vi
Universitas Kristen Maranatha
ABSTRAK
Aplikasi sistem pakar diagnosa penyakit anjing dengan pembelajaran mesin
dan pembelajaran data histori ini dibuat untuk membantu pemilik hewan peliharaan
anjing dan juga pakar untuk melakukan diagnosa awal penyakit yang dialami anjing
berdasarkan gejala-gejala yang nampak pada anjing. Data histori pada aplikasi ini
diambil dari data medis dokter hewan yang nantinya diolah untuk menghasilkan
pohon keputusan dengan algoritma ID3. Untuk meningkatkan akurasi dari hasil
konsultasi akan digunakan metode konsultasi bertahap, yaitu dengan menggunakan
rules penyakit secara umum (generik) lalu dilajutkan dengan rules penyakit secara
khusus per kategori (spesifik). Pada aplikasi sistem pakar ini dapat dilakukan
konsultasi penyakit berdasarkan gejala, melihat dan mencari data dokter hewan, dan
melihat serta mencari data penyakit. Pembentukan aturan menggunakan tools bantuan
yaitu Weka dan pembuatan coding program menggunakan bahasa pemrograman C#
serta basis data SQL Server. Sedangkan untuk editor menggunakan Microsoft Visual
Studio 2010 dan SQL Server Management Studio 2008 R2. Untuk pengujian telah
dilakukan uji statistik dengan metode t-Test. Hasil t-Test untuk metode generik dan
spesifik menghasilkan nilai t-Stat -0.5087753814 dan nilai t-Critical two tails
2.024394147 yang berarti rentang antara keduanya tidak signifikan dikarenakan nilai
t-Stat lebih kecil. Hasil t-Test untuk metode generik dengan pakar menghasilkan nilai
t-Stat -1.45297 dan nilai t-Critical two tails 2.034394 yang berarti rentang antara
keduanya tidak signifikan dikarenakan nilai t-Stat lebih kecil. Dan hasil t-Test untuk
metode spesifik dengan pakar menghasilkan nilai t-Stat 0.161818 dan nilai t-Critical
two tails 2.024394 yang berarti rentang antara keduanya tidak signifikan dikarenakan
nilai t-Stat lebih kecil.
vii
Universitas Kristen Maranatha
ABSTRACT
Application of expert system diagnosis of dog diseases with machine learning
and learning history data was created to help owners of pet dogs and experts to
conduct preliminary diagnoses of illness experienced dogs based on the symptoms
that appear in dogs. Data history on the application is taken from veterinary medical
data to be processed to generate a decision tree with ID3 algorithm. To improve the
accuracy of the results of the consultation will be gradual, the consultation method
using rules of disease in General (generic) and the trip is continued with the rules
specifically diseases per category (specific). The application of expert system can be
done based on the symptoms, the disease consultation view and search data to vet,
and view and search for data. The establishment of the rules to use tools help the
Weka and the making of coding the program using the C # programming language
and the database of SQL Server. As for editors using Microsoft Visual Studio 2010
and SQL Server 2008 R2 Management Studio. For testing has undergone a statistical
method ttest. Results ttest for methods generic and specific produce value tstat
-0.5087753814 and value t-critical two tails 2.024394147 which means range between
both of insignificant value because t-stat smaller. Results t-test for methods generic
with experts produce value t-stat -1.45297 and value t-critical two tails 2.034394
which means range between both of insignificant value because t-stat smaller. And
results t-test for methods specif with experts produce value t-stat 0.161818 and value
t-critical two tails 2.024394 which means range between both of insignificant value
because t-stat smaller.
