PENERAPAN NAIVE BAYES CLASSIFIER DALAM IDENTIFIKASI PENYAKIT ANTRAKS PADA SAPI , , Program Studi Ilmu Komputer, F-MIPA Universitas Pakuan Email :
[email protected] Program Studi Ilmu Komputer, F-MIPA Universitas Pakuan
ABSTRAK Para peternak sapi di Indonesia terutama di daerah memiliki pengetahuan yang rendah mengenai teknis pemeliharaan sapi terutama penyakit sapi dan cara penanganannya. Keadaan tersebut mengakibatkan para peternak memiliki ketergantungan yang tinggi terhadap pakar ternak sapi atau dokter hewan yang ahli penyakit sapi. Maka penelitian ini mengembangkan sistem pakar yang secara khusus mengidentifikasi penyakit antraks pada sapi. Sistem pakar ini menggunakan metode naive bayes. Pada sistem ini akan menerima input berupa gejala. Dalam penelitian ini melibatkan seorang pakar yaitu Drh. Aulia Andi. Setelah dilakukan uji coba validasi dengan menggunakan data dari Fakultas Kedokteran Hewan IPB dengan 50 record menggunakan 16 atribut menghasilkan nilai akurasi rata-rata yaitu 88%. Hal ini menunjukan bahwa model yang dibangun dengan 16 atribut dapat melakukan klasifikasi dengan baik. Kata Kunci : Naive Bayes, Antraks, Sapi pakar ternak sapi atau dokter hewan harus bekerja secara on call. Pada penelitian sebelumnya telah dilakukan mengenai Aplikasi Sistem Pakar untuk Pendeteksian dan Penanganan Dini pada Penyakit Sapi dengan Metode Dempster-Shafer Berbasis Web oleh Mustikadewi (2011). Saudari Mustikadewi membahas mengenai deteksi penyakit sapi, cara menanggulangi dan penyebaran. Penelitian tentang diagnosa penyakit hewan ternak sapi juga dilakukan oleh Ardianto (2012) yang menggunakan Metode Certainty Factor pada aplikasi
PENDAHULUAN Para peternak sapi di Indonesia terutama yang di daerah memiliki pengetahuan yang rendah mengenai teknis pemeliharaan sapi terutama penyakit sapi dan cara penanganannya. Keadaan tersebut mengakibatkan para peternak memiliki ketergantungan yang tinggi terhadap pakar ternak sapi atau dokter hewan yang ahli penyakit sapi. Tetapi, jumlah pakar ternak sapi atau dokter hewan yang ada saat ini sangat terbatas, selain itu biaya yang dikeluarkan juga tidak sedikit karena
1
sistem pakar. Penelitian lain tentang identifikasi penyakit pada hewan dilakukan oleh Asyhari (2013) mengenai Rancang Bangun Sistem Pakar untuk Diagnosa Penyakit Hewan Ternak Kambing Berbasis Logika Fuzzy Sistem pakar ini menggunakan metode naive bayes. Pada sistem ini akan menerima input berupa gejala. Dalam penelitian ini melibatkan seorang pakar yaitu Drh. Aulia Andi.
1. Perencanaan (Planning) Sebelum membuat sistem, pada tahap ini terlebih dahulu dikumpulkan beberapa bahan yang disajikan sebagai landasan awal untuk melengkapi definisi permasalahan, diantaranya : a)
Wawancara Melakukan tanya jawab secara interaktif dan konsultasi untuk mengetahui sistem yang sedang berjalan, proses input data, serta informasi yang dibutuhkan dari sistem yang akan dibuat.
METODE PENELITIAN
b)
Studi Pustaka Mengumpulkan informasi melalui datamengenai penilaian kinerja karyawan dan pemanfaatan fasilitas internet sebagai literatur pendukung pelaksanaan penelitian.
Metodologi yang digunakan adalah SDLC. ystem Development Life Cycle (SDLC) atau dalam bahasa Indonesia di sebut dengan Sistem Daur Ulang Sistem adalah sebuah metode yang digunakan untuk menyelesaikan masalah yang berhubungan dengan sistem yang akan dibangun. Metodologi secara lengkap dapat dilihat pada Gambar 1.
