PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT AYAM BERBASIS WEB
NOVEN HIMAN HUJI
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009
PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT AYAM BERBASIS WEB
NOVEN HIMAN HUJI
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009
ABSTRACT NOVEN HIMAN HUJI. Development Web Based Diagnosis Expert System of Chicken Disease. Under the direction of SRI NURDIATI and TOTO HARYANTO. Disease is one of many obstacles that could reduce the productivity of poultry. Recognizing early symptoms of the disease, knowing the source of the cause and performing a variety of efforts for prevention are very important to increase the productivity of the poultry. This study is a continuation of previous study done by Haryanto (2006). The system developed by Haryanto still has some limitations : such as desktop-based systems, could not be found division of users to access system, and it’s not using the database so there is no facility for editing disease symptoms. The present availability of computer technology and an easiness of obtaining it has provided great possibility to apply an information system for overcoming the problems mentioned above. For this purpose, Diagnosis Expert System of Chicken Disease was developed in the form of a web based application. Moreover, this study evaluates the effect of changing the membership functions of input variables on the defuzzification results. This system is designed and built using System Development Life Cycle (SDLC) method which consists of 5 stages, investigation systems, system analysis, system design, system implementation, and maintenance system. The results of this research is a chicken diasease diagnosis expert system, a web based application. In the system, the decision making is based on two aspects, which are non fuzzy symptoms is using decision table and for symptoms fuzzy is using Fuzzy Inference System. Keywords : expert system, membership function, defuzzification, system development life cycle.
Judul Skripsi Nama NIM
: Pengembangan Sistem Pakar Diagnosis Penyakit Ayam Berbasis Web : Noven Himan Huji : G64104070
Menyetujui :
Pembimbing I
Pembimbing II
Dr. Ir. Sri Nurdiati, M.Sc NIP 196011261986012001
Toto Haryanto, S.Kom
Mengetahui : Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. drh. Hasim, DEA NIP 196103281986011002
Tanggal Lulus:
PRAKATA Alhamdulillah hirobil ‘alamin, puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia dan rahmat-Nya sehingga tugas akhir dengan judul Pengembangan Sistem Pakar Penyakit Ayam Berbasis Web, dapat diselesaikan. Penulis mengucapkan terima kasih kepada pihak yang membantu dalam penyelesaian penulisan karya ilmiah ini, antara lain kepada: 1. Kedua Orang tua penulis Bapak Wasimun dan Ibu Sukarti. Terima kasih atas kasih sayang, dukungan dan doa yang terus mengalir. 2. Kedua saudaraku Subur Eko Wardoyo, S.T dan Puguh Heri Saputro, S.K.M. Terima kasih atas dorongan, doa dan bantuan. 3. Ibu Dr. Ir. Sri Nurdiati, M.Sc, Bapak Toto Haryanto, S.Kom, atas bimbingan dan arahannya selama penelitian dan penyusunan karya ilmiah ini. 4. Bapak Aziz Kustiyo, S.Si., M.Kom, atas kesediaannya menjadi moderator seminar dan dosen penguji. 5. Ibu drh. Ekowati Handhayani, MS, Ph.D sebagai pakar atas ketersediaan waktu dalam memverifikasi sistem yang saya buat. 6. Dosen, staf, dan karyawan Departemen Ilmu Komputer IPB atas segala ilmu dan fasilitas selama penulis menyelesaikan studi. 7. Teman-teman Ilkomerz ’41. Terima kasih atas kebersamaan selama menuntut ilmu semoga menjadi kenangan yang tak terlupakan. 8. Kakak-kakak kelas Ilkom 40, 39, 38, 37, dan seterusnya. 9. Teman-teman Ilkomerz ’42. Terima kasih atas dukungan dan doa. 10. Kepada semua pihak lainnya yang telah membantu dalam penyelesaian tugas akhir ini yang tidak dapat disebutkan satu per satu, penulis ucapkan terima kasih. Semoga karya ilmiah ini dapat bermanfaat dan menjadikannya amal sholih. Amin
Bogor, September 2009
Noven Himan Huji
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 19 November 1986 dari pasangan Wasimun dan Sukarti. Penulis merupakan anak ketiga dari tiga bersaudara. Penulis menempuh pendidikan SMU pada tahun 2001 - 2004 di SMU Negeri 62 Jakarta. Pada tahun 2004 penulis diterima di Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB). Pada bulan Juli sampai Agustus 2008 penulis melaksanakan praktik kerja lapang di Sekretariat Pengadilan Pajak Departemen Keuangan Republik Indonesia.
