DEPARTEMEN ILMU KOMPUTER
FAKULTAS ILMU PENGETAHUAN ALAM DAN MATEMATIKA INSTITUT PERTANIAN BOGOR
BOGOR 2014
Disusun Oleh:
1. Nadia Rahmah
(G64110056)
2. Ikhsan Wisudhandi W. (G64110062)
3. Handoko Dyan Aditya (G64110065)
4. Albert Sebastian
(G64110075)
5.Muhammad Fuad M. (G64110113)
SISTEM PAKAR IDENTIFIKASI PENYAKIT ASCARIDIASIS,
KOKSIDIOSIS, DAN SESTODIASIS PADA AYAM
PENDAHULUAN
1. Latar Belakang
Dewasa ini perkembangan ayam di negara Indonesia sangat pesat. Hal tersebut disebabkan peternakan ayam telah menjadi peluang bisnis yang sangat menjanjikan. Berternak ayam juga merupakan sebuah bisnis yang dapat dijangkau oleh masyarakat kalangan menenggah kebawah. Namun, mahalnya harga vitamin dan obat-obatan membuat ayam mudah terserang penyakit. Biaya pengobatan dan pemberian pakan antioksida diperkirakan melebihi 300 juta dolar AS pertahun diseluruh wilayah dunia (Shane, 1998). Penyakit pada ayam adalah salah satu masalah yang paling banyak ditemui. Proses untuk mengenali dengan cepat dan tepat dari serangan jenis penyakit sangatlah sulit karena gejala yang ditimbulkan umumnya mirip dan sama. Akan tetapi, biasanya ada beberapa gejala yang khas untuk setiap jenis penyakit pada ternak ayam (Rohajawati dan Rina,2013). Salah satu penyakit yang sering ditemui pada ayam tersebut adalah penyakit yang disebabkan oleh parasit. Pada umumnya, penyakit yang dapat disebabkan oleh parasit ialah penyakit koksidiosis, ascaridiasis, dan cestodiasis. Pada ketiga jenis parasite ini mempunyai gejala klinis yang hampir mirip, misalnya ayam tampak pucat dan lesu, mengalami diare, gangguan pernapasan, bahkan dapat menyebabkan kelumpuhan dan kematian. Akan tetapi, penyakit tersebut mempunyai gejala klinis yang cukup mendetail, seperti bentuk feses, tekstur bulu, dan masa diare
Penelitian mengenai sistem pakar diagnosa penyakit pada ayam sebelumnya telah ditulis oleh Meilany Nonsi Tentua yang berjudul “Sistem Pakar Diagnosa Penyakit Ayam”. Pada penelitiannya, peneliti menggunakan kaidah produksi (IF_THEN) sebagai metode representasi pengetahuan dalam pembuatan sistem pakar. Akan tetapi, dalam penggunaan kaidah produksi sebagai representasi pengetahuan dapat dikhawatirkan data yang ada dalam basis pengetahuan masih kurang sesuai dengan kondisi sebenarnya sehingga diperlukan update data untuk sistem pakar tersebut. Penelitian mengenai sistem pakar diagnosis penyakit pada ayam disampaikan pula oleh Siti Rohajawati dan Rina Supriyati yang berjudul “Diagnosis Penyakit Ayam dengan Metode Certainty Factor”. Penelitian tersebut secara umum membahas mengenai sistem pakar penyebab penyakit ayam melalui virus, bakteri dan juga parasit. Pada sistem yang dikerjakan ini, user dapat menentukan gejala-gejala yang ditemui pada ayam ternaknya. Input gejala tersebut merupakan premise bagi penalaran yang akan dilakukan pada knowledge base
dengan production rule yang telah dikontruksikan. Sumber paper lain berjudul “The Use of Certainty Factor with Multiple Rules for Diagnosing Internal Disease” yang ditulis oleh Tubagus Al Munandar, Suherman, Sumiati menuliskan cara penggunaan certainty factor untuk diagnosis penyakit. Paper selanjutnya disampaikan pula oleh Martindah dan Imas Sri Nurhayati didalam papernya yang berjudul “Masalah Ascariasis pada Ayam” mengenai informasi masalah penyakit pada ayam.
