Tugas Mata Kuliah Sistem Pakar

Pemodelan Representasi Pengetahuan Sistem Pakar

(Model Kaidah Produksi)Tahun Akademik :

Semester Ganjil 2013/2014

Kelas B

Kelompok 5

Disusun Oleh :

Rezki Trianto (105060800111002)

Ni Nengah Dewi M. (105060801111025)

Satria Mulya Insanillah (105060813111003)

Putri Alifah (105090607111014)

Dosen Pengampu Mata Kuliah :

Arief Andy Soebroto, ST., M.Kom

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER

UNIVERSITAS BRAWIJAYA

MALANG

2013

KATA PENGANTAR

Puji dan Syukur kami panjatkan ke Hadirat Tuhan Yang Maha Esa, karena berkat

limpahan Rahmat dan Karunia-nya sehingga kami dapat menyusun makalah ini dengan baik

dan benar, serta tepat pada waktunya. Dalam makalah ini kami akan membahas mengenai

Pemodelan Representasi Pengetahuan Sistem Pakar dengan menggunakan Kaidah Produksi.

Makalah ini dibuat dengan melakukan observasi pada sebuah jurnal yang memuat

Sistem Pakar dengan menggunakan menggunakan representasi pengetahuan kaidah produksi

didalamnya. Banyak pihak membantu menyelesaikan tantangan dan hambatan selama

mengerjakan makalah ini. Oleh karena itu, kami mengucapkan terima kasih yang sebesar-

besarnya kepada semua pihak yang telah membantu dalam penyusunan makalah ini.

Kami menyadari bahwa masih banyak kekurangan yang mendasar pada makalah ini.

Oleh karena itu kami mengundang pembaca untuk memberikan saran serta kritik yang dapat

membangun kami. Kritik konstruktif dari pembaca sangat kami harapkan untuk

penyempurnaan makalah selanjutnya.

Akhir kata semoga makalah ini dapat memberikan manfaat bagi kita semua.

Malang, Oktober 2013

Penulis

Page | i

DAFTAR ISI

Kata Pengantar............................................................................................................................i

Daftar Isi....................................................................................................................................ii

Bab1 : Pendahuluan....................................................................................................................1

1.1. Latar Belakang.............................................................................................................1

1.2. Rumusan Masalah........................................................................................................2

1.3. Tujuan..........................................................................................................................2

1.4. Manfaat........................................................................................................................2

Bab2 : Dasar Teori.....................................................................................................................3

2.1. Pengetahuan.................................................................................................................3

2.2. Representasi Pengetahuan...........................................................................................4

2.2.1 Karakteristik Representasi Pengetahuan.............................................................4

2.2.2 Model Representasi Pengetahuan.......................................................................5

2.2.2.1 Kaidah Produksi....................................................................................5

2.2.2.2 Jaringan Semantik..................................................................................8

2.2.2.3 Logika..................................................................................................10

2.2.2.3.1 Logika Proporsional................................................................11

2.2.2.3.2 Logika Predikat........................................................................11

2.2.2.3.2.1 Pengukuran Kuantitas..................................................13

2.2.2.4 Frame...................................................................................................14

2.2.2.5 Script....................................................................................................16

2.2.2.6 Object-Attribute-Value........................................................................19

Bab 3 : Pembahasan.................................................................................................................20

3.1. Sistem Pakar dan Representasi Pengetahuannya : Model Kaidah Produksi..............20

3.1.1 Sistem Pakar Pendiagnosa Penyakit Ginjal......................................................20

3.1.2 Sistem Pakar Untuk Pendeteksian dan Penanganan Dini Pada Penyakit Sapi. 26

3.1.3 Sistem Pakar untuk Mendiagnosa Gangguan Pencernaan Pada Orang Dewasa

30

3.1.4 Sistem Pakar Diagnosa Awal Penyakit Kulit Sapi...........................................35

Bab 4 : Penutup........................................................................................................................39

4.1. Kesimpulan................................................................................................................39

Daftar Rujukan.........................................................................................................................40

Page | ii

Page | iii

BAB I

PENDAHULUAN

1.1 Latar Belakang

Sistem Pakar merupakan salah satu area dari sistem kecerdasan buatan. Sistem ini

banyak dikembangkan dalam bidang ilmu komputer, yang mana dirancang untuk membantu

pengguna yang bukan merupakan seorang pakar untuk menyelesaikan suatu permasalahan

dengan memanfaatkan pengetahuan dan pengalaman seorang pakar yang telah diakuisisi

sebelumnya.

Sebagai salah satu dari sistem cerdas, tentunya didalam sistem pakar terdapat elemen

Basis Pengetahuan yang terdiri dari aturan (rule) dan fakta. Jika hanya terdapat basis

pengetahuan dari pakar saja tidaklah cukup untuk mengimplementasi suatu sistem menjadi

sebuah sistem pakar yang utuh, basis pengetahuan tersebut harus disesuaikan dengan

implementasi pada sistem dalam pemrograman komputer. Dikarenakan, Sistem Pakar sendiri

merupakan basis pengetahuan yang telah dilakukan inferensi sebelumnya [4].

Komputer tidak mengenal basis pengetahuan yang dirancang oleh kebanyakan

manusia. Basis pengetahuan sendiri biasanya ditulis dalam bahasa natural oleh manusia, yang

mana belum terbentuk seperti bahasa pemrograman pada umumnya yang dapat langsung

diproses oleh komputer.

Untuk itu, basis pengetahuan yang telah didapatkan sebelumnya harus dilakukan

representasi pengetahuan terlebih dahulu. Representasi pengetahuan itu sendiri merupakan

kegiatan untuk mengkodekan pengetahuan yang telah didapat dari akuisisi pengetahuan

kedalam sistem pakar itu sendiri dan akan dilakukan inferensi nantinya [1].

Pengetahuan dapat direpresentasi dalam berbagai macam bentuk pada proses

representasi pengetahuan ini, baik bentuk yang simpel ataupun kompleks [2]. Pada makalah

ini akan dibahas bagaimana bentuk-bentuk dari pemodelan representasi pengetahuan yang

digunakan dalam sistem pakar beserta beberapa contoh kasus pemodelan representasi

pengetahuan yang dapat diterapkan dalam sistem pakar.

Page | 1

1.2 Rumusan Masalah

Apa sajakah metode-metode representasi pengetahuan yang biasa diterapkan

pada sistem pakar?

Bagaimana contoh kasus representasi pengetahuan yang dapat diterapkan pada

sebuah sistem pakar?

1.3 Tujuan

Mengetahui macam-macam metode representasi pengetahuan dari sistem

pakar

Mengetahui contoh penggunaan representasi pengetahuan pada kasus nyata

yang biasa diterapkan didalam sistem pakar

1.4 Manfaat

Penulis paham akan macam – macam metode representasi pengetahuan dari

sistem pakar

Penulis paham akan contoh penggunaan metode representasi pengetahuan

pada kasus yang biasa diterapakn pada sistm pakar

Page | 2

BAB II

DASAR TEORI

2.1 Pengetahuan

Pengetahuan merupakan salah satu kata, dimana seseorang mengetahui artinya, tetapi

sulit untuk mendefinisikannya. Pengetahuan mempunyai banyak arti, dengan kata lain, kata

seperti data, fakta dan informasi sering digunakan secara sinonim dengan pengetahuan [4].