DAFTAR ISI Halaman
DAFTAR TABEL................................................................................................................................ v DAFTAR GAMBAR ..........................................................................................................................v DAFTAR LAMPIRAN ......................................................................................................................vi PENDAHULUAN ..................................................................................................................................1 Latar Belakang ..................................................................................................................................1 Tujuan Penelitian ..............................................................................................................................1 Ruang Lingkup Penelitian.................................................................................................................1 Manfaat .............................................................................................................................................1 TINJAUAN PUSTAKA .........................................................................................................................1 Penyakit Ayam ..................................................................................................................................1 Himpunan Fuzzy................................................................................................................................2 Fungsi Keanggotaan fuzzy.................................................................................................................2 Sistem Inferensi Fuzzy ......................................................................................................................3 Active Server Pages (ASP)................................................................................................................3 MySQL..............................................................................................................................................3 PHP (PHP Hypertext Preprocessor ) ................................................................................................4 Sistem Pakar......................................................................................................................................4 METODOLOGI PENELITIAN..............................................................................................................4 Pengembangan Sistem ......................................................................................................................4 Investigasi Sistem ........................................................................................................................4 Analisis Sistem.............................................................................................................................4 Desain Sistem...............................................................................................................................5 Implementasi Sistem ....................................................................................................................5 Pemeliharaan Sistem ....................................................................................................................5 HASIL DAN PEMBAHASAN...............................................................................................................5 Investigasi Sistem..............................................................................................................................5 Analisis Sistem..................................................................................................................................5 Analisis Fungsi dan Proses Sistem...............................................................................................5 Akuisisi Pengetahuan ...................................................................................................................6 Analisis Inferensi Fuzzy ...............................................................................................................6 Desain Sistem....................................................................................................................................8 Perancangan Database .................................................................................................................9 Desain Proses Sistem ...................................................................................................................9 Desain Antarmuka Sistem............................................................................................................9 Implementasi Sistem .........................................................................................................................9 KESIMPULAN DAN SARAN.............................................................................................................12 Kesimpulan .....................................................................................................................................12 Saran ...............................................................................................................................................13
DAFTAR PUSTAKA .......................................................................................................................13 LAMPIRAN .......................................................................................................................................14
iv
DAFTAR TABEL Halaman 1 2 3 4 5 6 7 8 9 10 11
Tabel keputusan penyakit ayam berdasarkan gejala klinis ...............................................................6 Parameter input data fuzzy ................................................................................................................9 Skor defuzzifikasi dan α mendukung Newcastle Disease (M-ND) pada SPDPPA ......................10 Skor defuzzifikasi dan α mendukung Newcastle Disease (M-ND) pada pengembangan SPDPPA..........................................................................................................................................10 Skor defuzzifikasi dan α sangat mendukung Newcastle Disease (SM-ND) pada SPDPPA ..........10 Skor defuzzifikasi dan α sangat mendukung Newcastle Disease (SM-ND) pada pengembangan SPDPPA .........................................................................................................................................10 Skor defuzzifikasi dan α mendukung Avian Influenza (M-AI) pada SPDPPA ..............................11 Skor defuzzifikasi dan α mendukung Avian Influenza (M-AI) pada pengembangan SPDPPA .....11 Skor defuzzifikasi dan α sangat mendukung Avian Influenza (SM-AI) pada SPDPPA ................12 Skor defuzzifikasi dan α sangat mendukung Avian Influenza (SM-AI) pada pengembangan SPDPPA .........................................................................................................................................12 Hasil pembobotan AHP gejala fuzzy pada penelitian sebelumnya. ...............................................12
