By: Sulindawaty, M.Kom

By: Sulindawaty, M.Kom

1

Kata Pengantar

Sistem Pakar adalah mata kuliah yang mendukung untuk membuat

aplikasi yang dapat

memecahkan masalah dengan pengetahuan seorang pakar yang di dimasukkan dalam komputer. Beberapa kontribusi dari mata kuliah sistem pakar selain dapat memberikan pengetahuan untuk mampu menangkap pengetahuan dari kepakaran seseorang. Juga memberikan teknik-teknik representasi pengetahuan dalam suatu rule atau sistem berbasis rule, yaitu pengetahuan disimpan dalam bentuk rule, sebagai prosedur pemecahan masalah. Selain memberikan latihan dalam kemampuan menganalisa dan menghitung dengan

beberapa metode penelusuran, tingkat

probabilitas dan tingkat kepastian. Harapannya buku ini dapat bermanfaat memberikan sumbangan

sebagai referensi bahan ajar, penelitian dsb. Dan

yang berarti bagi perkembangan ilmu pengetahuan di Indonesia,

khususnya di STMIK Triguna Dharma.

April,

2015

( Penulis)

2

DAFTAR ISI

Halaman

KATA PENGANTAR ...................................................................................

i

DAFTAR ISI..................................................................................................

ii

BAB I

MENGENAL SISTEM PAKAR ...............................................

1

1.1. Defenisi Sistem Pakar ............................................................

6

1.2. Struktur Sistem Pakar .............................................................

7

1.3. Pengembangan Sistem Pakar .................................................

10

1.4. Metode Inferensi................................................................... .

12

1.5. Arsitektur Sistem Pakar............................................................

12

1.6. Metode Inferensi.............................................. ......................

13

1.7. Keuntungan dan kelemahan Sistem Pakar…………………..

15

BACKWARD CHAINNING ......................................................

17

2.1.Implemantasi .......................................................................... .

17

2.2 Algoritma Sistem .....................................................................

21

2.3. Flowchart Program .................................................................

23

2.4. Perancangan Sistem ................................................................

27

2.5. Perancangan Antar Muka .......................................................

29

2.6.Implementasi system………………………………………….

34

2.7. Pengujian Sistem……………………………………………..

38

2.8. Diskusi………………………………………………………..

42

BAB II

3

BAB III FORWARD CHAINNING .........................................................

43

3.1. Anlisa Permasalahan ...............................................................

44

3.2. Algortima Sistem ....................................................................

15

3.3. Flowchart Program..................................................................

36

3.4. Pemodelan/ Perancangan Sistem ............................................

57

3.5. Implementasi Sistem………………………………………….

77

3.6. Diskusi………………………………………………………..

82

BAB IV DEMSTER SHAFER............ ......................................................

85

4.1.Implementasi Dempstr Shafer.................................................. .

85

4.2. Penerapan Demster Shafer...................................................... ..

92

4.3. Flowchart Program………………………………………….....

97

4.4. Pemodelan/ Perancangan Sistem………………………………

107

4.5. implementasi Sistem…………………………………………..

108

4.6. Diskusi…………………………………………………………

113

BAB V TEOREMA BAYES........... .......................................................... ..

115

5.1. Jenis-jenis penyakit ................................................................. .

115

5.2. Algoritma Sistem......................................................................

133

5.3. Flowchart Program…………………………………………...

147

5.4. Pemodelan/ Perancangan Sistem……………………………...

148

5.5. Antar muka pemakai…………………………………………..

154

BAB VI TEOREMA BAYES KASUS 2........... ...................................... ..

159

6.2. Aplikasi dengan ayes .................................................................

160

6.3. Pengujian……………………………………………………….

185

6.4. Diskusi……………………………………………………………

186

4

BAB VII CERTAINTY FACTOR........... ................................................ …. .

190

7.1. Defenisi Certainty Factor ........................................................ ......

190

7.2. Implementasi Certainty Factor.......................................................

193

7.3. Analisis Permasalahan……………………………………………. 206 7.4. Pembuatan Aplikasi……………………………………………….. 213 7.5 Pengujian…………………………………………………………. 216 7.6. Kelebihan Sistem………………………………………………… 219 7.7.Diskusi…………………………………………………………….. 219

5

BAB.

1

MENGENAL SISTEM PAKAR

1.1 Defenisi Sistem Pakar Sistem pakar adalah program kecerdasan buatan yang menggabungkan pangkalan pengetahuan base dengan sistem inferensi untuk menirukan seorang pakar. Sistem pakar merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Diharapkan dengan sistem pakar ini, pengguna dapat menyelesaikan masalah tertentu, tanpa bantuan para ahli dalam bidang tersebut. Suatu sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai berikut: 1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat menjelaskan alasan-alasan dengan cara yang dapat dipahami. 4. Bekerja berdasarkan pada kaidah atau rule tertentu. 5. Mudah dimodifikasi. 6. Basis pengetahuan dan mekanisme inferensi terpisah. 7. Keluarnya atau output bersifat anjuran. 8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai.

1.2 Struktur Sistem Pakar 6

Ada dua bagian penting dari Sistem pakar, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan oleh pembuat sistem pakar untuk membangun komponen-komponennya dan memperkenalkan pengetahuan ke dalam knowledge base (basis pengetahuan). Lingkungan konsultasi digunakan oleh pengguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan dan nasihat dari Sistem Pakar layaknya berkonsultasi dengan seorang pakar.

User

Lingkungan Konsultasi Fakta-fakta tentang kejadian tertentu

Lingkungan Pengembangan Basis Pengetahuan

7

Sumber: kecerdasan buatan(2010:167)

Gambar 2.1 Komponen-komponen yang penting dalam sebuah sistem pakar Keterangan : 1. Akuisi Pengetahuan Subsistem ini digunakan untuk memasukkan pengetahuan dari seorang pakar dengan cara merekayasa pengetahuan agar bisa diproses oleh komputer dan menaruhnya ke dalam basis pengetahuan dengan format tertentu (dalam bentuk representasi pengetahuan). Sumbersumber pengetahuan bisa diperoleh dari pakar, buku, dokumen multimedia, basis data, laporan riset khusus, dan informasi yang terdapat di web.

2.

Basis Pengetahuan (Knowladge Base) 8

Basis pengetahuan mengandung pengetahuan yang diperlukan untuk memahami, memformulasikan dan menyelesaikan masalah. Basis pengetahuan terdiri dari dua elemen dasar, yaitu : a. Fakta, misalnya situasi, kondisi, atau permasalahan yang ada. b. Rule (Aturan), untuk mengarahkan penggunaan pengetahuan dalam memecahkan masalah. 3.

Mesin Inferensi (Inference Engine) Mesin inferensi adalah sebuah program yang berfungsi untuk memandu proses penalaran terhadap suatu kondisi berdasarkan pada basis pengetahuan yang ada, memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan untuk mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi pengendalian, yaitu strategi yang berfungsi sebagai panduan arah dalam melakukan proses penalaran. Ada tiga teknik pengendalian yang digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik tersebut.

4.

Daerah Kerja (Blackboard) Untuk merekam hasil sementara yang akan dijadikan sebagai keputusan dan untuk menjelaskan sebuah masalah yang sedang terjadi, Sistem Pakar membutuhkan Blackboard, yaitu area pada memori yang berfungsi sebagai basis data. Tiga tipe keputusan yang dapat direkam pada blackboard, yaitu: a. Rencana : bagaimana menghadapi masalah b. Agenda : aksi-aksi potensial yang sedang menunggu untuk dieksekusi. c. Solusi : calon aksi yang akan dibangkitkan.

5.

Antarmuka Pemakai (User Interface)

9

Digunakan sebagai media komunikasi antara pengguna dan Sistem Pakar. Komunikasi ini paling bagus bila disajikan dalam bahasa alami (natural language) dan dilengkapi dengan grafik, menu, dan formulir elektronik. Pada bagian ini akan terjadi dialog antara Sistem Pakar dan pengguna. 6.

Subsistem Penjelasan (Explanation Subsystem / Justifier) Berfungsi memberi penjelasan kepada pengguna, bagaimana suatu kesimpulan dapat diambil. Kemampuan seperti ini sangat penting bagi pengguna untuk mengetahui proses pemindahan keahlian pakar maupun dalam pemecahan masalah.

7.

Sistem Perbaikan Pengetahuan (Knowledge Refining System) Kemampuan memperbaiki pengetahuan (knowledge refening system) dari seorang pakar diperlukan untuk menganalisis pengetahuan, belajar dari kesalahan masa lalu, kemudian memperbaiki pengetahuannya sehingga dapat dipakai pada masa mendatang. Kemampuan evaluasi diri seperti itu diperlukan oleh program agar dapat menganalisis alasan-alasan kesuksesan dan kegagalannya dalam mengambil kesimpulan. Dengan cara ini basis pengetahuan yang lebih baik dan penalaran yang lebih efektif akan dihasilkan.

8.

Pengguna (User) Pada umumnya pengguna sistem pakar bukanlah seorang pakar (non-expert) yang membutuhkan solusi, saran, atau pelatihan (training) dari berbagai permasalahan yang ada.

1.3 Pengembangan Sistem Pakar Pengembangan penjelasan lebih lanjut mengenai keunggulan sistem pakar dibanding seorang pakar, yaitu: 1.

Sistem pakar bisa digunakan setiap hari menyerupai sebuah mesin sedangkan seorang pakar tidak mungkin bekerja terus menerus setiap hari tanpa beristirahat. 10

2.

Sistem pakar merupakan suatu software yang dapat diperbanyak dan kemudian dibagikan ke berbagai lokasi maupun tempat yang berbeda untuk digunakan sedangkan seorang pakar hanya bekerja pada satu tempat dan pada saat yang bersamaan.

3.

Suatu sistem pakar dapat diberi pengamanan untuk menentukan siapa saja yang diberikan hak akses untuk menggunakannya dan jawaban yang diberikan oleh sistem terbebas dari proses intimidasi atau ancaman, sedangkan seorang pakar bisa saja mendapat ancaman atau tekanan pada saat menyelesaikan permasalahan.

4.

Pengetahuan (knowledge) yang disimpan pada sistem pakar tidak akan bisa hilang atau lupa, yang dalam hal ini tentu harus didukung oleh maintenance yang baik, sedangkan pegetahuan seorang pakar manusia lambat laun akan hilang karena meninggal, usia yang semakin tua, maupun menderita suatu penyakit.

5.

Kemampuan memecahkan masalah pada suatu sistem pakar tidak dipengaruhi oleh faktor dari luar seperti intimidasi, perasaan kejiwaan, faktor ekonomi atau perasaan tidak suka.

6.

Umumnya kecepatan dalam memecahkan masalah pada suatu sistem pakar relatif lebih cepat dibandingkan oleh seorang pakar manusia.

7.

Biaya menggaji seorang pakar lebih mahal bila dibandingkan dengan penggunaan program sistem pakar (dengan asumsi bahwa program sistem pakar itu sudah ada).

1.4 Metode Inferensi Inferensi adalah proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsi. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi).

11

1.5 Bentuk Sistem Pakar Ada 4 bentuk sistem pakar yaitu : 1. Berdiri sendiri. Sistim pakar jenis ini merupakan software yang berdiri sendiri tidak bergabung dengan software yang lainnya. 2. Tergabung. Sistem pakar jenis ini merupakan bagian program yang terkandung di dalam suatu algoritma konvensional, atau merupakan program di mana di dalamnya memanggil algoritma subrutin lain. 3. Menghubungkan ke software yang lain Bentuk ini biasanya merupakan sistem pakar yang menghubungkan ke suatu paket program tertentu, misalnya dengan DBMS (Data Base Management System). 4. Sistem mengabdi. Sistem pakar merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu.Misalnya sistem pakar yang digunakan untuk membantu menganalisis data radar.

1.6 Arsitektur Sistem Pakar Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan oleh pembuat sistem pakar untuk membangun komponenenkomponennya dan memperkenalkan pengetahuan ke dalam knowladge base (basis pengetahuan).

12

Lingkungan konsultasi digunakan penguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan dan nasihat dari sistem pakar layaknya berkonsultasi dengan pakar. 1.7 Metode Inferensi Metode inferensi merupakan suatu cara penarikan kesimpulan yang dilakukan oleh mesin inferensi dalam menyelesaikan masalah. Secara umum metode inferensi dalam sistem pakar terdiri atas 2 yaitu : a. Pelacakan Ke Depan (Forward Chaining) Menurut Irawan 2007 dalam ( Rima Izzul Millah dkk.) metode forward chaining adalah suatu metode dari inference engine untuk memulai penalaran atau pelacakan suatu data dari fakta-fakta yang ada menuju suatu kesimpulan. Forward chaining juga dapat diartikan strategi pengambilan keputusan yang dimulai dari bagian premis (fakta) menuju konklusi (kesimpulan akhir) (Kusrini,2006). Pelacakan kedepan adalah pendekatan yang dimotori data ( data-driven ). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan kedepan, mencari fakta yang sesuai dengan bagian IF dari aturan IF – THEN. Pencocokan fakta atau pernyataan dimulai dari bagian kiri (IF dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Contoh penerapan forward chaining pada pendeteksian penyakita ayam dapat dilihat pada kasus di bawah ini : IF nafsu makan berkurang

13

AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND mencret keputih-putihan AND kedinginan AND kaki bengkak AND terdapat kotoran putih menempel di sekitar dubur THEN Berak kapur / Pullorum Disease Secara sederhana kaidah di atas dapat dijelaskan bahwa IF dan AND merupakan bagian premis (fakta). Fakta ini harus diinputkan terlebih dahulu, kemudian hasil penginputan tersebut akan otomtis diperoleh konklusinya dalam bentuk THEN b. Pelacakan Ke Belakang (Backward Chaining) Backward Chaining adalah suatu strategi pengambilan keputusan dimulai dari pencarian solusi dari kesimpulan kemudian menelusuri fakta-fakta yang ada hingga menemukan solusi yang sesuai dengan fakta-fakta yang diberikan pengguna (Kusrini, 2006). Contoh penalaran backward chaining adalah : Lampu 1 rusak. IF lampu 1 dinyalakan AND lampu 1 tidak menyala AND lampu 1 dihubungkan dengan sekering 14

AND sekering masih utuh Penalaran di atas dapat dijelaskan bahwa sistem terlebih dahulu menduga. 1.8 Keuntungan dan Kelemahan Sistem Pakar Ada beberapa keuntungan di dalam sistem pakar, di antaranya : 1. Menghimpun data dalam jumlah yang besar 2. Menyimpan data tersebut dalam jangka waktu yang lama dalam bentuk tertentu 3. Mengerjakan perhitungan secara cepat dan tepat serta mencari kembali data yang tersimpan dengan kecepatan tinggi Sementara kemampuan sistem pakar ( expert system ) di antaranya adalah : 1. Menjawab berbagai pertanyaan yang menyangkut bidang keahliannya 2. Bila diperlukan dapat menyajikan asumsi dan latar penalaran yang digunakan untuk sampai ke jawaban yang dikehendaki. 3. Menambah fakta kaidah dan alur penalaran. Selajutnya keuntungan yang bisa diambil dari sistem pakar adalah : 1. Menjadikan pengetahuan lebih mudah didapat. 2. Meningkatkan output dan produktifitas. 3. Menyimpan kemampuan dan keahlian para pakar. 4. Meningkatkan penyelesaian masalah, penerangan, sistem pakar khas. 5. Meningkatkan realibitas. 15

6. Memberikan respons (jawaban) yang cepat. 7. Merupakan panduan yang intelegence (cerdas). 8. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian 9. Inteligent databases (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas

Selain keuntungan – keuntungan di atas, sistem pakar seperti halnya sistem yang lainnya juga memiliki kelemahan, di antaranya adalah : 1. Masalah dalam mendapatkan pengetahuan, di mana pengetahuan tidak selalu bisa didapat dengan mudah. Hal ini disebabkan terkadang karena kepakaran tersebut tidak ada atau pendekatan yang dibuat oleh satu pakar dengan pakar lainnya berbeda. 2. Untuk membuat suatu sistem yang berkualitas sangat sulit dan memerlukan biaya yang tinggi. 3. Boleh jadi sistem pakar tidak dapat membuat keputusan. 4. Sistem pakar tidaklah 100% menguntungkan, walaupun sering tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang sebelum digunakan. Dalam hal ini peranan manusia merupakan faktor dominan Kelemahan – kelemahan dari sistem pakar tersebut bukanlah sama sekali tidak bisa diatasi, tetapi dengan terus melakukan perbaikan dan pengolahan berdasarkan pengalaman yang telah ada maka hal ini diyakini akan dapat diatasi, walaupun dalam waktu yang panjang dan terus menerus .

16

BAB.

2

BACKWARD CHAINNING SYSTEM

Backward Chaining adalah metode inferensi yang bekerja mundur kearah kondisi awal. Proses diawali dari Goal ( yang berada dibagian THEN dan rule IF-THEN), kemudian pencarian mulai dijalankan untuk mencocokkan apakah fakta-fakta yang ada cocok dengan premis-premis dibagian IF. Jika cocok, rule dieksekusi, kemudian hipotesis dibagian THEN ditempatkan di basis data sebagai fakta baru. Jika tidak cocok, simpan premis di bagian IF ke dalam stack sebagai

sub Goal. Proses berakhir jika Goal ditemukan atau tidak ada rule yang bisa

membuktikan kebenaran dari sub atau Goal. Gambar 1 menunjukkan proses Backward Chaining.

Gambar 2.1 Proses Backward Chaining 2.1 Implementasi Penggunaan Metode Backward Chainning untuk Menentukan Kesesuaian Pembayaran Rekening Air Pelanggan pada PDAM.. Sistem informasi ini sangat dibutuhkan oleh pelanggan, karena tidak banyak pelanggan yang mengetahui tentang rekening yang dibanyarnya sesuai atau tidak. Untuk mempermudah pelanggan dibuat program untuk mengetahui tentang informasi dari penyesuaian tarif rekening yang harus dan tidak seharusnya dibayar. 17

Dalam kesesuaian pemakaian air pelanggan memilih beberapa kriteria yang harus dipilih oleh pelanggan. Berikut ini adalah kriteria untuk kesesuaian pemakaian air : NPA (Nomor Pelanggan Air ) (Q1), Angka Meter Awal (Q2), Angka Meter Akhir (Q3), Jumlah Pemakaian (Q4), Kaca Meter Kabur (Q5), Kaca Meter Pecah (Q6), Kaca Meter Putus (Q7), Meteran tetap berjalan walaupun kran air sudah dimatikan (Q8), Meteran berhenti pada saat kran air dimatikan (Q9). Dimana Sesuai (S1) dan Tidak Sesuai (S2). Maka berikut adalah rule sisten informasi keluhan pelanggan dalam kesesuaian pemakaian air : Rule 1 : Then “ S2 “ IF “ Q4, Q5, Q9 ” “ Q4, Q6, Q9 “ “ Q8 “ “ Q2, Q5 “ “ Q3, Q6 ” “ Q4, Q7 “ “ Q4, Q8 “ Rule 2 : Then “ S2 “ IF “ Q4, Q9 “ “ Q2 “ “ Q3 “ “ Q4 “ “ Q3, Q9 “ “ Q2, Q9 “

18

Tabel 2.1 Pengelompokan Parameter Kriteria

Parameter

Ket Jumlah pemakaian, kaca meter kabur, meteran

Q4, Q5, Q9

P1 berhenti pada saat kran air dimatikan Jumlah pemakaian, kaca meter pecah, meteran

Q4, Q6, Q9

P2 berhenti pada saat kran air dimatikan Jumlah pemakaian, kaca meter putus, meteran

Q4, Q7, Q9

P3 berhenti pada saat kran air dimatikan Meteran tetap berjalan walaupun kran air

Q8

P4 dimatikan

Q2, Q5

P5

Angka meter awal, kaca meter kabur

Q3, Q6

P6

Angka meter akhir, kaca meter pecah

Q4, Q7

P7

Jumlah pemakaian, kaca meter putus

Q4, Q8

P8

Jumlah pemakaian, meteran tetap berjalan walau kran air dimatikan Jumlah pemakaian, meteran berhenti pada saat Q4, Q9

P9 kran air dimatikan

Q2

P10

Angka meter awal

Q3

P11

Angka meter akhir

Q4

P12

Jumlah meter

Q3, Q9

P13

Angka meter akhir, meteran berhenti pada saat kran air dimatikan Q2, Q9

P14

Angka meter awal, meteran berhenti pada saat

19

kran air dimatikan

Maka diperoleh rule sebagai berikut : Tabel 2.2 Tampilan Rule Rule

If

Then

1

P1, P2, P3, P4, P5, P6, P7, P8

S1

2

P9, P10, P11, P12, P13, P14

S2

Dari kumpulan rule diatas maka didapatlah Goal kesesuaian dan parameter keluhan pelanggan dalam kesesuaian pemakaian air seperti dibawah ini :

Gambar 2.2 Goal Sesuai (S1) Tidak Sesuai(S2)

Keterangan :

20

Goal S1 : dikatakan Sesuai jika memiliki gejala Jumlah pemakaian, kaca meter kabur, meteran berhenti pada saat kran air dimatikan (P1), Jumlah pemakaian, kaca meter pecah, meteran berhenti pada saat kran air dimatikan (P2), Jumlah pemakaian, kaca meter putus, meteran berhenti pada saat kran air dimatikan (P3), Meteran tetap berjalan walaupun kran air dimatikan (P4), Angka meter awal, kaca meter kabur (P5), Angka meter akhir, kaca meter pecah (P6), Jumlah pemakaian, kaca meter putus (P7), Jumlah pemakaian, meteran tetap berjalan walau kran air dimatikan (P8). Goal S2 : Dikatakan Tidak Sesuai jika memiliki gejala Jumlah pemakaian, meteran berhenti pada saat kran air dimatikan (P9), Angka meter awal (P10), Angka meter akhir (P11), Jumlah meter (P12), Angka meter akhir, meteran berhenti pada saat kran air dimatikan (P13), Angka meter awal, meteran berhenti pada saat kran air dimatikan (P14). Sehingga, If P1 and P2 and P3 and P4 and P5 and P6 and P7 and P8 Then S1 If P9 and P10 and P11 and P12 and P13 and P14 and P 15 and P 16 Then S2 If Q4 and Q5 and Q6 then P1 If Q4 and Q6 and Q9 then P2 Dst.. 2.2 Algoritma Sistem Penggunaan strategi pencarian backward chaining untuk membangun mesin inferensi memerlukan suatu algorima tertentu sehingga bisa diimplementasikan menggunakan bahasa pemrograman.

21

Gambar 2.2 Algoritma Sistem Penjelasan : 1. Petugas menghidupkan komputer dan melakukan registrasi menginput

username dan

password. 2.

Pelanggan datang untuk melaporkan keluhan.

3.

Pelanggan menginput data pelanggan setelah itu disimpan.

4.

Pelanggan memilih kesalahan yang terjadi pada meteran dirumahnya.

22

5.

Jika input kesalahan yang diplih pada parameter yang ada sesuai maka

memproses “sesuai” dan memberikan informasi tentang 6.

sistem

akan

kesesuaiannya.

Jika input kesalahan yang diplih pada parameter yang ada tidak sesuai maka

sistem

akan memproses “tidak sesuai” dan memberikan informasi tentang ketidak sesuaiannya.

