View of Perbandingan Certainty Factor dan Forward Chaining untuk Diagnosa Awal Penyakit Kulit Pada Kucing (Studi Kasus : UPT Klinik Hewan Kota Bandung)

(1)

Perbandingan Certainty Factor dan Forward

Chaining untuk Diagnosa Awal Penyakit Kulit

Pada Kucing (Studi Kasus : UPT Klinik

Hewan Kota Bandung)

Nur Jati Luhung M1_{, Aldy Rialdy Atmadja}2_{, Wisnu Uriawan}3

Jurusan Teknik Informatika, Fakultas Sains dan Teknologi UIN SGD Bandung Jl.A.H Nasution 105 Bandung 40614

1_{[email protected]}_,2_{[email protected]}_,3_{[email protected]}

Abstract-Cats are animals that are prone to skin diseases if not treated properly, this happens because many bacteria and fungi attached to the skin of cats due to not treated properly. Certainty Factor and Forward Chaining is a multiattribute method to infer a factual problem as well as a hypothesis usually used in expert systems. Forward chaining itself is data driven because the inference starts from the available information and is then inferred. Certainty Factor uses a definite or uncertain hypothesis method that uses metrics whereas forward chaining uses data driven from available information and after that comes the conclusion. Most animal owners, especially cat owners can not know the symptoms of cat skin disease so there are still many cat owners who are confused in knowing the state of his cat is sick or not. Certainty factor and forward chaining resulted in conclusions about early diagnosis of skin diseases in cats as well as displaying a predictable rate of early diagnosis of skin disease in cats.

Keywords: Certainty Factor, Forward Chaining, diseases of cats

Abstrak-Kucing adalah hewan yang rentan terhadap penyakit kulit jika tidak dirawat dengan baik, hal ini terjadi karena banyak bakteri serta jamur yang menempel pada kulit kucing akibat tidak dirawat dengan benar. Certainty Factor dan Forward Chaining adalah metode multiatribut untuk menyimpulkan suatu masalah yang berdasarkan fakta serta hipotesa yang biasanya digunakan pada sistem pakar. Forward chaining itu sendiri merupakan data driven karena inferensi yang dimulai dari informasi yang tersedia dan baru kemudian disimpulkan. Certainty Factor menggunakan metode hipotesa pasti atau tidak pasti yang menggunakan metric sedangkan forward chaining menggunakan data driven dari informasi yang tersedia dan setelah itu didapat kesimpulan. Kebanyakan pemilik hewan terutama pemilik kucing belum bisa mengetahui gejala penyakit kulit kucing sehingga masih banyak pemilik kucing yang bingung dalam mengetahui keadaan kucing miliknya sedang sakit atau tidak. Certainty factor dan forward chaining menghasilkan kesimpulan tentang diagnosa awal penyakit kulit pada kucing serta menampilkan angka kepastian diagnosa awal penyakit kulit pada kucing.

Kata kunci : Certainty Factor, Forward Chaining, Penyakit Kucing

I. PENDAHULUAN

Penyakit pada kucing, seringkali membuat pemiliknya merasa bingung karena kurangnya pengetahuan pemilik tentang penyakit binatang tersebut. Permasalahan yang sering terjadi antara lain ketidaktahuan masyarakat tentang informasi dalam diagnosa dan penanganan penyakit pada binatang kucing, serta terkadang sulit untuk menemui seorang ahli/pakar dalam keadaan mendesak[1]. Banyaknya kucing peliharaan dirumah yang sakit terkadang membuat pemilik kucing bingung dalam melihat dan mengatasi gejala penyakit yang dialami oleh kucing mereka.

