Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002
SISTEM PAKAR UNTUK IDENTIFIKASI KAYU Diah Alfiani Fakultas Ilmu Komputer, Universitas Gunadarma Email :
[email protected]
Abstrak Mengingat keterbatasan jumlah ahli atau pakar perkayuan dan begitu banyaknya keanekaragaman kayu di Indonesia serta banyaknya permintaan identifikasi kayu ke pusat penelitian dan pengembangan hasil hutan diperlukan sebuah sistem yang baik untuk mengidentifikasi kayu. Kegiatan identifikasi yang berlangsung sekarang ini belum menggunakan bantuan program komputer dalam identifikasi sample atau spesimen kayu yang ditanyakan oleh pengguna. Oleh karenanya dibuat sistem pakar untuk identifikasi kayu yang merupakan suatu sub bidang pendukung dari sebuah sistem informasi. Pada pembuatan sistem pakar ini dibuat sebuah software shell berbasis Winexsys 5.0 dengan knowledge base identifikasi kayu yaitu dengan memasukkan ciri atau jati diri yang menonjol dari kayu antara lain ciri umum : warna, corak, tekstur, kilap, kesan raba, arah serat dan kekerasan kayu serta ciri anatomi : sebaran pembuluh, susunan pembuluh, isi pembuluh, diameter pembuluh, frekuensi pembuluh, bidang perforasi, parenkima, lebar jari-jari, frekuensi jari-jari, tinggi jari-jari dan saluran interselular. Dari pencirian tersebut menghasilkan kesimpulan berupa nama spesies dari kayu tersebut. Perancangan sistem pakar identifikasi kayu ini termasuk kategori interpretasi, tipe representasi yang digunakan adalah production rules dan teknik inferensinya adalah teknik pelacakan ke belakang atau backward chaining. Kata Kunci : Sistem Pakar, Identifikasi, Kayu
1.
Pendahuluan
Setiap orang yang memerlukan kayu biasanya terlebih dahulu akan bertanya jenis kayu apa yang cocok dengan keperluannya. Nama suatu jenis kayu dapat berupa nama ilmiah, nama perdagangan dan nama daerah tempat pohonnya tumbuh. Di Indonesia tumbuh lebih kurang empat ribu jenis pohon. Pusat Penelitian dan Pengembangan Hasil Hutan sudah menyimpan contoh kayu dari lebih kurang 3233 jenis pohon yang tercakup dalam 785 marga dari 106 suku. Pohon yang kayunya dikenal dalam perdagangan sampai saat ini diperkirakan 400 jenis botanis atu spesies, tercakup dalam 198 marga atau genera dari 68 suku atau familia. Para ahli di bidang kayu telah banyak membuat tulisan untuk mengidentifikasi kayu, salah satunya adalah menggunakan kunci identifikasi kayu. Cara yang dilakukan dengan mencocokkan ciri yang terdapat dalam kayu yang akan diidentifikasi dengan ciri yang telah dibuat kuncinya. Kunci identifikasi merupakan pertanyaan yang jawabannya harus ditemukan pada spesimen yang akan diidentifikasi. Perkembangan di bidang komputer sangatlah pesat, salah satu adalah teknik untuk membuat komputer mampu mengolah pengetahuan yang dikenal dengan teknik kecerdasan buatan atau artificial intelligence. Dengan pendekatan ini manusia mencoba membuat komputer dapat berfikir seperti cara yang dipakai manusia memecahkan masalah. Salah satu bidang kecerdasan buatan adalah sistem pakar atau expert system yang dapat meniru proses penalaran para pakar dalam memecahkan masalah. Teknologi komputer berusaha
Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002 memindahkan pengetahuan dari para pakar ke dalam komputer agar dapat digunakan pada berbagai bidang sesuai dengan kepakaran yang dimasukkan. Mengingat keterbatasan jumlah ahli atau pakar perkayuan dan begitu banyaknya keanekaragaman kayu di Indonesia serta banyaknya permintaan identifikasi kayu ke pusat penelitian dan pengembangan hasil hutan diperlukan sebuah sistem yang baik untuk mengatasi hal ini. Cara yang dipiih dalam bidang kepakaran identifikasi kayu ini adalah dengan kunci identifikasi yang dituangkan ke dalam sebuah software sistem pakar. Sistem pakar ini merupakan suatu sub bidang pendukung dari sistem informasi yang akan dibangun. Expert System Shell (ES-Shell) adalah software yang merupakan gabungan dari komponen inference, user interface dan explanation subsystem sebuah expert system tetapi tanpa knowledge base. Knowledge base yang dimasukkan disini adalah rule atau aturan mengenai identifikasi kayu. Agar kepakaran yang dimiliki seorang pakar lebih banyak yang terungkap, sebaiknya domain yang spesifik dan mendalam, sehingga knowledge base yang dihasilkan akan lebih lengkap.
