5
akuisisi pengetahuan untuk pengambilan keputusan berdasarkan gejala klinis dan gejala yang bersifat fuzzy, serta pembuatan fuzzy inference system (FIS). Dalam pembutan FIS, digunakan representasi fungsi keanggotaan variabel input yang berbeda dan domain himpunan fuzzy yang sama dari penelitian sebelumnya. Hal ini bertujuan untuk melihat pengaruh perubahan fungsi keanggotaan variabel input pada hasil defuzzifikasi. Desain sistem
Pada tahap ini akan dibuat perancangan database, desain proses sistem, dan desain antarmuka. Perancangan database meliputi pembuatan tabel dan relasi antar tabel. Pada desain proses sistem akan dibuat pengembangan dari diagram konteks sistem yang sebelumnya ada pada tahap analisis sistem. Diagram ini menggambarkan interaksi antara sistem dengan user yang akan menggunakan sistem ini. Pada perancangan antarmuka akan dibuat mock up atau sketsa web. Implementasi sistem
Pengembangan sistem pakar penyakit ayam akan diimplementasikan pada web, oleh karena itu sistem membutuhkan web browser, web server, bahasa pemrograman web, editor bahasa pemrograman web, dan perangkat lunak yang digunakan untuk perhitungan dan penarikan kesimpulan dengan fuzzy inference system (FIS). Pada tahap ini akan dilakukan pengujian fungsi-fungsi sistem dan FIS yang telah dibuat pada tahap analisis sistem. Pemeliharaan Sistem
Tahap ini merupakan tahap akhir dari pengembangan sistem. Tahap ini sistem yang telah dibuat akan dievaluasi. Hal ini memungkinkan terjadinya perubahan sesuai dengan kebutuhan pengguna. Pada penelitian ini, tahap ini belum diikut-sertakan dan dibatasi hanya sampai implementasi.
penggunaan sistem, tidak adanya fasilitas untuk menambah, mengubah dan menghapus data penyakit dan data gejala non fuzzy, serta belum terdapat fasilitas untuk menyimpan relasi antara penyakit dengan gejala non fuzzy jika terjadi perubahan. Sistem yang dikembangkan ini termasuk ke dalam decision support system (DSS), oleh karena itu pada tahap selanjutnya selain mengembangkan dari keterbatasan sistem yang ada, juga akan dirancang suatu proses pengambilan keputusan untuk gejala non fuzzy dan gejala yang bersifat fuzzy. Analisis sistem
Tahap ini terbagi menjadi tiga tahap yaitu analisis fungsi dan proses sistem, akuisisi pengetahuan, dan analisis inferensi fuzzy. Analisis fungsi dan proses sistem merupakan proses pemodelan sistem dan pembuatan fungsifungsi sistem yang akan digunakan pada pengembangan sistem. Proses akuisisi pada tahap analisis sistem ini bertujuan untuk membuat tabel keputusan untuk mendiagnosis berdasarkan gejala-gejala non fuzzy. Untuk gejala-gejala penyakit ayam yang bersifat fuzzy digunakan analisis inferensi fuzzy. Pada analisis inferensi fuzzy akan dibuat suatu representasi fungsi keanggotaan variabel input yang berbeda dari penelitian sebelumnya. Variabel input ini meliputi warna pial, umur, persentase angka kematian, dan suhu dan masing-masing variabel input mempunyai domain himpunan fuzzy yang sama dengan penelitian sebelumnya. 1. Analisis fungsi dan proses sistem Pada tahap ini proses sistem akan dimodelkan menggunakan alat bantu pemodelan berupa data flow diagram (DFD). Perancangan DFD digunakan untuk mengetahui aliran data dan interaksi antara sistem dengan pengguna. Pada DFD terdapat beberapa level, untuk level paling tinggi dinamakan diagram konteks sistem. Diagram konteks pengembangan sistem ini dapat dilihat pada Gambar 6.