Sebagian pemelihara kucing tidak mengetahui tentang cara merawat dan mengetahui gejala-gejala penyakit yang terjadi pada kucing. Hal ini tentu akan sangat membahayakan bagi kucing jika menderita suatu penyakit

(2)

bakteri atau sistem pakar untuk penyakit kanker darah pada anak. Selain untuk diagnosis penyakit pada manusia, diperlukan juga sistem yang dapat membantu diagnosis terhadap hewan peliharaan. Untuk mencari informasi tentang suatu penyakit pada kucing, saat ini masyarakat bisa menemukan banyak situs website yang menginformasikan tentang dunia kucing beserta penyakit-penyakitnya. Tetapi permasalahannya adalah pemilik kucing di daerah pelosok belum begitu bisa memanfaatkan tekhnologi internet untuk mencari informasi mengenai dunia kucing. Saat ini juga telah ada program yang bisa mendeteksi suatu penyakit pada kucing tetapi yang bisa di deteksi hanya beberapa penyakit saja.

Permasalahan yang terjadi pada klinik ini adalah pemilik hewan pelihaaan belum mengetahui diagnosa awal penyakit kulit pada kucing mereka ketika ditanya oleh dokter hewan, masih banyak juga pemilik hewan yang bingung ketika ditanya kucing peliharaannya sakit apa dari penyebab serta gejala yang dialami kucing peliharaannya.

Inferensi dengan forward chaining menggunakan pendekatan data-driven karena inferensi dimulai dengan fakta yang tersedia untuk menghasilkan konklusi. Jika suatu aplikasi menghasilkan pohon keputusan yang lebar dan tidak dalam, maka sebaiknya menggunakan forward chaining[3]. Certainty Factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti atau tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Berdasarkan permasalahan untuk mengatasi penyakit kulit pada kucing Persia, maka perlu dibangun suatu sistem yang terkomputerisasi yang memiliki pengetahuan seperti dokter hewan dan sistem tersebut dapat menjadi alat bantu dalam mendiagnosis jenis penyakit dan memberi solusi cara pengobatan dan pencegahannya. Sistem Pakar adalah salah satu bidang pengetahuan yang dapat mejadi alat bantu dalam mengatasi masalah tersebut[4]. Kedua metode ini cocok untuk di gunakan pada kasus ini.

Sistem yang akan di bangun adalah sistem yang akan menampilkan diagnosa awal penyakit kulit pada hewan peliharaan khususnya kucing dari beberapa data yang di sudah ada. Diagnosa yang di maksud adalah hasil kesimpulan dari beberapa gejala penyakit yang dialami kucing ( ciri secara fisik maupun kelakuan ). Semakin banyaknya data diagnosa tersebut maka semakin banyak pula data yang harus di usulkan. Dengan demikian judul yang sesuai adalah Rancang Bangun Sistem Pakar Diagnosa awal Penyakit Kulit Pada Kucing Dengan Menggunakan Certainy Factor dan Metode Forward Chaining. Dengan menggunakan metode ini di maksudkan agar sistem bersifat spesifik antara diagnosa dengan gejala yang terjadi.

II. METODE PENELITIAN Pada penelitian ini metode yang dipakai ada dua metode yaitu:

2.1 Algoritma Certainty Factor

Faktor kepastian (Certainty Factor) menyatakan kepercayaan dalam sebuah kejadian (atau fakta atau hipotesis) berdasarkan bukti atau penilaian pakar. Certainty factor menggunakan suatu nilai untuk mengasumsi derajat keyakinan seorang pakar terhadap suatu data[10].

Certainty factor memperkenalkan konsep keyakinan dan ketidakyakinan yang kemudian diformulakan dalam rumusan dasar sebagai berikut:

CF [H,E]= MB[H,E] – MD[H,E] (1)

1. Certainty Factor untuk kaidah dengan premis/gejala tunggal (single premis rules):

CFgejala=CF[user] * CF[pakar] (2)

2. Apabila terdapat kaidah dengan kesimpulan yang serupa (similiary concluded rules) atau lebih dari satu gejala, maka CF selanjutnya dihitung dengan persamaan: CFcombine= CFold+ CFgejala *(1- CFold) (3)

Ada dua acara dalam mendapatkan tingkat keyakinan ( CF ) dari sebuah rule yaitu:

1. Metode yang diusulkan oleh E.H Shortlife dan B.G Buchanan

CF( Rule ) = MB( H, E ) – MD( H, E ) Keterangan :

CF( Rule ) = Faktor kepastian

MB( H, E ) = measure of belief ( ukuran kepastian ) terhadap hipotesis H, jika diberikan evidence E ( antara 0 dan 1 )

MD( H, E ) = measure of disbelief ( ukuran ketidakpastian ) terhadap hipotesis H, jika diberikan evidence E ( antara 0 dan 1 )

2. Dengan cara mewawancarai seorang pakar.

Nilai CF( Rule ) didapat dari interpretasi “term” dari pakar, yang diubah menjadi CF tertentu.

