Implementasi Metode Fuzzy Proposal.docx

IMPLEMENTASI METODE FUZZY – AHP MENGGUNAKAN OPTIMASI PARTICLE SWARM OPTIMIZATION (PSO) UNTUK REKOMENDASI PEMILIHAN TANAMAN POMOLOGI

PROPOSAL SKRIPSI

Diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Teknik Elektronika Disusun oleh: TRIANA OKTAVIONI NIM. 1641170014

PROGRAM STUDI DIV-TEKNIK ELEKTRONIKA JURUSAN TEKNIK ELEKTRO POLITEKNIK NEGERI MALANG 2018

KATA PENGANTAR Dengan mengucap pujl syukur kehadirat Allah SWT penulis dapat menyelesaikan proposal skripsi yang berjudul ”IMPLEMENTASI METODE FUZZY .AHP MENGGUNAKAN OPTIMASI PARTICLE SWARM OPTIMIZATION (PSO) UNTUK REKOMENDASI PEMILIHAN TANAMAN POMOLOGl” atas segala rahmat dan hidayah-Nya. Proposal Skripsi ini disusun untuk memenuhi sebagian persyaratan untuk memperoleh gelar Sarjana Terapan di Program Studi Teknik Elektronika, Jurusan Teknik elektro, Politeknik Negeri Malang. Dalam pembuatan proposal skripsi ini, tentunya penulis mendapatkan banyak bantuan berupa bimbingan, kritik, saran, doa, dan motivasi dari berbagai pihak. Pada saat ini, penulis menyampaikan ucapan terima kasih kepada: 1. Dosen pembimbing penulis yang telah banyak membimbing dan mengarahkan penulis. 2. Orang tua dan keluarga penuli yang telah memberikan dukungan yang sangat besar kepada penulis. 3. Seluruh dosen Program Studi Teknik Elektronika, Jurusan Teknik elekto, Politeknik Negeri Malang atas segala bimbingan dan ilmu yang telah diajarkan kepada penulis. 4. Teman-teman seperjuangan Program Studi Teknik Elektronika, Jurusan Teknik elekto, Politeknik Negeri Malang angkatan 2016 yang senantiasa saling memberi dorongan dan motivasi. 5. Dan semua pihak yang tidak bisa disebutkan satu per satu. Semoga Proposal skripsi ini dapat menunjang pengembangan penelitian selanjutnya untuk menyelesaikan skripsi., karena penulis menyadari proposal skripsi ini jauh dari kata sempurna.

Malang, Desember 2018

Penulis Triana Oktavioni

ii

ABSTRAK Tanaman pomologi (buah buahan) adalah salah satu komoditas yang paling banyak diminati oleh penduduk Indonesia. Tetapi tingkat produksi buah di indonesia jumlahnya masih tidak sebanding dengan tingkat konsumsi buah. Kurangnya produksi buah di Indonesia disebabkan oleh berbagai faktor, seperti kegagalan produksi akibat kesalahan pemilihan tanaman. Hal hal seperti ini dapat terjadi karena kurangnya pengetahuan para petani terhadap tingkat kecocokan lahan untuk tanaman yang akan mereka tanam. Oleh karena itulah dibutuhkan suatu program yang dapat digunakan untuk membantu petani untuk menentukan tingkat kecocokan lahan dengan tanaman buah. Metode Fuzzy-AHP PSO merupakan salah satu metode untuk menyelesaikan masalah yang memiliki banyak kriteria. Metode ini merupakan metode yang menggabungkan 2 metode yang ada sebelumnya yaitu Fuzzy-AHP dan Particle Swarm Optimization. Metode Particle Swarm Optimization akan bekerja untuk mengoptimasi nilai bobot kriteria yang seharusnya dihasilkan oleh metode FAHP. Kata kunci: tanaman pomologi, kecocokan lahan, Fuzzy-AHP, Particle Swarm Optimization.

iii

DAFTAR ISI Halaman HALAMAN JUDUL ....................................................................................... KATA PENGANTAR ..................................................................................... ABSTRAK ....................................................................................................... DAFTAR ISI.................................................................................................... BAB I PENDAHULUAN A. Latar Belakang ......................................................................... B. Rumasan Masalah .................................................................... C. Tujuan.............................................................................. ...... .. D. Manfaat............................................................................ ........ E. Batasan Masalah .............................................................. ........ F. Definisi Istilah ................................................................. ........ G. Sistematika Penulisan ...................................................... ........ BAB II

i ii iii iv 1 3 3 4 4 5 5

LANDASAN PUSTAKA A. Kajian Pustaka .......................................................................... B. Kualitas Dan Karakteristik Lahan ............................................ C. Tanaman Topologi ................................................................... D. Analytical Hierarchy Process (AHP)...............................……. E. Logika Fuzzy.................................... ............................... ……. F. Fuzzy- AHP.................................... ................................. ……. G. Particle Swarm Optimization (PSO) ....................................... H. Fuzzy AHP- Particle Swarm Optimization (FAHP-PSO) .......

7 9 12 15 15 16 17 18

BAB III PERANCANGAN A. Metodologi Penelitian .............................................................. B. Formulasi Permasalahan ................................................. . ....... C. Proses Fuzzy – AHP dengan Optimasi PSO ................... . ....... D. Perhitungan Manual. ....................................................... ........ E. Perancangan User Interface ...................................................... F. Perancangan Pengujian ............................................................

19 20 21 22 23 25

DAFTAR PUSTAKA ...................................................................................... 26 LAMPIRAN .....................................................................................................

iv

BAB I PENDAHULUAN 1.1 LATAR BELAKANG Indonesia merupakan salah satu negara agraris terbesar di dunia, hal ini disebabkan karena indonesia yang memiliki sumber daya alam yang melimpah terutama tanahnya yang sebagian besar merupakan tanah yang bersifat subur untuk ditanami tanaman. Menurut data dari Badan Pusat Statistik jumlah penduduk yang bekerja dalam bidang pertanian sejumlah 37,770,165 jiwa, ini adalah jumlah pekerjaan dengan tenaga kerja paling banyak (BPS, 2016). Di indonesia salah satu komoditas yang paling banyak diminati oleh penduduk adalah komoditas tanaman pomologi atau yang biasa dikenal dengan nama buah buahan. Tanaman buah (pomologi) merupakan tanaman yang dapat menghasilkan buah yang dapat dimakan atau dikonsumsi dalam kondisi segar, baik dimakan sebagai buah itu sendiri maupun sebagai hasil olahan dari buah tersebut, selain itu buah juga memiliki karakteristik yang tidak tahan lama (proses pembusukan yang dialami buah berlangsung cepat) (Syukri, 2008). Konsumsi buah buahan di Indonesia semakin meningkat dari tahun ke tahun. Menurut data dari Badan Pusat Statistik pada tahun 2011 rata rata orang Indonesia menghabiskan sekitar 2.15 % pendapatanya untuk membeli buah buahan, sedangkan pada tahun 2014 sebesar 2.48 % (BPS, 2015). Peningkatan konsumsi buah disebabkan karena berbagai faktor, diantaranya adalah semakin banyaknya orang yang sadar bahwa buah memiliki banyak sekali manfaat seperti dapat memberi asupan vitamin pada tubuh. Tetapi meningkatnya permintaan tersebut tidak diimbangi dengan jumlah produksi buah lokal yang cukup, hal ini yang mengakibatkan banyak masuknya buah import dari luar negeri ke dalam pasar Indonesia. Kurangnya produksi buah di indonesia dapat disebabkan oleh berbagai faktor seperti kegagalan produksi akibat kesalahan pemilihan lahan untuk proses penanaman tanaman tersebut. Sebagai contoh masih banyak orang yang memiliki lahan dan menanamnya dengan tanaman buah yang ia senangi tanpa mengetahui cocok atau tidaknya tanaman tersebut (contoh: orang yang menanam mangga di dataran tinggi, padahal secara umum tanaman mangga kurang cocok di dataran tinggi karena suhunya yang rendah). Hal hal seperti ini dapat terjadi karena kurangnya pengetahuan para petani terhadap tingkat kecocokan lahan untuk tanaman yang mereka tanam. Oleh karena itulah dibutuhkan suatu program yang dapat membantu petani untuk menentukan tingkat kecocokan lahan dengan tanaman buah. Karena di dalam menentukan tingkat kecocokan lahan terdapat banyak parameter yang dapat mempengaruhi kecocokan lahan. Oleh karena itu maka dibutuhkan program yang dapat menyelesaikan permasalahan diatas .Salah satu model yang dapat digunakan untuk menyelesaikan permasalahan dengan banyak faktor atau atribut di dalamnya adalah MADM (Multiple Atribute Decision Making). MADM merupakan metode yang biasa digunakan untuk memilih alternatif solusi terbaik dari beberapa solusi yang ada, pemilihan solusi terbaik ini dilakukan dengan mempertimbangkan kriteria kriteria yang ada dan bobot untuk setiap kriteria (Kusumadewi, 2006). 1