HASIL DAN PEMBAHASAN Investigasi sistem
Pengembangan sistem pakar penyakit ayam berbasis web merupakan kelanjutan dari penelitian sebelumnya tentang Sistem Pakar Diagnosis Penyakit Pada Ayam (SPDPPA) yang masih memiliki keterbatasan sistem. Keterbatasan yang dimiliki sistem pada penelitian sebelumnya adalah sistem masih berbasis desktop, belum terdapat database, belum adanya pembagian user dalam
Gambar 6. Diagram Konteks Sistem. Dari pemodelan proses sistem pada Gambar 6 dibuatlah fungsi-fungsi sistem pada tahap selanjutnya. Fungsi-fungsi sistem ini meliputi :
6
•
Fungsi login dan logout admin dari sistem.
Tabel 1. Tabel keputusan penyakit ayam berdasarkan gejala klinis.
•
Fungsi admin untuk melihat, mengubah, penyakit .
Gejala
menambah, menghapus
•
Fungsi admin untuk melihat, menambah, mengubah, dan menghapus gejala penyakit.
•
Fungsi admin untuk melihat dan mengubah relasi antara penyakit dan gejalanya.
• • •
Fungsi admin untuk melihat deskripsi penyakit. Fungsi admin untuk melihat deskripsi gejala penyakit. Fungsi konsultasi gejala klinis user dengan sistem.
•
Fungsi add user.
•
Fungsi konsultasi gejala fuzzy user dengan sistem. Fungsi ini ada ketika analisis gejala klinis dengan Tabel keputusan telah selesai.
2. Akuisisi Pengetahuan Akuisisi pengetahuan adalah proses untuk mencari informasi dari suatu knowledge base untuk ditransformasikan ke dalam program. Knowledge base didapatkan dari seorang pakar atau sumber tertulis dari pakar. Pada penelitian sebelumnya, terdapat gejala non fuzzy dan gejala yang bersifat fuzzy pada penyakit ayam. Gejala non fuzzy penyakit ayam pada penelitian sebelumnya adalah eksudat, pendarahan bawah kulit, dan tinja. Pada penelitian ini ditambahkan gejala klinis dari beberapa sumber literatur tertulis dari pakar penyakit ayam. Pada gejala non fuzzy, proses penarikan kesimpulan dilakukan dengan membuat suatu tabel keputusan dan bisa dilihat pada Tabel l. Tabel keputusan adalah tabel yang menghubungkan gejala non fuzzy dengan penyakit ayam. Tabel ini memiliki 17 gejala non fuzzy dengan penyakit Avian Influenza (AI) 11 gejala, Newcastle Disease (ND) 9 gejala dan Laryngotracheitis Infectiosa (ILT) 4 gejala. Pada Tabel 1 relasi antara gejala non fuzzy dan penyakit dihubungkan dengan menggunakan tanda *.
Pendarahan bawah kulit Nafas sesak Bersin-bersin Batuk Diare Produksi telur menurun Eksudat kental bening Tinja berwarna kehijauan Eksudat encer bening Sempoyongan Keluar cairan berbusa dari mata Kepala bergetar Kepala berputar Pendarahan pada trakea Tinja encer putih Mati secara mendadak Nafsu makan berkurang
AI * * * *
Penyakit ND ILT * * * * * * * *
* * * * * * * * * * * *
3. Analisis Sistem Inferensi Fuzzy Pada gejala yang bersifat fuzzy seperti warna pial, umur, persentase angka kematian, dan suhu akan diproses menggunakan analisis inferensi fuzzy untuk ditarik suatu kesimpulan tentang penyakit ayam. Proses penarikan kesimpulan ini menggunakan rule yang sudah ada pada penelitian sebelumnya. Keempat gejala fuzzy tersebut mempunyai membership function dan himpunan fuzzy yang berbeda-beda. Berikut ini representasi fungsi keanggotaan dan himpunan fuzzy : Variabel warna pial ayam