2.2 Algoritma Forward Chaining

Forward chaining adalah teknik pencarian yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta – fakta tersebut dengan bagian IF dari rules IF-THEN. Bila ada fakta yang cocok dari bagian IF, maka rule tersebut dieksekusi. Bila sebuah rule dieksekusi, maka sebuah fakta baru (bagian THEN) ditambahkan ke dalam database. Setiap kali pencocokan dimulai dari rule teratas. Setiap rule hanya boleh dieksekusi sekali saja. Proses terhenti apabila tidak ada lagi yang bisa dieksekusi[10]. Pendekatan yang digunakan dalam penelitian ini adalah forward chaining, yang bekerja sebagai berikut:

a. Sistem mulai dengan satu atau beberapa fakta.

b. Untuk setiap fakta, sistem mencari aturan dalam basis pengetahuan yang berkorespondensi dengan premis aturan. c. Setiap aturan dapat menghasilkan fakta baru yang berasal dari konklusi aturan. Fakta baru ini ditambahkan ke kumpulan fakta yang sudah ada.

d. Setiap fakta baru yang ditambahkan ke dalam sistem akan diproses. Jika ditemukan suatu fakta baru, sistem akan kembali ke langkah b dan mengulang langkah c. Jika tidak ada konklusi baru, proses akan berakhir.

A. TABEL

Berikut ini tabel yang terdapat pada sistem pakar penyakit kulit pada kucing .

(3)

157 Tabel ini yakni Nilai CF( Rule ) didapat dari

interpretasi “term” dari pakar, yang diubah menjadi CF tertentu:

Tabel 1. Tabel kepastian certainty factor

Uncertain term CF

Definitely not (pasti tidak) Almost certainly not (hampir pasti tidak) Probably not (kemungkinan besar tidak)

Maybe not (mungkin tidak) Unknown (tidak tahu) Maybe (mungkin) Probably (kemungkinan besar)

Almost certainly (hampir pasti)

Definitely (pasti)

-1.0 -0.8 -0.6 -0.4 -0.2 to 0.2 0.4 0.6 0.8 1.0

2. Perancangan Database a. Login Pakar

Login ini berfungsi untuk menyimpan data login pakar yang akan mengakses data pasien serta penyakit.

Tabel 2 Login Pakar

Type Data

Nama Deskripsi

Varchar (50) Username

-Varchar (50) Password

-b. Pasien

Tabel pasien ini berfungsi sebagai tempat untuk menyimpan data pasien yang telah melakukan konsultasi.

Tabel 3 Tabel pasien

Type Data Nama Deskripsi

Int (4) Id Primary key

Varchar (60) Nama

-Enum ('J', 'B') Kelamin

-Varchar (100) Alamat

-Datetime Tanggal

-c. Data Penyakit

Tabel ini berfungsi untuk menyimpan data penyakit yang ada.

Tabel 4 Tabel data Penyakit

Int (4) kd_penyakit Primary Key Varchar (60) nm_penyakit

-Varchar (255) Penyebab

-Text Keterangan

-Text Solusi

-Double Cf_combine

-d. Data gejala_fc

Tabel ini berfungsi menyimpan data gejala penyakit kulit kucing yang telah diperoleh dari hasil wawancara

Tabel 5 Tabel Data gejala_fc

Int (4) Kd_gejala Primary key

Varchar (100) Nm_gejala

-Varchar (100) Kd_penyakit

-Double Cf_pakar

-Double Cf_user

-Varchar (25) Yes

-Varchar (25) No

-Int (11) Kategori

-Int (11) Urutan

-e. Data detail gejala

Tabel ini berfungsi sebagai menyimpan data detail dari gejala forward chaining yng nantinya ditampilkan saat kesimpulan.