2.3 Flowchart Program Dibawah ini rancangan Flowchart program untuk menentukan kesesuaian pemakaian air, yaitu sebagai berikut : 2.3.1. Flowchart Login

Gambar 2.3 Flowchart Login

23

2. 3.2 Flowchart Menu Utama Y

X

Y Data Customer

Customer

A

Pengaduan

B

T

Y Data T Pengaduan

X

Gambar 2.4 Flowchart Menu Utama

24

2.3.3 Flowchart Data Customer A

Data Customer

Y Input Data

Add

Simpan

Jika Id Duplika

Id sudah ada

T

Simpan Data

Y Edit Data

Edit

Simpan

tbldatacustomer

T Y Hapus

Bersih

T Y Batal

Kosongkan teks

T

X

Gambar 2.5 Flowchart Data Customer

25

2.3.4. Flowchart Data Pengaduan B

Data Pengadu

Y Memilih Parameter Sesuai dengan Keluhan pelanggan

Proses

Tampil aplikasi pengaduan

T T

ExitY

X

Gambar 2.6 Flowchart Data Pengaduan

26

2.4 Perancangan Sistem Perancangan sistem adalah tahapan dimana sistem dimodelkan dalam bentuk alur program seperti Use Case, Activity, Class Diagram. 2.4.1 Use Case Diagram Berikut ini merupakan Use Case Diagram untuk keluhan pelanggan dalam kesesuaian pemakaian air yaitu : Sistem Kesesuaian Keluhan Pelanggan berdasarkan Pemakaian Air

Gambar 2.7 Use Case Diagram kesesuaian pemakaian air

27

2.4.2 Activity Diagram Menggambarkan rangkaian aliran dari aktivitas, digunakan untuk mendeskripsikan aktivitas yang dibentuk dalam suatu operasi sehingga dapat juga digunakan untuk aktifitas lainnya. Berikut ini merupakan activity diagram untuk kesesuaian pemakaian air : Activity

System

Login

Tampil Login

Menu Utama

Cek login

Input Data Customer

Tampilan Form Pengaduan Benar Memilih ketidaksesuaian berdasarkan Parametter

Salah

Proses kesesuaian dengan backward chaining

Hasil Proses kesesuaian dengan backward chaining

Gambar 2.8 Activity Diagram 28

2.4.3 Class Diagram Object adalah gambaran dari entity, baik dunia nyata atau konsep dengan batasan-batasan dan pengertian yang tepat. Objek bisa mewakili sesuatu yang nyata seperti komputer, mobil atau dapat berupa konsep seperti proses kimia, transaksi bank, permintaan pembelian, dll. Setiap objek dalam sistem memiliki tiga karakteristik yaitu state ( status), Behavior ( Sifat) dan identity ( identitas). Berikut ini merupakan class diagram untuk kesesuaian pemakaian air : Login User Username Password

1 User UserId : String Nama_User : string Kata_Kunci : String Simpan() Tampil()

1....* 1

1....*

Customer Npa/NPAL: String Nama: String No.Register/ No.Buku : String Add() Edit() Simpan() Bersih() Exit() Pengaduan No Urut: String Nama: String Tanggan : String Proses() Tampil ()

Gambar 2.9 Class Diagram

2.5 Rancangan Antarmuka (Interface) Perancangan antarmuka memperjelas rutinitas program yang akan dijalankan oleh sebuah sistem computer untuk memperjelaskan interaksi antar pemakai (user) dengan program yang dibuat. Semua software pengembangan sistem informasi memberikan interface yang berbeda 29

bagi user dan developer. User akan berhadapan dengan tampilan yang sederhana dan mudah, sedangkan developer akan berhadapan dengan editor dan source code waktu mengembangkan program. Pada bagian ini user bisa melihat dan berinteraksi dengan sistem, biasanya dalam bentuk display teks ataupun grafik yang interaktif. Di sini akan digambarkan rancangan antarmuka yang digunakan dalam sistem. Tampilan antarmuka yang dibuat menggunakan form tampilan yang dilengkapi tombol (button) menu. Tampilan antarmuka dibuat secara user friendly sehingga memudahkan masyarakat awam untuk menggunakan sistem informasi untuk mengetahui kesesuaian pemakaian air yang digunakan. Adapun rancangan antar mukanya adalah sebagai berikut: 1.

Form Login Form login adalah form awal yang pertama kali muncul ketika menjalankan sistem

informasi ini. Form login ini dibuat dengan dua pilihan yang pertama user sebagai Admin , untuk menjalankan program sebagai informasi maka dibutuhkan password untuk bisa menjalankan sistem informasi ini. Yang kedua adalah user sebagai mana seorang user langsung bisa menjalankan sistem ini. Adapun tampilannya adalah sebagai berikut :

30

Gambar 2.10 Rancangan Form Login 2. Form Menu Utama Berikut ini merupakan gambar tampilan awal yang menggambarkan menu pilihan yang dapat dipilih user (pengguna) yaitu : a. Menu Input Data adalah menu yang memberikan informasi tentang data pelanggan dan keluhan yang terjadi pada pelanggan beserta penjelasan. b. Menu About adalah menu ini hanya berisi tentang keterangan menngenai program keluhan pelanggan dalam kesesuaian pemakaian air. c. Menu Exit adalah menu keluar setelah pengguna selesai menggunakannya.

31

Gambar 2.11 Rancangan Form Utama 3.

Form Customer Form Customer ini berfungsi untuk mengisi data pelanggan dan melihat catatan dari

petugas. Dalam form ini dapat menambah nama pelanggan dan memperbaiki data pelanggan jika ada yang salah. Adapun rancangan tampilannya adalah sebagai berikut ini :

Gambar 2.12 Rancangan Form Customer 32

4.

Form Pengaduan Form pengaduan berfungsi untuk mengecek kesalahan yang terjadi pada pelanggan,

berikut bentuk form pengaduan :

Gambar 2.13 Rancangan Form Pengaduan 5.

Form About Form About berfungsi untuk menjelaskan tentang pembuat dan juga tentang program

sistem informasi. Berikut bentuk form tentang :

33

Gambar 2.14 Tentang Program

2.6 Implementasi Sistem

2.6.1 Form Halaman Utama Form ini merupakan halaman utama yang berisikan menu – menu program yaitu : menu input data, menu customer, menu pengaduan, menu laporan, menu about, dan menu exit. Pengguna juga bisa menggunakan menu ini untuk melihat identitas dan mengisi identitas bagi pelanggan baru serta juga bisa dipergunakan untuk melihat apakah pembayaran dengan pemakaian sesuai. Berikut bentuk form utama :

34

Gambar 2.15 Tampilan form Utama 2.6.2 Form Data Customer Form ini merupakan halaman untuk melihat identitas pelanggan atau untuk memasukkan pelanggan baru dan dapat memperbaiki identitas pelanggan bila ada yang salah. Berikut adalah bentuk form data customer :

35

Gambar 2.16 Tampilan Form Data Customer 2.6.3 Form Pengaduan Form ini merupakan halaman untuk pengujian program, pada form ini pengguna bisa memilih kesalah yang terjadi pada meteran anda. Tekan tombol proses untuk melakukan proses kesesuaian, dan tekan tombol exit apabila anda telah telah selesai mengeceknya. Berikut adalah bentuk form pengaduan :

Gambar 2.17Tampilan Form Pengaduan 36

2.6.4 Form Laporan Data Customer Form ini hanya menjelaskan laporan tentang data customer, dan utuk keluar silahkan pilih tanda silang pada layar yang sebelah kanan. Berikut tampilan form laporan data customer :

Gambar 2.18 Tampilan Form Laporan Data Customer 2.6.5 Form Menu About Form ini berfungsi memberikan informasi tentang program ini dan tekan tombol keluar untuk keluar dari program. Berikut bentuk form menu about :

Gambar 2.19 Form Menu About 37

2.6.5 Tampilan Database

Gambar 2.20 Tampilan Database 2.7 Pengujian Sistem Pengujian sistem informasi ini meliputi pengujian identifikasi dengan menggunak metode backward chaining. Data yang akan dipilih sebagai asumsi untuk melakukan pengujian ini adalah data kesalahan yang sering terjadi dalam perusahaan.

38

2.8. Diskusi Misalkan diketahui sistem pakar yang menggunakan beberapa rule berikut.  R1:IF (P AND D) THEN R  R2:IF (X AND B AND E) THEN P  R3: IF A THEN X  R4: IF C THEN L  R5:IF (L AND M) THEN N  Fakta-fakta: A,B,C,D, dan E bernilai benar.  Goal: menentukan apakah R bernilai benar atau salah.

Penyelesaian:  Iterasi 1:  Database:A,B,C,D,E  Stack : R  Knowledge Base (Basis Pengetahuan) R1:IF (Y AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Goal : R (sebagai isi awal dari stack) 39

D ada di database Y tidak ada di database,simpan di stack.  Iterasi 2:  Database:A,B,C,D,E  Stack : R,Y  Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : P B,E ada di database X tidak ada di database,simpan di stack.  Iterasi 3:  Database:A,B,C,D,E  Stack : R,P,X  Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X

40

R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : X A ada di database X hapus dari stack dan masukkan ke fakta baru.  Iterasi 4:  Database:A,B,C,D,E, (Fakta Baru: X)  Stack : R,P  Knowledge Base (Basis Pengetahuan) R1:IF (Y AND D) THEN R R2:IF(X AND B AND E) THEN Y R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : X X,B, E ada di database Y hapus dari stack dan masukkan ke fakta baru.

 Iterasi 5:  Database:A,B,C,D,E, (Fakta Baru: X,P)  Stack : R

41

 Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : X P, D ada di database R hapus dari stack dan masukkan ke fakta baru. Sehingga,  Database:A,B,C,D,E, (Fakta Baru: X,  P,R) Karena Goal R ditemukan di database, maka proses pencarian dihentikan. Disini terbukti bahwa R bernilai Benar.

42

BAB.

3

FORWARD CHAINNING

Metode forward chaining adalah suatu metode dari inference engine untuk memulai penalaran suatu data dari fakta-fakta yang ada menuju suatu kesimpulan. Forward chaining juga dapat diartikan strategi pengambilan keputusan yang dimulai dari bagian premis (fakta) menuju konklusi (kesimpulan akhir) . Pelacakan kedepan adalah pendekatan yang dimotori data ( data-driven ). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan kedepan, mencari fakta yang sesuai dengan bagian IF dari aturan IF – THEN. Pencocokan fakta atau pernyataan dimulai dari bagian kiri (IF dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

Observasi A

Aturan R1

Fakta A

Aturan R3

Kesimpulan 1

Observasi B

Aturan R2

Fakta B

Aturan R2

Kesimpulan 2

Fakta C

Gambar 3.1 Proses Forward Chaining

Contoh penerapan forward chaining pada pendeteksian penyakita ayam dapat dilihat pada kasus di bawah ini : IF nafsu makan berkurang 43

AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND mencret keputih-putihan AND kedinginan AND kaki bengkak AND terdapat kotoran putih menempel di sekitar dubur THEN Berak kapur / Pullorum Disease Secara sederhana kaidah di atas dapat dijelaskan bahwa IF dan AND merupakan bagian premis (fakta). Fakta ini harus diinputkan terlebih dahulu, kemudian hasil penginputan tersebut akan otomtis diperoleh konklusinya dalam bentuk THEN 3.1 Analisa Permasalahan Ada beberapa jenis-jenis penyakit yang diderita oleh ayam, berikut ini jenis-jenis penyakit ayam : Kode

Nama Penyakit

Nama Latin

P001

Berak kapur

Pullorum Disease

P002

Kolera Ayam

Fowl Cholera

P003

Flu Burung

Avian Influenza

P004

Tetelo

Newcastle Disease

P005

Tipus Ayam

Fowl Typhoid

P006

Berak Darah

Coccidosis

P007

Gumboro

Gumboro Disease

44

P008

Salesma Ayam

Infectious Coryza

P009

Batuk Ayam Menahun

Infectious Bronchitis

P010

Busung Ayam

Lymphoid Leukosis

P011

Batuk Darah

Infectious Laryngotracheitis

Tabel 6.1 Daftar Penyakit Ayam yang Sering Timbul Kode

Nama Penyakit

Nama Latin

P012

Mereks

Mereks Disease

P013

Produksi Telur

Egg

Drop

Syndrome

76/EDS 76 P014

Produksi Awal

Pullet Disease

P001 sampai dengan P011 merupakan kode yang diberikan penulis untuk mempermudah mengetahui jenis penyakit ayam. Kode ini nantinya akan digunakan di aplikasi sistem pakar yang dibuat. Jadi, kesimpulannya kode ini bukan kode baku atau kode yang tetap dari dinas kesehatan hewan, tetapi kode ini hanyalah untuk mempermudah pengguna aplikasi sistem pakar ini untuk mengetahui jenis penyakit ayamnya saja. 3.2 Algoritma Sistem Untuk mengetahui penyakit ayam, maka harus diketahui terlebih dahulu gejala-gejala penyebab penyakit ayam tersebut. Berikut gejala-gejala tiap penyakit ayam.

45

3.2.1 Gejala Penyakit Berak Kapur Penyakit berak kapur memiliki nama latin pullorum disease disebut juga bacillary white diarrhea dan yang lebih populer disebut penyakit berak kapur atau berak putih. Berikut gejala-gejala yang muncul pada penyakit ini : Tabel 3.2 Daftar Gejala Penyakit Berak Kapur Kode

Nama Gejala

G001

Nafsu makan berkurang

G002

Nafas sesak/megap-megap

G004

Nafas cepat

G007

Badan kurus

G008

Bulu kusam dan berkerut

G009

Diare

G010

Produksi telur menurun

G013

Kedinginan

G016

Mencret keputih-putihan

G024

Kaki bengkak

G037

Terdapat kotoran putih menempel di sekitar anus

3.2.2 Gejala Penyakit Kolera Ayam Penyakit kolera ayam memiliki nama latin penyakit fowl cholera, merupakan penyakit ayam yang dapat menyerang secara pelan-pelan dan juga dapat menyerang secara mendadak. Berikut gejala-gejala yang ditimbulkan dari penyakit ini : Tabel 3.3 Daftar Gejala Penyakit Kolera Ayam

46

Kode

Nama Gejala

G001


G002


G003

Nafas ngorok

G006

Batuk

G008


G009

Diare

G010


G012

Kelihatan ngantuk dan bulu berdiri

G014

Tampak lesu

G015

Mencret kehijau-hijauan

G018

Banyak minum

G022

Jengger membengkak merah

G025

Kaki meradang/lumpuh

G029

Keluar cairan dari mata dan hidung

3.2.3 Gejala Penyakit Flu Burung Penyakit flu burung memiliki nama latin avian influenza, disebut juga penyakit fowl plaque. Pertama kali terjadi di Italia sekitar tahun 1800. Selanjutnya menyebar luas sampai tahun 1930, setelah itu menjadi sporadis dan terlokasisasi terutama di timur tengah. Berikut daftar gejala-gejala penyakit flu burung :

47

Tabel 3.4 Daftar Gejala Penyakit Flu Burung Kode

Nama Gejala

G001


G002


G003

Nafas ngorok

G005

Bersin-bersin

G006

Batuk

G009

Diare

G010


G020

Nampak membiru

G028

Keluar cairan berbusa dari mata

G015


G031

Kepala bengkak

G041

Mati secara mendadak

3.2.4 Gejala Penyakit Tetelo Penyakit tetelo memiliki nama latin newcastle disease disebut juga pseudovogel pest rhaniket atau tortor furrens. Di Indonesia populer dengan sebutan tetelo. Penyakit ini pertama kali ditemukan oleh Doyle pada tahun 1927, di daerah newcastleon tyne, Inggris. Berikut ini daftar gejala-gejala penyakit tetelo :

48

Tabel 3.5 Daftar Gejala Penyakit Tetelo

Kode

Nama Gejala

G001


G002


G003

Nafas ngorok

G005

Bersin-bersin

G006

Batuk

G010


G014

Tampak lesu

G015


G021

Sempoyongan

G032

Kepala terputar

3.2.5 Gejala Penyakit Tipus Penyakit tipus memiliki nama latin fowl typhoid, dikenal sebagai penyakit tipus ayam, tergolong penyakit menular. Berikut daftar gejala-gejala penyakit tipus :

49

Tabel 3.6 Daftar Gejala Penyakit Tipus Kode

Nama Gejala

G001


G007

Badan kurus

G008


G009

Diare

G012


G014

Tampak lesu

G015


G023

Jengger pucat

3.2.6 Gejala Penyakit Berak Darah Penyakit berak darah memiliki nama latin coccidosis, merupakan penyakit menular yang ganas, di kalangan para peternak ayam disebut juga penyakit berak darah. Penyakit ini ditemukan pada tahun 1674. Berikut daftar gejala-gejala penyakit berak darah :

50

Tabel 3.7 Daftar Gejala Penyakit Berak Darah Kode

Nama Gejala

G001


G007

Badan kurus

G008


G010


G017

Mencret bercampur darah

G019

Muka pucat

3.2.7 Gejala Penyakit Gumboro Penyakit gumboro memiliki nama latin infectious bursal disease. Pertama kali ditemukan dan dilaporkan pada tahun 1975 oleh Dr. Csgrove di daerah gumboro, deleware, Amerika serikat. Berikut daftar gejala-gejala penyakit ini : Tabel 3.8 Daftar Gejala Penyakit Gumboro Kode

Nama Gejala

G001


G008


G014

Tampak lesu

G016


G039

Tidur paruhnya diletakkan di lantai

G040

Duduk dengan sikap membungkuk

51

3.2.8 Gejala Penyakit Salesma Penyakit salesma memiliki nama latin infectious coryza, disebut juga infectious cold, Snot, Rhinitis atau Roup. Berikut daftra gejala-gejala penyakit ini:

Tabel 3.9 Daftar Gejala Penyakit Salesma Kode

Nama Gejala

G001


G005

Bersin-bersin

G009

Diare

G010


G027

Kelopak mata kemerahan

G030

Keluar nanah dari mata dan bau

G034

Pembengkakan dari sinus dan mata

3.2.9 Gejala Penyakit Batuk Menahun Penyakit batuk menahun memiliki nama latin infectious bronchitis, pertama kali ditemukan pada tahun 1930 dan penyakit ini mulai menjadi wabah sejak tahun 1940. Pada tahun 1950 penyakit infectious bronchitis sudah dapat dikendalikan dengan efektif. Berikut gejala-gejala yang ditimbulkan dari penyakit ini :

52

Tabel 3.10 Daftar Gejala Penyakit Menahun Kode

Nama Gejala

G001


G003

Nafas ngorok

G005

Bersin-bersin

G006

Batuk

G009

Diare

G010


G012


G013

Kedinginan

G014

Tampak lesu

G020

Nampak membiru

3.2.10 Gejala Penyakit Busung Ayam Penyakit busung ayam memiliki nama latin lymphoid leukosis, penyakit ini termasuk kelompok leukosis komplex disease. Penyakit ini banyak menyerang ayam di Indonesia. Berikut gejala-gejala yang ditimbulkan dari penyakit ini :

53

Tabel 3.11 Daftar Gejala Penyakit Busung Ayam Kode

Nama Gejala

G001


G002


G007

Badan kurus

G008


G023

Jengger pucat

G035

Perut membesar

3.2.11 Gejala Penyakit Batuk Darah Penyakit batuk darah memiliki nama latin infcentious laryngotracheitis, disebut juga infectious tracheitis. Jenis penyakit ini ditemukan pada tahun 1925, dan secara resmi diakui oleh committee on pultry disease of the american veterinary medical association, pada tahun 1931. Berikut daftar gejalagejala yang ditimbulkan dari penyakit ini : Tabel 3.12 Daftar Gejala Penyakit Batuk Darah Kode

Nama Gejala

G002


G003

Nafas ngorok

G005

Bersin-bersin

G006

Batuk

G033

Mata Berair

G038

Terdapat lendir bercampur darah pada rongga mulut

54

3.2.12 Gejala Penyakit Mereks Penyakit mereks memiliki nama latin mereks disease. Pada awalnya penyakit ini dimasukkan dalam

kelompok

leukosis

complex

disease,

namun

setelah

ditemukan

penyebabnya

dan

penanggulangannya, penyakit ini dipisahkan dari kelompok leukosis complex disease. Berikut daftar gejala-gejala yang ditimbulkan dari penyakit ini : Tabel 3.13 Daftar Gejala Penyakit Mereks Kode

Nama Gejala

G001


G004

Nafas cepat

G007

Badan kurus

G019

Muka pucat

G021

Sempoyongan

G026

Kaki pincang

G036

Sayap menggantung

3.2.13 Gejala Penyakit Produksi Telur Penyakit produksi telur memiliki nama latin egg drop syndrome, merupakan penyakit ayam yang ada pada tahun 1976, dilaporkan van eck di Nederland. Di kalangan pakar kesehatan ternak, penyakit ini disebut egg drop syndrome 76. Berikut daftar gejala-gejala penyakit ini :

55

Tabel 3.14 Daftar Gejala Penyakit Produksi Telur Kode

Nama Gejala

G004

Nafas cepat

G010


G011

Kualitas telur jelek

G015


3.2.14 Gejala Penyakit Produksi Awal Penyakit produksi awal memiliki nama latin pullet disease, disebut juga blue comb, avian monocytosis, dan summer disease. Penyakit ini umum menyerang ayam yang sedang mengawali produksi telurnya yang pertama. Berikut ini daftar gejala-gejala yang ditimbulkan dari penyakit ini : Tabel 3.15 Daftar Gejala Penyakit Produksi Awal Kode

Nama Gejala

G009

Diare

G010


G016


G022

Jengger membengkak merah

3.3 Flowchart Program Basis pengetahuan didapat dari para pakar adalah masalah penyakit ayam tentunya basis pengetahuan ini dapat diperoleh dari pakar ayam atau dokter hewan. Selain itu basis pengetahuan dapat diperoleh dari buku-buku yang membahas tentang penyakit ayam. Analisis permasalahan yang digunakan

56

adalah menggunakan diagram flowchart. Berikut flowchart analisis permasalahan sebelum merancang aplikasi sistem pakar. Flowchart Diagnosa Penyakit Ayam

Mulai

Pilih Gejala

Tidak Gejala

Ya

Jawab

Ya Masukkan Ke temp_gejala dan temp_penyakit

Masukkan Ke Data Peternak

Tampilkan Data Peternak

Selesai

Gambar 3.2 Flowchart Diagnosa Penyakit Ayam 3.4 Pemodelan / Perancangan Sistem Tahap berikutnya adalah tahap perancangan yang bertujuan untuk membuat suatu perancangan kerangka dasar yang akan digunakan, sistem masukan yang dibutuhkan, keluaran yang diharapkan, serta prosedur penggunaan sistem. Tahapan yang akan dilakukan dalam perancangan sistem antara lain perancangan Use Case Diagram, Activity Diagram dan perancangan interface.

57

3.4.1 Perancangan Use Case Diagram Perancangan use case diagram sistem pakar mendeteksi penyakit pada ayam dengan menggunakan metode forward chaining adalah sebagai berikut : a. Usecase Untuk Halaman Depan Diagnosa Penyakit Ayam

Daftar Peternak «extends»

«uses» Diagnosa Penyakit

Peternak

Gambar 3.3 Usecase Halaman Depan Diagnosa Penyakit Dari gambar 3.3 peternak mendaftarkan biodatanya selanjutnya akan peternak akan menerima diagnosa dalam bentuk pernyataan. Peternak harus menjawab Ya atau Tidak sesuai dengan pernyataan yang tampil. 3.4.2 Representasi Pengetahuan Representasi pengetahuan yang digunakan adalah dengan menggunakan kaidah produksi. Perlu diketahui representasi ini nantinya akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang didapat.

58

a. Rule 1 Pada aturan 1 (rule 1), dapat ditentukan aturan yang digunakan untuk penyakit berak kapur. IF nafsu makan berkurang AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND mencret keputih-putihan AND kedinginan AND kaki bengkak AND terdapat kotoran putih menempel di sekitar dubur THEN berak kapur / pullorum disease.

b . Rule 2 Pada rule 2 dapat ditentukan aturan yang digunakan untuk penyakit kolera ayam. IF nafsu makan hilang AND nafas sesak/megap-megap AND nafas ngorok

59

AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND kelihatan mengantuk dengan bulu berdiri AND tampak lesu AND mencret kehijau-hijauan AND banyak minum AND jengger membengkak merah AND kaki meradang/lumpuh AND keluar cairan dari mata dan hidung THEN kolera ayam/ fowl cholera.

c. Rule 3 Pada aturan 3 (rule 3) dapat ditentukan aturan yang digunakan untuk penyakit flu burung. IF nafsu makan hilang AND nafas sesak/megap-megap AND nafas ngorok AND bersin-bersin AND batuk

60

AND diare AND produksi telur menurun AND nampak membiru AND keluar cairan berbusa dari mata AND kepala bengkak AND mati secara mendadak THEN flu burung/avian influenza. d. Rule 4 Pada aturan 4 atau rule 4 dapat ditentukan aturan yang digunakan untuk penyakit tetelo. IF nafsu makan hilang AND nafas sesak/megap-megap AND nafas ngorok AND bersin-bersin AND batuk AND produksi telur menurun AND tampak lesu AND mencret kehijau-hijauan AND sempoyongan

61

AND kepala berputar THEN tetelo/newcastle disease. e.

Rule 5 Pada aturan 5 dapat ditentukan aturan yang digunakan untuk penyakit tipus ayam.

IF nafsu makan hilang AND badan kurus AND bulu kusam dan berkerut AND diare AND kelihatan ngantuk dengan bulu berdiri AND tampak lesu AND mencret kehijau-hijauan AND jengger pucat THEN tipus ayam/fowl typhoid. f. Rule 6 Pada aturan 6 atau rule 6 dapat ditentukan aturan yang digunakan untuk penyakit berak darah. IF nafsu makan hilang AND badan kurus AND bulu kusam dan berkerut

62

AND produksi telur menurun AND muka pucat AND mencret bercampur darah THEN berak darah/cocidosis. g. Rule 7 Pada aturan 7 atau rule 7 dapat ditentukan aturan yang digunakan untuk penyakit gumboro IF nafsu makan hilang AND bulu kusam dan berkerut AND tampak lesu AND mencret keputih-putihan AND tidur paruhnya diletakkan di lantai AND duduk dengan sikap membungkuk THEN gumboro/gumboro disease. h. Rule 8 Pada aturan 8 atau rule 8 dapat ditentukan aturan yang digunakan untuk penyakit salesma ayam. IF nafsu makan hilang AND bersin-bersin AND diare

63

AND produksi telur menurun AND kelopak mata kemerahan AND keluar nanah dari mata dan bau AND pembengkakan dari sinus dan mata THEN salesma ayam/infcection coryza. i. Rule 9 Pada aturan 9 atau rule 9 dapat ditentukan aturan yang digunakan untuk penyakit batuk ayam menahun. IF nafsu makan hilang AND nafas ngorok AND bersin-bersin AND batuk AND diare AND produksi telur menurun AND kelihatan mengantuk dengan bulu berdiri AND kedinginan AND tampak lesu AND nampak membiru THEN batuk ayam menahun/infectious bronchitis.