Penelitian tentang kecocokan tanah terhadap tanaman pernah dilakukan oleh Sholeh, et al. pada tahun 2014. Penelitian ini bertujuan untuk mengetahui jenis tanaman yang paling cocok ditanam di daerah tersebut. Tanaman yang digunakan dalam penelitian ini adalah cassava, uperland rice, waterland rice dan kedelai. Dalam penelitian ini digunakan metode AHP untuk memilih tanaman terbaik yang paling cocok ditanam di daerah tersebut. Dengan mengunakan metode tersebut didapatkan bahwa Cassava mendapatkan prioritas tertinggi dengan rasio sebesar 25.54%. kemudian pilihan terbaik kedua adalah kedelai dengan rasio prioritas sebesar 24.98%. kemudian Wetland Rice dengan rasio prioritas dengan 24.93 %. Kemudian peringkat terakhir adalah Upland Rice dengan rasio sebesar 24.62% (Sholeh, et al., 2014). Penelitian yang terakhir dilakukan oleh Javanberg, et. al. (2012) yang melakukan penelitian untuk membandingkan algoritma Fuzzy-AHP dengan optimasi PSO (Particle Swarm Optimization). Di dalam penelitian ini ketika dibandingkan dengan metode metode dalam pengembangan Fuzzy AHP seperti linear Fuzzy Preference Programming (linear FPP) dan nonlinear Fuzzy Preference Programming (nonlinear FPP), metode Fuzzy-AHP dengan optimalisasi menggunakan Particle Swarm Optimization memiliki tingkat konsistensi yang paling baik yaitu sebesar 0.705 (Javenbarg et. al., 2012). Berdasarkan penelitian penelitian tersebut peneliti memutuskan untuk menggunakan metode Fuzzy-AHP dengan optimalisasi menggunakan Particle Swarm Optimization sebagai solusi dari permasalahan penentuan tingkat kecocokan lahan untuk tanaman pomologi. Pada dasarnya metode ini menggabungkan 2 metode yang ada sebelumnya yaitu metode Fuzzy-AHP dan Particle Swarm Optimization. AHP sendiri merupakan salah satu metode yang dapat digunakan untuk mengatasi masalah MADM. Metode AHP juga memiliki berbagai keunggulan yaitu dapat dibuat hirarki untuk kriteria kriteria yang ada dan proses pembobotanya lebih detail daripada metode -metode lainnya. Tetapi metode AHP memiliki kelemahan yaitu tingkat subjektifitas (kemampuan pakar yang berbeda beda dalam membandingkan kriteria) dan kekonsistenan pembuat bobot untuk kriteria sangat berpengaruh disini, oleh karena itulah dibutuhkan metode untuk memperbaiki kekurangan AHP tersebut. Teori fuzzy yang digunakan dalam penelitian ini adalah konsep Triangular Fuzzy Number (TFN) dimana dalam konsep tersebut bilangan crisp yang ada pada setiap pembobotan dirubah menjadi bentuk fuzzy TFN. Kemudian untuk lebih meningkatkan tingkat konsistensi bobot yang ada pada metode AHP digunakanlah metode optimalisasi Particle Swarm Optimization, hal ini membantu memperbaiki tingkat konsistensi bobot, hal ini dilakukan karena bobot merupakan faktor terpenting dalam proses AHP karena sangat mempengaruhi hasil akhir. Program ini nantinya bekerja dengan cara meminta pengguna untuk memasukan data data kualitas tanah atau lahan seperti suhu dan curah hujan di lokasi, kedalaman tanah, kualitas drainase, tingkat ph tanah, kelembapan udara, retensi hara dan toksinitas tanah. Kemudian program memberikan tingkat kecocokan lahan tersebut dengan setiap jenis buah yang ada di program. Tingkat kecocokan yang diberikan berupa kelas kecocokan lahan seperti S1, SZ, S3 2

dan N. Dimana kelas Sl adalah tingkat kecocokan antara tanaman dengan tanah yang paling tinggi sedangkan N adalah tingkat kecocokan yang paling rendah. Berdasarkan masalah yang telah diuraikan maka peneliti membuat penelitian dengan judul “IMPLEMENTASI METODE FUZZY-AHP MENGGUNAKAN OPTIMASI PARTICLE SWARM OPTIMIZATION (PSO) UNTUK REKOMENDASI PEMILIHAN TANAMAN POMOLOGI”. Program ini diharapkan dapat memberikan rekomendasi kecocokan lahan dengan tanaman buah dan memberikan rekomendasi tanaman terbaik untuk ditanam dengan akurasi yang tinggi sehingga membantu meningkatkan produktivitas dari lahan lahan yang ada. 1.2 RUMUSAN MASALAH Dari latar belakang yang telah diutarakan pada subbab 1.1, maka rumusan masalah yang dapat disimpulkan adalah sebagai berikut: 1. Bagaimana perancangan dan implementasi metode Fuzzy AHP dengan menggunakan optimasi Particle Swarm Optimization (PSO) untuk menentukan rekomendasi tanaman pomologi? 2. Bagaimana kombinasi nilai variabel Particle Swarm Optimization (PSO) terbaik pada metode Fuzzy AHP dengan menggunakan optimasi PSO untuk menentukan rekomendasi tanaman pomologi ? 3. Bagaimana tingkat akurasi dari optimasi Fuzzy AHP dengan menggunakan algoritma Particle Swarm Optimization ( PSO) untuk menentukan rekomendasi tanaman pomologi ?

1.3 TUJUAN PENELITIAN Tujuan umum: 1. Menentukan tingkat kesesuaian lahan untuk tanaman pomologi menggunakan fuzzy AHP Tujuan khusus : 1. Merancang program untuk menentukan tingkat kesesuaian lahan untuk tanaman pomologi menggunakan metode fuzzy AHP 2. Mengimplementasikan metode fuzzy-AHP dalam penentuan tingkat kesesuaian lahan untuk tanaman pomologi 3. Mengimplementasikan fuzzy dalam pembobotan kriteria -kriteria dalam penentuan tingkat kesesuaian lahan untuk tanaman pomologi Mengetahui tingkat akurasi yang dihasilkan dari pengujian metode fuzzy 4. Memahami AHP dalam penentuan tingkat kesesuaian lahan untuk tanaman pomologi

3

1.4 MANFAAT PENELITIAN Manfaat penelitian bagi penulis :  Menambah pengetahuan penulis tentang penentuan tingkat kesesuaian lahan untuk tanaman buah  Menambah wawasan mengenai implementasi metode Fuzzy Manfaat penelitian bagi universitas :  Sebagai referensi untuk penelitian selanjutnya  Sebagai koleksi hasil peneman yang dilakukan mahasiswa Manfaat penelitian bagi masyarakat/pemerintah :  Dapat dijadikan referensi penelitian selanjutnya  Dapat dijadikan rujukan dalam proses penanaman tanaman buah 1.5 BATASAN MASALAH Beberapa batasan masalah yang dilakukan pada penelitian ini adalah: 1. Tanaman yang digunakan dalam penelitian ini adalah tanaman buah buahan (pomologi) yang berjumlah 10 jenis yaitu: Apel, Blewah, Durian, Jeruk, Klengkeng, Mangga, Melon, Nanas, Pepaya, Sawo 2. Data kesesuaian lahan untuk setiap tanaman yang digunakan dalam penelitian ini diperoleh dari website Badan Penelitian dan Pengembangan (BALITBANGTAN) Kementrian Pertanian RI. 3. Kriteria yang digunakan untuk menentukan tingkat kesesuaian lahan dalam penelitian ini adalah kriteria dalam paduan kecocokan tanah untuk tanaman yang ada pada website BALITBANGTAN yaitu dari segi teknis penanaman (tanah dan iklim) dan tidak menggunakan faktor selain teknis penanaman (ekonomi dan sosial).

