PERANCANGAN SISTEM. Kelas Kriteria

Transkripsi

1 Kelas Kriteria Lahan S2 Unit lahan memiliki lebih dari 4 pembatas ringan, dan/atau memiliki tidak lebih dari 3 pembatas sedang S3 Unit lahan memiliki lebih dari 3 pembatas sedang, dan/atau 1 atau lebih pembatas berat N Unit lahan memiliki pembatas sangat berat PERANCANGAN SISTEM Skema sistem yang akan dibangun dalam penelitian ini secara keseluruhan dapat dilihat pada Gambar 4. Analisis Kebutuhan Perancangan (Design) Pemrograman (coding) Pengujian (testing) Operasi dan Pemeliharaan Gambar5. Bagan alir pengembangan sistem model waterfall Analisis Kebutuhan Analisis kebutuhan merupakan langkah awal dalam perancangan sistem, karena merupakan dasar keberhasilan dari implementasi sistem. Analisis kebutuhan pada penelitian ini mencakup analisis pengguna sistem, akuisisi pengetahuan, representasi pengetahuan,, pengolahan data dan output dari sistem. Pengguna yang akan menggunakan sistem ini adalah para pengembang di bidang sektor pertanian. Gambar 4. Skema sistem evaluasi kesesuaian lahan budidaya tanaman Tahapan perancangan sistem yang dilakukan dalam penelitian ini menggunakan metode waterfall karena metode ini bersifat sistematis dan berurutan dalam membangun sistem. Aliran dari fase satu ke fase yang lain lebih jelas terlihat (Sommerville, 1996 dalam Kurniasih, 2003). Secara garis besar bagan alir dari pengembangan sistem model waterfall ini dapat dilihat pada Gambar 5. Metode yang digunakan untuk menentukan kelas kesesuaian lahan budidaya tanaman adalah metode pembatas yang berkaitan dengan banyaknya dan intensitas pembatas. Akusisi pengetahuan dalam penelitian ini diperoleh dari beberapa sumber yaitu buku, dokumen tentang persyaratan hidup tanaman, dan hasil wawancara dengan pakar yang dilakukan oleh Sitanggang (2002) untuk penelitiannya. Pengetahuan yang diperoleh meliputi : 1. Bentuk bentuk pembatas yang digunakan dalam penentuan kelas kesesuaian lahan 2. Karakteristik lahan yang digunakan untuk menentukan tingkat pembatas 3. Data kebutuhan (persyaratan tumbuh) dari berbagai jenis tanaman. 4. Kriteria penentuan kelas kesesuaian lahan. Pengetahuan ini selanjutnya diekstrak dari sumber pengetahuan untuk kemudian direpresentasikan ke dalam basis pengetahuan. 7

2 bentuk-bentuk pembatas yang digunakan dalam menentukan kelas kesesuaian lahan adalah pembatas yang dinyatakan dalam sub kelas kesesuaian lahan dalam kerangka FAO. Selain bentuk pembatas tersebut ada pembatas tambahan yaitu pembatas penyiapan lahan. Karakteristik lahan dipilih dari Tabel 2. Penentuan kelas kesesuaian lahan penelitian ini dibatasi pada penentuan kelas kesesuaian untuk tanah mineral dan tidak dapat digunakan untuk penentuan kelas kesesuaian lahan pada tanah gambut. Pembatas dibagi ke dalam tiga kelompok yaitu iklim, landscape dan tanah, dan penyiapan lahan. Ketiga bentuk pembatas tersebut beserta karakteristik lahannya diberikan dalam Tabel 6. Tabel 6. Data Atribut Kesesuian Lahan Budidaya Tanaman Karakteristik Lahan Iklim Temperatur rata rata Curah hujan Kelembaban udara Landscape dan Tanah 1. Topografi 2. Kebasahan 3. Tanah secara fisik 4. Fertilitas tanah 5. Salinitas dan alkalinitas Kemiringan Genangan (bahaya banjir) Drainase Tekstur Bahan kasar