viii
Universitas Kristen Maranatha
DAFTAR ISI
KATA PENGANTAR ... i
LEMBAR PENGESAHAN ... iii
PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iv
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... v
ABSTRAK ... vi
ABSTRACT... vii
DAFTAR ISI... viii
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xiii
BAB I ...1
PENDAHULUAN ...1
1.1 Latar Belakang ...1
1.2 Rumusan Masalah ...2
1.3 Tujuan ...2
1.4 Batasan Masalah ...3
1.5 Sistematika Pembahasan ...3
BAB II ...5
LANDASAN TEORI ...5
2.1 Sistem Pakar ...5
2.1.1 Konsep Dasar Sistem Pakar ...6
2.1.2 Struktur Sistem Pakar ...7
2.2 Pembelajaran Mesin (Machine Learning) ...8
2.3 Algoritma ID3 (Iterative Dichotomiser 3) ...9
2.4 WEKA ...11
2.5 Uji Statistika ...14
2.5.1 Uji t-Test ...15
ix
Universitas Kristen Maranatha
BAB III ...19
ANALISIS DAN DESAIN ...19
3.1 Data Penyakit Hewan ...19
3.2 Arsitektur Sistem ...20
3.3 User Interface (Antarmuka Pengguna) ...28
3.4 Entity Relational Diagram Sistem Pakar Diagnosa Penyakit Anjing ...35
3.5 Use Case dan Activity Diagram ...36
3.5.1 Use Case Diagram ...36
3.5.2 Activity Diagram Pengguna Lihat Data Dokter Hewan ...36
3.5.3 Activity Diagram Pengguna Lihat Data Penyakit ...38
3.5.4 Activity Diagram Pengguna Tambah Data Penyakit ...39
3.5.5 Activity Diagram Pengguna Konsultasi ...40
BAB IV ...42
PENGEMBANGAN PERANGKAT LUNAK ...42
4.1 Implementasi Sistem ...42
4.2 Implementasi Penyimpanan Data ...45
4.3 Implementasi Antarmuka dan Rules ...46
BAB V ...58
TESTING DAN EVALUASI SISTEM ...58
5.1 Evaluasi Pebandingan Antara Association Rule (Apriori) dengan ID3 ...58
5.2 Evaluasi Perbandingan Kinerja Dokter Hewan dengan Mesin ...59
5.2.1 Testing Data dengan Rules Generik ...59
5.2.2 Testing Data dengan Rules Spesifik ...62
5.2.3 Testing Data dengan Pakar ...66
5.3 Uji Signifikasi dengan menggunakan t-Test ...68
5.4 Hasil Evaluasi ...74
5.5 Uji Blackbox ...74
5.5.1 Pengujian Form Jumlah Gejala ...75
x
Universitas Kristen Maranatha
5.5.3 Pengujian Form Masukkan Nama Penyakit ...76
BAB VI ...77
KESIMPULAN DAN SARAN ...77
6.1 Kesimpulan ...77
6.2 Saran ...77
xi
Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2. 1 Tampilan Awal Weka ...11
Gambar 2. 2 Tampilan Explorer Weka ...12
Gambar 2. 3 Pembuatan Rule pada Weka ...12
Gambar 2. 4 Menu Open File ...13
Gambar 2. 5 Explorer Weka setelah dimasukkan data ...14
Gambar 2. 6 Pilihan Metode Pengujian Data ...16
Gambar 2. 7 t-Test : Two Samples Assuming Equal Variance...16
Gambar 2. 8 Pengisian Variable ...17
Gambar 2. 9 Hasil Uji Signifikansi dengan Excel ...17
Gambar 3. 1 Open File pada explorer Weka ...21
Gambar 3. 2 Pilih file untuk diproses ...21
Gambar 3. 3 Menu Associate ...22
Gambar 3. 4 Parameter Apriori ...22
Gambar 3. 5 Hasil Apriori ...23
Gambar 3. 6 Pohon keputusan yang terbentuk ...25
