Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 4290-4295 http://j-ptiik.ub.ac.id

Fakultas Ilmu Komputer

Universitas Brawijaya 4290

Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan Menggunakan

Metode Naive Bayes

Alfian Himawan1, Nurul Hidayat2, Mahardeka Tri Ananta2

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: [email protected], [email protected], [email protected]

Abstrak

Hewan peliharaan manusia,salah satunya anjing merupakan makhluk social yang bisa berinteraksi

dengan sesamanya ataupun manusia sehingga tidak sedikit orang memilih anjing sebagai hewan

peliharaan. Namun, anjing juga dapat mengidap penyakit menular yang dapat berdampak buruk bagi

manusia. Keberadaan pakar akan sangat membantu dalam hal menangani permasalahn penyakit pada

anjing dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan penyakit apa yang

menyerang. Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas.

Sedangkan klasifikasi bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota

probabilitas. Untuk klasifikasi bayes sederhana yang lebih dikenal sebagai naive bayesian classifier

dapat diasumsikan bahwa efek dari suatu nilai atribut sebuh kelas yang diberikan adalah bebas dari

atribut-atribut lain. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-gejala klinis pada

anjing. Hasil pengujian penelitian ini menunjukkan akurasi sistem sebesar 90%.

Kata kunci: penyakit anjing, sistem pakar, naive bayes

Abstract

Human pets, dog is a social creature that can interact with each other or humans so that not a few

people prefer dogs as pets. However, dogs can also have an infectious disease that can be bad

for humans, the presence of an expert would be helpful in terms of solving the diseases that attack dogs

by means of identifying the symptoms that plagued and conclude what disease. Naive Bayes method is

a method used to predict probabilities. While Bayes classification is the classification of statistics that

can predict the probability of a class member. For a more simple Bayes classification known as naïve

Bayesian Classifier can be assumed that the effect of an attribute value is a class given is free of other

attributes. The required variable in this study is clinical symptoms in dogs. The results of this research

testing showed the accuracy of the system are 90%.

Keywords: dog disease, expert system, naive bayes

1. PENDAHULUAN

Anjing merupakan hewan peliharaan

manusia yang bisa berinteraksi dengan sesame

ataupun manusia sehingga tidak sedikit orang

memilih anjing sebagai hewan peliharaan.

Namun anjing juga dapat berdampak buruk bagi

manusia. Dari berbagai macam manfaat yang

dapat diperoleh dari hewan satu ini, pemilik

anjing harus mengetahui bagaimana cara

merawat dan menjaga kesehatan hewan ini

secara benar agar terhindar dari berbagai macam

penyakit yang dapat menjangkiti.

Sampai sekarang ternyata sebagian besar

dari para pecinta anjing tersebut terkadang tidak

tahu penyakit apa yang sedang dialami oleh

anjing mereka, bahkan banyak dari mereka yang

tidak tahu bahwa anjing mereka sedang sakit,

yang akibatnya berujung pada kematian karena

penanganan yang terlambat. Ada juga pemilik

yang mengobati sendiri anjingnya, tanpa

mengetahui dengan jelas terlebih dahulu apa

penyakit yang sedang dideritanya dana pa obat

yang cocokuntuk penyakit tersebut.

Dalam kelompok biotik, penyakit anjing

dibagi menjadi beberapa jenis penyebab

penularannya antara lain dikarenakan oleh

bakteri, parasite, virus, jamur dan juga kutu.

Untuk kelompok abiotic, disebabkan oleh

keracunan, kebakaran, kecelakaan, dan juga

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4291

Fakultas Ilmu Komputer, Universitas Brawijaya

kondisi fisik hewan itu sendiri.

Tidak semua pemilik anjing memiliki

pengetahuan tentang bagaimana merawat anjing

dengan baik. Apabila anjingtidak dirawat

dengan baik, maka akan berdampak buruk bagi

kondisi kesehatan anjing dan dapat terserang

penyakit menular sehingga dapat menyebabkan

kematian, baik terhadap anjing yang menularkan

maupun yang ditularkan. Pemilik anjing

membutuhkan bantuan seorang pakar untuk

mengatasi masalah tersebut yaitu dokter hewan.