DAFTAR GAMBAR Halaman 1 2 3 4 5 6 7 8 9 10 11 12 13
Representasi kurva segitiga...............................................................................................................2 Representasi kurva trapezoidal.........................................................................................................2 Representasi kurva Gaussian ............................................................................................................3 Tahap Pembentukan Sistem Pakar (Marimin 2002) .........................................................................4 Alur Pengembangan Sistem dengan Pendekatan SDLC (O’Brien 1999) .........................................4 Diagram Konteks Sistem ..................................................................................................................5 Representasi Kurva Warna Pial Ayam..............................................................................................6 Representasi Kurva Umur Ayam ......................................................................................................7 Representasi Kurva Persentase angka kematian ...............................................................................7 Representasi Kurva Suhu..................................................................................................................7 Representasi Kurva Penyakit ............................................................................................................7 Alur penyelesaian masalah dengan metode fuzzy (Marimin, 2002) ..................................................8 Sketsa Antarmuka Sistem .................................................................................................................9
v
DAFTAR LAMPIRAN Halaman 1 2 3 4 5 6 7 8 9 10 11 12
DFD Level 1 (Data Flow Diagram). ..............................................................................................15 Halaman utama sistem. ...................................................................................................................15 Halaman pengisian form input untuk data pengguna ......................................................................16 Halaman pengisian data klinis ........................................................................................................16 Halaman utama untuk admin. .........................................................................................................16 Halaman hasil analisis gejala klinis. ...............................................................................................17 Halaman pengisian untuk data fuzzy. .............................................................................................17 Tabel daftar uji black box testing untuk fungsi perangkat lunak sistem .........................................18 Verifikasi pakar...............................................................................................................................19 Deskripsi tabel database. ................................................................................................................20 Aturan-aturan fuzzy penentuan jenis penyakit ayam .......................................................................21 Keterhubungan antar tabel ..............................................................................................................22
vi
1
PENDAHULUAN Latar Belakang Dalam usaha untuk meningkatkan produktivitas ternak ayam, ada beberapa kendala yang perlu diperhatikan. Penyakit merupakan salah satu kendala yang harus diwaspadai. Menurut Sutandi (2005), penyakit sebagai salah satu bagian dari aspek kesehatan hewan adalah hal terpenting yang harus diperhatikan dan merupakan salah satu faktor penghambat kinerja produksi. Produktivitas suatu ternak ayam akan mengalami penurunan, jika hasil ternak ayam terjangkit suatu penyakit. Mengenal sejak dini gejala masing-masing penyakit, mengetahui sumber penyebabnya serta melakukan berbagai upaya-upaya untuk pencegahan merupakan hal yang sangat penting bagi suksesnya usaha peternakan ayam. Menurut Haryanto (2006), penyakit ayam umumnya disebabkan oleh virus, seperti penyakit Infectious Laryngotracheitis (ILT), Avian Influenza (AI), Newcastle Desease (ND). Dari ketiga penyakit tersebut, ada yang dapat menular pada manusia yaitu Avian Influenza (AI). Penyakit ini pernah mewabah di Indonesia pada bulan September 2003 sampai akhir 2004, di mana penyakit ini menyebar di 17 provinsi yang meliputi 108 kabupaten/kota. Mewabahnya penyakit ternak pada ayam ini selain merugikan peternakan nasional juga terdapat korban manusia. Berdasarkan masalah yang telah dikemukakan tersebut maka perlu adanya pemanfaatan teknologi informasi untuk penyebaran informasi mengenai penyakit ayam. Pemanfaatan tersebut dilakukan dengan dibangunnya suatu sistem pakar penyakit ayam berbasis web. Penelitian ini merupakan kelanjutan dari penelitian sebelumnya yang telah dilakukan oleh Haryanto (2006), di mana sistem yang dibuat masih memiliki keterbatasan, seperti sistem masih berbasis desktop dan belum terdapat pembagian user untuk mengakses sistem, belum menggunakan database sehingga tidak terdapat fasilitas untuk mengedit penyakit dan gejalanya. Adanya perubahan aplikasi dari desktop menjadi aplikasi berbasis web diharapkan dapat meningkatkan kinerja sistem. Ini disebabkan oleh semakin sedikitnya sistem dipengaruhi oleh penggunaan memori, sehingga lebih bergantung pada kecepatan akses database dan jaringan internet. Lebih jauh, menurut Voloshin.
G dan Gnatienko. E (2002), penentuan representasi fungsi keanggotaan himpunan fuzzy dalam membangun suatu sistem adalah hal yang bersifat subjektif dan tergantung juga dari domain himpunan fuzzy. Oleh karena itu, pada penelitian ini akan dilihat pengaruh perubahan fungsi keanggotaan terhadap hasil defuzzifikasi. Tujuan Tujuan penelitian ini adalah •
Membangun Sistem Pakar Penyakit Ayam Berbasis Web sebagai pengembangan penelitian sebelumnya yang masih berbasis desktop.