Kedalaman tanah KTK tanah ph kejenuhan basa C-Organik Salinitas Alkalinitas Penyiapan lahan Batuan di permukaan Singkapan batuan Data kebutuhan tanaman diklasifikasikan berdasarkan kelas kesesuaian lahan S1,S2,S3 dan N. Sebagai contoh, data kebutuhan untuk tanaman asparagus diberikan dalam Lampiran 1. Terdapat dua jenis data kebutuhan tanaman yaitu data numerik dan bukan data numerik. Karakteristik lahan yang nilainya dinyatakan dalam data numerik adalah temperatur ratarata, curah hujan, kelembaban udara, bahan kasar, kedalaman tanah, KTK tanah, kejenuhan basa, ph, C-Organik, salinitas, alkalinitas, kemiringan, batuan di permukaan, dan singkapan batuan, sedangkan karakteristik lahan yang nilainya dinyatakan dalam data bukan numerik adalah drainase, tekstur, dan genangan. Logika fuzzy digunakan untuk mentransformasi interval data ke dalam suatu nilai dari 0 sampai 1, dimana 1 berarti benar secara absolut dan 0 berarti tidak benar secara absolut. Nilai kebenaran tersebut menyatakan derajat keanggotaan data karakteristik lahan dalam suatu interval tertentu. Untuk memperoleh transformasi demikian, interval data kebutuhan tanaman dinyatakan dalam interval yang overlap. Interval overlap diperoleh dengan cara memperlebar kisaran (range) dari interval dengan tetap memperhatikan keabsahaan kebutuhan tanaman. Perubahan interval data tersebut didapat dari hasil wawancara dengan pakar dalam bidang pertanian yang dilakukan oleh Sitanggang (2002). Tingkat overlap yang diperoleh dari wawancara untuk setiap karakteristik lahan diberikan dalam Lampiran 2. Interval overlap untuk asparagus diberikan dalam Lampiran 3. Berdasarkan Tabel 3, tingkat pembatas dapat ditentukan untuk setiap interval overlap data kebutuhan penentuan kelas kesesuaian. Sebagai contoh penentuan tingkat pembatas temperatur rata rata untuk tanaman asparagus, ditunjukkan dalam Tabel 7. Data kebutuhan tanaman diperoleh dari penelitian dan aktivitas pemetaan lahan yang dilakukan oleh para peneliti dan praktisi dalam bidang kesesuaian lahan. 8

3 Tabel 7. Tingkat pembatas untuk interval temperatur rata-rata asparagus Interval Kelas Kesesuaian <10.5 Tidak sesuai (N) Sesuai marginal (S3) Cukup sesuai (S2) sesuai (S1) Cukup sesuai (S2) Sesuai marginal (S3) >34.5 Tidak sesuai (N) Tingkat Pembatas berat Berat Ringan Berat berat Karakteristik lahan yang dinyatakan secara numerik dapat dikelompokkan untuk masing masing interval datanya. Sebagai contoh temperatur rata-rata untuk asparagus dikelompokkan sebagai berikut: Tabel 8. Kelompok temperatur rata rata Kelompok Interval Dingin < 10.5 dingin Sejuk Hangat panas panas >34.5 Dengan adanya pengelompokan data tersebut, untuk data temperatur rata-rata maupun data karakteristik lainnya dapat dipandang sebagai variabel linguistik yang memiliki nilai linguistik dingin, agak dingin, sejuk, sedang, hangat, agak panas dan panas. Nilai linguistik untuk karakteristik lainnya diberikan dalam Lampiran 4. Selain karakteristik lahan, tingkat pembatas juga dinyatakan dalam variabel linguistik dengan nilai nilai linguistiknya adalah tidak ada, ringan, sedang, berat dan sangat berat. Masing masing pembatas diberikan rating seperti pada Tabel 9. Tabel 9. Tingkat pembatas dan ratingnya Tingkat Pembatas