Gambar 3. 7 Open File ...26
Gambar 3. 8 Jendela Classify ...26
Gambar 3. 9 Pilihan Algoritma Classify ...27
Gambar 3. 10 Proses pembentukan ID3...27
Gambar 3. 11 Gambaran Umum Program ...28
Gambar 3. 12 Halaman Utama ...29
Gambar 3. 13 Halaman Konsultasi ...30
Gambar 3. 14 Halaman Hasil ...31
Gambar 3. 15 Halaman Dokter Hewan ...32
Gambar 3. 16 Halaman Data Penyakit ...33
Gambar 3. 17 Antarmuka Penambahan Data Penyakit ...34
Gambar 3. 18 ERD Sistem Pakar Penyakit Anjing ...35
Gambar 3. 19 Use Case Diagram ...36
Gambar 3. 20 Activity Diagram Lihat Data Dokter Hewan ...37
Gambar 3. 21 Activity Diagram Lihat Data Penyakit ...38
Gambar 3. 22 Activity Diagram Tambah Data Penyakit ...39
Gambar 3. 23 Activity Diagram Konsultasi ...40
Gambar 4. 1 Hasil Aturan ID3 ...43
Gambar 4. 2 Hasil Rules Spesifik ...44
xii
Universitas Kristen Maranatha
Gambar 4. 4 Tampilan Konsultasi ...48
Gambar 4. 5 Tampilan Hasil Sementara (Generik) ...49
Gambar 4. 6 Tampilan Pertanyaan Lanjut(Spesifik) ...50
Gambar 4. 7 Tampilan Hasil Akhir (Spesifik) ...51
Gambar 4. 8 Tampilan Data Penyakit ...52
Gambar 4. 9 Masukkan Jumlah Gejala ...52
Gambar 4. 10 Masukkan Nama Gejala ...53
Gambar 4. 11 Pesan Gejala sudah ada di basis data ...53
Gambar 4. 12 Masukkan Keterangan Penyakit ...54
Gambar 4. 13 Kode Pemanggilan Aturan Baru ...56
Gambar 4. 14 Tampilan Data Dokter Hewan ...57
Gambar 5. 1 Hasil Apriori ...58
Gambar 5. 2 Tabel Data Hasil Testing ...72
Gambar 5. 3 Uji Signifikansi ID3 Generik dengan ID3 Spesifik...73
Gambar 5. 4 Uji Signifikansi ID3 Generik dengan Pakar ...73
xiii
Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 2. 1 Contoh Black Box Testing ...18
Tabel 3. 1 Data Penyakit Anjing ...19
Tabel 3. 2 Data Pasien ...20
Tabel 4. 1 Tabel Gejala ...45
Tabel 4. 2 Tabel Penyakit...45
Tabel 4. 3 Tabel Gejala ...45
Tabel 4. 4 Tabel Penyakit...46
Tabel 4. 5 Tabel Penyakit...46
Tabel 5. 1 Tabel Pengujian Rules Genetik ...59
Tabel 5. 2 Tabel Pengujian Rules Spesifik ...62
Tabel 5. 3 Tabel Akurasi ...68
Tabel 5. 4 Blackbox Form Jumlah Gejala ...75
Tabel 5. 5 Blackbox Form Masukkan Nama Gejala ...75
1
Universitas Kristen Maranatha
BAB I
PENDAHULUAN
1.1
Latar Belakang
Anjing adalah hewan peliharaan yang banyak disukai orang. Hewan ini setia,
bisa diajak bermain dan jalan-jalan. Biasanya pemilik anjing menganggap hewan ini
sebagai sahabat mereka. Namun sama halnya seperti manusia, anjing juga dapat
terserang penyakit, baik penyakit yang tergolong penyakit pencernaan, organ dalam,
kulit dan penyakit lainnya. Hal ini kadang membuat pemilik anjing panik dan tidak
tahu harus berbuat apa. Oleh karena itu diperlukanlah seorang ahli atau pakar yang
dapat membantu pemilik anjing dengan pengetahuan yang dimilikinya, dalam kasus
ini adalah dokter hewan.
