Embed Size (px)
Citation preview
1
SISTEM DIAGNOSA PENYAKIT BAKTERI AYAM TERNAK MENGGUNAKAN
METODE DEMPSTER SHAFER
Syarif Maulana, Eneng Tita Tosida, Lita Karlitasari
Email : [email protected]
Program Studi Ilmu Komputer FMIPA Universitas Pakuan
ABSTRAK
Sistem pakar adalah sebuah sistem berbasis komputer yang sengaja diciptakan
dengan mengimplementasikan pengetahuan, fakta, dan teknik penalaran seorang pakar
agar dapat menyelesaikan sebuah masalah yang biasanya hanya dapat diselesaikan oleh
seorang pakar dalam bidang tertentu. Salah satu perannya yaitu dalam mendiagnosis
penyakit pada ayam ternak terutama penyakit yang disebabkan oleh bakteri, manfaat
yang diperoleh dari sistem ini adalah dapat mendiagnosa penyakit bakteri pada ayam
ternak secara cepat dan akurat dalam bentuk persentase nilai kepercayaan, dengan
melakukan perhitungan dari gelaja yang terjadi. Untuk dapat menghitung nilai tersebut
maka digunakanlah metode yang dapat menghitung ketidak konsistenan yang diakibatkan
timbulnya fakta baru yaitu dengan menggunakan metode Dempster Shafer yang dapat
memberikan kesimpulan beserta nilai kepercayaan dalam bentuk persen sebagai acuan
pengguna dalam mempercayai hasil diagnosa tersebut. Sehingga diharapkan mampu
membantu peternak dalam mengidentifikasi penyakit bakteri pada ayam ternak dalam
mengantisipasi kerugian yang diakibatkan serangan penyakit.
Kata Kunci : Sistem Pakar, Penyakit Bakteri Ayam Ternak, Metode Dempster Shafer
PENDAHULUAN
Berternak merupakan kegiatan atau
usaha dalam memelihara dan
mengembangbiakan hewan yang dapat
memberikan keuntungan materi kepada
peternak, keuntungan materi tersebut
dapat berupa pangan, bahan baku industri,
atau digunakan untuk membantu manusia
dalam menyelesaikan pekerjaannya.
Kegiatan berternak dapat digolongkan ke
dalam dua bagian, yang pertama adalah
peternakan hewan besar berupa sapi,
kerbau, dan kuda. Sedangkan yang kedua
adalah peternakan hewan kecil berupa
ayam, kelinci, bebek dan sebagainya.
Salah satu hewan ternak yang banyak
dikembangbiakan adalah ayam. Ayam
merupakan hewan yang banyak
menghasilkan keuntungan bagi manusia
selain sebagai sumber protein hewani
yang banyak dikonsumsi oleh masyarakat
ayam pun menjadi peliharaan yang banyak
dilirik untuk dijadikan hobi. Banyaknya
permintaan akan ayam baik sebagai
sumber pangan maupun sebagai
peliharaan memberikan peluang bisnis
kepada perternak untuk berkecimpung di
bisnis ternak ayam.
Kurangnya perawatan dalam
pemeliharaan ayam dapat berakibat buruk
pada kesehatan ayam yang berakibat ayam
terjangkit berbagai jenis penyakit yang
berbahaya. Salah satu penyebab timbulnya
penyakit pada ayam adalah bakteri.
Bakteri dapat berkembangbiak dengan
cepat jika lingkungan yang dimiliki ayam
dalam keadaan kotor. Peternak terkadang
tidak mengetahui penyakit yang dialami
ayam terutama yang ditimbulkan oleh
bakteri sehingga penanganan yang
dilakukan dalam pengobatan tidak tepat
sasaran.
Ketidaktahuan masyarakat akan
penyakit pada ayam yang disebabkan
bakteri memberikan dorongan pada
2
peneliti untuk merancang sistem berupa
diagnosis penyakit pada ayam dengan
metode Dempster Shafer. Metode ini
mempresentasikan gejala kedalam bentuk
nilai densitas sebagai bobot yang
kemudian digunakan untuk menentukan
himpunan dari suatu penyakit dengan
presentase kepercayaan tertentu.
Seperti pada penelitian sebelumnya
yang digunakan sebagai referensi dengan
judul “Aplikasi Sistem Pakar
Mendiagnosa Penyakit Ginjal dengan
Metode Dempster Shafer” yang dibuat
oleh Sulistyohati dan Hidayat (2008),
bahwa metode Dempster Shafer sesuai
untuk kasus semacam diagnosa penyakit.
teori ini akan mengkombinasikan
potongan informasi yang terpisah. untuk
mengkalkulasikan kemungkinan dari suatu
peristiwa. Berdasarkan referensi yang
didapat bahwa penelitian ini berbeda
dengan kasus penelitian yang sama yaitu
berjudul “Sistem Pakar Diagnosis
Penyakit Unggas Dengan Metode
Certainty Factor” yang dilakukan oleh
Rohajawati dan supriyati (2010).