Rating Tidak ada > 90 Ringan Berat berat < 45 Karakteristik lahan yang tidak dinyatakan dalam data numerik seperti karakteristik dalam pembatas yang berhubungan dengan tesktur dan kebasahan yang terdiri dari genangan dan drainase, dinyatakan dalam kelas kelas karakteristik pembatas tersebut. Kelas kelas untuk karakteristik genangan yaitu F0 (tidak ada pembatas genangan), F1 (ringan), F2 (sedang), F3 (berat), F4 (sangat berat). Kelas kelas untuk karakteristik drainase adalah cepat, agak cepat, agak baik, agak terhambat, terhambat, sangat terhambat, sedangkan Kelas kelas untuk karakteristik yang berhubungan dengan tekstur ditunjukkan dalam Tabel 10. Kelas Halus halus kasar Kasar Tabel 10. Kelas Tekstur Tekstur Liat berpasir (SC), liat I, liat berdebu (SiC) Lempung berliat(cl), lempung liat berpasir(scl), lempung liat berdebu (SiCL). Lempung berpasir sangat halus (VFSL), lempung (L), Lempung berdebu (SiL), debu (Si) Lempung berpasir kasar (SCL), lempung berpasir (SL), Lempung berpasir halus (SFL) Pasir(S), pasir berlempung (LS) Pengetahuan yang diperoleh dari proses akuisisi direpresentasikan agar dapat dilakukan proses inferensi. Teknik representasi pengetahuan yang digunakan adalah kaidah produksi dimana pengetahuan dinyatakan dalam bentuk aturan IF THEN. Ada dua kelompok aturan IF THEN yang digunakan, yaitu untuk penentuan tingkat pembatas dan untuk penentuan kelas kesesuaian 9

4 lahan. Bagian premis yang digunakan untuk penentuan tingkat pembatas merupakan proposisi fuzzy dan proposisi bukan fuzzy yang berkaitan dengan kelompok karakteristik lahan, sedangkan bagian kesimpulan berkaitan dengan tingkat pembatas. Proposisi fuzzy adalah proposisi yang berkaitan dengan karakteristik lahan yang dinyatakan sebagai variabel linguistik, sedangkan proposisi bukan fuzzy digunakan untuk drainase, tekstur dan genangan. Bagian premis yang digunakan untuk penentuan kelas kesesuaian lahan merupakan proposisi yang berkaitan dengan pembatas lahan, sedangkan bagian kesimpulan berkaitan dengan kelas kesesuaian lahan. Aturan aturan untuk masing masing karakteristik lahan dalam menentukan tingkat pembatas diberikan pada Lampiran 5. Desain Input Desain input diperoleh dari hasil akuisisi data yang terdiri dari data karakteristik lahan berupa data input crisp dan data nilai linguistik yang dimasukkan oleh pemakai (user), ditunjukkan pada Gambar 6. lahan yang dimasukkan. Untuk karakteristik lahan yang dinyatakan dalam variabel linguistik yaitu, karakteristik yang berkaitan dengan iklim, topografi, tanah secara fisik (kecuali tekstur), fertilitas tanah, salinitas, alkalinitas dan penyiapan lahan. Tingkat pembatas diperoleh berdasarkan proses inferensi tahap 1. Proses inferensi tahap 1 terdiri dari proses fuzzifikasi, inferensi, komposisi dan defuzzifikasi. Metode inferensi yang digunakan adalah min, dan metode komposisi yang digunakan adalah max. Fuzzifikasi Fungsi keanggotaan dari temperatur rata rata, curah hujan dan kelembaban udara atau data karakteristik lahan yang berhubungan dengan iklim untuk tumbuhan asparagus berturut turut dapat dilihat pada Gambar 7, Gambar 8 dan Gambar 9. Dingin Dingin Sejuk Hangat Panas Panas Gambar 7. Fungsi Keangotaan Temperatur Rata Rata Tinggi Tinggi Tinggi Desain Proses Gambar 6. UseCase Desain Input Gambar 8. Fungsi Keangotaan Curah Hujan Proses pengolahan data pada penelitian ini menggunakan proses inferensi dalam menentukan kelas kesesuaian lahan. Proses inferensi terdiri atas dua tahap : 1. Proses inferensi dilakukan untuk menentukan tingkat pembatas (Inferensi Tahap I). 