Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan Menggunakan
Metode Naive Bayes
Alfian Himawan1, Nurul Hidayat2, Mahardeka Tri Ananta2
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1himawanian00@gmail.com, 2ntayadih@ub.ac.id, 3deka@ub.ac.id
Abstrak
Hewan peliharaan manusia,salah satunya anjing merupakan makhluk social yang bisa berinteraksi dengan sesamanya ataupun manusia sehingga tidak sedikit orang memilih anjing sebagai hewan peliharaan. Namun, anjing juga dapat mengidap penyakit menular yang dapat berdampak buruk bagi manusia. Keberadaan pakar akan sangat membantu dalam hal menangani permasalahn penyakit pada anjing dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan penyakit apa yang menyerang. Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi bayes sederhana yang lebih dikenal sebagai naive bayesian classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuh kelas yang diberikan adalah bebas dari atribut-atribut lain. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-gejala klinis pada anjing. Hasil pengujian penelitian ini menunjukkan akurasi sistem sebesar 90%.
Kata kunci: penyakit anjing, sistem pakar, naive bayes
Abstract
Human pets, dog is a social creature that can interact with each other or humans so that not a few people prefer dogs as pets. However, dogs can also have an infectious disease that can be bad for humans, the presence of an expert would be helpful in terms of solving the diseases that attack dogs by means of identifying the symptoms that plagued and conclude what disease. Naive Bayes method is a method used to predict probabilities. While Bayes classification is the classification of statistics that can predict the probability of a class member. For a more simple Bayes classification known as naïve Bayesian Classifier can be assumed that the effect of an attribute value is a class given is free of other attributes. The required variable in this study is clinical symptoms in dogs. The results of this research testing showed the accuracy of the system are 90%.
Keywords: dog disease, expert system, naive bayes
1. PENDAHULUAN
Anjing merupakan hewan peliharaan manusia yang bisa berinteraksi dengan sesame ataupun manusia sehingga tidak sedikit orang memilih anjing sebagai hewan peliharaan. Namun anjing juga dapat berdampak buruk bagi manusia. Dari berbagai macam manfaat yang dapat diperoleh dari hewan satu ini, pemilik anjing harus mengetahui bagaimana cara merawat dan menjaga kesehatan hewan ini secara benar agar terhindar dari berbagai macam penyakit yang dapat menjangkiti.
Sampai sekarang ternyata sebagian besar dari para pecinta anjing tersebut terkadang tidak
tahu penyakit apa yang sedang dialami oleh anjing mereka, bahkan banyak dari mereka yang tidak tahu bahwa anjing mereka sedang sakit, yang akibatnya berujung pada kematian karena penanganan yang terlambat. Ada juga pemilik yang mengobati sendiri anjingnya, tanpa mengetahui dengan jelas terlebih dahulu apa penyakit yang sedang dideritanya dana pa obat yang cocokuntuk penyakit tersebut.
kondisi fisik hewan itu sendiri.
Tidak semua pemilik anjing memiliki pengetahuan tentang bagaimana merawat anjing dengan baik. Apabila anjingtidak dirawat dengan baik, maka akan berdampak buruk bagi kondisi kesehatan anjing dan dapat terserang penyakit menular sehingga dapat menyebabkan kematian, baik terhadap anjing yang menularkan maupun yang ditularkan. Pemilik anjing membutuhkan bantuan seorang pakar untuk mengatasi masalah tersebut yaitu dokter hewan. Dikarenakan keberadaan dokter hewan yang terbatas dan tidak selalu ada setiap saat, maka diperlukan suatu alternatif yang dapat memberikan kemudahan dan memiliki kemampuan layaknya seorang dokter hewandalam mendiagnosa penyakit menular yang diderita oleh anjing peliharaannya.
Pada penelitian sebelumnya dengan metode naive bayes untuk mendeteksi penyakit down sysdrome menggunakan 30 data uji, diperoleh hasil dengan nilai akurasi 93,3% (Wijoyo, 2016). Penelitian selanjutnya menggunakan metode naive bayes dalam aplikasi untuk diagnosis penyakit hama pada tanaman kacang panjang, dapat diperoleh hasil dengan tingkat keberhasilan didapat hasil pengujian 81,25% dan nilai error sebesar 81,25% (Purwantiningsih, 2015).