Tabel 6 Tabel Data detail gejala

Int (4) Id_dg Primary key

Varchar (100) Kd_gejala

-Varchar (100) Deskripsi

-Double Nilai

-Int (11) Urutan

-f. Data pilihan_jawaban

Tabel ini berfungsi sebagai penampung pilihan jawaban yang akan ditampilkan di konsultasi CF

Tabel 7 Tabel Data pilihan_jawaban

Int (4) Id_pilihan Primary key

Varchar (20) Kd_gejala

-Text Desc_pilihan

-Double Nilai

-Int (2) Urutan

-g. Data Temp_konsultasi

Pada tabel ini berfungsi sebagai tempat menyimpan sementara data pencarian gejala penyakit metode fprward chaining.

Tabel 8 Tabel Data Temp_konsultasi

Varchar (12) Kd_penyakit

-Varchar (100) Kd_gejala

-Varchar (100) Gejala

-Varchar (100) Uid

(4)

-h. Data Konsultasi

Tabel ini berfungsi sebagai penyimpanan untuk data konsultasi

Tabel 9 Tabel Data Konsultasi

Varchar (60) Nama

-Enum (‘J’, ‘B’) Jenis_kelamin

-Datetime Tanggal

-i. Data Analisa_hasil

Tabel ini berfungsi sebagai menyimpan data hasil konsultasi dari kedua metode

Tabel 10 Tabel Data analisa_hasil

Varchar (60) Nama

-Enum ('J', 'B') Kelamin

-Varchar (100) Alamat

-Int (4) Kd_penyakit

-Varchar (60) Noip

-Datetime Tanggal

-j. Data Temp_konsultasi_cf

Tabel ini berfungsi menyimpan data history dari konsultasi certainty factor

Tabel 11 Tabel Data_Temp_konsultasi_cf

Int (11) Id_tk Primary key

Int (11) Uid

-Int (11) Id_pj

-Varchar (26) Kode_gejala

-Double Cf_sementara

-Int (11) Status

-k. Data Temp_konsultasi_cf_det

Tabel ini berfungsi sebagai penyimpan data detail hasil konsultasi certainty factor

Tabel 12 Tabel Data Temp_konsultasi_cf_det

Int (11) Id_tk_det Primary key

Int (11) Uid

-Varchar (26) Kd_penyakit

-Double Cb

-Text Kesimpulan

-3. tabel penyakit serta gejala

Tabel penyakit dan gejala diperoleh dari hasil pengumpulan data hasil wawancara yang telah dilakukan bersama pakar dan pasien yang datang ke klinik hewan. Dari hasil yang ada diperoleh hasil sebagai berikut:

a. Data penyakit

Tabel 13 Tabel Data penyakit

No Penyakit

1 Ringworm

2 Scabies

3 Allergic dermantitis 4 Kutu lice

5 Eosinophilic granulauma 6 Abses

7 Kulit kering atau ketombe 8 Ektoparasit

9 Stud tail

b. Data gejala

Tabel 14 Tabel Data gejala

No Gejala

1 Disebabkan jamur berbentuk cincin 2 Perilaku kucing sering menggaruk 3 Terdapat jamur diseluruh tubuh

kucing

4 Merah pada badan / bintik merah 5 Tidak nafsu makan

6 Bulu rontok

7 Bantuk jamur bulat seperti cincin 8 Kerak pada kulit kucing

9 Terdapat ketombe

10 Terdapat pada permukaan kulit 11 Disebabkan parasit

12 Perilaku kucing sering menggaruk akibat parasit

13 Jamur terdapat pada bagian muka dan telinga kucing

14 Tidak nafsu makan karena parasit 15 Bulu rontok karena parasit

16 Telinga kucing kasar ketika disentuh 17 Merah dan kerak dibagian telinga 18 Terkadang terdapat jamur di hidung 19 Terdapat di dalam permukaan kulit 20 Terdapat kutu di telinga kucing 21 Parasite tak terlihat