64

j. Rule 10 Pada aturan 10 atau rule 10 dapat ditentukan aturan yang digunakan untuk penyakit busung ayam. IF nafsu makan berkurang AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND jengger pucat AND perut membesar THEN busung ayam/lymphoid leukosis.

k. Rule 11 Pada aturan 11 atau rule 11 ditentukan aturan yang digunakan untuk penyakit batuk darah. IF nafas sesak/megap-megap AND nafas ngorok AND bersin-bersin AND batuk AND mata berair AND terdapat lender bercampur darah pada rongga mulut THEN batuk darah/infectious laryngotracheitis.

65

l. Rule 12 Pada aturan 12 atau rule 12 dapat ditentukan aturan yang digunakan untuk penyakit mereka. IF nafsu makan berkurang AND nafas cepat AND badan kurus AND muka pucat AND sempoyongan AND kaki pincang AND sayap menggantung THEN penyakit mereka / mareks disease.

m. Rule 13 Pada aturan 13 atau rule 13 dapat ditentukan aturan yang digunakan untuk penyakit produksi telur. IF nafas cepat AND produksi telur menurun AND kualitas telur jelek AND mencret kehijau-hijauan THEN produksi telur/egg drop syndrome ‘76’/EDS ‘76’.

66

m. Rule 14 Pada rule 14 dapat ditentukan aturan yang digunakan untuk penyakit produksi awal. IF diare AND produksi telur menurun AND mencret keputih-putihan AND jengger membengkak merah AND mati secara mendadak THEN produksi awal/pullet disease.

3.4.3 Pemodelan / Perancangan Sistem Data yang ada disusun dalam bentuk tabel untuk mempermudah sistem dalam pengambilan keputusan. Berikut tabel-tabel yang terdapat dalam aplikasi sistem pakar : 1. Tabel Penyakit Tabel penyakit berguna untuk menyimpan semua daftar penyakit termasuk dengan defenisi dan solusinya. Daftar penyakit yang disimpan di dalam tabel ini tentunya yang mungkin terjangkit pada ayam. Desain tabel ini dapat dilihat pada tabel 3.16. Tabel 3.1 Desain Struktur Tabel Penyakit No

Kolom

Tipe

Panjang

Keterangan

1

kd_penyakit

Char

4

Primary Key

2

nm_penyakit

Varchar

60

Nama Penyakit

67

3

nm_latin

Varchar

60

Nama Latin

4

Defenisi

Text

Defenisi

5

Solusi

Text

Solusi

2. Tabel Gejala Tabel gejala digunakan untuk menyimpan daftar gejala yang mungkin terjadi pada ayam, tentunya saata sakit. Tebel gejala ditunjukkan pada tabel 3.17

Tabel 3.2 Desain Struktur Tabel Gejala No

Kolom

Tipe

1

kd_gejala

Char

2

nm_gejala

Varchar

Panjang

Keterangan

4

Primary Key

100

Nama Gejala

3. Tabel Relasi Tabel relasi berguna untuk menghubungkan antara tabel penyakit dengan tabel Gejala, sehingga dapat membuat daftar gejala yang terjadi pada suatu penyakit tertentu yang diderita ayam. Tabel relasi dapat dilihat pada tabel 3.18. Tabel 3.3 Desain Struktur Tabel Relasi No

Kolom

Tipe

Panjang

Keterangan

1

kd_penyakit

Char

4

Kode Penyakit

2

kd_gejala

Char

4

Kode Gejala

68

4. Tabel Analisa Tabel analisa berguna untuk menyimpan data hasil penelusuran, data yang disimpan termasuk identitas orang yang punya ayam yang menggunakan aplikasi.

69

Tabel 3.4 Desain Struktur Tabel Analisa No 1

Kolom Id

Tipe Int

Panjang 4

Keterangan Primary

Key,

Auto_Increment 2

Nm_Peternak

Varchar

60

Nama Peternak

3

Kelamin

ENUM

„P‟,‟W‟

Kelamin

4

Alamat

Varchar

100

Alamat

5

Pekerjaan

Varchar

60

Pekerjaan

6

kd_penyakit

Char

4

Kode Penyakit

7

Noip

Varchar

60

No Ip

8

Tanggal

Datetime

Tanggal

5. Tabel Bantu Penyakit Tabel bantu penyakit dapat juga dinamakan sebagai tabel temporari atau tabel sementara untuk data penyakit. Tujuan dibuatnya tabel ini adalah untuk menyimpan daftar kemungkinan penyakit saat menjawab setiap gejala yang ditanyakan. Tabel 3.5 Desain Struktur Tabel Temp_Penyakit No

Kolom

Tipe

Panjang

Keterangan

1

Noip

Varchar

60

No Ip

2

kd_penyakit

Char

4

Kode Penyakit

6. Tabel Bantu Gejala

70

Tabel bantu gejala dapat juga dinamakan tabel temporari atau tabel sementara untuk data gejala. Tujuan dibuatnya tabel ini adalah untuk menyimpan daftar kode gejala yang telah dijawab “YA”, sedangkan untuk jawaban “TIDAK” akan dibuang. Berikut tabel bantu gejala seperti terlihat pada tabel 6.21 Tabel 3.6 Desain Struktur Tabel Temp_Gejala No

Kolom

Tipe

Panjang

Keterangan

1

Noip

Varchar

60

No Ip

2

kd_gejala

Char

4

Kode Gejala

7. Tabel Bantu Analisa Tabel bantu analisa dapat juga dinamakan sebagai tabel temporari atau tabel sementara untuk data relasi. Tujuan dibuatnya tabel ini adalah untuk menyimpan daftar relasi yang kode penyakitnya mungkin terjadi, yaitu dari semua kode penyakit yang tersimpan di dalam tabel tmp_penyakit. Berikut tabel bantu analisa seperti terlihat pada tabel 3.22. Tabel 3.7 Desain Struktur Tabel Temp_Analisa No

Kolom

Tipe

Panjang

Keterangan

1

Noip

Varchar

60

No Ip

2

kd_penyakit

Char

4

Kode Penyakit

3

Kd_gejala

Char

4

Kode Gejala

8. Tabel Bantu Peternak Tabel bantu peternak dapat juga dinamakan sebagai tabel temporari atau tabel

71

sementara untuk data peternak. Tujuan dibuatnya tabel ini adalah untuk menyimpan data peternak dari form pendaftaran. Data peternak disimpan sementara karena tidak semua orang yang mengakses meneruskan proses penelusurnya, sehingga data pendaftar yang tidak melakukan analisa gejala sampai akhir, program tidak akan menyimpannya. Tabel 3.8 Desain Struktur Tabel Peternak No 1

Kolom Id

Tipe Int

Panjang 4

Keterangan Primary

key,

auto_incrment 2

Nm_peternak

Varchar

60

Nama Peternak

3

JenisKelamin

Enum

„P‟,‟W‟

Jenis Kelamin

4

Alamat

Varchar

100

Alamat

5

Pekerjaan

Varchar

60

Pekerjaan

6

Noip

Varchar

60

No IP

7

Tanggal

Datetime

Tanggal

72

3.4.4 Rancangan Menu Utama Menu utama merupakan form utama pada saat user dan admin mengakses sistem pakar ini. User merupakan pengunjung yang mengunjungi web sistem pakar untuk memeriksa penyakit ayamnya. Berikut ini tampilan menu utama.

SELAMAT DATANG DI WEBSITE SISTEM PAKAR

Menu Daftar Penyakit

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxx

Konsultasi Cara Penggunaan

Sistem Pakar Mendeteksi Penyakit Ayam Gambar 3.4 Rancangan Menu Utama Pada menu daftar penyakit akan menampilkan nama penyakit dan jika diklik link lihat maka gejala-gejala penyakit akan ditampilkan. Menu konsultasi menampilkan konsultasi pengunjung tentang penyakit yang diderita oleh ayam pengunjung.

73

3.5.1 Rancangan Daftar Penyakit

Daftar Semua Penyakit Beserta Gejalanya . No

Nama Penyakit

Nama Latin

Detail

x

x

x

Lihat

x

x

x

Lihat

x

x

x

Lihat

x

x

x

Lihat

Gambar 3.5 Rancangan Daftar Penyakit dan Gejala Penyakit

3.5.2 Rancangan Daftar Pasien Rancangan daftar pasien maksud adalah rancangan pendaftaran untuk pengunjung yang akan berkonsultasi.

74

Daftar Peternak

Nama

xxxxxxxxxxxxxxxxxxxxxxxxxxxx

Jenis Kelamin

Perempuan

Laki-Laki

Alamat


Pekerjaan

xxxxxxxxxxxxxxxxxx Daftar Gambar 3.6 Rancangan Daftar Pasien

3.5.4 Rancangan Daftar Pertanyaan Rancangan daftar pertanyaan akan muncul seteleah pasien mendaftarkan diri sebagai orang yang berkonsultasi. Setelah diklik tombol daftar pada rancangan daftar pasien,.

Jawablah Pertanyaan Pertanyaan Di Di Bawah Bawah Ini Ini :: Jawablah xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx Benar (YA) Salah (TIDAK) Jawab Benar (YA)

Salah (TIDAK) Jawab

Gambar 3.7 Rancangan Daftar Pertanyaan

75

3.5.6 Rancangan Hasil Analisa Penyakit Ayam Rancangan hasil analisa penyakit ayam merupakan rancangan akhir untuk menentukan penyakit yang di derita oleh ayam, di sini akan diberikan juga solusi untuk mengatasi penyakit ayam tersebut. Berikut tampilan rancangan analisa penyakit ayam seperti terlihat pada gambar 3.1

Hasil Analisa Penyakit Ayam Data Peternak Nama


Jenis Kelamin Alamat


Pekerjaan

Laki-Laki xxxxxxxxxxxxxxxxxx

Perempuan

Hasil Analisa : Penyakit

xxxxxxxxxxxxxxxxxxx

Nama Latin

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

Gejala

xxxxxxxxxxxxxxxxxxx

Keterangan

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

Solusi

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx Gambar 3.8 Hasil Analisa Penyakit Ayam

76

3.5. Implementasi Sistem Implementasi sistem merupakan pengujian dari perancangan yang telah dihubungkan dalam sebuah program, jadi dengan adanya implementasi ini maka system dapat dievaluasi apakah sesuai dengan kebutuhan yang dibuat dalam perancangan.

3.5.1 Halaman Menu Utama Halaman ini digunakan sebagai tempat untuk menampung semua pilihan-pilihan yang terdapat didalam sistem yang di rancang seperti gambar dibawah ini :

Gambar 3.9 Menu Utama

3.5.2 Halaman Administrator Halaman ini digunakan untuk mengakses atau mengupdate gejala penyakit dan nama penyakit pada ayam yang dapat dilihat pada gambar berikut :

77

Gambar 3.10 Halaman Administrator

3.5.3 Halaman Input Data Peternak Halaman ini digunakan untuk menginput data pasien yang dapat dilihat pada gambar berikut :

78

Gambar 3.11 Halaman input data pasien

3.5.4 Halaman Hasil Analisa Penyakit Ayam Halaman ini adalah hasil dari input gejala penyakit yang dapat dilihat pada gambar berikut :

79

Gambar 3.12 Hasil Analisa Penyakit Ayam

3.5.5 Halaman Daftar Semua Penyakit Halaman ini adalah daftar semua penyakit ayam yang dapat dilihat pada gambar berikut :

80

Gambar 3.13 Daftar Semua Penyakit Ayam

3.5.6 Kelemahan Dan Kelebihan Adapun kelebihan dan kekurangan dari pada implementasi dan pengujian yang sudah dibahas di atas yaitu : 1. Kelemahan Sistem a. Interface masih sangat sederhana b. Fitur dalam program masih sedikit 2. Kelebihan Sistem c. Tidak akan menemui jalan buntu d. Mempersingkat pencariaan gejala penyakit e. Pencarian penyakit tidak harus mengetik semua nama gejala penyakit.

81

3.6. Diskusi Misalkan diketahui sistem Pakar menggunakan 5 buah rule berikut: R1:IF (P AND D) Then R R2: IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Fakta-fakta : A,B,C,D,dan E bernilai benar. Goal : menentukan apakah R bernilai benar atau salah. Penyelesaian:  Iterasi 1:  Database:A,B,C,D,E, (Fakta baru: X) Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N

82

Knowledge Base (Basis Pengetahuan) Fakta Baru: X,L R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N

 Iterasi 2 Database:A,B,C,D,E, (Fakta baru: X,L,P) Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N  Iterasi 3 Knowledge Base (Basis Pengetahuan) (Fakta baru: X,L,P,R) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L 83

R5: IF (L AND M) THEN N  Sampai disini proses dihentikan karena sudah tidak ada lagi rule yang bisa dieksekusi. Hasil pencarian adalah bernilai R bernilai benar.

84

BAB.

4

DEMPSTER SHAFER

Metode Dempster Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer. Secara umum teori Dempster Shafer ditulis dalam suatu interval: [Belief, lausibility]............................................................................................[5.1] 1.

Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 (nol) maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Dimana nilai bel yaitu (0-0.9).

2.

Plausibility (Pls) dinotasikan sebagai: Pl(s) = 1 – B (-s)..........................................................................................[5.2] Plausibility juga bernilai 0 sampai 1, jika yakin akan –s, maka dapat dikatakan Bel(-s) = 1 dan

Pl(-s) = 0. Pada teori Dempster-Shafer juga dikenal adanya frame of discernment yang dinotasikan dengan  . Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen  . Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefenisikan elemen-elemen  saja, namun juga semua subsetnya. Sehingga jika

 berisi n elemen, maka subset  adalah 2n. Jumlah m dalam dalam subset  sama dengan 1. 85

Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{  } = 1,0. Apabila diketahui X adalah subset dari  , dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset  dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, yaitu :

M 3 (Z ) 

 x  Y  z m1(X). m2(Y) ...........................................................[2.3] 1 -  x  Y   m (X).m (Y) 1

2

Keterangan: M1(X) : Mass function dari evidence X M2(Y) : Mass function dari evidence Y M3(Z) : Mass function dari evidence Z

4.1 Implementasi Dempster Shafer 4.1.1 Analisis Permasalahan Analisis permasalahan merupakan proses awal yang harus dilaksanakan untuk menentukan permasalahan yang sedang dihadapi. Tahap ini dalah sangat penting, karena proses analisis data yang kurang akurat akan menyebabkan hasil dari suatu sistem tidak sesuai yang diharapkan. Jadi proses ini harus benar-benar sesuai dengan perencanaan agar menghasilkan suatu sistem yang baik. Analisis permasalahan data yang akan dilakukan adalah analisa tentang jenis-jenis tanaman tahunan dan musiman. Dalam sisitem pakar ini yang nantinya akan digunakan untuk membantu user dalam menentukan hasil atau pemecahan masalah yang dihadapi dalam memperhitungkan kriteria tanaman. Permasalahan yang dihadapi

dengan menentukan

jenis tanaman

tahunan dan musiman. Dimana

dalam

memperhitungkan nilai kriteria tersebut adalah dengan menerapkan metode Dempster Shafer. Berdasarkan Dempster Shafer Dalam menghadapi suatu permasalahan sering ditemukan jawaban yang

86

tidak memiliki kepastian penuh. Ketidakpastian ini dapat berupa hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh beberapa faktor, yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis jenis kriteria tanaman dan pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Dempster Sahfer merupakan nilai parameter klinis yang diberikan untuk menunjukkan besarnya kepercayaan. Dimana nilai bel (m) suatu kriteria yang diinput antara (0-0.9). 4.1.2 Algoritma Sistem Dibutuhkan algoritma untuk diimplementasikan ke dalam program aplikasi ini, yaitu langkahlangkah intruksi sehingga dicapai hasil yang diinginkan. Algoritma yang digunakan dalam aplikasi ini untuk menentukan klasifikasi Tanaman adalah sebagai berikut:

1. Memulai tes 2. Input User Name dan Password 3. User memilih satu karakter 4. User menjawab pertanyaan 5. Kesimpulan 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 ciri-ciri yang terlihat pada kriteria tanaman dan konklusi adalah jenis tanaman, sehingga bentuk pernyataannya adalah JIKA (Nama Tanaman) DAN (Kriteria) MAKA (Jenis tanaman). Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu kriteria. Ciri-ciri tersebut dihubungkan dengan menggunakan operator logika DAN. Bentuk pernyatannya adalah: JIKA (Nama Tanaman)

87

JIKA (Kriteria 1) JIKA (Kriteria 2) JIKA (Kriteria 3) DAN (Kriteria 4) MAKA (Jenis Tanaman) Adapun contoh kaidah sistem pakar dalam menentukan jenis tanaman tahunan dan musiman dengan metode dempster shafer adalah sebagai berikut:

Dari alur, rule dan tabel keputusan di atas, maka dapat dikonversikan menjadi kaidah produksi. Kaidah produksi dibentuk dari pengubahan tabel keputusan. Pembuatan suatu kaidah dilakukan dengan beberapa tahapan. Berikut ini merupakan bentuk pengkonversian tabel keputusan menjadi kaidah produksi: 1.

Rule 1 : If T001 and K001 and K002 and K003 and K004 Then S001

2.

Rule 2 : If T002 and K005 aAnd K006 and K007 and K008 Then S001

3.

Rule 3 : If T003 and K009 and K010 and K011 and K012 Then S002

4.

Rule 4 : If T004 and K013 and K014 and K015 and K016 Then S002 Analisa permasalahan yang akan dilakukan adalah analisa tentang jenis-jenis tanaman tahunan

dan musiman, jenis tanaman dalam hal ini dibagi menjadi 4 jenis antara lain: 1. Tanaman Pala 2. Tanaman Kapuk Randu 3. Tanaman Ubi Kayu 4. Tanaman Tebu

88

Untuk mengetahui apakah tanaman dikatakan sebagai salah satu jenis tanaman diatas, terlebih dahulu kita mengetahui apa yang menjadi jenis-jenis tanaman tersebut, jenis-jenis itu akan dijadikan sebagai salah satu jenis pendukung untuk penentuan jenis tanaman. Adapun jenis-jenis umum dari setiap jenis tanaman tersebut antara lain: 1.

Tanaman Pala

Kriterianya:

1. Daun berbentuk elips dan langsing 2. Usia tanaman lebih dari satu tahun 3. Buahnya berbentuk lonjong 4. Biji memiliki warna coklat 2.

Tanaman Kapuk Randu

Kriterianya: 1. Batang seperti tiang lurus berduri 2. Usia tanaman lebih dari satu tahun 3. Bunga berwarna buram 4. Biji mengandung minyak 3.

Tanaman Ubi Kayu

Kriterianya: 1. Pohonnya dapat mencapai tinggi 1,5-5 m 2. Berbuah pada musimnya 3. Daunnya berbagi menjari dengan cangap 5-9 4. Tiap tanaman dapat menghasilkan 5-10 umbi 4.

Tanaman Tebu

89

Kriterianya: 1. Batang tumbuh tegak 2. Padat dan beruas 3. Usia tanaman kurang lebih tiga bulan 4. Pada tiap buku terdapat mata tunas Data di atas adalah data tentang berbagai jenis-jenis tanaman tahunan dan jenis musiman. Data tersebut merupkana data awal yang nantinya digunakan inputan dari sistem sebelum diproses menjadi data output. Tabel 4.1 Data Tanaman NO

ID Tanaman

Nama Tanaman

1

T001

Tanaman Pala

2

T002

Tanaman Kapuk randu

3

T003

Tanaman Ubi Kyu

4

T004

Tanaman Tebu

Untuk lebih jelasnya kegunaan kriteria tanaman sebagai inputan dalam sistem, maka setiap kriteria tanaman dilambangkan derngan kode kriteria tanaman, seperti di jelaskan pada tabel di bawah ini. Tabel 4.2 Data Kriteria Tanaman NO

ID Kriteria

Kriteria Tanaman

Nilai Bobot

1

K001

Daun berbentuk elips dan langsing

0.5

2

K002

Buahnya berbentuk lonjong

0.3

3

K003

Usia tanaman lebih dari satu tahun

0.3

4

K004

Biji memiliki warna coklat

0.2

90

5

K005

Batang seperti tiang lurus berduri

0.3

6

K006


0.1

7

K007

Bunga berwarna buram

0.4

8

K008

Biji mengandung minyak

0.2

9

K009

Pohonnya dapat mencapai tinggi 1,5-5 m

0,1

10

K010

Berbuah pada musimnya

0,2

11

K011

Daunnya berbagi menjari dengan cangap 5-9

0,3

12

K012

Tiap tanaman dapat menghasilkan 5-10 umbi

0,1

13

K013

Batang tumbuh tegak

0,5

14

K014

Padat dan beruas

0,2

15

K015

Usia tanaman kurang lebih tiga bulan

0,2

16

K016

Pada tiap buku terdapat mata tunas

0,3

Dari tabel keputusan di atas, sistem dapat memberikan informasi mengenai jenis–jenis tanaman. Jika kriteria yang dialami tersebut sesuai dengan yang diinput, maka rule yang dapat digunakan untuk menganalisa suatu jenis-jenis tanaman tersebut adalah sebagai berikut: 1. Rule 1 : If T001 and K001 And K002 and K003 and K004 Then S001 2. Rule 2 : If T002 and K005 And K006 and K007 and K008 Then S001 3. Rule 3 : If T003 and K009 And K010 and K011 and K012 Then S002 4. Rule 4 : If T004 and K013 And K014 And K015 and K016 Then S002

4.2.1 Dempster Shafer

91

Menurut Arthur dan Glenn, Dempster-Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (Fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasi potongan informasi yang terpisah (bukti) untuk mengkalukulasi kemungkinan dari suatu peristiwa. Rumus dari dempster shafer:

M 3 (Z ) 

 x  Y  z m1(X). m2(Y) 1 -  x  Y   m (X).m (Y) 1

2

Dalam menghadapi suatu permasalahan sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini dapat berupa hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh beberapa faktor, yaitu aturan yang tidak pasti dan jawaban penggunaa yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis jenis kriteria tanaman dan pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Dempster-Sahfer merupakan nilai parameter klinis yang diberikan untuk menunjukkan besarnya kepercayaan. Dimana nilai bel (m) suatu kriteria yang diinput antara (0-0.9). 4.2.Penerapan Dampster Shafer Pada contoh di bawah ini akan dicari presentase kemungkinan dari jenis Tanaman pala dengan menggunakan perhitungan pada tabel di bawah ini: Tabel 4.3 Contoh Pilihan Kriteria Tanaman Pala

Kriteria Tanaman

Nilai bobot

No

ID

1

K001

Daun berbentuk elips dan langsing

0.5

2

K002

Buahnya berbentuk lonjong

0.3

3

K003


0,3

92

4

K004

Biji memiliki warna coklat

0,2

Dempster Shafer (DS) jenis tanaman yang dipilih dengan menggunakan nilai believe yang telah ditentukan pada setiap tanaman. Pl(Ɵ) = 1 – Bel Dimana nilai bel (believe) merupakan nilai bobot yang diinput oleh pakar, maka untuk mencari nilai dari kedua tanaman diatas, terlebih dahulu di cari nilai dari, seperti yang di bawah ini. Jenis Kriteria 1: Daun berbentuk elips dan langsing (K001) Maka :

K001(bel)

= 0.5

K001(Ɵ)

= 1-0.5 = 0.5

Jenis Kriteria 2: Buahnya berbentuk lonjong (K002) Maka : K002(bel) K002(Ɵ)

= 0.3 = 1-0.3 = 0.7

Jenis Kriteria 3: Usia tanaman lebih dari satu tahun (K003) Maka : K003(bel) K003(Ɵ)

= 0.3 = 1-0.3 = 0.7

Jenis Kriteria 4: Biji memiliki warna coklat (K004)

93

Maka : K004(bel)

= 0.2

K004(Ɵ)

= 1-0.2 = 0.8

Maka untuk mencari nilai dari JTn, digunakan rumus:

M 3 (Z ) 

 x  Y  z m1(X). m2(Y) 1 -  x  Y   m (X).m (Y) 1

2

Maka nilai JTn dari Tanaman diatas adalah:

JTn 

JTn 

0.5 * 0.3 * 0.3 * 0.2 1  (0.5 * 0.7 * 0.7 * 0.8)

0.009 1  (0.196)

JTn 

0.009  0.0112 0.804 Maka nilai densitas dari kedua jenis tanaman tersebut adalah 0,0112. maka tanaman tersebut

cukup kuat dikatakan sebagai jenis tanaman Pala, tanaman pala merupakan tanaman tahunan. 4.2.1 Penerapan Dampster-Sahfer Pada Jenis Tanaman Tebu Pada contoh di bawah ini akan dicari presentase kemungkinan dari jenis tanaman tebu dengan menggunakan perhitungan pada tabel di bawah ini:

Tabel 4.4 Contoh Pilihan Kriteria Tanaman Tebu

94

Kriteria Tanaman

Nilai Bobot

No

ID

1

K013

Batang tumbuh tegak

0,5

2

K014

Padat dan beruas

0,2

3

K015

Usia tanaman kurang lebih tiga bulan

0,2

4

K016

Pada tiap buku terdapat mata tunas

0,3

Dempster Shafer (DS) jenis tanaman yang di pilih dengan menggunakan nilai believe yang telah ditentukan pada setiap Tanaman. Pl(Ɵ) = 1 – Bel Dimana nilai bel (believe) merupakan nilai bobot yang diinput oleh pakar, maka untuk mencari nilai dari kedua tanaman diatas, terlebih dahulu dicari nilai dari, seperti yang di bawah ini. Jenis Kriteria 1: Batang tumbuh tegak (K013) Maka: K013(bel) K013(Ɵ)

= 0.5 = 1-0.5 = 0.5

Jenis kriteria 2: Padat dan beruas (K014) Maka: K014(bel) K014(Ɵ)

= 0.2 = 1-0.2 = 0.8

Jenis kriteria 3: Usia tanaman kurang lebih tiga bulan (K015)

95

Maka: K015(bel) K015(Ɵ)

= 0.2 = 1-0.2 = 0.8

Jenis kriteria 4: Pada tiap buku terdapat mata tunas (K016) Maka: K016(bel) K016(Ɵ)

= 0.3 = 1-0.3 = 0.7

Maka untuk mencari nilai dari JTn, digunakan rumus:

M 3 (Z ) 

 x  Y  z m1(X). m2(Y) 1 -  x  Y   m (X).m (Y) 1

2

Maka nilai JTn dari Tanaman diatas adalah:

JTn 

JTn 

0.5 * 0.2 * 0.2 * 0.3 1  (0.5 * 0.8 * 0.8 * 0.7)

0.006 1  (0.224)

JTn 

0.006  0.0077 0.776 Maka nilai densitas dari kedua jenis tanaman tersebut adalah 0,0077. maka tanaman tersebut

cukup kuat dikatakan sebagai jenis tanaman tebu, tebu merupakan tanaman musiman.