Berdasarkan permasalahan diatas solusi untuk mendiagnosis penyakit-penyakit pada anjing dengan menggunakan metode naive bayes. Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi bayes adalah klasifikasi statistic yang dapat memprediksi kelas suatu anggota probabilitas.
2. LANDASAN KEPUSTAKAAN
2.1. Sistem Pakar
Sistem pakar adalah sistem komputer yang mengemulasi kemampuan kepakaran manusia. Kata mengemulasi diartikan lebih kuat dari simulasi yang berarti bahwa sistem pakar diharapkan mampu bertindak sebagaimana yang dilakukan pakar manusia dalam melakukan penalaran untuk memberikan suatu justifikasi/kesimpulan. Dalam melakukan penalaran,sistem pakar banyak memanfaatkan pengetahuan yang disimpan oleh sistem sebagai basis pengetahuan untuk menyelesaikan masalah pada tingkatan sebanding dengan pakar manusia. Sistem pakar dikembangkan melalui
beberapa tahapan, tahapan yang paling rumit adalah tahapan representasi pengetahuan yang meliputi pembuatan tabel keputusan, penyusunan pohon keputusan, peringkasan pohon keputusan, penyusunan kaidah-kaidah (Hartati dan iswanti,2013).
2.2. Naive Bayes Classifier
Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal sebagai naïve Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain.Naïve Bayes Classifier merupakan sebuah metoda klasifikasi yang berakar pada teorema Bayes. Ciri utama dari Naïve Bayes Classifier ini adalah asumsi yang sangat kuat (naif) akan independensi dari masing-masing kondisi/kejadian (Fais dkk, 2014).
Secara garis besar model naive bayes classifier ditunjukkan pada Persamaan (1) (Sutojo,2011) .
𝑝(𝐻|𝐸) = 𝑝(𝐸|𝐻𝑝(𝐸)) 𝑥 𝑝(𝐻) (1)
Dengan:
1. p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi
2. p(E|H) = probabilitas munculnya evidence E jika hipotesis H terjadi
3. p(H) = probabilitas hipotesis H tanpa memandang evidence apapun
4. p(E) = probabilitas evidence E tanpa memandang apapun
Atau dengan kata lain persamaan diatas dapat digambarkan sebagai Persamaan (2).
𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 𝑃𝑟𝑖𝑜𝑟 𝑥 𝐿𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑𝐸𝑣𝑖𝑑𝑒𝑛𝑐𝑒 (2) Perhitungan naive bayes dapat dilakukan dengan langkah berikut ini:
𝑃 =XA (3) Keterangan :
P = Nilai prior
X = Jumlah data tiap kelas A = jumlah data seluruh kelas
2. Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan Persamaan (4).
L=𝐹𝐵 (4)
Keterangan:
L = Nilai likelihood
F = jumlah data feature tiap kelas B = jumlah seluruh fitur tiap kelas
3. Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan Persamaan (5). P(c|a) = P(c) x P(a|c) (5) Keterangan:
P(c) = Nilai prior tiap kelas P(a|c) = Nilai likelihood
Hasil klasifikasi dengan menggunakan metode Naive Bayes dilakukan dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi.
2.3. Anjing
Anjing adalah hewan peliharaan mamalia, bukan hewan liar alami. Mereka awalnya dibiakkan dari serigala. Mereka telah lama dikembangbiakkan manusia, dan merupakan hewan pertama yang harus dijinakkan. Saat ini, beberapa anjing digunakan sebagai hewan peliharaan, yang lainnya digunakan untuk membantu manusia melakukan pekerjaan mereka. Mereka adalah hewan peliharaan yang populer karena mereka biasanya main-main, ramah, setia dan mendengarkan manusia. Anjing sering memiliki pekerjaan, termasuk sebagai anjing polisi, anjing tentara, anjing bantuan, anjing pemadam kebakaran, anjing pembawa pesan, anjing pemburu, anjing penggembala, atau anjing penyelamatan.
3. METODOLOGI
3.1. Alur Naive Bayes Classifier
Alur naive bayes terdiri dari ditunjukkan pada Gambar 1.