Dalam penerapan mendiagnosa suatu penyakit, pakar mengklasifikasikan terlebih dahulu gejala-gejala yang terdapat pada ayam tersebut. Oleh karena itu, metode metode
berdasarkan kejadian (atau pada penilaian seorang pakar) dengan menggunakan bobot penilaian.
Pembuatan sistem pakar pendiagnosa penyakit parasite pada ayam (terutama untuk mendeteksi penyakit Ascaridiasis, Koksidiosis, dan Sestodiasis) membantu memberikan pelayanan konsultasi yang diadopsi dari cara kerja seorang pakar dalam mendiagnosis penyakit dan sebisa mungkin memberikan penjelasan yang detil akan penyakit tesebut beserta cara penangannya. Sistem ini akan membandingkan gejala yang diderita oleh ayam dengan sebuah pusat data tentang penyakit parasit pada ayam beserta gejalanya. Kemudian hasil dari perbandingan tersebut akan diambil yang memiliki tingkat ketepatan yang paling tinggi. Setelah diketahui diagnosa tentang penyakit pada ayam tersebut, maka kemudian dapat diketahui pula penanganan yang tepat untuk menyembuhkan penyakit pada ayam tersebut. Namun demikian, tentunya sistem ini tidak akan serta merta menggantikan peran kerja seorang pakar secara keseluruhan. Sistem ini hanya dapat berfungsi dengan optimal untuk kasus-kasus gangguan kesehatan ringan dimana tidak diperlukan interaksi antara pakar dan ayam secara langsung.
2. Ruang Lingkup Masalah
Penyakit pada ayam yang akan di identifikasi oleh sistem adalah penyakit Ascariasis, Koksidiosis dan Sestodiasi dengan menggunakan metode Certainty Factors. Masing- masing penyakit tersebut disebabkan oleh parasite pada ayam yang berbeda. Akan tetapi, penyakit tersebut mempunyai gejala klinis yang hampir mirip, misalnya ayam tampak pucat dan lesu, diare, gangguan pernapasan, bahkan dapat menyebabkan kelumpuhan dan kematian. Akan tetapi, penyakit tersebut mempunyai gejala klinis yang cukup mendetail, seperti bentuk feses, tekstur bulu, dan masa diare. Sistem juga menyediakan penanganan dan pencegahan penyakit-penyakit tersebut sesuai dengan hasil deteksi.
3. Tujuan Penelitian
memasukan pengetahuan pakar edalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperolah pengetahuan pakar.
Komponen-komponen yang terdapat dalam sistem pakar adalah User Interface
(antarmuka pengguna), basis pengetahuan, akuisisi pengetahuan, mesin inferensi. 1.1 Antarmuka Pengguna (User Interface)
User Interface merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Menurut McLeod (1995), pada bagian ini terjadi dialog antara program dan pemakai, yang memungkinkan sistem pakar menerima intruksi dan informasi (input) dari pemakai. Juga memberikan informasi (output) kepada pemakai.
1.2 Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang obyek dalam area permasalahan tertentu, sedang aturan merupakan informasi tentang cara bagaimana fakta baru dari fakta telah diketahui.
1.3Akuisisi Pengetahuan
Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program computer. Dalam tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer kedalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai.
1.4 Mesin Inferensi
Mesin inferensi adalah bagian yang mengandung mekanisme fungsi berfikir dan polapola penalaran sistem yang digunakan oleh seorang pakar. Mekanisme ini akan menganalisa suatu masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik (Sri Kusumadewi, 2003). Mesin inferensi memulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data, secara deduktif mesin inferensi memilih pengetahuan yang relevan dalam rangka mencapai kesimpulan. Dengan demikian, sistem ini dapat menjawab pertanyaan pemakai meskipun jawaban tersebut tidak tersimpan secara eksplisit didalam basis pengetahuan dan fakta-fakta yang ada dalam basisdata.