•
Mengetahui pengaruh perubahan fungsi keanggotaan variabel input pada hasil defuzzifikasi.
Ruang Lingkup Dalam penelitian ini, sistem yang dikembangkan adalah berbasis web. Sistem ini menerapkan inferensi fuzzy Mamdani dalam melakukan penarikan kesimpulan dari data gejala fuzzy penyakit ayam. Aturan untuk inferensi fuzzy mengenai penyakit ayam diambil dari penelitian sebelumnya. Untuk data gejala non fuzzy (klinis) dalam pengambilan keputusan menggunakan tabel keputusan. Manfaat Penelitian ini diharapkan dapat membantu proses diagnosis penyakit ayam serta dapat memberikan informasi tentang penyakit ayam melalui suatu website.
TINJAUAN PUSTAKA Penyakit Ayam Penyakit ayam dapat ditimbulkan oleh berbagai sebab seperti: virus, bakteri, jamur, dan caplak. Adapun penyakit ayam yang disebabkan oleh virus dan menyerang ayam pada periode pertumbuhan 4 sampai dengan 20 minggu antara lain: •
Flu burung (Avian Influenza / AI)
Flu burung (AI) pertama kali ditemukan pada tahun 1878 di Perroncito Italia. Penyakit ini disebabkan oleh virus orthomyxovirus. Tingkat kematian akibat penyakit ini bisa mencapai 100 persen, oleh karena itu flu burung disebut sebagai highly pathogenic Avian Influenza (HPAI). Gejala klinis Avian Influenza dicirikan dengan gangguan pernapasan, seperti
2
ngorok, bersin, batuk, dan sinusitis, terjadi pembengkakan di bagian kepala dan muka, dan terjadi pendarahan di jaringan kulit terutama bagian kaki, pial, dan kepala (Polana 2008). Tetelo (Newcastle Disease / ND)
Penyakit ini disebabkan oleh virus Paramixovirus dan memiliki kemiripan gejala dengan penyakit Avian Influenza dalam memicu pendarahan di bawah kulit dengan indikasi jengger dan kaki ayam berwarna kebiruan. Kemiripan gejala ini bisa dibedakan dengan cara melakukan bedah bangkai dan pemeriksaan laboratorium oleh ahli patologi. Gejala klinis pada penyakit terbagi menjadi tiga bentuk: Mildly Pathogenic (lentogenic), Moderately Pathogenic (mesogenic), dan Higly Pathogenic (velogenic) (Haryanto 2006). Pada velogenic gejala klinis yang tampak adalah adanya gangguan pernapasan, diare dengan feses hijau, dan kepala berputar (torticolis). •
Fungsi ini direpresentasikan dengan kurva segitiga pada Gambar 1.
Derajat keanggotaan
•
1. Fungsi keanggotaan triangular
Gambar 1. Representasi kurva segitiga. Fungsi keanggotaan triangular dengan tiga parameter {a, b, c} didefinisikan sebagai berikut: 0, x < a x−a ,a ≤ x ≤ b b − a tria n g le ( x ; a , b , c ) = c − x ,b ≤ x ≤ c c −b 0, c ≤ x
Laryngotracheitis Infectiosa (ILT)
Penyakit ini disebabkan oleh virus Herpa virus. Ciri khusus gejala klinis pada penyakit ini adalah tersumbatnya trakea oleh exudate sehingga ayam susah bernafas dan sering diiikuti dengan adanya exudate berdarah.
2. Fungsi keanggotaan Trapezoidal Fungsi ini direpresentasikan dengan kurva trapesium pada Gambar 2.
Jika X adalah suatu kumpulan objek-objek dan x adalah elemen dari X, maka himpunan fuzzy A yang memiliki domain X didefinisikan sebagai:
Derajat keanggotaan
Himpunan fuzzy
A = {(x, µ A(x) ) | x ∈ X } , dengan nilai µ A (x) berada dalam rentang 0 hingga 1 (Jang et al, 1997).
Gambar 2. Representasi kurva trapezoidal.
Terdapat dua cara yang lazim dalam merepresentasikan himpunan fuzzy yaitu : µ A ( xi ) xi
Fungsi keanggotaan trapezoidal dengan empat parameter {a, b, c, d} didefinisikan sebagai berikut :
1.
2.