Dokter hewan adalah dokter yang bergerak dalam bidang kesehatan khusus
hewan. Dokter inilah yang diperlukan keahlian dan pengetahuannya agar membantu
pemilik anjing untuk menjaga dan merawat kesehatan anjingnya. Namun keberadaan
dokter hewan masih sulit dijumpai. Hal ini diperkuat dengan sedikit ulasan pada
website salah satu stasiun televisi swasta yang menyatakan bahwa jumlah dokter
hewan masih kurang dari jumlah yang dibutuhkan saat ini. Jumlah penduduk di kota
Bandung sekitar tiga juta jiwa diasumsikan bahwa pemilik hewan peliharaan anjing
sekitar seperempat atau sekitar lima ratus ribu jiwa, sedangkan jumlah dokter hewan
hanya sekitar dua belas ribu jiwa dan tidak tersebar rata hanya terpaku pada daerah
kota saja. Tentu saja jumlah itu tidak sebanding dengan jumlah hewan peliharaan
(Budiana, 2013).
2
Universitas Kristen Maranatha
hasil diagnosa dokter. Hal ini yang kadang menyebabkan anjing yang sedang sakit
sudah tidak tertolong lagi.
Maka dari itu diperlukan suatu sistem untuk merepresentasikan pengetahuan
dari pakar yang beorientasikan pada data history atau dalam kasus ini data medis
untuk membantu mendiagnosa serta meningkatkan persentase dari diagnosa dan
memberikan solusi yang mungkin dapat dilakukan oleh pemilik hewan untuk
memberikan pertolongan pertama sebelum pemeriksaan lebih lanjut pada dokter
hewan. Sistem ini juga nantinya akan dibandingkan dengan keahlian pakar agar
terlihat mana hasil yang lebih akurat antara mesin dengan pakar.
1.2 Rumusan Masalah
Dari latar belakang tersebut dapat didefinisikan permasalahan sebagai berikut:
1.
Bagaimana pemilik dapat mengetahui penyakit yang diderita anjing
berdasarkan gejala-gejala yang timbul dengan pembelajaran mesin dan
data history?
2.
Bagaimana cara membantu kerja pakar yang jumlahnya terbatas?
3.
Bagaimana pemilik dapat mendapatkan solusi atau cara untuk
memberikan pertolongan pertama pada anjing yang terserang penyakit ?
4.
Bagaimana membandingkan keakuratan antara mesin dengan pakar?
1.3 Tujuan
Tujuan dari pembuatan karya ilmiah ini adalah :
1.
Membuat suatu aplikasi yang dapat mendiagnosa penyakit yang diderita
oleh anjing berdasarkan gejala-gejala yang tampak melalui pembelajaran
mesin dan data history.
2.
Membuat suatu aplikasi yang dapat membantu kerja pakar karena jumlah
pakar yang terbatas.
3
Universitas Kristen Maranatha
4.
Memberikan suatu perbandingan hasil diagnosa mana yang lebih akurat
antara mesin dengan pakar.
1.4 Batasan Masalah
Berikut adalah batasan-batasan dalam pembuatan aplikasi ini :
1.
Aplikasi ini terfokus pada diagnosa penyakit umum yang terjadi pada
anjing.
2.
Aplikasi ini memberikan solusi untuk pertolongan pertama yang dapat
dilakukan oleh pemilik anjing.
3.
Aplikasi ini dapat diakses oleh semua user baik pakar maupun orang yang
ingin berkonsultasi.
4.
Pembuatan rule atau aturan menggunakan aplikasi pembantu. Seperti
contohnya adalah “Weka”.
5.
Data yang digunakan untuk pembentukan aturan adalah data histori.
Dalam kasus ini digunakan data medis dokter hewan.
6.
Jumlah data pasien yang ada adalah 80 pasien dimana 60 pasien akan
digunakan sebagai dasar pembuatan aturan dan 20 pasien untuk pengujian
akhir.
7.
Penambahan penyakit terfokus pada penyakit yang baru dengan gejala
yang baru agar tidak merusak susunan pohon utama.