2. Penyakit Pada Ayam 2.1 Ascariasis
pemeliharaan yang bebas berkeliaran. Beberapa faktor yang mempengaruhi infeksi cacing A. galli diantaranya adalah umur, jenis ayam, dosis infeksi, tipe kandang, nutrisi, sistem pemeliharaan dan cuaca. Untuk melakukan pencegahan terhadap cacing ini maka harus diketahui faktor yang mempengaruhi infeksi tersebut
2.2 Koksidiosis
Koksidiosis merupakan penyakit yang menyebabkan kerusakan di saluran percernaan, terutama di usus. Koksidiosis atau berak darah merupakan penyakit parasit yang disebabkan oleh salah satu endoparasit, yaitu protozoa (bersel tunggal) dari genus Eimeria sp. Agen penyakit ini berbeda dengan agen penyakit lainnya, baik bakteri maupun virus terutama dalam tahapan perkembangannya dimana Eimeria sp. memiliki beberapa fase perkembangan. 2.3 Sestodiasis
Sestodiasis merupakan penyakit pada ayam yang menyebabkan benjolan-benjolan pada dinding usus dan jelas dapat dilihat dari luar usus. Benjolan-benjolan tersebut dikenal dengan nama protuberance dan atau nodules.
Sestodiasis merupakan penyakit parasit yang disebabkan oleh cacing pita/pipih seperti Davaina Proglettina, Raillietina Tetragona, dan Raillietina Cesticellus. Pencegahan yang baik terhadap cacing pipih ini ialah melalui sanitasi yang baik. penggunaan setiap metode nonprobabilitas. Pertama, perlunya dapat mengekspresikan derajat kepercayaan. Kedua, perlunya untuk memanipulasi (mengkombinasi) derajat dari kepercayaan ketika menggunakan knowledge-based systems. Certainty theory mendasari penggunaan Certainty Factors (CFs). CFs mengekspresikan kepercayaan dalam kejadian (atau fakta atau hipotesis) berdasarkan kejadian (atau pada penilaian seorang pakar). Ada beberapa metode dari penggunaan CFs untuk menangani ketidakpercayaan dalam knowledge-based systems. Salah satu cara dengan menggunakan 1.0 atau 100 untuk kepercayaan absolut (keyakinan penuh) dan 0 untuk kesalahan yang pasti. CFs adalah bukan probabilitas, namun memperkenalkan konsep kepercayaan dan ketidakpercayaan. Model yang dikembangkan dalam CFs adalah sebagai berikut (Russel, 2003; Turban, 2005).
Keterangan:
CFs[h,e] = Faktor kepastian
terhadap hipotesis h, jika diberikan evidence e (antara 0 dan 1)
MD[h,e] = Ukuran ketidakpercayaan atau tingkat
keyakinan terhadap hipotesis h, jika diberikan evidence e (antara 0 dan 1)
METODOLOGI
Metode pendekatan yang dilakukan penulis sesuai dengan tahapan pengembangan sistem pakar.
1. Mencari Sumber Pakar
Dalam pembuatan sistem pakar ini, penulis memilih Ir. Niken Ulupi, MS sebagai pakar.
2. Akuisisi Pengetahuan
diberikan oleh pakar untuk menentukan gejala-gejala yang digunakan untuk mendiagnosa penyakit. Gejala-gejala tersebut diantaranya : diare, feses mengeluarkan darah, ayam lemas, penurunan produksi telur, bulu kasar dan tidak teratur, terjadi kelumpuhan pada ayam, ayam terlihat pucat (terutama pada jengger dan pial), ayam megap-megap, sayap jatuh tidak rapat dangan tubuh, leher seakan berputar, kematian pada ayam muda, mata sering tertutup, nafsu makan ayam jelek, ayam kurus, kematian ayam dalam jumlah besar. Kemudian penulis melakukan diskusi kelompok bersama pakar untuk menentukan bobot
Certainty Factor berdasarkan studi kasus terhadap gejala telah ditentukan. 3. Representasi Pengetahuan
Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat informasi dapat diakses oleh prosedur pemecahan masalah. Representasi pengetahuan dalam sistem ini berbentuk perhitungan Certainty Factor yang akan merujuk pada suatu kesimpulan tertentu berdasarkan gejala-gejala yang terjadi.
