APLIKASI SISTEM
PAKAR DIAGNOSA
PENYAKIT
ANJING PELIHARAAN
BERBASIS WEBSITE
BAB I
PENDAHULUAN
1.1 Latar Belakang
Penggemar binatang peliharaan akhir-akhir ini semakin banyak khususnya anjing,
anjing peliharaan banyak digemari karena selain binatang yang setia terhadap
majikannya. Anjing juga dapat menjadi penjaga rumah. Anjing sering disebut sebagai
sahabat manusia karena loyalitas dan kesetiaannya. Selain itu anjing juga sering
digunakan untuk membantu manusia. Kita, terutama yang menyukai dan memelihara
anjing harus juga memperhatikan kondisi kesehatan dari anjing tersebut, karena tidak
menutup kemungkinan penyakit yang diderita oleh anjing tersebut dapat
mempengaruhi kita atau bahkan menular kepada kita.
Salah satu tindakan antisipasi adalah mengetahui seperti apa gejala dari penyakit
tersebut, salah satunya adalah dengan memeriksakan anjing kita kepada dokter hewan
secara teratur. Namun permasalahannya adalah keterbatasan waktu dan biaya, selain
itu juga informasi yang kita peroleh hanya sesuai dengan kondisi dari anjing kita pada
saat ke dokter hewan. Jika kita melihat ada gejala yang lain, mau tidak mau kita harus
kembali melakukan konsultasi kepada dokter hewan tersebut.
1.2 Rumusan Masalah
a. Bagaimana mendeteksi penyakit yang sering terjadi pada anjing menggunakan
metode Forward Chaining?
1.3 Tujuan
Memberikan informasi tentang diagnose penyakit anjing dengan solusi
penanggulangan sementara dan cara pencegahannya.
1.4 Batasan Masalah
a. Hanya seputar permasalahan tentang penyakit anjing peliharaan.
1.5 Manfaat
a. Untuk memberikan informasi kepada para pecinta anjing peliharaan tentang
penyakit anjing.
b. Untuk memberikan informasi gejala penyakit dan solusi yang harus
dilakukan.
BAB II
LANDASAN TEORI
2.1 Landasan Teori
2.2 Sistem Pakar
Menurut Nita Merlina dan Rahmat Hidayat dalam bukunya Perancangan
Sistem Pakar (2012:1), beberapa definisi sistem pakar menurut beberapa ahli
yaitu sebagai berikut.
1) Menurut Durkin : Sistem pakar adalah suatu program komputer yang
dirancang untuk memodelkan kemampuan penyelesaian masalah yang
dilakukan seorang pakar.
2) Menurut Ignizo : Sistem pakar adalah suatu model dan prosedur yang
berkaitan, dalam suatu domain tertentu, yang mana tingkat keahliannya
dapat dibandingkan dengan keahlian seorang pakar.
3) Menurut Giarratano dan Riley : Sistem pakar adalah suatu sistem
komputer yang bisa menyamai atau meniru kemampuan seorang pakar.
2.3 Struktur Sistem Pakar
Menurut Nita Merlina dan Rahmat Hidayat dalam bukunya Perancangan
Sistem Pakar (2012:3), Sistem pakar terdiri atas dua bagian pokok, yaitu
lingkungan pengembangan (development environment) dan lingkungan
konsultasi (consultation environment).
1) Lingkungan pengembangan digunakan sebagai pembangunan sistem
pakar, baik dari segi pembangunan komponen maupun basis
pengetahuan.
2) Lingkungan konsultasi digunakan oleh seorang yang bukan ahli untuk
berkonsultasi.
2.4 Manfaat dan Kemampuan Sistem Pakar
Menurut Nita Merlina dan Rahmat Hidayat dalam bukunya Perancangan Sistem
Pakar (2012:4), Berikut ini adalah manfaat dan kemampuan sistem pakar :
1. Meningkatkan output dan produktivitas.
2. Menurunkan waktu pengambilan keputusan.
3. Meningkatkan kualitas proses dan produk.
4. Menyerap keahlian langka.
5. Fleksibilitas.
6. Operasi peralatan yang lebih mudah.
7. Eliminasi kebutuhan peralatan yang mahal.
8. Transfer pengetahuan ke lokasi terpencil.
2.5 Keterbatasan Sistem Pakar
Menurut Nita Merlina dan Rahmat Hidayat dalam bukunya Perancangan Sistem
Pakar (2012:4), Sistem pakar juga memiliki kelemahan diantaranya yaitu :
1. Pengetahuan tidak selalu siap tersedia.
2. Akan sulit mengekstrak keahlian dari manusia.
3. Pendekatan tiap pakar pada suatu penilaian situasi mungkin berbeda,
tetapi benar.
4. Sulit, bahkan bagi pakar berkemampuan tinggi untuk mengikhtisarkan
penilaian situasi yang baik pada saat berada dalam tekanan waktu.
5. Sistem pakar berhak menjawab tidak tahu apabila terdapat konflik yang
terjadi di luar rule.