Pengetahuan sangat penting ada didalam sebuah sistem pakar, sama seperti analogi

ekspresi jenis Wirth [4] :

Algoritma + Struktur Data = Program

Dan untuk sistem pakar adalah :

Pengetahuan + Inferensi = Sistem Pakar

Noise merupakan suatu item yang tidak mempunyai maksud (interest). Noise

merupakan data yang masih kabur atau tidak jelas. Data adalah item yang mempunyai makna

potensial. Data diolah menjadi pengetahuan. Meta knowledge adalah pengetahuan tentang

pengetahuan dan keahlian [3]

Gambar Hierarki Pengetahuan [4]

Karakteristik pengetahuan yang diperoleh tergantung pada sifat masalah yang akan

diselesaikan, tipe dan tingkat pengetahuan seorang pakar. Pengetahuan harus diekstraksikan

dan dikodekan dalam suatu bentuk tertentu untuk memecahkan masalah. Ketika pengetahuan

Page | 3

dalam suatu bidang kepakaran tersedia, maka dipilih representasi pengetahuan yang tepat.

Pengetahuan dapat digolongkan menjadi dua kategori, yaitu: pengetahuan deklaratif dan

pengetahuan prosedural [3].

Pengetahuan deklaratif mengacu pada fakta, sedangkan pengetahuan prosedural

mengacu pada serangkaian tindakan dan konsekuensinya. Pengetahuan deklaratif juga terlibat

dalam pemecahan masalah, sedangkan pengetahuan prosedural diasosiasikan dengan

bagaimana menerapkan strategi atau prosedur penggunaan pengetahuan yang tepat untuk

memecahkan masalah [3].

Pengetahuan deklaratif menggunakan basis logika dan pendekatan relasi. Representasi

logika menggunakan logika proporsional dan logika predikat. Model relasi menggunakan

jaringan semantik, graph dan pohon keputusan (decision tree). Pengetahuan prosedural

menggunakan algoritma sebagai prosedural pemecahan masalah [3].

2.2 Representasi Pengetahuan

Representasi Pengetahuan merupakan metode yang digunakan untuk mengkodekan

pengetahuan didalam sebuah sistem pakar. Representasi sendiri dimaksudkan untuk

mengungkap sifat-sifat penting dari sebuah masalah dan membuat informasi itu dapat diakses

oleh prosedur pemecahan masalah [1].

2.2.1 Karakteristik Representasi Pengetahuan

Representasi Pengetahuan sendiri mempunyai karakteristik, diantaranya adalah [1] :

a. Harus bisa diprogram dengan bahasa pemrograman atau dengan shells dan hasilnya

disimpan didalam memori

b. Dirancang sedemikian sehingga isinya dapat digunakan untuk proses penalaran

c. Model representasi pengetahuan merupakan sebuah struktur data yang dapat

dimanipulasi oleh mesin inferensi dan pencarian untuk aktivitas pencocokan pola.

Page | 4

2.2.2 Model Representasi Pengetahuan

Sistem Pakar mempunyai beberapa metode representasi pengetahuan. Jika

pengetahuan yang dimiliki merupakan pengetahuan yang bersifat deklaratif, maka ketode

untuk merepresentasikannya adalah dengan menggunakan jaringan semantik, frame, dan

logika predikat. Tetapi jika pengetahuannya berupa pengetahuan prosedural yang

merepresentasikan aksi dan prosedur, maka metode representasi pengetahuan yang tepat

adalah dengan menggunakan metode representasi pengetahuan kaidah produksi [1].

2.2.2.1 Kaidah Produksi

Metode representasi dengan menggunakan kaidah produksi sangat umum digunakan

sebagai basis pengetahuan dalam sistem pakar jika keuntungan melebihi kerugiannya [4].

Dalam langkah kaidah produksi akan dituliskan beberapa perintah dalam bentuk jika-

maka (IF-THEN). Kaidah ini terdiri dari dua bagian yaitu bagian premis (IF) yang berisi hal

atau informasi yang dianggap benar dan bagian dari konklusi (THEN) yang berisi tentang

kesimpulan atau hasil dari premis yang saling berhubungan. Jika bagian premis benar maka

demikian juga konklusinya juga benar [5].

Kaidah nmenyediakan cara formal untuk mempresentasikan rekomendasi, arahan,

atau strategi. Kaidah produksi dituliskandalam bentuk jika-maka (if-then). Kaidah if-then

menghubungkan anteseden (antecedent) dengan konskuensi yang diakibatkannya. Berbagai

struktur kaidah if-then yang menghubungkan obyek atau atribut adalah sebagai berikut [6]:

JIKA premis MAKA konklusi

JIKA masukan MAKA keluaran

JIKA kondisi MAKA konsekuen

JIKA data MAKA hasil

JIKA tindakan MAKA tujuan

Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat

diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat

diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat

diambil. Anteseden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati.

Page | 5

Data mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Tindakan

mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan (Hanifah,

1998) [6].

Kaidah dapat diklasifikasikan menjadi dua, yaitu kaidah derajat pertama (first order

rule) dan kaidah meta (meta rule) (Giarrantano dan Riley, 1994). Kaidah derajat pertama

adalah kaidah sederhana yang terdiri dari anteseden dan konsekuen [6] [2]. Misalnya :

JIKA bersin-bersin dan pusing

MAKA terserang penyakit flu

Kaidah meta adalah kaidah yang anteseden atau konsekuenya mengandung informasi

tentang kaidah yang lain [6] [2]. Misalnya :

JIKA mengalami kehilangan kesadaran yang berlangsung singkat, sehinnga aktivitas yang sedang berjalan terhenti

DAN terkadang disertau dengan mata yangmenatap kosong dan gerakan mioklonik dari sekelompok otot mata atau wajah, otomatisme, kehilangan tanus otot (sehingga barang yang dipegang bisa terjatuh atau bila sedang berdiri bisa jatuh).

DAN serangan berakhirdengan diikuti oleh pulihnya kesadaran

DAN berlangsung beberapa detik sampai setengah menit, dan dapat berlangsung puluhan kali dalam sehari

MAKA mengalami tipe sawan lena.

Terdapat tiga elemen utama dari semua sistem kaidah produksi, diataranya [11] :

1. Database global

Merupakan struktur data utama dari sistem produksi.

2. Kaidah produksi

Kaidah produksi mempunyai bagian kondisi (IF) yang disebut bagian kanan

dan aksi (THEN) yang disebut bagian kiri.

Page | 6

3. Sistem kontrol

Merupakan program penterjemah yang esensial untuk mengontrol urutan dimana

kaidah-kaidah produksi dipicu dan menyelesaikan konflik jika lebih dari satu kaidah yang

diaplikasikan.

Gambar Komponen Kaidah Produksi [11]

Beberapa keuntungan yang dapat diperoleh dari sistem produksi yaitu [11] :

1. Expressiveness dan intuitiveness

Karena berkaitan dengan pengalaman pekerjaan manusia dan

diorganisasikan dalam bentuk saran atau nasehat.

2. Sederhana

Sederhana karena menggunakan kaidah produksi berupa IF..THEN

sehingga tepat mengarah kepada pendokumentasian.

3. Kemampuam modularity dan kemampuan memodifikasi

Informasi dapat ditambahkan dan dihapus dari sistem secara esensial dan

tidak mengakibatkan efek samping serta dapat menunjukkan kenaikan

produksi dengan tidak mengalami pengurangan kinerja (Ciri modular).

4. Pengetahuan intensif

Page | 7

Struktur Kontrol (Intepretasi

Kaidah)

Basis Pengetahuan (Kumpulan

Kaidah)

Database Global (Working Memory)

Pengetahuan intensif yang diberikan berupa pengetahuan murni karena

setiap kaidah produksi ekuivalen untuk suatu ringkasan dan kejelasan.

2.2.2.2 Jaringan Semantik

Jaringan Semantik, merupakan teknik representasi kecerdasan buatan klasik yang

dibunakan untuk informasi proporsional. Jaringan semantik kadang disebut juga dengan

“proportional net” [4].

Jaringan semantik pertama kali dikembangan untuk kecerdasan buatan sebagai cara

untuk menunjukkan memori manusia dan pemahaman bahasa oleh Ross Quillian pada tahun

1968. Quilian menggunakan jaringan semantik untuk menganalisa arti kata dalam kalimat.

Sejak saat itu, jaringan semantik kemudian diretapkan pada banyak problem termasuk

representasi pengetahuan [2] [4].