Dikarenakan keberadaan dokter hewan yang

terbatas dan tidak selalu ada setiap saat, maka

diperlukan suatu alternatif yang dapat

memberikan kemudahan dan memiliki

kemampuan layaknya seorang dokter

hewandalam mendiagnosa penyakit menular

yang diderita oleh anjing peliharaannya.

Pada penelitian sebelumnya dengan metode

naive bayes untuk mendeteksi penyakit down

sysdrome menggunakan 30 data uji, diperoleh

hasil dengan nilai akurasi 93,3% (Wijoyo, 2016).

Penelitian selanjutnya menggunakan

metode naive bayes dalam aplikasi untuk

diagnosis penyakit hama pada tanaman kacang

panjang, dapat diperoleh hasil dengan tingkat

keberhasilan didapat hasil pengujian 81,25% dan

nilai error sebesar 81,25% (Purwantiningsih,

2015).

Berdasarkan permasalahan diatas solusi

untuk mendiagnosis penyakit-penyakit pada

anjing dengan menggunakan metode naive

bayes. Metode naive bayes merupakan metode

yang digunakan memprediksi probabilitas.

Sedangkan klasifikasi bayes adalah klasifikasi

statistic yang dapat memprediksi kelas suatu

anggota probabilitas.

2. LANDASAN KEPUSTAKAAN

2.1. Sistem Pakar

Sistem pakar adalah sistem komputer yang

mengemulasi kemampuan kepakaran manusia.

Kata mengemulasi diartikan lebih kuat dari

simulasi yang berarti bahwa sistem pakar

diharapkan mampu bertindak sebagaimana yang

dilakukan pakar manusia dalam melakukan

penalaran untuk memberikan suatu

justifikasi/kesimpulan. Dalam melakukan

penalaran,sistem pakar banyak memanfaatkan

pengetahuan yang disimpan oleh sistem sebagai

basis pengetahuan untuk menyelesaikan masalah

pada tingkatan sebanding dengan pakar manusia.

Sistem pakar dikembangkan melalui

beberapa tahapan, tahapan yang paling rumit

adalah tahapan representasi pengetahuan yang

meliputi pembuatan tabel keputusan,

penyusunan pohon keputusan, peringkasan

pohon keputusan, penyusunan kaidah-kaidah

(Hartati dan iswanti,2013).

2.2. Naive Bayes Classifier

Metode naive bayes merupakan metode

yang digunakan memprediksi probabilitas.

Sedangkan klasifikasi Bayes adalah klasifikasi

statistik yang dapat memprediksi kelas suatu

anggota probabilitas. Untuk klasifikasi Bayes

sederhana yang lebih dikenal sebagai naïve

Bayesian Classifier dapat diasumsikan bahwa

efek dari suatu nilai atribut sebuah kelas yang

diberikan adalah bebas dari atribut-atribut

lain.Naïve Bayes Classifier merupakan sebuah

metoda klasifikasi yang berakar pada teorema

Bayes. Ciri utama dari Naïve Bayes Classifier ini

adalah asumsi yang sangat kuat (naif) akan

independensi dari masing-masing

kondisi/kejadian (Fais dkk, 2014).

Secara garis besar model naive bayes

classifier ditunjukkan pada Persamaan (1)

(Sutojo,2011) .

𝑝(𝐻|𝐸) = 𝑝(𝐸|𝐻) 𝑥 𝑝(𝐻)

𝑝(𝐸) (1)

Dengan:

1. p(H|E) = probabilitas hipotesis H terjadi jika

evidence E terjadi

2. p(E|H) = probabilitas munculnya evidence E

jika hipotesis H terjadi

3. p(H) = probabilitas hipotesis H tanpa

memandang evidence apapun

4. p(E) = probabilitas evidence E tanpa

memandang apapun

Atau dengan kata lain persamaan diatas

dapat digambarkan sebagai Persamaan (2).

𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 𝑃𝑟𝑖𝑜𝑟 𝑥 𝐿𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑

𝐸𝑣𝑖𝑑𝑒𝑛𝑐𝑒 (2)

Perhitungan naive bayes dapat dilakukan

dengan langkah berikut ini:

1. Mencari nilai prior untuk tiap-tiap kelas

dengan menghitung rata-rata tiap kelas

dengan menggunakan Persamaan (3).



𝑃 =X

A (3)

Keterangan :

P = Nilai prior

X = Jumlah data tiap kelas

A = jumlah data seluruh kelas

2. Mencari nilai Likehood untuk tiap-tiap

kelas dengan menggunakan Persamaan (4).

L=𝐹

𝐵 (4)

Keterangan:

L = Nilai likelihood

F = jumlah data feature tiap kelas

B = jumlah seluruh fitur tiap kelas

3. Mencari nilai posterior dari tiap kelas yang

ada dengan menggunakan Persamaan (5).

P(c|a) = P(c) x P(a|c) (5)

Keterangan:

P(c) = Nilai prior tiap kelas

P(a|c) = Nilai likelihood

Hasil klasifikasi dengan menggunakan

metode Naive Bayes dilakukan dengan

membandingkan nilai posterior dari kelas-kelas

yang ada. Nilai posterior yang paling tinggi

yang terpilih sebagai hasil klasifikasi.

2.3. Anjing

Anjing adalah hewan peliharaan mamalia,

bukan hewan liar alami. Mereka awalnya

dibiakkan dari serigala. Mereka telah lama

dikembangbiakkan manusia, dan merupakan

hewan pertama yang harus dijinakkan. Saat ini,

beberapa anjing digunakan sebagai hewan

peliharaan, yang lainnya digunakan untuk

membantu manusia melakukan pekerjaan

mereka. Mereka adalah hewan peliharaan yang

populer karena mereka biasanya main-main,

ramah, setia dan mendengarkan manusia. Anjing

sering memiliki pekerjaan, termasuk sebagai

anjing polisi, anjing tentara, anjing bantuan,

anjing pemadam kebakaran, anjing pembawa

pesan, anjing pemburu, anjing penggembala,

atau anjing penyelamatan.

3. METODOLOGI

3.1. Alur Naive Bayes Classifier

Alur naive bayes terdiri dari ditunjukkan

pada Gambar 1.

Gambar 1. Contoh penggunaan gambar

3.2. Data Penelitian

Data hasil penelitian dan observasi lapangan

yang telah dilakukan akan digunakan sebagai

data training tersebut merupkan aturan-aturan

yang nantinya akan digunakan sebagai basis

pengetahuan pada system pakar diagnosis

penyakit pada anjing. Kode dan gejala klinik

yang terdapat pada penyakit anjing dapat dilihat

pada Tabel 1.

Tabel 1. Gejala dan Penyakit Pada Anjing

Kode

Gejala Gejala Klinis Penyakit

G1 Rambut rontok Demodicosis

Dermatofitosis

G2 Kulit berketombe Demodicosis

G3 Kulit

berkerak/keropeng Demodicosis

G4 Gatal

Demodicosis

Scabiosis

Dermatofitosis

G5 Kulit Kemerahan Demodicosis

START

Gejala Klinis Anjing

Prior = jumlah kelas suatu penyakit / total

kelas

Likelihood = jumlah data fitur / jumlah

seluruh fitur

Posterior = Prior x Likelihood

Penyakit yang menyerang anjing

END

Perbandingan nilai posterior



G6 Hiperpigmentasi Demodicosis

G7 Bentol pada kulit Scabiosis

G8 Menggaruk-garuk Scabiosis

G9 Rambut patah-patah Scabiosis

G10

Hiperkeratosis

(penebalan kulit)

pada bagian telapak

tangan, kaki dan

siku antar jari

Scabiosis

G11 Head-shaking Otitis

G12 Menggaruk-garuk

telinga/gatal Otitis

G13 Leleran dari telinga Otitis

G14

Serumen baru

berwarna coklat

gelap

Otitis

G15 alpesia (pitak) Dermatofitosis

G16

Lesi berbentuk

lingkaran dengan

pinggiran

berketombe

(ringworm)