2. Proses inferensi dilakukan untuk menentukan kelas kesesuaian lahan (Inferensi Tahap II). Proses inferensi dilakukan dengan menggunakan metode pelacakan ke depan (forward chaining). Tinggi Tinggi Gambar 9. Fungsi Keangotaan Kelembaban Udara Dari Gambar 7 dapat dilihat bahwa nilai temperatur rata rata berada dalam kelompok sedang dengan derajat keanggotaan 1 jika nilai tersebut berada dalam interval ( ). Dalam proses inferensi tahap 1, tingkat pembatas disimpulkan dari nilai karakteristik 10

5 Fungsi keanggotaan untuk karakteristik lahan yang lain ditentukan dengan cara yang sama. Selain karakteristik lahan, tingkat pembatas juga memiliki fungsi keanggotaan yang dapat dilihat pada Gambar 10. Sangaberat Berat Ringan Tidak ada Gambar 10. Fungsi Keangotaan Tingkat Pembatas Nilai pusat (center) dari setiap kelompok tingkat pembatas diberikan dalam Tabel 11. Tabel 11. Nilai center tingkat pembatas Tingkat pembatas Nilai pusat berat 35 Berat Ringan 90 Tidak ada 100 Untuk memperjelas proses fuzzifikasi diberikan contoh data karakteristik lahan yang berhubungan dengan iklim: - Temperatur rata rata : o C - Curah hujan : 1996 mm - Kelembaban udara : 40 % Dari fungsi keanggotaan untuk karakteristik lahan yang berhubungan dengan iklim(gambar 7-9) dapat diperoleh nilai keanggotaan untuk data input dalam kelompok kelompok tersebut. Nilai keanggotaan untuk data input temperatur berada dalam kelompok hangat dan agak panas. Nilai keanggotaan untuk curah hujan berada dalam kelompok sedang dan agak tinggi, sedangkan nilai keanggotaan untuk kelembaban udara berada dalam kelompok agak tinggi. Nilai nilai keanggotaan tersebut adalah Temperatur rata rata(tr): µhangat (29.75) = 0.75 dan µagakpanas (29.75) = 0.25 Curah hujan(ch): µsedang (1996) = 0.6 dan µagaktinggi(1996) = 0.4 Kelembaban udara(ku): µagaktinggi(40) = 1. Berdasarkan nilai nilai keanggotaan tersebut diperoleh empat aturan terpicu dengan premis premisnya adalah : Premis Aturan 1 (R1) : tr adalah hangat AND ch adalah sedang AND ku agak tinggi. Premis Aturan 2 (R2) : tr adalah hangat AND ch adalah agak tinggi AND ku agak tinggi. Premis Aturan 3 (R3) : tr adalah agak panas AND ch adalah sedang AND ku agak tinggi. Premis Aturan 4 (R4) : tr adalah agak panas AND ch agak tinggi AND ku agak tinggi. Dengan menggunakan operator min diperoleh nilai kebenaran premis sebagai berikut : Premis R1 : min(0.75,0.6,1) = 0.6 Premis R2 : min(0.75,0.4,1) = 0.4 Premis R3 : min(0.25,0.6,1) = 0.25 Premis R4 : min(0.25,0.4,1) = 0.25 Inferensi min Merupakan output yang diperoleh dari fungsi keanggotaan tingkat pembatas dari aturan aturan terpicu yang dipotong pada ketinggian yang disesuaikan dengan nilai kebenaran premis. Komposisi max Output dari komposisi max adalah himpunan fuzzy yang dibentuk dari titik titik maksimum dari semua himpunan fuzzy untuk setiap aturan yang dihasilkan dari proses inferensi. Defuzzifikasi Himpunan fuzzy yang dihasilkan dari proses komposisi dikonversi ke dalam bentuk crisp dengan menggunakan metode center average defuzzifier dengan mencari nilai pusat dari pembatas terlebih dahulu. Inferensi tahap II dilakukan untuk menentukan kelas kesesuaian lahan berdasarkan tingkat pembatas yang diperoleh dari proses inferensi tahap I. Desain proses untuk penentuan kelas kesesuaian digambarkan dalam bentuk flowchart seperti pada Gambar 11, sedangkan 11