Jaringan semantik merupakan jaringan data dan informasi, yang menentukan

hubungan berbagai objek dimana informasi yang terhubung tersebut adalah informasi yang

proporsional. Dalam matematika istilah jaringan semantik adalah suatu label atau graph

berarah [7].

Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan

yang memperlihatkan hubungan hirarkis dari objek-objek. Komponen dasar untuk

merepresentasikan pengetahuan dalam bentuk jaringan semantik dalam bentuk simpul (node)

dan penghubung (link). Simpul merepresentasikan objek, konsep ataupun sebuah situasi.

Simpul digambarkan dengan kotak atau lingkaran. Pehubung menghubungkan antarsimpul.

Penghubung digambarkan dengan panah berarah dan diberi label untuk menyatakan

hubungan yang direpresentasikan [2]. Berikut ini adalah contoh bagaimana pengetahuan

dapat direpresentasikan dengan menggunakan jaringan semantik :

Gambar Representasi Jaringan Semantik [2]

Page | 8

PC Komputer Alat Elektronik

Monitor

merupakan merupakan

memiliki

Pada gambar, jaringan semantik merepresentasikan pernyataan bahwa semua

komputer merupakan alat elektronik, semua PC merupakan komputer, dan semua komputer

memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki

monitor dan hanya sebagian alat elektronik yang memiliki monitor [2].

Hampir semua objek atribute, pemikiran atau apapundapan dihubungkan dan

dirumuskan antara 1 dengan yang lainya oleh garis -garis, arc umunya menggunakan metode

seperti: "IS-A", "HAS-A", dan lain sebagainya [7].

Jaringan semantik merupakan pengetahuan secara grafis yang menunjukan hubungan

antara berbagai objek, kita juga dapat memperluas jaringan semantik dengan menambah node

dan menghubungkan dengan node yang berkesesuaian pada jaringan semantik [7].

Jaringan semantik dapat diperluas dengan menambah node yang bersesuaian pada

jaringan semantik tersebut. Node baru tersebut dapat merupakan objek tambahan ataupun

sebuah properti tambahan [11].

Pada umumnya penambahan dapat dilakukan dengan 3 cara [7] :

1. Objek yang sama

Penambahan node pada objek yang sama dengan menggunakan

hubungan "IS-A"

2. Objek yang lebih khusus

Penambahan node yang merupakan objek khusus

3. Objek yang lebih umum

Kita dapat menambah node yang merupakan representasi yang lebih

umum dari suatu node, yang melakukan link dengan arc "IS-A"

Page | 9

2.2.2.3 Logika

Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem

kaidah, dan prosedur yang membantu proses penalaran. Logika merupakan bentuk

representasi pengetahuan yang paling tua, yang menjadi dasar dari teknik representasi high

level [2].

Dalam melakukan penalaran, komputer harus dapat menggunakan proses penalaran

dedukti dan induktif ke dalam bentuk yang sesuai dengan manipulasi komputer, yaitu berupa

Logika Simbolik atau Logika Matematik. Metode itu disebut Logika Komputasional. Bentuk

logika komputasional ada 2 macam, yaitu Logika Proporsional atau Kalkulus dan Logika

Predikat [2].

Penalaran deduktif bergerak dari penalaran umum menuju ke konklusi khusus.

Umumnya dimulai dari suatu silogisme, atau pernyataan premis dan inferensi yang biasanya

terdiri dari 3 bagian, yaitu premis mayor, premis minor, dan konklusi [2].

Berikut ini merupakan contoh penalaran secara deduktif :

Premis mayor : Jika hujan turun, saya tidak akan lari pagi

Premis minor : Pagi ini hujan turun

Konklusi : Oleh karena itu pagi ini saya tidak akan lari pagi

Penalaran induktif merupakan kebalikan dari penalaran deduktif, dimulai dari masalah

khusus menuju ke masalah umum. Penalaran ini menggunakan sejumlah fakta atau premis

yang mantap untuk menarik kesimpulan umum [2].

Berikut ini merupakan contoh dari penalaran secara induktif :

Premis : Dioda yang salah menyebabkan peralatan elektronik rusak

Premis : Transistor rusak menyebabkan peralatan elektronik rusak

Premis : IC rusak menyebabkan peralatan elektronik tidak berfungsi

Konklusi : Maka, peralatan semikonduktor rusak merupakan penyebab utama

rusaknya peralatan elektronik

Page | 10

Pada penalaran induktif konklusi tidak selalu mutlak, dapat berubah bilamana

ditemukan fakta-fakta baru.

2.2.2.3.1 Logika Proporsional

Proposisi merupakan suatu statement atau pernyataan yang menyatakan benar

(TRUE) atau salah (FALSE). Operator logika dan simbolnya ditunjukkan dalam tabel berikut

ini :

Operator Simbol

AND &&

OR + , ||

NOT -

IMPLIES ->

Tabel Operator logika dan simbol [2].

A B A & B A | B -A A -> B

T T T T F T

T F F T F F

F T F T T T

F F F F T T

Tabel Kebenaran Operator Logika [2].

2.2.2.3.2 Logika Predikat

Logika predikat adalah suatu logika yang lebih canggih yang seluruhnya

menggunakan konsep dan kaidah proposional yang sama. Disebut juga sebagai kalkulus

predikat, yang memberi tambahan kemampuan untuk merepresentasikan pengetahuan dengan

sangat cermat dan rinci [2].

Kalkulus predikat memungkinkan kita untuk memecahkan statement ke dalam bagian

komponen, yang disebut objek, karakteristik objek atau beberapa keterangan objek. Suatu

Page | 11

proposisi atau premis dibagi menjadi dua bagian, yaitu Argumen (atau objek) dan Predikat

(keterangan). Argumen adalah individu atau objek yang membuat keterangan. Predikat

adalah keterangan yang membuat argumen dan predikat [2].

Dalam suatu kalimat, predikat dapat berupa kata kerja atau bagian kata kerja.

PREDIKAT (individu[objek] 1 , individu[objek] 2)

Misalnya proposisi :

Mobil berada dalam garasi

Dinyatakan menjadi

Di dalam (mobil, garasi)

Keterangan :

Di dalam = produk (keterangan)

Mobil = Argumen (objek)

Garasi = Argumen (objek)

Contoh lain :

Proposisi : Rojali suka Juleha

Kalkulus Predikat : SUKA (Rojali, Juleha)

Proposisi : Pintu Terbuka

Kalkulus Predikat : BUKA (pintu)

Proposisi : Sensor cahaya aktif

Kalkulus Predikat : AKTIF (sensor cahaya)

Page | 12

Pengetahuan diekspresikan dalam kalkulus predikat yang dapat dimanipulasi agar dapat

diinferensi/dinalar. Pangkalan pengetahuan dibentuk dengan menggunakan variabel sebagai simbol-

simbol untuk merancang obyek, misalnya :

x = Rojali

y = Juleha

Maka proposisinya menjadi Suka(x,y)

Predikat kalkulus membolehkan penggunaan simbol untuk mewakili fungsi-fungsi,

Misalnya:

ayah(Juleha) = Jojon

ibu(Rojali) = Dorce

Fungsi dapat digunakan bersamaan dengan predikat. Misalnya, predikat berikut

menjelaskan bahwa Jojon dan Dorce adalah berteman :

teman(ayah(Juleha),ibu(Rojali))=teman(Jojon,Dorce)

Predikat kalkulus menggunakan operator yang sama seperti pada logika proporsional.