4

1.6 DEFINISI ISTILAH Berdasarkan fokus dan rumusan masalah penelitian, maka uraian definisi istilah dalam penelitian ini adalah sebagai berikut. 1. Tanaman pomologi Pomologi merupakan salah satu bagian dari tanaman holtikultura. Secara pengertian dasar, pomologi adalah ilmu yang mempelajari tentang tanaman buah -buahan. Tanaman buah (pomologi) merupakan tanaman yang dapat menghasilkan buah yang dapat dimakan atau dikonsumsi dalam kondisi segar, baik dimakan sebagai buah itu sendiri maupun sebagai hasil olahan dari buah tersebut dan buah juga memiliki karakteristik yang tidak tahan lama.

2. Logika fuzzy Logika Fuzzy itu sendiri merupakan salah satu metode yang membantu pengambilan keputusan yang berbasis rule yang digunakan pada sistem yang sulit dimodelkan dalam konsep true dan false. 3.

Analytical Hierarchy Process (AHP) Suatu metode pengambilan keputusan dengan melakukan perbandingan berpasangan antara kriteria pilihan dan juga perbandingan berpasangan antara pilihan yang ada. Permasalahan pengambilan keputusan dengan AHP umunya dikomposisikan menjadi kriteria, dan alternative pilihan.

4.

Fuzzy AHP Merupakan penggabungan konsep AHP dengan pendekatan konsep fuzzy. Fuzzy AHP akan menutupi kelemahan yang ada pada AHP yaitu permasalahan terhadap kriteria yang memiliki sifat subjectif lebih banyak.

5. Particle Swarm Optimization (PSO) PSO merupakan suatu algoritma yang digunakan untuk proses optimasi, sama seperti algoritma genetika. .PSO dapat memberikan solusi terhadap permasalahan optimasi di dalam partikel yang bergerak pada gbest-nya 6. Fuzzy AHP Particle Swarm Optimization (FAHP PSO) Merupakan algoritma yang menggabungkan antara metode Fuzzy-AHP dengan PSO. Algoritma ini dikembangkan untuk memperbaiki tingkat konsistensi yang ada dalam FuzzyAHP 1.7 SISTEMATIKA PENULISAN Sistematika penulisan digunakan agar tujuan yang diharapkan dapat tercapai, yang terdiri dari: BAB 1 PENDAHULUAN Bab ini berisi penjelasan tentang latar belakang yang mendasari penelitian ini, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah dan sistematika penulisan. 5

BAB 2 LANDASAN KEPUSTAKAAN Bab ini berisi tentang teori -teori yang menjadi dasar dalam penyusunan penelitian ini seperti kajian pustaka yang berasal dari penelitian sebelumnya, teori dasar tentang fuzzy, teori tentang metode AHP, teori tentang Particle Swarm Optimization, teori tentang metode FAH P-PSO dan teori tentang kesesuaian lahan. BAB 3 METODOLOGI Bab ini berisi uraian tentang metodologi penelitian yang digunakan dalam penelitian ini. metodologi penelitian ini meliputi penjelasan cara/proses yang dilakukan untuk pengumpulan dasar teori, pengumpulan data, pengolahan data, perancangan program, implementasi program, pengujian program dan analisis dan kesimpulan. BAB 4 PERANCANGAN Bab ini merupakan bagian dari perancangan program dari penelitian yang berjudul implementasi Metode Fuzzy -AHP Menggunakan Optimasi Particle Swarm Optimization (PSO) untuk Rekomendasi Pemilihan Tanaman Pomologi Tidak hanya itu, pada bab ini diutarakan tentang perancangan program yang diterapkan dalam pembuatan aplikasi dalam bentuk flowchart. Perancangan program tersebut terdiri dari formulasi permasalahan, siklus penyelesaian masalah yang berisi tentang perhitungan manual, perancangan pengujian, dan perancangan antarmuka. BAB 5 IMPLEMENTASI Bab ini membahas penerapan algoritma Optimasi Fuzzy AHP Menggunakan Particle Swarm Optimization (PSO) dalam menentukan tingkat kecocokan lahan dan pemilihan tanaman. Implementasi ini diterapkan berdasarkan perancangan program yang dibahas pada bab sebelumnya. Tahapan dari implementasi terdiri dari implementasi algoritma dan implementasi antarmuka dalam program ini. BAB 6 PENGUJIAN DAN ANALISIS Bab ini berisi tentang hasil dan analisis dari pengujian yang dilakukan terhadap program yang telah dibuat. BAB 7 PENUTUP Bab ini memuat kesimpulan yang menjawab rumusan masalah yang telah diutarakan berdasarkan hasil pengujian yang diperoleh dari bab sebelumnya. Pada bab ini juga diberikan saran yang nantinya berguna untuk penelitian selanjutnya.

BAB 2 LANDASAN PUSTAKA 1.1 KAJIAN PUSTAKA 6

Penelitian tentang kesesuian lahan dan kemampuan lahan pernah dilakukan oleh AbdelRahman, et al. pada tahun 2016. Penelitian ini menggunakan data data dari Geographical Information System (GIS) pada distrik Chamarajanagar di india. Penelitian ini bertujuan untuk mengetahui bagaimana tingkat kecocokan tanah terhadap tanaman secara umum ataupun secara spesifik. Setelah membandingkan semua faktor dalam penentuan kesesuaian lahan maka di dapatkan hasil bahwa sebagian besar wilayah di dalam distrik tersebut masuk dalam kelas III yang berarti tanah masih relatif baik untuk ditanami tanaman secara umum. Kemudian untuk tanaman khusus seperti kelapa di daerah tersebut sebagian besar dapat tumbuh dengan baik karena tanahnya yang sangat cocok (AbdelRahman, et al., 2016). Selain itu, penelitian tentang kecocokan tanah terhadap tanaman juga pernah dilakukan oleh Sholeh, et al. pada tahun 2014. Penelitian ini bertujuan untuk mengetahui jenis tanaman yang paling cocok ditanam di daerah tersebut. Tanaman yang digunakan dalam penelitian ini adalah cassava, uperland rice, waterland rice dan kedelai. Dalam penelitian ini digunakan metode AHP untuk memilih tanaman terbaik yang paling cocok ditanam di daerah tersebut. Dengan mengunakan metode tersebut didapatkan bahwa Cassava mendapatkan prioritas tertinggi dengan rasio sebesar 25.54%. kemudian pilihan terbaik kedua adalah kedelai dengan rasio prioritas sebesar 24.98%. kemudian Wetland Rice dengan rasio prioritas dengan 24.93 %. Kemudian peringkat terakhir adalah Upland Rice dengan rasio sebesar 24.62% (Sholeh, et al., 2014). Sedangkan penelitian sebelumnya yang menggunakan algoritma Fuzzy AHP adalah penelitian yang dilakukan oleh Nania Nuzulita pada tahun 2013. Di dalam penelitian ini diteliti proses perekrutan anggota baru paduan suara di Universitas Brawijaya. Di dalam proses seleksi ini ada beberapa kriteria yang diperhatikan seperti kemampuan pendengaran, kemampuan membaca not balok dan not angka, warna suara yang dimiliki, ketepatan intonasi dalam bernyanyi, dan kejelasan pelafalan dalam bernyanyi. Banyaknya kriteria yang ada membuat harus dibuat program yang dapat membantu memilih calon anggota terbaik untuk menjadi anggota baru. Dalam penyelesaian masalah ini penulis dari penelitian ini menggunakan algoritma Fuzzy-AHP yang merupakan gabungan dari metode AHP dengan fuzzy. Setelah dilakukan pengujian akurasi dengan hasil seleksi sebenarnya maka di dapatkan tingkat akurasi sebesar 96 %, pengujian ini dilakukan dengan melibatkan 100 data uji (Nuzulita, 2013). Penenelitian dengan metode Fuzzy AHP juga pernah digunakan di dalam Penelitian yang dilakukan oleh Eka Mahargiyak pada tahun 2013. Di dalam penelitian dilakukan penelitian tentang proses perekrutan panitia untuk pemilihan panitia dalam event PEMlLWA. Di dalaam kasus ini penulisnya menyelesaikan permasalah tersebut dengan menggunakan algoritma FuzzyAHP karena algoritma ini dapat mengurangi resiko tingkat subjektifitas dalam penentuan bobot kriteria pada metode AHP standar. Penelitian tersebut melakukan pengujian dengan 7 kriteria, 5 macam alternatif solusi dan 56 data uji. Dari pengujian yang telah dilakukan peneliti tersebut terhadap hasil penelitiannya, maka didapatkan akurasi sebesar 89.28 % (Mahargiyak, 2013). Penelitian selanjutnya terkait dengan algoritma AHP dengan optimasi menggunakan Discrete Particle Swarm Optimization (DPSO). Penelitian ini membahas tentang bagaimana cara mengoptimasi 3 faktor utama yang memberatkan proses produksi seperti, pekerja, penggunaan alat dan biaya produksi. Algoritma ini digunakan untuk mengoptimalisasi proses produksi 7