6 usecase diagram dan sequence diagram ditunjukkan pada Lampiran 6 dan Lampiran 7. Karateristik lahan Nilai linguistik Kisaran data Panas >35 Curah hujan(mm) < tinggi Tinggi tinggi >1900 Gambar 11. Flowchart penentuan kelas kesesuaian Data syarat tumbuh tanaman disimpan dalam engine database yang digunakan untuk proses penentuan kelas kesesuaian lahan, selain sebagai tempat penyimpanan tujuan penggunaan database adalah agar dapat dilakukan proses penentuan kelas kesesuaian untuk tanaman lain dengan cara menambah data syarat tumbuh tanaman lain. Selain input crisp, data yang digunakan sebagai input dalam penelitian ini adalah data input yang dinyatakan dalam nilai linguistik. Nilai nilai linguistik untuk setiap karakteristik lahan yang dapat diinput ke dalam sistem diberikan dalam Tabel 12. Karateristik lahan Temperatur rata rata ( o C) Nilai linguistik Dingin < 18 Kisaran data dingin Sejuk Hangat Kelembaban udara (%) < tinggi Tinggi >90 Kemiringan (%) Datar < 2 Berombak 2 8 Bergelomba ng 8 16 Berbukit Bahan kasar (%) < 35 Kedalaman (cm) tanah tinggi Tinggi >55 Dangkal < 50 dangkal dalam Dalam >100 panas

7 Karateristik lahan Nilai linguistik Kisaran data KTK lahan (cmol) <= 16 Tinggi >16 PH H2O asam < 5.8 asam Desain Ouput Desain ouput bertujuan untuk menampilkan informasi sesuai dengan kebutuhan dan tujuan. Output yang diharapkan adalah rating, tingkat pembatas dan kelas kesesuaian lahan budidaya tanaman yang dibagi menjadi empat kelas yaitu S1, S2, S3 dan N diberikan pada Gambar 12. Netral basa basa > 8.0 Kejenuhan (%) basa < Tinggi > 35 C-Organik (%) < Tinggi >1.2 Salinitas (ds/m) < 4 tinggi Tinggi >8 Alkalinitas (%) < 15 Batuan permukaan (%) Singkapan (%) di batuan tinggi Tinggi > 25 < tinggi Tinggi >40 < tinggi Tinggi >25 Pemograman Gambar 12. UseCase desain output Proses pemograman pada penelitian ini dilakukan dengan menggunakan bahasa pemograman JAVA karena bahasa pemograman ini merupakan bahasa pemograman berorientasi objek yang artinya, penulisan program dapat dibuat dalam bentuk object dan class kemudian memodelkan sifat masing masing object dan class dalam program (Siallagan, 2009). Hubungan antar objek dan contoh kode untuk penentuan kelas kesesuaian yang berhubungan dengan iklim diberikan pada Lampiran 8 dan Lampiran 9. Pengujian Pengujian sistem dilakukan dengan menggunakan data karakteristik lahan wilayah Bogor yang terbagi atas tiga wilayah yaitu : Cisarua, Sukamantri dan Dramaga untuk data input crisp dan satu data berupa data nilai lingustik. Operasi dan Pemeliharan Tahap ini merupakan tahap akhir dari metode waterfall, tahap ini dilakukan jika sistem sudah berjalan dengan baik. Implementasi Sistem Perangkat keras yang digunakan dalam membangun sistem ini adalah personal komputer dengan spesifikasi : Perangkat keras 13