2.2.2.3.2.1 Pengukuran Kuantitas

Pengukuran Kuantitas adalah simbol yang mengijinkan untuk menyatakan suatu

rangkaian atau cakrawala variabel dalam suatu ekspresi logika. Dua pengukuran kuantitas,

yaitu [2] :

Kuantitas universal (∀) Untuk semua

Kuantitas eksistensial (∃) Ada / terdapat

Page | 13

Contoh:

Semua sapi berkaki empat :

(∀x)[Sapi(x), berkaki empat(x)]

Beberapa sapi berwarna putih

(∃x)[Sapi(x), berwarna putih(x)]

2.2.2.4 Frame

Frame adalah struktur data untuk mengoprasikan pengetahuan stereotip dari suatu

konsep atau objek. Pertama kali diusulkan oleh Minsky pada tahun 1975. Perencanaan sistem

pakar merupakan ide yang sama pada skema untuk menangkap dan merepresentasikan

konseptual dalam sistem pakar [7]. Frame berupa ruang-ruang (slots) yang berisi atribut

untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa

kejadian, lokasi. Situasi, ataupun elemen-elemen lainnya. Frame digunakan untuk

merepresentasikan pengetahuan deklaratif [2].

Frame memuat deskripsi sebuah objek dengan menggunakan tabulasi informasi yang

berhubungan dengan objek. Dengan demikian bingkai membantu menirukan cara seseorang

mengorganisasikan informasi tentang sebuah objek yang menjadi kumpulan data [2].

Frame terdiri dua elemen dasar, yaitu slot dan facet (merupakan subslot). Slot

merupakan kumpulan atribut atau properti yang menjelaskan objek yang direpresentasikan

oleh frame dan subslot menjelaskan pengetahuan atau prosedur dari atribut pada slot [11].

Slot dalam frame mungkin berisi informasi sebagai berikut :

1. Informasi identifikasi frame.

2. Hubungan frame dengan frame yang lain.

3. Penggambaran persyaratan yang dibutuhkan frame.

4. Informasi prosedural untuk menggunakan struktur yang digambarkan.

5. Informasi default frame.

6. Informasi baru.

Page | 14

Sedangkan, subslot terdiri dari beberapa bentuk antara lain [11] :

1. Value : nilai dari suatu atribut.

2. Default : nilai yang digunakan jika slot kosong atau tidak dideskripsikan pada

instansiasi frame.

3. Range : jenis informasi yang muncul pada slot.

4. If added : berisi informasi tindakan yang akan dikerjakan jika nilai slot diisi.

5. If needed : Facet (subslot) ini digunakan pada kasus dimana tidak ada value

pada slot.

6. Other : Slot dapat berisi frame, rule, jaringan semantik ataupun tipe lain dari

informasi.

Terdapat dua jenis properti yaitu properti statis dan dinamis. Properti statis merupakan

fitur dari objek yang tidak dapat berubah, sedangkan properti dinamis merupakan fitur yang

dapat berubah selama sistem berjalan [11].

Frame merupakan cara yang lebih kompleks untuk menyimpan objek dan nilai

atributnya bila dibandingkan dengan jaringan semantik. Frame menambahkan kecerdasan

pada representasi data dan mengijinkan objek untuk menurunkan nilai dari objek yang lain.

[2]. Contoh dari Frame ditunjukkan pada tabel dibawah ini :

Ruang (slots) Isi (fillers)

Nama Flu

Gejala a) Bersin

b) Pusing

c) Demam

Obat a) Ultraflu

b) Mixagrip

Tabel Frame Penyakit [2].

Page | 15

Seperti pada jaringan semantik, tidak terdapat standar untuk mendefiniskan sistem

berbasiskan frame. Frame dapat dipandang sebagai suatu struktur record pada bahasa tingkat

tinggi atau sebuah atom dengan daftar propertinya [2].

2.2.2.5 Script

Script adalah skema representasi pengetahuan yang sama dengan frame, yaitu

merepresentasikan pengetahuan berdasarkan karakteristik yang sudah dikenal sebagai

pengalaman-pengalaman. perbedaannya, frame menggambarkan urutan objek, sedangkan

script menggambarkan urutan peristiwa. dalam menggambarkan urutan peristiwa, script

menggunakan slot yang berisi informasi tentang orang, objek, dan tindakan-tindakan yang

terjadi dalam suatu peristiwa [8].

Elemen script meliputi [8] :

1. Kondisi input, yaitu kondisi yang harus dipenuhi sebelum terjadi atau berlaku

suatu peristiwa dalam script

2. Track, yaitu variasi yang mungkin terjadi dalam suatu script

3. Prop, berisi objek-objek pendukung yang digunakan selama peristiwa terjadi

4. Role, yaitu peran yang dimainkan oleh seseorang dalam peristiwa

5. Scene, yaitu adegan yang dimainkan yang menjadi bagian dari suatu peristiwa

6. Hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi.

Berikut ini adalah contoh script kejadian pada saat “Pesan Antar makanan” [8] :

Script : Pesan Antar Makanan

Jalur (track) : pesan antar makanan via telepon

Role (peran) : pemesan, call service, koki, kasir, kurir

Prop (pendukung) : rumah makan, telepon, komputer (database), perlengkapan

masak, bahan-bahan masakan, kendaraan

Kondisi input : pemesan memesan menu dengan memberitahu nama, alamat,

dan nomor telepon kepada call center

Page | 16

Adegan (scene) – 1 : Pemesan memesan makanan

Pemesan menghubungi rumah makan yang dituju

Pemesan menyebutkan menu yang ingin dipesan

Call service mengecek ketersediaan menu yang dipesan

Pemesan menyebutkan nama, alamat, dan nomor telepon kepada call

center

Call center menyebutkan jumlah menu yang dipesan dan biayanya

Adegan – 2 : Rumah makan mempersiapkan pesanan

Koki memasak menu makanan yang dipesan

Koki membungkus rapi paket menu yang dipesan

Kasir membuat struk pemesanan dan menyerahkannya kepada kurir

Koki memberikan paket menu tersebut kepada kurir

Adegan – 3 : Kurir mengantar paket pesanan

Kurir menerima dari koki paket menu yang dipesan

Kurir membawa struk yang berisi nama, alamat, dan nomor telepon

pemesan, beserta jumlah yang harus dibayarkan oleh pemesan

Kurir memasukkan paket pesanan ke dalam box

Kurir berangkat mencari alamat pemesan

Kurir tiba di tujuan

Kurir menanyakan kebenaran alamat pemesan

Page | 17

Adegan – 4 : Pemesan menerima pesanan

Pemesan menerima paket pesanan dan struk dari kurir

Pemesan mengecek paket, apakah sesuai pesananan atau tidak

Pemesan membayar paket pesanan tersebut kepada kurir

Pemesan memberi tips kepada kurir

Kurir menerima uang pembayaran

Hasil :

Kurir senang dan berterimakasih

Pemesan senang

Pemesan kenyang

Pemesan puas

Pemesan kecewa

Pemesan masih lapar

Script sangat baik untuk meramalkan apa yang akan terjadi dalam situasi tertentu.

Walaupun peristiwa itu tidak pernah diobservasi terlebih dahulu, tetapi script bisa

memberikan kemungkinan kepada komputer untuk meramalkan apa yang akan terjadi,

kepada siapa dan kapan [11].

Ada beberapa keistimewaan script yang perlu dicatat, yaitu :

1. Script menyediakan beberapa cara yang sangat alami untuk merepresentasikan

“informasi yang lazim” dengan masalah yang bersumber dari sistem AI dari

permulaannya.

2. Script juga menyediakan struktur hirarki untuk merepresentasikan informasi

Page | 18

melalui inklusi subscript dengan script.

3. Struktur representasi pengetahuan lain seperti aturan kaidah dapat digunakan

dalam cara alami dengan script formal.

Keistimewaan tersebut memberikan script memiliki kemampuan sebagai berikut :

1. Script dapat memprediksi kejadian dan menjawab pertanyaan tentang

informasi yang tak terinci dalam baris cerita.

2. Script menyediakan suatu kerangka kerja untuk mengintegrasikan kumpulan

observasi kedalam interpretasi yang jelas.

