IMPLEMENTASI METODE
FORWARD CHAINING
UNTUK
MENDIAGNOSIS PENYAKIT PADA SAPI BERDASARKAN GEJALA
Rizky Ramadhan1, Tien Rahayu Tulili2, Ni Wayan Wisswani3
1,2)Prodi Teknik Informatika-Politeknik Negeri Samarinda, Samarinda 3)Prodi Manajemen Informatika-Politeknik Negeri Bali, Denpasar
riskiramadhan3@gmail.com1, tien.tulili@polnes.ac.id2, wisswani@yahoo.com3
ABSTRAK
Sapi merupakan salah satu hewan ternak yang sangat berpengaruh bagi potensi ekonomi Indonesia dan bagi peternak itu sendiri, oleh karena itu kesehatan sapi bagi peternak sangatlah penting, untuk memeriksa kesehatan sapi peternak masih membutuhkan bantuan dokter hewan. Dalam hal ini seiring berkembangnya teknologi kepakaran dokter hewan dapat diterapkan ke dalam kecerdasan buatan yaitu sistem pakar. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer atau secara ringkasnya pengetahuan dokter hewan diimplementasikan dengan bantuan bahasa pemrograman. Dalam penelitian ini sistem pakar tentang diagnosa penyakit sapi menggunakan layanan berbasis web. Hasil pengujian dalam penelitian terlihat bahwa sistem pakar diagnosa penyakit sapi dalam layanan berbasis web.
Kata Kunci: Sistem Pakar, Forward Chaining
1. PENDAHULUAN
1.1 Latar Belakang
Sapi merupakan hewan ternak yang memiliki potensi ekonomi yang cukup menjanjikan, baik sebagai ternak potong, ternak bibit maupun bahan pangan. Tuntutan daging sapi yang berkualitas sangat berpengaruh dari kesehatan sapi, penyakit sapi pada umumnya ditandai dengan adanya sekumpulan gejala. Dengan gejala-gejala tersebut maka jenis penyakit dapat diketahui, namun harus diperlukan kemampuan seorang dokter hewan untuk melakukan diagnosa.
Setiap melakukan diagnosa terhadap penyakit sapi maka biaya harus dipenuhi kepada dokter hewan meskipun penyakit yang dialami sapi tidak harus ditindak dengan pengobatan melainkan hanya mengetahui gejalanya saja. Hal ini tentunya sangatlah tidak diharapkan apabila persoalan atau kondisi tersebut ditemukan di daerah terpencil yang memiliki keterbatasan akses khususnya ketersediaan dokter hewan. Untuk itu perlu dikembangkan suatu sistem yang dapat menggantikan para ahli dan dapat digantikan oleh suatu sistem yang disebut dengan sistem pakar.
Sistem Pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli[1].
Salah satu metode yang paling umum untuk merepresentasikan adalah metode Forward Chaining Strategi inferensi Forward Chaining dimulai dengan sekumpulan fakta pengetahuan, memperoleh fakta-fakta baru menggunakan aturan-aturan dimana premis-premis sesuai dengan fakta-fakta pengetahuan, dan meneruskan prosesnya sampai sebuah tujuan yang ditetapkan telah tercapai[2].
Pada Laporan Tugas Akhir ini akan dijelaskan menerapkan metode Forward Chaining untuk mendiagnosis gejala penyakit pada sapi. Untuk itu penulis mengajukan sebuah judul Laporan Tugas Akhir yaitu
”Implementasi Metode Forward Chainining Untuk Mendiagnosis Penyakit Pada Sapi Berdasarkan Gejala.
2. LANDASAN TEORI
2.1 Tinjauan Pustaka
Sistem pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli[2].
tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman. Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang cukup tua karena sistem ini telah mulai dikembangkan pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General-purpose problem solver (GPS) yang dikembangkan oleh Newl dan Simon. Sampai saat ini sudah banyak sistem pakar yang dibuat, seperti MYCIN, DENDRAL, XCON & XSEL, SOPHIE, Prospector, FOLIO, DELTA, dan sebagainya[2]. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar[3].
Sistem pakar adalah sistem berbasis computer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut[4]
2.2 Konsep Dasar Dalam Sistem Pakar
Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Sistem pakar bekerja berdasarkan pengetahuan yang dimasukkan oleh seorang atau beberapa orang pakar dalam rangka mengumpulkan informasi hingga sistem pakar dapat menemukan jawabannya[5]. Sistem pakar mempunyai 3 bagian utama, yaitu user Interface, Interface engine dan Knowledge base[5].
1. User Interface
User interface adalah perangkat lunak yang menyediakan media komunikasi antara user dengan sistem. User interface memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan untuk membantu mengarahkan alur penelusuran masalah sampai ditemukan sebuah solusi.