Adapun tujuan dalam penelitian ini
yaitu adalah membangun Sistem diagnosa
penyakit pada Ayam ternak yang
disebabkan bakteri dengan metode
Dempster Shafer. Dengan ruang lingkup
pada penelitian yang dibatasi pada sistem
diagnosa penyakit pada ayam ternak di
wilayah Bogor yang diakibatkan bakteri
dengan metode Dempster Shafer yang
dikaji berdasarkan pengetahuan pakar
kesehatan hewan yang kemudian
diimplementasikan kedalam bahasa
pemrograman PHP dan database Mysql.
penyakit yang akan dikaji terdiri dari 7
penyakit bakterial pada ayam ternak
dengan gejala yang terdiri dari 30 gejala.
Diharapkan laporan Penelitian ini
dapat memberikan manfaat sebagai
berikut :
1. Dapat menambah wawasan dalam
bidang Pemrograman sistem pakar
serta penerapan Pemrograman berbasis
web. dalam membantu permasalahan
yang sulit yang ditemukan dalam
membangun sebuah Sistem.
2. Menjadi referensi dalam penerapan
Sistem Pakar dalam membantu
menciptakan sebuah Sistem Informasi
yang yang efisien dan spesifik.
3. Dapat membantu peran dokter hewan
dalam mendiagnosis penyakit pada
ayam dan cara menanggulanginya.
4. Dapat membantu peternak ayam
dalam memcari informasi mengenai
penyakit pada ayam ternak terutama
yang disebabkan bakteri dan dapat
membantu peternak dalam usaha
meningkatkan kualitas ayam dengan
deteksi penyakit secara dini.
METODE PENELITIAN
Perancangan sistem diagnosa penyakit
bakteri pada ayam ternak ini, mengacu
pada metode pebangunan aplikasi yaitu
System Development Lyfe Cycle (SDLC)
yang keseluruhan proses dalam
pembangunan sistem didapat melalui
beberapa langkah. Yang pertama adalah
Project planning dimana Programmer
terlebih dahulu menentukan target yang
ingin dicapai berupa kegunaan dari sistem
tersebut dan sebarapa luas elemen yang
terlibat pada sistem. Mulai dari merancang
database yang digunakan, kemudian
algoritma sistem yang akan berjalan juga
merancang alur dalam sistem tersebut.
dalam merancang sistem diagnosa
penyakit pada ayam ternak yang
disebabkan bakteri ini programmer
terlebih dahulu memikirkan metode apa
yang sesuai dengan rancangan sistem.
setelah mengkaji beberapa penelitian
terdahulu maka dapat disimpulkan bahwa
metode Dempster Shafer sesuai dengan
penelitian yang akan dilakukan. Oleh
karena itu sistem akan dibuat sesuai
algoritma Dempster Shafer dengan
membuat presentase dari beberapa fakta
untuk menghasilkan nilai kepercayaan.
Kemudian dilanjutkan dengan tahap
Analysis dengan mengidentifikasi kasus
3
dimana ketika ayam ternak terjangkit
suatu penyakit terutama yang disebabkan
bakteri biasanya yang dilakukan peternak
adalah menyewa jasa seorang dokter
hewan untuk mendiagnosa penyakit,
Dokter hewan memberikan diagnosa
berdasarkan gejala-gejala yang terjadi
pada ayam dan melakukan pengobatan
sesuai penyakit yang dialami ayam.
Namun agar dapat melakukan itu semua
peternak membutuhkan biaya untuk
membayar jasa seorang dokter agar dapat
menghemat itu semua yang dilakukan
peneliti dalam membantu peternak yaitu
dengan membuat sebuah sistem pakar
yang berfungsi untuk mendiagnosa
penyakit pada ayam yang disebabkan
bakteri dengan metode Dempster Shafer.
Tahap selanjutnya adalah Design
umumnya design dilakukan untuk
memperhitungkan aspek fungsi, estetik
dan berbagai macam aspek lainnya, yang
biasanya datanya didapat melalui riset.
Data riset tersebut kemudian akan diolah
ke dalam bentuk Entity Relationship
Diagram(ERD), Relasi Tabel, dan
Struktur Data untuk basis datanya,
sedangkan untuk logika pemrogramannya
data riset tersebut diolah ke dalam bentuk
DFD dan Flowchart agar lebih mudah
dipahami.
Dilihat dari kelebihan yang bisa
didapat sistem diagnosa penyakit bakteri
pada ayam ternak akan diimplementasikan
kedalam aplikasi berbasis web dengan
kelebihan mudah dalam mengaksesnya,
dapat dijalankan di sistem operasi
manapun, dapat diakses oleh banyak
media, dan tidak memerlukan spesifikasi
yang tinggi untuk mengakses aplikasi.
selain itu sistem ini dilengkapi dengan
pengolah database MySql. Selain itu
sistem ini akan melalui serangkaian uji
coba yang meliputi
a. Uji coba struktural yaitu uji coba
untuk mengetahui alur sistem yang
dibuat sudah sesuai dengan yang
dirancang pada tahan perancangan.
b. Uji coba fungsional yaitu uji coba
yang dilakukan untuk memeriksa
semua fungsi pada sistem agar dapat
bekerja sesuai kegunaan.
c. Uji coba validasi untuk mengukur dan
mengetahui ketepatan dari sistem
apakah sudah relevan dengan data
yang diperoleh.
