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.
PENGEMBANGAN SISTEM PAKAR DIAGNOSIS
PENYAKIT AYAM BERBASIS
WEB
NOVEN HIMAN HUJI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
PENGEMBANGAN SISTEM PAKAR DIAGNOSIS
PENYAKIT AYAM BERBASIS
WEB
NOVEN HIMAN HUJI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
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
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.
Menyetujui :
Pembimbing I
Dr. Ir. Sri Nurdiati, M.Sc NIP 196011261986012001
Pembimbing II
Toto Haryanto, S.Kom
Mengetahui :
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. drh. Hasim, DEA NIP 196103281986011002
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
iv
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
v
Halaman
1 Tabel keputusan penyakit ayam berdasarkan gejala klinis ... 6
2 Parameter input data fuzzy... 9
3 Skor defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada SPDPPA ... 10
4 Skor defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada pengembangan - SPDPPA... 10
5 Skor defuzzifikasi dan sangat mendukung Newcastle Disease (SM-ND) pada SPDPPA ... 10
6 Skor defuzzifikasi dan sangat mendukung Newcastle Disease (SMND) pada pengembangan -SPDPPA ... 10
7 Skor defuzzifikasi dan mendukung Avian Influenza (M-AI) pada SPDPPA ... 11
8 Skor defuzzifikasi dan mendukung Avian Influenza (M-AI) pada pengembangan SPDPPA ... 11
9 Skor defuzzifikasi dan sangat mendukung Avian Influenza (SM-AI) pada SPDPPA ... 12
10 Skor defuzzifikasi dan sangat mendukung Avian Influenza (SMAI) pada pengembangan -SPDPPA ... 12
11 Hasil pembobotan AHP gejala fuzzy pada penelitian sebelumnya. ... 12
DAFTAR GAMBAR
Halaman 1 Representasi kurva segitiga... 22 Representasi kurva trapezoidal... 2
3 Representasi kurva Gaussian... 3
4 Tahap Pembentukan Sistem Pakar (Marimin 2002) ... 4
5 Alur Pengembangan Sistem dengan Pendekatan SDLC (O’Brien 1999) ... 4
6 Diagram Konteks Sistem ... 5
7 Representasi Kurva Warna Pial Ayam... 6
8 Representasi Kurva Umur Ayam ... 7
9 Representasi Kurva Persentase angka kematian ... 7
10 Representasi Kurva Suhu... 7
11 Representasi Kurva Penyakit ... 7
12 Alur penyelesaian masalah dengan metode fuzzy (Marimin, 2002) ... 8
vi
Halaman
1 DFD Level 1 (Data Flow Diagram). ... 15
2 Halaman utama sistem. ... 15
3 Halaman pengisian form input untuk data pengguna ... 16
4 Halaman pengisian data klinis ... 16
5 Halaman utama untuk admin. ... 16
6 Halaman hasil analisis gejala klinis. ... 17
7 Halaman pengisian untuk data fuzzy. ... 17
8 Tabel daftar uji black box testing untuk fungsi perangkat lunak sistem ... 18
9 Verifikasi pakar... 19
10 Deskripsi tabel database. ... 20
11 Aturan-aturan fuzzy penentuan jenis penyakit ayam ... 21
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
∈
=
x
iX
A xi xiA
µ ( )=
x
Ax xA
µ ( )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).
• 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.
Himpunan fuzzy
Jika X adalah suatu kumpulan objek-objek dan x adalah elemen dari X, maka himpunan
fuzzy A yang memiliki domain X didefinisikan sebagai:
,
{(
x
A
=
µA(x) )|x∈X
}
,dengan nilai µA (x) berada dalam rentang 0 hingga 1 (Jang et al, 1997).
Terdapat dua cara yang lazim dalam merepresentasikan himpunan fuzzy yaitu :
1. , jika X
adalah merupakan koleksi objek diskret.
2. , jika X adalah merupakan koleksi objek kontinyu.
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 :
1. Fungsi keanggotaan triangular
Fungsi ini direpresentasikan dengan kurva segitiga pada Gambar 1.