2. Tahap Analisis Tahap analisis diawali dengan proses pengumpulan data. Data yang terkumpul akan digunakan sebagai bahan dalam melakukan proses analisis sistem. 3. Tahap Perancangan Tahap perancangan sistem bertujuan untuk memberikan gambaran mengenai rancangan sistem yang akan dibangun, rancangan ini mencakup Usecase Diagram, pembuatan database, flowchart sistem dan proses pembuatan tampilan antar muka. Perancangan ini lebih mengacu pada perancangan antarmuka (User Interface) agar sesuai dengan tujuan dan kebutuhan sistem. 4. Tahap Implementasi Implementasi merupakan proses menerjemahan ke dalam komputer dengan perhitungan peluang menggunakan metode niave bayes
Gambar 1. Pendekatan SDLC (Kristanto, 1996)
2
classification untuk mendapatkan klasifikasi antraks pada sapi. Pada tahap implementasi menggunakan bahasa pemrograman php.
terkumpul akan digunakan sebagai bahan dalam melakukan proses analisis sistem. Selanjutnya dilakukan proses analisis sistem yang sedang berjalan dan analisis sistem yang akan dibuat. Hasil dari analisis sistem yang sedang berjalan tersebut dijadikan sebagai dasar untuk pengembangan sistem. Tahap analisis pada Fakultas Kedokteran Hewan IPB mencakup kemungkinan-kemungkinan yang akan terjadi sehingga dapat dilakukan pencegahan sejak awal agar tercipta sistem yang mudah digunakan dan dapat memberikan manfaat yang lebih baik dalam pengolahan data. Tahapan analisis sistem terbagi menjadi 2 yaitu : a) Analisis Sistem yang berjalan Sistem yang berjalan saat ini untuk aplikasi sistem pakar penyakit antraks di Fakultas Kedokteran Hewan IPB belum ada. Sehingga pengecekan diagnosa masih dilakukan secara manual.
5. Tahap Uji Coba Tahap ini dilakukan dalam 3 tahap yaitu : a) Uji Coba Struktural Uji coba ini dibuat untuk mengetahui apakah sistem yang dikembangkan sudah berjalan dengan baik dan sesuai dengan perancangan pada tahap awal penelitian. b) Uji Coba Fungsional Uji coba ini dilakukan untuk mengetahui apakah aplikasi sistem yang dibangun dapat berfungsi dengan baik atau tidak. c) Uji Coba Validasi Uji coba ini dilakukan dengan data dan melakukan validasi apakah proses dan hasil sudah sesuai dengan basis pengetahuan material yang digunakan terutama dalam hal informasi data penilaian.
b) Analisis sistem yang akan dikembangkan Setelah melakukan penelitian, maka dibuat aplikasi sistem pakar penyakit antraks pada sapi. Konsep dari sistem ini memberikan gambaran secara umum, menyampaikan solusi atau teknik pengendalian penyakit kepada masyarakat khususnya peternak sapi.
PERANCANGAN DAN IMPLEMENTASI 1. Tahap Perencanaan Sebelum membuat sistem, pada tahap ini terlebih dahulu dikumpulkan beberapa bahan yang disajikan sebagai landasan awal untuk melengkapi definisi permasalahan.
3. Perancangan Tahap perancangan merupakan hal yang paling penting pada saat akan membuat sebuah program. Pada tahapan ini dilakukan perancangan sistem yang dibagi menjadi dua tahapan yaitu
2. Tahap Analisis Tahap analisis diawali dengan proses pengumpulan data. Data yang
3
perancangan sistem secara konseptual, dan perancangan sistem secara keseluruhan.
b) Activity Diagram Activity diagram memperlihatkan alur langkah demi langkah dalam suatu proses. Suatu aktivitas menunjukkan sekumpulan aksi (secara sekuensial atau bercabang dari satu aksi ke aksi lain), dan nilai yang dihasilkan atau digunakan oleh aksi-aksi yang terjadi.
1. Perancangan Sistem Secara Konseptual a) Use Case Diagram Use case merupakan bagian tingkat tinggi dari fungsionalitas yang disediakan oleh sistem. Dengan kata lain, use case menggambarkan bagaimana seseorang menggunakan sistem. Pemodelan usecase digunakan untuk memodelkan fungsionalitas pada sistem informasi yang akan dirancang. Use Case Diagram dapat dilihat pada Gambar 2.
2. Database Database menjadi penyimpanan data secara elektronik untuk mempermudah pengelolaan data, perancangan basis data dibuat agar tidak ada duplikasi data. Database dibuat dengan mengunakan MySQL. Dengan nama database dbAntraks terdiri atas 3 tabel yaitu tabel_gejala, tabel_pakar dan tabel_diagnosa. a. Tabel Gejala Tabel gejala digunakan untuk menyimpan data tentang gejala dari penyakit antraks. Struktur tabel gejala dapat dilihat pada Tabel 1. Tabel 1. tbl_gejala Nama Field
Tipe
Panjang Null Keterangan
IdGejala
varchar 5
No
Primary Key
No
-
Gambar 2. Usecase Diagram NamaGejala varchar 200
b. Tabel Pakar Tabel pakar digunakan untuk menyimpan data gejala dan data diagnosa. Struktur tabel pakar dapat dilihat pada Tabel 2.