Dilihat dari segi perawatan sistem ini
dapat melakukan proses update berupa
tambahan penyakit dan gejala ataupun
update dari penyakit sebelumnya hal itu
dapat dilakukan dikarenakan sistem ini
bersifat dinamis. Update data dilakukan
dengan pengawasan dari seorang pakar
agar informasi yang didapat teruji
kebenarannya. Waktu penelitian dilakukan
pada 1 mei 2014 sampai dengan 1 juli
2014 di Sekolah Tinggi Penyuluhan
Pertanian Cinagara Bogor Jurusan
Penyuluhan Peternakan. data yang
digunakan didapat melalui proses
Pengambilan data yang diklasifikasikan ke
dalam dua jenis data yaitu.
a. Data Sekunder
Data yang didapat pada penelitian ini
berasal dari buku yang berjudul Penyakit
Ayam dan Penanggulangannya pada
Penyakit Bakterial, mikal dan viral yang
ditulis oleh Prof. drh. Charles Rangga
Tabbu, M.Sc., Ph.D. yang membahas
beberapa penyakit yang salah satu babnya
membahas mengenai penyakit ayam yang
disebabkan bakteri dengan gejala-
gejalanya beserta solusi dan definisinya.
b. Data Primer
Data ini didapat melalui wawancara
dengan Drh. Sri Kusuma H, M.Si yang
bekerja sebagai staff pengajar di Sekolah
Tinggi Penyuluhan Pertanian Cinagara
Bogor Jurusan Penyuluhan Peternakan.
Beliau menyampaikan bahwa semakin
khas gejala untuk suatu penyakit maka
nilai densitas atau bobot yang diberikan
akan semakin besar.
Data yang telah diolah kemudian
dibuat kedalam sebuah tabel yang terdiri
dari gejala, penyakit dan nilai Densitas.
4
Tabel 1A. Nilai Densitas Gejala Untuk Setiap Penyakit Yang Dikaji
No Nama Penyakit Gejala Nilai
1 Infectious Coryz Suara ayam mengorok 85%
Keluar cairan dari rongga hidung ataupun mata 85%
Terjadi pembengkakan di darah fasial dan sekitar mata 85%
Bersin pada ayam 85%
Hilangnya nafsu makan dan minum 20%
Ayam mengalami diare 20%
2 Fowl Cholera Suara ayam mengorok 85%
Adanya cairan kental dari mulut yang kerapkali
menggantung seperti tali
85%
Perubahan warna kulit pada daerah fasial, jengger dan pial
menjadi ungu kebiruan
85%
Ayam demam 60%
Ayam berbulu berdiri 60%
Hilangnya nafsu makan 20%
Ayam terlihat mengantuk 20%
Peningkatan frekuensi respirasi 20%
Ayam mengalami diare 20%
Ayam tampak lesu 20%
3 Kolibasilosis Perut ayam membesar 85%
Pusar tampak membuka, dan terjadi perubahan pada
bentuk pusar
85%
Ayam mengalami diare 75%
Kotoran menutupi daerah kloaka 75%
Hilangnya nafsu makan 20%
Ayam akan tampak lesu 20%
Gangguan pertumbuhan 20%
4 Fowl Typhoid Sayap menggantung 85%
Daeerah fasial pucat 85%
Daerah balung mengkerut 85%
Ayam berbulu berdiri 60%
Ayam demam 60%
Ayam terlihat mengantuk 40%
Hilangnya nafsu makan dan minum 20%
5 Dermatitis
Gangrenosa
Terdapat timbunan cairan di bawah kulit pada bagian
ujung sayap, kaki, dan daerah bawah abdomen
85%
Bulu akan menghitam dan kotor pada bagian yang
terserang
85%
Kulit menjadi gelap dan mengelupas 85%
Kaki melemah 60%
Ataksia (sempoyongan) 60%
Hilangnya nafsu makan dan minum 20%
6 Stafilokokosis Terlihat kesakitan pada waktu berjalan 85%
Terjadi pembengkakan pada persendian 85%
Ayam mengalami diare 60%
Ayam demam 60%
Ayam akan tampak lesu 20%
Hilangnya nafsu makan dan minum 20%
5
Tabel 1B. Nilai Densitas Gejala Untuk Setiap Penyakit Yang Dikaji Lanjutan 1A
No Nama Penyakit Gejala Nilai
7 Streptokokosis Daerah balung dan pial pucat 85%
Tremor(gemetar) yang halus pada kepala 85%
Ayam demam 60%
Ayam berbulu berdiri 60%
Hilangnya nafsu makan dan minum 20%
Ayam mengalami diare 20%
Depresi 20%
Ayam akan tampak lesu 20%
Metode Dempster Shafer
Berdasarkan tabel tersebut setiap nilai
gejala tertentu yang dipilih akan dilakukan
perhitungan dengan metode Dempster
Shafer dengan penjelasan sebagai berikut
Secara umum teori Dempster-Shafer
ditulis dalam suatu interval:
[Belief,Plausibility]. Belief (Bel) adalah
ukuran kekuatan evidence dalam
mendukung suatu himpunan proposisi.