2. Inference Engine
Inference Engine adalah bagian dari sistem pakar yang melakukan penalaran dengan menggunakan isi daftar rule berdasarkan urutan dan pola tertentu. Selama proses konsultasi antara sistem dengan user, inference engine menguji aturan-aturan satu demi satu sampai kondisi rules itu benar. Secara umum ada dua metode inference engine yang penting dalam sistem pakar, yaitu runut maju (forward chaining) dan runut balik (backward chaining). 3. Knowledge Base
Knowledge base merupakan inti program sistem pakar. Pengetahuan ini merupakan representasi pengetahuan dari seorang pakar. Knowledge base bisa
direpresentasikan dalam berbagai macam bentuk, salah satunya adalah bentuk sistem berbasis aturan (ruled-based system). Knowledge base tersusun atas fakta yang berupa informasi tentang obyek dan rules yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang telah diketahui.
2.3 Forward Chaining
Forward Chaining merupakan suatu penalaran yang dimulai dari fakta untuk mendapatkan kesimpulan (conclusion) dari fakta tersebut. Forward chaining bisa dikatakan sebagai strategi inference yang bermula dari sejumlah fakta yang diketahui. Pencarian dilakukan dengan menggunakan rules yang premisnya cocok dengan fakta yang diketahui tersebut untuk memperoleh fakta baru dan melanjutkan proses hingga goal dicapai atau hingga sudah tidak ada rules lagi yang premisnya cocok dengan fakta yang diketahui maupun fakta yang diperoleh[6]. IF (informasi masukan) THEN (kesimpulan) Informasi masukan dapat berupa data, bukti, temuan, atau gejala. Sedangkan kesimpulan dapat berupa tujuan, hipotesa, penjelasan atau diagnosis. Sehingga arah pencarian runut maju dimulai dari data menuju tujuan, dari bukti menuju hipotesa, atau dari gejala menuju diagnosa[1]. Proses Metode Forward Chaining ditunjukkan pada Gambar 1.
Gambar 1 Proses Metode Forward Chaining
2.3.1 Forward Chaining
berikutnya diuji. Proses ini akan berulang sampai seluruh basis aturan diuji dengan berbagai kondisi[7].
Forward Chaining merupakan suatu proses yang berdasarkan data. Pengguna sistem harus memberikan semua data yang mungkin sebelum proses inferensi berjalan. Mesin Inferensi menelusuri basis pengetahuan sesuai data yang telah diberikan untuk menemukan kesimpulan akhir.
3.1 Metodologi Penelitian
Gambar 2 Metodologi Penelitian
Pada gambar 2 menunjukkan langkah-langkah penelitian ini. Sebelum melakukan penelitian terlebih dahulu mempelajari segala hal yang terkait dengan topik penelitian. Pengumpulan Data Jenis Penyakit Data jenis penyakit dapat diperoleh dari literatur atau dari wawancara dengan seorang dokter hewan.Pengumpulan Fakta Gejala Berdasarkan Data Jenis Penyakit Sumber fakta gejala dapat juga diperoleh dari literatur, wawancara dengan seorang dokter hewan atau sumber data dari lembaga resmi. Perancangan Basis Pengetahuan Kategori Penyakit Sapi untuk kategori penyakit sapi berdasarkan tabel fakta gejala penyakit yang sudah dilakukan pada tahap sebelumnya.
Perancangan Model Penalar Dengan Metode Model
penalaran tersebut dalam bentuk aturan IF…THEN.
Perancangan Antarmuka Pakar dan Pengguna Desain dibuat sedemikian rupa untuk memberikan kemudahan bagi pakar maupun pengguna untuk berinteraksi dengan sistem pakar.Membangun Tabel Fakta Gejala Penyakitini menyangkut data tentang fakta gejala untuk penyakit Sapi. Membangun Basis Pengetahuan Kategori Penyakit Sapi berisi penyakit sapi yang nantinya merupakan hasil dari gejala - gejala yang telah dipilih oleh pengguna. Membangun Model Penalaran Dengan Metode Forward Chaining Metode Forward Chaining merupakan grup dari multiple inferensi yang melakukan penyelesaian masalah untuk menemukan solusi, dimulai dari identifikasi gejala.
3.2 Blok diagram
Pembuatan blok diagram ini dimaksudkan untuk mengetahui dan membatasi ruang lingkup permasalahan yang akan dibahas dengan mengetahui posisi pokok bahasan pada domain yang lebih luas.