2. Sistem Klasifikasi Kayu Dibidang perhutanan dan perkayuan Indonesia, kayu digolong-golongkan atas dua kelompok besar yaitu “kayu daun jarum” dan “kayu daun lebar”. Istilah ini sering bersamaan artinya dengan “softwood” dan “hardwood” yang sesungguhnya kurang kaitan dengan sifat kelunakan dan kekerasan kayunya. Taksonomi sebagian besar didasarkan atas persamaan cirinya. Kategori identifikasi untuk tumbuhan pada dasarnya adalah Regnum atau dunia, Divisio, Sub Divisio, Class atau kelas, Ordo atau bangsa, Famili atau suku, Genus atau marga dan Spesies atau jenis. Nama suatu jenis kayu dapat berupa nama ilmiah, nama perdagangan dan nama daerah, tempat pohonnya tumbuh. Nama ilmiah kayu diturunkan dari nama ilmiah pohonnya yang diberikan oleh para ahli taksonomi tumbuhan. Nama ini berlaku internasional, terutama di kalangan ilmuwan tumbuh-tumbuhan. Cara penulisan untuk nama ilmiah menggunakan sistem binomial atau biner atau “nama dua kata”. Individu-individu tanaman mempunyai sifat tersendiri yang tetap dan sama dikelompokkan sebagai suatu spesies. Sedangkan yang dimaksud dengan genus adalah pengelompokkan alamiah dari spesies yang memiliki sifat-sifat umum yang mirip.
3. Sistem Identifikasi Selain mengadakan penggolongan atau klasifikasi, tugas yang penting lainnya adalah “pengenalan” atau “identifikasi”. Melakukan identifikasi kayu berarti mengungkapkan atau menetapkan identifikasi atau “jati diri” suatu kayu yang dalam hal ini menentukan namanya yang benar dan tempatnya yang tepat dalam klasifikasi. Untuk istilah identifikasi sering juga istilah “determinasi” yang diambil dari bahasa Belanda “determinatie” atau penentuan.
4.
Representasi Pengetahuan
Metode representasi pengetahuan yang digunakan adalah production rule atau kaidah produksi. Kaidah produksi ini dikatakan sebagai implikasi dua bagian yaitu bagian premise atau kondisi dan bagian konklusi atau maka. Apabila bagian premise dipenuhi maka bagian konklusi akan bernilai benar. Bila bagian premise tidak dipenuhi maka akan melompat ke bagian premise lain dibawahnya. Suatu kaidah produksi dapat terdiri atas beberapa premise dan lebih dari satu konklusi. Antara premise satu dengan premise yang lain dapat dihubungkan dengan “atau” atau “dan”.
Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002 Warna
Corak
Tekstur Arah serat
Ciri Umum
Kilap Kesan raba
Kekerasan kayu Sebaran pembuluh Nama Genus dan Spesies pohon
Isi pembuluh
Susunan pembuluh Diameter pembuluh Frekuensi pembuluh Bidang perforasi
Ciri Anatomi
Parenkima Lebar jari-jari Frekuensi jari-jari Saluran Interselular
Gambar 1. Diagram tree ciri-ciri identifikasi kayu
Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002
5. Cara Representasi Pengetahuan Ada beberapa cara untuk merepresentasikan pengetahuan. Pada penelitian ini cara yang digunakan adalah dengan metode kaidah produksi (production rules). Prodution rules sebagai berikut : Rule 1 : IF
warna teras putih AND corak polos AND tekstur sangat halus AND arah serat lurus AND kilap mengkilap AND kesan raba licin AND kekerasan kayu agak lunak AND lebar jari-jari sangat sempit AND tinggi jari-jari sempit AND saluran selular radial
THEN Nama spesies Agathis dammara Rule 2 : IF
warna putih AND corak bercorak AND tekstur agak kasar AND arah serat lurus AND kekerasan agak keras AND kilap kusam AND kesan raba licin AND sebaran pembuluh tata lingkar AND isi pembuluh tilosis AND diameter pembuluh besar 340-370 mikron AND parenkima pita marginal AND lebar jari-jari lebar AND tinggi jari-jari sangat pendek 0.9 mm AND bidang perforasi sederhana
THEN Nama spesies adalah Tectona grandis
6.
Menyusun Mesin Inferensi
Setelah basis pengetahuan dimasukan dalam working memory atau basis data, maka selanjutnya menyusun mesin inferensi yang akan berusaha menganalisa masalah sesuai dengan basis pengetahuan yang dimasukan dan selanjutnya mencari jawaban atau kesimpulan. Mesin inferensi akan memulai pelacakkannya dengan mencocokkan kaidah-kaidah dalam basis pengetahuan dengan fakta yang ada pada basis data.
7. Teknik Inferensi Berdasarkan teknik inferensi yang digunakan yaitu alur mundur atau Backward Chaining atau goal driven, kinerja sistem dalam pencapaian kesimpulan didasarkan pada langkah berikut: 1. Memulai penalaran dari sekumpulan hipotesa.
Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002 2. Menemukan ciri-ciri yang sesuai hipotesa menuju fakta-fakta yang mendukung hipotesa tersebut. 3. Begitu selanjutnya sampai pada kesimpulan atau goal tercapai. Sebagai contoh dilakukan trace atau penelusuran spesies dengan backward chaining. Dengan hipotesa awal adalah spesies Tectona grandis. Langkah 1 Langkah 2 Langkah 3 Langkah 4 Langkah 5 Langkah 6 Langkah 7 Langkah 8 Langkah 9 Langkah 10 Langkah 11 Langkah 12 Langkah 13 Langkah 14 Langkah 15 Langkah 16 Langkah 17 Langkah 18 Langkah 19
Goal spesies Tectona grandis Goal diketahui Temukan rule dengan goal tersebut, dimulai dari rule 1 Lihat jika rule 1 dengan premise 1 “warna teras putih “ YES Lihat rule 1, premise 2 “corak polos” NO Lompat ke rule 2, premise 1 “warna teras putih” YES Lihat rule 2, premise 2 “Corak bercorak” YES Lihat rule 2, premise 3 “tekstur agak kasar“ YES Lihat rule 2, premise 4 “arah serat lurus“ YES Lihat rule 2, premise 5 “kekerasan agak keras“ YES Lihat rule 2, premise 6 “kilap kusam” YES Lihat rule 2, premise 7 “kesan raba licin” YES Lihat rule 2, premise 8 “sebaran pembuluh tata lingkar” YES Lihat rule 2, premise 9 “isi pembuluh tilosis” YES Lihat rule 2, premise 10 “diameter pembuluh besar 340-370 mikron” YES Lihat rule 2, premise 11 “parenkima pita marginal” YES Lihat rule 2, premise 12 “lebar jari-jari lebar” YES Lihat rule 2, premise 13 tinggi jari-jari sangat pendek 0.9 mm” YES Lihat rule 2, premise 14 “bidang perforasi sederhana” YES