Jika bernilai 0 maka mengindikasikan
bahwa tidak ada evidence, dan jika
bernilai 1 menunjukkan adanya kepastian.
Plausibility (Pl) dinotasikan sebagai :
Pl(s) = 1 – Bel (⌐s) Plausibility juga
bernilai 0 sampai 1. Jika yakin akan ⌐s,
maka dapat dikatakan bahwa Bel(⌐s)=1,
dan Pl(⌐s)=0. Pada teori Dempster-Shafer
dikenal adanya frame of discrement yang
dinotasikan dengan θ. Frame ini
merupakan semesta pembicaraan dari
sekumpulan hipotesis. Tujuannya adalah
mengaitkan ukuran kepercayaan elemen-
elemen θ. Tidak semua evidence secara
langsung mendukung tiap-tiap elemen.
Untuk itu perlu adanya probabilitas fungsi
densitas (m). Nilai m tidak hanya
mendefinisikan elemen-elemen θ saja,
namun juga semua subsetnya. Sehingga
jika θ berisi n elemen, maka subset θ
adalah 2n . Jumlah semua m dalam subset
θ sama dengan 1. Apabila tidak ada
informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0 Apabila diketahui
X adalah subset dari θ, dengan m1 sebagai
fungsi densitasnya, dan Y juga merupakan
subset dari θ dengan m2 sebagai fungsi
densitasnya, maka dapat dibentuk fungsi
kombinasi m1 dan m2 sebagai m3, yaitu :
m3(Z) = ΣX∩Y=Z m1 (X).m2(Y)
1 − ΣX∩Y= Ø m1 (X).m2(Y)
Dimana :
m3(Z) = mass function dari evidence (Z)
m1 (X) = mass function dari evidence (X)
m2 (Y) = mass function dari evidence (Y)
Zm1(X).m2(Y) = ada hasil irisan dari m1
dan m2
Ø Zm1(X).m2(Y) = tidak ada hasil irisan
(irisan kosong (Ø))
(Kusumadewi, 2003)
HASIL & PEMBAHASAN
Dalam hasil penelitian ini sistem
diharapkan mampu untuk melakukan
diagnosa mengenai penyakit pada ayam
yang disebabkan bakteri dengan
perhitungan Dempster Shafer yang dibuat
ke dalam mesin inferensi, mesin inferensi
dapat menghasilkan suatu kesimpulan
dalam bentuk persen yang sesuai dengan
input gejala yang terjadi. Gejala dan
penyakit dapat dihubungkan dalam sebuah
table yang disebut table aturan, table ini
berfungsi untuk menghubungkan antara
satu penyakit dengan satu gejala dimana
satu hubungan ini memiliki satu nilai
densitas yang dibuat dalam bentuk persen.
Hubungan antara gejala dan penyakit ini
memiliki relasi many to many dimana satu
gejala yang ada dapat dimiliki oleh
banyak penyakit begitupun sebaliknya
satu penyakit yang ada dapat dimiliki oleh
banyak gejala dengan nilai densitas yang
berbeda-beda ataupun sama. Contohnya
pada aturan 1 dimana gejala 1 untuk
penyakit 1 memiliki nilai densitas 60%,
6
namun pada aturan 2 gejala 1 untuk
penyakit 2 memiliki nilai densitas 70%
jadi antara aturan 1 dan aturan 2 memiliki
nilai densitas yang jelas berbeda. Namun
berbeda dengan aturan 3 dimana gejala 1
untuk penyakit 3 memiliki nilai 60% jadi
aturan 1 dan 3 memiliki nilai densitas
yang sama sehingga penyakit 1 dan 3
merupakan satu himpunan sama, namun
berbeda dengan aturan 2 dimana penyakit
2 tidak satu himpunan dengan penyakit 1
dan 3.
Gejala pada table aturan tadi
ditampilkan pada menu konsultasi agar
dapat digunakan oleh user sehingga dapat
dilakukan perhitungan yang menggunakan
metode Dempster Shafer. Gejala yang
terjadi dapat diceklis pada check box yang
tersedia untuk dilakukan perhitungan pada
mesin inferensi. Kemudian jika gejala
telah diproses dengan perhitungan
Dempster Shafer maka akan muncul
kesimpulan diagnosa penyakit dalam nilai
persen. Untuk gambarnya dapat dilihat
pada Gambar 1. Di bawah ini
Gambar 1. Menu Konsultasi
Untuk mengetahui apakah sistem
sudah sesuai maka dilakukan lah uji coba
validasi dan uji coba akurasi. Dalam uji
coba akurasi untuk menggambarkan
proses perhitungannya maka dibuatlah
sebuah jalan perhitungan sistem secara
manual seperti yang ada di bawah ini.