96

4.3 Flowchart Program Flowchart merupakan diagram alir yang menggambarkan suatu sistem peralatan komputer yang digunakan dalam proses pengolahan data serta hubungan antar peralatan tersebut. Sistem flowchart tidak digunakan untuk menggambarkan urutan langkah untuk memecahkan masalah, tetapi hanya untuk menggambarkan prosedur dalam sistem yang dibentuk. Proses yang terjadi pada program yang dirancang ini dapat dijelaskan melaui flowchart pada gambar 3.1 berikut ini:

Start

Input User Name dan Password

Pilih Id Pengunjung dan Id Tanaman

Proses T Kesimpulan Y End Gambar 4.1 Flowchart Program

97

4.4 Pemodelan/Perancangan Sistem Sistem pakar merupakan suatu program komputer yang menggunakan aturan-aturan dan dengan disertai fakta-fakta untuk memecahkan suatu masalah dengan memberikan pertanyaan kepada pengguna, sistem telah merekam catatan yang diberikan oleh pengguna berdasarkan catatan itu, sistem menganalisa lalu sistem memberikan pemecahan masalahnya. Dalam rancangan ini terdiri dari 3 bagian penting diantarannya: 1.

Antarmuka pengguna (user interface)

2.

Mesin inferensi

3.

Basis pengetahuan

A. Form Input Data Login Form Input Data Login ini berguna untuk memasukkan dan menggubah data User Name. Dan sebagaia informasi lengkap dari for ini dapat di lihat pada gambar di bawah ini:

User Name Password

LOGIN

CANCEL

Gambar : 4.2 Rancangan Form Login

98

B.

Perancangan Interface Menu Utama Berdasarkan data keluaran dan data yang diperoleh, membuat rancangan input yang digunakan

dalam perancangan program adalah sebagai berikut: 1. Design Menu Utama Pakar

Konsultasi

Keluar

SISTEM PAKAR TANAMAN TAHUNAN DAN MUSIMAN Gambar : 3.3 Menu Utama Sistem Rancangan Menu Utama Sistem berguna sebagai tempat untuk menampung semua form-form yand di jalankan nantinya, dan sebagai informasi lengkap dari Menu Utama ini dapat dilihat di bawah ini: Nama Keluaran : Form Menu Utama Fungsi

: Untuk Menampung Semua Menu-menu yang akan dijalankan.

2. Design Sub Menu Utama Pakar

Konsultasi

Keluar

Data Tanaman Data Kriteria Data Solusi Data Pengunjung

Gambar : 4.2 Sub Menu File

SISTEM PAKAR TANAMAN TAHUNAN DAN MUSIMAN

99

Rancangan Sub Menu pakar ini berguna sebagai tempat untuk membuat pilihan pada user yaitu program apa yang akan dijalankan, dan sebagai informasi lengkap dari Menu Utama ini dapat dilihat di bawah ini: Nama Keluaran : Sub Menu File Fungsi

: Untuk Menampilkan Sub Menu File

3. Design Sub Menu Konsultasi Pakar

Konsultasi

Keluar

Uji Inferensi Konsultasi

SISTEM PAKAR TANAMAN TAHUNAN DAN MUSIMAN Gambar : 4.3 Sub Menu Konsultasi 4. Design Form Input Data Tanaman Rancangan Form Jenis Tanaman ini berguna untuk memasukkan jenis tanaman ke dalam sistem, dan sebagai informasi lengkap dari Form ini dapat dilihat di bawah ini:

ID Tanaman Nama Tanaman

Simpan

:

Diperbaiki

:

Hapus Bersih ID Tanaman

Nama Tanaman

Selesai

100

Gambar : 4.4 Design Form Data Tanaman

5. Design Form Input Data Kriteria

ID Kriteria

:

Nama Kriteria

:

Simpan Nilai Bobot

Diperbaiki :

ID Kriteria

Nama Kriteria

Hapus

Bersih

Nilai Bobot

Gambar : 4.5 Design Form Data Kriteria

6. Design Form Solusi ID Solusi

:

Simpan

Solusi

:

Diperbaiki

Solusi 1

:

Hapus

ID Solusi

Solusi

Solusi 1

Bersih Selesai

101

Gambar : 4.5 Design Form Data Solusi 7. Design Form Pengunjung ID Pengunjung

: Cari

Nama Lengkap

Simpan

: Diperbaiki

Jenis Kelamin

: Hapus

Alamat Lengkap

:

Usia

:

ID Pengunjung

Bersih Tahun

Nama Lengkap

Jenis Kelamin

Alamat Lengkap

Usia

Gambar : 4.6 Design Form Data Pengunjung 8. Design Form Uji Inferensi ID Tanaman

Nama Tanaman

ID

Nama Kriteria

Nilai Bobot

ID Solusi

Solusi

Solusi 1

Kriteria

Tanaman Kriteria

Diperbaiki

Hapus

Bersih

: :

Soluis

:

Solusi1

:

ID Inferensi

Simpan

ID Tanaman

Nama Tanaman

ID Kriteria

Nama Kriteria

Nilai Bobot

ID Solusi

Solusi

Solusi1

102

Gambar :4.7 Design Form Uji Inferensi

9. Design Form Konsultasi Form konsultasi digunakan untuk melihat jenis tanaman dan sekaligus solusi yang ditawarkan oleh para pakar, yang merancangnya dapat di lihat pada gambar di bawah ini:

Identitas Pengunjung

Konsultasi Pakar

ID Pengunjung

:

ID Tanaman

:

Nama Pengunjung

:

Nama Tanaman

:

Alamat

:

Kriteria Tanaman : Solusi

:

Solusi 1

:

Nilai DS : Gambar : 4.8 Design Form Konsultasi ID Pengunjung

Nama pengunjung

ID Tanaman

Nama Tanaman

Kriteria Tanaman

Nilai Bobot

ID Solusi

Solusi

Solusi1

Nilai DS

4.4.1 Database (Basis Data) Database merupakan himpunan kelompok data/arsip yang saling berhubungan yang diorganisasikan sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah. Adapun database yang dibuat dalam perancangan ini adalah sebagai berikut: 1.

Tabel Data Tanaman Tabel ini digunakan untuk menampung semua data-data tanaman. Tabel 4.5 Data Tanaman

103

Field name

2.

Type

Size

Indexed

IDTanaman

Text

20

Yes

NamaTanaman

Text

20

-

Description ID Tanaman Nama Tanaman

Tabel Data Kriteria Tabel ini digunakan untuk menampung semua data-data Kriteria. Tabel 4.6 Data Kriteria Field name

Type

Size

Indexed

IDKriteria

Text

20

Yes

NamaKriteria

Text

50

-

Nama Kriteria

Number

5

-

Nilai Bobot

NilaiBobot

3.

Description ID Kriteria

Tabel Data Solusi Tabel ini digunakan untuk menampung semua data-data Solusi. Tabel 4.7 Data Solusi Field name

Type

Size

Indexed

IDSolusi

Text

10

Yes

Solusi

Text

50

-

Description ID Solusi Solusi

104

Solusi1

4.

Text

50

-

Solusi1

Tabel Data Pengunjung Tabel ini digunakan untuk menampung semua data-data pengunjung. Tabel 4.8 Data Pengunjung Field name

Type

Size

Indexed

Description

IDPengunjung

Text

10

Yes

ID Pengunjung

NamaLengkap

Text

15

-

NamaLengkap

JenisKelamin

Text

10

-

Jenis Kelamin

AlamatLengkap

Text

15

-

Alamat Lengkap

Usia

Text

10

-

Usia

4.4.2 UML (Unifed Modeling Language) 4.4.2 Use Case Diagram Sistem Pakar

Konsultasi

Solusi

105

Gambar 4.9 Use Case Diagram Sistem Pakar Nama Use Case

: Konsultasi

Actor

: User

Tujuan

: Mendapatkan Hasil konsultasi

Deskripsi

: User datang untuk melakukan konsultasi kemudian

sistem mencari, memproses basis aturan yang input oleh pakar, sehingga didapat hasil konsultasi dan hasil akan diberikan kepada user. User

Sitem

1.

Menjawab Pertanyaan

1. Memberi Pertanyaan

2.

Meminta Solusi

2. Memberi Solusi

4.4.3 Activity Diagram. a. Activity Diagram Mengikuti Tes User

Sistem

106

Memulai konsultasi

Menjawab Semua Pertanyaan

Menampilkan Pertanyaan

4.5 Implementasi Sistem Implementasi merupakan langkah yang digunakan untuk penerapan sistem atau serangkaian instruksi yang sistematis dan komponen-komponen yang mendukung hasil output yang ditampilkan dalam mencapai tujuan

4.5.1 Tampilan Form Login Form Login digunakan untuk masuk ke dalam aplikasi atau operasi selanjutnya. Apabila login berhasil, maka akan masuk kedalam form menu utama, tetapi apabila login tidak berhasil maka akan ada peringatan bahwa login yang dilakukan salah. Di dalam form login terdapat 2 pilihan button yaitu Login yang digunakan untuk masuk ke dalam login dan Cancel untuk keluar.

107

Gambar 4.3.1 Tampilan login

4.5.2 Tampilan Utama Pada menu utama terdapat 3 menu yang dapat digunakan, yaitu Pakar, Konsultasi dan Keluar. Setiap menu akan terhubung dengan form-form lain yang sesuai dengan form yang dipanggil.

108

Gambar 4.3.2 Tampilan Menu Utama 4.5.3 Tampilan Data Tanaman Input jenis tanaman dapat dilakukan dengan cara memilih menu ”Pakar” kemudian memilih ”Data Tanaman” juga dapat dilakukan dengan memilih icon yang ada ditoolbar dengan nama ”Form Tanaman” seperti terlihat pada gambar di bawah ini:

Gambar 4.3.3 Tampilan Input Data Tanaman 4.5.4 Tampilan Data Kriteria

Input data tanaman dapat dilakukan dengan cara memilih menu ”Pakar” kemudian memilih ”Form Data Kriteria” juga dapat dilakukan dengan memilih icon yang ada ditoolbar dengan nama ”Form Kriteria” seperti terlihat pada gambar di bawah ini:

Gambar 5.3.4 Tampilan Input Kriteria Tanaman

109

4.5.5 Tampilan Solusi Input data tanaman dapat dilakukan dengan cara memilih menu ”Pakar” kemudian memilih ”Form Data Solusi” juga dapat dilakukan dengan memilih icon yang ada ditoolbar dengan nama ”Form Solusi” seperti terlihat pada gambar di bawah ini:

Gambar 4.3.5 Tampilan Input Data Solusi 4.5.6 Tampilan Data Pengunjung Data Pengunjung dapat dilakukan dengan cara memilih menu ”Pakar” kemudian memilih ”Data Pengunjung” hingga muncul form Data Pengunjung seperti terlihat pada Gambar di bawah ini:

110

Gambar 4.3.6 Tampilan Input Data Pengunjung 4.5.7 Uji Inferensi Uji Inferensi dapat dilakukan dengan cara memilih menu ”Konsultasi” kemudian memilih ”Uji Inferensi” hingga muncul form Uji Inferensi seperti terlihat pada Gambar di bawah ini:

Gambar 4.3.7 Tampilan Uji Inferensi 4.5.8 Tampilan Konsultasi Konsultasi dapat dilakukan dengan cara memilih menu ”Konsultasi” kemudian memilih ”Konsultasi” hingga muncul form Konsultasi seperti terlihat pada Gambar di bawah ini:

111

Gambar 4.3.8 Tampilan Konsultasi 4.5.9 Kelemahan dan Kelebihan Sistem Berikut ini dijelaskan mengenai kelebihan dan kelemahan dari sistem kepribadian ini:

a. Kelemahan -

Hanya saja sistem ini masih belum sempurna

-

Program hanya dapat menganalisa berdasarkan data-data yang sudah

ditentukan

program. b.

Kelebihan -

Sistem ini dapat membantu untuk mengetahui jenis tanaman tahunan dan tanaman musiman.

-

Sistem ini lebih mempermudah pengguna dalam menggunakan sistem tersebut.

112

4.6 Diskusi: Si Agus mengalami gejala panas badan, Dari diagnose dokter penyakit yang mungkin di derita oleh si Agus adalah flue, demam at‟au bronchitis.Kemudian diketahui juga nilai kepercayaan setelah dilakukan observasi terhadap hidung buntu sebagai gejala dari alergi,penyakit flu, dan demam\.Hari berikutnya, si Agus datang lagi dan memberitahukan bahwa minggu lalu dia baru datang ke piknik.Jika diketahui nilai kepercayaan setelah dilakuan

observasi

terhadap

piknik

sebagai

gejala

dari

alergi

adalah

0,6.

Penyelesaian: M1{F,D,B}=0,8 M1{ø}=1-0,8=0,2. Kemudian gejala ke-2 Hidung Buntu: M2{A,F,D}=0,9. M2{ ø }=1-0,9=0,1. Aturan kombinasi untuk m3 Ø

{A,F,D}

(0,9)

ø

(0,1)

(0,8)

{F,D}

(0,72)

{F,D,B}

(0,08)

(0,2)

{A,F,D}

(0,18)

ø

(0,02)

{F,D,B} Ø

M3{F,D}=0,72/1-0=0,72 M3{A,F,D}=0,18/1-0=0,18 M3{F,D,B}=0,08/1-0=0,08 M3{ ø }=0,02/1-0=0,02 113

Dari sini kita lihat bahwa pada mulanya dengan hanya ada gejala panas,m{F,D,B}=0,8,namun setelah ada gejala baru yaitu hidung buntu,maka nilai m{A,F,D}=0.18. Dengan adanya 2 gejala ini, nilai densitas yang paling kuat adalah m{F,D} yaitu sebesar 0,72. Dan akibat gejala ke-3. M{4}=0,6 M{ ø }=1-0,6=0,4 Ø

{A}

{0,6}

ø

(0,4)

(0,72)

Ø

(0,432)

{F,D}

(0,288)

(0,18)

{A}

(0.108)

{A,F,D}

(0,072)

(0,08)

Ø

(0,048)

{F,D,B}

(0,032)

(0,02)

{A}

(0,012)

ø

(0,008)

{F,D} {A,F,D} {F,D,B} Ø

M5{A}=(0,108+0,012)/1-(0,432+0,048)=0,231 M5{F,D}=(0,288)/1-(0,432+0,048)=0,554 M5{A,F,D}=(0,072)/1-(0,432+0,048)=0,138

M5{}=(0,008)/1-(0,432+0,048)=0,015 Dengan adanya gejala baru ini nilai densitas yang paling kapuat tetap m{F,D} yaitu sebesar 0,554.

114

BAB.

5

TEOREMA BAYES

Teorema Bayes dikemukan oleh seorang pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes. Teorema bayes ini kemudian disempurnakan oleh Laplace. Teorema bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hal observasi. Teorema bayes memungkinkan seseorang untuk mempengaruhi keyakinannya mengenai sebuah parameter setelah data diperoleh. Sehingga dalam hal ini mengharuskan adanya keyakinan awal ( prior ) sebelum memulai inferensi. Pada dasarnya distribusi Prior biasa diperoleh berdasarkan keyakinan subjektif dari peneliti itu sendiri mengenai nilai yang mungkin untuk parameter yang di estimasi, sehingga perlu diperhatikan bagaimana cara menentukan prior. Metode Bayes disamping memanfaatkan data sampel yang diperoleh dari populasi juga memperhitungkan suatu distribusi awal yang disebut distribusi prior. Metode Bayes memandang parameter sebagai variabel yang menggambarkan pengetahuan awal tentang parameter sebelum pengamatan dilakukan dan dinyatakan dalam suatu distribusi yang disebut dengan distribusi prior. Setelah pengamatan dilakukan, informasi dalam distribusi prior dikombinasikan dengan informasi dengan data sampel melalui teorema bayes. Sesuai dengan probabilitas subjektif, bila seseorang mengamati kejadian B dan mempunyai keyakinan bahwa ada kemungkinan B akan muncul, maka probabilitas B disebut probabilitas prior. Setelah ada informasi tambahan bahwa misalnya kejadian A telah muncul, mungkin akan

115

terjadi perubahan terhadap perkiraan semula mengenai kemungkinan B untuk muncul. Probabilitas untuk B sekarang adalah probabilitas bersyarat akibat A dan disebut probabilitas posterior. Teorema bayes, diambil dari nama Rev. Thomas Bayes, menggambarkan hubungan antara peluang bersyarat dari dua kejadian A dan B sebagai berikut :

P( B | A ) P(A) P( A| B ) = P( B )

Gambar 2.3 Rumus Teorema Bayes Sumber : sudaryono, M.Pd 2011, Statistika Probabilitas. Teori P( A \ B ) = Hasil Yang dicari P( A ) = Bobot Bayes P( B ) = Jumlah Gejala P ( B \ A ) = Bobot Gejala 5.1 Jenis – Jenis Penyakit Sapi Ternak sapi merupakan bagian dari kehidupan petani dan sebagian masyarakat. Bahkan, ternak sapi banyak dimanfaatkan oleh masyarakat sebagai lahan bisnis. Namun pemeliharaan ternak sapi tidak lepas dari permasalahan kesehatan dan penyakit yang menyerang ternak sapi. Dengan kian berkembang dan majunya teknologi dan informasi, termasuk manajemen pemeliharaan ternak sapi, peternak dapat mendeteksi dan membedakan secara dini sapi yang sehat atau sapi yang sedang sakit.

116

Berbagai penyakit sapi sering terjadi di Indonesia, baik yang menular maupun yang tak menular.Penyakit menular merupakan ancaman bagi para peternak. Walaupun penyakit menular tidak langsung mematikan, tetapi dapat merusak kesehatan ternak sapi secara berkepanjangan, mengurangi pertumbuhan, dan menghentikan pertumbuhan sama sekali. Dari tahun ke tahun, ribuan ternak sapi terserang penyakit radang limpah

(antrak),

brucellosis, penyakit surra, dan sebagainya. Penyakit menular timbul akibat serangan agen penyakit menularkan racun (toksin) yang dapat merusak jaringan tubuh penderita, menghancurkan alat–alat tubuh, dan menimbulkan kematian. Di bawah ini tabel tanda–tanda sapi yang sehat dan sapi yang sakit Tabel 2.1 Tanda-tanda sapi yang sehat dan sapi yang sakit No

Pengamatan

Sehat

Sakit

1

Mata

Jernih

Merah, kotor

2

Hidung

Tidak berbau

Berbau busuk

3

Telingah

Bersih

Kotor, berdarah

4

Rongga mulut

Bau rumput

Bau busuk

5

Badan

Gemuk

Kurus

6

Kulit

Bersih, halus , dan Kasar, kisut kencang

7

Kaki

Tidak

pincang, Pincang, borok

tidak ada luka 8

Perabaan badan

Memberikan

Pasif

respon

117

9

Pakan/air minum

Banyak

Kurang, tidak mau

Sambungan Tabel 2.1 Tanda-tanda sapi yang sehat dan sapi yang sakit No

Pengamatan

Sehat

10

Waktu istirahat

Memamah biak

11

Kotoran

Tidak

Sakit Diam saja

mencret, Mencret, berbusa, berdarah

tidak berbusa. 12

Pergerakan

Aktif dan lincah

Kurang

aktif

dan

tidak

lincah 13

Lender

lubang Tidak ada

Ada

alami

14

Suara nafas

Halus, teratur, dan Ngorok, tidak teratur, dan tidak

tersengal- tersengal-sengal

sengal 15

Temperature

Normal (38,5-390)

Naik turun

Sumber : Prof. Dr. drh. Ida Tjahajati, M.P, Berbagai penyakit pada sapi

118

Di bawah ini ada beberapa penyakit jenis penyakit sapi sebagai berikut : 1. Radang limpah Penyakit radang limpah disebabkan oleh bakteri Bacillus anthracis. Bakteri ini berbentuk panjang dan terbungkus kapsul. Pada kondisi yang menguntungkan, bakteri ini akan berbentuk spora untuk melindungi dirinya sehingga dia mampu hidup dalam segala cuaca dan selama bertahun – tahun. Spora juga dapat hidup dalam suasana anaerob sehingga apabila terbenam dalam lapisan tanah, spora dapat bertahan hidup. Pada saat tanah tergenang air, dicangkul atau dibajak, spora terangkat ke atas. Untuk membasmi spora, antara lain dengan uap basah suhu 900C selama 45 menit, air mendidih 1000C selama 10 menit, dan panas kering pada suhu 1200C selama satu jam. A. Gejala- gejala a. Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh b. Pada awalnya sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare,

kotoran

bercampur air dan kadang – kadang darah. c. Kesulitan bernafas. d. Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk, dan sulit membeku. e. Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar. f. Kematian dalam waktu singkat tanpa disertai tanda – tanda sebelumnya. g. Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati. B. Pencegahan a. Menjaga kebersihan kandang sapi

119

b. Bangkai sapi yang mati karena terkena terkena antraks tidak boleh dibuka dan sebaiknya segera dibakar atau dikubur dalam lubang sedalam 2,5 meter, lalu diberi kapur dan ditimbun kembali dengan tanah. c. Waspadai perubahan musim dari kemarau kemusim hujan. Permukaan tanah tererosi air hujan, maka spora muncul kepermukaan bersama tunas rumput yang kemudian termakan sapi. d. Hindarkan sapi dari kontak dengan barang yang tercemar antraks. C. Pengobatan a. Memberikan antibiotic pada sapi sejak dini b. Vaksinasi sebelum sapi berusia 6 bulan, usia paling rentan terhadap penularan penyakit antranks c. Vaksinasi ulang 12 bulan berikutnya akan member kekebalan terhadap penyakit antraks 2. Brucellosis Brucellosis atau keguguran menular atau abortus adalah kelahiran fetus lebih awal sehingga fetus tidak dapat bertahan hidup, tetapi pembentukan organ pada fetus tersebut telah selesai. A. Gejala–gejala a. Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron. b. Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat. c. Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Anak yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik. d. Kemajiran/kemandulan temporer atau permanen.

120

e. Pada sapi perah terjadi penurunan produktifitas susu. f. Cairan janin yang keluar kelihatan keruh. g. Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan menurun dan demam. h. Ambing dan alat kelamin kadang – kadang membengkak, juga ditemukan pembengkakan pada persendian lutut. B. Pencegahan a. Sapi yang mengalami keguguran disendirikan/dipisahkan dari sapi yang sehat. b. Sapi–sapi dara divaksin brucella sebelum dikawinkan dan hindari perkawinan antara pejantan dan betina yang mengalami keguguran/keluron c. Selalu waspada terhadap bibit – bibit yang baru dibeli. d. Apabila terjadi keguguran, maka sisa keguguran disucihamakan, fetus dan flasenta harus dibakar. Apabila vagina mengeluarkan cairan, maka dilakukan irigasi. C. Pengobatan Sapi yang menderita brucellosis menjadi pembawa carrier dan sebaiknya dieliminasi (dipotong) untuk mencegah penularan lebih meluas. 3. Radang Ambing Radang ambing (mastitis) adalah radang pada ambing yang biasanya disebabkan oleh infeksi bakteri dan secara signifikan dapat menurunkan produksi susu pada industri sapi perah. Mastitis dapat menyebabkan penurunan kadar potassium dan laktoferrin serta kasein sebagai protein utama pada susu.