Gambar 7. Representasi Kurva Warna Pial Ayam. Variabel warna pial ayam mempunyai 3 himpunan yaitu merah, pucat, merah kebiruan. Representasi warna pial berupa kurva trapezoid dan trimf yang terlihat pada Gambar 7 dengan fungsi keanggotaan sebagai berikut: 0;
x ≤ 0 atau x ≥ 0,5 0 ≤ x ≤ 0,2 (0,5 − x) (0,5 − 0,2); 0,2 ≤ x ≤ 0,5
µmerah[ x] = 1;
7
x ≤ 0,3 atau x ≥ 0,7 0; µ pucat [ x ] = ( x − 0,3) /( 0,5 − 0,3); 0,3 ≤ x ≤ 0,5 (0,7 − x ) (0,7 − 0,5); 0 ,5 ≤ x ≤ 0,7
µmerah
x ≤ 0,5 atau x ≥ 1 0; [ x ] = ( x − 0 , 5 ) /( 0 , 7 − 0 , 5 ); 0,5 ≤ x ≤ 0,7 keb iruan 1; 0,7 ≤ x ≤ 1
0;
(30 − x) (30 − 15);
0;
µsedang[x] = ( x − 14) (37 − 14);
(60 − x) (60 − 45);
0 ≤ x ≤ 15 15 ≤ x ≤ 30
x ≤ 14 atau x ≥ 60 14 ≤ x ≤ 37
0;
µtinggi [ x] = ( x − 50) (75 − 50);
Variabel Umur ayam
x ≤ x atau x ≥ 30
µrendah[ x] = ( x − 0) (15 − 0);
(100 − x) (100 − 75);
37 ≤ x ≤ 60 x ≤ 50 atau x ≥ 100 50 ≤ x ≤ 75 75 ≤ x ≤ 100
Variabel suhu
Gambar 8. Representasi Kurva Umur Ayam. Variabel umur ayam direpresentasikan menggunakan kurva trimf dengan 3 parameter fungsi (a,b,c) yang telihat pada Gambar 8. Variabel umur ayam mempunyai 3 himpunan yaitu muda, dara, dewasa dengan fungsi keanggotaan sebagai berikut: 0;
µmuda[ x] = ( x − 1) (8 − 1) ;
(16 − x) (16 − 8);
x ≤ 1 atau x ≥ 16 1≤ x ≤ 8 8 ≤ x ≤ 16
x ≤ 11 atau x ≥ 22 0; µdara [ x] = ( x − 11) (18 − 11); 11 ≤ x ≤ 18 (22 − x) ( 22 − 18); 18 ≤ x ≤ 22
x ≤ 21 atau x ≥ 30 0; µdewasa [ x] = ( x − 21) (25 − 21); 21 ≤ x ≤ 25 (30 − x) (30 − 25); 25 ≤ x ≤ 30
Variabel persentase angka kematian
Gambar 9. Representasi Kurva Persentase angka kematian. Variabel persentase angka kematian direpresentasikan dengan menggunakan kurva trimf dengan 3 parameter fungsi (a,b,c) yang terlihat pada Gambar 9. Variabel persentase angka kematian mempunyai 3 himpunan yaitu rendah, sedang, tinggi dengan fungsi keanggotaan sebagai berikut:
Gambar 10. Representasi Kurva Suhu. Variabel suhu direpresentasikan dengan menggunakan kurva trimf dengan 3 parameter fungsi (a,b,c) yang terlihat pada Gambar 10. Variabel suhu mempunyai 2 himpunan yaitu normal dan tinggi dengan fungsi keanggotaan sebagai berikut: 0;
x ≤ 39 atau x ≥ 43,5
µnormal[ x] = ( x − 39) (41,25 − 39);
39 ≤ x ≤ 41,25 (43,5 − x) (43,5 − 41,25); 41,25 ≤ x ≤ 43,5
0;
x ≤ 42,7 atau x ≥ 50
µtinggi[ x] = ( x − 42,7) (46,35 − 42,7); 42,7 ≤ x ≤ 46,35 (50 − x) (50 − 46,35);
46,35 ≤ x ≤ 50
Variabel Penyakit
Gambar 11. Representasi Kurva Penyakit. Variabel penyakit merupakan variabel output dari fuzzy inference system. Variabel penyakit ini memiliki enam himpunan, dimana setiap himpunan direpresentasikan dengan menggunakan kurva Gaussian yang terlihat pada Gambar 11. Keenam himpunan berfuzzy tersebut adalah mendukung penyakit Laryngotracheitis Infectiosa (M-ILT), sangat
8