Sebelum dijelaskan dalam contoh kasus
maka dibuatlah terlebih dahulu alur proses
metode Dempster Shafer ke dalam bentuk
Flowchart. Seperti pada Gambar 2 di
bawah ini.
Gambar 2. Flowchart metode Dempster
Shafer
Keterangan :
X, Y, Z = Himpunan Penyakit
i = Jumlah Gejala
m = Nilai Densitas
Berdasarkan langkah tersebut maka dapat
dihitung kasus di bawah ini sesuai dengan
metode Dempster Shafer sebagai berikut.
Diketahui gejala pertama : Hilangnya
Nafsu makan dan minum (m1) Yang
merupakan gejala dari penyakit.
Infectious Coryza(p1)
Fowl Cholera(p2)
Kolibasilosis(p3)
Fowl Typhoid(p4)
Dermatitis Gangrenosa(p5)
Stafilokokosis(p6)
Streptokokosis(p7)
7
dimana dari masing-masing penyakit
memiliki nilai densitas atau bobot yang
sama yaitu 20%.
m1{p1,p2,p3,p4,p5,p6,p7} = 0.2
m1{Θ}= 1 - 0.2 = 0.8
Kemudian muncul gejala baru : Suara
ayam mengorok (m2)
Yang merupakan gejala dari penyakit
Infectious Coryza(p1), Fowl Cholera(p2)
dimana dari masing-masing penyakit
memiliki nilai densitas atau bobot 85%
m2{p1,p2} = 0.85
m2{Θ}= 1 – 0.85 = 0.15
kemudian dibuatlah kombinasi antara m1
dan m2 dengan rumus :
m3(Z) = ΣX∩Y=Z m1 (X).m2(Y)
1 − ΣX∩Y=Ø m1 (X).m2(Y)
untuk memudahkan dibuatlah tabel antara
m1 dan m2 :
Tabel 2. Kombinasi m1 dan m2
m2{p1,
p2} 0.85 m2(Θ) 0.15
m1{p1,p2,p3,p4,p5,p6,p7}
0.2 {p1,p2} 0.17 {p1,p2,p3,p4,p5,p6
,p7} 0.03
m1{Θ} 0,8 {p1,p2} 0.68 m3(Θ) 0.12
m3 {p1,p2} = 0.17 + 0.68 / 1 - 0 = 0.85
m3 {p1,p2,p3,p4,p5,p6,p7} = 0.03 / 1 – 0
= 0.03
m3 {Θ}=0.12 / 1 – 0 = 0.12
jadi dari kedua gejala yaitu m1 dan m2
lebih mengarah ke penyakit Infectious
Coryza(p1), Fowl Cholera(p2) dengan
nilai kepercayaan 85%. Kemudian muncul
gejala baru yaitu Ayam mengalami diare
(m4) yang merupakan gejal dari penyakit
Infectious Coryza(p1), Fowl Cholera(p2),
Streptokokosis(p7) dengan nilai densitas
yang sama 20%, kemudian penyakit
Kolibasilosis(p3) dengan nilai densitas
yang berbeda yaitu 75%, dan penyakit
Stafilokokosis(p6) dengan nilai densitas
yang juga berbeda yaitu 60%.