Gambar 1. Contoh penggunaan gambar
3.2. Data Penelitian
Data hasil penelitian dan observasi lapangan yang telah dilakukan akan digunakan sebagai data training tersebut merupkan aturan-aturan yang nantinya akan digunakan sebagai basis pengetahuan pada system pakar diagnosis penyakit pada anjing. Kode dan gejala klinik yang terdapat pada penyakit anjing dapat dilihat pada Tabel 1.
Tabel 1. Gejala dan Penyakit Pada Anjing
Kode
Gejala Gejala Klinis Penyakit
G1 Rambut rontok Demodicosis Dermatofitosis G2 Kulit berketombe Demodicosis
G3 Kulit
berkerak/keropeng Demodicosis
G4 Gatal
Demodicosis Scabiosis Dermatofitosis
START
Gejala Klinis Anjing
Prior = jumlah kelas suatu penyakit / total kelas
Likelihood = jumlah data fitur / jumlah seluruh fitur
Posterior = Prior x Likelihood
Penyakit yang menyerang anjing
G6 Hiperpigmentasi Demodicosis G7 Bentol pada kulit Scabiosis G8 Menggaruk-garuk Scabiosis G9 Rambut patah-patah Scabiosis
G10
Hiperkeratosis (penebalan kulit) pada bagian telapak tangan, kaki dan siku antar jari
Scabiosis
G11 Head-shaking Otitis
G12 Menggaruk-garuk
telinga/gatal Otitis G13 Leleran dari telinga Otitis
G14
Serumen baru berwarna coklat gelap
Otitis
G15 alpesia (pitak) Dermatofitosis
G16
Lesi berbentuk lingkaran dengan pinggiran
berketombe (ringworm)
Dermatofitosis
G17 diare Helminthiasis G18 Rambut kusam Helminthiasis
G19 Kurus (berat badan turun) Helminthiasis
G20 Muntah Helminthiasis
G21 Anoreksia (tidak nafsu makan) Helminthiasis
G22 Kotoran mata
berlebih Helminthiasis
G23 Ditemukan cacing pada feses Helminthiasis
4. HASIL IMPLEMENTASI
4.1. Tampilan Antarmuka Halaman Utama
Tampilan antarmuka halaman utama yang ditunjukkan merupakan halaman awal ketika pengguna membuka sistem, pada halaman ini terdapat dua tombol atau menu yaitu daftar gejala dan penyakit dan Diagnosa pada Gambar 2.
Gambar 2. Tampilan Antarmuka Halaman Utama
4.2. Tampilan Antarmuka Daftar Gejala dan Penyakit
Tampilan antarmuka tentang penyakit yang ditunjukkan merupakan tampilan halaman yang muncul ketika pengguna mengklik tombol daftar gejala dan penyakit pada halaman utama, pada halaman ini pengguna akan mendapatkan daftar penyakit yang menyerang anjing dan gejala-gejalanya pada Gambar 3.
Gambar 3. Tampilan Antarmuka Halaman Daftar Gejala dan Penyakit
4.3. Tampilan Antarmuka Diagnosa
Gambar 4. Tampilan Antarmuka Halaman Diagnosa
4.4. Tampilan Antarmuka Hasil Diagnosa
Tampilan antarmuka hasil diagnosa yang ditunjukkan merupakan tampilan halaman yang muncul ketika pengguna mengklik tombol diagnosa pada halaman diagnosa, pada halaman ini pengguna akan mendapatkan informasi hasil perhitungan dan diagnosa penyakit anjing pada Gambar 5.
Gambar 5. Tampilan Antarmuka Halaman Hasil Diagnosa
5.
PENGUJIAN DAN ANALISIS
Pengujian ini dilakukan dengan menguji tingkat keakuratan atau kesesuaian dari data testing yang didapatkan dari pakar dengan hasil output dari sistem. Data testing yang didapatkan sebanyak 50, keseluruhan data latih didapatkan dari pakar dan setelah ditelaah terdapat 6 data uji yang sama dengan data latih. Kemudian akan dilakukan percobaan dengan masukan sesuai
data uji, kemudian nilai akurasi akan didapatkan dari perhitungan menggunakan Persamaan 2-4.