3. Script menyediakan skema untuk kejadian yang tidak biasanya.

2.2.2.6 Object-Attribute-Value (OAV)

Object dapat berupa bentuk fisik atau konsep. Attribute adalah karakteristik atau sifat

dari object tersebut. Values (nilai) – besaran/nilai/takaran spesifik dari attribute tersebut pada

situasi tertentu, dapat berupa numerik, string atau boolean [2].

Sebuah object dapat memiliki beberapa atribute, biasa disebut OAV Multi-attribute.

Contoh dari representasi pengetahuan dengan menggunakan OAV ini adalah sebagai berikut

[2] :

Object Attribute Value

Mangga Warna Hijau, Orange

Mangga Berbiji Tunggal

Mangga Rasa Asam, Manis

Mangga Bentuk Oval

Pisang Warna Hijau, Kuning

Pisang Bentuk Lonjong

Tabel Contoh Representasi Pengetahuan dengan OAV [2]

Page | 19

BAB III

PEMBAHASAN

3.1 Sistem Pakar dan Representasi Pengetahuannya : Model Kaidah Produksi

Berikut ini akan diberikan beberapa contoh kasus mengenai suatu sistem

pakar, dan bagaimana cara merepresentasi pengetahuan dari sistem pakar tersebut

dengan beberapa model representasi pengetahuan seperti pada beberapa teori yang

telah dijelaskan pada sebelumnya.

3.1.1 Sistem Pakar Pendiagnosa Penyakit Ginjal

Ginjal merupakan salah satu organ penting untuk menyaring keluar zat racun

termasuk limbah nitrogen dari protein selain juga mengatur jumlah cairan dalam

tubuh lewat produksi air seni [9]. Dilihat dari pentingnya ginjal dalam tubuh manusia

yang merupakan organ vaskular (kaya pembuluh darah) maka perlu adanya suatu

pendeteksi dalam memecahkan suatu masalah mengenai penyakit ginjal yang

menyerang manusia [10].

Daftar Penyakit Ginjal

A= Penyakit Gagal Ginjal Akut;

B=Penyakit Gagal Ginjal Akut Kronik;

C=Penyakit Nefritis Akut;

D= Penyakit Nefropati Diabetik;

E= Penyakit Infeksi Saluran Kemih;

F= Penyakit Batu Ginjal;

G= Penyakit Pielonefritis;

H=Penyakit tuberkolosis ginjal;

I=Penyakit Obstruksi Saluran Kemih;

J=Penyakit Glomerulonefritis akut;

K=Penyakit Glomerulonefritis kronk;

L=Penyakit Nefroskelerosis;

M=Penyakit Batu Ureter;

N=Penyakit Tumor ginjal;

O=Penyakit Nekrosis Tubuler Akut [10]

Page | 20

Bisnis Rule

Seseorang bisa mengidap lebih dari satu gejala dan penyakit.

Satu gejala bisa di mliki oleh beberapa penyakit.

Pengetahuan dapat di tambah berdasarkan hak atas knowledge enginer.

Seseorang dapat mendeteksi penyakit lebih dari satu kali [10].

Tabel Keputusa

No. GejalaP E N Y A K I T

A B C D E F G H I J K L M N O1 Tekanan darah tinggi / naik V V V V V V 2 Kadar gula di atas normal V V V V V V 3 Diare V V 4 Gampang Capek V V V V V 5 Lemas / Kurang berenergi V V V V V V 6 Nafsu makan menurun V V V 7 Sulit tidur V V V 8 Kram otot(pada malam hari) V V V 9 Kaki bengkak V V V

10 kulit gatal(gatal-gatal) V V 11 kulit kering/jelek V V V V 12 bengkak pada mata(pada pagi hari) V V V

13Sering kencing /Nokniria(terutama malam hari) V V V V V V V

14 Pembengkakan pada tungkai(edema) V V V V V15 pembengkakan pada muka

16Ascites (penimbunan air dalam rongga perut) V V

17 Gangguan pengecapan V V V 18 Berat badan nurun V V V V V 19 Tidak keluar urin V V 20 Protein dan darah di urin/hermania V V V V V V V V V

21Cairan di selaput jantung dan paru-paru V V

22 Sesak nafas V V 23 Gerakan-gerakan tak terkendali V V 24 HB turun V V 25 Vena dileher melebur V V 26 Produksi urin menurun V V V V V V V 27 Kolesterol naik 28 Bengkak pada perut V 29 Nyeri pinggang/hebat kolik V V V V V V V 30 Demam V V V V V 31 Menggigil V V

32Rasa panas/terbakar saat kencing(Disuria) V V V

Page | 21

37 Sering cegukan V 38 urgensi/merasa harus berkemih segara V V V 39 Penurunan kesadaran V V V V V40 Kejang-kejang V V 41 Kencing keluar batu/pasir V V 42 Nyeri di daerah kemaluan dan selangkangan V 43 Nafas bau V V44 Sesuatu yang asing dalam kandung kemih 45 Nyeri saat buang air kecil V V 46 Buang air kecil merah/berdarah V 47 Bekuan darah V 48 Nyeri perut V V 49 Sukar berkonsentrasi V V V 50 Pegal pinggang/panggul V V V V 51 Nyeri tekan di area ginjal V V V V 52 Oliguria(urine keluar<400ml/24jam V V V V V53 Bau air kencing yang lebih V 54 Pucat/anemia V V V V55 Reaksi alergi 56 Penglihatan kabur V 57 Dispnea waktu melakukan kegiatan V 58 Sulit berkemih 59 Massa di sudut kostovertebrata V 60 kulit mudah lecet 61 insomia V 62 Bingung V V 63 Urea frost(kristalisasi urea pada kulit) V 64 kelemahan otot-otot V V 65 nyeri ketok pada pinggang V 66 pendarahan V V 67 Haus/dehidrasi V 68 Nafsu seks menurun V V 69 Berak darah V V70 Payah jantung V 71 Pusing pada setiap perubahan posisi tubuh V

Tabel Contoh Tabel Keputusan Penyakit Ginjal [10]

Representasi Pengetahuan

Dalam perancangan basis pengetahuan ini digunakan kaidah produksi sebagai

sarana untuk representasi pengetahuan. Kaidah produksi dituliskan dalam bentuk

pernyataan: JIKA [premis] MAKA [konklusi]. Pada perancangan basis pengetahuan

sistem pakar ini premis adalah gejala-gejala yang terlihat pada pasien dan konklusi

adalah jenis penyakit atau daftar penyakit ginjal sehingga bentuk pernyataannya

adalah JIKA [gejala] MAKA [gangguan].

Page | 22

a. Pada aturan 1 (Rule 1) berdasarkan tabel keputusan di atas, maka aturan yang di

gunakan untuk penyakit Gagal Ginjal Akut :

IF Tekanan darah tinggi

AND Kadar gula di atas normal

AND Kulit Kering jelek

AND Bengkak pada mata

AND Sering kencing Nokturia

AND Pembengkakan pada tungkai Edema

AND Tidak keluar urin

AND Hematuria

AND Produksi urin menurun

AND Nyeri pinggang hebat kolik

ANd Mual muntah

AND Sakit kepala

AND Sering Masuk Angin

AND Sering cegukan

AND Penurunan kesadaran

AND Nafas Bau

AND Oliguria

AND Pucat anemia

AND Haus Dehidrasi

AND Berak darah

AND Payah jantung

AND Pusing pada setiap posisi tubuh

THEN Gagal Ginjal Akut [10]

b. Pada aturan 2 (Rule 2) berdasarkan tabel keputusan dapat di tentukan aturan

untuk penyakit Gagal Ginjal Kronik :