Jadi untuk gejala m4 akan menghasilkan
beberapa kombinasi berbeda yang
diakibatkan dari nilai densitas yang
dimiliki penyakit berbeda. Akan ada 3
kombinasi m5 baru yaitu yang pertama:
m4 {p1,p2,p7} = 0.2
m4 {Θ} = 0.8
kemudian dibuat kombinasi antara m3 dan
m4 pertama:
Tabel 3. Kombinasi m3 dan m4
pertama
m4{p1,p2,
p7} 0.2 m4{Θ} 0.8
m3{p1,p2} 0.85 {p1,p2} 0.17 {p1,p2} 0.68
m3{p1,p2,p3,p4,p5,p6,
p7} 0.03 {p1,p2,p7} 0.006
{p1,p2,p3,p4, p5,p6,
p7}
0.024
m3{Θ} 0.12 {p1,p2,p7} 0.024 m5{Θ} 0.096
m5{p1,p2} = 0.17 + 0.68 / 1 – 0 =0.85
m5 {p1,p2,p7} = 0.006 + 0.024 / 1 – 0
= 0.03
m5 { p1,p2,p3,p4,p5,p6,p7} = 0.024 / 1 – 0
= 0.024
m5 {Θ} = 0.096 / 1 – 0 = 0.096
Kombinasi m5 yang kedua :
m4 {p3} = 0.75
m4 {Θ} = 0.25
kemudian dibuat kombinasi antara m3 dan
m4 yang kedua:
Tabel 4. Kombinasi m3 dan m4 kedua
m4{p3} 0.75 m4{Θ} 0.25
m3{p1,p2} 0.85 {∅} 0.6375 {p1,p2} 0.2125
m3{p1,p2, p3,p4,p5,
p6,p7} 0.03 {p3} 0.0225
{p1,p2,p3,p4,p5,p6,p7}
0.0075
m3{Θ} 0.12 {p3} 0.09 m5{Θ} 0.03
m5{p3} = 0.0225 + 0.09 / 1 – 0.6375
= 0.310345
m5 {p1,p2} = 0.2125 / 1 – 0.6375
= 0.586207
m5 { p1,p2,p3,p4,p5,p6,p7} = 0.0075 / 1 –
0.6375 = 0.02069
m5 {Θ} = 0.03 / 1 – 0 = 0.082759
8
Kombinasi m5 yang ketiga :
m4{p6} = 0.6
m4{Θ} = 0.4
kemudian dibuat kombinasi antara m3 dan
m4 yang ketiga:
Tabel 5. Kombinasi m3 dan m4 ketiga
m4{p6} 0.6 m4{Θ} 0.4
m3{p1,p2} 0.85 {∅} 0.51 {p1,p2} 0.34
m3{p1,p2,p3,p4,p5,p6,p7}
0.03 {p6} 0.018 {p1,p2,p3,p4,p5,p6
,p7} 0.012
m3{Θ} 0.12 {p6} 0.072 m5{Θ} 0.048
m5{p6} = 0.018 + 0.072 / 1 – 0.51
= 0.183673 m5 {p1,p2} = 0.34 / 1 – 0.51
= 0.693878
m5 { p1,p2,p3,p4,p5,p6,p7} = 0.012 / 1 –
0.51 = 0.02449
m5 {Θ} = 0.048 / 1 – 0.51 = 0.097959
Dapat dilihat dari ketiga kombinasi m5
nilai terbesar yang dimiliki ada pada
kombinasi m5 yang pertama dengan nilai
0.85 dengan begitu dapat disimpulkan
bahwa ayam tersebut menderita Infectious
Coryza(p1) atau Fowl Cholera(p2) dengan
nilai kepercayaan 85%. Kemudian
bagaimana jika muncul gejala baru yaitu
bersin pada ayam (m6) yang merupakan
gejala dari Infectious Coryza(p1) dengan
nilai densitas 85%.
m6{p1} = 0.85
m6{Θ} = 0.15
Kemudian dibuat kombinasi antara m5
dan m6 sebagai berikut:
Tabel 6. Kombinasi m5 dan m6
m6{p1} 0.85 m6{Θ} 0.15
m5{p1,p2} 0.85 {p1} 0.7225 {p1,p2} 0.1275
m5{p1,p2, p7}
0.03 {p1} 0.0255 {p1,p2,
p7} 0.0045
m5{p1,p2,p3,p4,p5,p6,
p7} 0.024 {p1} 0.0204
{p1,p2, p3,p4, p5,p6,
p7}
0.0036
m5(Θ) 0.096 {p1} 0.0816 m7{Θ} 0.0144
m7{p1} = 0.7225 + 0.0255 + 0.0204 +
0.0816 / 1 – 0 = 0.85
m7{p1,p2} = 0.1275 / 1 – 0
= 0.1275
m7{p1,p2,p7} = 0.0045 / 1 – 0
= 0.0045
m7{p1,p2,p3,p4,p5,p6,p7} = 0.0036 / 1–0
= 0.0036
m7{Θ} = 0.0144 / 1 – 0 = 0.0144
Berdasarkan hasil perhitungan m7 di
atas dapat dilihat bahwa nilai yang
terbesar dimiliki oleh penyakit Infectious
Coryza(p1) dengan nilai 0.85 dengan
begitu dapat disimpulkan bahwa
berdasarkan gejala-gejala tersebut dapat
dihasilkan sebuah kesimpulan yaitu ayam
tersebut terinfeksi penyakit Infectious
Coryza(p1) dengan tingkat kepercayaan
85%.
Jadi kesimpulan dalam uji coba
validasi ini sistem sesuai dengan yang
diharapkan mampu menghitung nilai
secara benar.
Kemudian untuk mengetahui
ketepatan sistem maka uji coba
dilanjutkan dengan uji coba akurasi
menggunakan perhitungan Confusion
matriks untuk memastikan apakah
pendapat pakar dengan sistem sesuai.