121

Mastitis pada sapi perah merupakan radang yang bersifat akut, subakut, maupun kronis, yang ditandai dengan kenaikan sel radang dalam air susu, perubahan fisik ambing dan susunan air susu, dan tanpa disertai perubahan patologis pada keenjar mammae.

A. Gejala – gejala a. Radang bersifat subklinis apabila gejala – gejala klinis radang tidak ditemukan pada saat pemeriksaan ambing b. Radang bersifat akut apabila tanda – tanda radang jelas ditemukan, seperti kebengkakan ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing. c. Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjot fibrin, reruntuhan sel dan gumpalan protein, atau darah. a. Radang berlangsung subakut dengan tanda – tanda di atas, tetapi derajatnya lebih ringan, yaitu sapi mau makan dan temperatur tubuh dalam batas normal. b. Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu. B. Pencegahan a. Menjaga kebersihan kandang ( terutama lantai bebas dari kotoran dan kering ), alat – alat pemerah, dan sumber air. b. Secara berkala susu diuji menggunakan cawan hitam untuk melihat pecah atau tidak, uji CMT, atau metode lainnya untuk memonitor adanya mastitis. c. Susu tidak dipancarkan ke atas tangan, lantai, atau tempat sapi perah berbaring.

122

d. Sapi yang terkena mastitis diperah pada akhir pemerahan, semua peralatan dan bahan yang digunakan terpisah dari sapi yang sehat. e. Pemberian nutrisi yang berkualitas yang mengandung cukup vitamin E, A, β-katoren, kobalt ( Co ), dan seng ( Zn ). C. Pengobatan Dalam beberapa kasus, sapi yang diberi antibiotic sejak dini dapat bertahan hidup, meskipun pada akhirnya sapi tersebut sering menderita cacat permanen karena kerusakan sebagian atau seluruh pada otot.

1. Botulisme Botulisme merupakan penyakit yang melumpuhkan sapi. Racun saraf yang kuat yang dihasilkan oleh bakteri clostridium botulinom. Toksin diproduksi ketika ketika bakteri dalam keadaan negatif, baik dalam pakan maupun yang tumbuh di usus atau dalam luka yang tertutup. A. Gejala – gejala a. Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot – otot pernapasan. a. Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur. b. Sapi biasanya ditemukan duduk, tidak mampu berdiri, dan nafas berat. Sering sapi memanjangkan kaki belakangnya seperti posisi kaki katak untuk memudahkan bernafas. B. Pencegahan a. Memberikan pakan yang mengandung protein dan fosfor agar sapi tidak mengunyah tulang didaerah penggembalaan sapi.

123

b. Memanen dan menyimpan hijauan pakan sebaik mungkin untuk mengurangi kemungkinan pakan terkontaminasi. c. Bangkai sapi dikubur minimal sedalam 2,5 – 3 meter dari permukaan tanah. C. Pengobatan a. Tidak ada pengobatan khusus, hanya terapi suportif. Sapi yang terkena botulisme diberi terapi suportif. b. Sapi harus diberi naungan. 2. Surra Surra (Trypanosomiasis/Penyakit Mubeng). Surra dari surah marathi, artinya suara napas berat melalui lubang hidung. Surra disebabkan oleh Protozoa Trypanosoma evansi. Protozoa ini hidup dalam darah penderita dan mengisap glukosa yang terkandung dalam darah. Selain itu protozoa ini ini mengeluarkan sejenis racun yang disebut trypanotoksin yang dapat mengganggu penderita. A. Gejala – gejala a. Gejala umum meliputi demam, lesu, dan lemah. b. Nafsu makan berkurang, penderita kurus, dan kehilangan berat badan. c. Temperatur badan naik dan demam berselang – seling. d. Muka pucat, anemia, kurus, bulu rontok, dan busung daerah dagu dan anggota gerak. e. Di bawah dagu dan kaki kelihatan kotor dan kering seperti bersisik. f. Penderita menjadi letih dan tak mampu bekerja. g. Di daerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala. h. Keluar leleran radang dari hidung dan mata. i. Selaput lender terlihat menguning. 124

B. Pencegahan a. Penderita diasingkan di kandang yang tertutup sehingga terlindung dari gigitan lalat. b. Sapi yang mati akibat penyakit surra harus dibakar atau dikubur. c. Pembasmian serangga penghisap darah dengan menyemprotkan kandang, semua peralatan, sapi, atau lingkungan yang banyak dihinggapi lalat menggunakan asuntol atau insektisida lain yang aman bagi sapi. d. Pembersihan tempat yang basah dan rimbun. e. Pengeringan tanah dan penertiban pembuangan kotoran dan sampah sisa pakan. f. Pemotongan sapi yang sakit pada malam hari untuk menghindari lalat. g. Sapi yang sakit dapat dipotong dan dikonsumsi di bawah pengawasan dokter hewan. C. Pengobatan a. Mengobati dengan menggunakan naganol b. Mengobati dengan menggunakan arsokol, dan atoxyl apabila diketahui gejalanya dengan cepat. 3. Kelumpuhan Salah satu penyakit metabolik yang sering dialami oleh sapi perah, yakni kelumpuhan (milk fever) atau paresis puerpuralis. Penyakit ini banyak menyerang sapi perah pada saat 48–72 jam setelah kelahiran, pada masa laktasi ketiga, atau sapi yang sudah tua dan produksi susunya tinggi. A. Gejala – gejala a. Kelumpuhan atau sapi tidak mampu berdiri pada periode tiga hari setelah sapi melahirkan.

125

a. Pada awal laktasi, sapi membutuhkan kalsium yang cukup tinggi sesuai dengan produksinya. Oleh karena itu, jika kalsium pada pakan tidak mencukupi, kalsium tulang akan dibongkar untuk memenuhi kebutuhan tersebut. b. Karena kesalahan manajemen pengeringan, sering menyebabkan terjadinya pembongkaran kalsium tulang secara besar – besaran sehingga menyebabkan sapi ambruk. B. Pencegahan a. Pada saat sapi melahirkan ditempatkan di kandang yang cukup empuk dan lantai tidak licin. b. Apabila terjadi milk fever segera ditangani agar tidak berlanjut. c. Sapi setelah melahirkan harus terus diawasi agar apabila terjadi Pendarahan segera dapat diketahui. d. Apabila sapi sudah terlanjur tidak dapat bangun, posisi sapi harus sering diubah sehingga kaki yang tertindih tidak mengalami gangguan sirkulasi. Sapi dibantu/diusahakan berdiri dengan menggunakan katrol. e. Kebersihan tempat dapat mengurangi dan mencegah terjadinya infeksi setelah melahirkan. C. Pengobatan a. Kelumpuhan harus diobati agar kadar kalsium darah normal kembali sesegera mungkin. b. Pengobatan yang biasa dilakukan, yakni dengan menyuntikkan kalsium

boroglukonat

Analisis Permasalah Analisis data merupakan proses awal yang harus dilakssapian untuk menentukan permasalahan yang sedang dihadapi. Tahap ini adalah sangat penting, karena proses analisis data yang kurang akurat akan menyebabkan hasil dari suatu sistem tidak sesuai dengan yang diharapkan. Jadi proses ini harus benar-benar sesuai dengan perencanaan agar mengasilkan suatu sistem yang baik

126

Analisa data yang akan dilakukan adalah penyakit pada sapi yang harus diwaspadai antara lain : 1.

Radang limpah

2.

Brucellosis

3.

Radang Ambing

4.

Botulisme

5.

Surra

6.

Kelumpuhan Untuk mengetahui apakah seekor sapi dikatakan memiliki salah satu jenis penyakit di atas,

terlebih dahulu kita mengetahui apa yang sering menjadi gejala-gejala atau yang sering dialami penderita penyakit sapi tersebut, gejala-gejala itu akan dijadikan sebagai salah satu gejala pendukung untuk penentuan penyakit. Adapun gejala-gejala umum dari setiap gejala-gejala antara lain. Tabel 5.1. Gejala Penyakit Sapi Kode Gejala

Nama Gejala

GK01

Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh

GK02

Pada awalnya sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang – kadang darah

GK03

Kesulitan bernafas

GK04

Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk, dan sulit membeku

127

GK05

Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar

GK06

Kematian dalam waktu singkat tanpa disertai tanda – tanda sebelumnya

GK07

Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati

GK08

Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron

GK09

Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat

Tabel 3.1. Gejala Penyakit Sapi(Lanjutan) GK10

Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Sapi yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik

GK11

Kemajiran/kemandulan temporer atau permanen

GK12

Pada sapi perah terjadi penurunan produktifitas susu

GK13

Cairan janin yang keluar kelihatan keruh

GK04

Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan

128

menurun, dan demam GK14

Radang bersifat subklinis apabila gejala – gejala klinis radang tidak ditemukan pada saat pemeriksaan ambin

GK04

Radang bersifat akut apabila tanda – tanda radang jelas ditemukan, seperti kebengkakak ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing

GK15

Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjotfibrin, reruntuhan sel dan gumpalan protein, atau darah GK16

Radang berlangsung subakut dengan tanda – tanda di atas, tetapi derajatnya lebih ringan, yaitu sapi mau makan dan temperatur tubuh dalam batas normal

GK17

Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu Tabel 3.1. Gejala Penyakit Sapi(Lanjutan) GK18

Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot – otot pernapasan

129

GK19

Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur GK20

Keluar leleran radang dari hidung dan mata GK21

Selaput lender terlihat menguning GK22

Sapi biasanya ditemukan duduk, tidak mampu berdiri dan nafas berat.

GK23

Gejala umum meliputi demam, lesu dan lemah.

GK24

Nafsu makan berkurang, penderita kurus dan berat badan menurun.

GK25

Suhu badan naik dan demam yang berselang –seling,

GK26

Muka pucat, anemia, kurus, bulu rontok dan busung daerah dagu dan anggota gerak.

GK27

Dibawah dagu dan kaki kelihatan kotor dan kering seperti bersisik.

GK28

Penderita menjadi letih dan tak mampu untuk bergerak.

GK29

Didaerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala.

GK30

Keluar leleran radang dari hidung dan mata.

GK31

Selaput lender terlihat menguning

GK32

Kelumpuhan atau sapi tidak mampu berdiri pada periode tiga hari setelah sapi melahirkan.

Tabel 5.2. Jenis Penyakit Sapi

130

Kode No Urut

Nama Penyakit Penyakit

1

P01

Radang limpah

2

P02

Brucellosis

3

P03

Radang Ambing

4

P04

5

P05

Surra

6

P06

Kelumpuhan

Botulisme Tabel 3.2. Jenis Penyakit Sapi(Lanjutan)

Dibawah ini merupakan tabel dari basis aturan dalam mendiagnosa penyakit sapi adalah sebagai berikut : Tabel 5.3 Basis Aturan Mendiagnosa Penyakit Sapi No

Nama Penyakit

Gejala Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh Pada awalnya sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang – kadang darah Kesulitan bernafas

1.

Radang Limpa

Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk dan sulit membeku Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar

131

Kematian dalam waktu singkat tanpa disertai tanda – tanda sebelumnya. Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati. Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, Pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron. Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat. Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Sapi yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik 2.

Brucellusis

Kemajiran/kemandulan temporer atau permanen Pada sapi perah terjadi penurunan produktifitas susu

Tabel 3.3 Basis Cairan Aturanjanin Mendiagnosa Penyakit Sapi(Lanjutan) yang keluar kelihatan keruh Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan menurun, dan demam

Radang bersifat subklinis apabila gejala – gejala klinis radang tidak ditemukan pada saat pemeriksaan ambin Radang bersifat akut apabila tanda – tanda radang jelas ditemukan, seperti Bengkak ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjotfibrin, reruntuhan sel dan gumpalan protein, atau darah 3.

Radang Ambing

Radang berlangsung subakut dengan tanda – tanda di atas, tetapi derajatnya lebih ringan, yaitu sapi mau makan dan temperatur tubuh dalam batas normal

132

Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot-otot pernapasan 4.

Botulisme

Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur Sapi biasanya ditemukan duduk, tidak mampu berdiri dan nafas berat. Gejala umum meliputi demam, lesu dan lemah. Nafsu makan berkurang, penderita kurus dan berat badan menurun. Suhu badan naik dan demam yang berselang –seling, Muka pucat, anemia, kurus, bulu rontok dan busung daerah dagu dan anggota gerak.

5.

Surra

Dibawah dagu dan kaki kelihatan kotor dan kering seperti bersisik. Penderita menjadi letih dan tak mampu untuk bergerak. Didaerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala.

leleran radang dari hidungSapi(Lanjutan) dan mata. Tabel 3.3 BasisKeluar Aturan Mendiagnosa Penyakit Selaput lender terlihat menguning.

6.

Kelumpuhan


133

5.2 Algoritma Sistem 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 dan konklusi adalah jenis penyakit sapi, sehingga bentuk pernyataannya adalah JIKA [gejala] MAKA [penyakit]. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu gejala. Gejala-gejala tersebut dihubungkan dengan menggunakan operator logika DAN. Bentuk pernyatannya adalah: JIKA [gejala 1] DAN [gejala 2] DAN [gejala 3] MAKA [Penyakit] Adapun contoh kaidah sistem pakar diagnosa penyakit pada sapi adalah sebagai berikut : 1.

Rule 1 JIKA GK1 DAN GK2 DAN GK3 DAN GK4 DAN GK5 DAN GK6 DAN GK7 MAKA Radang limpah

2.

Rule 2 JIKA GK8 DAN GK9 DAN GK10 DAN GK11 DAN GK12 DAN GK13 DAN GK14 MAKA Brucellosis

3.

Rule 3 JIKA GK15 DAN GK16 DAN GK17 DAN GK18 DAN GK19 MAKA Radang Ambing

4. Rule 4

134

JIKA GK20 DAN GK21 DAN GK22 MAKA Botulisme 5.

Rule 5 JIKA GK23 DAN GK24 DAN GK25 DAN GK26 DAN GK27 DAN GK28 DAN GK29 DAN GK30 MAKA Surra

6. Rule 6 JIKA GK31 DAN GK32 MAKA Kelumpuhan Dibawah ini merupakan tabel gejala penyakit dan nilai probabilitas dari setiap gejala tersebut adalah sebagai berikut : Tabel 5.4 Nilai Densitas Gejala Penyakit Sapi Kode Penyakit

P01

Kode Gejala

Nilai Densitas/Nilai Probabilitas

GK01

0.142857

GK02

0.142857

GK03

0.142857

GK04

0.142857

GK05

0.142857

GK06

0.142857

GK07

0.142857

GK08

0.142857

GK09

0.142857

135

GK10 P02

0.142857

Tabel 3.4 Nilai Densitas Gejala Penyakit Sapi(Lanjutan) GK11 0.142857 GK12

0.142857

GK13

0.142857

GK14

0.142857

. GK15

0.25 P03

P04

P05

GK16

0.35

GK17

0.10

GK18

0.15

GK19

0.15

GK20

0.5

GK21

0.3

GK22

0.2

GK23

0.20

GK24

0.15

GK25

0.15

GK26

0.1

GK27

0.1 0.1

GK28

P06

GK29

0.1

GK30

0.1

GK31

0.6

GK32

0.4

136

a. Pengkonversian Tabel Keputusan Menjadi Kaidah Produksi Representasi pengetahuan, kaidah produksi dibentuk dari pengubahan tabel keputusan. Pembuatan suatu kaidah dilakukan dengan beberapa tahapan. Sebagai contoh perhatikan pembuatan kaidah Konklusi ini akan dapat tercapai bila kondisi-kondisi yang mendukung terpenuhi. Pembuatan kaidah 1 menggunakan goal dan kondisi yang telah diperoleh dari langkah 1 dan 2, seperti berikut : Tabel 5.5 Kaidah Dari Gejala Penyakit Sapi Kode Penyakit Kode Gejala

P1

GK01

√

GK02

√

GK03

√

GK04

√

GK05

√

GK06

√

GK07

√

P2

GK08

√

GK09

√

P3

P4

P5

P6

137

GK10

√

GK11

√

GK12

√

GK13

√

GK14

√

GK15

√

GK16

√

GK17

√

GK18

√

GK19

√

GK20

√

GK21

√

GK22 Tabel 3.5 Kaidah Dari Gejala Penyakit Sapi(Lanjutan) √ GK23

√

GK24

√

GK25

√

GK26

√

138

GK27

√

GK28

√

GK29

√

GK30

√

GK31

√

GK32

√

Problema Bayes merupakan salah satu cara untuk mengatasi ketidak pastian data dengan cara menggunakan formula bayes yang dinyatakan dengan :

P( H \ E ) 

P( H \ E ) * P( H ) P( E )

Dimana

P( H | E )

= Probabilitas hipotesis H benar jika diberikan evidenceE

P( E | H )

= Probabilitas munculnya evidenceE, jika diketahui hipotesis H benar.

P(H)

= Probabilitas hipotesis H (Menurut hasil sebelumnya) tanpa memandang Evidence

apapun P(H)

= Probabilitas evidenceE

139

Secara umum teorema buyes dengan E kejadian dengan hipotesis H dapat dituliskan dalam bentuk

Contoh kasus Berikut ini adalah contoh Perhitungan dengan metode Bayes mengenai gejala penyakit pada sapi adalah sebagai berikut :

1. Radang Limpa Tabel 5.6 Contoh Gejala Pilihan Penyakit Radang Limpa Kode Gejala

Nama Gejala

Nilai Gejala

Nilai Bayes

GK01

Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh

0.142857

0.2

GK02

Pada awalnya Sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang – kadang darah

0.142857

0.2

GK03

Kesulitan bernafas

0.142857

0.2

GK04

Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk, dan sulit membeku

0.142857

0.1

140

GK05

Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar

0.142857

0.1

GK06

Kematian dalam waktu singkat tanpa disertai tanda – tanda sebelumnya.

0.142857

0.1

GK07

Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati.

0.142857

0.1

Perhitungan Bayes Penyakit Radang Limpa

Persentase

= 2.0408 %

Kepastian

= Tidak Pasti

2. Brucellusis Tabel 5.7 Contoh Gejala Pilihan Penyakit Brucellusis Kode Gejala

Nama Gejala

Nilai Gejala

Nilai Bayes

141

GK08

Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, Pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron.

0.142857

0.2

GK09

Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat.

0.142857

0.2

GK10

Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Sapi yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik

0.142857

0.2

GK11

Kemajiran/kemandulan permanen

atau

0.142857

0.1

GK12

Pada sapi perah produktifitas susu

penurunan

0.142857

0.1

GK13

Tabel janin 3.7 Contoh Gejalakelihatan Pilihan Penyakit Cairan yang keluar keruh Brucellusis(Lanjutan) 0.142857

0.1

GK14

Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan menurun, dan demam

0.1

temporer

terjadi

0.142857

Perhitungan Bayes Penyakit Brucellusis

Persentase

= 2.0408 % 142

Kepastian

= Tidak Pasti

3. Radang Ambing Tabel 5.8 Contoh Gejala Pilihan Penyakit Radang Ambing Kode Gejala GK15

GK16

Nama Gejala

Radang bersifat subklinis apabila gejala – gejala klinis radang tidak ditemukan pada saat pemeriksaan ambin Radang bersifat akut apabila tanda – tanda radang jelas ditemukan, seperti Bengkak ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing

GK17

Nilai Gejala

Nilai Bayes

0.25

0.2

0.35

0.2

0.10

0.2

0.15

0.2

Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjotfibrin, reruntuhan sel dan gumpalan protein, atau darah GK18

Radang berlangsung subakut dengan tanda – tanda di atas, tetapi derajatnya lebih Tabel 3.8 Contoh ringan, yaitu Gejala sapi Pilihan mau Penyakit makanRadang dan Ambing(Lanjutan) temperatur tubuh dalam batas normal GK19

0.15

0.2

Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu

Perhitungan Bayes Penyakit Radang Ambing

143

Persentase

=4%

Kepastian

= Tidak Pasti

4. Radang Botulisme Tabel 5.9 Contoh Gejala Pilihan Penyakit Botulisme Kode Gejala

Nama Gejala

Nilai Gejala

Nilai Bayes

GK20

Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot-otot pernapasan

0.5

0.5

GK21

Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur

0.3

0.25

GK22

Sapi biasanya ditemukan duduk, tidak mampu berdiri dan nafas berat.

0.2

0.25

Perhitungan Bayes Penyakit Botulisme

144

Persentase

= 12.5 %

Kepastian

= Tidak Pasti

5. Penyakit Surra Tabel 3.10 Contoh Gejala Pilihan Penyakit Surra Kode Gejala

Nama Gejala

Nilai Gejala

Nilai Bayes

GK23

Gejala umum meliputi demam, lesu dan lemah.

0.20

0.125

GK24

Nafsu makan berkurang, penderita kurus dan berat badan menurun.

0.15

0.125

GK25

Suhu badan naik dan demam yang berselang – seling,

0.15

0.125

GK26

Muka pucat, anemia, kurus, bulu rontok dan busung daerah dagu dan anggota gerak.

0.1

0.125

GK27

Dibawah dagu dan kaki kelihatan kotor dan kering seperti bersisik.

0.1

0.125

GK28

Penderita menjadi letih dan tak mampu untuk bergerak.

0.1

0.125

GK29

Didaerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala.

0.1

0.125

GK30

Keluar leleran radang dari hidung dan mata.

0.1

0.125

Perhitungan Bayes Penyakit Surra

145

Persentase

= 1.5625 %

Kepastian

= Tidak Pasti

6. Radang Kelumpuhan Tabel 3.11 Contoh Gejala Pilihan Penyakit Kelumpuhan Kode Gejala GK31

Nama Gejala

Selaput lender terlihat menguning.

GK32

Nilai Gejala

Nilai Bayes

0.6

0.5

0.4

0.5


Perhitungan Bayes Penyakit Botulisme

Persentase

= 25 %

Kepastian

= Tidak Pasti.

146

5.3 Flowchart Program 5.3.1

Pemilihan Metode Penelusuran

Teknik penelusuran ada tiga yaitu depth firsth search, breath first search dan best first search. Metode penelusuran yang digunakan dalam perancangan sistem ini menggunakan Breath First Search sebagai metode pelacakan untuk mencapai suatu tujuan. Proses ini bekerja dari kiri ke kanan baru bergerak ke bawah. Hal ini akan berlanjut sampai di temukan titik tujuan. Flowchart penelusuran dapat dilihat pada gambar dibawah ini adalah sebagai berikut :

mulai

Input Data Gejala Penyakit

Input Jenis-Jenis Penyakit Yang Terjadi Pada Sapi

Basis Aturan

T Proses Y Dapatkan kesimpulan

Selesai

Gambar 3.2 bentuk pencarian kesimpulan tentang penyakit sapi

147

5.4 Pemodelan/Perancangan Sistem Merupakan gambaran dari sistem yang akan dibangun. Sebagai contoh adalah rancangan antarmuka, rancangan masukan, rancangan keluaran, dan lain-lain. 5.4.1 Unified Modeling Languange (UML). Use Case Diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem yang menekankan apa yang dibuat sistem dan merepresentasikan sebuah interaksi antara actor dengan system. a. Use Case Diagram Login Admin

TPermasalahan <<extend>> <<extend>>

< <e xte nd> Administrator

<<extend>> Basis Aturan <<extend>>

>

Pakar Solusi

<<extend>>

LogoOut

Gambar. 3.3 User Case Analisis penyakit sapi menggunakan Metode Teorema Buyes

b. Class diagram Diagram yang digunakan untuk menampilkan beberapa kelas serta paket-paket yang ada dalam sistem / perangkat lunak yang sedang kita kembangkan • Diagram kelas (Class Diagram) memberi kita gambaran (diagram statis ) tentang sistem / perangkat lunak dan relasi-relasi yang ada di dalamnya. Bentuk Class Diagram dari system yang dibangun dapat dilihat pada gambar dibawah ini.

148

Data Penyakit

1

+ kodepenyakit= varchar(5) + namapenyakit= varchar(30) + keterangan= numeric(3) +Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar()

Data Permasalahan

N

+ + + + + +

1

id=Varchar(5) kodepermasalahan=varchar(5) kodepenyakit= varchar(40) pertanyaan= varchar(40) NilaiA= Numeric(4) NilaiB= Numeric(4)

+Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar() Data Solusi

1

+ nosolusi=Varchar(5) + solusi=Longtext(0) +Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar()

Hasil

1 + id=Varchar(5) + nosolusi=Varchar(5)

N

+Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar()

Gambar 3.4 Class Diagram c. Activity Diagram Activity diagram adalah teknik untuk menggambarkan logika procedural, prosedur bisnis, dan jalur kerja. Dalam beberapa hal, diagram ini memainkan peran mirip sebuah sebuah diagram alir, tetapi perbedaan prinsip antara diagram ini dan notasi diagram alir adalah diagram ini mendukung behavior pararel.