A=
∑ xi ∈ X
, jika X adalah merupakan koleksi objek diskret. , jika X adalah ∫ merupakan koleksi objek kontinyu.
A = x µ A ( x)
x
Fungsi Keanggotaan Fuzzy
Fungsi keanggotaan fuzzy biasanya digambarkan dalam bentuk kurva yang menunjukkan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1. Terdapat beberapa tipe representasi fungsi keanggotaan, di antaranya :
0, x ≤ a x−a ,a ≤ x ≤ b b − a trapezoid ( x ; a , b , c , d ) = 1, b ≤ x ≤ c d − x ,c ≤ x ≤ d d −c 0, d ≤ x
3
3. Fungsi keanggotaan Gaussian
Derajat keanggotaan
Fungsi ini direpresentasikan dengan kurva Gaussian pada Gambar 3.
1
0
domain
Gambar 3. Representasi kurva Gaussian.
inferensi fuzzy selesai, tahap berikutnya adalah defuzzifikasi. Tahap ini merupakan suatu cara untuk menghasilkan nilai crisp dari gugus fuzzy. Salah satu metode defuzzifikasi adalah metode Centroid. Defuzzifikasi metode Centroid adalah teknik yang solusi tunggalnya didapatkan dengan mengambil titik pusat daerah fuzzy (Haryanto 2006). Titik pusat daerah fuzzy ini dihitung dengan menjumlahkan perkalian antara nilai derajat keanggotaan variabel output µ(z) dengan nilai variabel output (z) kemudian dibagi dengan penjumlahan nilai derajat keanggotaan variabel output µ(z) yang secara umum dapat diformulasikan sebagai berikut:
Fungsi keanggotaan Gaussian dengan dua parameter{c,σ} didefinisikan sebagai berikut : −
g a u s sia n ( x ; c , σ ) = e
1 x−c 2 σ
2
∫ z µ ( z ) dz
n
∑ z µ(z ) j
j
z=
atau z =
j =1 n
∑ µ(z ) j
j =1
z
∫ µ ( z ) dz z
(Jang, et al 1997) Active Server Pages (ASP) Sistem Inferensi Fuzzy
Sistem ini menjelaskan tentang suatu teknik penarikan kesimpulan berdasarkan pada suatu aturan tertentu. Penyeleksian aturan if-then fuzzy adalah komponen utama dari sistem inferensi fuzzy yang mampu memodelkan keahlian manusia lebih spesifik (Jang et al. 1997). Dalam sistem inferensi fuzzy terdapat dua proses yaitu aggregation dan composition. Aggregation adalah proses perhitungan untuk nilai-nilai pada bagian antecedent suatu rule. Composition adalah proses perhitungan untuk nilai-nilai pada bagian konsekuen suatu rule. Salah satu model sistem inferensi fuzzy adalah model fuzzy Mamdani. Metode Mamdani diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Metode ini memiliki beberapa keuntungan antara lain: lebih intuitif, lebih diterima oleh banyak pihak dan lebih cocok apabila input diterima dari manusia (bukan mesin). Pada metode Mamdani, metode yang digunakan dalam proses agregasi adalah Min. Selama proses agregasi, setiap kondisi pada bagian antecedent suatu rule diberi nilai derajat kebenaran berdasarkan pada fungsi keanggotaan himpunan fuzzy yang sesuai dan dihasilkan nilai derajat keanggotaan yang minimum dari setiap antecedent suatu rule. Pada proses composition digunakan metode Max untuk menentukan nilai derajat keanggotaan untuk setiap himpunan fuzzy dari variabel linguistic output pada bagian konsekuen suatu rule. Setelah proses pemodelan
ASP merupakan salah satu bahasa pemograman web yang bersifat server side dan digunakan untuk menciptakan suatu halaman web yang dinamis. Untuk menjalankan script ASP diperlukan Internet Information Server (IIS.5.0) sebagai web server (Gunawan 2003). ASP merupakan salah satu produk teknologi yang disediakan oleh Microsoft. ASP merupakan bahasa pemrograman web yang bisa mengintegrasikan perangkat lunak yang bersifat executable menjadi suatu objek dengan memanfaatkan suatu DLL (Dynamic Link Library) yang dimiliki perangkat lunak tersebut. Dynamic Link Library adalah library atau pustaka yang dapat dilink dari suatu aplikasi executable. MATLAB merupakan perangkat lunak executable yang memiliki DLL pada sistem operasi windows. Dengan adanya DLL MATLAB ini dan sintaks dari ASP, dapat diciptakan objek sehingga sistem bisa menjalankan perintah-perintah executable seperti perintah untuk menjalankan m.file pada command line di MATLAB. MySQL
MySQL termasuk jenis RDBMS (Relational Database Management System) yang bersifat terbuka (open source) dan mempunyai beberapa tabel yang terdiri atas sejumlah baris dan kolom. Baris pada tabel sering disebut sebagai instance dari data, kolom sering disebut sebagai attributes atau field (Elmasri et al. 2000).