tersebut, sehingga keuntungan yang didapat lebih besar. Penelitian ini dilakukan di 3 lokasi dengan 3 tipe barang yang berbeda. Hasil dari penelitian ini adalah bahwa algoritma ini mampu mengoptimalisasi proses produksi yang ada. Meskipun untuk total cost dan penggunaan alat penurunannya hanya berkisar antara 0-5 %. Tetapi untuk optimalisasi pekerja dapat turun sekitar 80% (Varthanan, 2013). Penelitian selanjutnya terkait dengan algoritma PSO AHP. Penelitian ini membahas tentang bagaimana cara pemilihan komponen yang optimal pada suatu produk. Dalam paper ini dikhususkan pada pemilihan paket penjualan dari sebuah hard disk. Dari penelitian tersebut dapat disimpulkan bahwa metode ini mampu untuk memilih komponen terbaik dengan keuntungan terbesar (Wang, 2010). Penelitian yang terakhir dilakukan oleh Javanberg, et. al. (2012) yang melakukan penelitian untuk membandingkan algoritma Fuzzy-AHP dengan optimasi menggunakan algoritma PSO. Penelitian ini diawali karena penulis merasa bahwa AHP memiliki banyak kekurangan seperti ketidakpastian dalam proses pembobotan kriteria, pada penelitian sebelumnya untuk mengatasi kelemahan AHP tersebut maka digunakanlah teori fuzzy. Teori fuzzy TFN berguna dalam proses pembobotan kriteria. Hal ini meminimalisir terjadinya ketidakkonsistenan data yang ditulis oleh pakar, apalagi untuk data dengan jumlah kriteria yang sangat banyak. Kemudian penulis dari paper ini mencoba untuk mengoptimalisasi kembali proses di dalam pembabatan tersebut dengan menggunakan Particle Swarm Optimization, hal ini dapat meningkatkan tingkat konsistensi (Consistency Index) di dalam proses AHP, sehingga hasil keluaran dari proses AHP memiliki tingkat akurasi yang lebih baik Di dalam penelitian ini ketika dibandingkan dengan metode metode dalam pengembangan Fuzzy-AHP seperti linear FPP dan nonlinear FPP. Metode FuzzyAHP dengan optimalisasi menggunakan Optimasi Particle Swarm Optimization memiliki tingkat konsistensi yang paling baik yaitu sebear 0.705 (Javenbard et. Al, 2012). Berdasarkan penelitian-penelitian tersebut peneliti memutuskan untuk mengunakan metode Fuzzy-AHP dengan optimalisasi menggukan metode Optimasi Particle Swarm Optimization sebagai solusi dari permasalahn penentuan tingkat kecocokan lahan untuk tanaman pomologi. Karena menurut penulis metode ini merupakan metode terbaik yang dapat digunakan untuk menyelesaikan masalah pengambilan keputusan.

1.2 KUALITAS DAN KARAKTERISTIK LAHAN Dalam proses pengklasifikasian terdapat beberapa cara seperti dengan perkalian parameter, penjumlahan parameter, atau menggunakan hukum minimum yaitu membandingkan 8

antara kriteria kelas kesesuaian lahan untuk setiap parameternya, kemudian mencocokkannya dengan data tanah, kemudian dari kelas kesesuaian lahan yang didapat dari tiap parameter diambil kelas terkecilnya untuk dijadikan kesimpulan (Rachmawati, 2015). Struktur klasifikasi tingkat kesesuaian lahan menurut Food Agricultural Organization (FAO) dapat dibagi berdasarkan tingkatanya yaitu: (Ritung, 2008). 1. Ordo Ordo adalah tingktan kesesuaian tanaman terhadap tanah yang dikelompokkan secara global. Pada tingkat ordo, tingkat kesesuaian lahan hanya dibedakan antara lahan yang sesuai dengan tanamanya (S) dan yang tidak sesuai (N). 2. Kelas Kelas adalah tingkatan kesesuaian yang lebih spesifik dibandingkan tingkatan ordo. Pada tingkataan ini tingkat kesesuaian lahan dibagi menjadi 4 kelas yaitu: a. Kelas S1 (Sangat Sesuai ) Jika lahan masuk dalam kategori ini berarti lahan tersebut tidak memiliki faktor pembatas yang dapat mempengaruhi pertumbuhan tanaman, ataupun memiliki faktor pembatas yang pengaruhnya minor terhadap produktivitas tanaman pada lahan tersebut. b. Kelas S2 (Cukup Sesuai) Jika lahan masuk dalam kategori ini berarti lahan memiliki faktor pembatas yang mempengaruhi tingkat produksi tanaman yang ditanam di lahan dengan kelas ini. Untuk memperbaiki tingkat kecocokan tanah diperlukan tambahan umur pendukung dan pembatas, hal ini biasanya dapat diatasi oieh petani nndiri (contoh: lahan yang kekurangan kandungan suatu unsur baru dapat diatasi dengan cara memberikan tambahan unsur baru tersebut ke dalam tanah). c. Kelas S3 (Sesuai Marginal) Lahan dengan tingkat kecocokan S3 (Sesuai Marginal) dapat diartikan bahwa lahan tersebut mempunyai faktor pembatas yang berat dan berpengaruh besar terhadap tingkat produktivitas tanaman yang ditanam di lahan tersebut. Untuk mengatasinya biasanya memerlukan banyak masukan/tambahan Input yang lebih banyak daripada SZ. Untuk mengatasi faktor pembatas pada kelas ini biasanya petani tidak mampu mengatasinya sendiri, tetapi untuk mengatasinya petani harus memerlukan bantuan darl pihak lain seperti pemerintah ataupun pihak swasta (Contoh: Suatu lahan petani yang mengalami kekurangan air. Dalam kasus ini petani tidak bisa menyelesaikan masalah tersebut sendiri, sehingga pemerintah atau pihak swasta harus campur tangan untuk membuat saluran irigasi baru untuk mengaliri lahan tersebut). d. Kelas N J Jika suatu lahan termasuk kelas ini maka lahan ini tidak sesuai untuk ditanami suatu tanaman karena memiliki faktor pembatas yang sangat berat dan sangat suiit diatasi.

9

Kualitas lahan adalah parameter-parameter yang menentukan kualitas dari sebidang lahan. Kualitas lahan dapat diukur langsung denganmelakukan observasi ke lapanagn, tetapi pada umumnya kualitas lahan langsung sudah ditetapkan berdasarkan karakteristik lahan. Daftar kualitas dan Karakteristik lahan dapat dilihat pada Tabel 1.1 berikut. Kualitas Lahan Temperatur Ketersediaan air Ketersediaan oksigen Keadaan media perakaran Gambut Retensi Hara Toksisitas Sodisitas Bahaya sulfidik Bahaya banjir Penyiapan lahan

Karakteristik Lahan Temperatur rata-rata ( oC) Curah hujan (mm), Kelembapan (%), lamanya bulan kering (bln) Drainase Tekstur, Bhaan kasar (%), Kedalaman tanah (cm) Ketebalan(cm) Kapasitas Tukar Kation (KTK) liat (cmol/kg), kejenuhan basa (%), pH C-organik (%) Salinitas (dS/m) Alkalinitas /ESP(%) Kedalaman sufidik (cm) Genangan Batuan di permukaan (%), singkapan batuan(%)