Dari percobaan yang telah dilakukan sebanyak 50 data uji didapatkan hasil keluaran sistem yang sesuai sebanyak 45 dimana ketidak sesuaian keluaran dari sistem dengan hasil uji dari pakar terdapat pada data uji nomor 30, 31, 33, 47 dan 50 dimana menurut pakar untuk masukan gejela-gejala tersebut sistem seharusnya tidak dapat mendiagnosis penyakit dikarenakan gejala yang dimasukkan gejala yang kurang spesifik dan bukan gejala khusus tetapi sistem justru mampu mendiagnosis penyakit saat pengguna memasukkan gejala-gejala tersebut.. sehingga didapatkan nilai akurasi:
𝑎𝑘𝑢𝑟𝑎𝑠𝑖 =4550 𝑥 100%
Maka akurasi yang didapatkan sebesar 90% .
6. KESIMPULAN
Berdasarkan hasil pengujian dan analisis hasil penelitian ini, maka dapat diambil beberapa kesimpulan sebagai berikut:
1. Sistem pakar diagnosis penyakit pada anjing berhasil diimplentasi dalam bentuk perangkat lunak dengan fungsi melakukan diagnosis penyakit pada anjing. Selain itu terdapat pula menu berupa informasi daftar penyakit pada anjing beserta gejala—gejala nya.
2. Metode naive bayes baik digunakan untuk diagnosis penyakit pada anjing karena menghasilkan tingkat akurasi sebesar 90%.
7. DAFTAR PUSTAKA
Agustiawan, Beni. 2015. Sistem Klasifikasi Penyakit Tenggorokan Berbasis WEB Menggunakan Metode Naive Bayes
Anugroho, Prasetyo. 2010. Klasifikasi Email Spam dengan Metode Naive Bayes Classifier Menggunakan Java Programming
An, Yunjing, Shutao Sun, Shujuan Wang. 2017. Naive Bayes Classifiers for Music Emotion Classification Based on Lyrics
Confix Stripping Stemmer. Vol. 4, No.2
As’ad, Bahrawi. 2016. Prediksi Keputusan
Menggunakan Metode Klasifikasi Naive Bayes, One-R dan Decisision Tree
Badan Pusat Statistik. 2015. Produksi Tanaman Pangan 2015. CV. Tapasuma Ratu Agung
Badan Pusat Staistik. 2015. Buletin Statistik Perdagangan Luar Negeri Impor April 2017. CV. Josevindo Fahrurozi, Achmad. 2014. Klasifikasi Kayu
dengan Menggunakan Naive Bayes Classifier
Fhadli, Muhammad. 2017. Peringkasan Literatur Ilmu Komputer Bahasa Indonesia Berbasis Fitur Statistik dan Linguistik menggunakan Metode Gaussian Naïve Bayes
Hartati, Sri dan Sari Iswanti. 2013. Sistem Pakar dan Pengembangannya. Yogyakarta : Graha Ilmu
J., Pajrin, Johanis Panggesso dan Rosmini. 2013. Uji Ketahanan Beberapa Varietas Jagung (Zea mays L.) Terhadap Intensitas Serangan Penyakit Bulai (Peronosclerospora maydis)
Karina, Nia Esti, Yuni Yamasari. 2013. Aplikasi diagnosis Kanker Kandungan dengan Menggunakan Metode Naive Bayes (Studi Kasus : Rumah Sakit Islam Surabaya)
Kusumadewi, Sri. 2009. klasifikasi status gizi menggunakan naive bayesian classification
Maharani. Navita., 2014. Analisis Keunggulan Komparatif Komoditas Jagung (Zea mays L.) di Kabupaten Kediri. Volume XIV No. 3 Marofi, M. Nuzulul. 2017. Rancang Bangun
Sistem Klasifikasi Frekuensi Penggunaan Minyak Goreng dengan Menggunakan Metode Bayes
Nugroho, Septian Yuda, 2014. Data Mining Menggunakan Algoritma Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro Saputra, Eko. 2014. Usability Testing untuk
Mengukur Penggunaan Website Inspektorat Kota Palembang. Semangun, Haryono. 1993. Penyakit-Penyakit
Tanaman Pangan di Indonesia. Yogyakarta : Gadjah Mada University press
SetyaStiawan, Ivan. 2013. Peranan Komoditas Jagung (Zea mays L.) Terhadap Peningkatan Pendapatan Wilayah Kabupaten Karo ``
Sutojo. T., Mulyanto. E, Suhartono V., 2011.Kecerdasan Buatan.C.V Andi Offse