4
Tabel 2. tbl_pakar Nama Field
Tipe
Panjang
Null
Keterangan
IdPakar
varchar
4
No
Primary Key
Nama
varchar
25
No
Nama lengkap pakar
Alamat
text
-
No
Alamat lengkap pakar
Tanggal Lahir
date
-
No
Tanggal lahir pakar
Jenis Kelamin
varchar
1
No
Jenis kelamin pakar
Username
varchar
50
No
Username pakar
Password
varchar
50
No
Password pakar
Gambar 3. Flowchart Halaman Admin
c. Tabel Diagnosa Tabel diagnosa digunakan untuk menyimpan data tentang data-data peternak yang telah melakukan diagnosa penyakit. Struktur tabel hasil dapat dilihat pada Tabel 3.
Gambar 4. Flowchart Halaman Pakar
Tabel 3. tbl_diagnosa Nama Field
Tipe
Panjang
Null
Keterangan
IdDiagnosa
int
11
No
Primary Key
Tanggal
date
11
No
Tanggal mendiagnosa
Nama
int
11
No
Nama peternak
Hasil
double
6
No
Probabilitas sapi terkena penyakit antraks
5
Gambar 6. Flowchart Naive Bayes Gambar 5. Flowchart Halaman Peternak
d. Perancangan Antar Muka Perancangan antar muka berfungsi untuk menjelaskan fungsi dari kontrol-kontrol yang digunakan dalam membuat program aplikasi ini.
Pada Gambar flowchart program tersebut terdapat proses Naive Bayes. Flowchart Naive Bayes dapat dilihat pada Gambar 22.
HASIL DAN PEMBAHASAN Hasil Implementasi merupakan proses menerjemahan ke dalam komputer dengan perhitungan peluang menggunakan metode niave bayes classification untuk mendapatkan klasifikasi antraks pada sapi. Pada tahap implementasi menggunakan bahasa pemrograman php. 6
1.
Tampilan Login
Gambar 9. Halaman hasil diagnosa Hasil algoritma naïve bayes didapat dari nilai parameter yang diinputkan lalu dicari nilai peluang dari masing-masing parameter gejala, lalu dicari nilai probabilitas. Nilai probabilitas terbesar adalah kesimpulan penyakit antraks. Uji Coba Sistem Uji coba sistem dilakukan untuk mengetahui apakah aplikasi sudah memenuhi kebutuhan yang diharapkan dan sesuai dengan rancangan yang dibuat. Beberapa tahap pengujian yang akan dilakukan, yaitu:
Gambar 7. Halaman Login Pakar 2. Halaman Utama Peternak Pada halaman utama peternak, menampilkan menu Diagnosa. Peternak dapat langsung memilih gejala sapi. Berikut tampilan halaman utama diagnosa dapat dilihat pada Gambar 8.
1. Uji coba struktural 2. Uji coba fungsional 3. Uji coba validasi sistem 1. Uji Coba Struktural Uji coba structural adalah uji coba untuk mengetahui apakah alur sistem yang dibuat sudah sesuai dengan perancangan. Pada tahap uji coba struktural ini semua berjalan sesuai dengan rancangan, seperti yang terlihat pada Tabel 4.
Gambar 8. Halaman utama diagnosa peternak Setelah peternak klik tombol proses, maka akan muncul tampilan gejala yg telah terplih dan probabilitas sapi tersebut terkena antraks. Berikut tampilan halaman hasil diagnosa dapat dilihat pada Gambar 9.
7
Tabel 4. Uji coba struktural
Tabel 5. Uji coba fungsional
3. Tahap Uji Coba Validasi Sistem Uji coba validasi sistem adalah uji coba terakhir yang akan dilakukan, uji coba ini dilakukan untuk menguji validasi aplikasi yang sudah dibuat, yaitu membandingkan hasil olah data sistem dengan hasil dari perhitungan secara manual.
2.
Uji Coba Fungsional Uji coba fungsional merupakan tahap uji coba yang bertujuan untuk mengetahui apakah komponenkomponen dari sistem sudah berjalan sesuai dengan fungsi masing-masing. Hasil uji coba fungsional ini dapat dilihat pada Tabel 5.