Gambar 3 Blok Diagram
Basis pengetahuan dalam sistem pakar diperoleh dari pakar. Basis pengetahuan terbagi 2 (dua) yaitu basis data fakta dan basis data gejala. Pengguna memilih gejala yang tersimpan didalam basis data gejala. Setelah itu gejala yang telah dipilih akan masuk kedalam proses Metode Forward Chaining untuk melakukan pencocokan aturan yang tersimpan dalam basis data fakta. Jika proses tersebut terpenuhi maka akan menghasilkan suatu diagnosa penyakit.
3.3 Perancangan Basis Pengetahuan (Knowledge Base)
1. Penyakit sapi
Daftar nama penyakit ditunjukkan pada tabel 1. Jumlah nama penyakit pada sapi adalah 11 penyakit dan masing-masing nama penyakit diberi kode.
Tabel 1 Penyakit Sapi
Kode Penyakit
Nama Penyakit
P01 Septichemia Epizootica (SE)
P02 Antrax
P10 Bovine Viral Diarrhea (BVD)
P11 Myiasis
2. Gejala penyakit sapi
Pada tabel 2, gejala penyakit yang ditemukan pada sapi didefinisikan dan diberikan kode. Terdapat 29 gejala penyakit yang akan digunakan pada sistem ini
Tabel 2 Gejala Penyakit Sapi
Kode Gejala
Nama Gejala
G01 Demam
G02 Nafsu Makan Turun
G03 Hidung Mengeluarkan Cairan
G04 Ngorok
G05 Demam Tremor
G06 Denyut Jantung Tidak Stabil
G07 Pernapasan Cepat
G08 Setelah mati, telinga hidung mulut dubur dan kemaluan mengeluarkan darah
G09 Keguguran setelah 5 bulan muda
terulang lagi di masa berikutnya G10 Keluarnya plasenta tertunda
G11 Radang Uterus
G12 Radang Kemaluan
G13 Kurus
G14 Terjadi oedima dibawah rahang
G15 Mencret tidak berbau
G16 Lemah/lesu
G17 Batuk sifatnya kronis
G18 Sesak Nafas
G19 Kelenjar Ais Susu Membengkak
G20 Warna merah kehitaman pada kulit
G21 Membengkak di daerah bahu dan
paha
G22 Ambing membengkak
G23 Anemia
G24 Diare
G25 Radang
G26 Mencret bercampur darah
G27 Air kencing berwarna merah
G28 Penurunan produksi susu
G29 Berair pada lokasi luka
3. Analisa tabel keputusan
Dari tabel 1 dan 2, dibuatkan tabel keputusan yang ditunjukkan pada tabel 3.
Tabel 3 Analisa tabel keputusan Kode
3.4 Pohon Keputusan
Dari perolehan tabel keputusan diatas, pohon keputusan dapat dibuat dan ditunjukkan pada gambar 4.
Gambar 4 Pohon Keputusan
4. HASIL PENELITIAN
Implementasi Metode Forward Chaining merupakan penerapan proses penalaran yang dimulai dari fakta terlebih dahulu untuk menguji kebenaran suatu hipotesis. Dalam penalaran maju, aturan-aturan diuji satu demi satu dalam urutan tertentu. Setiap aturan diuji, sistem pakar akan mengevaluasi apakah kondisi benar atau salah. Jika kondisinya benar maka aturan disimpan kemudian aturan berikutnya diuji. Berikut implementasi metode Forward Chaining dalam mendiagnosa penyakit sapi adalah:
Gambar 5 Alur Inferensi Penyakit Septichemia Epizootica
Dari Gambar 5 dapat dijelaskan bahwa dapat dijelaskan bahwa G01, G02, G03, G04, G16, dan G18 menyatakan gejala penyakit sedangkanP01 menyatakan penyakit. Alur inferensi dengan metode Forward Chaining pada gambar tersebut dimulai dari kiri terlebih dahulu. Gejala penyakit dalam hal ini merupakan fakta. Dimulai dari gejala yang umum terjadi yang kemudian diuji satu per satu sampai mencapai gejala yang spesifik. Sehingga memperoleh kesimpulan akhir berupa jenis penyakit P01 (Septichemia Epizootica).
Untuk membuktikan hasil diagnosa aturan diatas dapat dihitung persentase dugaan penyakit berdasarkan jumlah gejala yang sesuai dengan menggunakan rumus :
Pers = (Jumlah gejala penyakit terpilih / total_gejala) x100%
Dengan :
Pers = persentase dugaan penyakit Total_gejala = jumlah gejala penyakit
Total gejala didapat dari rule dasar penyakit Septichemia Epizootica adalah enam gejala,dan pengguna
minimal harus memilih 4 gejala, sehingga dapat dihitung yaitu :
Pers = 4
6x 100% = 67%
Jadi dari gejala yang dipilih pengguna adalah 4 (empat) gejala dengan setiap gejala memiliki persentase 16,7% (nilai persentase dapat berubah berdasarkan jumlah gejala yang dimiliki oleh setiap penyakit).