Tectona grandis
WORKING MEMORY :
Tectona grandis
¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾ ¾
warna putih corak bercorak tekstur agak kasar arah serat lurus kekerasan agak keras kilap kusam kesan raba licin sebaran pembuluh tata lingkar isi pembuluh tilosis diameter pembuluh besar 340-370 mikron parenkima pita marginal lebar jari-jari lebar tinggi jari-jari sangat pendek 0.9 mm bidang perforasi sederhana
Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002
8. Implementasi Sistem Pakar Implementasi sistem pakar untuk identifikasi kayu menggunakan software shell berbasis Winexsys 5.0. Dalam winexsys dikenal 3 komponen pembentuk rule, yaitu : 1. Qualifier atau pengkualifikasi Pengkualifikasi merupakan komponen yang memberikan pilihan pada pemakai. Contoh pada input warna kayu pada sistem pakar identifikasi kayu, qualifier dapat berupa : Warna kayu Putih Kuning Coklat 2. Variable Variable memberikan keleluasaan pada pemakai untuk memasukkan input berupa angka. 3. Choice Choice atau goal merupakan tujuan akhir dari system pakar atau merupakan output dari system pakar. Contohnya pada system pakar identifikasi kayu, choice-nya adalah kayu yang akan diidentifikasikan, contoh : Choice Agathis dammara Tectona grandis Dryobalanops aromatica
9. Kesimpulan Pada penelitian ini dirancang sebuah basis pengetahuan untuk identifikasi kayu. Untuk proses identifikasinya melihat dari ciri yang menonjol pada kayu tersebut. Dari ciri yang dimasukkan, sistem pakar dapat memberikan kesimpulan mengenai nama spesies kayu tesebut. Perancangan sistem pakar untuk identifikasi kayu ini masih dalam tahap prototipe, artinya masih dalam suatu sistem dengan skala kecil. Identifikasi ini ditujukan untuk kayu perdagangan di Indonesia. Sistem pakar ini termasuk kategori interpretasi, dengan tipe representasi production rules dan teknik penelusuran backward-chaining (pelacakan mundur). Pada pembuatan sistem pakar ini dibuat sebuah software shell berbasis Winexsys dengan knowledge base identifikasi kayu yaitu dengan memasukkan ciri-ciri atau jati diri yang menonjol dari kayu antara lain ciri umum : warna, corak, tekstur, kilap, kesan raba, arah serat dan kekerasan kayu serta ciri anatomi : sebaran pembuluh, susunan pembuluh, isi pembuluh, diameter pembuluh, frekuensi pembuluh, bidang perforasi, parenkima, lebar jari-jari, frekuensi jari-jari, tinggi jari-jari dan saluran interselular. Dari pencirian tersebut menghasilkan kesimpulan berupa nama spesies dari kayu tersebut.
10. Daftar Pustaka [1] Abdurahim Martawijaya et al., Atlas Kayu Indonesia, 1997. [2] George, F. Luger, William A. Stubblefield, Artificial Intelligence and Design of Expert System, USA: John Wiley & Sons, 1988. [3] Hayes, Roth F.D.A. Waterman and D.B. Lenat, Building Expert System, New York:Addison Wesley Publishing & Co, 1983. [4] Heart, A., Knowledge Aqcuisition for Expert System, New York:MC Graw Hill & Co., 1986.
Proceedings, Komputer dan Sistem Intelijen (KOMMIT2002) Auditorium Universitas Gunadarma, Jakarta, 21 - 22 Agustus 2002 [5] Levine, Robert. I., AI and Expert System Comprehensive Guide, Singapore:MC Graw Hill Inc., 1990. [6]
Lucas, P and Van der Gaag, Principles of Expert System, Addison Wesley, 1991.
[7] Sandi Setiawan,. Artificial Intelligence, Yogyakarta:Andi Offset, 1993. [8] Turban, Efraim, Expert System and Applied Artificial Intelligence California:California State University At Long Beach, 1992. [9] Yance I. Mandang dan I Ketut Nuridja Pandit, Pedoman Identifikasi Jenis Kayu di Lapangan, Bogor:Yayasan PROSEA, 1997.