Dermatofitosis

G17 diare Helminthiasis

G18 Rambut kusam Helminthiasis

G19 Kurus (berat badan

turun) Helminthiasis

G20 Muntah Helminthiasis

G21 Anoreksia (tidak

nafsu makan) Helminthiasis

G22 Kotoran mata

berlebih Helminthiasis

G23 Ditemukan cacing

pada feses Helminthiasis

4. HASIL IMPLEMENTASI

4.1. Tampilan Antarmuka Halaman Utama

Tampilan antarmuka halaman utama yang

ditunjukkan merupakan halaman awal ketika

pengguna membuka sistem, pada halaman ini

terdapat dua tombol atau menu yaitu daftar

gejala dan penyakit dan Diagnosa pada Gambar

2.

Gambar 2. Tampilan Antarmuka Halaman Utama

4.2. Tampilan Antarmuka Daftar Gejala dan

Penyakit

Tampilan antarmuka tentang penyakit yang

ditunjukkan merupakan tampilan halaman yang

muncul ketika pengguna mengklik tombol daftar

gejala dan penyakit pada halaman utama, pada

halaman ini pengguna akan mendapatkan daftar

penyakit yang menyerang anjing dan gejala-

gejalanya pada Gambar 3.

Gambar 3. Tampilan Antarmuka Halaman Daftar

Gejala dan Penyakit

4.3. Tampilan Antarmuka Diagnosa

Tampilan antarmuka diagnosa yang

ditunjukkan pada merupakan tampilan halaman

yang akan muncul ketika pengguna memilih

menu Diagnosa pada halaman utama dimana

pada halaman ini akan ditampilkan list checkbox

gejala penyakit anjing dan juga sebuah tombol

diagnosa pada Gambar 4.



Gambar 4. Tampilan Antarmuka Halaman Diagnosa

4.4. Tampilan Antarmuka Hasil Diagnosa

Tampilan antarmuka hasil diagnosa yang

ditunjukkan merupakan tampilan halaman yang

muncul ketika pengguna mengklik tombol

diagnosa pada halaman diagnosa, pada halaman

ini pengguna akan mendapatkan informasi hasil

perhitungan dan diagnosa penyakit anjing pada

Gambar 5.

Gambar 5. Tampilan Antarmuka Halaman Hasil

Diagnosa

5. PENGUJIAN DAN ANALISIS

Pengujian ini dilakukan dengan menguji

tingkat keakuratan atau kesesuaian dari data

testing yang didapatkan dari pakar dengan hasil

output dari sistem. Data testing yang didapatkan

sebanyak 50, keseluruhan data latih didapatkan

dari pakar dan setelah ditelaah terdapat 6 data uji

yang sama dengan data latih. Kemudian akan

dilakukan percobaan dengan masukan sesuai

data uji, kemudian nilai akurasi akan didapatkan

dari perhitungan menggunakan Persamaan 2-4.

Dari percobaan yang telah dilakukan

sebanyak 50 data uji didapatkan hasil keluaran

sistem yang sesuai sebanyak 45 dimana ketidak

sesuaian keluaran dari sistem dengan hasil uji

dari pakar terdapat pada data uji nomor 30, 31,

33, 47 dan 50 dimana menurut pakar untuk

masukan gejela-gejala tersebut sistem

seharusnya tidak dapat mendiagnosis penyakit

dikarenakan gejala yang dimasukkan gejala yang

kurang spesifik dan bukan gejala khusus tetapi

sistem justru mampu mendiagnosis penyakit saat

pengguna memasukkan gejala-gejala tersebut..

sehingga didapatkan nilai akurasi:

𝑎𝑘𝑢𝑟𝑎𝑠𝑖 =45

50 𝑥 100%

Maka akurasi yang didapatkan sebesar 90% .

6. KESIMPULAN

Berdasarkan hasil pengujian dan analisis

hasil penelitian ini, maka dapat diambil beberapa

kesimpulan sebagai berikut:

1. Sistem pakar diagnosis penyakit pada

anjing berhasil diimplentasi dalam bentuk

perangkat lunak dengan fungsi melakukan

diagnosis penyakit pada anjing. Selain itu

terdapat pula menu berupa informasi daftar

penyakit pada anjing beserta gejala—gejala

nya.