4
PHP (PHP Hypertext Preprocessor)
METODOLOGI
PHP merupakan bahasa script server-side yang dirancang untuk digunakan pada pembuatan suatu halaman web yang dinamis. PHP merupakan bahasa pemrograman web yang bersifat terbuka (open source). Untuk dapat menjalankan script PHP diperlukan Apache sebagai web server (Wuryantoro 2009). Sistem Pakar
Sistem Pakar adalah sistem berbasis pengetahuan yang terpadu di dalam suatu sistem informasi dasar yang ada, sehingga memiliki kemampuan untuk memecahkan berbagai masalah layaknya seorang pakar (Marimin 2002). Menurut Marimin (2002) tahapan dalam pembentukan sistem pakar adalah sebagai berikut:
Metode pengembangan sistem pakar penyakit ayam berbasis web menggunakan pendekatan siklus hidup pengembangan sistem System Development Life Cycle (SDLC). SDLC terdiri atas lima tahap, yaitu investigasi sistem, analisis sistem, desain sistem, implementasi sistem, pemeliharaan sistem, dengan alur pengembangan seperti yang ada pada Gambar 5 (O’Brien 1999). Investigasi sistem
Analisis sistem
Mulai
Desain sistem
Identifikasi Masalah Implementasi sistem
Mencari Sumber Pengetahuan
Akuisisi Pengetahuan
Pemeliharaan sistem
Representasi Pengetahuan Gambar 5. Alur Pengembangan Sistem dengan Pendekatan SDLC (O’Brien 1999).
Pengembangan Mesin inferensi
Investigasi sistem
Implementasi
Pengujian
Mewakili human expert ?
Tidak
Ya
Selesai Gambar 4. Tahap Pembentukan Sistem Pakar (Marimin 2002).
Investigasi sistem merupakan tahap untuk mendefinisikan dan menganalisis pembuatan sistem pakar penyakit ayam berbasis web serta mengembangkan kekurangan sistem yang terdapat pada penelitian sebelumnya. Pengembangan sistem ini membutuhkan suatu metode untuk proses pengambilan keputusan berdasarkan gejala-gejala dari penyakit tertentu. Dari masalah tersebut maka pada tahap selanjutnya akan dirancang suatu proses pengambilan keputusan penyakit ayam berdasarkan gejala klinis dan gejala yang bersifat fuzzy. Analisis sistem
Pada tahap ini dilakukan analisis terhadap kebutuhan-kebutuhan sistem yang meliputi pembuatan fungsi dan proses sistem, proses
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
13
keanggotaan variabel input terhadap hasil defuzzifikasi terjadi pada warna pial kelima, di mana terjadi perubahan output penyakit dari Newcastle Disease (ND) menjadi Avian Influenza (AI). Di sisi lain, pada penelitian sebelumnya perubahan output penyakit terjadi pada warna pial ketiga. Saran
Untuk pengembangan sistem selanjutnya dapat dibuat suatu sistem pakar penyakit ayam berbasis web yang lebih terintegrasi lagi ke dalam satu bahasa pemrograman web. Di samping itu dibuat juga proses pengambilan keputusan yang lebih baik lagi sehingga mempunyai banyak kombinasi pertanyaan berdasarkan gejala klinis penyakit dan setiap gejala klinis pada penyakit tertentu diberikan suatu bobot sehingga hasil diagnosis mempunyai suatu tingkat kepercayaan tertentu. DAFTAR PUSTAKA
Elmasri, Ramez and Navathe, SB. 2000. Fundamental of Database System 3th Edition. Addison Wesley. Gunawan, J. 2003. Cepat Mahir ASP. http://ilmukomputer.org/2008/11/25/cepatmahir-asp/. [25 November 2008]. Haryanto, T. 2006. Sistem Pakar Diagnosa Penyakit Pada Ayam [skripsi]. FMIPA IPB, Bogor. Jang, J. S. R. et all. 1997. Neuro-Fuzzy AND Soft Computing. Prentice-Hall International. Marimin. 2005. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. IPB Press, Bogor. O’Brien J. 1999. Introduction Information System. McGraw-Hill Book Company, New York. Polana A. et all. 2008. Panduan Lengkap Sukses Berternak Ayam Broiler. Agromedia Pustaka. Sutandi, U. 2005. Pengembangan Sistem Pakar Fuzzy untuk Isyarat Dini pada Penyakit Ternak dengan Pendekatan Iklim [skripsi]. FMIPA IPB, Bogor. Wuryantoro, A. 2009. Pengembangan Sistem Informasi Manajemen Akademik Berbasis Web (Studi Kasus SMP Insan Kamil Bogor). [skripsi]. FMIPA IPB, Bogor.