Karakteristik lahan yang sangat berhubungan atau berpengaruh untuk keperluan evaluasi lahan dapat dikelompokkan ke dalam 3 faktor utama, yaitu topologi, tanah dan iklim. 1. Topologi Topologi yang dipertimbangkan dalam menentukan tingkat kualitas lahan adalah bentuk wilayahnya dan ketinggian tempat tersebut. Bentuk wilayah sangat berhubungan dengan faktor pengolahan lahan, bahaya erosi, dan semakin curam bentuk wilayahnya maka persentase lerengnya lebih besar dan biasanya semakin tinggi tingkat lerengnya (diatas 40 %) dan sangat sedikit tanaman yang dapat tumbuh dengan baik. Sedangkan faktor ketinggian tempat maksudnya adalah ketinggian tempat tersebut dari permukaan laut (dpl), biasanya suatu tanaman tidak dapat hidup dengan baik di dataran rendah (<700 m dpl) dan dataran tinggi (>700 m dpl) secara bersamaan, oleh karena itulah faktor ini juga sangat mempengaruhi tingkat kecocokan lahan. 3. Iklim Faktor iklim yam dipertimbangkan dalam penentuan tingkat kesesuaian tanah ada 2 yaitu suhu dan curah hujan. a. Suhu udara Biasanya faktor suhu udara berhubungan dengan ketinggian (empu tersebut. Sebagai contoh tanaman yang hidup di dataran tinggi biasanya tumbuh optimal dalam suhu yang rendah. Begitu pula tanaman yang hidup di dataran rendah tumbuh lebih baik pada suhu yang lebih tinggi. Intinya semakin tinggi tempat maka semakin rendah suhu udara rata ratanya. b. Curah hujan 10

Curah hujan juga merupakan salah satu faktor yang berpengaruh terhadap perkembangan suatu tanaman. Tanaman yang membutuhkan air banyak tidak mungkin dapat hidup di daerah yang memiliki curah hujan sangat sedikit dan kandungan air dalam tanahnya juga sedikit. Untuk keperluan penilaian tingkat kesesuaian lahan biasanya curah hujan dinyatakan dalam curah hujan tahunan, jumlah bulan kering dan jumlah bulan basah. 4. Tanah Faktor tanah dalam penentuan tingkat kesesuaian lahan dipengaruhi oleh beberapa karakteristik tanah diantaranya drainase tanah, tekstur, kedalaman tanah, retensi hara, alkalinitas, bahaya erosi dan banjir. a. Drainase tanah Drainase tanah adalah kecepatan meresapnya air dari permukaan tanah ke dalam tanah, hal ini menunjukkan lama dan seringnya tingkat kejenuhan air. Kelas drainase dibagi menjadi 7 kelas yaitu cepat, agak cepat, baik, agak baik, agak terhambat, terhambat dan sangat terhambat. Setiap jenis tanaman memiliki kecocokan yang berbeda beda terhadap kelas drainase. Sebagai contoh kelas yang sesuai untuk tanaman tahunan atau perkebunan adalah kelas 3 dan 4. Hal ini dikarenakan karena drainase kelas 1 dan 2 terlalu mudah meloloskan air sedangkan kelas 5, 6 dan 7 sedikit meloloskan air yang dapat mengakibatkan tanaman kekurangan oksigen. b. Tekstur Karakteristik ini menunjukkan komposisi yang terdapat pada partikel tanah halus seperti pasir, debu dan liat. Penentuan tingkat tekstur tanah dapat dilakukan dengan observasi langsung atau dengan menganalisisnya di laboratorium dengan menggunakan segitiga tekstur. Pengelompokkan kelas tekstur dapat dibagi menjadi 5 macam yaitu halus, gak halus, sedang, agak kasar dan kasar. c. Kedalaman tanah Kedalaman tanah adalah kedalaman tanah pada saat penanaman tanaman, kedalaman tanah ini diukur dari permukaan tanah itu. Kedalaman tanah dapat dibedakan menjadi 4 kategori yaitu:  Sangat dangkal (<20 cm)  Dangkal (20 50 cm)  Sedang (50 75 cm) d. Ketebalan gambut Ketebalan gambut dapat dibedakan menjadi 5 kategori yaitu  Tlpis(<60 cm)  Sedang (60-100 cm)  Agak tebal (100-200 cm)  Tebal(200-400 cm)  Sangat tebal(>400 cm) e. Alkalinitas Nilai alkalinitas dapat dlrepresentaslkan menggunakan nilai persentase natrium yang dapat ditukar (ESP) dengan cara menghitungnya dengan Persamaan 2.1. 11

ESP :

Na dapat tukar X 100 KTK tanah

f. Bahaya erosi Tingkat bahaya erosi dapat dilihat berdasarkan kondisi lahan pada waktu penelitian dengan memperhatikan adanya erosi Iembar permukaan, erosi palu dan erosi parit. Selain itu cara yang lebih mudah untuk menentukan tingkat bahaya erosi adalah dengan cara menghitung jumlah tanah yang hilang per tahun. Tingkat bahaya erosi dapat dikelompokkan menjadi 5 kategori berdasarkan jumlah tanah yang hilang pertahun, yaitu:  Sangat ringan ( 4.8 cm/tahun) g. Keasaman tanah Tingkat keasaman tanah dapat dilihat dari pH tanah yang diukur pada kedalaman 0-20 cm dan 20-50 cm. Tingkat keasaman tanah dapat dibagi menjadi 6 kelas yaitu:      

Sangat masam (< 4.5) Masam (4.5 5.5) Agak Masam (5.6 6.5) Netral (6.6 7.5) Agak Alkalis (7.6 8.5) Alkalis (> 8.5)

1.3 TANAMAN POMOLOGI Pomologi adalah salah satu bagian dari tanaman holtikultura. Secara pengertian dasar, pomologi adalah ilmu yang mempelajari tentang tanaman buah -buahan. Tanaman buah (pomologi) merupakan tanaman yang dapat menghasilkan buah yang dapat dimakan atau dikonsumsi dalam kondisi segar, baik dimakan sebagai buah itu sendiri maupun sebagai hasil olahan dari buah tersebut dan buah juga memiliki karakteristik yang tidak tahan lama (Syukri, 2008). Tanaman buah seperti yang terlihat pada adalah tanaman yang memiliki beragam jenis. Dengan jenis yang sangat banyak tersebut, maka diperlukan sebuah proses pengklasifnkasian untuk mengelompokkan buah buah tersebut. Salah satu metode klasifikasi yang ada dikembangkan oleh Verheij (1986) dengan cara mengelompokkan tanaman buah berdasarkan keragaman dan irama pertumbuhan dan proses berbunganya. Dengan metode klasifikasi di atas maka tanaman buah dapat dikelompokkan menjadi 1. Tanaman buah yang tidak bercabang (single stemmed species)  

Tumbuh dan berbuah setelah dewasa, bunga terdapat di ketiak daun, pertumbuhan tunas dan bunga terjadi bersamaan ,Contoh: pepaya, kelapa dan sawit Tumbuh secara vegetatif dan fase vegetatifnya diakhiri dengan bunga Contoh: nanas,pisang dan aren. 12

2. Pohon buah bercabang (branched species)  Munculnya bunga bersamaan dengan tumbuhnya batang, proses berbuahnya tidak musiman (berbuah hanya di waktu tertentu). Contoh: markisa, lamtoro dan talok  Perkembangan bunga terpisah dengan proses pertumbuhan batang. Berdasarkan tempat bagian vegetatif dan reproduktifnya maka dapat dibagi lagi menjadi: a. Tempat tunas vegetatif dan reproduktif berbeda tempat (CAULIFLORUS). Contoh: durian, nangka dan kakao (coklat). b. Tempat tunas vegetatif dan reproduktif berada di satu tempat, calon tun” dapat dibedakan dengan melihat bakal tunas bunga (SHOOI' DlMORPHISM). Contoh: kopi, Jeruk dan apel. c. Terdapat campuran, bunga berada di batang / cabang batang/ ketiak daun / ujung ranting. Contoh: belimbing, jambu air dan jambu bot Berikut ini adalah jenis-jenis dan karakteristik kecocokan lahan pada tanaman buah yang digunakan dalam penelitian ini: A. Apel Syarat tumbuh tanaman apel berdasarkan : 1. Iklim Iklim yang cocok antar 10 0C- 35 0C dengan suhu optimum antara 160C – 270C , denagn curah hujan antara 1600-3200 mm selama masa pertumbuhan dengan kelembapan 25 % 2. Tanah  Tekstur yang sangat kasar  Gambut dengan ketebalan lebih kurang dari 200 cm  Tanamana ditanam kedalaman 50cm  Ph antar 5-8  Drainase tidak boleh terlambat  Salinitas 8 ds/m dan terlalu cepat  ESP dibawah 25%  Bahaya erosi 30% B. Blewah Syarat tumbuh tanaman blewah berdasarkan : Iklim Iklim yang cocok antar 18 0C- 35 0C dengan suhu optimum antara 220C – 300C , denagn curah hujan antara >200 mm selama masa pertumbuhan dengan kelembapan 20-90 % Tanah  Tekstur yang sangat kasar  Gambut dengan ketebalan lebih kurang dari 200 cm  Tanamana ditanam kedalaman 50cm  Ph antar 5-8  Drainase boleh sangat lambat  Salinitas 8 ds/m atau terlalu cepat  ESP dibawah 25%  Bahaya erosi 30% C. Durian Syarat tumbuh tanaman durianberdasarkan : 1. Iklim Iklim yang cocok antar 20 0C- 35 0C dengan suhu optimum antara 250C – 280C , denagn curah hujan antara 1250-4000 mm selama masa pertumbuhan dengan kelembapan 30% 13