9
Tabel 7A. Uji Coba Akurasi Kasus
Diagnosa Sistem
Infectious
Coryza
Diagnosa
Sistem bukan
Infectious
Coryza
Akurasi Error rate Kecepatan
Data (s)
-Suara ayam
mengorok
-Keluar cairan dari
rogga hidung
-Terjadi
pembengkakan di
daerah fasial dan
sekitar mata
-Bersin pada ayam
-hilangnya nafsu
makan dan minum
-Ayam mengalami
diare
Dugaan pakar
Infectious
Coryza
99.6625 0.3375
99.6625
% 0.3375%
0.0087505
detik
Dugaan pakar
bukan
Infectious
Coryza
0 0
Kasus
Diagnosa Sistem
Fowl Cholera
Diagnosa
Sistem bukan
Fowl Cholera
Akurasi Error rate Kecepatan
Data (s)
-Suara ayam
mengorok
-Adanya cairan
kental dari mulut
yang kerapkali
menggantung seperti
tali
-Perubahan warna
kulit pada daerah
fasial, jengger, dan
pial menjadi ungu
kebiruan
-ayam demam
-ayam berbulu berdiri
-hilangnya nafsu
makan
-ayam terlihat
mengantuk
-peningkatan
frekuensi respirasi
-ayam mengalami
diare
-ayam tampak lesu
Dugaan pakar
Fowl Cholera 97.51552 2.48448
97.51552
% 2.48448%
0.015001
Detik
Dugaan pakar
bukan Fowl
Cholera
0 0
10
Tabel 7B. Uji Coba Akurasi lanjutan dari 7A Kasus
Diagnosa Sistem
Kolibasilosis
Diagnosa
Sistem bukan
Kolibasilosis
Akurasi Error rate Kecepatan
Data (s)
-perut ayam
membesar
-pusar tampak
membuka, dan terjadi
perubahan pada
bentuk pusar
-ayam mengalami
diare
-kotoran menutupi
daerah kloaka
-hilangnya nafsu
makan
-ayam akan tampak
lesu
-gangguan
pertumbuhan
Dugaan pakar
Kolibasilosis 99.8875 0.1125
99.8875% 0.1125% 0.006334
detik
Dugaan pakar
bukan
Kolibasilosis
0 0
Kasus
Diagnosa Sistem
Fowl Typhoid
Diagnosa
Sistem bukan
Fowl Typhoid
Akurasi Error rate Kecepatan
Data (s)
-sayap menggantung
-daerah fasial pucat
-daerah balung
mengkerut
-ayam berbulu berdiri
-ayam demam
-ayam terlihat
mengantuk
-hilangnya nafsu
makan
Dugaan pakar
Fowl Typhoid 99.7975 0.2025
99.7975% 0.2025% 0.0035
detik
Dugaan pakar
bukan Fowl
Typhoid
0 0
Kasus
Diagnosa Sistem
Dermatitis
Gangrenosa
Diagnosa
Sistem bukan
Dermatitis
Gangrenosa
Akurasi Error rate Kecepatan
Data (s)
-terdapat timbunan
cairan di bawah kulit
pada bagian ujung
sayap, kaki, dan
daerah bawah
abdomen
-bulu akan
menghitam dan kotor
pada bagian yang
terserang
-kulit menjadi gelap
dan mengelupas
-Kaki melemah
-ataksia
(sempoyongan)
-Hilangnya nafsu
makan dan minum
Dugaan pakar
Dermatitis
Gangrenosa
99.946 0.054
99.946% 0.054% 0.00225
detik
Dugaan pakar
bukan
Dermatitis
Gangrenosa
0 0
11
Tabel 7C. Uji Coba Akurasi lanjutan dari 7A & 7B Kasus
Diagnosa
Sistem
Stafilokokosis
Diagnosa
Sistem bukan
Stafilokokosis
Akurasi Error rate Kecepatan
Data (s)
-terlihat kesakitan
pada waktu berjalan
-terjadi
pembengkakan pada
persendian
-Ayam mengalami
diare
-ayam demam
-ayam akan tampak
lesu
-hilangnya nafsu
makan dan minum
Dugaan pakar
Stafilokokosis 99.1 0.9
99.1% 0.9% 0.006001
detik
Dugaan pakar
bukan
Stafilokokosis
0 0
Kasus
Diagnosa
Sistem
Streptokokosis
Diagnosa
Sistem bukan
Streptokokosis
Akurasi Error rate Kecepatan
Data (s)
-daerah balung dan
pial pucat
-tremor(gemetaran)
yang halus pada
kepala
-ayam demam
-ayam berbulu berdiri
-hilangnya nafsu
makan dan minum
-ayam mengalami
diare
-depresi
-ayam akan tampak
lesu
Dugaan pakar
Streptokokosis 98.2 1.8
98.2% 1.8% 0.007667
detik
Dugaan pakar
bukan
Streptokokosis
0 0
Dari hasil uji coba akurasi didapat
bahwa sistem rata-rata dapat memproses
data dengan akurasi 99. 1584314%
dengan error rate 0.8415686%. Selain itu
pada aplikasi Diagnosa penyakit pada
ayam ini data yang dilakukan perhitungan
belum dapat dihitung secara pararel,
perhitungan hanya dilakukan satu kali
pada saat data konsultasi di inputkan saja
tanpa bisa membandingkan beberapa
inputan, karena untuk hasil perhitungan
aplikasi ini tidak disimpan ke dalam
database. Dikarenakan subjek yang akan
dilakukan diagnosa hanya terdiri dari satu
subjek saja belum dapat menghitung beberapa subjek sekaligus yang kemudian
dilakukan perbandingan antar subjek
sehingga menemukan diagnosa yang sama
untuk beberapa ayam.