4. Pembuatan Mesin Inferensi
Mesin inferensi merupakan bagian yang mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar. Dari fakta-fakta yang diperoleh selama proses tanya jawab dengan user serta aturan-aturan yang tersimpan di
knowledge base, inference engine dapat menarik suatu kesimpulan dan memberikan rekomendasi atau saran yang diharapkan user. Dalam sistem ini digunakan proses perhitungan Certainty Factor yang mendukung proses diagnosis penyakit karena penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.
HASIL DAN PEMBAHASAN
Akuisisi Pengetahuan
Pengembangan sistem pakar ini diawali dengan proses akuisisi pengetahuan. Proses tersebut di mediatori oleh dua orang pakar yaitu Dr. Amrullah Pagala, SPt Msi dan Dr. Ir. Niken Ulupi, MS. Metode akuisisi yang dipakai adalah wawancara dan studi literatur. Hasil interview dan studi literatur menghasilkan gejala-gejala klinis pada ketiga penyakit yang diteliti yaitu, Koksidiosis, Ascaridiasis, dan Sestodiasis yang akan dipakai dalam teknik inferensi. Teknik inferensi sendiri yang akan digunakan adalah Certainty Factors. Selanjutnya adalah menentukan kategori penilaian dan bobot untuk setiap parameter gejala pada CFs dengan selang -1 s/d 1 untuk diberikan kepada pakar.
Penilaia
n Kategori Bobot
0 Definetly not -1
1 Almost certainly not -0.8
3 Maybe not -0.3
Gambar 1. Tabel CFs yang ditampilkan kepada pakar
Tahap berikutnya pakar mengisi tabel yang telah dibuat dan menghasilkan pengetahuan yang bersifat tacit. Hal tersebut dilakukan untuk mengetahui tingkat kepengaruhan suatu gejala klinis dengan penyakit koksidiosis, ascaridiasis, dan sestodiasis.
Gambar 2. Tabel yang diisi oleh Pakar
Berdasarkan penilaian yang diberikan oleh pakar didapatkan bobot dari tiap gejala
2 Feses mengeluarkan darah 8 0 4
3 Ayam lemas 3 7 8
4 penurunan produksi telur 2 8 7
5 bulu kasar dan tidak teratur 7 2 5
6 terjadi kelumpuhan pada ayam 6 2 7
7 ayam terlihat pucat (terutama pada jengger dan pial) 5 7 6
8 ayam megap-megap 2 5 6
9
sayap jatuh tidak rapat dengan
tubuh 0 8 2
10 leher seakan berputar 0 0 6
11 kematian pada ayam muda 8 6 3
12 mata sering tertutup 5 0 2
13 nafsu makan ayam jelek 6 6 5
14 Ayam kurus 7 6 5
Gambar 3. Tabel Bobot yang Dimiliki oleh Setiap Gejala pada Pilihan Penyakit Dari hasil pemberian bobot gejala dari tiap penyakit (Gambar 3) diketahui tingkat kemungkinan terjadinya penyakit dari gejala yang ditimbulkannya. Gejala di penyakit yang memiliki bobot minus diartikan kemungkinan terinfeksi penyakitnya kecil atau bahkan tidak berpengaruh dengan penyakitnya. Kemudian untuk gejala dipenyakit yang mempunyai bobot 0 diartikan tidak dapat diketahui kemungkinan terinfeksinya. Selanjutnya gejala dipenyakit yang memiliki bobot diatas 0 memiliki kecenderungan kemungkinan terjadinya penyakit.
Berdasarkan hasil bobot yang dimiliki setiap gejala pada penyakit yang ditunjukan oleh Gambar 3 dapat dikelompokan penyakit beserta gejalanya sesuai dengan bobot yang dimiliki oleh gejala dari setiap penyakit. Bobot yang digunakan dalam klasifikasi gejala penyakit hanya gejala yang mempunyai bobot diatas 0.