Gambar 1. Representasi kurva segitiga. Fungsi keanggotaan triangular dengan tiga parameter {a, b, c} didefinisikan sebagai berikut:
0 ,
, tria n g le ( ; , , )
,
0 ,
x a
x a
a x b
b a
x a b c
c x
b x c
c b
c x
<
−
≤ ≤
− =
−
≤ ≤
− ≤
2. Fungsi keanggotaan Trapezoidal
Fungsi ini direpresentasikan dengan kurva trapesium pada Gambar 2.
Gambar 2. Representasi kurva trapezoidal.
Fungsi keanggotaan trapezoidal dengan empat parameter {a, b, c, d} didefinisikan sebagai berikut :
0,
,
( ; , , , ) 1,
,
0,
x a
x a
a x b
b a
trapezoid x a b c d b x c
d x
c x d
d c
d x
≤
−
≤ ≤
−
= ≤ ≤
−
≤ ≤
3. Fungsi keanggotaan Gaussian
Fungsi ini direpresentasikan dengan kurva
Gaussian pada Gambar 3.
Gambar 3. Representasi kurva Gaussian.
Fungsi keanggotaan Gaussian dengan dua parameter{c, } didefinisikan sebagai berikut :
2 1 2
g a u s s ia n ( ; ,
)
x c
x c
e
σσ
− −
=
(Jang, et al 1997)
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
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:
= =
= n
j n
j j
z z
1 j 1
j
) µ(z
) µ(z
atau =
z z
dz z
dz z z
z
) (
) (
µ µ
Active Server Pages (ASP)
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
PHP (PHP Hypertext Preprocessor)
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:
Gambar 4. Tahap Pembentukan Sistem Pakar (Marimin 2002).
METODOLOGI
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).
Gambar 5. Alur Pengembangan Sistem dengan Pendekatan SDLC (O’Brien 1999).
Investigasi sistem
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 Tidak
Investigasi sistem
Analisis sistem
Desain sistem
Implementasi sistem
Pemeliharaan sistem
Ya Mulai
Identifikasi Masalah
Mencari Sumber Pengetahuan
Akuisisi Pengetahuan
Representasi Pengetahuan
Pengembangan Mesin inferensi
Implementasi
Pengujian
Selesai Mewakili
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.
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
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 fungsi-fungsi 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.
5 , 0 2 , 0 2 , 0 0 5 , 0 atau 0 ); 2 , 0 5 , 0 ( ) 5 , 0 ( ; 1 ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − = x x x x x x merah µ • Fungsi login dan logout admin dari
sistem.
• Fungsi admin untuk menambah, melihat, mengubah, menghapus penyakit .
• 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 *.
Tabel 1. Tabel keputusan penyakit ayam berdasarkan gejala klinis.
Penyakit Gejala
AI ND ILT
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 *
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
16 8 8 1 16 atau 1 ); 8 16 ( ) 16 ( ; ) 1 8 ( ) 1 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x muda µ 22 18 18 11 22 atau 11 ); 18 22 ( ) 22 ( ); 11 18 ( ) 11 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x dara µ 30 15 15 0 30 atau ); 15 30 ( ) 30 ( ); 0 15 ( ) 0 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x x rendah µ 60 37 37 14 60 atau 14 ); 45 60 ( ) 60 ( ); 14 37 ( ) 14 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x sedang µ 100 75 75 50 100 atau 50 ); 75 100 ( ) 100 ( ); 50 75 ( ) 50 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x tinggi µ 5 , 43 25 , 41 25 , 41 39 5 , 43 atau 39 ); 25 , 41 5 , 43 ( ) 5 , 43 ( ); 39 25 , 41 ( ) 39 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x normal µ 7 , 0 5 , 0 5 , 0 3 , 0 7 , 0 atau 3 , 0 ); 5 , 0 7 , 0 ( ) 7 , 0 ( ); 3 , 0 5 , 0 /( ) 3 , 0 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x pucat µ 30 25 25 21 30 atau 21 ); 25 30 ( ) 30 ( ); 21 25 ( ) 21 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x dewasa
