan data-data jenis ikan, ciri, aturan-aturan/ rule dan informasi lain
mengenai ikan.
2. Pada penelitian selanjutnya, sistem dapat dikembangkan ke dalam bentuk
aplikasi mobile.
DAFTAR PUSTAKA
Achjar, M dan Rismunandar. 1986. Perikanan Darat. CV Sinar Baru. Bandung.
Adrim, M dan Fahmi. 2010. Panduan Penelitian Untuk Ikan Laut, Pusat Penelitian
Oseanografo-LIPI. Jakarta.
Affandi, R.., S.S. Djadja., M.F. Rahardjo., dan Sulistiono. 1992. Iktiologi, suatu pedoman
kerja laboratorium. IPB. 344 hlm.
Al-Bahra. 2005. Analisis dan Desain Sistem Informasi. Graha Ilmu. Yogyakarta.
Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi. ANDI. Yogyakarta.
Arhami, M. 2005. Konsep Dasar Sistem Pakar. ANDI. Yogyakata.
Azwar, S. 2011. Sikap dan Perilaku, Dalam: Sikap Manusia Teori dan Pengukurannya.
Pustaka Pelajar. Yogyakarta.
Berra, T. M. 1997. Some 20th century fish discoveries. Environ. BioI. Fishes 50, 1-12.
Bond, C.E. 1979. Biology of Fishes. W.B. Saunders Company. Philadelphia.
Budiman, Arie., A. J. Arief., dan A. H. Tjakrawidjaja. 2002. Peran Museum Zoologi Dalam
Penelitian dan Konservasi Keanekaragaman Hayati (ikan). Jumal Iktiologi Indonesia,
2(2):5l-55.
Djarwanto, P.S. 1996. Statistik Induktif. BPFE-UGM. Yogyakarta.
133
Djuanda, T. 1981. Dunia Ikan. Penerbit Armico. Bandung.
Froese, R., and Pauly D. Editors. 2016. FishBase.A global information system on fishes.
http://www.fishbase.org/. [Diakses tanggal 18 Februari 2016].
Hasanati, Nida’ul dan Dinda Fitriasari. 2012. Rancang Bangun Sistem Pakar Berbasis Web
untuk Mendiagnosis Jenis Burung Air: Waterbird Exsys. Jurnal Al-Azhar Indonesia
Seri Sains Dan Teknologi, Vol. 1, No. 3.
Hubbs, C.L and K.F. Lagler. 1958. Fishes of the Great Lakes Region. University of Michigan
Press, Ann Arbor. Michigan.
Ilham, Bondan Al. 2010. Aplikasi Pengidentifikasi Jenis Karang di Perairan Pulau Panjang
Kabupaten Jepara. (Skripsi). Universitas Diponegoro. Semarang.
Kadir, Abdul. 2003. Pengenalan Sistem Informasi. ANDI Yogyakarta. Yogyakarta.
Kartamihardja, E. S. 2007. Fish stock enhancement: optionaltechnology for increasing
fisheries production in inland open waters of Indonesia. Indonesian Fisheries
Research Journal, 1 (1); 1-10 (in Indonesian).
Kottelat, M., AJ Whitten., SN Kartikasari dan Wiryoatmojo. 1993. Freshwater fishes of
western Indonesia and Sulawesi. Periplus Edition. Hongkong.
Kusrini. 2008. Aplikasi Sistem Pakar. ANDI Yogyakarta. Yogyakarta.
Maulana, Agus Tri. 2014. Identifikasi Ikan Famili Cyprinidae Dari Way Tulang
Bawang.(Skripsi). Universitas Lampung. Bandar Lampung.
Mayr, E and P.D. Ashlock. 1991. Principles of Systematic Zoology. Second edition.McGraw
Hill International Edition. New York.
Nelson, J. 1994. Fishes of the World – third edition. NY: John Wileyand Sons.New York.
Nelson, JS. 2006. Fishes of the world. 4th Edition. John Wiley & Sons. Hoboken (New
Jersey, USA).
134
Nidhra, Srinivas dan Jagruthi Dondeti. 2012. Black Box and White Box Testing Techniques- A
Literature Review. International Journal of Embedded Systems and Application
(IJESA), Vol 2, No.2, PP. 29-50.
Nugroho, B. 2014. Aplikasi Sistem Pakar. Yogyakarta: Gava Media.
Nybakken, J. W. 1988. Biologi Laut: Suatu Pendekatan Ekologis, (Alih Bahasa oleh: H. M.
Eidman, Koesoebioono, D. G. Bengen, M.Hutomo, S.Sukardjo). PT. Gramedia Pustaka
Utama. Jakarta.
Omar, Andi., S. Bin. 1987. Penuntun Praktikum Ichthyologi. Jurusan Perikana Universitas
Hasanuddin. Ujungpandang.
Pratignyo. 984. Mahluk Hidup. Proyek Buku Terpadu. Jakarta.
Siagian, C. 2009. Keanekaragaman dan Kelimpahan Ikan Serta Keterkaitannya dengan
Kualitas Perairan di Danau Toba Balige Sumatera Utara.(Tesis) Universitas
Sumatera Utara. Medan.
Strauss, R.E. 2010. Prospectus: the future of morphometrics. In: Morphometrics for
Nonmorphometricians (E. Ashraf, ed.), pp. 345-352. Lecture Notes in Earth Sciences
124, Springer-Verlag.
Sugiri, N. 1992. Biologi Jilid 2. Erlangga. Jakarta
Sutojo, T., Edy M., dan Vincent S. 2011. Kecerdasan Buatan. ANDI Yogyakarta. Semarang.
Trijoko dan S.Pranoto. 2006. Keanekaragaman Jenis Ikan di Sepanjang Aliran Sungai Opak
Daerah Istimewa Yogyakarta.Proseding Seminar Nasional Ikan IV : Fakultas Biologi
Universitas Gajah Mada. Yogyakarta.
Turan, C. 1999. A Note on The Examination of Morphometric Differentiation Among Fish
Population: the Truss System. Journal of Zoology Vol. 23. hlm 259-263.
135
Wargasasmita, Sunarya. 2002. Ikan Air Tawar Endemik Sumatera yang Terancam Punah.
Jumal Iktiologi Indonesia Vol.2, No. 2: 41-49.
Zulkifli. 2013. Model Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak
Metode Black Box. Seminar Nasional Aplikasi Teknologi Informasi (SNATI). ISSN:
1907-5022, PP.33-37.
Recommended