2. Metode naive bayes baik digunakan untuk

diagnosis penyakit pada anjing karena

menghasilkan tingkat akurasi sebesar 90%.

7. DAFTAR PUSTAKA

Agustiawan, Beni. 2015. Sistem Klasifikasi

Penyakit Tenggorokan Berbasis

WEB Menggunakan Metode

Naive Bayes

Anugroho, Prasetyo. 2010. Klasifikasi Email

Spam dengan Metode Naive

Bayes Classifier Menggunakan

Java Programming

An, Yunjing, Shutao Sun, Shujuan Wang. 2017.

Naive Bayes Classifiers for Music

Emotion Classification Based on

Lyrics

Ariadi, Dio, Kartika Fithriasari. 2017.

Klasifikasi Berita Indonesia

Menggunakan Metode Naive

Bayesian Classification dan

Support Vector Machine dengan



Confix Stripping Stemmer. Vol.

4, No.2

As’ad, Bahrawi. 2016. Prediksi Keputusan

Menggunakan Metode

Klasifikasi Naive Bayes, One-R

dan Decisision Tree

Badan Pusat Statistik. 2015. Produksi Tanaman

Pangan 2015. CV. Tapasuma

Ratu Agung

Badan Pusat Staistik. 2015. Buletin Statistik

Perdagangan Luar Negeri Impor

April 2017. CV. Josevindo

Fahrurozi, Achmad. 2014. Klasifikasi Kayu

dengan Menggunakan Naive

Bayes Classifier

Fhadli, Muhammad. 2017. Peringkasan Literatur

Ilmu Komputer Bahasa Indonesia

Berbasis Fitur Statistik dan

Linguistik menggunakan Metode

Gaussian Naïve Bayes

Hartati, Sri dan Sari Iswanti. 2013. Sistem Pakar

dan Pengembangannya.

Yogyakarta : Graha Ilmu

J., Pajrin, Johanis Panggesso dan Rosmini. 2013.

Uji Ketahanan Beberapa Varietas

Jagung (Zea mays L.) Terhadap

Intensitas Serangan Penyakit

Bulai (Peronosclerospora

maydis)

Karina, Nia Esti, Yuni Yamasari. 2013. Aplikasi

diagnosis Kanker Kandungan

dengan Menggunakan Metode

Naive Bayes (Studi Kasus :

Rumah Sakit Islam Surabaya)

Kusumadewi, Sri. 2009. klasifikasi status gizi

menggunakan naive bayesian

classification

Maharani. Navita., 2014. Analisis Keunggulan

Komparatif Komoditas Jagung

(Zea mays L.) di Kabupaten

Kediri. Volume XIV No. 3

Marofi, M. Nuzulul. 2017. Rancang Bangun

Sistem Klasifikasi Frekuensi

Penggunaan Minyak Goreng

dengan Menggunakan Metode

Bayes

Nugroho, Septian Yuda, 2014. Data Mining

Menggunakan Algoritma Naive

Bayes untuk Klasifikasi

Kelulusan Mahasiswa

Universitas Dian Nuswantoro

Saputra, Eko. 2014. Usability Testing untuk

Mengukur Penggunaan Website

Inspektorat Kota Palembang.

Semangun, Haryono. 1993. Penyakit-Penyakit

Tanaman Pangan di Indonesia.

Yogyakarta : Gadjah Mada

University press

SetyaStiawan, Ivan. 2013. Peranan Komoditas

Jagung (Zea mays L.) Terhadap

Peningkatan Pendapatan Wilayah

Kabupaten Karo ``

Sutojo. T., Mulyanto. E, Suhartono V.,

2011.Kecerdasan Buatan.C.V

Andi Offse

Schott, Jennifer. “Alabama rot: The dog disease with no cure.” bbc.com. BBC News, 10 Juni 2017. Web. 20 Juni. 2017.

http://msi.binus.ac.id/files/2013/05/0301-02-Sri-Kusumadewi.pdf



Documents

Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan