SISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB
Muhamad Rheza, Herfina, Adriana Sari Aryani. Program Studi Ilmu Komputer FMIPA Universitas Pakuan Jl. Pakuan Po. Box 452 Bogor Jawa Barat Telp : (0251) 8312206 Email :
[email protected] Abstrak Musang saat ini sudah menjadi hewan peliharaan yang menarik para pecinta hewan untuk dipelihara, namun banyak kendala yang dirasakan para pemilik musang diantaranya ketika musang terkena penyakit sedikitnya sumber pengetahuan dan jarangnya dokter hewan yang biasa menangani musang, sehingga dapat menghambat pertolongan pertama ketika musang sakit. Maka perlu adanya sistem untuk mengetahui penyakit apa saja dan bagaimana cara penanganannya. Penelitian ini akan membangun sistem pakar dengan metode Case Based Reasoning (CBR). Untuk menemukan solusi dari sebuah kasus dalam CBR meliputi 4 tahap yaitu Tahap retrieve mencari kemiripan antara kasus baru dan lama dengan mencocokan gejala yang di masukkan pengguna dengan gejala pada basis pengetahuan menggunakan rumus Nearest Neighbour. Pada Tahap reuse setelah sistem menghitung nilai kemiripan antara kasus lama dengan baru, sistem mengambil nilai kemiripan tertinggi yang dihasilkan pada proses retrieve kemudian menampilkan informasi berupa solusi untuk menangani penyakit tersebut. Tahap revise adalah peninjauan kembali solusi yang digunakan untuk mengelola data kasus baru untuk dilakukan validasi terhadap kesimpulan yang dimiliki. Tahap retain untuk mengatur manajemen pengetahuan pada sistem. Tahap ini menyimpan kasus lama kedalam basis pengetahuan yang akan digunakan untuk memecahkan kasus baru. Sistem yang dibangun dapat mendeteksi penyakit yang diderita oleh musang berdasarkan gejala yang di masukkan oleh pengguna. Kata kunci : Case Based Reasoning, sistem pakar, penyakit musang
dapat menyimpan dan menampilkan informasi dengan cepat sangat membantu sekali dalam kegiatan sehari-hari. Komputer pun sudah banyak di terapkan dalam berbagai bidang, khusus nya dalam bidang kesehatan. Ini terbukti dengan banyak nya teknologi komputer yang dikembangkan dan diimplementasikan kedalam bidang kesehatan baik dalam bidang kesehatan manusia maupun kesehatan hewan.
PENDAHULUAN Era globalisasi saat ini sangat erat kaitannya dengan pertumbuhan teknologi informasi yang semakin hari terus berkembang pesat. Sebagian besar manusia sudah memanfaatkan teknologi dalam kehidupan sehari-hari terutama dalam mengakses informasi yang semakin cepat. Komputer juga turut berperan penting dalam berkembangnya teknologi informasi, kemampuan komputer yang 1
Musang saat ini sudah menjadi hewan peliharaan yang menarik para pecinta hewan untuk dipelihara dibandingkan hewan peliharaan lainnya, ini terbukti dengan adanya komunitas pecinta musang yang tersebar hampir diseluruh Indonesia. Meskipun begitu musang adalah hewan liar maka pemahaman yang menyeluruh untuk merawat musang pun sangat diperlukan agar mereka nyaman tinggal bersama manusia. Pada saat ini banyak kendala yang dirasakan para pemilik musang diantaranya ketika musang terkena penyakit sedikitnya sumber pengetahuan dan jarangnya dokter hewan yang biasa menangani musang, sehingga dapat menghambat proses pertolongan pertama ketika musang sakit. Kesehatan menjadi faktor utama dalam hal memelihara musang, sama seperti hewan peliharaan lain yang dapat terjangkit penyakit bila penanganannya tidak tepat dapat menyebabkan kematian. Seringkali para pemilik musang tidak mengerti bagaimana cara memberikan pertolongan pertama apabila musang peliharaannya sakit sehingga penyakitnya menjadi fatal dan akhirnya menyebabkan kematian. Meskipun para pecinta musang sudah sangat banyak tetapi tidak di imbangi dengan banyaknya dokter hewan yang biasa menangani musang, terlebih lagi ada daerah yang tidak terdapat dokter hewan. Maka dari itu perlu adanya suatu sistem yang dapat memberikan informasi diagnosis penyakit musang serta penanganannya, dengan begitu pemilik musang dapat memberikan pertolongan pertama dengan cepat agar penyakitnya tidak fatal dan dapat menekan resiko kematian. Penelitian terdahulu tentang sistem pakar berdasarkan kasus sejenis telah dilakukan oleh Fransica Octaviani S (2011) yang berjudul “Implementasi Case Based Reasoning Untuk Sistem Diagnosis Penyakit Anjing”. Beliau
mengimplementasikan metode Case Based Reasoning untuk membantu diagnosa penyakit anjing. Sistem memberikan keluaran berupa kemungkinan penyakit dan saran pengobatan yang didasarkan pada metode CBR. Deodatus (2015) yang berjudul “Sistem case bsaed reasoning untuk mendiagnosa penyakit pada babi”. Penelitian tersebut dapat bekerja seperti layaknya seorang pakar. Informasi yang dihasilkan adalah nama penyakit, definisi penyakit, penyebab, gejala-gejala yang menyertai, solusi, dan probabilitas penyakit. Berdasarkan uraian diatas maka perlu adanya suatu sistem pakar yang dapat mendiagnosis penyakit musang serta memberikan penanganannya. Maka dari itu penulis mengambil judul “Sistem Diagnosa Penyakit Pada Musang Menggunakan Metode Case Based Reasoning Berbasis Web” METODE PENELITIAN Metode penelitian yang digunakan dalam pembuatan sistem pada penelitian ini adalah Case Based Reasoning. Pendekatan CBR memiliki beberapa tahapan yang disajikan pada Gambar 1.
Gambar 1. Siklus case based reasoning ( Aamondt & Plaza, 1994)
2
Tahap Retrieve Mendapatkan/memperoleh kembali kasus yang paling menyerupai/relevan (similar) dengan kasus yang baru. Tahap retrieval ini dimulai dengan menggambarkan/ menguraikan sebagian masalah, dan diakhiri jika ditemukannya kecocokan terhadap masalah sebelumnya yang tingkat kecocokannya paling tinggi. Bagian ini mengacu pada segi identifikasi, kecocokan awal, pencarian dan pemilihan serta eksekusi.
basis kasus. Setelah di cari kemiripan dengan kasus lama maka di cari nilai terdekat dengan kasus baru yang dimasukan. Rumus untuk menghitung kemiripan antara kasus baru dan lama adalah sebagai berikut :
Keterangan : S = similarity (nilai kemiripan) W = weight (bobot yang diberikan) HASIL DAN PEMBAHASAN
Tahap Reuse Memodelkan/menggunakan kembali pengetahuan dan informasi kasus lama berdasarkan bobot kemiripan yang paling relevan ke dalam kasus yang baru, sehingga menghasilkan usulan solusi dimana mungkin diperlukan suatu adaptasi dengan masalah yang baru tersebut.
Akuisisi Pengetahuan Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian pemecahan masalah dari pakar atau sumber pengetahuan terdokumentasi ke program komputer untuk membangun basis pengetahuan. Pada penelitian ini akuisisi pengetahuan berupa data gejala dan penyakit yang didapatkan dari seorang dokter hewan.
Tahap Revise Meninjau kembali solusi yang diusulkan kemudian mengetesnya pada kasus nyata (simulasi) dan jika diperlukan memperbaiki solusi tersebut agar cocok dengan kasus yang baru.
Tahap Retrieve Pencarian kemiripan antara kasus baru dan lama dilakukan dengan cara mencocokan gejala yang di inputkan pada halaman konsultasi oleh pengguna dengan gejala yang ada pada basis pengetahuan setelah itu baru menghitung kemiripan antara kasus menggunakan rumus Nearest Neighbour.
Tahap Retain Mengintegrasikan/menyimpan kasus baru yang telah berhasil mendapatkan solusi agar dapat digunakan oleh kasus-kasus selanjutnya yang mirip dengan kasus tersebut. Tetapi Jika solusi baru tersebut gagal, maka menjelaskan kegagalannya, memperbaiki solusi yang digunakan, dan mengujinya lagi. Algoritma Nearest Neighbour pada Case Based Reasoning Algorima nearest neighbour adalah sebuah algoritma pendekatan untuk mencari kasus dengan menghitung nilai kemiripan kasus baru yang dimasukan dengan kasus lama yang terdapat dalam
Gambar 2. Halaman Konsultasi 3
Contoh Kasus Pada awal konsultasi pengguna memilih gejala yang dialami kemudian setelah selesai menekan tombol submit untuk dapat mengetahui hasil diagnosa nya.
Gejala Kembung kd_gejala Gejala G13 Mencret Perut G21 membesar Perut terasa G26 kosong saat di Pegang Sesak G45 nafas
Gejala yang dialami pengguna kd_gejala Gejala G10 Lesu G13 Mencret G18 Muntah G23 Kotoran berlendir G24 Kotoran berbau amis G30 Diare
Kembung kd geja la G13 G21
Kemungkinan penyakit diagnosa No Penyakit 1 Kembung 2 Distemper pencernaan 3 Intoleransi laktosa 4 Cacingan 5 Maldigesti 6 Parvo
G26
Kemudian sistem mencari kemiripan antara gejala yang di inputkan pengguna dengan gejala yang berada pada basis pengetahuan. setelah itu menghitung nilai kemiripannya. Berikut ini penyakit yang memiliki gejala yang sama dengan gejala pengguna :
G45
G23 G24 G30
Mencret Perut membesar Perut terasa kosong saat di Pegang Sesak nafas JUMLAH
nilai bobot bobo kemiri x nilai t pan 3 1 3 3 0 0
Similarity
Gejala Pengguna kd_gejala Gejala G10 Lesu G13 Mencret G18
nama gejala
= Gejala pengguna kd_gejala G10 G13 G18
Muntah Kotoran berlendir Kotoran berbau amis Diare
G23 G24 4
Gejala Lesu Mencret Muntah Kotoran berlendir Kotoran berbau amis
3
0
0
5
0
0
14
3
G30
G18
Diare
G23 Gejala Distemper pencernaan Kd_ gejal Gejala a G10 Lesu Kotoran G12 kuning encer G18 Muntah Kotoran G24 berbau amis G30 Diare
kd geja la G10 G12
G18 G24
G30
G24 G30
Muntah Kotoran berlendir Kotoran berbau amis Diare
Gejala Intoleransi Laktosa kd_gejala Gejala G13 Mencret Kotoran G14 encer berbusa
Intoleransi laktosa nilai kd nama bobot bobot kemiri gejala gejala x nilai pan G13 Mencret 3 1 3 G14 Kotoran 3 0 0 encer berbusa JUMLAH 6 3
Distemper Pencernaan nilai nama bobo kemi bobot gejala t ripa x nilai n Lesu 3 1 3 Kotor 3 0 0 an kunin g encer Munta 3 1 3 h Kotor 3 1 3 an berba u amis Diare 5 1 5 JUML 17 14 AH
Similarity = Gejala pengguna kd_gejala Gejala G10
Lesu
G13 G18
Mencret Muntah Kotoran berlendir Kotoran berbau amis Diare
G23
Similarity = G24 G30 Gejala pengguna kd_gejala Gejala G10 Lesu G13 Mencret 5
G18 Gejala Cacingan kd_gejala Gejala Sering menjilati G02 daerah dubur Kerontokan G03 Bulu G10 Lesu Tidak nafsu G11 makan G30 Diare
kd gej ala G0 2
G0 3
G23 G24 G30
Gejala Maldigesti kd_gejala Gejala G13 Mencret G18 Muntah Kotoran G19 (Feses) keras Perut terasa G20 kencang saat di pegang Perut G21 membesar
Cacingan nilai nama bo bobot kemiri gejala bot x nilai pan Sering 1 0 0 menjil ati daera h dubur Keron 1 0 0 tokan Bulu Lesu 3 1 3
G1 0 G1 Tidak 1 nafsu maka n G3 Diare 0 JUML AH
3
1
3
5
0
0
13
Muntah Kotoran berlendir Kotoran berbau amis Diare
Maldigesti kd gejala G13 G18 G19
G20
6
Similarity = G21 Gejala Pengguna kd_gejala Gejala G10 Lesu G13 Mencret
nama gejala Mencret Muntah Kotoran (Feses) keras Perut terasa kencang saat di pegang Perut membesar JUMLAH
Similarity =
6
bobot 3 3 3
nilai kemi bobot ripa x nilai n 1 3 1 3 0 0
3
0
0
3
0
0
15
6
Similarity =
Gejala Pengguna kd_gejala Gejala G10 Lesu G13 Mencret G18 Muntah Kotoran G23 berlendir Kotoran G24 berbau amis G30 Diare
Tahap Reuse Berdasarkan contoh kasus diatas penyakit yang memiliki gejala sama dengan gejala yang di inputkan oleh pengguna adalah : a. Kembung, nilai similarity = 0.21 b. Distemper pencernaan, similarity = 0.82 c. Intoleransi laktosa, nilai similarity = 0.5 d. Cacingan, nilai similarity = 0.21 e. Maldigesti, nilai similarity = 0.4 f. Parvo, nilai similarity = 0.63 Pada tahap reuse solusi yang diberikan adalah solusi yang memiliki nilai kemiripan tertinggi antara kasus lama dengan baru, dalam contoh kasus ini nilai kemiripan yang tertinggi terdapat pada penyakit distemper pencernaan dengan nilai kemiripan 0.82. Jadi penyakit yang di alami oleh pengguna berdasarkan gejala yang dimasukkan pada contoh kasus diatas adalah penyakit distemper pencernaan, kemudian sistem menampilakan informasi berupa solusi untuk menangani penyakit tersebut.