Gejala Klinis Koksidiosis Ascaridiasis Sestodiasis
1 Diare 1 -0.8 0.8
2 Feses mengeluarkan darah 1 -1 0
3 Ayam lemas -0.3 0.8 1
4 penurunan produksi telur -0.5 1 0.8
5 bulu kasar dan tidak teratur 0.8 -0.8 0.3
6 terjadi kelumpuhan pada ayam 0.5 -0.3 0.8
7
ayam terlihat pucat (terutama pada
jengger dan pial) 0.3 0.8 0.5
8 ayam megap-megap -0.5 0.3 0.5
9 sayap jatuh tidak rapat dengan tubuh -1 1 -0.5
10 leher seakan berputar -1 -1 0.5
11 kematian pada ayam muda 1 0.5 -0.3
12 mata sering tertutup 0.3 -1 -0.5
13 nafsu makan ayam jelek 0.5 0.5 0.3
14 Ayam kurus 0.8 0.5 0.3
Gambar 4. Tabel Hasil Klasifikasi Penyakit Sesuai Bobot
Representasi Pengetahuan
Tahap pengembangan sistem pakar berikutnya ialah merepresentasikan pengetahuan bedasarkan proses akuisisi yang telah didapatkan dan dibuat. Setelah mengelompokan gejala penyakit bedarkan bobot yang dimilikinya, proses selanjutnya menentukan algoritma yang akan digunakan untuk menerima input dari user berupa
No Nama Penyakit Gejala Bobot
1 Koksidiosis Diare
Feses mengeluarkan darah
kematian pada ayam muda
kematian ayam dalam jumlah besar
Bulu kasar dan tidak teratur
Ayam kurus
Terjadi kelumpuhan pada ayam
nafsu makan ayam jelek
Ayam terlihat pucat (terutama pada jengger dan pial) 2 Ascaridiasis Penurunan produksi telur
Sayap jatuh tidak rapat dengan tubuh
Ayam lemas
Ayam terlihat pucat (terutama pada jengger dan pial)
3 Sestodiasisi Ayam lemas
Diare
Penurunan produksi telur
terjadi kelumpuhan pada ayam
ayam terlihat pucat (terutama pada jengger dan pial)
ayam megap-megap
leher seakan berputar
bulu kasar dan tidak teratur
gejala-gejala yang terlihat pada ayam yang sakit, mengklasifikasikan input gejala tersebut sesuai dengan tabel klasifikasi penyakit (Gambar 4), menentukan banyaknya gejala input yang akan diproses dalam perhitungan certainty factor setiap penyakit, dan menentukan rumus umum perhitungan certainty factor setiap penyakit. Adapun contoh perhitungan tersebut adalah sebagai berikut:
Misal gejala input yang dipilih yaitu diare, kematian ayam muda, dan ayam megap-megap. Bobot masing-masing gejala setiap penyakit adalah:
Koksidiosis Ascaridiasis Sestodiasis
Diare 1 - 0.8
Kematian ayam muda
1 0.5
-Ayam megap-megap
- 0.3 0.5
Perhitungan certainty factor:.
Koksidiosis = CF1+CF2(1-CF1)=1+1(1-1)=1
Ascaridiasis = CF1+CF2(1-CF1)=0.5+0.3(1-0.5)=0.65 Sestodiasis = CF1+CF2(1-CF1)=0.8+0.5(1-0.8)=0.9
Berdasarkan perhitungan diatas dapat disimpulkan bahwa jika gejala yang terlihat adalah diare, kematian ayam muda, dan ayam megap-megap maka penyakit yang diderita adalah koksidiosis.
Implementasi
Gambar 5. Tampilan Awal Aplikasi
Gambar 6. Tampilan Penjelasan Penyakit Ascaridiasi, Koksidiosis, Sestodiasis
Gambar 6. Tampilan Hasiil Penyakit
DAFTAR PUSTAKA
Durkin, J. (1996). Expert systems: A view of the field. IEEE Expert, 11(2), 56-62. Kusumadewi, S. (2003). Artificial intelligence, Yogyakarta: Graha Ilmu
Tentua, Meilany Nonsi. (2009). Sistem Pakar Diagnosa Penyakit Ayam. Yogyakarta: Universitas PGRI Yogyakarta.
Rohajawati, Siti. dan Rina Supriyati. (2013). Sistem Pakar: Diagnosis Penyakit Ayam Dengan Metode Certainty Factor. Bogor: Universitas Pakuan.
Russel, S., and Norvig, P. (2003). Artificial intelligence: A modern approach, 2nd ed., New Jersey: Pearson Education.