KESIMPULAN
Sistem Diagnosa Penyakit pada Ayam
Ternak ini mampu mendiagnosa 7
penyakit yang diakibatkan Bakteri dengan
30 gejala yang berbeda dengan metode
Dempster Shafer sebagai penghitung nilai
probabilitas. Sistem ini memiliki sebuah
tabel yang disebut tabel aturan berguna
untuk mengkombinasikan antara data
penyakit dan gejala disertai dengan nilai
densitas atau bobot sehingga dapat
melakukan perhitungan dengan metode
Dempster Shafer. Proses perhitungan
dapat dilakukan ketika input gejala sudah
dilakukan pada menu konsultasi dimana
input tersebut terdiri dari beberapa
checkbox gejala yang bisa diceklis sesuai
12
dengan gejala yang terjadi kemudian
gejala yang sudah diceklis akan diproses
untuk dapat menentukan kemungkinan
penyakit dengan nilai kepercayaan dalam
bentuk persen.
Sistem ini mampu melakukan
perhitungan dengan satu subjek ayam saja
yang dilakukan satu kali untuk satu subjek
ayam tanpa disimpan dalam database
dengan tingkat akurasi yang cukup tinggi
sebesar 99.1584314% yang didapat
melalui proses dari 7 kasus penyakit yang
diklasifikasikan kedalam penyakit
bakterial dengan menghitung rata-rata dari
setiap kasusnya kemudian untuk tingkat
errornya cukup rendah yaitu sebesar
0.8415686% dihitung dari rata-rata setiap
kasusnya. Kemudian untuk beberapa
kasus ekstrim seperti input semua gejala
pada menu konsultasi sistem ini sudah
dapat melakukan proses dengan
menampilkan message box berupa
pernyataan yang berisikan larangan untuk
tidak memperbolehkan menceklis semua
gejala yang ada pada menu konsultasi.
Jadi sistem ini sudah dapat mencukupi
kebutuhan user dalam mendiagnosa
penyakit pada ayam ternak.
SARAN
Apilkasi sistem pakar penyakit pada
ayam ini masih perlu dilakukan
pengembangan seperti pada jumlah
penyakit yang dikaji, kemudian
penambahan klasifikasi penyakit seperti
penyakit yang disebabkan virus dan
jamur. Serta perhitungan konsultasi yang
masih dilakukan untuk satu subjek saja,
jika perhitungan dapat dilakukan untuk
beberapa subjek ayam dalam suatu
peternakan atau datanya bersifat pararel
untuk satu kali hitungan maka perhitungan
yang dapat dihasilkan akan lebih komplek
dan akurat sehingga hasil yang didapat
lebih memuaskan. Selain itu dibuat juga
dalam versi mobile programmingnya
sehingga user dapat mengakses aplikasi
lebih cepat dan mudah melalui
smartphone dan semacamnya.
DAFTAR PUSTAKA
Anonim. Penjelasan Ayam. Tersedia pada
http://www.situs-
peternakan.com/2013/03/tentang-
ayam-dan-ciri-cirinya.html
diakses 22 April 2014
Fathansyah. 2002. Basis Data.
Informatika Bandung. Bandung.
Gunawan. 2000. Kuliah Artificial
Intelligence Pengantar ke Expert
System. Surabaya.
Istiqomah, YN & A Fadlil. 2013. Sistem
Pakar untuk Mendiagnosa
Penyakit Saluran Pencernaan
Menggunakan Metode Dempster
Shafer. 9
Jogiyanto, HM. 2005. Analisis & Desain
Sistem Informasi : Pendekatan
Terstruktur Teori dan Praktek
Aplikasi Bisnis. Andi Offset.
Yogyakarta. Kusumadewi, S. 2003. Artificial
Intelligence (Teknik & Aplikasi).
Graha Ilmu. Yogyakarta.
Kusrini. 2006. Sistem Pakar Teori dan
Aplikasi. Andi. Yogyakarta.
Rohajawati, S & R Supriyati. 2010.
Sistem Pakar Diagnosis Penyakit
Unggas dengan Metode Certainty
Factor.
Sulistyohati, A & T Hidayat. 2008.
Aplikasi Ssistem Pakar Diagnosa
Penyakit Ginjal dengan Metode
Dempster-Shafer. 2-5
Suryadi, HS. 1994. Pengantar Sistem
Pakar. Gunadarma. Jakarta.
Tabbu, CR. 2000. Penyakit Ayam dan
Penanggulangannya. Volume-1.
KANISIUS. Yogyakarta.