2. Tanah  Tekstur yang sangat kasar  Tanamana ditanam kedalaman diatas 50cm  Drainase tidak boleh sangat lambat atau terlalu cepat

    

Gambut dengan ketebalan lebih kurang dari 200 cm Ph antar 5-8 Salinitas 8 ds/m ESP dibawah 25% Bahaya erosi 30%

D. Jeruk Syarat tumbuh tanaman Jeruk berdasarkan : Iklim Iklim yang cocok antar 130C- 29 0C dengan suhu optimum antara 190C – 230C , denagn curah hujan antara 800-4000mm selama masa pertumbuhan dan masa kering dibawah 6 bulan Tanah  Tekstur yang sangat kasar  Ph antar 5-8  Tanamana ditanam kedalaman  Salinitas 6 ds/m dibwah 50cm  ESP dibawah 60%  Drainase tidak boleh sangat  Bahaya erosi 30% lambat atau terlalu cepat  Gambut dengan ketebalan lebih kurang dari 200 cm E. Kelengkeng Syarat tumbuh tanaman kelengkeng berdasarkan : Iklim Iklim yang cocok antar 130C- 29 0C dengan suhu optimum antara 190C – 230C , denagn curah hujan antara 800-4000mm selama masa pertumbuhan dan masa kering dibawah 6 bulan Tanah  Tekstur yang sangat kasar  Gambut dengan ketebalan lebih kurang dari 200 cm  Tanamana ditanam kedalaman dibwah 50cm  Ph antar 5-8  Drainase tidak boleh sangat  Salinitas 6 ds/m lambat atau terlalu cepat  ESP dibawah 60%  Bahaya erosi 30%

14

1.4 Analytical Hierarchy Process (AHP) Analytical Hierarchy Process (AH P) dibuat untuk mengatasi permasalahan yang ada dalam proses pengambilan keputusan dengan atribut yang banyak. Metode ini memberikan bobot berdasarkan perbandingan antara tiap kriteria dengan menggunakan skala Saaty. AHP dikembangkan oleh Saaty pada tahun 1970-an sebagai salah satu metode dalam pengambilan keputusan yang didasarkan pada banyak atribut pada sistem hirarki (Nuzu|ita, 2013). AHP juga melibatkan prinsip prinsip dekomposisi, perbandingan berpasangan, dan generasi prioritas vektor. Tetapi AHP juga masih belum dapat mencerminkan pengambilan keputusan yang dilakukan oleh manusia. Oleh karena itulah AHP biasanya digabung dengan metode yang lain untuk menutupi kekurangannya ,Di dalam proses perhitungan AHP, untuk menentukan tingkat kepentingan antar kriteria dibutuhkan proses pembuatan matriks skala perbandingan untuk setiap pasangan kriteria. Tahapan-tahapan yang ada pada metode AHP yaitu: 1. Menganalisa permasalahan yang ada ke dalam bentuk hirarki, dan menentukan kriteriakriteria yang terkait dengan permasalahan. 2. Membuat matrik perbandingan berpasanagn antara tiap kriteria 3. Melakukan normalisasi terhadap matriks perbandingan 4. Menghitung nilai Eigen vektr (untuk dijadikan bobot kriteria) 5. Menghitung eigen value 6. Menentukan nlial konsistensi CR 7. Perhitungan bobot untuk sub kriteria (step 2-6) Ilka ada 8. Perhitungan nilai bobot alternative 9. Perangkingan hasil: perhitungan nllai bobot alternative 1.5 LOGIKA FUZZY Istilah logika fuzzy pertama kali dikemukakan oleh prof. Lotfl Astor Zadeh pada tahun 1962. Logika fuzzy itu sendiri merupakan salah satu metode yang membantu pengambilan keputusan yang berbasis rule yang digunakan pada sistem yang sulit dimodelkan dalam konsep true dan false.

INPUT

BLACK BOX

15

OUTPUT

Logika fuzzy dapat diilusrasikan dengan gambar diatas, logika fuzzy diasusmsikan sebagai jembatan perantara antara input dengan output [KUS-O3]. Jembtan ini akan berfungsi untuk mengolah data input dengan metode tertentu untuk menjadikan output yang diinginkan. Logika fuzzy dapat merepresentasikan Bahasa yang biasa digunakan manusia menjadi hal yang dapat dimengerti oleh computer. Contohnya manusia biasa mengucapkan hal seperti "jika hari ini cerah dan hangat maka saya akan mengemudi dengan cepat”. Di dalam kalimat diatas terdapat variabel linguistic yang nantinya dapat dikenali oleh computer seperti : variabel temperature yang beranggotakan dingin, hangat dan panas, variabel kondisi awan yang beranggotakan mendung, gelap ataupun cerah, dan variabel kecepatan yang beranggotakan cepat dan lambat. [NEL04]

1.6 FUZZY- AHP Fuzzy AHP merupakan penggabungan konsep AHP dengan pendekatan konsep fuzzy. Fuzzy AHP akan menutupi kelemahan yang ada pada AHP yaitu permasalahan terhadap kriteria yang memiliki sifat subjectif lebih banyak. Cara kerja Fuzzy-AHP: 1.

Membuat struktur hirarki masalah dan menentukan perbandingan matriks berpasangan dengan skala TFN (Trlanguhr Fuzzy Number) Pada metode AHP matriks perbandingan berpasangan skala yang digunakan adalah skala nilai 1-9 dan lawannya 1/1-1/9, dalam fuzzy-AHP nilai ini harus di transformasikan menjadi bentuk TFN dengan cara melihat table perbandingan berikut ini. Skala AHP Skala TFN Invers skla TFN 1 (1,1,1) atau (1,1,3) (1,1,1) atau (1/3,1,1) 3 (1,3,5) (1/5,1/3,1) 5 (3,5,7) (1/7,1/5,1/3) 7 (5,7,9) (1/9,1/7,1/5) 9 (7,9,9) (1/9,1/9,1/7) 2 (1,2,4) (1/4,1/2,1) 4 (2,4,6) (1/6,1/4,1/2) 6 (4,6,8) (1/8,1/6,1/4) 8 (6,8,9) (1/9,1/8,1/1)

16

2. Menentukan nilai sintesis fuzzy dengan rumus

3. Menentukan nilai vector dan nilai ordinat defuzzifikasi (d) 4. Normalisasi nilai bobot vector fuzzy (W) Setelah dilakukan normalisasi dari persaman diatas maka nilai bobot vector yang ternarmalisasi akan ditunjukan pada persamaan. W = (d(A1), d(A2),.…., d(An))T Dimana W adalah bilangan non fuzzy 1.7 Particle Swarm Optimization (PSO) Particle Swann Optimization (PSO) diperkenalkan pertama kali oleh Kneedy dan Elbehart pada tahun 1995. Metode ini merupakan model social learning yang terinspirasi oleh perilaku kelompok buruk yang bergerak secara berkelompok yang akhirnya dikembangkan menjadi algoritma untuk optimasi yang bergantung pada pemiangan (iterasi) yang ada. Metode ini memiliki popularitas dalam menyelesaikan masalah masalah optimasi yang sulit (Wang, 2010). PSO merupakan suatu algoritma yang digunakan untuk proses optimasi, sama seperti algoritma genetika. .Dari partikel yang merepresentasikan solusi masalah yang ada di dalam ruang pencarian n-dimensl. Setiap partikel menjaga posisi terbaik sebelumnya di dalam suatu vektor (pbest). Kemudian nantinya PSO akan memilih nilai terbaik dari setiap partikel pada populasi tersebut (Cheng, 2007). PSO dapat memberikan solusi terhadap permasalahan optimasi di dalam partikel yang bergerak pada gbest-nya. Setiap partikel yang ada di dalam .PSO akan menghitung kecepatan (v) dan akan meng-update posisinya di setiap iterasi yang dilakukan. Parameter Pm merepresentasikan posisi terbaik sebelumnya yang ditemukan pada partikel ke-i. kemudian parameter Pg,d menunjukkan posisi terbaik dari partikel pada saat ini dan parameter t menunjukkan jumlah literasi.