mendukung penyakit Laryngotracheitis Infectiosa (SM-ILT), mendukung penyakit Newcastle Disease (M-ND), sangat mendukung penykit Newcastle Disease (SM-ND), mendukung penyakit Avian Influenza (M-AI), dan sangat mendukung penyakit Avian Influenza (SM-AI). Setiap himpunan pada variabel output mempunyai parameter fungsi Gaussian yang berbeda sebagai berikut:
µ M − ILT [ x ] = ( − 0 ,1; 0 ,1) = e
µ SM µ
µM
− ND
− AI
SM − AI
[ x ] = ( 0 ,1; 0 ,1) = e
[ x ] = ( 0 , 3 ; 0 ,1 ) = e
M − ND
µ SM
µ
− ILT
[ x ] = ( 0 , 5 ; 0 ,1 ) = e
[ x ] = ( 0 , 7 ; 0 ,1 ) = e
[ x ] = ( 0 , 9 ; 0 ,1 ) = e
− ( x − ( − 0 ,1 )) 2 ( 0 ,1 ) 2
2
− ( x − 0 ,1) 2 2 ( 0 ,1) 2 − ( x − 0 ,3 ) 2 2 ( 0 ,1 ) 2
− ( x − 0 ,5 ) 2 2 ( 0 ,1 ) 2
− ( x − 0 ,7 ) 2 2 ( 0 ,1 ) 2 − ( x − 0 ,9 ) 2 2 ( 0 ,1 ) 2
Keempat variabel input dan himpunan fuzzy tersebut, akan dikombinasikan ke dalam suatu antecendent rule yang telah ada pada penelitian sebelumnya. Pada setiap rule akan dihitung nilai minimum fungsi keanggotaan dari kombinasi antara variabel input dan himpunan fuzzy. Nilai minimum ini akan menjadi nilai fungsi keanggotaan dari variabel output yang kemudian nilai tersebut akan memodifikasi domain himpunan fuzzy output sehingga terbentuk daerah himpunan fuzzy yang baru pada variabel output. Setelah terbentuknya daerah himpunan fuzzy yang baru hasil dari komposisi semua rule maka tahap selanjutnya adalah tahap defuzzifikasi. Metode yang digunakan pada tahap defuzzifikasi ini adalah metode centroid. Tahap defuzzifikasi akan menghasilkan nilai crisp dalam domain himpunan fuzzy variabel output. Nilai crisp yang dihasilkan dari metode centroid ini akan berada pada suatu domain himpunan fuzzy tertentu dan akan dihitung persentase nilai derajat keanggotaan pada masing-masing variabel output penyakit ayam berdasarkan kurva fungsi keanggotaan yang berdekatan dengan nilai crisp tersebut.
Desain sistem
Desain pengembangan sistem ini mengikuti alur penyelesain masalah dengan menggunakan metode fuzzy khusus untuk gejala penyakit ayam yang bersifat fuzzy. Untuk gejala klinis menggunakan tabel keputusan sebagai proses pengambilan keputusan penyakit ayam. Pada alur penyelesain masalah dengan menggunakan metode fuzzy terdapat 3 komponen penting dalam menghasilkan suatu pengambilan keputusan menggunakan metode fuzzy. Alur ini dapat dilihat pada Gambar 12. Ketiga komponen ini adalah fuzzifikasi, komputasi secara fuzzy, dan defuzzifikasi. Fuzzifikasi adalah proses memetakan nilai crisp input menjadi nilai fuzzy yang interval nilainya berada di antara 0 dan 1. Pada tahap komputasi secara fuzzy terdapat 2 proses yaitu front end dan back end. Back end merupakan proses di mana matlab digunakan sebagai perangkat lunak untuk penalaran dan perhitungan fuzzy. Di sisi lain pada penelitian ini, proses untuk menampilkan hasil perhitungan penalaran fuzzy pada suatu halaman web browser disebut dengan front end proses. Defuzzifikasi merupakan proses menghasilkan nilai crisp dari suatu himpunan fuzzy yang dihasilkan pada variabel output. Permasalahan nyata
Representasi Bahasa Natural
Fuzzifikasi
Komputasi Secara Fuzzy
Defuzzifikasi
Solusi Gambar 12. Alur penyelesaian masalah dengan metode fuzzy (Marimin, 2002).