22 Parasite terdapat di ekor dan telinga 23 Kulit kering, kasar dan berkerak 24 Permukaan kulit menjadi basah 25 Bagian telinga berkerak

26 Parasit terdapat pada bagian muka dan telinga kucing

27 Disebabkan oleh salah makan pada makanan tertentu dan alat perawatan kucing

28 Bintik merah pada perut kucing 29 Timbul jamur dibagian perut jika

alergi makanan

(5)

159

No Gejala

32 Bulu rontok karena alergi

33 Disebabkan oleh kutu ctenocepalides 34 Badan kucing terlihat kurus

35 Kulit lebih berminyak

36 Ada lipatan pada bagian kulit kucing 37 Keluar air liur berlebih pada mulut

kucing

38 Ada luka dimulut kucing

39 Daerah di bawah mulut kucing kotor 40 Tidak nafsu makan karena mulut

kucing terluka

41 Disebabkan oleh luka cakaran atau bekas luka pertarungan

42 Terlihat benjolan Pada Luka 43 Luka lembek saat disentuh 44 Luka bernanah

45 Luka berbau jika pecah

46 Kering pada permukaan kulit kucing 47 Disebabkan oleh jamur, kulit kering

serta ketombe 48 Adanya jamur

49 Bulu rontok karena jamur 50 Terdapat ketombe pada bulu 51 Perilaku kucing sering menggaruk

akibat jamur

52 Disebabkan oleh jamur, kulit kering serta ketombe atau kutu

53 Gatal pada telinga kucing 54 Bulu rontok karena di garuk 55 Kutu terlihat pada kulit dan bulu 56 Perilaku kucing sering menggaruk

karena jamur, kulit kering dan ketombe

57 Disebabkan oleh jamur yang tumbuh di bagan ekor akibat dikebiri 58 Sering menggaruk di daerah ekor 59 Rontok pada bulu sekitar ekor 60 Terjadi pada daerah ekor

c. Tabel kaitan antara gejala dan penyakit Tabel 15 Tabel kaitan antara gejala dan penyakit

Gejala

Penyakit

P1 P2 P3 P 4

P 5

P 6

P

7 P8 P9

G1 *

G2 *

G3 *

G4 *

G5 *

G6 *

G7 *

G8 *

Gejala

Penyakit

P1 P2 P3 P 4

P 5

P 6

P

7 P8 P9

G9 *

G10 *

G11 *

G12 *

G13 *

G14 *

G15 *

G16 *

G17 *

G18 *

G19 *

G20 *

G21 *

G22 *

G23 *

G24 *

G25 *

G26 *

G27 *

G28 *

G29 *

G30 *

G31 *

G32 *

G33 *

G34 *

G35 *

G36 *

G37 *

G38 *

G39 *

G40 *

G41 *

G42 *

G43 *

G44 *

G45 *

G46 *

G47 *

(6)

Gejala

Penyakit

P1 P2 P3 P 4

P 5

P 6

P

7 P8 P9

G49 *

G50 *

G51 *

G52 *

G53 *

G54 *

G55 *

G56 *

G57 *

G58 *

G59 *

G60 *

B. GAMBAR

Berikut ini adalah usecase dari sistem pakar diagnosa awal penyakit kulit pada kucing

Gambar 1. Usecase Diagram

III.HASIL DAN PEMBAHASAN 3.1 Pengumpulan data

Pengumpulan data dilakukan dengan cara wawancara dan konsultasi agar mendapatkan data dari pakar maupun pasien yang dating ke klinik hewan serta data penunjang untuk mencocokkan hasil yang akan di cari.

3.2 Perancangan proses

Perancanganproses pada diagnosa awal penyakit kulit pada kucing ini menggunakan metode Certainty Factor

(CF) dan Forward Chaining. Data yang dibutuhkan untuk proses diagnosa awal penyakit kulit pada kucing ini adalah data gejala penyakit yang tampak pada kucing.