17

1.8 FUZZY AHP- PARTICLE SWARM OPTIMIZATION (FAHP-PSO) Fuzzy AHP Particle Swarm Optimization (FAHP PSO) merupakan algoritma yang menggabungkan antara metode Fuzzy-AHP dengan PSO. Algoritma ini dikembangkan untuk memperbaiki tingkat konsistensi yang ada dalam Fuzzy-AHP. Metode ini menghasIIkan bobot yang pasti darl matriks perbandingan kriteria yang menggunakan skala TFN yang konsisten maupun yang tidak konsisten. Metode ini juga menghilangkan beberapa proses di dalam Fuzzy AHP seperti mencari matriks sintetis fuzzy hingga mencari bobot. Algoritma ini nantinya akan mengganti proses di dalam Fuzzy-AHP dengan proses optimasi utntuk meminimalisasi fungsi optimal yang akan langsung mendapatkan bobot dari hasil optimasi tersebut Uavanberg, 2012). Cara kerja FAHP-PSO menurut Javaberg: 1. Membuat struktur hirarki masalah dan menentukan perbandingan matrikmberpasangan dengan skala Saaty. 2. Menentukan nilai konsistensi CR untuk memastikan bahwa matriks perbandingan yang dibuat sudah konsisten. 3. Mengkonversi perbandingan matriks berpasangan dari skala Saaty menjadi skala TFN(Triangular Fuzzy-Number) 4. Melakukan inisialisasi partikel PSO Proses ini hampir sama seperti proses inisialisasi partikel pada proses PSO. 5.Menghitung Fitness tiap partikel Untuk menghitung fitness sebuah partikel maka harus terlebih dahulu menghitung cost untuk tiap partikel. 6. Lanjutkan perhitungan diatas dengan menggunakan PSO 7. Perhitungan bobot untuk sub kriteria (langkah 1-6 pada proses AHP) jika ada 8. Perhitungan nilai bobot alternatif 9. Perangkingan hasil perhitungan nilai bobot alternatif

18

BAB III PERANCANGAN 3.1 METODOLOGI PENELITIAN Metodologi yang digunakan dalam penelitian berupa studi literatur, analisis kebutuhan, pengumpulan data, perancangan sistem, implementasi, pegujian, analisa hasil pengujian serta kesimpulan. Untuk dapat memberkan kemudahan dalam menjelaskan metodologi yang digunakan , maka penulis mengguanakan diagram alit seperti berikut. Studi Literatur

Analisa Kebutuhan

Pengumpulan Data

Perancangan

Implementasi

Pengujian

Analisis

Kesimpulan

19

3.2 Formulasi Permasalahan Permasalahan yang diselesaikan dalam penelitian ini adalah tenaman terbaik pada satu lahan dan klasifikasi tingkat kecocokan lahan terhadap setiap tanaman.

Nilai yang dimasukan pengguna untuk menjalankan program ini adalah data lahan yang dilihat dari gambar diatas. Berikut adalah diagram alir program dalam bentuk flowchart. Mulai

Data lahan, Data matriks perbandingan kriteria ,data tanaman Buah

Proses perhitngan menggunakan metode fuzzy-AHP dengan PSO

Hasil Rekomendasi Tanaman dan Tingkat kesesuain lahan untuk tiap tanaman

Selesai

20

Pada Gambar diatas dijelaskan bahwa masukan yang diperlukan sistem selain data lahan dan pengguna adalah data matriks perbandingan kriteria yang dimas oleh pakar dan data pohon pohon yang akan digunakan dalam penentuan. Setelah semua data dimasukan ke dalam sistem maka sistem akan memprosesnya dengan mengunakan metode optimasi Particle Swarm Optimization pada model FuzzyAHP . Output yang dikeluarkan dari sistem ini berupa rangking tanaman yang terbaik untuk ditanam beserta tingkat kecocokan terhadap lahan untuk setiaptanaman. Adapun jumlah data sampel yang digunakan untuk perhitungan manual adalah 1 macam data lahan, 5 data pohon, dan matriks perbandingan kriteria untuk semua level dalam gambar hirarki AHP ,dalam perhitungan manual ini nantinya akan memberikan gambaran kecil dari bagaimana sistem ini dapat berjalan dan dapat mengolah input menjadi output.

3. 3 Proses Fuzzy – AHP dengan Optimasi PSO

Mulai

Data lahan, Data matriks perbandingan kriteria ,data tanaman Buah

Konversi matriks perbandingan kriteria ke dalam bentuk skala fuzzy TFN

Hitung jumlah matriks perbandingan kriteria

Hitung jumalah matriks perbandingan kriteria

Proses perhitungan bobot menggunakan PSO i

Proses Menentukan tenaman terbaik menggunakan AHP

21

Proses Menentukan tingkat kecocokan lahan untuk seriap tanaman

Hasil rekomendasi tanaman dan tingkat kesesuaian lahan untuk tiap tanaman

Return Pada Gambar dijelaskan mengenai langkah langkah yang dilakukan dalam proses tersebut. Langkah awal dalam proses tersebut adalah mengkonversi mamks prebandingan berpasangan ke dalam bentuk skala Triangular Fuzzy Number (TFN). Kemudian hitung jumlah matriks berpasangan yang ada di dalam AHP (jum_perb). Setelah itu dilakukan perulangan sejumlah jum_perb untuk menghitung bobot untuk setiap matriks berpasangan kriteria. Setelah didapatkan bobot untuk masing masing kriteria, maka dilakukan proses untuk menentukan tanaman terbaik menggunakan Analytical Hierarchy Process (AHP). Setelah semua proses diatas selesai maka proses terakhir yang dilakukan adalah proses menentukan tingkat kecocokan lahan untuk setiap tanaman berdasarkan hasil proses AHP.

3.4 Perhitungan Manual Perhitungan manual yang dilakukan dalam subbab lnl menggunakan data lahan sebanyak 1 lahan, data tanaman sebanyak 5 tanaman. Selain itu klasifikasil tingkat kecocokan lahan terhadap setiap tanaman dibagi menjadi 4 kategori yaitu 51 (Sangat Sesuai), $2 (Cukup Sesuai), 53 (Sesuai Marginal), dan N (Tidak Sesuai). Dan hirarki yang digunakan untuk AHP sesuai dengan Gambar hirarki AHP. Setelah semua data tersedia maka perhitungan manual ini memprosesnya dengan menggunakan metode optimasi Particle Swarm Optimization pada model fuzzy-AHP. Output yang dikeluarkan dari perhitungan ini berupa peringkat tanaman terbaik untuk ditanam beserta tingkat kecocokan terhadap lahan untuk setcap tanaman. Tahapan tahapan yang dilakukan adalah 1. 2. 3. 4. 5.

Proses perhitungan bobot untuk level sub- kriteria iklim. Proses perhitungan bobot untuk level sub- kriteria tanah Proses perhitungan bobot untuk level kriteria Proses pemilihan tanaman terbaik menggunakan AHP Proses perhitngan kualitas perangkingan.

3.5 Perancangan User Interface Tahapan perancangan user interface program ini berisi tentang rancangan user interface yang digunakan dalam program ini beserta penjelasan atas komponen komponen dalam user interface tersebut. Dalam subbab ini perancangan user inteface dibagi ke dalam 3 tabbed pane utama yaitu tabbed pane tampilan utama, tabbed pane parameter PSO dan thresholding, dan tabbed pane detail perhitungan.