IF Tekanan darah tinggi

AND Kadar gula di atas normal

AND Gampang capek

AND Lemas/kurang berenergi

AND Nafsu makan menurun

Page | 23

AND Sulit tidur

AND Kram otot pada malam hari

AND Kaki bengkak

AND Kulit gatal/gatal-gatal

AND Kulit kering/jelek

AND Bengkak pada mata

AND Sering kencing/nokturia

AND Pembengkakan pada tungkai/edema

AND Ascites/penimbunan air dalam rongga perut

AND Gangguan pengecapan

AND Berat badan turun

AND Cairan selaput dijantung

AND Sesak nafas

AND Gerakan-gerakan tak terkendali

AND Kelainan urin

AND HB turun

AND Vena di leher melebar

AND Produksi urin menurun

AND Kejang-kejang

AND Sukar berkonsentrasi

AND Pucat/anemia

AND Kulit mudah lecet

AND Insomnia

AND impotensi

AND Bingung

AND Urea frost/kristalisasi urea pada kulit

AND Kelemahan otot-otot

AND Nafsu seks menurun

THEN Gagal Ginjal Kronik [10]

c. Pada aturan 3 (rule 3) berdasarkan tabel keputusan, atuaran yang dapat di

gunakan untuk Penyakit Nefritis Akut:

IF Pembengkakan pada tungkai/Edema

AND Protein dan darah di urin/hematuria

Page | 24

AND Demam

AND Oliguria/Urine keluar < 400ml per 24 jam

THEN Nefritis Akut

d. Pada aturan 4(Rule 4) berdasarkan tabel keputusan dapat di gunakan aturan

untuk penyakit Nefropati Diabetik:

IF Tekanan darah tinggi/naik

AND Kadar gula di atas normal

AND Gampang capek

AND Lemas/kurang berenergi

AND Nafsu makan menurun

AND Sulit tidur

AND Kram otot pada malam hari

AND Kaki bengkak

AND Kulit kering/jelek

AND Sering kencing/nokturia

AND Gangguan pengecapan

AND Kelainan urin

AND Produksi urin menurun

AND Sukar berkonsentrasi

AND Insomnia

AND Bingung

AND Kelemahan otot-otot

THEN Nefropati Diabetik [10]

e. Aturan 5 (Rule 5) berdasarkan tabel keputusan dapat digunakan aturan untuk

Penyakit Infeksi Saluran Kemih:

IF Tekanan darah tinggi/naik

AND Kadar gula di atas normal

AND Produksi urin menurun

AND Nyeri pinggang/hebat kolik

AND Demam

AND Rasa panas/terbakar saat kencing(Disuria)

Page | 25

AND Mual dan muntah

AND Urgensi/merasa harus berkemih segera

AND Nyeri saat buang air kecil

AND Pegal pinggang/panggul

AND Nyeri tekan di area ginjal

AND Oliguria(urine keluar < 400ml/24 jam

THEN Infeksi saluran kencing kemih [10]

3.1.2 Sistem Pakar Untuk Pendeteksian dan Penanganan Dini Pada Penyakit Sapi

Salah satu bagian yang paling penting dalam penanganan kesehatan ternak

adalah melakukan pengamatan terhadap ternak yang sakit melalui pemeriksaan ternak

yang diduga sakit. Salah satu hewan ternak yang memiliki potensi dan harga tinggi

adalah sapi. Deteksi dan penanganan dini pada penyakit sapi adalah hal penting untuk

peningkatan produktivitas daging sapi. Ketergantungan akan keberadaan seorang

dokter hewan sangatlah tinggi terutama bagi para peternak di desa. Namun

keberadaan seorang dokter hewan tidak selalu ada setiap saat atau susah ditemui

terutama di daerah pedesaan [12]. Sehingga dibutuhkan suatu sistem yang mudah

digunakan untuk mendeteksi kesehatan hewan ternak dan apabila sakit dapat

memberikan informasi penanganan dini.

Daftar penyakit sapi :

a. Penyakit Sapi Ngorok (Septisemia Epizootica)

Penyakit yang disebabkan oleh bakteri Pasturella multocida ini

menyebar melalui makanan dan minuman yang tercemar bakteri dan

menyebabkan ternak sapi mengalami peradangan sehingga menderita

kesulitan bernafas seperti sedang mengorok. Penyakit sapi ngorok ini juga

dapat disebabkan kebersihan kandang atau sistem sanitasi kandang yang

tidak dijaga dengan baik [12].

b. Penyakit Mastitis

Page | 26

Penyakit mastitis atau yang biasa disebut radang ambing adalah

penyakit yang sering menyerang ternak sapi. Penyakit ini menyebabkan

produksi susu menurun, kualitas susu ayng dihasilkan juga turun. Apabila

sapi terserang penyakit ini makan ambing sapi mengalami pembengkakan

dalam skala tidak normal. Tanda-tanda lain penyakit ini adanya radang,

yang berupa kebengkakan, panas dalam rabaan, rasa sakit (hati-hati atas

sepakan waktu memeriksa), warna yang kemerahan dan terganggunya

fungsi, jelas dapat ditemukan pada waktu pemeriksaan. Air susu jadi

‘pecah’, bercampur endapan konsistensi air susu jadi lebih encer dan

warna juga menjadi agak kebiruan, atau putih yang pucat [12].

c. Penyakit Mulut Kuku

Penyakit Mulut dan Kuku (PMK) atau foot and mouth disease

merupakan penyakit hewan yang terjadi hampir pada seluruh negara di

dunia,penyakit ini sangat cepat menular dan menimbulkan kerugian besar

bagi peternak. Penyakit Mulut dan Kuku (PMK) merupakan salah satu

penyakit sapi yang dimasukkan kedalam daftar A Organisasi Kesehatan

Hewan Dunia. Gejala klinis yang tampak pada hewan yang terserang

penyakit ini hampir sama dengan penyakit sapi ngorok , namun yang

paling Nampak jelas dan membedakan adalah ternak yang terserang

penyakit ini mengalami luka seperti luka melepuh pada mulut bagian

dalam dan daerah sekitar kuku [12].

Tabel Keputusan

No Gejala PenyakitSapi Ngorok Mastitis Penyakit

Mulut Kuku1 Ambing

hangatya - -

2 Ambing keras ya - -3 Susu

menggumpalya - -

4 Susu bercampur nanah

ya - -

5 Susu bercampur

ya - -

Page | 27

darah6 Bau susu tidak

sedapya - -

7 Susu berasa getir

ya - -

8 Mendengkur - ya -9 Suhu tubuh

tinggi- ya ya

10 Ingus banyak - ya -11 Ingus berbuih - ya -12 Ingus

bernanah- ya -

13 Pembengkakan pada leher

- ya -

14 Kotoran kering - ya -15 Perut kembung - ya -16 Mata sapi

merah- ya -

17 Terjadi pergantian musim

- ya -

18 Genangan air berlebihan

- ya -

19 Malas bergerak / pincang

- - ya

20 Nafsu makan berkurang

- - ya

21 Lepuh pada mulut dan kaki

- - ya

22 Mulut mengeluarkan busa

- - ya

23 Lendir berlebihan

- - ya

Tabel Contoh Tabel Keputusan Penyakit Sapi [12]

Representasi Pengetahuan

Representasi pengetahuan dari pendeteksian penyakit sapi berdasarkan

tabel keputusan yang ada diatas adalah sebagai berikut :

a. Pada aturan 1 berdasarkan rule diatas, maka aturan yang digunakan dalam

untuk Penyakit Sapi Ngorok adalah :

Page | 28

IF Ambing hangat

AND Ambing keras

AND Susu menggumpal

AND Susu bercampur nanah

AND Bau susu tidak sedap

AND Susu berasa getir

THEN Penyakit Sapi Ngorok

b. Pada aturan 2 berdasarkan rule diatas, maka aturan yang digunakan dalam

untuk Penyakit Mastitisadalah :