3.3 Perancangan sistem

Perancangan sistem pakar diagnosa awal penyakit kulit kucing menggunakan Certainty Factor (CF) dan Forward chaining ini menggunakan menggunakan Unified Modeling Language (UML) yang terdiri atas Use Case Diagram dan Activity Diagram untuk menjelaskan proses perancangan proses perancangan sistem yang telah dilakukan contohnya seperti membuat use case diagram dan activity diagram.

3.4 Metode pengembangan perangkat lunak

Metode pengembangan perangkat lunak yang digunakan adalah prototype. Prototype merupakan pengembangan perangkat lunak berbasis OOP ( Object Oriented Programing ) dimana didalamnya ada beberapa tahapan yakni: komunikasi, perencanaan, pemodelan dan desain, pembuatan prototype serta testing dan evaluasi.

3.5 Hasil Pengujian Kedua Metode

1. Metode Forward chaining

Pengujian pada metode certainty factor ini iyalah dengan mewawancara pakar bagaimana sebuah hasil kesimpulan diagnosa awal didapatkan. Berikut hasil dari pengujiannya sebagai berikut:

Tabel 16 Tabel Hasil pengujian forward chaining

Gejala Forward chaining

Pakar Kesimpul an G1 Ringworm Ringworm Sesuai G2 Ringworm Ringworm Sesuai G3 Ringworm Ringworm Sesuai G4 Ringworm Ringworm Sesuai

G5

Ringworm Ringworm (lanjutaan bila sudah parah)

Tidak sesuai

G6 Ringworm Ringworm Sesuai G7 Ringworm Ringworm Sesuai G8 Ringworm Ringworm Sesuai G9 Ringworm Ringworm Sesuai G10 Ringworm Ringworm Sesuai

G11 Scabies Scabies Sesuai

G14

Scabies Scabies ( lanjutan bila sudah parah )

Tidak sesuai

G16

Scabies Scabies lanjutan

Tidak sesuai

(7)

161 Gejala Forward

chaining

Pakar Kesimpul an ektoparasit )

Tidak oleh salah makan pada makanan tertentu dan alat perawatan kucing

Allergic dermantitis

Sesuai

G27

Bintik merah pada perut kucing

Allergic dermantitis

Sesuai

G28

Timbul jamur dibagian perut jika alergi makanan

Badan kucing terlihat kurus

Kutu lice Sesuai

G34

Kulit lebih berminyak

Scabies Tidak sesuai

G35

Ada lipatan pada bagian kulit kucing

Scabies

G36

Sering garuk dibagian yang terdapat kutu

Kutu lice Sesuai

G37

Keluar air liur berlebih pada mulut kucing

Eosinophilic granulauma

Sesuai

G38

Tidak nafsu makan bawah mulut kucing kotor

Eosinophilic cakaran atau

Abses Sesuai

Pakar Kesimpul an bekas luka

pertarungan

G42

Terlihat benjolan Pada Luka

Abses Sesuai

G43

Luka lembek saat disentuh

Abses Sesuai

Luka berbau jika pecah

Abses Sesuai

G46

Disebabkan oleh jamur, kulit kering atau ketombe

Kulit kering atau ketombe

Sesuai

G47

Terdapat ketombe pada bulu

Sesuai

G48

Kering pada permukaan kulit kucing

Sesuai

G49

Sering garuk dibagian yang terdapat jamur

Sesuai

G50 Bulu rontok

Sesuai

G51

Disebabkan oleh jamur, kulit kering serta ketombe atau kutu

Ringworm/kulit kering dan ketombe

Tidak sesuai

G52

Gatal pada telinga kucing

Ektoparasit Sesuai

G53

Bulu rontok karena di garuk

Ektoparasit Sesuai

G54

Kutu terlihat pada kulit dan bulu

Ektoparasit Sesuai

G55

Sering garuk dibagian yang terdapat jamur, ketombe, kutu

Ektoparasit Sesuai

G56

Disebabkan oleh jamur yang tumbuh di bagan ekor akibat dikebiri

Stud tail Sesuai ( tapi tidak selalu terjadi karena gejala ini)