1 .Tabbed Pane Tampilan Utama

22

Tabbed pane tampilan utama berisi informasi sederhana tentang program seperti data lahan yang dimasukkan dalam perhitungan dan hasil dari perhitungan oleh metode PSO-FAHP. Hasil perancangan tabbed pane tampilan utama dapat dilihat pada Gambar . Gambar Tampilan Perancangan Tabbed Pane Tampilan Utama

Pada Gambar diatas terdapat berbagai bagian tampilan seperti form pengisian data lahan, tampilan daftar data lahan, hasil perengkingan tanaman dan tampilan kecocokan tanaman dengan tiap lahan. Dalam bagian form pengisian data lahan berisi form input data lahan seperti curah hujan, kelembapan, kualitas tanah, dll. Form tersebut berfungsi untuk memudahkan user apabila memasukan lahan baruuntuk dilihat tingkat kecocokannya dengan tanaman yang digunakan dalam genelitian. Selain itu nantinya dibawah form tersebut terdapat tombol ”tambah”. Tombol ini berfungsi untuk memasukan data lahan yang telah diisi pengguna dalam form data Iahan. Kemudian bagian yang lain dari tabbed pane ini adalah tampilan daftar lahan. Bagian ini menampilkan semua data lahan yang telah dimasukkan oleh pengguna. Hal ini memudahkan pengguna untuk melihat data data lahan yang telah dimasukkannya. Selanjutnya bagian hasil perangkingan tanaman menampilkan semua tanaman yang ada dalam penelitian ini beserta nilai perangkingannya. Dari data ini dapat dilihat tanaman yang memiliki nilai perangkingan yang paling tinggi sampai yang paling rendah. Bagian yang terakhir dari tabbed pane ini adalah tampilan kecocokan tanaman dengan lahan. Bagian ini menampilkan tingkat kecocokan untuk setiap tanaman pada setiap lahan. Selain semua bagian diatas hal lain yang terdapat dalam tabbed pane ini adalah tombol lakukan perhitungan. Tombol ini berfungsi sebagai pemicu agar program mulai menghitung perangkingan tanaman dan tingkat kecocokanya pada data lahan yang dimasukkan oleh user. 2. Tabbed Pane Pa rameter PSO dan hresholding Tabbed pane parameter PSO dan thresholding berisi informasi tentang parameter yang digunakan dalam proses PSO beserta form untuk mengganti nilai parameter tersebut. Selain itu tabbed pane ini juga Bersisi tentang thresholdlng (batasan) yang digunakan dalam pengklasilikasian tingkat kecocokan tanaman. Terdapat berbagai bagian tampilan di data tabbed pane parameter PSO dan thresholding seperti form untuk mengganti parameter pso dan form untuk mengganti thresholding untuk setiap tingkat kecocokan tanaman. Dalam bagian form parameter PSO terdapat berbagai parameter yang .de di dalam PSO seperti jum|ah iterasi, jumlah partikel, nilai W, nilai C1 dan nilai C2 beserta nilai dari masing masing 23

parameter tersebut saat ini. User dapat mengganti nilai dari semua parameter tersebut dan jika sudah selesai dan menjalankan program user dapat kembali ke tabbed pane tampilan utama dan mengklik tombol lakukan perhitungan untuk menghitug kembali hasil perhitungan program dengan nilai parameter yang baru. Bagian yang lain pada tabbed pane adalah form untuk mengganti threshold. 3. Tabbed Pane Detail Perhitungan Tabbed pane detail perhitungan berisi detail dari perhitungan yang teiah dilakukan oleh program. Dalam tabbed pane ini terdiri dari 2 bagian utama yaitu tampilan untuk proses perhitungan bobot Lproses di dalam PSO) dan proses perengkingan tanaman (proses diluar PSO).

Pada bagian form pemilihan proses dalam PSO akan terdapat 4 combo box dan satu buah button. Combo box pertama akan berisi pilihan level kriteria yang ingin ditampilkan detail perhitungannya, pilihan level kriteria yang tersedia adalah level kriteria, level sub-kriteria iklim dan level sub-kriteria tanah. Kemudian setelah memilih level kriteria yang diinginkan akan terdapat 3 combo box lanjutan dibawahnya. Ke-3 combo box ini berisi pilihan untuk memperjelas bagian proses yang ingin ditampilkan. Pada combo box pertama pengguna dapat memilih bagian ingin menampilkan proses update atau inisialisasi pada PSO. Kemudian combo box kedua memilih bagian proses apa yang ingin ditampilkan. Pilihan proses yang tersedia adalah kecepatan, posisi, PBest dan GBest. Kemudian combo box terakhir berfungsi untuk memilih no perulangan yang ingin ditampilkan datanya. Disamping ke-3 combo box tersebut terdapat tombol lihat yang akan menampilkan data yang diinginkan ke dalam tabel yang berada di bagian bawah. Kemudian ada bagian form pemilihan proses selain PSO akan terdapat 2 combo box dan satu buah button. Combo box pertama akan berisi pilihan proses diluar PSO ingin ditampilkan detail perhitungannya, pilihan proses yang tersedia adalah tampilkan GBest (perkembangan bobot dari awal sampai akhir iterasi), tampilkan hasil konversi data lahan dan menampilkan hasil urutan AHP untuk setiap tanaman. Kemudian setelah pengguna memilih proses yang diinginkan maka akan muncul combo box tambahan di bawahnya. Isi combo box ini akan berbeda beda untuk setiap proses yang dipilih. Pada 24

proses tampilkan GBest maka combo box tambahan tersebut akan berisi pilihan level kriteria yang diinginkan seperti level kriteria, level sub-kriteria iklim dan level sub-kriteria tanah. Jika yang dipilih adalah proses tampilkan hasil konversi lahan maka combo box tambahan tersebut akan berisi pilihan lahan yang ingin ditampilkan hasil konversinya. Kemudian jika proses menampilkan pilihan lahan yang ingin ditampilkan urutan tanaman terbaik pada lahan tersebut. Disamping combo box tambahan tersebut terdapat tombol lihat yang akan menampilkan data yang diinginkan ke dalam tabel yang berada di bagian bawah.

3.6 PERANCANGAN PENGUJIAN Dalam tahap penelitian ini penulis melakukan pengujian terhadap program yang sudah dibuat. Pengujian yang dilakukan dalam penelitian ini adalah: 1. 2. 3. 4. 5.

Pengujian Kualitas Hasil Perangkingan dan Klasifikasi Pengujian terhadap pengaruh jumlah iterasi PSO Pengujian terhadap pengaruh jumlah partikel PSO Pengujian pengaruh nilai C1 dan C2 terhadap proses update kecepatan PSO Pengujian pengaruh nilai W terhadap proses update kecepatan PSO.

25

DAFTAR PUSTAKA

Clerc, M., 2011. Particle Swarm Optimization. ISTE. United States OfAmerica. Javanbarg, M.S., Schawthorn, C., Kiyono, J., Shahbodaghkhan, B., 2013. Fuzzy AHP -based multicriteria decision aking system using particle swarm optimization. ELSEVIER. Juneja, M., Nagar, S.K., 2016. Particle swarm optimization algorithm and its parameters: A review. 2016 International Conference on Control Computing, Communication and Materials (ICCCCM). Kusumadewi, Sri., 2006. Artificial lntelegence (Teknik dan Aplikasinya). Yogyakarta : Graha llmu. Kwang H, Lee., 2005. First Course on Fuzzy Theory and Aplication. Springer. Mahargiyak, E., 2013. Implementasi Metode Fuzzy-AHP Untuk pemilihan Sumber Daya Manusia Dalam Kepanitian Organisasi Mahasiswa. 51. Universitas Brawijaya. Nuzulita, N., 2013. Implementasi Metode Fuzzy-AHP Untuk Rekomendasi Seleksi Penerimaan Anggota Baru Paduan Suara (Studi Kasus: Paduan Suara Universitas Brawijaya). Sl. Universitas Brawijaya. Rachmawati., Rekomendasi Kecocokan tanaman Holtikutura Berdasarkan Komposisi Struktur Tanah Pada Kota Batu Menggunakan Metode SAW. 51. Universitas Brawijaya.

26