IF Mendengkur

AND Suhu tubuh tinggi

AND Ingus banyak

AND Ingus berbuih

AND Ingus bernanah

AND Pembengkakan pada leher

AND Kotoran kering

AND Perut kembung

AND Mata sapi merah

AND Terjadi pergantian musim

AND Genangan air berlebihan

THEN Penyakit Mastitis

c. Pada aturan 3 berdasarkan rule diatas, maka aturan yang digunakan dalam

untuk Penyakit Mulut Kuku adalah :

IF Suhu tubuh tinggi

AND Malas bergerak / pincang

AND Nafsu makan berkurang

AND Lepuh pada mulut dan kaki

AND Mulut mengeluarkan busa

AND Lendir berlebihan

THEN Penyakit Mulut Kuku

3.1.3 Sistem Pakar untuk Mendiagnosa Gangguan Pencernaan Pada Orang Dewasa

Page | 29

Masalah kesehatan merupakan salah satu masalah yang sering menjadi

problem tersendiri. Sebagian besar anggota masyarakat masih sering menganggap

remeh dengan adanya gejala-gejalayang diakibatkan suatu jenis penyakit, bahkan

tanpa pemeriksaan maupun petunjuk dokter mereka mau mengkonsumsi obat

dipasaran secara sembarangan tidak menutup kemungkinan akan menyebabkan

kondisi penderita akan lebih parah tanpa disengaja. Padahal seperti yang telah

diketahui sudah banyak klinik-klinik umum yang siap melayani masyarakat selain

rumah sakit atau puskesmas, karena mereka tidak mampu untuk berkonsultasi ke

dokter dikarenakan biaya yang relative mahal. Informasi pengetahuan untuk jenis

penyakit pada penelitian ini terdiri dari empat informasi penyakit pencernaan yaitu

penyakit gastritis akut ,Disentri Basiler, Diare, Akut, dan Ulkus ventrikel [13].

Daftar Penyakit

a. Disentri Baliser

b. Disentri Amoeba

c. Gastritis Akut

d. Gastritis Kronik

e. Diare Akut

f. Diare Kronik

g. Ulkus Duodenul (luka usus dua belas jari)

h. Ulkus Ventrikel

i. Typhoid (types)

j. Ileus Paralitik

k. Ileus Obstruksi

Tabel Keputusan

No Gejala Penyakita b c d e f g h i j k

1 Diare Sering Y Y Y/T2 Warna faeces

merah (darah dan berlendir)

Y

3 Sakit Perut Y4 Mejan Y5 Jarang mual Y

Page | 30

dan muntah6 Lokasi perut

sebelah kiriY

7 Melilit Y8 Nyeri seluruh

perutY/T

9 Nyeri teken perut

Y/T

10 Tenermus Y/T11 Panas Y/T Y Y12 Menggigil Y Y Y13 Sakit Kepala Y14 Keadaan

umum bisa berat (lying dysentriae)

Y

15 Diare makin lama makin berat, jarang mendadak

Y

16 Diare bercampur lendir & darah

Y

17 Nyeri perut bagian bawah

Y

18 Tidak panas (subfebris)

Y

19 Keadaan umum tidak seberat disentri basiler

Y/T

20 Hilang nafsu makan

Y Y

21 Perut kembung

Y Y Y Y

22 Nyeri ulu hati Y Y23 Mual Y Y Y Y Y Y Y24 Muntah Y Y Y Y Y25 Kolik Y26 Pnedarahan

karena obatY

27 Tidak merasa sakit

Y

28 Keadaan fisik cukup baik

Y

29 Nyeri perut Y Y

Page | 31

30 Demam Y31 Flatus

BerlebihY

32 Faktor Spikososial

Y

33 Diare tanpa nyeri

Y

34 Sakit perut waktu lapar

Y

35 Sakit di depat pusar

Y

36 Hilang 3-4 jam setelah makan

Y

37 Nafsu makan normal

Y

38 Sakit perut waktu lambung kosong&terisi

Y

39 Nyeri timbul setelah 1 jam makan

Y

40 Nyeri Y41 Malas Y42 Lesu Y43 Lidah kotor,

putih tengah, penggir merah

Y

44 Tidak bisa flatus

Y Y

45 Usus lemah Y46 Tampak

gambaran usus yang berjalan

Y

47 Tambak lekukan usus

Y

Tabel Contoh Tabel Keputusan Penyakit Gangguan Pencernaan [13]

Representasi Pengetahuan

Page | 32

Representasi pengetahuan dari pendeteksian gangguan pencernaan

berdasarkan tabel keputusan yang ada diatas adalah sebagai berikut [13] :

No / Aturan Representasi Pengetahuan Kaidah Produksi

1 IF Diare sering AND warna faeces merah (darah dan berlendir) AND mejan and jarang sekali AND lokasi sakit perut sebelah kiri AND OR nyeri seluruh perut, nyeri teken perut, tenesmus, panas AND menggigil and sakit kepala or keadaan umum dysentriae) THEN Disentri Baliser

2 IF Diare makin lama makin berat, jarang mendadak AND diare bercampur lendir dan darah AND nyeri perut bagian bawah AND tidak panas (subfebris) OR keadaan umum tidak seberat disentri basiler THEN Disentri Amoeba

3 IF Hilang nafsu makan (anoreksia) AND kembung AND nyeri epigastrium (ulu hati) AND mual OR muntah AND panas menggigil AND diare AND kolik AND perdarahan karena bahan kimia atau obat-obatan. THEN Gastritis akut

4 IF Tidak merasakan sakit AND tidak nafsu makan AND nyeri ulu hati AND mual AND keadaan fisik cukup baik. THEN Gastritis kronik

5 IF Mual, OR muntah AND nyeri perut AND demam OR diare. THEN Diare akut

6 IF kembung AND flatus berlebih AND nyeri perut AND ada faktor spikososial. OR Diare tanpa rasa nyeri

Page | 33

THEN Diare kronik

7 IF Sakit perut waktu lapar AND rasa sakit di depat pusat AND hilang 3-4 jam setelah makan AND nafsu makan tidak terganggu THEN Ulkus duodenul (luka usus dua belas jari)

8 IF Sakit perut waktu lambung kosong dan terisi AND nyeri timbul setelah ¼ - 1 jam setelah makan AND mual, OR muntah, AND nyeri THEN Ulkus ventrikrel

9 IF Panas (5-7 hari) AND mengigil AND malas, OR lesu AND mual, OR muntah AND lidah kotor keputihan ditengah dan pinggir merah (beslag) THEN Typhoid (types)

10 IF Mual AND muntahAND tidak biasa flatus (kentut) AND perut kembung AND bisisng usus lemah atau tidak ada. THEN Ileus paralitik

11 IF Mual, OR muntah AND tidak dapat flatus (kentut), OR perut kembung AND nampak gambaran lekukan usus (contour) AND nampak gambaran usus yang berjalan pada dinding usus, bising usus metalik. THEN Ileus obstruksi

Tabel Contoh Representasi Pengetahuan Penyakit Gangguan Pencernaan [13]

Page | 34

3.1.4 Sistem Pakar Diagnosa Awal Penyakit Kulit Sapi

Indonesia mempunyai potensi peternakan yang cukup besar dengan produk

unggulan antara lain sapi perah dan sapi potong, produk unggulan peternakan tersebut

berkembang dan terkonsentrasi dalam kawasan pengembangan sentra produksi, akan

tetapi tidak banyak peternak yang memiliki pengetahuan dibidang ternak hewan

khususnya dalam hal ini sapi. Seperti kasus sapi mati dalam jumlah banyak di Gunung

Kidul yang diakibatkan oleh infeksi pada kulit sapi. Hal ini disebabkan peternak

kurang mengenali secara rinci penyakit kulit pada sapi [14].