149

User

Pakar

Melakukan Konsultasi

INPUT ATURAN

Proses Pengolahan Konsultasi

Hitung Persentase Penyakit

Simpan Aturan Didatabase Tampilkan Solusi

End

Gambar 5.5 UML Activity diagram

150

5.4.2 Rancangan Database Rancangan database marupakan sebuah perancangan pada sistem yang digunakan sebagai tempat penyimpanan data-data. Adapun bentuk rancangan database pada Sistem Pakar Diagnosis Penyakit Sapi Dengan Metode Buyes adalah sebagai berikut : 1. Nama Tabel : Tabel Data Sapi Adapun struktur tabel dari Tabel Sapi yaitu : Tabel 5.12 Tabel Sapi No.

Field Name

Data Type

Size

Description

1.

IDSapi

Text

10

ID Sapi

2.

Jenis Sapi

Text

35

Jenis Sapi

3.

Jenis Kelamin

Text

25

Jenis Kelamin

4.

Usia

Integer

4

Usia

2. Nama Tabel : Tabel Gejala Adapun struktur tabel dari Tabel Gejala yaitu : Tabel 5.13 Tabel Gejala No.

Field Name

Data Type

Size

Description

1.

KdGejala

Text

10

Kode Gejala

2.

NamaGejala

Text

35

Nama Gejala

3.

NilaiDensitas

Double

4

Nilai Densitas

151

3. Nama Tabel : Tabel Penyakit Adapun struktur tabel dari Tabel Penyakit yaitu : Tabel 5.14 Tabel Penyakit No.

Field Name

Data Type

Size

Description

1.

KdPenyakit

Text

10

Kode Gejala

2.

JenisPenyakit

Text

35

Jenis Penyakit

3.

NilaiDensitas

Double

4

Nilai Densitas

4.

Solusi

Text

35

Solusi

4. Nama Tabel : Tabel Solusi Adapun struktur tabel dari Tabel Solusi yaitu : Tabel 5.15 TblSolusi No.

Field Name

Data Type

Size

Description

1.

IDSapi

Text

10

IDSapi

2.

KdGejala

Text

35

Kode Gejala

3

KdPenyakit

Text

10

Kode Penyakit

4.

Hasil

Double

4

Hasil

5.

Solusi

Text

50

Solusi Yang Disarankan

152

5.

Tabel user Tabel user berguna untuk keamanan data. Jadi dalam hal ini hanya terdaftar didalam tabel pengembang yang berhak untuk melakukan perubahan terhadap sistem. Tabel 5.16 Tabel user Field Name

Type

Size

Indexed

Description

UserName

Varchar

20

-

User Name

Password

Varchar

20

-

Password

5.4.3 Rancangan Relasi Antar Tabel Dibawah ini merupakan perancangan relasi antar tabel pada Sistem Pakar Untuk Mendiagnosa Penyakit Pada Sapi adalah sebagai berikut :

TblSapi 1 TblSolusi IDSapi KdGejala KdPenyakit Hasil Solusi

* ** **

1 N N 1

IDSapi JenisSapi JenisKelamin Usia

*

TblGejala KdGejala NamaGejala NilaiDensitas

*

TblGejala 1

KdPenyakit JenisPenyakit NilaiDensitas Solusi

*

153

Gambar 3.7 Relasi Antar Tabel Diagnosa Penyakit Sapi 5.5 Antar Muka Pemakai (User Interface) 5.5.1 Rancangan Konsultasi Pada Gambar 3.8 dibawah ini untuk memilih gejala penyakit sapi dari daftar kemudian klik tombol lanjutkan.

ID Sapi

Jenis Sapi

Kode Gejala

Nama Gejala

0001

Xxxxxxxxxxxxxxxxxxxxxxxxxxx

0002


Pilihan √ √

Mulai Konsultasi

Tutup

0003


√

0004

Xxxxxxxxxxxxxxxxxxxxxxxxxxx Gambar 3.8 Rancangan Form Konsultasi √

0005


√

Setelah tombol lanjutkan di pilih, selanjutnya akan muncul form hasil konsultasi. Jika Semua 0006 Xxxxxxxxxxxxxxxxxxxxxxxxxxx √ gejala Penyakit Sapi dipilih maka akan muncul Penyakit Sapi dan solusinya. Jika gejala-gejala Penyakit 0007 Xxxxxxxxxxxxxxxxxxxxxxxxxxx √ Sapi belum lengkap maka akan muncul pesan "Gejala Penyakit Sapi yang anda Input Belum Lengkap, 0008 Xxxxxxxxxxxxxxxxxxxxxxxxxxx √ tetapi belum jenis Penyakit Sapi ". Form Hasil konsultasi dapat dilihat xxxxxxxxxxxxxxxxxxxxxxxxxxx 0009bisa ditentukan √ pada Gambar 3.9

0012

xxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxx

0013

xxxxxxxxxxxxxxxxxxxxxxxxxxx

√

0014

xxxxxxxxxxxxxxxxxxxxxxxxxxx

Lihat √ Hasil

0010 0011

√ √ √

154

ID Sapi 0015

√

0016

√

Tutup

xxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx

Jenis Penyakit

Xxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxx

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

Gambar 3.9 Perancangan Form Hasil Diagnosa 3.5.2 Rancangan Menu Sistem Pakar

155

Perancangan antar muka merupakan tampilan program aplikasi yang digunakan pemakai untuk dapat berkomunikasi dengan komputer. Adapun yang menjadi rancangan antar muka dalam perancangan ini adalah rancangan menu utama program, dimana melalui rancangan ini satu form dapat berinteraksi dengan form lainnya. 1. Perancangan Form Login Perancangan ini digunakan untuk masuk ke sistem dengan memasukkan nama, password, dan status. Rancangan ini ditunjukkan pada gambar dibawah ini :

Form Login

X

User Name

Password Login

Batal

Gambar 3.10 Rancangan Login

2. Perancangan Menu Menu Utama merupakan tampilan awal dari sistem pakar untuk Mendiagnosa penyakit sapi. Rancangan menu utama dapat dilihat pada gambar dibawah ini.

156

Menu Utama

X File

Solusi

Keluar

Gambar 3.10 Perancangan Form Menu Utama

3.5.3

Rancangan Input Data

1. Form Gejala Penyakit Sapi

157

Gambar 3.11 Rancangan Form Interface Gejala Penyakit Sapi

2. Form Jenis-jenis Penyakit Sapi dan Basis Aturan Form jenis penyakit sapi dan Basis Aturan merupakan form pemasukan basis aturan setiap rule. Bentuk dari jenis penyakit sapi dan basis aturan dapat dilihat pada gambar berikut ini

Add Cancel

Kode Penyakit Baru

Simpan Batal Nama Penyakit

Edit

Hapus

Keluar

Solusi Nilai Buyes

158

Gambar 3.12 Rancangan Form Interface Jenis Penyakit Sapi 3. Rancangan Form Data Sapi

Form Data Sapi

X

ID Sapi Nama Jenis Sapi Pilih :

Jenis Kelamin Tahun

Usia

Baru

ID Sapi

Nama Jenis

Jenis Kelamin

Usia

99

Xxxx

xxxx

99

99

Xxxx

xxxx

99

Simpan

Ubah

Hapus

Keluar

Gambar 3.13 Rancangan Form Data Sapi

159

BAB.

6

TEOREMA BAYES (Kasus.2)

5.1 Implementasi Metode Bayes pada penderita Autis. Autis (Autisme) adalah kelainan perkembangan sistem saraf pada seseorang yang kebanyakan diakibatkan oleh faktor hereditas dan kadang-kadang telah dapat dideteksi sejak bayi berusia 6 bulan. Deteksi dan terapi sedini mungkin akan menjadikan si penderita lebih dapat menyesuaikan dirinya dengan yang normal. Kadang-kadang terapi harus dilakukan seumur hidup, walaupun demikian penderita Autisme yang cukup cerdas, setelah mendapat terapi Autisme sedini mungkin, seringkali dapat mengikuti Sekolah Umum, menjadi Sarjana dan dapat bekerja memenuhi standar yang dibutuhkan, tetapi pemahaman dari rekan selama bersekolah dan rekan sekerja seringkali dibutuhkan, misalnya tidak menyahut atau tidak memandang mata si pembicara, ketika diajak berbicara. Karakteristik yang menonjol pada seseorang yang mengidap kelainan ini adalah kesulitan membina hubungan sosial, berkomunikasi secara normal maupun memahami emosi serta perasaan orang lain. Autisme merupakan salah satu gangguan perkembangan yang merupakan bagian dari Kelainan Spektrum Autisme atau Autism Spectrum Disorders (ASD) dan juga merupakan salah satu dari lima jenis gangguan dibawah payung Gangguan Perkembangan Pervasif atau Pervasive Development Disorder (PDD). Autisme bukanlah penyakit kejiwaan karena ia merupakan suatu gangguan yang terjadi pada otak sehingga menyebabkan otak tersebut tidak dapat berfungsi selayaknya otak normal dan hal ini termanifestasi pada perilaku penyandang autisme. Autisme adalah yang terberat di antara PDD.

160

Gejala-gejala autisme dapat muncul pada anak mulai dari usia tiga puluh bulan sejak kelahiran hingga usia maksimal tiga tahun. Penderita autisme juga dapat mengalami masalah dalam belajar, komunikasi, dan bahasa. Seseorang dikatakan menderita autisme apabila mengalami satu atau lebih dari karakteristik berikut: kesulitan dalam berinteraksi sosial secara kualitatif, kesulitan dalam berkomunikasi secara kualitatif, menunjukkan perilaku yang repetitif, dan mengalami perkembangan yang terlambat atau tidak normal. Beberapa penelitian yang melakukan riset mengenai penyakit menggunakan metode penelitian serta basis pengetahuan yang beragam diantaranya yaitu pendeteksian penyakit autis menggunakan metode Theorema Bayes yang menyimpulkan bahwa sistem pakar yang dibangun dapat memberikan hasil beserta tingkat kebenarannya berdasarkan nilai kepercayaan yang dimiliki oleh gejala tiap masing-masing kasus. Teorema Bayes adalah sebuah teorema dengan dua penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan seberapa jauh derajat kepercayaan subjektif harus berubah secara rasional ketika ada petunjuk baru. Dalam penafsiran frekuentis teorema ini menjelaskan representasi invers probabilitas dua kejadian. Teorema ini merupakan dasar dari statistika Bayes dan memiliki penerapan dalam sains, rekayasa, ilmu ekonomi (terutama ilmu ekonomi mikro), teori permainan, kedokteran dan hukum. Penerapan teorema Bayes untuk memperbarui kepercayaan dinamakan inferens Bayes. Metode Teorema Bayes merupakan metode penalaran non monotonis yang digunakan untuk mencari ketidak konsistenan akibat adanya penambahan maupun pengurangan fakta baru yang akan merubah aturan yang ada, sehingga metode Theorema Bayes memungkinkan seseorang aman dalam melakukan pekerjaan seorang pakar, sekaligus dapat mengetahui

161

probabilitas atau prosentase dari penyakit yang mungkin diderita. Pemanfaatan sistem pakar ini untuk mendeteksi tingkat resiko penyakit autis dengan teorema Theorema Bayes untuk mencari besarnya nilai kepercayaan gejala dan faktor resiko tersebut terhadap kemungkinan tingkat resiko terkena penyakit Autis. 6.1.1 Algoritma Sistem Sistem pakar menggunakan metode Theorema Bayes untuk mendeteksi tingkat resiko penyakit autis adalah sistem pakar yang dapat menentukan tingkat resiko penyakit autis berdasarkan faktor resiko serta gejala yang mempengaruhi tingkat resiko penyakit autis tiap pasien. Sistem juga dapat memberikan informasi prognosis yang mungkin dimiliki pasien berdasarkan faktor dan gejala yang dimiliki pasien serta memberikan informasi berupa tindakan secara umum berdasarkan tingkat resiko penyakit autis yang diderita pasien. Sesuai dengan struktur system pakar, model arsitektur sistem pakar menggunakan metode Theorema Bayes untuk mendeteksi tingkat resiko penyakit autis dapat digambarkan seperti Gambar 3.1. Bagian Pengetahuan (Kaidah)

Mesin Inferensi (Agenda)

Memori Kerja (Fakta)

Akuisisi Pengetahuan

Fasilitas Penjelasan

Antar Muka Pengguna

Gambar 6.1 Model Arsitektur Sistem Pakar Untuk Mendeteksi Tingkat Resiko Penyakit Autis

162

Sistem yang dirancang dan dibangun dalam penelitian ini adalah sistem pakar untuk membantu paramedis dalam menganalisa tingkat resiko penyakit autis yang diderita oleh pasien. Untuk mengabalisa apakah seorang anak menderita autis atau tidak, digunakan standar internasional tentang autis. ICD (InternationalClassification of Diseases) 1993 dan DSM (Diagnostic andStatistical Manual) 1994 merumuskan kriteria diagnosis untuk Autis Infantil yang isinya sama, yang saat ini dipakai di seluruh dunia. Kriteria tersebut adalah: Untuk no.

(1),

hasil

(2),

diagnosa,

dan

(3),

diperlukan

termasuk

total

setidaknya

6

gejala

2

gejala

(atau dari

lebih) no.

(1)

dari dan

masing-masing 1 gejala dari no. (2) dan (3). 1. Gangguan kualitatif dalam interaksi sosial yang timbal balik. Minimal harus ada dua dari gejala-gejala di bawah ini: 

Tak mampu menjalin interaksi sosial yang cukup memadai



kontak

mata

sangat

kurang,

ekspresi

muka

kurang

hidup,

gerak-

yang

dirasakan

orang

dan

emosional

yang

gerik kurang tertuju. 

Tidak bisa bermain dengan teman sebaya.



Tak

ada

empati

(tak

dapat

merasakan

apa

lain). 

Kurang

mampu

mengadakan

hubungan

sosial

timbal balik. 2. Gangguan kualitatif dalam bidang komunikasi. Minimal harus ada satu dari gejala-gejala di bawah ini: 163



Perkembangan bicara terlambat atau sama sekali tak berkembang.Anak tidak berusaha untuk berkomunikasi secara non-verbal. Bila anak bisa bicara, maka bicaranya tidak dipakai untuk berkomunikasi.



Sering menggunakan bahasa yang aneh dan diulang-ulang.



Cara bermain kurang variatif, kurang imajinatif, dan kurang dapat meniru.

3. Adanya suatu pola yang dipertahankan dan diulang-ulang dalam perilaku, minat, dan kegiatan. Minimal harus ada satu dari gejala di bawah ini: 

Mempertahankan satu minat atau lebih dengan cara yang sangat khas dan berlebihan.



Terpaku pada suatu kegiatan yang ritualistik atau rutinitas yang tidak ada gunanya.



Ada gerakan-gerakan aneh yang khas dan diulang-ulang.



Seringkali sangat terpukau pada bagian-bagian benda. Sebelum umur 3 tahun tampak adanya keterlambatan atau gangguan dalam

bidang: a. interaksi sosial, b. bicara dan berbahasa, c. cara bermain yang monoton, kurang variatif.

6.1.2 Representasi Pengetahuan Representasi dilakukan setelah proses akuisisi pengetahuan dilakukan. Tujuan representasi adalah untuk mengembangkan suatu struktur yang akan membantu pengkodean pengetahuan ke dalam program. Representasi pengetahuan menggunakan aturan produksi.

164

Perhitungan manual dengan menggunakan Metode Bayesian dapat dilihat di tabel yang ada dibawah ini. Penyimpangan yang terkait dengan gejala yang diinputkan dihitung dengan menggunakan tabel knowledge base. Gejala yang dialami ditandai dengan nomer urutnya yaitu : Usia 0 sampai 3 Tahun a = Tak mampu menjalin interaksi sosial yang cukup memadai b = kontak mata sangat kurang, ekspresi muka kurang hidup, gerakgerik kurang tertuju c = Tidak bisa bermain dengan teman sebaya Tak ada empati d = Sering menggunakan bahasa yang aneh dan diulang-ulang e = memegang benda kecil dengan ibu jari dan jari telunjuk f = Cara bermain kurang variatif, kurang imajinatif, dan kurang dapat meniru g = Terpaku pada suatu kegiatan yang ritualistik atau rutinitas yang tidak ada gunanya h = Ada gerakan-gerakan aneh yang khas dan diulang-ulang I = Seringkali sangat terpukau pada bagian-bagian benda Isi data = 1=Ya 2=Tidak Tabel 3.2 Knowledge Base

165

No a

b

c

d

e

f

g

h

i

Hasil

1

1

1

1

2

1

2

2

1

1 Autis Interaksi Sosial

2

1

1

1

1

2

2

2

1


3

2

1

1

1

1

2

1

2


4

2

1

1

1

1

1

2

1


5

2

2

2

1

1

1

1

2

1 Autis Bicara Dan Bahasa

6

2

2

2

2

1

1

1

1


7

2

2

2

2

1

1

1

1


8

2

2

2

2

1

2

1

1

1 Autis Bermain Monoton

9

2

2

1

2

2

2

2

1

1 Autis Bermain Monoton

Tahap 1 menghitung jumlah class/label P(Y= Sosial) = 4/9, jumlah data “Interaksi Sosial” pada kolom, HASIL‟ dibagi jumlah data. P(Y= Bahasa) = 3/9, jumlah data “Bicara dan Bahasa” pada kolom, HASIL‟ dibagi jumlah data P(Y= Monoton) = 2/9, jumlah data “Bermain Monoton” pada kolom, HASIL‟ dibagi jumlah data

Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama 1. Kolom a P(a =Ya | Y=Sosial) = 2/4

P(a =Tidak | Y=Sosial) = 2/4

P(a=Ya | Y=Bahasa) = 0/3

P(a=Tidak | Y=Bahasa) = 3/3

P(a = Ya | Y= Monoton) = 0/2

P(a = Tidak | Y= Monoton) = 2/2

2. Kolom b 166

P(b=Ya | Y=Sosial) = 4/4

P(b =Tidak | Y=Sosial) = 0/4

P(b=Ya | Y=Bahasa) = 0/3

P(b=Tidak | Y=Bahasa) = 3/3

P(b = Ya | Y= Monoton) = 0/2

P(b = Tidak | Y= Monoton) = 2/2

3. Kolom c P(c=Ya | Y=Sosial) = 4/4

P(c =Tidak | Y=Sosial) = 0/4

P(c=Ya | Y=Bahasa) = 0/3

P(c=Tidak | Y=Bahasa) = 3/3

P(c= Ya | Y= Monoton) = 1/2

P(c= Tidak | Y= Monoton) = 1/2

4. Kolom d P(d=Ya | Y=Sosial) = 3/4

P(d=Tidak | Y=Sosial) = 1/4

P(d=Ya | Y=Bahasa) = 1/3

P(d=Tidak | Y=Bahasa) = 2/3

P(d = Ya | Y= Monoton) = 0/2

P(d= Tidak | Y= Monoton) = 0/2

5. Kolom e P(e=Ya | Y=Sosial) = 3/4

P(e=Tidak | Y=Sosial) = 1/4

P(e=Ya | Y=Bahasa) = 3/3

P(e=Tidak | Y=Bahasa) = 0/3 167

P(e = Ya | Y= Monoton) = 1/2

P(e= Tidak | Y= Monoton) = 1/2

6. Kolom f P(f=Ya | Y=Sosial) = 1/4

P(f=Tidak | Y=Sosial) = 3/4

P(f=Ya | Y=Bahasa) = 3/3

P(f=Tidak | Y=Bahasa) = 0/3

P(f = Ya | Y= Monoton) = 0/2

P(f= Tidak | Y= Monoton) = 2/2

7. Kolom g P(g=Ya | Y=Sosial) = 1/4

P(g=Tidak | Y=Sosial) = 2/4

P(g=Ya | Y=Bahasa) = 3/3

P(g=Tidak | Y=Bahasa) = 0/3

P(g = Ya | Y= Monoton) = 1/2

P(g= Tidak | Y= Monoton) = 1/2

8. Kolom h P(h=Ya | Y=Sosial) = 1/4

P(h=Tidak | Y=Sosial) = 3/4

P(h=Ya | Y=Bahasa) = 2/3

P(h=Tidak | Y=Bahasa) = 1/3

P(h= Ya | Y= Monoton) = 2/2

P(h= Tidak | Y= Monoton) = 0/2

168

9. Kolom i P(i=Ya | Y=Sosial) = 1/4

P(i=Tidak | Y=Sosial) = 3/4

P(i=Ya | Y=Bahasa) = 2/3

P(i=Tidak | Y=Bahasa) = 1/3

P(i= Ya | Y= Monoton) = 2/2

P(i= Tidak | Y= Monoton) = 0/2

Tahap 3 kalikan semua hasil variable sesuai dengan kolom sosial, bahasa, monoton. Autis Interaksi Sosial =2/4*4/4*4/4*3/4*3/4*1/4*1/4*1/4*1/4 =0.001099 Autis Bicara dan Bahasa =0/3*3/3*0/3*1/3*3/3*3/3*3/3*2/3*2/3 =0 Autis Bermain Monoton =0/2*0/2*1/2*0/2*1/2*0/2*1/2*2/2*2/2 =0 Tahap 4, diambil yang paling maksimal, sehingga dapat disimpilkan bahwa anak tersebut mengalami Autis Interaksi Sosial dengan nilai 0.001099. Dari beberapa tahapan diatas, maka untuk menentukan penyimpangan pada anak usia 0–3 tahun dapat dideteksi dengan mudah dengan menggunakan 9 (Sembilan) variabel yang digunakan. 6.1.3 Flowchart Program Flowchart adalah penggambaran secara grafik dari langkah-langkah dan urut-urutan prosedur dari suatu program. Flowchart menolong analis dan programmer untuk memecahkan masalah kedalam segmen-segmen yang lebih kecil dan menolong dalam menganalisis alternatifalternatif lain dalam pengoperasian. 169

Start

Input Data Pengguna Input Data Gejala

T

Data Gejala Sudah Lengkap? Y

Hitung Diagnosa Gejala

Tampilkan Hasil Perhitungan

End

Gambar 6.2 flowchart Program Diagnosa Penyakit Autis 6.1.4 Perancangan Sistem Dalam perancangan struktur aplikasi ini dibantu dengan menggunakan beberapa komponenkomponen pemodelan sistem dari metode Unified Modeling Language. Ada 2 (dua) jenis diagram yang akan digunakan yaitu: Use Case Diagram dan Activity Diagram.

170

a. Use Case Diagram Prilaku beserta tugas-tugas dari tiap-tiap element maupun aktor yang terlibat dalam sistem yang akan dirancang, akan digambarkan dalam diagram use case yang bertujuan untuk memberikan gambaran secara umum tentang sistem yang akan dirancang.

Login

Gejala

Hitung User

Sistem Hasil

Gambar 6.2 Use Case Diagram Deskripsi Use Case di atas sebagai berikut: Aktor

: Sebagai pengguna Sistem informasi atau User

Pengguna

: Pengguna program memasukan data diri.

Gejala

: Pengguna memasuka gejala yang ada.

Hitung

: Proses ini di gunakan untuk menghitung gejala yang menentukan hasil dari diagnosa.

171

Diagnosa

: Dalam proses ini digunakan untuk mendiagnosa penyakit yang dialami pengguna yaitu autis

Hasil

: Dalam proses ini digunakan untuk memberikan hasil yang didapat kepada pengguna berupa out put keterangan penyakit autis. b. Activity Diagram

Diagram aktivitas atau activity diagram menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem atau proses. Berikut pada diagram di bawah ini ditampilkan proses aktifitasnya.

User

User Interface

Interface Engine

Masukan Data Biodata Penggunaan

Menbaca Biodata Dan Gejala

Menbaca Biodata Dan Gejala

Melakukan Perhitungan Data Dari Gejala

Menghasilkan Hasil Keluaran/Output Berupa Keputusan

Melakukan Diagnosa dari hasil perhitungan

Menampilkan Informasi Hasil Diagnosa

Gambar 6.3 Activity Diagram

172

c. Class Diagram

Class diagram menggambarkan class dan hubungan antar class di dalam sistem. Berikut ini bentuk dari Class diagram.

Pengguna

Hasil

- NoPengguna : Char - NmPengguna : Char - Umur : Char - Jk : Char

- Nohasil :Char - NoDiagnosa : Char - Penjelasan : Char

Diagnosa +Tambah () : Char +Edit () : Char +Hapus () : Char

- No_Diagnosa : Char - No_Pengguna : Char - Hasil : Char

+Tambah () : Char +Edit () : Char +Hapus () : Char

+Tambah () : Char +Edit () : Char +Hapus () : Char

Gambar 6.4 Class Diagram Keterangan : -

Input Diagnosa

: Menampilkan form Diagnosa untuk proses penginputan Diagnosa

-

Simpan Diagnosa

: Proses penyimpanan data yang diinputkan pada form Diagnosa

-

Proses Penilaian

: Proses penilaian terhadap gejala yang ditentukan.

-

Penilaian

: Menampilkan form penilaian yang berisi data hasil dari proses penilaian.

173

-

Eksekusi

: proses penilaian terjadi, jika penentuan berhasil maka tampilkan hasil penilaian. Jika penilaian tidak berhasil maka ulangi proses penilaian data kembali.