G57

Rontok pada bulu sekitar ekor

Stud tail Sesuai

G58

Sering garuk dibagian ekor

(8)

Pakar Kesimpul an

G59

Terjadi pada daerah ekor

Stud tail Sesuai

G60

Botak dan basah pada daerah ekor

Stud tail Sesuai

2. Metode certainty factor

Pada hasil pengujian ini diperoleh hasil sebagai berikut: Tabel 17 Tabel Hasil Pengujian certainty factor

Gejala Angka

Pakar Kesimp ulan

G1 0.4 Cf

combine Ringworm = 0.91

Dari hasil pengujia

0.93 Dihasilka n angka

Pakar Kesimp ulan

(9)

163 Gejala Angka

bobot cf aplikas

i

Certainty factor

Pakar Kesimp ulan

awal kulit kering atau ketombe G51 0.6 Ektoparasi

t = 1

Menghas ilkan angka cf combine 0.93 dan hampir pasti mengala mi diagnosa awal ektoparas it

Sesuai G52 0.64

G53 0.4 G54 1

G55 0.6

G56 1 Stud tail = 0.99

Menghas ilkan angka cf combine -0.64 dan kemungk inan besar tidak mengala mi diagnosa awal stud tail

Sesuai G57 0.8

G58 1 G59 1

G60 1

Dari kedua tabel di atas didapat kesimpulan sebagai berikut:

1. Pada metode certainty factor pengujian dilakukan dengan mencari 3 penyakit yakni : ringworm, kutu lice serta ektoparasit yang masing masing angka kepastiannya yakni 1 ( pasti mengalami diagnosa awal ringworm ), 1 (pasti mengalami diagnosa awal kutu lice ), dan 0.93 ( hampir pasti mengalami diagnosa awal ektoparasit ). Ada beberapa gejala yang tidak sesuai tapi sebagian besar gejala sesuai dengan diagnosa penyakit yang ada.

2. Pada metode forward chaining didapat beberapa gejala yang memang tidak sesuai. Ada 9 gejala yang tidak sesuai hal ini karena beberapa gejala menunjukkan gejala lanjutan atau yang sudah parah dan juga ada beberapa gejala yang memang tidak sesuai karena memang seharusnya gejala itu ada dipenyakit yang lain. berikut adalah tabel jumlah sesuai dan tidak sesuai untuk mencari nilai akurasi:

Gejala yang sesuai 51

Gejala yang tidak sesuai

9

Total 60

Maka diperoleh nilai akurasi: Akurasi = =51/60 x100%=85%

Akurasi dari metode forward chaining ini adalah 0.85 atau sebesar 85% untuk mendiagnosa awal penyakit kulit pada kucing.

3.6 Hasil perbandingan dari kedua metode

Dari hasil pengujian yang dilakukan dengan wawancara dengan pakar didapatkan hasil perbandingan sebagai berikut:

Tabel 18 Tabel Hasil Perbandingan Kedua Metode

Certainty factor Forward Chaining

Kesimpulan menampilkan angka kepastian pada diagnosa awal penyakit kulit pada kucing

Kesimpulan tidak menampilkan angka kepastian hanya menampilkan diagnosa awal penyakit kulit pada kucing

Akurasi ditentukan langsung dengan seberapa besar angka kepastian yang ditampilkan pada kesimpulan suatu penyakit

Dalam kasus ini memiliki nilai akurasi sebesar 85%

Memiliki nilai pakar dan user serta menghitung nilai kepastiannya untuk mendapatkan suatu kesimpulan