Voloshin. G dan Gnatienko. E. 2002. Fuzzy Membership Functions in a Decision Making Problem. Journal of Information Theories & Applications Vol.10.
LAMPIRAN
15
Lampiran 1. DFD Level 1 (Data Flow Diagram) .
Lampiran 2. Halaman utama sistem.
16
Lampiran 3. Halaman pengisian form input untuk data pengguna .
Lampiran 4. Halaman pengisian data klinis.
Lampiran 5. Halaman utama untuk admin.
17
Lampiran 6. Halaman Hasil analisis gejala klinis.
Lampiran 7. Halaman pengisian untuk data fuzzy.
18
Lampiran 8. Tabel daftar uji black box testing untuk fungsi perangkat lunak sistem. No 1
Deskripsi Uji Menampilkan halaman utama admin
Kondisi Awal Halaman utama user
2
Keluar dari halaman utama admin Menampilkan penyakit dan gejala pada halaman utama admin Mengubah dan menghapus data penyakit pada halaman utama admin
3
4
Hasil yang diharapkan Muncul halaman utama admin setelah mengisi form login admin
Status 1
Halaman utama admin
Skenario Uji Memilih menu masuk pakar dan mengisi username dan password Memilih menu logout
Muncul halaman login pakar
1
Halaman utama admin
Memilih menu laporan gejala
Pada content halaman admin muncul penyakit dan gejala
1
Halaman utama admin
Memilih menu penyakit dan melakukan ubah atau hapus data penyakit Memilih menu gejala klinis dan melakukan ubah atau hapus data gejala Memilih menu relasi dan memilih gejala
Pada content halaman admin muncul window alert
1
Pada content halaman admin muncul window alert
1
Pada content halaman admin muncul window alert
1
Pada content halaman admin muncul laporan penyakit, gejala dan solusi Pada akhir hasil analisis gejala klinis muncul data user Pada akhir hasil analisis gejala klinis muncul kesimpulan mengenai penyakit, gejala, definisi dan solusi Pada akhir analisis gejala fuzzy muncul tabel persentase masing-masing penyakit
1
5
Menambah, mengubah dan menghapus gejala penyakit pada halaman utama admin
Halaman utama admin
6
Melihat dan mengubah relasi antara penyakit dan gejala Melihat laporan gejala penyakit
Halaman utama admin
Halaman utama admin
Memilih menu laporan gejala penyakit
8
Menambah user
Halaman utama user
Mengisi form untuk user
9
Konsultasi gejala klinis penyakit ayam
Halaman utama user
Menjawab pertanyaan seputar gejala penyakit ayam
10
Konsultasi gejala fuzzy penyakit ayam
Halaman utama user
Memilih link lanjutkan diagnosa gejala fuzzy dan mengisi form gejala fuzzy
7
Keterangan • •
Status satu (1) jika pengujian berhasil Status nol (0) jika pengujian tidak berhasil
1
1
1
19
Lampiran 9. Verifikasi Pakar. Deskripsi Warna Pial 1
2
3
4
5
6
7
8
9
10
Verifikasi 1 Input gejala non fuzzy : Pendarahan bawah kulit, nafas sesak, bersin-bersin, batuk, produksi telur menurun, eksudat encer bening, keluar cairan berbusa dari mata, kepala bergetar, tinja encer putih, mati secara mendadak, dan nafsu makan berkurang Input gejala fuzzy : Warna Pial 5 s/d 10 Umur 20 minggu Persentase angka kematian 30, 40, 50, 60 (%) Suhu 43 oC, 44 oC, 45 oC Hasil Diagnosa : Penyakit flu burung (Avian Influenza / AI ) Verifikasi Pakar :
Sesuai Cukup sesuai Kurang sesuai