9
Di sisi lain, pada tahap desain sistem ini akan dibuat perancangan database, desain proses sistem, dan antarmuka sistem.
HEADER WEB
1. Perancangan Database Pada perancangan database akan dibuat tabel beserta atributnya. Pembuatan database ini digunakan untuk merekam hasil diagnosis penyakit ayam berdasarkan gejala non-fuzzy. Database yang dibuat memiliki empat tabel utama yaitu penyakit, gejala, relasi, dan analisis hasil. Untuk deskripsi rincian database dan keterhubungan antar tabel dapat dilihat pada Lampiran 10 dan Lampiran 12. 2. Desain proses sistem Desain proses sistem merupakan pengembangan dari diagram konteks sistem dan fungsi-fungsi sistem yang digambarkan dalam DFD level 1. DFD level 1 dapat lihat pada Lampiran 1. User berkonsultasi dengan sistem untuk mendapatkan informasi tentang penyakit ayam melalui pertanyaan-pertanyan seputar gejala non fuzzy yang kemudian dilanjutkan dengan analisis pada gejala fuzzy. Pada sistem, admin dapat menambah, mengubah, menghapus data gejala non fuzzy, melihat relasi antara penyakit dengan gejala non fuzzy. Pengguna admin harus melakukan login terlebih dahulu dengan memasukkan userid dan password untuk dapat mengakses sistem ini. 3. Antarmuka Sistem Antarmuka sistem ini secara umum terdiri atas empat bagian pada Gambar 13, yaitu: bagian teratas, bagian terbawah, bagian samping, dan bagian tengah. Bagian samping digunakan untuk menu navigasi. Bagian teratas adalah bagian header. Halaman utama dan isi terdapat pada bagian tengah /content. Bagian terbawah digunakan untuk footer. Pada halaman utama menu user terdapat tiga hyperlink sebagai navigasi. Ketiga hyperlink ini adalah home, konsultasi, dan masuk pakar. Menu admin pada pengembangan sistem pakar ini terdiri dari enam hyperlink. Keenam hyperlink ini adalah penyakit, gejala, relasi, deskripsi penyakit, deskripsi gejala, dan menu untuk keluar.
Navigasi
Content
FOOTER Gambar 13. Sketsa Antarmuka Sistem. Implementasi sistem
Sistem ini akan dikembangkan dengan menggunakan perangkat lunak Microsoft® Windows XP Profesional sebagai sistem operasi, MATLAB 7.0 sebagai perangkat lunak pembuatan fuzzy inference system, Internet Information Server 5.0 (IIS 5.0) dan Apache 2.2.4 sebagai web server, ASP Version 3.0, Javascript dan PHP versi 5.2.1 sebagai bahasa pemrograman web, MYSQL versi 5.0.33 sebagai sistem manajemen database, Web browser mozilla firefox 3.0.4 dan internet explorer serta Macromedia dreawever 8 sebagai editor bahasa pemrograman sekaligus tampilan web. Pada tahap ini juga dilakukan pengujian sistem. Pengujian pengembangan sistem pakar ini terbagi menjadi dua yaitu untuk fungsi yang telah dihasilkan pada tahap analisis fungsi dan proses sistem digunakan metode black box testing sebagai metode pengujian. Berdasarkan hasil pengujian dengan metode black box testing pada Lampiran 8, seluruh fungsi pada aplikasi web ini telah berfungsi dengan baik. Pada pengujian yang kedua akan dilihat perbandingan hasil defuzzifikasi sesudah dan sebelum pengembangan sistem dengan parameter input terdapat pada Tabel 2. Tabel 2.Parameter input data fuzzy. Input Warna pial (warna) 1-10