Gejala Parvo kd_gejala Gejala G10 Lesu Tidak nafsu G11 makan Kotoran G23 berlendir Kotoran G24 berbau amis Kotoran G28 berdarah G30 Diare Parvo kd gejal a G10 G11
G23 G24
G28 G30
nama gejala Lesu Tidak nafsu makan Kotoran berlendir Kotoran berbau amis Kotoran berdarah Diare JUMLA H
nilai bobo bobo kemiripa t x t n nilai 3 1 0 3 0 0
3
1
0
3
1
0
5
0
0
5 22
1
5 14
Gambar 3. Tahap Hasil Reuse Tahap Revise Tahap revise adalah tahap peninjauan kembali solusi yang digunakan untuk mengelola data kasus baru untuk dilakukan validasi terhadap kesimpulan 7
yang dimiliki. Kasus yang telah divalidasi oleh admin / pakar kemudian disimpan kedalam basis pengetahuan untuk digunakan pada kasus selanjutnya.
yang terdaftar pada basis data sehingga dapat digunakan oleh masyarakat umum khusus nya para pemilik musang untuk menambah pengetahuan bagaimana cara menangani penyakit musang secara langsung di rumah dengan penanganan yang cepat sehingga dapat mengurangi resiko fatal akibat ketidaktahuan pemilik musang terhadap apa yang harus dilakukkan ketika musang nya terkena penyakit.
Tahap Retain Tahap ini menyimpan kasus lama kedalam basis pengetahuan yang nantinya akan digunakan untuk memecahkan kasus baru. Pengguna dapat memasukan gejala dan penyakit yang telah di konsultasikan dengan menekan tombol retain setelah itu gejala dan penyakit masuk kedalam tabel retain yang kemudian akan dijadikan kasus selanjutnya.
Saran
Sistem yang dibangun dapat mendeteksi penyakit yang diderita oleh musang berdasarkan gejala yang di masukkan oleh pengguna. Pemberian solusi di lakukan dengan cara mencari kemiripan antara kasus baru yang di masukkan oleh pengguna dengan kasus lama yang berada pada basis data, kemudian di cari nilai kemiripan yang tertinggi sehingga dapat menghasilkan solusi untuk permasalahan penyakit yang di derita.
Dalam hal penyakit pada musang tidak banyak orang mengetahui apa saja penyakit yang di derita, dikarenakan musang belum lama di jadikan hewan peliharaan di bandingkan kucing dan anjing. Maka dari itu seiring berjalan nya waktu pasti bermunculan jenis penyakit baru yang dapat terdeteksi. Oleh karena itu perlu di lakukan nya observasi lanjut untuk mengetahui perkembangan penyakit yang dapat menjangkit musang, sehingga bila ada penyakit baru sistem dapat selalu update dan dapat digunakan secara berkala.
KESIMPULAN DAN SARAN
DAFTAR PUSTAKA
Kesimpulan Penelitian yang dilakukan telah berhasil membuat sistem diagnosa penyakit musang berbasis web menggunakan bahasa pemrograman PHP serta data base MySql. Sistem ini menggunakan metode Case Based Reasoning dengan rumus pendekatan Nearest Neighbour dalam hal mencari solusi dengan membandingkan pengalaman pada kasus lama dengan kasus baru yang di masukan oleh pengguna. Dalam perancangannya sistem ini telah dilakukan uji coba struktural, fungsional serta uji coba validasi. Sistem ini sudah mampu memberikan solusi berdasarkan gejala
Aamondt.,dan Plaza., 1994. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches, AICom Artificial Intelligence Communications, IOS Press, Vol. 7: 1, pp. 39-59. Abdullah, Dahlan. 2015. Sistem Pakar Mendiagnosa Gejala Kerusakan Mesin Mobil Toyota Menggunakan Metode Case Based Reasoning. Universitas Malikusalleh
8
Ganggur, Deodatos Hemadano. 2015. Sistem Case Based Reasoning Untuk Mendiagnosis Penyakit Pada Babi. Universitas Nusa Cendana
Pecinta Hewan. 2015. Musang hewan peliharaan eksotis. http://pecintahewan.com/musanghewan-peliharaan-eksotis/. (diakses 10 februari 2016)
Merlina., N dan H. Rahmat, 2012. Perancangan Sistem Pakar. Ghalia Indonesia, Bogor
Solichin, A. 2013. Pemrograman Web Dengan PHP Dan MySQL. Universitas Budi luhur, Jakarta
Octaviani S. Fransica. 2012. Implementasi Case Based Reasoning Untuk Sistem Diagnosis Penyakit Anjing. Universitas Kristen Duta Wacana
Turban, E., Aronson, Ting Peng Liang. 2005. Decision Support System and Intellgent System (Sistem Pendukung Keputusan Sistem Cerdas). Andi, Yogyakarta.
Pudjiatmoko. 2014. Manual Penyakit Hewan Mamalia Cetakan Ke-2. Direktorat Jendral Peternakan Dan Kesehatan Hewan, Jakarta
9