6.1.5 Struktur Tabel

Dalam perancangan suatu sistem dibutuhkan suatu database yang digunakan untum menyimpan data dan informsi lain yang diperlukan dalam sistem. Adapun tabel-tabel yang terbentuk dapat dilihat pada Diagnosa tabel berikut ini : 1.

Tabel Pengguna

Nama tabel

: T_ Pengguna

Primary key

: NoPengguna

Jumlah field

:6

Fungsi

: Sebagai media penyimpanan data pengguna Tabel 3.2 Struktur Tabel Pengguna

No.

Field Nama

Type

Width

Description

1.

NoPengguna

Text

10

Nomor Pengguna

2.

NmPengguna

Text

30

Nama Pengguna

3.

Telp

Text

15

Nomor Telepon

4.

Alamat

Text

50

Alamat Pengguna

174

2.

5.

Status

Text

12

Status Pengguna

6.

JK

Texy

12

Jenis Kelamin

Tabel Diagnosa

Nama tabel

: T_ Diagnosa

Primary key

: NoDiagnosa

Jumlah field

:3

Fungsi

: Sebagai media penyimpanan data diagnosa

Tabel 6.3 Struktur Tabel Pengguna

No.

3.

Field Nama

Type

Width

Description

1.

Nodiagnosa

Text

10

Nomor Diagnosa

2.

NoPengguna

Text

10

Nomor Pengguna

3.

Hasil

Text

30

Hasil Diagnosa

Tabel Hasil

Nama tabel

: T_ Hasil

Primary key

: NoHasil

Jumlah field

:3

Fungsi

: Sebagai media penyimpanan data hasil 175

Tabel 6.4 Struktur Tabel Hasil

No.

Field Nama

Type

Width

Description

1.

NoHasil

Text

10

Nomor Hasil

2.

NoDiagnosa

Text

10

Nomor Diagnosa

3.

Penjelasan

Text

30

Penjelasan

6.1.6 Disain Interface Rancangan interface ini merupakan gambaran struktur hirarki dari keseluruhan tampilan sistem merupakan tampilan menu utama yang berisi tombol-tombol dan menu. Rancangan ini terdiri dari tiga bagian yaitu rancangan Menu Login, rancangan Menu Utama dan rancangan tampilan form. Rancangan form dibuat setelah rancangan awal dan menu utama, hasil rancangan ini dinamakan sebagai Expert System. Rancangan menu adalah membuat menu-menu yang akan digunakan dalam aplikasi sisitem pakar.

Menu Utama

FILE

Form Pengguna

PROSES

ABOUT

Form Diagnosa

KELUAR

Form Programmer

Gambar 6.5 Desain Interface a. Disain Form Menu Utama Form Menu Utama berisi menu yang digunakan untuk menginput data ke dalam database. Menu ini dapat digunakan oleh pemakai yang mempunyai hak akses untuk

176

menambahkan data, memperbaiki atau pun menghapus data pada database. Form menu utama seperti di bawah ini.

X

Sistem Pakar Diagnosa Penyakit Autis Menu File Form Pengguna

Menu Proses

Menu About

Form Diagnosa

Menu Keluar

Form Programmer

Gambar 6.7 Desain Menu Utama Pada form Menu Utama terdapat beberapa menu dan sub menu yang masing-masing mempunyai fungsi sebagai berikut : 1. Menu file, digunakan untuk mengaktifkan form pengguna. 2. Menu Proses, digunakan untuk mengaktifkan form diagnosa. 3. Menu About, digunakan untuk mengaktifkan form progreammer. 4. Menu Keluar, digunakan untuk keluar dari program.

b. Disain Form Pengguna Jika dipilih menu file dan dipilih form pengguna pada menu utama maka akan ditampilkan form seperti pada gambar 3.8, form ini digunakan untuk melakukan penginputan data pengguna kedalam sistem berupa nomor pengguna, nama pengguna, Tanggal Lahir, Telepon, Alamat, Status dan Jenis Kelamin.

177

Form Data Pengguna

X

Input Data Pengguna Nomor Pengguna Tanggal Lahir No Telepon Alamat Status Jenis Kelamin LV1

Simpan

Perbaiki

Hapus

Bersih

Keluar

Gambar 6.8 Desain Form Pengguna

Pada form pengguna terdapat beberapa tombol yang masing-masing mempunyai fungsi sebagai berikut : 1. Tombol Simpan, digunakan untuk menyimpan data pengguna kedalam database sistem. 2. Tombol Perbaiki, digunakan untuk perbaiki data pengguna yang ada didalam database sistem. 3. Tombol Hapus, digunakan untuk menghapus data pengguna yang ada didalam database sistem. 4. Tombol Bersih, digunakan untuk membersihkan isi data pada form pengguna. 5. Tombol Keluar, digunakan untuk menutup form pengguna.

178

c.

Disain Form Diagnosa Jika dipilih menu proses dan dipilih form diagnosa pada menu utama maka akan

ditampilkan form seperti pada gambar 3.8, form ini digunakan untuk melakukan penginputan data diagnosa kedalam sistem. Form Data Diagnosa

X

Input Data Diagnosa Tak Mampu Jalani Interaksi Sosial

Ya

Tidak

Nomor Pengguna

Kontak Mata, Ekpresi Muka dan gerakgerik kurang

Ya

Tidak

Tanggal Lahir

Tidak Bisa Bermain Dengan Teman Sebaya

Ya

Tidak

Alamat

Sering Menggunakan Bahasa Aneh

Ya

Tidak

Status

Sering Menggunakan Bahasa Yang Di Ulang2

Ya

Tidak

Jenis Kelamin

Memegang Benda Kecil Dengan Ibu Jari dan Telunjuk

Ya

Tidak

Cara Bermain Kurang Variatif dan Imajinatif

Ya

Tidak

Ada Gerak aneh yang khas dan diulang-ulang Terpaku Pada Suatu Kegiatan

Ya

Tidak

Ya

Tidak

Nomor Diagnosa

Proses

Simpan

Hasil Diagnosa

Perbaiki

Hapus

Bersih

Keluar

LV1

Gambar 6.9 Desain Form Diagnosa Pada form pengguna terdapat beberapa tombol yang masing-masing mempunyai fungsi sebagai berikut : 1. Tombol Hitung, digunakan untuk menghitung data diagnosa. 2. Tombol Simpan, digunakan untuk menyimpan data diagnosa kedalam database sistem. 3. Tombol Perbaiki, digunakan untuk perbaiki data diagnosa yang ada didalam database sistem. 4. Tombol Hapus, digunakan untuk menghapus data diagnosa yang ada didalam database sistem. 5. Tombol Bersih, digunakan untuk membersihkan isi data pada form diagnosa. 6. Tombol Keluar, digunakan untuk menutup form diagnosa.

179

6.2 Aplikasi dengan Metode Teorema Bayes 6.2.1 Implementasi Sistem

a. Form Login

Form ini merupakan tampilan form login untuk masuk kedalam form utama dengan cara mengisi nama user dan password. Gambar 6.1 Form Login b.

Menu Utama

Dengan menggunakan Form dibuat Menu Utama Program yang memiliki beberapa bagian menu program yaitu : Data, Proses, Laporan dan Exit dimana dalam masing-masing menu program terdapat beberapa sub menu pendukung lainnya yang berfungsi untuk menampilkan form-form yang dibutuhkan beserta laporannya. Didalam Menu Utama terdapat Menu Data yang memiliki dua (2) bagian sub menu program yaitu : data pengguna dan data diagnosa

Didalam Menu Utama terdapat Menu Data yang

180

memiliki dua (2) bagian sub menu program yaitu : data pengguna dan data diagnosa dimana dalam masing-masing sub menu program terdapat beberapa sub menu pendukung lainnya dengan tampilan masing-masing sub menu program dengan tampilan menu program sebagai berikut :

Gambar 6.2 Tampilan Form Menu Utama c. Form Data Pengguna

Tampilan ini berisikan tentang data Pengguna yang berfungsi sebagai media dalam memasukan data Pengguna baru dan juga mengedit serta menghapus data Pengguna. Kelebihan dari form ini dapat mengolah data Pengguna secara update dengan database. Tampilan form sebagai berikut:

Gambar 6.3 Tampilan Form Input Data Pengguna 181

Adapun fungsi-fungsi dari tombol yang terdapat dalam form yaitu : Simpan : Menyimpan data Pengguna baru Perbaiki : Merubah data-data yang dianggap salah Hapus : Menghapus data-data yang dianggap tidak perlu Bersih : Membatalkan penginputan data dan membersihkan form Keluar : Keluar dari form Pengguna d. Form Diagnosa

Tampilan Diagnosa ini berisikan tentang data nilai diagnosa yang akan dihitung dengan metode dempster shafer. Tampilan form dapat dilihat pada gambar berikut ini.

182

Gambar 6.4 Tampilan Form Diagnosa Adapun fungsi-fungsi dari tombol yang terdapat dalam form yaitu : Simpan : Menyimpan Diagnosa yang telah diubah. Proses : Memproses hasil diagnosa penyakit. Perbaiki : Merubah data-data yang dianggap salah Hapus : Menghapus data-data yang dianggap tidak perlu Bersih : Membatalkan penginputan data dan membersihkan form Keluar : Keluar dari form diagnose

183

e. Prosedur Kerja Sistem 1). Prosedur Menu Utama Pertama-tama start, kemudian isikan password masuk ke menu utama dan akan tampil menu yang terdiri dari menu Data, Proses, Laporan dan Exit. Selanjutnya klik menu pertama data input yang terdiri dari sub menu yaitu data Pengguna yang akan menampilkan data-data tentang Pengguna. Kemudian klik menu laporan yang terdiri dari sub menu laporan data Pengguna dan laporan hasil keputusan yang fungsinya untuk menampilkan semua data-data yang ditampilkan di database. Kemudian klik tombol exit untuk keluar dari program. 1.1) Form Data Pengguna Simpan, Ubah, Hapus, Batal dan Keluar. Langkah-langkah untuk Tambah, Ubah, Hapus, Batal dan Keluar pada prosedur sub menu file Pengguna adalah sebagai berikut. a. Klik Menu data kemudian pilih menu data Pengguna. b. Dari form data Pengguna bisa langsung diinput data-data seperti nomor pengguna, nama pengguna, alamat, tanggal lahir, telepon, status dan jenis kelamin. c. Jika ingin memperbaiki data doubel klik pada tampilan Listview tabel data Pengguna, kemudian perbaiki bagian mana yang salah dan setelah selesai klik tombol Ubah. d. Bila data tidak ingin disimpan klik tombol Hapus untuk menghapus dan bila ingin dibersihkan klik tombol Batal. e. Jika tidak ada yang akan diisi dan disimpan lagi klik tombol Keluar. 1.2) Form Data Diagnosa Simpan, Proses, Batal dan Tutup. Langkah-langkah untuk Simpan, Proses, Batal dan Tutup pada prosedur sub menu data Diagnosa adalah sebagai berikut. 184

a. Klik menu data kemudian pilih menu data Diagnosa. b. Dari form data Diagnosa bisa langsung diinput data-data seperti nomor pengguna, nama pengguna, alamat, tanggal lahir, telepon, status, jenis kelamin, tanggal diagnosa, umur, tinggi badan, berat badan, nadi, tekanan darah, golongan darah dan kolesterol. c. Setelah itu klik Proses untuk melakukan perhitungan matriks Diagnosa dengan metode Dempster Shafer. d. Bila data tidak ingin disimpan klik tombol Batal maka form akan dibersihkan. e. Jika tidak ada yang akan diisi dan disimpan lagi klik tombol Keluar.

6.3. Pengujian Pengujian dilakukan dengan melakukan penginputan data sesuai dengan ketentuan yang ada, yaitu penginputan data yang maksudkan adalah dengan menceklis gejala-gejala yang ada pada form data diagnosa, maka sistem akan menghasilkan data sesuai dari inputan data dari gejala penyakit yang ada. Dari pengujian yang sudah dilakukan dengan meceklis beberapa gejala yang ada maka sistem akan menghasilkan data berupa hasil diagnosa yaitu yang menggambarkan apakah terkena penyakit autis atau tidak.

185

6.4 DISKUSI: Misalnnya gejala yang tampak pada tanaman kedelai ada 2 gejala yaitu bercak kemerahan pada akar (G01), dan ada bercak kemerahan pada akar (G02). Berdasarkan probalitas P01,P03=0,11. Dan bercak kemerahan pada akar (G01),(G02)=0,3. Tentukan persentase probabilitasnya terhadap 2 gejala ( G01) dan (G02)! Penyelesaian :

186

187

Perhitungan nilai Bayes: P(P01)|(G01)= P(G01|P01)*P(P01)/ P(G01|P01)*P(P01)+ P(G01|P02)*P(P02)+ P(G01|P03)*P(P03)+ P(G01|P04)*P(P04)+ P(G01|P05)*P(P05)+ P(G01|P06)*P(P06)+ P(G01|P07)*P(P08)+ P(G01|P09)*P(P09). P(P01)|(G01)=0.3*0,11/0.3*0,11 = 0,033/0,033 =1 P(P01)|(G02)= P(G02|P01)*P(P01)/ P(G02|P02)*P(P03)+ P(G02|P02)*P(P02)+ P(G02|P03)*P(P03)+ P(G02|P04)*P(P04)+ P(G02|P05)*P(P05)+ P(G02|P06)*P(P06)+ P(G02|P07)*P(P08)+ P(G02|P09)*P(P09). P(P01)|(G01)=0.3*0,11/0.3*0,11 = 0,033/0,033 =1 Totl Bayes 1= 1+1=2 2. Penyakit Antraknose (P03) 188

Jika probabilitas penykit

Antraknose (p03)=0,11,jika probabilitas gejala

memandang penyakit adalah aad brcak kemerahan pada akar (G01)=0 Dan ada bercak kemerahan pada batang (02):0. Sehingga Totl Bays 2=0+0 Hasil = Totl Bays1 + Totl Bayes2 =2 Maka perhitungan probabilitas penyakitnya adalah 1. Penyakit target spot (P01)=2/2 *100 % 2. Penyakit Antraknose (P03)=0/2 *10 Sport (P01)

189

BAB.

7

CERTAINTY FACTOR

7.1 Defenisi Certainty Factor Definisi menurut David McAllister Certainty Factor ( Faktor Kepastian) adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Teori Certainty Factor (CF) diusulkan oleh Shortliffe dan buchanan pada 1975 untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Seorang pakar, misalnya dokter sering kali menganalisis informasi yang ada dengan ungkapan seperti “mungkin”, “kemungkinan besar”, “hampir seperti”. Untuk mengakomodasi hal ini kita menggunakan Certainty Factor (CF) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi. Dalam menghadapi suatu permasalahan sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidak pastian ini dapat berupa probabilitas yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor, yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis penyakit, dimana pakar tidak dapat mendefinisikan hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. CF menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Certainty Factor menggunakan suatu nilai untuk mengasumsikan derajad keyakinan seorang pakar terhadap suatu data. Certainty Factor memperkenalkan konsep keyakinan dan 190

ketidak yakinan yang kemudian diformulakan dalam rumusan dasar. Ada dua cara dalam mendapatkan tingkat keyakinan (CF) dari sebuah rule,yaitu: 1. Metode ‘Net Belief’ yang diusulkan oleh E. H. Shortliffe dan B. G. Buchanan CF(Rule) = MB(H, E) – MD(H, E) MB(H,E) ={

MD(H,E) ={

[

[

[

]

| ]

]

| [

]

Keterangan: CF : Certainty Factor (factor kepastian) MB(H,E) : Measure of Belief (ukuran kepercayaan) terhadap hipotesis H, jika diberikan evidence E (antara 0 dan 1) MD(H,E) : Measure of Disbelief (ukuran ketidakpercayaan) terhadap evidence H, jika diberikan evidence E (antara 0 dan 1) P(H) : Probability (probabilitas kebenaran hipotesis H) P(H|E) : probabilitas bawah H benar karena fakta E 2. Dengan cara mewawancarai seorang pakar Nilai CF(Rule) didapat dari interprestasi “term” dari pakar, yang diubah menjadi nilai CF tertentu sesuai tabel berikut:

Tabel 6.1 Nilai CF dari interperetasi “term” Uncertain Term

CF

Definitely not (pasti tidak) Almost certainly not (hampir pasti -1.0 -0.8 tidak) Probably not (kemungkinan besar -0.6 -0.4 tidak) -0.2 to 0.2 Maybe not (mungkin tidak) 0.4 Unknown (tidak tahu) 0.6 Maybe (mungkin) 0.8 Probably (kemungkinan besar) 1.0 Almost certainly (hampir pasti) Definitely (pasti) Sumber : Kecerdasan buatan (2010:195)

191

Berikut ini adalah deskripsi beberapa kombinasi Certainty Factor terhadap berbagai kondisi: 1. Certainty Factor untuk kaidah dengan premis tunggal (single premis rules): CF(H,E) = CF(E)*CF(rule) = CF(user)*CF(pakar) 2. Certainty Factor untuk kaidah dengan premis majemuk (multiple premis rules): CF (A AND B) = Minimum (CF (a),CF (b)) * CF (rule) CF (A OR B) = Maximum (CF (a),CF (b)) * CF (rule) 3. Certainty Factor untuk kaidah dengan kesimpulan yang serupa (similarly concluded rules): CFCOMBINE (CF1, CF2) = CF1 + CF2*(1-CF1) Rumus Certainty Factor didefinisikan sebagai persamaan berikut: CF (H, E) = MB (H, E) – MD (H, E) MB (h,e1ê2) = MB(h,e1) + MB (h,e2) * (1-MB[h,e1]) MD (h,e1ê2) = MD(h,e1) + MD (h,e2) * (1-MD[h,e1]) Keterangan: CF (H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukkan ketidak percayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak. MB (H,E) : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. MD (H,E) : ukuran kenaikan ketidak percayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala.

Definisi menurut David McAllister Certainty Factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. 1. Kelebihan metode Certainty Factors adalah : 192

a.

Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti dalam memprediksi perbedaan Ikan Betina dan Ikan Jantan.

b.

Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah dua data saja sehingga keakuratan data dapat terjaga.

2. Kekurangan metode Certainty Factors adalah : a.

Ide umum dari pemodelan ketidak pastian manusia dengan menggunakan numerik metode certainty factor biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factor diatas memilki sedikit kebenaran.

b.

Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari 2 buah.

7.2 Implementasi Certainty Factor Aplikasi sistem pakar yang dikembangkan ini bertujuan untuk membantu proses perbedaan ikan betina dan ikan jantan menggunakan metode penelitian Certainty Factor (CF) Untuk membedakan jenis kelamin antara gurami betina dan jantan di antaranya dahi, dagu, ujung sirip, tutup insang, keadaan sirip dada, dan keadaan perut. Perbedaan paling mencolok antara ikan betina dengan jantan adalah adanya ciri khas pada ikan jantan yaitu benjolan di bagian kepala (dahi), bibir bawah tebal dan memerah terutama pada saat birahi dan tidak memiliki warna hitam pada ketiak sirip dada. Sedangkan pada ikan betina memiliki ciri-ciri sebaliknya. Secara morfologi, ikan ini memiliki garis lateral tunggal, lengkap dan tidak terputus, bersisik stenoid serta memiliki gigi pada rahang bawah. Sirip ekor membulat. Jari-jari lemah pertama sirip perut merupakan benang panjang yang berfungsi sebagai alat peraba. Tinggi badan 2,0-2,1 kali dari panjang standar. Pada ikan muda terdapat garis-garis tegak berwarna hitam berjumlah 8 sampai dengan 10 buah dan pada daerah pangkal ekor terdapat titik hitam bulat. Berikut ini tabel karakteristik Perbedaan Ikan Betina dan Jantan 193

Tabel 3.2 Perbedaan Ikan Gurami Betina dan Jantan Gurami Betina Gurami Jantan Dahi terlihat menonjol Dahi terlihat rata Dagu terlihat lebih tebal/menonjol Dagu tidak tebal Ujung sirip ekor lebih membundar Ujung sirip ekor terlihat lebih rata Tutup insang berwarna kekuningan. Tutup insang berwarna putih kecoklatan Dasar sirip dada berwarna lebih putih Dasar sirip dada berwarna kehitaman Perut meruncing Perut membundar

7.3.

Analisis Permasalahan Metode Certainty Factor adalah metode yang digunakan untuk menyelesaikan kasus

ketidak pastian, dimana ukurannya di dasarkan pada suatu fakta atau aturan. Certainty Factor adalah sebuah nilai numerik dari sebuah bukti yang diterima sebagai sebuah kesimpulan. Aplikasi sistem pakar untuk memprediksi perbedaan ikan betina dan ikan jantan adalah aplikasi yang dirancang untuk membantu para pembaca dan peternak ikan berdasarkan ciri-ciri ikan tersebut, kemudian dari ciri-ciri tersebut akan dicari nilai CF nya berdasarkan nilai kepastian (MB) dan ketidakpastian (MD) dari masing-masing ciri-ciri yang dipilih. Setelah diperolehnya nilai CF maka untuk menentukan kepastian perbedaan ikan betina dan ikan jantan sesuai ciri-ciri nya yaitu dengan nilai CF terbesar. Maka sangat diharapkan aplikasi ini dapat sesuai dengan keinginan penggunanya.

7.3.1 Analisis Kebutuhan Input Pada analisis kebutuhan input dari sistem pakar untuk meprediksi perbedaan ikan betina dan ikan jantan menggunakan metode Certainty Factor ini yaitu berupa data ciri-ciri ikan beserta nilai kepastian MB dan nilai ketidak pastian MD yang telah diberikan oleh seorang pakar. Adapun data tersebut nantinya akan diproses untuk menghasilkan kesimpulan perbedaan ikan betina dan ikan jantan. Berikut ini data ciri-ciri ikan beserta nilai MB dan nilai MD dari masingmasing ciri-ciri : 194

a. Ikan Betina a. Dahi terlihat lebih rata b. Dagu tidak tebal c. Ujung sirip ekor terlihat lebih rata d. Tutup insang berwarna putih kecoklatan e. Dasar sirip dada berwarna kehitaman f. Perut membundar b. Ikan Jantan a. Dahi terlihat menonjol b. Dagu terlihat lebih tebal/menonjol c. Ujung sirip ekor lebih membundar d. Tutup insang berwarna kekuningan e. Dasar sirip dada berwarna lebih putih f. Perut meruncing

Tabel 7.3 Tabel ciri-ciri ikan betina dan ikan jantan No.

Kode Ciri-Ciri

1

c1

2

c2

Dagu tidak tebal

3

c3

Ujung sirip ekor terlihat lebih rata

4

c4

Tutup insang berwarna putih kecoklatan

No.

Kode Ciri-Ciri

5

c5

Ciri-Ciri Dahi terlihat lebih rata

Ciri-Ciri Dasar sirip dada berwarna kehitaman

195

6

c6

Perut membundar

7

c7

Dahi terlihat menonjol

8

c8

Dagu terlihat lebih tebal/menonjol

9

c9

Ujung sirip ekor lebih membundar

`10

c10

Tutup insang berwarna kekuningan

11

c11

Dasar sirip dada berwarna lebih putih

12

c12

Perut meruncing

Tabel 3.4 Tabel ciri-ciri ikan betina dan ikan jantan beserta nilai MB dan MD No.

1

2

Kode Jenis

H1

H2

Jenis Ikan

Betina

Jantan

Kode Ciri-Ciri c1

MB

MD

0.8

0.2

c2

0.5

0.6

c3

0.4

0.4

c4

0.3

0.2

c5

0.4

0.5

c6

0.5

0.8

c7

0.9

0.2

c8

0.4

0.3

c9

0.2

0.4

c10

0.5

0.5

c11

0.3

0.8

c12

0.8

0.5

Keterangan : C : ciri-ciri CF

: Certainty Factor (fakktor kepastian) dalam hipotesis H yang dipengaruhi Evidence (fakta) E.

196

MB

: Measure of Belief (tingkat keyakinan), merupakan ukuran kepercayaan Dari hipotesis H dipengaruhi oleh evidence (fakta) E.

MD

: Measure of Disbelief (tingkat ketidakyakinan) merupakan ukuran Ketidak percayaan hipotesis H dipengaruhi oleh fakta E.

H

: Hipotesa atau konklusi yang dihasilkan.