µ 46,35 50
35 , 46 7 , 42 50 atau 7 , 42 ); 35 , 46 50 ( ) 50 ( ); 7 , 42 35 , 46 ( ) 7 , 42 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − − − = x x x x x x x tinggi µ 1 7 , 0 7 , 0 5 , 0 1 atau 5 , 0 ; 1 ); 5 , 0 7 , 0 /( ) 5 , 0 ( ; 0 ] [ ≤ ≤ ≤ ≤ ≥ ≤ − − = x x x x x x iruan merah keb
µ
Variabel Umur ayam
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:
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:
Variabel suhu
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:
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
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:
2 ) 1 , 0 ( 2 2 )) 1 , 0 ( ( ) 1 , 0 ; 1 , 0 ( ] [ − − − − = − = x ILT
M x e
µ 2 ) 1 , 0 ( 2 2 ) 1 , 0 ( ) 1 , 0 ; 1 , 0 ( ] [ − − − = = x ILT
SM x e
µ 2 ) 1 , 0 ( 2 2 ) 3 , 0 ( ) 1 , 0 ; 3 , 0 ( ] [ − − − = = x ND
M x e
µ 2 ) 1 , 0 ( 2 2 ) 5 , 0 ( ) 1 , 0 ; 5 , 0 ( ] [ − − − = = x ND
SM x e
µ 2 ) 1 , 0 ( 2 2 ) 7 , 0 ( ) 1 , 0 ; 7 , 0 ( ] [ − − − = = x AI
M x e
µ 2 ) 1 , 0 ( 2 2 ) 9 , 0 ( ) 1 , 0 ; 9 , 0 ( ] [ − − − = = x AI
SM x e
µ
Keempat variabel input dan himpunan fuzzy
tersebut, akan dikombinasikan ke dalam suatu
antecendentrule 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 danakan 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.
Gambar 12. Alur penyelesaian masalah dengan metode fuzzy (Marimin, 2002).
Permasalahan nyata
Komputasi Secara Fuzzy
Defuzzifikasi
Solusi Fuzzifikasi Representasi Bahasa
Di sisi lain, pada tahap desain sistem ini akan dibuat perancangan database, desain proses sistem, dan antarmuka sistem.
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.
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)
Umur (minggu)
Angka kematian
(persen)
Suhu (oC)
1-10 20 30,40,50,60 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 ( ) dari setiap variabel output FIS, di mana variabel
output FIS terdiri dari mendukung penyakit
Laryngotracheitis Infectiosa (M-ILT), sangat HEADER WEB
FOOTER
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 ( ) suatu penyakit pada variabel
output FIS dapat diketahui. Berikut ini tabel hasil defuzzifikasi sebelum dan sesudah pengembangan sistem.
Tabel 3. Skor defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada SPDPPA.
Pial Umur / ming gu Persentase angka kematian/ (%) Suhu/ (o C) Skor rata-rata rata-rata (1) 20 30 40 50 43 44 45
0.32 0,96
Tabel 4. Skor defuzzifikasi dan mendukung
Newcastle Disease (M-ND) pada pengembangan SPDPPA.
Pial Umur / Ming gu Persentase angka kematian/ (%) Suhu/ (o C) Skor rata-rata rata-rata (1) 20 30 40 50 43 44 45 (1)
20 60 45
(2)
20 30 40 50
43 44 45 (2)
20 60 45
(3)
20 30 40 50
43 44 45 (3)
20 60 45
0.31 0.96
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
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.
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 sangat mendukung Newcastle Disease (SM-ND) pada SPDPPA.