Umur (minggu) 20
Angka kematian (persen) 30,40,50,60
Suhu (oC) 43,44,45
Pada pembahasan selanjutnya akan dilihat hasil defuzzifikasi sebelum dan sesudah pengembangan sistem yang ditunjukkan dalam bentuk tabel. Pada tabel tersebut, akan dilihat skor rata-rata dan derajat keanggotaan (α) dari setiap variabel output FIS, di mana variabel output FIS terdiri dari mendukung penyakit Laryngotracheitis Infectiosa (M-ILT), sangat
10
mendukung penyakit Laryngotracheitis Infectiosa (SM-ILT), mendukung penyakit Newcastle Disease (M-ND), sangat mendukung penyakit Newcastle Disease (SM-ND), mendukung penyakit Avian Influenza (M-AI), dan sangat mendukung penyakit Avian Influenza (SM-AI). Skor rata-rata adalah skor hasil defuzzifikasi dengan menggunakan metode centroid yang didapatkan berdasarkan kombinasi parameter input data fuzzy. Dari skor tersebut, derajat keanggotaan (α) suatu penyakit pada variabel output FIS dapat diketahui. Berikut ini tabel hasil defuzzifikasi sebelum dan sesudah pengembangan sistem. Tabel 3. Skor defuzzifikasi dan α mendukung Newcastle Disease (M-ND) pada SPDPPA. Pial
Umur / ming gu
Persentase angka kematian/ (%)
Suhu/ (oC)
20
30 40 50
43 44 45
(1)
Skor ratarata
α ratarata
0.32
0,96
Tabel 4. Skor defuzzifikasi dan α mendukung Newcastle Disease (M-ND) pada pengembangan SPDPPA. Pial
Umur / Ming gu
Persentase angka kematian/ (%)
20
30 40 50
43 44 45
20
60
45
20
30 40 50
43 44 45
20
60
45
20
30 40 50
43 44 45
60
45
(1)
Suhu/ (oC)
Skor ratarata
α ratarata
Bila dibandingkan dengan diagnosis sebelumnya kombinasi parameter warna pial untuk M-ND lebih banyak. Pada Tabel 4, secara teori makin tinggi derajat warna pial seharusnya mengarah ke penyakit AI (Haryanto 2006). Dengan demikian untuk mengkategori M-ND pada pengembangan SPDPPA tidak lebih spesifik dalam mendiagnosis penyakit M-ND. Adapun perbedaan hasil defuzzifikasi untuk tingkat sangat mendukung penyakit ND dapat dilihat pada Tabel 5 dan Tabel 6. Tabel 5. Skor defuzzifikasi dan α sangat mendukung Newcastle Disease (SMND) pada SPDPPA. Pial
20
60
43 44 45
30 40 50 30 40 50
43 44 45 43 44 45
(2) 20 (3) 20
Pial 0.31
0.96
Suhu/ (oC)
Umur / Ming gu
Persentase angka mati/ (%)
20
60
43 44
20
60
43 44
20
60
43 44
20
30 40 50
43 44 45
20
60
44 45
(1)
(2)
(3) 20
Persentase angka mati/ (%)
(1)
(2)
(3)
Umur / Ming gu
Skor ratarata
α ratarata
0,70 0.41 0,72 0.56
0.83
Tabel 6. Skor defuzzifikasi dan α sangat mendukung Newcastle Disease (SMND) pada pengembangan SPDPPA.
(1)
(2)
lain, pada penelitian ini untuk mengkategorikan mendukung penyakit ND dapat dicirikan sebagai berikut: warna pial berada pada kelompok 1 sampai dengan 3, umur ayam tergolong dara 20 minggu, suhu tubuh yang tinggi antara 43 oC sampai 45 oC dengan tingkat kematian untuk beberapa kasus bisa mencapai 60 persen.