2.5 Basis Pengetahuan (Knowledge Base)
Menurut Nita Merlina dan Rahmat Hidayat dalam bukunya Perancangan Sistem
Pakar (2012:3), Basis pengetahuan berisi pengetahuan-pengetahuan dalam
penyelesaian masalah, ada dua bentuk pendekatan basis pengetahuan yang
sangat umum digunakan, yaitu sebagai berikut.
1) Penalaran Berbasis Aturan (Rule-Based Reasoning) Pada penalaran
berbasis aturan, pengetahuan direpresentasikan dengan menggunakan
aturan berbentuk IF-THEN. Bentuk ini digunakann apabila memiliki
sejumlah pengetahuan pakar pada suatu permasalahan tertentu.
2) Penalaran Berbasis Kasus (Case-Based Reasoning) Pada penalaran
berbasis kasus, basis pengetahuan berisi solusisolusi yang telah dicapai
sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang
terjadi sekarang (fakta yang ada). Bentuk ini dugunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang
hampir sama (mirip)
2.6 Pendekatan Metode Inferensi
Metode inferensi dalam sistem pakar adalah bagian yang menyediakan
mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan
oleh seorang pakar. Metode ini akan menganalisis masalah tertentu dan
selanjutnya akan mencari jawaban atau kesimpulan yang terbaik serta akan
memulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis
pengetahuan dengan fakta-fakta yang ada dalam basis data. Pendekatan metode
inferensi dalam buku Perancangan Sistem Pakar karya Nita Merlina (2012:21)
ada dua yaitu :
1) Backward Chaining
Backward chaining adalah pendekatan goal-driven yang dimulai dari
harapan apa yang akan terjadi (hipotesis) dan kemudian mencari
bukti yang mendukung (atau berlawanan) dengan harapan. Sering, hal
ini memerlukan perumusan dan pengujian hipotesis sementara
(subhipotesis). Berikut adalah gambar dari cara kerja mesin inferensi
backward chaining.
Gambar 2.1 Cara Kerja Mesin Inferensi Backward Chaining.
2.) Forward Chaining
Forward chaining adalah pendekatan data-driven yang dimulai dari
informasi yang tersedia atau dari ide dasar, kemudian mencoba menarik
kesimpulan. Berikut adalah gambar dari cara kerja mesin inferensi forward
chaining.
Gambar 2.2 Cara Kerja Mesin Inferensi Forward Chaining.
2.7 Metode Penelusuran Sistem Pakar
1) Depth-first search, melakukan penelusuran kaidah secara mendalam
dari simpul akar bergerak menurun ke tingkat dalam yang berurutan.
Gambar 2.3 menunjukan proses penelusuran Depth-first search.
Gambar 2.3 Depth-first Search
2) Breadth-first search, bergerak dari simpul akar, simpul yang ada pada
setiap tingkat diuji sebelum pindah ke tingkat selanjutnya Gambar 2.4
menunjukan proses penelusuran Breath-first search.
Gambar 2.4 Breadth-first search
3. Best-first search, Metode Pencarian Terbaik Pertama (Best First Search)
Adalah teknik penelusuran yang menggunakan pengetahuan akan suatu
masalah untuk melakukan panduan pencarian ke arah node tempat
dimana solusi berada. Pencarian jenis ini dikenal juga sebagai heuristic.
Pendekatan yang dilakukan adalah mencari solusi yang terbaik berdasarkan
pengetahuan yang dimiliki sehingga penelusuran dapat ditentukan harus di
mulai dari mana dan bagaimana menggunakan proses terbaik untuk
mencari solusi. Keuntungan jenis pencarian ini adalah mengurangi beban
komputasi karena hanya solusi yang memberikan harapan saja yang diuji dan
akan berhenti apabila solusi sudah mendekati yang terbaik. Ini
merupakan model yang menyerupai cara manusia mengambil solusi yang
dihasilkan merupakan solusi yang mutlak benar. Berikut adalah gambar 2.5
best first search.
Gambar 2.5 Best-first search
2.8 Strategi Penyelesaian Konflik
Menurut buku Kecerdasan Buatan karya T. Sutojo, Edy Mulyanto, dan
Vincent, apabila ada suatu fakta yang dapat memicu lebih dari satu rule maka
ada kemungkinan akan terjadi konflik dalam memori kerja. Artinya rule
mana yang harus dipilih oleh sistem pakar. Sistem pakar tidak bisa memilih
semua rule sekaligus. Ia harus memutuskan untuk memilih satu rule. Dalam
melakukan pemilihan, sistem pakar menggunakan cara-cara yaitu memilih
rulerule yang akan diterapkan apabila terdapat lebih dari satu rule yang sama
dengan fakta yang terdapat pada memori kerja, diantaranya adalah :
1) No duplication, Tidak boleh memicu sebuah rule dua kali
menggunakan fakta yang sama agar tidak ada fakta yang
ditambahkan ke memori kerja lebih dari satu kali.
2) Recency, Fakta yang baru dalam memori kerja harus digunakan dalam
menentukan rule.
3) Specificity, Fakta y