Pial Umur / Ming gu Persentase angka mati/ (%) Suhu/ (o C) Skor rata-rata rata-rata (1)
20 60
43 44 45
0,70
(2)
20 30 40 50 43 44 45 0.41 0,72 (3)
20 30 40 50
43 44 45
0.56 0.83
Tabel 6. Skor defuzzifikasi dan sangat mendukung Newcastle Disease (SM-ND) pada pengembangan SPDPPA. Pial Umur
/ Ming gu Persentase angka mati/ (%) Suhu/ (o C) Skor rata-rata rata-rata (1)
20 60 43
44
(2)
20 60 43
44
(3)
20 60 43
44
0.43 0,79
(4)
20 30 40 50
43 44 45 (4)
20 60 44
45
0.51 0.97
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 mendukung
Avian Influenza (M-AI) pada SPDPPA. Pial Umur
/ Ming gu Persentase angka kematian/ (%) Suhu/ (o C) Skor rata-rata rata-rata (3)
20 60
43 44 45 0,82 (4) 20 30 40 50 60 43 44 45 0.63 0,73 (5) 20 30 40 50 60 43 44 45
0.64 0,75
(6) 20 30 40 50 60 43 44 45
0.66 0,87
(7) 20 30 40 50 60 43 44 45
0.69 1
(8) 20 30 40 50 60 43 44 45
0.76 0,77
Tabel 8. Skor defuzzifikasi dan mendukung
Avian Influenza (M-AI) pada
pengembangan SPDPPA. Pial Umur
/ Ming gu Persentase angka kematian/ (%) Suhu/ (o C) Skor rata-rata rata-rata (5) 20 30 40 50 60 43 44 45
0.64 0,76
(6) 20 30 40 50 60 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
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 sangat mendukung Avian Influenza (SM-AI) pada SPDPPA.
Pial Umur / Ming gu Persentase angka kematian/ (%) Suhu/ (o C) Skor rata-rata rata-rata (9) 20 30 40 50 60 43 44 45
0.83 0,82
(10) 20 30 40 50 60 43 44 45
0.86 0,94
Tabel 10. Skor defuzzifikasi dan sangat mendukung Avian Influenza (SM-AI) pada pengembangan SPDPPA. Pial Umur
/ Ming gu Persentase angka kematian/ (%) Suhu/ (oC)
Skor rata-rata rata-rata (7) 20 30 40 50 60 43 44 45 (8) 20 30 40 50 60 43 44 45 (9) 20 30 40 50 60 43 44 45 (10) 20 30 40 50 60 43 44 45
0.84 0,86
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
yang menggunakan fungsi keanggotaan
Gaussian
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 (SM-AI) 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
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).
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/cepat-mahir-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.
Lampiran 1. DFD Level 1 (Data Flow Diagram) .
Lampiran 3. Halaman pengisian form input untuk data pengguna .
Lampiran 4. Halaman pengisian data klinis.
Lampiran 6. Halaman Hasil analisis gejala klinis.
Lampiran 8. Tabel daftar uji black box testing untuk fungsi perangkat lunak sistem.
No Deskripsi Uji Kondisi Awal Skenario Uji Hasil yang diharapkan Status
1 Menampilkan halaman utama admin Halaman utama user Memilih menu masuk pakar dan mengisi
username dan
password
Muncul halaman utama admin setelah mengisi form login admin
1
2 Keluar dari halaman utama admin Halaman utama admin Memilih menu logout
Muncul halaman login
pakar
1
3 Menampilkan penyakit dan gejala pada halaman utama admin Halaman utama admin Memilih menu laporan gejala
Pada content halaman admin muncul penyakit dan gejala
1
4 Mengubah dan menghapus data penyakit pada halaman utama admin Halaman utama admin Memilih menu penyakit dan melakukan ubah atau hapus data penyakit
Pada content halaman admin muncul window alert
1
5 Menambah, mengubah dan menghapus gejala penyakit pada halaman utama admin
Halaman utama admin Memilih menu gejala klinis dan melakukan ubah atau hapus data gejala
Pada content halaman admin muncul window alert
1
6 Melihat dan mengubah relasi antara penyakit dan gejala Halaman utama admin Memilih menu relasi dan memilih gejala
Pada content halaman admin muncul window alert
1
7 Melihat laporan gejala penyakit Halaman utama admin Memilih menu laporan gejala penyakit
Pada content halaman admin muncul laporan penyakit, gejala dan solusi
1
8 Menambah user Halaman utama
user
Mengisi form
untuk user
Pada akhir hasil analisis gejala klinis muncul data user
1
9 Konsultasi gejala klinis penyakit ayam Halaman utama user Menjawab pertanyaan seputar gejala penyakit ayam
Pada akhir hasil analisis gejala klinis muncul kesimpulan mengenai penyakit, gejala, definisi dan solusi
1
10 Konsultasi gejala
fuzzy penyakit ayam
Halaman utama
user
Memilih link
lanjutkan diagnosa gejala fuzzy
dan mengisi
form gejala
fuzzy
Pada akhir analisis gejala fuzzy muncul tabel persentase masing-masing penyakit
1
Keterangan
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 43o
C, 44 oC, 45 o
C
Hasil Diagnosa : Penyakit flu burung (Avian Influenza / AI )
Verifikasi Pakar :
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 1 s/d 4
Umur 20 minggu
Persentase angka kematian 30, 40, 50, 60 (%)
Suhu 43o
C, 44 oC, 45 oC
Hasil Diagnosa : Penyakit Tetelo (Newcastle Disease /ND)
Verifikasi Pakar :
Sesuai
Cukup sesuai
Kurang sesuai
Sesuai
Cukup sesuai
Lampiran 10. Deskripsi tabel database.