(3)
Berdasarkan hasil defuzzifikasi dari kedua tabel tersebut (Tabel 3 dan 4), dapat dilihat bahwa pada penelitian sebelumnya (Tabel 3) untuk mendiagnosis penyakit ND dengan tingkat mendukung hanya ada satu warna pial yaitu warna pial 1 dan untuk persentase angka kematian yang mencapai 60 persen belum dikategorikan mendukung penyakit ND. Di sisi
(4)
(4)
Suhu/ (oC)
Skor ratarata
α ratarata
0.43
0,79
0.51
0.97
11
Pada Tabel 5, dapat dilihat bahwa untuk menentukan penyakit ND dengan tingkat sangat mendukung dapat dicirikan sebagai berikut: umur ayam tergolong dara 20 minggu, warna pial berada di antara warna pertama dan ketiga dengan warna pial pertama hanya terjadi pada semua parameter input suhu dan persentase angka kematian 60 persen, warna pial kedua terjadi pada semua parameter input persentase angka kematian dan suhu, dan warna pial ketiga terjadi pada semua parameter input suhu dan belum terjadi pada persentase angka kematian 60 persen. Di sisi lain, pada Tabel 6 untuk mendiagnosis penyakit ND dengan tingkat sangat mendukung dapat dicirikan sebagai berikut: umur ayam tergolong dara 20 minggu, warna pial berada di antara warna pertama dan keempat dengan warna pial pertama sampai dengan ketiga hanya terjadi pada persentase angka kematian 60 persen dan suhu di antara 43 o C sampai 44 oC, serta warna pial keempat terjadi pada semua parameter input persentase angka kematian dan suhu. Tabel 7. Skor defuzzifikasi dan α mendukung Avian Influenza (M-AI) pada SPDPPA. Pial
Umur / Ming gu
Persentase angka kematian/ (%)
20
60
(3)
(4) 20
(5) 20
(6) 20
(7) 20
(8) 20
30 40 50 60 30 40 50 60 30 40 50 60 30 40 50 60 30 40 50 60
Suhu/ (oC)
43 44 45
Skor ratarata
α ratarata
0,82 0.63
43 44 45
0,73
43 44 45
0.64
0,75
43 44 45
0.66
0,87
43 44 45
0.69
1
43 44 45
0.76
0,77
Tabel 8. Skor defuzzifikasi dan α mendukung Avian Influenza (M-AI) pada pengembangan SPDPPA. Pial
Umur / Ming gu
(5) 20
(6) 20
Persentase angka kematian/ (%) 30 40 50 60 30 40 50 60
Suhu/ (oC)
Skor ratarata
α ratarata
43 44 45
0.64
0,76
43 44
0.68
0,93
Pada penelitian sebelumnya perubahan output penyakit dari penyakit Newcastle Disease menjadi penyakit Avian Influenza terjadi pada warna pial ketiga. Perubahan ini terjadi pada saat parameter persentase angka kematian mencapai 60 persen yang menghasilkan output penyakit Avian Influenza dengan tingkat kepercayaan mendukung. Dari Tabel 5 dan Tabel 7 pada penelitian sebelumnya warna pial ketiga masih menjadi parameter untuk menentukan 2 jenis penyakit yang berbeda. Untuk parameter persentase angka kematian di bawah 60 persen, output yang dihasilkan adalah penyakit Newcastle Disease dengan tingkat kepercayaan sangat mendukung. Hal ini dapat dilihat pada Tabel 5. Pada Tabel 7, output FIS untuk mendiagnosis penyakit Avian Influenza dengan tingkat kepercayaan mendukung mempunyai kombinasi parameter input yang lebih banyak di bandingkan dengan output FIS yang lain. Kombinasi parameter input untuk mendiagnosis penyakit Avian Influenza dapat dicirikan sebagai berikut: warna pial berada pada kelompok 3 sampai dengan kelompok 8, umur ayam tergolong dara 20 minggu, suhu tubuh yang tinggi antara 43 oC sampai 45 oC, dan persentase angka kematian berkisar antara 30 sampai 60 persen. Pada Tabel 8, output FIS yang dihasilkan adalah penyakit Avian Influenza dengan tingkat kepercayaan mendukung. Kombinasi parameter input penyakit Avian Influenza dapat dicirikan sebagai berikut: warna pial berada pada kelompok 5 dan 6, umur ayam tergolong dara 20 minggu, suhu tubuh yang tinggi antara 43 oC sampai 45 oC, dan persentase angka kematian berkisar antara 30 sampai 60 persen. Adapun penyakit AI dengan derajat keanggotaan mendukung (M-AI) dapat dilihat sejalan dengan perubahan warna pial yaitu warna pial 5.