Mendapatkan kesimpulan lewat pencarian sesuai rule yang ada

IV.PENUTUP a) Kesimpulan

1. Dari hasil analisa yang dilakukan didapat hasil perbandingan antara kedua metode yakni certainty factor dan forward chaining dibedakan dengan hasil kesimpulan dari masing = masing metode. Untuk forward chaining menghasilkan kesimpulan berupa hasil diagnosa penyakit dari pencarian yang dijawab dari pertanyaan ya atau tidak, sedangkan metode certainty factor menghasilkan kesimpulan berupa diagnosa penyakit dan angka kepastian hasil perhitungan yakni angka kombinasi (CF combine) dan dari pencarian 3 penyakit yakni ringworm, kutu lice, dan ektoparasit dan menghasilkan angka cf combine ( angka kepastian ) sebesar 1 ( dapat dipastikan mengalami diagnosa awal rigworm ), 1 ( dapat dipastikan mengalami diagnosa awal kutu lice ), dan 0.93 ( hampir dipastikan mengalami diagnosa awal ektoparasit ). Diagnosa awal akan menampilkan angka bobot dari masing – masing setelah user konsultasi.

(10)

proses dari forward chaining yakni mencari suatu kesimpulan dari seluruh gejala melalui pencarian yang ditelusuri dari rule agar bisa memperoleh kesimpulan yang sesuai dengan pohon keputusan.

3. Untuk tingkat akurasinya yakni untuk metode forward chaining memiliki tingkat akurasi sebesar 0.85 atau sebesar 85% dikarenakan dari 60 gejala penyakit, 9 diantaranya tidak dan 51 gejala diantaranya sesuai.

b) Saran

1. Untuk pengembangannya untuk mendiagnosa penyakit pada kulit kucing bisa juga menggunakan metode lain seperti fuzzy dan case base reasoning.

2. Aplikasi ini hanya menyimpulkan diagnosa awal dari penyakit kulit saja dan belum mencakup penyakit umum yang dialami oleh kucing seperti rabies dan penyakit lainnya.

3. Pada kasus ini ada beberapa penyakit diluar case seperti irmite dan rutel dan untuk pengembangannya diharapkan ditaambahkan beberapa penyakit seperti irmite dan rutel

V. REFERENSI

[1] R. Ramadhan, I. F. Astuti, and D. Cahyadi, “Sistem Pakar Diagnosis Penyakit Kulit Pada Kucing Persia

Menggunakan Metode Certainty Factor,” vol. 2, no. 1,

2017.

[2] M. Harun, “Aplikasi Sistem Pakar Diagnosa Penyakit

Pada Kucing,” no. September, pp. 1–17, 2013. [3] M. Ayub, “Sistem Pakar Diagnosis Penyakit Anjing

dengan Forward Chaining,” J. Inform., vol. 8, pp. 127–

140, 2012.

[4] G. Gupita, B. Harijanto, Y. Arianto, “Pengembangan Sistem Pakar Pendeteksi Penyakit pada Kucing dengan Metode Case Based Reasoning Dan Certainty Factor

Berbasis Android,” vol. 3, pp 8-13,2017.

[5] R. S. Pressman, Software Engineering : a practitioner’s approach. New York: McGraw-Hill, 2010.

[6] T. Larasati and M. R. Arief, “Sistem Pakar Diagnosa Awal Penyakit Kulit Kucing Berbasis Web

Menggunakan Metode Certainty Factor ( Studi Kasus : Lab Klinik ‘ Klinik Hewan Jogja ’),” pp. 6–7, 2016. [7] D. Novaliendry and C. Yang, “The Expert System

Application For Diagnosing Human Vitamin

Deficiency Through Forward Chaining Method,” pp.

53–58, 2015.

[8] F. Rumaisa and D. Junaedi, “Expert system for early diagnosis of meningitis disease using certainty factor

method,” 2016 Int. Conf. Inf. Technol. Syst. Innov.

ICITSI 2016 - Proc., pp. 1–3, 2017.

[9] Yakub, Pengantar Sistem Informasi. Yoyakarta: Graha Ilmu, 2012.

[10] T. Sutojo, E. Mulyanto, and V. Suhartono, Kecerdasaan Buatan. 2011.

[11] A. Nugroho, “Rekayasa Perangkat Lunak

Menggunakan UML & Java,” 2009, p. 6.

[12] Haviluddin, “Memahami Penggunaan UML ( Unified

Modelling Language ),” vol. 6, no. 1, pp. 1–15, 2011. [13] M. Rudianto Arief, Pemrograman Web Dinamis