Daftar penyakit kulit sapi :

a. Penyakit Ketombe

b. Parakeratotosis

c. Hiperkeratosis

d. Skabies

e. Impetigo

f. Oedema Angioneurotik (Angioneurotik edema)

g. Urtikaria (Biduren)

h. Limfangitis/radang saluran limfa

i. Sela Karang (saccharomycosis)

j. Kadas

k. Dermatitis (radang kulit)

l. Luka bakar

m. Kudis

n. Penyakit kulit oleh caplak, kutu, lalat dan nyamuk

Representasi Pengetahuan

Adapun melakukan representasi pengetahuan dalam sistem pakar pendiagnosa

penyakit kulit adalah dengan pohon keputusan dan tabel keputusan, dari keduanya

dibentuk kaidah produksi [14].

Page | 35

o Gejala utama penyakit ketombe

Tabel keputusan gejala penyakit ketombe :

No Gejala Penyakit1 Gatal2 Kulit Kering3 Rambut Kering4 Timbul sisik pada kulit5 Rambut kusam6 Kulit kusam

Tabel Contoh Tabel Keputusan Penyakit Kulit Sapi : Ketombe [14]

Gambar Pohon keputusan penyakit ketombe [14]

Keterangan :

1 : Gatal

2 : Kulit Kering

3 : Rambut Kering

4 : Timbul sisik pada kulit

5 : Rambut kusam

6 : Kulit kusam

Representasi Kaidah Produksi :

Kaidah dapat disusun dari pohon keputusan yang ada sehingga untuk

Ketombe didapatkan kaidah produksi sebagai berikut [14] :

Penyakit Ketombe

Kaidah 1.

IF kulit Gatal

AND kulit kering

AND Rambut kering

AND timbul sisik pada kulit

AND Rambut kusam

AND Kulit Kusam.

Page | 36

1

2 3

4

5 6

ketombe

THEN Penyakit Ketombe

o Penyakit Parakeratoris

Tabel keputusan gejala penyakit Parakeratoris:

No Gejala Penyakit1 Kulit berwarna abu abu2 Kulit menebal3 Lesi berawal sebagai eritema4 Reruntuhan sel berjatuhan menempel pada rambut5 Kulit yang menebal akan menjadi Fissura (luka)6 Kulit berwarna merah permukaannya kasar

Tabel Contoh Tabel Keputusan Penyakit Kulit Sapi : Parakeratoris [14]

Pohon keputusan gejala penyakit Parakeratoris:

Gambar Pohon keputusan penyakit Parakeratoris [14]

Keterangan :

1 : Kulit berwarna abu abu

2 : Kulit menebal

3 : Lesi berawal sebagai eritema

4 : Reruntuhan sel berjatuhan menempel pada rambut

5 : Kulit yang menebal akan menjadi Fissura (luka)

6 : Kulit berwarna merah permukaannya kasar

Representasi Kaidah Produksi :

Kaidah dapat disusun dari pohon keputusan yang ada sehingga untuk

Parakeratoris didapatkan kaidah produksi sebagai berikut.

Penyakit Parakeratoris

Page | 37

1

2 3

4

5 6

Parakeratoris

Kaidah 2.

IF Kulit berwarna abu abu

AND kulit menebal

AND Lesi berawal sebagai eritema

AND reruntuhan sel berjatuhan menempel pada rambut

AND kulit yang menebal akan menjadi Fissura (luka)

AND kulit berwarna merah permukaannya kasar.

THEN Penyakit Parakeratoris

Page | 38

BAB IV

PENUTUP

4.1 Kesimpulan

Sebuah sistem pakar membutuhkan proses representasi pengetahuan untuk

merepresentasikan basis pengetahuan yang dimilikinya yang nantinya akan dilakukan

inferensi terhadap pengetahuan yang telah direpresentasikan sebelumnya. Representasi

ditujukan agar bagaimana fakta yang telah didapat dapat dikomputasi oleh sebuah komputer.

Macam-macam metode representasi pengetahuan sangat banyak diterapkan dan

disesuaikan terhadap sistem pakar yang dibuat. Dalam makalah ini dibahas 6 model

representasi pengetahuan, yaitu diantaranya adalah model kaidah produksi, logika, script,

jaringan semantik, frame, dan Object-Atrribute-Value (OAV).

Penggunaan dari macam-macam model representasi pengetahuan tersebut dapat

digunakan berdasarkan pengetahuan yang telah ada. Jenis-jenis pengetahuan sendiri terdapat

pengetahuan deklaratif yang menggunakan basis logika dan pendekatan relasi dan prosedural

yang menggunakan algoritma sebagai prosedural pemecahan masalah.

Untuk pengetahuan deklaratif yang menggunakan logika proporsional ataupun logika

predikat, model relasi menggunakan jaringan semantik, frame, logika predikat, graf, dan

decision tree. Sedangkan pengetahuan prosedural lebih sering menggunakan representasi

pengetahuan kaidah produksi [1] [3].

Page | 39

DAFTAR RUJUKAN

[1] Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan

Metode Kuantifikasi Pertanyaan. Yogyakarta : Penerbit Andi

[2] Kusrini. 2006. Sistem Pakar, Teori dan Aplikasi. Yogyakarta : Penerbit Andi

[3] Rohman, Feri Fahrur and Fauzijah, Ami, “Rancang Bangun Aplikasi Sistem Pakar Untuk

Menentukan Jenis Gangguan Pada Perkembangan Anak” in Media Informatika, Vol. 6,

No. 1, Juni 2008, hal 1-23

[4] H. S Suryadi. "Pengantar Sistem Pakar ". Penerbit: Universitas Gunadarma Depok. Tanpa

Tahun

[5] 2013. Representasi pengetahuan menggunakan kaidah produksi dalam Sistem Pakar ,

(Online), (http://ilmuti.org/2013/03/representasi-pengetahuan-menggunakan-kaidah-

produksi-dalam-sistem-pakar/, diakses pada tanggal 05 Oktober 2013)

[6] 2010. Representasi Pengetahuan Kaidah Produksi , (Online),

(http://koleksipengetahuan.wordpress.com/2010/01/15/representasi-pengetahuan-kaidah-

produksi/, diakses pada tanggal 05 Oktober 2013)

[7] 2009. Representasi Pengetahuan (Jaringan Semantik) , (Online),

(http://spukswkelasbkelompok3.blogspot.com/2009/02/representasi-pengetahuan-

jaringan.html, diakses pada tanggal 05 Oktober 2013)

[8] 2010. Representasi Pengetahuan , (Online),

http://ianspace.wordpress.com/2010/10/25/representasi-pengetahuan/, diakses pada

tanggal 06 Oktober 2013)

[9] Tanpa Tahun. Mengenal Ginjal Lebih Dalam , (Online), diakses pada tanggal 07 Oktober

2013)

[10] Latumakulita, Luther and Montolalu, Chriestie, “Sistem Pakar Pendiagnosa Penyakit

Ginjal” in Jurnal Ilmiah Sains, Vol. 11, No. 1, Juni 2011, hal 131-139

[11] Wijaya, Rahmadi, “Penggunaan Sistem Pakar dalam Pengembangan portal Informasi

untuk Spesifikasi Jenis Penyakit Infeksi” in Jurnal Informatika, Vol. 3, No. 1, Juni 2007,

hal 63-88

[12] Andrianto, Wahyu, Anggraeni, Wiwik, Mukhlason, Ahmad , “Pembuatan Sistem

Pakar Untuk Pendeteksian dan Penanganan Dini Pada Penyakit Sapi Berbasis Mobile

Android Dengan Kajian Kinerja Teknik Knowledge Representation” in Jurnal Teknik ITS,

Vol. 1, September 2012, hal 310-315

Page | 40

[13] Eviyanti, Ade, “Aplikasi Sistem Pakar untuk Mendiagnosa Gangguan Pencernaan

Pada Orang Dewasa”. Tanpa Tahun

[14] Syatibi, Ahmad, “Sistem Pakar Diagnosa Awal Penyakit Kulit Sapi BErbasis WEB Dengan Menggunakan Metode Certainty Factor”. Thesis. 2012

Page | 41