4.1 Diagram Konteks
Gambar 6 Diagram Konteks
Diagram konteks dari website yang akan dibangun ditunjukkan ada gambar 6. Pengguna yaitu seorang peternak sapi memasukkan data ke sistem berupa gejala penyakit ke sistem dan sistem akan memberikan hasil diagnosa berupa penyakit yang mungkin diderita.
4.2 Diagram Level 1
Gambar 7 DFD level 1
Pada gambar 7, dapat dilihat bahwa rincian dari diagram konteks yang ditunjukkan pada gambar 6, tabel yang akan dirancang sebanyak tiga tabel yaitu aturan, gejala, dan penyakit.
4.3 Tampilan Antarmuka (Interface)
Gambar 8 Antarmuka (Interface)
4.4 Pengujian Sistem
Sistem yang telah dibangun diuji dengan membandingkan hasil diagnosa penyakit yang diberikan oleh sistem dengan hasil diagnosa dari pakar. Hasil perbandingan ditunjukkan pada tabel
Tabel 4 Perbandingan Hasil Diagnosa Pakar dengan Sistem
Peny 8 Anaplasmosis Anaplasmosi
s
Jika dihitung probabilitasnya, akan diperoleh hasil sebagai berikut :
P11(akurat) =10
11 x 100% = 90.9%
P11(tdk_akurat) = 1
11 x 100% = 9.1%
Melihat nilai probabilitas yang mencapai 90.9%, dengan metode Forward Chaining yang digunakan pada sistem ini menggunakan representasi pengetahuan berupa aturan produksi, menunjukkan bahwa sistem sudah berfungsi dengan cukup baik, dan aplikasi ini sudah berjalan sesuai dengan yang diharapkan.
5. KESIMPULAN
Berdasarkan hasil analisis dan pengujian Sistem Pakar yang dilakukan pada pengerjaan Tugas Akhir ini, maka dapat dilakukan penarikan kesimpulan sebagai berikut:
1. Implementasi sistem melakukan penarikan kesimpulan berdasarkan fakta yang ada dengan menggunakan metode Forward Chaining. Penelusuran dimulai dari fakta-fakta yang ada baru kesimpulan dapat diperoleh, aturan yang ada ditelusuri satu persatu hingga penelusuran dihentikan karena kondisi terakhir telah terpenuhi.
2. Sistem pakar dengan menggunakan metode Forward Chaining terbukti mampu mendiagnosis penyakit sapi dengan persentase probabilitas yang mencapai 90.9%, dengan hasil diagnosa berupa nama penyakit yang menyerang sapi sesuai dengan gejala penyakit yang diinputkan pengguna. Namun tidak menuntut kemungkinan suatu saat aplikasi ini ketika digunakan terjadi kesalahan pada saat digunakan.
3. Aplikasi ini bersifat offline sehingga memudahkan para penggunanya mendapatkan informasi tentang penyakit sapi.
4. Sebaiknya sistem dapat melakukan akurasi lebih baik terhadap penyakit antrax sesuai dengan data gejala yang diperoleh dari dokter hewan,misalnya dengan menambahkan gejala-gejala baru. 5. Sistem dapat melakukan update secara otomatis
agar mempermudah pengguna dalam
menambahkan data.
6. Menambahkan menu login untuk pengguna dan memperbaiki tampilan aplikasi ini.
REFERERENSI
[1] Rohman, F.F., dan Fauzijah, A. 2008. “Rancang Bangun Aplikasi Sistem Pakar Untuk Menentukan Jenis Gangguan Perkembangan pada Anak”. Media Informatika. Volume 6 No. 1. Hal 1-23.
[2] Kusumadewi, S. 2003. Artificial Intelligence Teknik dan Aplikasinya. Graha Ilmu. Yogyakarta.
[3] Turban, E., Jay, E.A., Ting, P. L. 2005. Decision Support Systems and Intelligent Systems Sistem Pendukung Keputusan dan Sistem Cerdas. Andi. Yogyakarta. [4] Martin, J., Oxman, S. 1998. Building Expert System A
Tutorial. Prentice Hall. New Jersey.
[5] Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Andi. Yogyakarta.
[6] Giarratano, C. J., Riley, D. G. 2005. Expert Systems Principles and Programming Forth Edition. Thomson Course Technology. Canada.
[7] Jogiyanto. 2003. Pengembangan Sistem Pakar