Nama Tabel : penyakit
Fungsi : menyimpan semua daftar penyakit termasuk dengan definisi dan solusi
Nama Kolom Tipe Data Length 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 Tipe Data Length 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 Tipe Data Length 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 Tipe Data Length 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
Lampiran 11. Aturan-aturan fuzzy penentuan jenis penyakit ayam.
NO MASUKAN GEJALA KELUARAN JENIS
PENYAKIT Warna Pial Umur
Ayam
Persentase angka kematian
Suhu Tubuh
bobot
1 Pucat Muda Tinggi Tinggi Mendukung AI 1
2 Pucat Dara Tinggi Tinggi Mendukung AI 1
3 Pucat Dewasa Tinggi Tinggi Mendukung AI 1
4 Pucat Muda Sedang Tinggi Mendukung AI 1
5 Pucat Dara Sedang Tinggi Mendukung AI 1
6 Pucat Dewasa Sedang Tinggi Mendukung AI 1
7 Pucat Muda - Tinggi Mendukung AI 1
8 Pucat Dara - Tinggi Mendukung AI 0,5
9 Pucat Dewasa - Tinggi Mendukung AI 0,5
10 Merah Kebiruan Muda Sedang Tinggi Sangat Mendukung AI 1 11 Merah Kebiruan Dara Sedang Tinggi Sangat Mendukung AI 1 12 Merah Kebiruan Dewasa Sedang Tinggi Sangat Mendukung AI 1 13 Merah Kebiruan Muda Tinggi Tinggi Sangat Mendukung AI 1 14 Merah Kebiruan Dara Tinggi Tinggi Sangat Mendukung AI 1 15 Merah Kebiruan Dewasa Tinggi Tinggi Sangat Mendukung AI 1
16 Merah Kebiruan Muda Tinggi - Sangat Mendukung AI 1
17 Merah Kebiruan Dara Tinggi - Sangat Mendukung AI 1
18 Merah Kebiruan Dewasa Tinggi - Sangat Mendukung AI 1
19 Merah Kebiruan Muda - Tinggi Sangat Mendukung AI 1
20 Merah Kebiruan Dara - Tinggi Sangat Mendukung AI 1
21 Merah Kebiruan Dewasa - Tinggi Sangat Mendukung AI 1
22 Pucat Muda Tinggi - Sangat Mendukung AI 1
23 Pucat Dara Tinggi - Sangat Mendukung AI 1
24 Pucat Dewasa Tinggi - Sangat Mendukung ND 1
25 Merah Muda Tinggi Tinggi Sangat Mendukung ND 1
26 Merah Dara Tinggi Tinggi Sangat Mendukung ND 1
27 Merah Dewasa Tinggi Tinggi Sangat Mendukung ND 1
28 Merah Muda Tinggi - Sangat Mendukung ND 1
29 Merah Dara Tinggi - Sangat Mendukung ND 1
30 Merah Dewasa Tinggi - Sangat Mendukung ND 1
31 Merah Muda Sedang Tinggi Mendukung ND 1
32 Merah Dara Sedang Tinggi Mendukung ND 1
33 Merah Dewasa Sedang Tinggi Mendukung ND 1
34 Merah Muda - Tinggi Mendukung ND 1
35 Merah Dara - Tinggi Mendukung ND 1
36 Merah Dewasa - Tinggi Mendukung ND 1
37 Pucat Dara Rendah Tinggi Sangat Mendukung ILT 1
38 Pucat Dewasa Rendah Tinggi Sangat Mendukung ILT 1
39 Pucat Dara - Tinggi Mendukung ILT 0,4
40 Pucat Dewasa - Tinggi Mendukung ILT 0,4
Keterangan
AI : Penyakit Avian Influenza
Lampiran 12. Keterhubungan antar tabel.