7.3.1. Analisis Kebutuhan Proses Analisis kebutuhan proses, dimana data ciri-ciri yang telah dipilih oleh pengguna akan diproses dengan menggunakan metode Certainty Factor. Cara perhitungannya damana data yang telah dipilih sebelumnya akan dihitung nilai MB dan nilai MD nya untuk mengetahui nilai CF dari satu atau beberapa ciri-ciri yang dipengaruhi oleh ciri-ciri tersebut. Sebagai salah satu contoh kasus perhitungan secara manual analisis kebutuhan input adalah termasuk kedalam jenis kelamin betina atau jantan jika diketahui ciri-ciri Dahi terlihat lebih rata (c1) dengan nilai MB=0.8 dan MD=0.2, kemudian Ujung sirip ekor terlihat lebih rata (c3) dengan MB=0.8 dan MD=0.4, serta Perut meruncing (c12) dengan MB=0.8 dan MD=0.5 Penyelesaian : Tabel 7.5 Penyelesaian Perhitungan Manual Analisis Input Betina

Jantan

Kode Ciri-ciri MB

MD

MB

MD

0.8

0.2

0

0

0.4

0.4

0

0

0

0

0.8

0.5

c1 c3 c12

Dari data diatas terdapat dua kategori jenis kelamin yaitu betina dan jantan. Maka perhitungan CF nya : MB(h, c1^c3) =MB(h,e1)+MB(h,e2)*(1-MB[h,e1]) = 0.8+0*(1-0.8) = 0.8

197

MB(h,c1^c3)ê3=MB(h, e1ê2)+MB(h,e3)*(1-MB[h,e1ê2]) = 0.8+0.8*(1-0.8) = 0.96 MD(h,e1ê2)=MD(h,e1)+MD(h,e2)*(1-MD[h,e1]) = 0.2+0*(1-0.2) = 0.2 MD(h,(e1ê2)ê3)=MD(h,e1ê2)+MD(h,e3)*(1-MD[h,e1ê2]) = 0.2+0.5*(1-0.2) = 0.6 Untuk Betina dengan 2 ciri-ciri : CF[h,e] =MB[h,e]-MD[h,e] = 0.8 – 0.2 = 0.6 Untuk jantan dengan 3 ciri-ciri : CF[h,e] =MB[h,e]-MD[h,e] = 1 – 0.6 = 0.4 Kesimpulan : Dari ciri-ciri tersebut maka jenis ikan betina dengan nilai CF = 0.6 7.3.2. Analisis Kebutuhan Output Untuk keluaran atau output dari metode Certainty Factor ini, pengguna akan mendapatkan hasil diagnosa berupa jenis kelamin pada ikan gurami berdasarkan ciri-ciri yang dipilih. Adapun ciri-ciri tersebut dihasilkan dari perhitungan CF terbesar untuk satu jenis kelamin pada ikan yang dipengaruhi ciri-ciri yang dipilih. Sebagai hasil tambahan pengguna juga akan mendapatkan hasil berupa pemilihan jenis kelamin ikan dan ciri-ciri yang di pilih.

7.3.3. Algoritma Sistem 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 ciri-ciri yang terlihat pada ikan dan konklusi adalah jenis kelamin, sehingga bentuk pernyataannya adalah JIKA [dahi terlihat lebih rata] MAKA [ikan betina]. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu ciri-ciri. Ciri-ciri tersebut dihubungkan dengan menggunakan operator logika DAN.

198

Contoh Pernyataan 1: JIKA [ciri-ciri1] DAN [ciri-ciri3] DAN [ciri-ciri4] MAKA [betina] Contoh Pernyataan 2: JIKA [ciri-ciri7] DAN [ciri-ciri8] DAN [ciri-ciri9] MAKA [jantan] Adapun contoh kaidah sistem pakar sistem pakar untuk memperdiksi perbedaan ikan betina dan ikan jantan menhhunakan metode CF adalah sebagai berikut : a.

Rule 1 JIKA dahi terlihat lebih rata DAN ujung sirip ekor terlihat lebih rata DAN tutup insang berwarna putih kecoklatan MAKA ikan betina Dengan perhitungan Certainty Factor dihasilkan jenis kelamin ikan karena nilai CF ikan betina lebih besar.

b. Rule 2 JIKA dahi terlihat menonjol DAN dagu terlihat lebih tebal/menonjol DAN tutup insang berwarna kekuningan MAKA ikan jantan Pernyataan-pernyataan ini akan diproses dengan bentuk sebagai berikut : 1.3 If i1 And i3 and i4 Then H1 2.3 If i7 And i8 and i9 Then H2

199

7.3.4. Flowchart Program

Start

Input ciri-ciri Ikan

Proses ciri-ciri Ikan

Tidak

Hasil ciri-ciri Ikan

Ya

Simpan Hasil ciri-ciri Ikan

Tampilan Hasil ciri-ciri Ikan

End

Gambar 3.1 Flowchart untuk Memprediksi Perbedaan Ikan Betina dan Ikan Jantan 7.3.4.1.

Metode Perancangan

Perancangan perangkat lunak dilakukan setelah tahap analisis kebutuhan perangkat lunak selesaindan didefenisikan dengan jelas. Metode perancangan digunakan untuk mengembangkan

200

perangkat lunak sistem pakar untuk memprediksi perbedaan ikan betina dan ikan jantan dengan menggunakan bagian dari UML yaitu Use Case Diagram dan Activity Diagram. a. Perancangan Use Case Diagram Dalam proses pengembangan desain sistem pakar digunakan use case diagram, dimana dapat diketahui proses yang terjadi pada aktifitas dalam sistem. Dengan diagram ini juga dapat diketahui fungsi yang digunakan dalam sistem yang sekarang. Berikut gambar use case dapat dilihat dibawah ini :

login

Input Ciri-Ciri

User

Input jenis ikan Pakar

Tampilan Hasil Proses

Gambar 7.2 Use Case Sistem Pakar memprediksi perbedaan ikan betina dan ikan jantan

201

Keterangan : 1. User : melakukan input login untuk masuk ke sistem, dimana dari gambar use case diatas pakar melakukan input ciri-ciri kedalam sistem, kemudian sistem akan mengolah data yang dimasukkan pakar untuk mendapatkan hasil jenis kelamin ikan. 2.

Pakar : mengelola data ciri-ciri ikan untuk mendapatkan hasil sesuai ketentuan yang telah ditentukan. b. Perancangan Activity Diagram

Tabel 7.6 Tabel Activity Diagram Pakar User

Sistem

Login

Tidak

Input User & Password

Valid

Ya

Tampil Menu Utama Tampilan Form Data Ciri-ciri Ikan

c. Perancangan Class Diagram Input Ciri-Ciri Ikan Proses Ciri-Ciri

Tampilan hasil perhitungan

Simpan ke Database

Logout

202

TbllJenisIKan

Ttbl_ciri_ciri *

Dahi MB MD Dagu MB_Dagu MD_Dagu Ujung Sirip MB_Ujung MD_Ujung Tutup Insang MB_Tutup MD_Tutup Dasar Sirip MB_Dasar MD_Dasar Perut MB_Perut MD_Perut

*

Kode Jenis Jenis Kelamin

TblHasilSurvey

Dahi Dagu Ujung Sirip Tutup Insang Dasar Sirip Perut Nilai CF Jenis Kelamin

Gambar 7.3 Class Diagram Dari gambar Class diatas, maka akan didapatkan Class Diagram yang memiliki relationship seperti dilihat pada gambar dibawah ini.

Tbl_Jenis_Ikan

Ttbl_ciri_ciri *

Dahi MB MD Dagu MB_Dagu MD_Dagu Ujung Sirip MB_Ujung MD_Ujung Tutup Insang MB_Tutup MD_Tutup Dasar Sirip MB_Dasar MD_Dasar Perut MB_Perut MD_Perut

*

Kode Jenis Jenis Kelamin

TblHasilSurvey

Dahi Dagu Ujung Sirip Tutup Insang Dasar Sirip Perut Nilai CF Jenis Kelamin

Gambar 7.4 Relasi Antar Class Diagram 7.1.6 Perancangan Database Dari class diagram diatas maka dapat dirancang database yang terdiri dari 3 (tiga) tabel sebagai berikut : 1. Desain Tabel Ciri-ciri Name table Media Primary Key Jumlah field Struktur

: Tbl_Ciri-ciri : Microsoft Office Access 2007 :: 18 : Tabel 3.5 Desain Tabel Ciri-ciri

203

No 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18.

Nama Field

Jenis

Size

Dahi

Text

255

MB

Currency

General number

Nilai MB

MD

Currency

General number

Nilai MD

Dagu

Text

255

MB

Currency

General number

Nilai MB

MD

Currency

General number

Nilai MD

Text

255

MB

Currency

General number

Nilai MB

MD

Currency

General number

Nilai MD

Text

255

MB

Currency

General number

Nilai MB

MD

Currency

General number

Nilai MD

Text

255

MB

Currency

General number

Nilai MB

MD

Currency

General number

Nilai MD

Perut

Text

255

MB

Currency

General number

Nilai MB

MD

Currency

General number

Nilai MD

Ujung Sirip

Tutup Insang

Dasar Sirip

Keterangan Dahi

Dagu

Ujung Sirip

Tutup Insang

Dasar Sirip

Perut

2. Desain Tabel Jenis Ikan Name table Media Primary Key Jumlah field Struktur No

Nama Field

: Tbl_Jenis_Ikan : Microsoft Office Acces 2007 ::2 : Tabel 3.6 Tabel Jenis Ikan Jenis

Size

Keterangan

204

1. 2.

Kode Jenis

Text

255

Kode Jenis Ikan

Jenis Kelamin

Text

255

Jenis Kelamin Ikan Jantan

3. Desain Tabel Hasil Survey Name table Media Primary Key Jumlah field Struktur

: TblHasilSrvey : Microsoft Office Access 2007 ::8 : Tabel 7.7 Desain Tabel Hasil Survey

No 1. 2. 3. 4. 5. 6. 7. 8.

Nama Field

Jenis

Size

Dahi

Text

255

No

Dagu

Text

255

Dahi

Ujung Sirip

Text

255

Tutup Insang

Text

255

Dasar Sirip

Text

255

Perut

Text

255

Nilai CF Jenis Kelamin

Currency General number Text

255

Keterangan

Dagu Ujung Sirip Tutup Insang Dasar Sirip Perut Jenis Kelamin

205

7.4 Perancangan Form 1. Form Login

_

Login

x

Username

Password

Login

Close

Gambar 7.5 Rancangan Form Login

Form Login pada gambar 7.5 akan muncul pada saat aplikasi mulai dijalankan. Apabila kombinasi username dan password salah, maka form ini akan terus muncul dan meminta pengguna untuk login kembali. Namun apabila kombinasi username dan password benar maka akan tampil form hasil survey. Berikut ini adalah daftar komponen yang digunakan dalam form login.

Tabel 7.8 Desain Tabel Daftar Komponen Form Login No

Kontrol

Properti

Nilai

Fungsi

1.

Label1

Text

Username

Membuat label “Username”

2.

Label2

Text

Password

Membuat label “Password”

3.

TextBox1

Text

Sebagai inputan username

4.

TextBox2

Text

Sebagai inputan password 206

5.

Button1

TextOK

Menjalankan perintah login

6.

Button2

TextCancel

Membatalkan login

2. Form Jenis Ikan Form jenis ikan akan muncul pada saat setelah form login, form jenis ikan ini hanya memasukkan kode jenis dan jenis ikan. _

Form Jenis Ikan

X

Kode Jenis : Jenis Ikan :

Save

Edit

Delete

Cancel

Exit

Gambar 7.6 Form Jenis Ikan Form hasil jenis ikan memiliki beberapa komponen yang nantinya akan digunakan. Berikut ini daftar komponen yang digunakan dalam rancangan form hasil perhitungan.

Tabel 7.9 Daftar Komponen Form Hasil Pengelompokan

No

Kontrol

Properti

Nilai

Fungsi

1.

Label1

Text

Kode Jenis

Membuat label betina

2.

Label2

Text

Jenis Ikan

Membuat label jantan

3.

Listview1 View

Detail

Menampilkan data kombinasi ciri-ciri ikan betina dan hasil perhitungan Menyimpan data yang ditambah

Button1 4.

Text Save

207

Button2

Text

5.

Mengubah data yang di masukkan Menghapus data yang di inginkan Membatalkan data yang diubah

Edit Button 3

Text

6.

Delete Button 4

Text

7.

Cancel Button 5

Text

Keluar dari tampilan

8.

Exit

3. Form Ciri-Cri Form ini merupakan form yang mempermudah user untuk memilih atau menentukan jenis kelamin ikan yang akan dipilih untuk di ketahui jenis kelaminnya berdasarkan dari ciri-ciri yang akan di input.

_

Form Ciri-Ciri

Dahi

Dasar Sirip

MB

MB

MD

X

MD Tutup Insang

Dagu MB

MB

MD

MD Perut

Ujung Sirip

MB

MB

MD

MD

Gambar 3.7 Form ciri-ciri ikan

Save

Edit

Delete

Cancel

Exit

Tampil Data

Form ciri-ciri ikan memiliki beberapa komponen yang nantinya akan digunakan. Berikut ini daftar komponen yang digunakan dalam rancangan form ciri-ciri ikan.

208

Tabel 7.10 Daftar Komponen Form Ciri-ciri Ikan No Kontrol

Properti Nilai

Fungsi

1.

Label1

Text

Dahi

Membuat label dahi

2.

Label2

Text

Dagu

Membuat label dagu

3.

Label3

Text

Ujung Sirip

4.

Label4

Text

Tutup Insang

5.

Label5

Text

Dasar Sirip

6.

Label6

Text

Perut

7.

Label7

Text

MB

8.

Label8

Text

MB

9.

Label9

Text

MB

10. Label10

Text

MB

11. Label11

Text

MB

12. Label12

Text

MB

13. Label13

Text

MD

14. Label14

Text

MD

15. Label15

Text

MD

16. Label16

Text

MD

17. Label17

Text

MD

18. Label18

Text

MD

19. Textbox1

Text

-

Menginput Ciri-ciri

20. Textbox2

Text

-

Menginput Ciri-ciri

21. Textbox3

Text

-

22. Textbox4

Text

-

Membuat label ujung sirip Membuat label tutp insang Membuat label dasar sirip Membuat label perut Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat nilai MD

Menginput Ciri-ciri Menginput Ciri-ciri 209

Menginput Ciri-ciri

23. Textbox5

Text

-

24. Textbox6

Text

-

25. Textbox7

Text

-

Menginput Ciri-ciri

26. Textbox8

Text

-

Menginput Ciri-ciri

27. Textbox9

Text

-

28. Textbox10

Text

-

Textbox11

Text

-

30. Textbox12

Text

-

31. Textbox13

Text

-

Menginput Ciri-ciri

32. Textbox14

Text

-

Menginput Ciri-ciri

33. Textbox15

Text

-

34. Textbox16

Text

-

35. Textbox17

Text

-

36. Textbox18

Text

-

37. Button1

Text

Cari

Menjalankan perintah cari

Button2

Text

Diagnosa

Menampilkan Hasil

Cancel

Membatalkan proses

Exit

Keluar

29

38. Button3

Text

39. Button3

Text

40. 0 41. Progressbar1 Value

Menginput Ciri-ciri

Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri

Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri

Menampilkan Data

210

4. Form Hasil Survey Form hasil survey merupakan form yang digunakan untuk memasukkan nilai hasil survey data ikan. Bentuk rancangan dari form ini dapat dilihat pada gambar dibawah ini.

_

Form Data Hasil Survey

Dahi

Dagu

Ujung Sirip

MB

MB

MB

MB

MB

MB

MD

MD

MD

MD

MD

MD

Dasar Sirip

Tutup Insang

X

Perut

Cari No

Dahi

Dagu

Ujung Sirip

Dasar Sirip

Tutup Insang

Perut

Gambar 3.9 Rancangan Form Hasil Survey Form hasil survey pada gambar 3.8 diatas akan muncul pada proses dilakukan. Form hasil survey hanya dapat digunakan untuk mencari data. Form hasil survey memiliki beberapa komponen yang nantinya akan digunakan. Berikut ini adalah daftar komponen yang digunakan Jenis Kelamin : Diagnosa Cancel Exit Nilai CF : dalam rancangan form hasil survey.

Tabel 7.11 Daftar Komponen Form Hasil Survey No Kontrol Properti Nilai Fungsi Menampilkan Data ciri-ciri View 1. Gridview1 Detail Ikan Menampilkan Data ciri-ciri View 2. Gridview2 Detail Ikan Menampilkan Data ciri-ciri View 3. Gridview3 Detail Ikan Menampilkan Data ciri-ciri Gridview4 View 4. Detail Ikan Menampilkan Data ciri-ciri View 5. Gridview5 Detail Ikan Menampilkan Data ciri-ciri View 6. Gridview6 Detail Ikan Menampilkan seluruh data View 7. Gridview7 Detail ciri-ciri yang dicari. 8.

Label1

Text

Dahi

Membuat label dahi

9.

Label2

Text

Dagu

Membuat label dagu 211

Membuat label ujung sirip

10. Label3

Text

Ujung Sirip

11. Label4

Text

Tutup Insang

12. Label5

Text

Dasar Sirip

13. Label6

Text

Perut

14. Label7

Text

MB

15. Label8

Text

MB

16. Label9

Text

MB

17. Label10

Text

MB

18. Label11

Text

MB

19. Label12

Text

MB

20. Label13

Text

MD

21. Label14

Text

MD

22. Label15

Text

MD

23. Label16

Text

MD

24. Label17

Text

MD

25. Label18

Text

MD

Label19

Text

27. Label20

Text

Membuat Jenis Kelamin Jenis Kelamin

Button1

Text

Cari

Button2

Text

Diagnosa

Menampilkan Hasil

Cancel

Membatalkan proses

Exit

Keluar

26.

28.

Membuat label tutp insang Membuat label dasar sirip Membuat label perut Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MB Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat nilai MD Membuat Nilai CF Nilai CF

29. Button3

Text

Button3

Text

30. 31. 0 32. Progressbar1 Value

Menjalankan perintah cari

Menunjukkan progress perhitungan

212

7.4 Pembuatan Aplikasi a. Implementasi Sistem Implementasi sistem merupakan prosedur yang dilakukan untuk menyelasaikan desain sistem yang ada dalam bentuk dokumen desain yang disetujui dan menguji sistem. Input data merupakan pengaruh didalam pengisian data sehingga data yang dikehendaki dapat diterima oleh sistem dan juga diproses untuk menghasilkan suatu informasi yang diinginkan. Adapun cara menjalankan aplikasi untuk semua pengguna dalam implementasi sistem pakar untuk memprediksi perbedaan ikan betina dan ikan jantan menggunakan metode certainty faktor adalah sebagai berikut : 1. Pertama user harus melakukan login dimana user diwajibkan untuk memasukkan username dan password. Setelah data yang di masukkan benar silahkan pilih login.

Gambar 4.1 Form Login

2. Setelah melakukan login maka akan tampil form menu utama dimana di dalam form menu utama terdapat menu file, proses, laporan dan exit.

213

Gambar 3.10 Form Menu Utama 3. Didalam form jenis ikan user dapat menginput kode jenis dan jenis ikan kemudian setelah di input klik cari untuk mencari kode jenis dan jenis ikan.

Gambar 3.1.1 Form Jenis Ikan 4. Selanjutnya yaitu form ciri-ciri ikan. Pada form ini kita harus memasukkan secara manual ciri-ciri ikan beserta nilai MB dan MD nya.

Gambar 4.4 Form Ciri-ciri 214

5. Pada form hasil survey ini kita memilih ciri-ciri yang ditampilkan di gridview kemudian kita memasukkan nilai MB dan MD nya kemudian klik cari.

Gambar 4.5 Form Hasil Survey

6. Yang terakhir yaitu form history dimana form ini menampilkan hasil riwayat inputan ciriciri ikan.

Gambar 7.1.2 Form History

215

7.5 Pengujian Uji coba sistem bertujuan untuk membuktikan bahwa input, proses, output yang dihasilkan oleh pakar untuk menentukan hasil membedakan ikan betina dan ikan jantan ini telah benar dan sesuai dengan yang diharapkan. Pengujian sistem dengan cara memasukkan data kedalam sistem memperhatikan output yang dihasilkan. Jika input, proses dan output telah sesuai, maka sistem telah benar. Berikut merupakan tahapan untuk pengujian sistem yaitu : 1). Pertama sekali pengguna harus memilih file lalu pilih ciri-ciri ikan pada tampilan form menu utama. 2). Maka akan terbuka form ciri-ciri ikan kemudian kita menginput data ciri-ciri ikan dan data yang kita input bisa disimpan, bisa juga di edit, hapus, membatalkan dan data yang diinput bisa ditampilkan seperti gambar dibawah ini :

Gambar 7.12. Form menginput ciri-ciri ikan 3). Kemudian pengguna mencari jenis kelamin ikan dengan memasukkan kode jenis ikan kemudian akan muncul jenis kelamin ikan apakah betina ayau jantan.

216

Gambar 3.13 Form penentuan jenis kelamin

4). Selanjutnya didalam menu proses tedapat form data hasil survey pengguna bisa mengetahui jenis kelamin berdasarkan ciri-ciri yang telah ditentukan, setalah dicari kemudian tekan tombol cek jenis ikan untuk mengetahui jenis kelamin ikan dan juga dapat langsung mengetahui nilai cf nya dan jika ingin menyimpan hasilnya tekan tombol simpan.

Gambar 7.14 From pengujian hasil survey 5). Jika kita pengguna ingin mencari kembali data yang ada pada form data survey, maka Form history menampilkan riwayat data yang telah tersimpan pada form data hasil survey.

217

Gambar 4.10 Form data history

6). Dan yang terakhir pengguna dapat mengetahui hasilnya yaitu berupa laporan history dan survey jenis ikan betina dan ikan jantan, jika pengguna ingin mencetak hasil laporannya silahkan pilih menu print report.

Gambar 4.11 Tampilan laporan history b. Kelemahan dan Kelebihan Sistem 7.4.

Kelemahan Sistem

218

Adapun kelemahan dari sistem pakar ini adalah Sistem ini hanya dapat menentukan jenis kelamin pada ikan gurami saja dan tidak bisa menentukan jenis kelamin pada jenis ikan lainnya. Dikarenakan aplikasi yang dirancang hanya menentukan jenis kelamin ikan gurami. 7.6. Kelebihan Sistem Adapun kelebihan dari sistem pakar ini adalah : 1.

Seperti halnya pakar, sistem ini dapat dipergunakan oleh pengguna atau para peternak ikan dalam hal menentukan jenis kelamin ikan, karena semua data ciri-ciri telah tersimpan di dalam database.

2.

Untuk mencari hasil dari jenis ikan dan nilai cf nya pengguna tidak perlu memerlukan waktu lama, karena program tersebut sudah diimplementasikan atau diterapkan kedalam sistem pakar.

3.

Bentuk rancangan sistem dibuat sesederhana mungkin agar mempermudahkan para pengguna dalam menggunakan sistem pakar ini untuk menentukan jenis kelamin betina dan jantan.

7.7 . Diskusi: Seorang berkonsultasi pada sistem pakar untuk mengetahui cuaca apakah besok akan datang hujan atau terang. Sistem pakar ramalan cuaca mempunyai basis pengetahuan.

Penyelesaian :  Rule 1: If hari ini hujan then besok hujan (CF=0,5) Rule 2: If not (hari ini hujan ) then besok terang (CF=0,5)  Rule 3: If hari ini hujan and hujan gerimis then besok terang (CF=0,6)  Rule 4: If hari ini hujan and hujan gerimis and suhu dingin then besok terang (CF=0,7)  Rule 5: If Not (hari ini hujan) and suhu hangat then besok hujan (CF=0,7)  Rule 6: If Not (hari ini hujan) and suhu hangat and langit mendung then besok hujan (CF=0,56 Cat:” Not (hari ini hujan) artinya sama dengan terang”. 219

Basis pengetahuan yang dimiliki sistem pakar Sistem pakar:”Bagaimana cuaca hari ini (isi kepastian CF dengan angka[0,1]? Pengguna:”Hujan,Cf=1” CF1(Besok hujan,hari ini hujan)=1x0,5=0,5. Berdasarkan fakta” hari ini hujan” ,rule ke-2 tidak dieksekusi. Sistem Pakar:”Hujan deras atau gerimis(isi dengan kepastian CF dengan angka [0,1]?

CF3 (Besok terang, hari ini hujan ^ gerimis :80)= Berdasarkan fakta” hari ini hujan” ,rule ke-2 tidak dieksekusi. Berdasarkan rule ke-4,sistem pakar kepada penggunapertanyaan berikut? Sistn,CF=1tem pakar: Bagaimana suhu hari (isi kepastian CF dengan angka [0,1]) Pengguna:”Dingin,CF=0,9).

CF3 (Besok terang, hari ini hujan ^ gerimis :80)= Berdasarkan fakta” hari ini hujan” ,rule ke-2 tidak dieksekusi. Berdasarkan rule ke-4,sistem pakar kepada penggunapertanyaan berikut? Sistem pakar: Bagaimana suhu hari (isi kepastian CF dengan angka [0,1]) Pengguna:”Dingin,CF=0,9). CF4(besok terang hujan ^ gerimis ^ dingin)=min(1:0,8).0,7=0,56.

Rule ke-3 dan rule ke-4 mempunyai hipotesis yang sama,yaitu besok terang. Perhitungan CF gabungan kedua rule tersebut adalah: CF=CF3+CF4(1-CF3) =0,48+0,56(1-0,48)=0,77 Sh.Basis data (fakta-fakta) Hari ini hujan (evidence CF=1) Besok Hujan(hypothesis CF=0,5) Hujan gerimis (evidence CF=0,8) Besok terang(hypothesis CF3=0,77) 220

Suhu dingin (evidence CF=0,9) Sampai sini proses dihentikan karena sudah tidak ada lagi rule yang bisa dibangkitkan.

221

By: Sulindawaty, M.Kom

Recommend Documents