1.5 Sistematika Pembahasan
BAB I PENDAHULUAN : Bab ini berisi penjelasan tentang latar belakang
pemilihan masalah, apa yang akan dirancang untuk solusi dari masalah yang ada,
tujuan dibuatnya solusi tersebut, batasan-batasan apa saja yang dibahas di dalamnya
dan sistematika dari penulisan.
4
Universitas Kristen Maranatha
BAB III ANALISIS DAN DESAIN : Bab ini menjelaskan analisis tentang
permasalahan yang ada untuk merancang aplikasi ini. Analisis meliputi analisis
sistem yang sedang berjalan dan analisis sistem yang akan dibangun serta rancangan
user interface .
BAB IV PENGEMBANGAN PERANGKAT LUNAK : Bab ini berisi tentang
pengimplementasian perancangan yang sudah dirancang pada Bab III. Di dalamnya
terdapat kumpulan screenshot program dan coding program.
BAB V TESTING DAN EVALUASI SISTEM : Bab ini berisi tentang apakah setiap
fungsional sudah berjalan sesuai dengan yang diinginkan atau tidak. Pada bab ini
digunakan blackbox testing untuk pengujiannya.
77
Universitas Kristen Maranatha
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil penelitian yang telah dilakukan selama pembuatan tugas akhir ini
dapat diambil kesimpulan sebagai berikut:
1.
Ketepatan pakar masih lebih handal dibandingkan dengan mesin, tetapi tidak
berbeda jauh hasilnya seperti ditunjukkan oleh gambar 5.3, gambar 5.4 dan
gambar 5.5 yang menunjukkan nilai t-Stat lebih kecil dibandingkan dengan
nilai t-Critical two tails.
2.
Pembelajaran data history dapat digunakan untuk pembentukan aturan atau
keputusan asalkan memiliki jumlah data yang cukup dan informasi yang jelas.
3.
Baik rules generik maupun spesifik masing-masing memiliki tingkat
keakuratan yang cukup baik sehingga jika disatukan dapat menghasilkan hasil
yang lebih baik juga.
4.
Aplikasi memberikan informasi yang cukup dibutuhkan oleh penggunanya
sehingga dapat membantu pekerjaan dokter hewan.
6.2 Saran
Beberapa hal yang dapat ditambahkan atau diperbaiiki jika akan melanjutkan
penelitian ini adalah:
1.
Dibuat versi mobile agar lebih mudah di akses.
78
Universitas Kristen Maranatha
DAFTAR PUSTAKA
Budiana, N. (2013, Mei 8). Metro TV News - Jumlah Dokter Hewan Masih Kurang. Retrieved June 22, 2013, from Metro TV News:
http://www.metrotvnews.com/lifestyle/read/2013/05/08/913/152164/Jumlah-Dokter-Hewan-Masih-Kurang-
Caprianti, P. (2013, Mei 16). Perpustakaan Universitas Gunadharma - Digital Library. Retrieved 6 23, 2013, from Perpustakaan Universitas Gunadharma:
http://library.gunadarma.ac.id/repository/view/3755019/aplikasi-sistem-pakar-diagnosa-penyakit-anjing-berbasis-android.html/
Ignizio, J. (1991). Introdution to Expert System. New York: Mc Graw-Hill Companies.
Mitchell, T. M. (1997). Machine Learning. In Mitchell, Machine Learning (pp. 55-58). New York: Mc Grwa-Hill Companies.
Octaviani, S. F., Purwadi, J., & Delima, R. (2011). Jurnal Informatika - Universitas Kristen Duta Wacana. Retrieved June 22, 2013, from Jurnal Informatika:
http://ti.ukdw.ac.id/ojs/index.php/informatika/article/view/101/64
Sugiyono. (1996). Statistika untuk Penelitian. Bandung: Alfabeta.
Weka. (1999). Retrieved 2013, from The University og Waikato: http://www.cs.waikato.ac.nz/ml/weka/