Id(*) Nama Kelamin
Alamat Pekerjan Kd_Penyakit(**)
Noip tanggal Analisis Hasil
Kd_gejala(*) Nm_gejala
Gejala Kd_Penyakit(*)
Nm_penyakit Nm_latin
solusi Penyakit
Kd_Penyakit(**) Kd_gejala(**)
Lampiran 1. DFD Level 1 (Data Flow Diagram) .
Lampiran 3. Halaman pengisian form input untuk data pengguna .
Lampiran 4. Halaman pengisian data klinis.
Lampiran 6. Halaman Hasil analisis gejala klinis.
Lampiran 8. Tabel daftar uji black box testing untuk fungsi perangkat lunak sistem.
No Deskripsi Uji Kondisi Awal Skenario Uji Hasil yang diharapkan Status
1 Menampilkan halaman utama admin Halaman utama user Memilih menu masuk pakar dan mengisi
username dan
password
Muncul halaman utama admin setelah mengisi form login admin
1
2 Keluar dari halaman utama admin Halaman utama admin Memilih menu logout
Muncul halaman login
pakar
1
3 Menampilkan penyakit dan gejala pada halaman utama admin Halaman utama admin Memilih menu laporan gejala
Pada content halaman admin muncul penyakit dan gejala
1
4 Mengubah dan menghapus data penyakit pada halaman utama admin Halaman utama admin Memilih menu penyakit dan melakukan ubah atau hapus data penyakit
Pada content halaman admin muncul window alert
1
5 Menambah, mengubah dan menghapus gejala penyakit pada halaman utama admin
Halaman utama admin Memilih menu gejala klinis dan melakukan ubah atau hapus data gejala
Pada content halaman admin muncul window alert
1
6 Melihat dan mengubah relasi antara penyakit dan gejala Halaman utama admin Memilih menu relasi dan memilih gejala
Pada content halaman admin muncul window alert
1
7 Melihat laporan gejala penyakit Halaman utama admin Memilih menu laporan gejala penyakit
Pada content halaman admin muncul laporan penyakit, gejala dan solusi
1
8 Menambah user Halaman utama
user
Mengisi form
untuk user
Pada akhir hasil analisis gejala klinis muncul data user
1
9 Konsultasi gejala klinis penyakit ayam Halaman utama user Menjawab pertanyaan seputar gejala penyakit ayam
Pada akhir hasil analisis gejala klinis muncul kesimpulan mengenai penyakit, gejala, definisi dan solusi
1
10 Konsultasi gejala
fuzzy penyakit ayam
Halaman utama
user
Memilih link
lanjutkan diagnosa gejala fuzzy
dan mengisi
form gejala
fuzzy
[image:38.612.95.501.95.722.2]Pada akhir analisis gejala fuzzy muncul tabel persentase masing-masing penyakit
1
Keterangan
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 43o
C, 44 oC, 45 o
C
Hasil Diagnosa : Penyakit flu burung (Avian Influenza / AI )
Verifikasi Pakar :
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 1 s/d 4
Umur 20 minggu
Persentase angka kematian 30, 40, 50, 60 (%)
Suhu 43o
C, 44 oC, 45 oC
Hasil Diagnosa : Penyakit Tetelo (Newcastle Disease /ND)
Verifikasi Pakar :
Sesuai
Cukup sesuai
Kurang sesuai
Sesuai
Cukup sesuai
Lampiran 10. Deskripsi tabel database.
Nama Tabel : penyakit
Fungsi : menyimpan semua daftar penyakit termasuk dengan definisi dan solusi
Nama Kolom Tipe Data Length 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 Tipe Data Length 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 Tipe Data Length 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 Tipe Data Length Keterangan
Id Int 4 Primary key, Not null
Nama Varchar 50 Not null
<