12
Hasil ini dapat dilihat pada Tabel 8. Di sisi lain pada pengembangan SPDPPA untuk diagnosis penyakit Avian Influenza dengan tingkat mendukung hanya ada pada kombinasi warna pial 5 dan 6 saja. Perbedaan hasil pengujian FIS untuk tingkat sangat mendukung penyakit Avian Influenza dapat dilihat pada Tabel 9 dan Tabel 10. Tabel 9. Skor defuzzifikasi dan α sangat mendukung Avian Influenza (SMAI) pada SPDPPA. Pial
Umur / Ming gu
(9) 20
(10) 20
Persentase angka kematian/ (%) 30 40 50 60 30 40 50 60
Suhu/ (oC)
Skor ratarata
α ratarata
43 44 45
0.83
0,82
43 44 45
0.86
0,94
Tabel 10. Skor defuzzifikasi dan α sangat mendukung Avian Influenza (SMAI) pada pengembangan SPDPPA. Pial
Umur / Ming gu
(7) 20
(8) 20 (9) 20
(10) 20
Persentase angka kematian/ (%) 30 40 50 60 30 40 50 60 30 40 50 60 30 40 50 60
Suhu/ (oC)
Skor ratarata
α ratarata
43 44 45 43 44 45
0.84
yang menggunakan Gaussian
fungsi
keanggotaan
Di sisi lain pada penelitian ini, parameter warna pial menggunakan fungsi keanggotaan trapezoidal dan trimf sehingga untuk menentukan penyakit Avian Influenza dengan tingkat kepercayaan sangat mendukung (SMAI) dapat dicirikan sebagai berikut: warna pial merah kebiruan dengan kelompok warna 7 sampai dengan 10, umur ayam dara 20 minggu, suhu tubuh tinggi antara 43 oC sampai 45 oC dan persentase angka kematian sedang hingga tinggi 30 sampai 60 persen. Banyaknya kombinasi warna pial ayam ini disebabkan oleh parameter warna pial mempunyai bobot Analytical Hierarchy Process (AHP) yang lebih besar dibandingkan dengan variabel umur, persentase angka kematian, dan suhu dalam pembentukan rule pada penelitian sebelumnya sehingga mempengaruhi output hasil defuzzifikasi. Hasil pembobotan AHP pada penelitian sebelumnya dapat dilihat pada Tabel 11. Tabel 11. Hasil pembobotan AHP gejala fuzzy pada penelitian sebelumnya. No
Parameter
Bobot
1
Warna pial
0,234
2
Umur
0,020
3
Persentase angka kematian
0,073
4
Suhu
0,059
0,86
43 44 45 43 44 45
Untuk mendiagnosis penyakit Avian Influenza dengan tingkat kepercayaan sangat mendukung (SM-AI), penelitian sebelumnya (SPDPPA) memberikan masukan gejala data fuzzy berupa warna pial merah kebiruan dengan kelompok warna 9 dan 10, umur ayam dara 20 minggu, suhu tubuh tinggi antara 43 oC sampai 45 oC dan persentase angka kematian sedang hingga tinggi 30 sampai 60 persen. Namun, pada penelitian sebelumnya warna pial 7 dan 8 termasuk ke dalam kategori mendukung penyakit Avian Influenza (M-AI). Hal ini banyak dipengaruhi oleh fungsi keanggotaan dari warna pial pada penelitian sebelumnya
KESIMPULAN DAN SARAN Kesimpulan
Pada penelitian ini telah dikembangkan suatu sistem pakar diagnosis penyakit ayam berbasis web. Dalam pengembangan sistem ini, terdapat gejala non fuzzy dan gejala yang bersifat fuzzy, oleh karena itu terdapat dua proses dalam pengambilan keputusan penyakit ayam. Proses pertama adalah dengan menggunakan tabel keputusan dalam mendiagnosis gejala klinis penyakit ayam. Untuk gejala yang bersifat fuzzy digunakan fuzzy inference system (FIS). Pada penelitian ini, setiap variabel input FIS direprensentasikan dengan fungsi keanggotaan yang berbeda dari penelitian sebelumnya. Pembuatan FIS ini bertujuan untuk memperkuat keputusan yang sebelumnya dihasilkan oleh tabel keputusan. Pengaruh perubahan fungsi