Gambar 10. Halaman Diagnosa Peternak
8
Percobaan pertama menghasilkan akurasi sebesar: TRUE FALSE Antraks
4
3
Tidak Antraks
3
0
Gambar 11. Halaman Hasil Diagnosa Akurasi =
Perhitungan Algoritma Naïve Bayes Uji validasi sistem dengan algoritma naïve bayes dilakukan dengan cara membandingkan perhitungan secara manual dengan hasil didapat dari program.Uji coba validasi ini dimulai dengan membagi data menjadi data latih dan data uji. Pembagian data latih dan data uji ini dilakukan dengan menggunakan k sama dengan 5. Jumlah data yang diperoleh sebanyak 50 record dan dibagi menjadi 5 subset. Setiap subset terdiri dari 10 record. Percobaan pertama (fold I) menggunakan 40 record sebagai data latih yang berisi subset 2,3,4,dan 5. Subset 1 yang berisi 10 record dijadikan sebagai data uji. Percobaan terus dilakukan hingga setiap subset pernah dijadikan data uji seperti terlampir pada tabel berikut ini.
∑
=
∑
x 100% = 70%
Tabel 7. Percobaan 5
Percobaan pertama menghasilkan akurasi sebesar:
Tabel 6. Percobaan 1 – Percobaan 5
9
TRUE
FALSE
Antraks
2
1
Tidak Antraks
7
0
Akurasi =
∑
berbasis web ini memiliki kinerja sistem yang mampu berjalan dengan baik sesuai dengan kebutuhan fungsional. Hal ini dibuktikan dengan hasil pengujian struktural, fungsional dan validasi sistem. Hasil pengujian struktural menunjukkan bahwa sistem dapat beroperasi sesuai dengan alur program yang dibuat. Melalui pengujian fungsional terbukti bahwa fungsi-fungsi pada sistem telah beroperasi dengan semestinya, dan dari hasil pengujian validasi terbukti bahwa sistem dapat menghasilkan informasi berupa nilai probabilitas sapi yang terkena penyakit antraks dengan hasil perhitungan secara manual menggunakan metode Naive Bayes Classifier.
=
∑
Persentase(%)
x 100% = 90% 120 100 80 60 40 20 0 1
2
3
4
5
Pengujian K-Fold
Gambar 11. Presentasi Pengujian K-Fold Setelah dilakukan uji coba validasi dengan menggunakan data dari Fakultas Kedokteran Hewan IPB dengan 50 record menggunakan 16 atribut menghasilkan nilai akurasi ratarata yaitu 88%. Hal ini menunjukan bahwa model yang dibangun dengan 16 atribut dapat melakukan klasifikasi dengan baik.
Saran Sistem yang telah dibangun masih mempunyai kekurangan, dimana dalam sistem ini parameter yang digunakan hanya berdasarkan gejalagejala yang terlihat. Untuk penelitian selanjutnya diharapkan dapat menambahkan gejala-gejala seperti hasil tes darah di laboraturiun.
KESIMPULAN DAN SARAN
DAFTAR PUSTAKA
Kesimpulan Penerapan Naive Bayes Classifier dalam identifikasi penyakit antraks pada sapi bertujuan untuk memberikan pelayanan kepada masyarakat khususnya peternak, dengan menciptakan sebuah aplikasi web yang berkaitan dengan penyakit antraks pada sapi. Pada sistem ini akan menerima input berupa gejala. Dalam penelitian ini melibatkan seorang pakar yaitu Drh. Aulia Andi. Sistem yang dibangun
Akoso, Budi Tri. 2009. Epidemiologi dan Pengendalian Antrhrax.Kanisius. Yogyakarta. Ardianto, 2012. Mendeteksi Penyakit Kulit Berbasis Windows Mobile Phone dengan Metode Certainty Factor, STMIK Widya Cipta Dharma, Yogyakarta. Asyhari, dkk. 2013. Rancang Bangun Sistem Pakar untuk Diagnosa Penyakit Hewan Ternak Kambing 10
Berbasis Logika Fuzzy. STMIK MDP. Palembang. Bunafit Nugroho. 2008. Latihan Membuat Aplikasi Web PHP dan Mysql dengan Dreamwaver, Gava Media, Yogyakarta Dharmojono. 2002. Leptospirosis Anthrax Mulut dan Kuku Sapi-Gila. Putaka Populer Obor. Jakarta. Fitriyah, Ainul. 2012. Identifikasi Penyakit Sapi pada Sapi Ternak dengan Forward Chaining. Hakim, Lukmanul. 2008. Membongkar Trik Rahasia Para Master PHP, LokoMedia, Yoyakarta. Kusumadewi, S. Intelligence Aplikasinya). Yogyakarta.
2003. Artificial (Teknik dan Graha Ilmu.
Mustikadewi. 2011. Pendeteksian dan Penanganan Dini pada Penyakit Sapi dengan Metode DempsterShafer Berbasis Web, Universitas Brawijaya, Jawa Timur.
11