Verifikasi 2 Input gejala non fuzzy : Pendarahan bawah kulit, nafas sesak, bersin-bersin, batuk, diare, eksudat kental bening, tinja berwarna kehijauan, sempoyongan dan kepala berputar. Input gejala fuzzy : Warna Pial Umur Persentase angka kematian Suhu
1 s/d 4 20 minggu 30, 40, 50, 60 (%) 43 oC, 44 oC, 45 oC
Hasil Diagnosa : Penyakit Tetelo (Newcastle Disease /ND) Verifikasi Pakar :
Sesuai Cukup sesuai Kurang sesuai
20
Lampiran 10. Deskripsi tabel database. Nama Tabel
: penyakit
Fungsi
: menyimpan semua daftar penyakit termasuk dengan definisi dan solusi
Nama Kolom
Length
Tipe Data
Keterangan
Kd_penyakit
Char
4
Primary key, Not null
nm_penyakit
Varchar
60
Not null
nm_latin
Varchar
60
Not null
Definisi
Text
Not null
Namakota
Varchar
Not null
Nama Tabel
: gejala
Fungsi
: menyimpan daftar gejala penyakit ayam
Nama Kolom
Length
Tipe Data
Keterangan
Kd_gejala
Char
4
Primary key, Not null
nm_gejala
Varchar
100
Not null
Nama Tabel
: relasi
Fungsi
: menghubungkan Tabel penyakit dan gejala
Nama Kolom
Length
Tipe Data
Keterangan
kd_penyakit
Char
4
Foreign key , Not null
kd_gejala
Char
4
Foreign key , Not null
Nama Tabel
: hasil analisis
Fungsi
: menyimpan data hasil penelusuran termasuk data user yang menggunakan aplikasi
Nama Kolom
Length
Tipe Data
Keterangan
Id
Int
4
Primary key, Not null
Nama
Varchar
50
Not null
Kelamin
Enum
‘P’,’W’
Not null
Alamat
Varchar
100
Not null
Pekerjaan
Varchar
60
Not null
kd_penyakit
Char
4
Foreign key , Not null
Noip
Varchar
60
Not null
Tanggal
Datetime
Not null
21
Lampiran 11. Aturan-aturan fuzzy penentuan jenis penyakit ayam. NO
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
MASUKAN GEJALA Warna Pial
Umur Ayam
Pucat Pucat Pucat Pucat Pucat Pucat Pucat Pucat Pucat Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Merah Kebiruan Pucat Pucat Pucat Merah Merah Merah Merah Merah Merah Merah Merah Merah Merah Merah Merah Pucat Pucat Pucat Pucat
Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Muda Dara Dewasa Dara Dewasa Dara Dewasa
Persentase angka kematian Tinggi Tinggi Tinggi Sedang Sedang Sedang Sedang Sedang Sedang Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Sedang Sedang Sedang Rendah Rendah -
Keterangan AI : Penyakit Avian Influenza ILT : Penyakit Laryngotracheitis Infectiosa ND : Newcastle Disease
KELUARAN JENIS PENYAKIT Suhu Tubuh Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi
bobot
Mendukung AI Mendukung AI Mendukung AI Mendukung AI Mendukung AI Mendukung AI Mendukung AI Mendukung AI Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung AI Sangat Mendukung ND Sangat Mendukung ND Sangat Mendukung ND Sangat Mendukung ND Sangat Mendukung ND Sangat Mendukung ND Sangat Mendukung ND Mendukung ND Mendukung ND Mendukung ND Mendukung ND Mendukung ND Mendukung ND Sangat Mendukung ILT Sangat Mendukung ILT Mendukung ILT Mendukung ILT
1 1 1 1 1 1 1 0,5 0,5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,4 0,4
22
Lampiran 12. Keterhubungan antar tabel. Penyakit Kd_Penyakit(*) Nm_penyakit Nm_latin solusi Analisis Hasil Id(*) Nama Kelamin Alamat Pekerjan Kd_Penyakit(**) Noip tanggal
Relasi Kd_Penyakit(**) Kd_gejala(**)
Gejala Kd_gejala(*) Nm_gejala
